专题丨人工智能时代智能算力带来的能源挑战与建议

人工智能时代智能算力带来的能源挑战与建议

杨吉双  王华丽  杨晨

（中国信息通信研究院泰尔终端实验室，北京 100191）

摘要：随着人工智能技术的快速发展，智能算力需求呈爆发式增长态势，智算中心能耗问题当今备受关注。深入分析了国内外智能算力总体情况，探讨了人工智能时代智能算力迅猛发展所带来的能源消耗急剧增长、能源供应不稳定以及能源利用效率有待提高等方面的问题，并提出相应的对策建议，旨在为应对智能算力的能源挑战提供全面且具有实践价值的指导，促进人工智能产业与能源的可持续协调发展。

关键词：人工智能；智能算力；能源消耗

0  引言

2024年底，中央经济工作会议提出要开展“人工智能+”行动，积极运用数字技术、绿色技术改造提升传统产业。随着以深度求索（DeepSeek）、聊天机器人模型（ChatGPT）、人工智能（Artificial Intelligence，AI）文生视频大模型为代表的生成式AI时代的到来，AI技术在工业、医疗、交通、金融等众多领域得到广泛应用，基于图形处理器（Graphics Processing Unit，GPU）芯片的智能算力需求呈现出爆发式增长态势^[1-2]。从深度学习模型训练到复杂的AI推理任务，智能算力作为支撑AI发展的核心资源，其重要性不言而喻^[3]。然而，智能算力的大幅提升也带来了严峻的能源挑战。相关研究机构预测，全球数据中心的能源消耗将持续增长，而其中相当一部分用于满足AI训练和推理任务的算力需求^[4]。如何在满足AI发展需求的同时实现能源的高效可持续利用，已成为亟待解决的问题。本文梳理分析了全球智能算力发展的现状，探讨了智能算力激增可能带来的智算中心能耗上升、能源成本持续攀升、能源效率有待提升以及能源供应稳定性要求高等方面的挑战，并基于挑战提出推动政策支持与产业协同降耗增效、加强技术创新研发、优化能源精细管理等方面的对策建议，旨在充分发挥AI正面效应，有效应对AI时代的能源需求。

1  国内外智能算力发展总体情况

1.1  全球算力规模快速增长，智能算力国际竞争日益激烈

近年来，全球算力总体规模呈现快速增长趋势。据统计，截至2023年底，全球算力总规模达到910 EFLOPS，同比增长40%，增长态势显著^[5]。其中，通用算力规模为551 EFLOPS，智能算力规模为335 EFLOPS，超算算力规模为24 EFLOPS。与此同时，全球智能算力需求随着非结构化数据（文字、图片、语音、视频等）急剧扩增呈现持续增长态势。《中国算力发展报告》数据显示，截至2023年底，全球智能算力规模同比增长超过一倍，其增速远超算力总规模增速，智能算力逐渐占据重要地位^[6]。

随着AI技术的发展，全球各国对智能算力的重视程度不断提高，纷纷加大在智能算力基础设施建设、AI芯片研发等方面的投入，智能算力的国际竞争日益激烈^[7]。美国在智能算力领域处于领先地位，拥有强大的技术实力和产业基础，如谷歌、微软、亚马逊等在AI研发和应用方面投入巨大，推动了智能算力的快速发展。例如，谷歌的TPUS等专用芯片为AI训练和推理提供了高效的算力支持。欧洲也在积极推进智能算力的发展，如英国发布了《国家人工智能战略》，旨在提升英国在AI领域的竞争力，包括加强智能算力基础设施建设。日本在智能算力的发展上注重与本国产业的结合，如在制造业、医疗等领域应用智能算力提升生产效率和医疗服务质量。此外，日本的科技企业在AI芯片和机器人等领域也具有一定的技术优势。

