机房 PUE 下降了，为什么总用电量仍可能上升

机房年度报告把 PUE 从 1.45 降到 1.30，第一眼看起来像是总用电减少了约一成。这个判断只有在 IT 设备电量保持不变时才成立。若服务器数量、利用率或计算密度在同一年增加，设施可以变得更有效率，同时从电网取得更多电。PUE 是一个比率，不是电表总数，也不是碳排放量。

美国能源部把 PUE 定义为资料中心设施年度总能耗除以全部 IT 设备年度能耗。分子包括 IT 设备和支撑它们运行的冷却、配电、照明等设施能耗；分母只保留 IT 设备能耗。数值越接近 1，表示每一单位 IT 能耗需要的额外设施开销越少。它回答的是“支持系统相对 IT 负载花了多少能源”，不是“这座机房总共用了多少电”。

先把分子和分母写回绝对电量

假设某机房第一年 IT 设备使用 100 单位电，PUE 为 1.6。按照定义，设施总电量是 160，非 IT 支持系统使用 60。第二年冷却和配电改善，IT 电量仍是 100，PUE 降到 1.3，总量变成 130，支持系统电量降到 30。在这个受控例子里，PUE 改善确实带来总量下降。

但若第二年 IT 电量由 100 增至 150，PUE 即使降到 1.3，总量也会变成 195。支持系统每单位 IT 负载更省，非 IT 电量从原本按比例计算的 90 压到 45。可是新增的 50 单位 IT 负载仍把总量推过第一年的 160。IT 电量同为 100 单位时，PUE 从 1.6 降到 1.3 会让总量从 160 降到 130；若 IT 电量增至 150，即使 PUE 为 1.3，总量仍会升到 195。

因此，看到年度 PUE 变化时，至少要取得同一期间的 IT 电量。只公布比率，读者无法知道分子与分母各自变化多少。把公式改写成“设施总电量等于 PUE 乘以 IT 电量”，就能直接检查报告里的总量是否一致。非 IT 支持电量则是总电量减去 IT 电量，也可以写成“PUE 减 1，再乘以 IT 电量”。

这两个绝对量能揭示不同进展。PUE 下降说明相对支持开销改善；非 IT 电量下降说明冷却、配电等支持系统的绝对耗电减少；设施总电量下降则说明整座设施从计量边界内取得的电变少。三者可能同向，也可能因扩容而分开。

PUE 评价支持设施，不评价所有计算效率

美国能源部指南明确提醒，PUE 不定义整个资料中心的总体效率，只评价支撑设备相对于 IT 负载的效率。服务器即使空闲，也会被计入 IT 分母；一台旧服务器用较多电完成较少工作，PUE 仍可能很好。反过来，高密度计算把更多电用于有效任务时，IT 分母上升可能让 PUE 看起来改善，但每项任务是否更省，要靠工作量指标验证。

举例来说，两座设施的 PUE 都是 1.3，一座用 130 MWh 完成一百万项任务，另一座用 1,300 MWh 完成五百万项任务。第二座每项任务的电量更高，虽然两者支持设施比例相同。若不报告服务器利用率、事务量、训练工作量或其他有用产出，PUE 无法回答计算资源有没有被有效使用。

PUE 还可能因为分母上升而被动变好。某些冷却泵、照明和待机设备的能耗不随 IT 负载同比增长。机房把更多服务器装入同一设施后，固定开销被更大的 IT 分母摊薄，比率会下降。这种改善不一定来自设备升级，却仍是比率上的真实变化。报告应区分负载摊薄、控制优化和硬件改造各自贡献。

这也是为什么只追求最低 PUE 可能造成错误激励。为了让分母增大而让无用服务器持续耗电，数学上可能压低比率，却明显违背节能目的。合理评价应把 IT 利用率或单位工作量能耗与 PUE 并列，确认支持系统和计算系统都在减少浪费。

年度 PUE 不能用一个凉爽夜晚替代

美国能源部的定义使用年度能源。全年数据会经历夏季与冬季、白天与夜间、负载高峰与维护时段，也会包含自然冷却条件变化。只截取气温较低、负载较高的数小时，可能得到很漂亮的瞬时 PUE，但它不等于年度表现。

指南要求测量值持续形成趋势并至少保存一年，以取得年度能源总量。传感器精度与校准状态也必须符合目标。若设施总电表按月结算，而 IT 电量来自一周抽样，两者时间边界不一致，计算结果即使有小数点也缺乏可比性。可靠报告应说明采样频率、缺值处理和计量设备位置。

