2024年为智能赋能—人工智能和数据中心能耗分析报告

2024白皮书 驱动智能 分析人工智能与数据中心能源消耗 14322253 执行摘要关键信息 在美国，数据中心供电、为制造业提供清洁能源、支持工业本土化以及 交通电气化正在推动电力负荷的再次增长。大量新的大型点负荷集群正在考验电力公司保持步伐的能力。 数据中心是全球增长最快的行业之一。在2017年至2021年期间，Meta 、亚马逊、微软和谷歌商业可用云计算和数字服务的主要提供商使用的电量翻了一番多。 数据中心负载增长预测中的基本不确定性源于商业和日常生活中的广泛人工智能（AI）技术的出现由2022年11月发布的开放AI的ChatGPT等生成式AI模型在公众意识中的爆炸性增长所标注。尽管目前估计AI应用仅使用数据中心电力的10至20，但这个比例正在迅速增长。 人工智能模型通常比在过去二十年推动数据中心增长的检索、流媒体和通信应用更为能耗密集。以每个ChatGPT请求29瓦时计算，AI查询估计需要比传统的Google查询多10倍的电力，后者大约使用03瓦时；而新兴的计算密集型功能，如图像、音频和视频生成，则没有先例。 为对国家层面潜在数据中心负载增长进行早期评估，美国电力研究协会（EPRI）已为2023年至2030年的数据中心负载制定了低、中、高和更高增长情景。到2030年，数据中心消耗的美国电力生成量预计将从目前的4增长到每年46至91。 虽然全国层面的增长估计是显著的，但考虑到行业的地理集中度和这种增长可能带来的地方性挑战，这一点更加引人注目。如今，十五个州占全国数据中心负荷的80，预计到2023年，数据中心将占弗吉尼亚州电负荷的四分之一。全球需求集中也显而易见，预计到2026年，数据中心将占据爱尔兰总电力需求的近三分之一。 随着云计算和人工智能的转型，新的数据中心规模正在不断扩大。新建数据中心容量从100兆瓦到1000兆瓦不等，大约相当于8万到80万户家庭的负荷。一至两年的连接准备时间、对高度可靠电力的需求以及从新、非排放发电源获取电力的请求可能会造成当地和区域电力供应挑战。 美国电力研究协会强调了三项支持数据中心快速扩张的基本策略： 1数据中心效率提升和灵活性的增强 2数据中心开发商与电力公司之间的紧密协调 公司关于数据中心电力需求、时序和灵活性，以及。由于电力供应和配送限制。 3更好的建模工具为了规划510年电网投资，以预见并适应数据中心增长，同时不损害其他客户利益，并确定应对这些大型、新型需求以维持电网可靠性的策略。 内容目录 执行摘要2 关键信息 2人工智能对数据中心负载增长潜在影响可能性4EPRI美 国数据中心负载预测4数据中心 电力需求集中在少数地区5支持数据中心快速扩张的路线 图6 引言7 研究问题7 美国数据中心7数据中心 主要电力消耗硬件和设备9 人工智能与数据中心能耗洞察10 每天正在处理庞大数据量10数据中心行业能 源效率历史11地理分布不均导致数据中心负载 不平衡12人工智能对功耗的影响 14ChatGPT和其他大型语言模型（LLMs） 15 预测数据中心负载增长至2030年17 基于历史数据、专家见解和当前趋势四种情景17 能源效率、负荷管理和清洁电力供应18 能源高效训练算法18能源高 效硬件19能源高效 冷却技术19可扩展清洁能源使 用20监控与分析 20降低数据中心的环 境足迹21 措施以支持数据中心快速扩张21 提高数据中心运营效率和灵活性22通过共享能源经 济模式增加可持续数据中心协作22通过改进预测和建模更好地预测未来点负荷增 长23 附录A：特定州情景24 预计前15个州数据中心负荷场景24各大区域数 据中心的容量差异27对44个州潜在电力消耗的预测 28 附录B：关于AI模型能源使用见解29 参考文献31 潜在人工智能对数据中心负载增长影响 数据中心运营是全球增长最快行业之一。国际能源署最近预测，到2026年，全球数据中心电力需求将增加一倍以上。