据储能界了解到，人工智能大模型技术引领的新兴产业发展正成为全球新一轮科技革命和产业竞争的新高地、新赛道。我国牢牢把握这一战略机遇，推动新一代人工智能模型成为新质生产力的典型代表，实现全产业高质量发展。然而，人工智能模型性能发展所依托的模型参数扩张、训练次数升级以及伴随着的使用频率跃增，已然导致算力需求和能源消费过快增长。在当前严峻的节能形势背景下，人工智能的能耗问题与节能工作之间的潜在矛盾备受关注。鉴于此，本文对人工智能的能耗影响及挑战进行了测算分析，认为人工智能产业能耗的长期影响总体可控，但短期局部影响仍然突出，或与节能工作形成冲突，建议从强化产业发展要素保障、摸排产业发展情况、建立绿色低碳管理机制、深化“东数西算”格局四个方面，推动人工智能产业绿色低碳发展。
一、研究背景
以大模型为代表的人工智能技术和产业已成为当今经济社会发展的重要支撑，发展新一代人工智能大模型是加快形成新质生产力、培育经济发展新动能、赢得全球科技竞争主动权的战略抓手。自2020年起，人工智能由传统的“判别式小模型”转向更为先进的“生成式大模型”，代表性功能也从人脸识别、目标检测、文本分类升级到如今的文本生成、图像生成、语音生成、视频生成等。
人工智能大模型计算系统通常由深度神经网络构建而成，具有万亿量级参数规模和复杂计算结构，能够根据已学习的内容进行基础性地判断以及创造性地生成新内容。其中，语言类和图像类任务大模型应用场景较为广泛，正成为当前人工智能技术研究和应用的热点方向。具体而言，语言类任务大模型主要用于理解和生成自然语言文本，处理诸如文本分类、问答系统、文字生成等文字任务，代表性模型有OpenAI公司发布的ChatGPT、百度公司发布的文心一言等。图像类任务大模型则主要用于处理和理解图像内容，执行诸如图像分类、目标检测、图像生成等视觉任务，代表性模型包括OpenAI公司的DALL-E、智谱人工智能研究院的CogVLM等。
随着人工智能技术的快速发展，其背后的算力支撑和电力供应变得愈发关键。算力，即单位时间内处理数据或信息的能力（FLOPS），主要以计算机设备、数据中心、智算中心等算力基础设施作为运行载体，而电力则为其提供必要的能源支撑，以确保算力的稳定高效运行。由于人工智能技术的快速发展高度依赖于模型参数规模扩大、训练次数升级以及伴随着的使用频率跃增，算力需求和能源消耗呈现快速增长态势，也由此引发了一系列关注。然而已有研究多聚焦于能耗总量分析，鲜有深入探讨其时空分布特点以及结合节能工作形势全面分析能耗挑战。为此，本文以语言类和图像类大模型两类人工智能大模型为代表对人工智能能耗进行了测算，并结合时空分布以及节能工作形势分析了人工智能能耗带来的挑战，最后从要素保障、产业摸底、管理机制、战略格局等维度提出了政策建议，以期为我国人工智能产业绿色低碳发展提供有力支撑。
二、研究方法与数据
本研究基于人工智能领域相关政策文件、研究报告、学术文献等最新信息，构建了以语言类大模型和图像类大模型能耗情况为代表的人工智能大模型能耗计算方法，并对我国人工智能发展的能耗影响进行了测算分析。
（一）大模型总能耗现状测算
当前中国人工智能大模型总能耗主要由语言类大模型总能耗和图像类大模型总能耗构成（受限于数据可得性，以2023年大模型发展情况对其能耗水平现状进行测算），如式1所示：
（二）数据来源
