谷歌表示,AI时代正在深刻改变超大规模基础设施的设计与运营方式,效率提升的重要性已与新增算力同等重要。在其2026年环境报告中,谷歌指出,AI的持续增长不仅依赖于建设更多数据中心,更需要降低运行高耗能工作负载所需的能耗与基础设施开销。
报告揭示了AI影响的规模。随着AI服务的快速扩张,谷歌2025年的电力消耗同比增长37%。与此同时,谷歌表示,连续第九年实现年度用电量100%匹配可再生能源采购,并将运营排放量降低了2%。这些数字凸显了在AI扩张与可持续发展目标之间寻求平衡的严峻挑战。
对于AI基础设施运营商而言,报告中最具参考价值的指标之一,是谷歌2025年全数据中心机队平均电能利用率(PUE)达到1.09。谷歌表示,这意味着其在冷却、配电及其他非IT功能上的额外能耗,比行业平均PUE水平1.54(来源于2025年Uptime Institute调查报告)低83%。PUE越接近1.0,意味着更多输入电力被IT设备直接使用,而非消耗于设施运营。
谷歌将上述成果归因于其AI技术栈的全面改进,涵盖定制化TPU加速器、数据中心工程设计以及软件优化。据谷歌介绍,其第七代Ironwood TPU的能效较第一代Cloud TPU提升了近30倍,而过去一年中,处理Gemini文本提示所需的能耗降低了33倍。
报告还着重指出AI基础设施在电力系统中扮演的角色日益重要。谷歌已将超过1GW的需求响应容量纳入与公用事业公司的协议中,并于2025年签署了逾70项清洁能源协议。这反映出行业对于确保AI数据中心增长能够同时获得高效设施与充足清洁电力支撑的高度重视。
行业动态速览
AI控制平面:思科正加大对网络层的投入,认为在AI时代,网络的战略地位"比单个节点更为重要"。通信、安全、身份认证、可观测性与成本管控正在汇聚为统一的运营挑战。
曼谷AI算力扩容:泰国True IDC正在北曼谷新建第七座数据中心,专为AI、超大规模计算及液冷技术而设计,以满足区域数字基础设施持续增长的需求。
软银美国新云业务:软银成立SB Neo,计划依托其10GW AI基础设施平台,于2027财年起在美国开展大规模AI训练与推理服务。
Digital Realty加码弗吉尼亚:Digital Realty以35亿美元收购北弗吉尼亚州三座已全部出租的超大规模数据中心,进一步巩固其在全球最大数据中心市场的地位。
日本新数据中心平台:DigitalBridge与JEXI联合推出Nippon Gateway Infrastructure,以NEC旗下资产为起点,计划在日本扩展面向企业的数据中心容量。
施耐德拓展工业AI版图:施耐德电气将以31亿美元收购工业AI软件公司Cognite,借此强化AVEVA工业智能平台的数据情境化能力与AI智能体功能。
越南建设AI园区:越南G-Group将在河内附近投资3亿美元,建设以AI为核心的数据中心园区,整合Tier III基础设施、高性能计算能力与云服务,助力国家AI战略落地。
非洲数据中心机遇:非洲数据中心投资市场规模有望于2031年达到87.6亿美元,但电力供应、电网基础设施和监管体系仍是制约发展的主要挑战。
AI优化数据中心冷却:NTT Data与大金将联合测试一套AI驱动的冷却系统,该系统能够预测服务器产热并协调冷却设备响应,目标是在2027财年正式商业化之前提升整体能效。
Q&A
Q1:谷歌数据中心的PUE指标表现如何?
A:谷歌2025年全数据中心机队平均电能利用率(PUE)为1.09,意味着其在冷却、配电及非IT功能上的额外能耗,比行业平均水平(PUE 1.54)低83%。PUE越接近1.0,代表更多电力被IT设备直接使用,能效表现越优异。
Q2:谷歌Ironwood TPU的能效提升了多少?
A:谷歌第七代Ironwood TPU的能效较第一代Cloud TPU提升了近30倍。与此同时,过去一年中处理Gemini文本提示所需的能耗降低了33倍,充分体现了谷歌在AI硬件与软件协同优化方面取得的显著进展。
Q3:谷歌是如何应对AI业务快速增长带来的能耗压力的?
A:谷歌采取了多项举措:连续第九年实现年度用电量100%匹配可再生能源采购,将运营排放量降低2%,并将超过1GW的需求响应容量纳入公用事业协议,同时于2025年签署逾70项清洁能源协议,以确保AI数据中心扩张获得充足的清洁电力支撑。
好文章,需要你的鼓励
Anthropic于6月30日发布Claude Sonnet 5,相较前代Claude Sonnet 4.6在编程、推理、工具使用及知识工作方面均有显著提升。该模型可自主制定计划、使用浏览器和终端等工具,达到数月前需更大更贵模型才能实现的水平。安全评估显示其不良行为率更低。Sonnet 5默认开启自适应思维,采用更新的分词器,性能接近Opus 4.8但价格更低,现已面向所有订阅计划开放。
复旦大学联合多机构提出A2World框架,通过210万条真实机器人轨迹进行动作条件化预训练,将学到的物理动力学先验同时迁移到仿真模拟和策略控制两个方向,在LIBERO和真实机器人任务上均取得当前最优表现。
人工智能基础设施的快速扩张不仅带来总用电量激增,更在改变电网的运行特性。AI训练任务高度同步、计算密集,推理任务则分散且难以预测,两者均可在极短时间内造成电力需求骤变。数据中心的地理集中分布进一步加剧局部电网压力。现有监管框架多基于稳定工业负荷设计,难以适应这类新型需求。专家指出,电网规划需从关注总能耗转向关注需求波动性与同步效应。
同济大学研发的FLISP系统,让无人车与无人机在水电隧道中无需建图、仅靠激光雷达实时协作导航,规划延迟仅7毫秒,成功率100%。