引言
國際能源署(IEA)於 2025 年發布的《能源與 AI》特別報告,AI 對能源部門的影響是一個複雜且多面向的議題,涉及電力需求、能源供應挑戰、AI 轉型潛力以及政策應對。以下是報告的詳細分析,針對數據中心消耗、能源供應策略、AI 應用潛力、採用障礙、廣泛影響以及政策建議進行了系統性探討。
數據中心電力需求的增長
數據中心是 AI 運算的核心,2024 年全球消耗約 415 太瓦時電力,佔總用電量的 1.5%,年增長率為 12%。預計到 2030 年,需求可能增加至 945 太瓦時,2035 年最高更可能達到 1,720 太瓦時,視 AI 採用和效率提升情況而定。美國佔全球數據中心用電的 45%,中國佔 25%,歐洲佔 15%,某些地區如美國弗吉尼亞州,數據中心用電已超過本地總用電的 25%。

資料整理:越南碳中和科技協會(2025)
能源供應策略與挑戰
滿足數據中心需求需要多樣化的能源結構,預計到 2030 年可再生能源將滿足新增需求的近一半,天然氣和煤炭也將扮演重要角色。核能特別是小型模塊反應堆(SMRs)在 2030 年後將更顯重要。區域差異顯著,例如美國依賴天然氣(40%),中國以煤炭(70%)為主,但目標到 2035 年將煤炭比例降至 40%。歐洲則致力於可再生能源和核能,目標到 2030 年佔比達 85%。
然而,挑戰包括電網擁堵、許可時間長和供應鏈瓶頸,例如燃氣輪機的供應短缺,可能導致 2030 年前約 20% 的計劃數據中心容量延誤。技術公司採用電力購買協議(PPAs)、小時匹配和與發電設施共址等方式,優先選擇可再生能源和核能,以確保可靠、低排放的電力供應。
AI 的轉型潛力
AI 在能源部門具有顯著的優化潛力,可提升探索、生產、電網管理和最終使用部門的效率。例如,AI 可釋放 175 GW的輸電容量而不需新建線路,並在工業部門節省能源,相當於墨西哥總消耗量。具體應用包括:
- 石油和天然氣:降低成本(新項目最多 10%)和排放(如甲烷洩漏檢測)。
- 電力部門:到 2035 年每年可節省 1100 億美元,通過實時操作和預測性維護提升電網穩定性。
- 工業:到 2035 年可節省 8 艾焦耳(EJ)能源,過程優化帶來 2-6% 的效率提升。
- 運輸:通過路線優化和自動駕駛車輛,能源使用減少 20%,到 2035 年節省超過 4.5 EJ。
- 建築:AI 啟用的建築管理系統到 2035 年可節省 300 太瓦時電力(5% 的暖通空調需求)。
AI 還加速能源創新,例如電池和碳捕集技術的開發,可能將技術上市時間從數十年縮短至數年。案例研究包括電池電解質的發現、費-托合成催化劑設計和金屬有機框架(MOFs)用於 CO2 捕集,但挑戰包括數據稀缺和商業化障礙。
採用障礙
儘管潛力巨大,能源部門在 AI 採用方面落後,面臨技能差距、數據訪問問題和安全顧慮等挑戰。例如,僅有少數能源公司具備必要的 AI 人才,數據共享受限於隱私和安全問題。克服這些障礙需要政策支持、數據基礎設施提升和跨部門合作。
廣泛影響
AI 對能源安全的影響雙重,既能通過成本優化和預測性維護增強安全,也可能因供應鏈依賴和網絡攻擊增加風險。例如,中國主導全球鎵供應(99%),對 AI 芯片生產至關重要。數據中心排放預計從 2024 年的 1.8 億噸 CO2 增長至 2035 年的 3 億至 5 億噸,但 AI 驅動的效率提升可能在 2035 年前降低總能源排放 5%,儘管反彈效應(如增加移動性)可能抵消部分效益。
新興市場和發展中經濟體面臨挑戰,如不可靠的電力供應和有限的數字基礎設施,但 AI 可優化電網、減少損耗並支持可再生能源整合。報告強調本地數據收集和政策框架的重要性,以縮小數字和能源鴻溝。
政策建議
報告建議國家採取平衡的能源結構、投資電網基礎設施,並促進能源與科技部門的對話。政策應支持 AI 創新,解決技能差距,並減輕安全和環境風險。例如,政府可增加 R&D 資金(2023 年全球約 70 億美元),提供稅收優惠,並制定能源效率標準(如數據中心的電力使用效率目標)。此外,報告強調需關注數據中心廢熱回收的潛力,特別是在歐洲和中國,通過技術如液冷和熱泵實現區熱,減少排放。
結論
總體而言,AI 對能源部門的影響涉及需求增長、供應挑戰和轉型潛力,需通過政策和合作平衡其效益與風險。報告強調,AI 的淨排放影響取決於採用率、監管框架和激勵措施,若妥善管理,可實現顯著的減排潛力,但反彈效應和化石燃料使用可能抵消部分效益。

本分析基於 IEA 2025 年報告《能源與 AI》,詳見 IEA 報告。