中國儲能網訊：
摘要：隨著人工智能技術的快速發(fā)展，智能算力需求呈爆發(fā)式增長態(tài)勢，智算中心能耗問題當今備受關注。深入分析了國內外智能算力總體情況，探討了人工智能時代智能算力迅猛發(fā)展所帶來的能源消耗急劇增長、能源供應不穩(wěn)定以及能源利用效率有待提高等方面的問題，并提出相應的對策建議，旨在為應對智能算力的能源挑戰(zhàn)提供全面且具有實踐價值的指導，促進人工智能產業(yè)與能源的可持續(xù)協調發(fā)展。
關鍵詞：人工智能；智能算力；能源消耗
0 引言
2024年底，中央經濟工作會議提出要開展“人工智能+”行動，積極運用數字技術、綠色技術改造提升傳統(tǒng)產業(yè)。隨著以深度求索（DeepSeek）、聊天機器人模型（ChatGPT）、人工智能（Artificial Intelligence，AI）文生視頻大模型為代表的生成式AI時代的到來，AI技術在工業(yè)、醫(yī)療、交通、金融等眾多領域得到廣泛應用，基于圖形處理器（Graphics Processing Unit，GPU）芯片的智能算力需求呈現出爆發(fā)式增長態(tài)勢[1-2]。從深度學習模型訓練到復雜的AI推理任務，智能算力作為支撐AI發(fā)展的核心資源，其重要性不言而喻[3]。然而，智能算力的大幅提升也帶來了嚴峻的能源挑戰(zhàn)。相關研究機構預測，全球數據中心的能源消耗將持續(xù)增長，而其中相當一部分用于滿足AI訓練和推理任務的算力需求[4]。如何在滿足AI發(fā)展需求的同時實現能源的高效可持續(xù)利用，已成為亟待解決的問題。本文梳理分析了全球智能算力發(fā)展的現狀，探討了智能算力激增可能帶來的智算中心能耗上升、能源成本持續(xù)攀升、能源效率有待提升以及能源供應穩(wěn)定性要求高等方面的挑戰(zhàn)，并基于挑戰(zhàn)提出推動政策支持與產業(yè)協同降耗增效、加強技術創(chuàng)新研發(fā)、優(yōu)化能源精細管理等方面的對策建議，旨在充分發(fā)揮AI正面效應，有效應對AI時代的能源需求。
1 國內外智能算力發(fā)展總體情況
1.1 全球算力規(guī)模快速增長，智能算力國際競爭日益激烈
近年來，全球算力總體規(guī)模呈現快速增長趨勢。據統(tǒng)計，截至2023年底，全球算力總規(guī)模達到910 EFLOPS，同比增長40%，增長態(tài)勢顯著[5]。其中，通用算力規(guī)模為551 EFLOPS，智能算力規(guī)模為335 EFLOPS，超算算力規(guī)模為24 EFLOPS。與此同時，全球智能算力需求隨著非結構化數據（文字、圖片、語音、視頻等）急劇擴增呈現持續(xù)增長態(tài)勢?！吨袊懔Πl(fā)展報告》數據顯示，截至2023年底，全球智能算力規(guī)模同比增長超過一倍，其增速遠超算力總規(guī)模增速，智能算力逐漸占據重要地位[6]。
隨著AI技術的發(fā)展，全球各國對智能算力的重視程度不斷提高，紛紛加大在智能算力基礎設施建設、AI芯片研發(fā)等方面的投入，智能算力的國際競爭日益激烈[7]。美國在智能算力領域處于領先地位，擁有強大的技術實力和產業(yè)基礎，如谷歌、微軟、亞馬遜等在AI研發(fā)和應用方面投入巨大，推動了智能算力的快速發(fā)展。例如，谷歌的TPUS等專用芯片為AI訓練和推理提供了高效的算力支持。歐洲也在積極推進智能算力的發(fā)展，如英國發(fā)布了《國家人工智能戰(zhàn)略》，旨在提升英國在AI領域的競爭力，包括加強智能算力基礎設施建設。日本在智能算力的發(fā)展上注重與本國產業(yè)的結合，如在制造業(yè)、醫(yī)療等領域應用智能算力提升生產效率和醫(yī)療服務質量。此外，日本的科技企業(yè)在AI芯片和機器人等領域也具有一定的技術優(yōu)勢。
