从美国科技企业密集自建电站 ，到欧盟计划出台数据中心能效方案
，AI背后的“能耗账单”已摆上多国能源与科技政策的讨论桌 。AI能耗问题给全球能源带来怎样的挑战？“绿色算力 ”能否成为解题之道？国际社会如何更好合作应对？围绕这些问题，本报近日邀请专家进行解读
。

AI“吃电量
”有多大？

“电老虎”“能耗巨兽 ”“耗电大户”……这是近来不少中外媒体为AI数据中心冠以的绰号。AI“吃电量
”到底有多大？

一组数据给出答案 。国际能源署（IEA）《能源与人工智能》报告显示 ，数据中心作为AI运行的核心载体
，其电力消耗快速增长
。2024年，全球数据中心用电量达415太瓦时 ，占全球总用电量的1.5%
，与英国全年用电量相当。随着AI训练和推理任务激增，这一数字预计到2030年将达到约945太瓦时 ，接近日本全年用电总量 。

其中
，发达经济体数据中心用电增量正快速攀升
。IEA报告显示，2024年—2030年 ，美国数据中心用电增量将占该国总用电需求增量的近50%；到2030年，美国AI数据处理耗电将超过铝 、钢铁
、水泥及化工等传统高耗能产业用电量总和。同期
，日本数据中心用电增量占其全国电力需求增长总量的比重将超过50%；欧盟数据中心电力消耗预计在2030年达到150太瓦时，较目前规模增长约3倍 。

国家应对气候变化战略研究和国际合作中心战略规划部主任柴麒敏对本报记者表示 ，与传统计算模型相比
，AI大模型参数量达千亿级，计算量呈指数级增长 ，电力消耗巨大
。以美国为例
，过去15年电力消费基本平稳，近3—5年却快速增长 ，很大程度上源于其布局了全球近一半的大型数据中心。AI快速扩张带来的能耗与电力消费激增
，已对全球能源供给构成现实挑战 。

北京大学大数据分析与应用技术国家工程实验室特聘副研究员王娟对本报记者表示，前沿AI模型训练的峰值电力需求每年以2.2—2.9倍的速度膨胀。目前 ，AI能耗对不少国家和地区的能源冲击已经显现
。摩根士丹利预计
，2025年—2028年美国数据中心累计电力缺口将达47吉瓦，这一数字相当于9个迈阿密或15个费城的总用电量。电力供给不足已成为制约AI算力扩张的核心瓶颈 。

高能耗也衍生出碳排放等一系列问题
。IEA预计 ，到2035年，全球数据中心碳排放量将从2024年的1.8亿吨攀升至3亿吨
，虽然排放总量不足能源行业总排放量的1.5%，但数据中心已成为增速最快的排放源之一。

“当前 ，AI能耗问题已迅速升温为全球焦点
，其影响远超技术经济范畴，上升为关乎全球能源格局和全球气候治理的重要议题 。”王娟说
。

是“电老虎 ” ，也是“绿巨人
”

AI能耗巨大
，但并非一道“无解题”。

专家指出，能耗压力正在倒逼全球能源体系加速绿色低碳转型 。绿色算力 ，即数据中心在提供计算服务的全过程中实现低碳、高效 、可持续的发展模式
，正成为化解这一挑战的关键路径，有望推动AI数据中心从“电老虎 ”向低碳智能的“绿巨人
”转变
。

从全球范围看 ，主要经济体已结合各自实际
，探索多元化能源解决方案。王娟介绍，欧盟通过政策引导 ，构建能源感知的数据中心生态系统 。目前，欧洲数据中心90%的用电已来自可再生能源
，70%的运营商已达到至少75%可再生能源或小时级无碳能源标准
。美国在依赖天然气
、核能保障基础负荷的同时，科技巨头正通过长期购电协议大规模采购可再生能源 ，并探索重启传统核电站、投资小型模块化反应堆等为数据中心供电。沙特阿拉伯则依托沙漠光伏和绿氢储能
，计划打造吉瓦级零碳AI工厂，探索全天候清洁供电解决方案 。

“AI的电力需求是一个涉及总量 、稳定性
、时延和地理分布的复杂系统性问题 ，正倒逼全球能源基础设施进行全面升级与战略性调整。IEA在《2025世界能源展望》预测
，未来10年，预计超过85%的新增容量仍将集中在美国、中国和欧盟这三个地区 ，而且超过一半的在建数据中心项目
，都位于或靠近人口超百万的大城市，给局部电网与区域协调均提出了新课题
。面对AI能耗挑战 ，代表算力供给与清洁能源消耗 、高效节能技术深度融合的‘绿色算力’
，已成为国际社会共同关注的解决方案。”王娟说 。

