AI训练一个模型，消耗的电力够一户普通家庭用几十年。现在加州大学圣地亚哥分校（UCSD）的研究团队正在测试一项新技术，目标是让数据中心的能效提升一倍以上。
这个技术的核心思路其实很朴素：减少电力传输过程中的损耗。你可能不知道，从电网到服务器，电力要经过多级转换——每转一次，大约8%-12%的能量就以热量形式消失了。一个拥有十万台服务器的超大规模数据中心，光是配电系统的损耗每年就要烧掉几亿美元的电费。
UCSD团队测试的是一种新型配电架构，类似于把直流电直接怼到服务器主板上，省掉传统配电链路的多个转换环节。听起来简单，但要做到稳定可靠、还能规模化部署，背后的技术难度相当大。研究人员打了个比方：就像把长江水直接引到水龙头，中间不经过水厂和蓄水池。
数据中心能源问题对中国来说更加紧迫。中国过去几年新建的数据中心数量全球领先，但平均能效（PUE）普遍在1.5以上——意思是每运行1瓦的计算能力，还需要额外0.5瓦来散热降温。相比之下，谷歌、微软等公司新建的数据中心PUE已经压到了1.1以下。如果UCSD的技术方案成熟落地，对中国现有的数据中心改造会很有参考价值。
但这个技术也有局限性。它更适合新建的数据中心，对现有设施的改造成本非常高。而且AI workloads的负载波动很大——训练时满载，推理时低载——传统的配电架构对这种弹性反而更友好。所以短期内，更现实的方案可能还是液冷散热+AI调度优化的组合。
不管怎样，AI的能耗问题不会自己消失。按照估算，到2030年全球数据中心的用电量可能会超过某些中等国家的全国用电。在这个背景下，任何能提升能效的技术突破都值得密切关注。UCSD这个研究目前还在实验室阶段，但从论文数据来看，方向是对的。
有意思的是，这项研究背后其实站着英伟达和英特尔——这两家公司提供了部分测试设备。芯片厂商为什么关心配电技术？因为电不够用、散热跟不上，再强的芯片也跑不动。能耗已经成了制约AI算力扩张的硬瓶颈。