年度平均仍会隐藏季节分布。两座年度 PUE 相同的机房，一座全年稳定，另一座夏季冷却开销大幅升高、冬季很低。若问题是电网峰值压力，年度平均不够，还要查看小时或月度负载曲线。若问题是长期能源效率，短时峰值也不能替代年度总量。期间必须随研究问题选择。

测量边界同样关键。独立机房可能从专用电表取得设施总量，混合用途建筑则要区分办公、照明和共享冷站。某次改造若把冷却设备移到另一张电表，PUE 可能下降，却不是冷却能耗真的消失。报告必须列明哪些 UPS、泵、风机、照明和共享系统进入分子。

美国能源部还区分现场取电与来源能源口径。标准 PUE 关注场址电力；若要比较发电、输配或燃料转换影响，就需要另一种来源能源定义。把不同口径的数值放在同一排行榜，会把计量方法差异误认成设施性能差异。

全球需求增长说明效率和总量可以并存

IEA 估计资料中心在 2024 年使用约 415 TWh，自 2017 年以来全球资料中心用电平均每年增长约 12%。这些数字描述全球规模，不代表每一座设施都以同样速度增长。它们却提供一个重要背景：服务器硬件、冷却与电源转换可以持续提高效率，数字服务和 AI 计算的采用仍可能更快扩大总需求。

IEA 的基准情境预计全球资料中心用电到 2030 年增至约 945 TWh，比 2024 年增加一倍以上。增长来自 AI 和其他数字服务需求，也受到新设施位置、电网连接和硬件供应限制。这个预测不能由 PUE 单独解释，因为 PUE 只描述场址内支持系统与 IT 负载的比率。

报告的高效率情境显示，更强的硬件与模型效率可以让 2035 年资料中心用电比基准情境低 20%。这说明效率非常重要，但“比基准低”不等于“比当前低”。若计算需求扩大，较高效率可能减缓增长而不是让总量绝对下降。评价成效时要明确比较对象是旧技术、基准预测还是上一年度实测。

需求预测本身也有宽阔范围。AI 采用速度、模型能力、工作类型、硬件进步和电网瓶颈都会改变结果。用一个机房的 PUE 去验证全球预测，或用全球增长率推断某机房耗电，都超出了资料范围。文章能成立的结论只是机制：比率改善不会自动抵消分母增长。

碳排、水耗和 PUE 需要分开报告

PUE 下降只说明现场每单位 IT 电量需要较少支持电量。电力来自煤、天然气、水力、风力或太阳能，会改变每千瓦时对应的温室气体排放。两座 PUE 相同、用电相同的机房，若电网排放因子不同，碳排可以相差很大。同一机房更换电源合同或所在电网发电结构变化，也可能让碳排与 PUE 走向不同。

美国能源部指南因此建议同时查看碳使用效率、用水效率、能源再利用与 IT 利用率。PUE 只描述支持设施相对 IT 负载的能源开销，不能单独代表碳排、水耗或每次计算的有用产出。水冷系统可能降低部分电耗，却增加现场用水；热回收可能没有改变 PUE，却把原本废热用于邻近建筑，产生其他能源收益。

这些指标不能混成一个没有单位的分数。水使用效率通常按每单位 IT 电量的用水计算，碳使用效率关注排放，能源再利用则扣除在边界外被有效使用的能量。每个指标回答不同问题。读者应先确定要评估的是电网负担、气候影响、水资源、运营成本还是计算产出，再选择相应数据。

碳声明还要说明是现场用电的平均电网因子、边际电源、地点基础核算还是合同采购口径。购买可再生能源凭证不等同于场址每小时都由同一电源供电。PUE 没有这些信息，因此不能从“1.2”直接翻译成“绿色机房”。

支持系统电量下降也要看负载基线

把总电量减去 IT 电量，可以得到计量边界内的支持系统电量。这个绝对值比 PUE 更直接地显示冷却、配电和照明共用了多少电。例如，IT 电量为 200 MWh、PUE 为 1.4 时，支持系统电量是 80 MWh。下一年 IT 电量增至 300 MWh、PUE 降至 1.25，支持系统电量为 75 MWh。支持系统确实节省了 5 MWh，但总量从 280 MWh 升到 375 MWh。

这个结果可以同时支持两项陈述：设施基础设备的绝对耗电降低，整座机房的绝对耗电增加。若报告只强调 PUE，会漏掉总量增长；若只强调总量，会漏掉冷却与配电在扩容期间仍减少用电的进步。把两项结果并列，才能判断节能措施是否有效，以及新增计算需求带来多少额外电力。

