到2027年，全球人工智能行业年耗电量或达到85至134太瓦时，可比肩瑞典或荷兰全国年用电量，占全球用电量的约0.5%。这是荷兰科学家亚历克斯·德弗里斯通过模型得出的预测，警醒世人关注AI繁荣背后的能源挑战。人工智能领域对电力资源的需求日益显著，源于AI算力背后的高能耗特性，为了应对这一挑战，科技界和能源界正探索新的解决方案，可控核聚变技术因巨大的能源潜力和清洁性而备受瞩目，有望为AI行业提供稳定、清洁、高效的能源支持。
可控核聚变或是优质赛道
　　近日，脸书CEO马克·扎克伯格公开表示，AI领域未来将面临能源消耗危机。他透露，当前数据中心能耗规模惊人，普遍介于50兆瓦—150兆瓦之间，且需求持续飙升，未来很可能触及数百乃至上千兆瓦。扎克伯格预警称，尽管硬件障碍解除将促进企业加大数据中心建设投资，但能源供应短缺将成为制约该行业扩张的新瓶颈。
　　“谷歌搜索一次的耗电高达100瓦，ChatGPT可能远不止这个数字。”中国电子节能技术协会副理事长吕天文告诉《IT时报》记者，当下，电力消耗成为AI发展的潜在瓶颈，探索新的能源解决方案显得尤为迫切。
　　在当前的能源结构中，可再生能源与不可再生能源并存，“风能、光伏以及储能都是未来的发展方向，但可控核聚变或许会是一条优质赛道，甚至会比上述几个方向更加有前景。”吕天文认为，可控核聚变将为AI带来更充足的能源潜力。在此背景下，人工智能的未来应用或将分化为两大方向：一是采用低能耗的模拟计算，适用于如家庭上网、服务机器人等非精密操作；二是维持高精度的数字化计算，满足科研、工业等对精确度要求极高的场景。
或将根本消除能源危机
　　太阳也能人造？可控核聚变技术被视为未来或将改写能源版图的关键，能安全、持续地模拟太阳能源，以其巨大能量产出、丰富燃料来源、少量辐射废料及高级别安全特性，被誉为理想能源，有望引领未来能源革命。但在可控核聚变商业化之前，电力依然是主要能源，且当前算力市场已显现出优胜劣汰趋势。
　　算力产业链包含基础设施、算力主体和算力应用三大环节，硬件是能耗的主要承担者，软件则负责高效调度资源。近半年来，受企业成本压力和应用不足等原因，国内不少中小型算力企业选择转型或退出AI赛道，国内算力市场逐渐趋于稳定发展的垂直赛道，如医疗、自动驾驶等，此类垂直赛道对于电力损耗相较于大模型更少。
　　当前各国AI赛道不尽相同，相比美国聚焦AI大模型，中国的人工智能更多聚焦于工业、商业及生命科学等具有实质贡献的领域，“并非是单纯追求娱乐化的应用。”一名业内人士告诉《IT时报》记者，尽管中美在AI大模型领域仍存在差距，“但国内AI在垂直领域的应用不输国外，转型不意味着消失，且今年的算力耗电量是有一定的增长。”
　　“可控核聚变或将在未来20年~30年内实现商业化，为AI算力的供应带来根本性转变。”吕天文表示，目前市场上仍依赖电能或借助可再生能源发电以及储能中心储电。相较于其他国家，中国电力基础设施更为完善，对AI算力的增长具有更强承载能力。“当下AI应用的急速拓展、数据中心和超算中心的高速扩张确实导致部分电力被浪费，可控核聚变提供的是几乎无限且清洁的能源，未来有望从根本上解决这一瓶颈。”
加码绿色算力整合闲散算力资源
　　公开数据显示，2022年，我国数据中心能耗高达2700亿千瓦时，占总用电量3%，预估2024年将进一步增至3400亿度至3600亿度，2025年或达4000亿度—4400亿度。算力竞赛背后，实为电力与芯片的双重较量，凸显国家能源与技术实力的双重考验。
　　此背景下，绿色算力概念应运而生，涵盖了从能源获取到算力应用的全链条优化，涉及可再生能源整合、高效硬件、智能调度乃至余热回收等多个维度。绿色算力的实现，不仅是寻找替代能源那么简单，而是一场旨在重塑能源与算力关系的系统性变革。
　　除了发展潜力更大的可控核聚变，光伏、风能等可再生能源正逐步成为AI电力供应的新选择，但其稳定性仍需技术突破和策略优化来保障。“光、风二者本身受天气等外部因素影响，很难持续、稳定地为算力供电，并不是解决算力能源的最优解。”吕天文指出，部分数据中心的能效提升和余热回收利用是当前研究的重点，“电能的余热回收利用可应用至普通低能耗的模拟计算，例如家庭上网等，以便实现能源使用的最大化效益。”
　　另外，如何充分整合、有效利用社会上的闲散算力资源，也是绿色算力的关键一环。通过深度挖掘并整合闲置计算资源，可大幅降低部分县市级数据中心的能耗与建设成本，提高资源利用效率，响应国家对于数据中心PUE指标的严格要求。
　　“一些县市级的算力中心多数存在投入大利润低等问题，需要有效借助闲置算力降低成本。”共绩科技COO王鹏告诉《IT时报》记者，目前全社会非数据中心算力存量大，处在动态的闲置状态，甚至部分大型城市的网吧算力规模在上百PFLOPS量级，与数据中心建设需求同量级。“若能将当地网吧、企业等广泛存在的闲置算力有效聚合，可以推动地方算力中心达到理想的PUE值1.0的目标。”
　　“部分地方算力中心没有对算力技术及有效分配进行深层次学习。”一位从事算力整合的业内人士坦言，不少地方算力中心的本地需求并不多，更多是为外省市中小企业服务，“因为地方性算力中心相较于北上广深的算力中心收费更低，对于中小企业更有经济适用性。”
　　中国正在加速构建一个低碳、高效、可持续的AI算力生态系统，加强管理人员的系统化学习能力、优化能源结构、探索多元能源利用等仍是解决高能耗问题的关键，随着技术的不断革新和能源转型，国内AI电力消耗问题也将得到有效缓解，不仅为AI技术的广泛应用奠定坚实基础，也为全球能源革命与数字化转型推动新进程。