IEA能源与人工智能报告解读

近年来，人工智能（AI）的发展与应用加速推进，使得这一技术的广泛部署将对能源行业带来何种影响成为一个重要议题。人工智能的发展离不开能源，尤其是为数据中心提供电力的电能。与此同时，如果被大规模采用，AI也有可能彻底改变能源行业的运作方式。然而，迄今为止，政策制定者和其他利益相关方往往缺乏分析这一问题两面性的工具，原因在于缺乏全面的数据支持。

本报告由国际能源署（IEA）发布，旨在通过新的全球与区域建模和数据集，以及与各国政府与监管机构、科技行业、能源产业及国际专家的广泛交流，填补这一空白。报告包括了未来十年内AI可能消耗的电力预测，以及将为其提供支持的能源来源分析。同时，报告还探讨了AI的普及对能源安全、碳排放、创新与能源可负担性的潜在影响。

人工智能的变革潜力依赖于能源

人工智能（AI）的能力正在经历一次飞跃，背后驱动力包括计算成本的下降、数据可获得性的激增以及技术突破。AI 是一门让机器具备学习能力、能够执行传统上需要人类智慧的任务的科学。如今，AI 正在成为一种通用技术，就像电力一样。它能够生成文本和视频、加速医学或材料科学等领域的科研进展、提升制造机器人智能与生产力、在复杂的城市环境中驾驶商用出租车，并识别关键基础设施的潜在威胁。

在过去几年里，AI 从一个学术研究方向迅速发展为一个拥有数万亿美元市值和风险投资的产业。自 2022 年以来，标普500指数中与 AI 相关企业的总市值已增长约12万亿美元。尽管其普及和影响仍存在诸多不确定性，AI 的快速发展与巨大潜力已使其成为企业战略、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 也有可能彻底改变能源行业。可负担、可靠且可持续的电力供应将成为 AI 发展的关键因素，能够快速、大规模提供所需能源的国家将在 AI 竞争中占据优势。AI 模型的训练与部署依赖于大型、耗电量巨大的数据中心。一个典型的以 AI 为核心的数据中心所消耗的电力相当于10万个家庭的用电量，而目前正在建设中的一些最大型数据中心，其耗电量将是这一数字的20倍。

2024年按数据中心与设备类型划分的用电量占比

政策制定者和市场一直缺乏评估其影响的工具

因此，能源行业正处于当今最重要的技术革命之一的核心位置。然而，人们对能源与人工智能日益紧密联系所带来的重大利害关系和深远影响仍缺乏充分的认识。为延续其在识别和研究能源领域新兴问题方面的优良传统，国际能源署（IEA）发布了这份特别报告，旨在以迄今最全面、以数据为基础的分析填补这一空白。

本报告基于一个新的全球模型和涵盖数据中心用电需求的综合数据集进行分析，并通过与政策制定者、科技行业、能源产业及其他专家的深入交流与磋商，进一步丰富了其研究内容。

发达经济体、中国及其他新兴市场和发展中经济体（EMDE）2024年主要经济与信息通信技术相关指标

基准情景下各部门用电需求增长（2024年至2030年）

数据中心目前在全球电力消耗中所占比例较小，但它们在本地的影响却更加显著

自2022年以来，全球对数据中心的投资几乎翻了一番，2024年总额已达到5,000亿美元。这一投资热潮引发了人们对电力需求激增的日益关注。

2024年，数据中心约占全球电力消耗的1.5%，即415太瓦时（TWh）。其中，美国占据全球数据中心用电量的最大份额（45%），其次是中国（25%）和欧洲（15%）。自2017年以来，全球数据中心的电力消耗年均增长约12%，是全球总电力消费增长速度的四倍多。以AI为核心的数据中心的耗电量可与电力密集型工厂（如铝冶炼厂）相当，但它们在地理上更为集中。在美国，近一半的数据中心容量集中在五个区域集群中。该行业在一些地方电力市场中占据了相当大的用电份额。

