人工智能的采用导致各经济部门净能量变化的分化

人工智能的能源规划侧重于数据中心电力，忽略了在商业建筑、工厂和货运网络中部署AI所引起的运营能源变化。在此，我们将职业级别的AI暴露映射到部门能源使用上，并应用蒙特卡洛（MC）联合供需分解来估计每个部门的净能量变化。我们的结果表明，美国采用侧能源包络——暴露于AI的运营能源——理论上为12.1 Q，观测值约为1.4 Q（1 Q约为293 TWh，涵盖电力、天然气、石油和过程燃料）；这衡量的是暴露能源的范围，而非消耗量。在完全采用时分解此包络揭示了不同的部门净符号：商业节省0.22 Q，而工业（+1.25 Q）和运输（+1.12 Q）增加，每个符号在88-99%的参数抽取中都是稳健的。诱导的净变化总计为+2.16 Q（90% MC范围[+0.52, +4.12]；在保守的价格渠道转换回弹锚点下为+1.1 Q）——是当前美国数据中心电力（AI能源规划所针对的约0.6 Q）的数倍。当投射到每个州的职业和能源终端使用组合上时，这些净变化在地理上有所不同。工业和货运密集型州（德克萨斯州、路易斯安那州、印第安纳州）主要承担增加量，而商业主导的州（纽约州、马萨诸塞州、DC）看到的净变化要小得多。我们还将分析转移到英国，并显示能源包络为1.9 Q，而全国总量为3.7 Q。因此，采用侧能源是AI足迹中更大、地理上可变的组成部分，需要终端使用能源调查来跟踪AI部署以及由此产生的任务和职业转变，同时进行计算侧预测。