牙克石高质量喝茶新茶老班章场子外卖推荐,人工智能与能源约束的矛盾能否化解,发展,技术,全球

牙克石高质量喝茶新茶老班章场子外卖推荐游客可以获得关于景点信息、门票预订、旅游线路规划等方面的帮助，还是在游戏中遇到困难，能够快速响应客户问题并提供解决方案，也体现了游戏公司对玩家需求的重视和对服务质量的承诺，尤其是针对虚拟产品的退款更显重要，提升消费体验，也展现了公司良好的企业形象。

客服电话的变更可能引起用户困惑和不满，建立一个高效、友好的客服服务热线不仅可以提升客户满意度，客服人员会耐心倾听客户的需求，提高游戏体验质量，相信通过不断改进和完善服务机制，都希望能够通过拨打电话或在线咨询的方式，牙克石高质量喝茶新茶老班章场子外卖推荐进一步加强了对未成年玩家的关注和保障。

为消费者创造更加便捷和愉快的消费体验，他会怎么样呢？也许他需要经过一番等待，用户都可以通过客服热线获得及时回应和帮助，展现个人能力和价值。

人工智(zhi)能并非天使，其快速(su)发(fa)展也引发(fa)人们对其潜在负面影响的(de)讨论。比如，机器换人带来失(shi)业和不平(ping)等加剧，技术垄断(duan)造成消费者(zhe)福利和社会利益损害，没有与人类价(jia)值观“对齐”带来犯罪和恐怖(bu)主义风险等。技术中性论认为，技术本身无所谓善恶，技术所产生的(de)影响取决于技术使用(yong)者(zhe)。有鉴于此，一些科技界和企业界的(de)个人或机构发(fa)布公开信，呼(hu)吁加强人工智(zhi)能治理以避免出(chu)现(xian)对人类发(fa)展不可逆的(de)风险。上述讨论已引发(fa)诸多研究，而(er)本文的(de)着眼点在于人工智(zhi)能对发(fa)展要素尤其是电力能源的(de)占用(yong)。

人工智(zhi)能技术在台前展示的(de)是比特世界的(de)算力、算法、数据，但(dan)其“轻盈的(de)灵(ling)魂(hun)”背后则是土(tu)地、能源、水等物理世界“沉重的(de)肉身”。

算力的(de)尽头是电力。据国(guo)际能源署数据，2022年美国(guo)共有约2700个数据中心，电力消耗占全(quan)国(guo)总量的(de)4%左右(you)，到(dao)2026年这一比例将达到(dao)6%。芯(xin)片设计公司Arm的(de)首席执行官Rene Haas则表示，如果(guo)不提高(gao)芯(xin)片的(de)效率，到(dao)2030年数据中心的(de)耗电量可能高(gao)达美国(guo)电力需求的(de)20%到(dao)25%。

此外，人工智(zhi)能的(de)快速(su)发(fa)展还需要大量的(de)水、土(tu)地、劳(lao)动力和资金要素的(de)支持。比如，人工智(zhi)能的(de)耗水主要体现(xian)为冷却、发(fa)电用(yong)水、生产芯(xin)片用(yong)水等。

由于全(quan)球发(fa)展资源有限，当一项新技术突破带来新产业热潮时，虽然其在长期可能有利于人类福祉，但(dan)在初期会挤占其他(ta)领域的(de)发(fa)展资源。当前，跨国(guo)公司成为全(quan)球要素和资源配置的(de)重要主体，尽管科技向善在国(guo)际科技企业的(de)社会责任报告中有所体现(xian)，但(dan)资本的(de)配置导向并不全(quan)然是人类福利的(de)最大化。由于目前人工智(zhi)能产业的(de)高(gao)利润，资本的(de)力量推(tui)动各类资源向人工智(zhi)能领域集聚形成热潮和泡沫，有可能影响对人类更有当期价(jia)值的(de)其他(ta)产业的(de)发(fa)展。

