4月10日，国际能源署（IEA）发布《能源与人工智能》报告，深入探讨了人工智能（AI）与能源之间的关系。

该报告的内容主要涉及未来十年内AI可能消耗的电力预测，以及满足此类需求所需的能源来源；同时分析了AI的广泛应用对能源安全、排放、创新和可负担性等方面的潜在影响。核心要点包括以下几方面：

数据中心电力需求迅猛增长，多元能源供应面临挑战

从 AI 对能源的需求来看，数据中心作为 AI 运行的核心载体，其电力消耗正经历迅猛增长。2024 年全球数据中心用电已达 415 太瓦时，占全球总用电量的 1.5%，而随着 AI 训练和推理任务的激增，这一数字预计到 2030 年将超过 945 太瓦时，较当前翻倍。美国、中国和欧洲是主要增长区域，其中美国数据中心用电量预计在 2030 年占其国内用电增长的近一半，甚至超过铝、钢铁等所有高耗能产业的总用电。如此庞大的需求对能源供应提出了多元化挑战：可再生能源因开发周期短、成本优势，将承担约 50% 的新增需求，而天然气、核能、地热能等也需同步发展以保障稳定供电。但当前电网基础设施面临显著瓶颈，约 20% 规划中的数据中心可能因变压器短缺、输电线路建设延迟等问题遭遇并网延误，尤其是在欧美等数据中心集中区域，连接审批周期长达 3 至 7 年，凸显出能源与技术部门协同规划的紧迫性。

AI 赋能能源供应与生产，多领域效率显著提升

在能源系统优化方面，AI 展现出显著的赋能潜力。在油气勘探领域，AI 通过处理海量地震数据，将资源评估精度提升 70% 以上，同时通过预测性维护减少设备停机时间，降低运营成本；在电力系统中，AI 能优化电网调度，减少可再生能源弃电率，甚至无需新建线路即可释放 175 吉瓦的输电容量，相当于满足 2030 年数据中心新增负荷的 1.5 倍。这些应用不仅提升了能源生产的效率，还增强了供应的稳定性，为应对数据中心等新兴负荷的增长提供了技术支撑。

终端用能领域深度应用，节能与电网协同潜力大

终端用能领域，AI 的应用正在带来实质性的节能效益与系统灵活性。在工业生产中，AI 通过优化流程，帮助钢铁、水泥等行业实现 8%-10% 的节能，同时提升材料利用率、减少废料产生；在交通领域，自动驾驶和路线优化技术预计可节约相当于 120 万辆汽车的年能耗，不过需警惕共享出行普及可能带来的能源需求反弹效应；建筑领域的智能温控系统则通过动态调节，降低 30% 的用电负荷，助力电网削峰填谷，增强电力系统的整体韧性。这些应用表明，AI 正在从多个维度重塑能源消费模式，推动终端用能向高效、智能方向转型。

AI 驱动能源技术创新，材料研发周期大幅缩短

能源创新层面，AI 正成为加速技术突破的核心动力。以电池为例，AI 模型可在数百万种候选材料中快速筛选出高性能电极材料，将固态电池的研发周期从传统的 10 年缩短至 2-3 年；在碳捕获领域，AI 通过分析分子结构，设计出更高效的吸附材料，降低工业捕碳的能耗和成本。这种 “自驱动实验室” 模式通过自动化实验和数据迭代，显著减少了试错成本，尤其对水泥、催化剂等传统高耗能行业的低碳转型具有关键意义，预示着 AI 将在能源技术创新中发挥越来越重要的作用。

能源与 AI 双向安全互锁，供应链与电网韧性成焦点

能源与 AI 之间存在双向的安全互锁关系。一方面，AI 通过精准的天气预测和故障响应提升电网韧性，例如 Google DeepMind 的风能预测系统使英国电网调度效率提升 20%，同时强化 cybersecurity、降低运营成本；另一方面，数据中心对关键矿产（如镓、锂）的依赖加剧了供应链风险 —— 中国当前掌控全球 99% 的镓精炼产能，2030 年数据中心对该材料的需求可能达到当前供应的 11%。此外，电网基础设施的可靠性直接影响 AI 部署，美国弗吉尼亚州等数据中心集聚区已出现局部电网过载风险，凸显出保障供应链安全与提升电网弹性的双重紧迫性。

巨额投资聚焦数据中心与能源基建，政策需强化三大支柱

在投资与政策层面，报告指出 2025-2030 年全球数据中心累计投资将达 4.2 万亿美元，其中美国占比近半，配套的电力投资需达 480 亿美元，占同期全球电力资本支出的 15%。政策需聚焦三大支柱：一是推动能源组合多元化，根据区域特点平衡可再生能源与传统能源，例如美国可侧重天然气与储能结合，中国推动光伏与核能协同；二是提升基础设施灵活性，通过简化并网审批、引导数据中心向电力充裕区域布局，缓解局部电网压力；三是强化跨部门协作，建立科技企业与能源公司的常态化对话机制，共享用电预测数据并优化负荷曲线，同时加大能源行业数字技能培训，填补当前 30% 的 AI 人才缺口，为能源与 AI 的协同发展提供制度保障。

新兴经济体面临双重挑战，政策引导助力跨越发展

对于新兴市场和发展中经济体，报告既指出挑战也强调机遇。非洲、东南亚等地因电力可靠性不足，数据中心建设常依赖柴油备用发电，但若能借助 AI 优化能源分配（如尼日利亚的电网 AI 调度系统减少停电频次），可实现 “跨越式” 发展。政策上需避免 “数字鸿沟”，通过数据本地化政策（如印度的激励措施）吸引算力投资，同时加强国际合作以获取技术支持。环境影响方面，尽管数据中心碳排放预计在 2035 年达 300-500 百万吨，但 AI 驱动的其他行业减排潜力远超这一规模，关键在于通过能效标准、碳定价等政策抑制反弹效应，确保 AI 技术在新兴经济体的可持续应用。

能源与 AI 共生共荣，协同进化重塑全球能源格局

最终，报告强调能源与 AI 已形成 “共生关系”：前者是后者发展的物质基础，后者是前者转型的核心工具。唯有通过跨领域协作、前瞻性政策设计和技术投资，才能在满足 AI 算力需求的同时，释放其在能源效率、安全和可持续发展中的巨大潜力。从数据中心的电力供应到能源系统的全面智能化，从关键矿产的供应链安全到全球减排目标的实现，两者的深度融合正重塑全球能源格局，而把握这一机遇需要全行业、全领域的共同努力，以实现协同进化与能源系统的韧性升级。

       原文标题 : 国际能源署发布《能源与人工智能》报告