前言

从农业革命、工业革命到现代信息技术革命，能源与数字技术始终是推动人类社会范式跃迁的根本动力。能源形态的演进，见证了人类从依赖自然到驾驭自然的历史进程——从火的诞生、生物质能、蒸汽动能到电力、原子能、清洁能源，标志着人类改造自然能力的持续提升；而数字技术的迭代，则代表了人类认知与交流方式的革命——从文字、印刷、电报、电话到互联网、人工智能，重构了人类认知世界与组织社会的底层逻辑。这两大技术体系的深度融合，正在塑造着人类文明的新形态。

然而，历次技术革命在释放巨大生产力的同时，也伴生着新的环境与社会风险。智能时代亦不例外。人工智能在成为强大生产工具的同时，其自身能耗、碳足迹以及广泛的社会影响（如就业替代和认知变革等），都对可持续发展构成系统性挑战。根据马萨诸塞大学阿默斯特分校的最新研究，训练一个大型AI模型产生的碳排放量高达62.6万磅，相当于5辆汽车从生产到报废的全生命周期碳排放总和，同时还消耗大量的水资源。所以，如何构建一个技术与人、自然和谐共生的绿色智能社会，已成为本轮技术革命的核心命题。

在我国，“数字中国”与“美丽中国”两大战略的协同推进，为绿色智能社会的构建和转型提供了顶层指引与制度保障。习近平总书记多次强调，要加速数字化绿色化协同发展。党的二十届三中全会明确指出“健全促进实体经济和数字经济深度融合制度”。2024年《中共中央 国务院关于加快经济社会发展全面绿色转型的意见》首次系统部署全面绿色转型路径；2025年国务院印发《关于深入实施“人工智能十”行动的意见》，更提出到2035年“全面步入智能经济和智能社会发展新阶段”的宏伟目标。这些重要政策文件，共同指向了2035年我国绿色智能社会的总体目标。

2021年，我从美国哈佛大学回国加入清华大学公共管理学院，在团队引领和博士生导师、清华大学公共管理学院苏竣教授的指导下，依托中央网信办、鄂尔多斯市委网信办、中国移动、中国南方电网等单位的支持，组建团队开展智能技术与绿色能源低碳转型的耦合机制研究。我们深入调研了联想集团、中国移动、润泽科技、国家能源集团等二十余家领军企业与机构，系统梳理了人工智能在能源体系中的应用场景与创新机制，收集了大量一手资料与典型案例，积累了超过二十万字的访谈记录。这些来自实践前沿的洞察表明，数字化与绿色化的深度融合正在重构新质生产力格局，指向一个以智能技术为引擎、以绿色低碳为底色、以人的福祉为归宿的绿色智能社会。

与此同时，我们积极参与国家治理体系的创新。自2023年以来，团队多次参与中央网信办关于“数字化绿色化协同政策”的研究制定；2024年11月，我们受中央网信办委托，在世界互联网大会?乌镇峰会上主办数字化绿色化协同转型论坛；同年12月，又在联合国互联网治理论坛（Internet Governance Forum，IGF）上组织“智能技术赋能绿色发展”国际分论坛，邀请多位国内外院士、企业高管与知名学者，探讨全球数智化和绿色化融合的趋势与挑战。这一系列探索，使我们切身体会到：数字化绿色化协同转型下的绿色智能社会构建，不仅是中国的现实课题，更是全球治理的战略共识。

智能技术与绿色能源革命正以系统性和加速度的方式共振，迫切要求我们建立与之适应的治理新范式。这正是本书的核心关切：智能技术与能源革命如何通过深度耦合，共同推动绿色智能社会的实现？世界主要经济体均将数智化和绿色化作为未来竞争的新基点。以人工智能、大数据与云算力为代表的新一代数字技术，正推动着生产效率与服务能力的跃升，并深刻重塑能源生产、传输与消费的基本形态；与此同时，以新能源、能效提升与低碳技术为核心的绿色革命，又为数字经济的可持续扩张提供了资源约束与方向引导。二者并非平行发展，而是相互嵌入、共演共生的关系，亟须探索新的治理和发展模式。

