中國加速推動人工智慧整合全國電網

隨著中國加速能源轉型，人工智慧正開始改變電力實際的發電、輸配與消費模式，其影響已超越政策框架，深入日常運作層面。

中國北方赤峰的一座設施正展現此轉變。該廠僅使用鄰近風電與太陽能設施所產電力製造氫氣與氨。採用獨立微電網而非主電網運作，除帶來潔淨能源效益外亦面臨獨特挑戰：再生能源產出隨天氣條件波動。

為維持穩定產能，該廠採用由遠景集團開發的人工智慧控制平台。此系統能動態調節運轉狀態以因應風光發電的波動，徹底摒棄固定生產排程。據路透社報導，遠景氫能首席工程師張健將該系統比喻為交響樂團指揮，能無縫協調電力供應與工業需求。

該平台能在強風時自動提升產能以利用過剩電力，並於風力減弱時縮減規模以避免電網壓力。張健表示，此機制使工廠得以在可再生能源固有波動性下實現高效運轉。

此類舉措對中國氫能與氨能戰略至關重要，這兩種燃料被視為實現鋼鐵、航運等難減排領域脫碳的關鍵。更彰顯出更宏大的願景：運用人工智慧應對將龐大可再生能源並入國家電網日益複雜的挑戰。

學術界強調人工智慧在達成氣候目標的潛在作用。東南大學專攻低碳轉型副教授鄭賽娜指出，人工智慧的應用範圍涵蓋排放監測至供需預測。但她同時警示，人工智慧本身存在龐大能源足跡，主要源於耗能巨大的數據中心。

儘管中國在新增風電與太陽能裝機容量方面領先全球，但高效整合這些能源仍面臨挑戰。Trivium China分析師Cory Combs觀察到，人工智慧現已被廣泛視為提升電網靈活性與應變能力的重要工具。

去年九月公布的國家級「AI+能源」戰略鞏固了此觀點。該政策推動人工智慧與能源領域深度融合，倡導開發專注於電網管理、發電及工業應用的專用大型模型。當局計劃於2027年前啟動多項試點項目，在逾百種場景測試人工智慧應用，目標在2030年實現全球領先的人工智慧與能源整合水平。

康布斯指出，重點在於針對特定任務（如優化風電場或平衡電網負載）的專用工具，而非通用型人工智慧。此策略有別於美國模式——據上海中歐國際工商學院教授胡廣洲分析，美國投入更多資源於基礎大型語言模型。

需求預測是當前的即時應用。西安交通大學-利物浦大學的方魯睿解釋，電網需維持完美即時平衡以防斷電。透過人工智慧精準預測可再生能源產出與用電需求，電網營運商得以有效規劃儲能方案或降低對燃煤尖峰電廠的依賴。

早期應用已逐步展開。上海全市虛擬發電廠整合數十個分散式資產——包括數據中心、建築管理系統及電動車充電樁——形成協調網絡。八月試運行中，該系統成功削減逾160兆瓦尖峰需求，相當於小型燃煤電廠的發電量。

康布斯強調，隨著發電日益分散化與波動化，此類系統至關重要。「必須建立具備預測分析能力、能快速適應新數據的強健系統。」他如此表示。

除電網領域外，中國正探索將人工智慧應用於國家碳市場。該市場監管著電力、鋼鐵、水泥、鋁業等高排放產業的3,000餘家企業，這些行業合計佔全國碳排放總量的60%以上。阿德爾菲研究所的陳志斌指出，人工智慧可協助監管機構核驗排放數據、優化配額分配，並幫助企業更精準掌握碳相關成本。

然而機遇伴隨日益增長的風險。研究顯示，到2030年中國人工智慧數據中心的年耗電量可能突破1000太瓦時——相當於當今日本全國用電總量。該產業的整個生命週期排放量預計將急劇攀升，並在中國2030年碳目標達成後達到峰值。

參與相關研究的人民大學博士生熊啟陽指出，這源於中國持續依賴燃煤發電。他警示，若未能加速轉型清潔能源，失控的人工智慧發展恐將危及氣候目標。

監管機構正採取行動。2024年行動方案要求數據中心提升能源效率，並每年增加10%可再生能源使用量。後續政策更鼓勵在風能與太陽能資源豐富的西部地區新建設施。

營運商亦積極創新。上海近海正籌建水下資料中心，利用海水冷卻以降低能源與淡水消耗。開發商海藍雲表示該設施主要將從離岸風電場供電，若試驗成功可望複製推廣。

儘管人工智慧的能源需求激增，熊偉仍主張若能策略性部署，其對排放的淨影響仍可能為正向。透過優化重工業、電力系統及碳市場，人工智慧仍可成為中國脫碳進程中不可或缺的工具——即便這為政策制定者帶來了新的複雜挑戰。

另請參閱：中國的晶片堆疊策略真能挑戰NVIDIA的人工智慧霸權？

想向產業領袖學習人工智慧與大數據？歡迎參與於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。此綜合性活動隸屬TechEx系列，與其他頂尖科技盛會同期舉行，點擊此處獲取更多資訊。

AI News由TechForge Media提供技術支援。探索其他即將舉辦的企業科技活動與線上研討會請點此。