人工智能的能源悖论：平衡挑战与机遇

⼈⼯智能时代的产业转型 ⼈⼯智能的能源悖论：平衡挑战和机遇 ⽩⽪书2025年1⽉ 图⽚:盖蒂图⽚ 内容 阅读指南3 前⾔4 执⾏摘要5 介绍6 1 ⼈⼯智能的电⼒消耗7 1.1 ⼈⼯智能⽣命周期71.2 数据中⼼的作⽤81.3 减少⼈⼯智能系统耗电量的机会9 2 ⼈⼯智能驱动的能源转型11 2.1 AI技术提供的⾮尽如⼈意的机会⽰例11⽤电量减少 2.2 样例应⽤案例12 3 主要挑战和⽣态系统⽀持者14 3.1 基础设施挑战14 3.2 环境挑战14 3.3 ⽣态系统推动因素概述15 3.4 监管与政策推动因素16 3.5 ⾦融激励推动因素16 3.7 市场发展推动因素17 4 ⼈⼯智能能源影响的未来展望18 4.1 部署和合作格局184.2 ⼈⼯智能与能源 - 2024年⾄2025年展望22 结论23 贡献者 24 注脚26 免责声明 本⽂件由世界经济论坛出版作为⼀个项⽬、⻅解领域或互动的贡献。本处所表达的发现、解释和结论源⾃世界经济论坛促进和⽀持的协作过程，但其结果未必代表世界经济论坛的观点，也不⼀定代表其全部成员、合作伙伴或其他利益相关者的观点 © 2025年世界经济论坛保留所有权利。 未经允许，本出版物的任何部分均不得以任何形式传播或传输，包括复印和录⾳，或任何信息存储和检索系统 阅读指南 世界经济论坛的 AI 产业转型倡议旨在通过探讨促进⼈⼯智能（AI）驱动创新在商业模式和运营模式中的战略影响、机遇和挑战，推动负责任的产业转型。 本系列⽩⽪书探讨了⼈⼯智能在各⾏业中的转型作⽤。通过⼴泛分析和深⼊探讨⾏业特定和区域性深⼊挖掘，提供了洞察。本系列包括： 跨⾏业 区域特定 对地区的影响 中国迈向⼈⼯智能驱动的产业转型 ⾏业或功能特定 对⾏业、部⻔和职能的影响 随着⼈⼯智能以前所未有的速度发展，本系列论⽂每篇都捕捉了⼈⼯智能的独特视⻆，包括撰写时的全景图。认识到正在进⾏的变⾰和进步，旨在通过与世界经济论坛合作伙伴和从事⼈⼯智能战略和实施的利益相关者社区深化和更新对⼈⼯智能影响和应⽤的理解。 这些论⽂共同展⽰了⼈⼯智能当前的发展和采纳情况，以及其未来潜在影响。 每篇论⽂可以独⽴阅读，也可以和其他⼀起阅读，并且会在各⾏业中出现共同主题。 前⾔ 罗伯托·博卡能源中⼼主管世界经济论坛 杰⾥⽶·尤尔根斯 Cathy Li⼈⼯智能、数据和元宇宙负责⼈;中⼼副负责⼈第四次⼯业⾰命委员会成员执⾏委员会世界经济论坛 James Mazurek美国公⽤事业部总监战略主管，安永 在当今经济中，⼈⼯智能（AI）系统既带来挑战⼜提供机遇。作为数字基础设施的重要组成部分，⽀持AI的数据中⼼可⽤于各种应⽤，从云计算到复杂数据处理。 ⻓的幅度可能会下降。为实现这⼀⽬标，关键是要了解创新的缓解策略和有效促进这种平衡的解决⽅案。 