> 数据图表谁知道2024 年服务器占现代数据中心用电约 60%（传2026-10-2行业深度研究 单卡功率”但随着 AI 从模型训练逐步进入大规模商业化应用阶段，仅从芯片维度已经难以解释 AI 真实的资源消耗。每一次模型训练和推理请求，背后都需要真实的服务器、网络、存储、供配电和冷却设施共同运行，从能源视角研究 AI 需求需要建立整体化的研究框架。 AI 算力需求最终需要通过真实的服务器和数据中心实现，AI 服务器的快速扩张已经开始重塑数据中心的电力消耗结构。根据美国劳伦斯伯克利国家实验室（LBNL）统计，美国服务器年用电量由 2014 年的约 30TWh 提升至2023 年的接近 100TWh，其中 GPU 加速 AI 服务器用电量从 2017 年的不足2TWh 快速提升至 2023 年的超过 40TWh，已经成为过去几年服务器用电增长最重要的来源之一。同期，美国数据中心整体用电量由约 60TWh 提升至176TWh，占美国总用电量的比例达到 4.4%。我们认为，这一变化说明 AI对于电力系统的影响并非简单来自数据中心数量增加，而是数据中心内部计算设备正在发生由传统 CPU 服务器向高功率 AI 加速服务器的结构性迁移。 但 AI 数据中心的电力消耗并不等同于 GPU 耗电，服务器只是整个数据中心电力系统的核心环节之一。根据 IEAEnergy and AI，2024 年现代数据中心中服务器平均占总用电量约 60%，存储系统约占 5%，网络设备最高约占 5%除此之外，制冷系统占比根据数据中心类型和效率差异较大，在高效 Hyperscale 数据中心中约为 7%，而在效率较低的企业级数据中心中可以超过 30%。因此，从电网侧观察 AI 负荷，不能简单使用“GPU 数量单卡功率”进行测算，而需要进一步考虑服务器、网络、存储、制冷以及供配电等完整数据中心系统。国泰海通能源矿产