基于此，本书构建了一个跨学科的分析框架，从理论、产业、社会与治理四个维度展开系统探讨，探索人工智能如何重塑能源体系的运作逻辑、如何赋能绿色低碳转型、如何在复杂的社会结构中生成新的风险，最后指向治理机制。为兼顾理论深度与政策相关性，本书采用混合研究方法，综合运用社会实验、政策计量分析、专利网络分析与企业案例研究等多元手段，力求在实证基础上把握人工智能和能源互动的内在规律，为绿色智能社会的建设提供理论支撑与实践参考。这项探索既是对智能社会治理理论的深化，也是对能源革命社会机制的系统拓展，更是对人类文明新形态的学术回应。

本书的探索分为理论、赋能、风险和治理四部分，分别聚焦智能技术与能源协同的理论基础、赋能潜力、潜在风险和治理策略。在理论层面，本书旨在重构技术进步与可持续发展之间的关系，揭示智能技术对能源系统效能边界与治理逻辑的重塑机制；在产业赋能层面，探讨AI如何优化能源决策、驱动技术创新和助推认知行为变革，从而推动能源结构性转型；在社会风险层面，分析AI本身的能源环境风险以及赋能过程中存在的潜在风险；在治理层面，思考人类如何以科技理性、人文价值与制度创新共建绿色智能社会。具体内容如下：

1.理论篇：每一次科技革命背后，既是科学技术的飞速进步，也是环境污染加剧的历史常态。传统理论普遍认为技术与环境之间存在着复杂微妙的关系，并形成了悲观主义、乐观主义和中庸主义三种理论视角。当前，智能技术与能源环境在多个层面展现出深刻的相互依存与相互作用，形成了一个复杂的系统性关系。只有掌握两者之间的互动机制，才能实现正向的最优反馈。如果这一关系处理不当，智能时代AI技术所带来的能源消耗、环境污染以及社会综合性影响，可能会对可持续发展目标构成严峻挑战。未来应该通过社会实验研究等方法，对智能技术与能源低碳转型之间的相互作用展开实证研究和探索型治理。

近年来，人工智能大模型以破竹之势迅猛发展，正在深刻重塑人类社会的知识体系、信用关系与权威结构，加速推动人类步入智能社会的新时代。然而，回顾历史，历次科技革命既是科技飞速发展的时期，也是环境污染最为严峻的阶段。在新的智能社会背景下，人工智能技术的发展和社会影响同样面临着前所未有的挑战。以AI为代表的数字技术的飞速发展，除了在推动环境转型和能源技术创新方面表现出巨大赋能效应之外，也带来了能源资源损耗增加、碳排放上升和生态平衡破坏的“负能效应”，在全球范围内引发了广泛关注，并出现了“AI的尽头是能源”的担忧。

从理论与政策的角度来看，新兴技术与环境的关系及其治理问题早已成为学界讨论的经典难题。已有的研究普遍认为技术与环境之间存在着复杂微妙的关系，并以此形成了三种主要的理论视角：（1）环境悲观主义认为，技术的快速进步，特别是人工智能、基因编辑等新兴技术的广泛应用，可能带来不可预见的生态风险，强调应采取严格的监管措施，并对技术的使用进行预警和干预，以减少其对环境的负面影响；（2）与之对立的环境乐观主义则持积极看法，认为通过技术创新，人类能够开发出更高效、更清洁的能源技术，降低资源消耗并减少污染排放，主张加强技术创新和市场机制的作用，通过积极的政策支持，从而实现环境与经济的和谐共生；（3）环境中庸主义则试图寻求平衡，认为技术进步的环境效应是双刃剑，需谨慎对待，主张在技术应用过程中保持谨慎，并强调制度设计、政策调整和技术治理的必要性。

这三种理论提供了多维的视角，帮助我们理解新兴技术与环境之间错综复杂的关系。然而，在智能社会时代，尤其是人工智能、物联网、区块链等新兴技术迅速发展的背景下，技术与环境的关系正变得更加复杂。如何在技术进步与环境保护之间找到一条可持续的道路，成为全球治理的重大课题。联合国等国际组织以及国内外学者也在积极探讨AI技术可能带来的治理风险，并提出了不同的智能社会治理思路与范式，如实验主义治理、技术治理、动态调整治理和协作治理等。这些治理范式提供了对智能技术与能源环境治理的多维视角，但其在实践中，尤其是在智能技术与能源低碳转型的融合治理中的具体应用，仍须进一步验证。

