66读书

商汤大装置算电协同：给智算中心装“智能能源大脑”（第1页）

商汤在第二十届中国IDC产业年度大典上分享的算电协同实践，说白了就是给智算中心这个“AI算力工厂”解决了用电的大难题——现在跑大模型的智算中心就是个巨型“电老虎”，不仅耗电多、电费贵，还经常因为电力供应不稳导致算力任务中断。商汤靠一套“能源大模型+智慧储能系统”的组合拳，让算力和电力精准配合，实现了“算随电用、电随算动”，既降了成本，又保了稳定，还贴合了“双碳”目标，下面就用最接地气的话把这事拆明白。

一、为啥智算中心非得搞“算电协同”？—— 电力已经成了AI发展的“卡脖子”难题

现在AI大模型越做越大，训练一个千亿参数的模型，需要成千上万的服务器连轴转，这些服务器堆在一起的智算中心，就是个实打实的“电老虎”。但行业里一直有两个绕不开的用电痛点，不解决的话，AI算力想发展根本无从谈起。

1. 数据“各玩各的”，电力浪费严重

智算中心里有三类关键数据：一是AI训练任务的数据，比如今天要跑视频生成模型、明天要做数据分析；二是服务器集群的负载数据，比如现在有多少服务器在干活、负载有多高；三是电力调度的数据，比如电网什么时候电价便宜、什么时候绿电（风电、光伏）多、电网能提供多少电力。

但现在这三类数据就像三个互不搭理的“部门”，电力系统不知道智算中心接下来要干啥、需要多少电，智算中心也不知道电网的电力情况，只能“瞎用电”。比如电网深夜电价低、绿电充足时，智算中心的算力任务可能正处于低谷，白白浪费了便宜电；而白天电网用电高峰、电价高时，智算中心又刚好要跑大模型，需要大量电力，不仅电费飙升，还可能因为电网供电不足导致任务中断。这种数据孤岛，让智算中心的电力使用效率大打折扣，钱花了不少，还没办好事。

2. 电力波动太坑，算力稳定没保障

大模型训练和推理时，算力负载就像坐过山车，可能上一秒还很平稳，下一秒因为要处理海量数据，负载突然飙升，瞬间需要巨量电力。电网的供电能力是相对固定的，根本跟不上这种“尖峰需求”，很容易导致服务器电压不稳甚至宕机，辛苦跑了几天的大模型训练任务可能直接归零，损失难以估量。

反过来，当算力任务进入低谷，服务器负载骤降，智算中心的电力需求也跟着减少，这时候电网的电力又没处用，造成资源闲置。而且现在国家在推“双碳”目标，智算中心作为高耗能场所，要是不能降低能耗、减少碳排放，后续发展也会受政策限制。

3. 全球都在抢赛道，这是国家层面的战略布局

不只是国内有这问题，全球科技强国都在盯着“算力-能源”一体化的布局。比如美国的大数据企业Palantir推出了“Chain Reaction”平台，把它定位成“美国人工智能基础设施的操作系统”，核心就是把算力调度、电力预测和芯片管理揉到一起，打造国家级的AI基础设施。商汤搞算电协同，不只是为了解决自己智算中心的运营问题，更是在国家战略层面，补齐我国AI基础设施的能源短板，避免在全球AI竞争中落后。

二、商汤怎么破解难题？—— 两大核心抓手，让算力和电力“心有灵犀”

商汤没有简单地给智算中心装个电表或者买个充电宝，而是从底层逻辑入手，打造了“能源大模型+智慧储能系统”的闭环，让算力和电力能双向适配，真正实现“算随电用、电随算动”。

1. 能源大模型：智算中心的“电力预言家+总调度”

商汤自研的能源大模型，就像给智算中心装了个超级聪明的大脑，既能精准预测未来的电力需求，又能实时指挥电力怎么用，核心靠三个独门绝技。

（1）把所有数据串起来，实现“任务-算力-功耗”精准对应