如何填補電力鴻溝？

與AI大模型的迅速發(fā)展同步發(fā)生的事情是，AI每天都在吞噬大量的算力和電能。

OpenAI的ChatGPT每天消耗超過50萬千瓦時的電力，以響應2億個用戶的請求，而美國一個家庭平均每天的用電量約為29千瓦時。OpenAI預測，到2030年美國將需要約50吉瓦（GW）的新增電力產能，以支持AI行業(yè)的迅猛發(fā)展。

其實數(shù)據(jù)中心的能耗在AI大模型時代以前一直相當穩(wěn)定，因為互聯(lián)網使用水平的提高被能源效率的提高所抵消。但這種情況正在迅速改變——人工智能查詢的能耗大約是現(xiàn)有搜索引擎的10倍。另據(jù)高盛報告，2022年算力數(shù)據(jù)中心在美國電力需求占的比例僅為3%，但是到2030年將增加到8%，電力需求年復合增長率為2.4%。相比之下，過去20年數(shù)據(jù)中心發(fā)電量年復合增率不到0.5%。該報告還預計，到2030年AI數(shù)據(jù)中心的電力需求將增長160%。

與人工智能發(fā)展的迅猛形成鮮明對比的是，電網的發(fā)展很慢。英飛凌在近期的一場AI創(chuàng)新技術論壇上就指出，AI算力的爆發(fā)式增長對電力基礎設施提出了前所未有的挑戰(zhàn)——AI數(shù)據(jù)中心的功耗每6個月翻一番（如NVIDIA GB200集群功耗可達120kW/機柜），而傳統(tǒng)電網的升級周期長達10年以上。

“電力鴻溝”由此形成，并引發(fā)科技巨頭們的缺電擔憂。谷歌前 CEO埃里克·施密特（Eric Schmidt）更是在美國國會能源與商業(yè)委員會的聽證會上警告“未來AI將消耗全球99%的電力”。在他看來，AI大模型未來發(fā)展面臨的瓶頸不是算法本身，而是物理限制，比如電力資源。

因為從長遠來看，按照目前AI每6個月翻一番的計算增長速度，是不可持續(xù)的。能源已經成為全球AI競爭的關鍵要素。

阿里研究院指出，目前全球計算范式正在發(fā)生新一輪重大變革，即從CPU主導的計算體系，向GPU主導的AI計算體系遷移，AI基礎設施成為參與全球AI競爭、贏得AI戰(zhàn)略主動的關鍵。從全球看，智算集群規(guī)模正從萬卡級邁向百萬卡級，因為超大規(guī)模集群是訓練國際先進基礎模型的必備設施。而建設超大規(guī)模智算集群，是一個復雜的系統(tǒng)性工程，不是萬卡設備的簡單堆砌和連接，而是需要芯片、服務器、網絡設備、調度軟件、模型等的緊密配合，以及對存儲、GPU、基礎算子底層代碼、網絡通訊原語等進行系統(tǒng)性優(yōu)化。除了技術上的極高要求外，智算集群建設也面臨物理條件的限制，其中主要的瓶頸就是能源。

AI數(shù)據(jù)中心里的電源革命

信通院《中國綠色算力發(fā)展研究報告》指出，未來AI算力集群功耗普遍超過20kW/柜，而機柜功率超過15kW后，目前數(shù)據(jù)中心主流風冷制冷技術也將面臨瓶頸。因此，在此背景下就必須要求算力基礎設施通過算法與框架優(yōu)化、高能效硬件升級、可再生能源利用以及熱回收系統(tǒng)、液冷技術等節(jié)能措施的實施，破除人工智能發(fā)展所帶來的算力和能源瓶頸。

如何在高性能計算需求持續(xù)增長的同時，有效控制并降低能源消耗，成為AI數(shù)據(jù)中心建設與升級的關鍵命題。這也是近期半導體、電子科技大廠們發(fā)力的一大重點。

在一座AI數(shù)據(jù)中心里，從電源供應的角度來看，大致是這樣一個過程：一排排獨立的AI服務器機柜，要將輸入進來的電壓較高的電流逐步轉換成電壓非常低的電流，而后直接輸送給GPU（圖形處理器）和CPU（中央處理器）。在這個過程中會有三到四個步驟的電源轉換，每一步的轉換都伴隨著電源的損耗。因而，極大限度地減少每一個步驟的電源損耗是提升數(shù)據(jù)中心供電效能的一大方向。