1.2  我国稳步推进算力设施建设，智能算力市场爆发式增长

近年来，我国政府出台了包括规划引导数据中心建设、支持AI芯片研发等一系列支持智能算力发展的政策。例如，工业和信息化部为促进计算、网络、存储和应用协同创新，出台了《算力基础设施高质量发展行动计划》，旨在构建全国枢纽、区域中心、本地边缘协同发展的多层次算力基础设施体系，提升算力高效运载能力，推动算力基础设施高质量发展，同时提出2025年我国智能算力达到105 EFLOPS、智算比例达到35%的目标。此外，我国在芯片设计与制造、服务器生产、数据中心运营、AI软件开发、生成式AI、大模型训练以及多模态AI等多环节的智能算力产业生态正在逐步完善，且发展速度迅猛，成为推动国家智能算力增长的主要驱动力。

截至2023年底，我国在用数据中心标准机架超过810万架，算力总规模近5年年均增速近30%，位居全球第2位，达到230 EFLOPS，是2020年的3倍^[5]。与此同时，随着AI应用的快速发展，中国智能算力市场迎来爆发式增长。根据工业和信息化部的公开数据，截至2024年底，我国智能算力规模达到90 EFLOPS，占比达到算力总规模的32%。同时，相关研究也表明，2024年中国智能算力市场规模突破190亿美元，同比增长86.9%，这一增长趋势进一步表明我国在AI领域的强大实力和国际竞争力。

2  智能算力带来的能源挑战

2.1  能耗急剧增长，成本持续攀升

能源消耗急剧增长。一方面数据中心能耗日益凸显。数据中心作为智能算力的主要承载平台，近年来其能源消耗呈现出惊人的增长速度。据统计，全球数据中心的电力消耗已占到全球总电力消耗的约1%~2%，并且这一比例还在不断上升^[8]。以大型互联网企业和科技公司为例，其数据中心的规模不断扩大，服务器数量成千上万，为了维持这些服务器的持续运行以及冷却设备的正常工作，需要消耗大量的电能。例如，某知名科技公司的数据中心每年的电费支出高达数亿元，而这仅仅是一个企业的数据，全球范围内众多数据中心的能耗总和更是惊人。另一方面，AI训练与推理能耗较高。在AI训练过程中，尤其是深度学习模型的训练，需要大量的计算资源来处理海量的数据。例如，训练一个大型的语言模型（如GPT-3），其参数量达到1 750亿，训练过程需要在强大的GPU集群上运行数周甚至数月，消耗的电能极为可观^[9]。而在AI推理阶段，随着AI应用的广泛部署，大量的设备和终端需要实时进行推理计算，这也导致了能源消耗的持续增加。例如，在智能安防领域，大量的摄像头需要对视频图像进行实时分析和识别，这需要边缘计算设备具备一定的算力，而这些设备的持续运行也消耗了大量的能源。

能源成本持续攀升。智能算力的提升直接导致能源消耗量的增加，进而使能源成本成为企业和机构部署AI解决方案时不可忽视的重要因素。对于大型科技企业而言，数据中心的电费支出已占据运营成本的相当大比例。以某知名互联网公司为例，其数据中心每年产生巨额度的电费支出，并且随着 AI 业务的拓展和算力需求的增长，能源成本还在持续上升。对于中小企业和新兴的AI创业公司来说，高昂的能源成本更是可能成为限制其发展的瓶颈。除了电费本身，为了保障数据中心的稳定运行，还需要投入大量资金用于建设备用电源系统、冷却系统等基础设施，以及支付相应的维护费用，这些都进一步加重了企业的能源成本负担。

2.2  能源利用效率有待提升

服务器利用率不均衡。在许多数据中心，服务器的利用率存在不均衡的现象。部分服务器可能长期处于高负载运行状态，而另一部分服务器则处于闲置或低负载状态。这种不均衡的利用率导致了能源的浪费。例如，在一些传统的企业数据中心，由于缺乏有效的资源调度和管理机制，服务器的平均利用率可能仅为10%~20%，这意味着大量的能源被消耗在维持这些低效运行的服务器上，而没有得到充分的利用^[10]。

冷却系统的能源浪费。数据中心的冷却系统是能源消耗的大户之一，通常占数据中心总能耗的30%~40%^[10]。为了确保服务器在合适的温度下运行，数据中心需要采用高效的冷却技术。然而，目前许多数据中心的冷却系统存在能源浪费的问题。例如，一些传统的冷却系统采用的是风冷技术，其冷却效率较低，需要消耗大量的电能来驱动风扇和空调设备。此外，数据中心内部的气流组织不合理也可能降低冷却系统的效率，部分区域出现过冷或过热的现象，进一步增加了能源的消耗。

