基于AI的金融数据中心绿色节能技术研究报告-北京金融科技产业联盟

基于AI的金融数据中心绿色节能技术研究报告 北京金融科技产业联盟2024年7月 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。 编制委员会 编委会成员： 聂丽琴张海燕王旭东 编写组成员： 赵春华葛金磊冯博陆曦蔡学识徐省委李培汪宏邢雪松王韬郑峥原野于航何世荣范鹏侯杰周存浩李西峰孙曦李海平李泓萱费若雨边鹏旭程峰章 编审： 黄本涛周豫齐 参编单位： 北京国家金融科技认证中心有限公司新华三技术有限公司 网联清算有限公司 中金金融认证中心有限公司北京银联金卡科技有限公司中国工商银行股份有限公司中国建设银行股份有限公司安徽省农村信用社联合社蚂蚁科技集团股份有限公司 上海兆芯集成电路股份有限公司杭州谐云科技有限公司 锐捷网络股份有限公司 摘要 中国人民银行印发的《金融科技发展规划（2022—2025年）》 （以下简称《规划》）将“绿色低碳”作为四项基本原则之一，以实现碳达峰碳中和为目标，加强金融科技与绿色金融的深入融合，助力实体经济绿色转型和低碳可持续发展。《规划》中明确要求建设绿色高可用数据中心，积极运用绿色节能技术，加快数据中心绿色化建设与改造，加强能耗数据监测与管理。要求新建大型、超大型数据中心电能利用效率不超过1.3，到2025年，数据中心电能利用效率普遍不超过1.5。服务器电能消耗占据数据中心总能耗的绝大部分，服务器中的系统级能耗优化和节能技术意义重大，能很大程度助力金融数据中心满足绿色低碳基本原则，成为构建金融数据中心绿色低碳能力的核心技术。 本报告从金融数据中心在绿色节能领域AI技术应用的体系 架构、关键技术，全生命周期管理及应用探索等方面展开研究，通过对AI技术和绿色节能理念的综合运用，给出金融数据中心绿色节能AI技术应用水平的评估指标和评估方法，旨在推动金融科技产业实现绿色低碳发展，提高金融数据中心能源利用效率和降低能耗。由于经验学识所限，本文仍有诸多不足，恳请各界批评指正。 目录 一、研究背景及目标1 （一）研究背景1 （二）研究目标4 二、体系架构及关键技术6 （一）体系架构6 （二）关键技术8 三、全生命周期管理17 （一）规划设计18 （二）建设改造19 （三）运行维护21 （四）智能优化22 四、应用探索24 （一）智慧机房设计25 （二）暖通系统调控27 （三）绿色算力调度34 五、金融数据中心绿色节能AI技术应用评估37 （一）总体原则37 （二）分级定义39 （三）分级维度40 六、未来展望46 参考文献48 一、研究背景及目标 （一）研究背景 1.数据中心绿色节能发展背景 党的十八大以来，党中央、国务院高度重视大数据发展和数据中心建设。习近平总书记指出“要以推行电子政务、建设新型智慧城市为抓手，以数据集中和共享为途径，建设全国一体化的国家大数据中心”。2020年9月，我国提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的目标。据统计，我国数据中心年用电量已占全社会用电总量的2.5%左右，且仍在快速增长。随着“双碳”战略的提出，数据中心作为能耗大户，其推进绿色节能建设和脱碳转型具有重要意义。为此，国家多部门和地方政府出台了一系列政策和相关措施，要求新建区域内大型及以上数据中心PUE需低于1.3，集群内大型及以上数据中心PUE需低于1.25，到2025年，数据中心PUE普遍不超过1.5。而我国尤其中部地区，目前现有数据中心PUE普遍高于1.5，部分“小散老旧”数据中心PUE更高达2.0左右。这就需要数据中心建设和运营管理必须坚持走高效、低碳、集约、循环的绿色发展道路，切实履行节能减排和可持续发展的社会责任。 