2025-08-29 18:30:38
【导(dǎo)语(yǔ)】随(suí)着(zhe)人(rén)工(gōng)智(zhì)能(néng)的(de)迅(xùn)猛(měng)发(fā)展(zhǎn)，算(suàn)力(lì)中(zhōng)心(xīn)作(zuò)为(wèi)数(shù)字(zì)时(shí)代(dài)的(de)“电(diàn)力(lì)巨(jù)兽(shòu)”，其(qí)能(néng)耗(hào)问(wèn)题(tí)日(rì)益(yì)凸(tū)显(xiǎn)。2025年(nián)，中(zhōng)国(guó)数(shù)据(jù)中(zhōng)心(xīn)年(nián)用(yòng)电(diàn)量(liàng)预(yù)计(jì)突(tū)破(pò)4000亿(yì)度(dù)，引(yǐn)发(fā)对(duì)电(diàn)力(lì)支(zhī)撑(chēng)的(de)深(shēn)切(qiè)关注(zhù)。本(běn)文深(shēn)入(rù)探(tàn)讨(tǎo)算(suàn)力(lì)中(zhōng)心(xīn)的(de)电(diàn)力(lì)消(xiāo)耗(hào)现(xiàn)状(zhuàng)、挑(tiāo)战(zhàn)及(jí)未(wèi)来(lái)图(tú)景(jǐng)，从(cóng)硬(yìng)件(jiàn)、软(ruǎn)件(jiàn)、能(néng)源(yuán)等(děng)多(duō)维(wéi)度(dù)解(jiě)析(xī)电(diàn)力(lì)消(xiāo)耗(hào)的(de)“三(sān)重(zhòng)密(mì)码(mǎ)”，并(bìng)展(zhǎn)望(wàng)绿(lǜ)色(sè)算(suàn)力(lì)的(de)发(fā)展(zhǎn)方(fāng)向(xiàng)。在(zài)数(shù)字(zì)革(gé)命(mìng)浪(làng)潮(cháo)中(zhōng)，电(diàn)力(lì)与(yǔ)算(suàn)力(lì)正(zhèng)共(gòng)生(shēng)进(jìn)化(huà)，共(gòng)同(tóng)推(tuī)动(dòng)AI的(de)可(kě)持(chí)续(xù)发(fā)展(zhǎn)。
当(dāng)你(nǐ)在(zài)手(shǒu)机(jī)上(shàng)向(xiàng)AI助(zhù)手(shǒu)提(tí)问(wèn)时(shí)，是(shì)否(fǒu)想(xiǎng)过(guò)背(bèi)后(hòu)支(zhī)撑(chēng)它(tā)的(de)算(suàn)力(lì)中(zhōng)心(xīn)，每(měi)小(xiǎo)时(shí)要(yào)消(xiāo)耗(hào)多(duō)少(shǎo)度(dù)电(diàn)？当(dāng)人(rén)工(gōng)智(zhì)能(néng)以(yǐ)每(měi)秒(miǎo)万(wàn)亿(yì)次(cì)的(de)速(sù)度(dù)处(chù)理(lǐ)数(shù)据(jù)时(shí)，其(qí)“胃(wèi)口(kǒu)”早(zǎo)已(yǐ)超(chāo)越(yuè)传(chuán)统(tǒng)认(rèn)知(zhī)——2025年(nián)，中(zhōng)国(guó)仅(jǐn)数(shù)据(jù)中(zhōng)心(xīn)年(nián)用(yòng)电(diàn)量(liàng)就(jiù)可(kě)能(néng)突(tū)破(pò)4000亿(yì)度(dù)，相(xiāng)当(dāng)于(yú)三(sān)峡(xiá)水电站全年发电量的1.5倍。这场数字革命背后，究竟需要多少电力支撑？
图源：unsplash
一、算力中心：数字时代的“电力巨兽”
一台搭载英伟达H100 GPU的服务器，单卡峰值功耗达700瓦，一个万卡集群的算力中心仅计算单元每小时就要消耗7000度电——相当于300户家庭一天的用电量。而支撑这些芯片的，还有散热系统、不间断电源（UPS）、网络设备等配套设施，实际耗电量远超计算单元本身。
以训练GPT-3为例，其单次训练耗电量达128.7万度，相当于美国121个家庭一年的用电量。若按每日2亿次咨询量计算，ChatGPT每天至少需要消耗79.2万度电，足够驱动2000辆电动汽车行驶100公里。
二、电力消耗的“三重密码”
1. 硬件层：芯片与散热的“双重燃烧”
主流AI芯片（如GPU）的功耗密度极高，一块H100 GPU在满负荷运行时，温度可达90℃。为维持稳定，传统风冷系统需额外消耗30%-40%的电能用于散热，而液冷技术虽能将PUE（电能利用效率）降至1.1以下，但泵机、换热器等设备仍需持续运行。
2. 软件层：算法效率的“隐形战场”
