2025年4月，國際能源署（IEA）發布《能源與AI》報告。近年來，AI（Artificial Intelligence）的發展和應用飛速發展，引發一個問題：該技術的廣泛部署對能源行業意味著什么？沒有能源就沒有AI——特別是數據中心的電力影響算力。與此同時，如果AI被大規模采用，它可能會改變能源行業的運作方式。然而，到目前為止，由于缺乏全面的數據，政策制定者和其他利益相關者往往缺乏分析這一問題的兩個方面的工具。該報告旨在根據新的全球和區域模型和數據集，以及與政府和監管機構、科技部門、能源行業和國際專家的廣泛磋商，填補這一空白。它包括對未來十年AI可能消耗多少電力的預測，以及哪些能源將有助于滿足這一需求。報告還分析了AI的應用對能源安全、排放、創新和可負擔性的影響。報告的主要內容如下：

一、AI的變革潛力取決于能源

在計算成本下降、數據可用性激增和技術突破的推動下，AI的能力在一步一步發生變化。AI是一門使機器能夠學習執行傳統上需要人類智能才能完成的任務的科學。AI正在成為一種通用技術，就像電力一樣。今天，它可以生成文本和視頻，加速醫學或材料科學等領域的科學發現，使制造機器人更智能、更高效，在復雜的城市景觀中駕駛商業出租車，并檢測對關鍵基礎設施的威脅。

在過去的幾年里，AI已經從一種學術追求變成了一個擁有數萬億美元市值和風險資本的產業。自2022年以來，標準普爾500指數中AI相關公司的市值增長了約12萬億美元。盡管對其采用和影響存在許多不確定性，但AL的快速發展和巨大潛力使其成為企業戰略、經濟政策和地緣政治的核心。

然而，沒有能源就沒有AI，與此同時，AI有可能改變能源行業。負擔得起、可靠和可持續的電力供應將是AI發展的關鍵決定因素，能夠快速、大規模地提供所需能源的國家將最能從中受益。AI模型的培訓和部署是在大型耗電數據中心進行的。一個典型的以AI為中心的數據中心消耗的電量相當于10萬戶家庭的用電量，但目前在建的最大數據中心的用電量將是它的20倍。

二、AI 爆發式增長推高電力需求

到2030年，數據中心的用電量將增加一倍以上，達到945太瓦時左右。這個數字略高于日本目前的總用電量。AI是這一增長的最重要推動力，同時對其他數字服務的需求也在不斷增長。到目前為止，美國占這一預計增長的最大份額，其次是中國。在美國，從現在到2030年，數據中心占電力需求增長的近一半。到2020年，印度數據中心的用電量將超過生產鋁、鋼鐵、水泥、化工和所有其他能源密集型產品的用電量總和。2030年后不確定性進一步擴大，但我們的基準案例預計到2035年，全球數據中心的用電量將上升到1200太瓦時左右。

可再生能源和天然氣在滿足數據中心的電力需求方面處于領先地位，但一系列能源也準備做出貢獻。在存儲和更廣泛的電網的支持下，可再生能源滿足了全球數據中心需求增長的一半。到2035年，可再生能源發電量預計將增長超過450太瓦時，以滿足數據中心的需求，這是基于較短的交貨時間、經濟競爭力和科技公司的采購策略。以天然氣為首的可調度能源也發揮著至關重要的作用，科技行業也在幫助開發新的核能和地熱技術。天然氣將增加175太瓦時，以滿足日益增長的數據中心需求，尤其是在美國。核能為滿足數據中心的需求貢獻了大約相同數量的額外發電量，尤其是在中國、日本和美國。第一批小型模塊化反應堆將于2030年左右投入使用。

到2030年，數據中心將占全球電力需求增長的十分之一左右，低于工業電機、家庭和辦公室空調或電動汽車所占的份額。然而，數據中心在推動電力需求方面的重要性因國家而異。新興和發展中經濟體已經經歷了電力需求的快速增長。在這些國家，到2030年，數據中心約占電力需求增長的5%。另一方面，發達經濟體幾十年來的電力需求基本停滯不前。在這些國家中，到2030年，數據中心將占需求增長的20%以上，這再次提醒需要使電力部門重新走上增長軌道。

