从兆瓦到零碳：大模型时代的能源等式如何平衡?

在当今数字化浪潮中，AI 大模型正以破竹之势重塑各行各业，成为推动经济社会发展的新引擎。然而，这一技术飞跃的背后，是对算力和能源前所未有的巨大需求，能源等式的平衡面临着严峻挑战。从兆瓦级的能耗飙升到对零碳未来的追求，我们必须深入探讨如何在大模型时代实现能源的可持续发展。

AI 能耗：兆瓦级的惊人攀升

AI 大模型的训练和运行需要庞大的算力支持，这直接转化为天文数字般的能源消耗。以训练 OpenAI 的 GPT-3 模型为例，其耗电量约为 1.287 吉瓦时，这一数字相当于 120 个美国家庭一年的用电量。国际能源署预测，到 2026 年，全球数据中心、人工智能和加密货币行业的电力消耗可能会翻倍。各类数据中心的总用电量可能在 2026 年达到 1000 太瓦时以上，大致相当于日本的用电量。

在我国，数据中心的运行能耗同样惊人。目前主流机柜功率以 4-6kW 为主，6kW 及以上的机柜占比达 32%。拥有超过 3000 个机架、总功率 15 兆瓦的大型数据中心超过 300 个，华为、阿里等巨头的超大型数据中心机架数甚至超过 1 万个。据预计，到 2030 年，我国数据中心能耗总量将超过 4000 亿千瓦时。美国能源部的 Frontier 超算设施，稳定运行时功耗超 8 兆瓦，峰值运算时达 27 兆瓦，未来十万亿亿次级超算集群预计功耗超 100 兆瓦。这些数据无不表明，AI 正迅速成为能源消耗的 “巨无霸”。

对能源格局的冲击

AI 大模型的能源需求爆发式增长，给现有能源格局带来了多方面的冲击。一方面，对电网造成巨大压力。数据中心的耗电量呈指数级上升，而传统电网的升级周期长达 10 年以上，远远跟不上 AI 算力爆发的速度。AI 数据中心的功耗每 6 个月翻一番，如 NVIDIA GB200 集群功耗可达 120kW / 机柜，“电力鸿沟” 日益凸显，科技巨头们纷纷发出缺电警告。

另一方面，阻碍了向清洁能源的过渡。当前，全球仍在努力摆脱对化石能源的依赖，转向可再生能源。但 AI 大模型的能源需求增长过快，如果不能有效解决其能源来源问题，可能会导致对传统能源的持续依赖，甚至使清洁能源转型进程受阻。

同时，AI 模型的物理足迹激增，带来了能源和水资源消耗、电子废弃物以及对不可再生资源依赖等一系列环境问题。例如，训练 AI 大语言模型 GPT-3 不仅耗电惊人，还耗水近 700 吨，每回答 20 至 50 个问题就要消耗 500 毫升水。数据中心全年无休，发热量巨大，大规模电耗和水耗主要来自于冷却需求，风冷数据中心六成多的耗电量用于风冷，实际计算用电不到四成。

平衡能源等式的策略

技术革新提升能效

从电源供应角度看，数据中心电源转换过程存在多步损耗，提升供电效能需减少各步骤损耗。电源技术创新至关重要，如持续提升电源功率密度，EliteSiC M3e MOSFET 可在更高开关频率和电压下运行，降低电源转换损耗，促进数据中心向高效、高功率转变。此外，从芯片到软件，采用如 Arm 构架等设计，可优化运算架构、记忆体层次构架，利用先进封装技术和 AI 调优框架，提高能源效率，解决性能与能耗的两难问题。

优化能源结构

增加可再生能源在 AI 能源供应中的占比是关键。水电、风电、光电等绿色能源可成为数据中心和超算设施的主要电力来源。例如，位于芬兰的 LUMI 超算设施由水力发电提供动力，其废热被用来帮助当地居民取暖，实现了几乎零碳排放。我国的万国数据浦江数据中心通过分布式光伏系统、绿电直采及绿证交易等方式，自 2022 年起保持 100% 的可再生能源利用率。除传统可再生能源外，核能也成为供能新方案。谷歌与核能初创企业凯洛斯能源公司达成协议，将从其 7 座小型模块化反应堆中购买 500 兆瓦的全天候无碳电力;甲骨文公司也在设计使用小型核反应堆供电的数据中心。小型模块化反应堆具有低成本、短周期、安全可靠、空间适应性强等优势，功率与大型数据中心或超算集群相当，为 AI 能源供应提供了新的可能性。

智能管理与协同优化

引入 AI 算法优化数据中心运营维护，实时监控能源和资源使用情况，预测未来趋势并自动调整设备运行状态，可大幅优化 PUE、WUE 和 CUE 等指标。微软 Azure 数据中心通过负载平衡技术，使负载从 10% 增加到 40% 时，功耗仅增加 1.7 倍，有效降低了能耗。通过 “算力 + 能源” 协同优化，实现低碳转型。

完善法规治理

当前，法规治理及监管措施的完善速度跟不上 AI 算力基础设施的发展速度，存在职能错配、空间错配和时间错配等问题。需要建立全局视野，加强 AI 基础设施、环境可持续发展以及金融等领域的协调，促进地方、国家和国际治理的充分合作，平衡 AI 系统快速部署与环境和社会复原力长期需求之间的关系。例如，欧洲数据中心业者推动气候中立数据中心协定，德国政府修正《能源效率法案》，对数据中心的能源和碳排管理提出明确要求。

大模型时代的能源等式平衡任重道远。我们需要从技术、能源结构、管理和法规等多方面协同发力，在满足 AI 发展能源需求的同时，实现从兆瓦到零碳的跨越，为可持续发展奠定坚实基础。这不仅关乎 AI 产业的未来，更关系到全球能源格局和生态环境的可持续性。