人工智能（AI）的飞速增长正为全球能源系统带来全新挑战。与传统计算设施相比，AI数据中心对电力的需求量大幅增加。这种需求的激增正使电网承压，并引发了人们对气候目标能否如期实现的担忧。
　　
　　大型AI数据中心通常需要100至300兆瓦（MW）的持续功率。相比之下，传统数据中心的需求仅为10至50兆瓦左右。根据规模和工作负载的不同，AI设施的能源密集度最高可达传统设施的10倍。
　　
　　AI数据中心驱动电力需求剧增
　　
　　这种增长势头极其迅猛。据国际能源署（IEA）估算，2024年全球数据中心用电量约为415亿千瓦时（TWh）。到2026年，这一数字可能攀升至1000亿千瓦时以上，主要由机器学习、云计算和生成式模型等AI应用驱动。
　　
　　AI数据中心能源困局：电力需求冲击减排目标，项目延期预示市场转向
　　
　　届时，全球数据中心的总耗电量将等同于像日本这样的中大型国家的全国用电量。
　　
　　在美国，这种影响也在持续扩大。根据公用事业公司的预测和电网运营商的估算，到2030年，数据中心可能占到总电力需求的6%至8%。随着各大公司持续扩大基础设施规模以支持新应用，AI预计将成为这一增长的主要推手。
　　
　　训练大型AI模型的能效消耗尤其惊人。据估算，训练一个先进模型可能消耗数百万度电（kWh）。例如，训练GPT-3大约需要128.7万度电，谷歌的PaLM约为340万度电。分析测算表明，训练像GPT-4这样更新的模型可能需要5000万至1亿度以上的电力。
　　
　　这相当于数百个家庭一整年的用电量。如果加上模型运行阶段（即推理阶段）的持续功耗，总能源消耗将进一步飙升。
　　
　　AI数据中心能源困局：电力需求冲击减排目标，项目延期预示市场转向
　　
　　这种快速增长正导致电力需求与可用供应之间出现缺口。同时也引发了关于科技行业如何在保持扩张的同时，与全球气候目标保持一致的质疑。
　　
　　电网瓶颈：为何数据中心需等待数年才能获电
　　
　　AI对电力的需求增长速度已超过了电网基础设施的承载能力。核心地区的公用事业公司正面临来自科技公司建设新数据中心的激增式“并网请求”。
　　
　　这导致多个重大项目出现延期。在许多情况下，开发商必须等待数年才能获得运营所需的充足电力。在电网容量已趋于饱和的成熟技术中心，这种延迟正变得愈发普遍。
　　
　　主要制约因素包括：
　　
　　·高需求地区的输电容量有限；
　　
　　·电网升级缓慢及审批周期过长；
　　
　　·现有的监管体系并非为AI级别的需求规模而设计。
　　
　　电网稳定性是另一个隐忧。AI数据中心需要恒定且不间断的电力供应，即便极短的电力中断也会影响性能和可靠性。这加大了公用事业公司平衡供需的难度，尤其是在用电高峰期。
　　
　　在某些地区，公用事业公司难以应对这种高集中、大容量的新增负载。一个大型数据中心的用电量相当于一座小城市。当多个项目聚集在同一区域时，对当地基础设施的压力会成倍增加。
　　
　　因此，部分公司正重新审视其扩张策略。项目可能会被推迟、缩减规模，或搬迁至能源获取更便捷的新地点。这些转变至少在短期内可能会放缓AI的部署步伐。
　　
　　可再生能源增长遭遇现实考验
　　
　　科技公司已对清洁能源做出了坚定承诺。许多公司的目标是实现100%可再生电力运营，这是其更广泛的环环境、社会和公司治理（ESG）目标的一部分。
　　
　　例如，微软（Microsoft）计划到2030年实现负碳排放（即清除的碳量超过排放量）；谷歌（Google）目标是到2030年实现“全天候（24/7）无碳能源”，这超越了年度抵消模式，旨在确保每时每刻使用的都是清洁电力；亚马逊（Amazon）则通过《气候宣言》承诺到2040年实现净零碳排放。
