中国加速推进人工智能在国家电网中的融合应用

随着中国加速推进能源转型，人工智能正开始改变电力生产、输送和消费的实际过程，其影响已超越政策框架，深入日常运营。

中国北方赤峰市的一处设施正印证着这种转变。该工厂完全依靠邻近风电和太阳能设施供电生产氢气和氨。采用独立微电网而非主电网运行，在带来清洁能源效益的同时也带来独特挑战：可再生能源输出随天气条件波动。

为维持稳定生产，该工厂采用远景集团研发的AI控制平台。该系统能动态调节生产流程以适应风光发电的波动，彻底打破固定生产计划的桎梏。据路透社报道，远景氢能首席工程师张健将AI比作交响乐指挥家，实现电力供应与工业需求的无缝衔接。

该平台能在强风时自动增产利用富余电力，于风力减弱时缩减产能以避免电网压力。张健表示，这使得工厂即便在可再生能源固有波动性下仍能高效运转。

此类举措对中国氢能与氨能战略至关重要——这两种燃料被视为钢铁、航运等难减排领域实现脱碳的关键。更体现出更宏大的愿景：借助人工智能应对大规模可再生能源并入国家电网日益增长的复杂性。

学术界强调人工智能在实现气候目标中的潜在作用。东南大学低碳转型研究专家郑赛娜副教授指出，人工智能的应用范围涵盖排放监测到供需预测。但她同时警示，人工智能自身存在巨大的能源消耗足迹，主要源于高能耗的数据中心。

尽管中国在新增风电和光伏装机容量方面领先全球，但高效整合这些产能仍面临挑战。Trivium China的科里·康布斯指出，人工智能如今被广泛视为提升电网灵活性和响应能力的重要工具。

去年9月发布的国家"人工智能+能源"战略进一步强化了这一理念。该政策推动人工智能与能源行业的深度融合，倡导开发专用于电网管理、发电及工业应用的大型专用模型。到2027年，中国计划启动多项试点项目，在100多个场景中测试人工智能应用，目标在2030年前实现人工智能与能源融合的世界领先水平。

康布斯指出，重点在于针对特定任务（如优化风电场或平衡电网负荷）的专用工具，而非通用人工智能。这种聚焦方向与美国策略形成差异——上海中欧国际工商学院教授胡广洲表示，美国投入更多资金开发基础大型语言模型。

需求预测是当前可行的应用之一。西安交通大学-利物浦大学的方鲁瑞教授解释称，电网需保持完美实时平衡才能避免停电。通过精准预测可再生能源产出与电力消耗，电网运营商可高效规划能源存储方案，降低对燃煤调峰电厂的依赖。

早期实践已然展开。上海全市虚拟电厂整合了数十个分布式能源资产——包括数据中心、楼宇管理系统及电动汽车充电桩——形成协同网络。在8月的测试中，该系统成功削减了160多兆瓦的峰值需求，相当于一座小型燃煤电厂的发电量。

康布斯强调，随着发电日益分散化与波动化，此类系统至关重要。"需要具备预测分析能力并能快速适应新数据的强大系统，"他指出。

在电网之外，中国正探索将人工智能应用于国家碳市场监管体系。该体系覆盖电力、钢铁、水泥、铝业等高排放行业逾3000家企业，这些行业合计贡献了全国60%以上的碳排放。阿德尔菲研究所的陈志斌指出，人工智能可协助监管机构核查排放数据、优化配额分配，并帮助企业更清晰地掌握碳相关成本。

机遇与风险并存。研究显示，到2030年中国人工智能数据中心的年耗电量可能突破1000太瓦时，相当于日本当前总用电量。该行业的全生命周期排放量预计将急剧上升，并在中国2030年碳目标达成后达到峰值。

参与相关研究的人民大学博士生熊启阳指出，这源于中国对煤炭发电的持续依赖。他警示称，若不加速向清洁能源转型，失控的人工智能发展可能危及气候目标。

监管部门已采取行动。2024年出台的行动计划要求数据中心提升能效，并确保可再生能源消耗年增长率达10%。后续政策更鼓励在风能太阳能资源丰富的西部地区新建设施。

运营商也在创新。上海近海正筹建水下数据中心，利用海水冷却以降低能耗和淡水消耗。开发商海蓝云表示该设施将主要从海上风电场供电，若成功有望复制推广。

尽管人工智能对能源的需求激增，熊某认为，若能战略性部署，其对排放的净影响仍可能是积极的。通过优化重工业、电力系统和碳市场，人工智能仍可成为中国脱碳进程中不可或缺的工具——尽管它给政策制定者带来了新的复杂性。

另请参阅：中国的芯片堆叠战略能否真正挑战英伟达在人工智能领域的霸主地位？

想聆听行业领袖解读人工智能与大数据？欢迎关注在阿姆斯特丹、加州及伦敦举办的AI & Big Data Expo。这场综合性盛会隶属TechEx系列，与其他顶尖科技活动同期举行，点击此处获取详情。

AI News由TechForge传媒提供支持。探索更多即将举办的企业技术活动与网络研讨会，请点击此处。