人工智能在提升企业能效和优化资源利用方面潜力巨大，在某些情况下还可帮助改善气候风险管理。然而，要抵消人工智能本身带来的温室气体排放，这些应用需要从个例发展为碳密集型行业的普遍实践。

预计到2029年，人工智能相关数据中心的全球电力需求将增长1倍。尽管主要数据中心运营商已大量采用可再生能源供电，但考虑到持续供电的需求，加之人工智能的应用导致用电量攀升，完全淘汰化石燃料发电仍面临挑战。数据中心对化石燃料发电的持续依赖，将为科技行业和电力企业实现净零目标带来更大挑战。

随着人工智能（AI）在经济领域的渗透日益加深，商界正在权衡其对气候变化和能源转型的利弊。

人工智能技术耗电量巨大，且电力需求无法完全依靠零碳能源满足，但它在提升经济整体能效方面却展现出巨大潜力。

标普全球数据显示，主要数据处理公司的外购电力排放量急剧上升，为其实现净零目标带来了更多挑战。虽然数据中心运营商已通过协议确保未来多年的可再生能源供应，但鉴于其对稳定可靠电力的刚性需求，天然气仍将是不可或缺的能源来源。

与此同时，人工智能的早期应用已展现出显著的效率提升潜力。这种提升不仅体现在数据中心内部，也可能延伸至那些需要加速脱碳以实现全球温控目标的高排放行业。在未来数年，人工智能应用的核心挑战在于：如何确保其在气候风险评估、情景分析和减排等方面创造足够的气候效益，以抵消其自身不断增长的碳排放，最终实现净正向贡献。

人工智能对电力需求巨大

数据中心是数字经济的基石，生成式人工智能（GenAI）为数据中心带来了新的革命性应用。数据中心运营商不仅要为支撑人工智能和云技术的数千台处理器供电，同时还需要运行工业级空调和其他制冷系统。据麦肯锡的数据，制冷用能约占数据中心能耗的40%。虽然在天气凉爽、平均气温较低的地区建设数据中心有助于降低制冷需求，但这只是数据中心所有者在开发过程中要考虑的若干因素之一。

人工智能作为数据中心的主要运算任务，是能源需求的主要驱动力。

人工智能运算任务的耗能密集。据能源研究机构EPRI 2024年发布的白皮书，一次ChatGPT查询消耗电力2.9瓦时，大约是传统谷歌搜索的10倍。网络流量分析公司SimilarWeb的数据显示，2024年5月，ChatGPT的日访问量超过1亿。据Statista统计，截至2023年12月，谷歌每分钟处理630万次搜索请求。而随着谷歌在搜索功能中添加了生成式人工智能，其能耗也随之攀升。

标普全球旗下451 Research的预测显示， 2020年到2024年间，超大规模运营商和租赁型数据中心的电力需求增长了1倍。451 Research的数据还表明，随着人工智能计算业务的扩张，这一需求在2029年前将以更快的速度增长。由于云计算和人工智能计算领域的众多主要企业都扎根在北美和亚太地区，预计这两个地区将继续引领未来增长。451 Research预计，2024年至2029年间，全球人工智能相关数据中心的净新增电力需求将达到7160亿千瓦时。

人工智能对气候的影响具有两面性

近年来，数据中心运营商和租用数据中心公司的温室气体排放持续攀升。根据标普全球Trucost的数据，2021年至2023年间，数据处理企业的范围2（所使用能源产生的间接温室气体排放）排放量增长了48%——这类间接排放主要源自外购电力。相比之下，企业自身运营和设施直接产生的范围1（直接温室气体排放）的排放量则相对稳定。

展望未来，标普全球评级的最新研究预测，到2030年，美国数据中心的二氧化碳排放量可能会新增4000万—6700万吨，约为当前排放量的2倍，相当于2023年美国电力行业碳排放总量的4%。

能源结构的差异可能导致不同国家的这一数据存在明显不同。以中国为例，作为在数据中心发展方面仅次于美国的全球第二大国，国际能源署的数据显示，其国内能源生产仍有71%依赖煤炭。预计到2029年，亚太地区数据中心的电力需求将增加超过1倍，这些新增电力的碳排放强度很可能超过美国。

如果以美国数据中心碳排放增长的最高预测值为参考，其他行业通过人工智能实现的效率提升需要减少6700万吨的排放量，才能抵消美国人工智能领域的碳排放增长。根据美国能源信息署的数据，这一数字相当于2023年美国工业部门二氧化碳排放总量的7%左右。

对人工智能保持乐观态度的群体认为，工业效率提升将是该技术最具潜力的应用领域之一。在能源密集型工业和制造环节优化用电效率，有望帮助相关行业降低碳排放。《环境化学快报》2023年发表的一项研究表明，采用人工智能优化工厂流程的智能制造方案，可使能耗、废弃物和碳排放较传统工艺减少30%—50%。

人工智能还在“数字孪生分析”技术中发挥着重要作用。这项技术通过将建筑物等实体设施的大量实时能耗和资源使用数据映射到其虚拟复制体上进行分析。人工智能模型可以基于这些数据制定更准确、更有效的减排方案，或生成排放报告，从而简化气候报告框架的数据采集流程。世界经济论坛的研究显示，宜家运用数字孪生技术来分析门店空调系统，成功将暖通空调能耗降低了30%。

提升能效是人工智能缓解数据中心气候影响的关键路径之一。2016年，谷歌通过在数据中心部署机器学习技术，使制冷能耗下降了40%。据行业媒体Intelligent CIO报道，另一家主要数据中心运营商、中国电信巨头华为在2020年表示，其基于机器学习开发的数据中心热管理系统，预计每年可为单个数据中心节省用电600万千瓦时。

