新加坡的人工智能雄心:须提升每兆瓦电力的使用效率

能源系统和算力须协同规划

    • 在数据中心和半导体制造业的推动下,未来十年新加坡的峰值电力需求预计将以每年2.9%至6.5%的速度增长。
    • 在数据中心和半导体制造业的推动下,未来十年新加坡的峰值电力需求预计将以每年2.9%至6.5%的速度增长。 图片:CMG
    Published Mon, Oct 26, 2026 · 07:00 AM

    本文由 AI 翻译,关键事实请以原文为准。

    查看原文

    人工智能常被视为一场数字革命。但每一项人工智能服务最终都依赖于实体基础设施:芯片、电力系统、冷却设备、网络和电力。

    这对新加坡至关重要,因为电力、土地、水和电网容量都受到限制。问题不仅在于人工智能数据中心将消耗多少电力,还在于高能耗设施的上线速度与电力基础设施扩建所需时间的对比。

    能源市场管理局 (能源局) 预计,在数据中心和半导体制造业等因素的推动下,未来十年新加坡的峰值电力需求将以每年2.9%至6.5%的速度增长。

    可靠、多元化和可再生的能源供应仍然至关重要。但新加坡也应将其电网和高能耗基础设施作为一个相互连接的系统来统一规划。

    超越电源使用效率

    新加坡于2025年12月启动的第二轮“数据中心——应用征集”要求新项目在满负荷IT负载下,实现1.25或更优的电源使用效率 (PUE),采用顶级的IT能效标准,并且至少一半的电力需来自合规的绿色能源渠道。 

    PUE衡量的是数据中心总能耗与其IT设备能耗的比率。PUE为1.25意味着服务器每使用一个单位的电力,就需要额外0.25个单位的电力用于冷却和其他服务。 

    Uptime Institute在2026年的一项调查显示,全球行业的年均PUE为1.52,与2025年持平,这主要是受老旧基础设施的影响,尽管高密度人工智能部署正在加速。但这一测得的平均值无法与新加坡的满负荷目标直接比较。

    PUE很有用,但也有其局限性。它只告诉我们数据中心在IT设备之外消耗了多少额外能源,而没有说明IT设备所用的电力被多有效地转化为了有用的计算能力。

    对新加坡而言,更重要的问题是,在管理碳排放、水资源消耗和可靠性的同时,每一兆瓦有限的电力能产生多大的有效算力和经济价值。

    其他衡量指标包括每千瓦时 (kWh) 的有效计算输出、人工智能芯片的利用率、每单位IT电力消耗的水量以及相关的碳排放。 

    于10月通过的《数字基础设施法案》规定,对关键IT负载至少为3兆瓦 (MW) 的数据中心实施可持续性许可。通过将监管框架扩展到新的和现有的设施,该法案强调了提升新加坡现有数据中心性能的重要性,而不仅仅是建造更高效的新数据中心。 

    冷却效率是关键

    提高计算效率需要审视整个产业链:芯片效率、处理器利用率、软件、电源转换、冷却和工作负载调度。

    冷却变得尤为重要。一个人工智能服务器机架的功耗可能超过100千瓦 (kW)。若以100千瓦的稳定功率计算,每天耗电2400千瓦时,30天则为72000千瓦时——假设每户三房式组屋每月用电267千瓦时,这相当于约270户家庭的月用电量。 

    实际消耗量会有所不同。

    在这种高密度下,风冷散热变得困难;而液冷技术能更靠近处理器带走热量,可能在降低冷却能耗的同时,实现更高的计算密度。

    因此,新加坡推出的国家标准SS 726:2026恰逢其时。该标准于8月发布,是全球首个专门针对热带地区数据中心液冷技术的标准,涵盖了设计、调试、运营和维护。

    但液冷技术并不能让热量消失。热量仍需排放到室外,而通过大量用水来降低电力消耗对新加坡而言未必是好的权衡。能源和水资源需要协同优化。

    通过降低冷却能耗和提高加速器利用率,数据中心可以利用相同的电力容量提供更多有用的计算输出,从而在不相应增加电力需求的情况下,创造更大的经济价值。 

    让高负载更智能

    新加坡的需求响应和可中断负荷能力从2022年的71兆瓦增长到2025年6月的192兆瓦。在这些计划下,参与的大型用电户可以在电力系统需要支持时临时减少用电需求,从而缓解电网压力。 

    数据中心可以为此做出更多贡献,但期望必须切合实际。人工智能加速器,包括用于人工智能计算的昂贵图形处理单元,不能在用电高峰时随时关停。

    更实际的机会可能在于电池、不间断电源、冷却系统以及降低非核心任务的优先级。

    例如, Google已将其数据中心的非紧急计算任务转移到电网承压较小的时段进行。Microsoft也已证明其都柏林数据中心的备用电池如何支持电网稳定。

    在新加坡,新加坡能源集团 (SP Group) 利用滨海湾的蓄热技术来降低高峰时段与冷却相关的电力需求。 

    值得注意的是,这些措施必须保证关键服务的正常运行。

    一个能够短暂减少电网需求、利用储能或转移合适工作负载的数据中心,可以在不影响关键服务的情况下提供灵活性。其目标不是将数据中心变成发电站,而是更好地利用其现有资产和可控负载。 

    规模化前先测试

    但理论上的讨论不一定能转化为实际结果。组件的性能并不等同于系统的性能。

    液冷系统、电池和电源转换器在实验室中可能表现良好,但当与实际的处理器、水泵、控制系统和热带散热环境相结合时,其表现可能会有所不同。

    这就是为什么实况测试平台和“棕地”示范项目至关重要。设在新加坡国立大学(国大)的可持续热带数据中心测试平台,能够在真实操作条件下,对冷却、电力和控制技术作为集成系统进行评估。

    这类测试对新加坡及邻近的东南亚市场尤其重要,因为这些地区的高温和高湿环境使冷却和能效问题变得更为复杂。

    从热带测试平台获得的经验,可以帮助运营商在投入昂贵的基础设施升级之前,评估哪些方案在本地是行之有效的。

    标准告诉我们优良性能应是怎样的。而测试平台则能在敲定昂贵的基础设施选择之前,验证这些性能是否能够实现。 

    提出一个更好的问题

    仅仅询问新加坡能否为人工智能产生足够的电力,这个问题过于狭隘。

    一个更好的问题是,在保障可靠性、可负担性、韧性以及新加坡净零排放路径的同时,人工智能所消耗的每一兆瓦新增电力,是否能创造出足够的经济和战略价值。

    如果新加坡能够协同设计电力与算力,统筹规划发电与需求,并共同设计计算、冷却和控制系统,那么人工智能就不再仅仅是能源系统必须追赶的又一个负荷。 

    相反,它可以成为催化剂,促成一个更具韧性、更高效、更智能的能源系统。

    作者是新加坡国立大学(国大)机械工程系主任、国大能源解决方案中心协调总监及国大可持续未来中心联席总监。

    本评论基于作者本人的经验、观察和论点。人工智能工具被用于起草和编辑。作者对评论的准确性、原创性和最终形式负全部责任。

    此翻译对您是否有帮助?