本文来源于“海洋与湿地”（OceanWetlands）
近日，国际能源署发布了其《能源与人工智能》特别报告。随着人工智能（AI）的发展和普及速度加快，引发了人们对于该技术的广泛应用所消耗巨量能源的担忧。没有能源，特别是数据中心的电力，就无从运行人工智能。与此同时，如果大规模采用人工智能，它可以改变能源行业的运作方式。然而，到目前为止，由于缺乏全面的数据，政策制定者和其他利益相关放往往缺乏分析这一问题的工具。国际能源署（IEA）的这份报告旨在根据新的全球和区域建模和数据集，以及与政府和监管机构、科技部门、能源行业和国际专家的广泛协商，填补这一空白。它包括对未来十年人工智能可能消耗多少电力的预测，以及哪些能源将有助于满足这一需求。它还分析了人工智能的采用对能源安全、排放、创新和可负担性的意义。现将该报告内容简要分享如下，供感兴趣的读者参考。
报告封面图 图源：国际能源署
人工智能的变革潜力取决于能源
人工智能是一门使机器能够学习执行传统上需要人类智能的任务的科学。在计算成本下降、数据可用性激增和技术突破的推动下，人工智能（AI）的能力发生了重大变化。人工智能正在成为一种通用技术，就像电力一样。如今，它可以生成文本和视频，加速医学或材料科学等领域的科学发现，使制造的机器人更智能、更高效，在复杂的城市景观中驾驶商用出租车，并检测关键基础设施的潜在风险。
在过去的几年里，人工智能已经从一个学术追求发展成为一个拥有数万亿美元市值和风险投资的行业。自2022年以来，标普500指数中与人工智能相关的公司的市值增长了约12万亿美元。尽管其应用和影响存在一些不确定性，但人工智能的快速发展和巨大潜力使其成为企业战略、经济政策和地缘政治的核心。
然而，没有能量就没有人工智能；与此同时，人工智能具有改变能源行业的潜力。成本可控、可靠和可持续的电力供应将是人工智能发展的关键决定因素，能够快速、大规模地提供所需能源的国家将最有可能从中受益。人工智能模型的训练和部署发生在消耗巨量电力的大型数据中心。一个典型的以人工智能为重点的数据中心消耗的电力强度相当于10万户家庭，但目前正在建设的最大数据中心的电力消耗将是其20倍。
自2022年以来，全球对数据中心的投资几乎翻了一番，2024年达到了5万亿美元。这种投资热潮导致人们对电力需求飙升的担忧日益加剧。自2017年以来，全球数据中心用电量每年增长约12%。2024年，数据中心约占世界用电量的1.5%，即415太瓦时（TWh）。根据报告预计，到2030年，数据中心的电力需求将增加一倍以上，达到945 TWh左右。这将略高于日本目前的总用电量。人工智能是这一增长的最重要驱动力，同时对其他数字服务的需求也在不断增长。到2035年，全球数据中心的用电量将上升到1200 TWh左右。
数据中心 | 图源：AI
人工智能可以为能源行业带来重大的效率和运营收益
能源公司已经在部署人工智能来改造和优化能源和矿产供应、发电和输电以及能源消耗，AI在降低成本、增加供应、延长资产寿命、减少停机时间和降低排放等发面发挥着越来越重要的作用。
石油和天然气行业是最早采用人工智能的行业之一，利用该技术来优化勘探、生产、维护和安全。在勘探开发中，人工智能可以使资源评估更加可靠，减少钻探前的不确定性。在运营中，它被用于优化和自动化生产过程，检测泄漏，预测维护需求，并支持减少甲烷排放的努力。
人工智能可以帮助平衡日益复杂、分散和数字化的电网，改善可再生能源发电的预测和整合，减少削减和排放。基于人工智能的故障检测可以帮助快速识别和精确定位电网故障，将平均停电时间缩短30-50%。远程传感器和基于人工智能的管理可以提高输电线路的容量。如果应用这些工具，在不修建任何新线路的情况下，可以解锁高达175吉瓦（GW）的输电容量。
未来的行业将越来越数字化和自动化；率先将人工智能融入制造业的国家和公司将领先一步。人工智能应用可以加速产品开发，降低成本，提高质量。广泛采用现有的人工智能应用程序来优化工业流程，可以节省相当于墨西哥目前总能耗的能源。欧洲公司在工业自动化解决方案方面拥有超过一半的市场份额，这是工业人工智能部署的关键推动因素。
人工智能在交通领域的应用可以提高效率并节省成本，但也可能增加对个人出行的需求。人工智能应用程序正被用于交通管理、优化路线、预测维护需求和开发自动驾驶汽车。人工智能应用在整个交通领域的广泛采用可以节省相当于1.2亿辆汽车使用的能源。当然，虽然自动驾驶汽车比传统汽车运行效率更高，但随着成本下降和可用性增加，它们也可能导致人们不再使用公共交通，从而产生反弹效应。
在建筑领域中，人工智能同样具有巨大的潜力，可以使供暖和制冷系统更高效，建筑物的用电更灵活。实现这一潜力的障碍包括建筑物所有权分散、缺乏数字化和激励措施不足。如果扩大应用规模，现有的人工智能主导的干预措施可能会帮助全球节省约300 TWh的电力，相当于澳大利亚和新西兰目前的年发电量之和。
加速创新可能是人工智能对能源行业最重要的长期影响之一
人工智能正在成为推动科学发现的强大工具，帮助研究人员更快地发现、测试和商业化创新。例如，在生物医学领域，人工智能使蛋白质结构的绘制速度加快了45000倍，这对设计新药至关重要。新能源技术的创新交付周期通常长达数十年。缩短这一时期将是实现可持续性和竞争力等能源部门目标的关键。然而，当前能源初创企业筹集的股权中，只有2%流向了具有人工智能相关价值主张的公司。
能源创新的诸多挑战恰恰是人工智能擅长解决的问题。例如，目前人类只通过实验生产出来0.01%的下一代太阳能光伏材料，还有大量可能的材料有待探索。人工智能可以让科学家们大大加快寻找和测试有前景的材料、电池化学物质和碳捕获分子的过程。需要制定政策来支持人工智能主导的发明，并加快其商业化。
然而，能源部门在实现人工智能的广泛应用方面也面临着阻碍，包括数字基础设施和技能的缺失或不足，以及持续的信息和物理安全问题，这些问题往往压倒了潜在的效率提升需求。与其他行业相比，能源行业人工智能相关技能的普及率要低得多。
人工智能加剧了一些能源安全风险。随着人工智能能力的增强，它们被各种行为者使用和滥用的现象也在加剧。在过去四年中，对能源公用事业的网络攻击增加了两倍，并且由于人工智能而变得更加复杂。与此同时，人工智能正成为防御这些攻击的关键工具。在物理领域，配备人工智能的卫星和传感器可以通过比传统地面方法快500倍的速度和高空间分辨率检测关键能源基础设施中的事件。随着能源安全性质的演变，国际能源署将继续监测这一关键问题。
（注：本文仅代表资讯，译文仅供参考。详情请参见原文。欢迎留言、讨论。）
编译 | Richard
审核 | Maggie
排版 | 绿叶
【参考资料】
1.https://www.iea.org/reports/energy-and-ai/executive-summary
2.https://www.iea.org/reports/energy-and-ai/understanding-the-energy-ai-nexus#abstract
3.https://iea.blob.core.windows.net/assets/dd7c2387-2f60-4b60-8c5f-6563b6aa1e4c/EnergyandAI.pdf返回搜狐，查看更多
