AI狂飙下的电力挑战

吕歆指出，中国数据中心实现大规模绿电消费正聚焦三大关键：稳定的市场价格与预期、成熟的多年期绿电交易模式和畅通的跨区跨省绿电交易渠道。近年来，得益于政策引导与机制创新，已经取得了积极进展。

针对“以绿电满足AI需求”的观点，德弗里斯认为有其局限：数据中心需全天候24小时稳定供电，而风电、光伏具有间歇性。AI数据中心同样面临备份电力依赖化石能源的问题。

他强调，当前全球尚无足够可再生能源实现100%绿电供应。AI电力需求的激增，在中短期内反而可能增加对化石燃料的依赖。

对此，吕歆认为，在新能源装机总容量较低时，企业通过参与绿电交易等方式，能够从需求侧有效促进新能源供给。伴随着更高比例的新能源接入电网，若缺乏储能等灵活性资源，新能源的消纳和利用可能成为挑战。因此，在现有基础上，持续完善市场的自调节能力、推动储能及需求侧响应等灵活性资源参与，能够助力新能源稳定供应和进一步发展。

而对于“AI可通过优化其他行业节能以抵消自身能耗”的观点，德弗里斯也持怀疑态度。他指出，目前科技公司用电需求因AI能耗大幅上升，但节能效益尚未显现，IEA2024年报告也认为这些效益目前“可忽略不计”。

德弗里斯提到“回弹效应”：即能效提升可能激发更大需求，导致总能耗不降反升。“AI本身就是典型案例：硬件与算法进步被用于构建更强大模型，推动总能耗上升。”他说。

不过，AI普及速度、能效提升等仍存在不确定性。尽管生成式AI热度高，其商业持续增长前景可能弱于预期，而更优芯片、高效算法和大型数据中心可能提升能效，抑制电力需求。

关于未来AI用电的增长趋势，李鑫迪则认为，尽管AI属于突变型技术，可能呈爆发式增长，但目前尚未有明确预测显示其会在新增电力需求中占主导地位。

总之，国际能源署表示，电力需求增长为“发达经济体”敲响了“警钟”，要求电力行业投资基础设施，否则“满足数据中心负荷增长可能需要与电气化等其他目标进行权衡”。

德弗里斯举了在欧洲发达国家中凸显电力分配机会成本的两个案例：在荷兰某地，当地电网容量饱和时，电力被优先分配给一个数据中心而非大学；在瑞典，政府对当地数据中心的电力补贴多年后取消，转而用于钢铁制造，因为当地政府认为数据中心创造的就业有限。

“当电网容量饱和时，社会将不得不思考电力资源的优先分配问题。”他说。