发展潜力。 架构选择 ｜ AI训练主要依赖GPU集群，推理向边缘算力延伸，需异构资源管理与高速网络支 持。 国产替代 ｜ 国产算力卡逐步替代进口，但关键芯片仍依赖国际供应链。 能耗挑战 ｜ 单机柜性能提升导致能耗压力，需液冷技术等绿色节能方案优化。 12 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute 架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智算中心成为数字经济核心驱动力，前景广阔但 需持续突破能耗与成本瓶颈。 30 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 4. 未来挑战与趋势 d 横向扩展：增加节点数量，提高互连效率。 d 推理需求：面向应用和推理需求的芯片和系统架构设计。 4. 智算中心挑战 d 故障率上升：集群规模扩大导致节点故障率上升。 d 能耗挑战：单机柜性能提升导致能耗增加。 d 算力利用率：部分智算中心算力利用率未达预期，需解决资源利用率低的问题。 40 Supplyframe, Inc. Confidential & Proprietary.

但是同时我们也看到随着效率的提升，服务器和机柜的功率参数以每代 40-60%的比例提升。而 DeepSeek 实现 GPU 白卡互联的能力，为国产芯 片的大规模应用打开了大门，在经济上必然存在较强的优势，但是短期内在 能耗上与英伟达芯片仍然存在差距。因此随着国内数据中心中智算中心的比 例提升，单个数据中心的 MW 数将持续上升，甚至相同算力下可能提升更 快。这将带来供配电解决方案的技术迭代加速从传统 UPS 向 HVDC，以及 能系统，合盈数据“源网荷储”一体化示范项目首期 540MW 风电光伏已于 2023 年并网发 电。项目通过电力市场化交易打通源网荷储的落地路径，达到了确保电能量与绿色环境权 益的转移、绿电消纳、显著降低能耗、提升能源利用效率的效果。 1. 国家政策逐步强化绿色电力与算力中心的耦合发展。早期政策如 2021 年工业和信息 化部发布的《“十四五”信息通信行业发展规划》和《新型数据中心发展三年行动计划 注：占地面积中 S 为低压配电室面积 资料来源：叶新平（台达大功率电源产品技术专家 ），台达，华泰研究 相比传统 UPS 方案，HVDC 在供电系统、冷却系统和服务器机组三方面降低数据中心能耗 1） 供电系统方面：目前常规 UPS 系统因为 2N 冗余供电，大部分在低负载下运行，而 HVDC 在低负载下效率相较 UPS 方案优势更加明显，因此除理论效率差距外，HVDC 系统在使用 中具备超额效率优势。

随着各行业数字化转型进程加速，尤其是 AI 与科技企业对算力资源的旺盛需求，正推动中国算力中心市场需求不断提升。一线及环一线城市凭借经济 发达、数字经济活跃的优势，对算力资源的需求更为突出，且由于资源与能耗限制，这些地区的算力中心服务资源或将率先面临供不应求的局面。算 力中心定制批发业务在不同地理区域的供需格局存在一定差异，为行业参与者带来了多元化的市场机遇与挑战。 ➢ 以环京地区为典型，得益于AI 大模型算力选择应着重最优解而非最大解：不同需求程度的模型不能唯算力的参数而论，而是结合自身对于算力部署的能力进行探究。模型的参数量及涌现结果在技 术落地过程中有一定重要性，但模型运行所需的算力成本、能耗成本、运营成本等能否匹配 AI 技术带来的效果及价值突破更为关键。 ➢ 训练与推理的成本差异及趋势：未来 AI 应用中，推理成本可能远超训练成本。大模型训练属于阶段性需求，其训练数据量级通常固定（如几万亿、几十万亿 （长期运营） • 模型推理阶段的算力主要为 运行模型和数据处理，并且 需要考虑产品的使用体验 推理算力未来将出现爆发态势 推理算力未来可能爆发的示意图 时间成本 (是否尽快抢到实践 化的落地） 能耗成本 (云服务或者算力的 使用成本） 人员成本 (工程化协作的团队） 技术实现路径 算法结构 训练数据量 参数量规模 预训练 基于需求进行 fine-tune 模型规模 （参数稀疏程度）

软硬件相互适配、协调发展的生态体系。 三、保障措施 （一）加强统筹联动 加强部门协同，分工做好重点任务组织保障，合力推进算 力设施发展。鼓励地方政府结合实际制定针对性强、可操作的 实施方案，探索能耗“双控”向碳排放“双控”过渡机制和算 力应用综合税收考核机制，因地制宜推动算力设施建设和产业 12 发展。成立算力战略咨询专家委员会，开展前瞻性、战略性问 题研究，为算力发展重大决策提供咨询。 Effectiveness， PUE） 指数据中心总耗电量与数据中心 IT 设备耗电量的比值，一 般用年均 PUE 值衡量。详细计算和测量要求参照 YD/T 2543《电 信互联网数据中心（IDC）的能耗测评方法》。PUE 数值大于 1， 越接近 1 表明用于 IT 设备的电能占比越高，制冷、供配电等非 IT 设备耗能占比越低。 计算公式为：PUE=PTotal/PIT 式中： PTota

