林伯强：发展智能能源强国的AI互促循环路径

来源：环球时报

眼下，人工智能技术正以前所未有的速度向前迈进，其应用领域不断扩展，深刻改变着社会生产与生活的方方面面。与此同时，全球能源体系也在经历一场深刻变革，清洁能源转型已成为时代主题。满足人工智能的能源需求，已步入“如何实现低碳”与“如何兼顾AI发展与应对气候变化”的新阶段。

今年九月，国家发展改革委、国家能源局在《关于推进“人工智能+”能源高质量发展的实施意见》中，明确了“到2027年，能源与人工智能融合创新体系初步构建”的目标。日前召开的中央经济工作会议也提出了“深化拓展‘人工智能+’，完善人工智能治理”、“制定能源强国建设规划纲要，加快新型能源体系建设，扩大绿电应用”等重要举措。在此背景下，深入理解二者之间的关联性、矛盾点以及融合发展的路径，对于推动新质生产力发展、实现清洁发展目标具有至关重要的意义。

实际上，AI和绿能各自都有不得不面对的“痛点”。一方面，训练参数上万亿级别的大模型时，必然伴随着巨大的算力需求和能源消耗。以美国某主流大模型为例，每生成一个约1000个tokens的中等长度回答，要消耗电力约18.35瓦时，较上一代产品增长了约9倍。当前该系列模型日处理请求达250亿次，其日耗电量相当于150万个美国家庭的每日用电需求。随着技术迭代和应用普及，这一数字势必会出现爆发式的进一步增长。

另一方面，新能源发电占比持续提升，其随机性也导致系统波动性愈加明显，当前传统的管理和控制方式已难以适应新的发展要求，能源格局正面临瓶颈。2024年，全国可再生能源发电量在总发电量中的占比为35%，发电量同比增长19%，但这已是在火电机组大量参与调峰、保障可再生能源吸纳的条件下实现的近乎极限增速。而2025年1—10月全国绿电交易绿证达2.02亿个，显示绿电需求与供给能力的缺口仍需填补。

此外，能源消费结构也没有充分适应AI发展的需求。传统上，我国能源消费结构中工业用电占主导地位，居民和商业用电占比较小。在电力供应紧张时，可以限制部分工业生产来保障民生用电。但AI普及意味着在数字化、智能化服务领域会出现大规模、刚性的电力需求。这类需求具有高密度、高可靠性特点，且数据中心等基础设施地理分布要与电力资源高度匹配。当AI的需求超出清洁电力供应能力时，极端情况下或需重启煤电，反而背离了“双碳”的目标。

但如果围绕二者的“痛点”，打造一个互促的循环，AI也可能为清洁能源转型提供前所未有的机遇和解决方案，加速形成新型能源体系。首先，在发电端，多模态大模型通过融合气象、遥感、历史运行等多源异构数据，显著提升新能源出力预测精度，覆盖水电、风电、光伏等新能源及火电、核电、煤炭等传统能源领域，为源端优化提供精准支撑。其次，在电网运行层面，智能巡检、调度与故障自愈系统大幅提升运维效率与电网韧性，助力“源网荷储一体化”建设。最后，在需求侧，智慧能源管理系统可以实现负荷精细化调控，储能智能化运营与车网互动技术则可将能源消费转化为电网灵活资源，重塑能源价值链。

值得注意的是，“完善人工智能治理”是AI与能源融合的前提和保障。当前AI在能源领域应用仍面临数据基础薄弱、大模型“黑箱”等问题，尤其在核电站安全决策、电网实时调度等核心场景，对算法可解释性与可靠性要求极高。为此需构建算电协同机制，夯实能源数据安全基础，制定技术标准与伦理规范，确保AI赋能过程安全可控。

当前AI与能源产业的融合发展已从可能性转变为必要性。这种必要性源于“能源强国建设”的顶层设计，也源于技术发展的内在逻辑。而在更宏观层面，中美AI竞争发展到最后，是算力、用能与减碳的系统性竞赛。凭借中国的强大电力系统与制造能力，深化“人工智能 + 能源”融合，完善治理体系，形成“AI赋能绿电生产、绿电支撑AI发展”的互促循环，打造AI时代的能源强国。（作者是厦门大学管理学院讲座教授、中国能源政策研究院院长）