人工智能热潮背后，数据中心先遇到能源考题
人工智能服务要回答问题、生成图像或分析数据，背后离不开大型计算设施。人工智能数据中心（专门为人工智能训练和运算提供设备与服务的设施，简称AIDC）因此成为各地争相吸引的产业项目，也被一些地方视为发展人工智能经济的基础。
但建设数据中心并不只是盖一栋机房。它还需要稳定的电力、冷却系统、供水设施和备用设备，投资规模大，也可能影响当地公共资源。即使人工智能企业带来新项目，社区居民仍会追问：它能创造多少就业岗位？又会占用多少电力和水？
人工智能数据中心面临的核心矛盾是：社会需要它支撑新服务，但它运行所需的能源和资源也可能给当地带来沉重压力。
过去，一些地方把数据中心视为能带来大量就业的产业。然而，这类设施通常需要大量设备和资本，建成后的日常运营并不一定需要与投资规模相称的员工。因此，地方在争取项目时，除了看投资额，也需要评估就业、税收、资源使用和对居民生活的实际影响。
为什么人工智能数据中心特别耗电
行业人士估计，人工智能数据中心所需电力可能是传统数据中心的5至10倍。原因在于，训练和运行人工智能模型需要处理大量数据，服务器也必须持续运转。可以把它想成一间同时开着许多大型厨房的餐厅：设备越多、工作越密集，供电和散热的需求就越高。
人工智能的用电压力还不只来自单一企业。许多公司和政府部门一边发展自己的人工智能系统，一边使用外部专业服务，这种混合模式（同时使用自有系统和外部服务的做法）让数据处理需求进一步增加。人们在日常生活中看到的聊天机器人、翻译工具和图像生成服务，背后都可能需要数据中心持续提供计算能力。
数据中心不能轻易停机。人工智能服务若中断，可能影响企业业务、公共服务和用户日常使用。2022年，韩国城南市板桥的一处数据中心发生火灾，导致包括KakaoTalk在内的多项移动服务中断。这一事件让人们看到，数字服务越普及，关键设施发生故障时，影响就越可能从单一企业扩散到整个社会。
因此，运营方不仅要为日常用电做准备，还要考虑停电或设备故障时如何维持服务。能源储存系统（把电力先存起来、需要时再释放的设备，简称ESS）、备用电源和多重安全措施都会增加系统复杂度，也会带来额外的能源与建设成本。
电力之外，还有水和散热
服务器高速运算会产生大量热量，设备必须持续降温。传统数据中心较多使用空气冷却，而人工智能设备的热负荷更高，液体冷却（让液体流经设备附近带走热量的方式）正在成为重要选择。运营方可能利用河水或海水等水资源，但取水、处理和循环利用也需要设施与能源。
- 电力需求：服务器、冷却设备和备用系统都需要供电。
- 水资源压力：冷却用水可能与当地居民、农业和产业用水形成竞争。
- 环境影响：若额外电力来自化石燃料，温室气体排放可能随之增加。
- 社区影响：项目能否获得理解，取决于资源使用和收益分配是否透明。
韩国的半导体产业也可能进一步推高长期电力需求。芯片制造和研发需要稳定供电；如果半导体产业与人工智能数据中心同时扩张，电网建设和电力调配就会面临更大压力。
人工智能也能帮助电网提高效率
人工智能并非只能增加用电。它也可以分析天气、设备状态和用电变化，协助电力系统更准确地安排发电与输电。随着太阳能、风能等可再生能源占比提高，供电会受到天气影响，电网管理比过去更复杂，数据分析工具有望帮助运营人员更快发现供需变化。
韩国电力公社电力研究院人工智能研究所所长朴基俊曾介绍，该研究机构正探索利用人工智能应对可再生能源和分布式电源（分散在不同地点的小型发电设施）增加后带来的电网管理问题。相关工作也包括与韩国能源工科大学合作，为电力领域建立基于数据的决策能力，并支持到2030年扩大至100吉瓦的可再生能源稳定运行。
如果系统能更准确地预测电力需求和可再生能源产量，就有机会减少电力浪费，也能更有效地应对供电变化。
