本文为节选内容，更多报告请关注公众号：微之火

1 研究框架

算力是数据中心服务器对数据处理并实现结果输出的一种能力，是集信息计算力、网络运载力、数据存储力于一体的新质生产力。随着全球产业数字化、智能化转型升级，算力已经成为全球最受重视的战略性生产力，对其需求也在快速攀升。IDC 数据显示，2024 年人工智能数据中心 IT 能耗（含服务器、存储系统和网络）达到 55.1TWh，2025 年将增至 77.7TWh，2027 年将增长至 146.2TWh；2022-2027 年五年年复合增长率为 44.8%。因此，研究与创新绿色算力相关技术、推进和发展绿色算力相关产业成为算力可持续发展至关重要的命题。

2 算力侧：算法、设备、载体的角色

2.1 绿色算法构成 AI 算力能效优化的底层逻辑

算法优化已成为 AI 厂商应对能耗约束的重要手段，其首要目标是在压降整体能耗的同时，实现性能与成本的双重优化。当前智能计算面临着大场景、大数据、大问题和泛在需求的挑战，算法模型越来越复杂，需要超级计算能力来支持越来越庞大的模型训练，计算资源已成为提高计算机智能研究水平的障碍。面对不断扩大的参数规模与能耗压力，厂商普遍不再依赖单纯的硬件堆叠，而是转向系统性的算法层级改造。算法优化的本质，在于在不牺牲模型能力的前提下，通过结构设计、训练策略与执行逻辑的协同调整，提升单位能耗下的计算产出效率，从而降低整体碳排与资源开销。当前主流 AI 厂商普遍将“每千瓦时能支撑的训练吞吐与推理调用”作为评估标准，逐步构建以算法为牵引的能效/性能双平衡体系。从形式上讲，绿色深度学习，或绿色人工智能，倡导研究人员在不增加，甚至降低计算成本的前提下，取得创新性成果。与不惜代价追求最优性能的“红色人工智能”不同，绿色深度学习鼓励人工智能研究者以尽可能少的计算资源，实现可比拟甚至更优异的结果。

2.2 数据中心硬件设备是能耗产生的核心

算力设备是能耗与碳排放的主要来源，而 AI 服务器正迅速成为算力设备能耗增长的核心驱动力。服务器、存储和网络通信设备等所构成的 IT 设备系统所产生的功耗约占算力中心总功耗的 45%。其中，服务器系统能耗占比为 50%，存储系统约占 35%，网络通信设备约占 15%。国际能源署数据显示，截至 2024 年底，全球数据中心累计 IT 设备负载（包括服务器、网络及存储等）约 68GW，是 2010 年的 12 倍，预计到 2030 年全球数据中心 IT 负载将激增至 174GW，2025-2030 年间新增 106GW，年均增长 17.7GW。AI 算力需求快速增长带动了数据中心耗电量的增长，而 AI 服务器作为关键设备，成为全球算力设备能耗的主力。虽然 DeepSeek 等高效能模型通过算法优化降低了单次计算成本，但这一技术进步反而刺激了更大规模模型的研发投入。从长期来看，算力设备的能耗仍将保持强劲上升态势。

2.3 数据中心运营载体是能耗管控的核心

在算力密度攀升与“双碳”目标驱动下，数据中心呈现三大核心趋势：高热密度场景催生极端散热技术突破，传统风冷面临能效瓶颈；业务动态扩容推动模块化弹性部署；复杂负载场景倒逼智能运维与全生命周期管控升级。因此如何实现绿色控温与回收、高效部署建设、智能管理调优成为诸多数据中心发挥算力载体作用的关键问题。中兴通讯提出“三位一体”的制冷协同架构：以模块化风墙适配中低密中高温冷冻水冷源场景需求，以间接蒸发冷却空调覆盖中低密纯风冷场景，以液冷系统突破高密场景散热瓶颈。三大技术路径既可独立部署，亦可形成“风冷液冷协同”的混合架构，全面覆盖数据中心从边缘节点到核心枢纽的多样化需求。通过模块化预制理念实现即插即用与弹性扩容，结合 AI 算法驱动能效管控与智能运维，最终达成绿色低碳、高效部署与全生命周期智能化管理的目标。

