人工智能如何改变能源系统：电网面临的新挑战

人工智能基础设施的扩张通常被视为能源消耗问题：到2030年，数据中心可能消耗全球3–4%的电力。然而，核心问题并非总量，而在于负载特性。用于训练和推理AI模型的高密度计算集群会导致能源消耗的急剧且不可预测的波动，进而加大电网运营商的管理难度。

模型训练通常同步且高强度，导致毫秒级的负载突变；推理则分布式且依赖用户活跃度，同样引入不稳定性。与传统工业负载不同，此类计算过程难以精准预测，进而加重系统备用、频率控制及局部电网的负担。

数据中心的地理集中进一步恶化局面。在电价优惠地区（如美国弗吉尼亚州北部），尽管整体电力供应充足，但局部仍面临过载风险。此外，制冷系统对计算负载变化的非线性响应，也会放大能源消耗的波动。

专家指出，现有监管与运营框架无法应对如此动态的负载。电网运营商虽已引入需求侧管理、储能系统及负载平衡机制，但基础设施升级速度仍跟不上计算能力的增长。长期来看，这要求重新规划能源系统并制定新标准，以适应高动态负载的整合需求。