到2030年，数据中心的电力需求将增加一倍以上

数据中心的电力消耗预计到2030年将增加一倍以上，达到约945太瓦时（TWh）。这一数字略高于日本目前的总电力消耗。人工智能是这一增长的最重要驱动因素，此外，其他数字服务的需求也在增长。美国占据了这一预计增长的最大份额，其次是中国。在美国，数据中心几乎占据了从现在到2030年电力需求增长的一半。到本世纪末，该国数据中心的电力消耗将超过铝、钢铁、水泥、化学品及所有其他能源密集型产品的生产总电力消耗。2030年之后的不确定性进一步加大，但我们的基本情况预测到2035年，全球数据中心的电力消耗将上升至约1200太瓦时。

满足需求将需要多种能源来源

可再生能源和天然气在满足数据中心电力需求方面居领先地位，但多种能源来源将共同发挥作用。全球一半的数据中心需求增长由可再生能源提供支持，储能和更广泛的电力网络也为其提供支撑。预计可再生能源的发电量将增长超过450太瓦时，以满足2035年之前的数据中心需求，依靠的是短期建设周期、经济竞争力和科技公司采购策略的推动。可调度能源（以天然气为主）也将在其中发挥关键作用，科技行业还将助力推动新型核能和地热技术的提前应用。天然气将增加175太瓦时，以满足日益增长的数据中心需求，特别是在美国。核能将在满足数据中心需求方面贡献相似数量的新增发电量，特别是在中国、日本和美国。首批小型模块化反应堆预计将在2030年左右投入使用。

数据中心是“电力时代”中加速电力需求增长的众多驱动因素之一

数据中心占全球电力需求增长的约十分之一，低于工业电动机、家居和办公空调或电动汽车的占比。然而，数据中心在推动电力需求增长中的重要性因国家而异。新兴和发展中经济体已经经历了快速的电力需求增长。在这些国家，数据中心占到2030年电力需求增长的约5%。另一方面，发达经济体的电力需求基本上已经停滞了几十年。在这些国家，数据中心占到2030年电力需求增长的20%以上，这为电力行业重新进入增长轨道敲响了警钟。

在将数据中心整合入电力网络时，智能化意味着更快

在许多地方，电力网络已经承受压力：我们估计，除非解决这些风险，否则大约20%的计划中的数据中心项目可能面临延迟的风险。包括数据中心在内的供电和用电项目的电网连接排队等待时间长且复杂。在发达经济体，建设新的输电线路可能需要四到八年，而关键电网组件（如变压器和电缆）的等待时间在过去三年中已经翻倍。发电设备的需求也非常高。新建燃气发电厂的涡轮机交货时间现在面临几年的提前期，这可能导致其投入使用时间推迟到2030年以后。如果电力行业没有加大力度，可能会面临满足数据中心负荷增长的同时，与其他目标（如电气化、制造业增长或可负担性）之间的权衡风险。

缓解这些风险的关键措施包括将新的数据中心设立在电力和电网供应充足的地区，以及更加灵活地运营数据中心服务器或其现场发电和储能资产。这些策略仍然未得到充分探索。以人工智能为核心的数据中心的资本密集度是铝冶炼厂的10倍，这意味着为了提供电网灵活性而限制其运营成本非常高。但许多数据中心会运营有余量的服务器容量。监管机构可以探索激励数据中心运营商更加灵活地使用闲置的服务器容量或备用的发电和储能资产的措施。电网运营商也可以研究激励措施，鼓励数据中心设立在电网较不受限制的地区。我们发现，美国50%的在建数据中心位于现有的大型集群中，这可能增加地方瓶颈的风险。

