AI的电力消耗正在迅速增长，而电力基础设施难以跟上步伐。
为了满足这一电力需求，我们必须从现有系统中挖掘更多电力容量。
数据中心冷却技术、灵活的调度方式，以及充分利用AI自身的规划潜力，都是目前已可用的创新方法。
人工智能正推动数据中心的电力需求出现前所未有的激增。然而，建设新的发电和电网输电设施成本高昂、进展缓慢，且往往政治敏感。燃气轮机的订单积压已延续至2030年代。更糟糕的是，在美国，新建输电线路的审批可能需要10至15年，这还不包括建设所需的时间。
那么，在无需等待更多发电厂和电网线路的情况下，我们如何支撑AI的崛起？一个机会在于，从我们已有的系统中挖掘更多可用能源。
领先企业正在推广相关创新，这些创新可以释放数据中心内其他关键任务所占用的能源容量，使更多电力能够直接用于AI。事实上，其中一些技术还可以改造安装到较老的数据中心中。借助这些技术，可以释放出数以吉瓦计的额外电力容量用于AI，且无需新建电力基础设施。
以下是我们分享的五种令人振奋的方法：
1. 利用现场发电排出的废热进行冷却
服务器消耗的每一瓦电力都会转化为热量，必须由耗电量很大的冷水机组排除。冷却系统耗电占数据中心用电负荷的30%至40%，这一比例十分常见，着实惊人。
鉴于许多西方国家面临的电网限制令人难以置信，数据中心与现场共址发电正成为越来越受欢迎的选择。其中蕴含着一个不寻常的机会：现场燃气轮机或燃料电池可以直接供电，同时其排出的废气余热可用于驱动一种称为吸收式制冷机的技术，从而提供冷却。
吸收式制冷就像用火制冰，听起来自相矛盾，但物理学上确实可行。发电机产生的废热用于加热一种特殊的“工作流体”，该流体用于泵送热量，也就是将其他热量转移，从而冷却其他物质（例如制备冷冻水，以冷却数据中心的系统和设施）。
因此，现场发电可同时产生算力、热量和冷却能力。可以在北京查看这一案例，其采用了Jenbacher的三联供技术，从而将原本用于冷却的电网电力转而用于AI。
2. 通过更高电压高效输电
我们的电网采用高压交流电，因为较高的电压在输电过程中损耗更少。然而，计算机使用的是低压直流电。要在这两种截然相反的电流之间进行转换，在电力到达AI芯片之前就已消耗了大量电能。
每经过一次电压转换，都会损失大量电能。电压通常从高压公用电网的10,000至100,000伏特级别，经过多次降压，降至计算机组件所用的12伏（这一标准已通用半个世纪），再降至AI芯片所用的1伏以下。
现代数据中心终于开始精简这一转换链，转向更高的电压。超大规模云服务商正在推动一项新的48伏行业标准（即亚马逊和微软等运营大规模数据中心的科技巨头）；这使计算机线缆和连接器中的电阻损耗降低了16倍。提升电压后，运营商可以利用来自电网的相同电力输入，支持更多的AI算力。
目前，英伟达正在测试需要比48伏更高电压架构的服务器机架，例如高达400伏。因此，正在规划中的数据中心需要预见这些更高电压架构，以使自身具备面向未来的适应能力。
3. 将服务器浸入液体中以实现高效冷却
传统计算机冷却大多依靠空气完成，例如你可能在笔记本电脑和台式机中听到过的机械风扇的嗡嗡声。
然而，液体的导热能力比空气高出多达1000倍，就像将热锅浸入水中，比把它放在台面上冷却得更快。如果我们能将计算机芯片浸入水中，就能使冷却效率大幅提升。难点在于，不能直接使用水，因为水会造成电子元件短路。
所幸，企业已开发出不导电的特殊液体，并配合密封液槽和定制服务器设计，实现了更高效的冷却。这种方式被称为浸没式冷却。