　　
　　尽管有了这些目标，AI数据中心仍面临严峻挑战。它们需要全天候的可靠电力，而风能和太阳能等可再生能源具有间歇性，输出量随天气条件和时间而波动。
　　
　　为了维持稳定运营，许多设施依赖混合能源。这通常包括电网电力，而电网中可能仍包含化石燃料发电。在某些情况下，天然气备用系统的使用频率超出了预期。
　　
　　电池储能有助于平衡供需。然而，长时储能技术目前依然昂贵，尚未在大型AI设施所需规模上广泛部署。这构成了技术和财务上的双重障碍。
　　
　　因此，企业清洁能源目标与现实用电情况之间的差距正在扩大。缩小这一差距需要更快地部署可再生能源、改进储能方案以及建设更具弹性的电网系统。
　　
　　科技企业利用碳信用额填补排放缺口
　　
　　AI增长与清洁能源供应之间的错位也影响了碳市场。许多科技公司正在增加碳信用额（CarbonCredits）的使用，以抵消数据中心运营产生的排放。
　　
　　根据世界银行《2025年碳定价现状与趋势》报告，碳定价目前已覆盖全球超过28%的排放量。但碳价差异巨大——从某些体系下的不足10美元/吨到严格市场的100美元/吨以上。这种差距正促使企业转向自愿碳市场。
　　
　　AI数据中心能源困局：电力需求冲击减排目标，项目延期预示市场转向
　　
　　《生态系统市场（EcosystemMarketplace）》报告显示，高品质碳信用需求正在增长，尤其是碳移除（CarbonRemoval）类而非碳规避类信用额。但供应依然有限。
　　
　　工程化碳移除的成本极高。IEA估算，目前直接空气捕集（DAC）的成本约为每吨二氧化碳600至1,000美元以上。未来虽然可能降至100-300美元，但目前的供应量微乎其微。
　　
　　企业正专注于以下类型的碳信用：
　　
　　·能够提供经核实的减排量；
　　
　　·支持长效碳移除；
　　
　　·符合ESG和净零排放承诺。
　　
　　与此同时，许多公司在能源开发中扮演着更积极的角色。他们不再仅仅依赖碳抵消，而是直接投资可再生能源项目，包括资助新建光伏和风力发电场，以及签署长期购电协议（PPA）。
　　
　　这些投资有助于锁定专属的清洁能源供应，同时也降低了在碳市场中的长期风险（碳市场易受价格波动和标准变更的影响）。
　　
　　企业调整能源战略：AI能源新战术
　　
　　AI公司正在改变数据中心的设计和运营方式，以应对不断增长的能源需求。以下是核心策略：
　　
　　·提升能效：通过新硬件和冷却系统降低数据中心功耗。
　　
　　·更高效的AI芯片：采用专用处理器带来性能增益。
　　
　　·先进冷却技术：减少能源浪费，可使单个工作负载的总功耗降低20%至40%。
　　
　　·优化选址策略：将设施建在可再生能源获取能力更强的地区。
　　
　　·分布式基础设施：跨多个地点部署小型数据中心，以平衡需求并增强韧性。
　　
　　·扩大长期可再生能源合同：确保以稳定的价格获得电力。
　　
　　能源与气候目标的转折点
　　
　　AI的崛起为全球能源转型带来了风险与机遇。短期内，如果利用化石燃料来填补电力缺口，需求激增可能导致排放量上升。
　　
　　与此同时，AI也在驱动清洁能源和基础设施领域的大规模投资。长期结果将取决于清洁能源系统的扩张速度能否跟上。
　　
　　如果可再生能源供应、储能和电网容量能与AI增长保持同步，科技行业可能会加速向低碳经济转型。然而，如果进度过慢，AI可能会成为主要的新排放源。
　　
　　无论如何，AI现已成为塑造全球能源需求、基础设施投资以及碳市场未来的核心驱动力。
　　
　　编辑：Harris