（通讯员|信息 编辑|辛西 审核|李国亮） 5月16日下午4时，一场关于人工智能未来与能源挑战的深度对话在我校第一综合楼B座113会议室展开。国际知名学者、新加坡工程院院士、电气电子工程师学会（IEEE）会士、南洋理工大学计算机科学与工程学院校长讲席教授文勇刚，应邀就当前人工智能（AI）技术，特别是大语言模型（LLM）飞速发展所引发的能源消耗激增与碳排放加剧问题，发表了深刻而富有洞察力的见解。他不仅系统剖析了AI计算中碳排放挑战的严峻性，更着重介绍了其团队在数据中心可持续发展领域取得的突破性研究成果与创新解决方案，引发了与会者的高度关注与热烈讨论。演讲结束，文勇刚教授与现场听众进行了热烈的互动问答。

文勇刚教授首先以清晰的数据和前瞻性的分析，揭示了AI产业繁荣背后潜藏的能源危机。他指出，随着AI模型参数规模呈现指数级增长，支撑其运行的数据中心正面临前所未有的用电压力。这不仅仅是运营成本的问题，更直接关联到全球碳中和目标的实现。“数据中心的用电量在全球总能源消耗中的占比正以前所未有的速度攀升，”文教授强调，“这已使其成为我们探讨可持续发展议程时，一个无法回避且亟待解决的核心环节。”

在深入探讨能效衡量标准时，文勇刚教授详尽阐释了业界广泛采用的PUE（Power Usage Effectiveness，电源使用效率）和日益受到重视的CUE（Carbon Usage Effectiveness，碳使用效率）等关键指标。他解释道，PUE主要反映数据中心总能耗与IT设备能耗的比值，虽然全球平均水平已趋于稳定在1.5左右，但这仅代表能源输配和制冷等辅助设施的效率。文教授提醒，仅仅追求PUE的降低，已不足以全面应对AI技术带来的整体能耗激增。为此，他介绍了CUE的概念，即单位IT设备能耗所产生的二氧化碳排放量。CUE将能耗与碳排放直接挂钩，更直接地反映了数据中心运营对环境的影响。文教授通过对比分析指出，不同数据中心因其所采用的能源结构（例如，像谷歌等科技巨头积极投入绿色能源）会导致CUE值出现显著差异，这为数据中心在选址、能源采购策略以及绿色能源转型方面提供了至关重要的决策依据。

针对AI模型生命周期中不同阶段的能耗特性，文勇刚教授进行了细致的剖析。他指出，尽管当前AI大模型的训练阶段因其计算密集性而消耗巨大能源，但从长远看，随着AI应用的广泛渗透和常态化运行，推理（Inference）阶段的总能耗将逐渐占据主导地位。“根据我们的预测，”文教授分享道，“到2028年，推理阶段的能耗将占到AI相关总能耗的80%至90%。”这一趋势的转变，意味着业界必须将研发和优化的重心从训练效率的提升，进一步扩展到推理过程的能效优化，以应对未来更为庞大的常态化AI应用能耗需求。

面对如此严峻的挑战，文勇刚教授并未止步于问题的揭示，而是积极展示了其团队的创新性解决方案。他重点介绍了他最具影响力的研究成果之一——认知数字孪生（Cognitive Digital Twin）平台DCWiz。该平台通过融合多物理场建模、AI算法与实时传感数据，能为复杂的数据中心构建出高度逼真的工业级虚拟模型。这个“数字孪生”不仅能实时反映物理数据中心的运行状态，还能通过历史数据的持续学习与校准，实现对能耗、温度分布、气流组织乃至碳排放的精准模拟、预测和智能优化。DCWiz的核心功能远不止于此，它还为AI模型的训练提供了安全的虚拟环境进行风险评估，并在实际应用中（如已成功部署于阿里巴巴数据中心、新加坡国家超算中心等关键设施）展现出卓越效能，实现了全天候智能化运行管理，显著提升了整体能源效率，降低了运营成本。

展望未来，文勇刚教授探讨了数据中心能源供应的多元化与创新路径。他提及了氢能、模块化小型核反应堆、太阳能、风能等清洁能源在数据中心供能方面的巨大潜力。更富想象力的是，文勇刚还讨论了将数据中心部分模块部署到外太空以充分利用太阳能并解决地球散热难题的前瞻性设想。在应用层面，文教授强调了通过API（应用程序编程接口）层面的智能化优化，赋予用户根据实时碳排放强度动态选择“绿色算力”的权利。这种机制将激励算力提供商和使用者共同参与到碳减排的行动中，是实现可持续AI生态的重要技术途径。

演讲结束，文勇刚教授与现场听众进行了深入互动交流。多位来自学术界和产业界的代表就数据中心能效优化、技术落地、产学研合作以及人才培养等问题踊跃提问。

有听众关心DCWiz这类先进技术在实际推广中，企业（业主）的接受程度和合作动力。文勇刚教授坦言，初期推动确实存在挑战，因为这涉及改变传统运营模式和可能的前期投入。但他指出，随着节能降耗和碳中和压力的增大，以及DCWiz这类技术在实际案例中展现出的显著效益（如降低运营成本、提升可靠性），企业的积极性正在逐步提高。他强调，与设备供应商的合作模式也在探索中，尽管设备商可能因技术优化导致其设备更换周期延长而有所顾虑，但长远来看，共同推动行业可持续发展是必然趋势。

针对高校研究在AI推理阶段节能方面的方向，特别是在大模型应用普及的背景下，文勇刚教授给出建议。他认为，高校可在算法优化、模型压缩、硬件加速以及新型计算架构等方面进行探索。他特别提到，利用“物理信息机器学习”（Physics-Informed Machine Learning）等方法，将物理规律融入AI模型，有望在保证性能的同时大幅降低推理能耗。他还鼓励研究者关注边缘计算场景下的AI能效问题。

此外，文勇刚教授还介绍了南洋理工大学在国际学生培养方面的项目，例如与国内高校合作的“3+1+1”或“4+1”等联合培养模式，为有志于深造的学生提供宝贵机会。他表示，新加坡作为一个国际化的教育中心，欢迎全球优秀学子加入，共同推动AI及相关领域的研究与创新。

活动负责人表示，此次学术分享及问答环节，不仅深刻揭示了AI产业高速发展背后的能源困境，也为与会者展现了通过技术创新实现数据中心可持续发展的光明前景，并促进了产学研之间的有效对话。文勇刚教授的研究为全球数据中心行业迈向更绿色、更高效的未来贡献了宝贵智慧与方案，并为相关领域的人才培养和国际合作指明了方向。