2025年绿色算力投资手册：低碳化与数字化双引擎驱动，绿色算力多维度创新发展

1 绿色算力是算力发展的基本原则，也是为新质生产力长足进步 注入动能的重要举措

算力是新质生产力的重要形态之一，已成为推动数字经济发展的核心力量。但是随着计 算和存储需求大幅提升，算力的能源消耗和温室气体排放也持续增长，发展绿色算力已经成 为我国建设数字经济底座设施和展现节能减碳大国担当的重要命题。

1.1 绿色算力本质上是算力（尤其是 AI 算力）发展的一个必然导向

在工信部等六部门 2023 年 10 月印发《算力基础设施高质量发展行动计划》中，将“绿 色低碳，安全可靠”列入四项基本原则，并将“促进绿色低碳算力发展”纳入六大重点任务。 以算力设施能源利用效率和算力碳效（CEPS）水平作为绿色算力的主要衡量指标，提出了 提升资源利用和算力碳效水平、引导市场应用绿色低碳算力、赋能行业绿色低碳转型三方面 的细化任务。 根据中国信通院的定义，从细化的过程环节角度来看，绿色算力是围绕着算力生产、供 给、运营、应用的全过程，通过统筹推进算力设备、算力载体、算能协同和算用协同等多个 环节的绿色化体系建设，实现高质量算力绿色低碳发展。从宏观的社会环境角度来看，绿色 算力是算力基础设施实现绿色、低碳、可持续发展的一种算力形式，它将自然资源、环境资 源作为算力发展的关键考量因素，把经济效益、环境保护和社会责任有机融合，旨在达成算 力的低碳清洁、高效利用与科学配置。 绿色算力的目的是打通算力供需通路，完成算力产业用能转型、生产高效、应用和需求 场景相匹配，最终实现推进数字经济高质量发展与生态环境高水平保护的双重目标。绿色算 力具备全局性、先导性和长期性等特征，可以通过采用节能高效的算力设施、集约智能的算 力设备、先进算法和算力平台软件技术，以及科学合理的算力应用等方式来实现。

在海外，绿色算力也有与之对应的概念。美国环境保护署（EPA）于 1992 年在美国推 出能源之星计划以促进和认可能源效率，并创造了“Green Computing”一词，也有称 “Sustainable Computing”。随后“Green IT”、“Sustainable IT”等概念的提出，基本也是并行 使用。相比于国内“绿色算力”概念主要围绕数据中心这一载体的上下游、围绕算力的软件生命周期，海外“Green Computing”概念更多的是围绕广义的计算机行业，围绕具备计算能 力的各类产品的硬件生命周期。“Green Computing”从整个社会视角出发纳入所有个人和企 业使用的无论大小的算力，而非仅关注集中于数据中心的模型训练或云端计算的规模化算力。 因此，会重点关注到相关产品的可持续原材料采购、闲置、回收、综合使用效率情况等等绿 色发展的环节或指标。 总体而言，二者最主要的区别在于研究对象和研究范围不同。“Green Computing”主要 是将计算机系统作为研究对象，以各类系统软硬件技术和管理手段作为研究内容，最终实现 低碳、节能、环保等目标。绿色算力研究对象为：包括中央处理器（CPU）、图形处理器（GPU） 芯片、全闪存阵列、固态硬盘（SSD）存储部件，以及交换机、路由器网络资源在内的手机、 个人计算机、服务器等算力载体；部署了大量服务器的数据中心、智算中心和超算中心的算 力集群；利用网络传输技术进行算力调度或算力交易的算力平台；高精尖科研、工业互联网、 智慧城市、数字人等算力应用。绿色算力研究内容涵盖信息计算力、数据存储力、网络运载 力在内的综合算力。因此，算力涵盖的范围更加广泛，针对计算机系统的绿色计算研究可以 认为是针对算力领域进行绿色研究的一部分。绿色计算概念中针对绿色的定义和解释可在绿 色算力中进行吸纳。

AI 算力与算力的关系在于，AI 算力是指为实现人工智能任务而使用的计算能力，而算 力是更广泛的概念，用于衡量计算机系统的总体处理能力。由于 AI 任务通常涉及复杂的数 据处理、模型训练和推断等操作，需要大量的计算资源来实现，因此对算法、芯片、存储提 出了更高要求。也正因如此，绿色算力是 AI 算力能够长远发展的关键可持续转变方向，或 者更确切的说是必由之路。不仅有助于降低企业运营成本与提高经济效益，促进行业技术创 新与产业协同，还有助于应对能源危机与气候变化，助力“双碳”目标的实现。

AI 算力和智算这两个概念密切相关，但并非完全等同。它们属于不同层次的技术范畴， 可以理解为智算是以 AI 算力为核心基础构建的更高层级体系。AI 算力是智算的核心组成部 分，但智算更强调系统级能力和服务化输出。在产业语境中，智算更偏向于提供 AI 全流程 服务的算力基础设施，而 AI 算力更偏向于 GPU/NPU 集群的硬件性能指标。

1.2 绿色算力的属性特征：全局性、先导性、长期性

1）全局性：跨体系协同与产业整合驱动绿色算力发展

绿色算力与可持续发展理念的紧密结合，不仅要求财政、税收、金融、教育等多元体系 相互协调、提供支持，还需产业内部各环节发挥互补优势、凝聚力量。算力覆盖的产业范围 广阔且多样，要进一步推进绿色技术的深化应用，离不开充足的资金保障，这依赖于国家财 税政策的引导和绿色金融产品的推动，多方合力促使投资向绿色算力领域倾斜。绿色产业增 长势头强劲，正处于蓬勃发展阶段，绿色算力作为其中的核心组成部分，对创新型、技能型和应用型人才的需求极为迫切，需要科研院所、高等院校、行业协会等各方协作，共同构建 绿色算力人才梯队。例如，青海海东零碳算力产业园通过政府、高校和企业协作，举办绿色 算力大会和创新创业大赛，吸引全国顶级资源参与技术研讨和人才培训，形成产学研一体化 的协同生态，有效解决了人才缺口和产业兼容性问题。通过“东数西算”工程等引导数据中 心核心企业在风光资源富集区域布局项目，实现新能源发电、储能设施与数据中心的一体化 融合。同时，发挥软硬件企业的各自特长，推动芯片与服务器性能匹配，芯片产业与算法模 型规模相适应，减少磨合和兼容性问题，确保算力高效输出。

2）先导性：高关联产业赋能与减碳引擎作用

绿色算力产业的关联性强、技术带动作用显著，能有效驱动数字经济增长，并孕育高增 长型企业。绿色算力产业影响力巨大，是支撑各行业实现碳达峰与碳中和目标、推进绿色发 展的重要引擎。具体而言，绿色算力与能源电力、半导体、集成电路、消费软件等产业紧密 相连，可有效引领其他产业向低碳化转型。比如，电网运行维护管理中传统的人工排查、检 测及更换的模式，耗时费力、成本高、效率低，利用图像识别等技术实时监控设备运行状态， 同时基于大数据平台的海量历史运维数据，建立设备风险评估模型，可更准确地预测设备发 生故障的风险，及时进行设备的更新换代，提高设备故障响应速度。本质上，绿色算力兼具 算力产业和绿色产业的双重属性。在赋能下游应用方面，绿色算力一方面支撑人工智能、大 数据、5G、元宇宙等新兴技术发展，以更低的能耗代价进行大规模训练运算；另一方面赋能 高耗能产业的技术升级和效率提升，例如带动钢铁、建筑、石化化工等重点领域构建工业互 联网，推动工业制造升级，促进智慧城市建设，提升城市智能水平，改善生活便利性。绿色 算力支撑建筑园区的数字化综合能源管理系统，基于规则、AI 算法实现光、储、充、荷综合 场景的能耗统计分析及能源调度，实现经济效益最优、碳排放最低。