计算过程的参数设置与数据来源如下表所示。在人工智能大模型能耗现状计算方面，主要参数包括每天访问人数、人均问题数、问题平均字数等。其中，每天访问人数、语言类大模型访问量市占率、图像模型与语言模型访问量市占率比例均来自非凡产研[1]的2024年度报告。单字平均GPU响应时间数值来自Pointon（2022）[2]，即0.35秒/字。根据Patterson等人[3]的研究结果，GPU功率为400瓦特。基于Luccioni 在人工智能大模型能耗预测计算方面，主要参数包括算力能耗规模年复合增长率、增长年数等。其中预测增长年数设定为7年。算力能耗规模年复合增长率的高低值数据分别参考金融界于2024年[8]发布的研究报告与国务院新闻办公室在2023年[9]的公开数据。在计算2030年人工智能电耗及能耗占全国比重时，所使用的2030年全国全社会用电量和能耗预测值分别来源于中电联规划发展部（2021）[10]和国家发展改革委\">表1 参数设置及数据来源
三、人工智能的能耗影响
（一）人工智能能耗
测算结果显示，2023年我国以语言类和图像类模型为代表的人工智能大模型能耗分别为73亿和274亿千瓦时。两类模型能耗合计达到347亿千瓦时，折合成标准煤约为426万吨，占全国电力消费的0.30%，占全国能源消费的0.07%。
为进一步分析人工智能的未来能耗影响，以算力能耗复合增长率为关键参数，设定了保守增长和快速增长两种预测情景。结果显示，到2030年人工智能大模型预计将消耗全国1.93%-5.25%的电力，占全国能源消费的0.45%-1.21%。具体来说，在保守增长情景下，预计人工智能算力将消耗约2177亿千瓦时电力，占全国电力消费的1.93%，折合标准煤约为2675万吨，占全国能源消费的0.45%。若按快速增长情景预测，预计电力消耗和能源消费占比将分别升至5.25%和1.21%。需要说明的是，以上结果仅反映了人工智能大模型领域的算力能耗需求。随着人工智能产业的不断发展，未来可能会出现更加复杂多样的人工智能模型和应用场景，这也意味着能耗影响将在一定程度上呈现持续增长趋势。
（二）人工智能能耗影响的时空分布
算力基础设施是支撑人工智能产业发展的重要底座，因而人工智能技术研发与产业发展所需能耗会随着算力基础设施布局和应用而出现鲜明的时空特点。
从时间分布上看，人工智能能耗呈现“夏冬高，春秋低”的季节性波动规律。季节性气温变化是影响算力基础设施能耗的关键因素，例如夏季温度升高导致数据中心需要依赖大量冷却设备和电力来维持设备正常运行的环境温度，大大增加了能源消耗；而冬季严寒气温下，数据中心需要额外的能源来保持适宜的室内温度，以防设备因低温而出现性能下降。
从空间分布上看，我国“东数西算”工程正重塑人工智能能耗的地理布局。整体上，我国正建立京津冀、长三角、粤港澳、成渝、内蒙古、贵州、甘肃、宁夏八大算力枢纽节点，并依托枢纽节点规划张家口集群、芜湖集群、长三角生态绿色一体化发展示范区、韶关集群、天府集群、重庆集群、贵安集群、庆阳集群、和林格尔集群等十大国家数据中心集群。随着算力基础设施枢纽节点和数据中心集群的建设与发展，人工智能的能耗压力将主要转移至这些集中区域。
四、人工智能能耗影响带来的挑战
（一）长期影响总体可控
长期来看，人工智能产业发展对全国总体能耗影响相对有限。具体来说，到2030年，我国人工智能产业电力消费预计达到2177-5928亿千瓦时，折合标准煤约为2675-7283万吨。然而，从能耗占比来看，人工智能产业能耗仅占全国能源消费总量的0.45%-1.21%，远小于当前建筑业、纺织业、化工行业等1行业的能耗占比。从能耗强度来看，当前人工智能产业能耗强度为0.08-0.22吨标准煤/万元，远低于全国平均能耗强度水平。由此，人工智能产业能耗对于全国能源消费总量的长期影响总体可控，对全国能耗强度目标完成情况的影响相对有限。
（二）短期局部影响突出
短期而言，人工智能技术的迅猛发展可能带来显著的季节性、局域性用能压力。一方面，由于季节性气温变化，如夏季高温和冬季严寒，算力基础设施需要额外的能源消费用以保障其稳定运行。在夏冬季能源供需本就偏紧的情况下，算力基础设施用能需求激增可能进一步加剧能源保供压力。另一方面，随着“东数西算”工程一体化算力网的推进，人工智能能耗影响主要集中在京津冀、长三角等东部地区，以及甘肃、内蒙古等西部省份。结合东、西部地区的能源供需差异来看，这种空间分布可能导致能源供应“东部吃紧，西部过剩”的局面发生，不仅影响能源利用效率，也可能成为区域经济协调发展的掣肘因素。