2020年12月和2021年5月，国家发展改革委、中央网信 办、工业和信息化部、国家能源局4部门联合印发《关于加快构建全国一体化大数据中心协同创新体系的指导意见》（发改高技 〔2020〕1922号）、《全国一体化大数据中心协同创新体系算力枢纽实施方案》（发改高技〔2021〕709号），围绕“数网、数纽、 数链、数脑、数盾”五大体系构建全国一体化大数据中心系统创新体系，明确在京津冀、长三角、粤港澳大湾区、成渝等重点区域以及部分能源丰富、气候适宜的地区布局大数据中心国家枢纽节点，优化数据中心基础设施建设布局，推动数据中心绿色可持续发展。 中国人民银行发布《金融科技发展规划（2022—2025年）》 （银发〔2021〕335号），要求打造新型数字基础设施，建设绿色高可用数据中心，明确提出“积极应用绿色节能技术和清洁可再生能源，加快数据中心绿色化建设与改造，加强能耗数据监测与管理”。为实现金融数据中心能效提升和绿色发展，北京金融科技产业联盟组织会员单位共同编制并发布金融业绿色数据中心白皮书及金融数据中心能效管理标准，并开展金融数据中心绿色节能相关标准编制工作，为建设资源更均衡、供给更敏捷、运行更高效的金融信息基础设施提供参考。 2.数据中心智能化应用背景 2021年出台的《全国一体化大数据中心协同创新体系算力枢纽实施方案》中，对数据中心提出了从“加强绿色集约建设”“加强能源供给保障”“提升算力服务水平”“深化数据智能应用”等9大核心任务，为数据中心的未来指明了发展方向。 2021年工业和信息化部印发了《新型数据中心发展三年行动计划（2021—2023年）》（工信部通信〔2021〕76号），指出新型数据中心是以支撑经济社会数字转型、智能升级、融合创新为导向，以5G、工业互联网、云计算、人工智能等应用需求为牵 引，汇聚多元数据资源、运用绿色低碳技术、具备安全可靠能力、提供高效算力服务、赋能千行百业应用，与网络、云计算融合发展的新型基础设施。 在高质量发展内驱力的推动下，数据中心的绿色低碳转型和智能化革新势在必行。在这一过程中，人工智能（AI）技术的应用不仅提高了业务流程的自动化和智能化水平，同时也为业务决策提供了强有力的支撑。对现代金融行业来说，智能化技术应用已成为其数据中心提升效率、优化运营和增强安全性的关键驱动力，主要应用在以下几个关键方面。 一是智能建设与规划。在数据中心规划和建设阶段，利用 BIM创建三维模型，模拟和优化建筑设计以确保空间利用最大化，减少建设过程中的材料浪费，提升建设效率与质量。采用模块化设计，使金融数据中心可以灵活扩展，支持快速部署和高效运营，适应不断变化的金融业务需求。 二是智慧能源管理。通过管理系统实时监控电力使用情况， 优化能源消耗，提高电力利用率，确保运营成本最低化和满足可持续发展目标。结合太阳能、电池储能等可再生能源技术，减少对市电的依赖，确保数据中心的绿色运营。 三是先进冷却技术。采用液冷、浸没式冷却等高效冷却技术， 提高热量管理效率，适应高密度计算环境的要求。 四是智能监控与管理。进行全面的资源监控、管理和优化功能，追踪电力、制冷、空间和网络资源的使用情况，支持对金融 数据中心的精准管理。通过对大量运行数据的采集和分析，预测潜在问题并提供优化建议，确保数据中心的稳定运营。 五是安全运行保障。利用机器学习算法分析设备健康状态， 提前预警可能的故障，安排预防性维护，减少停机时间，确保关键金融服务的连续性。部署基于AI的网络安全系统，对流量进行实时分析，发现并阻止潜在的威胁，如DDoS攻击、数据泄露等，确保金融数据的安全性。 六是智能化设备设施。智能配电单元（PDU）和不间断电源 （UPS）系统，确保电力的高效分配和连续性，防止电力中断对金融交易的影响。使用机器人进行日常巡检和设备维护，减少人工干预，提高运维效率和准确性。 七是合规与风险管理。通过智能化管理平台实时监控和记录 数据中心的运行状态，确保满足金融行业的严格合规性和审计要求。建立智能化的风险评估和应急响应机制，确保在出现故障或灾害时，能够迅速恢复业务，减少对金融服务的冲击。 