支持系统电量还可以按设备拆解。冷水机、冷却塔、泵、风机、UPS 损失与照明的变化来源不同。总支持电量下降，可能来自天气较凉，也可能来自气流隔离、变频控制或电源转换效率提升。没有子电表或运行记录时，不能从 PUE 单独认定是哪项工程产生效果。

负载基线也影响节能量的说法。若更新服务器后，同样工作量需要更少 IT 电力，IT 分母会下降；固定设施负载没有同步下降时，PUE 反而可能升高。此时较高 PUE 不一定表示整体退步，因为设施总电量和单位工作量能耗可能都下降。比率必须和有用工作量一起解释。

季节归一化可以帮助理解冷却变化，但不能把实测年度改造成一个不存在的标准年份。报告可以列出冷却度时、室外湿球温度或自然冷却时数，说明天气如何影响支持电量。若用模型调整，应同时保留实测值、模型值与假设，避免让归一化结果取代实际电表。

跨机房排名为何容易失真

气候会改变自然冷却的可用时数，机房规模会改变固定开销占比，服务器密度会改变 IT 分母，共享冷站与混合建筑会改变计量边界。即使两个数字都按年度发布，只要这些条件不同，简单排名就可能把位置与边界优势写成管理能力。

更合理的比较需要共同期间、相同分子分母定义、相近负载区间和透明的气候背景。设施扩建前后也应标出新增机柜、服务器更新与工作量变化。若边界改变，最好同时重算旧年度；无法重算时，应把新序列视为新的基线，而不是宣称连续改善。

不公开绝对 IT 电量的 PUE 仍可用于设施内部追踪，但不适合推断整个行业电量。只公开绝对总量而没有负载，也难判断增长来自浪费还是业务扩大。比率与总量必须成对出现，才能区分“每单位更省”和“整体更少”。

一份可复核报告至少需要七项数据

第一项是设施总电量，第二项是 IT 设备电量，二者必须覆盖同一开始与结束时间。第三项是由两者计算的 PUE，而不是另一个不同期间的面板值。第四项是计量边界，包括共享冷却、办公空间、备用发电与外部配电是否纳入。

第五项是 IT 负载或有用工作量变化，例如平均功率、服务器利用率、机柜数量或可比较的任务量。第六项是环境与运营条件，包括气候、维护和重大扩容。第七项是电源与影响指标，例如地点电网排放因子、现场用水与热回收。缺少其中一项时，应明确结论能回答到哪里。

同时记录设施总电量、IT 电量、期间、计量边界、负载变化与电源排放因子，再判断效率和总量是否同向变化。若 PUE 下降、支持系统绝对电量下降，而总量因 IT 负载上升而增加，报告可以把三件事同时写清楚。不必选择“节能成功”或“节能失败”中的单一口号。

最后还要保留原始电表或汇总方法、单位和舍入规则。PUE 从 1.31 变成 1.29 可能落在计量误差或年度波动内；没有传感器精度与不确定度，就不应把小差异写成重大进步。趋势需要经过多个期间和一致边界确认。

低比率与低总量是两个问题

PUE 最有价值的用途，是让机房看见支持系统相对于 IT 负载的能源开销。它能推动冷却、气流、UPS 和配电改善，也能在同一设施内追踪长期趋势。问题出在把这个比率扩张成总用电、碳排、水耗或计算效率的总代名词。

若 IT 负载稳定、计量边界一致，PUE 下降通常意味着总量下降。若设施扩容，分母可能增长得比支持系统节省更快，于是 PUE 和总量朝相反方向移动。这不是数据矛盾，而是比率的正常数学结果。

阅读机房能源说明时，先把 PUE 乘回 IT 电量，得到设施总量，再把总量减去 IT 电量，得到支持系统用电。随后另看工作量、碳和水。只有这些数据共同指向改善，才能说清楚机房究竟在哪个层面变得更有效率。

资料依据：U.S. Department of Energy / FEMP。《Best Practices Guide for Energy-Efficient Data Center Design》。2024-07，48 页全文核读于 2026-07-29。International Energy Agency，《Energy and AI: Executive summary》。2025-04-10，全文核读于 2026-07-29。

资料来源

• U.S. Department of Energy / FEMP：《Best Practices Guide for Energy-Efficient Data Center Design》，发布或更新于 2024-07-01
• International Energy Agency：《Energy and AI: Executive summary》，发布或更新于 2025-04-10