3）长期性：系统性规划与创新周期推动可持续增长

算力实现全面绿色转型是一项持久且综合性的使命，需要稳步推进、循序渐进。绿色算 力涉及领域繁杂，因此需从多层次、多角度统筹规划，促进其健康有序发展，进而推动经济 社会高质量、可持续增长。宏观层面，为确保绿色算力发展行稳致远，制定政策规划时要平 衡绿色算力与产业需求目标的关系，实现二者有效协调；推行政策时需注意节奏，预留缓冲 期，以动态发展的视角不断完善工作思路，做到有序且量力而行。另一方面，需充分认识到 绿色算力的创新是一项长周期活动，涵盖产品、工艺、原料、组织管理和市场等多方面创新， 算力从浅绿到深绿乃至完全绿色的演变需要时间沉淀，方能厚积薄发。未来，通过绿色算力 技术进步，绿色算力经济将成为引领经济发展的新增长点。

1.3 区别于传统算力，绿色算力的核心在于全流程低碳、零碳

1.3.1 绿色算力产业链：能源侧、算力侧（算法选择+数据中心）、能源侧

算力产业链的上游基础软硬件，是计算力、存储力、运载力的最基本单元，也是决定算 力质量的根本环节，包括基础硬件、基础软件及各类计算设备和网络设备。中游为算力网络 及平台，是为下游应用提供算力服务的核心环节，主要是各类算力基础设施，以及基于基础 设施开展的各类算力服务和安全服务。下游为各类应用场景，包括人工智能等算力应用，以 及政府、电信、金融、工业、教育、交通、能源等行业应用。 从算力到绿色算力，算力设备高效（Efficient）、算力载体节能（Conservation）、算能 协同清洁（Clean）、算用协同普惠（Inclusive）发展的绿色算力 ECCI 框架。上游的算力设 备包括芯片、服务器、存储等生产供给算力的核心 IT 设备，提升高效性是其绿色化的关键 本质；上游的算能协同聚焦算力侧与能源侧的协同布局，提升清洁能源使用率是其绿色化的 核心所在。中游的算力载体是承载算力设备的计算/数据中心载体设施，持续节能降碳是其 绿色化的主要目标。下游的算用协同聚焦算力侧与应用侧的协同赋能，推进算力行业赋能的 低成本集约发展是其绿色化的根本要义。

NTT GDC 定义了一个全面的数据中心脱碳径路的框架，以帮助减少排放并改善环境足 迹：减少消耗（通过优化现有流程减少能源、水和废物等资源的使用），做得更好（涉及到 转向可再生能源、清洁燃料、碳密集度较低的商品等替代资源以及加强废物回收工作）、做 不同的事（包括长期创新，如新的数据中心设计、废热的外部使用、非制冷剂冷却和替代备 份解决方案）。

基于 1.3.1 的内容，除了上游能源侧、下游应用侧以及中游数据中心的设备和载体（设 备也可以按照上文方式理解为上游），我们在研究同时加入算法软件层面的绿色优化。能源 侧分聚焦发电、储能、供配电和调度平台，为算力提供电力支持；算力侧（这里更多聚焦 AI 算力，所以专门加入绿色算法的维度）由数据中心承载，通过算法训练和推理对算力进行高 效利用、完成核心生产，数据中心硬件涉及芯片、服务器、存储、网络等设备与液冷、回收、 运维、建筑等载体；应用侧通过优化生成的 AI 模型与大数据的算力支持来满足边缘计算、 产业转型、智慧城市、社会环境绿色发展等多维度需求。

1.3.2 算力全生命周期碳排放：空调系统与 IT 设备是数据中心两大核心能耗

从算力全生命周期来看，算力的碳足迹主要包括三个方面，能源间接碳排放（电网购电）、 覆盖全生命周期资产投入及运营管理产生的间接碳排放（基础设施建设等）以及运行过程中拥有和控制的排放源产生的直接碳排放（备用柴油发电、制冷剂溢散等）。当前我国发电量 结构仍以煤为主，决定了向电网采购电力所带来的间接碳排放量较高，考虑全生命周期，算 力的碳足迹会进一步上升。 按照另一种方法，也可以划分为硬件和软件两个生命周期，从原材料提取到制造、能源 使用以及最终的处置。硬件生命周期也就是资产投入的硬件设备与基础设施，可进一步细分 为制造（Manufacturing）与报废（Retirement）阶段；软件生命周期也就是算力运营（Operating） 阶段，可进一步细分为模型训练的开发（Development）阶段与运营维护的部署（Serving） 阶段。隐含碳排放(Embodied emissions)指的是与数据中心硬件生命周期上游（原材料提取、 零部件生产、服务器制造和运输）和下游（报废和回收）阶段相关的温室气体排放。运营碳 排放(Operational emissions)指的是与数据中心的算力使用运营相关的温室气体排放。

算力中心能耗主要来源于 IT 设备、照明系统、空调系统、供配电系统等。根据中国信 通院的研究汇总，硬件设备端，IT 设备由服务器、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，服务器系统约占 50%，存储系统约占 35%，网络通信设备约占 15%。软件运营端，空调系统产生的功耗约占算力中心总功耗的 40%。空调系统已成为最大的能耗来源之一，常常被认为是当前提高能源效率的重点环节。 电源系统由输入变压器和 ATS 开关所组成的 UPS 输入供电系统，以及由 UPS 及其相应的输 入和输出配电柜所组成的 UPS 供电系统，其功耗约占总功耗的 10%。其中约 7%来源于 UPS 供电系统，3%左右来源于 UPS 输入供电系统。照明系统约占算力中心机房总功耗的 3%左 右。

1.3.3 PUE 为代表的能效关键指标

用于衡量数据中心效率的指标不计其数，这些指标往往相互重叠，涉及资源使用和性能 的不同方面。PUE 是迄今为止立法规定最多的数据中心指标，因此几乎是所有数据中心相关 法规的核心。利用率是衡量数据中心效率的另一个标准指标。

1.3.4 绿色算力评价体系是当前政策推进完善的一大方向

2025 年 7 月 7 日，工信部等六部门发布《关于组织开展 2025 年度国家绿色数据中心推 荐工作的通知》，要求数据中心规模不小于 3000 个标准机架（公共机构、金融领域数据中心 除外），上架率不低于 60%，算力资源使用率处于行业先进；原则上应达到《绿色数据中心 评价》二级及以上等级。电能利用效率不高于 1.30，达到《数据中心能效限定值及能效等级》 二级及以上水平；采用的服务器能效应达到《塔式和机架式服务器能效限定值及能效等级》 等规定的节能水平及以上；可再生能源利用率不低于数据中心所在地可再生能源电力消纳责 任权重，积极利用储能、氢能等技术，具有较强用电负荷调节匹配能力；持续开展设备布局、 制冷架构、供配电方式、系统智能运行策略及节能、节水、设备回收和循环利用等技术改造 和优化升级。建立并实施绿色采购制度，提供绿色公共服务，开展绿色运维，能够协同带动 产业链供应链绿色低碳发展水平提升。

