8月29日，中国南方电网有限责任公司联合中国电力企业联合会、中国信息通信研究院举办的“电力算力协同暨电力数据要素市场发展”交流活动在贵州省贵阳市举行。

电算协同以新型电力系统和新型能源体系为基础，以算力基础设施高质量发展和全国一体化算力建设为牵引，将算力和电力在资源规划、建设、调度和市场配置等方面进行全局耦合。目的是实现算力赋能电力、电力保障算力，促进算力以及整个社会的绿色低碳发展。

据中国算力平台统计测算，2023年中国数据中心用电量约1500亿度，占全社会用电量1.6%。中国算力市场规模平均增速达到30%，数据中心中心用电年增速约15%，全社会用电年均增长6%以上，如此规模的市场带动下，算力对于电力的需求增长将更加迅猛。

伴随政策和市场需求引导，中国呈现集约化、大规模发展算力的态势。据中国算力平台统计，目前八大枢纽节点数据中心的机架规模占全国超70%，伴随人工智能、大模型发展，局部地区面临的电力需求压力会更大。此外，相关政策文件提出，八大枢纽节点绿电占比超过80%。成本、社会责任和“双碳”目标压力下，数据中心的绿电需求也将越来越大。

同时，数据中心也有很好的调峰的优势，如何充分利用其在时间和空间的上调度特性，也是一个很值得探索的问题。未来，电算协同需要在多个维度进行，包括建设规划、技术标准、市场、人才培养和金融手段上的协同，调度方面应精准匹配供需双方，支撑算力高质量发展以及新型电力系统的建设。

中国电力企业联合会统计与数据中心主任侯文捷：需持续统筹电力和算力关系

今年，我们会同相关的部门和机构开展了针对全国的数据中心用能的分析。广东、河北、江苏、山西等软件和信息服务业聚集的地区，用能增长保持较高水平。

我国数据中心正面临节能降耗挑战。今年7月发布的《数据中心绿色低碳转型的专项行动计划》提出，到2025年底，全国数据中心平均电能利用效率降至 1.5 以下，可再生能源利用率年均增长 10%。

河北张家口是东数西算十大数据中心的聚集地之一，标准机架超33万架，上架服务器超150万台，其中智算比例约38%。2019年，该数据中心用电量占当地社会用电量的6.8%，2023年这一比例已增至20.1%，用能增长迅速。其中制冷的能耗占比较高，和夏季用电高峰吻合，给电网造成很大压力。

数据中心还有一个特点，就是任务的可调度性，这为算力的有序用电带来了有利条件，也为促进电力和算力协同方面创造了有利条件。未来需持续保障数据中心用电需求，统筹电力和算力的关系。数据中心布局、效能、绿电接入等方面需要在规划层面与电力协同，促进节能降耗和绿电利用。

鹏城实验室网络智能部副主任，北京大学深圳研究生院信息工程学院院长，北京大学博雅特聘教授、博士生导师田永鸿：多维度探索大规模算力中心节能技术

在近年研制超大规模智能算力系统过程中，我们对大规模算力中心实现低功耗、绿色低碳进行了探索。

在硬件方面，需要从芯片微架构、硬件到系统集成方面采用低功耗技术。例如鹏城智能算力平台计算结点交换芯片、光模块采用低功耗技术，利用中间高压直流的方式，减少AD转发，降低了电力损耗。

软件方面，不同的AI、应用和软件有不同的运行特征，将这些特征利用起来，可以降低整个大规模数据中心的功耗。我们正在攻克自动调控技术，针对大语言模型、视觉模型采用不同的频率，使得CPU、NPU稳定运行，降低功耗的同时不影响性能。前期实验表明，在英伟达平台，该方式至少可节省10%的功耗。

在调度层面，大规模智能调度中心有不同节点，可以建立针对不同任务的电力损耗模型，进行任务调度。例如两个小任务可以放在一个CPU进行计算，而其他没有任务的NPU可以处于低功耗状态或集中在同一节点，这样既能使任务维持高效运行，又能够降低功耗。大规模算力中心的运行成本中，电费支出占比较大。可以根据电力需求和电价的变化，动态调度任务运行，在完成任务的同时，又能够节省相应的电费的支出。

在更大尺度的层面，我们全国范围内建立了很多的数据中心、算力中心，现在正攻关底层的高速网络通信技术，这一技术可以让数据和任务实现高效迁移。通过感知不同算力中心不同的任务执行情况，可以能够根据任务、数据以及不同的算力中心任务需求，尽可能把一些任务（例如计时没有那么强的任务），调度到西部绿电富集地区。

