生成式人工智能的浪潮正在席卷全球。和十年前的機器學習相比，AI在這一波能取得巨大飛躍，很大程度上靠的是模型背后的龐大參數和數據訓練集支撐。

“大約每八個月，用于模型訓練的數據集就會翻倍?！迸聿┬履茉簇斀洠˙NEF）智能出行分析師呂京弘指出，但AI訓練芯片的能效卻提升緩慢，過去十年僅提升了12倍，“也因此，目前較為流行的一些大模型訓練會消耗巨大能量”。

例如，GPT-4單次訓練功耗超過22兆瓦（MW）；Meta的Llama 3.1和Google的Gemini 1.0 Ultra的單次訓練功耗分別為25.3MW和24.2MW；埃隆·馬斯克的X AI公司旗下的Grok-3，單次訓練功耗甚至達到154MW，平均3-4個月的單次訓練用電量約3.7億千瓦時，相當于34000個美國家庭一年的用電量。

“AI發(fā)展非常迅速且不可逆?！眳尉┖胝J為，如此大的訓練用電量，對電力系統帶來的影響將是顛覆性的，也對數據中心基礎設施提出新要求。

數據中心要用多少電

據呂京弘推算，2024年，中國數據中心20GW的用電負荷相當于同年海南省全省發(fā)電裝機容量總和；到2030年用電負荷將翻倍增長；到2035年，國內數據中心用電負荷將達63吉瓦（GW），接近青海省2024年總發(fā)電總裝機容量。

用電量需求增長更快。呂京弘預計，到2035年，中國數據中心用電量將增至4000億千瓦時，大概是2024年用電需求的四倍，屆時將占全社會用電量的3.2%。該用電量相當于2024年四川省全社會用電量。

“數字看上去不是很大，且中國高速發(fā)展的新能源汽車用電量增長要遠超數據中心，但新能源汽車用電需求在時空上較為分散，數據中心卻更為集中，因此對電網的瞬時沖擊會非常大，影響不容忽視?！眳尉┖氡硎尽?/p>

過去幾年，中國數據中心市場迅速發(fā)展。截至2024年，中國數據中心在用標準機架數量超過900萬架，算力達281flops，二者在過去五年的年復合增長率超過20%。據此推算，未來在由AI驅動的對數據中心的需求下，數據中心平均的IT設備負載將達50MW，甚至百兆瓦，因為需要大規(guī)模的萬卡集群支撐AI訓練。

目前，多家科技巨頭已重金投向新型AI數據中心的基礎設施建設。例如，亞馬遜計劃未來15年在數據中心上投資1500億美元；微軟則宣布在2025財年對AI數據中心擴大投資，總額達800億美元；Meta此前也計劃在基礎設施和數據中心方面投資370億美元。

怎樣降低對電力需求的影響

除了服務器等IT設備耗能外，數據中心用能結構中，給機房降溫的制冷環(huán)節(jié)是另一個重要能耗部分，約占總用能的27%。

優(yōu)化數據中心位置，是降低對電網和電力需求影響的方式之一，“東數西算”為此提供了實踐路徑。2022年，國務院在《“十四五”數字經濟規(guī)劃》提出，加快實施“東數西算”工程，在京津冀、長三角、粵港澳大灣區(qū)、成渝、內蒙古、貴州、甘肅、寧夏等八地啟動建設國家算力樞紐節(jié)點。此舉就是試圖利用西部地理優(yōu)勢和區(qū)域資源優(yōu)勢提供解決路徑。

呂京弘介紹，在“西算”樞紐中，甘肅、寧夏、內蒙古都是年均氣溫較低的幾個省，風冷資源較好。這些省份也有豐富的風光資源，可以降低數據中心制冷能耗，并就近消納新能源。

同時，國內很多數據中心也開始把風光儲技術引入園區(qū)。比如騰訊在河北懷來落地的風電+光伏+大型儲能一體化數據中心微電網項目，已正式并網發(fā)電。該項目安裝了11MW的光伏、0.15MW的風電和1.25MW儲能，年發(fā)電量達1400萬度，綠電已占年度用電量的71%。

再如2024年12月新開工的柴達木綠色微電網算力中心示范項目，同樣匹配了大規(guī)模的光伏和儲能設施，滿足算力中心綠電自發(fā)、自儲、自用需求。

“不過，有些數據中心可能受制于用地資源限制，在場上建設的風電、光伏容量相對于數據中心本身的用電負荷來說，通常比較有限?！眳尉┖胫赋?，所以當前數據中心提高可再生能源使用比例的主流方式，仍是采購綠電。