中国信通院参考国内外绿色数据中心的评价方法和实践，结合可持续数据中心投资框架、 可再生能源软硬件系统、零碳物联操作系统、能碳管理体系等方案，以全生命周期评价视角， 对绿色算力的设计、建设、运行、回收进行全面跟踪和测算，优化权重设置，构建绿色算力 指数体系，以期达成单个数据中心和数据中心集群枢纽的综合评估。

2 绿色算力是“双碳”政策落地的关键一环，也是技术进步、智 慧赋能、产业转型的契机所在

2.1 发展原因：低碳化与数字化双引擎

低碳化和数字化是推进绿色算力发展的双引擎。当前，数字经济正在成为推动全球经济 发展的关键引擎，其背后是千行百业数字化转型的汹涌大潮。然而随着全球气候变化问题的 日益严重，经济的发展和社会的进步，还必须以不破坏自然环境为前提，可持续的绿色发展 的背后是千行百业低碳化转型的迫切需求。因此，进入全社会绿色发展新时代，一方面要通 过数字化谋发展，另一方面则需要通过低碳化确保发展的可持续性。

2.1.1 自上而下的减排政策

国际层面，全球气候治理体系自《京都议定书》（1997 年）确立以来不断演进，逐步从 约束型机制向自主承诺机制过渡，并以《巴黎协定》（2015 年）为核心，确立“全球升温控 制在 2℃以内、力争 1.5℃”的共同目标。此后，各国通过气候大会（COP）持续更新国家自 主贡献（NDCs），推动政策节奏常态化。整体来看，全球气候治理呈现出以协定目标为引导、 政策体系为基础、机制工具为补充的系统化路径，体现出长期稳定的自上而下驱动逻辑。 国内层面，自 2020 年明确提出“2030 年前碳达峰、2060 年前碳中和”目标以来，碳减 排已成为国家战略的重要组成部分。顶层设计逐步形成“1+N”政策体系，以控制碳排放总 量、优化能源结构、推动产业转型为核心主线，带动政策由宣示性转向执行性。当前政策导 向更加注重目标牵引与制度保障并重，推动能耗“双控”逐步向碳排“双控”过渡，强化碳 排核算、统计、考核等基础能力建设。在执行路径上，形成了“中央定目标—部委建机制— 地方抓落实”的分级推进模式，指导地方因地制宜制定达峰路径和减排节奏。整体趋势显示， 减排政策正由系统规划阶段进入任务压实阶段，覆盖范围不断外延，目标约束逐步增强。提 出“双碳”目标后，一系列支持绿色算力发展的政策不断涌现，从数据中心的绿色布局，到 全产业链的节能减排要求，都为绿色算力技术的发展指明了方向。

行业层面，能源、电力、制造业、数据中心等重点领域作为高碳排放主体，正成为政策 落地的关键承接单元。在国家政策引导下，相关行业普遍围绕能效提升、绿色用能与结构调整三大方向推进碳减排。一方面，传统高耗能行业通过生产端能效改造、淘汰落后产能等手 段压降排放总量；另一方面，新兴高载能领域如数据中心、算力基础设施等则重点推进绿色 电力应用、运行效率提升与资源梯级利用。企业也深刻认识到绿色算力的重要性，积极投入 研发和应用，推动绿色算力技术的创新与进步。整体来看，行业响应已从试点示范阶段进入 体系建设阶段，在统一目标牵引下形成横向覆盖、纵向传导的执行格局，体现出政策驱动与 主体协同并进的特征。

2.1.2 自下而上的需求激增

从 AI 服务器市场规模、AI 设备负载、计算能力需求、人工智能采用率等各维度衡量指 标都能看到，随着人工智能应用需求爆发，全球对算力需求也呈现指数级增长。从 2016-2025 年的整体趋势及预测来看，在算力增长的推动下，各主要经济体的数字经济占 GDP 的比重 持续提升，预计 2025 年占比将达到 41.5%。Synergy Research Group 的调查数据显示，截至 2024 年底，全球运营中的超大规模数据中心数量已达 1,136 个，是五年前的两倍，且至少还 有 504 个数据中心在建项目。IDC 数据显示，2024 年全球人工智能服务器市场规模预计为 1,251 亿美元，2025 年将增至 1,587 亿美元，2028 年有望达到 2,227 亿美元，其中生成式人 工智能服务器占比将从 2025 年的 29.6%提升至 2028 年的 37.7%。根据中国信通院的报告， 预计到 2030 年，全球数据中心的 IT 设备负载将从 2023 年的 33GW 增长到 100GW，年平 均增长率达到 17%，其中，AI 工作负载将以 43%的年平均增长率增长，在 IT 设备总负载占 比将从 2023 年的 13%增长到 2030 年的 50%以上。有学术论文研究 AI 模型发展趋势发现， 图像识别系统 AlexNet 在 2012 年推出后顶级模型的计算需求急剧增加，从 2012 年到 2018 年，每 3.4 个月就增加一倍。IEA 的研究分析指出，在经济合作与发展组织（OECD）国家 的大型企业中，人工智能的采用率从 2020 年的略高于 15%增至 2024 年的近 40%，且大型 企业和高收入国家企业具有更高的采用率。

人工智能大模型技术的研发和应用带来了更高的能耗需求。仅聚焦数据中心这一环节， 它是支撑数字化进程的关键基础设施，其运行离不开相应的电力基础设施。随着数字数据量 持续增长，数据中心必须扩张和升级，以处理和存储这些数据。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， 是 2023 年能耗量的两倍，2027 年将增长至 146.2TWh，2022-2027 年五年年复合增长率为 44.8%，五年间实现六倍增长。根据 IEA 估计，2022 年全球数据中心、AI 和加密货币共消 耗约 460TWh 的电力，占全球总电力需求的近 2%；预计到 2026 年，全球数据中心、加密货 币和人工智能的电力消耗将在 620–1050TWh 之间，基准情景下的需求略高于 800TWh，高 于 2022 年的 460TWh。目前，美国、欧洲和中国约占全球数据中心电力消费的 85%。在美 国，数据中心的电力消费在 2015 年至 2024 年间每年增长约 12%。在中国，数据中心行业自 2015 年起开始显著扩张，电力需求在 2015 年至 2024 年间每年增长 15%，是 2005 年至 2015 年期间增长率的两倍多；而同一时期各部门电力消费年均增长约为 7%。

