未尽研究 WEIJIN RESEARCH AI改变能源 智算如何引领新型电力系统 2024年8月
目录 前言 2 第一章：文献综述与方法论 4 美国的算力增长预期，分歧重点在市场 5 中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ●中国智能算力每年增长70% 7 ●乐观情景下国产芯片有望突破 8 2030年中国智算年用电最高1.3万亿度 9 智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 智算中心发展初期主要在绿电供给不充分的东部 12 ●2030年清洁电力发电量预测 12 智算用电需求的动态匹配 13 ●绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 24/7全天候“智”“能”调度 17 绿电直供与跨区域交易 18 源网荷储碳一体的配电网与微电网 18 虚拟电厂 19 结论：让智算率先实现净零碳电力 21 附录 22 关于报告 23 未尽研究 23 环球零碳 23 未尽研究 环球零碳 智算如何引领新型电力系统 AI改变能源
能源与机器，自从技术革命以来，从来都不可分.
新能源与机器学习正在走向 融合，它们符合一个共同的技术和经济规律，效率上升，成本下降，而需求增 如果能源的无限需求内 长更快，产生了杰文斯情论的效应.
生于经济发展，唯一的 选择，就是使用绿色和 杰文斯是19世纪英国工业革命期间的一位经济学家.
他发现，当煤炭的使用效 率不断提升时，对煤炭的需求不仅没有下降，反而在煤炭的应用和相关领域产 清洁的能源.
生了大量的创新，渗透到各行各业，导致煤炭的消耗量上升.
杰文斯情论在历 次技术与工业革命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升， 但人类对于化石能源的需求也持续增长了两百多年.
杰文斯情论揭示了资源、 技术、经济之间的基本关系.
摩尔定律是信息技术革命时代的杰文斯情论.
单位面积芯片上的晶体管数量每 18个月左右增加一倍，60年来相当于算力的成本至少下降了10亿倍，推动经 济与社会进入数字时代.
而在加速计算逐步占据主流的深度学习“黄金10年”，GPU的效率提升了千倍.
尽管如此，在整个经济与社会向数字化与智能化转型的过程中，对于智能算力 的需求在绝对数量和相对占比的意义上，不但没有减少，反而在加速增长，每 个季度翻番.
这在很大程度上是由于算力更加密集的基础设施和应用正在涌现.
如果考虑到未来的物理AI以及元宇宙，对于算力的需求几乎是无限的.
电力供能地位的三次超越 70 60 电力 (r3) 50 油 用能源供应 40 30 天然气 有 20 有用能源是在 加工和转 10 煤炭 换损失之后剩 0 余的总能源 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010 说明：1900年至2010年间有用能源供应的变化趋势：部门不包括非能源用途.
有用能源的估计值有所不同，这里我们采用了国际应 来源：RMI 用系统分析研究所（IIASA）的数据，这是我们见过的最详细的数据.
未尽研究 环球零碳 智算如何引领新型电力系统 AI改变能源
前言 从技术上来讲，摩尔定律和黄氏定律可以也必须持续下去，但它必须投入更大 的研发资金以及消耗更多的能源，能源革命并没有改变杰文斯情论.
而经济和 商业规律决定了，这些投资体现为更高的能量密度和算力密度的基础设施，必 须以更广泛的创新和应用实现回报（ROI），新的生产力得以形成，经济增长得 以实现.
这就是AI时代的杰文斯情论的商业和经济基础.
杰文斯情论也说明了 原有的经发展模式是不可持续的：如果能源的无限需求内生于经济发展，唯一 的选择，就是使用绿色和清洁的能源.
可再生发电边际成本趋近于零，智能算力边际成本趋近于零，这两大趋势合龙， 将引发广泛的应用创新，渗透到经济与社会中，进一步带动对于能源和算力需 求的同步上升.
生成式AI革命，与能源革命耦合在一起，也将带来能源管理方 式的根本变化.
算力革命与能源革命将互相选加、融合、增强；如果清洁能源 供应不足，电力基础设施不向新能源转型，人工智能的发展将会被“卡脖子”.
计算的本质是能源的处理形式，计算过程也是能量转换和使用的结果.
AI所带 来的海量计算，将与可再生能源一起，推动新一轮信息与能源革命.
