打开网易新闻 查看精彩图片

面对电力限制的数据中心运营商可以通过提高效率和调整灵活负载来容纳更多的AI计算，但这些措施不太可能消除对新电力基础设施的需求。

这是Infosys一份关于2030年前AI能源需求的最新分析得出的核心结论。该报告认为，需求侧措施能比新建发电、输电和电网升级更快地释放可用容量。然而，报告也提出了一个对开发商、公用事业公司和客户来说都更为棘手的问题：当电网最需要这种灵活性时，究竟有多少灵活性是真正可用的？

Infosys服务、公用事业、资源与能源部门执行副总裁兼全球负责人Mit Majumdar向Data Center Knowledge表示，AI驱动的能源管理、先进制冷技术和峰值负载优化能够在短期内创造出有意义的空间。他没有给出这些措施能够支持多少额外AI容量的具体数字估计。

Majumdar说："不过，[这些措施]更可能是延缓而非消除对新基础设施的需求。"他表示，"最佳路径是采取双轨战略：一方面最大化利用现有容量，另一方面加快对发电、输电和电网现代化的投资。"

让电力灵活性匹配合适的工作负载

Infosys的分析指出了以月计算的AI应用周期与以年计算的能源基础设施建设周期之间存在的不匹配问题。运营商可以部分地通过改变计算发生的时间来应对，但灵活性的大小取决于工作负载的性质。

Majumdar说："模型训练、再训练和批处理等灵活性工作负载通常可以根据电网状况进行调度安排，但实时推理和面向客户的应用程序通常无法做到这一点。"

因此，一个同时承担这两类任务的设施，不能假定其全部AI负载都可用于削减。运营商需要区分可以等待的工作与客户需要即时响应的应用程序。

客户协议也必须反映这种区分。Majumdar说，更广泛的灵活性需要制定与工作负载需求相匹配的服务级别协议（SLA），同时还需要需求响应激励机制和定价结构，以奖励那些愿意转移非紧急计算任务的客户。

他说："更大的灵活性将需要新的商业模式，包括工作负载感知型SLA、需求响应激励机制，以及奖励客户转移非紧急计算的定价结构。"

这个商业问题超出了某项任务在技术上能否延后运行的范畴。运营商需要获得客户的承诺，确保在电网状况要求时能够实际调整计算调度。

围绕变化中的需求分阶段建设容量

效率提升也为开发商决定应建设多少基础设施带来了不确定性。即便模型、芯片和制冷技术的进步持续改变着交付计算所需的电力，AI应用仍在不断推高计算需求。

该报告建议选择适合具体任务的模型，并应用量化、剪枝和知识蒸馏等技术来降低计算需求。报告还呼吁在工作负载层面衡量能源使用和碳排放。

Majumdar说，开发商应采取分阶段建设的方式应对，而不是将项目的每个阶段都锁定在当前的假设之上。

他解释说："模块化方法可以让容量随需求演变而扩展，同时保留从AI模型、芯片和制冷技术进步中获益的灵活性。"

这种方法让开发商有机会在客户需求和设备能力逐渐明朗后，调整后续建设阶段。它也使效率提升始终留在规划过程中，而不是把需求增长当作唯一的变量。

Majumdar说："目标是既要避免过度建设，也要避免低估长期需求。"

在依赖负载削减之前先证明其可行性

对于那些考虑将需求侧节能作为支持新数据中心接入依据的公用事业公司来说，仅凭预测是不够的。他们需要确定运营商能否在关乎电网可靠性的关键条件下真正实现负载削减。

Majumdar说："公用事业公司应要求提供可衡量、可核实的证明，包括历史运行表现、实时监测，以及在需要时削减负载的合同承诺。"

历史运行表现可以支撑一项承诺的可信度，而实时监测和具有强制力的承诺条款则确立了这一承诺在实际运行中将如何被检验。运营商和公用事业公司还需要提前就灵活性承诺未能实现时的责任归属达成一致。

Majumdar认为，任何一方都不应独自承担全部责任。

他说："风险应该共同分担：运营商应通过担保来支持其性能承诺，而公用事业公司则应建立明确的资质认定和验证标准，以确保可靠性。"