人工智能对能源的需求极其旺盛，正酝酿一场可能导致电网崩溃、推高所有人电费的危机。
人工智能也是迄今为止在工业规模上消耗电力的工作负载中，软件定义程度最高、最易控制、空间流动性最强的一种。
人工智能有望成为一种技术，最终让电网按其本应有的方式运行。
未来十年影响最深远的能源技术，或许根本不像发电厂。它可能像一座“人工智能工厂”，也可能像 NVIDIA 首席执行官黄仁勋所说的新一代计算园区，专门用于生成人工智能 token。
称人工智能为革命性的能源技术，听起来很奇怪。关于人工智能与能源的主流说法恰恰相反：人工智能对能源的需求极其旺盛，正酝酿一场可能导致电网崩溃、推高所有人电费的危机。数据中心目前已消耗美国和英国全部电力的大约6%。国际能源署国际能源署预计，到2030年，全球人工智能数据中心的用电需求可能增长逾四倍。现代史上没有任何工业能源负载以这样的速度增长。
但把人工智能视为“负载”的说法并不正确。人工智能不只是一个规模异常庞大的新负载。它是迄今为止在工业规模上消耗电力的工作负载中，软件定义程度最高、最易控制、空间流动性最强的一种。经过精心调度，具备电力灵活性的人工智能工厂——经过设计、能够实时调节自身用电量的数据中心——将成为一种新的能源技术，并有望成为历史上影响最深远的能源技术之一。它们可以降低电费、保障电网可靠性，并释放大量电力容量，为人工智能革命注入强劲动力。
我们如何重新界定人工智能，将其视为能源资产而非负担？
想想我们通常所说的“能源技术”是什么。有些能源技术创造新的能源供应——太阳能电池板、核电站，以及正在酝酿中的聚变反应堆。另一些则改变能源的输送和储存方式——高压输电、锂离子电池。还有一类较少受到关注的技术，改变了能源的消费方式：热泵取代了炉子，变速电机取代了定速电机，LED 灯泡取代了白炽灯。
人工智能属于第三类，其潜力甚至可能超过前几代技术。通过智能、灵活的能源管理，人工智能工厂能够成为电网中精准且可控的资产。在炎热的夏日，当电网逼近能源需求峰值时，人工智能工厂可以动态放慢本身具有灵活性的人工智能任务，例如研究工作负载、模型微调，或可暂停并重新安排的批处理推理任务。即使必须实时运行的工作负载——例如聊天机器人的查询或自主智能体的操作——也能以光速路由到电力充足的地区。其他大型工业负载都不具备这种兼顾时间与地理位置的灵活性。德克萨斯州用电达到峰值时，钢厂无法从凤凰城搬过去。半导体工厂也不能放慢速度或暂停两小时后再无缝恢复。人工智能则可以，同时满足用户对性能的要求。
诚然，乍一看，这种经济效益似乎根本不可能实现。一座吉瓦级人工智能园区每年大约要花50亿美元支付 GPU 成本，另需26亿美元用于园区建筑及其网络设施。其年度电费约为5.9亿美元，规模还不到前述支出的十分之一。既然电力相对便宜，运营商为什么要限制作价数十亿美元的加速器运行，以换取折扣？
但这种质疑误判了人工智能作为革命性能源管理技术所蕴含的机遇规模。人工智能工厂通过生成人工智能 token，每年可释放数十亿美元的价值；相比之下，灵活限制用电以缓解电网峰值压力的情况并不常见。
电力系统按照峰值需求建设，因此每年大多数时间都处于利用不足的状态。具备灵活性的人工智能工厂可以将这部分闲置容量转化为价值。杜克大学杜克大学的独立分析认为，仅美国现有电网就能释放大约100吉瓦的容量，足以承接人工智能数年的增长，而无需新建一条输电线路。此外，灵活的人工智能工厂可以避免昂贵的电网升级，同时更充分地利用现有电网基础设施，从而切实降低当地社区的电费——这也有助于遏制日益形成的强烈政治反弹，因为人工智能基础设施可能会推高当地电费。
