人工智能與能源轉(zhuǎn)型

卓賢　肖婭晨　范炘宜

圖/IC

人工智能技術(shù)在臺前展示的是比特世界的算力、算法和數(shù)據(jù)，但其“輕盈的靈魂”背后則是土地、能源和水等物理世界“沉重的肉身”。

根據(jù)本文三種情境的模擬測算，未來人工智能發(fā)展需要可持續(xù)的巨量能源支撐，能源轉(zhuǎn)型速度在很大程度決定人工智能的走向。人工智能與能源約束之間的矛盾能否化解，取決于兩場“競賽”的結(jié)果：一方面，人工智能算力能效的提升速度能否超越應(yīng)用場景的擴散速度；另一方面，能源轉(zhuǎn)型速度能否超越人工智能用電增長速度。

一、人工智能快速發(fā)展會擠占全球發(fā)展資源嗎？

以O(shè)penAI推出ChatGPT為標(biāo)志，人工智能進入快速發(fā)展的軌道。當(dāng)前，生成式人工智能正實現(xiàn)著從文本世界、多媒體世界再到物理世界的技術(shù)三級跳。在逐步理解和處理文本、圖像、聲音、視頻等多模態(tài)信息之后，人工智能還通過物聯(lián)網(wǎng)和具身機器人連接物理設(shè)備，感知真實環(huán)境參數(shù)，實現(xiàn)智能決策和自主處理復(fù)雜指令。隨著技術(shù)更新迭代，人工智能的應(yīng)用場景也在不斷拓寬。比如，人工智能有望打破生物醫(yī)藥的“雙十困境”（即一款新藥研發(fā)至少需要投入10億美元和耗費10年研發(fā)周期）。再如，人工智能技術(shù)提高了發(fā)現(xiàn)和合成新無機化合物的速度和精確性，加快了新材料的問世。

人工智能并非天使，其快速發(fā)展也引發(fā)人們對其潛在負面影響的討論。比如，機器換人帶來失業(yè)和不平等加劇，技術(shù)壟斷造成消費者福利和社會利益損害，沒有與人類價值觀“對齊”帶來犯罪和恐怖主義風(fēng)險等。技術(shù)中性論認為，技術(shù)本身無所謂善惡，技術(shù)所產(chǎn)生的影響取決于技術(shù)使用者。有鑒于此，一些科技界和企業(yè)界的個人或機構(gòu)發(fā)布公開信，呼吁加強人工智能治理以避免出現(xiàn)對人類發(fā)展不可逆的風(fēng)險。

人工智能技術(shù)在臺前展示的是比特世界的算力、算法、數(shù)據(jù)，但其“輕盈的靈魂”背后則是土地、能源、水等物理世界“沉重的肉身”。

算力的盡頭是電力。據(jù)國際能源署數(shù)據(jù)，2022年美國共有約2700個數(shù)據(jù)中心，電力消耗占全國總量的4%左右，到2026年這一比例將達到6%。芯片設(shè)計公司Arm的首席執(zhí)行官Rene Haas則表示，如果不提高芯片的效率，到2030年數(shù)據(jù)中心的耗電量可能高達美國電力需求的20%到25%。

此外，人工智能的快速發(fā)展還需要大量的水、土地、勞動力和資金要素的支持。比如，人工智能的耗水主要體現(xiàn)為冷卻、發(fā)電用水、生產(chǎn)芯片用水等。

由于全球發(fā)展資源有限，當(dāng)一項新技術(shù)突破帶來新產(chǎn)業(yè)熱潮時，雖然其在長期可能有利于人類福祉，但在初期會擠占其他領(lǐng)域的發(fā)展資源。當(dāng)前，跨國公司成為全球要素和資源配置的重要主體，盡管科技向善在國際科技企業(yè)的社會責(zé)任報告中有所體現(xiàn)，但資本的配置導(dǎo)向并不全然是人類福利的最大化。由于目前人工智能產(chǎn)業(yè)的高利潤，資本的力量推動各類資源向人工智能領(lǐng)域集聚形成熱潮和泡沫，有可能影響對人類更有當(dāng)期價值的其他產(chǎn)業(yè)的發(fā)展。