在美国，全国前景可能与全球前景相似，但高度不确定。 一个可能改变数据中心负载增长轨迹关键不确定性是生成式AI模型使用。2022年11月30日OpenAI发布ChatGPT后，公众和企业想象力都被激发。关于这些工具将如何广泛使用以及它们将如何改变计算需求相关证据才刚刚开始显现。这些早期应用估计需要大约十倍 电力从传统谷歌搜索03瓦时到ChatGPT查询 29瓦时以响应用户查询。基于用户提示和其他新兴AI应用创造原创音乐、照片和视频可能需要更多电力。在全球拥有53亿互联网用户情况下，这些工具广泛应用可能导致电力需求发生跃变。另一方面，历史表明，对增加处理能力需求在很大程度上已被数据中心效率提高所抵消。 美国电力研究院数据中心负荷预测 借鉴关于现有数据中心、行业增长估计以及行业专家最近发布电力需求预测公开信息，美国电力研究院（EPRI）准备了2023年至2030年期间美国数据中心潜在 电力消耗四种情景（。图ES1图中蓝色线从2 000年至2020年追踪了历史数据中心电力消耗估计数据 。从2000年至2010年，随着数据中心在全国范围内扩张以支持新兴互联网，数据中心负载增长。从2010年至2017年，尽管计算需求和数据存储持续增长，但由于效率提升以及用大型云计算设施取代小型、相对低效企业数据中心，负载增长趋于平缓。近年来，负载增长可能加速，这得益于新兴人工智能应用和COVID时代对流媒体和视频会议等服务需求增加。浅蓝色区域突出了2021年至2023年数据中心电力消耗估计不确定性。彩色带显示了四种预测，这些预测结合了数据处理需求增加 估计以及对效率提升假设。这些带宽度反映了关于2023年起始负载水平不确定性： 低增长基于Statista在ChatGPT发布前发布数据中心财务增长预测，年负载增长为37。 场景 低增长适度增长 高速增长 更高增长率 年度增长率 37 5 10 15 2030年百分比电力 消费 46 50 68 91 平均历史数据 最大 Min 2000 2005 2010 2015 2020 2025 2030 600 500 电力消耗（TWh年） 400 300 200 100 0 图表ES1美国数据中心潜在电力消耗预测：20232030。2030年电力消耗预测百分比假设所有其他（非数据中心）负荷每年增长1。 适度增长基于EPRI委托专家评估，年增长率为5。 高速增长2023年夏季，根据麦肯锡估计和EPRI委托另一项专家评估，年负载增长率为10。 更高增长率基于委托专家评估15年度增长率，与人工智能应用快速扩张和有限效率提升相符。 关于2030年数据中心占美国总电力消费份额估计 91、68、50和46假定所有其他负载每年增长1。2023年，数据中心占总负载大约4 （平均估计）。 数据中心电力需求集中在少数几个区域 十五个州在2023年估计占据了全国数据中心负载80 。从高到低排名，它们是弗吉尼亚州、德克萨斯州、加利福尼亚州、伊利诺伊州、俄勒冈州、亚利桑那州 、艾奥瓦州、乔治亚州、华盛顿州、宾夕法尼亚州、新 约克，新泽西，内布拉斯加州，北达科他州和内华达州。全球需求集中度也显而易见，国际能源署最近预测，到2026年，爱尔兰数据中心可能占到爱尔兰总电力需求三分之一左右。 地图在图ES2展示了在1年增长率背景下，将每年美国数据中心增长速率（平均四个场景）应用于州级负荷预测2030年影响。在均衡增长情况下，弗吉尼亚州数据中心负荷份额在较高增长场景中增加至近50，在四个场景平均时为36。在其他州份额差异很大，根据这些简化假设，五个其他州电力需求预计将达到20或更多。实际上，负荷增长可能不会均匀分布。数据中心倾向于选择互联网连接强大、电价、土地成本和破坏性事件较低、有熟练劳动力、靠近人口中心和用户以及能够开发备用电源以确保电力供应（通常是天然气或柴油发电机）地点。