近期，安森美就針對AI算力激增帶來的功耗問題，正式發(fā)布了《AI數(shù)據(jù)中心系統(tǒng)方案指南》（AI Data Center System Solution Guide），旨在系統(tǒng)性地助力工程師應對設計難題。該指南超越了單一產品介紹，構建了一個覆蓋“從電網接入到核心芯片供電”（Grid-to-Chip）的全鏈路一站式供應體系。內容詳盡解析了包括SiC及硅基功率器件、高性能柵極驅動器、數(shù)字/模擬控制器、多相穩(wěn)壓器、負載點（PoL）降壓轉換器以及關鍵保護電路等在內的完整電源方案鏈。指南不僅提供核心器件的規(guī)格參數(shù)和選型指導，更通過豐富的典型應用場景剖析和實際系統(tǒng)設計案例，深入闡述了如何優(yōu)化系統(tǒng)架構、提升功率密度與轉換效率，為客戶提供從器件選型評估到系統(tǒng)集成的全方位工程支持。

電源技術的創(chuàng)新對于實現(xiàn)可持續(xù)未來至關重要，其中持續(xù)提升電源功率密度滿足AI數(shù)據(jù)中心對電能需求的指數(shù)級增長的一大關鍵。

專注于智能電源與智能感知技術的安森美，近年來也一直在寬禁帶半導體領域深耕布局。憑借先進的SiC功率器件（如MOSFET、二極管）、高集成度的智能功率級模塊（IPM）等核心產品組合，公司成功開發(fā)出面向AI數(shù)據(jù)中心應用的高功率密度、高能效電源解決方案。這些方案能顯著減少能源轉換環(huán)節(jié)的損耗，提升整體電源系統(tǒng)效率。

去年，安森美推出了其新一代碳化硅技術平臺EliteSiC M3e MOSFET，并計劃將在2030年前推出多代新產品。EliteSiC M3e MOSFET可以更低的千瓦成本實現(xiàn)下一代電氣系統(tǒng)的性能和可靠性。由于能夠在更高的開關頻率和電壓下運行，該平臺可有效降低電源轉換損耗，可以有效促進數(shù)據(jù)中心向更高效、更高功率轉變，以滿足可持續(xù)人工智能引擎指數(shù)級增長的能源需求。此外，電動汽車動力系統(tǒng)、直流快速充電樁、太陽能逆變器和儲能方案等廣泛的汽車和工業(yè)應用也將由此受益。

除了芯片技術本身之外，英飛凌的相關技術人員指出，還需要考慮AI服務器外圍的電感，以及如何縮短供電模塊與作業(yè)模塊（核心模塊）的距離等問題也同樣重要?？梢哉f，從電源輸入到電源的消耗，整個鏈路的長短，包括電路設計等每個環(huán)節(jié)都是非常關鍵的，都有可能幫助節(jié)約電能。

構筑綠色算力體系

亞洲樣本有望引領全球

除了在電源技術上探索可持續(xù)智能之外，發(fā)展綠色算力一項成為更長期的系統(tǒng)工程，各國都在積極探索推動算力基礎設施向綠色、低碳、可持續(xù)的方向轉型。

中國信通院開放數(shù)據(jù)中心委員會聯(lián)合國內多家IT、CT領域單位發(fā)布的《綠色算力技術白皮書（2023年）》中指出，綠色算力是一個綜合性的概念，涉及算力的生產、供給、服務等全過程的綠色低碳。具體來說，綠色算力即算力的綠色低碳追求，可通過融合推進算力生產、算力運營、算力管理、算力應用等層次的綠色化來實現(xiàn)。作為一個系統(tǒng)性工程，綠色算力貫穿芯片、服務器、系統(tǒng)集、云服務、電力系統(tǒng)、儲能等多個主體環(huán)節(jié)。

發(fā)展綠色算力，不僅是各國提升人工智能和算力基礎設施國際競爭力的必然要求，也是加快能源結構轉變和促進算能協(xié)同發(fā)展的必然要求。從算力全生命周期來看，算力的碳足跡主要來源于三個方面，算力以能源使用為主體的能源間接溫室效應氣體（Greenhouse Gas，GHG）排放，覆蓋算力全生命周期資產投入及運營管理產生的間接碳排放，算力運行過程中擁有和控制的排放源產生的直接碳排放。而構筑綠色算力體系的三大支柱，包括降低數(shù)據(jù)中心能耗，可再生能源電力成為主要電力來源，以及智慧能源管理為數(shù)據(jù)中心綠色低碳發(fā)展提供有效助力三大方面。

