中國網(wǎng)/中國發(fā)展門戶網(wǎng)訊 隨著新一輪科技革命的興起和發(fā)展，產(chǎn)業(yè)變革加速演進，全球經(jīng)濟發(fā)展呈復(fù)蘇之態(tài)，數(shù)字基礎(chǔ)設(shè)施以關(guān)鍵底座之力支撐、引領(lǐng)經(jīng)濟發(fā)展的新方向。習(xí)近平總書記指出，“加快新型基礎(chǔ)設(shè)施建設(shè)。要加強戰(zhàn)略布局，加快建設(shè)以5G網(wǎng)絡(luò)、全國一體化數(shù)據(jù)中心體系、國家產(chǎn)業(yè)互聯(lián)網(wǎng)等為抓手的高速泛在、天地一體、云網(wǎng)融合、智能敏捷、綠色低碳、安全可控的智能化綜合性數(shù)字信息基礎(chǔ)設(shè)施，打通經(jīng)濟社會發(fā)展的信息‘大動脈’”。黨的二十大報告進一步強調(diào)，“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。”

從智能駕駛、智慧城市、元宇宙，再到以ChatGPT為代表的生成式人工智能，算力正成為賦能各行各業(yè)數(shù)字化轉(zhuǎn)型的基礎(chǔ)技術(shù)要素。算力是大數(shù)據(jù)儲存分析的計算資源，隨著數(shù)字經(jīng)濟的蓬勃發(fā)展，算力逐漸由互聯(lián)網(wǎng)行業(yè)向交通、工業(yè)、金融、政務(wù)等行業(yè)滲透，各行業(yè)對算力資源的需求持續(xù)高漲。在此背景下，充足穩(wěn)定的算力資源供給量不僅是數(shù)字技術(shù)進一步迭代的前提條件，也成為支撐數(shù)字經(jīng)濟發(fā)展的關(guān)鍵動力。然而，隨著各行業(yè)算力需求大幅增加，算力引發(fā)的能源消耗問題和間接溫室氣體排放問題受到各界學(xué)者的廣泛關(guān)注。研究顯示，2022年我國數(shù)據(jù)中心耗電量已達2 700億千瓦時，約占我國耗電總量的3.13%。電力驅(qū)動的算力基礎(chǔ)設(shè)施因產(chǎn)生大量碳排放，對我國實現(xiàn)碳達峰、碳中和目標(biāo)提出了挑戰(zhàn)。

近年來，科學(xué)家對算力引發(fā)的能耗問題的關(guān)注度持續(xù)增加。Schwartz等學(xué)者指出，隨著人們對更大計算量和更精準(zhǔn)訓(xùn)練結(jié)果的需求呈現(xiàn)迅猛增長的態(tài)勢，人工智能應(yīng)用需要的更多電力能源消耗與其“綠色人工智能”的發(fā)展理念背道而馳。Dhar等近期發(fā)表在Nature的研究稱，人工智能本身也是重要的碳排放源，該研究小組呼吁增強對人工智能部署過程中基礎(chǔ)設(shè)施碳排放影響的研究。另外，Jiang等對以比特幣為代表的區(qū)塊鏈技術(shù)的能耗與碳排放進行了詳盡的測算評估，相關(guān)研究的結(jié)論指出在沒有政策干預(yù)的情況下，2024年區(qū)塊鏈技術(shù)將消耗296.59太瓦時電力，相應(yīng)產(chǎn)生13 050萬噸碳排放。上述研究為理解算力發(fā)展與能源消耗之間的關(guān)系提供了豐富的文獻支撐，但在特定的中國國情下，分析二者關(guān)系及其應(yīng)對策略的針對性文章較少。本文在梳理我國算力發(fā)展現(xiàn)狀的基礎(chǔ)上預(yù)測了我國未來算力發(fā)展的需求，通過分析未來算力增長和電力能耗之間的關(guān)系及可能存在的問題，針對性地提出了我國算力綠色低碳轉(zhuǎn)型的對策建議。

