人工智能改变了能源市场的既定规则。随着AI模型日益复杂，其能源消耗呈指数级增长，加剧了全球电力产能短缺。这为BRICS国家创造了独特的出口机遇窗口：实现从出售原材料向算力能源商业化的转型。
人工智能辅助翻译
根据国际能源署（IEA）的数据，2024年全球电力需求增长了4.4%，而2025年将再增长3%。据预测，到2030年，年均需求增长率将比过去十年的平均水平高出50%。电力需求激增的主要原因是用于训练和运行AI模型的数据中心正在迅猛发展。
“2025年，全球数据中心消耗了约447太瓦时的电力。2026年，消耗量将增加26%，达到565太瓦时，而到2030年，预计将超过1200太瓦时，”РАНХиГС莫斯科州分校经济与金融系高级讲师亚历山大·库德里亚绍夫引述了这些数据。该专家表示，该领域本身每年增长约12%，增速是整体电力需求增速的四倍。如今，单个用于AI任务的大型数据中心的功耗在100到500兆瓦之间，大约相当于一个中等城市的用电量。
“诺德能源”首席执行官铁木尔·科特利亚尔表示，在俄罗斯，数据中心已经成为能源消耗的一个显著因素。在 3 年内，它们在总结构中的份额增长至 2 倍——从 2022 年的 1.4% 增长到 2025 年的 2.2%。目前，包括挖矿在内，数据中心的并网容量为 4.2 GW。根据统一电力系统系统运营商的预测，在未来 5 年内，这一数字可能达到 15.3 GW——这几乎是 4 倍的增长。在金砖国家中，中国和印度的能源消耗增长最为迅速。正如铁木尔·科特利亚尔所指出的，到 2030 年，中国和美国将贡献全球数据中心电力消耗增量的 80% 左右。仅在中国，数据中心的耗电量就将增加 175 TWh。印度也在加速发展：根据德勤的预测，到 2030 年，印度数据中心的容量将从 1.5 GW 增长到 8–10 GW。
正如 УЦСБ 系统集成部总监德米特里·库兹涅佐夫所解释的那样，由于信息处理方式存在根本差异，AI基础设施消耗的能源和计算资源比传统IT系统高出几个数量级。“传统的IT流程基于确定性逻辑（算法）运行，能耗极低。而AI则基于概率和线性代数。为了给出 1 个回答（即使只是聊天中的 1 个词），神经网络需要执行数十亿次乘法和加法运算。因此，用于AI运行的芯片（GPU）包含数千个小核心，以进行数百万次并行计算。在峰值负载下，每个此类芯片的功耗达到 300–700 瓦甚至更高。”
“先进技术联盟”总经理伊尔达尔·萨塔罗夫指出，人工智能正变得越来越节能。“Google最近公布了一组测算数据：其模型处理一次文本请求所消耗的电量，大致相当于微波炉运行一秒钟的耗电量。而在一年前，处理同样一次请求的能耗则是现在的33倍。”他表示。国际能源署强调，得益于软硬件技术的不断进步，人工智能执行单项任务的能效每年可提高一个数量级。这一提升速度在能源发展史上前所未有。“这并不矛盾，”伊尔达尔·萨塔罗夫指出，“早在1865年，经济学家威廉·杰文斯就注意到，蒸汽机越节能，英国燃烧的煤炭总量反而越多。机器越便宜，投入使用的机器就会越多。”如今，人工智能领域也在经历同样的过程。神经网络的使用成本不断下降、运行效率持续提高，因而开始在各行各业得到广泛应用，同时也加大了数据中心和发电厂的负荷。
与神经网络交互的性质也发生了变化。“如果说以前网络的主要负载来自于模型的一次性训练，那么现在爆炸性的增长则是由推理（终端用户在实时环境中使用模型）带来的。能源消耗也在很大程度上取决于任务：简单的文本生成每次请求大约需要 2 瓦时，大型推理模型（reasoning models）的消耗至少是其 2 倍，而生成短视频的能耗大约是文本的 25 倍，”莫斯塔特负责人列昂尼德·卡利穆林指出。“目前正在向多智能体系统过渡，在这些系统中，多个AI智能体并行工作，在没有人类参与的情况下相互协商，并来回传递任务，”尤尼索夫特公司创始人、数字化专家阿列克谢·奥诺索夫评论道。结果，计算周期变得越来越多。
