钠电AIDC存算一体能耗理论模型

——“同样的电，更多有效算力”项目 part1

1 文档目的与适用范围

本文档是“同样的电，更多有效算力”项目的第一部分，用于在CFD热仿真数据产出之前，先行固化AIDC（人工智能数据中心）的能耗拆分口径、核心计算公式、变量定义与参数接口。

文档确立的模型与口径，将直接作为以下三项工作的统一依据：一是Pandas数据处理与算力-能耗曲线绘制；二是存算一体、网络内计算的节能量化；三是AI冷却调控Python软件Demo的输入输出定义。

文中所有参数分为三类状态：“已定义”表示由本文模型口径直接确定；“预设待标定”表示采用行业经验区间作为建模初值，须经文献核实或仿真数据回归后修正；“待CFD”表示须由队友的CFD热仿真结果提供。任何预设参数在被标定之前，均不得作为最终结论引用。

2 建模口径与边界约定

2.1 系统边界

模型边界为单个AIDC机房（或标准化机柜组），边界内包含：IT计算与存储设备、机房内网络与交换设备、供配电链路（含钠电储能系统）、冷却系统。边界外的电网侧输电损耗、园区其他建筑能耗不纳入统计。

2.2 时间尺度与电量口径

统一采用两类时间尺度：稳态尺度以小时为单位，用于算力-能耗曲线与能效指标计算；动态尺度以秒为单位，用于钠电功率平滑与AI冷却调控Demo。所有能耗以千瓦时（kWh）计，功率以千瓦（kW）计，电量与功率严格区分，不得混用。

2.3 有效算力口径

标称算力指芯片手册给出的理论峰值算力（单位：TOPS）；有效算力指在供电、温度、功耗墙约束下，系统实际可稳定输出并用于有效任务的算力。本项目的核心命题，是在相同总电量约束下最大化有效算力，而非单纯追求标称算力或最低总功耗。

3 AIDC总能耗构成模型

3.1 总能耗恒等式

在统计周期T内，AIDC总能耗拆分为五个部分，满足如下恒等式：

E_total = E_compute + E_trans + E_store + E_cool + E_dist

式中：E_compute为计算单元能耗；E_trans为数据搬运（传输）能耗；E_store为存储单元能耗；E_cool为冷却系统能耗；E_dist为供配电链路损耗能耗。单位均为kWh。

3.2 各能耗项定义

符号	名称	定义与构成	主要影响因素
E_compute	计算能耗	芯片执行乘加、逻辑运算等有效计算所消耗的电量	负载率、芯片能效、有效算力产出
E_trans	数据搬运能耗	芯片与存储之间、机柜与网络节点之间数据移动所消耗的电量	搬运数据量、搬运距离、跳数、位宽
E_store	存储能耗	存储器读写、刷新与待机保持所消耗的电量	存储容量、访问频率、介质类型
E_cool	冷却能耗	冷板、泵、风机、冷机等散热链路消耗的电量	热负荷、环境温度、流量、调控策略
E_dist	配电损耗	变压器、UPS/储能变换、母线等环节的变换与线损电量	负载率、变换效率、储能充放电次数

表1 AIDC总能耗构成定义表

3.3 核心评价指标

（1）电能使用效率PUE：总能耗与IT设备能耗之比，用于衡量冷却与配电开销水平。

PUE = E_total / (E_compute + E_trans + E_store)

（2）单位有效算力能耗EC_eff：每产出一单位有效算力所消耗的总电量，是本项目最核心的优化指标，数值越低代表“同样的电产出更多算力”。

EC_eff = E_total / C_eff

（3）有效算力产出比：单位总电量对应的有效算力，为EC_eff的倒数，用于直接表达节能增益。

4 存算一体节能模型

4.1 传统架构的数据搬运能耗

在传统冯诺依曼“计算-存储分离”架构下，数据须在存储单元与计算单元之间反复搬运。数据搬运能耗与搬运数据量、单位数据单位距离搬运能耗成正比：

E_trans = D_move × e_move

式中：D_move为统计周期内的数据搬运总量（bit或Byte）；e_move为单位数据搬运的平均能耗（含距离与接口开销）。在AI推理/训练负载中，数据搬运能耗占比高，是“存储墙”“功耗墙”的主要来源。

4.2 存算一体架构的能耗缩减

存算一体（Computing-in-Memory）将部分计算直接放置于存储单元内部完成，数据无需被搬离存储阵列即可参与乘加运算，从而同时缩减搬运数据量与搬运距离。记搬运量缩减系数为α（0<α<1），则：

D_move(CIM) = (1 − α) × D_move(传统)
E_trans(CIM) = (1 − α) × E_trans(传统)

4.3 存算一体节能率

存算一体带来的系统级节能率，定义为总能耗下降量与传统架构总能耗之比：

η_CIM = (E_trans(传统) − E_trans(CIM)) / E_total(传统)
      = α × E_trans(传统) / E_total(传统)

建模初值预设：存算一体可降低数据搬运能耗的30%~~50%（即α取0.3~~0.5）。该区间为行业经验预设，状态为“预设待标定”，须经文献核实与负载实测回归后确定，不得直接写入最终结论。

5 网络内计算节能模型

网络内计算（In-Network Computing）借助可编程交换机、智能网卡等网络设备，在数据传输路径上就地完成聚合、规约、过滤等操作，减少端节点之间的无效数据往返。

设网络内计算使数据平均经过的跳数由h_0缩减至h_1，并在网络节点消化掉比例为β的数据量，则网络侧搬运能耗为：

E_trans(INC) = (1 − β) × (h_1 / h_0) × E_trans(网络)

