深圳商报·读创客户端记者 罗凯燕

“AI的尽头是算力，算力的尽头是电力”这句在科技圈广为流传的断言正逐步具象化：GPT-4一次训练耗电量可达 2.4 亿度；最近大火的智能体OpenClaw，完成一个复杂任务所需的算力，是传统对话AI的几十倍甚至上百倍；在深圳，一个规模超6000PFLOPS的智算中心，电费支出就占运营成本的七成以上。

随着AI的发展，算力需求和用电消耗还在呈指数级增长。据国际能源署数据，到2030年，全球数据中心预计每年消耗高达945太瓦时（TWh）的电力，中国和美国将引领这一增长，合计贡献全球数据中心电力消耗增长的近80%。而当前的电网系统建设周期，往往需要5到10年。种种迹象都在印证一个正逐步成为共识的预测：电力，这一传统的能源，正在逐步成为AI发展的关键瓶颈。而AI指数级的能耗增长需求，也对全球能源体系发起了一场关于供给安全、能源结构转型与利用效率的“极限压力测试”。

智算中心电费支出占比超七成

深圳南山区百旺信智算中心机房内，数千台机柜成排林立，状态指示灯平稳闪烁，设备的液晶显示屏上，机柜的运行功率、电压等核心数据实时跳跃。在一台台机柜的高效运转下，源源不断的算力正持续涌向千行百业，为数字经济发展、产业智能化转型等提供关键支撑。据悉，这个由深圳易信科技股份有限公司自主建设运营，通过“国家A级数据中心”等级认证的智算中心，现有智能算力超6000PFlops，是深圳当前单体智能算力最高的智算中心。

深圳易信科技、百旺信智算中心总监肖成伟介绍，尽管中心已规模化部署英伟达 A800、H800、RTX4090等多种设备，取得风液融合弹性阶梯制冷架构、双冷源可靠保障系统等前沿突破，但随着通算到智算的演变，单机柜功耗也已从5kW 飙升至30kW甚至100kW 以上，电力消耗大幅增加。以英伟达最新液冷架构（GB200 NVL72）的高密度智算机柜为例，单柜功率120kW，运行24小时耗电约2880度，相当于中国一个普通三口之家一年的用电量。随着算力规模的扩张，用电成本也在激增。百旺信智算中心2021年的智算规模约为1000PFLOPS智算力，2026年超6000PFLOPS，智算力规模6年增长超6倍，用电量每年平均增长超40%，电费支出目前已占智算中心运营成本的七成以上。

这类电力消耗，在全球范围上演。高盛在2025年发布的一份产业研究报告预测，到2030年，全球数据中心的电力需求将比2023年激增160%。2026年3月，高盛更新了这一预测，将增幅预期上调至220%，预示着一场由AI算力需求与能源基础设施结构性错配引发的危机正在加速逼近。“以前比的是谁能先研发和用上先进的GPU，现在乃至未来，谁能拿到便宜、稳定的绿电更为关键。”肖成伟指出，在全球层面，电力供给的稳定性和成本，已经成为影响AI产业发展的“硬瓶颈”。

AI为何如此耗电？

对于AI的耗电原理和它与传统数据计算、存储的区别？肖成伟介绍，传统计算和存储就像是在图书馆存放或找一本书，动作少且简单，所以功耗低。而AI是一个“新生产”的过程，无论是写代码、生成图像还是数据分析，系统里并没有现成的答案，都需要调动底层几千亿个参数进行海量概率计算和推理，两者的“任务量”差别巨大。

任务不同，用到的设备也不同。传统服务器主要依赖擅长处理串行任务的CPU运行，单颗功耗通常在150W左右，而AI的运行设备是GPU，擅长处理大规模的并发任务，单颗功耗700W以上，一台AI算力服务器通常配备8个GPU卡，两者电力消耗和发热量差距显著。

此外，传统计算多是阶段性任务，算完即停，而AI训练和推理是大规模、长时间、高强度的并行计算，且要在海量数据上反复迭代，因此耗电巨大。行业普遍认为，2023—2025年为大模型训练算力时代，而“十五五”时期，将进入推理算力时代，在规模化部署下，推理算力预计将达训练算力的10倍。这一时期，大模型将从大语言模型向多模态的视觉语言大模型演进，对算力和电力提出更高要求。

