Чистая экономия электроэнергии от искусственного интеллекта зависит от эффективности его внедрения в энергосистеме Китая

Почему имеет значение более умная энергетика

Искусственный интеллект (ИИ) часто представляют как невидимый мозг в облаке, но за каждым продвинутым чат‑ботом или генератором изображений стоит реальный поток электроэнергии. В этом исследовании поставлен вопрос с большими последствиями для климатического и энергетического планирования: могут ли энергосбережения, которые ИИ приносит внутри электрической системы, перевесить дополнительное потребление электроэнергии в крупных дата‑центрах? Фокусируясь на быстро меняющейся сети Китая, авторы прослеживают, как ИИ может превратиться из растущей электрической нагрузки в чистый источник экономии — при условии его эффективного и широкого внедрения.

Две стороны искусственного интеллекта

Статья начинает с описания напряжения между двумя эффектами. С одной стороны — дата‑центры ИИ, чьи специализированные серверы могут потреблять в шесть‑восемь раз больше электроэнергии, чем традиционные машины. По мере роста моделей и увеличения их использования такие объекты становятся важным новым источником нагрузки на сеть. С другой стороны, алгоритмы ИИ внедряются во всю энергосистему — помогая прогнозировать выработку ветра и солнечных электростанций, тонко настраивать работу угольных ТЭС, управлять отоплением и охлаждением в зданиях, балансировать промышленные нагрузки и продлевать срок службы батарей. Эти приложения уменьшают потери и сглаживают пики спроса. Ключевая задача — понять, могут ли суммарные сбережения от ИИ в энергосистеме компенсировать или даже превысить электроэнергию, которую потребляет сам ИИ.

Измерение чистого эффекта во времени

Чтобы ответить на этот вопрос, исследователи строят динамическую модель оценки на период с 2025 по 2060 год. Они оценивают собственное потребление электроэнергии ИИ «снизу вверх», начиная с прогнозов поставок серверов для ИИ, срока их службы, потребляемой мощности при обучении и при повседневной работе, а также того, насколько энергоэффективными станут дата‑центры со временем. Параллельно они анализируют десятилетие исследований по мерам энергосбережения с помощью ИИ. С применением мета‑анализа они синтезируют величину потенциальной экономии в семи ключевых практиках, таких как повышение эффективности угольных станций, сокращение потерь в передаче, повышение энергоэффективности зданий и промышленности, а также оптимизация накопителей энергии. Эти сбережения затем масштабируются для Китая при трёх разных допущениях о глубине распространения таких инструментов ИИ по системе.

Разные сценарии для ИИ и сети

Модель сочетает три сценария потребления электроэнергии ИИ с тремя сценариями его сберегающей силы, формируя девять возможных будущих траекторий. На стороне потребления «технологически‑ведомый» путь предполагает быстрый рост вычислений ИИ, но значительные улучшения в микросхемах серверов и системах охлаждения; «политически‑ограниченный» путь предполагает жёсткие правила, которые ограничивают расширение и обеспечивают хорошую эффективность; «инерционный» путь предполагает более медленное улучшение и более мягкие ограничения. На стороне сбережений «эффективный» путь представляет быстрое и широкое внедрение наилучших ИИ‑решений по всем типам объектов — электростанциям, линиям, зданиям, заводам и хранилищам; «типичный» путь отражает умеренное распространение; а «неэффективный» путь предполагает более медленное или фрагментарное внедрение. В совокупности эти сценарии показывают, как и более совершательное оборудование, и глубжее использование ИИ в операциях формируют баланс между дополнительным спросом и предотвращёнными потерями.

Где скрыта наибольшая экономия

Среди множества способов, которыми ИИ может помочь, исследование выявляет явных «жизненно важных немногих»: примерно одна пятая практик обеспечивает более четырёх пятых общего потенциала экономии. Выделяются улучшение нагрузок в зданиях, сокращение потерь в линиях электропередачи и повышение точности прогнозов возобновляемой генерации. На национальном уровне при наиболее оптимистичных допущениях по сбережениям ИИ может сократить около 15% прогнозируемого потребления электроэнергии Китая к 2060 году; при типичных или неэффективных допущениях этот показатель опускается до одноцифровых процентов. Региональный анализ пяти провинций показывает, что территории с развитой генерацией — например, Внутренняя Монголия с углём и ВИЭ — получают наибольшую пользу со стороны предложения, тогда как промышленные и сервисные центры, такие как Гуандун и Цзянсу, получают больший выигрыш за счёт управления спросом в зданиях и на производствах.

Когда ИИ становится чистым источником экономии

Ключевой метрикой в исследовании является «чистая экономия электроэнергии»: отношение электроэнергии, сэкономленной ИИ, к электроэнергии, которую потребляет сам ИИ. Значение выше 100% означает, что ИИ в целом снижает нагрузку на сеть. Среди всех девяти сценариев только сочетание высокого развертывания сберегающих приложений и сильного технологического прогресса в дата‑центрах — случай «Эффективный–Технологически‑ведомый» — даёт такой результат рано, достигая примерно 130% к 2040 году. В этом сценарии быстрое внедрение ИИ по сети и в зданиях в сочетании с высокоэффективными чипами и очень низкими затратами на охлаждение позволяет сбережениям превысить собственный спрос ИИ. Даже в этом случае эффект выравнивается и слегка снижается после 2050 года, по мере созревания технологий и исчерпания лёгких выгод. В менее амбициозных сценариях чистая экономия откладывается или вовсе не достигается в пределах периода исследования.

Что это означает для повседневной жизни

Для неспециалистов вывод таков: ИИ сам по себе не является автоматически хорошим или плохим для климата. Если он будет развиваться внутри неэффективных дата‑центров с ограниченным использованием в реальных операциях сети, он в основном добавит к потреблению электроэнергии. Но если его сочетать с жёсткими стандартами эффективности, лучшим оборудованием и широким внедрением в электростанциях, линиях, зданиях, заводах и хранилищах, ИИ может с лихвой окупить собственный «счёт» в сэкономленных киловатт‑часах. Исследование предполагает, что Китаю — и, по аналогии, другим странам — понадобятся грамотные политики, чтобы направить развитие ИИ в это русло: строгие ограничения для неэффективных дата‑центров, стимулы для передовых систем охлаждения и чипов, а также мощная поддержка ИИ‑инструментов, сокращающих потери по всей энергосистеме. Сделано правильно, та же технология, которая угрожает перегрузить сеть, может стать одним из двигателей, делающих её чище и надёжнее.

Цитирование: Zhou, K., Yang, Z. & Hu, R. Net electricity savings from artificial intelligence depend on deployment efficiency in China’s power system. Commun. Sustain. 1, 72 (2026). https://doi.org/10.1038/s44458-026-00080-4

Ключевые слова: искусственный интеллект и энергетика, эффективность дата‑центров, оптимизация энергосети, прогнозирование спроса на электричество, интеграция возобновляемой энергии