人工智能在中国电力系统中净电力节约取决于部署效率

为何更聪明的电力至关重要

人工智能（AI）常被描绘成云端的无形大脑，但在每一个聪明的聊天机器人或图像生成器背后，都有一股真实的电力消耗。本文研究提出了一个对气候与能源规划有重大影响的问题：AI 在电力系统内部带来的节能是否能抵消其在大型数据中心所消耗的额外电力？聚焦中国快速演进的电网，作者追踪了 AI 如何在足够高效和广泛部署的情况下，从一种日益增长的电力负担转变为净节能者。

人工智能的双重面貌

论文首先勾勒出一种张力。一方面是 AI 数据中心，其专用服务器比传统机器的用电量高出六到八倍。随着模型变大且使用频繁，这些设施正在成为电网中新出现的重要用电来源。另一方面，AI 算法正被嵌入到电力系统的各个环节——帮助预测风电和太阳能出力、微调燃煤机组、管理建筑供暖制冷、平衡工业负荷并延长电池寿命。这些应用能够减少浪费并平滑需求峰值。核心难题是，综合来看，电网中由 AI 带来的节电是否能抵消甚至超过 AI 计算本身的耗电。

随时间衡量净效应

为了解答这一问题，研究人员构建了一个从 2025 年到 2060 年的动态评估模型。他们从“自下而上”估算 AI 自身的用电量，基于预计的 AI 服务器出货量、服役年限、训练与日常使用时的功耗，以及数据中心随时间提高的能效。与此同时，他们梳理了过去十年关于 AI 节电措施的研究，通过元分析综合了七类关键做法的节电潜力，例如提升燃煤机组效率、减少输电损耗、提高建筑与工业效率以及优化电池储能。这些节电量在三种不同的假设下被放大到中国尺度，分别反映了这些 AI 工具在系统内的传播深度。

AI 与电网的不同未来

模型将 AI 的用电走向与其带来的节电能力分别设定为三种情景，组合出九种可能的未来。在消耗端，“技术驱动”路径假设 AI 计算快速增长但服务器芯片与冷却系统取得强劲进步；“政策约束”路径假设严格的监管限制扩张并强制提高效率；“惯性”路径则假设改进较慢且监管宽松。在节电端，“高效”路径设想在电厂、输电线路、建筑、工厂与储能中快速且广泛采用顶尖 AI 工具；“典型”路径反映中等采纳；“低效”路径则假定部署缓慢或不均匀。情景组合展示了更先进的硬件与更深入的运维应用如何共同影响额外需求与避免浪费之间的平衡。

最主要的节能来源在哪里

在 AI 可带来的众多改进中，研究发现存在明显的“重要少数”：大约五分之一的做法提供了超过四分之五的总节能潜力。改善建筑负荷、降低电网线损以及提升可再生能源预测精度是最有影响的几项。全国范围来看，在最乐观的节电假设下，到 2060 年 AI 可减少约 15% 的中国预计用电；在典型或低效假设下，这一比例降至个位数。对五个省份的区域分析显示，富含发电资源的地区——如拥有煤电与可再生能源的内蒙古——在供应端受益更多，而广东与江苏等工业与服务密集区则从建筑与工厂的需求管理中获得更大收益。

AI 何时能成为净节能者

研究的关键指标是“净电力节约”：AI 带来节电量与 AI 自身消耗电力的比率。数值超过 100% 意味着 AI 整体上在减轻电网负担。在所有九种未来情景中，只有在节电应用部署高度广泛且数据中心技术进步显著的组合——即“高效–技术驱动”情形下，较早实现该结果，于 2040 年左右达到约 130%。在该路径中，AI 在电网与建筑中的快速推广，结合高效芯片与极低的冷却开销，使得节电超过 AI 自身的需求。即便如此，随着技术成熟和易得收益被耗尽，效益在 2050 年后趋于平缓并略有下降。在不那么雄心勃勃的未来情形中，净节能要么被推迟，要么在研究期内从未实现。

这对日常生活意味着什么

对非专业读者来说，结论是 AI 并非自动对气候有利或不利。如果任其在低效的数据中心中扩张、而在实际电网运维中的应用有限，它主要会增加电力需求。但如果配合严格的能效标准、更好的硬件以及在电厂、输电线路、建筑、工厂和储能中广泛部署，AI 能够在所节省的千瓦时中回本并超额回报。研究表明，中国——以及其他国家——需要聪明的政策来推动 AI 向这个方向发展：对低效数据中心设限、激励先进冷却与芯片技术、并大力支持能在电力系统中抑制浪费的 AI 工具。正确推进时，同一项看似可能使电网超负荷的技术，也能成为使电网更清洁、更可靠的动力之一。

引用: 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

关键词: 人工智能与能源, 数据中心效率, 电网优化, 电力需求预测, 可再生能源并网