联合国开发计划署联合牛津大学TIDE中心发布的研究报告《人工智能竞赛的能源冲刺：发展中国家的绿色窗口》指出，未来人工智能竞争优势的形成，将越来越依赖清洁、低成本且稳定的能源供给能力，而不仅仅取决于算法创新或数据资源积累。能源正由传统意义上的支撑要素逐步转变为影响人工智能产业布局与国家竞争力的重要变量。在这一背景下，拥有丰富可再生能源禀赋的发展中国家，有望在全球人工智能价值链重构过程中，突破既有技术分工格局，形成新的发展优势，迎来布局绿色人工智能产业的战略窗口期。

文中观点不代表编译者或发布平台立场，完整论述请参阅英文原文。

Amir Lebdioui，牛津大学发展技术与工业化中心主任；Angel Melguizo，牛津大学 TIDE 中心研究员；Riad Meddeb，联合国开发计划署脱碳与可持续能源部门负责人。

人工智能通常被视为继电力、互联网之后的新一代通用技术，其发展潜力不仅体现在算法突破和应用扩散，更取决于底层资源体系的支撑能力。无论是前沿大模型训练，还是大规模分布式应用部署，都依赖持续增长的算力投入，而算力运行又建立在高能耗的数据中心、高性能芯片和冷却系统基础之上。因此，人工智能竞争正在从单纯的技术竞争逐步演化为围绕能源保障能力展开的综合竞争。

尽管全球能源可及性持续改善，但能源基础设施的不均衡分布仍构成全球人工智能发展的重要结构性约束。2023年全球电力普及率已达到92%，但不同国家和地区之间仍存在显著差异。例如，南苏丹仍有超过三分之二人口无法获得稳定电力供应，尼日尔部分乡村医疗机构仍依赖柴油发电维持运行。联合国预计，到2030年全球仍将有约7.3亿人口处于缺电状态。电力供应不足不仅制约教育、医疗和工商业活动正常开展，也削弱了发展中国家建设数字基础设施、承接人工智能产业布局和参与全球价值链重构的能力。

图片来源：报告原文

对于多数发展中国家而言，以超大规模集中式算力集群为代表的发展模式往往面临高资本投入、高资源消耗和高运维门槛等现实约束。相比之下，模块化、分布式和边缘计算相结合的路径更具现实可行性。此类模式能够缓解电网压力，提高能源利用效率，并依据本地产业需求逐步扩展算力能力，在降低进入门槛的同时形成面向实际应用场景的经济回报机制。

随着人工智能从技术创新议题逐步演变为综合国力竞争的重要领域，全球竞争格局正在突破传统数字产业边界，向资源、能源与产业体系纵深延伸。报告认为，围绕人工智能形成的全球地缘竞争呈现出四个主要维度。

• 一是矿产地缘。人工智能基础设施建设高度依赖芯片制造、电池储能和电力设备，对锂、钴、镍、稀土等关键矿产需求持续增长，关键资源获取能力正在成为国家竞争的重要支点。

  
  

• 二是能源地缘。随着算力需求快速扩张，清洁、稳定、低成本电力逐渐成为人工智能产业布局的重要决定因素。与此同时，能源技术研发能力及相关知识产权积累，也正在形成新的全球发展壁垒。

  
  

• 三是数字地缘。数字基础设施、云计算平台、数据资源以及跨境数据治理能力成为国际竞争重点，对算力调度能力、产业生态控制能力和规则制定能力产生越来越深刻的影响。

  
  

• 四是经济地缘。高端研发资源、资本、技术人才和创新网络持续向政策环境成熟、资金供给充足、产业生态完善的地区集中，进一步强化全球创新资源的集聚效应。
  

图片来源：报告原文

所谓“绿色机遇窗口”，是指在全球可持续转型与技术范式转换过程中，发展中国家依托资源禀赋、制度调整和能力建设，进入新兴产业赛道、培育自主发展能力并提升价值获取能力的阶段性机会。从历史经验看，每一次重大技术革命都会伴随产业链重组和比较优势重构，为后发经济体创造有限但关键的发展空间。

当前，人工智能与能源体系加速融合，正在形成新一轮绿色产业重构周期，为发展中国家提供新的战略窗口。这一窗口主要建立在三个趋势基础之上：一是全球人工智能扩张带动对清洁、稳定、低成本电力需求持续增长；二是人工智能技术仍处于快速演进阶段，产业格局尚未完全固化；三是全球资本配置逻辑正在从传统制造能力转向绿色基础设施、数字能力与长期可持续收益。