典型應(yīng)用領(lǐng)域算力需求與預(yù)測分析

算力發(fā)展現(xiàn)狀

根據(jù)計算機處理能力，算力一般可劃分為基礎(chǔ)算力、智能算力和超算算力。基礎(chǔ)算力，通常由中央處理器（CPU）組成，一般而言，基礎(chǔ)算力能夠滿足日常基礎(chǔ)數(shù)據(jù)計算需求，如辦公應(yīng)用、網(wǎng)頁瀏覽、媒體播放等。智能算力，主要由圖形處理器（GPU）、專用集成電路等異構(gòu)計算芯片組成，常用于處理大規(guī)模數(shù)據(jù)和復(fù)雜算法模型，如圖像識別、語音識別、自然語言處理等。超算算力，具備極高計算性能和超大規(guī)模并行處理能力，通常由多處理器、大內(nèi)存和高速互聯(lián)網(wǎng)絡(luò)組成，常用于天氣預(yù)報、風(fēng)洞實驗、能源開發(fā)等科學(xué)領(lǐng)域，協(xié)助開展復(fù)雜的計算研究。

作為算力的主要載體，我國算力基礎(chǔ)設(shè)施發(fā)展迅速，梯次優(yōu)化的算力供給體系初步構(gòu)建。近5年來，我國算力規(guī)模的平均年增長率為46%，對我國經(jīng)濟社會和產(chǎn)業(yè)能級發(fā)展的動力支撐作用不斷增強。2021年，我國智能算力規(guī)模達104 EFlops，基礎(chǔ)算力規(guī)模達95 EFlops，超算算力規(guī)模約為3 EFlops。

從應(yīng)用領(lǐng)域來看，我國的算力應(yīng)用領(lǐng)域由早期的互聯(lián)網(wǎng)行業(yè)逐漸擴展。尤其擴展到工業(yè)、教育、醫(yī)學(xué)研究等領(lǐng)域（圖1），成為各傳統(tǒng)產(chǎn)業(yè)智能化改造和數(shù)字化轉(zhuǎn)型的重要支撐，算力正全面賦能生產(chǎn)、運營、管理、融資等各個領(lǐng)域的創(chuàng)新發(fā)展。

算力大規(guī)模應(yīng)用在工業(yè)領(lǐng)域。伴隨人工智能技術(shù)在工業(yè)領(lǐng)域的應(yīng)用逐漸深入，工業(yè)智能制造已實現(xiàn)制造過程的智能化和自動化。據(jù)統(tǒng)計，我國工業(yè)制造的算力支出占全球算力總支出的12%，機器人領(lǐng)域的算力支出已超全球算力總支出的60%。在工業(yè)生產(chǎn)過程中，智能設(shè)備和傳感器能夠?qū)崟r收集和監(jiān)測生產(chǎn)數(shù)據(jù)，為設(shè)備狀態(tài)監(jiān)測、故障預(yù)測和生產(chǎn)參數(shù)調(diào)整等自動化控制提供了基礎(chǔ)，實現(xiàn)了對生產(chǎn)過程的實時調(diào)整和優(yōu)化。這種實時控制和優(yōu)化需要大量的算力來處理和分析龐大的數(shù)據(jù)集，確保生產(chǎn)過程更具精確性和高效性。因此，足夠的算力支持是實現(xiàn)工業(yè)生產(chǎn)過程中自動化控制的關(guān)鍵要素之一。據(jù)統(tǒng)計，1臺特斯拉汽車需要裝備20個傳感器，按2022年的特斯拉131萬的全球交付量計算，特斯拉汽車1年的算力總需求量約94 EFlops。在工業(yè)領(lǐng)域，圖像識別和視覺檢測技術(shù)被廣泛應(yīng)用于生產(chǎn)管理及生產(chǎn)線的自動化和質(zhì)量控制過程中，機器視覺系統(tǒng)通過深度學(xué)習(xí)等算法對龐大數(shù)據(jù)量進行訓(xùn)練，從而能夠精準(zhǔn)識別目標(biāo)對象。例如，識別500萬張人臉圖像需0.04 EFlops算力。

