.... 5 2.3 能耗可视方案介绍 ..................................................................................................................................................... 5 2.3.1 网络能耗可视 ........... 重大决策，把碳达峰、碳中和的“双碳”目标作为经济社会 发展和生态文明建设的核心基调，共同构建 人与自然生命共同体。企业应当以智慧化转型积极响应宏观政策，打造可持续发展的核心竞争力。 具体到企业园区网络中，无线 AP 数量大，能耗大，当存在大量空闲 AP 时，即应该尽可能的避免不 必要的能源消耗，建设绿色低碳的园区网络。 针对 AP 的节能，当前通常以管理方式明确规定在某一时间段不提供 WIFI 网络（即通过上游 POE 与用户体验。 1.2 解决思路 鉴于人工设定 AP 节能策略的弊端，可采用基于 AI 技术，充分挖掘网络的数据价值，智能推荐节能 策略，在保障用户与 IOT 业务不受影响的同时，将整体网络能耗降至最低。AP 上通过射频关闭，调频调 压以及有线口降速等功能，来降低需要休眠 AP 的功耗，同时，保存 AP 已最小的功耗代价保持在线状 态，通过周边 AP 对网络情况的监控，能够及时将能够休眠的

........................................................................................- 27 - 2.7 能耗与绿色运维.............................................................................................. ...........- 28 - 2.7.2 当前能耗挑战................................................................................................................................- 28 - 2.7.3 能耗与绿色运维...................... 算力运维核心目标高效释放算力资源，侧重算力密度最大化与能耗比最优；服 务对象主要是高性能计算、人工智能训练/推理、云计算等对算力需求极强的 场景。 （2）. 传统运维管理模式标准化，流程成熟，侧重流程合规与故障快速恢复；团 队需掌握服务器部署、网络排障等基础技能，对硬件底层原理深入理解要求较 低；算力运维管理模式动态化，需结合业务负载实时调整资源分配；团队需掌 握芯片级知识、能耗建模、分布式系统调度等技能，甚至需与算法工程师协作

SerDes)普遍 占交换机主芯片能耗约 50%，当链路处于低流量场景时，可通过关闭部分通道的 耗能元件（分布于 MAC/PHY、SerDes 和光模块）降低能耗。 新型智算中心场景下，AI 大模型训练过程中的流量模型具有方波性，如图 3-10 所示，某 GPT-3 组网，GPU 之间网络利用率约 5%，交换机之前网络利用率 仅 1%。AI 集群网络在等待计算期间产生网络互联“空跑”能耗。 图 3-10 联链路空闲，关闭三个通道保留一通道运行，接口能耗理论上7降低 35.4 2.08+35.4 × 3 4 = 70.9%，主芯片能耗理论上可降低 50% × 70.9% = 35.5%；DP 并行，在 二层网络设备互联空闲期间，每链路关闭三个通道，接口能耗理论上降低 29800 29800+196.9 × 3 4 = 74.5%，主芯片能耗理论上可降低 50% × 74.5% = 37 37.3%。 7 实际节省的能耗比例与器件能力及实施策略有关。 中国移动 面向新型智算中心的以太网弹性通道（FlexLane）技术白皮书(2025) 16 4 应用场景 FlexLane 技术可广泛应用于移动承载、园区、智算中心以及中心间互联各种 组网场景。 对于移动承载等场景，连通性对网络稳定运行影响大，实施 FlexLane 技术， 可彻底规避由于通道相关的器件引发的连通性故障，

AI+时代发展脉搏，勇担发展新质生产力先行者、排头兵，持续 打造以智为核心、算网智一体化发展的算力网络，旨在推动算力成为 可“一点接入、即取即用”的社会级普惠服务。 光计算作为后摩尔时代的新型计算范式，具有大带宽、低能耗、 抗干扰、高并行等特点，在处理人工智能、信号处理等任务方面具有 独特优势，有望突破传统电子计算的效能瓶颈，成为未来算力网络的 新型智能算力底座，支撑 AI+时代大模型的高效训推和创新应用。 算力基础设施建设与布局，在 AI 芯片、部件、基础软件等方面构建技术壁垒，全球算力竞争愈发白热化。与 此同时，人工智能大模型的发展对计算效率和计算能耗提出了更高要求，在此背 景下，各界纷纷加大对新型计算架构的探索，光计算凭借其在大带宽、低能耗、 抗干扰、高并行等方面的独特优势，成为近年来业界关注的热点。 国家高度重视光计算的研究和布局，将光计算作为我国重大科技发展方向予 以重点支持。多 片性能与集成度，国内芯片主要 制程仍停留在 14nm，与国际先进水平存在显著差距，制程技术的滞后，极大限 制了芯片性能的提升空间，导致国产芯片在性能表现上与国际顶尖产品存在代差。 传统电子芯片能耗问题日益严峻，不利于数据中心可持续发展和双碳目标实 现。全球数据中心耗电量持续攀升，根据国际能源机构 IEA 于 2025 年 4 月份的 数据，自 2005 年至 2024 年，增长幅度超 3

