编者按：“未来之问”系列报道，是新华网数字经济频道联合苇草智酷、中国科技新闻学会推出的年度深度观察专题。从科技、社会、经济等维度向时代提问，逾百位科学家、学者、企业家参与，聚焦技术发展带来的长期性、结构性社会议题，推动前沿思考与公共讨论。为这个急速变化的时代，安装一套“思想减震器”和“伦理导航仪”，让每一次技术飞跃，都不脱离人类价值的引力场。
“未来之问”深度观察首期聚焦“算力与能源约束”这一核心瓶颈：2025年前后，大模型训练与推理让数据中心用电、散热与先进封装材料需求激增，部分地区出现电力、土地及水资源相对紧张。算力扩张所产生的技术外部性与社会总体收益如何匹配？算力带来的生产率提升，能否充分覆盖其能源消耗与环境代价？我们邀请到多位跨界专家参与讨论。
多元碰撞，见仁见智，所刊为受访者本人观点，不代表新华网立场。
“未来之问”首期话题——算力与能源约束：算力爆发是否会被能源与材料瓶颈“卡住”，我们如何在能效、绿色电力与芯片工艺之间实现可持续平衡？
段伟文 丨 中国社科院文化发展促进中心研究员：
这是当前人工智能领域国家间竞争的一个热点。美国将数据中心，当作未来的基础设施来建设，甚至将AI大基建视为拉动经济发展的新引擎。但这一决策的可行性和可持续的前提是两大“赌注”：一是AGI（通用人工智能）或ASI（超级人工智能），即相信规模定律将继续发挥作用，“大力出奇迹”，靠堆算力可在短时间内实现通用人工智能甚至超级智能；二是AI经济跃迁，即相信算力的跃迁必然在近期带来生产率的跃迁。
我认为，第一个“赌注”的揭晓在近十年不太可能实现，第二个“赌注”在近二三年不太可能实现。这一波人工智能虽然目前在拼算力和材料，但实质性的技术突破已经放缓，应用层面也不会很快带来显著的效益。也就是说，由于地缘政治竞争的加持，整个世界被一种盲目对抗的力量裹挟，目前的人工智能实际上处于大而不能破的“厚泡沫”时期，如同一时吹不破的气球。因此，即便在国家竞争的驱使下能在一定程度上实现能效、绿色电力与芯片工艺的平衡，如果总能耗增加且获益者高度集中，将带来更高的乃至不可逆的环境负债，甚至人类过度依赖AI等技术工具，可能引发“认知惰性”。
何 霞 丨 中国信息通信研究院政策与经济研究所原总工程师
从长期看，算力带来的生产率提升，可以充分覆盖其能源消耗与环境代价。算力是基础设施，从长期看，与社会效率可以匹配；但是从短期看，算力是超前布局。
胡延平 丨 上海财经大学特聘教授、智能科技产业与智能经济研究学者
能源短缺只是结构性局部问题，美国这方面突出一些，中国并不严重。能源不是智能的约束条件，更不是决定智能水准的主要因素。智能原力从根本上还是取决于算法、数据、算力，这是人工智能科技的基本发展范式。
刘业进 丨 首都经济贸易大学城市经济与公共管理学院教授、博士生导师
算力与能源约束受制于资源稀缺性，能源必须在算力提升和其他经济用途之间进行妥协。但是，长期来看，这种约束并不是确定不变的，因为能源获取的基础研究和技术进步本身不可预测。
马光悌 丨 中国科学院大学金融科技研究中心教授
在人类科技发展中，“力”是一个必需的要素。从蒸汽机车的推力、电动机为力源而演变的各种动力、磁场产生的磁力等等。共同的特点是，将能源转变成机械力的各种模式。信息时代开始，特别是在目前的数字时代，人们开始注意到另一种力——算力。
目前所谈论的算力，往往是指为完成智能化任务而需要的机器的开销。算力指的是数据处理能力，是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力中心等算力基础设施向社会提供服务，存在于手机、笔记本、超级计算机等各种智能硬件设备。其本义是表示某个设备或系统的计算性能，随着智能时代的到来，智能计算的三要素——算力、算法、数据，逐渐成为社会的信息基础设施的重要组成部分，“算力”的内涵进一步扩大到用户能获得的体现为用户实际效用的计算性能。