3 能源侧：算力的尽头是电力

全球数据中心电力需求呈指数级增长。根据国际能源署数据，2024 年全球数据中心的总耗电量高达 415 太瓦时，占全球总用电量的 1.5%；自 2017 年以来，全球数据中心电力消耗年均增长约 12%，全球发达经济体数据中心用电增量将贡献整体电力需求增长的 20%以上。按照国际能源署的情景设定，其预测到 2030 年全球数据中心的用电量将飙升至 945 太瓦时，这一数字将接近日本当前的全国用电规模。全球数据中心对能源的消耗速度显著提升，其增长速度已打破摩尔定律倍增周期。若按照当前趋势，全球数据中心碳排放将从 2024 年1.8 亿吨飙升至 2035 年 3 亿吨。

3.1 发电

3.1.1 电力能源结构

电力对于算力发展的制约在美国更为明显。在 2024 世界人工智能大会暨人工智能全球治理高级别会议上，中国工程院院士、阿里云创始人王坚回答算力和电力是否是 AI 发展瓶颈，表示电力方面，美国人工智能发展的瓶颈是电力，这对中国来说不是问题，是最不用担心的。目前，美国和中国是迄今为止最大的数据中心市场。在 2024 年全球数据中心的总耗电量 415 太瓦时之中，美国数据中心在这其中占据了最大的份额，达到了 180 太瓦时，占全球总量的 45%；中国和欧洲的数据中心耗电量分别占据了 25%和 15%的份额。在这两个国家，数据中心消耗的大部分电力来自化石燃料，并且直到 2030 年，大部分电力需求的增长也将由化石燃料满足。然而，可再生能源以及随后核能部署的增加，预计将在 2030 年后减缓化石燃料发电的增长。

3.2 储能

储能是将可再生能源的峰谷输出转化为可被数据中心随需调用的连续电力的关键枢纽。在可再生发电与算力负荷错峰严重的背景下，储能不仅承担峰值削减和谷值填充，还为逐小时碳匹配与电价优化提供基础。由于 AI 工作负载对电力质量和可靠性的高要求，储能与电力调度已并列为绿色算力体系的核心组成。数据中心对电力可靠性、稳定性和清洁性要求不断提升，储能电池可提高供电稳定性、降低能耗，成为保障数据中心电力供应的关键。数据中心储能并非简单的储存能量，根据数据中心的要求，储能系统需具备三个基本条件，首先，技术成熟，能够作为备用电源，为大型数据中心提供充足、稳定的供电;其次，储能系统能够并入到电网中，起到削峰填谷的作用，能够降低用电成本;再次，储能设备具备一定的灵活性，其体积、安装难度等能够满足不同数据中心的建设需求，同时便于管理运维难度较低。只有此，才能够大规模配置在数据中心上。

3.3 连接

3.3.1 数据中心向电网充足地区聚集

避免电网限制的一个关键选项是将数据中心设立在电网和发电容量充足的地方。然而，迄今为止，数据中心选址的主导趋势是它们聚集在具有必要基础设施、政策框架和劳动力的市场和地理区域。因此，在北美、欧洲和亚太地区的特定区域出现了千兆瓦级的集群，在某些情况下造成了电网拥堵的问题。对电力可用性和价格上涨的担忧促使公用事业和政策制定者考虑对开发实施临时禁令，阿姆斯特丹、都柏林、加利福尼亚的圣克拉拉和新加坡等城市实施了显著的例子。虽然关键选址参数因数据中心类型而异，但一般标准包括可靠的电力供应、具有竞争力的电力价格、足够的连接容量和土地获取，以及接入核心宽带传输网络、熟练的建筑和运营劳动力，以及有利的政策框架。数据主权也是一个重要的考虑因素。成熟的数据中心市场的饱和正在将发展转向新的地理区域。不同类型的数据中心工作负载之间的选址考虑也有所不同。人工智能训练和某些类型的推理对延迟的敏感性低于传统工作负载，这为在电网和发电容量更好的地点选址数据中心创造了潜力，但这些地点不一定靠近数据中心用户。现有的基础设施、政策框架和人才库使得顶级市场蓬勃发展，创造了持续吸引开发和投资于支持基础设施扩展的动力。因此，全球正在开发的超过 15%的数据中心容量位于按已安装容量排名前十的大型数据中心市场，表明这些中心的吸引力仍在持续。

