电网深谈丨算力“吃电”何解？

最近《人民日报》通过专访任正非对外释放了重要信号。其中也讲到了，AI竞争的背后，是要有充足的电力、发达的信息网络，而中国有这样的优势。可以说，AI的尽头是算力，算力的尽头是电力，这已成为科技行业的共识。本期「电网深谈」邀请了阿里云能源行业首席架构师黄振、浙江省电力负荷管理中心孙钢、浙江省能源大数据中心王彦波三位专家，一起聊聊这个话题。

以下为访谈内容：

算力到底有多费电？

主持人：黄振老师，我看到有一种观点，就是数据主义，认为万物皆可“数据化”，皆可被计算。‌比如贝多芬的交响曲、股市曲线和流感病毒，不过是数据流的三种不同模式，都能使用相似的基本概念和工具来分析。作为业内人士，在您看来，这和现在说的算力有关系吗？

黄振：我觉得这个观点非常新潮，就说世界万物都能被数据化，但它是一个概念型的、理想化的状态。如果真是要落地，就是把这个世界描述出数据的话，它的背后的这个算力是必不可缺的。所以算力其实是它的一个支撑。如果没有算力的支撑，是没有办法去实现这个理想的。那目前来说，我们看到了一个大的机会，就是我们很多的算力，通过现今的一些越来越多通用化的大模型，描述了这个世界是怎么样的。我们也希望通过AI加上这个算力，能把这个世界的数列描述得更精准化，更符合并支撑我们的生活。

主持人：谢谢黄振老师的解答。那现在我们也看到，算力需求也带来了用电负荷的增长。孙钢老师，浙江是数字经济大省，算力带来的电力负荷情况怎么样？

孙钢：这几年来，在国家“东数西算”工程和AI大模型技术应用的双重驱动下，全国算力产业的用电需求呈现爆发式增长。浙江当然也是冲在前面。我们以浙江为例，浙江2024年算力产业总耗电量大约是48亿千瓦时，同比增长率超过了13%，这个数据是明显高于浙江去年全社会用电量的增长9.5%，包括它的全社会负荷增长率7.5%，这就能看出它快速发展的趋势。今年以来，随着以阿里和杭州六小龙等为代表的一批人工智能产业的不断升温，我们相信，今年我们全省算力产业的发展速度会更快，预计带来的负荷增长将超过20%。

主持人：从企业视角看，算力扩张与电力供给之间是否存在明确的量化关系？

黄振：这是非常确定的，电力由于AI增长了，我们的算力大池子里，本身也因为AI的增长而增长，我们预计到2030年会带动数据中心大概3倍的量，那还是一个比较稳态的估计。但是稳中有可能会爆发性增长，像今年的DeepSeek就不只是稳步往上增长。所以我觉得20%是一个非常客观的数字，跟我们观察到的现象是一致的。

主持人：那在电力供应方面，针对数据中心，是不是也有一些有别于其他行业的方式？

孙钢：是的，数据中心对供电的可靠性和电压的稳定要求更高，一旦出现电力中断或波动，将导致计算任务中断、数据丢失，甚至设备损坏，造成巨大的经济损失。全省各地电网企业都在纷纷探索一些好的保障手段和措施。主要有这么几个方面吧。

首先在技术层面，归根结底最核心的，还是要提升我们的配电自动化水平，重点是要提升数据中心配电网络故障的及时预警和处置能力。

第二在管理方面，目前全省各地也都在积极尝试“电算协同”这样一种发展路径和机制措施，比如国网浙江营销服务中心有运营一个全省千项万亿重大项目的管控平台，它就能很好地推动数据中心和电网规划的深度结合，就是在规划的源头，就充分考虑到数据中心未来用电的增长空间，从而能够从源头上去保障未来数据中心能有充沛的电能供应。在这个基础上，我们也会积极引导数据中心去配置储能设备，还有移动电源、备用电源等等，这些和我们的电网做一个深度耦合和互动，并且纳入统一的监视和管理，来应对电网可能出现的一些故障。