从知识目标角度来看，本书旨在探讨智能时代背景下智能技术与能源转型之间的耦合关系，并提出相应的理论概念模型，进而提出围绕着可持续发展目标的智能技术治理框架。本书认为，尽管智能技术与能源技术属于不同的领域，且各自有着独立的发展轨迹，但二者并非孤立存在。当前，智能技术与能源环境在多个层面展现出深刻的相互依存与相互作用，形成了一个复杂的系统性关系。鉴于智能技术与能源革命的耦合尚处于起步阶段，未来的治理框架应从实验主义治理的视角出发，采取社会实验、大数据分析、智能体建模仿真等多元化方法，对两者之间的相互作用进行深入的实证研究和探索治理。

2. 赋能篇：随着人工智能的快速发展，人工智能和能源绿色转型正在形成双向赋能机制，从最初的单一领域和局部应用，正向多领域和多环节深化拓展。一方面，AI正全方位渗透到能源系统中，通过知识生成、效率提升、管理优化和价值整合等多个途径加速低碳能源转型，扮演着绿色创新加速器、效率校准仪、决策智囊和行为催化剂等多种角色。另一方面，能源绿色转型的推进，通过提供数据场景支持、释放绿色动能以及价值认知同构等，为AI技术在行业中的纵深发展和垂直应用创造了全新的场景和赛道，支撑了AI技术的演化升级。数字化与绿色化加速融合，逐步构建起一个智能—绿色技术共生演化系统。这一系统不仅重塑了能源技术体系与产业格局，也为构建面向未来的可持续智能社会提供了重要的路径参考。

本书系统梳理了不同应用场景的AI技术与能源系统的融合现状，深入挖掘了其未来节能减排潜力，并分析了其在不同行业和国别的分布状态。通过这一研究过程，进一步解释了智能技术在赋能能源系统绿色低碳转型中的核心机制，解构了智能技术的赋能效应和典型案例，探讨了智能技术在增强能源安全方面的潜在作用。通过这些数据和案例的深入分析，本书旨在为读者揭示全面、系统的智能技术赋能能源可持续发展和创新的现状，并为未来的理论研究与政策制定提供支撑和参考。

AI正在快速与传统产业（特别是钢铁、化工、建材、电力、石化等高能耗产业）深度融合，并展现出巨大的能源消耗降低和减排前景。多项研究报告显示，AI技术未来可以显著降低20%的全球能源消耗，尤其是在能源和工业领域，其降本增效效果显著。我国一些制造和能源企业在应用AI技术推动绿色发展方面已经取得了积极成效，尽管如此，探索的空间依然广阔，尚有许多创新和改进的潜力。

人工智能与能源的深入融合，正在孕育前所未有的创新动能。AI加速能源知识的生成，打破传统创新模式，极大地降低了创新成本，是能源创新的加速器。智能技术使得工业生产从“标准化大规模制造”转向“个性化大规模定制”，通过高效的智能体（Agent）大模型优化流程控制、决策分析和产品创新，提高生产和管理中的能源利用效率。在管理决策方面，精准气候数据和地球系统建模提升了碳排放核查、区域监测和监管效率，推动了低碳能源治理的数字化和高效化。智能技术通过数据可视化、个性化反馈和交互式学习激励，提高了能源环境认知，催化消费者行为的绿色转型。

低碳能源转型也为人工智能技术的发展提供了有力支撑。首先，能源产业为人工智能模型提供了丰富的训练数据，拓展了AI技术的应用范围，催生了新的商业模式和业态。其次，可再生能源和节能技术的广泛应用为人工智能技术注入了绿色动能，促进了技术的可持续发展。最后，低碳能源转型深化了环境保护理念，将社会责任的价值观融入人工智能企业的运营中，促使企业在追求经济效益的同时，更加注重社会责任，从而推动可持续商业实践的发展。

