中國網/中國發展門戶網訊 隨著新一輪科技反動的興起和發展，產業變革加快演進，全球經濟發展呈復蘇之態，數字基礎設施以關鍵底座之力支撐、引領經濟發展的新標的目的。習近平總書記指出，“加速新型基礎設施建設。要加強戰略布局，加速建設以5G網絡、全國一體化數據中間體系、國家產業互聯網等為抓手的高速泛在、六合一體、云網融會、智能靈敏、綠色低碳、平安可控的智能化綜合性數字信息基礎設施，買通經濟社會發展的信息‘年夜動脈’”。黨的二十年夜報告進一個步驟強調，“加速發展數字經濟，促進數字經濟和實體經濟深度融會，打造具有國際競爭力的數字產業集群。”
從智能駕駛、聰明城市、元宇宙，再到以ChatGPT為代表的天生式人工智能，算力正成為賦能各行各業數字化轉型的基礎技術要素。算力是年夜數據儲存剖析的計算資源，隨著數字經濟的蓬勃發展，算力逐漸由互聯網行業向路況、工業、金融、政務等行業滲透，各行業對算力資源的需求持續高漲。在此佈景下，充分穩定的算力資包養網源供給量不僅是數字技術進一個步驟迭代的條件條件，也成為支撐數字經濟發展的關鍵動力。但是，隨著各行業算力需求年夜幅增添，算力引發的動力耗費問題和間接溫室氣體排放問題遭到各界學者的廣泛關注。研討顯示，2022年我國數據中間耗電量已達2 700億千瓦時，約占我國耗電總量的3.13%。電力驅動的算力基礎設施因產生大批碳排放，對我國實現碳達峰、碳中和目標提出了挑戰。
近年來，科學家對算力引發的能耗問題的關注度持續增添。Schwartz等學者指出，隨著人們對更年夜計算量和更精準訓練結果的需求呈現迅猛增長的態勢，人工智能應用需求的更多電力動力耗費與其“綠色人工智能”的發展理念背道而馳。Dhar等近期發表在Nature的研討稱，人工智能自己也是主要的碳排放源，該研討小組呼吁增強對人工智能安排過程中基礎設施碳排放影響的研討。別的，Jiang等對以比特幣為代表的區塊鏈技術的能耗與碳排放進行了詳盡的測算評估，相關研討的結論指出在沒有政策干預的情況下，2024年區塊鏈技術將耗費296.59太瓦時電力，相應產生13 050萬噸碳排放。上述研討為懂得算力發展與動力耗費之間的關系供給了豐富的文獻支撐，但在特定的中國國情下，剖析二者關系及其應對戰略的針對性文章較少。本文在梳理我國算力發展現狀的基礎上預測了我國未來算力發展的需求，通過剖析未來算力增長和電力能耗之間的關系及能夠存在的問題，針對性地提出了我國算力綠色低碳轉型的對策建議。
典範應用領域算力需求與預測剖析
算力發展現狀
根據計算機處理才能，算力普通可劃分為基礎算力、智能算力和超算算力。基礎算力，凡是由中心處理器（CPU）組成，普通而言，基礎算力能夠滿足日常基礎數據計算需求，如辦公應用、網頁瀏覽、媒體播放等。智能算力，重要由圖形處理器（GPU）、專用集成電路等異構計算芯片組成，常用于處理年夜規模數據和復雜算法模子，如圖像識別、語音識別、天然語言處理等。超算算力，具備極高計算機能和超年夜規模并行處理才能，凡是由多處理器、年夜內存和高速互聯網絡組成，常用于天氣預報、風洞實驗、動力開發等科學領域，協助開展復雜的計算研討。
作為算力的重要載體，我國算力基礎設施發展敏捷，梯次優化的算力供給體系初步構建。近5年來，我國算力規模的均勻年增長率為46%，對我國經濟社會和產業能級發展的動力支撐感化不斷增強。2021年，我國智能算力規模達104 EFlops，基礎算力規模達95 EFlops，超算算力規模約為3 EFlops。
從應用領域來看，我國的算力應用領域由晚期的互聯網行業逐漸擴展。尤其擴展到工業、教導、醫學研討等領域（圖1），成為各傳統產業智能化改革和數字化轉型的主要支撐，算力正周全賦能生產、運營、治理、融資等各個領域的創新發展。
