AI可將高能耗行業的能源成本降低3至10個百分點，但能源行業尚未充分利用這一潛力。
制約因素很大程度上是自身造成的：數據被鎖在各自的專有系統中，而電力公司又難以與薪資更高的科技企業競爭數據科學家。
數據中心的用電需求預計到2030年將翻約一番，AI既是這一需求的驅動力，也是管理這一需求的最佳工具之一。
能源行業本該是AI的天然陣地
能源行業理應是AI的天然陣地。在所有行業中，它產生的運營數據幾乎是最多的——電錶、傳感器、SCADA系統和市場信號實時源源不斷地湧入。充分利用這些數據的經濟價值已有據可查：國際能源署（IEA）的研究顯示，經過驗證的AI應用可將高能耗行業的能源成本降低3至10個百分點；如果消除採用障礙，有充分記錄的應用案例到2035年可節省超過13艾焦耳的能源，約占全球最終能源消費總量的3%。
然而，能源行業正在錯失自身的優勢。同樣來自IEA的研究發現，該行業並未充分利用AI，薄弱的數位化能力和有限的數據可用性是核心制約因素，而這兩點在很大程度上都是自身造成的，且都有解決的可能。數據本身是存在的，但它被鎖在專有數據孤島和不兼容的格式中，困於那些從未被設計用於數據共享的作業系統之內。技能缺口同樣真實存在：電力公司和電網運營商在數據科學家的爭奪戰中敗給了薪資更高的科技公司，能夠將原始遙測數據轉化為可部署模型的內部能力也寥寥無幾。
這是能源轉型瓶頸的慣常面貌。宏觀願景——更清潔、更低廉、更有競爭力的能源——一再與其背後不那麼亮眼的基礎設施建設發生碰撞。正如電網接入隊列和審批流程制約著可再生能源發展，薄弱的數據基礎和匱乏的數位化人才同樣制約著AI驅動的效率提升。
"為AI供能"與"用AI賦能"不可分割
正因為存在這種準備程度上的差距，"為AI供能"與"用AI賦能"兩場討論不能相互割裂。數據中心的用電需求預計到2030年將翻約一番。如果能源行業在消化這部分負載的同時未能部署AI來抵消其影響，那麼對整個能源系統而言，淨效果將是負面的——需求增加，效率卻毫無回報。一旦採用AI，效率紅利加上AI賦能的靈活性，則可能讓天平倒向另一端。
靈活性至關重要。若數據中心能夠更具響應性地運行，未來五年可為電力系統提供50至60吉瓦的靈活性調節能力，有助於整合可再生能源、推遲昂貴的電網投資，而這一切都依賴AI來實現。換言之，製造需求問題的技術，同時也是管理這一問題的最佳工具之一——但前提是系統已具備使用它的能力。
因此，AI的淨能源效應並非技術本身的屬性，而是一種在採購決策、招聘計劃、數據共享規則和監管設計中做出的選擇。
各國已開始認真探索解決方案
部分國家和地區已在認真探索解決之道。以印度為例，2025年，該國電力部推出"印度能源棧"（India Energy Stack）——一個面向電力行業的數字公共基礎設施，其設計明確參照了Aadhaar身份識別系統和UPI支付軌道的模式。其核心前提正是上述診斷：數據留在產生它的地方，但通過一套包含唯一標識符、開放API和基於授權的數據交換的共享層，實現碎片化電力公司之間的接口標準化。這實際上是一種試圖從根源上拆解數據孤島問題的努力，而非用新一輪試點項目來掩蓋它。
其他地區也從不同方向匯聚於同一洞見。2026年6月，歐盟委員會發布了《能源行業數位化與AI戰略路線圖》，將對電網管理AI模型的投資、全歐範圍的AI.grids倡議，與數據治理和數字技能舉措相結合——兩大核心制約因素被同步納入應對。在美國，能源部的"創世紀使命"（Genesis Mission）將AI置於電網規劃和核能部署的核心地位，並調動數十年的國家實驗室數據資源。該部門預計，電網規劃、互聯互通和運營方面的決策速度將提升20至100倍，電力成本和可靠性將獲得最高10%的改善。此外，能源部還在將80年的核研究數據整合成一個安全、可檢索的資料庫，供未來能源和安全決策使用。
印度的公共基礎設施模式、歐洲的"主權共享"路徑，以及美國以實驗室和算力為核心的推進方式，是三種不同的理論對同一問題的探索，而它們的差異本身就是一種啟示。路線圖終究不是落地部署，能源數位化的歷史上充滿了從未實現規模化的"有前景的試點"。真正艱難的工作是跨領域的、緩慢的：統一的數據標準與協議、互操作性、能夠操作這些工具的勞動力，以及在關鍵基礎設施上贏得公眾信任的AI治理機制。這些都無法僅限於一國之內。電網、供應鏈和AI模型都是國際性的，碎片化的應對將鈍化效率紅利，進而擴大日內瓦會議致力於彌合的數字鴻溝。
國際合作是真正實現AI能源紅利的關鍵
這正是聯合國對話比另一份國家戰略更具意義之處。能源轉型不會等待每個國家各自解決互操作性問題，而數據基礎最薄弱的體系，面臨著被排除在效率紅利之外的風險。將各國試點轉化為共享標準和可移植的實踐，是一項不那麼光鮮卻屬於多邊合作的工作，也是決定AI紅利究竟是被率先解決互操作性的少數人獨占，還是在全球能源經濟中廣泛共享的關鍵所在。
日內瓦會議上的討論，有相當篇幅聚焦於如何管理AI不斷增長的能源需求。這項工作至關重要，但它只是故事的一半。更大的機遇在於：AI如何能夠在推動可再生能源更大規模整合的同時，降低工業、建築、交通和電力系統的整體能源消耗。效率紅利已被驗證和量化，制約因素已知且可以解決。剩下的是執行層面的工作：更好的數據、更強的技能、機構意願，以及更有效的國際合作。
Q&A
Q1：國際能源署認為AI能為能源行業帶來哪些具體好處？
A：根據國際能源署（IEA）的研究，經過驗證的AI應用可將高能耗行業的能源成本降低3至10個百分點。如果消除採用障礙，有充分記錄的AI應用案例到2035年可節省超過13艾焦耳的能源，約占全球最終能源消費總量的3%。此外，若數據中心能夠更具響應性地運行，未來五年還可為電力系統提供50至60吉瓦的靈活性調節能力，有助於整合可再生能源並推遲高昂的電網投資。
Q2：能源行業在應用AI方面面臨哪些主要障礙？
A：能源行業面臨的主要障礙有兩個，且在很大程度上是自身造成的。一是數據孤島問題：數據雖然存在，但被鎖在專有系統和不兼容的格式中，無法有效共享。二是數字技能缺口：電力公司和電網運營商難以與薪資更高的科技企業競爭數據科學家，內部將原始數據轉化為可部署AI模型的能力嚴重不足。這兩大問題被IEA認定為當前最核心的制約因素。
Q3：印度能源棧是什麼？它如何解決能源行業的數據問題？
A：印度能源棧（India Energy Stack）是印度電力部於2025年推出的一個面向電力行業的數字公共基礎設施，參照了Aadhaar身份識別系統和UPI支付系統的設計理念。其核心思路是：數據仍保留在產生它的地方，但通過一套共享層——包含唯一標識符、開放API和基於授權的數據交換機制——來實現碎片化電力公司之間的接口標準化，從根源上拆解數據孤島問題，使數據具備AI就緒能力，而不是依賴一個個無法規模化的試點項目。