还有很重要的一点，就是在能源结构方面，应用绿电，向大自然取电，应该说是数据中心算力中心未来的长远发展方向。在这方面，浙江近年来分布式光伏（发展迅猛），今年最新的数据，光伏的最大出力已经达到了3600万千瓦，这是非常大的体量。这么大的体量配合储能设备，它就能很好地解决数据中心的一个能源供应问题，并且因为储能的深度耦合、灵活充放电特性，也能够解决光伏的出力波动性问题。

AI也能助力节能

主持人：电力的供应是刚需，但数据中心节能降耗也同样重要，这方面我们要如何实现？

王彦波：目前用于评价数据中心能源效率的核心指标叫作PUE（Power Usage Effectiveness，电能利用效率），它的定义是数据中心总耗电与IT设备耗电的比值‌。PUE值是大于1的，当它越接近1时，表明IT设备耗电占比越高，非IT设备（如制冷、供配电系统）的耗电占比越低，能源利用效率越高。目前浙江省的数据中心平均PUE值是1.57，我们电网有个禾城数据中心，它的PUE值是1.35。要想进一步降低这个PUE值，可以通过降低非IT设备的耗电，从而提高数据中心的电能利用效率。

主持人：王老师，那能不能请您系统介绍一下，都有哪些因素在推动这个值的变化？

王彦波：PUE的变化受环境、技术、管理等多因素的综合影响，和IT设备、制冷系统、供配电系统的耗电等都有关。拿算力芯片来说，昇腾910C基于7纳米工艺，与英伟达H100的4纳米工艺相比，能效比要差一些。负载利用率主要与资源调度分配运营效率有关。那么非IT设备主要包括制冷系统、供配电系统。拿制冷系统来说，温湿度等气候条件和季节变化会直接影响到数据中心的制冷需求。比如我们的紧水滩绿色数据中心，它就是利用水库深层的低温水免费供冷，规划设计的PUE值可以达到1.13。供配电系统方面，像阿里仁和数据中心采用的巴拿马电源直流供电方案，功率模块效率达98.5%，再叠加先进的制冷方式，PUE可以到1.09。

黄振：我们用了AI的GPU算力，如果是同样的算力用CPU去计算的话，它耗能会更大，GPU是比CPU更加省电和省能的。为什么我们感到这个电不断增长得很快，是因为我们还没有彻底的由CPU为主的这种计算模式，转到我们以GPU为主的这种模式，所以当这个转变完成之后，反而AI能带来本身数据中心的节能，是可以看到这个效果的。

主持人：AI不是能耗的负担，反而是节能的引擎。

黄振：对，包括其实我们在自己的数据中心得到的一些结论，就是数据中心如果是80%的算力都是由GPU来承担的话，本身GPU用的能耗才15%，这个比值是以前的CPU能耗的1/3。

主持人：那在数据中心的节能降耗方面，除了刚刚您说的这个之外，还有没有其他的方式？

黄振：除了本身的能耗指标和我说的GPU改变，还和绿电相关。我们也欣喜地看到浙江这边有很多的分布式光伏、风电，我们希望跟这些绿电结合起来。而且我们新投的数据中心，基本上都是希望50%以上的绿电占比，甚至到将来满足目标80%以上。还有，我们也采用了一些先进的技术，因为现在的GPU它就一台服务器，那我们可以把它浸泡在液冷水里，那它的制冷方式会更集中，而且比以前的空调冷机的方式能效更好。

主持人：今年国家能源局是不是也提出了国家枢纽节点新建数据中心绿电占比达到80%的目标？

黄振：对，其实我们新投入的机房已经满足了。AI的算力增长很快，我们在内蒙古、张北包括最近在青海西宁也投入机房，因为像青海，本身绿电占比就达到了95%，所以我们会在这种新能源发达省份更多投入资源。到2030年，基本上我们的数据中心能100%用上绿电。

