人工智能时代：推动数据中心的可持续发展

“数据中心”这一词，听起来或许不怎么样，可能让你想到乡下一座普通低调的楼房，但实际上远不止如此。那些能够支持人工智能计算、处理海量数据集，并支撑未来数字基础设施的数据中心，建造和运维起来可是需要大量的配套设施。

在人工智能计算需求重塑全球数据中心格局的当下，为了满足日益增长的算力需求，数据中心建设项目的投资空前高涨。光是在美国，目前就有超过5400座数据中心。而且，到2030年，全球企业需要投资5.2万亿美元建设数据中心，才能满足全球对人工智能日益增长的需求。

数据中心所需的电力也在呈指数级增长。国际能源署（IEA）在特别报告《能源与人工智能》（Energy and AI）中指出，到2030年，全球数据中心的电力需求预计将增长一倍以上。人工智能将成为推动这一用电激增的最主要动力，到2030年，人工智能优化的数据中心的电力需求预计将增长三倍以上。

在防止数据中心过热方面，许多业主依赖蒸发冷却系统，即通过水的蒸发作用来散热。这种方法虽有效，但却消耗大量的水资源，每座数据中心每年用水量高达约7.57亿升，或每日约208万升。在原本就面临水资源短缺的地区，如此高的用水量只会带给当地社区更大的压力。

那么，在人工智能应用呈指数级增长的当下，是否有办法减轻其所带来的巨大资源消耗？答案是肯定的。数据中心业主可以优先考虑各自中心的可持续发展目标，开展相应的创新研发，以抵消人工智能带来的影响。此外，通过采用可持续的设计原则，甚至是利用人工智能技术来提高效率，工程建设和运营领域的专业人员拥有独特的机遇来塑造数据中心的设计、建造和运维方式。

为了更好地了解业界如何应对人工智能的碳排放问题，欧特克采访了英伟达（NVIDIA）、凯谛思（Arcadis）、ArtifexAI、亚马逊云计算服务（AWS）等数据中心生态系统的引领者。他们所采取的应对举措主要针对数据中心等支持着人工智能计算的基础设施，以及人工智能的应用效率。

在解决人工智能的碳排放问题上，像英伟达这样的企业做的是重构整个数据中心的技术堆栈：从芯片到系统、软件，甚至是可持续性，各方面都彻底检视一遍。因此而生的新一代人工智能基础设施在设计上不但可以最大限度地提高每瓦性能，还能够显著地降低对环境的影响。

人工智能模型的复杂性和规模都在不断增加，要想高效地运行这些模型，就需要系统架构和软件都跟上。依赖通用中央处理器的传统数据中心已无法满足现代人工智能工作负载的需求。中央处理器按顺序处理任务，吞吐量有限，却消耗大量算力。

图形处理器则与之不同，可以并行执行数千个操作，非常适合用于满足人工智能工作负载的密集型需求。英伟达的全栈解决方案所包含的分布式推理软件可以在图形处理器集群间智能地均衡计算资源，从而减少空闲时间，并以更低的能耗实现实时的人工智能响应。

与仅使用中央处理器的系统相比，由英伟达图形处理器加速的人工智能基础设施能够更快地处理数据，而且每个任务的能耗也显著降低。过去十年，英伟达已将人工智能的能效提升了10万倍，降低了不必要的计算资源消耗。

英伟达的工程建设和运营、地理空间和人工智能解决方案总监Sean Young说：“通过将网络、安全、存储等方面的计算密集型任务卸载到图形处理器上执行，我们能够将数据中心的功效提高高达30%。”

此外，通过使数据中心建筑物、图形处理器、机架等相互依存，也有望实现可持续效益。Young说：“这计算密度的优势太大了，我们因此能够实现物理体积较小的数据中心，降低冷却资源和能源的消耗。比如说，英伟达GB200 NVL72的所有部件都采用动力冷却设计，冷水流入对系统进行冷却，热水流出为建筑物供暖。如此一来，与传统的风冷架构相比，人工智能的能效提高了高达25倍，用水效率提高了高达300倍。”

通过最大限度地提高每瓦性能并提升系统整体效率，英伟达推进了人工智能的能力提升，也为未来计算密集型时代的可持续创新树立了标杆。

由于数据中心需求加速增长，对能源、水、建材和土地的需求也在激增。许多具有前瞻性的企业并没有从零开始建设，而是改造那些为其他用途建造的基础设施或是与这些设施共处一地，在现有资源中寻找机遇。