2.3  能源供应稳定性要求高

数据中心要求较高的电力供给系统。为了保证服务器的正常运行和数据的安全，数据中心通常需要不间断供电。一旦发生断电或波动，可能会导致服务器宕机、数据丢失等严重后果。因此，数据中心常设有包括市电、备用发电机、不间断电源（Uninterruptible Power Supply，UPS）等在内的复杂供电系统。但随着数据中心规模越来越大，算力需求越来越大，对电力供应稳定性的要求也日益提高。部分地区由于电网基础设施老化或电力供应能力不足，导致数据中心运行风险加大，数据中心高负荷用电需求难以满足^[11]。

可再生能源供应的间歇性带来挑战。许多数据中心为了减少对传统化石能源的依赖，开始尝试采用太阳能、风能等可再生能源。但可再生能源的供给是间断性的，而且存在不稳定性。例如，受天气和昼夜变化的影响，以及风力资源的分布和强度的影响，太阳能发电和风能发电的供给与需求之间存在着诸多不确定性，难以保证稳定可靠的能源供给。数据中心在可再生能源供给不足的情况下，需要依赖传统的能源供应来补充电力缺口，使得能源供应系统的复杂性和管理难度大大增加。与此同时，大规模接入可再生能源也可能对电网稳定性造成影响，储能和智能电网等技术问题也将成为未来亟需攻关的重点领域^[12]。

3  应对智能算力能源挑战的建议

3.1  政策支持与产业协同降耗增效

加强政策与资金支持。出台一系列优惠政策，对采用高效节能技术和设备的数据中心给予税收减免、财政补贴等，以提升智算中心能源利用效率。与此同时，鼓励智算中心参与电力市场交易，通过与电网签订直购电协议，降低用电成本^[13]。此外，政府还可以加大对可再生能源发电项目的投资和补贴力度，在数据中心推广应用可再生能源，减少数据中心对传统能源的依赖，促进可再生能源在数据中心的应用。例如，某地方政府对采用高效冷却技术的数据中心给予一次性财政补贴，鼓励企业进行绿色低碳技术改造，提高能源利用效率。

推动产业协同发展。通过建立产业联盟或合作平台，促进AI产业与能源产业在技术研发、标准制定、项目示范等方面的合作，实现协同发展合作共赢。例如，能源企业与AI企业共同研发适用于数据中心的高效能源存储和转换技术，双方还可以共同研制数据中心能源管理标准和规范，提升信息通信领域的能源管理水平，降低能耗。另外，通过产业协同合作实现资源共享和优势互补，可降低企业的能耗和研发费用。有实践表明，某能源企业和AI企业合作开展数据中心储能项目示范，通过技术和资源的共享，实现了项目投资成本和运营成本的降低。

3.2  技术创新提升能源利用效率

创新研发高效能AI芯片。增加对AI芯片研发的投入，鼓励企业和科研机构开发具有更高性能功耗比的芯片。比如7 nm、5 nm甚至更小的制程，通过采用先进的制程工艺，使得芯片的能耗明显降低。与此同时，探索存算一体架构的新型芯片，将存储单元和计算单元融合在一起，从而使得数据传输过程中减少能耗，进而提高计算效率。另外，针对不同的AI应用场景，设计专用芯片（Application-Specific Integrated Circuit，ASIC），可以按照特定的任务进行优化，实现能源利用效率最大化。以智能安防领域为例，可以设计专门用于视频图像识别的ASIC芯片，相比通用芯片，其在特定任务上的能效比可提高数倍。