教育領(lǐng)域是算力發(fā)揮作用的另一潛在領(lǐng)域。綜合來看，教育領(lǐng)域?qū)λ懔Φ男枨笾饕植荚谘芯繉嶒灐⒅悄軐W(xué)習(xí)、交互式學(xué)習(xí)等方面。在研究實驗領(lǐng)域，大數(shù)據(jù)智能、類腦智能計算和量子智能計算等基礎(chǔ)理論研究對算力資源提出巨大需求。其中，維持類腦計算在超算平臺運行需要1 EFlops，相當(dāng)于1.6萬片CPU核處理器的計算能力。在智能學(xué)習(xí)領(lǐng)域，大型開放式網(wǎng)絡(luò)課程（MOOC）等智能化教育云平臺涉及視頻壓縮、解壓縮算法、帶寬管理和網(wǎng)絡(luò)傳輸優(yōu)化等多項技術(shù)的融合應(yīng)用，這些技術(shù)手段均需要穩(wěn)定且龐大的算力支撐，確保學(xué)生和教師之間的實時交流。在交互式學(xué)習(xí)領(lǐng)域，算力具有強大的計算機系統(tǒng)，可以支持構(gòu)建虛擬實驗并模擬學(xué)習(xí)環(huán)境。華為《智能世界2030》報告指出，三維建模的算力需求較以往傳統(tǒng)建模技術(shù)增加100倍，僅華為云技術(shù)運行一次三維建模就需約0.011 EFlops的算力。

醫(yī)學(xué)成為算力應(yīng)用的又一潛在領(lǐng)域。當(dāng)前，人工智能技術(shù)已經(jīng)被醫(yī)療機構(gòu)和生命科學(xué)組織廣泛接受。計算機視覺和圖像處理技術(shù)被用于分析和解釋醫(yī)學(xué)影像，如X光照射、電子計算機斷層掃描和基因組分析等。醫(yī)學(xué)影像通常需要進行圖像預(yù)處理以改善圖像質(zhì)量并減少噪聲，涉及去噪、偽影去除、幾何校正和圖像增強等步驟。通過X光照射無創(chuàng)成像需要使用24 576個GPU，算力達到0.065 EFlops。在基因組分析研究中，大規(guī)模基因組數(shù)據(jù)的處理和分析需要使用高性能計算集群或分布式計算系統(tǒng)。這些復(fù)雜任務(wù)多基于GPU的基因組學(xué)分析軟件，如BWA-MEM算法、GATK工具包和STAR軟件等的支持，運行1萬次基因組學(xué)分析軟件就需約0.01 EFlops的計算能力。

我國未來算力需求預(yù)測

隨著數(shù)字經(jīng)濟發(fā)展，人工智能和產(chǎn)業(yè)數(shù)字化等多樣化的算力需求場景不斷涌現(xiàn)。預(yù)計到2030年，全球由人工智能發(fā)展帶來的算力需求將在2020年的人工智能算力需求基礎(chǔ)上增長500倍，超過1.05×105 EFlops。為進一步探究未來5年我國的算力發(fā)展規(guī)模，本文基于各類型算力規(guī)模數(shù)據(jù)，建立自回歸差分移動平均模型（ARIMA模型，詳見本文“附錄1”部分），通過捕捉時間序列數(shù)據(jù)中的長期依賴關(guān)系對我國未來算力需求發(fā)展進行了預(yù)測。