作為一項能加速人類發(fā)展進程的潛在通用目的技術(shù)，人工智能的發(fā)展在長期具有正外部性。但在近中期，人工智能發(fā)展的收益并不會均勻地分配給全球各國和各收入群體，受益者主要是互聯(lián)網(wǎng)企業(yè)和風(fēng)險投資者，而隱性成本的承擔(dān)者主要是發(fā)展中國家和低收入群體。在全球發(fā)展仍然面臨糧食安全、能源安全和水資源安全等問題時，這種負外部性尤為明顯：根據(jù)聯(lián)合國相關(guān)數(shù)據(jù)，當(dāng)前全世界有24億人無法持續(xù)獲得食物，有6.75億人無法用上電，23億人無法獲得清潔烹飪?nèi)剂虾图夹g(shù)，四分之一人口面臨“極高”的水資源短缺壓力。

二、人工智能發(fā)展需要可持續(xù)的巨量能源支撐

提升能量密度的努力貫穿人類發(fā)展史。煤炭的廣泛使用推動了蒸汽機和鐵路的發(fā)展，極大地提高生產(chǎn)效率和運輸能力，是工業(yè)化的加速器。石油為內(nèi)燃機提供動力，推動汽車、飛機等交通工具的普及，加快了城市化和全球化進程。電網(wǎng)的出現(xiàn)讓高密度能量跨越地理限制，促進生產(chǎn)在更廣闊地域分布和集聚，是產(chǎn)業(yè)分工、產(chǎn)業(yè)內(nèi)分工、產(chǎn)業(yè)鏈分工拾級而上的基礎(chǔ)。每一次產(chǎn)業(yè)變革背后都有能源革命的驅(qū)動力量，并伴隨著生產(chǎn)組織模式變革和社會體制變革。

人工智能發(fā)展產(chǎn)生大規(guī)模電力需求。據(jù)SemiAnalysis數(shù)據(jù)，2023年一季度以來，全球人工智能計算能力一直以50%-60%的季度環(huán)比增速快速提升。人工智能對電力的需求主要來自于數(shù)據(jù)中心。據(jù)國際能源署（IEA）數(shù)據(jù)，2023年全球數(shù)據(jù)中心消耗約460太瓦時的電量，相當(dāng)于德國（484太瓦時）全年的全社會用電量。數(shù)據(jù)中心電力需求的主要來源是服務(wù)器、存儲設(shè)備、通信設(shè)備等IT設(shè)備，以及照明、空調(diào)、冷卻系統(tǒng)等配套設(shè)施。數(shù)據(jù)中心標(biāo)準(zhǔn)組織Uptime Institute的研究表明，2022年全球大型數(shù)據(jù)中心的平均能效比（PUE）約為1.55，即數(shù)據(jù)中心的IT設(shè)備每消耗1度電，其配套設(shè)施消耗0.55度電。

圖1：未來全球人工智能用電量預(yù)測

資料來源：IEA、美國銀行及相關(guān)研究。制圖：張玲

生成式人工智能的能耗分為訓(xùn)練和推理兩個環(huán)節(jié)。每一輪訓(xùn)練任務(wù)持續(xù)數(shù)周至數(shù)月，而且相比普通數(shù)據(jù)處理具有更高的能耗強度。傳統(tǒng)服務(wù)器的典型功耗約為1千瓦，但每臺人工智能服務(wù)器的功耗現(xiàn)在已達數(shù)十千瓦。當(dāng)前，人工智能還遠未達到規(guī)模法則（Scaling Law）的頂峰，增加模型參數(shù)和訓(xùn)練數(shù)據(jù)量仍然是提升人工智能模型性能的主要路徑。參數(shù)數(shù)量、數(shù)據(jù)規(guī)模和計算資源幾何級數(shù)的上升，需要配之以更大規(guī)模的電力。斯坦福大學(xué)的一項研究顯示，完成GPT-3訓(xùn)練的耗電量為128.7萬度，而完成GPT-4訓(xùn)練的能耗是GPT-3的40倍以上，需要5177萬至6232萬度電。

