0
| 本文作者： 鄭佳美 | 2025-12-12 20:24 |
近日，第二十屆中國IDC產(chǎn)業(yè)年度大典（IDCC2025）暨數(shù)字基礎(chǔ)設(shè)施科技展（DITExpo）于北京舉辦。商湯科技大裝置事業(yè)群智算中心總經(jīng)理林海發(fā)表題為《從穩(wěn)定保障到效率引領(lǐng)——商湯大裝置算電協(xié)同創(chuàng)新實踐》的主題演講。
林海指出，從全球范圍看，算力基礎(chǔ)設(shè)施正迎來新一輪“算力效能”戰(zhàn)略競爭，包括各大科技巨頭通過自研AI加速器、數(shù)據(jù)中心液冷、可再生能源電力協(xié)同等方式不斷提升算力效能，同時以 Palantir “Chain Reaction”等平臺為代表，將算力調(diào)度、電力預(yù)測與芯片資源管理納入同一體系，試圖構(gòu)建“國家級AI基礎(chǔ)設(shè)施操作系統(tǒng)”。商湯大裝置作為國內(nèi)領(lǐng)先的AI基礎(chǔ)設(shè)施，在算電協(xié)同領(lǐng)域的探索，則以體系化設(shè)計給出了一套中國式“算力—能源”協(xié)同建設(shè)范式，為我國在下一階段的 AI 基礎(chǔ)設(shè)施競爭中贏得技術(shù)主動權(quán)。
林海講到，近期，美國知名大數(shù)據(jù)企業(yè)Palantir Technologies Inc.（NYSE: PLTR）正式發(fā)布了名為“Chain Reaction”的產(chǎn)品，并將其定位為“面向美國人工智能基礎(chǔ)設(shè)施的操作系統(tǒng)”。這一舉措表明，以美國為代表的科技強(qiáng)國已開始從國家戰(zhàn)略層面，系統(tǒng)推進(jìn)推動“算力—芯片—能源”一體化布局，旨在構(gòu)建自主可控、高效協(xié)同的國家級人工智能基礎(chǔ)設(shè)施體系。
在這一全球趨勢下，商湯大裝置作為中國人工智能基礎(chǔ)設(shè)施領(lǐng)域的先行者，基于自身萬卡級智算中心（AIDC）的長期運營實踐，于2025年7月正式發(fā)布了自主可控的“算電協(xié)同智能調(diào)度平臺”，全面打通算力及電力數(shù)據(jù)。這不僅是一項企業(yè)降本增效的技術(shù)工程，更是關(guān)系到我國在人工智能時代能否在基礎(chǔ)設(shè)施層面掌握發(fā)展主動權(quán)的戰(zhàn)略課題。
商湯大裝置在算電協(xié)同領(lǐng)域的探索，是以核心技術(shù)為驅(qū)動、以實戰(zhàn)成效為驗證的中國式創(chuàng)新路徑。不僅構(gòu)建了與國際先進(jìn)理念接軌的技術(shù)體系，也在實際運行中取得了顯著的經(jīng)濟(jì)與社會效益，形成差異化的中國經(jīng)驗，為筑牢我國人工智能產(chǎn)業(yè)綠色、高效、安全的發(fā)展基石提供支撐。
隨著AI應(yīng)用需求爆發(fā)與“雙碳”目標(biāo)推進(jìn)，電力正成為制約算力擴(kuò)展與綠色運營的關(guān)鍵瓶頸。林海指出，新一代智算中心絕非單純堆服務(wù)器、拼規(guī)模的傳統(tǒng)數(shù)據(jù)中心，而是要實現(xiàn)“算力與能源的深度協(xié)同”。
然而，當(dāng)前行業(yè)普遍存在“模型任務(wù)數(shù)據(jù)、集群負(fù)載數(shù)據(jù)、底層電力調(diào)度數(shù)據(jù)”彼此割裂，以及結(jié)算機(jī)制的不穿透，造成了數(shù)據(jù)的孤島以及運行模式難以協(xié)同。為破解這一結(jié)構(gòu)性難題，商湯大裝置聚焦更深層次的基礎(chǔ)設(shè)施運行邏輯，前瞻性構(gòu)建了 “IaaS + MaaS + 算電協(xié)同” 的整體架構(gòu)體系，穿透從底層風(fēng)、火、水、電到頂層模型任務(wù)的全鏈路數(shù)據(jù)，以“源-網(wǎng)-荷-儲”全鏈路算電協(xié)同平臺，實現(xiàn)算力與能源的精準(zhǔn)匹配。
其中，以能源大模型為核心，打破數(shù)據(jù)孤島，實現(xiàn)智能預(yù)測與高頻調(diào)度；同時攜手寧德時代打造具備智能控制能力的大規(guī)模儲能系統(tǒng)，為算力負(fù)載波動提供靈活、穩(wěn)定的電力支撐。
商湯自研能源大模型采用多模態(tài)MoE架構(gòu)，基于海量行業(yè)知識文本、能源結(jié)構(gòu)化數(shù)據(jù)、算力監(jiān)控指標(biāo)等數(shù)據(jù)訓(xùn)練而來，并充分融合能源行業(yè)知識庫，可精準(zhǔn)預(yù)測復(fù)雜場景的能源需求，并做出準(zhǔn)確決策：