附加 2030数据中心占州电力消费百分比 055101015152020 图ES22030年预测数据中心电力消耗市场份额（假设为四种增长情景平均值，且非数据中心负荷每年增长1）489 对某些开发者来说，对新型、清洁电力发电来源需求增加了开发和交付这一新发电技术挑战。 支持数据中心快速扩展路线图 数据中心扩张最严重挑战是地方性和区域性，这些挑战源于中心本身规模以及基础设施时间上不匹配 。一个典型新数据中心，其电力规模在100到1000兆瓦之间，相当于一座拥有8万到80万户普通住宅新社区。尽管社区需要多年时间来规划和建设，但数据中心可以在一到两年内开发和连接到互联网。相比之下，新建输电线路则需要四或更多年才能规划、获得许可和建设。开发和连接新发电设施也需要数年时间。 美国电力研究学会（EPRI）强调了三种支持数据中心快速扩张必要策略。这些策略强调数据中心开发商和电力公司之间合作加强。 1提升数据中心运营效率与灵活性尽管近年来数据中心运营效率提升已达到平台期，但仍有明显机会进行进一步改进，包括更高效IT硬件；降低冷却、照明和安全电力消耗；以及更高效AI开发与部署策略。增加时间和空间（即，分散计算）效率努力。 地理上灵活性对于帮助适应这些新负荷至关重要。 2增强数据中心开发人员与电力公司之间协作。更深入地理解数据中心电力需求、时间安排和潜在灵活性 同时评估它们与可用电力供应和输送限制匹配情况可以为所有人创造可行解决方案。得益于技术和支持政策，由清洁燃料驱动数据中心备用发电机可以支持更可靠电网，同时降低数据中心运营成本。将数据中心与电网关系从目前“被动负荷”模式转变为协作“共享能源经济”电网资源为数据中心供电，数据中心备用资源为电网可靠性和灵活性做出贡献不仅可以帮助电力公司应对人工智能爆炸式增长，还可以为所有电力用户带来可负担性和可靠性。 3提高点负荷预测能力以更好地预测未来点负荷增长和模拟瞬态系统行为，以维护可靠性。预测需要更好地预测新点负荷位置、规模和时间，同时需要更好决策技术决定是否建设长周期基础设施在面对与这些大型点负荷位置相关经济、监管和政治不确定性时。此外，在日益基于逆变器电网中，对数据中心运营特性实时建模对于维护可靠性是必要。 简介 研究问题 随着数据中心数量和规模扩大以支持数据处理、互联网流量持续增长以及人工智能（AI）应用快速扩张 ，一些关键问题浮现出来： 我们预计数据中心将如何快速扩张，以及人工智能快速增长将如何改变它们电力需求？ 这些发展对电力负荷和资源充足性影响是什么？ 这些趋势对未来电力基础设施规划有哪些影响？ 数据中心和电力行业如何携手合作以支持数据中心快速扩张？ 或者在大型公司内部特定部门需求。这包括嵌入在建筑物中服务器房间储藏室和“边缘数据中心”，这些数据中心位于网络外围，以便将计算能力更接近地理上远离大型云数据中心使用者3。尽管每个安装电力需求相对适中500千瓦（kW）至2兆瓦（MW），但它们约占所有服务器约一半3。市场研究分析师预计 ，到2030年，全球边缘数据中心市场复合年增长率（CAGR）将达到2214，突显了小型和边缘数据中心在数字基础设施中日益重要性。 美国数据中心 截至2024年3月，全球大约有10655个数据中心；其中一半，即5381个，位于美国。仅仅三年前，即在2021年1月，大约有8000个数据中心，其中大约三分之一位于美国1。 新建数据中心建设正在以惊人速度加速，这主要是由对人工智能驱动任务需求推动，例如语音识别 、定制诊断、物流、物联网（IoT）和生成式AI。由于ChatGPT在2022年11月30日突然流行，生成式AI兴趣 扩大尤其引人注目，这也标志着一场技术竞赛公开开始。 数据中心在设计目上差异很大，通常分为两大类：小型或大型 小型数据中心 比例，规模。代表大约10美国数据中心负载2，通常服务于本地化运营，并为中小企业、政府设施提供服务。 大规模商业数据中心 这些数据中心旨在服务于广泛运营，通常服务于多个企业甚至整个行业。这些数据中心寻求接近客户和拥有熟练劳动力地区，并且可以从较低土地成本、物业税