人工智能大模型技术不仅为能源产业的绿色发展提供了无限的可能性，也为全球能源安全开辟了新的道路。中国、美国、英国、日本和印度等国家正在通过深度挖掘大数据和智能分析的力量，加速清洁能源技术的创新与开发，显著提升能源系统的效率和安全性。各国积极通过顶层设计加速本土智能生态系统的培育，强化技术链、产业链和创新链的安全性，从而提升能源系统的自主性和韧性，增强能源安全保障。与此同时，AI技术也推动了国家和全球能源治理的现代化，提升了在极端情境下能源供应的安全性和系统韧性。

3. 风险篇：人工智能的快速发展，尤其是大模型技术的崛起，带来能源与环境的双重挑战。过去，规模法则（scaling law）是推动人工智能模型向能耗密集型技术转型的主要驱动力。随着人工智能规模化应用，未来能源需求将显著上升，可能导致污染物和温室气体排放量的增加。人工智能的迅猛发展有可能扭转数据中心规模与能耗之间的脱钩趋势，预计全球及主要国家的数据中心能耗将显著上升。同时，智能技术在推动能源产业创新的同时，也可能引发回弹效应，带来诸如算法歧视、劳动替代和技术滥用等潜在风险。再者，能源系统绿色低碳转型带来的波动性、复杂性和脆弱性，可能会为AI技术的发展带来新的制约。因此，AI与能源绿色低碳转型之间的关系也可能形成双向负能效应，亟须引起警觉和应对。

本书通过深入挖掘来自不同应用场景的AI技术能源消耗数据，揭示了AI技术在实际应用中的能源消耗结构、模式及演变趋势。研究重点包括半导体全产业链的能耗问题、AI模型训练与推理过程中的能源消耗问题，以及不同大模型之间的能耗对比等。通过详细分析这些数据，本书旨在为读者呈现全面、系统的AI技术能源消耗现状，并为未来的研究与政策制定提供数据支持和决策参考。

过去十多年，规模法则推动人工智能大模型向能耗密集型技术转变，带来了能源与环境挑战。AI模型的进步高度依赖硬件设备和计算能力，且模型开发与计算能力之间的关系已从简单的线性增长转变为指数增长。然而，模型训练与开发的能耗分别只占AI大模型总耗能的30%和10%，模型推理应用才是能量消耗最为集中的环节，占大模型总耗能的60%。未来随着人工智能技术与更多产业的深度融合，AI技术规模化应用带来的推理应用呈爆发式增长，将带来更大的能耗压力。

随着人工智能应用的广泛部署，对芯片的需求将显著增加。半导体产业本身是一个资源密集型产业，涉及能源、水、化学品及原材料的消耗，并且在制造过程中会产生大量污染性物质和温室气体。如果不采取有效的治理措施，这些污染物将对自然环境造成严重的负面影响。此外，全球数据中心的快速扩展也引发了对其能源消耗问题的关注。2010—2018年，技术创新和效率提升使数据中心在一定程度上实现了能耗与规模的脱钩。尽管数据中心的计算负载和服务需求不断增长，但是其能源消耗并未按比例增加。随着AI技术的发展，计算资源的需求增长以及数据中心高密度集中的趋势，未来这一脱钩现象可能会发生逆转，导致全球及主要国家的数据中心能耗显著上升。

人工智能与传统能源、工业和制造行业的深度融合，也可能引发一系列潜在风险与挑战。比如智能技术节能引发能源回弹效应，导致能耗不减反增。此外，社会偏见（如种族偏见、性别偏见、年龄偏见、宗教偏见等）可能通过智能技术映射到能源领域，从而带来算法歧视和不公平性问题。在就业市场方面，AI可能替代传统工作岗位，虽然它也有可能创造新岗位，但这种结构性变化可能加剧收入不平等，并导致劳动力市场的不平衡。与此同时，AI在能源领域的应用还可能引发数据隐私问题、技术滥用和网络安全等风险。AI的错误决策或滥用可能会导致能源系统的不稳定，甚至造成灾难性后果。

