全文1230字，阅读大约需要2分钟
未经许可严禁以任何形式转载
微信号：energyobserver
欢迎投稿，投稿邮箱：
eomagazine@126.com
刘文慧
“不要跟AI说谢谢”等网络讨论兴起，可见大众已悄然关注到AI电力消耗问题。自2024年底Deepseek大火后，2025年多个互联网公司推出AI相关产品，消费端AI潜力迸发。但随着技术进入规模化部署阶段，另一个更具决定性的趋势逐渐清晰——AI的长期增长动能，正从消费领域向工业领域转移，而这一转移，也将驱动产业用能模式变化。
从产业实践看，工业领域对AI的需求来自降本、提效与风险控制的现实压力。而工业应用强调长期稳定运行，一旦一项技术进入生产或调度系统，很少被回退或替代。正因如此，工业AI的扩张节奏虽然慢于消费应用，却呈现出更强的不可逆性。
权威机构的数据也印证了这一判断。波士顿咨询公司报告指出，真正实现持续回报的AI项目，高度集中在制造、能源等工业和基础设施相关行业，而大量消费端应用仍处在探索商业模式的阶段。另一项来自Verified Market Reports 的统计显示，工业AI市场未来数年将保持两位数的复合增长率，其中预测性维护、智能制造和能源管理是最核心的增长来源。
值得注意的是，消费端和工业端AI应用在用能特性上存在区别。消费端AI的使用模式具有高度弹性，用户是否调用、调用频次和持续时间都存在较大的不确定性，其算力与电力消耗呈现明显的波动特征。相比之下，工业领域的AI应用往往需要7×24小时运行，与物理系统形成实时反馈闭环，对稳定性和连续性的要求极高。这意味着工业端AI是长期、可预测的持续负载。
而这种差异，直接推动了边缘计算的发展，也在重塑工厂、电网与智算中心之间的关系。
工业端AI很难完全依赖中心化云计算。因此，算力开始向生产现场下沉，边缘计算正逐渐成为工业智能化的必要基础设施。国际数据中心（IDC）在其工业数字化研究中明确指出，未来工业AI的主流架构将是“云—边—端协同”，其中边缘侧承担实时推理与控制任务，云端负责模型训练与全局优化。
边缘计算的扩展，直接改变了工厂的用能结构。在应用AI的环境下，工厂对电力供应的稳定性、冗余度都提出更高要求，而用电曲线也会产生变化。更高等级的并网能力和更可靠的电力调度，正在成为工业智能化的隐性前提。
国际能源署在多份电力展望报告中指出，工业数字化与数据中心正在成为全球电力需求增长中最具确定性的来源之一，其共同特征是负载规模大、周期长、可预测性强。与波动性的消费负载相比，这类需求更有利于电网进行长期投资规划，也更容易支撑输配电网络的升级扩容。
分布式能源重要性亦在同步提高。过去，分布式能源更多被视为“替代电网”的方案，而在新的结构中，它正转变为“增强电网”的工具。麦肯锡在关于数据中心能源结构的研究中指出，未来的大型算力节点将不再是被动用电者，而是具备一定能源调节与负载响应能力的“主动节点”。
也许不久后，“AI用了多少本地电”的讨论也会兴起。
编辑 陈仪方
审核 姜黎