許多地方的電網已經處于緊張狀態：我們估計，除非這些風險得到解決，否則計劃中的數據中心項目中約有20%可能面臨延遲的風險。供應和消費項目（包括數據中心）的電網連接隊列既長又復雜。在發達經濟體，建設新的輸電線路可能需要4-8年的時間，而變壓器和電纜等關鍵電網部件的等待時間在過去3年里增加了一倍。發電設備的需求量也很大，新燃氣電廠的渦輪機交付現在面臨幾年的交付周期，可能會推遲到2030年以后。如果電力部門不采取行動，那么滿足數據中心負荷增長的風險可能會以犧牲其他目標如：電氣化、制造業增長或可負擔性等為代價。

緩解這些風險的關鍵選擇包括將新數據中心選址在電力和電網可用性高的地區，以及更靈活地運營數據中心服務器或其現場發電和存儲資產。這些策略仍未得到充分探索。一個以AI為重點的數據中心的資本密集程度是鋁電解槽的10倍，這意味著削減其運營以提供電網靈活性的成本非常高。但許多數據中心都有備用服務器容量的緩沖。監管機構可以探索措施，鼓勵數據中心運營商更靈活地使用備用服務器容量或備用發電或存儲資產。電網運營商還可以考慮將數據中心設在電網限制較少的地區的激勵措施。我們發現，美國正在開發的數據中心中，有50%是在預先存在的大型集群中，這可能會增加本地瓶頸的風險。

AI將以多快的速度被采用，它的能力和生產力將如何提高，效率的提高將有多快，以及能源部門的瓶頸能否得到解決，這些都存在不確定性。這些不確定性在敏感情況下進行了探討。“加速推進”案例中假設AI的采用率更高，并采取積極行動減少能源部門的瓶頸。在“逆風”案例中包含了AI應用和為其提供動力的能源基礎設施建設方面的瓶頸，包括宏觀經濟的逆風因素。在“高效”案例中強調了AI相關硬件和AI模型在效率方面獲得更大收益的潛力。在這種情況下，2035年數據中心的電力需求比基準案例低20%。到2035年，我們案例中的數據中心電力需求范圍將從700到1700太瓦時。在“加速推進”案例中，滿足數據中心需求的燃氣電力增長是“逆風”案例的四倍。為滿足數據中心需求的核能發電量的增長也更加不均衡。

三、AI可以為能源部門帶來重大的效率和運營收益

能源公司已經在利用AI來改造和優化能源和礦產供應、發電和輸電以及能源消耗。有許多目標在發揮作用，包括降低成本，增加供應，延長資產壽命，減少停機時間和降低排放。石油和天然氣行業一直是AI的早期采用者，利用它來優化勘探、生產、維護和安全。在勘探開發中，AI可以使資源評價更加可靠，減少鉆前不確定性。在作業中，它被用于優化和自動化生產過程，檢測泄漏，預測維護需求，并支持減少甲烷排放的努力。

AI可以幫助平衡日益復雜、分散和數字化的電力網絡。AI可以改善可變可再生能源發電的預測和整合，減少棄電和排放。基于AI的故障檢測可以幫助快速識別和精確定位電網故障，將停電持續時間減少30-50%。遠程傳感器和基于AI的管理可以增加輸電線路的容量。如果應用這些工具，無需新建任何線路，就可以釋放高達175千兆瓦的傳輸容量。這比在基準案例下到2030年數據中心電力負荷的增長還要多。

未來的工業將日益數字化和自動化；率先將AI融入制造業的國家和企業將會領先一步。AI應用可以加速產品開發，降低成本并提高質量。廣泛采用現有的AI應用程序來優化工業流程，可以節省相當于現階段墨西哥總能源能耗。歐洲公司在工業自動化解決方案方面占有超過一半的市場份額，這是工業AI部署的關鍵推動者。

AI在交通領域的應用可以提高效率和節省成本，但它們也可能增加對個人出行的需求。AI應用程序被用于管理交通、優化路線、預測維護需求和開發自動駕駛汽車。在交通運輸領域廣泛采用AI應用，節省的能源相當于1.2億輛汽車的能源消耗。雖然自動駕駛汽車的運行效率比傳統汽車更高，但隨著成本下降和可用性增加，它們也可能吸引人們遠離公共交通，從而產生反彈效應。

在建筑物中，AI主導的優化具有巨大的潛力，可以提高供暖和制冷系統的效率，使建筑物的電力使用更加靈活。實現這一潛力的障礙包括建筑物所有權分散、缺乏數字化和激勵措施不足。如果擴大規模，現有的AI主導的干預措施可以為全球節省約300太瓦時的電力，相當于現階段澳大利亞和新西蘭年發電量總和。 

參考文獻：

[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.