强大的AI模型已开始推动各行业企业的生产力提升和创新。与此同时，数据中心建设热潮给能源系统带来巨大压力。国际能源署（IEA）的数据显示，2026年，全球数据中心（包括运行AI的数据中心）的用电量可能与日本全国用电量相当。为满足需求，科技巨头、投资者和能源公司正合作开展数十亿美元的项目以增加发电能力——有些依赖化石燃料，有些则选择核能。一些制定了宏伟减排目标的科技大公司也承认，大规模运行AI模型导致其排放量激增。
但同样真实的是，AI也能推动可持续发展解决方案。企业可利用这项变革性技术提升多个行业的效率，尤其是能源使用。根据普华永道、微软和牛津大学的联合报告，这类应用包括：预测房间何时变热并自动预冷；优化商用飞机和货船航线；改进水泥成分及其制造工艺。
这引发了一个问题：AI能否通过发现和实现效率提升，来抵消其自身增加的能源消耗和排放足迹？普华永道建立了一个模型，模拟AI在数据中心和其他行业对能源需求的影响。调查发现，如果AI能以当前应用速度的1/10提升整体经济能效，就能抵消数据中心额外能源需求——从而使AI对能源使用和排放的总体影响达到中性。
为人工智能基础设施提供动力：数据中心
在关于AI与能源的讨论中，数据中心备受关注。这些设施是大多数AI相关能源消耗的发生地，因为它们容纳了执行AI训练和计算工作（以及其他类型工作，如提供云计算服务）的芯片和硬件。科技公司一直在忙于建立更多数据中心以满足AI服务需求；微软已宣布计划在2025财年投资约800亿美元建设数据中心。随着越来越多的人和组织使用AI做更多事情，预计企业将继续建设数据中心。
训练和运行AI模型通常需要巨大资源——尽管最近关于中国初创公司DeepSeek所建模型的报告，让人们关注到开发运行成本更低AI工具的可能性。研究还展示了开发更高效芯片和数据中心冷却方法的有前景路径。即使考虑到AI软硬件效率可能提升，数据中心的能源消耗量仍可能增加。对三种情景的建模表明，预计AI使用的增加将导致数据中心在2035年的能耗比AI使用保持当前水平的基准情景高出13-16%。在2024-2035年期间，广泛使用AI的数据中心总能耗将比不使用AI高出18-21%。
利用效益：能源效率
为了模拟人工智能对经济其他领域（即除数据中心以外的所有领域）的影响，假设公司和组织将利用人工智能来提高能源效率，以节省资金和减少碳排放。已经有很多人工智能应用程序可以帮助公司和组织做到这一点。这些系统可以自动调整电动汽车的充电模式，微调制造过程等。我们有理由相信会有更多的应用被开发出来：普华永道发现，与人工智能合作的气候科技初创企业在2024年前9个月筹集了60亿美元的风险投资，比它们在2023年全年筹集的资金多10亿美元。
假设人工智能使用每增加一个百分点，直接或间接地导致能源效率提高0.1个百分点，那么预计到2035年，人工智能采用的增加将导致数据中心以外的能源使用比人工智能采用的基线水平减少0.3%至1.3%。在2024 – 2035年期间，数据中心以外的总能源节约将达到0.1%至1.0%。
剔除人工智能对能源使用的影响
考虑到数据中心能源消耗的增加和人工智能驱动的潜在效率提升，我们发现人工智能的采用将在一定程度上降低整个经济的能源消耗。到2035年，根据不同的情景，能源使用的净减少量为0.5%至1.1%。在2024 – 2035年期间，人工智能的采用将导致能源使用的累积变化，可能会减少0.9%到增加0.1%。总而言之，数据中心的额外能源消耗将大致被其他经济领域实现的能源节约所抵消。
评估气候影响
最后，我们估计了数据中心和其他地方的温室气体（GHG）排放量的差异，这些差异与人工智能的广泛采用有关（在某些情况下，向可再生能源的转变更为明显）。这些计算表明，广泛采用人工智能可以使2024 – 2035年期间的温室气体总排放量减少0.1%至1.1%。到2035年，如果人工智能得到广泛应用，排放量将比没有人工智能的情况下降低0.3%至1.9%。
寻找平衡
科技公司和数据中心运营商并不是唯一希望利用人工智能提升性能的潜力，同时管理其能源需求和气候影响的企业。任何使用人工智能应用程序的公司——无论是增强产品还是创造新产品，为客户提供更好的体验还是简化业务流程——都将从优化能源需求中受益。经验表明，四项行动可以帮助企业正确把握人工智能能源方程式：
使用人工智能作为需求侧能源解决方案。
跟踪你的人工智能程序的排放量。
适合业务需求的合适规模的人工智能。
在选择人工智能供应商时考虑可持续性。
更多阅读：