式中β为网络内消化数据比例，h_1/h_0为跳数缩减比。β与h_1/h_0的取值状态均为“预设待标定”，在分布式AI训练的AllReduce/All-to-All场景下优先标定。存算一体与网络内计算共同作用时，对E_trans的缩减按链路层级分别计算，避免重复扣减。

6 钠电AIDC算力增益模型

6.1 供电波动导致的有效算力损失

当电网功率存在波动或受容量约束时，AIDC被迫降载、错峰或触发功耗墙，IT设备无法持续运行在高利用率区间，造成“设备通电但算力空转”的无效能耗。记供电约束下的算力利用率为η_grid，则实际输出算力为标称算力乘以该利用率。

6.2 钠电储能的功率平滑机理

钠离子电池储能系统在AIDC中承担功率缓冲与削峰填谷角色：电网功率富余时充电，功率缺口或波动时即时补能，使IT负载母线功率保持平稳，支撑计算硬件持续运行在高利用率区间。钠电池的价值定位是“稳定功率、保有效算力”，而非单纯离网供电。

储能充放电过程引入的变换损耗计入E_dist，按充放电效率η_bat折算：

E_dist(bat) = E_through(bat) × (1 − η_bat)

6.3 有效算力综合公式

综合供电稳定性与热约束，有效算力定义为：

C_eff = C_nom × η_stable × η_thermal

式中：C_nom为标称算力；η_stable为供电稳定利用率（钠电平滑后的高负载持续比例）；η_thermal为热约束系数（温度触及阈值时降载的比例，与CFD结果和AI冷却策略相关）。

建模初值预设：无钠电平滑时η_stable约为0.6~0.8，引入钠电平滑后可提升至0.9以上。该区间状态为“预设待标定”，须结合储能容量配置、电网波动曲线与仿真结果标定。η_thermal状态为“待CFD”。

7 综合模型：相同电量下的有效算力增益闭环

将节能侧与增益侧合并，得到项目的统一目标函数。在相同总电量E_total约束下：

C_eff / E_total = 1 / EC_eff

三条技术路径分别作用于总能耗恒等式的不同环节，形成闭环：存算一体与网络内计算通过缩减E_trans降低分母；钠电AIDC通过提升η_stable增大分子有效算力；AI智能冷却通过降低E_cool、提升η_thermal同时改善分母与分子。三者叠加即实现“同样的电，更多有效算力”。

量化对比时统一设置两组方案：基准方案（传统架构、无钠电平滑、常规冷却）与本项目方案（存算一体+网络内计算、钠电平滑、AI冷却），在相同E_total下分别计算C_eff与EC_eff，输出算力-能耗双曲线作为核心论证图表。

8 变量定义与参数状态表

符号	含义	单位	预设/取值	状态
E_total	AIDC总能耗	kWh	由各项求和	已定义
E_compute	计算单元能耗	kWh	随负载率	已定义
E_trans	数据搬运能耗	kWh	D_move×e_move	已定义
E_store	存储单元能耗	kWh	随访问频率	已定义
E_cool	冷却系统能耗	kWh	随热负荷	待CFD
E_dist	配电及变换损耗	kWh	随效率折算	已定义
C_nom	标称算力	TOPS	按硬件选型	已定义
C_eff	有效算力	TOPS	公式计算	已定义
EC_eff	单位有效算力能耗	kWh/TOPS	E_total/C_eff	已定义
PUE	电能使用效率	—	公式计算	已定义
α	存算一体搬运量缩减系数	—	0.3~0.5	预设待标定
β	网络内消化数据比例	—	待场景测算	预设待标定
h_1/h_0	网络跳数缩减比	—	待场景测算	预设待标定
η_bat	钠电充放电效率	—	按电池参数	预设待标定
η_stable	供电稳定利用率	—	0.6~0.8→0.9+	预设待标定
η_thermal	热约束系数	—	由温度阈值定	待CFD

表2 变量定义与参数状态表

9 与CFD热仿真的数据对接接口

为保证队友产出的CFD数据可直接进入Pandas模型，预先约定数据列名规范。CFD侧输出文件统一采用CSV格式、UTF-8编码，列名如下表；Pandas侧按此口径读取，不做二次改名。

数据方向	列名	含义	单位
CFD→模型	load_rate	算力负载率	%
CFD→模型	it_power_kw	IT设备实时功耗	kW
CFD→模型	cool_power_kw	冷却系统功耗	kW
CFD→模型	chip_temp_max	芯片最高温度	℃
CFD→模型	coldplate_temp	冷板温度	℃
CFD→模型	flow_rate	冷却液流量	L/min
模型→CFD	target_temp	冷却目标温度设定	℃
模型→CFD	cool_demand_kw	AI调控冷却需求	kW

表3 CFD与能耗模型数据接口表

CFD须覆盖负载率20%、40%、60%、80%、100%五个工况点，并给出芯片温度安全阈值与降载触发温度，用于标定η_thermal。

10 后续标定计划与待办清单

序号	待办事项	依据/来源	状态
1	核实存算一体搬运能耗降低区间，标定α	学术文献+厂商资料	待办
2	测算网络内计算β与跳数缩减比	分布式训练场景	待办
3	获取钠电池效率与储能容量参数，标定η_bat、η_stable	电池参数+电网波动曲线	待办
4	接收CFD五工况数据，标定E_cool与η_thermal	队友CFD输出	待对接
5	按本文公式编写Pandas计算与绘图脚本	本文模型	待办
6	搭建AI冷却Demo并接入表3接口	本文模型	待办

表4 参数标定与后续待办清单

引入：钠电 AIDC 存算一体能耗理论模型