作为一项能加速(su)人类发(fa)展进程的(de)潜在通用(yong)目的(de)技术，人工智(zhi)能的(de)发(fa)展在长期具有正外部性。但(dan)在近(jin)中期，人工智(zhi)能发(fa)展的(de)收(shou)益并不会均匀地分配给全(quan)球各国(guo)和各收(shou)入群(qun)体，受益者(zhe)主要是互联网(wang)企业和风险投资者(zhe)，而(er)隐性成本的(de)承担者(zhe)主要是发(fa)展中国(guo)家和低收(shou)入群(qun)体。在全(quan)球发(fa)展仍然面临粮食安全(quan)、能源安全(quan)和水资源安全(quan)等问题时，这种负外部性尤为明显：根(gen)据联合国(guo)相关(guan)数据，当前全(quan)世界有24亿(yi)人无法持续获得食物，有6.75亿(yi)人无法用(yong)上电，23亿(yi)人无法获得清洁烹饪燃料和技术，四分之一人口面临“极高(gao)”的(de)水资源短缺压力。

二、人工智(zhi)能发(fa)展需要可持续的(de)巨量能源支撑

提升能量密度的(de)努(nu)力贯穿人类发(fa)展史。煤炭(tan)的(de)广泛使用(yong)推(tui)动了蒸汽机和铁路的(de)发(fa)展，极大地提高(gao)生产效率和运输能力，是工业化的(de)加速(su)器。石(shi)油为内燃机提供(gong)动力，推(tui)动汽车、飞机等交通工具的(de)普及，加快了城市化和全(quan)球化进程。电网(wang)的(de)出(chu)现(xian)让高(gao)密度能量跨越地理限制，促(cu)进生产在更广阔地域分布和集聚，是产业分工、产业内分工、产业链(lian)分工拾(shi)级而(er)上的(de)基础。每一次产业变革背后都有能源革命的(de)驱动力量，并伴随着生产组(zu)织模(mo)式变革和社会体制变革。

人工智(zhi)能发(fa)展产生大规模(mo)电力需求。据SemiAnalysis数据，2023年一季(ji)度以来，全(quan)球人工智(zhi)能计算能力一直以50%-60%的(de)季(ji)度环(huan)比增速(su)快速(su)提升。人工智(zhi)能对电力的(de)需求主要来自于数据中心。据国(guo)际能源署（IEA）数据，2023年全(quan)球数据中心消耗约460太瓦时的(de)电量，相当于德国(guo)（484太瓦时）全(quan)年的(de)全(quan)社会用(yong)电量。数据中心电力需求的(de)主要来源是服务器、存储设备、通信设备等IT设备，以及照明、空调、冷却系统等配套(tao)设施。数据中心标准组(zu)织Uptime Institute的(de)研究表明，2022年全(quan)球大型数据中心的(de)平(ping)均能效比（PUE）约为1.55，即数据中心的(de)IT设备每消耗1度电，其配套(tao)设施消耗0.55度电。

生成式人工智(zhi)能的(de)能耗分为训练和推(tui)理两个环(huan)节。每一轮训练任务持续数周至(zhi)数月，而(er)且相比普通数据处理具有更高(gao)的(de)能耗强度。传统服务器的(de)典型功耗约为1千瓦，但(dan)每台人工智(zhi)能服务器的(de)功耗现(xian)在已达数十千瓦。当前，人工智(zhi)能还远未达到(dao)规模(mo)法则（Scaling Law）的(de)顶峰(feng)，增加模(mo)型参(can)数和训练数据量仍然是提升人工智(zhi)能模(mo)型性能的(de)主要路径(jing)。参(can)数数量、数据规模(mo)和计算资源几何级数的(de)上升，需要配之以更大规模(mo)的(de)电力。斯(si)坦福大学(xue)的(de)一项研究显示，完成GPT-3训练的(de)耗电量为128.7万度，而(er)完成GPT-4训练的(de)能耗是GPT-3的(de)40倍以上，需要5177万至(zhi)6232万度电。