我们应当看到，这里的算力与传统机械力、磁力还有不同之处。机械力是由电、气、风等能源产生，而算力，除了用电让一台计算机运行，还要靠计算机的运算和处理能力。
算力消耗的不光是传统意义上的能源，更重要的是处理数据的能力。这种提供算力的机器，“磨损”度最高的是显卡。显卡的核心就是GPU，GPU由高性能芯片构成。传统概念的能源卡不住算力，仅仅是耗电问题。而真正的瓶颈在于芯片。在同样硬件环境、同样算法水平下，GPU性能的“天花板”就是算力的瓶颈。绿色电力（电力的环保获得形式）、绿色存储（低耗电、不耗电的非易失信息数据存储non-volatile memory）能在一定角度、一定程度上降低算力的开销。但后摩尔时代，芯片的亚微米工艺才是突破瓶颈的所在。
因此，能效、电力、芯片工艺（关乎GPU的能力）之间微妙平衡，不是人为干预的，而是竞争、需求、环保，它们自己形成的。就像市场经济，有无形的手在影响。
盘和林 丨 工信部信息通信经济专家委员会委员、知名经济学家
通过资源循环再生系统可以在一定程度上解决问题。比如在内蒙古和山西就有一些算力中心采用的是自发电方式，一方面，位于靠北位置的内蒙古温度较低，适合散热，另一方面，内蒙古阳光充足，通过光伏电站+储能电站的配备，可以实现电力自给自足。而对于水资源，可以采用循环水的模式来尝试在缺水地区减少水量消耗。除此之外，内蒙古土地资源也较为丰富。所以，解决算力和资源的矛盾，根本路径是两条：其一是选址，在没有资源瓶颈的地区布局算力中心，其二是技术，散热技术，芯片制造技术，余热再利用技术，都将是未来解决能耗问题的重要路径。
王 中 丨 首都科技发展战略研究院科幻产业发展中心主任
当前以大语言模型为核心的AI发展路径，在能效上正呈现出不可持续的态势。其技术本质，可以视为一种依赖“暴力计算”的范式：通过在海量人类语料（这本质上是人类思维活动产生的、经过咀嚼的“信息副产品”）中搜寻统计规律，来生成新的内容。这种方法在过程上存在根本性的低效，为了换取边际的性能提升，往往需要耗费指数级增长的算力与能源，导致电力、土地和水资源紧张。
因此，一个尖锐的问题是：算力带来的生产率提升，能否覆盖其巨大的环境代价？我的判断是，在现有路径下，其产生的技术外部性（能源、散热、材料需求）正迅速逼近甚至可能超过其社会总体收益。这种“高能耗、弱理解”的智能模式，其长期性价比是存疑的。
要破局，必须寻求根本性的范式转变。我们应果断超越对“规模至上”的路径依赖，转而探索更接近人类智能习得方式的道路。
相比于当前大语言模型范式，这种路径有望实现“降维打击”式的能效提升。因为它学习的是高度抽象和普适的物理规则与因果逻辑，能极大地提升数据与计算效率，从根本上降低对数据规模和算力堆砌的依赖。这不仅是用更少的能源做更多的事，更是通往具备真正常识与推理能力的AGI的更可能路径。投资于此，才是实现算力扩张与能源环境可持续平衡的治本之策。
张 晓 丨 中国互联网络信息中心副主任
能源与材料确实是算力爆发的瓶颈，但只是瓶颈之一。当算力的供给侧发现缺乏持续盈利能力，但生意还能继续做下去的时候，差不多就达到可持续平衡了。
赵 刚 丨 赛智产业研究院院长、北京赛智时代信息技术咨询有限公司CEO
我的观点是算力爆发不会被能源与材料瓶颈“卡住”。其实，在AI大规模部署和应用来临之前，地球上已经有几十亿的高等智能体——就是我们人类。他们的确也消耗很多能量，但他们完美和谐地生存着。他们明白能量守恒定律，也知道如何更高效、更绿色地使用能量，包括：从太阳系获取能量；寻找、挖掘和利用煤矿、石油等不可再生能源；利用风能、水电、光伏等绿色能源等。他们自身的智能系统也是非常高效的。
反观AI算力对能源的需求，可预计的能源需求量的确是巨大的。因此，在AI快速发展中，的确要考虑能源约束。但总体上看，能源约束还是比较乐观的。理由有三点：
一、当前的能源供应能够满足AI基础模型迭代对算力的要求，随着AI模型的推理化和智能体化，AI本身并没有对能源提出更高量级的要求。
