过去十年,企业数字化转型的默认假设是算力便宜、存储便宜、带宽便宜。随着大模型推理、实时数据分析和工业视觉等场景铺开,这个假设正在被打破:能耗与碳排放开始成为数字化项目立项时必须回答的问题,而不再只是机房管理员的后台账目。
算力有价,能耗走向前台
生成式人工智能的普及,让单次业务请求背后的计算量成倍增长。训练之外的推理开销长期、持续,且随用户规模近似线性上升。与此同时,多地新建数据中心的电能利用效率门槛持续收紧,部分区域对高能耗项目实行更严格的准入与绿电比例要求。企业因此发现,技术架构的选择不再只是性能与成本的权衡,还多出一条能效坐标。
数字化项目要算的三本账
- 电费账:服务器、存储、网络与冷却的合并用电,直接影响云账单与自建机房的运营成本。
- 碳排账:外购电力带来的间接排放,以及供应链上下游产生的排放,正被纳入企业年度披露口径。
- 合规账:面向出口市场的产品碳足迹核算、客户对供应商的绿色采购要求,正在向数字化采购环节传导。
三本账相互勾连。一次不必要的数据全量同步,既是云成本的浪费,也是碳排放的增量;一台长期闲置的测试环境,既占用预算,也拉高了单位业务产出的能耗强度。
把能效写进技术选型
能效约束落地,最现实的抓手是技术栈层面的减量设计。
- 推理侧优先小模型、量化与蒸馏,把简单请求下沉到边缘或端侧,减少数据中心往返。
- 数据侧做生命周期管理,冷热分层、按需归档,避免存而不用的沉默成本。
- 资源侧建立回收机制,自动关停闲置实例与过期环境,把资源利用率纳入平台考核。
- 基础设施侧在云选型中比较区域能效与绿电供给,同等性能下优先低碳区域。
这些做法与云成本管理并不冲突,本质是同一笔账的两个侧面:省下的算力既省钱,也减碳。区别在于,前者由财务部门推动,后者还需要可持续与合规团队共同参与,指标口径往往要统一到同一套数据源上。
组织机制需要同步调整
如果只靠工程师自觉,能效优化很难持续。更可行的做法是把能耗指标前置到立项评审,在需求阶段就要求说明预期调用量、资源占用与可接受的能耗区间;在运营阶段,把单位业务量的成本与能耗并列,作为平台指标定期公示;在采购阶段,把供应商的能效表现与碳数据披露能力纳入评分。
值得注意的是,绿色并不等于降级。很多能效优化反而提升了响应速度,因为边缘推理减少了网络时延,模型精简也降低了故障面。反过来,一味堆叠冗余资源换来的稳定,往往是成本与能耗的双重浪费。
数字化转型的评价体系正在扩容:从上线率、覆盖率,延伸到单位价值产出的能耗与碳强度。对企业而言,早点把能效纳入架构与治理的日常,比在披露季临时补数据要合算得多。