数据中心利用不同的信息技术（IT）设备来提供这些服务，所有这些设备均由电力供电。服务器提供响应信息请求的计算和逻辑，而存储驱动器容纳满足这些请求所需的文件和数据。网络设备将数据中心连接到Internet，以实现传入和传出的数据流。这些IT设备使用的电能最终会转化为热量，必须通过也依靠电力运行的冷却设备将热量从数据中心清除。

平均而言，服务器和冷却系统在数据中心的直接用电量中占最大份额，其次是存储驱动器和网络设备（图1）。世界上一些最大的数据中心每个都可以包含成千上万的IT设备，并且需要超过100兆瓦（MW）的电力容量-足以为大约80,000个美国家庭供电（US DOE 2020）。

随着全球互联网用户数量的增长，对数据中心服务的需求也随之增长，引起了人们对数据中心能源使用量增长的担忧。在2010年至2018年期间，全球IP流量（通过Internet的数据量）增长了十倍以上，而全球数据中心的存储容量并行增长了25倍（Masanet等，2020）。在同一时间段内，在全球服务器上运行的计算实例数量（衡量托管的应用程序总数）增加了六倍以上（见图3）（Masanet等，2020）。

随着全球使用越来越多的数据，预计这些强劲的增长趋势将继续。特别是计算密集型的新型信息服务形式（如人工智能（AI））可能会进一步加速需求增长。因此，量化和预测数据中心能源使用的能力是关键的能源和气候政策重点。

数据中心能源使用估算：两种方法的故事

目前尚未在国家或全球层面上就数据中心能源使用情况编制官方统计数据。因此，必须使用数学模型来估算这种能源消耗。所谓的“自下而上”模型考虑了不同数据中心中IT设备的已安装存量及其能耗特征，从而估算了总能耗。自下而上的研究为能源使用的驱动因素提供了许多见解，但它们也非常耗费数据和时间。因此，它们不会经常出现。例如，过去十年中最权威的自下而上的研究出现在2011年（Koomey，2011年），据估计，数据中心在2010年占全球用电量的1.1％至1.5％。

相比之下，基于外推的模型通过采用以前的自下而上的值并根据数据中心市场增长指标（例如全球IP流量（Andrae和Edler，2015年）或数据中心投资（Belkhir和Elmeligi 2018）。由于基于外推的方法非常简单，因此已使用它们来填补零星的自下而上研究留下的时间空缺。

但是，鉴于这些推断所依赖的市场指标也迅速增长，因此这种推断往往会估计数据中心能源使用量的大幅增加。例如，一些经常被引用的推断表明，自2010年以来，全球数据中心的能源可能翻了一番，并且通过扩展这一历史逻辑，未来它将继续快速增长（Andrae和Edler 2015，Andrae 2017，Belkhir和Elmeligi 2018） ，鲍迪（Bawdy）2016）。这些估计值受到了极大的关注（Jones 2018），强化了人们普遍的信念，即对数据的需求快速增长等于对数据中心能源使用的快速增长。

然而，从下至上的新结果表明，情况并非如此：尽管在过去十年中对信息服务的需求快速增长，但全球数据中心的能源使用量可能在2010年至2018年期间仅增长6％（Masanet等人，2020年）。这些新结果基于大量近期数据集的整合，与过去的研究相比，这些数据集更好地表征了数据中心IT设备的已安装存量，运行特性和能源使用以及数据中心行业的结构性变化。

全球数据中心在2018年可能消耗约205太瓦小时（TWh）的发现，占全球用电量的1％，这与之前的基于推断的估计形成鲜明对比，后者的估计显示了过去十年来数据中心的能源使用量迅速上升（图2）。

三个主要的效率影响解释了能源使用中的这一近乎平稳的阶段：首先，由于IT制造商的技术进步，IT设备（尤其是服务器和存储驱动器）的能源效率已大大提高。其次，更多地使用服务器虚拟化软件可以使多个应用程序在单个服务器上运行，从而大大降低了每个托管应用程序的能耗。第三，大多数计算实例已迁移到大型云和超大规模数据中心，这些数据中心利用超高效冷却系统（以及其他重要的效率实践）来最大程度地减少能源消耗（图2）。