在此基礎(chǔ)上，根據(jù)我國2016—2021年的算力需求歷史數(shù)據(jù)，通過對其特征序列進行訓(xùn)練，捕捉了時間序列數(shù)據(jù)中的長期依賴關(guān)系，進而預(yù)測我國未來的算力需求。圖2展示了算力預(yù)測模型的基本框架，在算力預(yù)測模型開發(fā)成功的基礎(chǔ)上，本文利用平穩(wěn)性檢驗、白噪聲檢驗等策略，進一步優(yōu)化了算力預(yù)測模型。根據(jù)本文建立的預(yù)測模型，得到了我國未來算力發(fā)展規(guī)模和結(jié)構(gòu)變化的主要預(yù)測結(jié)果（圖3和4），相關(guān)結(jié)論如下。

我國算力發(fā)展規(guī)模持續(xù)增長。根據(jù)預(yù)測結(jié)果，2022年我國算力總規(guī)模達315 EFlops，預(yù)計到2026年我國算力總規(guī)模將進入每秒10萬億億次浮點運算時代，達到767 EFlops。

基礎(chǔ)算力、智能算力、超算算力分別呈現(xiàn)穩(wěn)定增長、迅速增長、持續(xù)增長的態(tài)勢，2016—2026年的年平均增速分別達18.99%、78.97%、23.45%。在大數(shù)據(jù)、人工智能、云計算等新一代信息技術(shù)的驅(qū)動下，智能算力發(fā)展迅猛，預(yù)計到2026年我國智能算力規(guī)模將達到561 EFlops。此增長趨勢主要得益于各領(lǐng)域不斷加快的智能化升級步伐，各領(lǐng)域?qū)χ悄芩懔Φ男枨笈c日俱增，不斷推動智能算力規(guī)模的持續(xù)高速增長。

我國算力結(jié)構(gòu)持續(xù)優(yōu)化。隨著各領(lǐng)域?qū)χ悄芩懔π枨蟛粩嘣鲩L，我國算力結(jié)構(gòu)也在不斷演變（圖4），盡管基礎(chǔ)算力呈現(xiàn)穩(wěn)定增長態(tài)勢，但預(yù)計基礎(chǔ)算力占總算力規(guī)模的比重將從2016年的95%下降至2026年的26%，智能算力占總算力規(guī)模的比重則從2016年的3%攀升至2026年的73%，同期我國超算算力在總體算力規(guī)模中呈現(xiàn)出穩(wěn)定的上升趨勢。

我國算力的電力能耗分析及低碳轉(zhuǎn)型挑戰(zhàn)

我國算力能耗分析

本文從2個角度測算我國算力的電力能耗。

對承載算力的基礎(chǔ)設(shè)施（如數(shù)據(jù)中心）能耗進行預(yù)測。數(shù)據(jù)中心的電力能耗主要來源于信息技術(shù)（IT）設(shè)備、制冷設(shè)備、供配電系統(tǒng)和照明等其他設(shè)備的能源消耗，其電力成本占運營總成本的60%—70%。據(jù)報道數(shù)據(jù)顯示，2022年，我國所有數(shù)據(jù)中心的耗電量約2 700億千瓦時，超過2座三峽水電站的年發(fā)電量。通過對我國2016—2021年的算力規(guī)模和數(shù)據(jù)中心用電量數(shù)據(jù)展開分析，推測每使用1 EFlops算力所需的年耗電量約為8億—12億千瓦時，并且這個數(shù)值隨時間的推移呈下降趨勢。這種下降趨勢可以部分歸因于廣泛應(yīng)用的節(jié)能環(huán)保創(chuàng)新技術(shù)和相關(guān)節(jié)能政策的推動作用，新興技術(shù)的替換和節(jié)能方案的采用有效提高了數(shù)據(jù)中心的能源利用效率，使得每單位算力所需的電力消耗逐漸減少。2022年，我國數(shù)據(jù)中心的算力總規(guī)模達315 EFlops，數(shù)據(jù)中心數(shù)量達8.5萬個；相當(dāng)于每個數(shù)據(jù)中心平均算力為3.7×10–3 EFlops，1年至少需要耗電約317.7萬千瓦時。結(jié)合上述預(yù)測的2026年我國算力總規(guī)模和每1 EFlops算力所需的年耗電量，預(yù)計到2026年，我國所有數(shù)據(jù)中心所需年耗電量至少達到6 000億千瓦時，數(shù)據(jù)中心耗電量占我國用電量比重預(yù)計將從2016年的1.86%增長至2026年的6.06%（圖5）。

