PUE 是衡量数据中心能源使用效率的重要指标。简单来说，它主要用来判断：数据中心消耗的电力，有多少真正用于 IT 设备，还有多少用在了制冷、供配电、照明等基础设施上。
PUE 的英文全称是 Power Usage Effectiveness，也就是电能使用效率。计算公式比较简单：PUE = 数据中心总能耗 ÷ IT设备能耗。
比如一个数据中心一天总共消耗了 12 万度电，其中服务器、存储、交换机等 IT 设备消耗了 8 万度电，那么 PUE 就是 12÷8=1.5。这里的 12 万度包含了整个数据中心的用电，而 8 万度主要是 IT 设备本身的用电。
从这个公式可以看出，PUE 越接近 1，说明除 IT 设备之外的额外能耗越低，整体能源利用效率也越高。但实际数据中心不可能做到 PUE=1，因为服务器运行需要配套的制冷系统、UPS、配电设备、照明以及其他基础设施。
数据中心为什么越来越关注 PUE？一个非常直接的原因就是电费。
随着服务器数量增加，尤其是 AI 服务器和 GPU 集群大量部署，数据中心的 IT 负载越来越高。服务器本身消耗大量电力，同时也会产生大量热量，需要制冷系统持续工作。如果供电和制冷系统效率不高，就会产生比较大的额外能耗。
例如，同样都是 1 万度电用于 IT 设备，PUE 为 1.8 的数据中心，总耗电量就是 1.8 万度；如果 PUE 降到 1.3，总耗电量就只有 1.3 万度。对于小型机房来说，差距可能没有那么明显，但对于大型 IDC 或 AI 算力中心来说，长期累积下来就是非常大的电力成本。
所以现在数据中心在建设和运营过程中，会重点关注制冷效率、UPS效率、配电损耗、机房气流组织以及设备运行策略等，通过降低非 IT 能耗来改善 PUE。
不过，PUE 也不能单独代表一个数据中心的全部水平。一个数据中心 PUE 很低，并不意味着服务器性能、网络质量、可靠性或者整体运营能力一定更好。实际评估数据中心时，还需要结合供电可靠性、制冷能力、机柜功率密度、网络条件以及业务需求综合判断。
尤其是在 AI 算力中心中，GPU 服务器功耗越来越高，单机柜功率密度也不断提升，PUE 的重要性会更加明显。未来数据中心不仅要解决“有没有足够的电”，还要解决“这些电怎么更高效地使用”。