水资源的可用性是决定数据中心选址和建设方式的关键因素，影响着冷却策略、季节性供水调整、水质等方面的决策。传统的水冷式数据中心依赖大量的水，给当地供水系统造成压力。然而，更可持续的模式已经浮现。

凯谛思是全球领先的自然环境和建筑资产设计及咨询公司，其全球水务总监Jim Cooper分享了凯谛思如何通过电力和水资源方面的创新，打造世界上最具可持续性的数据中心。其中一个例子是与美国的水处理技术公司Tomorrow Water合作，采用名为“Co-Flow”（协同流）的技术。在该理念中，数据中心设在水回收设施内并与之集成，实现两个设施之间水资源和冷却容量的交换。

借助Co-Flow技术，老旧的污水处理厂改造成先进的水循环利用中心，生产可供数据中心循环利用的水。举例来说，污水处理厂的水可以重新用作数据中心的冷却水。数据中心用完后可以将废水和余热直接送回Co-Flow污水处理厂持续循环利用。

数据中心和水回收设施之间的这种共生关系显著减少了能源消耗和水资源浪费。两个设施都能享有优越的地理位置、无限的循环水供应和可再生的能源，并从中受益。与此同时，当地社区也能受益于改善的水利基础设施和更多的循环水，以及就业机会和税收收入。

Cooper说：“对数据中心来说，污水处理厂的位置绝佳，尤其是它位于周边公用设施完善的城镇地区。数据中心的热水可以帮助改善污水处理工艺，这是一个非常有效的循环，而且原理并不复杂，其中蕴含的机遇是巨大的。我们只需要稍微改变一下利用数据中心资源的方式。”

其他一些创新方法也逐渐受到关注，例如利用天然水体进行冷却的漂浮式数据中心，以及与水力发电设施共处一地、无需新建基础设施即可获取碳中和能源的数据中心。

由于美国西部历来容易干旱，加州公司Nautilus Data Technologies推出了一种可借助建筑信息模型（BIM）软件不断进行迭代设计的模块化设施布局方案，。通过利用封闭式冷水回路进行水基冷却，该方案可消除用水量，并将能源消耗降低30%。这些系统既可在任何水体附近的陆地上使用，也可漂浮在水面上使用。

每个新建数据中心项目都必须经过复杂的审批流程，涉及地方监管机构、民选官员和社区成员。这些利益相关方通常关注环境影响、基础设施压力和长期公共利益。认真对待这些关切并非走过场，以社会责任为导向的开发本来就应该以此为本。

目前有一种新兴的解决方案有助于弥合开发商与当地社区之间的鸿沟。ArtifexAI是美国一家快速发展的人工智能初创公司，致力于开发用于整理分析当地政策、许可要求和公众舆论的人工智能工具。该公司的平台利用人工智能从公开的市政文件（如会议记录、分区法规、环境评估报告等）中提取有用信息，这些文件通常隐藏在PDF文件中或散落在各个政府网站上。如此一来，开发商可以在提交提案之前更好地了解特定社区的关注点。

ArtifexAI创始人Russ Wilcox表示，这些工具的作用就像是一位自动分析师，利用人工智能技术，根据历史会议记录和监管历史提供风险评估。它们还能在地图上标记出各地的数据中心提案，帮助可视化了解潜在的累积影响，以便优先考虑社区关注的问题，如环境影响、基础设施限制、当地生活质量等。

Wilcox说：“我们是在为全球可持续发展视域提供新的分析见解。数据中心需要环境稳定的条件，所以我们应该要知道筹建中的数据中心到底有多少个、是在哪里。此前，这些信息是不可得的，但现在，有了人工智能的加持，那可就不一样了。”

通过将那些往往被忽视或难以综合处理的见解清晰地摆到台面上，这种方法可促成更加透明且以社区为导向的开发过程，让可持续发展和社会认可度携手共进。

如今，已有越来越多的企业开始将人工智能直接融入设计与制造工作流程中，以求实现更可持续的成果。无论是对生命周期进行评估，还是对气候影响进行模拟分析，或是减少材料的浪费，人工智能都有用武之地，各行各业的团队可以借此找到低碳替代方案，做出更可持续的决策。

