Kaiyun科技发展有限公司（开云中国）高超声速冷却技术官方网站

　　，围绕人工智能（AI）如何重塑全球能源转型与气候治理格局开展专题交流。本次活动由主持，重点探讨了AI在气候变化减缓、数据中心可持续发展以及能源气候领域从业人员能力建设中的作用与影响。

　　Sandalow教授介绍了其团队《AI促进气候变化减缓路线图》研究的主要内容。他指出，AI有潜力在未来几年为温室气体减排作出重要贡献。这种贡献既可以体现为对现有系统的增量优化，例如提升光伏电站发电效率、优化电力系统运行，也可能带来更具变革性的突破，例如加速发现清洁能源关键材料，推动新型催化剂、光伏材料、电池电极与电解质、制冷剂、超导材料等领域的创新。

　　在电力领域，AI可以通过更精准的预测、调度和运行优化，提升可再生能源消纳水平，增强电力系统灵活性与可靠性。在食品系统中，AI同样具备重要应用潜力。农业和食品系统贡献了全球超过30%的温室气体排放，同时也受到干旱、洪水、高温和病虫害扩散等气候风险的影响。AI可以整合土壤传感器、卫星遥感和气象数据，优化施肥方案，在保障产量的同时减少氧化亚氮等温室气体排放；也可以通过构建“虚拟农场”，模拟不同作物、天气条件和土壤特征下的生产情景，为可持续农业管理提供支撑。

　　Sandalow教授指出，AI助力气候减缓仍面临两大关键瓶颈：一是高质量数据不足，尤其是在全球南方国家；二是兼具AI能力与气候能源专业知识的人才仍然有限。未来，要真正释放AI的气候减排潜力，需要推动AI专家与气候变化、能源系统、农业和材料科学等领域专家开展更深入的跨界合作。

　　在AI为气候治理带来新工具的同时，其自身的能源与资源影响也不容忽视。目前AI计算运行所产生的温室气体排放占全球排放的比例低于1%，但随着AI应用快速扩张，相关用电需求和环境影响很可能在未来进一步上升。他强调，AI带来的风险并不局限于能源消耗，还包括内容风险、安全风险与资源风险。内容风险包括偏见、隐私侵犯、虚假信息和信息遗漏；安全风险涉及系统可靠性与网络安全；资源风险则包括温室气体排放增加、电网压力上升以及局部水资源紧张等问题。

　　值得关注的是，中国近期发布的《关于促进人工智能与能源双向赋能的行动方案》，为AI与能源系统深度融合提供了重要政策信号，也为其他国家探索AI赋能能源转型提供了有益参考。

　　围绕《可持续数据中心路线图》，Sandalow教授介绍了其团队关于数据中心能源和环境影响的研究。该路线图聚焦数据中心的能源消耗、水资源使用、碳排放和电子废弃物管理，并提出了超过100项面向政府、企业、行业组织和其他利益相关方的行动建议。

　　Sandalow教授指出，随着全球数据中心建设进入快速扩张阶段，未来数月乃至数年将是塑造数据中心可持续发展路径的关键窗口期。数据中心的能源和环境影响并不是固定不变的，而是高度取决于选址、设计、运营管理、冷却方式和电力来源等因素。其中，科学选址对于降低数据中心能源、水资源和碳排放影响尤为重要。

　　当前，许多国家和地区希望吸引数据中心投资，通常基于经济发展、数字基础设施建设和战略安全等考虑。但与此同时，全球多地社区也开始对数据中心项目带来的电力需求、水资源消耗和环境影响表达担忧，甚至出现反对声音。因此，数据中心业主和运营商应在项目全生命周期中加强与当地社区沟通，从选址、建设到运营阶段持续开展协作，回应地方关切。

　　在冷却技术方面，当前约95%的数据中心仍主要采用风冷方式。但随着高性能计算和GPU密集型工作负载快速增长，液冷技术正在加速应用。直接芯片冷却、浸没式冷却等液冷方式通常可以显著降低水耗，并在许多场景下降低能源消耗。Sandalow教授建议，数据中心运营商应积极采用液冷系统；开发商和运营商应优先选择能够利用自然冷却、余热回收或非饮用水资源的地点；标准制定机构也应建立更加统一的数据中心冷却技术测试规范。此外，数据中心余热利用也具有潜在价值。具备用热需求的产业和城市基础设施，可与数据中心运营商探索全天候余热利用场景，提高能源综合利用效率。

　　在交流中，Sandalow教授和涂建军教授还讨论了AI对教育和能源气候从业人员能力建设的影响。Sandalow教授以计算器的普及为例指出，技术进步会不断改变人们需要掌握的技能。过去被认为重要的能力，可能会因新工具的出现而被重新定义。

　　涂建军教授也指出，对于能源气候领域的从业人员而言，AI不仅是一个外部技术趋势，也将逐渐成为日常研究、分析和政策工作的基础工具。尤其对于初级员工而言，掌握AI工具可能帮助其更快完成过去需要较长经验积累才能承担的分析任务，提高工作效率和专业产出质量。但人的判断力、洞察力以及对复杂现实问题的理解仍然不可替代。AI可以提升效率、拓展能力边界，最终仍需要由专业人员判断问题的优先级、政策含义和现实可行性。返回搜狐，查看更多