电力设备本身也在寻求降低损耗。LS电气于2026年7月宣布，将与德国半导体企业英飞凌合作，开发适用于人工智能数据中心等设施的直流供电核心技术。直流电（电流方向保持不变的供电形式）有望减少电力转换环节；转换步骤减少，理论上就能降低部分能源损耗。
这类技术开发也可能使用人工智能工具。换句话说，人工智能带来的新增电力需求，部分可以通过人工智能参与电网管理、设备优化和运行调度来缓解。不过，效率提高并不必然意味着总耗电下降：如果服务需求增长得更快，节省下来的电力仍可能被更多运算需求抵消。
把废热变成资源，仍需要技术和基础设施
数据中心排出的热量通常被视为需要处理的废热，但也有人尝试把它用于区域供暖或产业园区供热。热泵（利用电力把低温热量转移到更高温度一侧的设备）可以帮助回收和提升这些热量，再输送给附近建筑或需要热能的企业。
韩国机械研究院在2026年发布的报告中讨论了利用数字控制技术，把数据中心余热与区域供暖、产业园区热需求连接起来的可能性。简单来说，若附近工厂或住宅需要热水和暖气，数据中心排出的热量就可能成为可利用的能源，而不是直接散失到环境中。
但余热利用不是把管道接上就能完成。项目需要附近存在稳定的热能需求，还要建设输送管线、控制系统和回收设备。数据中心与用热地点距离太远，或热量供应和需求时间对不上，都会降低实际效果。
建筑设计和工程企业也在设立专门团队，探索将高效设备和环保能源技术用于数据中心。眼下，这些方案仍处于探索或发展阶段，尚不足以完全抵消人工智能数据中心增加的电力和用水需求。技术标准、成本分担方式以及不同企业之间如何协作，也仍待进一步明确。
供电稳定与环保目标之间的拉扯
在电力供应尚不稳定或需求突然升高时，柴油发电机等传统备用设备可能被更多使用。它们能在紧急情况下提供电力，但燃烧柴油会产生排放，与减少碳排放的目标存在冲突。备用电源本来是为了少数紧急情况准备，若使用频率不断上升，就需要重新评估电源结构和运营方式。
氢燃料电池等新技术可能成为替代选择，但要真正用于大型设施，还需要解决成本、供应和稳定性等问题。企业也在关注海洋相关方案，例如利用海水帮助冷却，或探索波浪发电（把海浪运动转化为电力的技术）。微软、NAVER等企业已关注或投资相关技术方向，但这些尝试仍需要时间检验其规模化应用能力。
数据中心落地，不能只算投资账
人工智能数据中心正逐渐成为人工智能服务的重要基础设施，但对计划建设项目的社区来说，它也可能意味着更高的电力需求、更多的冷却用水和新的环境压力。若当地居民只看到资源被大量使用，却没有感受到就业、公共设施或其他收益，项目就容易遭到反对。
要让项目更顺利地融入当地，企业和政府需要在选址、建设和运营前后持续说明资源需求，并评估电网、水源和生态环境能否承受。还应讨论项目收益如何回馈当地、用水如何循环利用、备用发电设备如何减少污染，以及发生故障时如何保障重要服务。
- 企业需要提高设备能效，公开能源和水资源使用情况，并为故障与高峰负荷制定预案。
- 政府需要统筹数据中心、半导体产业和居民用电，提前评估电网扩建与环境承载能力。
- 社区需要获得充分信息，并能参与影响自身生活的选址和资源使用讨论。
- 技术研发机构则要继续验证电网优化、直流供电、余热回收和新型清洁能源方案的实际效果。
人工智能发展带来的电力压力，不太可能靠单一技术一举消除。提高效率、扩大清洁能源、回收废热和优化用水都很重要，但每种方案都有适用条件和成本。真正的关键，是让技术创新与透明治理、合理的利益分配同步推进。
数据中心既是人工智能服务的基础设施，也是能源与环境治理的新考题。只有企业、政府和社区共同找到可执行的方案，人工智能带来的增长才可能与当地生活和长期环境目标相协调。
