近年来，全球人工智能技术快速发展，成为推动科技和产业加速发展的重要力量，对经济社会发展和人类文明进步产生深远影响。国际数据公司（IDC）2024年3月发布的《全球人工智能和生成式人工智能支出指南》显示，2022年全球人工智能IT总投资规模为1324.9亿美元，预计2027年将增至5124.2亿美元，年复合增长率（CAGR）约为31.1%。随着近期人工智能技术的突破与应用融合的完善，各类企业开始争相利用以人工智能为代表的先进技术，实现适应数智化市场大环境，赋能新业务，帮助企业确定智慧决策的目标，从而催生出对人工智能更多元的定制化需求。中国信息通信研究院公布的数据显示，2023年我国人工智能核心产业规模达5784亿元，同比增速为13.9%，呈现出迅猛的发展态势和广阔的市场空间。在人工智能快速发展的同时，其对电力的需求急速攀升，进而可能导致全球能源消耗上升、碳排放不减反增的问题。

根据国际能源署2024年1月的测算，2022年全球人工智能、数据中心和加密货币消耗电力约4600亿千瓦时，约占全球总电力需求的2%。2022年相关领域电力需求有所增加，但硬件基础设施的效能提升抵消了一部分增加量（国际能源署之前的测算显示，2010—2018年相关领域用电量较为稳定，约占全球总电力需求的1%〜2%）。其中：人工智能的电力需求主要来自模型训练和模型推理（使用人工智能模型来响应特定的查询）（Center For Data Innovation，2024）；数据中心的电力需求主要来自计算（40%）、冷却（40%）和其他相关IT设备（20%），目前全球共有8000多个数据中心，其中约33%位于美国、16%位于欧洲、接近10%位于中国，而随着人工智能快速纳入各个部门的软件编程，数据中心的整体电力需求不断增加；加密货币消耗电力约1100亿千瓦时，约占全球总电力需求的0.4%，相当于荷兰的电力需求量（IEA，2024）。

金融热点，一号掌控，关注视频号不迷路！

👆🏻👆🏻👆🏻

中国信通院2024年3月发布的《绿色算力技术创新研究报告（2024年）》显示，我国算力总规模近五年年均增速近30%。随着我国算力产业总规模的快速增长，以数据中心为代表的算力基础设施整体能耗和碳排放问题越发突出，相关政策开始关注用能环节的绿色低碳创新，以促进当前和未来数据中心的可持续实践，使其与双碳目标保持一致。

当前人工智能已经成为很多领域技术革新的核心力量，在能源行业，人工智能正通过处理和分析大量数据提供深入的洞察力，成为提升效率、可持续性及安全性的关键动力，进而推动新质生产力的形成。能源行业利用人工智能的力量来提高效率和加速创新主要在以下几个方面。

其一，提升能源基础设施使用和运营的灵活性。

随着全球气候雄心的增强以及能源成本的不断上升，许多国家和地区都已经通过按季节或用电峰、谷、平时间段的分时电价来引导节约用电，并尽量减少化石能源的消耗、提高可再生能源使用占比。在此背景下，人工智能首先可以通过精确匹配供需，助力混合能源系统的合理部署。可再生能源供应的来源较多、供应量在不同时段有波动，传统的供需预测策略难以应对。人工智能可以根据预计的需求和条件，对电力站点何时使用电网、太阳能或风能，以及何时使用可变电源进行电池充放电作出决策，从而帮助运营商合理统筹混合能源系统，部署特定电力来源或行动的优先级或参与度，进而降低运营成本。比如，爱立信公司2023年12月基于其全球人工智能加速器（GAIA）系统的测试分析显示，通过实时优化电源，该公司旗下的每个电力站点每年可节省约1400美元的冷却能源费用。该公司还将人工智能技术与相关数据（如天气预报、分时电价和电网信息）整合，进一步优化能效、降低成本。

