“绿色和平”想给大数据中心戴“绿帽”，但这不科学！

9月10日，绿色和平与华北电力大学的一份“数据报告”刷屏了，但仔细研究了这份报告之后，商业向心力实验室却认为，报告给出的建议值得商榷。

这份名为《点亮绿色云端：中国数据中心能耗与可再生能源使用潜力研究》的报告称，2018年中国数据中心总能耗为1,608.89亿千瓦时，占中国全社会用电量的2.35%，超过了上海市全年用电量，其中可再生能源电力使用量占比为23%，低于可再生能源在中国全社会电力消费量的占比26.5%。

报告据此建议，应将数据中心可再生能源使用与能耗总量和强度“双控”目标挂钩，提升部分东部地区数据中心可再生能源的使用量；同时，相关政策应加强引导部分新建数据中心向可再生能源资源丰富的中西部地区转移。

可问题在于——强制给大数据中心戴“绿帽”，让其使用可再生能源，以及将新建数据中心向中西部地区迁移的做法，真的就“绿色环保”吗？还是“脱裤子放屁，多此一举”呢？

1.大数据中心“西迁”，不是跟任正非对着干吗？

我们认为，绿色和平的这份报告给出的建议很不专业。比如，将大数据中心“向中西部迁移”，会显著增加网络“时延”，这等于让华为5G降低时延的努力“泡汤”；同时，强制大数据中心使用可再生能源，是没有考虑中国总体能源电力结构及电力并网现状，是拍脑袋的想法。

强制大数据中心变“绿”，不会改变社会总体能源电力构成

很显然，强制大数据中心变“绿”，增加可再生能源使用本身，并不会改变中国社会总体的能源电力构成。可再生能源的总量是固定的，不会因为大数据中心改用了可再生能源，中国总体的能源电力结构就会向可再生能源倾斜。

更何况，中国各地的清洁能源的电力，基本都已经统一并网或即将并网，中国可跟美国等西方国家不一样，基本上是没有“电力孤岛”的，所以可再生能源用在这里，和用在别处，本质都是一样的，如果玩“左手倒右手”把戏，等于就是瞎折腾，所以说，强制大数据中心能源结构“绿”化，没有任何意义。

同时客观来讲，大数据中心使用什么能源，应由所在地区的电力结构来决定，而不是拍脑袋决定什么“绿”就用什么，如果所有行业都如此消费，强行用可再生能源，那火力电厂岂不是都得关门了。

大数据中心“西迁”，将严重影响网络“时延”

综观世界各国大数据中心的选址来看，一般都会选择常年气温比较低、自然灾害少的山区及湖海地带，一方面四季平均气温低、水源充足、有冷空气经过的地方，有利于主机散热减少耗能，另一方面水资源丰沛也便于电力供应，大的数据中心更会优先考虑靠近发电厂；同时，基于安全考量，选址还要地震、飓风等自然灾害少。所以，中国很多大数据中心就选在了云贵山区，谷歌的一些大数据中心则靠近海湾。

同时，随着5G时代的来临，大数据中心的选址更要考虑“时延”的问题，华为好不容易将5G的网络时延降到了“毫秒级”，然后一杆子把上海等沿海地区的数据中心迁到四川重庆，网络时延一下增加了好几百倍，小学生还怎么“云在线”打王者荣耀呢？

大数据中心变“绿”的关键，应聚焦降低单位用云量能耗

那么，商业向心力实验室是要反对让大数据中心变“绿”吗？

当然不是。我们反对的是不顾资源禀赋条件，以及中国数字经济现实，强行地让大数据中心使用可再生能源和选址中西部，做“面子工程”来瞎折腾。

就当前的情状来说，让大数据中心变“绿”变环保，或者扩而大之——让数字经济更节能环保，当务之急应该是聚焦如何降低单位用云量的能耗，也就是在每次调用大数据中心的数据和算力时，消耗的电力能源如何进一步降低，以避免不必要的算力浪费，提升大数据中心效率，这才是大数据中心应该追求的真正的绿色环保。