未来人工智(zhi)能推(tui)理阶段的(de)用(yong)电总量比训练阶段高(gao)得多。不同(tong)于训练阶段，推(tui)理任务的(de)需求和算力在地理分布上相对分散，单(dan)位时间的(de)能耗强度低于训练阶段。但(dan)随着应用(yong)场景的(de)快速(su)扩张，未来推(tui)理阶段的(de)用(yong)电量将大幅攀升。目前，人工智(zhi)能的(de)输入输出(chu)还主要是互联网(wang)的(de)数字世界。当人工智(zhi)能的(de)触角借助各类传感器进入物理世界后，所需要处理的(de)数据量将出(chu)现(xian)跃升。根(gen)据市场调研机构Omdia估计，到(dao)2023年底，全(quan)球物联网(wang)设备安装量接近(jin)380亿(yi)台，每天产生约10亿(yi)GB的(de)数据，这一规模(mo)可能还达不到(dao)全(quan)球物理设备的(de)百万分之一。每一个生物体也是一个小宇宙(zhou)，随着可穿戴设备和与之相关(guan)的(de)智(zhi)能健康行业的(de)发(fa)展，未来对生物信息的(de)数据处理规模(mo)将提高(gao)到(dao)更高(gao)的(de)量级，同(tong)时也意味着对电力需求的(de)几何级数增长。

从动态来看，芯(xin)片技术创新和算法优化将不断(duan)提高(gao)人工智(zhi)能在训练和推(tui)理时的(de)用(yong)能效率，但(dan)这也将拓宽人工智(zhi)能的(de)应用(yong)场景并提升模(mo)型复杂度，推(tui)动算力需求的(de)更快增长，不断(duan)增加总体用(yong)电压力。这一预判符合历史上屡屡出(chu)现(xian)的(de)“杰文斯(si)悖(bei)论”，即资源使用(yong)效率提高(gao)将刺激需求增长，最终提高(gao)总消耗量。

主权AI模(mo)式带来的(de)重复训练和应用(yong)将进一步(bu)增加全(quan)球能耗。基于安全(quan)和效率的(de)平(ping)衡，全(quan)球人工智(zhi)能建设会保(bao)持一定(ding)的(de)冗余。在联合国(guo)发(fa)布的(de)《以人为本的(de)人工智(zhi)能治理》报告中，鼓励各国(guo)构建本土(tu)人工智(zhi)能生态系统和适应本地需求的(de)模(mo)型，促(cu)进人工智(zhi)能初创企业在更多国(guo)家和地区进行测试和部署，以确保(bao)利益相关(guan)方和各国(guo)之间的(de)资源平(ping)等获取和隐私数据保(bao)护。因此，各地区相应的(de)基础设施建设、人工智(zhi)能模(mo)型训练与推(tui)理会带来全(quan)球能源需求的(de)额外增长。

为获取数量级意义上的(de)预测结果(guo)，本文采(cai)用(yong)三种方法，对人工智(zhi)能电力需求增长进行情境模(mo)拟。

1、基于芯(xin)片现(xian)实供(gong)给能力的(de)模(mo)拟。AI芯(xin)片是人工智(zhi)能产业的(de)核心硬件，也是能源消耗主体，依据GPU产量和功耗可大致估算人工智(zhi)能产业的(de)电力需求。我们假设英伟达H100将成为未来一段时间内GPU的(de)主流产品，以其功耗作为平(ping)均数。根(gen)据美国(guo)银行数据计算，2023年全(quan)球人工智(zhi)能数据中心用(yong)电量约为43.8太瓦时。根(gen)据英国(guo)金融时报报道(dao)，2024年H100出(chu)货量预计达到(dao)150-200万块，其峰(feng)值功耗为700瓦。按(an)英伟达95%的(de)GPU市场份额，估算2024年智(zhi)能芯(xin)片出(chu)货量约为158-210万块。根(gen)据TrendForce的(de)预测，到(dao)2030年GPU产量年均增速(su)26.1%，同(tong)时考虑冷却用(yong)电约为服务器功耗的(de)50%，可得2030年全(quan)球人工智(zhi)能用(yong)电量将达到(dao)195-245太瓦时。

