偉創(chuàng)力首席執(zhí)行官, Revathi Advaith

人工智能正在重塑世界，數(shù)據(jù)中心是其動力命脈。

如今的數(shù)據(jù)中心遠不止是服務(wù)器集群，它們是支撐醫(yī)療、生產(chǎn)力乃至國家安全領(lǐng)域取得重大突破的核心基礎(chǔ)設(shè)施。而算力需求正遠超供應(yīng)，基礎(chǔ)設(shè)施升級往往耗時數(shù)年。問題顯而易見：目前，電網(wǎng)無法跟上創(chuàng)新與電力需求呈指數(shù)級增長的速度。

我們可以直觀感受這一變化的規(guī)模：幾年前，一臺機架功耗僅數(shù)千瓦，與一組家用電器的能耗相當。而如今，在AI 集群中，單機架功耗通常達到了數(shù)十千瓦，高密度部署則會達到數(shù)百千瓦。

兆瓦級部署已近在眼前。到 2030 年，全球數(shù)據(jù)中心需求預計增至三倍，能源效率提升至關(guān)重要。能效的提升將決定數(shù)十億美元的資本支出，究竟是轉(zhuǎn)化為可用算力，還是淪為擱淺投資。

電力去向：確立基準線

要規(guī)劃通往更高能效的路徑，首先要清楚掌握數(shù)據(jù)中心的能耗分布。數(shù)據(jù)中心運營方需全面考量從電網(wǎng)到芯片的電力與冷卻基礎(chǔ)設(shè)施，并關(guān)注引發(fā)能效損耗的附加成本（即下文“其他” 類別）。高密度 AI 負載會同時提高冷卻與算力需求。

– 圖源Thinkstock / Yelantsevv

算力設(shè)備，約40%

AI 訓練集群密度高、功耗大。單個 GPU 節(jié)點在滿負載工況下功耗可達數(shù)千瓦。服務(wù)器電源管理、處理器能效與負載優(yōu)化，對實現(xiàn)能耗精細化管控至關(guān)重要。

冷卻系統(tǒng)，約40%

為高密度機架散熱的機械冷卻（暖通空調(diào)）系統(tǒng)、冷水機組及風扇會消耗大量電力。應(yīng)對不同場景的能耗需求時，如AI訓練的能耗需求，運營方常出現(xiàn)冷卻資源過度配置的情況。冷卻是提升能效的最大突破口。

其他，約20%

內(nèi)部電力調(diào)節(jié)系統(tǒng)、網(wǎng)絡(luò)與存儲設(shè)備，以及照明系統(tǒng)，構(gòu)成了數(shù)據(jù)中心剩余的能耗部分。

電源使用效率（PUE）是行業(yè)通用衡量指標，它是指數(shù)據(jù)中心總能耗與 IT 設(shè)備能耗的比值。例如， 電源使用效率為1.5是指是在 IT 負載能耗基礎(chǔ)上，額外附加能耗占 50%。當前，超大規(guī)模數(shù)據(jù)中心的電源使用效率普遍在 1.04–2.0 之間，但若冷卻與電力轉(zhuǎn)換環(huán)節(jié)無法持續(xù)優(yōu)化，AI 驅(qū)動的負載將會提高這一數(shù)值。

數(shù)據(jù)中心規(guī)模擴大將加劇能效損耗

對于最終財務(wù)利潤而言，能效下降 1 個百分點聽起來微不足道。但對超大規(guī)模數(shù)據(jù)中心來說，其影響卻不容小覷。 若一座100 兆瓦的數(shù)據(jù)中心的電價為每千瓦時 0.12 美元，能效每提升 1%，每年便可節(jié)省 100 萬美元運營成本。在全球數(shù)據(jù)中心集群中，效益還會成倍放大。

除運營成本外，低能效還會對資本投資產(chǎn)生長期影響。如果數(shù)據(jù)中心運營方為彌補電力損耗而過度擴建容量，即便這些電力基礎(chǔ)設(shè)施、制冷系統(tǒng)及其他前期設(shè)施并未被充分利用，相關(guān)成本也會隨之增加。與之相反，高能效設(shè)計能在單位面積內(nèi)提供更強算力，既能加快部署速度，又提升了投資回報率。

– 圖源Getty Images

通過能效優(yōu)化，降低運營成本，提升 IT 資源利用率

能效提升不僅有助于節(jié)能，同時可以加強運營靈活性、打造競爭優(yōu)勢。布局電力能效優(yōu)化是關(guān)鍵的盈利抓手，也是建設(shè)高性價比數(shù)據(jù)中心的核心策略。

更智能的電力與冷卻方案有助于運營方實現(xiàn)每瓦算力最大化，提升利潤空間。新能源發(fā)電與輸電項目周期漫長，且大多不在運營方可控范圍內(nèi)，但能效升級則可快速落地實施：