二、随着AI系统更加聪明，AI系统也会找到更高效的能源消耗的方式和结构。
三、能源技术本身也在发展，可控核聚变等新的能源供给方式也会提供更大的能量供给。
从算力的外部性和经济性等方面考虑，算力逐渐成为公共资源，需要政府和企业加大公共性的能源基础设施和算力基础设施的投资和运营，让所有企业或个人公平享有通用的、低成本的、绿色能源支撑的算力云供给服务。
冯兴元 丨 中国社会科学院农村发展研究所研究员、中国社科院研究生院教授
算力扩张所产生的技术外部性包括正外部性与负外部性。算力扩张造成“电力-土地-水资源”三重约束瓶颈，属于负外部性，即负面外部影响。现在和未来数年，训练大模型和云推理的算力扩张是造成高能耗的最重要因素。
AI的大量开发利用体现为算力扩张，其提升生产率的程度是空前的。
AI的大量开发利用，构成一种超级迂回生产结构。算力扩张带来的生产率提升，体现为各种经济与非经济收益，会远远超过覆盖其能源消耗与环境代价。
算力扩展将依赖太阳能、水能、风能和核能。核能包括传统核能和非传统核能。我们已从传统铀基核电向更安全、可持续的“第四代”核技术的跃迁。这一革命源于中国科学院上海应用物理研究所主导的TMSR项目，已于2023年实现关键性突破，并在2025年加速商业化。
不同于西方国家对钍技术的“半途而废”，中国通过“战略耐力”实现了全球首例钍燃料在线转化与稳定运行，定位为实现“双碳”目标（2060年前碳中和）的关键支柱。
传统能源的可开发量难以支持算力扩张。算力扩展必然需要依赖太阳能、水能、风能和核能，尤其是钍基核能这样的新核能。另外，空间太阳能发电（Space-Based Solar Power, SBSP）技术，即在轨道上部署太阳能阵列，收集太阳能量，通过微波或激光无线传输回地球。
这种概念自1968年提出以来，受火箭成本下降和AI/数据中心能耗激增驱动，2025年迎来美国、中国、日本和英国多国关键突破。它不是科幻，而是解决全球能源危机的现实路径。中国2025年发射了中小型实验卫星（110MW级），实现千米级阵列在线转化；结合钍核，未来将建成GW级电站。空间太阳能灯意义不止于“无限太阳能”，而是重塑全球能源格局：提供连续基载电力（99.7%可用率），效率是地面太阳能的5-10倍（空间1m产5kW vs 地面1kW）。摩根士丹利在2024—2025年的多份AI能源消耗报告中，将中国视为AI能源转型的关键玩家。报告强调，中国能源生产的规模化优势、政府主导投资和清洁能源产能，将显著贡献于全球AI电力需求（预计2030年达945 TWh/年）。这不是“辅助角色”，而是战略性领导力——中国可通过出口LNG、核电技术和电力基础设施，填补AI数据中心扩张的“能源缺口”。
AI能耗激增（年增长70%）将重塑全球能源格局，中国作为“世界工厂+能源巨人”，其生产潜力可覆盖30-50%的增量需求，并加速脱碳转型。
算力带来的生产率提升，能否充分覆盖其能源消耗与环境代价，可以看算力密集型的AI开发企业是否能够弥补自己在能源和环境方面的私人成本和它们造成的外部成本。算力密集型的AI开发企业会有私人成本与私人收益，它们的运营所带来外部成本和外部收益，私人成本与外部成本之和为社会成本，私人收益与外部收益之和为社会收益。AI开发的相关能耗和环境代价意义上的社会成本需要尽量内部化到这些公司。如果能源价格考虑到了能源本身的成本和环境代价，体现可持续性，而这些AI公司能承受这些价格，公众愿意购买其股票，说明其是盈利的，其带来的企业收益肯定是覆盖了能源本身的成本和环境代价的。企业收益大是因为社会收益大，是因为对社会带来了前所未有的生产率提升。
不同能源的定价要反映其真实成本。企业利用成本最低廉的能源。不同的能源之间在此基础上相互竞争，争取其使用者。AI的开发利用要基于这一逻辑。未来能源开发利用对土地和水的负荷会大大降低。另外，AI发展会带来一场前所未有的农业革命。未来农业对土地密集利用的依赖性将大大降低。土地的稀缺性将会大大降低。
