在當今數字化浪潮中，AI 大模型正以破竹之勢重塑各行各業(yè)，成為推動經濟社會發(fā)展的新引擎。然而，這一技術飛躍的背后，是對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峻挑戰(zhàn)。從兆瓦級的能耗飆升到對零碳未來的追求，我們必須深入探討如何在大模型時代實現能源的可持續(xù)發(fā)展。

AI 能耗：兆瓦級的驚人攀升

AI 大模型的訓練和運行需要龐大的算力支持，這直接轉化為天文數字般的能源消耗。以訓練 OpenAI 的 GPT-3 模型為例，其耗電量約為 1.287 吉瓦時，這一數字相當于 120 個美國家庭一年的用電量。國際能源署預測，到 2026 年，全球數據中心、人工智能和加密貨幣行業(yè)的電力消耗可能會翻倍。各類數據中心的總用電量可能在 2026 年達到 1000 太瓦時以上，大致相當于日本的用電量。

在我國，數據中心的運行能耗同樣驚人。目前主流機柜功率以 4-6kW 為主，6kW 及以上的機柜占比達 32%。擁有超過 3000 個機架、總功率 15 兆瓦的大型數據中心超過 300 個，華為、阿里等巨頭的超大型數據中心機架數甚至超過 1 萬個。據預計，到 2030 年，我國數據中心能耗總量將超過 4000 億千瓦時。美國能源部的 Frontier 超算設施，穩(wěn)定運行時功耗超 8 兆瓦，峰值運算時達 27 兆瓦，未來十萬億億次級超算集群預計功耗超 100 兆瓦。這些數據無不表明，AI 正迅速成為能源消耗的 “巨無霸”。

對能源格局的沖擊

AI 大模型的能源需求爆發(fā)式增長，給現有能源格局帶來了多方面的沖擊。一方面，對電網造成巨大壓力。數據中心的耗電量呈指數級上升，而傳統電網的升級周期長達 10 年以上，遠遠跟不上 AI 算力爆發(fā)的速度。AI 數據中心的功耗每 6 個月翻一番，如 NVIDIA GB200 集群功耗可達 120kW / 機柜，“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渡。當前，全球仍在努力擺脫對化石能源的依賴，轉向可再生能源。但 AI 大模型的能源需求增長過快，如果不能有效解決其能源來源問題，可能會導致對傳統能源的持續(xù)依賴，甚至使清潔能源轉型進程受阻。

同時，AI 模型的物理足跡激增，帶來了能源和水資源消耗、電子廢棄物以及對不可再生資源依賴等一系列環(huán)境問題。例如，訓練 AI 大語言模型 GPT-3 不僅耗電驚人，還耗水近 700 噸，每回答 20 至 50 個問題就要消耗 500 毫升水。數據中心全年無休，發(fā)熱量巨大，大規(guī)模電耗和水耗主要來自于冷卻需求，風冷數據中心六成多的耗電量用于風冷，實際計算用電不到四成。

平衡能源等式的策略

技術革新提升能效

從電源供應角度看，數據中心電源轉換過程存在多步損耗，提升供電效能需減少各步驟損耗。電源技術創(chuàng)新至關重要，如持續(xù)提升電源功率密度，EliteSiC M3e MOSFET 可在更高開關頻率和電壓下運行，降低電源轉換損耗，促進數據中心向高效、高功率轉變。此外，從芯片到軟件，采用如 Arm 構架等設計，可優(yōu)化運算架構、記憶體層次構架，利用先進封裝技術和 AI 調優(yōu)框架，提高能源效率，解決性能與能耗的兩難問題。

優(yōu)化能源結構

增加可再生能源在 AI 能源供應中的占比是關鍵。水電、風電、光電等綠色能源可成為數據中心和超算設施的主要電力來源。例如，位于芬蘭的 LUMI 超算設施由水力發(fā)電提供動力，其廢熱被用來幫助當地居民取暖，實現了幾乎零碳排放。我國的萬國數據浦江數據中心通過分布式光伏系統、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)凱洛斯能源公司達成協議，將從其 7 座小型模塊化反應堆中購買 500 兆瓦的全天候無碳電力;甲骨文公司也在設計使用小型核反應堆供電的數據中心。小型模塊化反應堆具有低成本、短周期、安全可靠、空間適應性強等優(yōu)勢，功率與大型數據中心或超算集群相當，為 AI 能源供應提供了新的可能性。

智能管理與協同優(yōu)化

引入 AI 算法優(yōu)化數據中心運營維護，實時監(jiān)控能源和資源使用情況，預測未來趨勢并自動調整設備運行狀態(tài)，可大幅優(yōu)化 PUE、WUE 和 CUE 等指標。微軟 Azure 數據中心通過負載平衡技術，使負載從 10% 增加到 40% 時，功耗僅增加 1.7 倍，有效降低了能耗。通過 “算力 + 能源” 協同優(yōu)化，實現低碳轉型。

完善法規(guī)治理

當前，法規(guī)治理及監(jiān)管措施的完善速度跟不上 AI 算力基礎設施的發(fā)展速度，存在職能錯配、空間錯配和時間錯配等問題。需要建立全局視野，加強 AI 基礎設施、環(huán)境可持續(xù)發(fā)展以及金融等領域的協調，促進地方、國家和國際治理的充分合作，平衡 AI 系統快速部署與環(huán)境和社會復原力長期需求之間的關系。例如，歐洲數據中心業(yè)者推動氣候中立數據中心協定，德國政府修正《能源效率法案》，對數據中心的能源和碳排管理提出明確要求。

大模型時代的能源等式平衡任重道遠。我們需要從技術、能源結構、管理和法規(guī)等多方面協同發(fā)力，在滿足 AI 發(fā)展能源需求的同時，實現從兆瓦到零碳的跨越，為可持續(xù)發(fā)展奠定堅實基礎。這不僅關乎 AI 產業(yè)的未來，更關系到全球能源格局和生態(tài)環(huán)境的可持續(xù)性。