完善优化数据中心架构与冷却技术。采用模块化数据中心架构，服务器模块根据实际算力需要灵活地配置，从而提高服务器利用率。同时通过采用冷热通道分离、热通道封闭等技术来优化数据中心的布局和气流组织，进而降低冷热空气的混合，提高冷却效率降低能耗。另外，开展浸没式液冷技术等新型冷却技术的研发和应用，将服务器浸没在冷却液中，通过液体的相变带走热量，相比传统的风冷技术，将会大幅提升冷却效率，实现数据中心能耗的降低。实践表明，通过采用浸没式液冷技术，某数据中心冷却系统的能耗降低了50%以上，能源利用的整体效率得到了明显提高^[9]。

3.3  能源管理优化保障供应稳定性

建立完善的能源管理系统。通过安装智能电表、传感器等设备，基于物联网等数字技术，建立完善的能源管理系统，进而实现实时监测服务器、冷却设备、供电设备等的能耗情况，以及数据中心内的温度、湿度等环境参数。同时运用大数据分析以及AI技术对相关能源或碳排放数据进行实时分析、预测，及时发现不必要的能源浪费和潜在的供电风险，进而制定科学合理的能源管理规划。有研究显示，基于能源管理系统的应用，通过服务器负载动态调整供电和冷却资源分配调节，可实现精细化、动态化的数据中心能源管理，在降低运营成本和风险的同时还使得能源利用效率提高了20%~30%^[14]。

采用多能源混合供应方式。数据中心可采用多能源混合供应方式，将传统电网供电与可再生能源发电相结合，以应对可再生能源供应的间歇性问题。与此同时，可通过配置电池储能、超级电容器等储能系统，在需要时储存可再生能源发电的多余能量，以增加能源供应的稳定性及可靠性，以达到蓄能发电的目的^[15]。通过智能能量管理系统实现能源的自我管理和优化调度，并根据数据中心的负荷需求和外部电网情况，灵活调整能源供应模式，实现与大电网的互动和协同运行。例如，为减少对传统电网的依赖，同时降低能源成本，某数据中心采用多能源混合供应模式后，其可再生能源利用率提高了30%以上。

4  结束语

AI时代，智能算力的快速发展给能源领域带来了严峻的挑战。然而通过技术创新研发、能源管理优化以及政策支持与产业协同等方面多措并举，可以有效提升能源利用效率、保障能源供应稳定性以及降低能源成本，不仅有助于推动AI产业的绿色低碳可持续发展，而且对能源结构优化、环境保护等方面都有很好的促进作用。未来发展中，各政府、行业、企业需紧密合作，为构建AI时代的美好未来奠定坚实基础，共同探索更加高效、绿色的智能算力能源解决方案。

Energy challenges and suggestions brought by intelligent computing power in the AI era

YANG Jishuang, WANG Huali, YANG Chen

（CTTL Terminal Labs, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract: With the rapid advancement of Artificial Intelligence (AI) technology, the demand for intelligent computing power has surged explosively. Nowadays, the energy consumption of intelligent computing centers has become a focal point of attention. This paper deeply analyzes the global and domestic landscape of intelligent computing power, explores the challenges arising from its rapid development in the AI era, such as the sharp increase in energy consumption, the instability of energy supply, and the need to enhance energy utilization efficiency. And this paper proposes corresponding recommendations. The aim is to offer comprehensive and practical guidance for addressing the energy challenges associated with intelligent computing power, thereby promoting the sustainable and coordinated development of the AI industry and the energy sector.

Keywords: AI; intelligent computing power; energy consumption

本文刊于《信息通信技术与政策》2025年 第5期

《信息通信技术与政策》投稿指南！

为进一步提高期刊信息化建设水平，为广大学者提供更优质的服务，我刊官方网站（http://ictp.caict.ac.cn）已正式投入运行，欢迎投稿！

   推荐阅读  

专题丨基于信息通信技术的既有公共建筑运行阶段节能降碳研究

专题丨我国工业领域低碳技术革新路径

专题丨我国制造业企业绿色转型面临的问题及建议

专题丨我国制造业企业绿色供应链能力建设研究

专题丨基于运营商位置能力的充电桩规划与绿色能源协同研究

专题丨绿色化对我国工业增长的影响与转型路径分析

专题丨NFV云计算绿色发展趋势及关键技术研究

专题|基于标识解析与区块链融合的园区内产品碳足迹建设路径探究

导读：绿色低碳

你“在看”我吗？