数据中心规模、用电量及供电方式分析

数据中心的规模正在迅速扩大。

AI 模型的训练和推理、云计算、数据分析等需要消耗大 量计算资源，催生了对数据中心井喷式的需求，不论是单个数据中心的规模还是全球数据 中心整体规模，均将迅速扩大。在过去，一个功耗不到 50MW 的数据中心被认为是大型 数据中心，而现在超过 100MW 的数据中心已变得常见。以目前常见的单个数据中心 10 万卡集群和单卡功率 1.2kW 计算，一个 AI 数据中心的功耗就可以达到 120MW，部分未 来的数据中心园区的功耗甚至会超过 1GW。 大型数据中心自备电力将是大势所趋。大功耗的数据中心接入电网将造成极大的负担，这 种负担体现在两方面：1）整个电网的发电能力开始承压；2）数据中心选址存在聚集效 应，导致局部区域电力负荷过高。因此新建数据中心需要与电站合作，提前规划单独供电。 例如，美国德克萨斯州公用事业委员会已向科技公司表示，若希望尽快接入电网，那么他 们需要自备一些电力。美国弗吉尼亚州聚集了大量数据中心，据弗吉尼亚州联合立法审计 和审查委员会估算，若没有限制，数据中心将导致该地区 2040 年电力装机规模较 2025 年增长超过 30000MW，接近目前装机量存量，建设足够的发电和输电设施将非常困难。 在“大型化”趋势下，自然需要整个电网以更快的速度扩大装机规模，数据中心自备电站也 越来越有必要性，尤其是在数据中心聚集的地区。

美洲和亚太地区数据中心规模增速更快。据 DCByte 统计，2018-2023 年，全球数据中心 IT 功耗从 17.32GW 提升至 37.48GW，CAGR 为 16.69%；2023 年末，美洲、亚太和 EMEA （欧洲、中东和非洲）已运营数据中心的 IT 功耗分别为 17.45、11.18、8.85GW，5 年 CAGR 分别为 16.42%、19.54%和 14.08%；EMEA 和亚太在建项目较多，2023 年末美 洲、亚太和 EMEA 在建项目 IT 功耗分别为 9.51、12.69、15.39GW，早期阶段项目 IT 功耗分别为 11.22、10.61、6.19GW，全球已规划项目的 IT 功耗共计 65.61GW。据 DCByte 预计，到 2028 年，美洲、亚太、EMEA 和全球运营数据中心的 IT 功耗分别可达 37.70、 26.70、16.79 和 81.19GW，5 年 CAGR 分别为 16.66%、19.02%、13.66%和 16.72%。

全球数据中心用电量或将保持高速增长。1）使用数据中心历史用电量测算： AI 发展和数字化推动数据中心计算规模激增，尽管历史上能源效率不断提高，但未来效 率提高的潜力正在下降，随着数据中心的规模和复杂性提升，冷却系统、电力分配系统和 服务器基础设施的效率改善可能难以跟上步伐。据 GECF 统计，2023 年全球数据中心用 电量为 414TWh，3 年 CAGR 约为 19%。假设人工智能稳步增长，数据中心容量适度增 加，能源效率提升抵消部分增加的电力需求。在谨慎、中性和乐观假设下，2035 年，数 据中心用电量将分别达到 1544.38/2321.05/3911.11TWh，占 2023 年全球用电量的比例 分别为 5.17%/7.77%/13.10%。

2）通过英伟达 GPU 销量和功耗测算：由于 GPU 产能受 CoWoS 产能影响，我们按照台积电 CoWoS 产能上限来预测。目前台 积电 CoWoS 扩产计划一直在持续，我们推测 2025 年平均月产能约为 55K 左右，全年 660K CoWoS 产能，其中英伟达占据了约 60%，约 420K 的 CoWoS 产能，英伟达 2025 年 B200 系列将获得约 320K 产能，H100 将获得约 60K 产能，B300A 将获得约 40K 产 能。综合来看，采用英伟达加速卡的数据中心中服务器容量将达到 6886MW。PUE（Power Usage Effectiveness）是衡量数据中心整体能效表现的关键指标之一，通常由数据中心总 耗电量除以 IT 设备耗电量（即服务器耗电量）得出。在传统风冷数据中心中，这一比例 通常达到 1.5。而在现代液冷数据中心中，这一比例通常为 1.05-1.2 之间。我们为采用英 伟达卡的数据中心选择 PUE 为 1.2，最终得到 8263.2MW 的容量。同理，我们对自研加 速卡厂商采用同样的方法测算，最终得出采用自研芯片的数据中心容量可达 4382.88MW， 英伟达+自研芯片容量合计达到 12646.08MW，一年的耗电量将达到约 111TWh。 考虑到训练 1T 参数级别的模型、视屏模型等高算力需求的模型依然需要大的算力集群去 训练，同时多模态模型推理需求的大幅提升也对算力提出了要求，我们认为相当长的一段 时间内计算卡将继续保持高增速。在 GPU 更新换代时，通常厂商会提高额定功率以提升 芯片性能，我们同时也会预计加速卡功耗也将不断提升。但一般计算卡在训练 1-3 年后就 将损坏，我们将累计三年耗电量作为数据中心累计耗电量。在我们谨慎、中性、乐观估计 下，2035 年全球数据中心 AI 训练&推理对电力的需求将达到 807/2428/6905TWh。