各行各业 AI 渗透率都在持续提升，互联网、金融等领域表现更为明显。 金融行业通过对人工智能计算力的深化应用，显著提升了运营效率与风险控制能力，推 动了产品创新，并为金融服务的普惠化与精细化发展奠定基础。随着生成式 AI、大模型等 技术在金融领域加速落地，算力需求持续上升、渗透率显著提升，金融大模型场景渗透率已 突破 50%，根据 IDC 最新报告的测算，金融行业人工智能应用渗透率已升至 78%。目前， 算力在金融中的典型应用已覆盖智能风控、量化交易、投研自动化、智能投顾、客户服务、 信贷审批、合规审查、财务预测、保险理赔等多个关键场景。尤其是在高频交易、实时监测 和金融预测模型等场合，对大规模算力和低延迟计算提出更高要求，推动算力资源从集中式 部署向云边协同、弹性调度转变。随着金融机构对监管技术、AI 治理及可持续发展的重视， 算力正逐步成为金融机构提升合规效率与风险管理能力的核心基础。 AI 在 ESG 投资领域的应用参见团队此前发布的《ESG 体系下的 AI 研究（一）：多维 投资增效，防范伦理风险》。面对 ESG 投资生态中的监管追踪难、企业合规成本高、投资端 数据获取分析困难等痛点，AI 能在多个环节帮助不同参与者降本增效，通过智能、高效、创造性输出等特点，助力 ESG 投资打通生态链条。目前 AI 正面影响与负面争议作用于多个 行业，并与多方面的 ESG 议题相关，但对 AI 治理的直接评估并不直接体现在 ESG 框架中， 从全球实践情况来看，将负责任 AI 原则与 ESG 框架相融合，可以建立 AI 伦理风险分析体 系，为管控相关投资风险提供思路。

2.1.3 杰文斯悖论：轻量化模型的辩证分析

当前，以 DeepSeek 为代表的低算力消耗模型出现，在算法侧实现了单位能耗的显著压 缩，一定程度上缓解了 AI 普及初期对高成本硬件的依赖。然而，从系统视角来看，算法效 率的提升并未改变 AI 整体算力需求持续上行的趋势，反而因为使用门槛的下降与部署成本 的优化加速了模型下沉与任务泛化，在边缘终端与垂类行业的广泛落地中推升了总量需求。 简言之，算法降本并非限需手段，而更像是普及加速器，其释放的是长尾市场的规模潜力， 而非总量天花板的下调空间。轻量化模型使 AI 任务下沉至端侧设备，减少云端依赖，推动 工业一体机、自动驾驶等边缘算力市场。换言之，DeepSeek 式的优化路径固然有其技术意 义，但在算力总量持续扩张的大趋势下，绿色算力仍需在能源结构、底层硬件、调度机制等 非算法维度持续发力，单点式优化难以承担系统性转型的重任。

如果说效率提升构成了需求扩张的触发条件，那么 DeepSeek 推动的结构性扩散路径， 则是需求爆发的直接引信。相较传统模型主要服务于高端研发和平台企业，DeepSeek 通过 开源策略、轻量化设计与多任务适配能力，将 AI 技术扩展至更多主体与场景，真正推动了 AI 技术的“普惠化”。一方面，其算法框架与工具链的开放显著降低了模型训练与部署门槛， 使中小企业与个人开发者也能参与大模型生态建设；另一方面，其在医疗、金融、制造等行 业的垂直落地，显著提升了生产效率与服务密度，反过来对算力形成持续拉动。同时，在智 能终端与边缘设备的推理部署中，DeepSeek 所代表的轻量化技术也极大拓展了应用边界， 形成 C 端与 B 端的双向放量，推动底层算力结构从集中化走向泛在化。由此带来的，是从 中心到边缘、从平台到个体的系统性算力重构。 与此同时，也需对这类轻量化模型的局限性保持审慎认知。DeepSeek 等路径往往基于 性能可接受的前提下做出能效与精度之间的权衡，在部分复杂任务或跨域推理中存在一定程 度的信息损耗与误差积累。更重要的是，轻量化模型在脱离设定场景后往往面临泛化能力不 足的问题，需依托额外系统或大模型兜底，反而形成新的协同成本。此外，部分算法优化手 段对算力芯片与运行环境提出特定要求，存在部署适配障碍。也因此，算法侧的低能耗更多 是一种局部意义上的优化，并不构成对绿色算力其他方向（如绿色电力供给、液冷设施、调 度算法）重要性的替代。对产业而言，理解这一有益但不充分的边界，是推动绿色算力体系 建设、避免策略误判的前提。

2.2 政策驱动历程：中国走在国际前列

2.2.1 国内政策聚焦数据中心的用电效率、绿电占比以及“东数西算”协同互连

目前全国层面没有专门针对绿色算力的政策文件，主要是基于数据中心建设和算力高 质量发展。2021 年，工信部印发了《新型数据中心发展三年行动计划（2021-2023 年）》，从 绿色低碳、算力赋能、智能运营、安全可靠方面出发，组织开展国家新型数据中心评选。其 中，绿色低碳方面包含 PUE、WUE、CUE、算力算效、可再生能源应用、绿色低碳管理等 相关指标。2024 年，发改委等部门印发《数据中心绿色低碳发展专项行动计划》，提出到 2025 年底，全国数据中心布局更加合理，整体上架率不低于 60%，平均电能利用效率降至 1.5 以 下，可再生能源利用率年均增长 10%，新建及改扩建大型和超大型数据中心电能利用效率降 至 1.25 以内，国家枢纽节点数据中心项目电能利用效率不得高于 1.2，国家枢纽节点新建数据中心绿电占比超过 80%。到 2030 年底，全国数据中心平均电能利用效率、单位算力能效 和碳效达到国际先进水平，可再生能源利用率进一步提升，北方采暖地区新建大型及以上数 据中心余热利用率明显提升。

2023 年 10 月，工信部等六部门联合印发《算力基础设施高质量发展行动计划》，提出 完善算力综合供给体系、提升算力高效运载能力、强化存力高效灵活保障、深化算力赋能行 业应用、促进绿色低碳算力发展、加强安全保障能力建设等六点任务。2024 年 3 月，工信 部等七部门发布《关于加快推动制造业绿色化发展的指导意见》，提出在新一代信息技术领 域，引导数据中心扩大绿色能源利用比例，推动低功耗芯片等技术产品应用，探索构建市场 导向的绿色低碳算力应用体系。2025 年 1 月，发改革、数据局、工信部联合印发《国家数据 基础设施建设指引》，对算力底座提出五方面的要求：推进算力资源科学布局，推进东中西 部算力协同，推进算力与数据、算法融合创新，推进算力与绿色电力融合，推进算力发展与 安全保障协同。 国家标准《绿色数据中心评价》于今年 6 月 1 日起正式实施。《绿色数据中心评价》充 分结合我国数据中心建设特点与国际先进指标水平，明确了在资源高效利用、绿色设计、绿 色采购、绿色运维、绿色服务等多维度应具备的各项指标要求。并且充分考虑了未来数据中 心发展方向，在指标体系中强化了算力资源高效利用指标设置，突出了液冷、高效 IT 设备 等先进技术产品应用，有效指引了我国数据中心的绿色低碳建设路径。在工信部等有关部门 的推动下，通过遴选“国家绿色数据中心”、发布先进适用技术目录、制定关键技术标准等 一系列举措，推动行业持续向高效、清洁、集约、循环的绿色低碳高质量方向演进。