2035年按燃料类型和情景划分的数据中心用电发电量

关于与人工智能相关的电力需求前景存在很大的不确定性

关于人工智能的普及速度、其能力和生产力的提升速度、效率改进的速度，以及能源部门是否能够解决瓶颈问题，存在不确定性。这些不确定性在敏感性案例中进行了探讨。一个“起飞情景”假设了更高的人工智能普及率和积极行动来减少能源部门的瓶颈。“逆风情景”则考虑了在人工智能普及和能源基础设施建设过程中出现的瓶颈，包括宏观经济逆风。“高效情景”突出了人工智能相关硬件和模型效率更大提升的潜力。在这种情况下，数据中心的电力需求到2035年比基准情景低20%。到2035年，我们的各个情景中，数据中心电力需求的范围从700到1700太瓦时不等。在“起飞情景”中，为满足数据中心需求，天然气发电的增长是“逆风情景”的四倍。为了满足数据中心需求，核能发电的增长变化更大。

人工智能可能为能源部门解锁重大效率和运营提升

能源公司已经在部署人工智能（AI），以转型和优化能源及矿产供应、电力生产和传输以及能源消费。涉及的目标包括降低成本、增强供应、延长资产寿命、减少停机时间和降低排放。

石油和天然气行业是人工智能的早期采用者，利用人工智能来优化勘探、生产、维护和安全。在勘探和开发中，人工智能可以使资源评估更加可靠，减少钻探前的不确定性。在运营中，人工智能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。

人工智能可以帮助平衡日益复杂、去中心化和数字化的电网。人工智能可以改善可变可再生能源发电的预测和整合，减少电力限制和排放。基于人工智能的故障检测可以帮助快速识别和精确定位电网故障，减少停电持续时间30%至50%。远程传感器和基于人工智能的管理可以提高传输线路的容量。如果应用这些工具，可以释放多达175吉瓦（GW）的传输能力，而无需建设新的线路。这超过了基准情景下到2030年数据中心电力负荷的增长。

未来的产业将越来越数字化和自动化；在制造业中率先整合人工智能的国家和公司将脱颖而出。人工智能应用可以加速产品开发，降低成本并提高质量。广泛采用现有的人工智能应用来优化工业过程，可以带来相当于今天墨西哥总能耗的能源节省。欧洲公司在工业自动化解决方案的市场份额超过一半，这些解决方案是工业人工智能部署的关键推动力。

在交通领域，人工智能应用可以提高效率并节省成本，但也可能增加个人出行的需求。人工智能应用正在被用于管理交通、优化路线、预测维护需求和开发自动驾驶车辆。交通领域广泛采用人工智能应用可能带来相当于1.2亿辆汽车使用的能源节省。尽管自动驾驶汽车比传统汽车更高效，但它们可能会吸引人们远离公共交通，随着成本下降和可用性增加，可能会导致反弹效应。

在建筑领域，人工智能主导的优化有巨大的潜力，可以使供暖和制冷系统更高效，建筑物中的电力使用更灵活。实现这一潜力的障碍包括建筑物所有权的碎片化、缺乏数字化和不充分的激励。如果这些干预措施能够扩展，现有的人工智能干预措施可能会带来约300太瓦时的全球电力节省，相当于今天澳大利亚和新西兰的年电力生产总量。

按总部所在地划分的前40家采用人工智能及其他技术的工业公司

基准情景下全球数据中心新增容量及因电网限制面临接入延迟风险的容量（2025–2030年）

加速创新可能是人工智能对能源部门影响的最重要长期效应之一

人工智能正成为科学发现的强大工具，帮助研究人员更快地发现、测试和商业化创新。例如，在生物医学领域，人工智能使得蛋白质结构的绘制速度加快了45,000倍，这对于新药的设计至关重要。新型能源技术的创新周期通常长达几十年，缩短这一周期将是实现能源部门目标（如可持续性和竞争力）的关键。然而，能源初创公司筹集的资金中，只有2%流向了具有与人工智能相关价值主张的公司。

能源创新面临的挑战正是人工智能擅长解决的问题。例如，下一代太阳能光伏材料中，只有0.01%被实验生产出来，仍有大量可能的材料待探索。人工智能可以帮助科学家大幅加速寻找和测试有前景的材料、电池化学和碳捕捉分子的过程。政策支持将是推动人工智能主导的发明和加速商业化的必要措施，而商业化往往是新产品面临的比发现阶段更大的障碍。

