2025年ICT行业能源演进——电信、数据中心与人工智能能耗分析及未来展望报告

内容 16作者 17关于未来？11结论14引言 4历史和当前电力使用5执行摘要 3为什么能源使用不是以指数级增长？8参考文献 执行摘要 在过去十年中，关于信息通信技术（ICT）行业的电力消耗问题已有大量讨论。人们对该部门的电力消耗可能因数字化程度提高和数据量、处理和存储量的增长而显著增加表示担忧。回顾过去，大多数ICT研究对未来的电力消耗预计过高，因为他们主要依赖于假设更大的数据量将成比例地需要更多的电力来传输和处理这些数据。 爱立信的研究[1] 表明，尽管2007年至2023年间总数据流量呈指数增长，约增长80倍，但在使用阶段的信息与通信技术（ICT）电力消耗仅增加了1.4倍。很明显，数据传输和电力消耗并不成直接比例。预测未来ICT电力消耗需要依赖于对硬件市场统计数据以及实际公司报告的电力消耗数据的理解，以更可靠地识别现有的和未来的能源趋势。 预计在未来几年内，网络和数据中心用电量将继续增长。然而，爱立信的分析并不预测由于数字化增加、网络扩展以及传统数据中心服务的增长导致电力消费呈指数级增长。不确定性在于未来几年人工智能服务和技术的演变方式。短期内，AI硬件供应存在限制，无法实现能源使用的指数级增长。同时，也预计需要更高效的AI模型和硬件以满足盈利性、成本和其他先决条件。因此，技术进步在数字领域的角色，结合扎实的预测，对于理解未来和推动支持可持续数字增长的政策制定至关重要。 引言 持续数字化转型引发了对信息通信技术（ICT）行业用电量和相应温室气体排放的担忧。过去几十年里，已制定了未来的电力需求预测。然而，它们共有的问题是未能准确预测信息通信技术（ICT）行业的电力消费趋势，且结果往往被夸大。 这份白皮书将展示预测研究通常失败的原因，以及在过去十年中网络和数据中心实际电力使用是如何演变的，并描述是什么推动了这些技术的电力消耗。我们将表明数据量与电力使用并不直接相关，并探讨行业潜在的未来场景，重点关注网络和数据中心。此外，论文将尝试探讨人工智能的影响，以及关于其当前和未来能源使用的相关讨论。 历史和当前电力使用 ICT行业由三个主要部分组成：固定和移动网络、数据中心以及用户设备，例如智能手机和电脑。爱立信的研究表明，自2007年以来，该行业用电量每年持续增长约1%至2%。与此同时，产品和解决方案的能源性能也在不断改进。尽管数据流量在2007年至2023年间呈指数级增长，大约增加了80倍，但全球ICT行业的电力消耗仅增加了1.4倍。在同一时期，用户数量和他们使用的设备数量从大约30亿固定和移动用户增加到了超过100亿。因此，每名用户的电力消耗显著下降。相关ICT行业的温室气体（GHG）排放趋势与能源消耗相同。然而，自2020年以来，整个生命周期的总预估GHG排放量开始下降。ICT行业能源和碳排放量较低，仅消耗了全球4%的电力，并贡献了1.4%的温室气体排放。[2] 信息技术（ICT）行业电力消耗 2020 - 2023 2023年，整个ICT部门使用阶段的电力消耗量约为1,000太瓦时。[3这是自2020年报道的约940太瓦时以来的一小幅度增长。2023年，网络和数据中心为总电力消耗贡献了约550太瓦时，剩余的450太瓦时来自用户设备。这些结果基于爱立信进行的调研，并结合了来自160多家大型ICT公司的公开披露电力使用报告，这些公司代表了超过90%的互联网流量。为了实现全球代表性，披露的数据已经外推以创建每个子行业的总量。 收集和分析来自网络运营商和数据中心运营商公开的信息提供了探索这些细分市场发展的机会。图3展示了来自63家网络运营商的报告数据，这些网络运营商涵盖了全球约75%的所有移动和固定订阅。数据显示，与2020年相比，2023年的用电量略有增长。图3右侧的图表显示了从36家大型数据中心运营商收集的电力消费数据，这些数据中心运营商覆盖了超过90%的所有互联网流量。