筑牢算力底座是釋放數(shù)據(jù)要素價(jià)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(jí)增長(zhǎng)。國(guó)際數(shù)據(jù)公司（IDC）與浪潮信息聯(lián)合發(fā)布的《2025年中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》預(yù)測(cè)，2023年至2028年，中國(guó)智能算力規(guī)模將以年復(fù)合增長(zhǎng)率46.2%的速度擴(kuò)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(zhǎng)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(biāo)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(dòng)計(jì)劃》，算力或計(jì)算力是數(shù)據(jù)中心服務(wù)器對(duì)數(shù)據(jù)處理并實(shí)現(xiàn)結(jié)果輸出的一種能力，是衡量數(shù)據(jù)中心計(jì)算能力的一個(gè)綜合指標(biāo)，包含通用計(jì)算能力、超級(jí)計(jì)算能力和智能計(jì)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(jì)算模型能力的提升往往依賴于不斷增長(zhǎng)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(dá)2.4億度電，凸顯了算力擴(kuò)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(jí)與觀念革新，實(shí)現(xiàn)算力低能耗化，已成為推動(dòng)數(shù)字經(jīng)濟(jì)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(jì)算量是實(shí)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(jiǎn)的“小模型”；模型蒸餾技術(shù)則將大模型的知識(shí)遷移至輕量級(jí)模型，顯著降低推理能耗。更具突破性的是動(dòng)態(tài)參數(shù)激活機(jī)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(shí)現(xiàn)了性能與能耗的平衡。此外，低精度計(jì)算（如FP16或INT8）的普及，通過減少浮點(diǎn)運(yùn)算位數(shù)，進(jìn)一步降低了算力需求。這些技術(shù)的融合，標(biāo)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(jì)需兼顧通用性與專用性。針對(duì)AI模型的并行計(jì)算特性，異構(gòu)計(jì)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(guó)類腦智能產(chǎn)業(yè)創(chuàng)新發(fā)展推進(jìn)會(huì)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(jī)制，將能效提升1—2個(gè)數(shù)量級(jí)，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。“東數(shù)西算”工程規(guī)劃布局了八大算力網(wǎng)絡(luò)國(guó)家樞紐節(jié)點(diǎn)，分為東部實(shí)時(shí)性算力集群與西部非實(shí)時(shí)性算力保障基地兩大類，旨在優(yōu)化全國(guó)算力資源布局，推動(dòng)綠色集約化發(fā)展。例如，我國(guó)首個(gè)洞庫(kù)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(jì)手法，能源效率指標(biāo)達(dá)到國(guó)際先進(jìn)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(shí)時(shí)分析任務(wù)負(fù)載，大模型能動(dòng)態(tài)調(diào)度算力資源，在低負(fù)載時(shí)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(fèi)。例如，我國(guó)有的大型調(diào)度平臺(tái)，通過智能算法將通用、智能、超級(jí)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(dòng)也潛力巨大，例如在數(shù)據(jù)中心通過AI預(yù)測(cè)服務(wù)器溫度變化，動(dòng)態(tài)調(diào)節(jié)冷卻強(qiáng)度。AI驅(qū)動(dòng)的能效管理系統(tǒng)正推動(dòng)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(qiáng)化標(biāo)準(zhǔn)化的約束與引導(dǎo)。《數(shù)據(jù)中心算力碳效可信評(píng)價(jià)技術(shù)規(guī)范》的發(fā)布，首次將“算力碳效”納入評(píng)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(biāo)尺。未來(lái)，需進(jìn)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(bǔ)貼激勵(lì)企業(yè)使用低碳算力等。政策層面，需強(qiáng)化對(duì)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(qiáng)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(jì)—驗(yàn)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(shì)，必須更大力度地呼吁所有民眾對(duì)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(bào)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(jìn)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(shí)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(jì)—生態(tài)”共贏的新范式，從而實(shí)現(xiàn)人工智能大模型的強(qiáng)大生成能力和算力低能耗“雙贏”局面。