算力年夜規模應用在工業領域。伴隨人工智能技術在工業領域的應用逐漸深刻，工業智能制造已實現制造過程的智能化和自動化。據統計，我國工業制造的算力收入占全球算力總收入的12%，機器人領域的算力收入已超全球算力總收入的60%。在工業生產過程中，智能設備和傳感器能夠實時搜集和監測生產數據，為設備狀態監測、毛病預測和生產參數調整等自動化把持供給了基礎，實現了對生產過程的實時調整和優化。這種實時把持和優化需求大批的算力來處理和剖析龐年夜的數據集，確保生產過程更具精確性和高效性。是以，足夠的算力支撐是實現工業生產過程中自動化把持的關鍵要素之一。據統計，1臺特斯拉汽車需求裝備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。在工業領域，圖像識別和視覺檢測技術被廣泛應用于生產治理及生產線的自動化和質量把持過程中，機器視覺系統通過深度學習等算法對龐年夜數據量進行訓練，從而能夠精準識別目標對象。例如，識別500萬張人臉圖像需0.04 EFlops算力。
教導領域是算力發揮感化的另一潛在領域。綜合來看，教導領域對算力的需求重要分布在研討實驗、智能學習、交互式學習等方面。在研討實驗領域，年夜數據智能、類腦智能計算和量子智能計算等基礎理論研討對算力資源提出宏大需求。此中，維持類腦計算在超算平臺運行需求1 EFlops，相當于1.6萬片CPU核處理器的計算才能。在智能學習領域，年夜型開放式網絡課程（MOOC）等智能化教導云平臺觸及視頻壓縮、解壓縮算法、帶寬治理和網絡傳輸優化等多項技術的融會應用，這些技術手腕均需求穩定且龐年夜的算力支撐，確保學生和教師之間的實時交通。在交互式學習領域，算力具有強年夜的計算機系統，可以支撐構建虛擬實驗并模擬學習環境。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建模技術增添100倍，僅華為云技術運行一次三維建模就需約0.011 EFlops的算力。
醫學成為算力應用的又一潛在領域。當前，人工智能技術已經被醫療機構和性命科學組織廣泛接收。計算機視覺和圖像處理技術被用于剖析息爭釋醫學記憶，如X光照耀、電子計算機斷層掃描和基因組剖析等。醫學記憶凡是需求進行圖像預處理以改良圖像質量并減少噪聲，觸及往噪、偽影往除、幾何校訂和圖像增強等步驟。通過X光照耀無創成像需求應用24 576個GPU，算力達到0.065 EFlops。在基因組剖析研討中，年夜規模基因組數據的處理和剖析需求應用高機能計算集群或分布式計算系統。這些復雜任務多基于GPU的基因組學剖析軟件，如BWA-MEM算法、GATK東西包和STAR軟件等的支撐，運行1萬次基因組學剖析軟件就需約0.01 EFlops的計算才能。
我國未來算力需求預測
隨著數字經濟發展，人工智能和產業數字化等多樣化的算力需求場景不斷涌現。預計到2030年，全球由人工智能發展帶來的算力需求將在2020年的人工智能算力需求基礎上增長500倍，超過1.05×105 EFlops。為進一個步驟探討未來5年我國的算力發展規模，本文基于各類型算力規模數據，樹立自回歸差分移動均勻模子（ARIMA模子，詳見本文“附錄1”部門），通過捕獲時間序列數據中的長期依賴關系對我國未來算力需求發展進行了預測。
在此基礎上，根據我國2016—2021年的算力需求歷史數據，通過對其特征序列進行訓練，捕獲了時間序列數據中的長期依賴關系，進而預測我國未來的算力需求。圖2展現了算力預測模子的基礎框架，在算力預測模子開發勝利的基礎上，本文應用平穩性檢驗、白噪聲檢驗等戰略，進一個步驟優化了算力預測模子。根據本文樹立的預測模子包養網，獲得了我國未來算力發展規模和結構變化的重要預測結果（圖3和4），相關結論如下。
我國算力發展規模持續增長。根據預測結果，2022年我國算力總規模達315 EFlops，預計到2026年我國算力總規模將進進每秒10萬億億次浮點運算時代，達到767 EFlops。