對算力應(yīng)用實例的能耗分析。算力在人工智能領(lǐng)域中扮演著重要的角色，其可以執(zhí)行復(fù)雜計算，并能為訓(xùn)練深度學(xué)習(xí)模型提供必要的計算能力支持。ChatGPT的實例。ChatGPT作為一種基于人工智能技術(shù)的自然語言處理模型，是在穩(wěn)定且充足的算力支撐下使用的，GhatGPT是大型企業(yè)與科研機構(gòu)應(yīng)用人工智能技術(shù)協(xié)同創(chuàng)新的典型范例之一。本文以ChatGPT為例，探究其背后的算力資源使用和電力消耗情況，推算未來我國大模型應(yīng)用的算力資源需求和電力消耗。以美國成立的人工智能研究公司OpenAI訓(xùn)練一次13億參數(shù)的GPT-3XL模型為例，其需要的算力約為0.027 5 EFlops。考慮到ChatGPT訓(xùn)練所用的模型是基于13億參數(shù)的GPT-3.5模型微調(diào)而來，參數(shù)量與GPT-3XL模型接近。因此，本文設(shè)定ChatGPT訓(xùn)練一次，所需算力約0.027 5 EFlops。假設(shè)ChatGPT每年至少需要訓(xùn)練50次，則預(yù)計1年需1.375 EFlops算力，年耗電量至少需要11.83億千瓦時。綜合考慮輸入文本長度、模型維度和模型層數(shù)等因素，本文估算每次訪問ChatGPT查詢一個問題大約需要2.92×10–10 EFlops算力，耗電量約為0.003 96千瓦時。假設(shè)ChatGPT每日有2億次咨詢量，預(yù)計每日至少需要0.058 4 EFlops算力，則需耗電79.2萬千瓦時。我國大模型的實例。截至2023年5月，我國已發(fā)布了79個10億級參數(shù)規(guī)模以上的大模型。假設(shè)各模型每年至少需要訓(xùn)練50次，每次計算所需要的算力資源和電力消耗與ChatGPT模型接近，預(yù)計1年需109 EFlops算力，年耗電量至少934.6億千瓦時。需要注意的是，該結(jié)果僅反映了人工智能領(lǐng)域的算力能耗需求。若考慮在所有垂直應(yīng)用場景下，我國對算力資源和電力能源的需求將會激增。

總體而言，無論是從數(shù)據(jù)中心的基礎(chǔ)能耗還是新興領(lǐng)域的未來發(fā)展來看，算力資源的需求量和電力能耗量都將持續(xù)攀升，這可能進一步增加我國用能負(fù)擔(dān)和碳排放總量。

我國算力發(fā)展綠色低碳轉(zhuǎn)型面臨的挑戰(zhàn)

我國算力需求總體呈爆炸式增長趨勢，高能耗問題較為突出。不僅如此，我國算力發(fā)展還面臨資源供需失衡、協(xié)同使用效率不足等方面問題，這些都制約了算力的綠色低碳轉(zhuǎn)型。算力發(fā)展面臨的問題具體包括3個方面。

