安永《AI与能源：双向依赖》报告

AI 已经从学术课题长成一个塑造企业战略、经济政策和地缘政治的产业，数据中心建设和 AI 相关支出的激增，成了商业投资与 GDP 增长的重要驱动，在美国尤其明显。与此同时，这套能力又在反过来改造能源行业——提升效率、支撑更聪明的电网管理、推动清洁技术创新。安永 2026 年 5 月的这份报告把两条线并成「双向依赖」一个问题：AI 需要能源，能源也需要 AI，两边怎么同时成立。现在值得看的原因在于，报告里不少量级已经落到项目层面，不再是远景推演。

报告分两大块。「AI 赋能能源」依次覆盖油气上游的勘探与生产、中游的运输与储存、下游的炼化与石化，再到电力与公用事业、能源交易、能源零售，最后落到「从试点到实效」；「能源支撑 AI」则从数据中心的扩张讲到电力需求，再讲到低碳电力采购和电网排队这两个使能条件。此外还单列两章：一章讲欧洲数据中心的再平衡——电力约束把增长推向 Europe Central 区域，一章讲技术提供商、能源公司和政策制定者之间需要怎样的协同。分析基础是 EY Europe Central Energy Center 的研究，加上安永在 AI 以及工业与能源领域的项目经验；正文中的关键数字多带脚注，但具体出处未在材料中展开。

关于 AI 能带来多少实惠，报告给出的区间比较克制：早期一次性部署的案例显示运营成本下降 10%–25%，生产率提升 3%–8%，能效提升 5%–8%，能效这部分可以直接折算成减排。具体到电力与公用事业，报告判断其 AI 应用处于「新兴到规模化」阶段，位置介于能源交易和油气实体运营之间——换句话说，交易侧走得快，实体资产侧走得慢。在能落地的场景上，报告引用数据称 AI 负荷预测准确率最高可提升 35%，预测性维护能减少 20%–30% 的非计划停运。这几组数字放在一起看，价值主张并不玄，主要是把已经成熟的预测和运维能力推到更多资产上。

另一面是 AI 的能耗账。报告给了一组便于感知的对照：一个典型的 AI 数据中心用电量相当于 10 万户家庭，而在建的最大项目要用 20 倍。数据中心目前占全球用电 1.5%，年增 13%，到 2030 年消费可能翻倍以上，相当于日本今天的用电水平；如果把数据中心当作一个国家，到 2035 年它可能排在美国、中国、印度之后，成为第四大电力消费国。这些预测带有不确定性，报告自己点出了变量：更节能的 AI 芯片、更高效的冷却系统、废热再利用。同时，电网接入约束已威胁 20% 的规划项目，低碳电力采购和并网排队正在迫使数据中心运营商调整策略和选址。

这些结论对实践的含义可以从两个方向读。在能源企业一侧，报告观察到的现状是「局部优化的拼凑」而非系统级智能，障碍包括超过 90% 的企业数据是非结构化且基本未被分析（能源行业处在偏高的一端）、数字基础设施有限、技能缺口和安全顾虑；作为对照，金融行业已有九成银行把 AI 用于欺诈检测。这意味着差距不主要在算法，而在数据治理和组织能力。在 AI 一侧，电力可得性正在变成选址和投资节奏的硬约束，低碳电力与电网容量不是背景条件，而是项目能否落地的前置条件。

这份材料对同时管着数字化和能源资产的人最有用：能源企业的战略与技术负责人能拿到分场景的应用清单和阶段判断，数据中心与基础设施投资者能看到电力约束如何改变区域布局。读完大致可以带走三样东西：一个双向依赖的分析框架、一组可用于内部讨论的量级数据、一张从试点走向规模化时会撞上的障碍清单。需要留心它的边界——报告的数字多为区间和预测，2030 与 2035 的推演明确标注了芯片效率、冷却和废热利用等不确定因素；欧洲部分聚焦 Europe Central，对其他区域的适用性要另行判断；材料也没有披露统一的调研样本与测算口径，具体数字引到自己的材料里之前，最好回到原始出处核对。

AI and energy: the two-way dependency May 2026 Contents 1 Introduction 2 AI evolution 3 AI in energy — driving efficiency and sustainability 3.1 Oil and gas sector 3.1.1 Upstream (exploration and production) 3.1.2 Midstream (transportation and storage) 3.1.3 Downstream (refining and petrochemicals) 3.2 Power and utilities 3.3 Energy trading 3.4 Energy retail 3.5 From pilots to impact 4 Energy for AI — the hidden cost of intelligence 4.1 Data centers: “bigger is better” is driving AI growth 4.2 The widespread use of data centers will require more power 4.3 The energy system enablers of AI: low‑carbon power and grid capacity 4.3.1 Low ‑carbon power procurement is needed to meet tech’s decarbonization commitments 4.3.2 Power grid queues force data center operators to revise strategies and locations