摘要：
... 
当越来越多的人习惯于向ChatGPT之类的人工智能寻求日常答案，这份触手可及的便利背后是由无声流淌的能源在默默支撑。研究估算，ChatGPT处理一次查询的耗电量约相当于一盏家用白炽灯点亮20秒所需的电力，而更为复杂的任务，其能耗可能达到普通搜索的近百倍。
我们正步入一个能源需求越来越旺盛的世界。国际能源署（IEA）称其为“电力新时代”：交通、建筑和工业的电气化推动电力需求激增。除了电动汽车和工厂，数据中心也正在被视为电力需求的“新兴驱动力”。
9月24日，人工智能巨头OpenAI宣布了其新数据中心建设计划：根据今年1月在白宫与特朗普总统共同公布的“星际之门”计划，将在美国各地建立五个新的数据中心，其能源消耗足以为数十万户家庭供电。
IEA在4月发布的报告中指出，目前，AI占数据中心电力消耗的5%至15%，但到2030年，这一比例可能升至35%至50%，相当于日本全国目前的用电规模。届时，约十分之一的全球电力需求增长将来自数据中心。
2021年，谷歌能耗为18.3TWh，其中AI部门仅占10%至15%，但有研究预测，仅谷歌AI部门几年后的年耗电量就可能与爱尔兰全国用电量（29.3TWh）相当。而中国的三峡水电站年发电量约为100TWh，这意味着未来仅谷歌AI就可能消耗掉三峡三分之一的发电量。
AI应用在全球快速扩张，但其能源消耗问题却常被忽视。目前全球AI的碳排放已与全球航空业相当，约占全球总量的2%。AI会在多大程度上推高电力需求？我们如何在满足日益增长的数据与人工智能需求同时，实现能源的绿色供应，避免加剧对气候危机的影响？这些问题仍亟待我们去回答。
美国电价上涨引发社会反弹
一个温暖的周末早晨，佐治亚州梅肯市的罗莎·杰克逊社区中心早已热闹非凡。孩子们在体育馆内奔跑；家长们和其他成年人在当地环保组织设立的展台前驻足，电台DJ正为现场观众和听众进行直播。吸引人们前来的并非宏大的气候议题，甚至也不是当地的空气质量问题，而是一场抽奖活动——300美元的奖金可用于抵扣水电费。
据《时代》周刊报道，今年以来，在佐治亚州乃至全美范围内，电费持续上涨。南方环境法律中心的分析显示，过去两年，佐治亚电力公司的居民用户月均电费已增加超过40美元。美国能源信息署数据指出，自2022年以来，全国电价涨幅已达13%，超过通货膨胀率。
推动居民电费增长的主要原因源于当地为满足数据中心用电需求新建的两座核电站超支成本及燃料费用上涨，加之今年7月破纪录的高温天气，部分用户的电费账单甚至翻倍或增至三倍。
近年来，美国电价涨幅持续高于通货膨胀率。分析指出，近期的事件仅是开端：在电力需求平稳多年之后，美国电力需求出现了持续增长，增长主要受三方面驱动：电气化普及、制造业扩张以及为训练和运行AI模型而新建的高能耗数据中心。
中美两国在人工智能领域已展开激烈竞争，AI技术高度依赖充足且廉价的电力。而美国电力供应体系及老化电网难以匹配需求增速。供应短缺与需求激增正在共同推高成本。
目前，可再生能源（包括风能和太阳能）被视为最快、最经济的电力供应方式之一。然而，特朗普政府上台后，不仅削弱了《通胀削减法案》的支持力度，还对可再生能源发展设限，这也成为近期美国电价上涨的原因之一。
预期中的电价大幅上涨可能改变民众行为。1985年以来，电价涨幅长期低于通胀率。如今，美国人开始担忧。安永公司去年调查显示，仅30%的受访者对能源成本可承受性有信心，近三分之二的人表示难以应对10%的涨幅。
上述报道指出，这种变化折射出全球气候行动叙事的重要转变：几十年来，气候倡导者一直在试图让民众认识到全球变暖及其背后的化石燃料系统的作用，但成效有限。如今，许多美国人可能首次直接感受到这一系统的影响，人们日益担忧数据中心的快速扩张对能源成本的影响。能源可负担性正成为新焦点。
电力将成为AI发展瓶颈