采用浸没式冷却的服务器比风冷同类设备节能30%至50%。因此，对于新型高密度AI集群而言，通过降低所需的电力负荷，浸没式冷却可以大幅提升现有供电线路所能支持的算力。
企业目前正在推广一体化的整体解决方案，英特尔和戴尔等芯片与服务器制造商正在为此类液体冷却认证硬件。微软甚至正在为其Azure集群探索更先进的“两相”浸没式冷却系统“两相”浸没式冷却系统，借助液体沸腾来增强散热效果。
4. 通过负载转移利用计算时间与储能
传统数据中心的建设围绕着一个核心目标：正常运行时间。黄金标准是“五个九”，即99.999%的可用性，也就是每年仅允许约五分钟的停机时间。对于金融交易或视频会议而言，这一标准十分合理，因为即使是短暂的中断也可能造成灾难性后果。
AI工作负载的灵活性要高得多。训练大型模型时，可以暂停并从检查点恢复，而不会丢失进度。推理任务（例如回答ChatGPT的查询）更关注延迟和吞吐量，而非绝对的一致性：如果某台服务器在请求处理中途发生故障，流量只需简单地重新路由即可。
这种灵活性为更智能的能源利用打开了大门。AI数据中心可以将工作负载转移到电力充足的时段，并避开电力紧张的高峰时段。更妙的是，储能还能放大这一效果。热能储存可以在夜间制造冰或冷冻水，并在白天满足高达30%的冷却需求。电池虽已是备用电源的标准配置，也可以在电网紧张时放电，并在非高峰时段充电。各大科技巨头现在会将非紧急任务安排在可再生能源充沛的时段运行，吸纳原本可能被浪费的电力。
总而言之，AI更高的需求灵活性，加上电能与热能储存，可以在无需新建发电厂的情况下释放额外的算力。
5. 让AI优化数据中心运营
AI能够提升数据中心自身的效率，这颇为贴切。早在2016年，谷歌旗下的DeepMind便已证明，通过利用基于深度神经网络的控制系统，并使用数千个传感器收集的数据进行训练，其系统在一座正在运行的数据中心中，将冷却能耗降低了40%。
十年后，运营商正将AI控制功能扩展到冷却之外，例如从关闭闲置服务器，到预测工作负载，再到使用设施热力学数字孪生。这些基于软件的优化方案部署迅速、资本投入少，并能带来原本需要新增硬件基础设施才能实现的容量提升。从英伟达和施耐德电气等成熟企业，到Phaidra等创新型初创公司，现已推出数据中心基础设施管理软件解决方案，这些方案本身也运用AI技术，进一步提升效率。英伟达和施耐德电气到Phaidra等创新型初创公司
人工智能的增长正与电力基础设施的硬性极限发生冲突。新建发电厂和输电线路的建设速度不够快，而且即便联邦层面的许可改革正在推进，考虑到州和地方层面建设新能源基础设施存在诸多障碍，这类设施也不太可能加快建设。
效率正在成为隐形的能源来源，有望释放数以吉瓦计的电力容量。这并非纸上谈兵：上述五种技术已处于试点至全面部署的各个阶段。每种方法都能从流入数据中心的每一千瓦电力中挖掘出更多有效的计算能力和智能。
世界经济论坛如何推动清洁能源转型？
能源与材料中心汇聚各方领导者，共同理解正在重塑能源、材料和工业体系的复杂转型。该中心提供一个平台，用于探讨能源安全、可负担性与可持续性之间的交集。
通过跨价值链和跨地区的合作，该中心促成共享路径，帮助合作伙伴围绕切实可行的解决方案达成一致，以实现安全、低碳且公平的转型。
投资于这些措施是一项具有战略意义的三重共赢。它能解决当前制约AI增长的电力瓶颈，符合全球可持续发展目标，并可节省运营费用。创新是我们最好的燃料，无需许可或新建发电厂。
