训练一个AI模型要多少电?算力能耗的冰山一角

当你在对话框里敲下一个问题，背后是数千块GPU在同时运转。每一次推理，每一次训练，都在消耗实实在在的电力——这不是虚拟世界的隐喻，而是正在发生的中国能源新版图。

1700亿千瓦时：数据中心成了”新电老虎”

先看一组令人清醒的数据。

根据中国信通院《绿色算力发展研究报告（2025年）》，截至2024年底，中国在用数据中心机架规模已超过900万标准机架，全年用电量达约1700亿千瓦时，占全社会用电量的比重接近2.4%。

什么概念？1700亿千瓦时，大致相当于三峡电站全年发电量的六分之一，或者北京市全年居民用电的近两倍。而且这个数字还在加速攀升——2025年3月财新报道援引测算，到2035年中国数据中心用电量将增至4000亿千瓦时，是2024年的2.4倍。

驱动这一增长的，不是传统的网页托管或云计算，而是AI大模型训练和推理。一块英伟达H100 GPU的典型功耗约700W，一个万卡集群仅GPU层面就需要7MW，加上散热、存储、网络，实际能耗往往翻倍。一个大型AI训练集群的年耗电量，可以轻松超过一个小型县城。

PUE 1.46：绿色算力不是说出来的

好消息是，数据中心正在变”绿”。

中国信通院数据显示，2024年全国数据中心平均PUE（电能利用效率）已降至1.46，相比前几年持续改善。超过140个算力中心达到4A级以上绿色低碳等级，液冷技术的渗透率明显提升。

但1.46意味着什么？PUE=1.46表示每提供给IT设备1度电，还需额外消耗0.46度电用于散热、照明等。以1700亿千瓦时的总量计算，其中约540亿千瓦时被”浪费”在了非计算用途上——这个数字相当于两个葛洲坝电站的年发电量。

更值得关注的是结构性分化：新建的大型算力中心PUE普遍在1.2以下（液冷+自然冷却），但存量的中小型数据中心大量在1.6甚至1.8以上。就像光伏行业里的新老产能置换，数据中心也面临一轮”能效淘汰赛”。

为什么算力都在往西北跑？

2024年以来，一个明显的趋势是：越来越多的大型算力项目选址宁夏、甘肃、内蒙古等西北地区。原因很直接——电便宜，而且绿电多。

宁夏中卫的数据中心集群是典型代表。当地光伏电价低至0.2元/千瓦时以下，远低于东部沿海的0.6-0.8元，加上干冷气候天然有利于降低PUE，综合运营成本可以降低40%以上。

“东数西算”工程正是这一趋势的顶层设计。其逻辑和”西电东送”一脉相承：把高耗能的算力需求，搬到能源富集的西部，既缓解东部电力紧张，又促进西部新能源消纳。

但问题也很现实：数据传输有延迟，AI训练可以搬到西部，但实时推理（自动驾驶、金融交易）对时延敏感，仍需留在东部。未来真正的挑战在于——如何让算力需求和新能源供给在空间和时间上精确匹配。

算力的尽头是能源

回到标题的问题：训练一个AI模型要多少电？

答案是，取决于模型规模，但量级已经到了令人咂舌的程度。OpenAI训练GPT-4的耗电量估计超过1200万度，而中国本土的大模型竞赛正在催生更多同等规模的训练任务。算力军备竞赛的尽头，站着的是电力供给。

这不是一个可以靠算法优化完全解决的问题。无论芯片能效提升多快，总算力需求的增长速度更快。从这个意义上说，能源才是算力的真正瓶颈——谁掌握了便宜、稳定、绿色的电力，谁就掌握了AI时代的底层竞争力。

这也正是「酉泽新能源2050」开设「算力的尽头是能源」专栏的原因。算力和新能源，表面是两个赛道，底层是同一个问题：如何在有限能源约束下，释放最大的计算价值。

接下来的每周日，我们会从能源视角解读算力行业的每一个重要信号。敬请关注。

数据来源：中国信通院《绿色算力发展研究报告（2025年）》，财新网（2025年3月），央视能源频道（2025年10月）