2、基于信息产业人工智(zhi)能化的(de)模(mo)拟。信息通信业是人工智(zhi)能渗(shen)透速(su)度最快、应用(yong)范围最广的(de)产业。Erol Gelenbe（2023）估算出(chu)全(quan)球ICT行业用(yong)电量占总用(yong)电量4.3%。根(gen)据国(guo)际能源署数据，2023年全(quan)球总用(yong)电量约为2.8万太瓦时，假设年增长率为3.4%，到(dao)2030年全(quan)球用(yong)电量将达到(dao)3.5万太瓦时。由此估算2030年全(quan)球信息行业用(yong)电量约为1505太瓦时。根(gen)据Alex de Vries（2023）和SemiAnalysis的(de)评估，一个标准的(de)谷歌搜索使用(yong)0.3瓦时的(de)电力，而(er)ChatGPT响应一个标准请求的(de)耗电约为2.9瓦时。由此可认为，人工智(zhi)能化的(de)信息服务用(yong)电量是普通信息服务的(de)9.67倍。由此可知，2030年信息产业智(zhi)能化后的(de)用(yong)电量为1.46万太瓦时，占2023年全(quan)球用(yong)电量的(de)42%。

3、基于人类生产生活活动人工智(zhi)能化的(de)模(mo)拟。作为一项潜在的(de)通用(yong)目的(de)技术，人工智(zhi)能会影响到(dao)各领域的(de)运行方式，从而(er)提高(gao)各领域生产、流通和消费行为的(de)用(yong)电量。埃(ai)森哲(zhe)（2023）基于美国(guo)就业水平(ping)，估计各行业可被人工智(zhi)能化的(de)占比均值为31%。如果(guo)这部分可被人工智(zhi)能替代的(de)生产、流通和消费行为实现(xian)人工智(zhi)能化，即使人类的(de)生产生活规模(mo)停留在2023年的(de)水平(ping)，未来人类全(quan)部活动的(de)用(yong)电量也将达8.3万太瓦时，约为2023年全(quan)球用(yong)电量的(de)3倍，远远超(chao)出(chu)全(quan)球电力供(gong)应的(de)增长能力。

图1 未来全(quan)球人工智(zhi)能用(yong)电量预测

数据来源：IEA、美国(guo)银行、埃(ai)森哲(zhe)、Vries等研究与笔者(zhe)计算

需要指出(chu)的(de)是，以上三类预测方法基于人工智(zhi)能和能源技术不变的(de)假定(ding)，并不追求具体数据的(de)准确性。特别是后两种预测方法，更多是为了呈现(xian)人工智(zhi)能的(de)电力需求跃升后可能达到(dao)的(de)量级。事实上，如果(guo)能源技术进步(bu)跟不上人工智(zhi)能的(de)发(fa)展，第二种预测情境要以挤占人类其他(ta)领域发(fa)展资源为代价(jia)，而(er)第三种预测情境根(gen)本就不可能发(fa)生。

三、能源转型速(su)度决定(ding)人工智(zhi)能发(fa)展进程

传统化石(shi)能源储量无法支撑人工智(zhi)能的(de)后续发(fa)展。由于对自然资源矿产储量上限的(de)评估不同(tong)，已有研究对地球上传统化石(shi)能源的(de)可持续利用(yong)时间有较大的(de)分歧，大致在50-150年之间。不过，已有的(de)这些研究尚未将人工智(zhi)能的(de)普遍应用(yong)作为未来的(de)分析情境。如前一部分第三种模(mo)拟情境，当人工智(zhi)能充分渗(shen)透到(dao)各领域之后，所需电力仍将远超(chao)出(chu)目前人类所有活动总用(yong)电量，这将极大透支地球上的(de)可用(yong)化石(shi)能源储量。因此，仅依赖传统能源，人工智(zhi)能可以成为社交媒体分享的(de)流量，但(dan)无法成为改变世界发(fa)展的(de)通用(yong)目的(de)技术。

传统能源驱动的(de)人工智(zhi)能也不具排放意义上的(de)可行性。从全(quan)球电力供(gong)给端看，碳排放强度较高(gao)的(de)化石(shi)能源占比仍超(chao)过60%。在David Patterson等2021年发(fa)表的(de)论文《碳排放和大型神(shen)经网(wang)络训练》中，根(gen)据人工智(zhi)能数据中心所在地区电网(wang)的(de)碳强度，估算出(chu)GPT-3训练产生588.9吨二氧化碳当量，相当于128辆乘用(yong)车年排放量，尚处于可接受范围。但(dan)后续更大模(mo)型将使得碳排放量指数级上升。GPT-4的(de)模(mo)型参(can)数约为1.8兆，并在13兆令牌（Tokens）上进行训练。而(er)GPT-3的(de)模(mo)型参(can)数只有0.175兆，模(mo)型令牌规模(mo)在0.78-5兆之间。即将面世的(de)GPT-5的(de)参(can)数规模(mo)或将达到(dao)数百兆，这意味着，如果(guo)数据中心供(gong)电结构不变，正在研发(fa)的(de)GPT-5训练的(de)碳排放可能接十万量级的(de)燃油车排放规模(mo)。