先進冷卻系統(tǒng)—— 高密度 AI 集群的單機架功耗可達 20kW 至 100kW，兆瓦級機架也即將投入應(yīng)用。常規(guī)風冷無法匹配其產(chǎn)熱散熱需求，而直接芯片液冷的散熱效率會大幅更高，同時智能控制系統(tǒng)還可根據(jù)負載需求動態(tài)調(diào)節(jié)冷卻強度。

最優(yōu)電力轉(zhuǎn)換—— 高壓直流配電、固態(tài)變壓器等先進電力架構(gòu)可以減少電力轉(zhuǎn)換環(huán)節(jié)與損耗。高效不間斷電源（UPS）系統(tǒng)、適配容量的機柜配電單元（PDU），能有效避免電能閑置的浪費以及無法轉(zhuǎn)化為有效算力。

調(diào)試驗收—— 落地執(zhí)行環(huán)節(jié)尤為關(guān)鍵。對IT 基礎(chǔ)設(shè)施、電力、機械及控制系統(tǒng)進行上線前的測試與驗證，可避免控制系統(tǒng)調(diào)試不當、參數(shù)設(shè)定錯誤等問題，杜絕造成長期不必要的能耗。嚴格的調(diào)試驗收流程對實現(xiàn)目標 PUE 值至關(guān)重要。

AI 輔助運維——AI 技術(shù)提供助力。機器學習算法可以實時預測熱負荷、調(diào)節(jié)氣流、全局優(yōu)化硬件資源配置，在性能、能效與能耗間實現(xiàn)平衡，持續(xù)挖掘可規(guī)?；涞氐脑隽渴找?。

行業(yè)協(xié)同至關(guān)重要

電力接入周期漫長、電網(wǎng)基礎(chǔ)設(shè)施老舊以及容量不足的問題，使得單純依賴電網(wǎng)擴容成為一種高風險策略。如果能效難以大幅提升，數(shù)據(jù)中心的發(fā)展將持續(xù)受到電力供應(yīng)的限制。在人工智能時代，這對運營方以及企業(yè)的競爭力與經(jīng)濟增長會產(chǎn)生重要影響。

企業(yè)難以能獨自彌合能效差距，其涉及算力、基礎(chǔ)設(shè)施、電力電子、冷卻技術(shù)以及電網(wǎng)接入等多個領(lǐng)域。

分享最佳實踐方案、制定開放標準，能夠在整個生態(tài)中加速創(chuàng)新、推動能效提升技術(shù)落地。這正是開放計算項目（OCP）等行業(yè)聯(lián)盟存在的重要意義。

在該框架下中，許多超大規(guī)模數(shù)據(jù)中心運營方正攜手合作，在人工智能的超高負載場景下重新定義數(shù)據(jù)中心基礎(chǔ)設(shè)施。從高壓直流配電，到解耦式輔助電源機柜，再到先進液冷技術(shù)的集成，他們正推動數(shù)據(jù)中心運行模式實現(xiàn)戰(zhàn)略性轉(zhuǎn)變。規(guī)?；\用此類創(chuàng)新將節(jié)省數(shù)百萬美元的能源成本。

分享最佳實踐并制定開放標準，能夠加速創(chuàng)新，并推動整個生態(tài)系統(tǒng)對能效技術(shù)的采納與應(yīng)用：

未來方向清晰明確：在電網(wǎng)約束日益嚴峻的當下，能效提升成為必然。這是新一輪人工智能創(chuàng)新活力與盈利能力的關(guān)鍵。實現(xiàn)發(fā)展目標固然需要容量保障，也同樣需要精細化管理與持續(xù)優(yōu)化的嚴謹思路。為了實現(xiàn)長期性能與利潤，運營方需做到：

從源頭進行能效設(shè)計： 每一度電都至關(guān)重要，能效損耗會快速累積放大。

投資先進電力與冷卻方案： 部署先進液冷技術(shù)、高效電力轉(zhuǎn)換系統(tǒng)及人工智能驅(qū)動的控制系統(tǒng)，優(yōu)化能源使用。

嚴格開展調(diào)試驗收：確保基礎(chǔ)設(shè)施設(shè)計與實際運行匹配，避免不必要的成本與能效損耗。

推動全行業(yè)協(xié)同合作：通過開放計算項目等平臺，支持開放標準與聯(lián)合創(chuàng)新，實現(xiàn)共贏發(fā)展。

對數(shù)據(jù)中心而言，電力能效是可持續(xù)增長的基石。能否充分發(fā)揮 AI 基礎(chǔ)設(shè)施的全部價值，關(guān)鍵就在能效。彌合能效差距不只是優(yōu)秀工程技術(shù)的考量，更是明智的商業(yè)決策。