未來人工智能推理階段的用電總量比訓(xùn)練階段高得多。不同于訓(xùn)練階段，推理任務(wù)的需求和算力在地理分布上相對分散，單位時間的能耗強度低于訓(xùn)練階段。但隨著應(yīng)用場景的快速擴張，未來推理階段的用電量將大幅攀升。目前，人工智能的輸入輸出還主要是互聯(lián)網(wǎng)的數(shù)字世界。當(dāng)人工智能的觸角借助各類傳感器進入物理世界后，所需要處理的數(shù)據(jù)量將出現(xiàn)躍升。

根據(jù)市場調(diào)研機構(gòu)Omdia估計，到2023年底，全球物聯(lián)網(wǎng)設(shè)備安裝量接近380億臺，每天產(chǎn)生約10億GB的數(shù)據(jù)，這一規(guī)?？赡苓€達不到全球物理設(shè)備的百萬分之一。每一個生物體也是一個小宇宙，隨著可穿戴設(shè)備和與之相關(guān)的智能健康行業(yè)的發(fā)展，未來對生物信息的數(shù)據(jù)處理規(guī)模將提高到更高的量級，同時，這也意味著對電力需求的幾何級數(shù)增長。

從動態(tài)來看，芯片技術(shù)創(chuàng)新和算法優(yōu)化將不斷提高人工智能在訓(xùn)練和推理時的用能效率，但這也將拓寬人工智能的應(yīng)用場景并提升模型復(fù)雜度，推動算力需求的更快增長，不斷增加總體用電壓力。這一預(yù)判符合歷史上屢屢出現(xiàn)的“杰文斯悖論”，即資源使用效率提高將刺激需求增長，最終提高總消耗量。

主權(quán)AI模式帶來的重復(fù)訓(xùn)練和應(yīng)用將進一步增加全球能耗?；诎踩托实钠胶?，全球人工智能建設(shè)會保持一定的冗余。在聯(lián)合國發(fā)布的《以人為本的人工智能治理》報告中，鼓勵各國構(gòu)建本土人工智能生態(tài)系統(tǒng)和適應(yīng)本地需求的模型，促進人工智能初創(chuàng)企業(yè)在更多國家和地區(qū)進行測試和部署，以確保利益相關(guān)方和各國之間的資源平等獲取和隱私數(shù)據(jù)保護。因此，各地區(qū)相應(yīng)的基礎(chǔ)設(shè)施建設(shè)、人工智能模型訓(xùn)練與推理會帶來全球能源需求的額外增長。

為獲取數(shù)量級意義上的預(yù)測結(jié)果，本文采用三種方法，對人工智能電力需求增長進行情境模擬。

1.基于芯片現(xiàn)實供給能力的模擬。AI芯片是人工智能產(chǎn)業(yè)的核心硬件，也是能源消耗主體，依據(jù)GPU產(chǎn)量和功耗可大致估算人工智能產(chǎn)業(yè)的電力需求。我們假設(shè)英偉達H100將成為未來一段時間內(nèi)GPU的主流產(chǎn)品，以其功耗作為平均數(shù)。根據(jù)美國銀行數(shù)據(jù)計算，2023年全球人工智能數(shù)據(jù)中心用電量約為43.8太瓦時。根據(jù)英國金融時報報道，2024年H100出貨量預(yù)計達到150萬-200萬塊，其峰值功耗為700瓦。按英偉達95%的GPU市場份額，估算2024年智能芯片出貨量約為158萬-210萬塊。根據(jù)TrendForce的預(yù)測，到2030年GPU產(chǎn)量年均增速26.1%，同時考慮冷卻用電約為服務(wù)器功耗的50%，可得2030年全球人工智能用電量將達到195-2455太瓦時。