基礎算力、智能算力、超算算力分別呈現穩定增長、敏捷增長、持續增長的態勢，2016—2026年的年均勻增速分別達18.99%、78.97%、23.45%。在年夜數據、人工智能、云計算等新一代信息技術的驅動下，智能算力發展迅猛，預計到2026年我國智能算力規模將達到561 EFlops。此增長趨勢重要得益于各領域不斷加速的智能化升級程序，各領域對智能算力的需求與日俱增，不斷推動智能算力規模的持續高速增長。
我國算力結構持續優化。隨著各領域對智能算力需求不斷增長，我國算力結構也在不斷演變（圖4），盡管基礎算力呈現穩定增長態勢，但預計基礎算力占總算力規模的比重將從2016年的95%降落至2026年的26%，智能算力占總算力規模的比重則從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模中呈現出穩定的上升趨勢。
我國算力的電力能耗剖析及低碳轉型挑戰
我國算力能耗剖析
本文從2個角度測算我國算力的電力能耗。
對承載算力的基礎設施（如數據中間）能耗進行預測。數據中間的電力能耗重要來源于信息技術（IT）設備、制冷設備、供配電系統和照明等其他設備的動力耗費，其電力本錢占運營總本錢的60%—70%。據報道數據顯示，2022年，我國一切數據中間的耗電量約2 700億千瓦時，超過2座三峽水電站的年發電量。通過對我國2016—2021年的算力規模和數據中間用電量數據展開剖析，推測每應用1 EFlops算力所需的年耗電量約為8億—12億千瓦時，并且這個數值隨時間的推移呈降落趨勢。這種降落趨勢可以部門歸因于廣泛應用的節能環保創新技術和相關節能政策的推動感化，新興技術的替換和節能計劃的采用有用進步了數據中間的動力應用效力，使得每單位算力所需的電力耗費逐漸減少。2022年，我國數據中間的算力總規模達315 EFlops，數據中間數量達8.5萬個；相當于每個數據中間均勻算力為3.7×10–3 EFlops，1年至多需求耗電約317.7萬千瓦時。結合上述預測的2026年我國算力總規模和每1 EFlops算力所需的年耗電量，預計到2026年，我國一切數據中間所需年耗電量至多達到6 000億千瓦時，數據中間耗電量占我國用電量比重預計將從2016年的1.86%增長至2026年的6.06%（圖5）。
對算力應用實例的能耗剖析。算力在人工智能領域中飾演著主要的腳色，其可以執行復雜計算，并能為訓練深度學習模子供給需要的計算才能支撐。ChatGPT的實例。ChatGPT作為一種基于人工智能技術的天然語言處理模子，是在穩定且充分的算力支撐下應用的，GhatGPT是年夜型企業與科研機構應用人工智能技術協同創新的典範范例之一。本文以ChatGPT為例，探討其背后的算力資源應用和電力耗費情況，推算未來我國年夜模子應用的算力資源需乞降電力耗費。以american成立的人工智能研討公司OpenAI訓練一次13億參數的GPT-3XL模子為例，其需求的算力約為0.027 5 EFlops。考慮到ChatGPT訓練所用的模子是基于13億參數的GPT-3.5模子微調而來，參數量與GPT-3XL模子接近。是以，本文設定ChatGPT訓練一次，所需算力約0.027 5 EFlops。假設ChatGPT每年至多需求訓練50次，則預計1年需1.375 EFlops算力，年耗電量至多需求11.83億千瓦時。綜合考慮輸進文本長度、模子維度和模子層數等原因，本文預算每次訪問ChatGPT查詢一個問題年夜約需求2.92×10–10 EFlops算力，耗電量約為0.003 96千瓦時。假設ChatGPT逐日有2億次咨詢量，預計逐日至多需求0.058 4 EFlops算力，則需耗電79.2萬千瓦時。我國年夜模子的實例。截至2023年5月，我國已發布了79個10億級參數規模以上的年夜模子。假設各模子每年至多需求訓練50次，每次計算所需求的算力資源和電力耗費與ChatGPT模子接近，預計1年需109 EFlops算力，年耗電量至多934.6億千瓦時。需求留意的是，該結果僅反應了人工智能領域的算力能耗需求。若考慮在一切垂直應用場景下，我國對算力資源和電力動力的需求將會激增。
