北京
去年举行的2024世界顶尖科学家物质科学大会上，加拿大工程院院士、阿特斯阳光电力集团创始人瞿晓铧一语中的：“人工智能（AI）的尽头是太阳能和储能技术。”无独有偶，今年的达沃斯论坛上，OpenAI创始人山姆·奥特曼也敏锐地认为，“我们在世界上需要的能源确实比以前想象的要多得多。世界未来的两种重要货币是算力和能源”，并进一步提出，“我们需要核聚变或者更便宜的太阳能和储能。”无疑，中外业界都将人工智能的发展和能源发展紧密关联起来，且认为未来能源发展将聚焦在太阳能等绿色可再生技术上。
在人工智能算力飞速发展的当下，算力对能源的消耗压力也与日俱增。据报道，ChatGPT每天响应用户的约2亿个请求，这可能要消耗超过50万千瓦时的电力，是美国家庭平均用电量的1.7万多倍。我国的数据中心耗电量同样巨大，工信部数据显示，2022年我国数据中心耗电量达到2700亿千瓦时。预计到2025年，我国数据中心耗电量达到3500亿千瓦时，且未来这个数据还将持续增加。
另一方面，人工智能的训练发展也逐步显露“瓶颈”，各大AI大模型公司的更新迭代速度都在放缓。此前有媒体指出，如今AI大模型训练的投入产出比开始降低。要想让AI取得进一步突破，意味着需要消耗更多的算力和能源。但在竞争如此激烈的AI领域，头部公司都不会停止投入。世界上的科技强国也都将AI发展纳为重中之重，中国更是不能在这场新一代科技浪潮中位居人后。
但是，上一次工业革命对环境造成的巨大污染破坏殷鉴不远，之后为治理污染，恢复生态，又耗费了巨大人力物力。在这次AI科技革命中，绝不能再走“先发展后治理”的老路。要提前敏锐注意到AI所耗能源对环境造成的压力，抢先谋划布局。也就意味着，AI之争不仅是算力之争，还是能源之争，环保之争。
想要“铸造”好“能源”这种未来货币，应注意到油、气、煤炭这类传统能源日益枯竭的现实，在充分做好对传统能源开采利用规划的前提下，进一步开拓太阳能、风能等新能源的利用。也要持续强化储能能力，开发更大容量，更安全环保的储能材料。同时还要兼顾发电材料的可回收性，这是一个摆在科学界面前的难题，但也是一个需要解决且充满机遇的挑战。
和大众认知可能有冲突的是，目前的太阳能、风能发电并不能做到100%绿色环保。一个重大制约是发电材料的回收处理问题。2012年爱因斯坦世界科学奖得主、“染料敏化太阳能电池之父”米夏埃尔·格雷策尔认为，太阳能光伏发电所用到的硅技术“碳足迹太深、太大了”。从全生命周期看，太阳能发电所用的光伏硅片还未能做到碳中和，尤其是末端的回收处理，至今仍是个未解难题。处于同样尴尬境地的，还有海上风车的巨大碳纤维叶片。它们通过热固方法生产，寿命长固然是它们的优点，可一旦报废后却很难被回收利用，目前只能通过破碎填埋处理。再如山姆·奥特曼所青睐的核聚变，目前可控核聚变仍在科研阶段，而核废料的回收填埋，对环境的潜在影响更是困扰人类的难点。
未来的新材料研发，应该在开发时就考虑到将来的回收处理，使其从一诞生就具备“全循环”能力。可以见得，未来对新能源、新材料的开发仍是一片蓝海，而控制“碳足迹”也是AI和能源发展的关键。
碳足迹，通常用来衡量个体、组织、产品或国家在一定时间内直接或间接导致的二氧化碳排放量。碳资源消耗得越多，温室气体排放量就越大，碳足迹也就越大。构建完善的碳足迹管理体系，也是当前我国政府环保工作的重点。
那么，是不是可以反向把AI运用于碳足迹管理和新能源新材料开发？AI并不能被简单视作“碳炸弹”和“碳老虎”，全国社保基金理事会原副理事长王忠民就表示，继AI被运用于物理、化学领域并摘得诺奖后，AI同样可被运用于碳足迹领域。环境、社会和公司治理（ESG）研究同样可以拥抱AI，用大模型计算ESG涉及的变量，发展出“绿眼”“绿算法”“绿结构”等工具。大模型可以量化碳排放的最终影响，用AI实现对碳足迹的追踪。
由此可见，我们说人工智能的发展尽头是碳足迹，而碳足迹的发展伴侣是不是人工智能呢？两者可以相辅相成，相互反哺，驶出AI和能源协同发展的“双车道”。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