能源系统的绿色低碳转型无疑是全球应对气候变化、实现可持续发展的关键路径之一。然而，这一转型过程中的波动性、复杂性和脆弱性，也可能成为AI技术发展的新制约因素，特别是在能源基础设施的稳定性和智能技术的融合应用方面。新能源（如风能、太阳能）的间歇性和不稳定性会增加能源供应的波动性，使得电力系统的调度、稳定性和安全性面临更大的挑战。许多地区的电网尚未具备应对AI发展所带来的高强度负载波动的能力，尤其是在能源供应不足或者电力需求高峰时段，电网可能无法承载如此高强度的负荷。这不仅可能导致电力短缺，而且会影响AI技术的稳定运行。

这些问题表明，AI与能源之间也可能存在双向负能效应，将进一步增加智能技术治理的复杂性，这要求政策制定者、企业和技术开发者更谨慎地审视其潜在影响，确保技术在提高效益的同时，能够有效规避可能的负面效应，以及潜在的“负—负”恶性循环。特别是在AI与能源技术融合的过程中，要谨慎平衡技术创新与环境、社会、经济的多重风险。

4. 治理篇：AI和能源技术在知识体系、创新路径、技术基础设施、产业模式、治理手段等方面都存在显著差异，这为AI与能源的融合带来了前所未有的挑战和机遇。要实现AI与能源之间的良性协同，并最大化协同效益，防止负效应叠加的恶性循环，治理体系的设计至关重要。尤其是跨领域的政策协同程度，对AI与能源的融合具有显著的正向影响，因此需要从治理体系上整体研究和部署，强化政策体系协同，有意识地在二者的融合边界上加强“边界活动”。

从治理目标的角度，本书对企业和政府如何更好地推动智能技术与能源革命的融合进行探讨。通过翔实的数据和具体的实例，展示AI技术在实际应用中对能源资源的消耗情况，揭示企业在推动AI技术发展的过程中面临的挑战和潜在的环境影响。同时，本书通过对政策文件、行业报告和相关文献的内容分析，探讨各国在AI技术与能源管理方面的政策措施和实践经验，涵盖政府和国际组织发布的政策文件、行业研究报告，重点分析这些文件中关于AI技术的能源消耗管理策略、政策建议和未来发展方向。

作为数字行业能源和气候行动的主要责任主体，企业在AI与绿色能源技术融合中扮演着至关重要的角色。尤其是全球领先的科技企业在AI大模型开发与数据中心建设中占据主导地位，它们在推动绿色发展的同时，也面临着节能与技术创新的双重任务。如何通过技术创新降低AI大模型的能耗，成为企业竞争力的一部分。比如，探索剪枝技术、量子芯片、光芯片等节能技术，推动数据中心冷却技术的创新（如浸没式冷却技术）等，正在成为当前科技企业的技术竞争焦点。

企业不仅需要推动技术创新，还要将可持续发展的理念融入运营中。越来越多的科技公司开始设定气候目标，推动碳中和和绿色发展战略。然而，在追求技术进步的同时，企业如何确保其绿色能源技术应用不产生社会不公平、就业失衡等副作用，需要政策和治理框架的进一步保障。同时值得注意的是，与发达国家的企业相比，我国AI相关科技企业在气候目标设定和具体举措上面，还存在一定差距。

AI和绿色能源技术的深度协同不仅需要发挥市场“无形之手”的作用，还需要政府“有形之手”的紧密配合。政策协同对促进AI与绿色能源技术融合具有支撑和引领作用。AI和能源技术在知识体系、创新路径、技术基础设施、产业模式、治理手段等方面都存在显著差异。从治理体系上整体研究和部署，强化政策体系协同，有意识地在二者的融合上加强“边界活动”，对于构建协同创新的基础设施、商业模式和产业形态具有重要意义。

各国在推动AI与绿色能源协同转型的战略布局中呈现差异化的政策路线和战略模式。欧盟强调建立国际合作规范和多层级协同，注重社会公平与政策的灵活性和适应性。美国则在技术驱动和国际战略地位的塑造上，表现出更强的联邦集权化管理和战略导向，但暂未在数字化和绿色化协同领域形成合力。在一些发展中国家，AI与绿色能源技术的协同转型面临着较大的经济和技术挑战。如何在跨国层面通过国际合作和机制设计，利用AI技术推动能源效率提升、减少碳排放，同时确保社会公平、促进包容性发展，构建一个创新高效、低碳环保、有人文温度的智能社会，仍是一个重要的政策议题。

