数据中心开发商正在竭尽全力寻找运行高需求应用所需的电力。在许多情况下,电网要么无法供应足够电力,要么无法及时满足需求。因此,混合供电方案应运而生,新建的数据中心开始采用多种能源组合供电。
在最近于达拉斯举行的 PowerGen International 会议上,与会者讨论了混合能源系统的概念。这一理念是让每个设施都可以混合搭配不同的电力来源,包括电网、现场发电、附近的风能和太阳能发电场、能源存储,甚至可能包括核能。
每个场地的混合能源配置都会有所不同。每个新建数据中心都必须评估哪些能源可用且灵活性足够、哪些成本最低、以及哪些能帮助实现可持续发展目标。电力研究所 (EPRI) 电气化和可持续能源战略副总裁 David Porter 表示:"数据中心的蓬勃发展需要大型数据中心所有者和开发商、公用事业公司、政府和其他利益相关者之间更紧密的合作,以确保我们既能满足 AI 的供电需求,又能为所有客户维持可靠、经济的电力供应。"
不可遏制的电力需求
根据 EPRI 的数据,预计到 2030 年,数据中心将消耗美国 9% 的电力,而目前这一比例约为 2%。过去,一个大型数据中心可能需要高达 150 MW 的电力。而如今,根据西门子能源可持续能源系统设计师 Joshua Brooks 的说法,incoming 的需求已达到 500 MW、1 GW 甚至更高。
Brooks 在上个月的 PowerGen 会议上表示:"在许多情况下,快速建设数据中心比成本更重要。"
然而,在建设过程中必须考虑诸多因素,包括发电效率、电力成本、备用发电启动时间、电网可用性、电价波动、寻找可持续能源、空间限制、许可证、社会和公众接受度、碳足迹,以及实现可靠不间断供电。最后一点对 AI 数据中心尤为重要,但所有要素都在能源系统设计 (ESD) 中发挥作用。
Brooks 说:"ESD 就是在给定约束条件下,针对特定目标优化能源系统设计。"
目标各不相同。有些设施希望最小化支出,有些希望尽可能降低碳足迹,还有些希望设施能快速投入运营。每个潜在场地都存在特定的限制条件,可能是昂贵的电力成本、排放限制、土地和互联可用性,或利用税收优惠等。因此,每个项目都需要评估,以确定适合的能源发电技术组合和能源存储方案来满足预期负载。
"这是在解决一个数学优化问题,解决方案会因不同的优先级而变化,"Brooks 说。
选择正确的混合能源模型
数据中心基础设施设计公司使用建模来帮助考虑建设新数据中心的客户决定最佳发展路径和适当的技术组合。鉴于每个建设项目涉及大量变量,没有简单的答案。特定场地的输入数据可能会因负载特征、商品价格、可再生能源发电可用性、天气数据或客户的技术偏好而改变方案。
Brooks 举例说明了美国西部一个拟建的 500 MW 数据中心案例。运营商已经投资了风力发电,希望在实现数据中心 99.99% 可用性的同时充分利用这项投资。通过建模识别不同场景和各种能源组合,以确定哪种方案能为设施提供最低的能源成本 (COE)。
可选方案包括风能、太阳能、天然气发电、氢能和混合方案。建模比较了各种场景的二氧化碳强度和 COE。最便宜的是天然气联合循环发电厂,每兆瓦时 (MWh) 40.1 美元,但碳强度最高。零碳替代方案包括使用氢气驱动的燃气轮机,并结合风能、太阳能和电池储能。但成本将达到每兆瓦时 93.9 美元。一个折中方案的碳排放比低成本方案减少 65%,价格为每兆瓦时 43.8 美元。它包括约 75% 的风电,其余从电网购买。
混合能源系统展现了可再生能源与电网电力之间的微妙平衡。
"低成本和低碳电力之间存在可量化的权衡,"Brooks 说。
他们还对一个 1 GW 数据中心进行了建模。如果完全使用氢能以实现零碳排放,成本将达到每兆瓦时 78.5 美元。纯天然气方案可将成本降至每兆瓦时 42.9 美元,但二氧化碳强度将升至 103 磅/兆瓦时。一个更复杂的包含风能、太阳能和电池的混合系统被证明是最优的。它通过在不同时间切换不同能源,仅在其他能源不可用或昂贵时使用天然气轮机发电,从而提供价格优势。
"最经济的系统必须在资本成本、运营维护成本、效率和所需土地方面优于其他方案,"Brooks 说。"对特定数据中心而言,最佳能源系统必须在碳足迹、获取时间、复杂性、用水强度和成本等方面表现出色。"
燃料灵活性
对于考虑使用氢能或其他绿色替代能源的企业,Brooks 建议购买具有燃料灵活性的设备,使其能够使用当前可用的任何能源,并在更可持续的燃料可用时切换。西门子的这位高管还提醒那些设计、指定或选择数据中心设备和发电类型的人员要特别注意高可用性和电能质量。
"发电资产必须设计为满足数据中心快速变化、高度动态的负载需求,"他说。"混合发电系统通常能满足所有要求。制定混合设计方案需要系统工程方法,并在项目开发最早期阶段进行仔细分析。"
混合能源的未来
许多数据中心正在寻求绿色解决方案以满足可持续发展指令。然而,Compass Datacenters 的 CEO Chris Crosby 认为这只是问题的一部分,可能并不总是最佳方案。
例如,某些地区可能无法获得风能和太阳能,可能受输电限制,或可能过度增加成本。为每个场地找到最佳方案可能涉及多种发电解决方案,特别是那些能满足项目时间表的方案。毕竟,需求正处于前所未有的水平。任何建设新数据中心的人可能都面临有限的选择。
Crosby 说:"尽管面临消耗挑战,数据中心可以改善电网。但目前,我们无法跟上需求。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。