其二，帮助最大化实现可再生能源的财务价值。

人工智能特别是机器学习，对可再生能源何时可用以及何时需要拥有更深入的洞察力，有助于可变供应与可变需求的更精确预测，从而通过财务手段实现可再生能源价值的最大化。比如，谷歌及其人工智能子公司DeepMind在2019年开发了一个神经网络模型，可以使用天气模型和涡轮机位置信息来预测风力发电输出，极大提高了可再生能源机组未来36小时输出的预测准确性。目前该模型正在一家大型能源公司试用，基于更准确的预测，该公司可以提前售出电力而不是实时售出，与其他人工智能提升的效率一起折算，使其风力发电的财务价值上升了20%。进一步地，财务价值的上升提高了风力发电的商业吸引力，带动了对可再生能源的投资。

其三，通过实物资产预测性维护，防止电网故障、提高系统可靠性和安全性。

传统的维护通常定期进行，如输电线路上的电线杆会在预定的期限内检查一次并根据需要进行维修。这种“一刀切”的方法可能会导致效率低下、维修过迟甚至会引发事故。人工智能通过持续监控和分析能源资产的性能来提前识别潜在故障，进行预测性维护。比如，公用事业公司意昂集团（E.ON）2019年开发了一种机器学习算法，可以利用各种来源的数据识别发电模式、标记任何不一致处，从而预测电网中的中压电缆何时需要更换。该集团的测算显示，与传统方法相比，预测性维护可以减少电网30%的停电。又如，中国国家电网广泛使用人工智能来分析智能电表数据，以识别客户设备问题。 

其四，人工智能触发能源行业新质生产力形成的其他可能应用。

未来几年，人工智能在能源行业中的潜在应用可能会激增，其他触发新质生产力形成的应用包括：一是优化能源探索和开发，通过地质和地球物理数据的分析，帮助快速确定丰能区域，从而提升能源开发效率并减少对环境的影响；二是提升电网管理和控制效能，利用来自传感器、智能电表和其他物联网设备的系列数据来观察和控制网络中的电流合理配电；三是改善需求响应，在预测电价、调度和控制响应负荷、设置动态定价等方面提供支持；四是扩展消费者服务，通过分析消费者的能源使用习惯提供个性化节能建议，帮助消费者降低能源消耗等。

权威机构的预测显示，至2026年相关领域的能源消耗将翻番

尽管近期人工智能的能源足迹处于可控范围，但未来大规模智能化时代来临后的能源需求激增不容忽视。国际能源署2024年1月的预测显示，按照数据中心的部署速度、效率改进范围以及人工智能和加密货币的发展趋势，预计至2026年全球数据中心、加密货币和人工智能的用电量将在6200亿〜10500亿千瓦时之间（基准预测为略高于8000亿千瓦时）。与2022年相比，2026年上述领域的电力需求将增加1600亿千瓦时至5900亿千瓦，相当于至少增加一个瑞典或最多增加一个德国的电力需求量（见图1）。其中，由于5G网络和物联网的快速扩张，预计2026年中国数据中心的用电量将达到3000亿千瓦时左右，在全球主要国家中位居首位（见图2）。

中国国家能源局2024年1月发布的数据显示，截至2023年底，我国算力中心总耗电量约为1500亿千瓦时，同比增长15%，而2023年全社会用电量92241亿千瓦时，同比增长6.7%。数据中心增速超过全社会用电量的2倍。

