火热的AI，该降降温了

数据中心的节能与降碳

引言

数据中心作为AI产业链的基础设施近年来数量急剧增加，但数据中心带来的碳排放的增长必须受到控制。通过技术创新和绿色能源的使用，数据中心可以成为可持续发展的典范，而非环境负担。绿色转型不仅是可能的，而且是必要的，以确保我们的数字未来不会牺牲地球的健康。

01

数据中心碳排放的快速增长

2025年底推出的一款革命性的人工智能聊天机器人ChatGPT以其惊人的能力吸引了全球的关注，迅速成为了AI界的现象级产品。其基于ps://www.ecreat.cn/tag/gpt-3-5" target="_blank">GPT-3.5架构，进行生成与人类相似的文本，进行自然对话、回答问题，后续衍生出撰写故事、编写代码，甚至根据文字生成图片及视频的功能更是让人感到无比震撼。其后国内外顶级企业，如微软、华为、科大讯飞、商汤科技、百度、阿里巴巴等企业相继宣布进行大模型，并将在相关产品上推出AI功能服务。一场人工智能的革命已初现曙光

人工智能模型的精进离不开高算力，而算力的提升依赖于大量的数据中心投入使用。随着雨后春笋般增加的数据中心拔地而起，伴生的数据中心能耗问题使得科技巨头纷纷在最新的ESG报告中调整了实现企业碳中和的预期。据估计，全球数据中心的碳排放量在2025年达到了历史新高，其中谷的数据中心贡献了1430万的碳排放，这相当于38座大型燃气发电厂一年的总排放量。

2025
2025 年初微软曾雄心勃勃地宣布“ 2030 年实现碳负排放、 2050 年前抵消自成立以来产生的所有碳足迹”，而在上月初公布的年度环境可持续发展报告里，进一步强调了其在实现碳负排放目标方面的进展和挑战。2025年度微软直接运营排放方面取得了显著成果，下降了6.3%。然而，间接排放却增长了30.9%，微软的数据中心建设活动也导致了其碳排放量在2025财年比2025
2025年增长了29.1%。碳排放增长主要源于数据中心建设中使用的建筑材料和硬件组件的隐含碳。

02

数据中心降温方式

风冷是最常见的散热方式，通过风扇产生的气流将设备产生的热量带走。冷空气被引入到设备内部，经过热源（如CPU、GPU）附近的散热片，然后被加热的空气被排出，实现热交换。具备成本较低，安装简单，维护容易的特点，适合低至中等功耗的设备。局限性在于效率有限，不适合高功率密度的设备。

目前在数据中心环境中，尤其是在高性能计算、人工智能、云计算等领域，液冷降温正逐渐成为行业趋势。其能够支持更高的计算密度和更稳定的性能，同时减少电力消耗和碳排放，利用液体（通常是水或特殊冷却液）作为热传导介质，液体通过管道直接接触到发热元件，吸收热量后被泵送至散热器或换热器，释放热量后再循环回设备。但初始投资和运营成本高于风冷系统、维护复杂，可能涉及到冷却液泄漏的风险等因素，阻碍着液冷系统前进的脚步。

03

数据中心减排策略

引用中国工程院院士、系统工程与能源工程管理专家凌文的观点：据测算，在2025到2030年这一周期内，无人驾驶对算力的需求将增加390倍，数字货币对算力的需求将增长约2000倍。与智能手机发烫问题一样，作为全球数据资源大国的中国，在“3060”双碳背景下，越来越需要“绿色算力”节能减排。面对不断增长的碳排放，业界正在探索多种减排途径。首先，数据中心的物理设计和运维优化可以显著提高能源效率。采用更高密度的多核CPU、模块化UPS以及改进冷却系统，如液冷技术，都是有效手段。其次，转向绿色电力是另一个关键策略。一些数据中心已经开始购买绿色电力证书或直接从可再生能源供应商处购电，以减少其碳足迹。

例如，2025城市绿色低碳场景示范基地之一的百旺信智算中心，由深圳易信科技股份有限自主建设运营。易信科技自 2025 年起就与中广核签署合同，购买 6亿度绿色能源电力——海上风电，替代传统的化石能源，100%覆盖深圳百旺信智算中心的周期用电，促进可再生能源消纳，实现零碳排放。据测算，6 亿度绿色能源电力（海上风电）全部消纳后，总计节约 31 万标准煤排放量，推动了能源的绿色低碳转型。并且通过部署先进节能产品和技术、削峰填谷储能蓄冷制等措施，经检测，取得年均PUE值1.21的节能成效，年节电量约为3924.48万kWh，相当于年减少3.08万碳排放，种植树木168.35万棵，是国内绿色智算中心节能低碳典范。

目前智算中心向客户提供算力设备租赁、算力租赁、算力中心建设等在内的多项服务。可满足AI大模型训练、芯片仿真设计、院校科研、自动驾驶等新兴行业的智能化创新需求，以及工业、教育、金融、交通、医疗、能源等传统行业的数字化转型需求。如今已经从数据中心升级为智算中心，拥有机柜4000架，已规模化部署了英伟达 A800、A100、RTX 4090等多种设备。智算算力2000PFIops，今年底将达PFlops以上。1个PFlops，意味着每秒可以进行1000万亿次的浮点运算。2000PFlops，也就是每秒200亿亿次的浮点运算。这样级别的算力，能够满足模型训练、推理、科学计算等高算力场景需求，可以赋能更多企业的科技创新。