也正因如此，我们才非常确定地说，绿色和平在报告中给出的建议，简直是外行指导内行。

2.大数据中心变“绿”的关键：提高算力能效，严防“数据污染”

商业向心力实验室认为，当前处在初级阶段的、粗放的“数据治理”，才是各类大数据中心成为“电老虎”的主要原因，不着手解决数据治理问题，不积极提高算力能效，不严防止数据污染，反而去片面追求使用可再生能源的做法，是舍本逐末的行为。

大数据中心已成“耗电大户”，并还将持续增长

国新办在今年4月发布的数据显示，到去年年底，我国数字经济规模已经达到31万亿元，占到GDP的三分之一。这意味着，以大数据中心等为代表的数字经济，正在发展成为“耗电大户”，它们的节能环保亟需予以高度重视。

与此同时，有统计显示，AI计算的算力需求正在以“每3.5个月增长一倍”的速度在增长，这远高于芯片处理器处理能力“每18个月增长一倍”的算力提升，而硬件算力提升跟不上AI算力需求所带来的结果是，数字经济耗电量成倍数增长将成为必然。

而且，这还没有考虑每年以50%左右的速度增长的数据量，以及芯片摩尔定律正在失效，芯片开发已经很难突破物理极限，硬件方面的算力提升即将面临很大瓶颈。

我们从一个侧面也能看出大数据中心能耗增长的惊人速度，来自腾讯统计的数据显示，2018年，我国用云量增长迅猛，全年用云量为464.78点，同比增幅218.25%。

提高“算力能效”道阻且长，预防“数据污染”是最大挑战

这其中，就提高算力能效而言，行业主要需要做好两大方面：

一是要更加重视数字经济人才的培养，以优化数据算法；二是要鼓励研究、开发和应用更高性能的计算芯片，包括计算芯片和存储芯片；三是努力攻克量子计算和量子存储难关，积极推进量子计算和量子存储的尽快商用。

可以说，提高算力能效是一个需要长期投入的过程，包括软硬件的迭代，都需要时间。

眼前，最迫切的应该是如何严防“数据污染”的问题，这可以说是数字经济节能的关键。关于这一点，我们在界面APP发布的文章《互联网数据治理“十问”：隐私数据可否分级管理？》中，已经有所提及，并建议提早建立起数据污染的预防措施和追责机制。

我们先看看，具体可能有哪些类型的数据污染：1.人为数据造假；2.黑客入侵或病毒攻击；3.AI深度伪造技术，比如陌陌的社交APPzao的AI换脸；4、数据交叉污染。

那么，这些“数据污染”怎样影响大数据中心的能耗呢？

其一，“数据污染”将会显著增加数据清洗和数据处理的时间和难度，增加计算量及用云量，并还可能会导致AI的决策紊乱和失误。《连线》英国版在聚焦用了数据污染的AI可能造成的影响，比如当给数据中植入人类觉察不到的微弱噪声神经网络就会把乌龟看成来福枪，无人车会无视停止标志，智能音箱会执行人类听不见的隐藏命令。

其二，对于“深度伪造”技术造成的数据污染，人类还需要开发“AI对抗工具”来进行数据污染的识别，比如AI伪造合成的扎克伯格、奥巴马等人的语音视频，以及像前两天社交APP“ZAO”AI换脸生产的视频图像，这些都很难通过普通的数据清洗进行识别，需要额外使用AI算力来识别。

其三，人为的数据造假逼迫我们不得不使用更多的传感器设备，替代以往的人工标注数据。或者，选择使用数据可追溯、难篡改的区块链技术，但区块链数据存储和处理的缺点同样是会增加耗能。

综上，商业向心力实验室认为，给大数据戴顶“绿帽子”，并不能解决社会经济能效向“绿”的问题，它只不过是把可能用于传统行业的绿色电力能源，转嫁给了数字经济产业而已，这种左手倒右手、拆东墙补西墙的做法，是典型的“穷折腾”，不能从根本上解决问题，大数据中心真正需要急于解决的问题，是如何提高算力能效和减少数据污染。