“东数西算”工程通过将数据中心布局在清洁能源丰富的西部地区进行集约化管理，能 够实现绿色减碳的目的。在 2019 年提出的“新基建”指导下，2020 年“东数西算”的构想 萌芽初具雏形。2021 年 5 月国家发改委等四部门联合发布的《全国一体化大数据中心协同 创新体系算力枢纽实施方案》，标志着“东数西算”工程正式拉开帷幕。东数西算，是国家 为了解决这种东西部资源不均衡的局面，所规划的算力资源跨域调配战略工程。布局西部， 建设大型的数据中心算力设施，为东部大量的算力需求提供计算服务。其战略意义，与南水北调、西电东送、西气东输类似，首次将算力资源提升到水、电、燃气等基础资源的高度。 作为高耗能的数据中心，在当前的技术水平下，2000 公里长距离输电的损耗是 6%左右，根 据电监会《2010 年度电价执行及电费结算情况通报》，全国平均的输配电成本占电力成本的 30%以上。国内电力资源分布不均，可以说是催生“东数西算”工程的直接诱因。 “东数西算”建立京津冀、长三角、粤港澳、成渝、内蒙古、贵州、甘肃、宁夏八大算 力枢纽，依托这八个算力枢纽，在八个算力枢纽内，东数西算工程共规划 10 个国家数据中 心集群，依托八个枢纽十个集群，将有利于集中政策和资源，更好引导数据中心集约化、规 模化、绿色化发展。每个集群是一片物理连续的行政区域，具体承载算力枢纽内的大型、超 大型数据中心建设。“东数西算”具有经济和生态的双重意义。围绕“科技”、“绿色”两条 主线，“科技”主线对应数据中心等产业链核心硬件设备国产化替代，“绿色”主线对应绿色 降碳，液冷分布式供电、模块化机房、可再生能源等绿色先进的节能减碳技术。

地方层面，北京市发布《北京市存量数据中心优化工作方案（2024—2027 年）》，引导存 量数据中心完成绿色低碳改造，改变“老、旧、小、散”局面，到 2027 年实现年均 PUE 值降低至 1.35 以下，基本形成集约高效、绿色低碳的数据中心高质量发展格局。上海市发布 《上海市智慧中心建设导则（2025 年版）》《关于促进智算云产业创新发展的实施意见 （2025—2027 年）》等，提出统筹智算中心的规模、布局、用能、构建以多元异构、集约高 效、安全可靠、绿色节能为特征的智能算力基础设施产业体系。青海、宁夏、广东、贵州、 内蒙古等也有发布相关政策推进算力中心绿色集约高效发展。

2.2.2 海外政策以激励性与自愿性为主，欧洲部分国家、日本、新加坡等转向强制性措施

国际能源署（IEA）基于数据中心的绿色发展，专门提出了五种措施及其对应的不同情 景：转向云端、降低 PUE、提高利用率、提高服务器效率、低利用率关闭。政策是一种（通 常是政府）工具，用于刺激能源效率，例如 MEPS（最低能源性能标准）、公共采购和许可 证。“义务”指的是对大型能源用户（包括在某些情况下的数据中心）的要求，以减少能源 消耗或实现各种目标。

全球主要经济体纷纷出台相关政策推进绿色算力落地落实。部分国家已经规定了最低 能源性能标准，这些性能标准特别关注 PUE，即整个设施的电力消耗与 IT 设备的消耗之比。 美国通过数据中心优化倡议（DCOI）、美国联邦数据中心整合计划（FDCCI）、联邦政府信 息技术采购改革法案（FITARA）等一系列举措整合和关闭数据中心，数据中心平均 PUE 从 2.0 降低到近一半，大型数据中心达到 1.5 甚至 1.4 以下。《欧盟数据中心能源效率行为准则》 的最佳实践指南和《欧洲数据中心能源效率现状白皮书》规范了 PUE、SUE、DCIE 等指标。 自 2025 年 1 月起实施的澳大利亚建成环境评级系统是第一个也是唯一一个针对数据中心的 强制性标签计划，范围从 PUE 为 1.07（6 星级——市场领先）到 2.42（1 星级——起点）。 要求可以分解为 IT 特定设备，如数据存储、网络设备和服务器。 数据中心的报告要求在大多数司法管辖区基本上是自愿的，但一些强制性方案正在制 定中。欧盟企业可持续发展报告指令于 2023 年生效，要求大型上市公司报告直接和间接温 室气体排放，包括电力消耗或数据提供商子公司的排放。能源效率指令为数据中心所有者和运营商设定了 31 项指标的年度报告义务，并实施认证能源管理系统，如 ISO 50001，适用于 大型能源用户，取代了之前的四年审计要求。2024/1364 号授权条例为数据中心设定了 PUE 和水使用效率（WUE）指标的报告要求。新加坡在 2020 年改革了其绿色数据中心标准，以 符合 ISO 50001 能源管理标准。加拿大的能源之星自愿计划为每件数据中心设备提供自己的 证书，包括数据存储、大型网络设备、服务器和不间断电源。

对于美国，联邦层面近年来鲜有新的具体政策出台或更新相关目标路径。尽管过去十多 年间联邦政府曾通过制定数据中心优化倡议（DCOI）、美国联邦数据中心整合计划（FDCCI）、 联邦政府信息技术采购改革法案（FITARA）等一系列法规推动数据中心整合、IT 能效提升 与高性能绿色计算基础建设，但是自 2023 年起，美国在政府层面关于绿色算力或可持续 IT 的政策推动基本处于停滞状态。企业层面上的绿色算力发展仍然保持活跃：企业主导的绿电 采购协议规模领先全球，亚马逊、谷歌等公司通过 PPA 协议采购吉瓦级可再生能源，虽面 临碳中和目标滞后于 AI 扩张的矛盾，仍积极探索“共享能源经济”新模式。美国的学术界 也在服务器节能和绿色计算方面做出了重要的贡献：美国加州大学伯克利分校的研究团队开 发了一种名为“绿色网格计算”的技术，通过动态调整服务器的工作状态和负载分配，实现 能源的最优利用；马萨诸塞州的顶尖大学与州政府和私营部门合作，建立了马萨诸塞州绿色 高性能计算中心。美国当前绿色计算的发展可能更多依赖于市场机制、行业责任与学术研究 的努力，而非联邦政府的政策主导。

对于欧盟，绿色算力政策历经从自愿引导到强制约束、从局部优化到系统治理的演进过 程。2010 年欧洲数字化议程开始将 ICT 定位为绿色转型的关键工具。2020 年欧盟欧盟率先 提出 ICT 行业的降碳目标，计划在 2030 年提前达到气候中性（climate neutral）。通过 2020 年欧盟数据中心能源效率行为准则的最佳实践指南和欧洲数据中心能源效率现状白皮书进 一步细化和规范了算力中心 PUE、SUE、DCiE 等绿色指标。推动欧洲 ICT 基施和算力中心 确保在 2030 年之前达到气候中性，在 2050 年成为世界第一个实现气候中性的大陆。通过数 字欧洲工作计划》、《能效指令》等顶层设计，将绿色算力逐步从行业倡议跃升为欧盟整体减 碳战略支柱的一部分，要求数据中心强制披露能耗、设定具有法律约束力的能效目标和更严 格的 PUE 标准。《欧洲绿色协议》还通过绿色债券、碳交易等绿色金融工具为数据中心绿色 改造提供资金支持，支持数据中心企业绿色转型。

2.3 产业发展历程：可再生能源、基础设施能效、使能行业发展三大方向

放眼全球，算力产业正处于快速发展阶段。美国凭借其在半导体技术和算法研究方面的 领先优势，长期占据全球算力市场的主导地位。欧洲则以绿色计算和隐私保护为核心理念， 在数据中心建设和法律法规制定上走在前列。亚洲地区，主要是中国和日本，在超算性能和 应用场景拓展方面表现突出，逐渐形成与欧美并驾齐驱的竞争态势。中国算力应用逐渐丰富， 算力中心建设加快。从侧重于科研应用和仿真、油气、气象等重点领域应用的超算中心，发 展至动漫渲染、生命科学、航天航空、无人驾驶、金融经济、智慧城市等更加多元化、智能 化的应用领域，业务应用逐渐丰富，并且行业应用增速加快。

近 20 年也是全球数据中心产业蓬勃发展期，全球数据中心形态从计算中心、信息中心、 云中心加快向算力中心演变，以融合新技术推动数据中心整合、升级、云化为主要特征，主 要由发达国家引领，在全球各大核心城市集群化发展，并不断向外辐射。全球数据中心产业 规模在 2022 年达到 1308 亿美元，总体逐步进入成熟期。产业整体发展周期呈现出“四中心 三拐点”特征，在前两次拐点之后正在迎来第三次上升拐点。

与此同时，能源消耗问题日益突出。在政策激励与自发需求的双重推动下，绿色算力在 产业端的应用与普及得到了持续发展。绿色算力的产业发展历程大致可以分为三个阶段：

初级阶段（1996-2006 年），产业主要集中在硬件能效的提升。这一时期，技术创新主要 围绕减少单个设备的能耗。例如，英特尔推出的低功耗处理器显著降低了服务器的能源消耗。 随着互联网的出现，分散的数据资源被有效整合并通过互联网进行分发传输，数据中心进入 商业化发展阶段，为了承接处理激增的互联网和金融交易等数据，大中小型数据中心均加速 建设，数据中心规模和数量均显著增加。在这种传统增长模式下，绿色发展概念还未引起广 泛重视，产业发展不得不以消耗大量能源为代价。 起步阶段（2007-2020 年），绿色评价指标体系初步形成，数据中心能效管理水平成为关 注重点。2007 年，电能利用效率（PUE）指标被提出用以评价数据中心能源利用效率，随后，水资源利用效率（WUE）、碳利用效率（CUE）、基础设施利用效率（IUE），面积使用效率 （SUE）等指标又陆续被提出，有效丰富了数据中心能耗评价指标。2020 年国际能效标准 ISO/IEC 21836 出台，作为用于测量和评估服务器算力、碳排的工具集。有了具体的优化目 标之后，随着云计算和大数据的兴起，虚拟化技术和数据中心优化成为主流。谷歌和微软 Azure云平台通过液冷技术、热回收系统和智能调度算法优化任务分配，提升了资源利用率， 降低了总体能耗。

发展阶段（2021 年至今），绿色算力开始全面推广和深化应用。随着各国“双碳”目标 逐渐明晰，绿色算力普遍被纳入为整体战略种的关键一环。产业层面，从单纯关注能耗指标 延伸到关注虚拟的软件应用平台计算效率等性能指标。亚马逊 AWS 不仅采用了 100%可再 生能源供电的数据中心，还通过机器学习优化工作负载，进一步提高了能源效率。此外，中 国企业如阿里云也在其数据中心部署了大规模的太阳能板，并实现了智能化的能源管理系统， 显著降低了碳排放。这一阶段，算力产业正向着更节能、更高效的方向探索，充分发挥软硬 件资源潜力。

3 头部科技公司的微观绿色算力实践

全球算力企业（尤其是各大科技公司）多维度创新绿色实践，推进“碳中和”计划实践。 2023 年国际数据中心龙头企业 Equinix 宣布将其 49 亿美元绿色债券收益全额分配给包括热 回收系统、先进冷却技术等绿色数据中心建筑和能效项目。国际互联网科技巨头 Google 在 2020 年提出计划到 2030 年在全球范围内所有数据中心以小时单位实现实时可再生能源供 电，也就是 24/7 零碳运营管理计划。其他科技巨头也提出了相似的目标，亚马逊计划到 2040 年实现净零排放，苹果公司计划到 2030 年其供应链和产品实现碳中和。微软正在考虑利用 天然气结合碳捕获技术为人工智能数据中心提供动力，通过碳捕获、利用与封存（CCUS） 技术，减少数据中心的碳排放，同时确保能源供应的稳定性和可靠性。 国内科技公司、通信运营商以及数据服务商均在积极响应政策推进微观绿色算力实践。 中国三大运营商深化布局绿色算力，中国电信在算电协同发展方面，提出“1335”总体架构， 加快算力基础设施绿色化转型；中国移动绿色安全数据中心北京节点正式发布，一期工程达 到 500P 算力规模，内部使用智能控制系统精准分配电力，配备废热回收系统降低能耗；2024 年，中国联通揭牌三江源绿色智算示范园，采用先进制冷技术、人工智能优化温控供电模式， 使用绿色电力实现节能降碳。其他企业也积极推进基础设施的节能降碳改造，并行科技在和 林格尔落地源网荷储一体化项目。腾讯在河北怀来落地了国内首个风电、光伏、储能一体化 的数据中心微电网项目，万国数据上海四号数据中心通过全生命周期的绿色低碳设计，PUE 值达到 1.13。

采购可靠且具有成本效益的电力供应对于满足数据中心日益增长的电力需求至关重要。 许多科技公司和大型数据中心运营商已经设定了减少排放和采购清洁能源的宏伟目标。为了 实现这些目标，数据中心运营商采用各种采购策略。这些策略因公司和地区而异，在电力市 场自由化的地区通常比在受监管的市场中提供更多的采购选择。除了采购电网电力外，采购 策略还包括通过购电协议（PPAs）获取电力。许多公司还购买可再生能源证书以实现其清洁 能源目标。

3.1 Amazon：AWS 迁移场景

Amazon 通过其《Climate Pledge》承诺到 2040 年实现净零碳排放，并提出两项具有前 瞻性的中期目标：一是到 2025 年，实现 Amazon 全球运营电力 100%由可再生能源匹配（较 原计划提前五年）；二是同年实现风能与太阳能投资规模覆盖所有活跃 Echo、Fire TV 和 Ring 设备的年度用电量。 AWS（Amazon Web Service）最新的创新型数据中心设计将计算能力提高了 12%，预期 用电效率（PUE）评级为 1.08。2022 年，Amazon 还宣布了在 2030 年之前实现水资源正效 益的承诺，意味着向社区和环境归还的水资源比在数据中心运营中使用的水资源还要多。截至 2024 年底，AWS 的水资源正效益进度已完成 53%。水资源正效益承诺由四大支柱组成： 提高用水效率、使用可持续水源、回馈水资源供社区再利用以及支持水资源补充项目。

根据 AWS 与埃森哲（Accenture）合作发布的研究，Amazon 通过 AWS 云基础设施为企 业提供显著的碳减排机会。在参考工作负载下，相较本地数据中心部署，迁移至 AWS 可提 升最多 4.1 倍的能源效率，优化后碳足迹最高可减少 99%。这些成果主要得益于资源共享、 规模经济、电力采购与硬件优化等方面的协同作用。

Amazon 不仅提供“上云即节能”的基础方案，更强调通过负载优化实现更高的减排效 率。例如在文档处理模型 LayoutLM 上，基础迁移至 AWS 即实现 94%碳减排，经芯片与架 构优化后更可减少高达 99%。在存储密集型任务中，调整热/冷数据比例与数据副本策略也 可带来 93%的碳排放减少。这些实践体现出 Amazon 在软件层面的精细化能效管理能力。

美国和加拿大在存储密集型的工作负载的迁移场景中显示出显著的碳减排机会。这归因 于本地数据中心与 AWS 数据中心之间的 PUE 差距，以及 AWS 更高的无碳能源采购。与在 本地运行存储密集型工作负载相比，即使使用无碳能源，AWS 通过结合减排和消除策略， 最多可帮助降低 86%的碳排放，其中提高高效硬件利用率降低 18%、提高电力和冷却效率 降低 21%、增加无碳能源采购降低 47%。在 AWS 数据中心运行计算密集型（AI）工作负载 的组织，与本地相比，碳排放减少了 93%。这种减少是由于多种减排和消除策略的结果。其 中提高高效硬件利用率降低 32%、提高电力和冷却效率降低 31%、增加无碳能源采购降低 30%。

1）能源采购。Amazon 是全球最大的企业级可再生能源采购方，截至 2024 年 1 月已投 资超过 500 个风能和太阳能项目，预计年发电量超过 77,000GWh。为确保绿色电力的可核 查性，公司对每兆瓦时所匹配的可再生能源配套注销环保属性（如 RECs），并通过第三方审 计机制加以验证。这构建了可再生能源投入的严谨量化基础与审计保障体系。 2）基础设施。Amazon 的绿色算力战略不仅体现在能源采购，还贯穿于基础设施设计与 运维之中。公司通过计算流体力学模拟工具与气候数据，在建设前即优化数据中心设计，从 源头提升能效。同时，AWS 采用自由空气冷却与液冷混合方案，动态调节冷却方式以适应 不同芯片密度与季节条件，最大限度降低冷却能耗并保障系统稳定性。 3）芯片研发。AWS 的绿色能力还体现在其自主研发的 AI 芯片上。Trainium 芯片用于 模型训练，相比通用方案可显著压缩时间与功耗；Inferentia2 则在推理阶段提升 50%能效表 现。通过部署这些定制芯片，Amazon 在实现 AI 能力跃升的同时，也有效降低了单次推理 或训练的碳排放密度。这些硬件成果成为 Amazon 绿色 AI 算力的重要支撑。

3.2 Google：24/7 无碳能源

Google 早在 2007 年便实现了运营层面的碳中和，而在 2020 年提出更具挑战性的承诺： 即在 2030 年前，实现其所有业务（包括数据中心与办公设施）“7x24 小时全年不间断使用 无碳能源”（24/7 Carbon-Free Energy）。该承诺不仅涉及采购绿色电力，而是要求在每个时 段、每个设施所在地实时使用无碳能源。这一目标比传统年度总量匹配更严格，意味着Google 正在从“年碳中和”迈向“小时级零碳”运营。

截至 2024 年，Google 在全球已实现 66%的“碳无时差电力”覆盖率（CFE），即在全年 每小时中平均有 66%的电力来自于无碳来源。在美国、欧洲等地的部分数据中心，这一比例 已达 90%以上。同时，Google 通过与公用事业、开发商和政府合作，在全球范围推动新的 无碳发电设施落地，并利用其云平台 AI 能力预测负荷与调度绿色能源，从而提升 CFE 匹配 效率。Google 数据中心选址兼顾可再生能源供应能力与气候条件。在北欧、智利、美国西部 等地区，其数据中心的碳自由度较高。同时，公司在多个国家推动政策制定与能源市场改革， 推动实现“小时级”绿电认证机制。此外，Google 还支持区域电力基础设施建设，以实现当 地社会整体绿色用能水平的提升。

Google 为此构建了一套名为“Carbon-Free Energy Score”（CFE Score）的实时指标体系， 衡量每个数据中心在每小时内实际使用无碳能源的比例，并与 AI 模型结合，预测未来用电 负荷与绿色能源可用性，实现动态调度与合约执行。公司还尝试通过“时间匹配电力购买” （Time-Matched PPA）在电网层面推动绿色电力市场机制变革。Google 认为该方式不仅自身 可受益，也能为电网整体带来更强的脱碳弹性与可调度性。

此外，Google 通过设施设计、冷却系统创新及能源管理手段，提升数据中心能效，降低 碳排放。其全球数据中心平均 PUE（电源使用效率）在 2024 年维持在 1.09 的极低水平，远 低于行业平均值。公司采用机器学习优化冷却系统、按需调度服务器资源、引入能效更高的 UPS 与供电系统，同时持续增加使用“直接无碳电力”，而非依赖碳抵消或年均绿电平衡。 在 AI 算力方面，Google 推出自研 TPU（Tensor Processing Unit）芯片并部署于其数据 中心，在处理大型模型（如 Gemini 或 PaLM 2）时显示出优越的能效比。报告指出，TPU v5e 相比上一代 TPU v4，其“每瓦特性能”提升了 2 倍；而在 LLM 推理场景下，TPU v5e 的碳 效率表现远优于市面 GPU 解决方案。Google 强调其“可持续 AI”战略：不以牺牲能效为代 价提升 AI 能力，而是通过软件框架（如 TensorFlow 优化）与硬件协同优化来控制 AI 运行 的环境负荷。

3.3 Microsoft：循环中心

Microsoft 在 2020 年提出到 2030 年实现“碳负排”（carbon negative）的战略目标，即不 仅自身运营实现零排放，更要主动移除历史累计碳排放量，并于 2050 年前完成对自创立以 来所有运营碳排放的净移除。为此，公司设定了减排路径：至 2030 年将总碳排放量在 2020 年基础上减半，并匹配 100%电力消费使用零碳能源。同时，Microsoft 已签署采购超过 21.9 百万吨碳移除合同，其中 280 万吨预计于 2030 财年交付，用于达成“碳负排”目标年。 在数据中心能效方面，Microsoft 通过多项手段持续优化能源使用效率。公司广泛部署 “低功耗服务器状态”（low-power server states），可使未分配任务的服务器能耗降低高达 35%； 至 2024 年底，这项技术已推广至近 200 万台服务器。同时，Microsoft 还引入“功率回收” 机制（power harvesting），将低负载任务释放的电力用于高功耗需求，整体节能效果持续扩 大。在内部负载调度方面，通过智能过度分配 CPU 核心，实现自 2020 年起 Azure 硬件需求 下降约 1.5%，相当于 2022 年节约效果的三倍。 作为到 2030 年实现零废物目标的一部分，Microsoft 设定了到 2025 年在所有云硬件中 重复使用或回收 90%的服务器和组件的目标。通过建立了全球循环计划，微软循环中心，实 现了 2024 年达到了 90.9%的重复使用和回收率。通过考虑负责任的设计和循环经济原则， 提高重复使用和回收优化云硬件及其组件的使用寿命。除了减少电子废物或电子垃圾，还通 过帮助加强供应链，创造更智能、更负责任的云硬件方法。

