什麼是人工智慧電力算力？
人工智慧電力容量指的是支援人工智慧計算工作負載所需的專用電力基礎設施，而人工智慧計算工作負載是數位經濟中最耗能的應用之一。訓練大型人工智慧模型需要數千個高性能GPU或人工智慧加速器組成的集群，每個GPU的功耗為300-700瓦，這些集群部署在總IT負載達10-100兆瓦甚至更高的資料中心中。人工智慧推理——即大規模運行訓練好的模型——會產生持續且可預測的電力需求，這與傳統資料中心工作負載的不同之處在於其密度（液冷GPU集群每個機架的功耗高達100千瓦）、連續運行特性以及對斷電的敏感性。人工智慧計算的快速增長正在推動對新型資料中心容量、電網連接和電力基礎設施前所未有的需求。在中國，主要的人工智慧超大規模資料中心（阿裡巴巴、百度、騰訊、位元組跳動、華為）和雲服務提供者正在大力投資人工智慧優化型資料中心，從而對高密度配電、精密冷卻、備用電源和電網連接基礎設施產生了巨大的需求。
關於人工智慧電力算力的5個關鍵問題
人工智慧計算的能耗極高。 訓練一個大型語言模型（例如 GPT-4）預計消耗 50-100 吉瓦時 （GWh） 的電力，相當於數千戶家庭的年用電量。 大規模人工智慧推理會持續消耗電力：一家大型人工智慧服務提供者可能運行數萬個 GPU，每個 GPU 的功耗為 300-700 瓦，每個數據中心的總 IT 負載為 10-50 兆瓦。 國際能源署 （IEA） 預測，到 2026 年，全球數據中心的電力消耗將翻一番，主要驅動力是人工智慧工作負載。 在中國，政府的人工智慧發展戰略正在加速對人工智慧計算基礎設施的投資，這
與傳統數據中心相比，人工智慧數據中心需要專門的電力基礎設施：更高的功率密度（液冷GPU集群每個機架可達100千瓦，而標準IT機架僅為5-15千瓦）; 更強大的UPS和備用電源，以防止因斷電而中斷長時間的人工智慧訓練; 配備高密度插座配置的精密配電單元（PDU），用於GPU伺服器; 液冷基礎設施（直接液冷或浸沒式冷卻），用於管理高密度人工智慧計算產生的熱量; 以及大型人工智慧園區需要直接連接高壓電網（通常為110千伏或220千伏），以避免低壓連接帶來的損耗和可靠性限制。
人工智慧數據中心的快速增長給中國的電網規劃帶來了新的挑戰。 連接負荷達100-500兆瓦的大型人工智慧園區需要專用的輸電線路和變電站容量，這些都需要提前數年進行規劃。 人工智慧數據中心在電價低廉（內蒙古、貴州、甘肅）且可再生能源資源豐富的地區高度集中，導致局部電網擁堵。 中國的「東數西算」政策引導人工智慧數據中心向可再生能源充裕的西部地區發展，這需要長距離數據傳輸基礎設施，並對特高壓輸電容量產生新的需求。
電源使用效率（PUE）是數據中心的主要能效指標，定義為設施總功率除以IT設備功率。 世界一流的數據中心PUE可達1.1-1.2;中國國家標準GB/T 32910規定新建數據中心的PUE目標值為1.3。 對於採用高密度液冷技術的人工智慧數據中心，PUE值可接近1.05。 人工智慧專用指標“每瓦性能”（每秒每瓦運算次數）用於衡量人工智慧計算硬體的能效。 液冷——包括直接液冷、後門熱交換器和浸沒式冷卻——對於在高密度人工智慧部署中實現低PUE（電源使用效率）至關重要。
大型人工智慧超大規模數據中心正致力於通過多種方式實現數據中心運營100%使用可再生能源，包括現場可再生能源發電（屋頂太陽能、風能）、與可再生能源發電商簽訂購電協定（PPA）以及使用可再生能源證書（REC）。 在中國，綠色電力交易市場使數據中心能夠直接從發電商處購買可再生能源電力，從而提供可信的可再生能源聲明。 一些人工智慧數據中心正與大型可再生能源專案（如太陽能發電場和風力發電場）毗鄰而建，以最大限度地利用直接可再生能源供電並最大限度地減少輸電損耗。 電池儲能系統也越來越多地與可再生能源發電系統配合使用，
關鍵要點
人工智慧電力容量是電力基礎設施需求增長最快的領域之一，這主要得益於人工智慧計算工作負載的爆炸式增長，而人工智慧計算工作負載需要高密度、高可靠性且日益依賴可再生能源的電力基礎設施。中國的國家人工智慧發展戰略正在加速對人工智慧資料中心及其配套電網基礎設施的投資。上海國際電力展（EP Shanghai）將展示推動人工智慧計算革命所需的配電、冷卻、備用電源和並網技術。
Firefox
Chrome
Safari
QQ
Edge