能源不仅用于计算。根据德米特里·库兹涅佐夫的说法，在高性能芯片运行期间，数据中心的设备会剧烈发热。为了防止设备发生故障，数据中心需要极其强大的空调或液冷系统，这些系统消耗了输入数据中心的全部电力的30%到40%。
AI的迅猛发展正导致能源产能短缺。列昂尼德·卡利穆林认为，主要威胁与其说是轮流停电，不如说是电网限制和经济失衡。由于电网超载和变压器短缺，全球多达20%的计划数据中心项目已经面临严重延期的风险。德米特里·库兹涅佐夫指出，例如，历史上集中了全国60%以上商业产能的莫斯科枢纽，已经耗尽了技术并网的额度。他表示，由于能源短缺和首都枢纽的创纪录用电高峰，电网公司实际上已经对新建大型数据中心的并网实施了限制。伊尔达尔·萨塔罗夫表示，南部、西伯利亚东南部和远东地区也出现了类似的情况。
萨塔罗夫认为，问题与其说是能源短缺，不如说是数据中心和能源基础设施的建设速度不匹配。“建设一个数据中心需要1到1.5年。输电线路的建设需要5到7年。过去大型电力变压器需要等待2年，现在则需要3到5年。全球只有3家公司生产大型燃气轮机，而它们的订单已经排到了未来5年。电气设备占数据中心成本的不到10%，但却构成了100%的瓶颈，”该专家强调道。
季穆尔·科特利亚尔警告说，如果新的AI算力在不扩建现有基础设施的情况下开始接入，后果将是严重的。数据中心将与新工厂或住宅区竞争技术并网资源。技术并网的成本将会上升——人们将不得不为稀缺资源支付更多费用。德米特里·库兹涅佐夫谈到了电价失衡的风险：为了将AI公司留在国内，国家可能会向它们提供优惠的批发电价。电网公司收入的短缺将通过提高最终消费者（居民和企业）的电价来弥补。“还有一个不太明显的风险——电网不稳定，”季穆尔·科特利亚尔认为。“AI集群带来的负荷激增会造成电能质量问题，可能引发紧急停电，并加速电网设备的磨损。实际上，为均匀用电而设计的电力系统正面临着一种全新类型的负荷。”
不同国家解决能源短缺问题的方法存在显著差异。例如，在俄罗斯，根据德米特里·库兹涅佐夫的说法，数据中心开发商正将项目转移到发电量过剩的地区（列宁格勒州、特维尔州、斯摩棱斯克州和托木斯克州），那里能够接入数百兆瓦的电力。此外，政府计划为数据中心建立专门的能源区，提供加速并网服务和特惠电价。
为了解决网络过载问题，中国启动了“东数西算”国家工程：将负荷繁重的东部沿海地区的算力转移至拥有丰富廉价风能和水能的地区（内蒙古、贵州）。
东方学家、东亚和东南亚经济专家罗曼·法因什密特表示，印度尼西亚存在能源过剩，因此主要问题在于输配电网络的发展。此外，大型跨国公司必须遵循ESG原则，在印度尼西亚大部分电力由燃煤电厂生产的背景下，这使它们承担了特定的环境义务。因此，印度尼西亚的企业正就在数据中心使用地热能和太阳能达成协议。同时，印度尼西亚数据中心运营商协会正在筹备建立国家生态评级系统，以监测全国数据中心的能源效率。
俄罗斯联邦政府财政金融大学国际商务教研室副教授叶夫根尼·苏马罗科夫指出，使用替代能源在其他国家也已成为一种趋势：“负责数据中心发展的大型公司正试图通过建设风能和太阳能发电站来为其提供能源，以此弥补电力的消耗。”普柳索丰公司总经理巴维尔·孔德拉季耶夫指出，科技巨头越来越倾向于采用 all of the above 战略，结合所有可能的能源——可再生能源、天然气和核能。
阿列克谢·奥诺索夫认为，随着时间的推移，获取廉价能源将成为与过去获取石油或资本一样关键的宏观经济因素。与此同时，BRICS国家正处于有利地位。“这里拥有全球一半以上的发电产能、全球一半的太阳能发电量，仅在2025年就新增了创纪录的497吉瓦太阳能和风能。未来可再生能源项目的储备量是煤炭、石油和天然气项目总和的2.5倍。该联盟拥有用于计算的原料，”伊尔达尔·萨塔罗夫强调道。
