中国储能网讯：

摘要：伴随着人工智能的快速发展，数据中心正在成为用电增量大户，据国际能源署预测，数据中心用电量将以每年12%的速度增长。相对于传统高耗能行业，数据中心呈现单体耗电高、电耗密度大、用电增速快和用电灵活性强的特点，因此，对数据中心用电量进行精准计量与统计，已成为数据中心低碳发展的首要任务。本文对现有的数据中心用电量估算方法进行了综述和比较，发现受到数据中心上架率、利用率、地域特征以及供需动态关系的多重不确定性影响，上述方式所得的用电量统计结果呈现差异大、不确定性高的问题。聚焦这些问题，笔者发现标准缺失、中小型数据中心难以统计、数据中心保密性等因素影响了用电量的统计。基于此，笔者从完善标准、明确范围、技术创新等方面提出对策建议。

关键词：数据中心；算力；能耗；用电量；绿色发展

2025年政府工作报告指出，“加快发展绿色低碳经济”。在数据作为新型生产要素的当下，以大模型为代表的数字技术的进步带来全球数字经济的蓬勃发展，正在深刻地改变着人类社会的生产方式、生活方式和社会治理方式，并推动着人类迈入智能化社会。同时，全球信息量从2011年的5ZB增长到2023年的120ZB，预计到2030年将达到180ZB。特别是算力作为数字经济的关键基础设施，已成为集信息计算力、网络运载力、数据存储力于一体的新型生产力，也得以快速发展。据统计，全球算力规模从2016年的140EFlops达到了2023年的1369EFlops。尽管同期数字基础设施中的中央处理器（CPU）、图形芯片（GPU）等关键计算设备的算效提升了数倍（算效为算力与功耗的比值），但数据中心的总体用电量在不断攀升。尤其是近五年，以ChatGPT和DeepSeek为代表的大型语言模型的兴起，带来了对算力的巨大需求和数据中心用电量的快速增长。预测到2026年，美国的数据中心一年将消耗近260 TWh的电量，相当于该国总电力需求的6%左右。

鉴于数据中心作为现代经济的重要组成部分，其用电情况的准确监测对于行业管理、政策制定以及节能减排等方面具有重要意义，通过精准的能耗统计与管理，数据中心可以更有针对性地提升能效、使用绿色电力，从而实现可持续发展。目前，数据中心行业缺乏单列的用电量统计，现有数据中心用电量统计多是基于自下而上样本数据的推演，呈现出统计口径不一、信息偏差较大、可信度不高等问题。以我国数据中心2023年的用电量为例，现有业内报道的数据分布在60TWh～370TWh，最大值约是最小值的六倍。这种数据不统一的现状对数据中心行业的顶层规划和可持续发展带来了较大的困扰。因此，对数据中心的用电量进行精确计量与统计，已成为数据中心低碳发展的重要议题。本研究试图在分析数据中心用电主要指标的基础上，厘清目前数据中心用电统计差异大的原因，基于此提出数据中心用电统计的对策建议。

一、研究综述

（一）全球数据中心的用电量统计

从技术角度而言，数据中心的用电需求量用六个主要变量的函数表示，具体分为服务器、外部存储设备、网络设备、制冷系统设备、供配电系统设备，以及基础辅助设施设备（如照明、安防、消防设备等）的用电量。但是，实际测算过程中发现这几个变量往往难以准确统计，在数据中心基础设施内部往往也难以给出单独的计量。就全球而言，数据中心用电量的数据呈现较大的不确定性。当下较为统一的认识是全球数据中心用电量将不断增长，其用电量的中位数在2010到2030年将出现明显的增长。但2010年、2020年和2030年预估的数据中心用电量的最小值和最大值的差距却越来越大。如表1所示，目前国际社会对数据中心用电量估算的方法可分为三类，包括从基础设施测算、从时空地域测算和外推三类方法。具体而言：从基础设施测算的建模方法考虑了数据中心IT设备和基础设施的能源消耗特性，通过对这些设备以往的能源消费数据进行参数统计、建模预估，从而获得数据中心的用电量；从时空地域测算的建模方法则利用对时空区域内数据中心能耗量统计来估计总体能耗，该数据的来源主要来自政府、组织或企业的统计数据或调查；外推法从自下而上或自上而下的估计中获取基线值，并假设需求和能源消耗之间存在一定的相关性，进而应用“增长因子”进行未来预测。

