然而近两年，却是另外一番景象：

即便在618大促这样的流量波峰，大多数电商平台都顶住了高并发压力，平稳渡过年中狂欢，除了大促时间从一个日子延长到一段日子外，算力的迅猛增长也是其中一个重要原因。

可以看到，算力正进入“基建化”时代。正如中国信通院在一份研究报告中所揭示的：2016年到2020年期间，中国的算力规模平均每年增长42%，其中2020年的算力总规模已经达到135EFlops，并仍在保持55%的高速增长速度。

不过，算力高速增长的同时，也带来了新的问题。

对不少人来说，“计算”早已不是什么新概念。每一次打开“绿码”，每一次视频会议，每一次搜索点击……都离不开数据中心的处理计算。“计算”在日常生活中的无缝渗透，勾勒出多彩的数字世界。

可当计算量越来越大，功耗也随之上升。以全球最为知名的预训练大模型「GPT-3」为例，GPT-3每次训练都要消耗巨量算力，需用掉约19万度电力、产生85万吨二氧化碳，可谓“耗电怪兽”。

倘若这些电力用在“计算”本身，或许不是什么坏消息。毕竟数字经济时代有个著名的经济学解释，即算力上每投入一元，将带动3-4元的经济产出，“性价比”远高于传统的农牧业和工业生产。

然而现实的情况却并不乐观。根据开源证券研究所的统计结果，在一个数据中心的能耗分布中，散热系统的占比高达40%。也就是说，数据中心每耗费一度电，只有一半用在了“计算”上，其他的则浪费在了散热、照明等方面。

计算和散热几乎陷入了一场零和博弈，计算量越大散热消耗的电量越大，可是如果不付出足够的能源支撑散热，又将直接影响数据中心的性能、密度和可靠性。

业内也由此流行起了「PUE」的概念，即电源使用效率，用来测算数据中心消耗的所有能源与IT负载消耗的能源的比值，被视为评价数据中心能源效率的重要指标。PUE值越接近1，表明非IT设备的耗能越少，数据中心的能效水平越高。目前国内大型数据中心的平均PUE值为1.55，超大型数据中心平均PUE值也只有1.46。

2020年国内数据中心用电量已超过2000亿千瓦时，占到用电总量的2.7%，预计2023年数据中心的能耗就将超过2500亿千瓦时，2030年时将超过4000亿千瓦时，用电量占比也将上升到3.7%。就这个角度而言，解决数据中心的能耗问题，已经是摆在案前的棘手挑战。