總體而言，無論是從數據中間的基礎能耗還是新興領域的未來發展來看，算力資源的需求量和電力能耗量都將持續攀升，這能夠進一個步驟增添我國用能負擔和碳排放總量。
我國算力發展綠色低碳轉型面臨的挑戰
我國算力需求總體呈爆炸式增長趨勢，高能耗問題較為凸起。不僅這般，我國算力發展還面臨資源供需掉衡、協同應用效力缺乏等方面問題，這些都制約了算力的綠色低碳轉型。算力發展面臨的問題具體包含3個方面。
整體布局較疏散，集約化程度不高。盡管各行業數據中間不斷涌現，算力規模爆發式增長，但各單位間缺少有用聯通，導致“數據中間孤島”“云孤島”等現象頻頻出現，算力資源應用率低。此外，單體數據中間整體規模偏小，規模受限，后期擴容難，面臨應用率低（如數據中間均勻應用率缺乏60%，算力應用率僅30%）、能耗高（均勻PUE>1.5）、遷移本錢增添等問題。
資源分派不平衡，供需兩端不婚配。當前，我國算力資源整體呈現“東部缺乏、西部過剩”的不平衡局勢。數據中間的規模凡是通過標準機架數量來權衡，普通情況下，機架數越多，數據中間的算力規模也就越年夜。盡管東西部用機架數的比例約為7∶3，東部地區的算包養網價錢力資源遠比西部地區豐富；但由于算力需求多集中在創新才能強的東部地區，東部地區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道臨算力資源缺乏壓力，均勻缺口率達25%。中西部地區動力富餘但算力資源產能過剩，西部地區產能過剩現象尤為凸起，供給量超越需求量15%以上。
缺少算力設施協同共享機制。“東數西算”工程周全啟動后，各算力樞紐節點、數據中間集群加年夜投資建設力度，有用晉陞了數字基礎設施的整體程度，進一個步驟優化了數據處理和存儲的效力。但缺乏任務協同和資源共享機制，導致算力節點通過網絡靈活高效調配算力資源的才能缺乏，算力設施“忙閑不均”，極年夜制約了動力效力的晉陞。中國數據中間產業發展聯盟統計數據顯示，我國西部的數據中間資源整體空置率超過50%，部門地區機房上架率缺乏10%。算力基礎設施多采用電力供能，即便算力資源未被充足應用，為確保數據平安和設備穩定，算力基礎設施仍需持續運轉，產生無效的動力耗費。
我國算力綠色低碳轉型的對策建議
算力已成為支撐數字經濟發展的關鍵動力，其綠色低碳轉型需兼顧發展和平安2個角度。針對我國算力發展的宏大需求及面臨的問題，若何在保證算力基礎設施用電充分穩定的條件下實現綠色低碳轉型，成為解決該問題的主要衝破口。本文針對我國算力綠色低碳轉型提出以下6個方面的對策與建議。
加強算力頂層設計，推進算—網融會發展。轉變算力資源建設理念，加強算力資源的統籌發展。實現算力資源建設由無序發展向統籌推進轉變，破解算力供需掉衡的牴觸。根據政策導向和各地具體情況，信息產業部門應成立專門的算力規劃與治理部門，該部門重要負責算力資源整體規劃、能耗治理、標準制訂等任務，該部門的成立有助于優化算力資源的綜合效益和可持續發展才能，推動綠色低碳轉型，促進行業規范化和協同發展。優化多層級算力基礎設施體系。該體系的頂層是高機能計算中間（如國家超算中間），中層是區域級或行業計算中間，底層是企業級算力資源（如公有云算力、邊緣算力）。相關部門應實施統一的治理并制訂統一的調度辦法，實現各層級算力資源互聯互通，有用進步資源應用效力，促進算力資源節能降耗發展。統籌布局，打造區域算力調度指揮平臺。聯通各區域間的疏散算力，實現區域級算力資源一體化調度治理，按需調度算力資源，盤活社會算力價值，晉陞算力應用效力，下降單位能耗。