其中“算力+能源”協(xié)同優(yōu)化，是實現(xiàn)低碳轉型的重要方面。通過引入AI算法優(yōu)化數(shù)據(jù)中心的運營維護，智能系統(tǒng)能夠實時監(jiān)控數(shù)據(jù)中心的能源和資源使用情況，通過數(shù)據(jù)分析預測未來的使用趨勢，并自動調整設備運行狀態(tài)，以達到極佳的能源使用效率，可以大幅優(yōu)化PUE（功率使用效率）、WUE（水使用效率）和CUE（碳使用效率）等指標。比如，微軟Azure數(shù)據(jù)中心通過負載平衡技術，使得負載從10%增加到40%時，功耗只增加1.7倍，有效降低了能耗。

此外，還需要解決相應的法規(guī)治理及監(jiān)管措的完善速度，跟不上AI算力基礎設施的發(fā)展速度的問題。而這一點上，亞洲也完全可以引領并示范具有前瞻性的綜合AI生態(tài)系統(tǒng)應有的面貌，為全球探索可持續(xù)智能提供可值得借鑒的亞洲樣本。

放眼全球，亞太地區(qū)是全球數(shù)字經濟發(fā)展非常活躍的地區(qū)之一，也是全球數(shù)據(jù)中心產業(yè)發(fā)展新高地，是推動技術創(chuàng)新與智能化升級的重要力量。根據(jù)此前華為數(shù)據(jù)中心能源相關部門在華為亞太合作伙伴大會期間公布的一組數(shù)據(jù)：亞太數(shù)據(jù)中心市場規(guī)模增長迅速，印尼、馬來西亞、菲律賓等國2021—2026年的復合增長率均超過20%。

新加坡國立大學機械工程系主任、教授、能源研究所執(zhí)行主任Lee Poh Seng與新加坡管理大學楊邦孝法學院法學教授、教職和科研事務副院長Heng Wang在近期發(fā)表的《綠色智能：為什么AI基礎設施和治理必須協(xié)同發(fā)展》一文中指出，當今的數(shù)字化揭示了三個重要的錯配現(xiàn)象：

其一是職能錯配，即AI基礎設施、環(huán)境可持續(xù)發(fā)展以及金融等領域之間存在“筒倉”效應；其二是空間錯配，指地方、國家和國際治理之間缺乏充分的協(xié)調；其三是時間錯配，即AI系統(tǒng)的快速部署周期與環(huán)境和社會復原力的長期需求之間存在沖突。

而應對這些錯配現(xiàn)象需要全局視野，讓基礎設施的發(fā)展與治理協(xié)同進步。文章指出，這一點對于亞太地區(qū)來說尤為重要，因為該區(qū)域受到城市密度、氣候脆弱性及數(shù)字化進程加速的交叉影響。

對此，新加坡的一些舉措，包括制定綠色數(shù)據(jù)中心路線圖，制定生成式人工智能治理框架模型，以及發(fā)布更廣泛的《2030年新加坡綠色計劃》，這些舉措展現(xiàn)了基礎設施與治理框架相協(xié)調以推動可持續(xù)數(shù)字生態(tài)系統(tǒng)發(fā)展的早期努力?？梢姡瑢崿F(xiàn)可持續(xù)AI需要政府、業(yè)界人士、學術機構和更廣泛的群體共同行動，以確保數(shù)字基礎設施的增長與環(huán)境和社會目標協(xié)調一致。

寫在文末

英偉達創(chuàng)始人黃仁勛表示，AI數(shù)據(jù)中心實際上是“AI工廠”，未來的數(shù)據(jù)中心不再是存儲與計算中心，而是生產Token（算力的單位）的工廠——輸入能源、輸出Token。

如果說，在上一輪互聯(lián)網時代的技術周期里，比拼的是“算力+連接”，那么這一輪的AI周期，比拼的則是“算力+供電”?？沙掷m(xù)綠色智能如何構建？需要綠色算力和綠色能源量大技術底座的深層協(xié)同。