前十大数据中心市场按已安装容量与在建容量占比排名（2024年）

能源部门尚未充分利用人工智能的潜力

能源部门是当今世界最复杂和最关键的行业之一，但它仍然可以并且应该做得更多，以充分利用人工智能的潜在利益。能源部门面临着实现人工智能广泛应用的障碍，包括数据和数字基础设施以及技能的缺失或不足，以及持续的数字和物理安全问题，这些问题往往会压倒潜在的效率提升。与其他行业相比，能源部门中与人工智能相关的技能普及率较低。政策和监管变化将是能源部门抓住人工智能带来的益处所必需的。

人工智能可能会加剧一些能源安全问题，并有助于解决其他问题

数据中心组件的供应链复杂且全球化。例如，镓是一种日益重要的金属，用于先进的计算机芯片和电力电子产品，与传统的基于硅的半导体设计相比，镓提供了显著的效率优势。目前，中国约占全球精炼镓供应的99%。我们的估计显示，到2030年，数据中心对镓的需求可能达到今天供应量的10%以上。

人工智能加剧了某些能源安全风险，但也为网络和物理领域提供了解决方案。随着人工智能能力的提升，各种行为体利用和滥用它们的能力也在增加。过去四年中，针对能源公用事业的网络攻击数量增加了三倍，并且由于人工智能的应用，这些攻击变得更加复杂。与此同时，人工智能也成为防御这些攻击的关键工具。在物理领域，配备人工智能的卫星和传感器可以比传统的地面方法快500倍地检测到关键能源基础设施中的事故，并且具有更高的空间分辨率。随着能源安全形势的变化，国际能源署（IEA）将继续关注这一关键问题。

新兴和发展中经济体可以通过人工智能解决方案实现跨越式发展

除了中国之外，新兴和发展中经济体占全球互联网用户的50%，但全球数据中心容量不足10%。那些拥有可靠且负担得起的电力供应的国家，将最有可能解锁数据中心增长，地方化对本土人工智能发展的关键计算能力，并推动IT行业的整体发展。数据中心也可以成为新低排放电力项目的支点。然而，在经常发生停电或电力质量问题的地区，维护数据中心可能存在风险或成本较高，这使得海外托管对企业更具吸引力。在发展中经济体中，也有一些人工智能的成功案例，帮助解锁新的效率并优化流程。克服数字化障碍可以帮助这些经济体实现跨越式发展，采用提供成本和时间节省的人工智能解决方案。

关于人工智能可能加剧气候变化的担忧似乎被夸大了，同样，单靠人工智能解决这一问题的期望也过于乐观

数据中心的电力使用排放量将从目前的1.8亿吨（Mt）增长至2035年基准情境中的3亿吨，甚至在“起飞情境”中增至5亿吨。尽管这些排放量在此期间仍占总能源部门排放的不到1.5%，数据中心是排放量增长最快的来源之一。

现有人工智能应用的广泛采用可能会导致远超数据中心排放量的减排效果，但仍远不足以应对气候变化。我们估计，广泛应用现有AI主导的解决方案能减少相当于2035年能源相关排放量约5%的排放。要实现这些减排效果，需要克服人工智能采用过程中的各种障碍。反弹效应——例如，由公共交通转向自动驾驶汽车——可能会削弱一些减排效果。人工智能可以作为减少排放的工具，但它并非灵丹妙药，依然需要积极的政策支持。

随着能源和科技如今共同踏上旅程，合作成为关键

科技行业和能源行业比以往任何时候都更加紧密相连。尽管未来道路充满不确定性，但这些不应成为协同行动的障碍。为人工智能提供能源，并充分利用人工智能为能源带来的好处，将需要科技行业和能源行业之间更加深入的对话与合作。在这个过程中，也会面临需要管理的风险。国际能源署（IEA）将继续提供数据和深入分析，为决策提供依据，帮助能源和科技行业更好地为人工智能的应用做好准备。

来源：黑门碳汇