1.2 我國穩(wěn)步推進算力設施建設，智能算力市場爆發(fā)式增長
近年來，我國政府出臺了包括規(guī)劃引導數據中心建設、支持AI芯片研發(fā)等一系列支持智能算力發(fā)展的政策。例如，工業(yè)和信息化部為促進計算、網絡、存儲和應用協同創(chuàng)新，出臺了《算力基礎設施高質量發(fā)展行動計劃》，旨在構建全國樞紐、區(qū)域中心、本地邊緣協同發(fā)展的多層次算力基礎設施體系，提升算力高效運載能力，推動算力基礎設施高質量發(fā)展，同時提出2025年我國智能算力達到105 EFLOPS、智算比例達到35%的目標。此外，我國在芯片設計與制造、服務器生產、數據中心運營、AI軟件開發(fā)、生成式AI、大模型訓練以及多模態(tài)AI等多環(huán)節(jié)的智能算力產業(yè)生態(tài)正在逐步完善，且發(fā)展速度迅猛，成為推動國家智能算力增長的主要驅動力。
截至2023年底，我國在用數據中心標準機架超過810萬架，算力總規(guī)模近5年年均增速近30%，位居全球第2位，達到230 EFLOPS，是2020年的3倍[5]。與此同時，隨著AI應用的快速發(fā)展，中國智能算力市場迎來爆發(fā)式增長。根據工業(yè)和信息化部的公開數據，截至2024年底，我國智能算力規(guī)模達到90 EFLOPS，占比達到算力總規(guī)模的32%。同時，相關研究也表明，2024年中國智能算力市場規(guī)模突破190億美元，同比增長86.9%，這一增長趨勢進一步表明我國在AI領域的強大實力和國際競爭力。
2 智能算力帶來的能源挑戰(zhàn)
2.1 能耗急劇增長，成本持續(xù)攀升
能源消耗急劇增長。一方面數據中心能耗日益凸顯。數據中心作為智能算力的主要承載平臺，近年來其能源消耗呈現出驚人的增長速度。據統(tǒng)計，全球數據中心的電力消耗已占到全球總電力消耗的約1%~2%，并且這一比例還在不斷上升[8]。以大型互聯網企業(yè)和科技公司為例，其數據中心的規(guī)模不斷擴大，服務器數量成千上萬，為了維持這些服務器的持續(xù)運行以及冷卻設備的正常工作，需要消耗大量的電能。例如，某知名科技公司的數據中心每年的電費支出高達數億元，而這僅僅是一個企業(yè)的數據，全球范圍內眾多數據中心的能耗總和更是驚人。另一方面，AI訓練與推理能耗較高。在AI訓練過程中，尤其是深度學習模型的訓練，需要大量的計算資源來處理海量的數據。例如，訓練一個大型的語言模型（如GPT-3），其參數量達到1 750億，訓練過程需要在強大的GPU集群上運行數周甚至數月，消耗的電能極為可觀[9]。而在AI推理階段，隨著AI應用的廣泛部署，大量的設備和終端需要實時進行推理計算，這也導致了能源消耗的持續(xù)增加。例如，在智能安防領域，大量的攝像頭需要對視頻圖像進行實時分析和識別，這需要邊緣計算設備具備一定的算力，而這些設備的持續(xù)運行也消耗了大量的能源。
能源成本持續(xù)攀升。智能算力的提升直接導致能源消耗量的增加，進而使能源成本成為企業(yè)和機構部署AI解決方案時不可忽視的重要因素。對于大型科技企業(yè)而言，數據中心的電費支出已占據運營成本的相當大比例。以某知名互聯網公司為例，其數據中心每年產生巨額度的電費支出，并且隨著 AI 業(yè)務的拓展和算力需求的增長，能源成本還在持續(xù)上升。對于中小企業(yè)和新興的AI創(chuàng)業(yè)公司來說，高昂的能源成本更是可能成為限制其發(fā)展的瓶頸。除了電費本身，為了保障數據中心的穩(wěn)定運行，還需要投入大量資金用于建設備用電源系統(tǒng)、冷卻系統(tǒng)等基礎設施，以及支付相應的維護費用，這些都進一步加重了企業(yè)的能源成本負擔。
2.2 能源利用效率有待提升
