智能电网降碳的双刃剑：AI需先控制自身碳消耗

原文标题：Artificial intelligence for low-carbon energy and information networks

期刊：Nature Reviews Electrical Engineering

年份与卷页：2026, Volume 3, Pages 238-253

DOI：10.1038/s44287-026-00271-0

作者：Junliang Ye, Yuxi Zhao, Yue Yu, Yuting Li, Xiaohu Ge, Hamid Gharavi, Yang Yang, Wuxiong Zhang

关键词：人工智能；低碳能源网络；信息网络；可再生能源预测；网络资源分配；大模型能耗；生命周期碳排放

这篇 Nature Reviews Electrical Engineering 综述揭示了一个矛盾现象：人工智能能助力新能源电网和信息网络减少碳排放，但模型训练、持续推理和硬件全周期过程自身也会产生巨大碳足迹，因此未来真正关键的不是“盲目应用人工智能”，而是发展低碳人工智能。

未来低碳体系将同时应对两类不稳定性。一类源于能源端：风电、光伏等可再生资源受气候波动影响，电力系统需在不确定产出下维持供需均衡。另一类来自信息端：移动通信、云计算、边缘计算、视频、物联网和生成式模型服务带来动态变化的流量负荷，信息网络也需在低延迟、可靠性和能耗间做出权衡。

人工智能在这两个网络中均能施展拳脚。在能源供应网络中，它可执行可再生能源预测、负荷预估、故障检测、电网态势感知、储能调度和需求响应优化。在信息网络中，它可进行低能耗路由、资源调配、基站休眠、边缘计算任务分派和预测性维护。更进一步，人工智能还能协同能源网络和信息网络：在绿色电力充裕时调度计算任务，在网络流量低谷期降低设备能耗，在多目标约束下权衡成本、碳排放、可靠性和服务品质。

但文章强调，人工智能并非天生低碳。模型训练消耗大量计算能力，部署和使用阶段需持续推理，硬件全周期还涵盖芯片制造、服务器、冷却、更新换代和电子垃圾。生成式模型尤其会加剧这一问题：训练规模庞大，推理频次高，部署范围广，用户请求持续攀升。于是人工智能在低碳网络中呈现出“双重身份”：一方面是减排利器，另一方面也是新的能耗和碳排