根据国际能源署测算，2024 年全球数据中心电力消费约为 415 TWh，占全球电力总需求的 1.5%。在基准情景下，预计 到 2030 年这一数字将翻番至 945 TWh，年均增速约 15%， 是其他高能耗行业需求增速的四倍以上。 随着人工智能的快速发展，预计 2025 至 2030 年间，全球 数据中心服务器的用电增长将呈现显著的结构性特征：其中， 50% 的用电增长将来自高性能服务器，年均增速达 跃升至当前智算中心的 20– 40kW，未来部分场景将会突破 100kW。这种高密 度负载对配电、制冷、空间布局和散热系统提出了 更高要求，推动传统基础设施进行全面升级。 单机架功率密度大幅提升 为适应高密度与低能耗需求，液冷技术正逐步从边 缘走向主流，尤其适用于高散热量的人工智能服务 器。同时，存算一体、光电融合等新架构也在探索 落地路径，网络系统则朝着更高带宽、更低延迟、 更智能的方向发展。 技术路线持续深化 PUE，并持续控制运营成本，面临更多技术瓶颈亟待突破。 当前，许多在役数据中心仍使用传统UPS、变压器和配电设备， 在中低负载场景下效率降低，电力转换损耗较高。与此同时， 冷却系统能耗占比增大，在高密度部署下，机柜散热功率增 加，推高整体能耗。 低效数据中心不仅难以满足日趋严格的能效与排放考核，也 拉高了单算力成本，限制了其在高强度智能应用场景中的市 场扩展潜力。 关键电气设备能力的提升将成为节能增效的突破口。例如，

政策与市场对“双碳”目标的要求，使绿色制造成为硬指标。智能制造场景中的能源智能 2175 云，人力资源数智化解决方案 第 14 页 共 37 页 管控、碳资产全生命周期管理等，能有效降低单位产值能耗与碳排放。 人力资源可将绿色技能纳入员工能力模型，并通过设计绿色绩效激励方案，将可持续发展 目标融入每一位员工的日常行为中，从而构建企业的“绿色竞争力”。 1.2.5 人力资源数智化顾问的行动指南 云，人力资源数智化解决方案 第 26 页 共 37 页 备间距、人员动线、物流效率，找到最优方案。 能源管理：将电、水、气等能源消耗数据与生产设备、环境数据关联，在虚拟工厂中精准 定位高能耗环节，并通过模拟不同生产策略下的能耗情况，实现节能降耗。 安全应急演练：模拟火灾、泄漏等突发事件，在虚拟环境中进行应急预案的演练与评估， 提升工厂的安全管理水平。 供应链级数字孪生：提升整体韧性 将数字孪生技 对工艺 稳定性、能耗控制、生产安全与合规性有极高要求。微小的参数波动可能影响整批产品的 质量，甚至引发安全事故。 典型场景： 工艺参数优化：生产过程会产生大量过程数据（如温度、压力、流量、pH 值）。通过机 器学习模型，寻找关键质量指标（如产品纯度、收率）与上百个过程参数之间的复杂非线 性关系，推荐最优的工艺参数设定，使生产始终处于最佳状态。 能耗管理：化工是能耗大户。通过数据分析和

预测三：AI 服务器机架的功耗将超过 1 兆瓦 12 预测四：AI 的能耗需求将推动电源架的功率等级突破 100 千瓦 13 三、数据中心的整体供电 16 预测五：新一代数据中心的功率需求将迈向吉瓦级规模 16 预测六：配电将从交流系统转向直流微电网 17 预测七：可再生能源将成为满足 AI 数据中心增长能耗需求的关键 19 结论 21 参考文献 23 3 Adam 展示了这种分离式 IT 机架架构的示例，其中电源模块（PSU）、电池备用单元（BBU）和峰值电流补偿模块（PCS） 均置于侧机架内。 13 图 11：分离式 IT 机架示例 预测四：AI 的能耗需求将推动电源架的功率等级突破 100 千瓦 当IT机架的功率等级接近100 千瓦时，由Open Compute Project[1]所定义的单相电源供电长期以来一直是业界标准。 在过去十多年里，输出功率为 就必须建立一种全新的配电基础设施，以满足能效与运维成本需求。直流微电网被普遍认为是最有潜力塑造未来 AI 数据中心格局的架构方案，它代表着对数据中心基础设施内部电能管理方式的根本性重构。 图 15：面向 AI 数据中心能耗增长的电力架构演变示意。无论是 DC-DC、AC-DC 还是 DC-AC，英飞凌的功率半导体解决方案均能在每个功率级提升能效 在这种情景中，电能将由中压交流电网（10-35 kV 交流电）直接集中