在此背景下，发展中国家可通过承接低碳数字基础设施建设、利用人工智能提升能源系统效率、发展本地化人工智能能源服务产业，以及向价值链更高环节延伸等方式，实现从资源供给者向价值创造者转型。

但绿色机遇能否真正转化为发展红利，关键不在资源拥有本身，而在于能否形成资源禀赋、数字能力、基础设施建设和制度供给之间的协同机制，并最终转化为产业升级、普惠增长和长期可持续发展的实际成果。

人工智能本质上是一种高度依赖实体资源投入的通用技术。对于发展中国家而言，这意味着单纯依靠数字培训或技术引进难以实现人工智能跨越式发展，而需要同步提升能源供给能力、水资源保障能力、资本投入能力、人才培养体系以及供应链组织能力，突破多重结构性约束。

同时，关键矿产约束正在重塑全球价值链结构。预计到2040年，全球关键矿产需求将增长至当前水平的四倍。但当前供应体系高度集中，资源国往往停留在初级供给阶段。例如，刚果提供全球超过70%的钴资源，却主要承担采掘环节，而高附加值的精炼加工、核心零部件制造及终端产业收益则集中于海外市场。

绿色人工智能是一种以人类发展和可持续转型为目标的人工智能发展模式，其核心在于推动人工智能系统、能源体系和生态环境之间形成协同关系。

这一发展模式主要包括四方面要求：一是通过清洁、可靠的能源体系支撑人工智能运行；二是降低人工智能全生命周期中的水、土地和关键矿产消耗；三是利用人工智能能力提升能源治理和气候治理效率；四是围绕人工智能基础设施建设培育本地产业能力，避免形成新的技术依赖和资源依附。

当前全球算力布局仍在调整，可再生能源资源丰富地区正在形成新的竞争优势。北非太阳能、东非地热、拉美水电以及南部非洲风能资源，正在成为吸引数字基础设施投资的重要条件。

但资源禀赋只能形成潜在优势，真正决定竞争力形成的仍是电网稳定性、监管能力、产业协同能力和市场环境建设水平。

对于多数发展中国家而言，直接复制发达国家超大规模算力建设模式，既面临巨额资本投入压力，也面临技术快速迭代带来的资产折旧风险，存在明显先发成本。

相比之下，以应用先行、能力积累和渐进扩张为特征的后发跟随路径更具现实可行性。具体而言，可优先依托现有云服务能力，在农业、气象、公共卫生、教育等民生领域推动人工智能应用，逐步培育人才和市场需求；在能源体系、数字能力和产业条件成熟后，再分阶段推进本地算力基础设施建设，实现从应用参与向产业参与升级。

这种路径并不意味着放弃技术竞争，而是在资源约束条件下，以更低成本、更强适配性进入全球人工智能价值体系。

为避免人工智能扩张与能源转型之间出现目标错位，需要建立兼顾社会发展、生态约束和产业升级的系统性政策框架。

“人—星球—繁荣”（People–Planet–Prosperity）框架正是在这一背景下提出，其核心目标是在推动人工智能与能源体系协同发展的过程中，同时实现人类发展改善、生态环境可持续和经济结构升级，将数字转型与绿色转型纳入统一治理逻辑。

其中，“人”强调发展成果的公平共享，关注能力建设、公共服务与社会包容；“星球”强调资源环境约束下的发展边界，关注能源结构优化和生态影响控制；“繁荣”强调经济增长质量，关注价值链升级与长期竞争力形成。

三者共同构成相互影响、动态平衡的治理体系。人工智能既可能提升公共服务效率、创造新的就业机会，也可能扩大收入差距与社会排斥；既可能推动能源系统脱碳，也可能带来新的资源消耗压力；既可能促进产业升级，也可能强化既有价值链依附。因此，各国需要围绕三大目标构建协同政策体系，在控制风险的同时提升技术扩散范围和经济增长收益。

与此同时，可再生能源和科技教育（STEM）领域女性参与度仍然偏低，高端数字技能领域的性别差距持续扩大，使技术红利难以实现广泛共享。

语言和数据资源失衡同样构成重要障碍。目前全球人工智能训练数据仍以英语内容为主，发展中国家本地语言和区域知识体系代表性不足，限制了发展中国家人工智能技术落地能力。

此外，在部分地区，人工智能基础设施建设甚至出现与基本民生保障之间的资源竞争。一些大型数据中心优先获得稳定供电并配置备用柴油电源，而普通居民长期面临电力短缺问题。这说明，如果缺乏合理治理安排，数字基础设施扩张可能在短期内加剧资源配置不均，削弱绿色转型的社会基础。