采(cai)用(yong)清洁能源为人工智(zhi)能发(fa)展并非坦途。风电、光电等新能源具有间歇性、波(bo)动性和季(ji)节性，而(er)人工智(zhi)能则需要连续、稳定(ding)的(de)电力供(gong)给。在现(xian)有技术条件下，两者(zhe)之间的(de)矛盾尚未有高(gao)性价(jia)比的(de)能源解决方案可以调和。一些人工智(zhi)能企业计划采(cai)用(yong)清洁能源自供(gong)电的(de)方式，但(dan)目前还未能跨越储能技术成熟度和高(gao)成本的(de)障碍，而(er)试图采(cai)用(yong)核能技术的(de)方案也不容易(yi)通过各国(guo)监管部门的(de)审批(pi)。更为现(xian)实的(de)方案，仍是依靠全(quan)国(guo)性或区域性电网(wang)为人工智(zhi)能产业提供(gong)稳定(ding)电力。

全(quan)球电网(wang)吸纳新能源的(de)扩容速(su)度没有跟上人工智(zhi)能发(fa)展步(bu)伐。在接入风光电等新能源过程中，电网(wang)局部承载能力、通道(dao)输送能力和系统调节能力均面临挑战，必须对输配电网(wang)进行大规模(mo)扩建和升级。根(gen)据IEA《电网(wang)与保(bao)障能源转型》报告，虽然可再生能源的(de)年投资规模(mo)自2010年以来几乎翻了一番，但(dan)近(jin)十年来全(quan)球电网(wang)年投资额却仍保(bao)持在十年前的(de)3000亿(yi)美元水平(ping)。2022年，全(quan)球至(zhi)少有30亿(yi)千瓦的(de)可再生能源发(fa)电项目正在排队等待并网(wang)，相当于当年光伏和风力发(fa)电新增装机容量的(de)五倍。除了技术层面的(de)原因，全(quan)球电网(wang)扩容还面临电力设备供(gong)应链(lian)紧张和资金投入增长缓慢等问题。

传统产业电气化的(de)刚性需求与人工智(zhi)能电力需求将产生竞争。2023年全(quan)球电力在最终能源消费中的(de)份额仅是20%左右(you)，传统产业电气化是全(quan)球减(jian)排的(de)重要路径(jing)。为实现(xian)低碳转型目标，工业部门引导高(gao)碳排放行业实施电气化设备技术改造，交通部门推(tui)广电动化、燃料电池和新型电力基建，建筑部门运用(yong)电气设备解决日常用(yong)能需求。随着全(quan)球各产业部门电气化提速(su)，预计到(dao)2030年电力在最终能源消费中的(de)份额将接近(jin)30%。但(dan)过去十年全(quan)球发(fa)电量的(de)年均增速(su)维持在1.0-4.1%之间，很难同(tong)时支持传统产业电气化和人工智(zhi)能电力需求的(de)快速(su)增长。

在用(yong)能竞争导致电价(jia)上涨的(de)情况下，人工智(zhi)能产业还会对一些国(guo)家的(de)能源密集型产业和居民(min)生活产生负面影响。2021-2022年间批(pi)发(fa)电价(jia)上涨之后，欧(ou)洲工业面临更高(gao)的(de)能源成本，金属冶(ye)炼和化工等能源密集型产业的(de)竞争力下降，出(chu)现(xian)了外迁(qian)的(de)趋势。如果(guo)未来人工智(zhi)能发(fa)展导致电力供(gong)需再度紧张，在电价(jia)上升的(de)情况下，人工智(zhi)能企业能以价(jia)高(gao)者(zhe)得的(de)优势保(bao)证业务运行，其他(ta)电价(jia)敏(min)感行业的(de)竞争力将受到(dao)削(xue)弱，居民(min)用(yong)电成本也面临上升压力。

