从烹饪食物到为家庭供暖照明和驱动工业,能源是地球生命和人类社会进步的核心。但是,我们获取、储存和使用能源的方式正在迅速演变,这种变化由环境问题、新技术发展和地缘政治挑战所驱动。
随着我们迈向 2025 年,这种变化的影响可能会变得更加显著。在世界面临新的气候和能源安全挑战时,创新和人类行为的改变对于寻找解决方案都至关重要。因此,以下是我认为 2025 年新能源和能源转型最重要的趋势综述。
能源基础设施和管理中的 AI
得益于持续的 AI 革命,预测分析和智能能源优化解决方案将继续实现更精确的能源需求预测以及能源生产、储存和分配的实时优化。AI 还将在绿色能源勘探中发挥作用。像壳牌这样的公司已经在利用 AI 帮助识别生物燃料储藏、优化电动车充电站布局,并加速清洁能源解决方案的研究。
能源储存和电池技术创新
固态电池和液流电池等新型电池储能技术将在 2025 年继续使可再生能源储存成为更可行的解决方案。这将实现太阳能、潮汐能和风能等可再生能源更可靠地并入能源电网,并提供可扩展的解决方案来解决这些发电方式传统上存在的间歇性问题。其他潜在解决方案将以热能和压缩空气储存的形式出现,为缓解能源危机创造更多可能性。
分散式能源生产
与在大型设施进行集中式能源生产不同,分散式能源原则涉及数百万个小型微电网和能源共享系统,将可再生和清洁能源发电器与 AI 驱动的管理系统相结合。这些系统可能由社区团体或邻里拥有和运营,创建本地能源生态系统,从而提高能源韧性并减少对中央供应商的依赖。在 2025 年,我们将看到这一趋势有助于支持向更绿色能源使用的转型,特别是在农村和偏远地区。
地缘政治推动能源安全挑战
动荡的政治局势迫使各国优先考虑能源安全,多样化能源供应,并开发新的供应路线。到 2025 年,许多公司——特别是那些依赖于卷入战争或政治动荡国家所供应能源的公司——将专注于减少对进口的依赖,增加国内能源生产。这将涉及可能取决于政客或选民意愿的挑战,例如在进一步开发自然资源和投资绿色能源解决方案之间做出选择。
核能选项
小型模块化反应堆的发展,以及核聚变探索的潜在突破,承诺提供更安全、更经济的核能。这可能为可靠的低碳发电创造新机会,并将越来越多地与可再生能源一起用于追求清洁能源目标。小型模块化反应堆比传统核电站更小、更安全、更便宜,这意味着在 2025 年,它们越来越被视为替代老化化石燃料电厂的有吸引力的选择。然而,一些人仍然担心并非所有关于核能的顾虑都能得到缓解。
解决能源不平等
解决能源贫困和不平等的需求正日益成为全球优先事项。全球仍有数十亿人对可靠的电力供应的获取有限或根本无法获取,这严重危及他们的健康并限制了经济发展的可能性。到 2025 年,为一些最缺乏服务的地区开发提供负担得起的清洁能源的新方法将成为越来越紧迫的优先事项。
可再生和绿色能源源的新发展
全球范围内,仍然有巨大的需求来用清洁、绿色的替代品取代化石燃料和污染性能源供应。除了可再生能源发电的新发展,如更高效的集成太阳能电池板(光伏)和浮动风力发电场(浮动光伏)外,绿色氢能正在成为减少钢铁和化学品生产等行业以及交通运输碳排放的可行解决方案。
人为因素
能源转型中最关键的元素可能是人类行为所扮演的角色。从转向脱离化石燃料的意愿到参与社区能源计划,个人是否愿意改变习惯将是一个决定性因素。立法将发挥作用,但如果处理得过于强硬,可能会引发反弹,正如我们看到一些人对电动车强制措施的反应。教育将在提高人们对未来可能面临的致命情景的认识方面发挥更加重要的作用,如果我们今天不能有效管理能源转型,这些情景将成为现实。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。