筑牢算力底座是释放数据要素价值的关键。近期，随着人工智能大模型的爆发式涌现和快速迭代，算力需求已呈现指数级增长。国际数据公司（IDC）与浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》预测，2023年至2028年，中国智能算力规模将以年复合增长率46.2%的速度扩张，为充分发挥人工智能大模型的生成能力提供了重要的基础能力支撑。

　　人工智能大模型面临算力高耗能挑战

　　在智能算力快速增长背后暗藏隐忧，算力基础设施的高能耗与低碳可持续发展目标间的矛盾日益尖锐。根据《算力基础设施高质量发展行动计划》，算力是衡量数据中心计算能力的一个综合指标。在数据中心，算力能耗包含直接电力消耗与冷却系统能耗两部分。而计算模型能力的提升依赖于不断增长的算力投入，在人工智能领域，模型的能力优先而能耗常被忽视。以大模型训练为例，OpenAI公司训练GPT-4的能耗高达2.4亿度电，凸显了算力扩张与能源约束的矛盾。当前，人工智能大模型既是算力需求的主要推手，也是破解能耗困局的关键。通过算法优化、基础设施升级与观念革新，实现算力低能耗化，是推动数字经济可持续发展的必然选择。

　　从算法到硬件的系统性技术革新

　　降低模型计算量是实现算力低能耗的核心路径。通过算法创新，可在不牺牲性能的前提下减少算力消耗。例如，模型剪枝算法剔除冗余参数，模型蒸馏技术迁移大模型知识至轻量级模型，降低了推理能耗。更突破的是动态参数激活机制的应用，如Deepseek-R1采用“按需激活”策略，平衡性能与能耗。此外，低精度计算的普及进一步降低了算力需求。这些技术的融合，标志着算法层面的节能革命走向实践。

　　算力基础设施的能耗效率是关键。硬件设计需兼顾通用性与专用性，异构计算芯片能效比优于传统CPU，类脑芯片更具颠覆性。同时，算力集群的集约化布局亦关键。“东数西算”工程优化全国算力资源布局，推动绿色集约化发展。例如，我国首个洞库式数据中心能源效率指标达国际先进水平。人工智能大模型可成为算力低能耗化的工具，通过实时分析任务负载，动态调度算力资源，避免“空转”浪费。在硬件层面，AI与冷却系统的联动潜力巨大，AI驱动的能效管理系统正推动算力基础设施向“智能低碳”转型。

　　从技术到制度的系统性生态建构

　　强化标准化约束与引导，《数据中心算力碳效可信评价技术规范》首次将“算力碳效”纳入评估体系，为绿色算力提供标尺。未来需完善碳排放双控政策，如要求智算中心绿电占比、补贴激励企业使用低碳算力等。政策层面需约束高能耗算力设施，探索“绿电聚合供应”模式，协同布局新建数据中心与可再生能源，优化用能结构。要让政策组合拳为算力低能耗化提供制度保障。

　　打破技术壁垒畅通产学研全链路。开源社区为算法优化提供新路径，产业链协同整合研发资源，形成“设计—验证—量产”全链条生态，从“硬件依赖”转向“云端协同”。这种“产学研用”深度融合模式，正成为算力低能耗化的加速器。

　　形成公众参与的良好氛围。要扭转“以能耗换性能”趋势，需呼吁民众关注算力能耗，让节约算力能耗深入人心。通过公开透明能耗数据报告，企业感知算力碳足迹，优化能耗成本，政策制定者权衡利弊作出正确决策。

　　算力低能耗化不仅是技术问题，更是关乎数字文明存续的生态命题。随着技术发展成熟，加快实现算力与能源、环境深度耦合，构建“技术—经济—生态”共赢新范式，实现人工智能大模型生成能力与算力低能耗双赢局面。

（文章来源：学习时报）

【期货知识】算力需求增长与人工智能大模型的发展密切相关，而算力基础设施的优化升级也是期货行业数字化转型的重要一环。

【财经聚焦】随着人工智能技术的快速发展，算力已成为数字经济的重要支撑，算力低能耗化也成为行业关注的焦点。