可再生能源发电成本低、供应充足，但出力并不稳定；电网需要能够吸收盈余、在短缺时减少用电的需求。目前的灵活性工具——公用事业规模的电池，以及少量沿用已久的工业需求响应计划——不是成本高，就是响应慢，或者两者兼有。灵活的人工智能工厂能够比这些工具更快地调整用电，规模也更大。
这还带来更深远的影响。全球人工智能工厂正通过光纤、软件和共同标准日益互联。它们开始不再像彼此孤立的工业场所，而更像一个覆盖全球网络中的节点——宛如架设在公共电网上的一张互补电网。电网输送电子，人工智能网络传输计算任务。当两张网络经过设计、能够彼此协同时，其效用将超过各自独立运行的效果：电力可以输送到计算所在之处，计算也可以调度到电力所在之处。
将理论转化为现实实践
人工智能的灵活性并非纸上谈兵。过去一年，Emerald AI 已在全球五座商业数据中心展示了能够响应电网需求的人工智能基础设施，其中包括最新的 NVIDIA Blackwell Ultra 系统。我们通过实时运行的真实工作负载证明，人工智能工厂可以在接到指令后几秒内降低用电，并持续数小时，同时不影响最关键工作负载的性能。圣克拉拉市政公用事业公司 Silicon Valley Power（SVP）启动了一项开创先河的计划，由 Emerald 为硅谷核心地区的大型数据中心管理灵活用电，使 SVP 能够向此前无法服务的客户提供更大的容量，同时保障居民用电价格的可负担性。2026年晚些时候，NVIDIA、Digital Realty 和 Emerald AI 还将启用全球首座商业规模、具备电力灵活性的人工智能工厂——这座位于弗吉尼亚州、容量为96兆瓦的设施能够根据电网信号调节用电。
Google 已运行碳智能计算平台数年，通过在不同时间及地区转移非紧急工作负载，使之与电网更清洁的时段相匹配。电力研究院的DCFlex 计划于2024年启动，参与者包括二十多家公用事业公司和超大规模云服务商，目前正在多个地点的真实电网上开展数据中心灵活性示范。
美国以外的机遇尤为迫切。爱尔兰电网运营商已限制都柏林地区新建数据中心的并网。新加坡在推出严格的能效标准后才取消暂停令。印度预计，到2030年数据中心容量将增至目前的大约三倍，同时还将推进工业和交通领域的电气化。能够率先实现人工智能基础设施默认具备灵活性的国家，将在吸引计算投资方面获得结构性优势，同时不必牺牲电网其他部分的可靠性或可负担性。世界经济论坛的能源与材料中心已经在围绕这一问题召集公用事业公司、监管机构和超大规模云服务商；相关工作需要加快推进。
认真看待这一点，就会重新理解人工智能与能源的关系。没错，人工智能需要大量电力。但由于人工智能由软件定义，同样的工作负载可以与电网协同，而不是与之对抗。灵活性不会减少人工智能对电力的需求，而是重塑这种需求。使电网承压、推高电费并促使都柏林到新加坡等地暂停数据中心并网的，不是某个地区一年消耗的电力总量，而是系统最紧张、成本最高时段的负载。
在电网电力紧缺时减少用电、在电力充足时增加用电，灵活的人工智能工厂就能在不加重峰值负担的情况下满足其新增的巨大需求：降低而非加剧停电和电价上涨的风险，也让社区免于承担发电设施和电网线路的成本，否则这些设施和线路一年中大部分时间都会闲置。在美国，本十年数据中心的用电预计将占电力需求增长总量的近一半；这一差异将决定电网是濒临崩溃，还是能够承受需求激增。
核反应堆等新增发电设施至关重要，但如今全球电网上规模最大、最可控、增长最快的新参与者并非发电厂，而是计算本身。如果我们将人工智能基础设施设计为默认具备灵活性，并且监管机构和公用事业公司通过加快并网、开放电网服务市场来奖励这种灵活性，那么人们记住人工智能时，就不会认为它是压垮电网的危机，而会把它视为最终让电网按其本应有的方式运行的技术。
一种新的能源技术已经到来。它由 GPU、光纤和代码构成，而且才刚刚起步。