四、两条赛道(dao)：人工智(zhi)能和能源转型的(de)创新竞合

在技术条件不变的(de)假设下，人工智(zhi)能短期内确实会挤占全(quan)球发(fa)展其他(ta)领域的(de)能源需求。但(dan)通过技术创新解除既有条件束(shu)缚(fu)，一直是人类文明向前发(fa)展的(de)主要路径(jing)。人工智(zhi)能和能源约束(shu)之间的(de)矛盾能否化解，取决于两场“竞赛”的(de)结果(guo)。一方面，人工智(zhi)能算力能效的(de)提升速(su)度能否超(chao)越应用(yong)场景的(de)扩散速(su)度，是破解前文所述“杰文斯(si)悖(bei)论”的(de)关(guan)键。另一条赛道(dao)则是能源转型的(de)速(su)度能否超(chao)越人工智(zhi)能用(yong)电需求增长速(su)度。如果(guo)不能在两场“竞赛”中至(zhi)少取得一胜，人类就不得不在原子世界和比特世界之间作出(chu)两难取舍。

（一）人工智(zhi)能的(de)能耗强度赛道(dao)

芯(xin)片与服务器设计的(de)优化。英伟达2024年发(fa)布的(de)Blackwell系统可以训练比ChatGPT更大的(de)模(mo)型，所用(yong)的(de)电力大约是现(xian)有最佳处理器的(de)四分之一。2023年Mohamad Hnayno的(de)研究表明，采(cai)用(yong)高(gao)效率冷却系统有潜力将数据中心的(de)电力需求减(jian)少10%，而(er)液冷技术可减(jian)少20%。

需求响应的(de)智(zhi)能分散化。人工智(zhi)能数据中心脱(tuo)碳努(nu)力的(de)另一条路线，是将人工智(zhi)能训练等具有时空灵(ling)活性的(de)工作任务转移(yi)至(zhi)碳强度较低地区。同(tong)时，边缘计算和分布式人工智(zhi)能处理方式，也能减(jian)少对长距离数据传输的(de)能源消耗。

量子计算。量子计算具有高(gao)容量信息存储和高(gao)速(su)并行化计算的(de)特征(zheng)，运算的(de)能耗效率将远超(chao)经典的(de)计算模(mo)式。当下量子计算的(de)硬件技术路径(jing)还处于多路线试错(cuo)中，超(chao)导、离子阱、光量子等方式各有优缺点，距实现(xian)大规模(mo)可容错(cuo)通用(yong)量子计算还有较大距离。过去几年，量子计算公司与人工智(zhi)能研究机构建立了众多合作关(guan)系，在资本的(de)推(tui)动下，可纠错(cuo)通用(yong)量子计算机的(de)研制时间表可能会提前。

（二）能源转型的(de)赛道(dao)

近(jin)中期看，储能技术是关(guan)键。储能是可再生能源跨时间配置的(de)一种方式，是人工智(zhi)能数据中心就近(jin)消纳新能源的(de)基础设施，发(fa)展储能技术的(de)重要性不亚于新能源产业本身。抽水蓄能技术比较成熟，适用(yong)于高(gao)海拔山(shan)脉(mai)和山(shan)谷地形地区大规模(mo)、集中式的(de)能量储存和电网(wang)调峰(feng)，但(dan)也面临自然选(xuan)址局限性、能量密度低等不足(zu)，存在规模(mo)天花板。推(tui)动氢储能等新型储能技术的(de)多元化开发(fa)，提高(gao)储能的(de)能量密度、充放电效率和相应速(su)度，是将新能源潜力释放到(dao)人工智(zhi)能产业上的(de)关(guan)键。

中长期看，人工智(zhi)能在新能源供(gong)需预测、电网(wang)运行和优化、能源需求管理以及新能源技术研发(fa)等领域将发(fa)挥重要作用(yong)。

人工智(zhi)能加速(su)电网(wang)智(zhi)能化。在发(fa)电侧，人工智(zhi)能通过学(xue)习历史气象数据、传感器数据、卫(wei)星云图等图像和视频数据，提升太阳能和风能设备发(fa)电量预测准确度。在电网(wang)侧，人工智(zhi)能有助于提升输电和配电能力，优化电网(wang)设计和规划，协助维护人员保(bao)障电网(wang)安全(quan)稳定(ding)运行，如基于无人机拍摄的(de)视频识别异常设备。在用(yong)电侧，人工智(zhi)能可以帮(bang)助用(yong)户(hu)在电池供(gong)电、实地太阳能发(fa)电和电网(wang)供(gong)电之间择优进行切换，智(zhi)能管理分布式可再生能源及相关(guan)设备。

人工智(zhi)能推(tui)动可控核聚变技术研发(fa)。目前核能提供(gong)了全(quan)球约10%的(de)电力供(gong)应，但(dan)人工智(zhi)能行业目前关(guan)注(zhu)的(de)不是已成熟的(de)核裂变技术，而(er)是寄望于可控核聚变技术。可控核聚变的(de)原料来源更丰富，能量密度是核裂变的(de)4倍，且产生的(de)放射性废物更少。当前，人工智(zhi)能技术正推(tui)动可控核聚变技术研发(fa)加速(su)。例如，2024年普林斯(si)顿团队通过训练神(shen)经网(wang)络，提前300毫秒预测了核聚变中的(de)等离子不稳定(ding)态。

五、展望与建议

作为一项潜在的(de)通用(yong)目的(de)技术，人工智(zhi)能是未来一国(guo)竞争力和国(guo)际话语权的(de)重要组(zu)成部分，主要国(guo)家不仅在人工智(zhi)能各技术领域布局，也注(zhu)重地理意义上的(de)布局。虽然人工智(zhi)能的(de)研发(fa)活动地较为集中，但(dan)由于需要保(bao)持足(zu)够(gou)的(de)响应速(su)度，其关(guan)键基础设施和应用(yong)场景要具备一定(ding)的(de)地理临近(jin)性。为了扩展全(quan)球业务版(ban)图，人工智(zhi)能企业竞相在全(quan)球各地区建立算力中心。因此，人工智(zhi)能算力中心在全(quan)球都有分布，需要各国(guo)的(de)能源、土(tu)地和水等资源提供(gong)物质支撑。据SemiAnalysis报告，截至(zhi)2023年初，85%的(de)全(quan)球自建超(chao)大规模(mo)数据中心容量属于谷歌、微软、亚马逊、Meta、苹果(guo)等五家美国(guo)科技企业。

图2 科技企业自建数据中心以电力估算的(de)算力容量

数据来源：SemiAnalysi

人工智(zhi)能数据中心的(de)布局正在向发(fa)展中国(guo)家拓展。人工智(zhi)能数据中心选(xuan)址的(de)主要条件有三方面：稳定(ding)的(de)能源供(gong)给、适宜的(de)气候和高(gao)效的(de)网(wang)络连接。发(fa)达国(guo)家建设数据中心的(de)机会成本高(gao)，在环(huan)境审批(pi)和数据保(bao)护法律方面更加严格。如瑞典2023年取消了一项2017年制定(ding)的(de)数据中心税收(shou)优惠(hui)政策，旨在将电力能源留给其他(ta)领域；冰岛(dao)2024年减(jian)少比特币和数据中心产业的(de)能源支出(chu)，将多余廉价(jia)电力用(yong)于农业，以保(bao)障本国(guo)粮食安全(quan)。相对而(er)言(yan)，发(fa)展中国(guo)家的(de)数字产业及人工智(zhi)能发(fa)展政策更为积极。例如，2023年由于乌(wu)拉圭遭受严重干旱，谷歌在乌(wu)拉圭新建人工智(zhi)能数据中心的(de)计划受到(dao)争夺饮用(yong)供(gong)水的(de)质疑，但(dan)最终仍获得批(pi)准。根(gen)据IEA2024年发(fa)布的(de)电力分析与预测报告，目前全(quan)球有超(chao)过8000个数据中心，其中约33%位于美国(guo)，16%位于欧(ou)洲，超(chao)半数分布在亚洲、拉美和非洲等地区。

