AI賦能氣候科技產業面臨的核心矛盾"算力成本與能耗悖論"應如何破解？

破解"算力成本與能耗悖論"需要"用AI優化AI"的多層次系統性方案，讓算力從"耗能大戶"變為"節能引擎"。

在軟件層面，需優化算法訓練更高效的專業模型，從源頭節約算力。通過模型壓縮、知識蒸餾等技術降低推理能耗，同時推動大模型開源生態成熟以降低重復訓練成本。

在硬件層面，采用液冷等先進技術及AI自優化系統大幅降低數據中心能耗。液冷技術可將數據中心PUE值降至接近1.1，較傳統風冷節能顯著。AI驅動的數據中心能效自優化系統可實現負載動態匹配與余熱回收利用。

在戰略層面，推動"綠電養算"，讓非化石能源成為算力增長的主要能源支撐?！蛾P于促進人工智能與能源雙向賦能的行動方案》明確提出統籌"東數西算"與新能源基地布局，實現算力與電力的時空協同。試點項目已實現大規模"源網荷儲"一體化數據中心園區綠電使用率穩定在較高水平。

在標準層面，需建立算力度量、調度、結算的統一標準，破解異構資源互聯互通難題，消除算力孤島現象，推動算力市場規范化發展。

從更深層的產業邏輯看，這一悖論的本質是AI作為"技術依賴型"經濟核心變量與清潔能源供給之間的動態平衡。賀克斌院士指出，世界經濟正全面轉向對清潔能源與核心技術的"技術依賴型"，人工智能是此進程中的關鍵變量。因此，破解之道不僅在于技術優化，更在于將AI能耗納入碳核算體系，以Token消耗量作為衡量企業數字化碳排放的新維度，形成算力擴張與綠電供給的良性閉環。