整體布局較分散，集約化水平不高。盡管各行業(yè)數(shù)據(jù)中心不斷涌現(xiàn)，算力規(guī)模爆發(fā)式增長，但各單位間缺乏有效聯(lián)通，導(dǎo)致“數(shù)據(jù)中心孤島”“云孤島”等現(xiàn)象頻頻出現(xiàn)，算力資源利用率低。此外，單體數(shù)據(jù)中心整體規(guī)模偏小，規(guī)模受限，后期擴容難，面臨利用率低（如數(shù)據(jù)中心平均利用率不足60%，算力利用率僅30%）、能耗高（平均PUE>1.5）、遷移成本增加等問題。

資源分配不均衡，供需兩端不匹配。當(dāng)前，我國算力資源整體呈現(xiàn)“東部不足、西部過剩”的不均衡局面。數(shù)據(jù)中心的規(guī)模通常通過標(biāo)準(zhǔn)機架數(shù)量來衡量，一般情況下，機架數(shù)越多，數(shù)據(jù)中心的算力規(guī)模也就越大。盡管東西部用機架數(shù)的比例約為7∶3，東部地區(qū)的算力資源遠(yuǎn)比西部地區(qū)豐富；但由于算力需求多集中在創(chuàng)新能力強的東部地區(qū)，東部地區(qū)仍面臨算力資源緊張的問題。如北京、上海、廣州和深圳等一線城市面臨算力資源短缺壓力，平均缺口率達25%。中西部地區(qū)能源充裕但算力資源產(chǎn)能過剩，西部地區(qū)產(chǎn)能過剩現(xiàn)象尤為突出，供給量超出需求量15%以上。

缺乏算力設(shè)施協(xié)同共享機制。“東數(shù)西算”工程全面啟動后，各算力樞紐節(jié)點、數(shù)據(jù)中心集群加大投資建設(shè)力度，有效提升了數(shù)字基礎(chǔ)設(shè)施的整體水平，進一步優(yōu)化了數(shù)據(jù)處理和存儲的效率。但缺少任務(wù)協(xié)同和資源共享機制，導(dǎo)致算力節(jié)點通過網(wǎng)絡(luò)靈活高效調(diào)配算力資源的能力不足，算力設(shè)施“忙閑不均”，極大制約了能源效率的提升。中國數(shù)據(jù)中心產(chǎn)業(yè)發(fā)展聯(lián)盟統(tǒng)計數(shù)據(jù)顯示，我國西部的數(shù)據(jù)中心資源整體空置率超過50%，部分地區(qū)機房上架率不足10%。算力基礎(chǔ)設(shè)施多采用電力供能，即使算力資源未被充分利用，為確保數(shù)據(jù)安全和設(shè)備穩(wěn)定，算力基礎(chǔ)設(shè)施仍需持續(xù)運轉(zhuǎn)，產(chǎn)生無效的能源消耗。

我國算力綠色低碳轉(zhuǎn)型的對策建議

算力已成為支撐數(shù)字經(jīng)濟發(fā)展的關(guān)鍵動力，其綠色低碳轉(zhuǎn)型需兼顧發(fā)展和安全2個角度。針對我國算力發(fā)展的巨大需求及面臨的問題，如何在保障算力基礎(chǔ)設(shè)施用電充足穩(wěn)定的前提下實現(xiàn)綠色低碳轉(zhuǎn)型，成為解決該問題的重要突破口。本文針對我國算力綠色低碳轉(zhuǎn)型提出以下6個方面的對策與建議。

