平衡挑战与机遇

人工智能时代的产业转型 人工智能的平衡能源悖论：挑战与机遇 白皮书 2025年1月 Getty Images 图片： 内容 阅读指南3 前言 4 5执行摘要 17人工智能的电力消耗 1.1人工智能生命周期71.2数据中心的作用81.3减少人工智能系统电力消耗的机会9 11 2.1人工智能赋能的详尽示例机会11节能2.2用例示例12 3主要挑战与生态系统使能因素 14 3.1基础设施挑战143.2环境挑战143.3生态系统使能因素概述153.4监管和政策推动因素163.5财务激励促进因素163.6技术革新促进因素173.7市场发展促进因素17 4人工智能能源影响前景184.1部署与合作格局184.2人工智能与能源——2024至2025年展望22 结论 23 贡献者 24 尾注26 免责声明 本文件由世界经济论坛发布，作为对一项项目、洞察领域或互动的贡献。此处表达的研究发现、解释和结论是经世界经济论坛促进和认可的合作过程的结果，但其结果不一定代表世界经济论坛的观点，也不代表其全体会员、合作伙伴或其他利益相关者的观点。 © 2025 世界经济论坛。保留所有权利。本出版物之任何部分均不得以任何形式或任何方式复制或传播，包括复印和录音，或通过任何信息存储和检索系统。 阅读指南 世界经济论坛的“AI赋能产业转型”倡议旨在通过探索推广人工智能（AI）驱动的创新在商业模式和运营模式中的战略影响、机遇和挑战，来催化负责任的产业转型。 本白皮书系列探讨了人工智能在各行各业中的变革性作用。它通过宏观分析与行业特定和区域深入探讨相结合的方式提供洞见。该系列包括： 跨行业 区域特定 对产业生态系统的影响 对区域的影响 行业或功能特定 对行业、部门和职能的影响 随着人工智能以前所未有的速度不断发展，本系列中的每一篇论文都捕捉了对人工智能的独特视角——包括写作时对当时发展态势的详细快照。认识到持续的变革和进步已经启动，旨在通过与世界经济论坛合作伙伴社区的合作，不断深化和更新对人工智能的影响和应用的认知 以及参与跨组织人工智能战略和实施的相关方。 这些论文共同提供了人工智能当前发展与应用的综合视角，以及对其未来潜在影响的认识。每篇论文都可以独立阅读，或与其他论文一起阅读，各行业都出现了共同的主题。 前言 罗伯托·博卡能源与材料中心主任；世界经济论坛执行委员会成员 杰里米·朱根斯世界经济论坛执行董事 Cathy Li负责人，人工智能，数据与元宇宙；执行长，第四次工业革命中心；执行委员会成员，世界经济论坛 詹姆斯·马祖尔克首席执行官，美国公用事业战略负责人，埃森哲 在当今的经济中，人工智能（AI）系统既带来挑战也带来机遇。作为数字基础设施的重要组成部分，支持人工智能的数据中心能够支持从云计算到复杂数据处理的各种应用。然而，快速扩张伴随着人工智能的需求，拥有最大的设施使用与小城市相同数量的电力来增长全球电力，以确保不间断运行。数据中心的大小各不相同，从拥有超过 1 吉瓦 (GW) 功率容量的超大规模设施，到功率可能小于 10 千瓦 (kW) 的小型边缘部署。1 实现效率提升。为此，理解能够有效促进这种平衡的创新缓解策略和解决方案至关重要。 在过去一年中，世界经济论坛的人工智能治理联盟将产业界与政府、社会组织及学术界团结在一起，建立了一个全球多利益相关方的努力，以确保人工智能服务于公共利益，同时保持责任、包容性和问责制。人工智能价值链的各方参与者被召集起来，就新兴的人工智能问题进行有意义的对话。 在 Accenture 作为知识合作伙伴的支持下，该联盟的人工智能能源影响社群（由超过 40 名全球成员组成）促进了跨行业讨论以达成共识，并浮现了人工智能能源影响的应用案例。 据估计，数据中心相关电力消耗预计将从约占全球电力需求的1%增长到2026年超过2%，如果预计增长持续，则可能到2030年达到3%。2这样的预测引发了对在履行净零承诺的同时支持这种需求的担忧。