基于此，本书从政策和治理的角度提出多元政策方案，以助力AI技术的可持续发展。这些措施包括加强监管框架，推动数字化与绿色化的协同创新，促进国际合作，以及增强公众对AI技术能耗影响、AI赋能能源产业发展的认知，并在此基础上积极参与到AI与能源协同发展和治理的活动中来。同时，本书也进一步探索AI与能源在不同层面的协同路径。

人类技术革命的边界需要制度与伦理来划定，而制度的有效性，又依赖于对技术内在逻辑的深刻洞察。二者之间，是一种互为条件、相互塑造的动态关系。因此，本书希望通过系统的理论建构与实践探索，挖掘人工智能与能源深度耦合的技术、市场和制度逻辑，理解两者协同耦合的底层逻辑，从而为国家政策制定提供科学依据，为企业战略转型提供方向指引。

人工智能与能源系统的耦合协同，既是一个技术命题，也是一项治理命题。科技变革的真正意义，不仅在于其作为工具所驱动的效率提升，更在于其背后所承载的价值理性——如何引导技术创新服务于人类整体福祉的增进。在数字化与绿色化的历史交汇点上，我们希望在跨学科视野与系统治理思维的基础上，推动形成一种面向未来的社会共识，迈向更加包容、更具韧性、也更可持续的绿色智能社会。

在智能社会的新时代背景下，人工智能与能源的协同发展已成为推动经济社会全面绿色转型的关键力量。然而，这一进程既孕育着前所未有的机遇，也伴随着复杂多变的挑战。《智能技术与能源革命》一书，正是对这一重要议题的系统性研究与深刻洞察。本书融合了科技创新、环境科学、智能科学和公共管理等多学科知识，采用混合型研究方法，从技术、产业、政策与治理等多角度，全面剖析了AI技术与能源系统之间的耦合关系。作者不仅深入探讨了AI在绿色能源和环境领域的综合社会影响，还系统评估了AI与能源技术融合的发展趋势与核心规律，为读者呈现了一个全面而深刻的分析框架。书中理论篇、赋能篇、风险篇和治理篇四部分内容相辅相成，既有对智能技术与能源转型耦合关系的理论探讨，也有对AI赋能绿色能源转型的实证分析和未来趋势的预测；既揭示了AI技术快速发展可能带来的能源与环境风险，也提出了针对性的治理策略和政策建议。本书观点新颖、论据充分、案例丰富，不仅为学术界提供了宝贵的研究参考，也为政府决策者、企业管理者和相关行业从业者提供了切实可行的实践指导。无论你是关注人工智能发展的科技工作者，还是致力于推动绿色转型的环保人士，或是对智能社会背景下技术与环境关系感兴趣的读者，都能从本书中获益匪浅。

本书以构建绿色智能社会为终极目标，融合环境科学、智能科学、公共科技政策和公共管理等多学科知识，采用混合型研究方法，系统剖析人工智能技术在社会智能化转型进程中与能源革命的深度耦合机制。研究不仅关注技术协同的路径，更致力于探索一条符合中国式现代化要求，体现以人民为中心、创新驱动、共建共享、低碳韧性等发展理念的绿色智能社会建设路径。全书首先批判性梳理技术革命与能源环境关系的传统理论，为绿色智能社会情境下智能技术与能源革命耦合提供理论和方法基础。其次，深入探讨智能技术与绿色能源转型的双向赋能机制，揭示人工智能在促进知识生成、组织变革、认知转型与行为优化等方面的潜力，并阐释能源转型对智能技术发展的约束与引导。再次，评估人工智能技术应用可能带来的能源消耗、回弹效应及其他潜在风险，提出面向绿色智能社会的系统性治理需求。最后，明确企业在技术创新与可持续发展中的核心角色，强调跨领域政策协同的关键作用，并通过比较国际社会推动双化协同的差异化路径，为我国参与并引领全球绿色智能社会进程提供战略参鉴。