因此，“人”维度的核心并非单纯扩大技术供给，而是确保人工智能发展能够增强社会能力、改善公共福祉，并形成更具包容性的转型路径。

在“人—星球—繁荣”框架中，“星球”强调人工智能发展必须建立在资源环境可持续基础之上。绿色转型并不意味着简单扩大清洁能源供给，而是在充分考虑能源承载能力、资源约束和生态影响的前提下，重构人工智能基础设施布局与技术发展模式。

随着人工智能规模化部署，数据中心正在成为能源和水资源的重要消费主体。预计到2030年，全球数据中心总耗电量将达到约946太瓦时，其中北美和亚太地区占比超过三分之二。中国数据中心用电规模将达到2020年的三倍。

除能源消耗外，冷却系统带来的水资源压力同样值得关注。目前全球数据中心年耗水量约为5600亿升，预计到2030年将增长至约1.2万亿升。受气候条件影响，亚太地区部分高温高湿区域冷却用水量超过全球平均水平三倍。一些本已面临供水压力的发展中国家，在集中建设数据中心后进一步暴露出资源配置矛盾。

因此，人工智能基础设施布局不仅是技术问题，更是资源治理和空间治理问题，需要综合评估能源供给能力、水资源条件和区域发展目标。

面对资源约束，仅依靠节能无法满足长期需求，还需要推动循环利用体系建设。

目前部分发达国家已探索利用数据中心余热参与城市供暖，提高能源综合利用效率。但由于气候条件差异，该模式难以直接复制到热带和亚热带地区。

对于发展中国家而言，可结合本地需求探索更加适配的发展路径，例如将余热应用于海水淡化、食品加工、工业供热和绿色制氢等领域，并推广模块化算力设施、空冷系统、浸没式冷却等节水技术，逐步形成低资源消耗、高系统效率的发展模式。

值得关注的是，人工智能本身并非天然高碳或低碳，其环境影响具有明显双向属性。

在油气开采、电力系统、制造业、交通运输和建筑运行等领域，人工智能已展现出显著减排潜力。预计到2035年，随着人工智能应用普及，各行业累计减排规模有望达到约14亿吨二氧化碳，相当于数据中心自身排放规模的数倍。

因此，绿色人工智能的关键不在于限制技术发展，而在于通过制度设计和技术路径选择，使人工智能成为资源效率提升和绿色转型的驱动力。

在“人—星球—繁荣”框架中，“繁荣”强调通过人工智能与能源协同发展推动经济发展质量提升，实现从资源投入驱动向能力和价值创造驱动转型。

从积极作用看，人工智能有助于发展中国家进入绿色全球价值链，培育绿色数据中心、数字能源服务等新兴产业形态，并通过提升生产效率带动传统产业升级。

从潜在风险看，人工智能红利也可能进一步向资本、技术和市场优势地区集中，形成新的价值失衡。同时，市场过热和超前布局还可能催生投机性投资，造成算力基础设施闲置和资源错配。

实践表明，数据中心本身创造的长期就业规模有限，其更大的价值在于带动相关产业协同发展，包括电网升级、光纤网络建设、云服务、软件开发、设备运维和数字服务生态形成。

因此，对于发展中国家而言，战略重点不应停留在承接数据中心建设，而应围绕算力节点培育本地人工智能服务、工程能力、平台开发和场景创新体系，将基础设施优势逐步转化为产业能力优势，推动经济结构向更高附加值环节升级。

只有实现从“资源承载地”向“价值创造地”的转变，绿色机遇窗口才可能真正转化为长期发展能力。

为评估全球南方国家参与绿色人工智能发展的现实基础，研究选取巴西、智利、印度、马来西亚、墨西哥、尼日利亚和南非七个具有代表性的发展中经济体，对绿色人工智能创业生态进行系统梳理，共识别出88家相关初创企业。

从产业分布看，企业主要集中于九类业务方向，其中能源人工智能、边缘电网智能化以及人工智能基础设施相关领域占据主导地位，反映出当前绿色人工智能仍以解决能源供给效率和基础设施能力问题为核心目标。相比之下，面向上游气候数据分析、环境监测和长期生态治理的企业数量相对有限，说明产业发展仍处于基础能力建设阶段。

从空间布局看，企业选址和经营决策呈现明显资源导向特征。电力供应稳定性、能源价格可预测性以及监管环境透明度，成为影响企业布局的关键因素。拥有较强可再生能源供给能力的区域，正在成为绿色人工智能企业集聚的重要节点。