数据中心供电有多种选项。数据中心可采用的供电方式包括电网购电、电网购电+PPA、 PPA，自备的发电方式有多种方案可选择，例如 1）可再生能源+储能（未来将发展至 LDES）； 2）火电；3）核电；4）其他清洁稳定电力（如地热、氢能等）；5）多种发电方式混合。 我们验证了稳定电力在数据中心供电中的重要性。不同发电方式按稳定性可分为稳定电力 和不稳定电力，稳定电力包括火电、核电、地热等，不稳定电力包括风电、光伏等。为了 验证稳定能源在降低对电网依赖过程中的重要性，我们模拟了不同功率光伏电站、储能规 模和不同功率稳定电力下，电站在 366*24 小时内对数据中心的小时级别供电量。我们假 设数据中心的功耗为 50MW，配备了不同规模的光伏、储能和稳定电力。假设当电站发 电量足够数据中心使用时，多余电量将进入储能系统进行储存，直至储满为止；当电站发 电量不足时数据中心仍需从电网购电；除了一些针对光伏电站的假设外还进行了一些简化 的假设，假设数据中心功耗稳定在 50MW（更符合 AI 模型训练数据中心的情况），稳定 电力功率稳定在额定功率，常规储能系统没有能量损耗，LDES 的能量损耗为 70%。我 们统计了模拟的电力系统对数据中心的全年供电占比以及数据中心全年需要从电网采购 电力的小时数。该模拟结果中的光伏容量系数为 28.71%。

1）50MW 功耗的数据中心配备 50MW 光伏：光伏电站功率与数据中心功耗相同时，需要 配备较多稳定电力才能满足需求。①若只配备 50MW 额定功率的光伏电站，该电站一年 内只能为数据中心提供 28.71%的电力；①为其配备一个 2 小时的储能以及 20MW 的稳定 电力，则可将全年供电占比提升至 68.71%；①配备 4 小时储能和 30MW 稳定电力后可将 供电占比提升至 88.53%；①进一步将稳定电力扩大至 40MW 后全年供电占比可达到 99.66%，我们假设初期储能设备内未存储电力，因此在年初冬季该电站的供电略有不足。

2）50MW 功耗的数据中心配备 100MW 光伏：光伏电站功率是数据中心功耗的 2 倍时， 依然需要配备较多稳定电力才能满足需求。①若只配备 100MW 额定功率的光伏电站，该 电站一年内只能为数据中心提供 40.83%的电力；①为其配备一个 2 小时的储能系统，则 可将全年供电占比提升至 53.39%；①配备 4 小时储能后可将供电占比提升至 57.42%。虽 然光伏额定功率为数据中心的 2 倍，但在没有配备稳定电力的情况下，常规储能设备的作 用有限。①为光伏电站配备 2 小时的储能后，再配备 20MW 稳定电力，可迅速将供电占 比提升至 83.27%，①配备 40MW 稳定电力可实现电力供应全覆盖；①而为其配备 4 小时 储能后，20MW 的稳定电力可把全年供电占比提升至 93.12%，①30MW 的稳定电力基本 可实现全覆盖。

3）50MW 功耗的数据中心配备 200MW 光伏：光伏电站功率是数据中心功耗的 4 倍时， 依然需要配备稳定电力。①若只配备 200MW 额定功率的光伏电站，该电站一年内只能为 数据中心提供 47.18%的电力；①为其配备一个 2 小时的储能，则可将全年供电占比提升 至79.46%，全年的凌晨仍然无法供电；①配备4小时储能后可将供电占比提升至94.31%， 冬季凌晨供电不足。①为光伏电站配备 2 小时的储能后，再配备 20MW 稳定电力，可迅 速将供电占比提升至 99.94%，基本可实现全覆盖。

4）50MW 功耗的数据中心配备 100MW 或 200MW 光伏及 LDES：光伏电站功率是数据 中心功耗的 4 倍时，配备 100 小时 LDES 才能满足需求。若不考虑稳定电力，只通过光 伏和 LDES 供电，①在 100MW 光伏配备 100 小时储能的情况下，在夏季的凌晨仍然无法 为数据中心供电；①200MW 光伏配备 100 小时储能的情况下，从 3 月开始可以实现供电 全覆盖，年初出现供电不足主要原因为假设储能初始电量为 0。

稳定电力是数据中心供电的基石。我们发现，若只通过光伏为数据中心供电，扩大配套新 能源电站额定功率的效果较差，即使配备的光伏电站额定功率达到数据中心功耗的 4 倍， 也会因储能规模不足而不得不在夜间从电网购电，若遇到不利的天气影响，则会出现更大 的缺口。即使配备了 LDES，光伏额定功率达到数据中心的 2 倍也无法实现完全供电。配 备一定规模的稳定电力后，数据中心可迅速摆脱对电网的依赖，这是单独依靠光伏和常规 储能难以实现的。此外，我们没有模拟连续多日光照不足的情况，在这种情况下稳定电力 将显得更重要。