北极星智能电网在线讯:我国高度重视人工智能发展，将其放在国家战略层面系统布局、主动谋划。作为人工智能领域的重要分支，生成式人工智能近年来取得飞速发展，普及应用加速。然而，随着发展速度和应用规模的不断提升，随之带来激增的能源需求可能成为制约生成式人工智能可持续发展的关键因素之一，同时给“双碳”目标带来挑战，其用能问题亟须以预见性思维提前考虑和规划。
生成式人工智能发展对能源消费提出更高要求
世界经济论坛发布的《人工智能的能源悖论：机遇与挑战的平衡白皮书》指出，生成式人工智能推理阶段的电力消耗占比已高达60%~70%，且这一比例随着生成式人工智能的普及将进一步上升。
对于生成式人工智能的能耗问题，有两点需要明确。首先，相较于生成式人工智能在模型训练阶段的高耗能，其涉及应用的推理阶段能源消耗更为巨大，且是持续性的。当前，我国网络消费市场中，主流的社交应用程序、传统的搜索引擎以及其他类型的应用程序都已接入生成式人工智能服务。生成式人工智能赋能传统搜索模式向定制化和智能化服务转型已成为主流趋势，这些转型的背后，伴随的是推理阶段能耗的进一步攀升。相关研究表明，将生成式人工智能模型嵌入搜索引擎中，每条搜索给服务器硬件设施带来的能耗将是传统搜索引擎的10倍。当常用应用（如微信、百度、淘宝等）的搜索功能和优化都嵌入生成式人工智能时，推理阶段的能耗将呈指数级增长。在应用搜索功能完全嵌入生成式人工智能的情景下，按11.08亿网民日均搜索5次的规模进行保守估算，生成式人工智能推理阶段的年能耗量将与三峡水电站全年发电量相当。
其次，一些观点认为，随着大语言模型算法的优化、研究人员对硬件的深度挖掘、硬件性能的提升以及人工智能反哺优化电力消耗，这些措施可以有效抵消生成式人工智能在使用时不断增加的能耗。这一观点可能过于乐观，忽视了杰文斯悖论，即技术进步提升资源利用效率后，需求提高使得资源消耗非降反升的现象。正如市场调研机构IDC和服务器厂商浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》指出，DeepSeek模型带来的算法效率的提升并未抑制算力需求，反而通过技术普惠化、场景纵深化和算力泛在化三重路径推动生成式人工智能大模型的应用落地，从而带动了算力需求增加，这必然伴随着能耗的增加。
可以预见，生成式人工智能的普及将带来巨大的能源消耗。确保其可持续发展的关键在于科学评估其发展所需能源需求规模和演变趋势，并进行前瞻性的规划和部署。
生成式人工智能发展对区域协调提出更高要求
生成式人工智能算力需求爆发式增长带来的用能需求激增可能产生两方面不容忽视的影响。
一是对局部地区电网运行的影响。随着新型能源体系建设进程中可再生能源比例不断提升，发电侧的不确定性增加，生成式人工智能的前期训练会导致局部地区电网出现突发性高负荷，源荷双重不确定性将对局部地区电网稳定运行带来挑战。这就要求加强区域电力规划与调度协作，确保电网的可靠性和稳定性。
二是对“双碳”目标实现进程的影响。在发电结构仍以煤为主的情形下，若生成式人工智能用电增量不能实现以非化石能源为主，势必带来二氧化碳的大量排放。同时，随着生成式人工智能发展驱动数据中心等基础设施需求增加，相关基础设施的建设和运行所消耗的大量能源都将进一步加剧碳排放。此外，如果生成式人工智能集聚在东部发达地区，其电力消费所导致的间接排放可能会影响区域间的碳减排公平性。在推动生成式人工智能发展的同时，确保其与“双碳”目标相协调，关键仍在于合理规划其能源使用，同时要将区域减排责任平衡问题纳入考虑。
针对生成式人工智能用能的三点建议
一是构建政策协同机制，推动生成式人工智能与绿色电力协同发展。将生成式人工智能发展纳入能源电力发展规划考量，基于其发展趋势、空间特征，动态优化电力资源布局。同时，积极引导产业布局，鼓励生成式人工智能企业在清洁能源丰裕的地区进行异地部署。此外，通过政策推动生成式人工智能企业积极参与绿电、绿证交易，为生成式人工智能发展提供可靠、绿色电力保障。
二是强化系统性科学研究，构建多维应对策略体系。在持续深化硬件优化、算法改进等技术研究的同时，应积极引入社会科学研究力量，从法律框架、监管政策、金融激励等多维度探索生成式人工智能可持续发展的可行路径。同时，在研究时需要考虑到人工智能技术发展的不确定性，避免用线性思维分析其未来用能趋势，应考虑多情景下的动态评估，以更加全面和前瞻的视角制定应对策略。
三是提升公众认知水平，培育环境可持续共识。目前，公众对生成式人工智能能耗问题的认知不足，普遍将其视为一种无形的、存在于网络中的虚拟服务，未能意识到每一次提问背后都伴随着能源的消耗。亟须通过媒体宣传、政策倡导等途径加强公众认知，形成社会共识，推动生成式人工智能向着环境可持续的方向发展。
（作者吴嘉仪系浙江财经大学中国政府监管研究院助理研究员；作者林卫斌系北京师范大学经济与工商管理学院教授）