風(fēng)電、光電等新能源具有間歇性、波動性和季節(jié)性，而人工智能則需要連續(xù)、穩(wěn)定的電力供給。圖/IC

2.基于信息產(chǎn)業(yè)人工智能化的模擬。信息通信業(yè)是人工智能滲透速度最快、應(yīng)用范圍最廣的產(chǎn)業(yè)。Erol Gelenbe（2023）估算出全球ICT行業(yè)用電量占總用電量4.3%。根據(jù)國際能源署數(shù)據(jù)，2023年全球總用電量約為2.8萬太瓦時，假設(shè)年增長率為3.4%，到2030年全球用電量將達到3.5萬太瓦時。由此估算2030年全球信息行業(yè)用電量約為1505太瓦時。根據(jù)Alex de Vries（2023）和SemiAnalysis的評估，一個標(biāo)準(zhǔn)的谷歌搜索使用0.3瓦時的電力，而ChatGPT響應(yīng)一個標(biāo)準(zhǔn)請求的耗電約為2.9瓦時。由此可認為，人工智能化的信息服務(wù)用電量是普通信息服務(wù)的9.67倍。由此可知，2030年信息產(chǎn)業(yè)智能化后的用電量為1.46萬太瓦時，占2023年全球用電量的42%。

3.基于人類生產(chǎn)生活活動人工智能化的模擬。作為一項潛在的通用目的技術(shù)，人工智能會影響到各領(lǐng)域的運行方式，從而提高各領(lǐng)域生產(chǎn)、流通和消費行為的用電量。埃森哲（2023）基于美國就業(yè)水平，估計各行業(yè)可被人工智能化的占比均值為31%。如果這部分可被人工智能替代的生產(chǎn)、流通和消費行為實現(xiàn)人工智能化，即使人類的生產(chǎn)生活規(guī)模停留在2023年的水平，未來人類全部活動的用電量也將達8.3萬太瓦時，約為2023年全球用電量的3倍，遠遠超出全球電力供應(yīng)的增長能力。

需要指出的是，以上三類預(yù)測方法基于人工智能和能源技術(shù)不變的假定，并不追求具體數(shù)據(jù)的準(zhǔn)確性。特別是后兩種預(yù)測方法，更多是為了呈現(xiàn)人工智能的電力需求躍升后可能達到的量級。事實上，如果能源技術(shù)進步跟不上人工智能的發(fā)展，第二種預(yù)測情境要以擠占人類其他領(lǐng)域發(fā)展資源為代價，而第三種預(yù)測情境根本就不可能發(fā)生。

三、能源轉(zhuǎn)型速度決定人工智能發(fā)展進程

傳統(tǒng)化石能源儲量無法支撐人工智能的后續(xù)發(fā)展。由于對自然資源礦產(chǎn)儲量上限的評估不同，已有研究對地球上傳統(tǒng)化石能源的可持續(xù)利用時間有較大的分歧，大致在50年-150年之間。不過，已有的這些研究尚未將人工智能的普遍應(yīng)用作為未來的分析情境。如前一部分第三種模擬情境，當(dāng)人工智能充分滲透到各領(lǐng)域之后，所需電力仍將遠超出目前人類所有活動總用電量，這將極大透支地球上的可用化石能源儲量。因此，僅依賴傳統(tǒng)能源，人工智能可以成為社交媒體分享的流量，但無法成為改變世界發(fā)展的通用目的技術(shù)。