服務器利用率不均衡。在許多數據中心，服務器的利用率存在不均衡的現象。部分服務器可能長期處于高負載運行狀態(tài)，而另一部分服務器則處于閑置或低負載狀態(tài)。這種不均衡的利用率導致了能源的浪費。例如，在一些傳統(tǒng)的企業(yè)數據中心，由于缺乏有效的資源調度和管理機制，服務器的平均利用率可能僅為10%~20%，這意味著大量的能源被消耗在維持這些低效運行的服務器上，而沒有得到充分的利用[10]。
冷卻系統(tǒng)的能源浪費。數據中心的冷卻系統(tǒng)是能源消耗的大戶之一，通常占數據中心總能耗的30%~40%[10]。為了確保服務器在合適的溫度下運行，數據中心需要采用高效的冷卻技術。然而，目前許多數據中心的冷卻系統(tǒng)存在能源浪費的問題。例如，一些傳統(tǒng)的冷卻系統(tǒng)采用的是風冷技術，其冷卻效率較低，需要消耗大量的電能來驅動風扇和空調設備。此外，數據中心內部的氣流組織不合理也可能降低冷卻系統(tǒng)的效率，部分區(qū)域出現過冷或過熱的現象，進一步增加了能源的消耗。
2.3 能源供應穩(wěn)定性要求高
數據中心要求較高的電力供給系統(tǒng)。為了保證服務器的正常運行和數據的安全，數據中心通常需要不間斷供電。一旦發(fā)生斷電或波動，可能會導致服務器宕機、數據丟失等嚴重后果。因此，數據中心常設有包括市電、備用發(fā)電機、不間斷電源（Uninterruptible Power Supply，UPS）等在內的復雜供電系統(tǒng)。但隨著數據中心規(guī)模越來越大，算力需求越來越大，對電力供應穩(wěn)定性的要求也日益提高。部分地區(qū)由于電網基礎設施老化或電力供應能力不足，導致數據中心運行風險加大，數據中心高負荷用電需求難以滿足[11]。
可再生能源供應的間歇性帶來挑戰(zhàn)。許多數據中心為了減少對傳統(tǒng)化石能源的依賴，開始嘗試采用太陽能、風能等可再生能源。但可再生能源的供給是間斷性的，而且存在不穩(wěn)定性。例如，受天氣和晝夜變化的影響，以及風力資源的分布和強度的影響，太陽能發(fā)電和風能發(fā)電的供給與需求之間存在著諸多不確定性，難以保證穩(wěn)定可靠的能源供給。數據中心在可再生能源供給不足的情況下，需要依賴傳統(tǒng)的能源供應來補充電力缺口，使得能源供應系統(tǒng)的復雜性和管理難度大大增加。與此同時，大規(guī)模接入可再生能源也可能對電網穩(wěn)定性造成影響，儲能和智能電網等技術問題也將成為未來亟需攻關的重點領域[12]。
3 應對智能算力能源挑戰(zhàn)的建議
3.1 政策支持與產業(yè)協同降耗增效
加強政策與資金支持。出臺一系列優(yōu)惠政策，對采用高效節(jié)能技術和設備的數據中心給予稅收減免、財政補貼等，以提升智算中心能源利用效率。與此同時，鼓勵智算中心參與電力市場交易，通過與電網簽訂直購電協議，降低用電成本[13]。此外，政府還可以加大對可再生能源發(fā)電項目的投資和補貼力度，在數據中心推廣應用可再生能源，減少數據中心對傳統(tǒng)能源的依賴，促進可再生能源在數據中心的應用。例如，某地方政府對采用高效冷卻技術的數據中心給予一次性財政補貼，鼓勵企業(yè)進行綠色低碳技術改造，提高能源利用效率。
推動產業(yè)協同發(fā)展。通過建立產業(yè)聯盟或合作平臺，促進AI產業(yè)與能源產業(yè)在技術研發(fā)、標準制定、項目示范等方面的合作，實現協同發(fā)展合作共贏。例如，能源企業(yè)與AI企業(yè)共同研發(fā)適用于數據中心的高效能源存儲和轉換技術，雙方還可以共同研制數據中心能源管理標準和規(guī)范，提升信息通信領域的能源管理水平，降低能耗。另外，通過產業(yè)協同合作實現資源共享和優(yōu)勢互補，可降低企業(yè)的能耗和研發(fā)費用。有實踐表明，某能源企業(yè)和AI企業(yè)合作開展數據中心儲能項目示范，通過技術和資源的共享，實現了項目投資成本和運營成本的降低。