優化算力資源布局，下降算力應用能耗。多層面、多維度優化算力基礎設施區域布局。綜適用戶分布、經濟與技術可行性等數據優化新型數據中間布局。通過分布式設計，將高頻計算設備遷移至溫度較低、水電資源豐富的地區，進一個步驟解決散熱難題，下降能耗本錢。進一個步驟優化算力對能耗指標分派。處所當局部門應強化審批，對于區域內數據中間機房總體上架率缺乏50%的地區，不支撐規劃新的數據中間項目。科學評估并進步數據中間建設規模與區域數字經濟發展需求的婚配度，將無限能耗指標更多分派于更綠色高效的項目。加快改革升級“老舊小散”數據中間。推動存量“老舊小散”數據中間融會、遷移和改革升級，融進、遷移至新型數據中間，進步“老舊小散”數據中間動力應用效力和算力供給才能。
加年夜綠色研發創新，健全算力生態體系。加年夜綠色算力基礎設施關鍵技術研發。數據中間應聯合高級院校及科研機構鼎力開展液冷、高壓直流電、模塊化UPS等綠色高效技術，推動氫能、可再生動力、碳捕集與封存技術等領域“綠電”創新技術研發。著重推廣現有綠色節能先進結果。行業龍頭及其聯合體應加速已有綠色低碳技術、綠色產品轉化應用，為解決數據中間高能耗問題供給新思緒。如深圳海蘭云數據中間科技無限公司構建的全球首例商用海底數據中間，為制冷降耗供給清楚決計劃。傳統的數據中間用于制冷的電能耗費占總耗電量的1/3，而劃一體量的海底數據中間耗電量僅占約10%。建設綠色數據中間供電系統。數據中間應采用節能、環保的硬件設備和運維方法，結合可再生動力和動力存儲技術，實現數據中間的綠色清潔供電。制訂統一的算力接進標準和接口規范。信息產業部門應積極推動行業標準化、產品通用化，促進關于產品兼容性測試規范和標準的制訂，實現分歧的算力產品仍具有傑出的互操縱性和兼容性。
完美能耗監管機制，夯實算力監管體系。樹立健全算力基礎設施全性命周期評價體系。各地當局應強化算力包養網基礎設施和智能運營維護建設，將算力設備接進能耗監測平臺，實時采集用電數據，實現對全系統算力設備的實時監控，有用調度算力資源和計算任務，錯峰應用算力資源，晉陞能效。完美數據中間綠色監管與評價體系。以電能應用效力、水資源應用效力、碳應用效力等關鍵指標作為切進點，加速完美算力基礎設施的綠色低碳治理體系，包含對引進節能產品和節能系統、應用可再生動力等手腕的應用治理。構成計算/數據中間規模、上架率、能耗程度等底數清單，健全包含基礎用電、用能以及算力效力指標的綠色數據中間評價體系。
完美算力租賃軌制，創新算力商業形式。構建面向用戶開放的算力包養統一運營平臺，實現算力服務的“一鍵式訂購”和“彈性調節”。當局應鼓勵企業聯合年夜學、科研院所應用區塊鏈等前沿技術完美改進多方算力供給買賣平臺，以應對多方買賣過程中存在的信賴缺掉難題。 樹立和完美算力租賃軌制。實現算力買賣的智能化、公正化、泛在化、可溯化和可托化，減少無效算力資源的浪費。 構建動態收費戰略。各地發展和改造委員會需分時段對算力資源進行定價和治理，通過價格機制倒逼算力資源綠色高效應用。
用好算力余熱資源，實現綠色集約發展。摸索擴年夜數據中間動力的收受接管應用體系。樹立有用的余熱應用系統，將數據中間產出的高溫余熱轉化為電能或供熱動力，并將此部門動力用于建筑供熱和工業供熱，實現資源循環應用。強化對數據中間余熱收受接管應用技術的政策支撐。進步余熱收受接管應用技術在《綠色數據中間評價指標體系》中的考察權重，對投資建設余熱收受接管設備的計算/數據中間給予相應的資金補貼支撐等，推動實現算力綠色集約式發展。
（作者：陳曉紅，湖南工商年夜學前沿穿插學院 中南年夜學商學院 長沙人工智能社會實驗室；曹廖瀅、曹武功，湖南工商年夜學前沿穿插學院 長沙人工智能社會實驗室；陳姣龍、張靜輝、汪陽潔，中南年夜學商學院。《中國科學院院刊》供稿）