国际能源署发布《能源与AI》

2025年4月，国际能源署（IEA）发布《能源与AI》报告。近年来，AI（Artificial Intelligence）的发展和应用飞速发展，引发一个问题：该技术的广泛部署对能源行业意味着什么？没有能源就没有AI——特别是数据中心的电力影响算力。与此同时，如果AI被大规模采用，它可能会改变能源行业的运作方式。然而，到目前为止，由于缺乏全面的数据，政策制定者和其他利益相关者往往缺乏分析这一问题的两个方面的工具。该报告旨在根据新的全球和区域模型和数据集，以及与政府和监管机构、科技部门、能源行业和国际专家的广泛磋商，填补这一空白。它包括对未来十年AI可能消耗多少电力的预测，以及哪些能源将有助于满足这一需求。报告还分析了AI的应用对能源安全、排放、创新和可负担性的影响。报告的主要内容如下：

一、AI的变革潜力取决于能源

在计算成本下降、数据可用性激增和技术突破的推动下，AI的能力在一步一步发生变化。AI是一门使机器能够学习执行传统上需要人类智能才能完成的任务的科学。AI正在成为一种通用技术，就像电力一样。今天，它可以生成文本和视频，加速医学或材料科学等领域的科学发现，使制造机器人更智能、更高效，在复杂的城市景观中驾驶商业出租车，并检测对关键基础设施的威胁。

在过去的几年里，AI已经从一种学术追求变成了一个拥有数万亿美元市值和风险资本的产业。自2022年以来，标准普尔500指数中AI相关公司的市值增长了约12万亿美元。尽管对其采用和影响存在许多不确定性，但AL的快速发展和巨大潜力使其成为企业战略、经济政策和地缘政治的核心。

然而，没有能源就没有AI，与此同时，AI有可能改变能源行业。负担得起、可靠和可持续的电力供应将是AI发展的关键决定因素，能够快速、大规模地提供所需能源的国家将最能从中受益。AI模型的培训和部署是在大型耗电数据中心进行的。一个典型的以AI为中心的数据中心消耗的电量相当于10万户家庭的用电量，但目前在建的最大数据中心的用电量将是它的20倍。

二、AI 爆发式增长推高电力需求

到2030年，数据中心的用电量将增加一倍以上，达到945太瓦时左右。这个数字略高于日本目前的总用电量。AI是这一增长的最重要推动力，同时对其他数字服务的需求也在不断增长。到目前为止，美国占这一预计增长的最大份额，其次是中国。在美国，从现在到2030年，数据中心占电力需求增长的近一半。到2020年，印度数据中心的用电量将超过生产铝、钢铁、水泥、化工和所有其他能源密集型产品的用电量总和。2030年后不确定性进一步扩大，但我们的基准案例预计到2035年，全球数据中心的用电量将上升到1200太瓦时左右。

可再生能源和天然气在满足数据中心的电力需求方面处于领先地位，但一系列能源也准备做出贡献。在存储和更广泛的电网的支持下，可再生能源满足了全球数据中心需求增长的一半。到2035年，可再生能源发电量预计将增长超过450太瓦时，以满足数据中心的需求，这是基于较短的交货时间、经济竞争力和科技公司的采购策略。以天然气为首的可调度能源也发挥着至关重要的作用，科技行业也在帮助开发新的核能和地热技术。天然气将增加175太瓦时，以满足日益增长的数据中心需求，尤其是在美国。核能为满足数据中心的需求贡献了大约相同数量的额外发电量，尤其是在中国、日本和美国。第一批小型模块化反应堆将于2030年左右投入使用。

到2030年，数据中心将占全球电力需求增长的十分之一左右，低于工业电机、家庭和办公室空调或电动汽车所占的份额。然而，数据中心在推动电力需求方面的重要性因国家而异。新兴和发展中经济体已经经历了电力需求的快速增长。在这些国家，到2030年，数据中心约占电力需求增长的5%。另一方面，发达经济体几十年来的电力需求基本停滞不前。在这些国家中，到2030年，数据中心将占需求增长的20%以上，这再次提醒需要使电力部门重新走上增长轨道。

许多地方的电网已经处于紧张状态：我们估计，除非这些风险得到解决，否则计划中的数据中心项目中约有20%可能面临延迟的风险。供应和消费项目（包括数据中心）的电网连接队列既长又复杂。在发达经济体，建设新的输电线路可能需要4-8年的时间，而变压器和电缆等关键电网部件的等待时间在过去3年里增加了一倍。发电设备的需求量也很大，新燃气电厂的涡轮机交付现在面临几年的交付周期，可能会推迟到2030年以后。如果电力部门不采取行动，那么满足数据中心负荷增长的风险可能会以牺牲其他目标如：电气化、制造业增长或可负担性等为代价。

