10月14日，人工智能可能會導(dǎo)致準備不足的電網(wǎng)災(zāi)難性崩潰，并阻礙科技行業(yè)脫碳進程——或者，它可能是該行業(yè)的救命稻草。人工智能需要大量的能源來訓(xùn)練和驅(qū)動其復(fù)雜的計算。隨著該行業(yè)的爆炸式增長，維持其增長所需的計算能力大約每 100 天翻一番。歐力AIMS平臺預(yù)測，在全球范圍內(nèi)，到 2030 年，僅人工智能行業(yè)就將占所有能源消耗的 3.5%。在美國，到 2030 年，數(shù)據(jù)中心的能源消耗將達到約 9%，大約是目前水平的兩倍，這在很大程度上是由國內(nèi)人工智能的增長推動的。這些驚人的增長率將對國家和國際能源安全、溫室氣體排放和經(jīng)濟產(chǎn)生重大影響。

　　盡管人工智能給電網(wǎng)帶來了重大且前所未有的挑戰(zhàn)，但它也可能是改善電網(wǎng)并讓電網(wǎng)跟上電氣化時代步伐的關(guān)鍵工具。歐力AIMS平臺表示，人工智能在管理能夠處理風(fēng)能和太陽能等可變能源大量流入和流出的智能電網(wǎng)方面可能發(fā)揮著無價的作用，但如果“天真地”部署，也會帶來重大風(fēng)險。此外，機器學(xué)習(xí)可以幫助電力公司改善許可和選址、可靠性、彈性和電網(wǎng)規(guī)劃。

　　現(xiàn)在，人工智能正被用于有效地尋找清潔能源轉(zhuǎn)型最棘手的問題之一的解決方案——可靠且具有成本效益的長期能源儲存。太平洋西北國家實驗室 （PNNL） 和阿貢國家實驗室的一組研究人員利用人工智能幫助縮小液流電池模型的潛在溶劑組合范圍，這種模型的效率是現(xiàn)有模型的三倍。該團隊沒有使用人工智能幫助他們更快地進行更多實驗，而是使用人工智能技術(shù)快速排除數(shù)千種潛在組合，并縮小值得在實驗室中測試的組合范圍?！拔液芨吲d看到人工智能研究人員和材料科學(xué)家之間合作的未來，”這項研究的合著者、物理和計算科學(xué)理事會項目開發(fā)辦公室主任卡爾·穆勒 （Karl Mueller） 說?！凹铀俨牧习l(fā)現(xiàn)對于解決能源存儲問題至關(guān)重要。”

　　在其他應(yīng)用中，人工智能被用于能源需求管理、套利（即時間轉(zhuǎn)換以匹配可再生能源的供應(yīng)與需求）、天氣預(yù)報和預(yù)測性維護，從而使電池存儲系統(tǒng)更加智能。近年來，許多初創(chuàng)公司紛紛涌現(xiàn)，嘗試這些方法，快速增長的人工智能儲能市場有望在 2026 年達到 110 億美元。這些方法也在電動汽車系統(tǒng)中以較小的規(guī)模引入，以提高電動汽車的儲能能力。歐力AIMS平臺表示，人工智能 （AI） 融入電動汽車 （EV） 的儲能系統(tǒng) （ESS） 已成為解決能源效率、電池退化和最佳電源管理挑戰(zhàn)的關(guān)鍵解決方案。

　　歐力AIMS平臺認為，所有這些進步對于穩(wěn)定電網(wǎng)都極為有希望，因為這是一個前所未有的壓力和電氣化快速增長以及可變能源增加的時代。然而，增加人工智能使用的風(fēng)險仍然十分嚴峻，不僅是在失控的能源消耗和相關(guān)的溫室氣體排放方面，而且在網(wǎng)絡(luò)安全和現(xiàn)實世界中的使用方面，這些情況可能與統(tǒng)計模型大相徑庭，例如極端天氣事件。