筑牢算力底座是釋放數(shù)據(jù)要素價值的關(guān)鍵。近期，隨著人工智能大模型的爆發(fā)式涌現(xiàn)和快速迭代，算力需求已呈現(xiàn)指數(shù)級增長。國際數(shù)據(jù)公司（IDC）與浪潮信息聯(lián)合發(fā)布的《2025年中國人工智能計算力發(fā)展評估報告》預(yù)測，2023年至2028年，中國智能算力規(guī)模將以年復(fù)合增長率46.2%的速度擴張，為充分發(fā)揮人工智能大模型的生成能力提供了重要的基礎(chǔ)能力支撐。

　　人工智能大模型面臨算力高耗能挑戰(zhàn)

　　在智能算力快速增長背后暗藏隱憂，算力基礎(chǔ)設(shè)施的高能耗與低碳可持續(xù)發(fā)展目標間的矛盾日益尖銳。根據(jù)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》，算力或計算力是數(shù)據(jù)中心服務(wù)器對數(shù)據(jù)處理并實現(xiàn)結(jié)果輸出的一種能力，是衡量數(shù)據(jù)中心計算能力的一個綜合指標，包含通用計算能力、超級計算能力和智能計算能力。在作為算力樞紐的數(shù)據(jù)中心，算力能耗包含直接電力消耗與冷卻系統(tǒng)能耗兩部分，本質(zhì)上是“比特到瓦特”的能量轉(zhuǎn)換。而計算模型能力的提升往往依賴于不斷增長的算力投入，在以人工智能為代表的許多前沿科技領(lǐng)域，模型的能力獲得了優(yōu)先考慮而能耗則經(jīng)常被忽視。以大模型訓(xùn)練為例，OpenAI公司訓(xùn)練GPT-4的能耗高達2.4億度電，凸顯了算力擴張與能源約束的尖銳矛盾。當(dāng)前，人工智能大模型既是算力需求的主要推手，也成為破解能耗困局的關(guān)鍵。通過算法優(yōu)化、基礎(chǔ)設(shè)施升級與觀念革新，實現(xiàn)算力低能耗化，已成為推動數(shù)字經(jīng)濟可持續(xù)發(fā)展的必然選擇。

　　從算法到硬件的系統(tǒng)性技術(shù)革新

　　降低模型計算量是實現(xiàn)算力低能耗的核心路徑。通過算法創(chuàng)新，可在不犧牲性能的前提下減少算力消耗。例如，模型剪枝算法通過剔除冗余參數(shù)，將深層網(wǎng)絡(luò)轉(zhuǎn)化為精簡的“小模型”；模型蒸餾技術(shù)則將大模型的知識遷移至輕量級模型，顯著降低推理能耗。更具突破性的是動態(tài)參數(shù)激活機制的應(yīng)用。以深度求索公司發(fā)布的6710億參數(shù)大模型DeepSeek-R1為例，其創(chuàng)新性地采用“按需激活”策略，每次僅調(diào)用少量活躍參數(shù)，實現(xiàn)了性能與能耗的平衡。此外，低精度計算（如FP16或INT8）的普及，通過減少浮點運算位數(shù)，進一步降低了算力需求。這些技術(shù)的融合，標志著算法層面的節(jié)能革命已從理論走向?qū)嵺`。

