中國儲能網(wǎng)訊：人工智能發(fā)展如火如荼，正引爆全球科技革命與生產(chǎn)力革命。算力的旺盛需求與高速發(fā)展，不僅刺激著前端芯片產(chǎn)業(yè)的技術進步，也考驗著電力資源這種底層基礎設施的長期穩(wěn)定供應。
未來算力規(guī)模將受到六個方面的影響
從影響因素來看，未來我國的算力規(guī)模及其電力需求，將受到國家發(fā)展戰(zhàn)略、產(chǎn)業(yè)發(fā)展和科技實力經(jīng)濟實力的不斷推進、新興領域的需求驅動、政策支持與基礎設施建設、產(chǎn)業(yè)升級、區(qū)域協(xié)調發(fā)展、資本投資驅動等方面的綜合影響。
一是國家發(fā)展的戰(zhàn)略布局。從國家層面，國家通過出臺一系列政策文件明確算力產(chǎn)業(yè)的戰(zhàn)略地位，并提供資金和政策支持。如《全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系算力樞紐實施方案》《算力基礎設施高質量發(fā)展行動計劃》等，構建全國一體化算力體系，優(yōu)化算力基礎設施布局，推進東西部算力協(xié)同發(fā)展和算力資源多元化供給，將有助于提升國產(chǎn)算力市場空間。
二是國際競爭的貿易博弈。受全球高端技術供應鏈規(guī)則變化影響，高性能芯片進口受限，驅動我國國產(chǎn)自主可控的算力技術開發(fā)和產(chǎn)業(yè)鏈發(fā)展升級。芯片及上游產(chǎn)業(yè)聚合各方技術優(yōu)勢解決軟硬件卡脖子技術攻關。疊加大模型落地應用帶動需求高速增長，加快解決國內“算不起，算不好，供不上”等問題，不斷降低成本，促進算力普適性、普惠化。
三是“東數(shù)西算”的協(xié)同影響。在“東數(shù)西算”戰(zhàn)略下，存量AI算力資源將在不同地區(qū)得到更合理的布局和優(yōu)化配置，促進區(qū)域間整體協(xié)調發(fā)展。算力建設作為戰(zhàn)略性新興產(chǎn)業(yè)集群，成為內需新引擎。通過不同地區(qū)算力服務相互滲透和高效的算力調度，提高算力資源利用率，實現(xiàn)算力服務區(qū)域性拓展。
四是技術迭代與產(chǎn)業(yè)升級。當前主流的智能算力AI芯片技術路線分為通用型AI芯片GPU（圖像處理器）、半定制化AI芯片F(xiàn)PGA（現(xiàn)場可編輯門陣列）、ASIC（專用集成電路）。GPU靈活性好、冗余度大、功耗高，F(xiàn)PGA通用可編輯、冗余適中、功耗低，ASIC以硬件實現(xiàn)軟件算法、定制化無冗余、功耗最低。預測未來三種芯片類型將在不同的產(chǎn)業(yè)行業(yè)內不斷深化應用場景，不斷升級產(chǎn)業(yè)鏈供應鏈，并最終形成三足鼎立態(tài)勢。
五是規(guī)模發(fā)展的資本驅動。資本市場對算力產(chǎn)業(yè)的認可度不斷提升，投資規(guī)模增長反映出資本對算力產(chǎn)業(yè)的長期發(fā)展?jié)摿ΑＴS多企業(yè)通過上市融資擴展其基礎設施建設，在研發(fā)上加大投入以提升競爭力，特別是在高性能GPU算力數(shù)據(jù)中心成為主流解決方案的背景下，這將進一步拉動對高性能算力的需求。
六是應用市場的需求波動。人工智能發(fā)展尤其是大模型訓練對智能算力的需求將日趨增長，驅動算力產(chǎn)業(yè)快速發(fā)展，MR（混合現(xiàn)實技術）、車載等新型應用場景帶來新需求。邊緣計算將成為智能互聯(lián)世界的新型基礎設施。行業(yè)應用對算力需求較為迫切，如電力金融等數(shù)據(jù)密集型企業(yè)，對算力服務需求不斷增長，市場規(guī)模有望呈指數(shù)型增長。
未來算力電力需求需考慮硬件和軟件的進步
我國未來的算力發(fā)展，除其本身對電能質量的需求外，其電力負荷的影響因素復雜，包括：算力硬件層面的整體規(guī)模、算力芯片技術路線、技術進步等因素，算力軟件層面的模型性能、任務復雜度、算力調度算法等因素，算力運營側的數(shù)據(jù)中心PUE（電能利用效率）、上架率、能源電力價格等因素，算力市場側的市場需求、設備負載率等因素，均會對未來算力的電力需求產(chǎn)生影響。
除算力設備的規(guī)?？偭康脑鲩L外，算力芯片的類型及芯片本身的能耗技術進步也是未來算力電力需求的核心影響因素。就算力芯片類型而言，新型智算芯片或能實現(xiàn)算力能效的大幅提升。就芯片技術進步而言，GPU芯片技術的能效提升仍有空間。
算力企業(yè)的算力中心PUE和設備負載率，直接關系著用電總量。就電能利用效率而言，2023年全國在用算力中心平均PUE為1.48，與2022年的1.52相比有所提升。未來我國算力中心PUE將進一步降低，國家明確要求“東數(shù)西算”八大樞紐和十大集群的數(shù)據(jù)中心，西部PUE低于1.2，其他地區(qū)低于1.25。就負載率而言，算力企業(yè)無法做到服務器滿載運行，待機、輕載與重載的能耗水平也存在非線性變化。
軟件技術方面，大模型等新一代人工智能的迭代升級需要被納入考慮。當前國內外人工智能處于高速發(fā)展階段，截至2024年10月，我國現(xiàn)有完成備案并上線為公眾提供服務的生成式人工智能服務大模型近200個，不同大模型的參數(shù)、預訓練量、訓練時長等因素均會影響其電力需求。生成式AI接連突破了語言生成、圖片生成和視頻生成三種任務類型，任務復雜度的提升也是推動AI能耗快速增長的一個關鍵因素。此外，大模型下算力芯片調度和負載平衡的算法與規(guī)則，也一定程度上影響算力的整體能耗。
至2030年，算力規(guī)模將逐漸成為影響其電力負荷增長的決定性因素，最大的不確定性來源于能耗相關的技術進步速度。分析認為，隨著算力集群在大模型訓練中的高效與高可靠性問題逐漸解決，我國算力將逐漸從單卡、多卡模式向千卡、萬卡集群演進，在以集群彌補單卡性能不足的同時，單池萬卡集群液冷等相關技術將廣泛應用，使PUE顯著降低，算力的PUE降低與規(guī)模增長將在能耗方面形成抵消。各種壓降負荷的利好因素將逐步減弱，算力規(guī)模將逐漸成為影響負荷增長的決定性因素，最大的不確定性來源于智能算力芯片在能耗方面的技術進步?？紤]技術進步等因素，我國算力滿載負荷約為0.90億千瓦，屆時約占全國總負荷的4.09%；用電量約為0.45萬億千瓦時，屆時約占全國總用電量的3.37%。
