北京万龙精益科技有限公司

施耐德电气2023年能源管理研究中心白皮书提到，2023年的AI功耗已经达到4.5GW(千兆瓦)，至2028年的年复合增长率在25%-33%之间，增速比数据中心整体快2-3倍。所以2028年AI所需功耗预期为14-18.7GW，AI于数据中心整体功耗的占比要提升至15%-20%了。这些甚至还没有考虑到分散于更多边缘与端侧的AI功耗。

这就已经相当于某些国家的年度平均用电功率水平了。实际上，如果考虑AI芯片设计与制造全产业链的能耗水平，以及此前媒体报道Sam Altman可能在AI芯片基础设施方面还要投入几万亿美金，则AI技术相关的能耗恐难以估量。

AI用电超过电力基础设施供电的一定比例，民生就会受到影响。所以恰逢节能减碳大趋势，“绿色计算”“绿色数据中心”是现在的热门话题。几个层面的解决方案被提出。

即便不谈功率器件与芯片，于数字芯片尤其是AI芯片层面，芯片设计制造与软件算法联合调优，提升芯片的工作效率、不断降低对应算力的功耗水平；且当涉及跨芯片、跨板、跨节点的大规模集群计算时，互联与存储作为能耗瓶颈，技术提升也尤为关键——存内计算、光互联等前沿技术的发展和热议都是这一大趋势下的必然。

与此同时，部分芯片企业也在推动系统层面的冷板式、浸没式液冷方案普及。在WAIC上，不少AI芯片企业都在展示基于液冷的POD机柜解决方案。如燧原科技近两年都提到因千卡部署的性能线性度佳、搭配集群整体采用液冷方案，实验室数据中心因此达成PUE(能源效率)≤1.15，是典型的绿色低碳数据中心。

不难理解芯片Foundry代工厂、EDA/IP供应商、芯片设计企业都在谈从“系统”层面实现更高的效率，是从硅、器件、单元、芯片、封装、系统、软件、应用等各方各面达成绿色计算。

还有一个层面在能源基础设施的投入上，此前国外媒体爆料OpenAI的“美国AI基础设施蓝图”中藏着宏达的核电愿景；黄仁勋也在多番采访中提及，数据中心需要可再生能源，核能是很好地选择。Sam Altman担任董事长地Oklo计划于2027年实现公司首个SMR小型模块化反应堆落地；谷歌也与核能初创公司Kairos Power签署协议，基于SMR为数据中心供电……

不少AI科技巨头都在做核能方向的资本投入。这大概也能体现绿色能源、绿色计算的未来需求。