（二）我国数据中心的用电量统计

近10年来，我国的数字经济快速发展，数据中心的建设速度不断加快，数据中心每年的用电量不断增多。比如，贵安、张家口等地区出现数据中心高度聚集的特征。2023年，贵安新区的数据中心用电量约占本区域总用电量的45%，而张家口地区的数据中心用电量占张家口全市总用电的20%以上。然而，就全国范围内的数据中心用电量而言，如陈晓红[8]、中国电子节能技术协会[9]、中国通服数字基建产业研究院[10]以及中国信息通讯研究院[11]等，所统计及预测的我国数据中心用电量存在显著差异，如图1所示。我国现有数据中心用电量的统计及报批数据在分布上与全球数据中心用电量统计结果相似，即计量数据的最大值与最小值之间差距较大，反映出不同机构和组织对我国数据中心年度总用电量的估算存在着显著差异。

此外，由于历史上数据中心的规模和用电总量不大，在国民经济分类的行业分类以及中国统计年鉴中的电力消费统计中，数据中心的实际用电量没有单列，常常被混合计入不同的行业范畴。因此，数据中心用电量难以细分和确认，多数研究只能依据行业数据进行数据中心用电量推算。

除上述沿用国际统计方法之外，根据《YD/T 2543-2013电信互联网数据中心(IDC)的能耗测评方法》，目前我国对数据中心用电量的计算主要方法为抽样反推法和多维度指标计算法。其中，考虑到目前大型、超大型数据中心作为耗电主体，抽样反推法通过对大型、超大型数据中心进行系统化的调研和样本采集，能够获取相对准确的能耗数据。具体而言，研究人员会选取具有代表性的样本，通过后续的加权计算和数据处理，进一步估算我国范围内数据中心的年度能源消耗情况。这种方法的优势在于可以在较短的时间内提供全局性的数据分析。然而，该方法的准确性受限于样本的数量和数据的质量。当样本量不足或数据的精确度不高时，可能会导致显著的统计误差，从而影响最终的能耗评估结果。多维度指标计算法通过在多个维度进行数据采集，通常采用指标有电能利用效率、冷却负载系数、供电负载系数、可再生能源利用率等指标，以不同的测量指标进行计算，赋予每个维度不同的权重，从而获得详尽的用电量信息。在对单个数据中心进行能耗统计时，通常能提供较高精度的统计数据。然而，在实际应用中，这种方法常面临实时数据检测难度大，长时间数据预测误差大及检测时间不确定等挑战。这些问题通常导致测量数据需要依赖间接推断或估算。此外，该方法对检测设备的精度和操作人员的技能有较高的要求，这不仅增加了实施难度，还显著提高了统计成本。中国电力企业联合会、国家信息中心等单位也从具体操作角度，对数据中心用电进行了分析。

综合来看，不管是国际上还是我国目前都对数据中心用电统计进行了探索，但欠缺统一的指标体系，主要根据算力规模、算力结构、经济统计数据、上架率、利用率、算效水平、用能效率等进行测算，因此下文将对统计出现偏差的原因进行分析。

二、现有数据中心用电统计的问题及原因分析

数据中心节能已成为各国节能工作的重点领域，但就前述数据及统计方法而言，不可否认的是全球不同的行业协会和研究机构对于数据中心能耗总量的统计存在较大争议。总结数据中心能耗统计的现有方法，可以发现现有数据中心用电统计的主要问题有以下几个方面：

（一）数据中心上架率、利用率等指标统计口径缺乏统一标准

如上文所述，算力规模、上架率、利用率等指标是数据中心用电统计测算的重要依据，但是在实际操作统计上，由于数据中心产业作为新业态、新模式，目前上架率、利用率尚缺乏统一口径，进而进一步影响数据中心用电的差异性。

上架率指的是机架的物理占用情况，即实际占用的机柜数量与总设计机柜数量之比。尽管有报道我国各区域数据中心上架率大约在45%～85%之间，我国也提出东数西算集群内的数据中心上架率不低于65%，但我国各数据中心集群的上架率表现出不同的情况，其主要成因可归结为两个方面。一是数据中心的机柜通常按照楼层和机房进行分布，整体资源的利用不仅需兼顾大型整机房租用的长期客户，还有其他客户对机房资源阶段性的需求。因此，在针对算力资源进行分配时，数据中心必须同时考虑整体机房的上架率和客户未来资源需求扩展的便捷性，同一机房下的算力资源通常由多个客户共同使用，往往导致难以实现100%的上架率；二是随着数据中心运营时间的延长，早期客户退网后留下的空余机柜数量与后期新入网用户的需求量可能不匹配，在一定程度上会造成算力资源的闲置和浪费。综上所述，在实际运营中，很少有数据中心能够达到80%的上架率，这会对从基础设施测算的建模方法产生较大影响，导致能耗预估误差。此外，目前数据中心规模划分标准是2013年工信部提出以2.5 kW标准机架数划分的，随着人工智能应用的蓬勃发展，行业内有专家指出，大型数据中心标准机架应从3000个提高到8000～10000个，如果标准机架数保持不变，那单机架功率可考虑从2.5 kW提升至10 kW，这一定程度上带来上架率标准统计口径不一致。

