張禮立：誰來為“沉默”的算力買單？綠色安全背后的系統風險

作者 張禮立

根據國際能源署（IEA）2024 年發布的《能源與人工智能》報告，當 GPT-4 訓練消耗的 42.4 吉瓦時電力足以支撐萬戶家庭全年用能，當中國數據中心年耗電量突破 1500 億千瓦時，算力產業已從技術基礎設施異化為高耗能體系的關鍵變量。在數字文明與生態文明交織的當代，"安全" 與 "環保" 正通過算力這一新型生產要素實現跨界融合，催生出 "綠色安全" 這一革命性治理命題。本文將從技術效能與安全風險的雙重維度，剖析算力浪費的系統性影響，構建兼顧能源效率與安全防護的協同治理框架，為數字經濟可持續發展提供理論支撐與實踐路徑。

一、范式重構：算力作為安全與環保的交匯點

在傳統認知中，網絡安全與環境保護分屬技術防御與生態治理的獨立范疇。前者以防火墻、加密算法等構建數字系統的邏輯屏障，后者通過能耗管控、綠色能源等維系自然生態平衡。然而，人工智能、AIGC 等技術的指數級滲透，正使算力成為打破二者邊界的關鍵樞紐 —— 這一被稱為 "數字電力" 的新型基礎設施，既是 AI 模型訓練推理的運算載體，亦是能源消耗的實體單元。

算力系統的雙重屬性使其成為矛盾焦點：截至2025年第一季度，我國“東數西算”工程的八大國家級算力樞紐節點算力總規模已達到215.5 EFLOPS， 作為中國數字經濟的 "心臟"，運算能力支撐著社會數字化轉型；根據中國信息通信研究院發布的《中國綠色算力發展研究報告》810 萬個標準機架的年耗電量已相當于中等省份的工業用電總量。更嚴峻的是， 作為高耗能載體，現行算力調度普遍存在“效能洼地”。多項行業研究指出，傳統數據中心的資源利用率普遍低于20%，部分自建IDC甚至不足5%，即便是國際領先的云服務商，其利用率也多在30%至40%之間。在存儲層面，大量非活躍數據長期占據空間，推高存儲與能耗負擔。同時，缺乏休眠機制使部分系統在無業務運行時仍維持高能耗狀態，待機能耗占比可能高達25%。這些問題不僅造成資源浪費，更可能引發系統過載與區域性能源緊張，演變為現實的基礎設施安全隱患。

在此背景下，"綠色安全" 概念應運而生 —— 它突破了將環保視為安全外延的傳統認知，將能源效率納入安全體系的本體設計。當算力消耗直接影響數字生態穩定性時，PUE 值、碳足跡等環保指標便與漏洞修復率、攻擊攔截率等安全指標形成共生關系，共同構成數字系統的防御維度。

二、隱形危機：算力浪費的安全風險圖譜

（一）系統穩定性的效能崩塌風險

算力資源的無序分配正在加劇數字基礎設施的系統性脆弱性。在實際部署中，模型調用頻次缺乏限制，GPU資源調度不設優先級，部分服務架構缺少動態調節能力，導致算力冗余與資源緊張并存，運行效率與系統穩定性雙雙受損。清華大學與阿里云的研究指出，在缺乏算力治理機制的條件下，系統在遭遇外部沖擊如局部斷電、高溫天氣時，更容易產生連鎖效應，造成服務不可用。多起數據中心運維事故表明，算力調度混亂已成為制約關鍵業務連續性的主要隱患之一，也凸顯出構建“任務感知型”與“彈性負載型”算力體系的緊迫性。

（二）黑色產業的算力劫持威脅

算力資源的稀缺性正被黑灰產組織系統化利用。近年來，挖礦木馬和GPU劫持成為主流攻擊方式，通過偽裝成圖像處理等正常任務，非法侵占服務器GPU資源，難以被傳統入侵檢測系統識別。清華大學與阿里云聯合研究指出，此類攻擊常被用于生成虛假圖像與合成語音，并嵌入正常數據流中以規避監測。盡管尚無統一統計，多個網絡安全企業報告顯示，暗網中已形成“攻擊—劫持—變現”的算力黑市，企業被動為非法AIGC訓練提供計算資源，帶來隱蔽而嚴重的安全風險。

