2025年6月11日

人工智能 (AI) 在帮助全球加速实现净零转型的过程中发挥着诸多积极作用。我们要探讨的主要问题包括：AI 究竟会加快还是减缓排放控制的进程，它是否有助于吸引资金流向低碳融资项目，以及其如何帮助监测和预测气温上升的后果。正如我们在本报告中所讨论的，总体而言，我们认为 AI 的发展对于实现净零转型具有积极意义，同时也为各地政府提供了推进净零愿景的有效手段。

资料来源：de Vries, Alex，《人工智能日益扩大的能源足迹》，Joule，2023 年 10 月 18 日；《为智能供能：分析人工智能与数据中心能源消耗》，EPRI，2024 年5 月 28 日；《下一代风电场：2025 年 Dell‘Oro 集团 ；人工智能优化风力涡轮机》，Datategy，2024 年 1 月 17 日

AI 正以前所未有的势头加速发展，并正在重塑多个行业。通过利用机器学习、自然语言处理和生成建模方面的技术进步， 实现智能决策 。AI 的发展在多个方面影响着实现净零经济的速度。 

AI 模型普及度和复杂性的日益提高正导致电力需求的增加，进而对排放水平产生影响。事实上，用于训练较新一代 AI 模型所产生的碳排放量已显著上升：GPT-3（2020 年发布）排放量为 588 吨，GPT-4（2023 年发布）排放量为 5,184 吨，Llama 3.1 405B（2024 年发布）排放量为 8,930 吨。[@why-esg-matters-07-1]

从正面的角度来看，若新建的数据中心选址于已有清洁能源使用基础或可扩大清洁能源规模的地区，那么 AI 可以在能源转型中发挥推动作用。反之，若数据中心设于碳密集型燃料来源（如煤炭）占主导的地区，其超预期的电力消耗则可能导致碳排放量较常规情景显著增加。

鉴于化石燃料在全球电力结构中占据 60% 的份额（尽管这一数据尚未考虑数据中心的地域分布），当前的 AI 发展趋势可能会加剧碳排放。如果电力行业脱碳的速度快于先进 AI 的能源需求增长速度，那么这将有利于实现净零转型。此外，AI 监测工具可以促进土地利用变化及林业部门的排放管理，这对实现净零排放目標有利 。

就可再生能源而言，AI 可通过优化能源整合、储存、分配和产量预测来促进减排。可再生能源应用面临的一个重大难题是供应间歇性问题；而整合运用 AI 有助于管理能源波动，保障供应的稳定性和可靠性。预测性保养也有助于减少停产时间和维修成本。

气候融资独立高级专家小组估计，到 2030 年，全球每年需要 6.3 万亿至 6.7 万亿美元资金才能实现气候目标[@why-esg-matters-07-2]，这涉及对清洁能源、损失和损害、自然资本以及公平转型方面的巨额投资。我们认为 AI 的发展可以通过三个途径为能源转型提供资金：

i.促进可再生能源投资: 对数据中心枢纽选址的关注度增加，或将刺激电网的投资，并促进项目流程优化提效。例如，爱尔兰近期投入 7.5 亿欧元用于开发电网，以满足 AI 领域电力需求的增长。[@why-esg-matters-07-3]

ii.拉动国内生产总值增长：低碳转型的资金将来自多种渠道，包括国家公共财政和主权财富基金。随着 AI 产业的不断发展，其对国内生产总值的贡献日益重要。普华永道预计，到 2030 年，AI 对环球经济的贡献或将高达 15.7 万亿美元。[@why-esg-matters-07-4]

iii.优化资本配置：通过提供更可靠的分析能力（如提升数据准确性、监测碳足迹和优化项目筛选），AI 技术有助于促进对基于自然的解决方案的投资，从而引导资金流向更具影响力的气候计划。

包容性韧性关乎生产力的双重维度，既包括人们在转型行业中获得就业机会的能力，也涉及和其工作岗位生产力相关的各项人类活动。此外，在国家内部的社会公平水平也会影响其转型的能力和意愿。我们认为 AI 可以成为应对环境影响，以及提高经济生产力的强大工具。

其应用范围包括监测和预测极端天气事件、管理生物多样性保护、解决粮食损失和浪费问题，以及优化资源利用。这可以降低因不可预见的情况（如洪水导致道路封闭并延误员工上下班）所造成的工时损失，从而提高劳动生产率。

我们认为，缺乏关于 AI 对环境影响的确切规模的数据，会阻碍政策制定者和投资者充分评估相关风险。目前针对数据中心的监管举措侧重于优化能源效率，且大部分仅为企业设定最低标准或指导方针。事实上，欧盟委员会要求数据中心运营商每年提交关于能源和水资源使用、废热再利用，以及可再生能源消耗情况的报告。

我们认为，为了让投资者、政府及其他利益相关方获得更明确的信息，有必要加强 AI 供应链的披露要求和评估框架。应当对以下方面予以考量：

AI 计算：硬件组件的生产以及报废策略影响 AI 系统的全生命周期

基础设施（如数据中心）：选址、电力来源、材料、水及其他资源以及设施的连接、建造及报废管理方式，均属于相关的考虑因素

数据和算法：数据的采集、传输、存储和管理方式，以及模型设计和训练方案的选择，均可降低 AI 模型的能源需求

AI 部署：最终使用者的行为对于 AI 系统的整体环境足迹有重大影响[@why-esg-matters-07-5]

鉴于部分市场目前正在参照国际可持续准则理事会标准制定，或考虑实施强制性气候相关信息披露要求，我们认为，政策制定者可借此契机，明确 AI 指出开发商、用户、数据中心运营商及硬件制造商的具体披露义务。

排放控制机制和投资者密切相关，因为各国规划及经济考量共同决定了气候目标，而这些目标会影响能源系统并和经济活动息息相关。在此背景下，AI 具有重要意义，一方面是因为 AI 模型普及度和复杂性的提高会导致电力需求的增加，进而对排放水平产生影响。

与此同时，AI 技术涉及的能源消耗相关排放，流程优化应用有助于促进转型资金，而利用该技术进行监测、监管及预测对民生的风险，均构成评估其气候价值的关键维度。综合考虑所有这些因素，我们认为 AI 的发展有助于实现和管理净零排放的积极成果。