不同于上架率，数据中心机柜的利用率与其电耗之间存在着直接关联，而利用率的差异性则导致了更为显著的电耗变化。实际上，除气候条件影响的数据中心制冷系统电耗外，利用率、上架率等都是数据中心电耗变化的重要因素。其中，利用率的高低直接作用于数据中心的用电量，较高的利用率通常表示着更高的用电量。一是尽管每个机房都有自身的利用率计量平台，但由于不同客户对自身项目需求的评估标准存在差异，导致了客户在申报资源需求时容易出现超额申报或误报；二是每个客户对自身项目的算力需求都有单独的评估标准和方法，使得数据中心在实际运营服务中难以实现机柜利用率达到100%的理想状态，进一步增加了数据中心的用电成本；三是根据任务的动态特征，全年甚至典型日下数据中心IT设备的利用率呈现出明显的变化情况，这对从基础设施测算的建模统计方法提出了很大的挑战。

（二）小型数据中心数量和电能利用效率难统计

根据规模不同，数据中心一般可以大致分为小型、中型、大型和超大型数据中心，该划分方法并无严格标准，主要采用数据中心机房面积和机柜容积比进行区分。实际上，银行、电网或者通信运营商等自建的大型数据中心一般都有国家相关部门的监管并进行数据上报。同时，在5G技术大规模推广、物联网、智能汽车等多种应用场景需求增加、大量边缘数据计算需求的背景下，小型数据中心是实现以上场景需求、算力分布和部署成本的最佳匹配方案，但相比于大中型规模的数据中心，对于这类场景需求提供服务的数据中心运营商、第三方数据中心以及小型数据中心，国家部门难以监管和统计。

现今大中型数据中心建设需要有关部门批准审核，然而对许多小型单位，其自身对算力资源需求较小，通常以对外招标建设的形式，着手于自建数据中心。据不完全统计，全球中小型数据中心在数据中心中的数量占比高达80%，我国小型数据中心的数量占比在30%左右。这些小型数据中心普遍采用“房间级空调+密闭通道”的建设方式，该方式通过房间级空调进行远程制冷，对送风温度和回风温度的要求较低，导致送风和回风的距离较长，空调风机的功率较大，节能性能较差，其电能利用效率（PUE）值通常超过1.8。同时，小型数据中心的建设通常采取对外招标的方式，导致了IT系统应用的多样化，缺乏统一的计算和统计标准。因此，每个小型数据中心的应用系统都形成了各自独立的数据孤岛，使得对这些数据中心的使用情况和能耗进行有效的统计变得困难。

（三）分布广泛、保密性强、技术手段欠缺等因素，进一步加大统计难度

从实际操作来看，根据笔者调研，目前，全国数据中心用电量统计工作面临着一系列困难，主要体现在以下几个方面，一是许多行业内部计算机机房（数据中心）的基本信息保密性高，难以获取。数据中心作为企业的核心基础设施，其布局、规模、设备配置以及能耗情况等信息往往被视为企业机密。这些机密信息不仅关乎企业的运营安全，还可能涉及商业竞争策略，因此企业通常不愿对外公开这些数据。这就给全国数据中心用电量的统计工作带来了极大的困难，因为无法准确掌握每个数据中心的实际情况，难以进行全面、准确的用电量统计。二是全国数据中心用户规模庞大，且广泛分散在各个行业中。随着信息技术的飞速发展，数据中心已经成为各行各业不可或缺的一部分。从金融、电信、互联网到政府、教育、医疗等领域，数据中心无处不在。然而，数据中心广泛分布的特点也给用电量的统计工作带来了巨大的挑战。一方面，需要统计的数据中心数量众多，工作量巨大；另一方面，不同行业的数据中心在规模、设备类型、能耗模式等方面存在差异，增加了统计的复杂性和难度。三是大型企事业单位（机构）内部自建数据中心（机房）等不具备统计的技术条件。一些大型企事业单位为了满足自身的业务需求，会自建数据中心或机房。这些自建的数据中心往往缺乏专业的能耗监测和管理系统，没有单独安装电量采集装置，无法及时、准确地记录用电量数据。同时，由于技术水平和人员配置的限制，这些单位可能无法按照统一的标准和方法进行用电量统计，导致统计数据的准确性和可比性受到影响。

