到2030年，AI赋能带来的节能潜力将超过3,700TWh，远高于该技术自身的预计能耗（略低于1,000TWh）；到2050年，在广泛采用情景下，节能可能接近12,000TWh，而预计AI能耗峰值约为3,550TWh——节能效果是能耗的3倍以上。德勤这份报告通过量化分析揭示了AI在能源转型中的净效益：到2030年每年可带来超过2,000亿美元的成本节约，到2050年累计节约额可达8.3万亿至11万亿美元；到2030年AI驱动的减排量可达约660MtCO2eq。AI赋能能源转型的核心价值在于用远低于自身消耗的能源投入，撬动了远超投入的节能产出。
AI能耗与节能的净效益分析
德勤的分析定义了两种情景：基准情景（反映当前AI在能源领域的应用水平）和广泛采用情景（假设AI采用率更高）。无论是基准情景还是广泛应用情景，均表明AI从一开始就可节省比其自身运行所消耗的更多的能源，预计到2030年可节省约2,720至3,740TWh，远高于预计的AI能耗（略低于1,000TWh）。
从长期来看，效益可能更高。在广泛采用情景下，到2050年节能可能接近12,000TWh，在基准情景下约为9,500TWh，而预计AI的能耗峰值约为3,550TWh，节能效果显著。尽管上述节能量仍仅占近年来能源供应总量的5%左右，但在2050年净零排放情景下，它们相当于预计世界能源消耗的10-12%（以及一次能源供应的6-7%）。
短期内，预计这些节能效益主要来自工业和电力领域，到2030年两者合计可达1,550-2,210TWh，约占总节能量的60%。从长期来看，电力领域将处于领先地位，到2050年基准情景下电力领域节能量预计达到3,540TWh，广泛应用情景下达到4,530TWh。
经济效益——从2000亿到11万亿美元的节约路径
在经济效益方面，将AI融入能源规划与运营可带来显著的经济效益。到2030年，年度节省金额将超过2,000亿美元，并在2050年达到近5,000亿美元。尽管这些数值仅占所需AI总投资的一小部分，但远高于数据中心所需能源相关投资的预算（预计到2030年约为500亿美元）。因此，即使在短期内（2030年），AI带来的经济效益仍显著超过为其提供动力所需的能源投资。
将节约金额加总，2030年至2050年间AI带来的经济效益总额累计可达8.3万亿至11万亿美元。这可能使预计接近200万亿美元的能源转型总成本降低最多5%。在广泛采用情景下，预计成本节约将从2040年的约6,000亿美元略微下降至2050年的约4,900亿美元，反映了2040年后电力部门投资的减少和单位成本的降低。
在能源主权方面，以欧盟为例，如果2023年AI应用的潜力在能源领域得到充分发挥，欧洲的石油和天然气消费量本可分别减少约226TWh和230TWh，分别相当于2023年欧洲天然气和石油进口量的约7%和5%。
环境效益——到2030年减排660MtCO2eq
通过采用AI实现的节能效果可直接转化为显著的减排成果。到2030年累计减排量接近660MtCO2eq，这一水平与高度工业化国家的年度温室气体排放量相当。在电力领域，AI通过扩大可再生能源应用、降低电网升级需求、提升运行效率等方式实现减排；在工业领域，通过流程优化和材料效率提升减少化石能源消耗；在交通领域，通过路线优化和自动驾驶降低燃料消耗。
然而，随着能源系统日益高效和低碳化，AI对减排的额外影响预计将逐步减弱，到2040年减排量预计将降至400MtCO2eq以下，并在2050年趋于稳定，约为100MtCO2eq。这一递减趋势反映了AI在实现能源系统根本性低碳化之后，进一步减排的边际效益会自然下降。AI赋能能源转型的核心价值在于用远低于自身消耗的能源投入，撬动了远超投入的节能产出。