傳統(tǒng)能源驅(qū)動的人工智能也不具排放意義上的可行性。從全球電力供給端看，碳排放強度較高的化石能源占比仍超過60%。在David Patterson等2021年發(fā)表的論文《碳排放和大型神經(jīng)網(wǎng)絡(luò)訓(xùn)練》中，根據(jù)人工智能數(shù)據(jù)中心所在地區(qū)電網(wǎng)的碳強度，估算出GPT-3訓(xùn)練產(chǎn)生588.9噸二氧化碳當(dāng)量，相當(dāng)于128輛乘用車年排放量，尚處于可接受范圍。但后續(xù)更大模型將使得碳排放量指數(shù)級上升。GPT-4的模型參數(shù)約為1.8兆，并在13兆令牌（Tokens）上進行訓(xùn)練。而GPT-3的模型參數(shù)只有0.175兆，模型令牌規(guī)模在0.78兆-5兆之間。即將面世的GPT-5的參數(shù)規(guī)模或?qū)⑦_到數(shù)百兆，這意味著如果數(shù)據(jù)中心供電結(jié)構(gòu)不變，正在研發(fā)的GPT-5訓(xùn)練的碳排放可能接十萬量級的燃油車排放規(guī)模。

采用清潔能源為人工智能發(fā)展并非坦途。風(fēng)電、光電等新能源具有間歇性、波動性和季節(jié)性，而人工智能則需要連續(xù)、穩(wěn)定的電力供給。在現(xiàn)有技術(shù)條件下，兩者之間的矛盾尚未有高性價比的能源解決方案可以調(diào)和。一些人工智能企業(yè)計劃采用清潔能源自供電的方式，但目前還未能跨越儲能技術(shù)成熟度和高成本的障礙，而試圖采用核能技術(shù)的方案也不容易通過各國監(jiān)管部門的審批。更為現(xiàn)實的方案，仍是依靠全國性或區(qū)域性電網(wǎng)為人工智能產(chǎn)業(yè)提供穩(wěn)定電力。

全球電網(wǎng)吸納新能源的擴容速度沒有跟上人工智能發(fā)展步伐。在接入風(fēng)光電等新能源過程中，電網(wǎng)局部承載能力、通道輸送能力和系統(tǒng)調(diào)節(jié)能力均面臨挑戰(zhàn)，必須對輸配電網(wǎng)進行大規(guī)模擴建和升級。根據(jù)IEA《電網(wǎng)與保障能源轉(zhuǎn)型》報告，雖然可再生能源的年投資規(guī)模自2010年以來幾乎翻了一番，但近十年來全球電網(wǎng)年投資額卻仍保持在十年前的3000億美元水平。2022年，全球至少有30億千瓦的可再生能源發(fā)電項目正在排隊等待并網(wǎng)，相當(dāng)于當(dāng)年光伏和風(fēng)力發(fā)電新增裝機容量的5倍。除了技術(shù)層面的原因，全球電網(wǎng)擴容還面臨電力設(shè)備供應(yīng)鏈緊張和資金投入增長緩慢等問題。

傳統(tǒng)產(chǎn)業(yè)電氣化的剛性需求與人工智能電力需求將產(chǎn)生競爭。2023年全球電力在最終能源消費中的份額僅是20%左右，傳統(tǒng)產(chǎn)業(yè)電氣化是全球減排的重要路徑。為實現(xiàn)低碳轉(zhuǎn)型目標(biāo)，工業(yè)部門引導(dǎo)高碳排放行業(yè)實施電氣化設(shè)備技術(shù)改造，交通部門推廣電動化、燃料電池和新型電力基建，建筑部門運用電氣設(shè)備解決日常用能需求。隨著全球各產(chǎn)業(yè)部門電氣化提速，預(yù)計到2030年電力在最終能源消費中的份額將接近30%。但過去十年全球發(fā)電量的年均增速維持在1.0%-4.1%之間，很難同時支持傳統(tǒng)產(chǎn)業(yè)電氣化和人工智能電力需求的快速增長。

