◎刘仁厚 张 丽
当前，在计算成本下降、可用数据增加和技术创新驱动下，人工智能已从一门学科发展为具有数万亿美元市场规模的产业，其应用将为先进制造业发展与传统产业转型升级带来机遇。“双碳”目标下，我国能源体系绿色低碳转型已成为实现经济社会全面绿色发展的关键。人工智能技术可以加速能源绿色化转型进程，而其大规模应用也需要绿色能源支撑。充分认识能源产业与人工智能的联系，推动两者融合发展，将为我国科技强国建设提供重要保障。
人工智能驱动能源发展
自2022年商业大模型ChatGPT推出以来，生成式人工智能发展迅猛，DeepSeek等颠覆性产品被广泛集成到各类软件和应用中，终端用户数量激增。同时人工智能也为能源领域带来了以下新变革。
人工智能发展将明显增加用能需求。人工智能硬件制造属于能源密集型产业，其基础设施的基本物理构件主要包括图形处理器（GPU）、张量处理器（TPU）及存储芯片等，拥有极其复杂的供应链，前端晶片和半导体生产均为高耗能环节。此外，人工智能模型训练和使用耗能巨大。随着大模型开发加速和服务需求的快速增长，以训练和部署人工智能为重点的数据中心规模和数量持续扩大。据国际能源署测算，一个大型数据中心的年耗电量与10万个家庭的年耗电量相当，而目前在建的全球最大数据中心年耗电量则相当于200万户家庭一年的用电总量。例如，ChatGPT-4大模型的训练时间约为14周，能源需求约为42.4吉瓦时（GWh），相当于发达经济体2.85万个家庭或发展中经济体7.05万个家庭的日用电量总和。
人工智能应用将大幅提升能源体系效能。当前，全球能源多元化发展趋势明显，能源系统日益复杂。能源供应端“新老并存”，风、光、水、核、生物质等新能源与煤、油、气等传统能源多能互补；输送端向数字网络化发展，现代电网需适配更大比例可再生能源接入；使用端电气化程度提高，电力在最终能源消费占比逐步增加。人工智能可应用于能源全链条，在高复杂体系中优势明显。例如，人工智能可在发电过程中降低成本、减少碳排放；可在输送过程中优化输电线路、强化调度预测与干预、增强电网故障检测能力；可在终端应用中根据场景开展定制化服务，通过数字孪生技术优化工艺流程、提高能效。
人工智能技术将显著加速能源科技创新进程。其一，人工智能可优化创新链条，降低新技术从验证到推广的全周期成本。其二，预测式人工智能模型可以预测特定材料和候选物质的结构特性，生成式人工智能模型能够提出创新性实验方案，大型语言模型可分析文献、整合已有技术，深度赋能研发过程。其三，在电池领域，新电池材料研发测试通常需要数年时间，利用人工智能可将时间缩短一个数量级，极大缩短了创新周期。
“双向奔赴”仍面临挑战
虽然人工智能在为能源转型赋能方面潜力巨大，但我国在推动人工智能与能源“双向奔赴”上，仍面临以下挑战。
一是新型能源体系尚难契合人工智能发展节奏。从发展速度看，短期内电力供应难以满足快速增长的用能需求。随着人工智能快速发展，相关用能需求急剧攀升。据国际能源署报告，2015—2024年我国数据中心大幅扩张，电力需求年均增长15%，这远超十年来我国其他行业和全社会用电量平均增长率。从供给质量看，我国清洁能源在人工智能用能中占比仍然较低。目前，我国数据中心多位于东部地区，耗能大部分来自化石燃料，其中70%来自煤炭。未来，可靠、可持续、可负担的电力仍是制约人工智能发展的关键。
二是人工智能在能源领域应用仍然有限。人工智能在信息和通信技术领域应用较多，但在能源领域应用较少。一方面，能源领域人工智能应用场景受限，现有应用主要集中在电网运行规划和维护预测。另一方面，高质量数据获取难度大。我国能源系统庞大，能源供给、电力传输、终端负荷等相互独立，各企业组织间数据共享存在壁垒，高质量数据集缺失会影响人工智能模型训练，导致结果偏差和错误，降低能源行业使用人工智能的意愿。
三是智能化引发新安全风险逐渐加大。随着向数字化、网络化转型，新型能源系统更加依赖“技术+基础设施”，系统脆弱性凸显。人工智能将进一步加速能源“瓦特比特化”，推动能源向数字资源转化，网络安全风险将成为重大隐患。同时，能源和人工智能对关键矿物依赖度高，两者所需的铜、铝、硅、镓、稀土元素等高度重叠，导致供应链风险加大。此外，人工智能芯片设计和制造大多由美国垄断，主要制造商为英伟达、博通、AMD和英特尔。在中美科技战背景下，人工智能产业链安全风险升高。
促进人工智能与能源产业深度融合
面对挑战，我们更要抓住能源产业变革和人工智能科技革命机遇，在科学规划、开放场景、提升系统安全等方面发力，推动两者互促、融合发展。
第一，统筹规划，推动人工智能绿色发展。统筹我国人工智能与能源发展规划，梳理人工智能相关产业链能耗，合理规划数据中心、超算中心规模数量，把握发展节奏。加强人工智能科技创新，突破技术边界，降低能耗。提高人工智能绿电使用占比，将人工智能相关重点能耗基础设施建设与可再生能源部署挂钩，鼓励人工智能企业采购绿电，推动全产业链绿色发展。
第二，有序开放场景，推进能源智能化进程。以电力系统为基础，逐步开放人工智能应用场景，推广其在发电、预测、运行调控等方面的应用。推动能源、电力、工业、交通等多方互动，实现数据资源共享流通。加强能源领域模型开发和训练，推进能源科技创新与人工智能技术深度融合。
第三，增强系统韧性，提升安全水平。重视煤炭兜底保障作用，将其作为防范能源安全风险的底线。增强关键矿物保障能力，提升供应链安全水平。强化数字时代安全保障，梳理新型风险源，制定清单和应对预案，构建安全发展新框架。
（作者单位：中国科协创新战略研究院）