在这里，电力消费的增长是显著的，大约达到50%。 根据Omdia研究，2023年，包括微软、Meta、谷歌和甲骨文在内的少数几家公司采购了几乎所有的新一代AI GPU。据估计[4] 那些专用于人工智能特定服务的电力消耗，在2023年约占数据中心总电力消耗的8%，这意味着不到ICT行业总消耗的1%。 历史上，已有几项研究为不同终期年份的ICT行业用电量和碳足迹开发了预测。2024年，爱立信发布了一项关于实际结果的报告[5]，表明许多2020年的预测高估了该行业的电力消耗和温室气体排放增长。这些高估的主要原因往往是研究中使用的数据质量。许多研究主要依赖估计的未来数据量，假设更大的数据量将成比例地需要更多电力来传输和处理数据。这种方法会导致错误的结论，将在第4节中描述。 为什么能源使用没有呈指数增长？ 简单答案是，能源消耗并不直接与数据量成正比。在网络中，传输和处理数据只占所消耗电力的很小一部分。大部分电力用于提供覆盖范围，即使没有数据传输或处理时也是如此，这被称为基本负荷消耗。例如，在移动网络中，小区与设备（如手机）通信，以同步位置、信号强度和其他参数，只有少量的信令数据被交换。这种基本负荷消耗约占电力消耗的95%，此时网络正在监控网络中各个小区连接的所有设备。 预测未来电力消耗通常使用自上而下的研究，这些研究通常使用与强度系数相关的基线能源消耗估计，如每数据单位能源（kWh/GB）。作为下一步，假设当前能源强度在未来将保持不变。这被用来根据数据量增长预测未来的能源消耗，并进行各种能源效率提升的调整。大多数这些过去的研宄都大大高估了该行业的能源消耗。因此，自上而下的方法并不能很好地代表未来的网络能源使用，也不能用于计算真实世界应用的能源消耗。 一种替代方法是利用自下而上的研究，使用有关技术的详细数据，例如服务器功耗的设备规格、数据中心基础设施特征（如能源使用效率 - PUE）以及安装基础和设备出货量价值。这些方法往往更接近网络的实际结果。 信息与通信技术能源演变：电信、数据中心和人工智能为何能源使用量不是指数式增长？2025年4月 然而，结合自下而上的方法并与现实情况进行核对，使用公司报告的数字来验证模型是否是真实系统的良好代表，这一点非常重要。 能源效率与蜂窝通信标准 电能在蜂窝网络中的消耗在很大程度上依赖于电信标准的生成。例如，对于4G，系统信令每0.2毫秒（ms）传输一次，以与任何设备通信。另一方面，在5G标准中，强制传输之间的时间可以是20ms甚至更长——比4G长100到800倍。延长的通信间隔为利用无线电接入网的睡眠模式提供了机会，从而实现了相应降低的电力消耗。对于未来的6G，进一步延长这些通信间隔的机会存在，从而实现更进一步的能源效率提升。[6] 瓶颈在于用户需要快速接入通信网络。因此，间隔时间不能过长，以至于干扰用户体验，比如在需要时无法使用服务或进行电话通话。 评估电力消耗 建议对网络和数据中心用电量的估算采用两步法，即将自下而上的分析与实际报告的能源消耗数据相结合。自下而上的分析，也称为功率模型，已在同行评审文章中进行了描述。[7原则上，功率模型利用有关各个硬件组件的信息，考虑到它们的最大功率和空闲模式功率值，以计算网络或数据中心随时间变化的代表性能耗。第二步是现实核查，其中使用公司报告的当前数据来了解通过功率模型获得的数据值是否正确。对公司报告数据的评估可以补充以全国范围内的能源生产和消费统计数据。例如，某个历史时间段内该行业的预估增长是否反映在公共统计数据中？现实核查对于获得与实际条件相符的值以及理解几个参数，例如数据中心的使用率，以及评估所使用的整体预测模型，都是重要的。 此外，在长期观察中，一个重要的能源效率指标是每用户能源消耗（千瓦时/用户），因为用户数量在时间上变化并不显著。如前所述，网络中的大部分电力用于保持系统运行，而没有任何数据传输。例如，GSMA在Covid-19大流行期间报告称，移动网络中的数据传输增加了50%，而电力消耗保持稳定。