中国计算机学会分布式计算与系统专业委员会副主任，南京大学教授、博士生导师叶保留：电算协同需先解决电算差异

“东数西算”针对东部地区不断增长的算力需求，通过数据调度来充分利用西部充裕能源资源，从而赋能数字经济发展。实际上，“东数西算”与“西电东送”不谋而合，都是通过调度来协调能源地域分布不均问题。从这一点上来看，“东数西算”为电算融合提供了宏观战略指导。当然，目前“东数西算”还处于发展阶段，其中也还面临一定挑战，从调度角度，算力调度与电网调度还存在一些明显差别，需要考虑几个问题。

首先从调度环境角度，电网是一个标准化、统一化与规范化的网络；相比之下，算力网是一个高度异构、动态、多变的网络。其次，从调度对象角度，电网的调度对象是标准化的电压/电流，是从供给侧向需求侧单向调度；而算力网的调度对象可分任务流、数据流、指令流，需要根据资源状态来动态确定相关流的流向。对应的算力网平台可包括普算、超算、智算，其中普算涉及到一般的Web应用，超算主要聚焦高性能计算、大规模数值计算，智算主要伴随大模型而兴起，不仅需要关注算法和数据，还需要关注智能模型训练、推理过程中超大规模参数的迭代交互。再者，从资源范围角度，电网的资源主要是电能单一维度，而算力网包括计算、存储、网络等多维资源，需要在调度过程中动态耦合协同。

电算融合需要从以下两个方面考虑。第一，如何让算力网从传统的能源被动消耗者变为能源的主要调节者，通过算力网的动态调控来更好地吸纳绿色能源，提升绿色能源的使用率。第二，数据已成为驱动数字经济发展基本要素，数据既是算力的处理对象，也是电力的主要服务对象，如何构建基于数据电算协同机制，更好地推动数字经济发展。更近一步地，通过电算融合更好地服务新型电力基础设施与产业发展。

浙江大学电气工程学院副院长、教授、博士生导师丁一：数据中心绿色发展需破解电力因素制约

从宏观角度看，近年我国算力需求呈现爆发式增长，每年增幅超15%，到2030年算力产生的电力需求量可能达到4—5千亿度。另外一方面，我国拥有世界上最大的电力系统，电力系统基础设施建设完善，可再生能源发电量、装机量位居世界前列。

我国发电总量可以保证未来算力需求，但是电力具备两个重要特性，第一是空间性，地方不同，发电量也不同；第二是时间性，不同时段，发电量也不同。因此对于电算一体化网络来说，在用电紧张时段，如何确保两者协同是未来面临的重大问题。

微观角度看，建设一个较大的数据中心会受到很多制约，如建设成本、运行成本，其中电价是重要的考量因素，除区位导致的电价差异外，还要考虑不同时段的电价，以及和电力市场尤其是现货市场的耦合。此外，数据中心也要考虑绿电消纳、电力保供的问题。在数据中心的选址、建设、运营中，电力始终是重要因素，现在考虑较多的仍是和算力需求相吻合，建设在东部沿海的数据中心运营成本高，绿电消纳不足，为保证安全可靠，采用2N系统。这样有可能造成资源浪费，电力成本也可能成为制约算力网发展的一个重要因素。

南方电网数字电网研究院股份有限公司副总经理胡荣：结合电价的高效调度是算力发展重要方向

要解决局部地区的供电和算力矛盾的问题，要从产业背后的逻辑来看。数据和算力成为重要的生产资料，提高生产资料的运营效率是重要的发展方向。

通过电价来调整算力成本，要从两方面看待。从电力市场的机制来看，中长期合约和现货合约反映一定时期、一定地区的电力供需平衡和电价成本构成。中长期合约相对平稳，现货市场合约则波动较大。在实际操作中，中长期合约在西部能源（特别是是绿色能源）富集的地区的交易价格偏低，而现货市场合约情况下，西部地区可能出现零电价，而东部负荷中心往往是过电价、超高电价，间接影响了算力成本。

从算力来看，我们把算力的任务分为两类，一类是训练任务，另一类是推理任务。训练任务要求较低，和训练量大小、算力资源大小、训练时间相关。而要求高的推理任务，往往靠近用户侧，和数据量、推理算力大小有一定的关系。

一定的数据量、算力资源和时间，形成了标准的计算任务单元，基于一体化算力网，计算单元可在全国范围内进行调度。如果将现货市场和算力市场融合，要求不高的训练任务可以规划到西部能源富集地区进行训练，要求较高的推理任务也可以根据具体业务场景进行调度。

在不出现供电紧张的情况下，通过算力和电力市场的融合，把满足计算质量的任务通过全国算力网进行调度，降低的运算成本可弥补弥补在芯片、建设方面的开支。但要实现这一点，需要构建新机制，支持综合扩充土地、光缆等一系列的资源，扩充算力和电力技术标准的融合、和电力市场监管机制的融合。

国家信息中心粤港澳大湾区大数据研究院电算协同创新中心首席电力科学家，华南理工大学电力学院教授、博士生导师杨苹：算力网规模化建设和高效运行是电算协同的基础

【责任编辑：杨涵易 】