至2030年，深圳数据中心电耗预计升至百亿千瓦时级

作为人工智能发展前沿城市，2025年，深圳AI相关产业总规模4685亿元，仅次于上海，略高于北京，与杭州相当，稳居全国前列。据深圳市人工智能产业协会产业研究部数据，截至2025年年底，深圳算力中心总规模超18000P，在建算力规模达54000P。易信科技、腾讯、中国移动、前海、博大等社会资本投资的智算项目也在不断增长，算力基础设施建设持续提速。但这些本地算力，仅能满足30%-40%的需求。缺口部分主要从韶关、贵阳、乌鲁木齐等地调配。

“我们的算力主要通过异地协同调配，电力也同样以外来电为主。”深圳市人工智能产业协会执行会长、高级工程师范丛明介绍，深圳“西电东送”“粤电东送深”等外来电占比超过70%。规划中的藏粤直流工程预计2029年投产，该工程年外送电规模约1000亿千瓦时，其中，向深圳输送规模约430亿千瓦时，可极大缓解用电压力。但若算力持续高速增长，电力供应仍面临紧张局面。

数据显示，2025年，深圳数据中心年用电量约34.54亿千瓦时，同比增长 14.92%，占全市用电量的 2.72%。2026年前两个月，深圳用电量达156.88亿千瓦时，同比增长7.91%。其中，全市数据中心用电量5.63亿千瓦时，同比增长21.45%。信息传输、软件和信息技术服务业总用电量同比增幅则更高，增长达34.34%。深圳市人工智能产业协会产业研究部结合在建算力中心规模和产业发展，预计到2030年，全市数据中心用电量可能升至百亿千瓦时级。

从技术极致到生态闭环

一边是算力需求以“天”为单位狂飙，一边是电力基础设施周期以五到十年计，面对迫在眉睫的电力瓶颈和能源压力，该如何突围？范丛明提出从电力效率和算力效率两大层面着手，全方位优化AI的能耗表现。

在电力效率层面，他指出，核心目标是提升单位电力所能转化的算力。主要技术路径包括：先进工艺与新型器件迭代、专用异构计算架构部署、算力拆分与任务卸载优化，以及光计算、近存计算等前沿计算范式的探索。他认为，先进工艺与器件是基础支撑。例如，1nm铁电晶体管的研发应用，可将芯片工作电压从传统5V大幅降低至0.6V，从硬件源头实现能耗的显著缩减。

在算力效率层面，重点在于提升单位算力所能实现的智能程度，通过算法与模型层面的优化减少无效计算、降低资源消耗。主要技术包括：模型量化与剪枝、知识蒸馏、新型轻量化架构设计，以及低秩微调（LoRA）等高效参数适配技术。这类技术能在不明显降低AI性能的前提下，大幅压缩模型参数量与计算量，例如DeepSeek去年推出的MLA机制，便是模型效率优化的典型实践，有效提升了大模型的能效比。

“从应用成本与效果来看，目前很多成熟技术，如基础量化、剪枝、通用异构计算等已实现规模化落地，成本可控且效果直观，能实现10% - 40%的能耗降低；潜力技术，如先进工艺器件、光计算、新型架构等，虽当前应用成本较高、落地门槛相对复杂，但在持续研发与规模化推进后，有望实现能耗的大幅降低，成为未来AI节能的核心突破口。”范丛明说。他表示，当前，协会也在积极通过开展论坛、培训、参与能耗标准制定等推动产学研协同，助力行业探索构建既能满足AI爆发式需求、又符合可持续发展目标的绿色高效算力体系。

此外，算力调度与绿能发展也是缓解电力瓶颈的关键举措。深圳易信科技、百旺信智算中心总监肖成伟介绍，我国已先后推出“东数西算”“算力网络全国一体化”等政策，一方面将东部发达地区的算力需求，引导至能源丰富、气候适宜的西部。同时，通过特高压直流输电，将水电、风电、太阳能等绿色电力输送至算力枢纽，实现算力与能源的高效协同与优化配置。

他认为，绿色算力不仅是解决AI能耗问题的最有效途径，也是人工智能产业可持续发展的最有效途径。他分析指出，技术的提升可将PUE（能源使用效率）从1.5降至1.1，实现极致的能效转换，提高每一度电转化为算力的效率。但只要AI还在计算，哪怕PUE无限接近1.0，100兆瓦的智算中心依然要消耗掉100兆瓦的电。“但如果这庞大的100兆瓦电力，全部来自风吹、日晒、水流，并且计算产生的废热还能被二次利用时，AI对地球资源的净消耗才会被真正抹平。”肖成伟说。他强调，在电力突围中，技术可实现物理层面的极致，而绿色算力，可完成生态层面的闭环。