3.4 调度平台

所谓电算协同，核心是把实时碳强度、电价、可用容量与 IT 作业信息汇聚到同一平台，驱动跨地域算力迁移、功率动态降档、储能协同出清与容量结算，平台型玩家因此与电网运营商之间形成新的协作层。电算协同调度平台将电网信号与算力需求实时对接，实现跨地域低碳任务编排与动态降档。通过整合实时碳强度、电价和可用容量数据，这类平台可在碳排与成本之间动态权衡，将计算任务调度至最优站点或时段。Google 的 24/7CFE 和 Microsoft的小时级 PPA 工具正向外部 API 化，提供碳可视化和算力编排服务。将数据中心纳入需求响应和容量市场是电算协同的关键环节。当 GPU 训练任务具备暂停或迁移弹性时，其“让电”机会成本与相同规模电池储能灵活性成本相当，提示系统运营商可将算力视为可调度负荷设备，参与电价套利和容量拍卖。在国内，算能联合调度框架正在试点落地，推进源网荷储与 IDC 协同优化。中国信通院与 ODCC 提出以 PUE、CEPS、区域碳因子和电价信号驱动的调度模型，并在枢纽节点搭建一体化监测平台，通过作业编排将延迟型负荷推送至绿电窗口，实现液冷、自然冷却、储能与算力的无缝协同。

4 应用侧：AI+实现各行业各维度绿色赋能

4.1 AI 算力推动使能行业减碳，尤其聚焦 AI+能源的反哺

绿色人工智能正在改变各行各业，帮助减少对环境的影响，促进可持续实践，并实现更高的运营效率。从更广泛的数字化来看，根据 Huawei《绿色发展 2030》的测算，数字技术在行业脱碳的 4 种途径（清洁能源（67%）、提升能效（16%）、循环利用（10%）和管理调控（7%））的实施过程中均扮演着重要的角色。数字技术赋能行业提效增质，实现绿色低碳发展。AI 算力的应用推动核心四大使能行业的减碳比例：电力（12%-22%）、工业（13%-22%）、交通（10%-33%）、建筑（23%-40%）。

工业、制造业。我国工业领域能源消费占全国总量的 2/3 左右，碳排放量占比约 70%，是实现双碳目标的重点领域。到 2025 年，在算力基础设施与新一代信息技术深度融合的驱动下，工业绿色化发展将呈现系统性变革态势。流程工业中，镇海炼化采用“5G+AI”视觉检测装置，成功将 VOCs（挥发性有机物）排放量降低 37%。在离散制造领域，海尔冰箱工厂通过数学孪生技术优化发泡工艺，使单台产品能耗降低 19%。在园区级管理方面，苏州工业园部署了“5G+北斗”双碳平台，整合 500 家企业数据，实现光伏储能的智能调度，年碳减排达 12 万吨。

农业。农业作为基础性产业，其碳排放量约占全国总量的 24%。随着数字技术快速发展，算力正成为推动农业绿色转型的核心驱动力，助力农业从传统粗放式生产向精准化、低碳化转变。在种植业领域，智能监测系统通过部署土壤传感器、气象站等设备实时采集数据，并结合边缘计算进行快速分析。

服务业。算力赋能服务行业，通过智能化管理、设施绿色化改造与流程优化，实现系统性节能减排。在交通运输服务领域，滴滴出行开发的智能拼车系统，基于深度学习算法提升合乘匹配率，使单车年均减排 1.2 吨二氧化碳。在金融服务业，数据中心绿色化改造取得突破。中国平安的“星云”AI 平台通过模型压缩技术，使单次计算任务能耗降低 43%。