主持人：这种“算力-绿电”捆绑模式的经济性和降碳效益如何？

黄振：我觉得这是一个很好的模式，而且这两个是兼顾的，既有它的经济性，又有它的绿电性。就拿刚才我提到的青海来说，它本身绿电已经达到95%，那从运营成本来说，还有投资产品来说，就降了20%-30%，帮我们缩短了大概两到三年的投资回报率。

主持人：那是不是可以理解为，做好“平衡”非常关键，比如“东数西算”就是一种空间上的平衡，通过跨地域布局实现降耗。

黄振：对，我认为平衡很重要，因为我们很多偏远的数据中心，主要在晚上大数据跑批的时候利用，白天时，要接近负荷侧。现在有了AI，很多AI的一些推理算法，可以在偏远的西北这些绿电资源丰富的地方使用，这是AI给我们带来空间上分布的一个有利的条件，它的移动潜力更为巨大。除了空间上面的一个平衡，我觉得时间上也有，包括我们的AI虚拟机，会出一个功能叫提起批量计算，这个批量计算的价格是平时的50%。那你提交（问题）之后不需要立刻拿到你的答案，它可能给你生成报告，过一段时间错峰之后，到远边的机房运转数据再回到你那，我们看到这个服务推出了之后，其实有很多的这个需求，正好时间上也是错峰了，也是达到了一定的平衡。

算力之争在电力

主持人：那能否预测一下，未来几年的算力需求会有怎样的发展趋势？

黄振：随着AI用户数越来越大，算力增长是可预测的。但不能预测的是什么呢，可能是有些爆款的AI应用。原先像微信这种程序，它要达到1亿的用户数大概用了一年多、两年的时间，那到了Open AI这个时代，它大概就是七个月，那到了DeepSeek这个更夸张，大概只有七天。所以这样电力系统的供电，可能更需要一定的灵活性和有预测性。

孙钢：未来几年，随着数字经济的持续发展，浙江算力需求将呈现“量级跃升、密度倍增”的趋势。以大模型为例，单次训练所需的算力相当于传统AI任务的数百倍。这背后带来的电力需求，也必然会有同步的爆发式增长的趋势，这也会对电力供给的稳定性和绿色化提出更高要求。

王彦波：在国家双碳目标的推动下，未来几年算力需求将呈现“总量增长但结构优化”的趋势。数字化的变革和AI大模型的广泛普及及应用，会促进AI算力的需求大幅增加，但同时碳排双控，也会倒逼行业变革，来促使企业转向低碳技术。浙江省发展改革委也提出了2025年底数据中心PUE要在1.5以下的要求。在这个大背景下，数据中心的发展必然朝着绿色化、低碳化发展，单位算力的“含绿量”会明显增加。

主持人：AI时代，算力就像水和电一样，“即开即用”，而且规模越来越庞大，会有“能源焦虑”吗？

黄振：这种焦虑有可能是幸福的焦虑。因为AI它本身的能源的消耗应该是远远小于它带来的对这个社会的效益。但短期肯定是有压力的，比如说现在的一些数据，就是我每次问DeepSeek一次大概是2.9瓦时的这个用电量，相当于差不多二三十瓦的灯泡，点亮6分钟。但是你想，AI如果将来像我们的灯一样普及，每时每刻都在问AI，那到时这个用量可能会是百倍的指数级增长，那有可能就是我们将来的用电量，会达到十几个三峡的发电量。但可喜的是，AI本身其实更多带来了其他行业的一个减量，或者是能耗的一个增益，我们数据中心占全球用电量的1.5%，在AI（翻倍）过去之后，可能会达到5%。但是这个5%的增量，会带来全社会其它的一个减量。我们觉得这是可期的。

