人工智能（AI）技术已成为推动社会生产力进步及国际技术竞争的重要力量。AI技术通过自动化复杂流程，特别是数据处理和重复任务的执行，显著降低人力成本并提升生产效率。与此同时，AI技术的高能耗及其环境影响问题正受到越来越多的关注。
AI数据中心能源消耗问题显现
当前，AI技术已在教育、金融、医疗及市场分析等多个领域成为决策支持的重要工具。全球科技巨头正在利用生成性AI工具开拓新领域和新工具。例如，微软的Azure AI和谷歌的Cloud AutoML等服务为用户提供了强大的云计算和机器学习平台；谷歌通过ChatGPT和Gemini等产品，进一步拓展了AI应用范围。在我国，百度的“文心一言”、阿里巴巴的“通义”系列产品，科大讯飞的“星火”大模型，都是广受市场欢迎的AI应用。这些AI技术创新进一步催生了新的商业模式和产品需求，如AI定制服务、云计算解决方案等。随着技术的进步，AI模型正趋向更大规模，需要更多的数据处理和计算资源，这为硬件制造商和数据中心业务带来新的增长机会。
AI技术，尤其是其深度学习训练过程，需要大量计算资源，全球AI数据中心的能源消耗已成为一个不可忽视的问题，这主要体现在三个层面。一是AI能源消耗规模巨大。全球数据中心的电力消耗约占全球总电力消耗的1%—2%，其中AI数据中心因训练大型模型而成为主要能源消耗大户。据报道，ChatGPT每天需响应约2亿个请求，日耗电量超过50万度，相当于1.7万个美国家庭的用电量。能源消耗、用水和温室气体排放增加对生物多样性产生危害，与环境可持续的目标相悖。二是AI能源需求对基础设施产生深远影响。预计到2027年，AI服务器的能源需求可能与阿根廷、荷兰等国家的能源需求总和相当。特斯拉CEO埃隆·马斯克曾指出，电力短缺可能成为限制AI发展的关键因素。这表明，AI能源需求的快速增长正导致对能源结构与电力基础设施的巨大压力。三是AI发展或加剧环境污染问题，促使科技巨头寻求解决方案。谷歌、亚马逊等跨国企业正积极推动数据中心的绿色转型，努力减少环境足迹。
我国AI产业面临三重能源挑战
近年来，我国在AI专利申请与应用层面展现出强劲的发展势头，AI专利申请量处于全球领先水平。2022年，我国企业和机构申请AI相关专利29853项，占该年全球AI专利申请量的40%以上，比美国的申请量多出近80%。同时，我国AI产业发展更强调算法与大数据的深度融合。在产品层面，我国企业把算法应用到了网络购物、打车等一系列消费业务场景。在产业层面，相关企业正积极推动智能制造、城市管理和公共安全等领域的智能化转型和产业升级。
我国AI应用快速推进，但在可再生能源的使用和环境可持续性方面还有提升空间。
总体来看，我国AI产业面临的能源挑战主要表现在三个方面。一是我国AI产业迅速崛起，数据中心建设和运营数量激增。数据中心作为云计算和大数据服务的基础设施，其能耗占全国总能耗的比重逐年上升。在“十三五”期间，全国数据中心机架数量增长超过两倍，预计机架数量将突破300万架，数据中心数量超过7.4万家。全国数据中心耗电量增长率连续八年超过12%，远高于其他用能行业，数据中心的节能减排工作显得尤为迫切。二是我国经济仍然依赖以化石能源为主的能源结构，相关数据显示，2023年我国数据中心的可再生能源使用率仅约23%。三是AI算力布局与可再生能源分布错配，我国数据中心和AI企业主要集中在环渤海、长三角、珠三角等经济发达地区，但可再生能源资源集中于中西部地区，资源的错配影响了可再生能源的高效利用和环境保护。
值得注意的是，随着AI模型训练和数据处理所需计算资源的增加，依赖单一可再生能源供应已无法满足日益增长的数据中心电力需求。同时，AI发展可能提升可再生能源的效率和可负担性，存在推动化石能源消费量反弹的风险。AI的能源回弹效应不仅将增加企业运营成本，还会加剧温室气体排放，对可持续发展产生负面影响。根据国际能源署的数据，全球数据中心的能耗约占全球电力消耗的1%至3%，大约40%的数据中心能源依赖化石燃料，直接导致碳排放量增加，2020年数据中心产生的碳排放量接近200百万吨。除二氧化碳之外，化石燃料的燃烧不仅释放二氧化碳，还可能排放二氧化硫、氮氧化物等其他污染物和温室气体。这些气体和颗粒物将加剧酸雨、空气质量下降和其他环境污染问题，并影响生物多样性和生态系统完整性。
促进AI产业绿色化的四条路径
当前，我国相关部门正积极推动“绿色数据中心”建设，加大环境保护与投资力度，努力减少AI技术的环境足迹，并取得显著成效。为进一步解决AI技术高耗能问题，建议从以下几方面入手。
一是优化能源结构和管理。为有效降低能耗，应全面优化数据中心设计与运营，部署高效能源解决方案，包括采用先进冷却系统与电源管理技术，合理布局服务器以减少资源冗余，并灵活运用需求响应技术，确保能源供应与电网波动的适应性。支持AI领域大规模采用可再生能源，优化AI算力中心地理布局，积极推进“东数西算”战略，集中数据中心于可再生能源资源丰富地区，以提升能源利用效率。推动储能技术与AI技术的融合发展，建立大规模电池储能系统，提供多元化的储能解决方案，确保AI技术的能源需求。
二是大力推广技术创新和节能措施。加强技术创新是推动AI绿色发展的关键。建议鼓励开发低能耗AI算法和模型以减少计算资源需求，并推动AI与能源技术融合，通过开发能源预测和负载调节技术等智能能源管理系统，优化能源生产和利用效率。
三是加强国际合作与标准制定。一方面，制定国际标准，规范AI产业与产品的能源消耗和环境影响评估；另一方面，加强能源使用和环境保护方面的国际合作；同时，积极推动全球能源治理，促进相关国际技术转让与共享；此外，开展跨国可再生能源项目与数据中心建设，共享技术和绿色资源。
四是健全政策支持与激励机制。在标准规范层面，亟需制定行业与产品能效标准，明确AI产品用能要求与规范。在政策激励层面，建议提供财政补贴和税收优惠，鼓励企业采用绿色能源和高效技术；同时，可探索实行绿色信贷和投资支持，设立绿色发展基金，支持可再生能源和节能减排技术的研发与应用。
（作者系北京航空航天大学副教授）