在中国，数据中心正加快绿色化转型步伐 ，积极采用太阳能
、风能、水能等可再生能源，大幅提升绿电使用比例
。从“东数西算 ”到“算电协同
”
，中国正通过构建全国一体化算力网，推动算力负荷与绿色电力在时空上的精准匹配。在“东数西算”枢纽节点 ，中国也已率先实现新建数据中心绿电占比超过80%的目标 。

“算力基础设施具有较强‘锁定效应’——数据中心的IT设备与相关基础设施设计寿命一般为5—10年
，如果在建设初期不设定能效标准和绿电比例，后续能耗和排放将被长期锁定
。正因如此 ，中国在规划阶段就明确电能利用效率（PUE）指标和绿电使用比例要求
，从源头避免走‘先建设 、后治理’的老路。 ”柴麒敏说 。

柴麒敏指出，当前 ，AI与新能源正呈现出相互促进、协同发展的关系
。一方面
，新能源能为AI发展提供绿色
、可持续的能源保障。另一方面，AI也在深度赋能能源行业转型升级 。

“新能源发电有间歇性和不稳定性的特点 ，风电、光伏受天气影响较大
，需要依靠海量算力进行精准预测
。未来，随着沙漠 、戈壁
、荒漠和海上大型基地、分布式新能源等设施大规模接入 ，跨时空 、多维度耦合的电力电量平衡将变得更加复杂，亟需AI和物联网技术进行深度优化调度。此外
，AI还有望助力可控核聚变等前沿能源技术研发，通过更高精度模拟 ，大幅提升研发效率 。从太空光伏到太空核电站等零碳能源创新方向
，可以更好服务AI算力空间布局，也同样离不开AI技术的支撑。
”柴麒敏说 ，“两者相互交织
，共同编织起一张庞大的未来科技产业图景，为经济社会发展注入新的动能
。”

富有挑战 ，蕴含机遇

国际能源署署长法提赫·比罗尔表示
，AI崛起让能源行业站在技术革命的前沿，其带来的不仅是挑战 ，更蕴含机遇。当前
，如何平衡AI创新与能源可持续发展，推动两大产业深度融合与协同 ，是各国需要共同面对与破解的重要课题 。

王娟认为，鉴于AI引发的能源挑战具有全局性
，国际社会在绿色算力领域存在多方面合作空间
。例如，在前沿技术研发领域 ，各方可在太空数据中心等最前沿领域
，通过共享大型科学装置与实验数据，联合开展可行性研究与早期技术验证 ，分摊高昂的研发成本与风险。同时
，在标准制定与互认领域，各方可加强在国际电工委员会
、国际标准化组织等框架下的沟通协作 ，推动绿色算力相关标准的比对、互认与转化
，建立全球公认的衡量尺度和接口规范 。此外，在算力—电力协同调度领域 ，各国可在机制层面推动能源与数字经济主管部门建立常态化协调机制
，在技术层面开发统一数据接口和协同优化算法，实现算力负载与绿电供应的实时联动
。

柴麒敏表示 ，随着AI等新兴产业大规模转向新能源，以油气为基础的全球能源格局或将逐步改变
，带来全球能源中心的迁徙，并由此引发政治安全 、产业发展
、投资流向等格局的深刻变化。这一转型进程为国际社会提供了共同探索新范式的历史机遇 。

“在这一进程中 ，中国凭借新能源领域的快速发展
，已形成从装备制造到技术创新的完整体系，在能源底层领域积累了体系性优势 ，可为全球贡献宝贵经验
。 ”柴麒敏说
，一是技术经济协同层面，中国的AI与新能源结合的发展模式兼具创新性与工程可行性 ，且成本优势明显
，能够统筹发展与转型的关系，既推动增长又控制代价 ，形成正向溢出效应。二是基础设施建设层面
，“东数西算”等实践展示了如何通过空间优化布局，实现算力与绿电的协同发展 ，为全球算力资源与能源资源的跨区域配置提供了可借鉴样本 。三是前沿领域研发开拓层面，在太空能源、可控核聚变等需要全球科学界共同投入的领域
，中国可发挥更大作用，与国际社会携手突破人类能源与算力的边界
。

“从长远看 ，数字化与绿色化这两大全球性创新进程正在交织融合
，为各国经济社会发展带来新的可能性。面对AI能耗带来的共同挑战，国际社会有望通过携手合作 ，在平衡中寻求突破
，在挑战中把握机遇，共同开辟绿色算力的未来之路 。
”柴麒敏说。（本报记者 林子涵）

《人民日报海外版》（2026年02月26日 第 06 版）