在中国推动能源系统清洁化的进程中，人工智能正从宏观规划逐步渗透到电力系统的日常运行，被用于优化电力生产、传输和使用方式。

可再生能源工厂中的人工智能实践

在中国北方城市赤峰，一家可再生能源工厂被视为这一趋势的代表案例。该工厂利用周边风电和光伏电站发电，将全部电力用于生产氢气和氨。与传统电厂接入大电网不同，这一设施在相对封闭的系统内运行。

这种模式依托清洁能源，但也面临风光出力随天气波动的挑战。为保持生产稳定，工厂采用了由其所有者远景能源开发的人工智能控制系统。该软件并非按照预设时间表运行，而是根据实时风速和日照情况动态调整生产节奏。

据路透社报道，远景能源氢能首席工程师张健将这一系统比作“指挥家”，负责在电力供应与工业负荷之间进行实时协调。当风速上升、可用电力增加时，系统会自动提升产量；当风光出力减弱时，则迅速降低用电强度，以避免系统过载。张健表示，这一机制有助于在可再生能源波动的条件下维持工厂的高效运行。

此类项目被纳入中国氢能和氨能发展规划，被视为为钢铁制造、航运等行业提供减排燃料的重要路径，也体现出在可再生能源占比提高背景下，利用人工智能应对电网和用能系统复杂性的思路。

政策推动“人工智能+能源”融合

多位研究人员认为，人工智能有望在中国实现气候目标的过程中发挥重要作用。南京东南大学低碳转型研究副教授郑赛娜表示，人工智能可用于排放监测、电力供需预测等多类任务，但同时也指出，人工智能本身正在推高电力需求，尤其是高能耗的数据中心。

中国风电和光伏新增装机规模位居全球前列，但如何高效消纳这些电力仍是关键问题。北京智库Trivium China副总监柯睿（Cory Combs）表示，人工智能正越来越多地被视为提升电网灵活性和响应速度的工具。

这一方向在政策层面已有明确部署。去年9月，北京发布“人工智能+能源”战略，提出推动人工智能系统与能源行业深度融合，包括开发面向电网运行、发电和工业应用的多种大型人工智能模型。根据规划，到2027年将推出数十个试点项目，并在100多个应用场景中测试相关技术；再过三年，官方目标是在能源领域实现世界领先的人工智能融合水平。

柯睿指出，相关工作重点在于围绕特定任务开发高度专业化工具，例如服务于风电场、核电站或电网调度的系统，而非通用型人工智能。中国欧洲国际工商学院教授胡光州表示，这一路径与美国形成对比，后者的大部分投资集中在构建先进的大型语言模型。

提升电网预测与调度能力

需求预测被视为人工智能可以较快发挥作用的领域之一。西交利物浦大学助理教授方路瑞表示，电网需要持续维持供需平衡以避免停电，对可再生能源出力和用电负荷的准确预测，有助于运营方提前安排，将电力储存在电池等储能设施中，并减少对燃煤备用电厂的依赖。

部分城市已启动相关试点。上海建设了覆盖全市的虚拟电厂，将数据中心、楼宇系统、电动汽车充电桩等数十家运营主体接入统一协调网络。在去年8月的一次试运行中，该系统削减了超过160兆瓦的峰值负荷，约相当于一座小型燃煤电厂的出力。

柯睿表示，在发电日益分散且间歇性增强的背景下，此类系统的重要性上升，“需要非常强大的系统来预测并快速处理新信息”。

拓展至全国碳市场监管

除电网环节外，中国还计划在全国碳市场中引入人工智能工具。该市场覆盖电力、钢铁、水泥、铝等高排放行业的3000多家企业，这些行业合计产生了全国60%以上的碳排放。

柏林智库adelphi高级经理陈志斌表示，人工智能可协助监管机构核查企业排放数据、优化免费配额分配，并帮助企业更清晰地评估生产成本结构。

数据中心能耗带来新压力

在应用场景不断扩展的同时，人工智能带来的能源消耗风险也受到关注。研究显示，到2030年，中国人工智能数据中心的年用电量可能超过1000太瓦时，约相当于日本当前的年用电量。人工智能行业全生命周期排放预计将显著增加，并可能在2030年碳达峰目标之后才会达到峰值。

参与相关研究的中国人民大学博士研究员熊启阳表示，这一结果反映出中国电力结构仍以煤炭为主。他警告称，如果能源结构转型速度不足，人工智能的快速扩张可能会增加实现气候目标的难度。

针对上述问题，监管部门已开始收紧相关要求。2024年行动计划提出，数据中心需提升能效，并将可再生能源使用比例每年提高10%。同时，政策鼓励在风能和太阳能资源更丰富的西部地区新建数据中心。

东部沿海地区的运营商也在探索新的技术路径。在上海附近，一座水下数据中心即将投入运行，利用海水冷却以降低能耗和用水量。开发商海蓝云表示，该设施的大部分电力将来自海上风电场，如运行效果符合预期，相关模式有望复制推广。

尽管人工智能对能源的需求持续上升，熊启阳认为，在合理应用的前提下，其对减排的整体影响仍可能为正。他表示，将人工智能用于优化重工业、电力系统和碳市场运行，仍是中国减排努力的重要组成部分，但同时也对政策制定和能源结构调整提出了新的要求。