尽管这些案例令人鼓舞，市场对该技术的持续推广也保持乐观，但人工智能在企业可持续发展领域的应用仍未普及。标普全球企业可持续发展评估（CSA）在2024年度评估中新增了一个自评估选项：企业是否使用人工智能提升环境、社会和治理绩效的情况。

在接受评估的6351家公司中，约有4%对这个问题作出了回应。在这些人工智能的早期使用者中，38%表示正在使用人工智能降低能源消耗，25%表示利用其改善气候适应表现，24%表示用于开发可持续产品和服务。此外，其中13%的公司正在使用人工智能改善水资源管理，8%的公司则在利用人工智能提升其生物多样性的管理。

人工智能数据中心绿色转型依赖低碳能源发电

得益于人工智能技术在数据中心效率优化方面的应用，业界认为人工智能模型能效将显著提升。标普全球评级的数据显示，衡量能源效率的数据中心的电能使用效率（PUE）指标在过去15年间获得显著改善，但2018年以来提升速度趋缓。其中，超大规模运营商和以云计算为导向的数据中心已跻身能效最优行列。

除提升能效外，众多科技公司正在为其数据中心寻求替代能源，比如风能、太阳能等可再生能源以及核能等其他低碳能源。2024年CSA调研数据显示，数据中心使用的能源约62%来自可再生能源，这一数字在过去4年内急剧上升。

运营商正在竞相确保今后的清洁能源供应。据标普全球大宗商品洞察的数据，科技公司与电力公司签订的购电协议显示，到2030年将新增约4700万千瓦的零碳发电容量。然而，这些协议仅能满足支撑人工智能运算的数据中心的部分能源需求。到2029年，仅在北美地区，超大规模运营商自建和租赁的数据中心的总用电需求就可能高达5280亿千瓦时。尽管北美电力企业正在逐步减少化石燃料使用，转向可再生能源，但标普全球评级最新的研究显示，到2030年，美国数据中心不断增长的需求将额外消耗数十亿立方英尺的天然气。因为数据中心需要持续稳定的电力供应，而风能和太阳能等可再生能源的发电量会随着风速和云层覆盖等天气因素而波动。可再生能源发电的波动性与数据中心持续稳定的用电需求之间的矛盾，让零碳数据中心的目标难以实现。

核电或许能解决电力供需时间不匹配的难题。2024年9月，微软与宾夕法尼亚州电力公司Constellation达成协议，购买三哩岛核电站某重启反应堆所产生的电力。双方表示，该反应堆将为电网新增约83.5万千瓦的发电容量。2024年3月，亚马逊旗下云计算服务部门Amazon Web Services收购了一座直接由邻近核电站供电的96万千瓦数据中心。尽管现有核电设施可以为运营商提供不受天气影响的清洁能源，但据美国能源信息署统计，在美国新建大型核电站从规划、审批到建设需要耗时多年。仅审批就长达5年，建设则需要5年或更久。新一代小型模块化反应堆（SMR）或可提供另一种解决方案，这种反应堆体积更小、灵活性更高、部署更便捷。SMR单机容量通常约为30万千瓦，适合独立数据中心的用电需求。不过，SMR短期内难以实现商业化。在美国，第一座获得美国核管理委员会设计认证的SMR预计要到2030年才会全面投入运营。

科技公司和电力企业解决脱碳难题仍面临挑战

为支撑数字经济（包括人工智能运算任务）而不断增长的能源需求，可能会使科技公司和电力企业难以跟上《巴黎协定》要求的脱碳规模和速度。根据联合国环境规划署《2024年排放差距报告》，要实现《巴黎协定》将本世纪末全球升温控制在远低于2摄氏度的目标，全球温室气体排放量需要在2030年前减少42%。这些减排目标是通向2050年净零排放的重要里程碑。

对大多数美国大型企业而言，实现净零排放的承诺并非常态。虽然包括微软、Alphabet和Meta等人工智能领军企业在内的许多科技巨头已作出承诺，但在经营或使用数据中心的科技行业中，净零承诺仍然罕见。2023年CSA的数据显示，仅有15%的软件公司和9%的互动媒体、服务和家庭娱乐行业企业作出了净零承诺。

电力企业作出净零承诺的比例较高，但要在满足各行业不断增长的用电需求的同时实现净零目标仍是一项重大挑战。CSA数据还显示，虽然45%的受评估电力企业已作出净零承诺，但在这些企业中，只有14%制定了具体的长期减排目标。这表明，许多电力企业可能只是作出了净零承诺，却没有制定切实可行的减排路线图。这一差距也表明，部分作出净零承诺的电力企业可能更倾向于通过碳捕获或购买碳信用来抵消温室气体排放，而非从源头减少碳排放。

人工智能的运算需求可能会增加温室气体排放，但它也能为实现多项可持续发展目标作出积极贡献。各行业正借助人工智能提升能源和资源使用效率，完善包括气候在内的风险管理流程，并助力可持续发展数据的收集和报告工作。人工智能在提升高碳排放行业效率方面展现出巨大潜力，有望最终帮助这些行业降低排放。

然而，依靠人工智能解决脱碳难题的企业需要警惕效率提升可能带来的“反弹效应”，即技术效率的提高反而可能增加能源消耗。这种效应可以追溯到19世纪工业革命时期，当时经济学家William Stanley Jevons发现，技术进步虽然提高了煤炭的使用效率，但煤炭消耗却反而增加了。要确保人工智能成为真正有益于气候的解决方案，克制这种能耗增加很重要。（Thomas Yagel，James Salo，Dan Thompson对本文亦有贡献）