[8在数据中心，评估实际使用的电力容量非常重要，这个容量通常远低于其最大容量。此外，从能源角度来看，电信网络与数据中心的主要区别在于其容量可扩展性和相关电力使用的上下调整能力。 另一个在未来预测中未被充分考虑的方面是信息和通信技术设备的持续发展和效率改进。网络设备和新技术代际正变得更加节能，并提高他们的容量。 信息与通信技术能源演变：电信、数据中心和人工智能为何能源使用量不是指数式增长？2025年4月 并且需要计算能力，使用更少的设备来满足性能要求。同样的情况适用于服务器、路由器、交换机和其他基础设施。这是决定未来基础设施整体电力消耗的一个重要因素。 总之，即使我们指数级增加数据传输量，我们也不会看到相同的电力消耗增加。这一点在历史上是正确的，未来可能也是如此。 关于未来？ 未来的预测复杂，需要考虑多个因素，例如网络覆盖和数据中心的扩展、所使用的设备类型、用户数量以及硬件和系统代际的技术进步。正如前几节所讨论的，结合实际数据，电力模型是目前最准确的方法。同样，对于网络而言，研究表明使用强度值（如每传输数据的能量）会导致高估和不正确的结果。 数字化程度的提升和更广泛的网络覆盖率需求，将存储和计算能力从本地转移到云服务，以及整体上对高质量数据服务需求的增加，均将导致数字服务消耗的电量上升。爱立信已预测了到2030年ICT行业的电力使用量和潜在碳足迹，见图6。预计整体电力消耗将持续增长，到2023年至2030年，电量将增加约10%，达到约1,100太瓦时。预计到2030年，网络和传统数据中心服务的电力消耗分别预计增加6%和13%。 此外，还有利用人工智能的服务扩展，而我们仅仅看到了这一演变的开始。然而，对于网络和传统数据中心服务，即使我们预计该行业的电力消耗会增加，预计增长也不会呈指数级，正如一些研究报告所显示的。简单的原因是设备正在不断变得更加高效，新一代网络系统的标准正在越来越多地纳入节能措施，最后，数据传输永远不会直接与电力使用相关。此外，随着我们构建和部署新一代网络和服务器系统，老旧且能源效率较低的技术和硬件将被逐步淘汰，并替换为更节能的设备。 人工智能的影响？ 人工智能的采用将如何影响未来几年的数据中心市场？首先，这项技术仍处于起步阶段并且发展迅速，这使得预测未来人工智能系统的构建方式变得困难。当前系统在训练过程中消耗大量电力，并持续采用更强大的硬件。然而，我们也看到了潜在的颠覆，例如DeepSeek，它声称其可以将大型语言模型（LLMs）运行的效率远远高于其他竞争对手。此外，已经宣布了大量投资用于人工智能的发展，这将有助于使该技术更加高效。从商业角度来看，降低人工智能的能耗是必要的，以便能够提供具有未来吸引力和健全商业模式的产品。 爱立信预测，到2023年底，约有1200万AI图形处理单元（GPU）投入使用，消耗约21太瓦时电能，约占所有数据中心电能消耗的8%，即占整个ICT行业的不到1%。展望未来，预计[9AI的能源消耗预计到2028年将增加至数据中心总用电量的20%。 2024年，高端GPU的销售量预计是2023年的三倍，达到约200万台，与低端GPU的销售量持平。[10预计在未来几年高端GPU的销量将持续上升。目前，这些建耗大量能源的单位有70%被少数几家大型全球公司采购。与此同时，我们也观察到了传统服务器系统市场的下降。 此外，另一个重要方面是人工智能系统使用的频率和持续时间。最耗能的活动是训练一个人工智能模型；然而，在未来，人工智能推理或使用预计将占能源消耗的更大一部分。 最后，评估人工智能电力使用预测的可靠性至关重要。基于自下而上的分析，审查服务器和GPU销售的市场数据，结合ICT公司报告的能源消耗数字以及全国范围的电力消耗统计数据，我们可以更好地理解未来可能发生的情况。由于数据中心的大部分运营成本与电力相关，因此需要替换老旧且能效较低的硬件，以降低运营成本并增强竞争力。此外，还需要考虑技术进步。根据国际能源署（IEA）的数据，与AI相关的芯片效率每三年翻一番，最近的芯片在完成相同计