在用能競爭導(dǎo)致電價上漲的情況下，人工智能產(chǎn)業(yè)還會對一些國家的能源密集型產(chǎn)業(yè)和居民生活產(chǎn)生負面影響。2021年-2022年間批發(fā)電價上漲之后，歐洲工業(yè)面臨更高的能源成本，金屬冶煉和化工等能源密集型產(chǎn)業(yè)的競爭力下降，出現(xiàn)了外遷的趨勢。如果未來人工智能發(fā)展導(dǎo)致電力供需再度緊張，在電價上升的情況下，人工智能企業(yè)能以價高者得的優(yōu)勢保證業(yè)務(wù)運行，其他電價敏感行業(yè)的競爭力將受到削弱，居民用電成本也面臨上升壓力。

四、兩條賽道：人工智能和能源轉(zhuǎn)型的創(chuàng)新競合

在技術(shù)條件不變的假設(shè)下，人工智能短期內(nèi)確實會擠占全球發(fā)展其他領(lǐng)域的能源需求。但通過技術(shù)創(chuàng)新解除既有條件束縛，一直是人類文明向前發(fā)展的主要路徑。人工智能和能源約束之間的矛盾能否化解，取決于兩場“競賽”的結(jié)果。一方面，人工智能算力能效的提升速度能否超越應(yīng)用場景的擴散速度，是破解前文所述“杰文斯悖論”的關(guān)鍵。另一條賽道則是能源轉(zhuǎn)型的速度能否超越人工智能用電需求增長速度。如果不能在兩場“競賽”中至少取得一勝，人類就不得不在原子世界和比特世界之間作出兩難取舍。

（一）人工智能的能耗強度賽道

芯片與服務(wù)器設(shè)計的優(yōu)化。英偉達2024年發(fā)布的Blackwell系統(tǒng)可以訓(xùn)練比ChatGPT更大的模型，所用的電力大約是現(xiàn)有最佳處理器的四分之一。2023年Mohamad Hnayno的研究表明，采用高效率冷卻系統(tǒng)有潛力將數(shù)據(jù)中心的電力需求減少10%，而液冷技術(shù)可減少20%。

需求響應(yīng)的智能分散化。人工智能數(shù)據(jù)中心脫碳努力的另一條路線，是將人工智能訓(xùn)練等具有時空靈活性的工作任務(wù)轉(zhuǎn)移至碳強度較低地區(qū)。同時，邊緣計算和分布式人工智能處理方式，也能減少對長距離數(shù)據(jù)傳輸?shù)哪茉聪摹?/p>

量子計算。量子計算具有高容量信息存儲和高速并行化計算的特征，運算的能耗效率將遠超經(jīng)典的計算模式。當(dāng)下量子計算的硬件技術(shù)路徑還處于多路線試錯中，超導(dǎo)、離子阱、光量子等方式各有優(yōu)缺點，距實現(xiàn)大規(guī)?？扇蒎e通用量子計算還有較大距離。過去幾年，量子計算公司與人工智能研究機構(gòu)建立了眾多合作關(guān)系，在資本的推動下，可糾錯通用量子計算機的研制時間表可能會提前。

（二）能源轉(zhuǎn)型的賽道

近中期看，儲能技術(shù)是關(guān)鍵。儲能是可再生能源跨時間配置的一種方式，是人工智能數(shù)據(jù)中心就近消納新能源的基礎(chǔ)設(shè)施，發(fā)展儲能技術(shù)的重要性不亞于新能源產(chǎn)業(yè)本身。抽水蓄能技術(shù)比較成熟，適用于高海拔山脈和山谷地形地區(qū)大規(guī)模、集中式的能量儲存和電網(wǎng)調(diào)峰，但也面臨自然選址局限性、能量密度低等不足，存在規(guī)模天花板。推動氫儲能等新型儲能技術(shù)的多元化開發(fā)，提高儲能的能量密度、充放電效率和相應(yīng)速度，是將新能源潛力釋放到人工智能產(chǎn)業(yè)上的關(guān)鍵。

中長期看，人工智能在新能源供需預(yù)測、電網(wǎng)運行和優(yōu)化、能源需求管理以及新能源技術(shù)研發(fā)等領(lǐng)域?qū)l(fā)揮重要作用。