缓解这些风险的关键选择包括将新数据中心选址在电力和电网可用性高的地区，以及更灵活地运营数据中心服务器或其现场发电和存储资产。这些策略仍未得到充分探索。一个以AI为重点的数据中心的资本密集程度是铝电解槽的10倍，这意味着削减其运营以提供电网灵活性的成本非常高。但许多数据中心都有备用服务器容量的缓冲。监管机构可以探索措施，鼓励数据中心运营商更灵活地使用备用服务器容量或备用发电或存储资产。电网运营商还可以考虑将数据中心设在电网限制较少的地区的激励措施。我们发现，美国正在开发的数据中心中，有50%是在预先存在的大型集群中，这可能会增加本地瓶颈的风险。

AI将以多快的速度被采用，它的能力和生产力将如何提高，效率的提高将有多快，以及能源部门的瓶颈能否得到解决，这些都存在不确定性。这些不确定性在敏感情况下进行了探讨。“加速推进”案例中假设AI的采用率更高，并采取积极行动减少能源部门的瓶颈。在“逆风”案例中包含了AI应用和为其提供动力的能源基础设施建设方面的瓶颈，包括宏观经济的逆风因素。在“高效”案例中强调了AI相关硬件和AI模型在效率方面获得更大收益的潜力。在这种情况下，2035年数据中心的电力需求比基准案例低20%。到2035年，我们案例中的数据中心电力需求范围将从700到1700太瓦时。在“加速推进”案例中，满足数据中心需求的燃气电力增长是“逆风”案例的四倍。为满足数据中心需求的核能发电量的增长也更加不均衡。

三、AI可以为能源部门带来重大的效率和运营收益

能源公司已经在利用AI来改造和优化能源和矿产供应、发电和输电以及能源消耗。有许多目标在发挥作用，包括降低成本，增加供应，延长资产寿命，减少停机时间和降低排放。石油和天然气行业一直是AI的早期采用者，利用它来优化勘探、生产、维护和安全。在勘探开发中，AI可以使资源评价更加可靠，减少钻前不确定性。在作业中，它被用于优化和自动化生产过程，检测泄漏，预测维护需求，并支持减少甲烷排放的努力。

AI可以帮助平衡日益复杂、分散和数字化的电力网络。AI可以改善可变可再生能源发电的预测和整合，减少弃电和排放。基于AI的故障检测可以帮助快速识别和精确定位电网故障，将停电持续时间减少30-50%。远程传感器和基于AI的管理可以增加输电线路的容量。如果应用这些工具，无需新建任何线路，就可以释放高达175千兆瓦的传输容量。这比在基准案例下到2030年数据中心电力负荷的增长还要多。

未来的工业将日益数字化和自动化；率先将AI融入制造业的国家和企业将会领先一步。AI应用可以加速产品开发，降低成本并提高质量。广泛采用现有的AI应用程序来优化工业流程，可以节省相当于现阶段墨西哥总能源能耗。欧洲公司在工业自动化解决方案方面占有超过一半的市场份额，这是工业AI部署的关键推动者。

AI在交通领域的应用可以提高效率和节省成本，但它们也可能增加对个人出行的需求。AI应用程序被用于管理交通、优化路线、预测维护需求和开发自动驾驶汽车。在交通运输领域广泛采用AI应用，节省的能源相当于1.2亿辆汽车的能源消耗。虽然自动驾驶汽车的运行效率比传统汽车更高，但随着成本下降和可用性增加，它们也可能吸引人们远离公共交通，从而产生反弹效应。

在建筑物中，AI主导的优化具有巨大的潜力，可以提高供暖和制冷系统的效率，使建筑物的电力使用更加灵活。实现这一潜力的障碍包括建筑物所有权分散、缺乏数字化和激励措施不足。如果扩大规模，现有的AI主导的干预措施可以为全球节省约300太瓦时的电力，相当于现阶段澳大利亚和新西兰年发电量总和。 

参考文献：

[1] IEA (2025), Energy and AI, IEA, Paris.[EB/OL].(2025-4-18）.https://iea.blob.core.windows.net/assets/34eac603-ecf1-464f-b813-2ecceb8f81c2/EnergyandAI.pdf.