孙钢：“能源焦虑”这个词，它主要是表现在电力负荷在不断地增长，同时我们对节能降碳又有要求，这两者之间如何平衡处理的这样一个问题。那这个问题肯定有解决的办法。

第一要增加电力的多元化供应，比如通过建立核电、风电、光伏、氢能、储能等多能协同互补机制，为数据中心等高电力需求企业，提供24小时全天候稳定的绿色电力供应。

然后在需求侧要尽量挖掘调节潜力。浙江目前正在大力发展和推进的虚拟电厂，其实就是一个非常好的一个方式和路径，它可以聚合像数据中心这样的闲散资源，还有分布式的储能、自备电源设施、分布式光伏等等，与电网进行一个良性及时友好的互动，从而减少对传统的化石能源的依赖和消耗。

另外一点，就是通过技术革新提高能效水平，降低能耗，比如通过优化“电算协同”的算法，就可以基于负荷预测来科学调整算力服务器的运行状态，从而达到单位算力能耗值下降的目标。

总的来说，“能源焦虑”是客观存在的一种发展趋势，一个阶段，不是一个坏事情，最终我相信定能完美破局。

主持人：那现在算力占全社会用电量的占比怎么样？

孙钢：算力的话，目前占比大概在1.2%左右，还比较小，毕竟还只是近年来兴起的一个事物。但它的发展趋势和同比增长率还是很能说明它的未来发展态势。

王彦波：应该说能源焦虑是客观存在的，但是并不可怕。我们省能源大数据中心实现了对全省183家数据中心的电量、负荷的动态监测。基于这些动态监测数据，一方面我们可以为数据中心运营主体制定精准负荷调控策略；另一方面电网企业可协同重点数据中心开展弹性用能方案制定，优化数据中心的用电模式，还能缓解用电高峰期时的电网用电压力。

另外，浙江电力也在加快推动改建一些变电站，提升杭州未来科技城、宁波北仑工业区等多个算力集群供电能力，110千伏及以上供电的数据中心全部实现双电源接入的可靠供电。

同时我们也在支撑数据中心的碳排放双控，推进绿电交易，实现超大型数据中心全年绿电交易4.62亿千瓦时，减少碳排40万吨。今年我们省能源大数据中心也在支撑省能源局对30余家数据中心开展化石能源消费预算工作，支撑数据中心完成年度总体用能预算指标要求。

主持人：从长远来看，能源技术的哪些突破将对算力发展产生革命性影响？

黄振：从整个长远的竞争格局来说，电力算力是息息相关的，就是算力最终的边际成本就是电力。那从目前的一个竞争格局来说，美国在这方面也有一定优势，因为它的综合的能源成本是要比我们低的，但是更长远来看，中国的制造业比较突出地把我们的光伏风电都做到世界第一，规模化带来成本的降低。在摆脱了被“卡脖子”外部要输入的化石能源以后，长期的能源成本，会形成我们的真正的竞争优势。我觉得中国的真正优势，就在于现有的新能源制造业规模化，带来更低的成本，最终我们超越美国这些传统靠资源禀赋得到能源低价的国家，从而形成我们自己独特的算力优势。

主持人：也就是说，未来算力与电力协同很可能会催生新业态，实现算电融合的商业模式创新？

黄振：对，我觉得现在有些技术是可以实现的。我们这个数据中心，将来不一定只是一个用电的，还可以当成一个虚拟电厂一样的，负荷可调。那现在看数据中心都比较平稳，它似乎不那么可调，是因为我刚才也说到了CPU，我们是一直服务的，它是比较平稳的。但是这个GPU的请求，都是波动性的，那这样的话，一方面可以更多进行时空的转移，第二方面我们也更多投入一些光伏储能设备，把数据中心本身变成一个可调节的负荷，不但不成为电网的负担，甚至是可以去贡献一些调节能力。

