當前，人工智能（AI）技術正飛速發展，其應用范圍不斷拓展，深刻改變著社會生產生活各個方面。與此同時，全球能源體系也在經歷深刻變革，清潔能源轉型成為時代主題，滿足AI能源需求已進入“如何低碳”“如何兼顧AI發展和應對氣候變化”的新階段。

今年 9 月，國家發改委、國家能源局在《關于推進“人工智能 +”能源高質量發展的實施意見》中明確了“到 2027 年能源與人工智能融合創新體系初步構建”的目標。日前中央經濟工作會議也提出了“深化拓展‘人工智能+’，完善人工智能治理”“制定能源強國建設規劃綱要，加快新型能源體系建設，擴大綠電應用”等重要舉措。在此背景下，深入理解二者之間的關聯性、矛盾點以及融合發展的路徑，對于推動新質生產力發展、實現清潔發展目標具有重要意義。

實際上，AI和綠能各有各的“痛點”：一方面，訓練萬億級參數大模型時必然伴隨著巨大的算力需求和能源消耗。以美國某主流大模型為例，每生成一個約1000個tokens的中等長度回答要消耗電力約18.35瓦時，較上一代產品增長了約9倍。當前該系列模型日處理請求達25億次，其日耗電量相當于150萬美國家庭的每日用電需求。隨著技術迭代和應用普及，這一數字勢必會出現進一步的爆發式增長。

另一方面，新能源發電占比持續提升，其隨機性也導致系統波動性愈加明顯，當前傳統的管理和控制方式已難以適應新的發展要求，能源格局正面臨瓶頸。2024年，全國可再生能源發電量在總發電量中的占比為35%，發電量同比增長19%，但這已是在火電機組大量參與調峰、保障可再生能源消納的條件下實現的近乎極限增速。而2025年1—10月全國綠電交易綠證達2.02億個，顯示綠電需求與供給能力的缺口仍待填補。

此外，能源消費結構也沒有充分適應AI發展的需求。傳統上，我國能源消費結構中工業用電占主導地位，居民和商業用電占比相對較小。在電力供應緊張時，可以限制部分工業生產來保障民生用電。但AI普及意味著在數字化、智能化服務領域出現大規模、剛性的電力需求。這類需求具有高密度、高可靠性特點，且數據中心等基礎設施地理分布要與電力資源高度匹配。當AI的需求超出清潔電力供應能力時，極端情況下或需重啟煤電，反而背離了“雙碳”的目標。?

但如果圍繞二者的“痛點”，打造一個互促的循環，AI也可能為清潔能源轉型提供前所未有的機遇和解決方案，加速形成新型能源體系。首先，在發電端，多模態大模型通過融合氣象、遙感、歷史運行等多源異構數據，顯著提升新能源出力預測精度，覆蓋水電、風電、光伏等新能源及火電、核電、煤炭等傳統能源領域，為源端優化提供精準支撐。其次，在電網運行層面，智能巡檢、調度與故障自愈系統大幅提升運維效率與電網韌性，助力“源網荷儲一體化”建設。最后，在需求側，智慧能源管理系統可以實現負荷精細化調控，儲能智能化運營與車網互動技術則可將能源消費轉化為電網靈活資源，重塑能源價值鏈。?

值得注意的是，“完善人工智能治理”是AI與能源融合的前提和保障。當前AI在能源領域應用仍面臨數據基礎薄弱、大模型“黑箱”等問題，尤其在核電站安全決策、電網實時調度等核心場景，對算法可解釋性與可靠性要求極高。為此需構建算電協同機制，夯實能源數據安全基礎，制定技術標準與倫理規范，確保AI賦能過程安全可控。?

當前AI與能源產業的融合發展已從可能性轉變為必要性。這種必要性源于“能源強國建設”的頂層設計，也源于技術發展的內在邏輯。而在更宏觀層面，中美AI競爭發展到最后，是算力、用能與減碳的系統性競賽。憑借中國的強大電力系統與制造能力，深化“人工智能 + 能源”融合，完善治理體系，形成“AI 賦能綠電生產、綠電支撐 AI 發展”的互促循環，打造AI時代的能源強國。

（作者是廈門大學管理學院講席教授、中國能源政策研究院院長）