而这一轮 大模型创新所遵循的扩展定律（scalinglaw），即更多的数据和更大的算力推 动模型越来越大，越来越接近通用人工智能（AGI），产生了大数据-大算力- 大模型-大电力的范式.
中国在新能源革命中已经处于领导地位，也是全球第二智能算力大国.
中国正 在部署AI战略，成为新质生产力中的一个战略性前沿领域.
目前中国正处于 风光等可再生能源的“黄金10年”，AI所带来的清洁电力需求，需要顺应中国 的能源转型，实现2030年碳达峰及2060年碳中和的目标.
本报告估算出中国到2030年所需要的智能算力总量，相对应的电力需求总量， 尤其是在中国电力增量中所占的比重.
我们假设中国智算中心2030年的目标是 达到世界先进水平，之后所消耗的能源以绿色和洁净电力为主，在各行业中率 先实现净零碳排放.
在国家东数西算以及八大枢纽和十大集群的总体布局下， 我们进一步分析各省的智算能力和清洁电力资源的现状及未来，将如何在支持 国家人工智能发展大计的同时，推动本地的经济数字化与智能化.
与此同时， 我们关注到智算在各地爆发式增长给电力系统以及控制碳排放带来的短期挑战， 以及算力与电力的协调发展，对于引领和加快新型电力市场建设的意义.
计算的本质是能源的处理形式，计算过程也是能量 转换和使用的结果.
AI所带来的海量计算，将与可 再生能源一起，推动新一轮信息与能源革命.
而这 一轮大模型创新所遵循的扩展定律（scalinglaw） 产生了大数据-大算力-大模型-大电力的范式.
未尽研究 环球零破 A改安源 智算如何引领新型电力系统
第一章： 文献综述与方法论 全球数据中心用电量将在A1的推动下大幅增长，一直受到关注.
从2023年以来， 由于生成式AI的迅猛发展，美国尤其为“电力危机”感到焦虑，而中国的人工 智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估.
算力需求增长、能耗及排放增加的速度，始终快于算力效率、功耗效率、排放 效率提升的速度，这是导致用电量会持续增长的根本原因.
生成式AI在内容生 成与推理方面，创造出越来越有价值的应用，而这些应用的算力、能耗与排放 的密集度也迅速上升.
来自不同行业和专业背景的机构，对智能算力的电力消费进行了为数众多的研 究，基本逻辑大同小异：先根据芯片等硬件的算力与功率，估算出数据中心的 用电量；再根据算力增长、芯片能效（单位时间内完成的计算量与消耗的电能 之间的比率）提升，以及数据中心能效（PUE，数据中心总能耗与关键IT设备能 耗的比率，数字越小越接近1，能效越高）提升的预期，来推测未来一段时间内 智能数据中心的用电量增长情况.
智能算力的提供者及主要使用者，如科技企业、电信企业、政府、以及日益数 字化的许多行业，都提出了100%使用绿色电力、实现碳中和的目标和路线图.
而获得绿电及清洁电力，尤其是直接接入供应的绿色电力，并且建立起新型能 源管理系统，是实现绿色智算中心的关键.
其中，无论在中国，还是在美国，数据中心的能效提升是确定性较强的部分.
PUE都受到监管机构或ESG政策的约束，近十年来全球数据中心平均PUE仅从1.65 降至了1.58，并非影响近年来数据中心用电量增长的核心因素.
这些研究报告，对于人工智能技术最发达、电力市场化程度最高的美国研究比较 充分，为关于中国的研究提供了基准性的参考，但忽视了中国所面临的芯片系统 技术的挑战及能源电力市场的差异性.
这些报告对美国智能算力增长和电力需求 的预期并不一致，而中国面临的首要问题是如何克服芯片能效提升的瓶颈.
不同推理任务的用电量 10 2.907 1500倍 单位： 0.1 0.049 0.047 0.038 0.01 0.007 0.004 0.003 0.003 0.002 0.001 提取式 文本分类 生成 建模 问答 说明：对数轴，每进行1000次查导，完成每种推理任务平均消耗的电能.
来源：HuggingFace，未尽研究：环球零磁 未尽研究 X 环球零碳 智资如付引领新型电力系统 AI改变能源
