生成式AI发展对算力基础设施的影响 - 生成式AI重构各行各业业务流程与数字化模式 同时显著提升对底层算力基础设施的要求 [2] - AI数据中心容量预计以40.5%复合年增长率增长 能源消耗以44.7%复合年增长率增长 2027年达146.2太瓦时 [2] - 2024年全球数据中心耗电415太瓦时 占全球总用电量1.5% 相当于英国全年用电量 [2] 全球数据中心能耗分布与预测 - 美国数据中心耗电180太瓦时占全球45%份额 中国占25% 欧洲占15% [2] - 中国数据中心年耗电量约100太瓦时 相当于国内电动汽车年用电量 [2] - 国际能源署预测2030年全球数据中心用电将达945太瓦时 逼近日本全国用电规模 [2] AI服务器能耗特性案例 - OpenAI的GPT-4模型在14周训练中消耗42.4吉瓦时电力 日均耗电0.43吉瓦时 相当于2.85万户欧美家庭日均用电量 [2] - AI服务器单机柜功率从10kW跃升至50kW以上 突破风冷系统散热极限 [3] - 微软Azure搭载H100 GPU后PUE值从1.3飙升至1.8 部分高热区域出现服务器宕机 [3] 数据中心冷却系统变革需求 - 传统风冷系统在AI需求爆发前已占数据中心40%能耗 [3] - 液冷或间接蒸发冷却技术因制冷效果更好且耗电更小被采用 [5] - 高压直流供配电方式因电力损耗更低被应用 [5] 数据中心选址与设计创新 - 华为采用"挖山"建设数据中心 将机房置于山体内降低供冷消耗 [5] - 海兰信将数据中心建设在水中 通过海水带走热量并回收余热 [5] - 微软2015年在苏格兰海域部署全球首个海底数据中心 2018年部署"北方群岛"数据舱 [5] 海底数据中心技术优势 - 微软海底数据舱运行两年故障率仅为陆地数据中心1/8 PUE值低至1.07 [6] - 采用全密封氮气环境与海水自然散热结合 通过铜制散热片将热量传递至4-12℃深层海水 [6] - 海兰信2023年海南陵水项目实现PUE值约1.1 电能损耗降低10%以上 能效提升30%以上 [6] 海底数据中心经济性分析 - 海底数据中心TCO较陆地低15-20% [7] - 海南陵水单个数据舱建设成本约3300万元 年节省电费660万元（按0.6元/千瓦时计算） 五年可收回投资 [7] - 微软测算5000机柜海底数据中心十年可节省运营成本1.2亿美元 [7] 海底数据中心生态价值 - 余热回收可带动周边海域渔业等副业发展 形成生态闭环 [7] - 完全封闭环境可隔绝外界干扰 降低人为因素导致的故障率（超半数故障源于人为因素） [6] - 真空无尘环境可延长服务器寿命 [6] 海底数据中心运维挑战与优化 - 数据舱位于海底导致运维难度大 需吊装出海面进行维护 [8] - 海兰云推出海底数据中心2.0项目 采用潜入式方案并预留运维管道 [8] - 上海项目将数据中心固定于海底20米深海床 预计2024年9月中旬投产 [9] 清洁能源集成方案 - 上海海底数据中心项目规模200MW 超95%电力采用海上风电供应 [9] - 陆备市电确保业务连续性 [9] - 进一步降低数据中心PUE值 [9] 算力调度平台发展必要性 - 算力调度运营平台成为提升算力利用率最佳路径 [9] - 企业自建算力基础设施存在一次性投入大、周期长、利用率低（部分不足30%）等弊端 [10] - 直接购买算力需求催生算力服务商 算力调度平台成为关键抓手 [10] 算力平台技术要求 - 高性能通信是实现良好调度效果的关键要求 [11] - 云服务商、IDC服务商、算力服务商纷纷推出调度平台 [10] - 海底数据中心与算力平台结合重构数据中心行业 [11] 未来算力产业架构展望 - 形成"海底节点+陆地集群+边缘终端"协同体 [11] - 海底数据中心承担大模型训练高密算力 陆地液冷集群处理实时推理 边缘节点支撑毫秒级响应 [11] - 通过智能调度平台形成动态平衡 应对AI多元化需求 [11]