人工智能加速電網(wǎng)智能化。在發(fā)電側(cè)，人工智能通過學(xué)習(xí)歷史氣象數(shù)據(jù)、傳感器數(shù)據(jù)、衛(wèi)星云圖等圖像和視頻數(shù)據(jù)，提升太陽能和風(fēng)能設(shè)備發(fā)電量預(yù)測準(zhǔn)確度。在電網(wǎng)側(cè)，人工智能有助于提升輸電和配電能力，優(yōu)化電網(wǎng)設(shè)計和規(guī)劃，協(xié)助維護人員保障電網(wǎng)安全穩(wěn)定運行，如基于無人機拍攝的視頻識別異常設(shè)備。在用電側(cè)，人工智能可以幫助用戶在電池供電、實地太陽能發(fā)電和電網(wǎng)供電之間擇優(yōu)進行切換，智能管理分布式可再生能源及相關(guān)設(shè)備。

人工智能推動可控核聚變技術(shù)研發(fā)。目前核能提供了全球約10%的電力供應(yīng)，但人工智能行業(yè)目前關(guān)注的不是已成熟的核裂變技術(shù)，而是寄望于可控核聚變技術(shù)?？煽睾司圩兊脑蟻碓锤S富，能量密度是核裂變的4倍，且產(chǎn)生的放射性廢物更少。當(dāng)前，人工智能技術(shù)正推動可控核聚變技術(shù)研發(fā)加速。例如，2024年普林斯頓團隊通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，提前300毫秒預(yù)測了核聚變中的等離子不穩(wěn)定態(tài)。

圖2：科技企業(yè)自建數(shù)據(jù)中心的算力規(guī)模

單位：兆瓦。資料來源：SemiAnalysis

五、展望與建議

作為一項潛在的通用目的技術(shù)，人工智能是未來一國競爭力和國際話語權(quán)的重要組成部分，主要國家不僅在人工智能各技術(shù)領(lǐng)域布局，也注重地理意義上的布局。雖然人工智能的研發(fā)活動地較為集中，但由于需要保持足夠的響應(yīng)速度，其關(guān)鍵基礎(chǔ)設(shè)施和應(yīng)用場景要具備一定的地理臨近性。為了擴展全球業(yè)務(wù)版圖，人工智能企業(yè)競相在全球各地區(qū)建立算力中心。因此，人工智能算力中心在全球都有分布，需要各國的能源、土地和水等資源提供物質(zhì)支撐。據(jù)SemiAnalysis報告，截至2023年初，85%的全球自建超大規(guī)模數(shù)據(jù)中心容量屬于谷歌、微軟、亞馬遜、Meta、蘋果等五家美國科技企業(yè)。

人工智能數(shù)據(jù)中心的布局正在向發(fā)展中國家拓展。人工智能數(shù)據(jù)中心選址的主要條件有三方面：穩(wěn)定的能源供給、適宜的氣候和高效的網(wǎng)絡(luò)連接。發(fā)達國家建設(shè)數(shù)據(jù)中心的機會成本高，在環(huán)境審批和數(shù)據(jù)保護法律方面更加嚴格。如瑞典2023年取消了一項2017年制定的數(shù)據(jù)中心稅收優(yōu)惠政策，旨在將電力能源留給其他領(lǐng)域；冰島2024年減少比特幣和數(shù)據(jù)中心產(chǎn)業(yè)的能源支出，將多余廉價電力用于農(nóng)業(yè)，以保障本國糧食安全。相對而言，發(fā)展中國家的數(shù)字產(chǎn)業(yè)及人工智能發(fā)展政策更為積極。例如，2023年由于烏拉圭遭受嚴重干旱，谷歌在烏拉圭新建人工智能數(shù)據(jù)中心的計劃受到爭奪飲用供水的質(zhì)疑，但最終仍獲得批準(zhǔn)。根據(jù)IEA2024年發(fā)布的電力分析與預(yù)測報告，目前全球有超過8000個數(shù)據(jù)中心，其中約33%位于美國，16%位于歐洲，超半數(shù)分布在亞洲、拉美和非洲等地區(qū)。

