在能源密集型行业中，人工智能可将能源成本降低3至10个百分点，然而能源行业尚未充分利用这一优势。
这些障碍很大程度上是自我造成的：数据被锁在专有的孤岛之中，而公用事业公司在争夺数据科学家的竞争中败给了开出高得多薪酬的科技企业。
到2030年，数据中心的电力需求预计将大致翻一番。人工智能既是这一需求增长的驱动因素，也是管理这一需求的最佳工具之一。
今年7月，各国政府和科技领袖齐聚日内瓦，参加联合国人工智能治理全球对话首次会议。会上讨论的四大议题之一是弥合人工智能鸿沟，即决定谁能从这项技术中受益的数字基础。
很少有行业能比能源更鲜明地体现人工智能的获取问题，也很少有行业能更尖锐地暴露出令人不安的悖论。
能源行业本应是人工智能的天然归宿。它产生的运营数据比几乎任何其他行业都多，包括实时传输的电表数据、传感器数据、SCADA系统数据和市场信号。善用这些数据所带来的经济收益如今已可量化：国际能源署（IEA）研究发现，经验证的人工智能应用可将能源密集型行业的能源成本降低3至10个百分点；如果克服采用的障碍，那些有充分记录的应用案例到2035年可节省超过13艾焦耳的能源，约占全球最终能源消费量的3%。
能源行业正在白白错失的红利
然而，能源行业正在浪费自身的优势。国际能源署的同一项研究发现，能源行业未能充分利用人工智能，其主要制约因素是数字技能薄弱和数据可用性有限。两者很大程度上都是自我造成的，但都可以解决。数据确实存在，但它被锁在专有的孤岛和互不兼容的格式之中，封闭于从未设计为共享的运营系统内。技能缺口同样真实：公用事业公司和电网运营商在争夺数据科学家的竞争中败给了开出高得多薪酬的科技企业，而且很少有企业建立起内部能力，将原始遥测数据转化为可部署的模型。
这是能源转型瓶颈的常见情形。宏大的目标——更清洁、更廉价、更具竞争力的能源——不断与其下方那些不起眼的基础设施相冲突。正如并网排队和审批流程制约可再生能源发展，薄弱的数据基础和有限的数字技能也制约着人工智能驱动的能效提升。
决定结果的为何是采用
正是这种准备程度的差距，使“为人工智能供能”与“以人工智能助力能源”这两场争论无法割裂。数据中心的电力需求预计到2030年将大致翻一番。如果能源行业在承受这一负荷增长时不部署人工智能加以抵消，那么对能源系统的净影响将是负面的：需求增加，而效率并无相应提升。如果能源行业采用人工智能，能效红利加上人工智能支持的灵活性，则可能使天平转向另一端。
灵活性问题至关重要。若运营方式更具响应性，数据中心可为电力系统提供50至60吉瓦的灵活性，时间跨度为未来五年。这将有助于可再生能源的并网，并推迟昂贵的电网投资，而人工智能正是使之成为可能的关键。换言之，制造需求难题的这项技术，同时也是管理这一难题的较佳工具之一，但前提是相关系统具备使用它的条件。
因此，人工智能的净能源影响并非技术本身的属性，而是由采购决策、人才招聘计划、数据共享规则和监管设计所决定的一种选择。
修复基础设施，而非算法本身
在某些地方，这一问题的解决方案正受到认真对待。以印度为例。2025年，该国电力部推出了印度能源堆栈——一个面向电力行业的数字公共基础设施，其设计明确借鉴了Aadhaar身份识别系统和UPI支付通道。其前提恰恰印证了上述诊断：数据仍留存于其产生之处，但通过一个由唯一标识符、开放应用程序接口和基于同意的数据交换构成的共享层，实现了对各分散公用事业单位之间接口的标准化。它将可互操作、可供人工智能使用的数据视为基础，实际上是一种从根源上消除孤岛问题的尝试，而非以又一个试点项目加以掩饰。
其他地区也正从不同角度趋向于同一认识。2026年6月，欧盟委员会发布了其《能源领域数字化与人工智能战略路线图》，将投资于电网管理人工智能模型与泛欧洲AI.grids倡议相结合，并配套数据治理和数字技能方面的措施——这两项正是具有约束力的制约因素，并被一并加以应对。在美国，能源部的创世纪计划将人工智能置于电网规划和核能部署的核心位置，并利用了数十年来国家实验室积累的数据。该部门预计，电网规划、并网和运营方面的决策速度将提升20至100倍，电力成本和可靠性方面的收益最高可达10%。此外，该部门还正将80年的核研究成果转化为一个安全且可检索的数据库，供未来的能源与安全决策参考。
印度的公共基础设施模式、欧洲的主权与共享路径以及美国的实验室与算力推进，是针对同一问题的三种不同解决思路，而它们的分歧本身即是一种启示。路线图并非部署，而能源数字化的历史中充斥着许多前景可观却从未规模化推广的试点项目。艰巨的工作具有跨领域且进展缓慢的特点：包括通用数据标准与协议、互操作性、能够操作这些工具的劳动力，以及能够赢得公众对关键基础设施上人工智能之信任的治理机制。这些都不可能局限于一国之内。电网、供应链与人工智能模型均具有国际性；碎片化的做法将削弱红利，并扩大日内瓦会议旨在弥合的鸿沟。
一项任何一国都无法独自承担的重任
因此，联合国的对话比又一项国家战略更为重要。能源转型不会等待每个国家各自解决互操作性问题，而数据基础最薄弱的系统，则面临被排除在效率红利之外的风险。将国家试点转化为共享标准和可推广的实践，是一项不起眼却不可或缺的多边工作。这也正是区别所在：人工智能红利究竟是由率先解决互操作性问题的一方独享，还是由全球能源经济共享。
日内瓦会议的讨论大多正当地聚焦于管理人工智能日益增长的能源需求。这项工作固然重要，但仅是故事的一半。更大的机遇在于，人工智能如何能够降低工业、建筑、交通和电力系统的能源使用，同时促进可再生能源的更广泛整合。能效收益已得到验证并可量化，相关障碍已为人所知且可以克服。剩下的是执行：更好的数据、更强的技能、制度意愿以及更有效的国际合作。