欧特克在《2025设计与制造现状》报告中指出，人工智能作为设计与制造企业可持续发展首要推动力的地位稳固，应用范围广泛，涵盖自然灾害防治、项目生命周期管理等领域。

通过将彼此孤立的流程整合起来、在关键阶段提供洞察分析，并提高整体的效率，Autodesk AI软件可以帮助工程建设和运营行业的客户在建筑设计、基础设施运维等领域重新定义可持续未来的可能性。

借助Autodesk Forma，建筑师和工程师可以在场地设计过程中利用人工智能快速地进行风噪分析，也可以估算建筑材料的隐含碳排放。而借助InfoDrainage，工程师和设计师可以使用基于机器学习的工作流程来管理新开发项目场地的暴雨水或洪水，从而增强气候适应能力。

无论是内置在设计平台上还是通过集成后提供，这些工具都能帮助各团队评估权衡取舍、减少排放，并满足日益严格的隐含碳排放要求。

提高能效不仅是为了实现可持续发展目标，更是提升绩效、盈利能力和长期竞争力的关键所在。在像人工智能这样的资源密集型行业，效率就是一项商业优势。

面对时代的种种变化，云服务提供商、基础设施公司等人工智能行业主要参与者都在重新思考应对规模化和可持续性挑战的方式。在减少碳排放和实现气候目标的压力日益增大的情况下，数据中心也受监管机构、投资者和公众的密切关注。

如果缺乏准确、透明的碳排放数据，运营商就会面临跟不上新兴标准并失去扩张所需社会认可度的风险。因此，开发商纷纷转向实施实时的碳排放信息面板，以及进行范围1-3碳排放评估和生命周期报告，以便了解并减少碳排放。

对工程建设和运营行业专业人员而言，关键在于将碳排放建模融入早期设计和材料选择阶段。这有助于客户做出明智的权衡、跟上法规要求，并从一开始就以负责任的态度开展建设。

数据中心可持续性相关的政策环境变化快速。无论是欧盟的能源效率指令（EED），还是美国各州各市的强制性规定，开发商都需要面对报告、效率和透明度方面的新要求。工程建设和运营团队必须走在时代前沿，在设计时不仅要满足当前的标准，更要满足未来的监管要求。

数据中心的生命周期并非在建成投用后就结束了。为了因应人们对模块化和长寿命日益增长的需求，许多工程建设和运营团队在设计时都以可拆卸、可重复使用、材料可回收为考量。有些运营商也在探索资产回收计划、再生材料和可拆卸系统，以符合循环经济原则，即最大限度地减少未来的浪费并最大限度地提高长期灵活性。

对于像AWS这样的行业引领者而言，可持续性不仅仅意味着良好的管理，更是一种设计原则。AWS拥有世界上数一数二的云服务规模，已在2023年实现100%可再生能源目标，比原定的2030年目标提前七年，也已完成2030年实现水资源正效益目标的一半以上。能做到这些，最关键的就是循环经济措施：试点推行可重复使用的移动设施、使用再生材料，以及回收服务器部件重复使用。这些做法对于人工智能工作负载尤为重要，因为人工智能工作负载往往需要快速扩展，而这些做法使AWS能够在无需从头开始的情况下扩展或调整基础设施。

AWS还自主研发节能型芯片，例如用于人工智能训练的Trainium，以及用于人工智能推理的Inferentia。这些芯片能够降低大规模人工智能模型所需的功耗，并减少整体碳排放。与此同时，AWS还对下一代清洁能源项目和创新技术进行投资，以确保新建项目和改造项目都能在生命周期内减少碳排放。这一切都是AWS在亚马逊“气候承诺”（The Climate Pledge）倡议下承诺的义务，该倡议旨在使亚马逊旗下所有业务部门在2040年或之前实现净零碳排放。

AWS的生成式人工智能进入市场策略主管Mani Kaur说：“这不是二选一的问题。数据中心的可持续性需要一种整体方法，涵盖低碳建设、负责任用水、再生材料、模块化设计、软件系统设计方式以及更智能的备份系统。”

通过对设计、运营和供应链战略进行协调，AWS利用了其规模优势，为整个科技生态系统树立可持续基础设施的新标杆。

数据中心的可持续建设和运维是一个复杂的系统性问题。虽然无法通过单一方案解决，但也有许多携手合作的机遇，可以最大限度地降低人工智能对环境的影响。

在信息和数据获取渠道空前增多的当下，人们才刚刚开始充分发挥人工智能在推动更佳决策和实现更可持续成果方面的潜力。从优化到运营，数据中心为引领者提供了一个在全球范围内塑造基础设施和技术创新的契机。