AI引擎催生数据中心绿色发展新范式

来源：中国电力报 时间：2025-09-02 15:21

　　人工智能技术的规模化应用正以指数级速度重塑全球算力格局，从DeepSeek等大模型驱动的算力革命，到全球数据中心电力消耗占比突破1.5%的临界点，AI引擎的普及已成为推动数据中心从“资源消耗型”向“智能高效型”转型的核心驱动力。然而，这场变革既带来了算力密度的跃升与架构创新，也引发了能耗结构的深层变革，其影响贯穿技术、经济与政策等多个维度。在“双碳”目标约束下，算电协同（算力与电力协同优化）正成为破解AI能耗困局、实现数据中心绿色可持续发展的关键路径。

　　算力需求激增与能耗结构失的双重挑战

　　AI大模型的训练与推理需求正以每年300%的速度增长。以GPT-4为例，其训练过程需调用2.5万块英伟达A100 GPU，持续运转数月，单次训练耗电量达1287兆瓦时，相当于3000辆特斯拉电动汽车同时行驶20万英里的总能耗。更严峻的是，AI推理阶段的能耗占比已从2020年的10%攀升至2025年的65%，未来三年这一比例将突破80%。这种“训练集中化、推理分布式”的特征，使得全球数据中心用电量预计在2030年达到945太瓦时，超过日本全国年用电量，碳排放量将增至3亿吨，占全球总排放量的3.5%。

　　能耗结构失衡的矛盾同样突出。传统数据中心中，IT设备能耗仅占总耗电量的60%~70%，其余30%~40%被制冷、供电等辅助系统消耗。在AI驱动的高密度算力场景下，单柜功率密度从10千瓦跃升至50千瓦，液冷技术虽将制冷能耗占比从40%降至15%，但IT设备自身的能源转换效率却成为新瓶颈——通用服务器97%的电能转化为热能，仅3%用于计算，而AI服务器因GPU的高功耗特性，这一比例进一步恶化至1.5%。这种“高能耗、低算效”的悖论，使得全球数据中心每年因能源浪费产生的经济损失超过200亿美元。

　　算电协同破解AI能耗困局的创新路径

　　面对AI引擎规模化带来的能耗挑战，算电协同通过技术、市场、政策与生态的多维创新，正在重构数据中心的绿色发展范式。

　　空间维度，算力资源与清洁能源的地理耦合。“东数西算”工程通过将东部算力需求引导至西部清洁能源富集区，实现了算力负荷与绿电资源的时空匹配。青海“丝绸云谷”项目采用“光伏+液冷数据中心”一体化设计，利用当地年均3000小时的日照时长，使数据中心PUE值降至1.08，绿电占比达100%；新疆“疆算入渝”工程通过跨区域电力调度，将哈密风电基地的清洁电力输送至重庆算力集群，每年减少标准煤消耗120万吨。这种“清洁能源本地消纳、算力服务跨域输出”的模式，正在全国8大国家算力枢纽节点复制推广。

　　时间维度，柔性负载与电网调节的智能互动。AI训练任务的非实时性特征，为算力负荷的灵活调度提供了可能。阿里云通过智能算力调度平台，将批量计算任务延迟至风电大发时段执行，使数据中心用电峰谷差从40%降至15%；腾讯“星星海”服务器集群结合电网电价信号，在用电低谷期自动启动预训练任务，每年节省电费超2亿元。更前沿的探索中，国家电网将数据中心纳入虚拟电厂体系，通过聚合分布式储能资源，在夏季用电高峰期向电网反向输电200万千瓦，相当于一座中型火电厂的容量。

　　技术维度，硬件创新与能效优化的双重突破。在芯片层面，华为昇腾910B通过3D堆叠技术将能效比提升至15TOPS/W，较英伟达A100提升60%；壁仞科技BR100芯片采用稀疏激活技术，使推理阶段缓存数据量降低50倍，内存能耗减少30%。在系统层面，浸没式液冷技术使单机柜功率密度突破100千瓦，较风冷方案提升5倍；百度阳泉数据中心通过废热回收系统，将服务器余热用于区域供暖，每年减少二氧化碳排放12万吨。算法优化同样关键，DeepSeek通过动态稀疏训练技术，将大模型训练能耗降低40%，而BitEnergy AI公司提出的整数加法新算法，在保证计算精度的前提下，使单次运算能耗下降75%。

　　市场维度，绿电交易与碳定价的机制创新。政策驱动下，中国数据中心绿电交易量从2022年的50亿千瓦时激增至2025年的800亿千瓦时，占全国绿电交易的35%。广东电力交易中心推出的“算力绿电套餐”，允许数据中心按实际算力输出购买绿电，使中小型IDC企业绿电采购成本降低40%。碳定价机制的作用愈发显著，欧盟碳边境税的实施，迫使中国数据中心企业将碳成本纳入投资决策，推动阿里云、腾讯云等企业承诺2030年实现运营碳中和。更值得关注的是，新加坡推出的“绿色算力API”平台，允许用户根据实时碳排放强度动态选择数据中心，这种市场化的碳减排激励模式，正在全球范围内引发效仿。

　　算电协同推动技术革新到生态重构

　　算电协同的深化发展，正在推动数据中心向“零碳、智能、自循环”的生态体系演进。在能源供给端，氢能、小型模块化核反应堆（SMR）等零碳能源的探索已取得突破——谷歌正在评估与SMR开发商签署电力购买协议，而微软Azure数据中心已试点氢能备用电源系统，将碳排放强度降至传统柴油发电机的5%。在需求侧，AI驱动的“数字孪生”技术正在重塑数据中心运维模式，南洋理工大学研发的DCWiz平台，通过实时模拟物理数据中心的能耗、气流与碳排放，使阿里云张北数据中心的PUE优化效率提升30%，年节省电费1.2亿元。更根本的变革在于产业生态的重构。在“东数西算”框架下，我国已形成“算力+电力+数据”的三元交易市场，2025年市场规模突破5000亿元。这种生态化竞争，迫使数据中心运营商从单一的基础设施提供商，转型为“算力+绿电+服务”的综合解决方案商。华为推出的“算力网络平台”，实现了跨区域算力资源与绿电的动态匹配；中国移动的“AIoT能源管理系统”，将全国500个数据中心的备用电源聚合为虚拟电厂，参与电网调峰填谷。这些创新实践，标志着数据中心正从能源消费者转变为能源系统的灵活资源。

　　尽管算电协同已取得显著进展，但其规模化推广仍面临三大挑战：一是跨行业协同机制缺失，电力、算力、数据等要素的市场化配置尚未完善；二是技术标准不统一，液冷系统、绿电认证等领域存在“各自为战”现象；三是区域发展失衡，西部地区绿电资源丰富但算力需求不足，东部算力密集但土地、能源成本高企。

　　破解这些难题，需要政策、技术与市场的协同发力。政策层面，应加快建立全国统一的算电协同交易平台，完善绿电认证、碳足迹追溯等制度。技术层面，需突破液冷技术标准化、氢能储能规模化等瓶颈。市场层面，需通过容量电价、需求响应补贴等机制，激发企业参与电网调峰的积极性。国际能源署预测，若全球数据中心全面实施算电协同，到2030年可减少碳排放4.2亿吨，相当于关闭1000座燃煤电厂。 【赵杨阳 周恒 朱迪 冯梦霜 作者单位：国网（苏州）城市能源研究院】

　　责任编辑：江蓬新