调节，从而 提高了机器人的运动性能和智能化水平。在未来的人形机器人电驱动 技术研发中，轻量化与高效化设计将成为重要的趋势。通过优化电机 结构、材料和制造工艺等方面的设计，可以降低机器人的重量和能耗。 液压传动从早期开关控制、比例控制，逐步发展到可精确控制位 置、速度和加速度的伺服控制，目前已发展为最新的数字液压。液压 相比于电机驱动，功率重量比有 5 倍以上明显优势，可为机器人提供 也带来了更高的计算复杂度与能耗开销，需要更强大的硬件算力和电 池技术支撑。复杂的任务决策往往需要依托网络边缘和云端部署更大 规模的模型和算力支持，同时结合云端信息输入、网络通信质量、终 端能耗限制等多方面因素进行综合推理计算和任务分配，因此需要通 过端-网-云充分协同和通算融合，实现按需动态的算力迁移与卸载， 46 以及系统性的算力资源调配与综合能耗优化。 近年来，人形机器人模型训练系统取得了显著进展，深度学习算 面向工业和服务机器人，围绕词汇与特性、安全、 性能、模块化、互操作、人机交互、能耗等方面发布国际标准 32 项， 在研 15 项。近 3 年新立项标准主要关注服务机器人（包括腿式机器人、 背部支撑机器人和电动汽车充电机器人）的性能规范及试验方法、工 业用自主移动机器人通信与互操作、服务机器人软硬件及模块的信息 模型、工业机器人能耗等方面。 国际电工委员会 IEC 并无专门面向机器人领域的技术委员会，其

炉顶布料效果评定 • 远程换钎 • 中间产品无人天车吊装 控制 • 废品无人天车吊装控制 • 铁水质量预报 • 高炉温度分布 • 高炉燃料比监测 • 高炉精准出铁预测 • 高炉炉况诊断 • 高炉燎铁能耗预测 • 高炉在含量智能预监 • 铁包动态调度算法(铁包 跟踪) • 烟气余热回收控制 • 部署工艺模型分析诊断 • 能源诊断分析 • 建设质量工艺动态设计 优化 • 堆堵料异常检测

数字孪生技术可以帮助收集碳排放、能源消耗、水资源 使用等不同维度的数据，可以基于数据对绿色金融场景进行 模拟，为绿色金融的风险评估提供充分的数据参考。 （2） 助力企业碳账户搭建 数字孪生技术，可以收集生产、能耗等方面数据，助力 碳排放统计核算的智能化升级，确保碳排放相关信息的准 确、及时收集与共享。数字孪生还能为企业构建碳账户作为 评价企业碳排放表现的载体，为有效管理和监控碳排放提供 数据支持。

要获得这些好处，他们不仅需要在技术整合上，还需要 在这些机器的社会整合上走在最前沿。 当然，随着基础模型为这一代机器人铺路，企业领 导者也需要密切关注其他新兴技术革新，这些革新 对于使这些机器在实际环境中具有可行性至关重要 。极低的能耗将是核心竞争力，使得它们能够持续 运行并具备所需的效率来应对分配给它们的任务。 延迟也将是关键： 现在是开始构建您的机器人未来的时刻。随着通才学会在新环 境中导航、与其中的人建立联系，并通过自主“思考”解决问题 这些技术中的每一种都可以帮助新的机器人操作实现清 洁、持续进行，而不会对电网造成过大的负担。而且， 一些公司已经开始使用它们。谷歌数据中心已经将一些 耗能高的计算任务转移到电网有零碳能源可用的时间和 地点。 107 思考一下基础模型因能耗而受到的关注。在新型技术发 展一度与更高效率相关联的时代，现在它们却带来了前 所未有的更高需求。坦白说，任何新兴企业所做的事情 都面临着公众更高的可持续性审查。我们从生成式AI中 看到了这一点，而对于机器人、量子计算和太空等新兴

Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ SLM（Small Language Models）的另⼀个关键优势是它们相对于LLM（Large L anguage Models）具有较低的能耗。随着⼈⼯智能模型的规模不断增⼤，⽤于训练 的计算资源也在增加。例如，最显著的LLM之⼀GPT-3 在其训练阶段据称消耗了将 近1,300兆⽡时（MWh）的电量，相当于约130个美国家庭的年度⽤电量。此外，训