张礼立：谁来为“沉默”的算力买单？绿色安全背后的系统风险
小微
（原标题：张礼立：谁来为“沉默”的算力买单？绿色安全背后的系统风险）
图片来源于网络，如有侵权，请联系删除
根据国际能源署（IEA）2024 年发布的《能源与人工智能》报告，当 GPT-4 训练消耗的 42.4 吉瓦时电力足以支撑万户家庭全年用能，当中国数据中心年耗电量突破 1500 亿千瓦时，算力产业已从技术基础设施异化为高耗能体系的关键变量。在数字文明与生态文明交织的当代，"安全" 与 "环保" 正通过算力这一新型生产要素实现跨界融合，催生出 "绿色安全" 这一革命性治理命题。本文将从技术效能与安全风险的双重维度，剖析算力浪费的系统性影响，构建兼顾能源效率与安全防护的协同治理框架，为数字经济可持续发展提供理论支撑与实践路径。
图片来源于网络，如有侵权，请联系删除
一、范式重构：算力作为安全与环保的交汇点
在传统认知中，网络安全与环境保护分属技术防御与生态治理的独立范畴。前者以防火墙、加密算法等构建数字系统的逻辑屏障，后者通过能耗管控、绿色能源等维系自然生态平衡。然而，人工智能、AIGC 等技术的指数级渗透，正使算力成为打破二者边界的关键枢纽 ―― 这一被称为 "数字电力" 的新型基础设施，既是 AI 模型训练推理的运算载体，亦是能源消耗的实体单元。
算力系统的双重属性使其成为矛盾焦点：截至2025年第一季度，我国“东数西算”工程的八大国家级算力枢纽节点算力总规模已达到215.5 EFLOPS， 作为中国数字经济的 "心脏"，运算能力支撑着社会数字化转型；根据中国信息通信研究院发布的《中国绿色算力发展研究报告》810 万个标准机架的年耗电量已相当于中等省份的工业用电总量。更严峻的是， 作为高耗能载体，现行算力调度普遍存在“效能洼地”。多项行业研究指出，传统数据中心的资源利用率普遍低于20%，部分自建IDC甚至不足5%，即便是国际领先的云服务商，其利用率也多在30%至40%之间。在存储层面，大量非活跃数据长期占据空间，推高存储与能耗负担。同时，缺乏休眠机制使部分系统在无业务运行时仍维持高能耗状态，待机能耗占比可能高达25%。这些问题不仅造成资源浪费，更可能引发系统过载与区域性能源紧张，演变为现实的基础设施安全隐患。
在此背景下，"绿色安全" 概念应运而生 ―― 它突破了将环保视为安全外延的传统认知，将能源效率纳入安全体系的本体设计。当算力消耗直接影响数字生态稳定性时，PUE 值、碳足迹等环保指标便与漏洞修复率、攻击拦截率等安全指标形成共生关系，共同构成数字系统的防御维度。
二、隐形危机：算力浪费的安全风险图谱
（一）系统稳定性的效能崩塌风险
算力资源的无序分配正在加剧数字基础设施的系统性脆弱性。在实际部署中，模型调用频次缺乏限制，GPU资源调度不设优先级，部分服务架构缺少动态调节能力，导致算力冗余与资源紧张并存，运行效率与系统稳定性双双受损。清华大学与阿里云的研究指出，在缺乏算力治理机制的条件下，系统在遭遇外部冲击如局部断电、高温天气时，更容易产生连锁效应，造成服务不可用。多起数据中心运维事故表明，算力调度混乱已成为制约关键业务连续性的主要隐患之一，也凸显出构建“任务感知型”与“弹性负载型”算力体系的紧迫性。
（二）黑色产业的算力劫持威胁
算力资源的稀缺性正被黑灰产组织系统化利用。近年来，挖矿木马和GPU劫持成为主流攻击方式，通过伪装成图像处理等正常任务，非法侵占服务器GPU资源，难以被传统入侵检测系统识别。清华大学与阿里云联合研究指出，此类攻击常被用于生成虚假图像与合成语音，并嵌入正常数据流中以规避监测。尽管尚无统一统计，多个网络安全企业报告显示，暗网中已形成“攻击―劫持―变现”的算力黑市，企业被动为非法AIGC训练提供计算资源，带来隐蔽而严重的安全风险。
（三）政策治理的协同失灵困境