　　算力基礎(chǔ)設(shè)施的能耗效率（即單位算力能耗）是另一關(guān)鍵維度。一方面，硬件設(shè)計需兼顧通用性與專用性。針對AI模型的并行計算特性，異構(gòu)計算芯片（如GPU、NPU）的能效比顯著優(yōu)于傳統(tǒng)CPU，而類腦芯片的探索則更具顛覆性。在2025全國類腦智能產(chǎn)業(yè)創(chuàng)新發(fā)展推進會上展示的脈沖神經(jīng)網(wǎng)絡(luò)芯片，通過模擬人腦稀疏激活機制，將能效提升1—2個數(shù)量級，為突破“算力—能耗”瓶頸提供了新方向。另一方面，算力集群的集約化布局亦是關(guān)鍵?！皷|數(shù)西算”工程規(guī)劃布局了八大算力網(wǎng)絡(luò)國家樞紐節(jié)點，分為東部實時性算力集群與西部非實時性算力保障基地兩大類，旨在優(yōu)化全國算力資源布局，推動綠色集約化發(fā)展。例如，我國首個洞庫式數(shù)據(jù)中心，結(jié)合山洞山體特性，采用冷熱通道分離設(shè)置等設(shè)計手法，能源效率指標達到國際先進水平。人工智能大模型本身可成為算力低能耗化的工具。通過實時分析任務(wù)負載，大模型能動態(tài)調(diào)度算力資源，在低負載時段關(guān)閉冗余服務(wù)器，在高峰前喚醒備用設(shè)備，避免“空轉(zhuǎn)”浪費。例如，我國有的大型調(diào)度平臺，通過智能算法將通用、智能、超級算力與量子算力協(xié)同分配，使算網(wǎng)一體化效率提升20%。在硬件層面，AI與冷卻系統(tǒng)的聯(lián)動也潛力巨大，例如在數(shù)據(jù)中心通過AI預(yù)測服務(wù)器溫度變化，動態(tài)調(diào)節(jié)冷卻強度。AI驅(qū)動的能效管理系統(tǒng)正推動算力基礎(chǔ)設(shè)施向“智能低碳”轉(zhuǎn)型。

　　從技術(shù)到制度的系統(tǒng)性生態(tài)建構(gòu)

　　強化標準化的約束與引導(dǎo)?！稊?shù)據(jù)中心算力碳效可信評價技術(shù)規(guī)范》的發(fā)布，首次將“算力碳效”納入評估體系，通過量化單位算力的碳排放量，為綠色算力提供可衡量的標尺。未來，需進一步完善碳排放雙控政策，如明確要求智算中心綠電占比、通過“算力券”補貼激勵企業(yè)使用低碳算力等。政策層面，需強化對高能耗算力設(shè)施的約束。各算力樞紐應(yīng)該著力探索“綠電聚合供應(yīng)”模式，強制要求新建數(shù)據(jù)中心與可再生能源協(xié)同布局，倒逼企業(yè)優(yōu)化用能結(jié)構(gòu)。要讓這套政策組合拳為算力低能耗化提供制度保障。

　　打破技術(shù)壁壘暢通產(chǎn)學(xué)研全鏈路。開源社區(qū)的崛起為算法優(yōu)化提供了新路徑，如DeepSeek開放其模型蒸餾框架，使中小開發(fā)者能低成本構(gòu)建輕量化模型。產(chǎn)業(yè)鏈協(xié)同整合高校、企業(yè)的研發(fā)資源，在算力產(chǎn)品層面形成“設(shè)計—驗證—量產(chǎn)”全鏈條生態(tài)，在算力服務(wù)層面從“硬件依賴”轉(zhuǎn)向“云端協(xié)同”。這種“產(chǎn)學(xué)研用”深度融合的模式，正成為算力低能耗化的加速器。

　　形成公眾參與的良好氛圍。要扭轉(zhuǎn)“以能耗換性能”的發(fā)展趨勢，必須更大力度地呼吁所有民眾對算力能耗的關(guān)注，從而讓節(jié)約算法能耗變得與節(jié)約用水、節(jié)約用電一樣深入人心。通過公開透明的能耗數(shù)據(jù)報告，企業(yè)可以更加直觀地感知算力碳足跡，從而優(yōu)化算力能耗成本，政策制定者也能在成本效益和環(huán)境影響之間權(quán)衡利弊作出正確決策。

　　算力低能耗化不僅是技術(shù)問題，更是關(guān)乎數(shù)字文明存續(xù)的生態(tài)命題。隨著先進制造、綠電協(xié)同、智能調(diào)度等技術(shù)的發(fā)展成熟，加快實現(xiàn)算力與能源、環(huán)境的深度耦合，構(gòu)建起“技術(shù)—經(jīng)濟—生態(tài)”共贏的新范式，從而實現(xiàn)人工智能大模型的強大生成能力和算力低能耗“雙贏”局面。