中國儲能網(wǎng)訊：“不要跟AI說謝謝”等網(wǎng)絡討論興起，可見大眾已悄然關(guān)注到AI電力消耗問題。自2024年底Deepseek大火后，2025年多個互聯(lián)網(wǎng)公司推出AI相關(guān)產(chǎn)品，消費端AI潛力迸發(fā)。但隨著技術(shù)進入規(guī)?；渴痣A段，另一個更具決定性的趨勢逐漸清晰——AI的長期增長動能，正從消費領(lǐng)域向工業(yè)領(lǐng)域轉(zhuǎn)移，而這一轉(zhuǎn)移，也將驅(qū)動產(chǎn)業(yè)用能模式變化。
從產(chǎn)業(yè)實踐看，工業(yè)領(lǐng)域?qū)I的需求來自降本、提效與風險控制的現(xiàn)實壓力。而工業(yè)應用強調(diào)長期穩(wěn)定運行，一旦一項技術(shù)進入生產(chǎn)或調(diào)度系統(tǒng)，很少被回退或替代。正因如此，工業(yè)AI的擴張節(jié)奏雖然慢于消費應用，卻呈現(xiàn)出更強的不可逆性。
權(quán)威機構(gòu)的數(shù)據(jù)也印證了這一判斷。波士頓咨詢公司報告指出，真正實現(xiàn)持續(xù)回報的AI項目，高度集中在制造、能源等工業(yè)和基礎設施相關(guān)行業(yè)，而大量消費端應用仍處在探索商業(yè)模式的階段。另一項來自Verified Market Reports 的統(tǒng)計顯示，工業(yè)AI市場未來數(shù)年將保持兩位數(shù)的復合增長率，其中預測性維護、智能制造和能源管理是最核心的增長來源。
值得注意的是，消費端和工業(yè)端AI應用在用能特性上存在區(qū)別。消費端AI的使用模式具有高度彈性，用戶是否調(diào)用、調(diào)用頻次和持續(xù)時間都存在較大的不確定性，其算力與電力消耗呈現(xiàn)明顯的波動特征。相比之下，工業(yè)領(lǐng)域的AI應用往往需要7×24小時運行，與物理系統(tǒng)形成實時反饋閉環(huán)，對穩(wěn)定性和連續(xù)性的要求極高。這意味著工業(yè)端AI是長期、可預測的持續(xù)負載。
而這種差異，直接推動了邊緣計算的發(fā)展，也在重塑工廠、電網(wǎng)與智算中心之間的關(guān)系。
工業(yè)端AI很難完全依賴中心化云計算。因此，算力開始向生產(chǎn)現(xiàn)場下沉，邊緣計算正逐漸成為工業(yè)智能化的必要基礎設施。國際數(shù)據(jù)中心（IDC）在其工業(yè)數(shù)字化研究中明確指出，未來工業(yè)AI的主流架構(gòu)將是“云—邊—端協(xié)同”，其中邊緣側(cè)承擔實時推理與控制任務，云端負責模型訓練與全局優(yōu)化。
邊緣計算的擴展，直接改變了工廠的用能結(jié)構(gòu)。在應用AI的環(huán)境下，工廠對電力供應的穩(wěn)定性、冗余度都提出更高要求，而用電曲線也會產(chǎn)生變化。更高等級的并網(wǎng)能力和更可靠的電力調(diào)度，正在成為工業(yè)智能化的隱性前提。
國際能源署在多份電力展望報告中指出，工業(yè)數(shù)字化與數(shù)據(jù)中心正在成為全球電力需求增長中最具確定性的來源之一，其共同特征是負載規(guī)模大、周期長、可預測性強。與波動性的消費負載相比，這類需求更有利于電網(wǎng)進行長期投資規(guī)劃，也更容易支撐輸配電網(wǎng)絡的升級擴容。
分布式能源重要性亦在同步提高。過去，分布式能源更多被視為“替代電網(wǎng)”的方案，而在新的結(jié)構(gòu)中，它正轉(zhuǎn)變?yōu)椤霸鰪婋娋W(wǎng)”的工具。麥肯錫在關(guān)于數(shù)據(jù)中心能源結(jié)構(gòu)的研究中指出，未來的大型算力節(jié)點將不再是被動用電者，而是具備一定能源調(diào)節(jié)與負載響應能力的“主動節(jié)點”。
也許不久后，“AI用了多少本地電”的討論也會興起。
