- 3
- 评论
- ♥ 收藏
- A大中小
你有没有想过，ChatGPT运行一天会耗电多少？
《纽约客》杂志报道给出的答案是50万度电，相当于1.7万个美国家庭的用电量。美国电力巨头Constellation的首席执行官在一次电话会议上表示，数据中心客户的兴趣是我们20年来从未见过的。
资本已率先用脚投票。伴随着AI产业发展带来的高电力需求，美国多家电力公司都在过去一年里实现了股价翻倍。科技巨头也在过去两年也先后入股核能等新能源公司，从而为未来陡增的用电量提前布局。
这或许正印证了多位AI大佬们的预判——AI的尽头是能源。
当势不可当的AI新浪潮与高耗能相伴而生，它将对供电系统产生怎样的影响？是否真的会驱动新一轮能源产业的变革？本期《研究深一度》栏目将邀请到中欧基金制造组研究员张弛澄为大家分析AI算力发展背后的能源产业机会。
作为智能时代的生产力底座，算力是决定AI产业的能耗需要的关键因素。
• 从本质上看，AI的用电量就是算力的用电量。因此，我们可以根据芯片等硬件的算力与功率测算出单位算力能耗，结合对未来市场算力需求的预估，来推算未来AI产业到底需要多少能耗。
• 从单位算力能耗来看，以某芯片公司的8卡服务器集群DGX H100为例，每个数据中心包含2560个服务器，单个服务器算力在32 PFlops（注：衡量计算机计算能力的单位，1PFlops等于1千万亿次浮点指令/秒），数据中心集群总算力为81920PFlops，理论功耗约为28.4MW（注：功率单位megawatt，兆瓦）。
我们假设IT硬件利用率为80%，电力使用效率为1.25，则一个数据中心实际总功耗约28.4MW，即1PFlops算力每年用电量超3000千瓦时。
这是什么概念呢？国家能源局数据显示，到2023年，我国人均生活用电量接近1000千瓦时，即每年每单位算力的用电量和一个三口之家一年的用电量相当。
照此测算，若不采取节能优化措施，到2025年，全球AI用电量将达约136TWh，而2023年全年我国第一产业用电量约127.8TWh。
当然，算力的扩张受到许多复杂因素的影响。
随着AI在更多工作和生活场景中的落地，用户数的提升和AI响应的增加将带来更大的算力需求。
与此同时，AI处理任务的复杂度也会影响算力需求的扩张速度。比如Sora（视频生成模型）在训练阶段的理论算力需求大约是GPT-4（语言生成模型）的10倍，其推理阶段的理论算力需求是GPT-4的2000倍。
基于此，Morgan Stanley也在报告中披露过生成式AI未来用电量的预期，在悲观（服务器利用率50%）、中性（服务器利用率60%）和乐观（服务器利用率70%）预期下，预计2025年用电量最低也将达到77TWh，最高则可能达到150TWh。
随着AI产业对电力的需求不断扩大，电力市场能否承受这样的供电压力？这个问题很难一概而论，我们需要结合不同国家和地区的具体情况来看。
首先，供电压力可以区分为总体供电压力和区域供电压力两个部分。
比如，在海外很多国家，电力需求在过去很长一段时间里增长速度非常缓慢，电力基础设施可能面临设备老化、极端气候等冲击，本来就相对比较脆弱，如果叠加AI电力需求的增长，就会带来较大的压力，造成全国范围内的限电、断电。
除了要考虑总量的供需平衡之外，由于数据中心的分布往往考虑电价、应用等因素，集中在部分地区，这也可能导致区域供电困难。
不久前，技术创业者、前谷歌工程师凯尔科比特在社交媒体上表示，训练 GPT-6 的微软工程师们正忙着搭建IB网络，把分布在不同地区的GPU连接起来，这项工作很困难，但他们别无选择，因为如果把超过 10 万块 H100 芯片部署在同一个地区，电网就会崩溃。
在此基础上，相比于其他产业，AI数据中心对于电力还有着更高「要求」，这又间接抬高了供给端的「门槛」。
一方面，随着ESG理念落实到企业经营的全业务流程，清洁是业务发展的前提；另一方面，因为AI应用的单次训练时长可达5-6个月，需要数据中心长时间高负载工作，因此需要更强的供电稳定性。
综合前述几个因素，仅以我国市场的供需情况来看，国内供电市场的环境决定了AI对电力的拉动弹性相对较小。根据国务院发展研究中心测算，当前我国数据中心用电量占全社会用电量比例约为1%，乐观预计到2030年这一比例提升至3%-4%。
而在「东数西算」战略的部署之下，西部数据中心的选址与我国大型风电光伏基地的选址有着高度重合，新建大型和超大型数据中心应也优先布局在全国一体化算力网络国家枢纽节点数据中心集群范围内。
随着清洁能源、可再生能源的供电占比不断提升，多元化储能和综合能源供应系统不断完善，这些举措在解决区域性供电缺口的同时，也能够在最大程度上保证用电的清洁和稳定。
“ 你不能只想着要购买更多的计算机，你还必须假设，计算机的速度会越来越快。因此，你所需要的总量就不会这么多了。否则，如果你只是假设计算机的速度永远不会变快，你可能会得出一个结论——我们需要14个不同的行星、3个不同星系、4个太阳为这一切提供燃料。”
这是某芯片巨头创始人在年初举行的「世界政府峰会」上针对能耗问题提出的观点，在他看来，随着计算机性能飞速增长，我们无需无止境地配置计算机和数据中心，因此也不需要消耗那么多的能源。
而根据中国信通院发布的《中国绿色算力发展研究报告》，围绕算力生产、供给、运营、应用的全过程，在算力设备、算力载体、算能协同和算用协同等多个环节的绿色化发展都能够为行业带来积极影响。
从过去的经验来看，算力设备的迭代比想象更快。
与此同时，使用专用ASIC和灵活可编程FPGA芯片、光子芯片作为替代方案等都是行业正在探索的方向。
除了通过芯片的工艺和架构创新实现高效降耗之外，通过优化制冷技术以达到更高的PUE、优化网络通信提升服务器算力利用率等也是业界日益重视的探索方向。
在此基础上，优化数据中心的地理布局也可以实现算力的「降本增效」。
以我国「东数西算」战略中的内蒙古枢纽和林格尔集群为例，该地数据中心平均用电价格稳定在0.32元/千瓦时，而在北京、上海等地区，数据中心的普遍电费在0.8~1.2元/千瓦时。
与此同时，通过算力和能源系统的协同调度——精准控制用电负荷和储能资源，实现算力资源的动态调配、优化利用和精准匹配，也可以避免资源浪费。
当然，从长期来看，能源体系的不断丰富可能为破解「电力之困」带来更大的想象空间，眼下，核能、地热能、清洁氢（Clean Hydrogen）等新型无碳能源受到了科技巨头们的青睐。
从这个角度来看，随着我们对于AI的开发和应用不断成熟，一场关于「新能源」的革命或许也渐行渐近。而在这个过程中，为整个产业链提供服务的储能行业、数据中心配套的电力设备行业以及新能源行业的开发都可能为我们带来新的投资机会。
风险提示：基金有风险，投资需谨慎。以上内容仅供参考，不预示未来表现，也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。
$中欧中证机器人指数发起C(OTCFUND|020256)$
$中欧中证芯片产业指数发起A(OTCFUND|020478)$
$中欧先进制造股票C(OTCFUND|004813)$
