1、 算力电力协同：思路与探索算力电力协同：思路与探索 白皮书白皮书（2025 年）清华大学 北京火山引擎科技有限公司 2025 年 01 月 算力电力协同：思路与探索白皮书（2025 年）清华大学、北京火山引擎科技有限公司 报告研究团队报告研究团队 清华大学：郭庆来、陈敏、王奕 北京火山引擎科技有限公司：井汤博、潘宇、翟思成、李子豪 算力电力协同：思路与探索白皮书（2025 年）清华大学、北京火山引擎科技有限公司 I 目录 前言.1 一、算力电力为什么要协同？.2（一）伴随 AI 的迅猛发展，算力中心负荷持续攀升.2（二）算力中心负荷具有特殊性，对电力系统是挑战，也是机遇.5（三）挖掘算力中心灵

2、活性，优化算力中心供能结构与用能成本.6 二、算电协同，具体协同什么？.8（一）基本供用能结构中的算电耦合点，是算电协同的物理基础.8（二）相关主体的不同利益诉求，是算电协同的核心驱动力.11 三、如何协同？.13（一）列头柜层面：预测算力需求及算力功耗，并挖掘其灵活性.13（二）算力中心层面：从业务逻辑弱耦合到强耦合，发掘灵活性.14（三）局部电网层面：高比例可再生能源局部电网本地自治.20（四）大规模“算力网+电力网”层面：跨区优化调度.21 四、结语.22 算力电力协同：思路与探索白皮书（2025 年）清华大学、北京火山引擎科技有限公司 1 前言前言 “实施一批算力与电力协同项目”作为代

3、表性方向列入我国加快构建新型电力系统行动方案（20242027 年）。本报告针对算力负荷区别于其他常规负荷的特征，按照“为什么要做算力电力协同”、“协同什么”、“如何协同”的顺序展开，介绍了我们在算力电力协同方向的思路与探索，目标是充分挖掘算力中心与算力系统中蕴含的灵活性，优化算力负荷用能成本与供能技术，并提升新能源消纳能力，为加快构建新型电力系统提供支撑。编写组 2025 年 1 月 算力电力协同：思路与探索白皮书（2025 年）清华大学、北京火山引擎科技有限公司 2 一、一、算力电力为什么要协同？算力电力为什么要协同？（一）（一）伴随伴随 AI 的迅猛发展，算力中心负荷持续攀升的迅猛发展，

4、算力中心负荷持续攀升 1.AI 领域的“领域的“Scaling Law”，带来能源消耗指数级增加”，带来能源消耗指数级增加 在人工智能（artificial intelligence，AI）领域，“Scaling Law”揭示了随着模型规模、计算能力和数据量的增加，AI 系统的性能会指数级提升。然而，这一法则也伴随着能源消耗的指数级上升。原图来源：Yuzhuo Li,Mariam Mughees,Yize Chen,Yunwei Ryan Li,“The Unseen AI Disruptions for Power Grids:LLM-Induced Transients”,2024.图 1

5、 不同大型语言模型训练过程中，能耗与模型参数数量的关系 2.全球视角：全球视角：AI 应用快速发展，带来全球算力中心耗电量大幅增长应用快速发展，带来全球算力中心耗电量大幅增长 伴随 AI 应用快速发展，全球用于 AI 的 IT 设备用电需求激增。根据花旗集团研究部门 Citi Research 的预测，从 2023 年到 2030 年，服务于 AI 的 IT 设备用电需求年均增长率将达到 43%，远高于服务于其他业务的 IT 设备用电需求的年均增长率 8%。预计到 2030 年，服务于 AI 的 IT 设备用电需求将达到 52GW，占全球 IT 设备用电需求的 50%以上。与之对应，全球算力中

6、心用电量也大幅增长。根据国际能源署数据，从 2022算力电力协同：思路与探索白皮书（2025 年）清华大学、北京火山引擎科技有限公司 3 年到2026年，全球算力中心和加密货币的总用电量将翻一番，增加160590TWh，相当于一个瑞典或德国的年总用电量。与 AI 需求爆发前，即 2022 年前的过去10 年相比，其总用电量增长幅度仅为 3389%。原图来源：datacenterHawk(DCH),FactSet,Cogent Communications,Citi Research；中国信息通信研究院、内蒙古和林格尔新区，中国绿色算力发展研究报告（2024 年）图 2 全球 IT 设备的用电需