据能源圈了解到，在 AI 技术快速发展的今天，一个令人忧虑的现实正在显现：仅仅一次 ChatGPT 查询所需的电力，就是谷歌搜索的近 10 倍。

这个巨大的差距，不仅反映了 AI 技术与传统互联网服务在能源消耗上的本质区别，更预示着全球能源消费格局即将发生深刻变革。

近日，知名咨询公司Gartner 在最新调查报告中发出警告，预计到 2027 年，40% 的现有 AI 数据中心将因电力供应不足而面临运营困境。这一预警凸显出 AI 发展与能源供应之间日益紧张的关系。

同时，国际投资银行高盛集团的研究部门也给出了类似的预测：到 2030 年，全球数据中心的用电需求将激增 160%。由此引发了各界对能源供应、基础设施建设和环境影响的广泛关注。

图 | Gartner 预测，AI 数据中心未来每年新增的 AI 服务器将新增多少能耗（来源：Gartner）

最近，谷歌、微软、亚马逊和 Meta 等科技巨头正在积极投资核能发电设施。原因之一在于，他们对未来难以满足 AI 数据中心巨大能源需求存在担忧。

从历史数据来看，数据中心的用电需求曾经表现出了出奇的稳定性。在 2015 年至 2019 年期间，尽管数据中心的工作负载增加了近两倍，但其年度用电量仍保持在约 200 太瓦时的相对稳定水平。

这种稳定主要得益于数据中心在能源使用效率方面的持续改进。然而，这种局面在 2020 年后发生了根本性转变。

Gartner 公司分析师鲍勃·约翰逊（Bob Johnson）指出：“新一代超大规模数据中心的建设，正在创造出无法满足的巨大电力需求，这将超出公用事业提供商扩大供电规模的速度。

特别是在处理和训练大模型方面，所需的计算资源和能源消耗达到了前所未有的水平。”

据统计，目前全球数据中心耗电量占总用电量的 1-2%，但预计到 2030 年这一比例将攀升至 3-4%，这种增长在发达国家表现得尤为明显。

特别是在美国，据相关预测，到 2030 年，数据中心的用电量将从目前的 3% 上升到 8%，这将推动美国电力需求以近 25 年来最快的速度增长。

图 | 高盛预测数据中心的能源需求（来源：高盛）

为应对这一挑战，美国公用事业公司仅在数据中心领域就需要投资约 500 亿美元用于新增发电能力。

此外，到 2030 年，仅数据中心增加的用电需求将带来每天约 33 亿立方英尺的天然气新增需求，这也意味着需要建设新的管道基础设施。

高盛指出，欧洲的情况更为复杂。作为全球数据中心的重要聚集地，15% 的数据中心坐落于欧洲。到 2030 年，这些数据中心的用电需求将相当于葡萄牙、希腊和荷兰三国目前的总用电量。

由于欧洲拥有世界上最古老的电网系统，为满足新建数据中心的用电需求，欧洲在未来十年内需要投入近 8000 亿欧元用于输配电系统升级，以及近 8500 亿欧元用于太阳能、陆上风电和海上风电等可再生能源的开发。

图 | 全球多个地区和中国的电网“平均年龄”（来源：高盛）

更令人担忧的是，这种用电需求的激增将直接影响电价。研究表明，大型数据中心运营商正在与主要电力生产商洽谈，试图确保独立于其他电网需求的长期稳定电力供应。

这种竞争必然推高电价，而这些成本最终将转嫁到 AI 产品和服务的使用者身上。

因此，专家建议各组织应提前为电力成本上涨做好准备，并争取以合理价格签订长期的数据中心服务合同。

在环境影响方面，形势同样不容乐观。预计到 2030 年，数据中心的碳排放量可能会比 2022 年翻一番以上，这给全球减排目标带来了新的挑战。

根据高盛的研究，仅数据中心碳排放增加带来的“社会成本”就将高达 1250 亿至 1400 亿美元（按现值计算）。

Gartner 则估计，到 2027 年，仅用于运行 AI 优化服务器的电力需求将达到 500 太瓦时/年，是 2023 年水平的 2.6 倍。

短期内，为了满足激增的电力需求，一些原计划退役的化石燃料发电厂可能不得不延长运营期限，这将进一步加剧环境压力。

数据中心需要 24 小时不间断供电，而目前必须依靠水电、化石燃料或核能发电厂才能提供如此稳定的电力供应。

风能或太阳能等可再生能源虽然环保，但在没有配套储能设备的情况下，难以满足数据中心的持续供电需求。

图 | 过去九年的数据中心负载变化和能耗变化（来源：高盛）

为应对这些挑战，业界正在探索多种解决方案。一些企业开始加大对可再生能源的投资，并积极推动新型核能发电技术的商业化。

科技公司也在探索提高能源使用效率的创新方法。从长远来看，新型电池存储技术或清洁能源技术（如小型核反应堆）的发展可能会提供新的解决方案。

值得一提的是，AI 技术本身也可能通过加速医疗保健、农业、教育等领域的创新，以及提高能源使用效率来贡献解决方案。

最后，两家公司的研究报告均指出，建议各企业在制定 AI 发展战略时，要充分考虑潜在的电力短缺风险，评估未来电力成本上涨的影响，并积极寻找替代方案。

有潜力的方案包括使用边缘计算技术、采用较小的大模型等，并在开发生成式 AI 应用时优先考虑计算效率。

显然，AI 技术的发展正在重塑全球能源格局。如何在推动技术创新、维护能源安全和环境保护之间取得平衡，将是未来全球科技界和能源界共同面临的重大挑战。