在當(dāng)今數(shù)字化浪潮中，AI 大模型正以破竹之勢(shì)重塑各行各業(yè)，成為推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展的新引擎。然而，這一技術(shù)飛躍的背后，是對(duì)算力和能源前所未有的巨大需求，能源等式的平衡面臨著嚴(yán)峻挑戰(zhàn)。從兆瓦級(jí)的能耗飆升到對(duì)零碳未來(lái)的追求，我們必須深入探討如何在大模型時(shí)代實(shí)現(xiàn)能源的可持續(xù)發(fā)展。

AI 能耗：兆瓦級(jí)的驚人攀升

AI 大模型的訓(xùn)練和運(yùn)行需要龐大的算力支持，這直接轉(zhuǎn)化為天文數(shù)字般的能源消耗。以訓(xùn)練 OpenAI 的 GPT-3 模型為例，其耗電量約為 1.287 吉瓦時(shí)，這一數(shù)字相當(dāng)于 120 個(gè)美國(guó)家庭一年的用電量。國(guó)際能源署預(yù)測(cè)，到 2026 年，全球數(shù)據(jù)中心、人工智能和加密貨幣行業(yè)的電力消耗可能會(huì)翻倍。各類(lèi)數(shù)據(jù)中心的總用電量可能在 2026 年達(dá)到 1000 太瓦時(shí)以上，大致相當(dāng)于日本的用電量。

在我國(guó)，數(shù)據(jù)中心的運(yùn)行能耗同樣驚人。目前主流機(jī)柜功率以 4-6kW 為主，6kW 及以上的機(jī)柜占比達(dá) 32%。擁有超過(guò) 3000 個(gè)機(jī)架、總功率 15 兆瓦的大型數(shù)據(jù)中心超過(guò) 300 個(gè)，華為、阿里等巨頭的超大型數(shù)據(jù)中心機(jī)架數(shù)甚至超過(guò) 1 萬(wàn)個(gè)。據(jù)預(yù)計(jì)，到 2030 年，我國(guó)數(shù)據(jù)中心能耗總量將超過(guò) 4000 億千瓦時(shí)。美國(guó)能源部的 Frontier 超算設(shè)施，穩(wěn)定運(yùn)行時(shí)功耗超 8 兆瓦，峰值運(yùn)算時(shí)達(dá) 27 兆瓦，未來(lái)十萬(wàn)億億次級(jí)超算集群預(yù)計(jì)功耗超 100 兆瓦。這些數(shù)據(jù)無(wú)不表明，AI 正迅速成為能源消耗的 “巨無(wú)霸”。

對(duì)能源格局的沖擊

AI 大模型的能源需求爆發(fā)式增長(zhǎng)，給現(xiàn)有能源格局帶來(lái)了多方面的沖擊。一方面，對(duì)電網(wǎng)造成巨大壓力。數(shù)據(jù)中心的耗電量呈指數(shù)級(jí)上升，而傳統(tǒng)電網(wǎng)的升級(jí)周期長(zhǎng)達(dá) 10 年以上，遠(yuǎn)遠(yuǎn)跟不上 AI 算力爆發(fā)的速度。AI 數(shù)據(jù)中心的功耗每 6 個(gè)月翻一番，如 NVIDIA GB200 集群功耗可達(dá) 120kW / 機(jī)柜，“電力鴻溝” 日益凸顯，科技巨頭們紛紛發(fā)出缺電警告。

另一方面，阻礙了向清潔能源的過(guò)渡。當(dāng)前，全球仍在努力擺脫對(duì)化石能源的依賴(lài)，轉(zhuǎn)向可再生能源。但 AI 大模型的能源需求增長(zhǎng)過(guò)快，如果不能有效解決其能源來(lái)源問(wèn)題，可能會(huì)導(dǎo)致對(duì)傳統(tǒng)能源的持續(xù)依賴(lài)，甚至使清潔能源轉(zhuǎn)型進(jìn)程受阻。

同時(shí)，AI 模型的物理足跡激增，帶來(lái)了能源和水資源消耗、電子廢棄物以及對(duì)不可再生資源依賴(lài)等一系列環(huán)境問(wèn)題。例如，訓(xùn)練 AI 大語(yǔ)言模型 GPT-3 不僅耗電驚人，還耗水近 700 噸，每回答 20 至 50 個(gè)問(wèn)題就要消耗 500 毫升水。數(shù)據(jù)中心全年無(wú)休，發(fā)熱量巨大，大規(guī)模電耗和水耗主要來(lái)自于冷卻需求，風(fēng)冷數(shù)據(jù)中心六成多的耗電量用于風(fēng)冷，實(shí)際計(jì)算用電不到四成。