与此同时，人工智能可以成为有力支持更广泛能源系统转型的工具。例如，它已经被用于提高各行业的能源效率，加速可再生能源整合，并使电网更具韧性。这就是人工智能能源悖论——在人工智能赋能机遇和这些挑战之间寻求平衡。 本文强调了来自多元化利益相关者群体的跨行业洞察，以勾勒出缓解策略： –识别节电策略为 人工智能系统 — 探讨人工智能在更广泛能源转型中的潜力 —— 概述支持可持续人工智能采用的关键合作伙伴关系、框架和政策 然而，目前对人工智能能源影响的估计存在差异，电力需求增长的规模仍不明确。其他问题包括缺乏标准化的分类法和定义。电力需求增长将因技术进步（例如芯片、算法等）、数据中心设计和区域动态变化所带来的效率提升而得到多大程度的抵消，这一点也是不确定的。虽然预计人工智能的电力消耗在短期内会上升，但由于 人工智能的采用增加，以及其他市场因素，正在导致电力使用增加。预计未来几年，全球电力需求增长率将达到近3.5%。3,4这一挑战因全球各地区人工智能项目的竞争而加剧。这将要求价值链上的各方在应对计算能力市场压力的同时，平衡可持续性目标、电网约束和社区影响。 执行摘要 人工智能带来能源机遇与挑战——战略缓解有助于在减轻负担的同时最大化收益。 人工智能（AI）正推动一个创新的新时代，近四分之三的公司将AI用于至少一个业务功能。5这项创新带来了许多好处，包括提高生产力、新的工作方式以及收入增长。预计与人工智能相关的电力消耗将从2023年到2030年每年增长高达50%。虽然人工智能数据中心消耗在迅速增长，但预计将仍然占全球电力需求的很小一部分，从2023年的0.04%开始（见图4）。然而，当与其他市场因素（例如交通、建筑等对电力的需求增长）结合时，人工智能的加速采用可能会增加对电网和电力供应的压力。然而，这样的预测可能会有所不同。6围绕AI总体能源影响有多深远以及哪些策略可以缓解出现的挑战或实现新的解决方案机会，仍然存在不确定性。在这种情况下，评估AI如何根据净零目标加速能源转型，以及哪些支持生态系统推动因素可以支持这一点至关重要。本文重点关注AI的电力影响，同时探讨更广泛的能源格局，包括支持AI的发电和燃料来源。 环境控制、服务器虚拟化和工作负载分配。 2.探索人工智能赋能能源转型：创新型新兴企业的应用案例及跨行业规模化潜力 – 现有用例在某些情况下展示了10-60%的能耗降低，并具有进一步优化的潜力。 – 人工智能正通过储能、提升电池效率和智能电网帮助电力供应商优化运营。 – 人工智能可以支持脱碳，有助于降低排放、减少浪费、提高资源利用。 3. 主要挑战和生态系统 分析监管、政策和赋能因素：规模可持续AI采用所需的合作夥伴关系 —实现可持续人工智能需要采用多方面的方法，涵盖：监管和政策、财政激励、技术创新和市场发展。 在人工智能治理联盟（AIGA）下工作人工智能能效影响计划已经在这些主题上浮现出关键 见解。该倡议与来自九个以上行业的超过40个全球组织合作，推动人工智能的采用。 监管、政策和金融赋能可以通过合规框架和融资机制激励负责任的AI。 这项分析强调了与人工智能在改造能源系统中作用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、合作和可持续的人工智能应用。 1.审视AI人工智能的能耗：生命周期、降低其能耗的策略以及流程数字化带来的新机遇 这份白皮书是对AI能源相关影响的一项初步探索，概述了随着AI在各个行业的应用增长而出现的关键挑战和机遇。它通过分享四个需要持续关注以深入了解AI不断变化的能源影响的领域而告终： —— 各行业对人工智能的采用程度有所不同，预计电力需求将急剧增长。然而，预测仍然不确定，这强调了持续评估的必要性。 —优化人工智能的消耗包括利用节能型人工智能芯片硬件和人工智能优化的冷却解决方案。 — 用于脱碳的AI部署 —透明高效的人工智能电力使用 –技术创新与设计 — 公司正通过人工智能驱动等运营策略减少数据中心电力消耗 –有效的生态系统合作 引言 人工智能正在改变行业，导致电力需求增长，但预测人工智能特有的能源影响仍然复杂。 不断增长 人工智能（AI）正在改变日常生活的多个方面。从自动化简单任务到支持复杂问题解决，AI正在推动创新，提高效率并改变社会运作方式。特别是，生成式AI已成为一种强大的变革催化剂，能够自动化任务并重塑价值链上的流程，从而提升绩效和竞争力。7 多种市场因素导致全球电力需求增加。除了人工智能以及交通和建筑的电气化之外，其他增长动力还包括工业向电动机的转型、城市化、人口增长以及数字经济发展方案的日益普及。 预测人工智能专有的增长具有挑战性，然而，技术进步和不同的采用率使预测复杂化。 虽然图1提供了一些线索，但需要进一步研究来阐明与人工智能相关的电力需求增长在全球能源趋势背景下的作用。 1人工智能的电力消耗 模型部署是人工智能最耗能的阶段（约占60%）——创新策略可以减少消耗。 图21.1人工智能生命周期 需要进一步的研究来估算阶段1和阶段5的消费量，但阶段2-4已有估算值。在这三个阶段中，模型部署是最耗能的（约占综合电力消耗的60-70%），但很可能在长期内继续增长。模型训练是第二耗能最高的，占20-40%的消费量，其次是模型开发，高达10%。9然而，这些估算可能会因不同的AI模型类型而有所不同。 人工智能生命周期始于规划与数据收集，此过程中数据被汇集、处理和存储。8接下来，模型开发阶段包括设计、问题分析和数据准备。模型训练随后通过迭代数据暴露优化模型。模型部署接着将模型用于实际应用。最后，监控和维护支持持续优化。 图31.2 数据中心的作用 利用强大的服务器、专用硬件和先进的网络能力，数据中心能够实现人工智能所需的高速计算和数据处理。 – 冷却系统（30-40%）以保持最佳温度。 – 辅助组件（10-30%），包括电源、安全和照明。 在数据中心内，电力消耗包括三个主要组成部分：10 请注意，随着人工智能使用的普及，这些比例将随着时间的推移而演变。 – IT设备（40-50%），包括服务器、存储和网络系统。 1.3 减少人工智能系统电力消耗的机会 数据中心消耗包括人工智能和非人工智能元素。人工智能处理，特别是对于生成式人工智能，由于模型复杂度高、训练时间长和大量数据处理，因此更加耗能。 然而，这种能源强度增加，也伴随着生成式人工智能等能力所能提供的额外好处，包括执行更复杂工作的能力和扩展价值机会的能力。 随时间推移的数据中心需求 “暗数据”，它占用服务器空间并消耗电力，但无法提供价值。对于某些组织而言，暗数据可能占其存储数据的60-75%。11 数字化脱碳策略可以识别并消除暗数据，减少存储和电力消耗。同时，也可能存在将暗数据再利用以创造价值的机会。 人工智能赋能能源转型 人工智能解决方案可以推动各行业提高能源效率，通过优化运营和减少资源消耗来提供脱碳机会。 随着人工智能的扩展，正在出现大量的脱碳机会。利用这些机会可以支持实现全球气候目标和宏观电力需求目标。12 模型，在网格操作中，它可以改善能源分配、停电管理和提高系统可靠性。 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。在最终用途领域——建筑、交通和工业——人工智能已经被用来优化能源消耗，实现预测性维护，并提高整个能源价值链的效率。 正如本文重点用例所示，人工智能可以通过优化资产、推动创新和实现可持续技术，在能源转型中发挥关键作用。在可再生能源发电中，人工智能可以增强预测 2.1 非详尽示例：人工智能赋能的电力节约减少机会 人工智能可以根据电网需求和电价优化电动汽车充电，降低成本并增强电网稳定性。 –AI赋能的暖通空调楼宇管理通过学习用户习惯来优化消耗，并据此调整运行。 –: 人工智能可以电动汽车（EV）充电优化根据电网需求与电价充电，降低成本并提升电网稳定性。 –AI-制造质量控制使