另一方面，电也可以为算力服务，包括我们尝试的那个批量计算。比如说，此时此刻中午太阳很好，光伏大发，数据中心能不能帮我消纳一下这个绿色的电力，这时候可以引导用户，现在的电力很便宜，这个虚拟算力的价格很便宜，快来购买，那形成这样的联动效益，既帮助绿电消纳，也把价值导向给了最终的用户，促进成本降低。可以有高级的DeepSeek的R1，也可以用简单模型，当我需要更高级的算力，帮我出一个很深度的报告，那可以等等，使用单价很便宜的电力，帮我多算算。当我需要及时回复，不需要那么深度，那就快速走高峰通道。不同的需求去对应多元的电力价格。这也是因为，我们的需求可以这么被分类，所以这两方面可以有一些新的业态。

各类组合也很多，我们看到过一个形态，就是有些园区，租户没这么多，但是屋顶已经投了10兆瓦的光伏，它消纳不掉，那这时候投个几十台的这个服务器，去消纳，这其实是既能保证绿色用电，又能让算力有一个便宜的价格。这种是可以放在浙江、上海这种负荷情况下去做的。另一方面，说不定未来我们的制造业比较发达，工厂在极端情况下，一半是制造自己的商品，另一半制造算力供给别人，这也是赋能的一种。

他山之石可攻玉

主持人：国外在算力与电力协同发展方面已经有哪些值得借鉴的经验？

王彦波：国外在算力与电力协同发展方面提供了诸多可借鉴的经验。欧盟通过“行业耦合”模式整合储能、虚拟电厂等技术，提升电网灵活性；美国科技巨头采用自建电源、绿电直供等方式降低电网压力，因为美国的电网基础设施建设相对来说是比较薄弱的；德国建立了一种叫“平衡结算单元”机制，将算力负荷动态纳入电力调度体系。这些经验表明，市场化机制、技术创新和政策协同是推动算力和电力协同发展的重要因素。

孙钢：我觉得国外还是有一些比较典型的好的经验，可以做参考和借鉴的。美国孟菲斯的超级计算机集群配套天然气发电机，通过分布式电源保障高密度算力设施的临时投运。再比如微软都柏林数据中心的不间断电源（UPS）通过技术改造，可实现与电网的实时交互，能够深度地感知到市电供电的质量，一旦这个频率或者电压出现一个波动，超出了一个预置范围的时候，就能够启动开关临时进行充放电，保证供电的连续性和供电的质量。所以这些方面我觉得还是有很多值得我们借鉴的地方。

主持人：未来电力要如何更好地支撑算力发展，您有什么好的建议？

王彦波：一是加强协同布局，针对当前在建大型数据中心做好区域电网、变电站等配套电力设施补强，中远期需要加强算力基础设施与核电、海上风电、光伏等清洁能源协同布局。二是加强算电一体开发，按照远景最大用电需求确定保障方案，积极协调数据中心和电力设施两者在开发流程、投产时序上的差异，避免出现“算力等电”现象。三是完善电力市场交易机制，推进跨省跨区绿电交易模式，推动长三角建立“算力电价联动”机制，鼓励超大型数据中心参与批发侧电力市场，进一步优化用电成本。

孙钢：我觉得加强电力对算力的支撑。一是强化顶层设计，将算力纳入省域能源专项规划，更加明确统一，也更便于操作和执行。二是建立奖惩机制，设定分阶段的PUE强制标准，鼓励算力企业围绕这个目标去做努力和创新，同时配套算力基础设施的一些补贴机制，建立市场化的竞争和激励机制。三是加强示范引领，比如探索设立“零碳算力示范区”，用盆景来带动风景，试行绿电直供、碳税返还等创新机制，作为支撑算力的常态化做法。

主持人：今天聊下来，我有一种感觉，200多年前，人类开始驾驭蒸汽，100多年前，电力改变了生产生活，现在，人类站在了算力革命的风口。但所有过往的科技革命的成果，不仅没有消失，还汇聚形成了各种能量的合力，一起去托举全新未来世界的到来。