平衡能源等式的策略

技術(shù)革新提升能效

從電源供應(yīng)角度看，數(shù)據(jù)中心電源轉(zhuǎn)換過(guò)程存在多步損耗，提升供電效能需減少各步驟損耗。電源技術(shù)創(chuàng)新至關(guān)重要，如持續(xù)提升電源功率密度，EliteSiC M3e MOSFET 可在更高開(kāi)關(guān)頻率和電壓下運(yùn)行，降低電源轉(zhuǎn)換損耗，促進(jìn)數(shù)據(jù)中心向高效、高功率轉(zhuǎn)變。此外，從芯片到軟件，采用如 Arm 構(gòu)架等設(shè)計(jì)，可優(yōu)化運(yùn)算架構(gòu)、記憶體層次構(gòu)架，利用先進(jìn)封裝技術(shù)和 AI 調(diào)優(yōu)框架，提高能源效率，解決性能與能耗的兩難問(wèn)題。

優(yōu)化能源結(jié)構(gòu)

增加可再生能源在 AI 能源供應(yīng)中的占比是關(guān)鍵。水電、風(fēng)電、光電等綠色能源可成為數(shù)據(jù)中心和超算設(shè)施的主要電力來(lái)源。例如，位于芬蘭的 LUMI 超算設(shè)施由水力發(fā)電提供動(dòng)力，其廢熱被用來(lái)幫助當(dāng)?shù)鼐用袢∨?，?shí)現(xiàn)了幾乎零碳排放。我國(guó)的萬(wàn)國(guó)數(shù)據(jù)浦江數(shù)據(jù)中心通過(guò)分布式光伏系統(tǒng)、綠電直采及綠證交易等方式，自 2022 年起保持 100% 的可再生能源利用率。除傳統(tǒng)可再生能源外，核能也成為供能新方案。谷歌與核能初創(chuàng)企業(yè)凱洛斯能源公司達(dá)成協(xié)議，將從其 7 座小型模塊化反應(yīng)堆中購(gòu)買(mǎi) 500 兆瓦的全天候無(wú)碳電力;甲骨文公司也在設(shè)計(jì)使用小型核反應(yīng)堆供電的數(shù)據(jù)中心。小型模塊化反應(yīng)堆具有低成本、短周期、安全可靠、空間適應(yīng)性強(qiáng)等優(yōu)勢(shì)，功率與大型數(shù)據(jù)中心或超算集群相當(dāng)，為 AI 能源供應(yīng)提供了新的可能性。

智能管理與協(xié)同優(yōu)化

引入 AI 算法優(yōu)化數(shù)據(jù)中心運(yùn)營(yíng)維護(hù)，實(shí)時(shí)監(jiān)控能源和資源使用情況，預(yù)測(cè)未來(lái)趨勢(shì)并自動(dòng)調(diào)整設(shè)備運(yùn)行狀態(tài)，可大幅優(yōu)化 PUE、WUE 和 CUE 等指標(biāo)。微軟 Azure 數(shù)據(jù)中心通過(guò)負(fù)載平衡技術(shù)，使負(fù)載從 10% 增加到 40% 時(shí)，功耗僅增加 1.7 倍，有效降低了能耗。通過(guò) “算力 + 能源” 協(xié)同優(yōu)化，實(shí)現(xiàn)低碳轉(zhuǎn)型。

完善法規(guī)治理

當(dāng)前，法規(guī)治理及監(jiān)管措施的完善速度跟不上 AI 算力基礎(chǔ)設(shè)施的發(fā)展速度，存在職能錯(cuò)配、空間錯(cuò)配和時(shí)間錯(cuò)配等問(wèn)題。需要建立全局視野，加強(qiáng) AI 基礎(chǔ)設(shè)施、環(huán)境可持續(xù)發(fā)展以及金融等領(lǐng)域的協(xié)調(diào)，促進(jìn)地方、國(guó)家和國(guó)際治理的充分合作，平衡 AI 系統(tǒng)快速部署與環(huán)境和社會(huì)復(fù)原力長(zhǎng)期需求之間的關(guān)系。例如，歐洲數(shù)據(jù)中心業(yè)者推動(dòng)氣候中立數(shù)據(jù)中心協(xié)定，德國(guó)政府修正《能源效率法案》，對(duì)數(shù)據(jù)中心的能源和碳排管理提出明確要求。

大模型時(shí)代的能源等式平衡任重道遠(yuǎn)。我們需要從技術(shù)、能源結(jié)構(gòu)、管理和法規(guī)等多方面協(xié)同發(fā)力，在滿足 AI 發(fā)展能源需求的同時(shí)，實(shí)現(xiàn)從兆瓦到零碳的跨越，為可持續(xù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。這不僅關(guān)乎 AI 產(chǎn)業(yè)的未來(lái)，更關(guān)系到全球能源格局和生態(tài)環(huán)境的可持續(xù)性。