双碳研究 | 微软计划在2025财年斥资800亿美元 建设AI数据中心

data centers

微软计划在2025财年斥资800亿美元

建设AI数据中心

【Investopedia网 1月5日报道】

微软公司在1月3日的推文中宣布，计划在2025财年投资约800亿美元，用于开发数据中心，以训练人工智能模型并部署AI和云应用程序。

自从OpenAI在2022年推出ChatGPT以来，人工智能投资激增，各行各业均在探索如何将人工智能与自身产品与服务相结合。

人工智能的发展依赖于强大的算力支持，这进而催生了对专业化数据中心的迫切需求。这类数据中心能够协助科技企业将数以千计的芯片高效连接，构建成强大的集群，从而显著提升整体的计算能力。

迄今为止，微软为增强其AI基础设施并扩大其数据中心网络已投入数十亿美元。数据分析平台Visible Alpha披露，分析师普遍预测微软2025财年的资本支出（包括资本租赁）将达到842.4亿美元。 且该公司2025财年第一季度的资本支出增长了5.3%，达到200亿美元。

（注：微软的2025财年指的是2024年7月1日-2025年6月30日）

各科技巨头在人工智能的激烈竞争中，作为OpenAI的主要支持者，微软一直被视为该赛道的领军者之一，原因即在于它与OpenAI的独家合作伙伴关系。

微软副董事长兼总裁Brad Smith在推文中表示，在此次总额达80亿美元的投资计划中，投向美国的资金将逾40亿美元。

Smith表示：“如今，凭借私人资本注资，以及无论是美国充满活力的初创企业还是业已成熟的企业财团，各类规模的美国公司所带来的创新让美国在全球人工智能竞赛中保持着领先地位。”

数据中心和AI热潮的蓬勃发展对能源行业意味着什么？

过去两年（2023-2024），由于数字化进程和人工智能（AI）应用不断增长的驱动，建设数据中心的投资激增，且这一趋势预计将继续加速。大部分投资主要集中在美国，仅过去两年，美国在数据中心建设上的年投资额就翻倍增长，尽管中国和欧盟等其他主要经济体也在增加相关投资活动。2023年，谷歌、微软和亚马逊这三家在人工智能应用和数据中心建设方面的行业佼佼者的总投资额，已超过了美国石油和天然气行业的总投资额，约占美国GDP的0.5%。

普通数据中心的电力需求相对较小，通常在5-10兆瓦（MW）之间。大型超规模数据中心日益增多，从而电力需求也已高达100兆瓦甚至更高年电力消耗相当于大约35万辆到40万辆电动汽车的电力需求。

由于对人工智能技术发展的预期，未来几年数据中心的数量和规模都将大幅提升。虽然这一增长将在一定程度上通过硬件和软件两方面的效率提升而得到缓解，但根据目前的政策设定和趋势来看，数据中心的电力需求预计将在2030年前强劲增长。

然而，从全球电力消耗总体增长这一更宏观的视角来看，数据中心所消耗的电力占比相对有限。在我们所设定的政策情景下，到2030年，全球电力需求总量将增加6,750太瓦时（TWh），这相当于今天美国和欧盟的总需求之和。尽管包括人工智能崛起等数字化增长是其中一个因素，但经济持续增长、电动汽车、空调以及电力密集型制造业都是造成电力消耗增加的更大驱动因素。

在美国、中国和欧盟等大型经济体中，数据中心目前大约占总电力消耗的2%-4%。但由于它们往往集中在特定地区，所以对当地的影响可能极为显著。在至少美国五个州，数据中心的电力消耗已经超过了10%。在爱尔兰，数据中心所耗电力目前超过了总电力的20%。

相比而言，大型数据中心的电力需求相当于一个电弧炉钢铁厂的需求。然而，钢铁厂不太可能集中在同一个地理区域的可能性极低。

因此，数据中心的增加可能会给当地电网带来巨大压力，尤其是在数据中心建设速度迅猛，而电网和发电能力的扩展和加强往往进展缓慢的情况下，这种彼此间的不匹配将使这一问题加速恶化。由于建设申请激增，一些地区已经暂停了新的数据中心审批合同。对于受影响尤为严重的地区或国家，数据中心电力消耗的激增可能进一步加大其实现实现气候目标的难度。

随着数据中心在电力系统中扮演的角色日益重要，政策制定者和监管机构亟需掌握工具，以深入理解这一新兴增长需求背后的驱动因素。有几个关键变量值得进一步讨论和分析。

首先，人工智能（AI）应用的增长速度和方式仍然存在根本的不确定性。早期数据表明，家庭用户对AI的采纳速度很快，可能比其他变革性数字技术更快。但随着时间推移，哪些AI应用在家庭和企业中会变得流行，将对能源需求产生影响还很难预测。例如，视频生成比文本生成或AI驱动的搜索更为耗能。AI模型的未来发展方向也很重要，因为某些算法的能耗远高于其他算法。AI应用的财务回报也可能影响数据中心的投资趋势，因为目前的支出与对未来盈利的预期紧密相关。

其次，必须更好地了解硬件和软件在效率提升上的前景。与AI相关的计算机芯片，其效率大约每两到三年翻一番，而如今的AI相关计算机芯片在执行与2008年模型相同的计算任务时，所需的电力减少了99%。新型冷却技术正在研发中，AI模型本身也变得更加高效。与此同时，数据中心的运营和能源表现相对不透明，这使得需求估算变得更为困难。目前，一些地区正在努力提高透明度。

第三，必须加大力度了解需求增长的实质性限制。由于对数据中心项目的规划了解有限，相关数据也并不容易获取，与此同时，芯片生产可能会成为短期瓶颈。如果发电和电网容量在最需要的地方无法满足需求，能源行业本身可能会减缓人工智能的发展。

最后，必须全面评估对于人工智能在能源行业更广泛应用所带来的影响。值得期待的例子包括加速清洁能源创新突破、管理电力系统以促进更多可再生能源的接入，以及利用AI提升发展中国家电气化项目的盈利能力和速度。这些应用有望彻底变革能源系统，但目前，关于它们的影响、推动条件和可扩展性仍不明确。

总体而言，迫切需要开展公共和私营部门之间的对话，政策制定者、科技行业和能源行业应共同参与讨论。人工智能的前景是真实存在的，尤其是在清洁能源创新方面。然而，实现负责任的人工智能需要迅速建立新的合作伙伴关系。现已召开的全球能源与人工智能大会旨在搭建一个启动和深化相关对话的平台，值得我们密切关注。现已举行的全球能源与人工智能大会旨在提供一个启动和推进这些对话的平台。我们可以对此给予关注。

编译：崔 颖（新能源部）

审校：谢榕蓉（新能源部）

编辑：崔 颖（新能源部）

能源转型与双碳观察

ENERGY TRANSITION