整体而言，全球南方绿色人工智能创业活动已具备一定活跃度，但多数企业仍停留在概念验证、场景试点和区域运营阶段，真正实现规模化商业落地和持续盈利的企业仍较少，生态体系整体尚未进入成熟阶段。

此外，人才供给、市场需求、融资环境、制度环境是约束全球南方绿色人工智能企业创新的四大因素。

中期阶段，围绕能力建设完善人才供给体系。推动人工智能、数字技术、能源系统和公共治理知识交叉融合，将相关内容纳入职业教育、高等教育和继续教育体系。强化产学研协同创新机制，培育覆盖研发、工程、运营和监管全链条的人才结构。

长期阶段，形成可持续的人才发展机制。通过改善科研环境、完善职业激励、优化创新保障和增强发展机会等方式，提升本土人才留存能力，并吸引海外专业人才参与本国产业建设，逐步实现由人才输入向人才集聚转变，形成支撑长期产业升级的人力资本基础。

推动形成统一的绿色人工智能基础规则。围绕新增数据中心和算力设施，明确可再生能源接入比例、能源利用效率、用水强度和环境影响评估要求，将资源环境指标纳入项目审批和绩效评价体系。

根据不同发展阶段采取差异化建设路径。基础设施能力较弱国家可优先发展云端人工智能应用和公共数字服务，避免超前建设大型算力设施。具备一定产业基础的国家可结合能源条件稳步推进低碳算力布局，实现需求增长与资源供给协同。

推动节能技术和绿色模式普及。积极推广高能效芯片、节水冷却、余热利用和循环利用技术，在基础设施规划阶段同步落实节能、节水和低碳要求。同时，应建立长期环境治理机制，推动算力设施用能、用水和碳排放信息常态化披露，提高基础设施运行透明度和社会监督能力。

短期阶段，应系统评估本国矿产资源、能源结构和产业基础，完善矿业、工业与能源政策协同，通过公共政策降低下游加工制造环节投资风险，引导资源开发向产业培育延伸。

中期阶段，应推动价值链向中高端环节升级。在保障资源开发可持续性的基础上，加强冶炼加工、关键零部件制造和配套服务能力建设，推动由初级资源出口向产业链一体化发展转型，提高本地增值能力。

将人工智能与能源协同发展纳入国家战略框架，由中央层面统筹能源、产业、科技、教育、财政等相关部门，形成统一目标体系，避免出现重复投入和政策冲突。

强化政府、企业、科研机构和社会组织之间协同治理，通过共同参与政策设计、项目实施和效果评估，提高政策执行效率和社会适配性。

统筹商业应用与公共价值目标，在支持产业创新的同时，加强医疗、教育、公共服务等领域人工智能能力建设，实现技术扩散与社会效益同步提升。

探索跨境能源协作、算力共享和规则协调机制，提高区域资源配置效率，推动形成面向未来的绿色数字基础设施网络。

短期阶段，重点降低创业初期风险。通过阶段性资助、试点项目支持和公共采购扩大市场需求，同时完善绿色融资工具体系，为低碳数据中心和人工智能能源项目提供长期资金支持。

中期阶段，推动创业生态成熟。发展孵化平台、专业投资机构和产业服务体系，提升企业商业化能力和规模化运营能力，增强创新生态自我循环能力。

长期阶段，完善制度环境和退出机制。将绿色人工智能发展要求纳入产业治理框架，提高制度稳定性，同时健全企业并购、资本退出和成果转化机制，形成资本、技术与人才持续流动的发展生态。

归根结底，绿色人工智能竞争不是单一技术能力竞争，而是围绕人才、能源、制度和产业组织能力展开的综合竞争。对于发展中国家而言，真正的发展机会不在于复制既有路径，而在于借助人工智能与能源转型交汇形成的新窗口，探索更加包容、绿色和可持续的发展模式。

发展中国家拥有丰富可再生能源资源，并在全球产业重构过程中获得新的差异化发展空间。但这种绿色机遇并不会自动转化为发展成果，也并非长期存在。因此，发展中国家需要突破以算力规模和基础设施数量衡量人工智能发展的传统思路，将人工智能战略与能源转型、产业政策、教育体系和能力建设统筹推进，以绿色人工智能转型为抓手，提升本土创新能力、完善公共服务体系、优化能源结构，并推动产业价值链持续升级。

绿色人工智能窗口的意义不在于复制既有技术路径，而在于借助技术革命与能源转型交汇形成的新空间，探索一种更加自主、包容且可持续的发展模式。谁能够率先建立面向长期发展的治理能力，谁就更有可能在下一轮全球产业重构中形成持续竞争优势。