2025年可再生能源扩张表现强劲,太阳能装机推动可再生能源占全球电力装机容量近半,但这并不意味着全球已经步入正轨来实现其可再生能源承诺。
国际可再生能源机构(IRENA)周三发布的《2026年可再生能源装机容量统计报告》发现,可再生能源主导了去年的新增电力装机,占全球装机容量扩张的85.6%。太阳能反过来成为主导的可再生能源技术,占去年可再生能源新增装机容量的近四分之三。
IRENA指出,这些新增装机在2025年总计692吉瓦,使可再生能源装机容量同比创纪录增长15.5%。截至去年年底,可再生能源占全球装机电力容量的49.4%,而太阳能和风能等可变可再生能源约占总装机容量的35%。
作为参考,直到2023年可再生能源才跨越了发电量占全球电力30%的门槛。
正如IRENA在新闻稿中指出的,由于美伊冲突导致燃料价格飙升和能源(即石油)不稳定,可再生能源重新成为焦点。IRENA总干事弗朗切斯科·拉卡梅拉表示,像伊朗冲突这样的事件是推动更多可再生能源采用的完美理由。
拉卡梅拉在声明中说:"一个更加分散的能源系统,可再生能源份额不断增长,市场参与者更多,在结构上更具韧性。投资能源转型的国家正以较小的经济损失度过这场危机,因为它们提高了能源安全性、韧性和竞争力。"
加速采用当然很好,但IRENA本身仍不相信去年的成果足够:是的,可再生能源部署的整体趋势显示可再生能源超过化石燃料扩张,但并非完全如此。
根据IRENA的数据,前述85.6%的新增电力装机容量份额实际上比2024年有所下降,当时可再生能源约占全球新增装机容量的92%。是的,2025年总装机电力容量的份额再次上升,但非可再生能源新增装机容量去年也大幅反弹。
IRENA指出:"在全球层面,2025年非可再生能源新增装机也出现大幅反弹,与2024年相比几乎翻了一番。"中国引领了这一驱动力,去年新增100吉瓦非可再生能源装机容量,其中大部分是煤炭。
如果你一直关注数据中心和人工智能领域,非可再生能源项目受欢迎就不足为奇了。去年美国天然气能源项目几乎增长了两倍,使美国在天然气发电项目总量方面领先中国,而煤炭也出现复苏。在这两种情况下,你都可以将大部分增长归功于人工智能数据中心项目,以及美国政府促进人工智能发展而非可持续性的政策。
世界领导人在2023年COP28会议上承诺到2030年将可再生能源装机容量增加两倍至超过11万亿瓦。截至2025年底,全球可再生能源装机容量为5.15万亿瓦;加上近年来推动化石燃料扩张,IRENA担心这一目标无法实现。
该机构总结道:"需要显著加速才能实现COP28采用的目标,即到2030年将可再生能源装机容量增加两倍至超过11万亿瓦。"
Q&A
Q1:2025年可再生能源发展情况如何?
A:2025年可再生能源表现强劲,新增装机容量692吉瓦,同比增长15.5%。可再生能源占全球新增电力装机的85.6%,其中太阳能占可再生能源新增装机的近四分之三。截至年底,可再生能源占全球电力装机容量的49.4%。
Q2:为什么非可再生能源装机容量也在增长?
A:2025年非可再生能源新增装机出现大幅反弹,几乎比2024年翻了一番。主要原因是人工智能数据中心项目需求增长,美国天然气项目几乎增长两倍,中国新增100吉瓦非可再生能源装机,其中大部分是煤炭。
Q3:全球能否实现COP28的可再生能源目标?
A:前景不乐观。世界领导人承诺到2030年将可再生能源装机容量增至超过11万亿瓦,但目前全球仅为5.15万亿瓦。加上近年来化石燃料扩张趋势,IRENA认为需要显著加速才能实现这一目标。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。