各國在為人工智能提供電力支持時各具優(yōu)劣勢。美國電價相對較低，平均工業(yè)電價為平均為0.083美元/千瓦時。但在多年去工業(yè)化政策下，美國電網(wǎng)跨地區(qū)調(diào)配的能力不足。歐洲和日本雖然在人工智能上具有技術(shù)優(yōu)勢，但其能源成本較高，天然氣占西歐和日本發(fā)電結(jié)構(gòu)的35%-45%且進口依賴較高，核電及煤電供應(yīng)因安全及環(huán)保原因下降壓力較大。中東地區(qū)電價低，太陽能資源豐富，阿聯(lián)酋等國在推動100%綠電驅(qū)動的低碳數(shù)據(jù)中心建設(shè)，但目前還缺少本土人工智能企業(yè)。中國是新能源優(yōu)勢國家，能源成本較低，工業(yè)用電在全球有價格優(yōu)勢，且相對自給自足，但煤電比重仍有下調(diào)空間。

全球人工智能合作需與能源戰(zhàn)略合作并軌。人工智能發(fā)展與能源轉(zhuǎn)型是大勢所趨，世界各主要國家應(yīng)攜手開展全球人工智能治理與能源轉(zhuǎn)型合作。據(jù)IEA估計，到2040年前，全球需要新增或整修超過8000萬公里的電網(wǎng)線路，以支持風(fēng)能和太陽能光伏發(fā)電的增長。在這一過程中，各主要國家應(yīng)共同建立更加高效的全球電力設(shè)備供應(yīng)鏈，降低新能源設(shè)備的貿(mào)易壁壘，探索制定內(nèi)部化負外部性的全球人工智能用電價格標(biāo)準(zhǔn)，聯(lián)合利用人工智能技術(shù)推動能源領(lǐng)域技術(shù)創(chuàng)新。惟其如此，人工智能發(fā)展才能建立在更可持續(xù)的能源基座之上，能源轉(zhuǎn)型才能搭上人工智能的翅膀而加快發(fā)展。

充分利用能源優(yōu)勢提高中國在全球人工智能領(lǐng)域的競爭力。中國處于全球人工智能領(lǐng)域中較為靠前的位置，但也面臨一些關(guān)鍵技術(shù)的制約。穩(wěn)定、綠色和靈活的大規(guī)模電力供應(yīng)是中國在人工智能領(lǐng)域重要的比較優(yōu)勢，要將該優(yōu)勢融入到人工智能發(fā)展中。一是要圍繞“算力+能源”開展統(tǒng)籌規(guī)劃，推動算力網(wǎng)、通信網(wǎng)、電網(wǎng)等多網(wǎng)協(xié)同發(fā)展，實現(xiàn)智能算力與綠色能源的優(yōu)勢疊加效應(yīng)。二是構(gòu)建人工智能算力“西訓(xùn)（練）東推（理）”的布局，充分化解算力資源與能源供需矛盾，提高對西部光伏、風(fēng)電等新能源的使用效能。三是推動人工智能在能源轉(zhuǎn)型創(chuàng)新上的應(yīng)用，提高電力系統(tǒng)互補互濟和智能調(diào)節(jié)能力，加強源網(wǎng)荷儲銜接，提升新能源消納和存儲能力，提升能源系統(tǒng)安全保障能力。四是支持“一帶一路”沿線“電力+算力”產(chǎn)業(yè)發(fā)展，形成電力交易、電力建設(shè)、電力設(shè)備貿(mào)易等合作模式，推動當(dāng)?shù)匦履茉措娏υO(shè)施與算力基礎(chǔ)設(shè)施配套建設(shè)。

（本文不代表作者所在機構(gòu)的觀點；編輯：蘇琦）