由于缺乏技术和结构细节，这些效率效果在基于外推的方法中无法很好地体现。换句话说，尽管基于推断的方法通常捕获了数据中心需求的驱动因素，这将推动能源使用量上升（图3的上半部分），但它们无法充分反映出保持能源消耗的强大的抵消效率趋势（图3的下半部分）。在检查中使用。

二氧化碳排放量如何？

数据中心的大量用电也引起了人们对其二氧化碳（CO 2）排放的担忧。不幸的是，由于缺乏有关绝大多数全球数据中心的位置及其实际排放强度（以每千瓦时的CO 2克数为单位）的数据，因此尚无法准确估算CO 2的总排放量。电源。仅有少数公司，包括Google，Apple，Switch和Facebook公开报告了此类数据，这表明全球一些最大的数据中心运营商在可再生能源采购方面的增长趋势。

但是，了解全球数据中心的用电量为测试有关数据中心服务的CO 2含义的主张提供了有用的基准。例如，一个经常重复的要求是，世界数据中心发出尽可能多的CO 2作为全球航空业（皮尔斯2018），这是了大约900公斤的十亿的CO 2（航空运输行动小组2020年）。考虑到全球数据中心最近的耗电量约为2050亿千瓦时，要使这一说法成立，其平均电力排放强度将必须约为4.4 kg CO 2 / kWh。

然而，普通的燃煤发电厂（可利用的碳排放量最大的一种）的排放强度不到该值的四分之一，约为1千克CO 2 / kWh（美国EIA 2020）。显然，世界上所有数据中心都不在煤炭上运行，特别是考虑到一些大型数据中心对可再生能源的使用占了全球计算实例份额的增加。

最近的另一个说法是：“观看Netflix 30分钟（1.6千克CO 2）所产生的排放量与行驶近四英里的排放量相同。” 假设提供Netflix流服务的数据中心每年将消耗约370 TWh（Kamiya 2020），这一说法得到了支持。但是，该值是全球所有数据中心总和估计的205 TWh的1.8倍，这不仅为流媒体Netflix视频提供了社会上的其他信息服务。（有关更完整的评估，请参见Kamiya2020。）

因此，这些最新的自下而上的估计已提高了全球数据中心的使用率的清晰度，也可以实现“真实性检查”，从而揭露了一些引人入胜且广为流传的关于数据中心对气候变化的贡献的说法。

前进的道路

就是说，在未来十年中，存在着巨大的风险，即对信息服务（尤其是AI等计算密集型应用程序）的快速增长的需求将开始超过过去一直限制数据中心能源使用的效率提升。仍然有可能大幅提高效率，但是将需要对下一代计算，存储和除热技术进行投资，以避免本十年后期能源使用量的急剧增长。并且需要对可再生能源进行并行投资，以最大程度地减少不可避免的数据中心能源使用对气候的影响（Masanet等，2020）。

决策者需要更好的建模能力来自信地评估未来的效率和缓解方案，因此开发更强大和更具预测性的方法来增加自下而上的见解的频率并克服基于推断的预测的局限性是能源分析的关键优先事项社区。

决策者和能源计划者将需要这些模型来监视未来数据中心的能源使用趋势，了解关键的能源使用动因并评估各种政策干预措施的有效性，以管理可能的能源增长。由于数据中心几乎无处不在，因此在国家和全球范围内都将需要这种功能，特别是对于数据中心容量正在迅速扩展的中国。

分析师应考虑几个关键优先事项。首先，开发并公开共享有关已安装的存货，配置以及IT设备和冷却/电源系统的能源使用特性的可靠数据源，将使跨模型的技术更通用，更准确。这种技术细节还将确保适当考虑重要的效率趋势。其次，应该共享模型并进行模型间比较，以便分析师可以制定最佳实践，从而增加对模型输出的信心。第三，分析师必须共同努力，为新兴趋势建模，例如人工智能，5G的推出以及边缘计算的增加，从而使决策者及早了解其潜在的能源使用影响。第四，应该为亚太地区（尤其是数据中心需求迅速增长的中国）公开开发和共享更可靠的数据。最后，需要更好的方法来对下一代计算，存储和散热技术进行前瞻性分析，以加快对可能避免未来能源使用增长的技术的投资。

编译 陈讲运