从人工智能大模型ChatGPT一鸣惊人，到今年的Sora大模型横空出世，人工智能备受瞩目的同时，算力热潮也是一浪掀过一浪，竞争风起云涌。
比算力，拼速度，今年火得藏不住。
（来源：浙电e家 作者：融媒体中心）
算力，即计算的能力，是数据中心服务器对数据处理并实现结果输出的能力。以炒一道菜来做比喻，数据就是食材，算法是菜谱，算力则相当于厨师的厨艺。
浙江算力“家底”几何？
过去一年，浙江不断发力推动通用算力之外多元化的算力发展。
去年1月，宁波市人工智能超算中心一期正式上线；去年5月，桐乡“乌镇之光”超算中心正式纳入国家超算中心序列，成为浙江唯一的国家超算中心；去年7月，长三角·平湖润泽国际信息港通电投运，系长三角区域内首个万卡级智算中心。今年1月25日，图灵小镇AIGC智算中心宣布启用，且首批人工智能企业正式入驻杭州萧山区钱江世纪城核心区。
张江长三角平湖园的长三角·平湖润泽国际信息港110千伏用电项目丨张蜜蜜 摄
数据显示，截至2023年9月，浙江已经建成5G基站数量21.9万个，数据中心156家，建成算力总规模达9EFLOPS(每秒900亿亿次浮点运算)。
“算力每秒900亿亿次”是什么样的概念？打个简单比方：假设全中国14亿人每秒钟执行一个“1+1=2”的计算，那么900亿亿次，需要14亿人口不眠不休地算上200年。
为什么各地在算力这件事上，都要这么“死磕”？
相关统计显示，算力指数每提高1个点，数字经济和GDP将分别增长3.3‰和1.8‰。一言以蔽之，作为数字化转型和人工智能产业发展关键生产要素，算力是各地角逐新质生产力前沿阵地不容忽视的重要基础设施。
国网平湖市供电公司客户经理来到辖区一家大数据中心，了解企业UPS电源情况丨陈怡 摄
换句话说，未来哪座城市跑得更快更前，算力是核心要素之一。
难怪全国各地的城市要纷纷发力。
但别急，要实现算力自由，还要尽快挪开前进路上的“绊脚石”。
算力的背后是电力？
今年年初，英伟达创始人黄仁勋在一场公开演讲里表示，“AI的尽头是光伏和储能，不要光想着算力，如果只想着计算机，需要烧掉14个地球的能源”。
无独有偶，OpenAI的创始人山姆·奥特曼、科技圈的大佬马斯克也提出了类似的看法。
一句话总结：要发展AI，万万不能把新能源给落下。
那么，这“吃电猛兽”究竟有多疯狂？
在互联网时代，仅仅用于数据存储的数据中心每年耗电增速和耗电占比数据基本维持线性增长，预计到2030年，中国数据中心能耗总量将超过4000亿千瓦时。
国网平湖市供电公司客户经理来到辖区一家大数据中心，查看企业自备发电机组运行情况丨张蜜蜜 摄
顺着这一条线，如果生成式AI被进一步采用，耗电量可能会更多。
据中国科学院院刊估算，假设ChatGPT每日有2亿次咨询量，预计每日至少需要0.0584EFlops算力，则需耗电79.2万千瓦时。按中国居民人均每月生活用电约83千瓦时来算，ChatGPT单月耗电量差不多跟28.6万中国人相当。
由此可见，对于算力网络来说，电力是稳定的基础。只有具备了稳定的能源供给体系，智算中心、数据中心、网络设施等数字基础设施才能稳定运行。
意识到自身对能耗需求的“疯狂”后，数据中心等算力基础设施也在“向内求”，追求提高电能利用效率。
这是嘉兴平湖一家大数据中心。目前，该大数据中心已经建成2栋机房楼，服务器规模达到6个1024群组(6144台)，计划投运算力9.72万PFLOPS。今年1-6月，企业总用电量达4834.5万千瓦时。
国网平湖市供电公司客户经理来到辖区一家大数据中心，了解企业水蓄冷运行情况丨陈怡 摄
解决能耗问题，大数据中心给出了自己的一个更具“性价比”的解法：
考虑到当地气候和水资源情况，大数据中心通过自主研发的“数据中心智能低碳全域制冷系统”模块，使机房的整体制冷效果较传统显著提升，有效提高电能使用效率。
以3000个6千瓦机柜为例，在同等算力情况下，液冷系统相较于冷冻水系统，每年可节约用电5676.48万千瓦时，可满足中国近2万个家庭的年用电量。
除该项技术的应用外，大数据中心还搭建起了余热回收系统，将冬季各类设备产生的热量用于办公楼供暖，有效提升能源的使用效率，预计可减少燃煤5000吨。按照北方一个采暖季户均4吨左右耗煤量来计算，相当于1250户家庭的消耗量。
电力算力相辅相成
说了算力对电力的迫切需求，但在某些时候，算力也能反哺电力系统。
从与电网的互动角度看，承载算力的数据中心一方面具有储能的能力，另一方面也有完备的输电、供电设施，具备了与电网协作的可能。
简单来说，数据中心可以在用电低谷期存储、消纳包括绿电在内的剩余电力。在用电高峰期，反向供电，帮助电网提供更多的电力。
依旧拿嘉兴平湖这家数据中心来举例，企业的水蓄冷项目接入嘉兴市虚拟电厂后，可以满足电力系统灵活性调节需求，在用电高峰期，调节电功率为8200千瓦，最大时长是38分钟，并有望参与电力市场交易，带来更多经济效益。
除此之外，而今的电力市场，也需要大规模算力的支持。
放眼电力市场，交易类型从单纯以电能量交易为主发展为电能量交易、辅助服务交易和容量交易并存。交易主体百花齐放，新型储能、虚拟电厂、负荷聚合商等新主体、新业态不断发展。
竞争格局也从仅有发电侧单边竞价发展为发电侧和用户侧多买多卖、“源网荷储”多方协同互动。
其中，也体现出数据量巨大的变化，从过去发电侧、用电侧的单独数据，到现在增加了大量数据交互和数据需求，从一个数据发展到成千上万数据，算力对市场体系来说，必然会是一个相互融合，也是支持整个市场体系建设的过程。
借用北京大学高性能计算平台技术负责人樊春的一句话来结尾，算力和电力是一个非常强耦合的关系，没有电力就没有算力，同时算力能对各行各业，包括电力系统形成一个很强的支撑作用。
也就是说，未来能源的形态必定是电力与算力融合的形态。通过电力和算力共同发挥作用，促进大规模可再生能源协同发展，以在电力和算力螺旋式上升的过程中，实现能源系统的高质量发展。
参考文章：
《当算力网遇上电力网》
《不止ChatGPT，新型电力系统算力“告急”》
《“电力算力融合”发挥数字化引擎作用》
《我国算力发展的需求、电力能耗及绿色低碳转型对策》
供稿
嘉兴·平湖公司 吕一凡 陈怡 王昱杰
