← 最新论文
📈 经济学

Frontier-AI Salience and Electricity Generation in China: Open-Data Evidence for Sustainable Energy Monitoring

本文表明,作为前沿人工智能关注度的开放数据代理(特别是维基百科和 GDELT 指标),能够为中国的总发电量提供早期且不可忽视的信号,从而说明了尽管在分离特定发电组合效应方面存在挑战,此类数据仍能支持可持续能源监测。

原作者: Onur Çelebi, Akın Usupbeyli

发布于 2026-09-23
📖 1 分钟阅读☕ 轻松阅读

原作者: Onur Çelebi, Akın Usupbeyli

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在现代世界中,电力是日常生活的无形命脉,为从家中的灯光到运行我们数字生活的庞大服务器的一切事物提供动力。随着人工智能变得日益强大,一个紧迫的问题出现在能源规划者面前:这些智能系统究竟消耗了多少电力?挑战在于,虽然我们可以看到数据中心的快速扩张以及围绕新AI模型的兴奋感,但追踪国家发电量的官方月度统计数据很少会将这些数字工具所创造的具体需求单独列出。这为试图平衡清洁能源需求与数字经济不断增长的用电需求之间的政策制定者制造了一个盲点。为了填补这一空白,研究人员开始观察间接信号,例如公众对新技术的讨论或搜索程度,希望这些数字足迹可以作为电力使用变化的早期预警。

最近的一项研究聚焦于中国——全球最大的电力市场——以测试利用公众关注度作为信号的这一想法是否可行。研究人员选择了一个特定的时间点:围绕着 DeepSeek 发布并迅速崛起的时期,这是一款在 2025 年初引起显著公众关注的前沿人工智能模型。研究团队并没有尝试直接测量计算机消耗的电力——由于可用公开数据的限制,这是一项不可能完成的任务——而是观察了人们对这项技术的关注程度。他们收集了三种不同类型的公众数据:查看 DeepSeek Wikipedia 页面的人数、Google 上的搜索查询强度,以及提及该模型的各类新闻文章的数量。随后,他们将这些关注度的激增与中国发电量的官方月度记录进行对比,同时仔细考虑了其他会导致用电量自然变化的因素,例如工业活动和天气。

研究人员在数据中遇到了一个独特的障碍:在他们开始工作时,2025 年 1 月和 2 月的官方电力数据尚未公布。研究人员并没有忽略这个缺口或猜测缺失的数字,而是构建了一种能够绕过此问题的分析方法,将缺失的月份视为时间线中一个已知的断点。这使他们能够利用 2024 年 3 月至 2025 年 12 月期间的可用数据进行分析,而不会在并非连续的月份之间强行建立联系。他们主要关注两个问题:首先,当公众对该 AI 模型的关注度上升时,总发电量是否也随之上升?其次,这种额外的电力是否专门来自热电厂(这些电厂通常燃烧煤炭等化石燃料)?

结果呈现了一个细致入微的图景。研究发现,AI 模型引发的公众关注激增与中国总发电量的增加之间存在微弱但明显的联系。当人们搜索有关 DeepSeek 的新闻或在 Wikipedia 上阅读相关内容时,该国的总电力输出往往会在次月略有上升。即使研究人员使用不同的统计方法进行校验,并跨越三种不同的关注度指标进行比较,这一联系依然成立。为了确保这不仅仅是对任何热门互联网话题的普遍反应,他们使用另一个主题进行了测试:一款在 2024 年发布的极受欢迎的游戏。当他们观察这款游戏的关注度时,发现并没有出现类似的与发电量正相关的现象;事实上,其模式是不同的。这表明他们发现的信号是针对前沿 AI 技术的特定信号,而非仅仅是对任何网络热点的通用反应。

然而,当观察电力的来源时,情况变得更加复杂。虽然总发电量似乎随 AI 的关注度而波动,但研究并未发现明确证据表明这种额外的电力来自于热电厂。研究人员指出,能源结构(即有多少来自风能、水电或太阳能,又有多少来自煤炭)深受天气条件(如月份的热冷程度)以及水利设施可用性(如水电站的水量)的影响。一旦考虑了这些天气因素,AI 关注度与向化石燃料发电转变之间的联系便消失了。这意味着,尽管 AI 热潮可能正在增加对电力的总需求,但国家电网很可能是通过一种复杂的能源组合来满足这些需求的,而非简单地开启更多的燃煤发电机组。

研究结论认为,虽然我们目前还无法精确测算出人工智能消耗的电量,但公众关注度数据可以作为一个有用的早期预警系统。它作为一个敏感的仪器,可以在官方统计数据更新反映这些新需求之前,检测到数字增长何时开始对能源系统产生压力。对于像中国这样既要实现严格气候目标又要支持数字创新的国家来说,这种方法提供了一种在无需等待完美数据的情况下监测新兴压力的途径。研究结果表明,人工智能的崛起确实在国家电网留下了微弱但可检测到的痕迹,但这种能量在系统中的流动路径远比简单的化石燃料使用增加要复杂得多。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →