“東數西算”工程算力保障研究

黃朝椿 羅以洪 孫金良

(貴州省社會科學院,貴州 貴陽 550002)

一、引言

隨著新一代信息技術的飛速發展,數據成為關鍵生產要素[1],已滲透到人們生活的方方面面,成為驅動經濟增長、推動社會進步的重要動力。習近平總書記指出:“充分發揮海量數據和豐富應用場景優勢,促進數字技術和實體經濟深度融合,賦能傳統產業轉型升級,催生新產業新業態新模式,不斷做強做優做大我國數字經濟”[2]。算力作為數字經濟時代的關鍵生產力要素,已經成為挖掘數據要素價值,推動數字經濟發展的核心支撐力和驅動力,是各國戰略競爭中高度重視的新焦點[3],已成為國與國之間競爭的核心競爭力[4]。

2021年5月,國家發展改革委等四部門聯合印發《全國一體化大數據中心協同創新體系算力樞紐實施方案》提出:“統籌圍繞國家重大區域發展戰略,根據能源結構、產業布局、市場發展、氣候環境等,在京津冀、長三角、粵港澳大灣區、成渝,以及貴州、內蒙古、甘肅、寧夏等地布局建設全國一體化算力網絡國家樞紐節點和數據中心集群”[5],并于2021年11月至2022年2月陸續復函同意在寧夏、內蒙古、甘肅、貴州、粵港澳大灣區、成渝、長三角、京津冀等8地啟動建設國家算力樞紐節點,并規劃了中衛、和林格爾、慶陽、貴安、韶關、天府、重慶、長三角生態綠色一體化發展示范區(以下簡稱長三角)、蕪湖、張家口等10個國家數據中心集群,標志著國家級超級工程“東數西算”工程正式全面啟動。

“東數西算”工程旨在充分發揮東、西部地區比較優勢,對全國算力資源進行有效配置,以實現東、西部算力資源協同發展和數據要素跨區域流動,形成優勢互補、高質量發展的算力經濟發展格局。算力經濟的發展離不開穩定、可持續的算力供給,穩定、可持續的算力供給又需要高效的算力保障。因此,測算十大數據中心集群的算力保障能力,充分發揮其比較優勢,已成為一個非常值得研究的問題。

二、文獻綜述

近年來,關于算力相關方面的研究方興未艾。在算力理論方面,劉宇航等提出了計算概念譜系,認為算力是應用程序所能實際獲得的計算能力[6]。呂廷杰和劉峰探討了分布式形態下算力網絡的可研究和落地方向,認為分布式算力網絡有望成為未來十年最值得期待的信息基礎設施變革之一[7]。陳曉紅等通過剖析算力服務發展過程中存在的問題,提出了算力服務體系建設的總體架構、重點戰略和發展路徑[8]。在算力測算相關方面,主要是通過選取相關指標,構建評價指標體系,測算算力相關指數,如全球計算力指數、算力發展指數、算力綜合指數、算力服務發展指數等。2021年2月,浪潮信息聯合IDC發布《2020全球計算力指數評估報告》,該報告從計算能力、計算效率、應用水平和基礎設施支持四個維度選取19個二級指標構建全球計算力指數評估模型,對全球重點國家計算力水平進行評估,得出“計算力是數字經濟時代的核心生產力,計算力與經濟增長密切相關,計算力指數平均每提高一個點,數字經濟和GDP將分別增長3.3‰和1.8‰”[9]。同年9月,中國信通院發布《中國算力發展指數白皮書》,從算力規模、算力環境、算力應用三個維度選取7個二級指標、8個三級指標構建中國算力發展指標體系,對我國各省市的算力發展水平進行評價與分析[10]。2022年7月,中國信通院等在中國算力大會上聯合發布《中國綜合算力指數(2022)》,從算力、存力、運力、環境四個維度選取8個二級指標32個三級指標構建中國綜合算力指標體系,并對我國各省市的綜合算力水平進行評價與分析[11]。2023年7月,中國信通院發布《中國算力服務發展報告》,從資源服務化、應用賦能、產業發展、服務體驗四個維度選取11個二級指標、22個三級指標構建中國算力服務發展指標體系,對我國各省市的算力服務水平進行評價與分析[12]。截至目前,浪潮信息、中國信通院等機構每年都會對構建的指標體系進行更新完善,并對外發布新的測算與評價結果。

盡管目前關于算力測算的相關研究成果頗豐,但依然存在豐富拓展的空間。在研究內容上,目前的研究主要體現在算力水平、算力發展、算力服務等方面,很少涉及算力保障方面。算力經濟歸根結底是能源經濟,算力的發展離不開能源的有效供給。據統計,算力中心耗電量巨大,電力成本占總成本的60%-70%,1PFLOPS算力每天要耗電大約2400kWh,每年僅電費成本就達76.2萬元(1)中國工信新聞網,5G基站和算力產品是運營商的兩只“電老虎”https://www.cnii.com.cn/rmydb/202308/t20230803_492458.html。?！皷|數西算”工程之所以被提出,主要是基于東部發達地區旺盛算力需求下嚴峻的能源供給壓力,擬通過規劃算力產業布局,充分利用西部地區良好的生態環境、豐富的自然資源以及突出的能源優勢,為東部發達地區的算力提供穩定、持續、高效的算力保障,同時也可以進一步深化東西部協作,構建東西部協同發展新格局。鑒于此,本文將從算力的定義出發,提出算力保障及其定義,并基于該定義從算力水平、基礎條件、公共服務、自然環境、發展生態五個維度,選取19個二級指標構建算力保障指標體系,使用熵權-TOPSIS法對中國十大數據中心集群的算力保障水平進行測算、評價與分析,以期豐富該領域的理論和實證研究,并為研究算力提供了新的視角,亦為國家相關部門及各相關省市制定相關政策提供決策參考。

三、算力保障評價體系構建

(一)指標選擇

《中國算力白皮書(2022年)》認為:算力是數據中心的服務器通過對數據進行處理后實現結果輸出的一種能力[13]。至于算力保障,可從兩方面考慮,一方面是保障數據能夠被處理的能力,另一方面是對數據處理過程及結果輸出提供保障的能力。因此,本文將算力保障定義為保障數據能被處理并對數據處理過程及結果輸出提供保障的能力?；谠摱x,本文將從算力水平、基礎條件、公共服務、自然環境、發展生態五個維度選取指標。

1.算力水平。算力水平是數據中心的服務器處理數據并實現結果輸出的能力水平,可用算力規模、上架率、PUE、數據中心規模、國家級超算中心數量等來衡量。算力規模是指數據中心或計算系統所具備的計算能力大小,是衡量一個國家或地區算力水平的重要標準,一般情況下,算力規模越大,算力水平越高。上架率是指數據中心實際使用機架數與總機架數的比值,上架率的高低反映了數據中心設備利用情況和運營效率。PUE是數據中心消耗的所有能源與IT負載消耗的能源的比值,是用來評價數據中心能源效率的指標。PUE值越低,表示數據中心能效水平越高。超算中心是算力樞紐保障基地的重要組成部分,是配備超級計算機的數據中心,具有強大的計算能力,能處理復雜、大規模的計算任務,代表著頂級的算力。

2.基礎條件?；A條件是保障數據中心正常運行的內在條件,可用省際出口帶寬、機架規模、數據中心網絡時延測量。省際出口帶寬是指一個省份與其他省份以及國際互聯網之間互聯互通的網絡帶寬。由于算力需要高速、穩定的網絡連接來支撐,省際出口帶寬的擴大,能夠保障海量數據順暢傳輸,提升了地區的網絡通達性和算力效率,使得更多數據能夠順暢地傳輸和交換,促進云計算、大數據、人工智能等產業快速發展。數據中心機架規模是衡量數據中心能力的重要指標之一,數據中心內部所配備的機架,主要用于承載服務器、存儲設備等IT基礎設施,機架規模的大小直接關系到數據中心的計算能力和存儲容量。數據中心網絡時延是指在數據中心內部,數據從源服務器傳輸到目標服務器所需的時間。網絡時延越低,數據傳輸速度就越快,算力效率也就越高。

3.公共服務。公共服務是為數據中心算力提供服務保障的能力,可用電價、人均發電量、土地價格、土地使用稅來衡量。電價對算力具有關鍵性影響,算力需要消耗大量的電,電費成本占數據中心經營總成本的60%左右,因此,各數據中心的競爭往往是電價的競爭。人均發電量反映區域內發電能力對群眾生活與生產的保障力度,人均發電量越高,對群眾生活的保障能力越強,越有能力和條件對數據中心進行供電。土地價格與土地使用稅是指用于建設和運營數據中心等算力設施的土地的價格和使用稅,一般情況下,土地價格或土地使用稅越低,算力成本越低,算力保障水平越高。

4.自然環境。自然環境是數據中心算力保障的外在條件,可用氣溫離差、空氣質量、距離來衡量。數據中心的理想溫度一般在20℃到25℃之間,在這個溫度范圍內,設備的散熱效果最好。當溫度高于這個范圍,就需要通過水冷、通風、空調等其他手段降溫。數據機房的電子通信設備對其場所的空氣質量尤其敏感,若灰塵、腐蝕性氣體濃度長期超標,會影響設備使用壽命,嚴重的會導致宕機事故。距離是指算力需求方與算力數據中心的距離,算力需求方距離算力數據中心越遠,數據中心網絡時延越長,經濟成本越高。

5.發展生態。發展生態是數據中心算力保障的軟基礎,可用環境安全、發展年數、政策力度和人才儲備來衡量。環境安全主要指數據中心免受外部自然環境破壞的能力,可用地質災害發生數量來衡量,地質災難包括地震、滑坡、泥石流等,地質災害越少越能保證算力基礎設施的穩定運行。地區算力保障發展年數越長,地方政府的算力發展意識就越強,共識就越高,推動有關工作的力度就越大。政策力度是數據中心集群所在省份歷年印發的算力經濟、數據經濟、數字經濟、人工智能相關的政策文件數量,它直接體現各地對算力產業發展的重視程度與保障力度。人才儲備反映數據中心集群的發展潛力與內生動力程度,一般情況下,人才儲備越充足,研發能力越強,算力保障能力也越強。

(二)指標體系建立

基于我國“東數西算”工程十大數據中心集群算力保障情況,在對企業和政府相關部門充分調研基礎上,綜合中國信通院等研究機構對算力測度及相關指標體系研究,基于指標數據的可獲得性及來源權威性,選取19個二級指標,從算力水平、基礎條件、公共服務、自然環境、發展生態五個一級指標維度,全面客觀地評價我國“東數西算”工程十大數據中心集群的算力保障水平(見表1)。在確定二級指標數據時,本文盡可能地將總量指標轉為比例指標、結構指標和強度指標等形式,以減少因度量造成的誤差[14]。

表1 算力保障指標體系、計算口徑及權重

表2 算力保障指數描述性統計

(三)數據來源及解釋說明

本文選取2022年全國“東數西算”工程十大數據中心集群為研究樣本,對其算力保障能力進行量化評估,其中,長三角生態綠色一體化發展示范區數據中心集群的數據用蘇州的數據來替代。本文各指標數據主要來源于《中國統計年鑒》、中國信通院、各地方政府官網、相關政策文件、網絡公開數據綜合整理等。

1.算力水平數據。算力規模用算力規模指數表示,數據來源于《2023中國算力發展指數白皮書》,上架率用實際使用機架/機架數來表示,數據來源于網絡公開數據整理;PUE為數據中心總能耗與IT設備耗電量的比值,數據來源于網絡公開數據整理;數據中心規模用數據中心數量來表示,數據來源于網絡公開數據整理;國家級超算中心用國家級超算中心來表示,數據來源于網絡公開數據整理。

2.基礎條件數據。省際出口帶寬數據來源于《2022年通信業年度統計數據》;機架規模用機架數來表示,數據來源于網絡公開數據整理;數據中心網絡時延數據來源于網絡公開數據整理。

3.公共服務數據。電價統一采用兩部制35千伏電度電價表示,數據來源于北極星售電網;人均發電量為發電量/人口數,發電量數據來源于北極星售電網,人口數數據來源于《中國統計年鑒》;土地價格用工業用地平均地價表示,數據來源于網絡公開數據整理;土地使用稅用工業用地土地使用稅表示,數據來源于網絡公開數據整理。

4.自然環境數據。氣溫離差為全年每月最高氣溫與最適溫度(22℃)離差平均數,數據來源于天氣網官網數據整理;空氣質量用空氣質量指數表示,數據來源于《全國城市空氣質量報告》及各城市生態環境局官網數據整理;距離用距離主要大城市的平均距離表示,數據來源于ArcGIS測算整理。

5.發展生態數據。環境安全用近10年地質災害總數/省(市)面積表示,近十年地質災害總數數據來源于國家統計局官網,各/省(市)面積數據來源于全國行政區劃信息查詢平臺官網;發展年數用現在-數據中心建設開始年份表示,數據來源于網絡公開數據整理;政策力度用政府出臺的算力相關政策數量表示,數據來源于網絡公開數據整理;人才儲備用規模以上工業企業R&D全時當量表示,數據來源于《中國統計年鑒》。

(四)評價方法

1.評價方法選擇

算力保障指標體系作為多維度、多指標的綜合評價指標體系,需要選取多指標綜合評價方法將多項指標合成單一指數進行考察。將多項指標綜合成算力保障綜合指數,核心在于對各項指標進行賦權,進而使用加權函數法獲得算力保障各級指數和綜合指數[15]。賦權方法主要分為主觀賦權法和客觀賦權法,主觀賦權法主要有層次分析法、效用值法、均權法等,客觀賦權法有熵權法、主成分分析法等。本文將采用客觀賦權法—熵權法對算力保障指標體系的各級指標進行賦權,然后利用TOPSIS法對算力保障指數及分指數進行量化排序。與主觀賦權法相比,熵權法是根據各指標的變異程度,利用信息熵計算出各指標的熵權,再通過熵權對各指標的權重進行修正,客觀地確定每個指標的權重大小,這樣可以避免主觀賦權法的人為因素,得出的權重更客觀、科學[16]。

2.熵權法確定指標權重

(1)標準化處理。

(1)

(2)

其中,xij表示i集群j指標的原始值,Xij表示標準化后的指標值,maxxij和minxij分別表示xij的最大值與最小值,i=1,2,...,n;j=1,2,...,m。

(2)計算指標比重Pij。

(3)

(3)計算指標信息熵Ej。

(4)

(4)計算效用值Dj。

Dj=1-Ej

(5)

(5)計算權重系數Wj。

(6)

其中,Wj為二級指標的權重系數,一級指標權重系數等于所屬二級指標權重系數之和。

3.TOPSIS法確定算力保障指數

(1)構建加權矩陣。

Yij=Wj·Xij

(7)

(2)計算與正、負理想解距離D+、D-。

(8)

(9)

(3)計算與理想解的貼近程度相近接近度C。

(10)

其中,Ci代表算力保障指數得分,0≤Ci≤1,Ci越大,代表i集群距離正理想解越近,距離負理想解越遠,則i集群的算力保障能力越優。

四、算力保障能力評價分析

利用熵權法,測算出5個一級指標、19個二級指標的指標權重(見表1),在此基礎上,利用TOPSIS法測算出“東數西算”工程十大數據中心集群的算力保障指數(見圖1)及分指數(見圖2-6)。

圖1 十大集群算力保障指數

圖2 十大集群算力水平分指數

(一)算力保障指數

從整體上看,十大集群的算力保障能力均有待提升,算力保障指數普遍偏低,均低于60,分布于四個梯隊。貴安、中衛、和林格爾和慶陽的算力保障能力總體較高,位于第一梯隊,算力保障指數達到55以上,張家口、韶關、長三角位于第二梯隊,算力保障指數達到50以上,天府單獨位于第三梯隊,算力保障指數達到40以上,而重慶和蕪湖位于第四梯隊,算力保障指數為30以上。西部集群的算力保障指數普遍高于東部集群,這主要得益于西部地區得天獨厚的自然環境和質優價廉的公共服務,這些因素為數據中心的高效穩定運行提供了有力保障。同時,這種優勢為西部地區“東數西算”工程保障能力的發展提供了強有力的支撐。西部集群之間的差距相對較小,各集群均具有獨特的優勢?！皷|數西算”工程為西部地區提供了一個發揮其比較優勢的機會,為推動“東數西算”工程戰略的有效實施,東、西部集群可以通過相互協作,充分發揮各自優勢,實現優勢互補和互利共贏。

從算力保障指數描述性統計分析,就平均值而言,十大集群算力保障指數平均值為49.76,西部集群算力保障指數平均值為56.13,高出平均水平6.37,東部集群算力保障指數平均值為45.51,比平均水平低了4.25,與西部集群存在一個梯隊的差距;就標準差而言,十大集群算力保障指數標準差為7.55,西部集群算力保障指數標準差為1.00,各集群之間差距較小,發展較為均衡,東部集群平均算力保障指數為6.91,均衡性相對較差。由此可見,西部集群算力保障能力較強,且發展較為均衡,而東部集群算力保障能力較弱,且發展不均衡,導致十大集群算力保障發展不均衡。

(二)算力水平分指數

從算力水平分指數總體來看,韶關的算力水平位于領先地位,算力水平分指數達到60以上,單獨位于第一梯隊。中衛、重慶、長三角位于第二梯度,算力水平分指數為40以上,與韶關差距較大,具有較大的提升空間。天府、張家口、貴安位于第三梯隊,算力水平分指數為30以上,慶陽、和林格爾位于第四梯隊,算力水平指數為20以上,蕪湖位于第五梯隊,算力水平指數僅達到10以上(見圖2)。

在算力水平二級指標中,指標權重排名依次為PUE、國家級超算中心、上架率、數據中心規模、算力規模。韶關具有2個國家級超算中心,算力規模和數據中心規模在十大集群中都處于領先水平,其算力水平分指數自然處于遙遙領先位置,而蕪湖沒有國家級超算中心,PUE值大,算力規模小,導致其算力水平分指數極其低。PUE方面,排名前五的為重慶、中衛、韶關、貴安、張家口,其數值均不高于1.3,其中重慶和中衛甚至不高于1.2;國家級超算中心方面,十大集群中共有6個,其中韶關和長三角各2個,張家口和天府各1個,其他集群0個;上架率方面,排名前五的是中衛、重慶、天府、慶陽、貴安,數值均達到60%以上,其中中衛上架率更是高達85%,遙遙領先于其他集群;數據中心規模方面,排名前四的是天府、韶關、長三角、蕪湖,數據中心數量均不低于100個,其中天府和韶關均達到300個以上;算力規模方面,排名前三的是韶關、長三角、張家口,其中,韶關的算力規模指數高達70以上,而排名第二的長三角僅達到50以上。

從算力水平分指數描述性統計分析(見表3),就平均值而言,十大集群算力保障指數平均值為37.93,西部集群算力保障指數平均值為32.17,比平均水平低了5.76,東部集群算力保障指數平均值為41.77,高出平均水平3.84,高出西部集群一個梯度;就標準差而言,十大集群算力水平分指數標準差為14.22,西部集群算力保障指數標準差為11.04,東部集群平均算力保障指數為15.71,無論是從整體還是從分部來看,算力水平都發展不均衡。由此可見,西部集群算力水平相較于東部整體偏低,且發展都不均衡。

表3 算力水平分指數描述性統計

(三)基礎條件分指數

十大集群的基礎條件相對較好,基礎條件分指數普遍較高(見圖3)。其中,天府、長三角位于第一梯隊,基礎條件分指數達到70以上,韶關、慶陽、貴安、張家口位于第二梯隊,基礎條件分指數達到60以上,重慶、中衛、和林格爾位于第三梯隊,基礎條件分指數達到50以上,蕪湖位于第四梯隊,基礎條件分指數僅達到10以上,與其他九大集群存在較大的差距。

圖3 十大集群基礎條件分指數

基礎條件的二級指標中,指標權重排名依次為數據中心網絡時延、省際出口帶寬、機架規模。天府的數據中心網絡時延最小,長三角的機架規模最大,皆具有明顯的基礎條件優勢,而蕪湖的數據中心網絡時延最大,省際出口帶寬和機架規模也不具備優勢,導致其基礎條件分指數偏小。數據中心網絡時延方面,排名前三的是天府、慶陽和中衛,其數據均低于20ms;省際出口帶寬方面,韶關、長三角省際出口帶寬超過100Tbps,位列前二,天府、張家口省際出口帶寬超過70Tbps,位于三、四名,中衛省際出口帶寬僅超過10Tbps,排在最后一名。機架規模方面,排名前三的是長三角、和林格爾和天府,機架數量均超過15萬架,其中,長三角機架數量高達35萬架,遠高于第二名的15萬架。

從基礎條件分指數描述性統計分析(見表4),就平均值而言,東部集群和西部集群的基礎條件分指數平均值差距不大;就中位數而言,東部集群基礎條件分指數中位數為64.61,而西部集群基礎條件分指數中位數為59.74,比西部集群低了4.83;就標準差而言,西部集群基礎條件分指數標準差為4.32,而東部基礎條件分指數標準差為24.13,遠遠大于西部集群。由此可見,整體而言,東部集群基礎條件略好于西部,但東部集群內部發展較不均衡,兩極分化較為嚴重,而西部集群發展相對較為均衡。

表4 基礎條件分指數描述性統計

(四)公共服務分指數

西部集群的公共服務能力明顯高于東部集群(見圖4)。其中,慶陽、中衛與和林格爾排名前三,公共服務分指數在70左右,位于第一梯度;蕪湖、韶關、貴安、天府的公共服務分指數在50左右,位于第二梯隊,與第一梯度有較大的差距;張家口、長三角、重慶的公共服務指數在20以上,位于第三梯度,與前兩梯隊存在明顯的梯度差距。

圖4 十大集群公共服務分指數

公共服務二級指標中,指標權重排名依次為土地價格、電價、土地使用稅、人均發電量,慶陽、中衛、和林格爾的土地價格和電價均較低,其在公共服務方面則存在明顯的競爭優勢。土地價格方面,中衛、和林格爾、蕪湖、慶陽、貴安的工業用地平均地價均不超過300元/平方米,其中中衛不超過100元/平方米,和林格爾和蕪湖不超過200元/平方米;電價方面,中衛、和林格爾、慶陽排名前三,其電度電價分別為0.4元/kWh、0.42元/kWh、0.44元/kWh,韶關、天府、張家口位于4-6名,電度電價分別為0.55元/kWh、0.56元/kWh、0.58元/kWh,與前三存在較大的差距;土地使用稅方面,十大集群的工業用地土地使用稅平均價格差距不大,西部的集群略微低于東部集群;人均發電量方面,中衛和和林格爾排名前二,人均發電量均超過2.5萬kWh/人年,慶陽排在第三,人均發電量不到1萬kWh/人年,與前兩位存在明顯差距。

從公共服務分指數描述性統計分析(見表5),就平均值而言,十大集群公共服務分指數平均值為48.64,西部集群公共服務分指數平均值為65.82,高出平均水平17.18,東部集群公共服務分指數平均值為37.19,比平均水平低了9.45,與西部集群存在兩個梯度的巨大差距;就標準差而言,十大集群公共服務分指數標準差為19.00,西部集群公共服務分指數標準差為11.82,東部集群平均算力保障指數為13.12,無論是從整體還是從分部來看,公共服務水平發展都不均衡。由此可見,西部集群的公共服務水平高出東部集群兩個梯度,但無論是東部集群還是西部集群,公共服務均衡性都較差。

表5 公共服務分指數描述性統計

(五)自然環境分指數

如圖5所示,貴安的自然環境處于領先水平,自然環境分指數高達70以上,單獨位于第一梯隊;慶陽和張家口自然環境分指數為60以上,位于第二梯隊;和林格爾自然環境分指數為50以上,單獨位于第三梯度,長三角、韶關、蕪湖的自然環境分指數為40以上,位于第四梯隊;中衛、重慶、天府的自然環境指數為30以上,位于第五梯隊。

圖5 十大集群自然環境分指數

自然環境二級指標中,指標權重排名依次為氣溫離差、空氣質量、距離,貴安、慶陽、張家口的氣溫離差和空氣質量均較優,即使距離較遠,但由于距離權重較低,其自然環境分指數也較高。氣溫離差方面,慶陽和貴安排名前二,全年每月最高氣溫與最適溫度離差平均數均不超過2℃,和林格爾、張家口緊隨其后,全年每月最高氣溫與最適溫度離差平均數均不超過3℃,韶關表現最差,全年每月最高氣溫與最適溫度離差平均數為5.5℃;空氣質量方面,排名前三的分別為韶關、貴安、張家口,其空氣質量指數分別為2.50、2.53、2.55,慶陽排在第四,其空氣質量指數為3.2,與前三有明顯的差距;距離方面,東部集群占優,排名前五的分別是蕪湖、長三角、重慶、韶關、慶陽,距離主要大城市的平均距離均不超過1000公里。

從自然環境分指數描述性統計分析(見表6),就平均值而言,十大集群自然環境分指數平均值為49.04,西部集群自然環境分指數平均值為57.06,高出平均水平8.02,東部集群自然環境分指數平均值為43.69,比平均水平低了5.35,與西部集群存在一個梯隊的差距;就標準差而言,十大集群、西部集群、東部集群自然環境分指數標準差分別為13.99、15.42、11.13,均衡性均相對較差,西部集群的均衡性相對更差。由此可見,西部集群自然環境條件相對于東部集群表現較好,但就均衡性而言,都比較差,而西部集群均衡性更差。

表6 自然環境分指數描述性統計

(六)發展生態分指數

十大集群的發展生態存在明顯的梯度差距(見圖6),和林格爾、長三角、中衛、貴安、張家口生態發展分指數均達到60以上,表現較好,位于第一梯隊;慶陽和蕪湖生態發展分指數為30以上,位于第二梯隊,與第一梯隊存在顯著差距;韶關和天府生態發展分指數為20以上,位于第三梯隊;重慶生態發展分指數為10以上,單獨位于第四梯隊。

生態發展二級指標中,指標權重排名依次為環境安全、發展年數、政策力度、人才儲備,和林格爾、張家口、中衛地質災害較少,發展年份長,即使其人才儲備不足,但由于人才儲備權重較低,其發展生態指數也較高;長三角人才儲備足,地質災害少,其發展生態指數也較高;而重慶、四川、安徽、廣東地質災害頻繁,導致其發展生態指數偏低。環境安全方面,排名前五的是和林格爾、張家口、長三角、中衛、貴安,近10年單位面積地質災害數均不超過50次/萬平方千米,其中和林格爾不超過1次/萬平方千米,張家口不超過10次/萬平方千米,長三角和中衛不超過20次/萬平方千米;發展年數方面,各集群的差距不大,其中,數據中心建設最早的是和林格爾,內蒙古自治區政府與中國電信集團于2011年簽署戰略協議,在呼和浩特市和林格爾縣建設北方最大的云計算基地——中國電信云計算信息園;政策力度方面,出臺相關文件最多的是貴安,已出臺文件高達40份以上,具備比較完善的政策保障體系,其他各集群出臺的相關文件一般為幾份到20幾份不等,與貴安存在明顯的差距;人才儲備方面,韶關、長三角排名前二,所在省規模以上工業企業R&D全時當量分別為709119人年、612676人年,蕪湖排名第三,所在省規模以上工業企業R&D全時當量為170421人年,與前兩名存在巨大差距。

從發展生態分指數描述性統計分析(見表7),就平均值而言,十大集群發展生態分指數平均值為46.93,西部集群發展生態分指數平均值為58.95,高出平均水平12.02,東部集群發展生態分指數平均值為38.92,比平均水平低了8.01,與西部集群存在兩個梯隊的差距;就標準差而言,十大集群、西部集群、東部集群自然環境分指數標準差分別為21.13、16.53、21.16,均衡性均相對較差,東部集群的均衡性相對更差。由此可見,西部集群算力發展生態較好,但就均衡性而言,都比較差,但東部集群均衡性更差。

表7 發展生態分指數描述性統計

五、研究結論及政策建議

(一)研究結論

本文通過對“東數西算”工程戰略布局的研究,提出了算力保障,構建了包括算力水平、基礎條件、公共服務、自然環境、發展生態五個一級指標,下轄19個二級指標的算力保障指標體系,并用熵權-TOPSIS法對全國十大數據中心集群的算力保障能力進行了測算、評價與分析,得出以下結論:

從算力保障指數看:①十大集群的算力保障能力均有待提升,算力保障指數普遍偏低,分布于四個梯隊。貴安、中衛、和林格爾和慶陽的算力保障能力相對較高,位于第一梯隊,張家口、韶關、長三角位于第二梯隊,天府單獨位于第三梯隊,重慶和蕪湖位于第四梯隊。②得益于得天獨厚的自然環境和質優價廉的公共服務,西部集群算力保障能力整體較強,且發展較為均衡,而東部集群算力保障能力較弱,且發展不均衡。

從算力保障分指數看:①各個集群在算力保障分指數上都有獨特的優勢,整體而言,東部集群在算力水平方面強于西部集群,在基礎條件方面略優于西部集群,而在公共服務、自然環境、發展生態三個方面與西部集群存在巨大差距。②在發展均衡性方面,十大集群的整體均衡性較差,除西部集群在基礎條件均衡性較好外,東、西部集群在其他方面的均衡性也均較差,而東部集群的均衡性更差。

(二)政策建議

1.統籌規劃,避免同質化低水平競爭

東、中部許多省份和地區從自身經濟發展、財政稅收、數據安全、網絡時延等利益出發,出現各自為政、盲目跟風、重復建設、同質化競爭等現象,可能最終會導致能源利用率下降、資金浪費、算力碎片化、算力資源浪費[17]等問題,有悖于國家“東數西算”工程戰略布局。因此,從國家層面統籌規劃勢在必行。一是加大數據中心監管力度,限制東、中部地區低效率數據中心批建。二是出臺稅收優惠、補貼等支持性政策,鼓勵東、中部地區算力需求企業將后臺加工、離線分析、存儲備份等對網絡時延要求不高的業務交由西部數據中心處理。三是謀劃用電配額制方案,對超過配額部分實行“懲罰性”階梯售價,倒逼地方政府執行“東數西算”工程戰略布局。

2.通力協作,構建算力發展新格局

東、中部地區應加大省內數據中心建設監管力度,堅決取締低效率數據中心,引導其走高效、清潔、集約、循環的綠色發展道路,以滿足工業互聯網、金融證券、災害預警、遠程醫療、視頻通話、人工智能推理等網絡時延要求較高業務的算力需求。而對于后臺加工、離線分析、存儲備份等網絡時延要求不高的業務,可與西部距離較近的省份加強對接,簽署算力戰略合作協議,推動數據中心向西大規模布局。通過東、西部算力協作,一方面既可以滿足東部旺盛的算力需求,又能緩解其緊張的能源供給壓力,還可以降低東部算力需求企業的運營成本。另一方面也能推動西部地區產業結構優化和轉型升級,使西部地區有更多機會參與到東部地區的產業鏈中,實現資源優勢互補,促進區域經濟協調發展。

3.同心協力,降低企業用電成本

目前,電價成為限制數據中心發展的最大瓶頸。據統計,當電價為0.35元/kWh時,數據中心才能勉強維持正常運營,而在目前公示的官方電價中,十大集群中最低是寧夏中衛的0.4元/kWh,最高的是安徽蕪湖0.63元/kWh,平均電價是0.56元/kWh,與0.35元/kWh的目標電價相差甚遠。根據華為公司提供的數據,通算1e每年需耗電10億kWh以上,電費每降低0.01元可節省成本1000萬元以上。因此,降低算力企業用電價格刻不容緩。一是加大力度開發太陽能、風能等低成本綠色能源,創新高效儲能技術,謀劃算力用電專網專線,建立完善、可靠、低成本的算力用電供給體系。二是國家、地方政府、電網公司、算力企業等多方協作,根據各集群的現實情況,謀劃企業用電補貼問題,制定出國家滿意、地方政府可承受、電網公司可接受、企業有盈利的行之有效的電費補貼方案。