（三）人工智能短期能耗影响或与节能工作形势形成冲突
近年来，我国能源消耗总量持续较快增长，能耗强度降幅收窄，部分地区能耗强度下降不及预期，使得“十四五”后期完成节能目标和“十五五”期间开展节能工作面临一定的难度和挑战。而人工智能在短期引发的季节性、局部性能耗压力可能与当前严峻的节能形势形成冲突。部分地区可能受限于节能指标完成空间，或出于能源保供的考虑，在项目能评、环评阶段加强对数据中心类项目的审批管理，甚至采取限制措施。例如，地方政府在数据中心类项目能评中多以数据中心的电能利用效率（Power Usage Effectiveness，PUE）2为主要监管抓手，并持续收紧相关标准。目前，北京、上海等地对于新建数据中心PUE的审批要求已经提升至1.15-1.3，远远严于欧美国家平均水平（1.4-1.5）。
五、有关意见建议
（一）强化人工智能战略产业发展的要素保障
根据测算结果来看，人工智能对全国能源消费的整体影响有限，但其时空分布相对集中。鉴于当前节能工作形势的严峻性，节能减排指标压力可能对人工智能项目的审批建设周期造成一定影响，增加项目延误延期风险，不利于我国人工智能产业在全球竞争中抢夺发展先机。因此，我国应紧密结合人工智能战略产业发展趋势，进一步加大对其关键要素的保障力度。一方面，深入贯彻国家重大项目能耗单列政策，积极推动人工智能相关项目列入国家重大项目能耗单列范围，为产业发展预留充足的用能空间。另一方面，加强对算力枢纽节点、数据中心集群等人工智能算力集中部署地区的能源供给保障，提升电源匹配和电网支撑能力，推动建立“算电协同”体制机制，确保人工智能产业稳健发展。
（二）摸排人工智能产业情况调研
全面把握人工智能产业现状是优化产业发展指导和加强要素保障的重要前提。因此有必要由国家有关部门牵头，集合相关领域研究机构、行业专家力量，开展针对国内重点地区的人工智能产业调研工作。通过实地走访相关企业和项目，系统摸排人工智能企业运营现状、项目进展情况、技术创新方向等方面情况，并选取具有代表性的企业及项目，进行定期人工智能企业能源消费情况的监测分析，为精准研判产业能源消费形势、科学引导人工智能产业发展提供坚实的数据基础。
（三）探索建立人工智能产业的绿色低碳管理机制
推动人工智能项目能耗指标单列并不意味着“一放了之”，而应在给予充足要素保障的同时，紧抓人工智能产业发展战略窗口期，积极引导其产业向绿色低碳方向转型升级。因此，有必要加快探索建立适用于我国人工智能产业发展的绿色低碳管理机制。首先，广泛调研国内外人工智能产业先进能效水平和绿色低碳管理体制机制，形成可供参考的成功案例经验。其次，采取行业标准、奖励资金、分级评价等管理措施，从人工智能模型优化、芯片效率及算法效率提升、数据中心绿色架构以及绿色能源使用等方面，探索建立覆盖人工智能全生命周期的绿色低碳管理机制。最后，选取具有代表性的地区作为试点，通过地区先行先试积累人工智能产业绿色低碳管理经验，以高标准推动人工智能产业绿色低碳发展。
（四）深化“东数西算”的空间格局
人工智能产业的快速发展意味着需要更强大的计算能力和更高速的存储系统作为支撑。在土地、能源等资源紧张的形势下，东部地区大规模发展数据中心已显困难。因此，有必要进一步深化“东数西算”战略，统筹算力电力协同布局，引导人工智能项目所依托的对延时要求不高的算力基础设施优先布局于西部地区，充分利用西部丰富的算力资源，支撑东部人工智能项目的运算需求，进而强化“数据向西，算力向东”的规模化、集约化发展空间格局，实现资源的高效配置与促进人工智能产业的协调发展。
评论