国际能源署预测，到2030年，全球数据中心的电力需求将翻倍，达到约945TWh，相当于日本当前的总用电量。在增长份额中，中国和美国将主导全球数据中心电力需求的上升，合计占比约80%。
长期研究AI能耗的荷兰央行金融经济学家、独立数据科学家亚历克斯·德弗里斯（Alex de Vries）向澎湃新闻（www.thepaper.cn）指出，AI正成为数字世界中最大的能耗来源之一，但对此相关的监管与透明度严重不足。
“公众常将数据中心用电与AI用电混为一谈，因为AI服务器就在数据中心内运行，从外部无法区分。真正的区别在于内部：AI服务器使用高度专业化的芯片（如英伟达、AMD等），这些芯片将内存和处理单元集成在同一封装内，以提供极高的内存带宽，满足AI工作负载对内存的巨大需求。相比之下，传统服务器（用于流媒体、云存储等）使用不同的硬件，且其性能与能耗的关系与AI‘越大越好’的范式不同。”他说。
随着聊天机器人、搜索引擎、翻译工具等AI应用正被越来越多企业和个人广泛使用。支撑这些系统的是成千上万的高性能芯片，它们提供巨大的算力，先用于训练模型，再用于日常推理。尤其是后者，每天都在大规模进行，导致AI总能耗被严重低估。
谷歌、微软、OpenAI等科技巨头对AI能耗披露极少。谷歌仅在2022年透露AI占其总能耗的10%至15%，此后未更新数据。《欧洲人工智能法案》仅要求企业报告训练阶段的能耗，而实际占大头的使用阶段的能耗却不在强制披露范围。缺乏强制报告机制使得AI的实际能耗难以追踪。
由于缺乏直接数据，德弗里斯只能通过分析AI芯片供应链来估算能耗。“已知封装总产能和单个芯片尺寸，就能计算出能生产的芯片总数，进而推算出加速器模块、服务器数量，再结合已知的服务器功耗数据，最终估算出全球AI系统的总能耗。”他将此过程类比为“已知纸张大小和名片尺寸，计算能印制多少张名片。”
根据今年5月德弗里斯在国际学术期刊《焦耳》上发表的研究，相较于其2023年的初步估算，过去两年的全球芯片生产数据显示AI的能耗增长远快于此前预期。
“2023年底，AI的电力需求已达到我的祖国荷兰全国的用电水平，占全球数据中心耗电量的20%。这一需求在2024年可能会翻番，届时AI可能占全球数据中心耗电量的一半。”他说。“即使这个惊人的数字，可能仍是保守估计。因为我对数据中心冷却系统能效（PUE）可能过于乐观（实际更耗电）；对AI服务器利用率（假设为65%）的估计可能偏低。”
德弗里斯认为，短期内（1-2年）AI总能耗仍将显著增长，因为过去几年制约AI发展的主要瓶颈——芯片封装产能正在迅速扩张，例如台积电的产能每年翻番，供应正在追赶需求。
然而，下一个瓶颈将是电力供应本身。AI的耗电量已经变得如此巨大，以至于寻找能够支撑这些庞大数据中心的充足电力变得非常困难。
IEA指出，尽管全球范围内数据中心对总电力需求的推动相对有限，但由于数据中心分布高度集中，因此在某些国家影响更为显著。目前近一半的数据中心电力消耗发生在美国，25%在中国，15%在欧洲。
美国劳伦斯伯克利国家实验室分析显示，2023年美国数据中心用电占全国4%，到2028年可能升至7%至12%。在爱尔兰，数据中心用电量已占全国21%，IEA预计到2026年这一比例将达32%。在弗吉尼亚州和都柏林等地区，数据中心用电占比甚至分别达到26%和79%。
德弗里斯警告，AI的快速发展可能与气候减排目标相冲突，他呼吁企业提高透明度，以便政府制定政策，协调AI发展与可持续目标。否则，AI可能成为隐形的，不受控制的能耗与排放源。
绿色和平气候与能源项目主任吕歆表示，2020年9月之后，中国数据中心企业对可再生能源的态度出现了明显的进展，先行企业开展ESG工作，参与绿电消费；2022年，多家头部企业承诺在2030年及以前实现100%可再生能源和运营范围碳中和。目前AI算力需求激增，企业绿电消费能否走出更加陡峭的增长曲线，如期实现2030年目标值得关注。
电力需求何解？