通过模型蒸馏、稀疏化等技术，可在保持性能的同时减少30%-50%的计算量。例如，将16位精度计算压缩至4位，可显著降低显存占用和功耗。此外，动态调整分布式训练策略（如梯度压缩），能减少网络传输中的能量损耗。
3. 能源层：绿色电力的“破局之道”
在西北地区，依托风电、光伏等可再生能源的算力中心，电价可低(dī)至(zhì)0.3元(yuán)/度(dù)（东(dōng)部(bù)地(de)区(qū)为(wèi)0.6元(yuán)/度(dù)）。通(tōng)过(guò)配(pèi)置(zhì)锂(lǐ)电(diàn)池(chí)储(chǔ)能(néng)系(xì)统(tǒng)，在(zài)夜(yè)间(jiān)电(diàn)价低谷时充电，白天(tiān)高(gāo)峰(fēng)时(shí)放电，可降低用电成本30%以上。例如，某算力中(zhōng)心(xīn)通(tōng)过(guò)“虚(xū)拟(nǐ)电(diàn)厂(chǎng)”参(cān)与(yǔ)电(diàn)网(wǎng)调(diào)峰(fēng)，年(nián)节(jié)省(shěng)电(diàn)费(fèi)超(chāo)千(qiān)万(wàn)元(yuán)。
三(sān)、电(diàn)力(lì)挑(tiāo)战(zhàn)：从(cóng)“量(liàng)”到(dào)“质(zhì)”的(de)升(shēng)级(jí)
1. 供(gōng)电(diàn)稳定性：算力与电网的“双向博弈”
算力中心对供电可靠性要求极高，通常采用双电源或多回路供电，变压器全容量备供。然而，新能源发电的波动性（如“极热无风”“日落无光”）与算力负载的实时性形成矛盾。此句逻辑存在问题，应改为‘2025年，中国仅数据中心年用电量就可能突破4000亿度，若新能源占比超70%，电网需通过微电网、虚拟电厂等技术实现灵活调度。’
2. 成本控制：电费占运营成(chéng)本的60%
以年电费7000万元的算力中心为例，电费占比超总成本的60%。为降本增效，企业正探索“算力租赁”模式（如AWS按需付费），降低中小企业使用门槛；同时，通过碳交易市场将绿色算力转化为商业价值（如欧盟碳积分抵扣电费）。
3. 碳排放：政策与技术的“双重约束”
欧盟《数据中心能效指令》要求2030年PUE≤1.3，中国“东数西算”工程则要求西部数据中心PUE≤1.25。为满足要求，算力中心正从集中式超算转向分布式边缘计算，在终端（手机、车机）处理简单任务，减少云端压力。
图源：unsplash
四、未来图景：绿色算力的“三大方向”
1. 架构革新：从“集中式”到“分布式”
发展异构计算（CPU+GPU+ASIC混合架构），按需分配算力；探索类脑计算（模拟神经元脉冲放电），能耗比GPU低1000倍。例如，某实验室研发的类脑芯片，在图像识别任务中功耗仅为传统芯片的1/500。
2. 能源协同：算电一体的“深度融合”
施耐德电气提出的“算电协同”三层架构，通过底层电力供给（风光接入）、中层算力负荷（IT负载调节）、上层协同机制（数据算法优化），实现能源与算力的高效匹配。例如，某算力中心通过预测任务需求，动态关闭闲置服务器，年节电超20%。
3. 基础理论：低能耗AI的“源头突破”
研究自监督学习（减少标注数据计算量）、脉冲神经网络（事件驱动计算）等基础算法，从源头降低算力需求。清华大学团队研发的“低功耗AI框(kuāng)架(jià)”，在(zài)保(bǎo)持(chí)90%准(zhǔn)确(què)率(lǜ)的(de)同(tóng)时(shí)，将(jiāng)计(jì)算(suàn)量(liàng)减(jiǎn)少(shǎo)40%。
五(wǔ)、电(diàn)力(lì)与(yǔ)算(suàn)力(lì)的(de)“共(gòng)生(shēng)进(jìn)化(huà)”
建(jiàn)立(lì)算(suàn)力(lì)中(zhōng)心(xīn)所(suǒ)需(xū)的(de)电(diàn)量(liàng)，已从单纯的“规模竞争”转向“效率竞争”。2025年，中国数据中心平均PUE虽已降至1.48，但与理论极限（PUE=1）仍有差距。在这场数字革命中，电力不仅是算力的“燃料”，更是推动AI可持续发展的关键变量。未来，随着芯片架构革命、算法效率突破与绿色电力生态的完善，算力中心或将从“电力巨兽”进化为“绿色(sè)引(yǐn)擎(qíng)”，为(wèi)人(rén)类(lèi)文明(míng)注(zhù)入(rù)更(gèng)清(qīng)洁(jié)、更(gèng)高(gāo)效(xiào)的(de)数(shù)字(zì)动能。
供稿单位(wèi)：重庆市九龙坡区科普创作与传播学会
作者：重庆中机中联检测技术有限公司 教授级高级工程师 廖新雪
审核专家：九龙坡区融媒体中心主任编辑 田军英
声明：除原创内容及特别说明之外，部分图片来源网络，非商业用途，仅作为科普传播素材，版权归原作者所有，若有侵权，请联系删除。
MORE
