人工智能：未来能源的关键变量——专访bp集团首席经济学家戴思攀

人工智能，正从算法实验室走向能源中枢；而能源系统，也在AI的镜像中重新定义自身。

 

 

在全球能源体系的演化史上，从未有一种技术能像人工智能（AI）这样，在如此短的时间内同时成为能源需求增长的推手与系统优化的引擎。

 

在2025版《bp世界能源展望》（Energy Outlook 2025）中，人工智能首次被列为影响全球能源未来的“关键变量”。报告指出，由AI驱动的数据中心正成为电力需求增长的主要源头之一。与此同时，AI又被视为提升能源系统效率、降低系统成本的革命性力量。

 

 

bp集团首席经济学家戴思攀（Spencer Dale）在接受《能源》杂志专访时指出，AI正以前所未有的速度重塑全球能源版图。“AI不只是新的用电负荷，更是电力系统未来路径的决定性变量。”戴思攀表示。

 

这一判断的背后，是一场前所未有的系统性变革：AI不仅在拉动电力需求，而且在重构能源供给与效率。它像是一枚硬币的两面——一面带来电力需求压力，另一面却可能打开低碳转型的加速器。

 

《展望》显示，在“当前路径情景”下，到2035年，AI与数据中心将贡献全球新增电力需求的约10%。在美国，这一比例甚至可能高达40%。这意味着，过去几十年发达国家电力需求趋于平稳的格局正被彻底改写。

 

AI对能源系统的总体影响远超“用电”层面。它既可能通过算法优化降低电网运行成本、提升可再生能源接入率，也可能因为训练和推理的能耗激增而抵消部分减碳成果。其最终的方向取决于能源结构、电力市场机制、技术路径乃至政策导向等多重因素。

 

 

 

01

从“外部冲击”到“系统变量”

 

 

《能源》：今年的报告中多次提到“AI将成为电力系统未来路径的决定性变量”。能否具体阐释这一判断？

 

戴思攀：过去我们研究能源系统时，AI只是一个外部的科技因素。但如今，它已深度嵌入能源运行逻辑。AI驱动的数据中心、云计算、自动驾驶、电动化产业链，都需要稳定、密集的电力支持。与此同时，AI又能反向优化能源系统自身的调度、预测与安全管理。因此，我们称之为“系统变量”。因为它不再只是需求侧的扰动，而是结构性力量。

 

《能源》：您提到AI带动的电力需求增长，这种增长的规模有多大？

 

戴思攀：我们的模型预测，到2035年，全球电力需求比2024年增加超过40%，其中大约十分之一来自AI相关负荷。换句话说，AI是推动全球电力需求增长最活跃的新动能之一。而在一些国家，如美国，这一比例可达四成。值得注意的是，数据中心不仅耗电，而且影响负荷结构。它们需要极高的电力可靠性和低波动率，对电网调度、输配电能力、储能配置等提出了全新挑战。

 

不过，对数据中心电力需求的任何预测都存在高度不确定性。一方面，这取决于人工智能的发展及其普及速度；另一方面，更关键的是取决于数据中心的能源效率。而后者近年来大幅提升：2010—2024年间，数字数据流量增长超过25倍，但同期数据中心的能源使用量仅翻了一番。

 

《能源》：AI既带来用电激增，又可能提升系统效率。二者是否会互相抵消？

 

戴思攀：这就是一个AI能源悖论的问题。AI在两个方向上同时施加力量：一方面，它带来额外的电力需求，尤其是在训练与推理阶段；另一方面，它能使能源系统更加高效，通过预测负荷、调度可再生能源、优化储能利用等方式节能减碳。最终的结果取决于哪种力量更强。如果效率提升速度快于用电增长，AI将成为“净减碳因子”；反之，则可能导致“碳排反弹”。

 

当然，我们还需要考虑AI对宏观经济生产率的影响。OECD的研究显示，如果AI推动全球生产率年均提升约1.2%，全球能源需求可能因此增加15%，远高于数据中心带来的直接电力增长。因此，AI的能耗问题不能仅看微观层面，也可能通过经济增长间接放大能源需求。

 

 

 

02

AI驱动能源转型

 

 

《能源》：在这种背景下，AI能否成为可再生能源发展的重要推动力？

 

戴思攀：AI时代对清洁电力的需求增加，将迫使发电结构发生加速性调整。以中国为例，bp的预测显示，到2035年，中国电力需求年均增速超过5%，而新增电力中超过80%将来自风电和光伏。AI负荷的增长，在客观上推动了清洁能源装机的扩张。

 

AI还能显著提高可再生能源的利用率。我们通过机器学习预测风速和光照变化，使发电出力更稳定；AI算法还可优化储能调度，减少弃风弃光。这种“系统智能化”将成为未来电力系统的核心特征。

 

《能源》：当前地缘政治碎片化趋势明显，各国在低碳技术上采取限制措施。AI能否突破这种藩篱？

 

戴思攀：这是AI在能源领域面临的最大外部挑战。它触发了“效率与安全”的矛盾。一方面，AI技术和低碳设备全球化能带来最高效率；另一方面，各国出于安全考量，可能希望在本土掌握关键技术。这种趋势意味着，全球能源系统的运行效率可能下降，但能源安全韧性提高。

 

值得注意的是，这种地缘分化并非全然负面。以欧洲为例。为摆脱对外能源依赖，它反而加快了风电、光伏和储能的布局。碎片化的世界，可能在局部形成“低碳加速区”。

 

 

 

 

 

03

未来突破点

 

 

《能源》：未来五年AI与能源融合最值得关注的突破点是什么？

 

戴思攀：第一，算力与电力融合成为新基础设施。数据中心、AI服务器、储能、冷却系统与电网的集成，将形成“算力—电力—冷却”三位一体的能源基础设施。能源企业与ICT公司将形成新的合作生态。第二，AI主导的智能电网进入商业化阶段。AI将深度参与可再生能源预测、需求侧响应、分布式能源聚合、输配电优化，使电网真正具备“自学习”与“自适应”能力。第三，AI驱动的能源创新链延伸。从高效光伏材料到氢能电解槽，从CCUS算法优化到核聚变控制模型，AI正成为能源创新的“加速器”。

 

《能源》：面对AI对电力系统的双向影响，未来该如何驾驭这个“双刃剑”？

 

戴思攀：的确，AI正以前所未有的速度渗透能源系统。从数据中心的能耗到能源生产的智能化管理，从电力系统的实时响应到低碳技术的加速创新，它不仅在“消耗能源”而且在“重塑能源”。

 

我们应该认识到，AI不是能源系统的负担，而是最强大的催化剂。未来的赢家，不是用电最少的国家，而是能用AI最有效地管理电力、平衡系统、实现低碳目标的国家。对于中国而言，这场革命尤为关键。庞大的电力系统、快速发展的数字基础设施，以及领先的可再生能源装机，为“AI+电力”融合提供了肥沃土壤。中国企业若能在智能电网、储能调度、能源数字化等方向率先布局，将在未来的能源竞争中掌握主动。