今日分享：清华大学&火山引擎：2025年算力电力协同：思考与探索白皮书
本文是由清华大学和北京火山引擎科技有限公司联合发布的《2025年算力电力协同：思考与探索白皮书》，旨在探讨算力与电力协同发展的必要性、协同内容以及实现路径，以支持新型电力系统的构建。
- AI发展带来的能源挑战 随着AI的迅猛发展，特别是大型语言模型的出现，算力中心的能源消耗呈指数级增长。从2023年到2030年，全球服务于AI的IT设备用电需求年均增长率预计达到43%，远高于其他业务的8%。到2030年，AI相关IT设备用电需求将占全球IT设备用电需求的50%以上。 国外案例：2024年，OpenAI的CEO承认AI行业正走向能源危机，孟菲斯超级集群因电力供应不足而使用天然气发电机供电。 国内现状：截至2023年底，中国算力总规模达230 EFLOPS，位居全球第二，总耗电量达到1500亿kWh，占全社会用电量的1.6%。
- 算力中心负荷的特殊性 算力中心负荷具有高功率密度、周期性、高可靠性要求、高绿色性要求和潜在波动性强等特点。这些特征对电力系统既是挑战，也是机遇。例如，算力中心的时空灵活性可以助力新型电力系统的建设。
- 优化供能结构与用能成本 电力在算力中心建设和运营成本中占比显著。通过挖掘算力中心的灵活性，可以优化供能结构，降低用能成本，同时为电网提供负荷侧灵活性。
- 算电耦合点 算力中心的基本供用能结构包括列头柜、制冷设备、通信电源侧蓄电池、备电系统、园区内辅助能源设备和外电。这些部分构成了算电协同的物理基础。
- 相关主体的利益诉求
- 算力用户：关注业务可靠性、成本效益和减少碳排放。
- 算力中心运营商：关注供电可靠性、降低PUE值、提高绿电使用占比和减少碳排放。
- 电网公司：关注安全高效供电、清洁低碳供电以及利用算力中心的灵活性提升整体效率。
- 列头柜层面
- 目标：预测算力需求及功耗，挖掘灵活性。
- 难点：算力-电力当量表征关系不明。
- 案例：通过动态调整GPU工作频率，实现AI模型训练阶段的用能灵活性。
- 算力中心层面
- 目标：从业务逻辑弱耦合到强耦合，发掘灵活性。
- 案例：园区综合能量管理系统（IEMS）通过优化控制储能和光伏设备，提高综合能源利用效率。
- 局部电网层面
- 目标：高比例可再生能源局部电网的本地自治。
- 案例：基于氢储能的算力集群备电替代，降低备电成本并减少碳排放。
- 大规模“算力网+电力网”层面
- 目标：跨区优化调度，实现负荷迁移与优化调度。
- 关键技术：长距离算力迁移的通信和数据安全保障，以及隐私计算等。
算力电力协同是应对AI发展带来的能源挑战的重要途径。通过挖掘算力中心的灵活性，可以优化用能结构，降低成本，同时助力新型电力系统的建设。未来需要在技术、经济和社会责任等多个层面展开探索，推动算力与电力的深度融合。
【365行业报告】让你时刻了解行业现状、市场特征、企业特征、发展环境、竞争格局、发展趋势。
附报告覆盖行业范畴
免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如 涉 侵 权 ， 请 联 系 我 们 及 时 删 除 ；内容为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系。