智能化技术正在全方位改造金融数据中心的运营方式，从数据分析、风险管理到客户服务、流程自动化，都显现出显著的效益。智能化技术的不断发展，必将带动金融行业进入一个更高效、更智能的新阶段。 （二）研究目标 本报告从金融数据中心在绿色节能领域AI技术应用的体系架构、关键技术，全生命周期管理及应用探索等方面展开研究，通过对AI技术和绿色节能理念的综合运用，给出金融数据中心 绿色节能AI技术应用水平的评估指标和评估方法。 1.体系架构及关键技术研究。构建云、边、端三级体系架构，并运用人工智能关键技术，在数据中心体系架构中实现多层次的 策略部署，实现服务器、存储、网络等基础设施的部署优化。三级架构设计优化了数据中心的资源分配，降低了冷却与能源需求；在边缘侧开展本地数据处理，降低数据传输过程中的带宽消耗和网络设备能耗，从而优化整体能效；对服务器、存储和网络资源进行动态分配和灵活调度，减少闲置资源的能源消耗，提升资源利用率；同时分层架构有利于分阶段建设和灵活扩展，可根据实际需求动态调整资源。 2.全生命周期管理研究。从规划、建设、运维、优化4个环 节进行应用研究，通过运用AI技术对数据中心硬件和软件进行全生命周期管理，包括智能能耗管理、动态资源调度、冷却系统优化、环境数据集成、预测性维护等，实现数据中心的智能化运营，提升数据中心的能源利用效率。 3.应用探索。针对数据中心绿色节能优化最为显著的3方面 进行研究，包括设计和优化智慧机房管理系统，实现设备的实时监控、故障预警和能耗优化；利用人工智能算法调控暖通系统，动态调整温控参数，提高冷热管理的能效；通过AI驱动的绿色算力调度，优化计算资源的分配和使用，降低高峰期的能耗。 4.技术评估方法研究。系统研究AI技术在数据中心绿色节 能应用中的原则、评估分级和评估维度。通过对现有数据中心的绿色节能情况指标梳理，探索构建一套科学合理的评估指标体系， 为行业提供科学指导和实用方法，推动数据中心向更加高效和环保的方向发展。 二、体系架构及关键技术 金融数据中心在传统的设计方式、施工建设、运行管理、优化提升等方面需要投入大量人力，反复试错，难以找到最优的解决方案。而AI技术和数据中心的融合，可构建起金融数据中心绿色节能体系架构，不仅为AI技术的应用提供了基础，还通过分布式计算、资源池化和本地数据处理等方式，促进能源效率的提升。 （一）体系架构 金融数据中心绿色节能AI技术应用体系架构宜采用“云+边+端”部署方式，如图1所示。“云”负责统计分析展现、信息化综合管理、节能策略管理等服务，“边”负责进行近端策略执行、数据初步处理、IDC机房侧节能等操作，“端”负责数据信息采集，包括各类硬件、移动终端等。 图1金融数据中心绿色节能AI技术应用体系架构 云平台负责AI模型训练、海量数据处理与分析、基于AI服务的数据推理、策略生成与下发、策略执行结果监控、节能成效评估及统计分析展现。AI模型由云端训练后，封装为服务推送至边端，实现边缘数据实时推理。云边之间通过增强的协同通道进行数据交互。 边缘系统作为节能控制前置节点，主要负责节能策略的接收、审核、执行、反馈以及环境监控。对于数字化水平一般，不支持远程遥调遥控的情况，由云端系统下发节能策略到边缘系统，由现场运维人员根据策略内容进行手工实施，实施后通过边缘系统进行反馈。对于数字化水平较高，即支持远程遥调遥控的情况，由边缘侧对实时数据进行推理后生成节能策略，并自动化控制制冷设备参数，将环境调控到最优状态。策略执行完成后，将执行结果、节能策略反馈至云端。 通过基于AI的管理，金融数据中心能够不断优化设备调度 和能源利用，提高数据中心的能效和节能水平，降低运营成本，实现可持续发展的目标。 管理流程主要包括以下6部分。 一是数据采集上传。按照数据采集规范从端侧实时采集数据上传至边缘侧。 二是算法模型生成。在边缘侧统一进行数据处理与分析，并基于历史数据训练AI模型，将模型封装成AI服务。 三是节能策略下发。云端系统调用AI服务处理实时