重塑清洁能源研究的人工智能悖论

人工智能对能源行业而言是一把双刃剑。如今各行各业，小到电网体系、电动牙刷，几乎所有经济领域都在大范围接入大语言模型，支撑其运转的数据中心被大规模新建，致使能源需求预期涨幅创下历史新高。能源新增供给或将远远跟不上需求增速，全球能源安全因此承压。但另一方面，人工智能具备巨大潜力，能够大幅提升各类系统的能源利用效率，还有望解锁下一代清洁能源技术路线，为低成本实现脱碳提供关键支撑。

在清洁能源领域，人工智能被用于优化各类预测模型，更精细、精准地预判能源供需，在电网负荷空前紧张的当下有效提升电网稳定性。科研人员也越来越多地借助大语言模型开展大海捞针式检索，为各类应用场景匹配最优工艺与材料。依靠试错法，完整科研团队需要数年完成的工作，如今借助 AI 数月即可落地。

英国《金融时报》去年刊发题为《AI 节约的能源或将超过自身能耗》的评论文章，文中写道：“寻找能提升生产效率的新材料、催化剂与工艺流程，这类大海捞针式难题恰好适配人工智能的优势。”
以中国的研究为例，科研团队利用大语言模型找到了三氟甲亚磺酸锂（LiSO₂CF₃）这种新型分子。该物质可以为老化报废的电动汽车电池补充锂离子，支持电池多完成数千次充放电，大幅延长电池使用寿命。复旦大学研究团队成员去年接受《科学美国人》采访时表示：“我们最初完全不清楚具备该功能的分子类型与化学结构，因此借助机器学习开展研发。”

在核聚变研究中，人工智能可以快速模拟各类材料耐受等离子体极端高温的表现，而等离子体是核聚变反应的核心要素。美国艾奥瓦州埃姆斯国家实验室研发出名为 DuctGPT 的 AI 模拟工具，科研人员表示，人工智能把原本耗时数月的模拟计算压缩至数小时。实验室研究员普拉尚特・辛格接受《趣味工程》采访时介绍：“现在只需向系统下达指令：我需要研发适配核聚变反应堆的材料，满足核聚变所需 X、Y、Z 关键性能，请列出符合全部条件的元素配比。AI 就能给出对应元素组合及其性能参数。”

就在本月，多伦多大学工程学院科研团队对外公布成果：依托大语言模型成功研发六种全新金属合金。这类合金可大幅提升航空发动机、核电站等极端工况设备的性能与耐用度。依靠 AI 系统，六种合金仅用几周全部筛选完成，对比传统科研手段效率提升极其显著。

项目负责人邹宇向（音译）《趣味工程》解释：“航空发动机内部、核电站蒸汽发生器等场景温压剧烈波动，常规钢材无法长期服役，市场对耐受极端温压的高性能材料需求旺盛。”

上述科研突破以及跨越式的研发速度，有望彻底推动新一代清洁能源落地普及。AI 大幅缩短研发周期，筛选出更多能提升清洁能源基建性能、耐用度的新材料；很多过去因研发、测试成本过高难以推进的实验技术，如今具备规模化落地与商业化的可行性。恰逢全球多项脱碳关键节点临近，此番技术进展可谓恰逢其时。