铁木尔·科特利亚尔也认为，俄罗斯、巴西和中国拥有许多发达国家所缺乏的优势——廉价的能源和广阔的建设用地。全球对算力的需求增长速度，已经超过了美国和欧洲传统中心满足这一需求的能力。“这为金砖国家打开了机会之窗，”这位专家表示，“例如，俄罗斯可以提供相对廉价的电力、寒冷的气候（从而降低服务器的冷却成本）以及大片建设用地。印度拥有高素质的人才和不断增长的国内市场。而中国如今已是全球数据中心规模的领导者之一。”
AIVOLUTE首席执行官兼创始人、人工智能实施与业务自动化专家安娜·赖斯卡娅指出，然而问题在于，过剩的产能本身并不能带来优势：电力作为一种商品，是按照大宗商品的利润率进行交易的。她表示，只有当兆瓦转化为计算能力，并且这些计算能力作为推理、Token或训练好的模型被出售时，真正的资产才会产生。公共管理与国际政治顾问伊利亚·马尔戈林表示，如果能源优势能够与产业政策、微芯片制造、数据中心建设以及自主人工智能平台的发展相结合，那么金砖国家将能够把计算能力作为一种独立的经济产品进行出口。
«Инфосистемы Джет»网络解决方案中心主任谢尔盖·安德罗诺夫认为，在技术竞赛中，能够为投资者提供全面的一揽子解决方案的国家将取得胜利。这需要4个关键条件。首先是相对廉价的发电：拥有自有的发电能力（核电站、水电站、天然气），以及至关重要的一点——面向消费者的低廉最终电价。必须建设高速且容错的光纤基础设施，以传输海量数据。需要为投资者提供快速的审批程序和便利的规则：优惠的技术并网条件和透明的投资组合。此外，凉爽的气候也是一个优势，它可以最大限度地减少设备的冷却成本。
在俄罗斯，除了寒冷的气候和过剩的产能之外，还有1个重要的优势。根据列昂尼德·卡利穆林的说法，俄罗斯发电产能的结构性过剩得益于低碳和可调度（可控）的发电方式——核能和水力发电。“俄罗斯仍保留着大量未充分开发的水力潜力，特别是在远东地区，”该专家指出。“水力发电是1种可再生能源，也是最清洁的发电方式中的1种，在发电过程中没有直接的CO₂排放。这是我们潜在的竞争优势，甚至是出口优势：水力发电可以作为数据中心理想且稳定的基本负荷，从而从根本上降低人工智能基础设施的碳足迹。同时，在水力资源储量方面，俄罗斯位居世界第2位，仅次于中国。”
德米特里·库兹涅佐夫表示，为了克服能源短缺，人工智能领域正在形成结合能源、热工程以及人工智能算法本身的综合技术解决方案。例如，小型模块化核反应堆可能会发挥关键作用，借此将有可能在世界任何地方建立完全自主的“AI工厂”。
降低能耗的另一种方法是在数据中心安装先进的冷却系统——液冷或浸没式冷却系统，即让服务器完全浸没在介电液体中。“这些解决方案可以将AI集群中的电源使用效率（PUE）从通常的1.5–1.6降低到1.15–1.2，”德米特里·库兹涅佐夫举例说道。列昂尼德·卡利穆林表示，有前景的发展方向之一是开发“混合专家”（Mixture of Experts, MoE）架构，该架构仅针对特定请求激活神经网络的所需部分，从而节省高达90%的计算资源。与此同时，光子计算技术（用光代替电传输数据）也在不断发展，有望实现散热量的成倍降低。伊尔达尔·萨塔罗夫预测，在3到7年的时间里，可以期待向专门用于神经网络的NPU芯片过渡。他表示，目前通用加速器将能量消耗在非常狭窄的操作上，这大约“就像用自卸卡车运送面包一样”。此外，人工智能也可用于优化能源行业本身。列昂尼德·卡利穆林认为，这将有助于动态分配负载、预测温度状态以及及早发现关键基础设施上的事故。
铁木尔·科特利亚尔认为，有必要向一种根本不同的供电架构过渡，即所谓的混合能源系统。该系统包括三个组件：自有的燃气内燃机发电（GPU）、基于磷酸铁锂电池的储能系统（SNE）以及能够在各电源之间实时平衡能耗的智能控制系统。这位专家表示：“这种组合可以同时解决几个问题：提供不间断电源，降低对外部电网的依赖，减少运营成本，并允许快速扩展容量，而无需长时间等待并网审批。”据他介绍，各国最大的数据中心运营商已经开始转向这种混合方案。而对于金砖国家来说，这也是一个发展本土能源设备（如电池、发电机和控制系统）制造的机会。