三、开展数据中心用电量统计的对策建议

节能工作的首要任务是精确掌握并持续监控能源消耗情况，进而借助统计、计算与分析手段，优化能源分配策略。针对数据中心电力使用的挑战，构建一套全面且高效的综合信息解决方案至关重要。在数据中心电力计算的实践中，传统基于服务器及其上架率的自左向右统计分析方法存在响应迟缓、数据粒度粗糙及准确性欠佳等问题。相较之下，电力数据因其实时性强、计量精准的特点，更适合采用自上而下的电力计量模式来精准评估数据中心的电力消耗情况。然而，当前数据中心电力计量在电力报装流程与数据统计方面存在信息缺失的困境。鉴于此，提出以下建议：

（一）完善优化数据中心监测标准

加快推进数据中心用电、绿电使用统计方法的研究，明确数据中心绿电使用的统计范围及统计方法，构建可测量、可核查和可比较的统计指标体系。短期看，研究提炼典型数据中心用电量与机架数、上架率、算力类型、负荷小时数等参数关系，进而采用全国算力等数据推算数据中心的用电量。长期来看，建议采取自上而下与自下而上相结合的方式建立数据中心用电监测机制、规范、标准，使得电网在统计时能直接准确识别数据中心，从而实现高效监测的统计。同时，推动全国数据标准化技术委员会制定数据中心用电、绿电使用统计标准，指导各地方精准施策，规范统计工作，建立全面、精准、高效的监测体系，通过设定明确的监测指标与阈值，涵盖数据中心各环节的电量使用情况，如IT设备、空调系统、供配电系统等，以实现用电量的精细化管理。此外，注重与国际接轨，借鉴国际先进经验，结合我国实际情况制定科学合理的用电量监测标准。在此基础上，建立数据中心用电量和绿电指标上传、统计及核准机制，实现用电量、绿电指标定期监测及自动采集，持续开展数据中心用电量、绿电使用量统计工作，形成常态化上报。

（二）明确数据中心行业统计范围

一方面，要进一步提高各行业对数据中心用电统计的重视程度，因此，建议对照《国民经济行业分类与代码》的分类，对数据中心相关行业进行电力消费的统计。需要说明的是，数据中心的电力消费不属于计算机、通信和其他电子设备制造业，而是与多类别行业的电力消费相关，特别是《国民经济行业分类与代码》中的“信息处理和存储支持服务”“其它电信服务”行业。因此，如图2所示，建议在《中国统计年鉴》的“分行业能源消费总量”中单列“数据中心基础设施行业”的能耗。数据中心具有绿电消费需求强、水耗大的特点，建议在现有能耗计量的基础上，强化数据中心绿电消费、电力利用率和水耗的统计，以便更好地优化数据中心的能源使用。另一方面，统计对象除传统的数据中心设施外，还应包括云计算平台、边缘计算节点等新兴业态的电力消耗。同时，目前数据中心主要分为通用、智算、超算三类，具体分为大型、中型、小型，因此统计范围需覆盖从服务器、存储系统到制冷设备、供配电系统等各个环节、各种类型、各种规模数据中心的用电情况，以确保全方位掌握数据中心的整体能耗，为制定科学合理的节能减排政策提供数据支持，推动数据中心行业向绿色低碳、高效可持续的方向发展。

（三）推动数据中心领域技术创新

通过搭建创新平台、鼓励产学研合作等方式，不断激发行业创新活力，加速新技术、新应用的研发与落地。在节能降耗方面，鼓励数据中心采用先进的液冷散热、高效能服务器等绿色技术，有效降低能耗；在智能化管理方面，推动数据中心引入AI、大数据等先进技术，实现运维管理的自动化、智能化，提升运营效率。同时，注重与国际先进技术的交流与合作，引进国际最佳实践，结合我国国情进行本土化的创新。此外，对于已有的存量数据中心，可结合企业注册信息，将机器学习技术应用于云数据中心的资源配置和管理，采集历史用电曲线，通过数据驱动的相关训练的AI技术，对存量数据中心相关建筑开展的用电习性进行甄别和推理，结合数据中心的用能特性以及人工经验和现场识别的方式，识别存量建筑中数据中心的用电属性标签。此外，基于AI技术，建议相关科技部门及运营商研究并做好典型数据中心电力灵活性资源的分类及潜力评估，揭示数据中心不同负载任务下的用能特性及其灵活调度资源的需求响应空间。