9月25日，在纽约举行的联合国气候周上，包括微软、谷歌等全球企业巨头都同意，为飞速增长的数据中心和人工智能提供能源将是一项共同的挑战。
微软和谷歌的高管承认，他们建设数据中心的计划可能会导致增加使用化石燃料发电，尽管企业将尝试通过从其他地方购买可再生能源来减轻这种消耗的影响。
在IEA报告中，到2035年，全球数据中心电力结构将从目前约60%化石燃料转变为60%清洁能源。这一转变主要依赖全球可再生能源扩张，部分可再生能源由数据中心企业直接资助。
不过，IEA也指出，为满足数据中心需求，可能仍需扩大天然气和煤炭发电。目前，全球尚无完整的数据中心能耗或排放数据集，也缺乏政府强制报告，所有数字均为估算。
眼下煤炭仍是全球数据中心最大的电力来源，尤其在中国。同时，中国的数据中心用电量增速预计将远高于全社会用电量。北京理工大学能源与环境政策研究中心今年1月发布的《2025年中国能源经济指数研究及展望》指出，2024至2030年，全国数据中心用电量年均增速将达20%，远超全社会用电量增速。
新增的电力供应从何而来？绿色创新发展研究院（IGDP）能源转型项目主任、高级分析师李鑫迪解释说，中国数据中心多数依赖电网供电，其绿电比例取决于电网整体脱碳进度。企业可通过购买绿证或选择在可再生能源丰富地区（如云南）建立数据中心来提高绿电使用率。
为应对数据中心的电力需求挑战，中国正通过“东数西算”工程、提升“绿电”比例（力争2025年国家枢纽节点新建数据中心绿电占比达80%），以及严格能效标准（PUE降至1.5以下）等措施，推动数据中心绿色转型。
吕歆指出，中国数据中心实现大规模绿电消费正聚焦三大关键：稳定的市场价格与预期、成熟的多年期绿电交易模式和畅通的跨区跨省绿电交易渠道。近年来，得益于政策引导与机制创新，已经取得了积极进展。
针对“以绿电满足AI需求”的观点，德弗里斯认为有其局限：数据中心需全天候24小时稳定供电，而风电、光伏具有间歇性。AI数据中心同样面临备份电力依赖化石能源的问题。
他强调，当前全球尚无足够可再生能源实现100%绿电供应。AI电力需求的激增，在中短期内反而可能增加对化石燃料的依赖。
对此，吕歆认为，在新能源装机总容量较低时，企业通过参与绿电交易等方式，能够从需求侧有效促进新能源供给。伴随着更高比例的新能源接入电网，若缺乏储能等灵活性资源，新能源的消纳和利用可能成为挑战。因此，在现有基础上，持续完善市场的自调节能力、推动储能及需求侧响应等灵活性资源参与，能够助力新能源稳定供应和进一步发展。
而对于“AI可通过优化其他行业节能以抵消自身能耗”的观点，德弗里斯也持怀疑态度。他指出，目前科技公司用电需求因AI能耗大幅上升，但节能效益尚未显现，IEA2024年报告也认为这些效益目前“可忽略不计”。
德弗里斯提到“回弹效应”：即能效提升可能激发更大需求，导致总能耗不降反升。“AI本身就是典型案例：硬件与算法进步被用于构建更强大模型，推动总能耗上升。”他说。
不过，AI普及速度、能效提升等仍存在不确定性。尽管生成式AI热度高，其商业持续增长前景可能弱于预期，而更优芯片、高效算法和大型数据中心可能提升能效，抑制电力需求。
关于未来AI用电的增长趋势，李鑫迪则认为，尽管AI属于突变型技术，可能呈爆发式增长，但目前尚未有明确预测显示其会在新增电力需求中占主导地位。
总之，国际能源署表示，电力需求增长为“发达经济体”敲响了“警钟”，要求电力行业投资基础设施，否则“满足数据中心负荷增长可能需要与电气化等其他目标进行权衡”。
德弗里斯举了在欧洲发达国家中凸显电力分配机会成本的两个案例：在荷兰某地，当地电网容量饱和时，电力被优先分配给一个数据中心而非大学；在瑞典，政府对当地数据中心的电力补贴多年后取消，转而用于钢铁制造，因为当地政府认为数据中心创造的就业有限。
“当电网容量饱和时，社会将不得不思考电力资源的优先分配问题。”他说。
