从PUE到每瓦Token：AI数据中心能效标尺为何需要换

数据中心行业长期用PUE衡量能效：总能耗除以IT设备能耗。这个数字能告诉你供电和制冷系统浪费了多少电，但无法回答一个更实际的问题——进入服务器的电，究竟产出了多少有效计算。

AI工作负载让这个问题变得紧迫。大规模GPU集群中，大量设备会随任务推进同步进入计算、通信或等待阶段，功率随之快速变化。两座全年耗电量相同的数据中心，如果一座负载平稳、另一座频繁出现同步功率变化，对供电控制和储能的要求就可能不同。同样的PUE下，设备利用率、任务完成量和业务成本可能差异很大。

商汤科技大装置事业群智算中心总经理林海在华为全联接大会2026的AIDC基础设施峰会上介绍，商汤正从以PUE为核心的能效管理，进一步走向以TPW（Tokens Per Watt，每瓦Token产出）为核心的全链路效率管理。这一指标把用电效率与Token产出直接挂钩，将电网电厂、IDC机柜服务、算力云服务到模型服务纳入同一条评价链路。据其披露，商汤大装置通过端到端全链路优化，已实现单位电力成本Token产出提升80%；临港智算中心也是业界首个获得中国信通院算电协同5A认证的智算中心。

华为董事、华为数字能源总裁侯金龙在同一峰会上将每一瓦特产出更多Token，每一Token成本更优概括为算力工厂的核心竞争力。

TPW的提出不只是换了一个数字，它改变了基础设施各环节的协同逻辑。当评价目标延伸到最终计算产出时，供电系统必须能跟随算力负载的波动实时响应，热管理系统必须与计算设备共享运行信息，调度策略必须把电价、储能成本和任务时延约束放在一起计算。华为此次展示的TMU热管理控制器与昇腾服务器实现原生适配，冷电联动跟随计算负载作出响应，就是这种联合设计的一次具体落地。

这一趋势并非华为独有。英伟达、Google和Emerald AI在9月16日宣布成立AI能源管理联盟（AEMA），推动数据中心根据电网运行状态动态调整用电。Google今年3月披露，已将合计1GW的需求响应容量纳入与美国多家公用事业公司的长期能源合同，通过限制或转移部分机器学习任务配合电网运行。国际能源署在2026年报告中预计，全球数据中心用电量将从2025年的485TWh增至2030年的950TWh，其中面向AI的数据中心用电量同期预计增至约三倍。

政策层面也在收紧。西班牙2026年8月公布的数据中心监管皇家法令草案要求，每运行一小时至少80%的用电须由新增可再生能源在同一小时覆盖，年度总量达标并不足够。中国四部门今年4月联合印发的行动方案明确鼓励算力设施配置构网型储能，支持绿电直连。欧盟委员会9月21日通过统一的数据中心可持续性评级方案，首批标签预计2027年推出。

不过TPW作为评价标尺仍有明确边界。不同模型、输出质量和时延要求都会影响Token产出，能耗统计的时间和边界也必须一致，跨任务直接比较TPW数字并不成立。商汤的80%提升为自报数据，其具体优化路径、基线条件和验证方法未在公开材料中完整披露。华为的AIDC 1.0方案中，泰山UPS单柜容量1280kVA、电力模块交付时间从7天缩短至3天等数据同样为厂商自述。

PUE仍有价值——它衡量的是基础设施自身的能源开销。TPW增加的是另一个观察维度：在满足质量与服务要求的前提下，一座AI数据中心能够持续交付多少有效计算。两个指标并存而非替代，但TPW所要求的全链路协同设计，正在把供电、储能、散热和算力调度从各自为政推向联合优化。