加強算力頂層設(shè)計，推進算—網(wǎng)融合發(fā)展。轉(zhuǎn)變算力資源建設(shè)理念，加強算力資源的統(tǒng)籌發(fā)展。實現(xiàn)算力資源建設(shè)由無序發(fā)展向統(tǒng)籌推進轉(zhuǎn)變，破解算力供需失衡的矛盾。根據(jù)政策導(dǎo)向和各地具體情況，信息產(chǎn)業(yè)部門應(yīng)成立專門的算力規(guī)劃與管理部門，該部門主要負(fù)責(zé)算力資源整體規(guī)劃、能耗管理、標(biāo)準(zhǔn)制定等工作，該部門的成立有助于優(yōu)化算力資源的綜合效益和可持續(xù)發(fā)展能力，推動綠色低碳轉(zhuǎn)型，促進行業(yè)規(guī)范化和協(xié)同發(fā)展。優(yōu)化多層級算力基礎(chǔ)設(shè)施體系。該體系的頂層是高性能計算中心（如國家超算中心），中層是區(qū)域級或行業(yè)計算中心，底層是企業(yè)級算力資源（如私有云算力、邊緣算力）。相關(guān)部門應(yīng)實施統(tǒng)一的管理并制定統(tǒng)一的調(diào)度措施，實現(xiàn)各層級算力資源互聯(lián)互通，有效提高資源利用效率，促進算力資源節(jié)能降耗發(fā)展。統(tǒng)籌布局，打造區(qū)域算力調(diào)度指揮平臺。聯(lián)通各區(qū)域間的分散算力，實現(xiàn)區(qū)域級算力資源一體化調(diào)度管理，按需調(diào)度算力資源，盤活社會算力價值，提升算力利用效率，降低單位能耗。

優(yōu)化算力資源布局，降低算力利用能耗。多層面、多維度優(yōu)化算力基礎(chǔ)設(shè)施區(qū)域布局。綜合用戶分布、經(jīng)濟與技術(shù)可行性等數(shù)據(jù)優(yōu)化新型數(shù)據(jù)中心布局。通過分布式設(shè)計，將高頻計算設(shè)備遷移至溫度較低、水電資源豐富的地區(qū)，進一步解決散熱難題，降低能耗成本。進一步優(yōu)化算力對能耗指標(biāo)分配。地方政府部門應(yīng)強化審批，對于區(qū)域內(nèi)數(shù)據(jù)中心機房總體上架率不足50%的地區(qū)，不支持規(guī)劃新的數(shù)據(jù)中心項目。科學(xué)評估并提高數(shù)據(jù)中心建設(shè)規(guī)模與區(qū)域數(shù)字經(jīng)濟發(fā)展需求的匹配度，將有限能耗指標(biāo)更多分配于更綠色高效的項目。加速改造升級“老舊小散”數(shù)據(jù)中心。推動存量“老舊小散”數(shù)據(jù)中心融合、遷移和改造升級，融入、遷移至新型數(shù)據(jù)中心，提高“老舊小散”數(shù)據(jù)中心能源利用效率和算力供給能力。

加大綠色研發(fā)創(chuàng)新，健全算力生態(tài)體系。加大綠色算力基礎(chǔ)設(shè)施關(guān)鍵技術(shù)研發(fā)。數(shù)據(jù)中心應(yīng)聯(lián)合高等院校及科研機構(gòu)大力開展液冷、高壓直流電、模塊化UPS等綠色高效技術(shù)，推動氫能、可再生能源、碳捕集與封存技術(shù)等領(lǐng)域“綠電”創(chuàng)新技術(shù)研發(fā)。著重推廣現(xiàn)有綠色節(jié)能先進成果。行業(yè)龍頭及其聯(lián)合體應(yīng)加快已有綠色低碳技術(shù)、綠色產(chǎn)品轉(zhuǎn)化應(yīng)用，為解決數(shù)據(jù)中心高能耗問題提供新思路。如深圳海蘭云數(shù)據(jù)中心科技有限公司構(gòu)建的全球首例商用海底數(shù)據(jù)中心，為制冷降耗提供了解決方案。傳統(tǒng)的數(shù)據(jù)中心用于制冷的電能消耗占總耗電量的1/3，而同等體量的海底數(shù)據(jù)中心耗電量僅占約10%。建設(shè)綠色數(shù)據(jù)中心供電系統(tǒng)。數(shù)據(jù)中心應(yīng)采用節(jié)能、環(huán)保的硬件設(shè)備和運維方式，結(jié)合可再生能源和能源存儲技術(shù)，實現(xiàn)數(shù)據(jù)中心的綠色清潔供電。制定統(tǒng)一的算力接入標(biāo)準(zhǔn)和接口規(guī)范。信息產(chǎn)業(yè)部門應(yīng)積極推動行業(yè)標(biāo)準(zhǔn)化、產(chǎn)品通用化，促進關(guān)于產(chǎn)品兼容性測試規(guī)范和標(biāo)準(zhǔn)的制定，實現(xiàn)不同的算力產(chǎn)品仍具有良好的互操作性和兼容性。