"双碳" 目标与安全需求的资源竞争日益尖锐。多地强制数据中心 PUE 值低于 1.3 ，国家枢纽节点进一步降到 1.25 以下的政策，与安全领域要求的灾备系统扩容、加密设施部署形成直接冲突。某金融机构因能耗指标限制，被迫延缓安全隔离区建设，导致核心数据面临暴露风险 ―― 这种 "安全需求让位于节能指标" 的悖论，本质上是能源治理与安全治理的制度性割裂。当二者成为同一系统的 "左右脚" 时，任何单维度的激进政策都可能引发系统性失衡。
三、倡议构建“碳审计 × 安全审计”双轨创新机制
（一）算力使用许可制度：市场化资源配置框架
借鉴碳排放权交易的机制理念，可建立算力使用申报与配额管理体系。数据中心按季度申报模型训练与推理任务的算力需求和能源消耗预测，由监管机构依据“总量控制 + 行业倾斜”原则进行资源分配。对于医疗AI、应急调度等具有公共服务属性的领域，可设立绿色审批通道，适度上调能耗配额，以保障其算力连续性。在部分试点地区，该制度实施后有效提升了区域资源的调度效率，关键行业的服务稳定性也显著改善。
（二）数据生命周期管理：信息资产的能效优化
应推动建立“边际成本―价值”导向的数据资产管理模型，明确非活跃数据的生命周期。可通过制度性要求设定不同类型数据的保留期限，例如对普通业务数据设定中期留存期限，对敏感或关键数据延长留存周期，并同步推进高压缩率归档与模型版本清理机制。数据的“能效比”应被纳入企业可持续治理指标，作为ESG评级与年报披露的重要组成部分。已有企业因数据归档与清理不当，导致系统能耗偏高和能效评级下降，引发投资者与市场的风险关切。这一趋势反映出，数据不再是“越多越好”的静态资源，而是需要动态调度与治理的资产单元，其使用效率直接影响组织的技术信用与市场价值。
（三）绿色安全评估体系：技术标准的跨界融合
绿色数据中心不应仅被视为环保工程，更应纳入信息安全治理的整体架构之中。在现行的网络安全等级保护制度和关键信息基础设施评估体系中，有必要引入碳排放强度、PUE值、绿色硬件适配能力等指标，与传统安全项并行考核，构建“安全能力 × 能源效率”的复合评估模型。这种融合机制不仅有助于推动数据中心在节能减排方向上的技术升级，也为高可靠性场景提供了能耗约束下的安全保障逻辑。部分地区和行业已在实践中探索将能效标准与安全合规联合评估，其成效显示，标准协同有助于促进系统整体性能优化和运维成本的合理控制，体现出绿色与安全目标相互支撑的现实路径。
（四）算力碳标签制度：市场机制的信息赋能
建议为AI平台引入“算力碳标签”。通过公开模型调用所需电力、碳足迹、数据训练来源等信息，为用户和开发者提供绿色参考维度，推动市场形成“透明算力”竞争格局。未来的服务选择，将不仅基于精度和响应速度，更应基于其对环境的友善度与对社会的负责任程度。
四、文明转型：绿色安全作为数字治理的基石
从工业文明到数字文明的跃迁，本质是资源形态与治理逻辑的重构。当算力成为衡量文明发展水平的新标尺，其治理质量直接决定数字社会的可持续性。传统将数据视为虚拟存在、算力视为技术工具的认知，已无法应对能源约束与安全风险的交织挑战 ―― 每一次模型训练都在消耗物理资源，每一组数据存储都在产生环境外部性，每一次算力调度都在塑造系统风险图谱。未来的数字治理将呈现三元融合特征：安全管理者需兼具密码学与能源经济学知识，城市规划需统筹算力枢纽与变电站布局，企业竞争需在算法精度外增加能效维度。
站在文明演进的高度，"绿色安全" 范式的构建具有革命性意义。它打破了技术乌托邦的迷思，将生态伦理注入数字系统的底层架构；它超越了学科壁垒，在计算机科学与环境经济学的交叉地带建立新的研究范式；它更重塑了发展哲学，使数字经济增长建立在资源可承载、安全有保障的基础之上。当 "东数西算" 工程不仅追求算力调度效率，更强调配套可再生能源比例时，我们正见证这场治理革命从理论走向实践。
数字时代的终极治理智慧，在于平衡技术创新与资源约束的辩证关系。绿色安全不是对算力发展的限制，而是对其价值坐标系的重构 ―― 让每一次运算都遵循能效原则，让每一份数据都承载安全责任，让数字文明与生态文明在协同演进中走向可持续未来。这既是技术创新的使命，也是制度设计的担当，更是人类社会跨越时代门槛的必然选择。
