深化算电协同，破解数据中心能耗难题

数据中心作为集成了计算机场地、各类基础设施、软硬件系统、数据资源、专业人员及管理制度的实体，是承载人工智能、云计算、物联网及区块链等前沿信息技术的关键底座。伴随我国数字经济的迅猛崛起，数据中心等数字基建设施的能源消耗问题日益成为关注焦点。

业内专家指出，促进数据中心等数字基础设施的节能降碳，对于推动数字经济高质量发展及达成“双碳”愿景具有深远的现实意义。若缺乏强有力的节能降碳举措，算力的迅猛扩张将逐渐触及能源供应的上限，进而反制数字经济的拓展空间。

数据中心的能耗挑战已成为数字经济发展中无法回避的痛点。统计表明，我国数据中心用电量已从 2022 年的 1300 亿千瓦时攀升至 2025 年的 1960 亿千瓦时，其占全社会用电量的比重也由 1.5% 上升至 1.9%。据预测，到 2030 年，数据中心用电量有望突破 7000 亿千瓦时，占比将超过全社会用电量的 5%。

“算力堪称数字经济时代的‘新电力’，但若任由算力增长以能耗倍增为代价，数字经济的可持续发展将面临根本性危机。”赛智产业研究院智能经济研究所所长李铭岩强调。

据悉，数据中心的能耗主要集中于三大环节。其中，信息技术设备是能耗核心，服务器、存储及网络设备等直接执行计算任务，占据了总能耗的 45% 至 60%。制冷系统则是第二大耗能板块。行业共识认为，制冷能耗占比介于 30% 至 40% 之间，若服务器运行产生的废热未能得到有效利用，将导致巨大的能源浪费。在高密度 AI 算力集群中，单机柜功率已由传统的几千瓦激增至数十甚至上百千瓦，风冷系统遭遇散热瓶颈，致使传统风冷数据中心的 PUE（电能利用效率）长期维持在 1.8 以上。此外，供配电系统（涵盖配电柜、变压器等）能耗占比约为 5% 至 10%，而照明、安防等辅助设施占比约 3% 至 5%。

“总体而言，制冷系统是能耗压力最为显著的环节。”李铭岩指出，在 AI 高密度部署的趋势下，传统风冷的能效极限已难以应对散热需求，液冷技术的升级与设备能效管控势在必行。

赛迪研究院政策法规研究所副研究员陈又新表示，目前电力成本构成了数据中心运营成本的重要部分。随着人工智能大模型等应用的加速普及，全社会对算力的需求呈指数级爆发。若数据中心等数字基础设施无法有效推进节能降碳，不断飙升的巨额电费将直接侵蚀经济收益，甚至可能导致众多创新项目因无力承担能源成本而被迫停滞。

伴随生成式 AI 技术的持续突破，AI 计算迈向高密度化，能够满足高功耗散热需求的液冷数据中心已成为下一代建设的主流方向，行业正致力于技术攻关。例如，浪潮信息发布的全栈液冷产品，其全线服务器均支持冷板式液冷。2025 年初投入运营的元脑算力工厂，秉承“高密 + 绿色”的未来智算中心设计理念，在算力单元部署了高密度智算算力仓，并采用光伏、储能、余热回收等绿色节能技术，成功将 PUE 降至 1.1 以下。

“数字基础设施的节能降碳是实现‘双碳’目标中见效最快的领域之一，能为‘双碳’目标提供实质性的减排贡献。”李铭岩表示。

以已落地的算电协同项目为例，宁夏中卫首个大规模算电协同绿电直供项目在全面投产后，年发电量预计将达到 43 亿千瓦时，相当于每年减少碳排放 365 万吨。

李铭岩介绍，在“东数西算”工程的推动下，八大国家枢纽节点新建数据中心的 PUE 已普遍降至 1.2 至 1.3 区间，累计建成 306 家国家绿色算力设施，PUE 平均值降至 1.25。在国家级零碳园区建设的宏大框架下，一批标杆项目正加速构建绿色运营体系。

在安徽省合肥市，充满科技感的“巢湖明月”硅立方已成为当地新地标，这是曙光数创利用创新“正方体”立体架构打造的高密度浸没式液冷 AI 计算机。依托曙光数创的浸没相变液冷技术，电子元件被完全浸泡在特殊冷媒中，元件发热促使液体沸腾汽化，通过相变过程带走热量。此项液冷技术可实现 PUE 低至 1.04，整体能耗降低 30%，产品单机柜功率密度较传统风冷提升了 4 至 5 倍。

在李铭岩看来，数字基础设施本身具备极高的低碳乘数效应——凭借大数据、智能算力及智能调度系统，可深度赋能工业制造、城市治理、交通运输等诸多领域。以数字化领域的微小投入撬动实体产业的大幅减碳，这正是数字基础设施助力全社会降碳的价值延伸。

陈又新表示，推动数据中心等数字基础设施节能降碳，已成为实现“双碳”目标的关键战场与转型引擎。数据中心是我国能耗和碳排放显著增长的行业之一，遏制其碳排放的过快增长，本身就是对实现碳达峰、碳中和目标的直接贡献。此外，数字基础设施通过赋能千行百业，其减碳价值远超自身。

当前，我国绿色数据中心建设成效显著，能效水平持续优化、技术创新加速突破、发展模式发生深刻变革。但也应看到，尽管政策力度不断加大，在实际推进过程中，仍面临多重结构性挑战。

首先，国内绿电资源主要集中在西部，而大量实时推理算力需求却集中在东部；同时，新能源出力受天气影响波动剧烈，而 AI 大模型训练等核心任务则需要长时间、高稳定的电力保障，二者在时空维度上存在矛盾。

其次是规划节奏错位。算力需求的爆发式增长属于“快变量”，而电网建设周期长属于“慢变量”，两者节奏不匹配的问题已在部分地区显现。

而在技术标准与市场机制方面，异构算力互联互通、跨区域算力调度等技术标准化进程较为缓慢。同时，绿电直连的定价机制、跨区域交易规则、碳排放核算标准等仍有待完善。

“推动数字基础设施节能降碳，是一项涵盖技术、政策、市场、标准等多个维度的系统性工程，需要统筹规划、久久为功。”李铭岩说道。

李铭岩建议，应将绿电使用占比作为项目布局的重要参考指标，新建算力设施需同步配置绿电供应与储能配套，从源头杜绝因“先建后配”导致的能耗失控；探索建立绿电直连的价格传导机制，在绿电富集地区试点“绿电直供 + 价格优惠”组合政策，吸引更多算力企业主动选用绿电；设立绿色算力技术攻关专项，支持液冷、自然冷却、高效供配电、余热回收等关键技术的规模化应用；建立涵盖算力生产、传输到应用的全生命周期碳足迹核算框架；探索算力设施作为电网柔性负荷参与需求侧响应，将数据中心从单纯的“耗能大户”转变为电网的平衡调节资源，从而获取额外收益。

随着人工智能产业的飞速发展，数字经济正面临算力快速扩张与能源供给约束之间的平衡难题。

陈又新表示，平衡算力扩张与能耗约束，绝非简单的加减法，而是要进行系统性的优化革命。既要从源头优化，借助“东数西算”等国家工程将新建算力设施向可再生能源丰富的西部地区倾斜，也要通过技术革新提升运行效率，在消耗同等能源的情况下释放更多算力。此外，还应改革运行模式，通过“算电协同”机制，将算力负载从刚性需求转变为柔性资源，主动适配绿色电力的时空分布。（记者 赖奇春 黄 鑫）