l、BCube 等。受限于集成电路工艺的发展 限制，传统电交换机的带宽密度已难以满足大模型训练增长的流量需 求。光交换具有大带宽、可靠性高、功耗小、组网灵活的特点，相比 电交换机具有高带宽、低能耗的优势，是突破网络核心侧带宽密度瓶 颈的最佳技术路线，适用于超大规模 AI 训练集群。光电协同架构[6] 可以将光交换的高带宽、低延迟和电交换的灵活控制能力整合起来， 提供 TB 级带宽，充分发挥光与电两者优势。 此外，大模型的训练周期长（如 GPT-4 需 90-100 天），GPU 持续高 负载运行，且当前利用率仅 32%-36%，故障率较高，进一步延长训 练时间并推高能耗。 为满足极端高速率转发需求，电交换芯片必须在高功率状态下运 行，其高速 I/O 与大型转发能力意味着持续的高能耗（例如 CMOS 芯片在多层高负载下功率分布复杂）。与此同时，传统数据中心网络 采用多层级的分层拓扑（如 fat-tree 或 Clos），在骨干和汇聚层中互 会显著影响训练吞吐率与推理响应速度。 低能耗与可持续发展：光交换设备的能耗需求远低于传统电交换 机。电交换设备功耗与比特率成正比，仅 32 口的 400GbE 电交换机 就具有 420W 的典型功耗，峰值超过 1 kW；而光交换设备依据技术 原理不同，如 320 端口 MEMS 交换机仅需 45W 典型功耗。同时，光 交换技术减少了光-电-光转换的需求，进一步节省了光模块能耗。综 合考虑来看，在一个使用

发展可再生能源 构建新型电力系统 产业结构升级 遏制两高项目盲目发展 发展绿色低碳产业 优化交通运输结构 优化交通运输结构 引导低碳出行 城乡绿色规划建设 发展绿色低碳建筑 优化建筑用能结构 能耗双控向碳排放双控转型 制定双碳综合评价考评制度 绿色转型路径措施 引领全球绿色转型进程 加强政策交流与合作 财税政策 金融工具 市场化机制 碳减排税收 绿色金融产品 CCER 绿电交易 30 03 重点行业绿色低碳转 型路径与实践 在全球数字经济深化发展的进程中，数据中心低碳转型成为实现 " 双碳 " 目标的关键领域。特别是人工智能技术的突破性发展， 导致算力需求激增，数据中心能耗呈现非线性增长态势，使得降碳任务日益紧迫。 智算需求爆发正推动数据中心规模持续增长。通用型数据中心和智算型数据中心在当今的数字经济体中各自扮演着不同的角 色，在互联网经济浪潮中相辅相成，共同为数 通用算力（基于 FP64 计算） EFLOPS 以 ESG 治理驱动上市公司绿色转型 33 数据中心向更高密度转型，能耗挑战持续加剧。随着 AI 的发展，智能算力成为未来数据中心最主要的驱动力，智算中心的高 密度化成为消化 AI 算力洪流的必然选择，并带来更高的能耗需求。生成式 AI 大规模应用前，数据中心普遍以通用计算负载 为主，单机柜功率设计通常在 2-10kW 区间，服务商主要通

管、到小三角瓶、大三角瓶，再到种子罐， 逐步进行过渡。该步骤旨在为后续大规模发 酵提供大量新鲜且具有高活力的菌种，并使 菌种逐步适应发酵环境，从而缩短发酵周 期、降低能耗、减少染菌的风险。 • 发酵阶段 与化学合成相比，发酵过程在常温常压 下进行，反应条件温和，能耗低且安全性 高。但发酵过程涉及复杂的生物化学反应， 不同菌种和目标产物对温度、pH 值、溶氧等 参数要求各异，需要实现参数的精准把控。 同时，工艺参数间存在复杂关联性，在规模 灌包装设备以单机操作为主，缺少整线集中监控 标准化 单机设备众多，硬件选型、软件编程、网络接入和数据接口等各不相同，系统集成沟通 成本太高，也给后期维护带来诸多困难 效率和 能耗 染菌 由于灭菌操作不规范导致的染菌事件频发，严重影响生产进度，造成大量的能源和原料 的浪费 柔性生产 中试工厂为生物发酵行业的大规模量产提供了平台保证，但柔性化需求很高，特别是在 过高导致产品不合格 综合 OEE 单机设备和整线的生产效率统计和分析功能仍不完善，缺少跨产线、车间级的效率统计 分析系统 能源消耗 没有完整的三级计量体系，缺乏完善有效的能源管理系统，能耗分析无法细化到单线与 单品消耗，无法为减能增效提供有力支撑 生产 计划和 管理 生产计划 计划变动频繁，依靠人工计算和排产，不能很好兼顾能源、设备效率等因素；生产管理 系统和上级