（三）政策治理的協同失靈困境

"雙碳" 目標與安全需求的資源競爭日益尖銳。多地強制數據中心 PUE 值低于 1.3 ，國家樞紐節點進一步降到 1.25 以下的政策，與安全領域要求的災備系統擴容、加密設施部署形成直接沖突。某金融機構因能耗指標限制，被迫延緩安全隔離區建設，導致核心數據面臨暴露風險 —— 這種 "安全需求讓位于節能指標" 的悖論，本質上是能源治理與安全治理的制度性割裂。當二者成為同一系統的 "左右腳" 時，任何單維度的激進政策都可能引發系統性失衡。

三、倡議構建“碳審計 × 安全審計”雙軌創新機制

（一）算力使用許可制度：市場化資源配置框架

借鑒碳排放權交易的機制理念，可建立算力使用申報與配額管理體系。數據中心按季度申報模型訓練與推理任務的算力需求和能源消耗預測，由監管機構依據“總量控制 + 行業傾斜”原則進行資源分配。對于醫療AI、應急調度等具有公共服務屬性的領域，可設立綠色審批通道，適度上調能耗配額，以保障其算力連續性。在部分試點地區，該制度實施后有效提升了區域資源的調度效率，關鍵行業的服務穩定性也顯著改善。

（二）數據生命周期管理：信息資產的能效優化

應推動建立“邊際成本—價值”導向的數據資產管理模型，明確非活躍數據的生命周期。可通過制度性要求設定不同類型數據的保留期限，例如對普通業務數據設定中期留存期限，對敏感或關鍵數據延長留存周期，并同步推進高壓縮率歸檔與模型版本清理機制。數據的“能效比”應被納入企業可持續治理指標，作為ESG評級與年報披露的重要組成部分。已有企業因數據歸檔與清理不當，導致系統能耗偏高和能效評級下降，引發投資者與市場的風險關切。這一趨勢反映出，數據不再是“越多越好”的靜態資源，而是需要動態調度與治理的資產單元，其使用效率直接影響組織的技術信用與市場價值。

（三）綠色安全評估體系：技術標準的跨界融合

綠色數據中心不應僅被視為環保工程，更應納入信息安全治理的整體架構之中。在現行的網絡安全等級保護制度和關鍵信息基礎設施評估體系中，有必要引入碳排放強度、PUE值、綠色硬件適配能力等指標，與傳統安全項并行考核，構建“安全能力 × 能源效率”的復合評估模型。這種融合機制不僅有助于推動數據中心在節能減排方向上的技術升級，也為高可靠性場景提供了能耗約束下的安全保障邏輯。部分地區和行業已在實踐中探索將能效標準與安全合規聯合評估，其成效顯示，標準協同有助于促進系統整體性能優化和運維成本的合理控制，體現出綠色與安全目標相互支撐的現實路徑。

（四）算力碳標簽制度：市場機制的信息賦能

建議為AI平臺引入“算力碳標簽”。通過公開模型調用所需電力、碳足跡、數據訓練來源等信息，為用戶和開發者提供綠色參考維度，推動市場形成“透明算力”競爭格局。未來的服務選擇，將不僅基于精度和響應速度，更應基于其對環境的友善度與對社會的負責任程度。

四、文明轉型：綠色安全作為數字治理的基石

從工業文明到數字文明的躍遷，本質是資源形態與治理邏輯的重構。當算力成為衡量文明發展水平的新標尺，其治理質量直接決定數字社會的可持續性。傳統將數據視為虛擬存在、算力視為技術工具的認知，已無法應對能源約束與安全風險的交織挑戰 —— 每一次模型訓練都在消耗物理資源，每一組數據存儲都在產生環境外部性，每一次算力調度都在塑造系統風險圖譜。未來的數字治理將呈現三元融合特征：安全管理者需兼具密碼學與能源經濟學知識，城市規劃需統籌算力樞紐與變電站布局，企業競爭需在算法精度外增加能效維度。

站在文明演進的高度，"綠色安全" 范式的構建具有革命性意義。它打破了技術烏托邦的迷思，將生態倫理注入數字系統的底層架構；它超越了學科壁壘，在計算機科學與環境經濟學的交叉地帶建立新的研究范式；它更重塑了發展哲學，使數字經濟增長建立在資源可承載、安全有保障的基礎之上。當 "東數西算" 工程不僅追求算力調度效率，更強調配套可再生能源比例時，我們正見證這場治理革命從理論走向實踐。

數字時代的終極治理智慧，在于平衡技術創新與資源約束的辯證關系。綠色安全不是對算力發展的限制，而是對其價值坐標系的重構 —— 讓每一次運算都遵循能效原則，讓每一份數據都承載安全責任，讓數字文明與生態文明在協同演進中走向可持續未來。這既是技術創新的使命，也是制度設計的擔當，更是人類社會跨越時代門檻的必然選擇。

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。