数据中心的快速扩张和电力需求的增加对电力系统构成压力

越来越多的国家和地区出台人工智能或数据中心相关法案或要求，用于保障电力系统的稳定性和可靠性，这从一个侧面显示了该领域面临的能源挑战。比如，欧盟委员会修订的《能源效率指令》包括适用于欧洲数据中心部门的法规，促进更高的透明度和问责制，以加强电力需求管理。该指令要求，从2024年开始，运营商对其数据中心的能源使用和排放有强制性报告义务，并且在技术和经济可行的情况下，要求大型数据中心具有废热回收应用，同时到2030年达到气候中和。又如，美国《2020年能源法案》要求联邦政府对数据中心的能源和水的使用进行研究，创建适用的能效指标和促进效率的良好实践，同时公开报告历史数据中心的能源和水的使用情况。更高性能的半导体可以较少冷却需求，美国能源部正在支持半导体的本地化生产，并在未来20年内为其开发提供资金支持。再如，爱尔兰公用事业监管委员会于2021年末发布了关于适用于新的和正在进行的数据中心电网连接应用的新要求，其中包括三个评估标准：第一，数据中心的位置是否在电力系统相对受限的区域内；第二，数据中心至少能够满足其需求的现场可调度发电或存储当量的能力；第三，数据中心应具备在系统运营商提出要求时通过减少需求来提升灵活性的能力。这些评估标准表明，当地政府倾向于向那些能够有效利用电网，并结合可再生能源以实现脱碳目标的运营商提供连接。

人工智能的应用对能源绿色低碳转型有可能产生影响

为支持绿色低碳转型，一些国际企业都制定了碳减排规划，如谷歌宣布到2030年其全球所有数据中心使用无碳能源运营。但随着人工智能的快速发展，对能源需求的激增，清洁能源可能跟不上人工智能对能源的消耗需求。国际能源署在3月发布的一份报告中预测，随着人工智能模型和加密货币挖矿的发展，全球数据中心的能源使用量在未来2年内将翻一番；而为了在发展人工智能这个赛道上不落下风，一些政府和企业可能会转向使用化石能源，以满足电力需求。加上清洁能源至今无法大规模取代碳氢化合物，在多重压力下，有些人认为，应该重新审视煤炭、石油、天然气等传统能源的价值。因此，在这种背景下，科技公司发展人工智能可能制约其实现碳中和的目标。

一是加强顶层设计，积极应对人工智能时代的能源需求。

出台针对高耗能设施或数据中心的相关管理制度，加强能源需求管理。一是明确相关人工智能开发企业建立碳达峰、碳中和的目标路径，对其数据中心的能源使用和排放进行定期披露，接受外部监督。二是规范相关企业的能耗标准，如借鉴欧盟《能源效率指令》，为数据中心设定效率标准，有效控制人工智能增长带来的环境影响。三是推进相关企业技术提升，开展能源和水的使用研究，有效支持行业的脱碳。四是开发数据共享和治理机制，为国际脱碳提供协调一致的解决方案，在降低成本的同时加快能源转型。

二是构建全国一体化算力网，推动绿色电力和绿色算力协同发展。

面对AI算力需求激增，要进一步推进能源结构优化，包括提升可再生能源比例、发展储能技术、优化能源分配网络，以及研发更高能效的AI硬件和算法。一方面，通过全国一体化算力网的系统布局，可以充分发挥西部地区气候、能源、环境等方面的优势，引导数据中心向西部资源丰富地区聚集，扩大可再生能源的供给，促进可再生能源就近消纳，加强数据、算力和能源之间的协同联动，助力我国数据中心实现低碳、绿色、可持续发展。另一方面，构建全国一体化算力网可以通过统筹算力电力协同布局，有助于促进风光绿电消纳，加强资源节约集约循环高效利用，积极稳妥推进碳达峰碳中和。

三是发挥金融资源配置作用，支持人工智能可持续发展。

一是带头支持“东数西算”工程建设，根据算力网络国家枢纽节点布局和业务需求，有序将金融机构相关数据中心逐步向中西部转移，不断降低金融系统的能源水平。二是创新相关金融产品，优先支持国家枢纽节点数据中心集群范围内的数据中心建设，对国家枢纽节点之外新建的数据中心，要对其能源消耗、可持续发展能力等进行充分评估，减少数据中心的不合理布局。三是支持清洁能源在人工智能领域的使用水平，探索将“东数西算”等的清洁能源使用纳入碳减排支持工具的覆盖范围，降低人工智能领域使用清洁能源的融资成本。  

（李向瑾为东方证券股份有限公司资金管理总部合规风控专员，葛新锋为南通市金融学会秘书长，葛杨为南通市金融学会副秘书长）