? 打通數(shù)據(jù)閉環(huán)，實現(xiàn)全鏈路精準(zhǔn)映射：打造“算力-電力”映射模型，通過獨創(chuàng)的“能量塊”數(shù)據(jù)模型與“算電功耗模型”，打通從AI訓(xùn)練任務(wù)、算力平臺、服務(wù)器硬件與配電系統(tǒng)的全鏈路數(shù)據(jù)，實現(xiàn)“任務(wù)-算力-功耗”的精準(zhǔn)映射。
? 創(chuàng)新“能量塊”，復(fù)雜場景精準(zhǔn)預(yù)測：通過將能源本征數(shù)據(jù)、用戶用能特性、能源平衡規(guī)則等信息與算力服務(wù)器綁定為“能量塊”作為基礎(chǔ)TOKEN，并基于多輪預(yù)訓(xùn)練結(jié)果優(yōu)化調(diào)整算法架構(gòu)，全面提升復(fù)雜場景下的預(yù)測精度與泛化能力。
? 高頻次動態(tài)調(diào)度，實現(xiàn)最優(yōu)能源平衡：以15分鐘為周期進(jìn)行高頻次預(yù)測，并以5分鐘為周期進(jìn)行決策修正迭代，基于實時能源狀態(tài)與負(fù)載預(yù)測，自動生成最優(yōu)調(diào)度策略，并通過跨系統(tǒng)聯(lián)動執(zhí)行，實現(xiàn)精準(zhǔn)的算力預(yù)測、負(fù)荷預(yù)測、策略生成與修正。
整體上，能源大模型可提前預(yù)測算力負(fù)載趨勢，并綜合電價信號、綠電比例、儲能狀態(tài)、電網(wǎng)需求等因素，進(jìn)行跨系統(tǒng)聯(lián)合動態(tài)求解，實現(xiàn)“算隨電用、電隨算動”的主動調(diào)度，將數(shù)據(jù)中心從“剛性負(fù)荷”轉(zhuǎn)變?yōu)椤翱烧{(diào)資源”。目前，基于能量塊的模型能源需求預(yù)測準(zhǔn)確率已經(jīng)達(dá)到88%以上，決策準(zhǔn)確率已達(dá)到93%以上。隨著算法與儲能設(shè)備的持續(xù)迭代優(yōu)化，預(yù)測準(zhǔn)確率將達(dá)到90%~95%的行業(yè)領(lǐng)先水平，決策準(zhǔn)確率將超過95%。
在儲能側(cè)，商湯與寧德時代聯(lián)合打造了規(guī)模達(dá)17.888MW/35.776MWh的新型儲能系統(tǒng)，并為其賦予了智慧管理能力，面向大模型訓(xùn)練和推理的高峰波動場景進(jìn)行了專項設(shè)計，可有效應(yīng)對算力集群在高負(fù)載階段出現(xiàn)的瞬時功率缺口與尖峰波動，同時參與削峰填谷和電力市場交易，直接創(chuàng)造經(jīng)濟(jì)價值。
? 打造智算中心的“電力緩沖池”：該系統(tǒng)具備毫秒級響應(yīng)能力，可以在萬卡級集群啟動、負(fù)載突增時提供瞬時功率支撐，有效應(yīng)對算力負(fù)載波動帶來的沖擊，保障集群穩(wěn)定運行。
? “分季節(jié)調(diào)度”實現(xiàn)安全效率平衡：在PUE較低的冬春秋季，采用傳統(tǒng)兩充兩放模式；在高PUE、低冗余的夏季，則切換至由能源大模型驅(qū)動的智能調(diào)度模式，確保系統(tǒng)在安全紅線內(nèi)高效運行。
得益于系統(tǒng)級的算電協(xié)同優(yōu)化，由商湯建設(shè)并自持的全國首個5A級智算中心上海臨港AIDC不僅可以根據(jù)算力負(fù)載變化，自動優(yōu)化算力調(diào)度，還可通過能源大模型預(yù)測用電需求，智能控制儲能系統(tǒng)實現(xiàn)削峰填谷，在保障穩(wěn)定運行的同時持續(xù)降低能耗和用電成本，成功實現(xiàn)“算隨電用、電隨算動”雙向閉環(huán)。憑借在算電協(xié)同領(lǐng)域的前瞻實踐與創(chuàng)新成果，商湯大裝置上海臨港智算中心榮獲“2025 年度中國IDC產(chǎn)業(yè)算電協(xié)同先鋒獎”。
目前，上海臨港AIDC實現(xiàn)了整體PUE降低至1.267，PUE比設(shè)計值降低3%、全年節(jié)電超1000萬度、年化電費成本節(jié)約7%、碳減排3000噸的運營成效，帶來顯著的經(jīng)濟(jì)與社會效益，成為綠色智算中心“樣板間”。
未來，商湯大裝置將以能源大模型和系統(tǒng)級算法為核心引擎，深化產(chǎn)業(yè)合作，打造面向大模型時代的下一代 AI 基礎(chǔ)設(shè)施底座，為產(chǎn)業(yè)降本增效與綠色發(fā)展提供持續(xù)動能。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