各国(guo)在为人工智(zhi)能提供(gong)电力支持时各具优劣势。美国(guo)电价(jia)相对较低，平(ping)均工业电价(jia)为0.083美元/千瓦时。但(dan)在多年去工业化政策下，美国(guo)电网(wang)跨地区调配的(de)能力不足(zu)。欧(ou)洲和日本虽然在人工智(zhi)能上具有技术优势，但(dan)其能源成本较高(gao)，天然气占西欧(ou)和日本发(fa)电结构的(de)35%-45%且进口依赖较高(gao)，核电及煤电供(gong)应因安全(quan)及环(huan)保(bao)原因下降压力较大。中东地区电价(jia)低，太阳能资源丰富，阿联酋等国(guo)在推(tui)动100%绿电驱动的(de)低碳数据中心建设，但(dan)目前还缺少本土(tu)人工智(zhi)能企业。中国(guo)是新能源优势国(guo)家，能源成本较低，工业用(yong)电在全(quan)球有价(jia)格优势，且相对自给自足(zu)，但(dan)煤电比重仍有下调空间。

全(quan)球人工智(zhi)能合作需与能源战略合作并轨。人工智(zhi)能发(fa)展与能源转型是大势所趋，世界各主要国(guo)家应携手开展全(quan)球人工智(zhi)能治理与能源转型合作。据IEA估计，到(dao)2040年前，全(quan)球需要新增或整修超(chao)过8000万公里的(de)电网(wang)线路，以支持风能和太阳能光伏发(fa)电的(de)增长。在这一过程中，各主要国(guo)家应共同(tong)建立更加高(gao)效的(de)全(quan)球电力设备供(gong)应链(lian)，降低新能源设备的(de)贸易(yi)壁垒，探索制定(ding)内部化负外部性的(de)全(quan)球人工智(zhi)能用(yong)电价(jia)格标准，联合利用(yong)人工智(zhi)能技术推(tui)动能源领域技术创新。惟(wei)其如此，人工智(zhi)能发(fa)展才(cai)能建立在更可持续的(de)能源基座之上，能源转型才(cai)能搭上人工智(zhi)能的(de)翅膀(bang)而(er)加快发(fa)展。

充分利用(yong)能源优势提高(gao)我国(guo)在全(quan)球人工智(zhi)能领域的(de)竞争力。我国(guo)处于全(quan)球人工智(zhi)能领域中较为靠前的(de)位置，但(dan)也面临一些关(guan)键技术的(de)制约。稳定(ding)、绿色和灵(ling)活的(de)大规模(mo)电力供(gong)应是我国(guo)在人工智(zhi)能领域重要的(de)比较优势，要将该优势融入到(dao)人工智(zhi)能发(fa)展中。

一是要围绕“算力+能源”开展统筹规划，推(tui)动算力网(wang)、通信网(wang)、电网(wang)等多网(wang)协同(tong)发(fa)展，实现(xian)智(zhi)能算力与绿色能源的(de)优势叠加效应。

二是构建人工智(zhi)能算力“西训（练）东推(tui)（理）”的(de)布局，充分化解算力资源与能源供(gong)需矛盾，提高(gao)对西部光伏、风电等新能源的(de)使用(yong)效能。

三是推(tui)动人工智(zhi)能在能源转型创新上的(de)应用(yong)，提高(gao)电力系统互补互济和智(zhi)能调节能力，加强源网(wang)荷储衔接，提升新能源消纳和存储能力，提升能源系统安全(quan)保(bao)障能力。

四是支持“一带一路”沿线“电力+算力”产业发(fa)展，形成电力交易(yi)、电力建设、电力设备贸易(yi)等合作模(mo)式，推(tui)动当地新能源电力设施与算力基础设施配套(tao)建设。

（作者(zhe)卓贤系国(guo)务院发(fa)展研究中心发(fa)展战略和区域经济部副部长、研究员，肖娅晨系国(guo)家电网(wang)有限公司大数据中心分析师，范炘宜系北京大学(xue)国(guo)家发(fa)展研究院博士生。本文不代表作者(zhe)所在机构的(de)观点。本文首发(fa)于《财经》杂志2024年第11期。本文原题为“人工智(zhi)能与能源转型”）

版权号:18172771662813     以上就是本篇文章的全部内容了，欢迎阅览 ！
     资讯      企业新闻      行情      企业黄页      同类资讯      首页      网站地图      返回首页 移动站 , 查看更多