人工智能能否打破“杰文斯悖論”

在算力擴張下，AI成為“隱形能源黑洞”，未來AI或決戰于綠色能源之巔。

會點，人工智能（AI）正以前所未有的速度重塑能源產業。據國際能源署（IEA）預測，到2030年，可再生能源占全球發電量的 50% 以上。AI技術則是實現這一目標的核心驅動力。不過，一些專家已經開始“潑冷水”了。在算力擴張下，AI成為“隱形能源黑洞”。未來，AI將決戰于什么？也許是綠色能源之巔。

AI的能源消耗困境

“AI在提升能效的同時本身消耗大量的能源，‘杰文斯悖論’正在顯現。”中國互聯網協會專家劉文清說。

“杰文斯悖論”由英國經濟學家威廉·斯坦利·杰文斯于1865年提出。他觀察到，煤炭技術效率的提高加速了開采，從而抵消了節省下的能源。這提醒我們，在尋求提高資源利用效率時，需要制定相應的政策或策略來管理整體的資源使用。

國際能源署數據顯示，到2030年，AI相關算力基礎設施的能耗可能占全球電力需求的 3%～5% 。而其在石油、化工等傳統高耗能行業的應用，則有望減少全球工業能耗的 10%～15% ，呈現“既耗能又節能”的雙向特性。

事實上，互聯網“大佬”們早就對AI的能耗提出過警告。馬斯克和黃仁勛都曾表示，現有電網難以支撐AI芯片的全速運行。在2024年瑞士達沃斯世界經濟論壇上，OpenAI首席執行官薩姆·奧爾特曼指出：“未來，人工智能的發展需要在能源方面實現突破，因其耗電量將遠超人們的預期。”

據《福布斯》雜志報道，ChatGPT每日消耗的電力超過50萬千瓦時，相當于1.7萬個美國家庭的平均日用電量總和。若谷歌將ChatGPT類AI整合至搜索服務，其年耗電量將是傳統搜索能耗的23～30倍。

正因如此，不久前，亞馬遜、谷歌、Meta等科技巨頭在發展AI的同時，把觸角伸向能源領域。它們在美國共同簽署了“三倍核電”倡議，將共同為“到2050年全球核電規模應達到目前水平的3倍”提供支持。在石油領域，“杰文斯悖論”同樣存在。BP通過AI將墨西哥灣勘探周期從6～12個月縮短至8＼～12周，殼牌利用AI技術壓縮地震數據處理周期。但據第三方研究，其能耗數據出現增長。盡管效率提升顯著，其單位項目的碳足跡仍引發爭議。

近年來，我國的算力能耗極速上升。中國信息通信研究院發布的《中國綠色算力發展研究報告（2024年）》指出，截至2023年底，數據中心碳排放總量為0.84億噸，約占全國二氧化碳排放總量的 0.67% 。盡管與電力、鋼鐵等傳統行業相比，數字碳足跡占比仍然較低。但隨著數字設備制造和數據中心使用的快速增加，其碳排放增速顯著。

中國“東數西算”的解題思路

制造業占全球總耗電量的 40% 以上。因此，利用AI提高能效已是大趨勢。但是AI消耗的能源又不能忽視。如何平衡？推動綠色算力也許是個答案。

2022年2月，隨著國家發展改革委等四部門聯合批復同意在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏啟動建設國家算力樞紐節點，中國正式拉開了“東數西算”工程大幕，構建了“數據向東、算力向西”的新型資源配置體系。

東數西算’的戰略意在于破解中國算力困局。”中國信息通信研究院院長余曉暉表示。中國的能源失衡表現其一在于，東部地區承載全國 70% 的算力需求，但土地成本是西部的5倍，電價高出 30% 。

“東數西算”工程將寧夏、內蒙古等地的數據中心與西部風電和光伏項目直連，2024年綠電覆蓋率達 42% 。以寧夏中衛數據中心為例，集群光伏直供比例達 60% ，單機柜年減碳可達18噸。

“我國算力基礎設施建設已達到世界領先水平。然而，標準化、普惠化算力服務統一大市場尚未形成，存在算力供給緊張與部分算力未能有效利用的矛盾。”余曉暉說。

截至2023年底，中國算力規模位列全球第二，占比達到 26% 。在用算力中心機架總規模達到810萬標準機架，同比增長 24.2% ，算力總規模超過230EFLOPS（FP32）。

2023年12月，國家發展改革委、國家數據局等部門聯合印發了《關于深入實施“東數西算”工程加快構建全國一體化算力網的實施意見》，提出到2025年底，普惠易用、綠色安全的綜合算力基礎設施體系初步成型，東西部算力協同調度機制逐步完善，通用算力、智能算力、超級算力等多元算力加速集聚。

接下來如何發展？中國能源建設集團董事長宋海良提出，需要構建“綠電優先”的算力調度平臺，推動“東數西算”與“西電東送”協同，利用西部可再生能源支持AI基礎設施。下一步，需要在統籌全國算力設施區域優化布局的基礎上，解決好算力服務統一市場構建和資源全域有效利用的問題。

技術與政策需要協同

要解決AI的能源黑洞問題，需要技術、行業與政策的協同。

通過技術創新與綠色算力，優化算法降低算力需求，開發邊緣計算與儲能協同技術，是一條現實途徑。

在油氣領域，一些油田已經開始邊緣計算、大數據分析等技術的嘗試。比如，新疆油田在偏遠井區部署邊緣計算設備，實現了數據本地化處理，減少了對中心服務器的依賴。

隨著大模型等人工智能產業和應用的迅速發展，我國對智能算力資源的需求愈發旺盛。“在通用人工智能生態體系中，算法和模型的創新是關鍵、數據是基石、算力是核心支撐、應用場景是驅動力，需要產業上下游各方齊心協力、緊密合作。”燧原創始人兼COO張亞林表示。

政策與技術的協同路徑尤為重要。專家指出，在政策層面，我國需要完善綠電定價機制，探索算力價格與碳排放掛鉤。目前，AI在能源領域的應用缺乏統一的標準。例如，碳管理算法可能因數據偏差導致減排路徑失真，需要通過國際組織協調數據共享與模型透明度。

放眼國際，一些國家和組織正在采取行動。例如，新加坡因能源短缺，出臺了限制數據中心容量的法規，并在2019年至2022年間暫停審批新的數據中心項目。2023年，歐盟通過了一項能源效率指令，要求能耗500千瓦功率以上的數據中心運營商每年報告其能源消耗。

然而，國際合作更多表現為技術主權與全球治理的博弈。美國、歐盟通過AI算法與算力優勢主導新能源產業鏈高附加值環節。發展中國家需要加大本土研發投入力度，培養復合型人才，構建從材料研發到智能制造的完整生態。然而，這并不容易。因此，博鰲亞洲論壇2025年年會呼呼建立開源技術平臺，共享氣象數據與發電模型，推動非洲、東南亞等地區的新能源普及。

AI與能源的結合，既是技術革命也是治理挑戰。AI不是問題的答案，而是答案的一部分。未來，也許要通過算法革新、綠電普及與全球碳定價協同，才能破解這一悖論。

責任編輯：石杏茹znshixingru@163.com