张芳，现任教清华大学公共管理学院，具有清华大学和塔夫茨大学弗莱彻学院双博士学位，曾在哈佛大学肯尼迪学院做博士后，荣获清华大学“仲英青年学者”称号。深耕技术创新、政策分析、AI和能源转型等领域十多载，主持国家自然科学基金项目、国家重点研发计划课题等国家级科研项目多项，在NatureCommunications、NatureHumanIntelligence和ResearchPolicy等国际学术期刊发表论文多篇。

目录

理论篇

第1章 面向智能社会的新兴技术治理 3

1.1 缘起：AI的尽头是能源 3

1.2 气候变化与低碳转型 5

1.3 人类智能社会大转型 8

1.4 理论反思：面向可持续发展的科技治理思潮 11

1.5 现实之问：如何推动智能社会的可持续发展？ 17

1.6 核心术语 20

第2章 理论背景 22

2.1 技术与环境 22

2.2 能源与环境 31

2.3 政府与环境 40

2.4 总结：技术—能源—环境—治理互动逻辑结构 46

赋能篇

第3章 AI对能源低碳转型的赋能效应 51

3.1 AI与能源的新力量组合 51

3.2 AI与供给侧能源技术 58

3.3 AI与需求侧能源技术 64

3.4 AI与交叉领域能源技术 70

3.5 总结 72

第4章 AI赋能低碳能源转型的机制 73

4.1 AI驱动能源科学新范式 73

4.2 技术赋能能源决策科学化 78

4.3 AI推动能源组织变革 84

4.4 AI助推能源和环境认知变革 89

4.5 总结 94

第5章 大模型技术重塑能源安全 95

5.1 能源安全的多重危机 95

5.2 大模型技术赋能能源安全 98

5.3 典型案例：鄂尔多斯市智慧矿山 101

5.4 AI赋能能源面临的挑战 114

风险篇

第6章 AI赋能的回弹效应与风险 119

6.1 能源回弹效应 119

6.2 偏见与不公平 121

6.3 劳动冲击 126

6.4 权益侵犯 129

6.5 安全风险 132

6.6 总结 136

第7章 人工智能的训练和应用能耗 137

7.1 AI模型与应用 137

7.2 大模型热潮拉升算力 141

7.3 AI大模型能源消耗 149

7.4 AI大模型能源消耗、碳排放的影响因素 157

7.5 总结 159

第8章 AI芯片的能源和环境影响 161

8.1 人工智能与芯片 161

8.2 芯片能源消耗 164

8.3 其他资源和环境影响 169

8.4 总结 173

第9章 AI发展背景下数据中心的能源消耗 174

9.1 AI驱动数据中心发展 174

9.2 数据中心能源消耗 176

9.3 美国的数据中心 182

9.4 中国的数据中心 189

9.5 总结 198

第10章 AI的水资源消耗和其他生态影响 199

10.1 AI的水资源消耗 199

10.2 电子垃圾及危害 207

10.3 其他生态和环境影响 214

10.4 总结 217

治理篇

第11章 人工智能节能降耗技术前沿 221

11.1 大模型前沿开发技术 221

11.2 先进芯片开发与制造技术 227

11.3 数据中心的前沿冷却技术 230

11.4 用魔法打败魔法：AI的应用 233

11.5 其他节能降碳技术 235

第12章 AI企业的能源和气候治理行动及多元困境 238

12.1 AI相关的数字科技企业 238

12.2 AI相关企业的电力能源消耗 239

12.3 AI相关企业的碳排放和气候行动 245

12.4 AI相关企业能耗治理的多元困境 260

12.5 总结 264

第13章 政策协同与AI能源融合式创新 265

13.1 AI和绿色能源技术融合 265

13.2 政策协同和技术融合 270

13.3 研究方法和数据来源 272

13.4 实证结果与分析 279

13.5 总结 284

第14章 主要国家AI与能源协同转型政策比较 286

14.1 欧盟 286

14.2 美国 293

14.3 中国 295

14.4 总结 299

第15章 结论与展望：构建绿色智能社会 302

15.1 构建具有人文温度的绿色智能社会 302

15.2 绿色智能社会的系统性转型 303

15.3 绿色智能社会的治理 307

15.4 研究创新点 309

15.5 不足与研究展望 309

15.6 尾声：我们的抉择 310

附录 312

致谢 316