AI赋能气候科技产业面临的核心矛盾"算力成本与能耗悖论"应如何破解？

破解"算力成本与能耗悖论"需要"用AI优化AI"的多层次系统性方案，让算力从"耗能大户"变为"节能引擎"。

在软件层面，需优化算法训练更高效的专业模型，从源头节约算力。通过模型压缩、知识蒸馏等技术降低推理能耗，同时推动大模型开源生态成熟以降低重复训练成本。

在硬件层面，采用液冷等先进技术及AI自优化系统大幅降低数据中心能耗。液冷技术可将数据中心PUE值降至接近1.1，较传统风冷节能显著。AI驱动的数据中心能效自优化系统可实现负载动态匹配与余热回收利用。

在战略层面，推动"绿电养算"，让非化石能源成为算力增长的主要能源支撑。《关于促进人工智能与能源双向赋能的行动方案》明确提出统筹"东数西算"与新能源基地布局，实现算力与电力的时空协同。试点项目已实现大规模"源网荷储"一体化数据中心园区绿电使用率稳定在较高水平。

在标准层面，需建立算力度量、调度、结算的统一标准，破解异构资源互联互通难题，消除算力孤岛现象，推动算力市场规范化发展。

从更深层的产业逻辑看，这一悖论的本质是AI作为"技术依赖型"经济核心变量与清洁能源供给之间的动态平衡。贺克斌院士指出，世界经济正全面转向对清洁能源与核心技术的"技术依赖型"，人工智能是此进程中的关键变量。因此，破解之道不仅在于技术优化，更在于将AI能耗纳入碳核算体系，以Token消耗量作为衡量企业数字化碳排放的新维度，形成算力扩张与绿电供给的良性闭环。