AI时代,数据中心正从“用电大户”变成“能源命门”。
在2025世界人工智能大会(WAIC)上,产业技术的全球领导者施耐德电气重磅发布《算电协同——数据中心的能源挑战与应对》洞察报告(以下简称“报告”),创新性提出“算电协同”三层架构及系统化解决方案,意在破解稳定性、成本与绿色三大难题,为智算中心高质量发展构建韧性能源底座。
该报告基于对117位数据中心管理者与专家的深度调研,由施耐德电气商业价值研究院牵头,联合北京理工大学碳中和系统工程实验室等专家学者共同参与发布,为AI产业与数字经济的高质量可持续发展赋能。
《算电协同——数据中心的能源挑战与应对》洞察报告
北京理工大学副教授、博导、能源与动力系动力系统工程研究所副所长、碳中和系统工程北京实验室主任助理王永真,施耐德电气高级副总裁、战略与业务发展中国区负责人、商业价值研究院院长熊宜,施耐德电气副总裁、中国及东亚区市场营销部负责人、商业价值研究院联席院长古月,施耐德电气数据中心行业中国区负责人贾咸强等嘉宾,共同参与了本次报告的发布。
施耐德电气重磅发布《算电协同——数据中心的能源挑战与应对》洞察报告
熊宜表示:“在AI产业高速发展与新型电力系统建设的双重背景下,以算电协同重塑能源范式,才能为AI浪潮提供坚实可靠的基础底座。本报告系统性提出算电协同的实施框架,并梳理出可落地的实践路径,希望能够为企业提供切实可行的行动参考,并激发行业创新升级。”
智算中心引发用电量激增,能源管理面临三重挑战
生成式AI爆发以来,智算中心成为新型基础设施建设的核心之一。据预测,2030年我国数据中心在用电量高情景下或突破7000亿千瓦时,占全国总用电量5.3%。微观层面,近七成受访企业预计其未来三年用电量年均增速将超过15%,61%的受访企业计划未来三年新建或者扩充智算中心。
王永真指出,智算中心的快速扩张使数据中心能源管理困局凸显:一方面,电力需求呈指数级攀升,高密度散热成为技术瓶颈,碳排放压力持续加剧;另一方面,新型电力系统建设下,风电、光伏等可再生能源的间歇性特征,反向对数据中心的灵活用能提出更高要求。
报告指出,数据中心能源管理将面临供电稳定性、成本控制和碳排放管理三重挑战。
第一,93%的受访企业将供电稳定性列为首要痛点,主要受智算中心负载波动、可再生能源接入不稳定、柴发备电环评限制等叠加因素影响。
第二,85%的受访企业坦言具有成本压力,其中电费占据运营成本近六成,降本增效为重要议题;
第三,77%的受访企业面临碳排放管理挑战。这些挑战已形成从“生存”到“经营”再到“发展”的递进式压力体系。
三层创新架构,破解数据中心能源困局
面对三大挑战,传统的能源使用方式——即主要依赖刚性的电力供应模式、较少考虑算力与电力之间动态协同的管理模式,已难以满足现代数据中心对高效、绿色、可靠运行的需求。只有贯通供电、配电、计算、制冷等全链路,实现全要素灵活调配,才能推动电力系统与算力系统的深度协同,在能源利用、经济效益与碳排之间实现共赢。
为此,施耐德电气商业价值研究院在报告中创新性提出“算电协同”三层架构,自下而上打通电力供给、算力负荷与协同机制,以推进算力资源与电力资源深度融合。其中:
底层-电力供给基础设施:主要是针对智算负载突增突减的电能质量治理和多种能源(风光等)的接入、应用和管理,为数据中心提供稳定的电力基础;
中层-算力负荷:挖掘IT负载的灵活性调节空间,并以IT负载的变化确定非IT负载,去匹配用电信号;
上层-算电协同机制:建立算电双向调节的决策框架,通过数据、算法和激励机制的整合,构建电力-算力联合优化模型,实现能源与算力的高效协同优化。
算电协同要求上层、中层和底层各个要素之间达到完美协调。然而,现实条件下,由于技术、经济和资源等多方面限制,实现真正的算电协同仍面临诸多挑战。结合施耐德电气商业价值研究院对百余位数据中心管理者与专家的深度调研,以及目前科研领域针对这一课题的探索,报告指出,目前“算电协同”基本上是从能源侧和算力侧展开。
一方面,重构电力供给侧是基础,新能源是大势所趋。受访企业中,56%的数据中心已在使用新能源,通过在电力供给侧引入光伏、风电、储能、核能等新型能源形式,在保障用电稳定性的前提下,尽可能消纳绿电,降低用能成本,并减少碳排放。
另一方面,充分挖掘算力需求侧的负载灵活性,通过预测算力需求及功耗,挖掘 IT 负载灵活性、并对非 IT 负载开展节能优化,使算力资源高效利用,且主动参与电力供需平衡。
夯实基础加速落地,打造面向未来的数据中心
而面对算力侧高密度计算需求和电力侧新能源接入带来的波动性,数据中心基础设施仍面临致密化、韧性、适应性和可持续发展四大挑战。因此,供配电系统扮演着至关重要的角色,它为动态变化的电力供给侧和算力需求侧提供了必要的缓冲空间。报告指出,为了保障算电系统的整体稳定可靠运行,供配电系统需要在硬件、软件和架构上进行全方位的适配,构建算电波动缓冲体系,为算电协同的最终落地夯实基础。
不论是算电协同模式的探索,还是夯实基础支撑协同落地,都需要全行业协同推进。为此,施耐德电气通过提供覆盖全领域的低碳智能化的创新硬件、覆盖数据中心全生命周期的数字化软件,以及针对数据中心节能减排,电能质量管理,数字化改造升级等方面提供定制化的咨询和改造服务,与数据中心客户和行业伙伴共同应对能源挑战、推动算电协同,助力数据中心从能源消耗者转型为稳定、高效、低碳的基础设施。
古月表示:“算电协同机制建设过程需要横跨能源领域和算力领域,为达到全局最优目标需要各方协同。施耐德电气将充分发挥在能源管理与数据中心领域的技术专长,帮助企业构建高效可持续的下一代数据中心基础设施,一同推动算电协同实践规模化落地,为AI产业发展和能源转型注入强劲动力。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。