在过去⼀年⾥，世界经济论坛的⼈⼯智能治理联盟已将⾏业、政府与公⺠社会和学术界团结起来，建⽴了⼀个全球多利益相关者的努⼒，以确保⼈⼯智能为⼴⼤⼈⺠造福的同时保持责任、包容性和问责制。来⾃整个AI价值链的参与者聚集在⼀起，就新兴的AI问题展开有意义的对话。 然⽽，随着AI的迅速扩张，伴随⽽来的是不断增⻓的电⼒需求，世界上最⼤的设施使⽤与⼩城市相同的电量以确保持续运⾏。数据中⼼的规模各不相同，从拥有超过1千兆⽡（GW）功率容量的⼤型超⼤规模设施，到可能仅需不到10千⽡（kW）电⼒的较⼩的微边缘部署。 在Accenture担任知识合作伙伴的情况下，联盟的AI能源影响社区（由40多个全球成员组成）促进了跨⾏业的讨论达成共识，并提出了有关AI能源影响的应⽤案例。 有⼀项估计预计，与全球电⼒需求的⼤约1%相⽐，与数据中⼼相关的电⼒消耗将在2026年增⻓到超过2%，如果预测的增⻓持续下去，到2030年可能达到3%。这样的预测引发了有关如何⽀持这⼀需求同时⼜满⾜净零承诺的担忧。同时，⼈⼯智能可以成为⽀持更⼴泛的能源系统转型的强⼒⼯具。例如，它已被⽤于改善各⾏业的能源效率，加速可再⽣能源的整合并使电⽹更具韧性。 本⽂从⼀个多样化的利益相关者群体中突显了跨⾏业的⻅解，以概述缓解策略: ‒为AI系统识别降低电⼒使⽤的策略 ‒触及到⼈⼯智能在更⼴泛能源转型中的潜⼒ 这就是⼈⼯智能能源悖论 - 在AI带来的机遇中平衡这些挑战 - 概述关键合作伙伴关系、框架和政策以⽀持可持续的AI采⽤ 然⽽，⽬前关于AI能源影响的估计各不相同，电⼒需求增⻓的幅度仍不清楚。其他问题包括标准分类法和定义的缺乏。 AI采⽤的增加，连同其他市场因素同时增加了电⼒使⽤量。 全球年度电⼒需求增⻓现在预计将在未来⼏年达到近3.5%。3,4 这⼀挑战受到全球各地区AI项⽬竞争的加剧。这将需要价值链各⽅利益相关者在平衡可持续⽬标、电⽹约束和社区影响的市场压⼒中导航。 电⼒需求增⻓能否被效率提升所抵消 - 通过技术进步（如芯⽚、算法等）、数据中⼼设计和地区动态的改变 - 也是不确定的。尽管预计AI的电⼒消耗会在短期内上升，但由于实现效率收益，未来这种增 执⾏摘要 ⼈⼯智能呈现能源机遇和挑战-战略缓解有助于最⼤限度地发挥利益，同时减轻负担。 ⼈⼯智能（AI）正在推动新的创新时代，将近四分之三的公司将AI⽤于⾄少⼀个业务功能。这种创新带来了许多好处，包括提⾼⽣产率、新的⼯作⽅式和收⼊增⻓。预计从2023年到2030年，AI相关的电⼒消耗每年将增⻓多达50%。尽管AI数据中⼼的耗电量增⻓迅速，但预计仍将占全球电⼒需求的⼀⼩部分，从2023年的仅0.04%开始（⻅图4）。然⽽，当与其他市场因素结合（如交通、建筑等领域对电⼒需求的增⻓）时，AI的加速采⽤可能会增加电⽹和电⼒提供商的压⼒。 2.AI启⽤的能源转型：探索创新的新兴公司⽤例和跨⾏业规模化的潜⼒ ‒现有⽤例显⽰在某些情况下能耗降低了10-60%，并具有进⼀步优化的潜⼒。 ‒通过能量存储、增强电池效率和智能电⽹，AI正在帮助电⼒供应商优化运营。 不过，这种预测可能存在变化。 AI的整体能源影响有多深刻和哪些策略可以缓解可能出现的挑战或开启新的解决⽅案机会仍存在不确定性。在这种情况下，评估AI如何可以加速符合净零⽬标的能源转型⾄关重要，以及哪些⽀持⽣态系统促进因素可以⽀持这⼀点。本⽂重点关注AI的电⼒影响，同时解决更⼴泛的能源格局，包括⽀持AI的发电和燃料来源。 ‒⼈⼯智能可以⽀持减碳，有助于降低排放、减少浪费和改善资源利⽤。 3.⾸要挑战和⽣态系统推动因素：分析可持续⼈⼯智能规章、政策和伙伴关系，以实现规模化采纳 ‒实现可持续⼈⼯智能需要跨越多⽅⾯的⽅法，包括：规章和政策、财政激励、技术创新和市场发展。 AI治理联盟（AIGA）下的⼯作 ⼈⼯智能能源影响倡议已经提出了关键⻅解。该倡议与来⾃九个以上⾏业的40多个全球组织合作推动⼈⼯智能的采⽤。 ‒ 规章、政策和财政推动因素可以通过合规框架和资⾦机制激励负责任的⼈⼯智能。 这项分析强调了与⼈⼯智能在改变能源系统⽅⾯扮演的⻆⾊相关的三个不同领域的关键发现 ‒技术创新和市场发展促进研究、协作和可持续的⼈⼯智能采纳。 1⼈⼯智能的⽤电量：审查⼈⼯智能的⽣命周期、减少其⽤电量的策略和过程数字化的新机会 这份⽩⽪书初步探讨了⼈⼯智能在能源⽅⾯的影响，并概述了随着⼈⼯智能在各⾏业中的采⽤逐渐增⻓⽽出现的关键挑战和机会。最后，分享了四个监控的领域，以持续了解⼈⼯智能不断演变的能源影响。 ‒各⾏业对⼈⼯智能的采⽤存在差异，预计⽤电需求将⼤幅增加。然⽽，预测仍然不确定，强调需要持续评估。 ‒AI部署⽤于减碳 ‒ 优化⼈⼯智能的消耗包括 利⽤诸如节能⼈⼯智能芯⽚硬件和⼈⼯智能优化冷却解决⽅案等技术创新。 ‒透明且⾼效的⼈⼯智能⽤电 ‒技术和设计创新 ‒公司通过操作策略，如基于⼈⼯智能的环境控制、服务器虚拟化和⼯作负载分配，减少数据中⼼的⽤电量。 ‒有效的⽣态系统协作 介绍 ⼈⼯智能正在⾰命各⾏各业，导致⽇益增⻓的电⼒需求，但预测⼈⼯智能特定能源影响仍然复杂 不同⾏业对⼈⼯智能的需求增⻓ 基于⼈⼯智能的增⻓预测具有挑战性，由于技术进步和不同的采⽤速率使预测变得更加复杂 整体电⼒需求增⻓的驱动因素 ⼈⼯智能正在改变⽇常⽣活的多个⽅⾯。从⾃动化简单任务到实现复杂问题解决，⼈⼯智能推动创新，提⾼效率，改变社会运作⽅式。尤其是⽣成式⼈⼯智能已成为强⼤的转型催化剂，能够⾃动化任务，重新设计价值链上的流程，从⽽提⾼性能和竞争⼒ ⼏个市场因素导致全球电⼒需求增加。除了⼈⼯智能、交通和建筑物电⽓化之外，其他增⻓驱动因素包括⼯业向电动⻢达转变、城市化、⼈⼝增⻓以及数字经济解决⽅案的⽇益采⽤ 尽管图1提供了⼀些指⽰，但需要进⼀步研究来阐明⼈⼯智能相关电⼒需求增⻓在全球能源趋势背景下的作⽤ 图 1 在国家政策情景（STEPS）2023-2030年各终端⽤途电⼒需求增⻓，以及数据中⼼敏感性案例 ⼈⼯智能的电⼒消耗1 模型部署是⼈⼯智能最耗能的阶段（约占60％）-创新策略可以减少耗电。 