3.2 技術創(chuàng)新提升能源利用效率
創(chuàng)新研發(fā)高效能AI芯片。增加對AI芯片研發(fā)的投入，鼓勵企業(yè)和科研機構開發(fā)具有更高性能功耗比的芯片。比如7 nm、5 nm甚至更小的制程，通過采用先進的制程工藝，使得芯片的能耗明顯降低。與此同時，探索存算一體架構的新型芯片，將存儲單元和計算單元融合在一起，從而使得數據傳輸過程中減少能耗，進而提高計算效率。另外，針對不同的AI應用場景，設計專用芯片（Application-Specific Integrated Circuit，ASIC），可以按照特定的任務進行優(yōu)化，實現能源利用效率最大化。以智能安防領域為例，可以設計專門用于視頻圖像識別的ASIC芯片，相比通用芯片，其在特定任務上的能效比可提高數倍。
完善優(yōu)化數據中心架構與冷卻技術。采用模塊化數據中心架構，服務器模塊根據實際算力需要靈活地配置，從而提高服務器利用率。同時通過采用冷熱通道分離、熱通道封閉等技術來優(yōu)化數據中心的布局和氣流組織，進而降低冷熱空氣的混合，提高冷卻效率降低能耗。另外，開展浸沒式液冷技術等新型冷卻技術的研發(fā)和應用，將服務器浸沒在冷卻液中，通過液體的相變帶走熱量，相比傳統(tǒng)的風冷技術，將會大幅提升冷卻效率，實現數據中心能耗的降低。實踐表明，通過采用浸沒式液冷技術，某數據中心冷卻系統(tǒng)的能耗降低了50%以上，能源利用的整體效率得到了明顯提高[9]。
3.3 能源管理優(yōu)化保障供應穩(wěn)定性
建立完善的能源管理系統(tǒng)。通過安裝智能電表、傳感器等設備，基于物聯網等數字技術，建立完善的能源管理系統(tǒng)，進而實現實時監(jiān)測服務器、冷卻設備、供電設備等的能耗情況，以及數據中心內的溫度、濕度等環(huán)境參數。同時運用大數據分析以及AI技術對相關能源或碳排放數據進行實時分析、預測，及時發(fā)現不必要的能源浪費和潛在的供電風險，進而制定科學合理的能源管理規(guī)劃。有研究顯示，基于能源管理系統(tǒng)的應用，通過服務器負載動態(tài)調整供電和冷卻資源分配調節(jié)，可實現精細化、動態(tài)化的數據中心能源管理，在降低運營成本和風險的同時還使得能源利用效率提高了20%~30%[14]。
采用多能源混合供應方式。數據中心可采用多能源混合供應方式，將傳統(tǒng)電網供電與可再生能源發(fā)電相結合，以應對可再生能源供應的間歇性問題。與此同時，可通過配置電池儲能、超級電容器等儲能系統(tǒng)，在需要時儲存可再生能源發(fā)電的多余能量，以增加能源供應的穩(wěn)定性及可靠性，以達到蓄能發(fā)電的目的[15]。通過智能能量管理系統(tǒng)實現能源的自我管理和優(yōu)化調度，并根據數據中心的負荷需求和外部電網情況，靈活調整能源供應模式，實現與大電網的互動和協同運行。例如，為減少對傳統(tǒng)電網的依賴，同時降低能源成本，某數據中心采用多能源混合供應模式后，其可再生能源利用率提高了30%以上。
4 結束語
AI時代，智能算力的快速發(fā)展給能源領域帶來了嚴峻的挑戰(zhàn)。然而通過技術創(chuàng)新研發(fā)、能源管理優(yōu)化以及政策支持與產業(yè)協同等方面多措并舉，可以有效提升能源利用效率、保障能源供應穩(wěn)定性以及降低能源成本，不僅有助于推動AI產業(yè)的綠色低碳可持續(xù)發(fā)展，而且對能源結構優(yōu)化、環(huán)境保護等方面都有很好的促進作用。未來發(fā)展中，各政府、行業(yè)、企業(yè)需緊密合作，為構建AI時代的美好未來奠定堅實基礎，共同探索更加高效、綠色的智能算力能源解決方案。
