AI导读：

生成式人工智能浪潮推动数据中心能耗激增，AI训练消耗巨大能量。数据中心用电量需求增长迅速，对电力系统及基础设施带来挑战。优化数据中心位置、引入风光储技术、采购绿电成为降低能耗的主流方式。

生成式人工智能的浪潮正在席卷全球。和十年前的机器学习相比，AI在这一波能取得巨大飞跃，很大程度上靠的是模型背后的庞大参数和数据训练集支撑。

大约每八个月，用于模型训练的数据集就会翻倍。彭博新能源财经（BNEF）智能出行分析师吕京弘指出，但AI训练芯片的能效提升缓慢，过去十年仅提升了12倍。也因此，目前较为流行的一些大模型训练会消耗巨大能量。例如，GPT-4单次训练功耗超过22兆瓦（MW）；Meta的Llama 3.1和Google的Gemini 1.0 Ultra的单次训练功耗分别为25.3MW和24.2MW。数据中心用电量需求增长迅速，对电力系统及基础设施带来新挑战。

AI发展非常迅速且不可逆。吕京弘认为，如此大的训练用电量，对电力系统带来的影响将是颠覆性的。据吕京弘推算，2024年，中国数据中心20GW的用电负荷相当于同年海南省全省发电装机容量总和；到2035年，国内数据中心用电负荷将达63吉瓦（GW），用电量将增至4000亿千瓦时，届时将占全社会用电量的3.2%。数据中心用电更为集中，对电网的瞬时冲击非常大。

过去几年，中国数据中心市场迅速发展。截至2024年，中国数据中心在用标准机架数量超过900万架，算力达281flops，二者年复合增长率超过20%。未来，AI训练需要大规模的万卡集群支撑，数据中心平均的IT设备负载将达50MW，甚至百兆瓦。多家科技巨头已重金投向新型AI数据中心基础设施建设。

除了服务器等IT设备耗能外，数据中心制冷环节是另一重要能耗部分，约占总用能的27%。优化数据中心位置，是降低对电网影响的方式之一。“东数西算”工程试图利用西部地理和资源优势解决此问题。甘肃、宁夏、内蒙古等地年均气温较低，风冷资源好，且风光资源丰富，可降低数据中心制冷能耗，并就近消纳新能源。

同时，国内很多数据中心开始引入风光储技术。腾讯在河北怀来的风电+光伏+大型储能一体化数据中心微电网项目已正式并网发电，绿电占年度用电量的71%。柴达木绿色微电网算力中心示范项目也匹配了大规模光伏和储能设施。不过，受制于用地资源，数据中心建设的风电、光伏容量有限。当前，采购绿电仍是提高可再生能源使用比例的主流方式。

（文章来源：第一财经）