6月2日，世界经济论坛（WEF）公布第三批MINDS全球标杆案例名单，联想联合上海交通大学凭借一套数据中心AI能效优化方案成功入选。这也是继去年iChain供应链AI方案之后，联想第二次出现在这份名单上。
训练一次AI大模型要消耗多少电？公开研究估算，仅GPT-3单次训练耗电就约1287兆瓦时。随着模型参数持续攀升、使用场景不断扩大，能源正在取代算力，成为AI产业发展中最紧迫的约束之一。联想这套方案所针对的，正是这个瓶颈。
MINDS，全称“Meaningful, Intelligent, Novel, Deployable Solutions”（有意义、智能、新颖且可部署的解决方案），是世界经济论坛面向全球AI应用推出的标杆性评选项目。由高管和行业专家组成的独立影响力评估委员会，从数百份申请中按创新性、影响力和可复制性进行遴选，本批次共26家机构入选，覆盖12个领域和28个国家和地区。在业内，MINDS常被类比为"AI界的灯塔工厂"——关注的不是实验室里的技术突破，而是已经规模化部署并创造了可衡量影响的AI应用。
联想集团这套方案由xCloud联想智能云与上海交通大学联合研发，简而言之是给数据中心装上一个AI“总指挥”，核心思路是全域协同——用AI统一管理从底层基础设施到上层业务调度的全链路能耗，让工作负载调度、处理器调优、冷却系统实现实时联动，从各自为政走向一盘棋。
这与行业的通常做法形成了鲜明对比。面对能耗压力，很多数据中心采取升级散热系统、更换高效UPS（不间断电源）等单点优化手段，但收效往往有限。
原因在于，数据中心是高度复杂的联动体系——IT设备在计算，冷却系统在散热，任务调度在分配负载，三者彼此牵动，只优化某一个环节，整体效率依然难以提升。
与此同时，据Gartner预测，2026年全球AI基础设施支出约1.37万亿美元，但其一项面向基础设施与运营领域的调研显示，仅28%的AI用例完全成功并达到投资回报预期。高投入、低回报的压力下，能效优化已不只是技术问题，更是商业问题。
正因如此，联想集团的方案选择了一条不同的路：不做局部修补，而是构建三层全域能力。
第一层是全域感知, 构建精细化能耗感知体系。AI能耗预测模型以8.6%—16.0%的超低误差率，从单台服务器到整个集群逐级实现精确的能耗采集与分析，让能耗管理从粗放走向可量化、可追溯、可优化。
第二层是全域调度，全链路智能协同调度。面对AI训练、科学计算、通用业务混合部署的场景，系统根据全局负载动态调整每一台服务器的功耗、冷却供给与任务分配。GPU集群在训练间隙自动封顶释放闲置能源，夜间低负载时业务自动合并、闲置设备进入休眠，时刻为每一度电寻找最优去处。
第三层是全域合规，打造自动化合规管理能力。方案内嵌PUE（电源使用效率）实时监测与全链路碳足迹追踪，可自动生成合规报告并反向优化节能策略，帮助数据中心从被动迎审转为系统化的持续合规管理。近年来，主管部门持续收紧PUE标准，高PUE数据中心面临差别电价、扩容限制甚至强制改造的压力，这一能力的实际意义正在快速上升。
这些不是实验室里的指标，方案已在上海交通大学杨元庆科学计算中心的1000节点集群上全自动运行，零人工干预条件下，整体能耗下降6.5%—11%，PUE值稳定在1.1，达到行业领先水平。每年节约电量390至660兆瓦时；据项目测算，在特定集群规模和电价条件下，可为年电费3000万元级别的数据中心节约约120万至200万元电费。按相关电力排放因子测算，能耗降低11%相当于每年减少约310吨二氧化碳排放。
更值得关注的是，在相同电力预算下，千节点集群可额外释放65至110个计算节点的算力——省下来的电，直接变成了新增的生产力。
这些经过实际验证的成效，不仅为联想集团的客户提供了可落地的优化路径，也为行业应对能源挑战提供了可参照的样本。据国际能源署（IEA）测算，全球数据中心电力需求正以每年约15%的速度增长，到2030年可能达到945太瓦时。中国的“东数西算”战略正推动数据中心向西部绿电富集地区布局，缓解了能源供给的地域瓶颈，但如何让每一度电发挥更大的价值，仍然是行业长期发展的核心课题。
从iChain供应链智能体，到数据中心全域能效优化，联想两次入选MINDS，所体现的是，AI不只用来生成内容和提升效率，也可以深入算力基础设施和绿色低碳等复杂产业场景，解决企业真实运营中的难题。当AI产业继续向前，算力、能耗、成本和合规将越来越需要被统一管理。xCloud联想智能云致力于为企业提供面向AI落地全流程的长期能力——让AI用得上，也用得起；跑得快，也跑得稳。
这也是联想混合式集团AI战略的延伸——当AI从云端走向边缘、从企业走向千家万户，绿色能效正是混合式AI可持续规模化的关键底座。
