特稿：AI需求驱动中国全力加速算力建设

作者：刘莎

全球首个“海风直连”海底数据中心近日在上海投产。（中新社）

在风能资源丰富、靠近上海临港特区的海面上，一排排白色风电叶片缓慢而有节奏地旋转。它们昼夜不息，源源不断地将电力输送到风机正下方的海底数据中心。

这座由海上风力发电、海水作为天然冷源的“海风直联”海底数据中心去年10月建成，已在近日投产。项目号称绿电占比高达95%，由具中国军方供应商背景的北京海兰信数据科技有限公司主导，投资额达16亿元人民币（2亿9500万新元），是中国不断扩展算力版图、探索降低电力成本的前沿试点之一。

不同于传统的数据中心，这类人工智能（AI）数据中心，主要服务于AI大模型训练、推理和高强度数据处理工作，是AI时代的核心基建，也被称为算力中心或智算中心。在中国，这一领域已被提升至国家战略层面统筹推进。

中国在2022年启动“东数西算”工程，旨在引导东部科技企业将算力需求转移至能源充沛、电力成本更低的西部地区完成计算，并在中部建立多个计算集群，连成全国性的算力网络。

这一工程加快了各地上马算力中心的步伐。国际数据公司（IDC）基于招投标信息的统计显示，2022年至2024年，与城市智能计算中心有关的项目累计达219个；去年仅上半年相关项目数量就已达到243个。

麦格理资本亚洲可持续研究首席研究员杨立志接受《联合早报》采访时说，全球来看，中国在算力中心的发展仅落后于美国。“虽然中国算力中心的基数较小，但未来五年，预计将以与美国相近的速度增长。”

美联储网站去年6月发表的AI竞争格局文章显示，美国约占全球高端AI算力的74%左右，中国约占15%。但在业内人士看来，在电力上的压倒性优势，将成为中国发展算力中心的关键支撑。

AI大模型每生成约5000个词，就需要消耗1度电，生成图片、视频则更多。科技圈内的一个说法是，AI的尽头是算力，算力的尽头是电力。

杨立志指出，美国正努力消化算力中心带来的新增电力需求，“而这在中国几乎可以忽略不计”。

他说：“过去10年，美国平均每年新增20吉瓦的电力装机容量，但其中大部分是用天然气和可再生能源替代退役的燃煤电厂，而非新增装机容量，因此实际发电量在此期间基本停滞不前，年均增长率仅为0.6%。”

数据中心对中美用电增长压力的影响程度完全不同。中国数据中心（包括算力中心）的需求，占年度发电增量的15%，而美国的相关需求，是过去多年平均年度用电增长的400%。

中国的电力成本也更低。例如，在风电资源丰富的新疆，电价可以控制在每度0.3元人民币（0.05新元），而据美国能源信息署的数据，美国商业用电一般在每度0.14美元（0.18新元）。

北京大学新结构经济学研究院国内智库部主任、研究员沈鸿受访时指出，中国在国家层面的统筹安排，旨在进一步提升能源配置效率。

他解释说，对时效性要求较高的计算与推理任务，更适合由东部地区的算力中心承担；而电力成本更低的西部地区，则可分担模型训练、游戏渲染等对实时反馈要求相对较低的计算需求。

沈鸿也认为，中国推进西电东送、水电和核电站建设的速度较快，加之电力基础设施整体较新，也构成了电力系统的比较优势。

中国算力中心瓶颈： 高端晶片短缺

不过，在电力之外，决定算力中心能力上限的，仍是晶片本身。

天际科技投资合伙人董鹏受访时说，中国国产晶片在制程无法进一步提升的情况下，算力密度难以提高，晶片之间的数据传输速度也会成为瓶颈。

“以通信速率为例，七纳米工艺的晶片通常只能支持每秒112G的数据传输接口，而224G已成为美国的主流标准。”

董鹏认为，受制于半导体技术瓶颈，中国数据中心算力和通信能力的发展都会明显放缓，“整体上落后约两个技术代际”。

据了解，字节跳动、阿里巴巴等科技巨头在训练大模型时，仍主要依赖美国禁令实施前囤积的英伟达高端晶片；而由地方政府牵头启动的新项目，则被要求采用华为等国产晶片为主。

杨立志说，在高端晶片受限的情况下，中国厂商正尝试通过互联更多单颗性能相对较低、效率较差的晶片，构建在整体算力水平上可与英伟达晶片集群相当的算力节点，华为的CloudMatrix集群便是一个例子。

他指出，这种做法在效率上并不占优，但中国并不缺电，因此仍是一条具备可行性的技术路径。

算力与需求错配 可能带来资源浪费

中国加速算力建设之际，行业人士也反映，在实际应用中，算力配置与企业需求不匹配，企业不愿租用，已成为不少数据中心闲置的原因之一。

中国电信集团原总工程师韦乐平去年4月在一场公开活动演讲中说，中国智算中心遍地开花，但GPU（图形处理器）利用率不均衡，“饱的撑死，饿的饿死，平均不到30%”。

韦乐平的话点出了中国当前算力供给性能和需求不匹配的现状。

行业人士指出，不少地方数据中心配的晶片仍以CPU（中央处理器）为主，适配传统IT与云服务场景，难以满足AI大模型训练与推理的需求；有些地方晶片搭配的计算架构不合理，导致应用场景窄，即便电力成本低，也无法使用。

对于这类情况，董鹏直言：“一些资源不匹配的根本（原因）在于建数据中心的人，不是用算力的人。”他也指出，当前各地一些数据中心技术标准不统一，也难以实现跨区域调度。

中国这一轮数据中心的建设，源于AI的需求驱动，也与中国地方政府在传统基建减少背景下，把建设算力当成新一代数码基建相关。建设数据中心的主体，除了三大国有运营商、大型科技公司外，还有许多项目是由地方政府主导建设。

南洋理工大学计算与数据科学学院校长讲席教授文勇刚受访时说，这些项目涉及土地、电力、通信，投资规模大、产业链长，对数码经济推动作用显著，成为地方政府重点方向并不意外。

与美国主要由大型科技公司基于自身和市场需求投资建设相比，文勇刚认为，中国自上而下的规划在资源集中和推进效率上相对更有优势。但他也提醒，如果高度专业化的算力基础设施建设并非由算力使用方主导，或运营方更倾向以投资、获得回报为导向，容易放大算力资源建设和使用错配的风险。

文勇刚说，类似情形曾在云计算发展初期出现，当时中国各地也建设了大量云计算中心，但部分地区云计算数据中心有效利用的比率一度不到15%；而算力中心的发展同样需要警惕重建设、轻应用所带来的资源浪费。