1.1 ⼈⼯智能⽣命周期 ⼈⼯智能的⽣命周期始于规划和数据收集阶段，在此阶段收集、处理和存储数据。接下来，模型开发阶段包括设计、问题分析和数据准备。模型训练通过迭代数据暴露优化模型。模型部署随后将模型开放供实际应⽤。最后，监控和维护⽀持持续改进。 需要进⼀步研究来估计第1和第5阶段的能耗，但对第2-4阶段已有估算。在这三个阶段中，模型部署是最耗能的（约占组合电⼒消耗的60-70％），但⻓期内可能会继续增⻓。模型训练是第⼆⾼耗能的，约占消耗的20-40％，其次是模型开发，最⾼可达10％。然⽽，这些估算可能会因不同的⼈⼯智能模型类型⽽有所不同。 1.2 数据中⼼的作⽤ - 冷却系统（30-40%）⽤于保持最佳温度 数据中⼼利⽤强⼤的服务器、专业硬件和先进的⽹络能⼒，实现了所需的⼈⼯智能⾼速计算和数据处理。 -辅助组件（10-30%），包括电源、安全和照明。 在数据中⼼中，电⼒消耗包括三个主要组成部分：10 请注意，随着⼈⼯智能的普及，这些⽐例将随时间演变。 -IT设备（40-50%），包括服务器、存储和⽹络系统。 1.3 降低⼈⼯智能消耗的机会系统的电⼒消耗 数据中⼼的消耗包括⼈⼯智能和⾮⼈⼯智能元素。⼈⼯智能处理，特别是⽣成式⼈⼯智能，由于模型复杂性⼤、训练时间⻓和数据处理量⼤⽽能耗更⾼。 然⽽，这种能源密集度的增加伴随着像⽣成式⼈⼯智能这样的能⼒带来的额外好处，包括执⾏更复杂的⼯作和启⽤拓展价值机会的能⼒。 对于⼀些组织⽽⾔，潜在数据可能占存储数据的60-75％。11字减碳化”技术可以解决“⿊数据”问题，⿊数据占⽤服务器空间并消耗电⼒却没有提供价值。 数字减碳战略可以识别和消除⿊数据，减少存储和电⼒消耗。也可以有机会重新利⽤⿊数据以创造价值。 AI启动的能源转型 ⼈⼯智能解决⽅案可以推动跨⾏业的能源效率，通过优化运营和减少资源消耗提供脱碳机会。 随着⼈⼯智能的发展，出现了⼴泛的脱碳机会。利⽤这些机会可以⽀持全球⽓候⽬标的实现和宏观电⼒需求⽬标。12 改善能源分配、故障管理，提升系统可靠性。 ⼈⼯智能还可以帮助加速清洁能源的采⽤和整合到现有基础设施中。 正如本⽂所展⽰的特⾊案例所⽰，⼈⼯智能可以通过优化资产、推动创新和实现可持续技术来在能源转型中发挥关键作⽤。在可再⽣电⼒⽣产中，⼈⼯智能可以增强预测模型，⽽在电⽹运营中，它可以 在建筑、交通和⼯业等终端使⽤领域，⼈⼯智能已经被⽤来优化能源消耗，实现预测性维护并增强能源价值链的效率。 2.1 ⾮尽述机会⽰例 ⽤于AI启动的电⼒节省减少的例⼦ ⼈⼯智能可以根据电⽹需求和电价优化电动汽⻋充电，降低成本和提⾼电⽹稳定性。 ‒ 建筑管理：AI-enabled HVAC通过学习⽤⼾习惯并相应调整操作，优化能耗。 ‒电动⻋（EV）充电：AI可以根据电⽹需求和电价优化EV