完善能耗監(jiān)管機制，夯實算力監(jiān)管體系。建立健全算力基礎(chǔ)設(shè)施全生命周期評價體系。各地政府應(yīng)強化算力基礎(chǔ)設(shè)施和智能運營維護建設(shè)，將算力設(shè)備接入能耗監(jiān)測平臺，實時采集用電數(shù)據(jù)，實現(xiàn)對全系統(tǒng)算力設(shè)備的實時監(jiān)控，有效調(diào)度算力資源和計算任務(wù)，錯峰使用算力資源，提升能效。完善數(shù)據(jù)中心綠色監(jiān)管與評價體系。以電能利用效率、水資源利用效率、碳利用效率等關(guān)鍵指標(biāo)作為切入點，加快完善算力基礎(chǔ)設(shè)施的綠色低碳管理體系，包括對引入節(jié)能產(chǎn)品和節(jié)能系統(tǒng)、利用可再生能源等手段的使用管理。形成計算/數(shù)據(jù)中心規(guī)模、上架率、能耗水平等底數(shù)清單，健全包括基礎(chǔ)用電、用能以及算力效率指標(biāo)的綠色數(shù)據(jù)中心評價體系。

完善算力租賃制度，創(chuàng)新算力商業(yè)模式。構(gòu)建面向用戶開放的算力統(tǒng)一運營平臺，實現(xiàn)算力服務(wù)的“一鍵式訂購”和“彈性調(diào)節(jié)”。政府應(yīng)鼓勵企業(yè)聯(lián)合大學(xué)、科研院所利用區(qū)塊鏈等前沿技術(shù)完善改進多方算力供給交易平臺，以應(yīng)對多方交易過程中存在的信任缺失難題。 建立和完善算力租賃制度。實現(xiàn)算力交易的智能化、公平化、泛在化、可溯化和可信化，減少無效算力資源的浪費。 構(gòu)建動態(tài)收費策略。各地發(fā)展和改革委員會需分時段對算力資源進行定價和管理，通過價格機制倒逼算力資源綠色高效利用。

用好算力余熱資源，實現(xiàn)綠色集約發(fā)展。探索擴大數(shù)據(jù)中心能源的回收利用體系。建立有效的余熱利用系統(tǒng)，將數(shù)據(jù)中心產(chǎn)出的高溫余熱轉(zhuǎn)化為電能或供熱能源，并將此部分能源用于建筑供暖和工業(yè)供熱，實現(xiàn)資源循環(huán)利用。強化對數(shù)據(jù)中心余熱回收利用技術(shù)的政策支持。提高余熱回收利用技術(shù)在《綠色數(shù)據(jù)中心評價指標(biāo)體系》中的考核權(quán)重，對投資建設(shè)余熱回收設(shè)備的計算/數(shù)據(jù)中心給予相應(yīng)的資金補貼支持等，推動實現(xiàn)算力綠色集約式發(fā)展。

（作者：陳曉紅，湖南工商大學(xué)前沿交叉學(xué)院 中南大學(xué)商學(xué)院 長沙人工智能社會實驗室；曹廖瀅、曹文治，湖南工商大學(xué)前沿交叉學(xué)院 長沙人工智能社會實驗室；陳姣龍、張靜輝、汪陽潔，中南大學(xué)商學(xué)院；編審：楊柳春；《中國科學(xué)院院刊》供稿）