随着人工智能行业的飞速发展，对计算能力的需求与日俱增，企业正积极通过硬件升级和大规模AI集群建设来提升AI处理能力。然而，这一趋势也带来了显著的能源消耗问题。数据显示，NVIDIA的AI服务器平台功耗在过去八年间增长了100倍，主要原因是每机架GPU数量的增加和单个GPU功耗的提升。从每机架10KW到120KW的惊人增长，凸显了AI基础设施对能源的巨大需求。此外，先进的网络架构、机架设计及利用率也进一步加剧了数据中心的能耗。如今，大型科技公司正竞相扩大AI机架规模，衡量标准已转向“吉瓦”，OpenAI和Meta等公司计划在未来几年内大幅增加计算能力。一个吉瓦的AI能源消耗相当于百万美国家庭的用电量，单个超大规模数据中心的能耗已可比肩中等国家。国际能源署预测，到2030年，AI的能源消耗将翻倍，远超电网增长速度。

⚡️ **AI算力需求激增与功耗增长**：随着AI技术的飞速发展，企业正大力投资于提升计算能力，包括硬件升级和大规模AI集群建设。然而，这导致了AI服务器平台功耗的急剧上升，NVIDIA的AI服务器平台在过去八年间功耗增长了100倍。这种增长主要归因于每机架GPU数量的增加以及单个GPU功耗（TDP）的提升，例如从Hopper架构每机架10KW的额定功率增长到Blackwell架构下近120KW。

📈 **基础设施升级与能源消耗加剧**：除了GPU数量和TDP的增加，先进的NVLink/NVSwitch网络架构、新一代机架设计以及持续提升的机架利用率，共同推动了超大规模数据中心的能源消耗以惊人的速度增长。这种对能源的巨大需求使得大型科技公司开始以“吉瓦（GW）”为单位来衡量其AI基础设施的规模，如OpenAI和Meta计划在未来几年内大幅增加计算能力。

🌍 **AI能源消耗的宏观影响与未来预测**：AI超大规模企业消耗的1吉瓦能源，足以供应约100万美国家庭的用电量。这意味着单个大型数据中心的能耗已经相当于一个中等国家或几个美国大州的用电量。国际能源署（IEA）的预测显示，到2030年，AI的能源消耗将翻倍，其增长速度将是电网整体增长速度的近四倍，预示着AI发展对全球能源供应和可持续性的重大挑战。

💡 **衡量AI基础设施的新标准**：传统的计算能力已不再是衡量AI基础设施规模的唯一标准。目前，大型科技公司正加入一场“谁拥有更大规模的AI机架”的竞赛，并开始以“吉瓦（GW）”作为衡量单位。这种转变反映了AI算力部署的规模化和对能源供应的巨大需求，OpenAI和Meta等公司都在积极规划和投资于能够达到吉瓦级别的计算能力。

随着AI行业的快速发展，计算能力的需求也在急剧上升，无论是通过硬件技术，还是大规模AI集群建设，企业都在努力提升其AI处理能力，然而这也带来了巨大的能源消耗问题。

据分析师Ray Wang分享的数据，NVIDIA的AI服务器平台在每一代的更新中都经历了显著的功耗增长，从Ampere到Kyber，功耗八年间增长了100倍。

这种巨大的功耗增长主要归因于每一代每机架GPU数量的增加，以及每个GPU的TDP的提升。

例如在使用Hopper时，以每机架10KW的额定功率运行，而使用Blackwell时，由于GPU数量的增加，这一功率几乎提升至120KW。

除了GPU数量的增加，其他因素如先进的NVLink/NVSwitch网络架构、新一代机架设计以及持续的机架利用率，也导致了超大规模数据中心的能源消耗以惊人的速度增长。

如今，大型科技公司纷纷参与“谁拥有更大规模的AI机架”的竞赛，衡量标准已经从传统的计算能力转变为“吉瓦（GW）”，像OpenAI和Meta等公司计划在未来几年内增加超过10吉瓦的计算能力。

作为对比，AI超大规模企业消耗的1吉瓦能源，足以供应大约100万美国家庭，随着大型科技公司纷纷建设大规模数据中心，单个数据中心的能耗已经相当于一个中等国家或几个美国大州的用电量。

另外国际能源署（IEA）2025年的“能源与AI”研究报告估计，到2030年，AI的能源消耗将翻倍，几乎是电网增长速度的四倍。