当前，人工智能产业快速扩张，算力基础设施大规模建设，为绿色金融带来机遇与挑战并存的新局面。一方面，AI算力消耗较多电力与水资源，有可能加大区域减排压力；另一方面，AI技术又可以赋能碳核算、ESG信息披露、环境风险识别等绿色金融业务环节，为行业降本增效提供新工具。如何平衡算力发展的资源代价，释放AI技术的正向价值，成为绿色金融领域值得探讨的现实命题。

围绕AI发展带来的电力与水资源压力、对绿色金融融资规模的影响，以及AI在碳核算、防范“漂绿”等场景的应用前景，在2026年中国金融学会绿色金融专业委员会年会期间，《金融时报》记者专访了中国金融学会绿色金融专业委员会主任、北京绿色金融与可持续发展研究院院长马骏。

《金融时报》记者：当前，AI产业快速发展，数据中心大规模投产运行，这对电力、水资源带来哪些冲击？我国在这方面有哪些优势或挑战？

马骏：AI会对电力、水资源两类资源形成明显压力，其根源在于大规模数据中心的用电与用水需求。倘若所处区域本身电力、水资源供给紧张，AI相关产业就会成为新的竞争主体，与其他经济主体争夺水电资源。

在水电供给没有新增的情况下，资源竞争会推高水电价格，给原本就需要消耗水电的其他企业带来财务层面的压力，这是很多国家都正在面对的系统性挑战。

除此之外，新能源与水资源供给的建设需要较长周期的投资布局，部分地区甚至不具备发展新能源的基础条件。例如，部分城市土地资源紧张，没有空间铺设光伏设备，在这样的条件下，当地发展相关业务就难以选用光伏发电，转而选择天然气或者煤电这类传统能源，进而造成高碳能源使用量增加。又如海水淡化领域，这在东南亚地区应用较为普遍，如果当地没有条件配套光伏这类新能源，为完成海水淡化就会更多消耗柴油等传统能源。

目前已经出现不少实际案例。以新加坡为例，如果当地计划新建数据中心，原本的方案可能是新增传统能源供给。但新加坡周边印度尼西亚的部分岛屿拥有充足土地，可以在岛屿上建设光伏设施，将光伏发电转化为氢能，通过船舶就近运输至新加坡，为数据中心供给清洁能源。经测算，这套清洁能源方案的成本低于当地煤电、燃油电站的发电成本，既可以实现较好的经济效益，也能够规避新增化石能源带来的资产搁浅以及不良资产风险。

就中国而言，我们可以输出较多解决方案。我国拥有多元化的新能源种类，配套储能设备，同时，氢能具备可运输的特性，能够将新能源转化为氢能产品。向发展中国家输出上述技术，用于数据中心配套建设，有助于当地避免被迫大量使用传统能源的局面。另外，中国用模块法建设海水淡化厂的技术可以大幅降低水的成本。此外，在光伏、储能、氢能及其运输和海水淡化等相关领域，中国技术均具备竞争优势，整套方案的落地可以依托中国的相关技术实现。

《金融时报》记者：近几年我国绿色贷款余额的增速已经出现放缓，有观点提出绿色金融融资增长或迎来拐点。AI的发展，能否为绿色金融带来新的融资增量？

马骏：客观来看，经过多年高速发展，绿色金融融资增速难以持续高增。截至2026年二季度末，本外币绿色贷款余额48.63万亿元，基数很高；加之纯绿色项目难以长期维持过去百分之二十甚至更高的增长水平，未来光伏新增装机的增长率也难以复刻以往的高增速，与之对应的融资增长速度随之逐步回落属于正常现象。

至于随着AI产业的发展，数据中心建设会对绿色金融需求产生何种影响，取决于人为的规划设计。如果数据中心更多配套绿电，有望增加绿色金融的融资需求；如果数据中心没有配套绿电，则会减少绿色金融的需求。中国具备条件推动数据中心尽可能使用绿电，而其他很多国家并不具备这样的先天条件，需要主动创造条件才能够实现绿电供给。

《金融时报》记者：当前，AI技术正在更广泛地应用于碳核算、ESG信息披露、识别“漂绿”行为等绿色金融场景，如何看待这部分应用前景？同时市场也担忧AI被滥用，出现数据造假等违规行为，您如何看待这方面的潜在风险？

马骏：目前还没有听说利用AI技术在ESG领域故意“漂绿”的情况。实践中，不少市场机构均在积极探索AI在防范“漂绿”“洗绿”方面的应用，并且已经取得一定实践成果。

从传统方式看，绿色金融项目传统贴标工作此前大量依赖人工，现在已经出现机器自动贴标的技术。部分数字技术企业表示，运用人工智能完成绿色项目贴标的准确率较以往有显著提升，虽无法实现百分之百准确，但可以由机器快速输出初版结果，如同生成文稿初稿，后续再交由人工开展最终审核，能够大幅降低相关工作成本。

此外，AI还可以完成大量数据收集与处理工作，相比人工模式成本更低。卫星遥感等渠道获取的监测数据，本身就是ESG计量工作所必需的数据来源，AI可以对该类数据开展加工处理。

以实操场景举例，中国农业科学院专家正在推广智慧灌溉系统。这套系统可以通过埋设于土壤中的传感器，判断农田是否缺水、是否缺少氮磷钾等肥料，依据监测结果为农田供给最优数量的水和肥料，这是现阶段的智慧农业模式。未来的智慧农业，除采集土壤水肥现状数据以外，还会纳入未来几日的气象预报信息。例如预判次日会出现大雨，就可以减少当日灌溉水量，避免水资源浪费。整套系统会采集各类物联网传感数据，再依托人工智能完成运算与判断。