微软循环中心是关键数据中心园区内的专用区域，Microsoft 将退役的服务器和硬件组 件引导和处理到下一个有用的阶段，例如内部再利用、其他电子供应链或培训数据中心技术 人员的学院。通过与硬件的原始设备制造商（OEM）和信息技术资产处置（ITAD）公司合 作，重复使用和回收电子废物。自 2020 年在阿姆斯特丹开设第一个循环中心以来，不断扩 展了循环中心，并在全球范围内发展了 OEM 和 ITAD 生态系统，以管理云硬件的重复使用 和回收。无法重复使用或回收的组件，如来自数据承载设备（DBD）的组件，在微软数据中 心园区和循环中心根据隐私要求和当地法规进行粉碎。一旦粉碎，这些设备就会被回收。

Microsoft 还提出“绿色软件”理念，在从代码设计到云部署全过程中嵌入节能逻辑。公 司在 Azure 中提供碳优化工具，协助用户识别低效资源并提出节能建议。同时，推广 VM“休 眠功能”，使闲置虚拟机可暂停运行且保留内存状态，节约资源。软件层面，Microsoft 通过 绿碳指标 SCI、Green Software Foundation 等标准体系推动产业绿色转型，倡导负责任 AI 部 署与算法效率提升，并提供开源目录与 SDK 资源支持开发者构建低碳应用。 1）能源采购。Microsoft 大规模推进可再生能源采购，截至 2024 年，公司在全球 24 国 签订 34GW 零碳电力合同，为 2025 年实现 100%电力零碳匹配目标奠定基础。2024 年新增 19GW 合同，包括与 Brookfield 签署的 10.5GW 清洁能源框架协议、在波兰 Kotun 推进的 36MW 太阳能项目，以及在德国旧煤矿地兴建的 415MW 太阳能电站等。同时，公司首度涉 足核电采购，与 Constellation 公司签订合同，重启位于宾夕法尼亚州的 835MW 核能设施， 为关键数据中心区域提供稳定 CFE（carbon-free electricity）供电。 2）液冷系统。Microsoft 在数据中心冷却与供能技术方面持续创新。2024 年，公司加速 部署“芯片级液冷”系统（chip-level liquid cooling），全面取代传统空气冷却方式。此项设计 不仅提升服务器密度，减少新建数据中心所需资源，也响应了公司 2030 年“水资源正值” 目标，消除对蒸发冷却的依赖。同时，公司应用生命周期评估（LCA）工具对冷却方案进行 碳排与水耗评估，并通过开放平台（如 Open Compute Project）公开分享研究成果，推动产 业协同绿色转型。 3）运维调度。在硬件层面，Microsoft 通过自研及架构优化提高 AI 算力效率。例如在 AI 服务器上实施低功耗待机、利用旧型号加速器分阶段执行推理请求（prefill 与 decode 分 离运行），在相同能耗和成本下可提升 2.35 倍推理吞吐量。并通过 CPU 超配与资源调度策 略，减少冗余硬件配置，降低整体数据中心碳强度。此外，公司还在服务器维护期启用节能 模式，每月节约数百兆瓦时电能。

3.4 腾讯：“风光储”微电网

腾讯计划到 2030 年，实现自身运营及供应链的碳中和以及 100%绿色电力。2024 年， 共采购绿色电力 1,364,625.9 兆瓦时，较 2023 年增长 125.8%，减少二氧化碳排放 778,246.2 吨。在数据中心扩大部署可再生能源设施，截至 2024 年底，总装机容量为 63.8 兆瓦，相较 2023 年增长 22.2%。推动租赁数据中心绿色能源转型，助力租赁数据中心的绿色电力占比在 2024 年提升至 3.8%（2023 年为 0%）。 2024 年 11 月 28 日，腾讯成功落地了国内首个风电、光伏、储能一体化的数据中心微 电网项目，正式并网发电。该项目位于河北怀来，总装机容量 10.99 兆瓦、年发电量达 1400 万度，相当于 5000 个家庭一年的用电量。通过这套微电网，腾讯怀来东园数据中心一年能 减少近 8000 吨碳排放、节省超 350 万元电费。本次落地的国内首个“风光储”一体化微电 网项目，在分布式光伏的基础上，进一步引入了风力发电和储能设备。为了解决诸多落地难 点，除了集成分布式风机、屋顶光伏，还引入了一套 1.25 兆瓦的锂电池储能设备。通过让风 力、光伏、储能高度配合，更好地应对新能源的波动性，把数据中心从一个单纯的电力负荷， 变成可调用、可调节的功率节点。储能以及负荷调节技术的应用能够有效应对用能需求的峰 谷变化，在缓解电网高峰时期供电压力的同时提升数据中心的绿色电力使用比例。 同时，腾讯构建了智能微电网管理平台（EMS），进一步管理和调度好这套“风光储” 一体化的微电网。该平台基于全方位的数据监控和管理，实现光伏自发自用、光伏+储能联 动、风光储+负荷智能协同三种模式的配合。通过实时运行风光储协同、负荷调度等优化策 略，从白天的高峰用电到夜晚的静默时段，在保障数据中心稳定供电的前提下，提升清洁能 源的消纳量。基于多能源协同和负荷调度的经验积累，后续，腾讯还将把更大容量的风能和 更大容量的电化学储能等更多用法引入数据中心，并逐步往园区外的大规模“源网荷储”延 伸，打造更多新型的绿色能源+IDC 电力系统。

1）设备能效提升。采用模块化的设计理念研发高能效综合高压直流（HVDC）系统，将 控制柜、高压直流柜和综合配电柜的功能结合起来，有效提高了功率密度，在降低了损耗率 的同时节约了能耗。此外，采用新一代间接蒸发冷却技术优化空调能效，研发的间接蒸发冷 空调平均能效对比更换前提升 16%。针对 GPU 的高功率密度需求研发了高效液冷方案及产 品，并完成了部署和试运行。借助 T-Block 模块化技术，有效缩短建设周期、降低建设成本 并减少建设过程产生的碳排放。

2）运营能效提升。应用物联网（Internet of Things，IoT）实时监控设备运行参数，由智 能运营平台自动化收集和管理数据中心设备、能耗及碳排放数据，并基于智能算法开展 PUE 能效管理及能耗分析，计算碳排放。管理人员可根据实际运营需求，在平台上自定义管理流 程，自动派发任务。合作伙伴也可接入平台核心功能模块，构建自身平台，共同推动数据中 心智能化运营。升级了温湿度计和电表的传感精度，并增加数据采集网关的端口数量，以提 升硬件设备数据采集的精度和效率。开发 AI 节能算法模型，通过建模和分析，根据运营数 据、室内环境数据和室外天气数据，调节送风温度、风机转速等运行参数，以达到节约能源 的效果。并将 AI 节能算法模型应用在租赁数据中心中，与供应商共同推进碳减排。

3）绿电采购。坚持“额外性、可溯源性、就近性”的原则推进绿色电力采购。“额外性” 是指绿色电力并未获得补贴，确保额外性可以采购工作能更好地促进可再生电力的产生；“可 追溯性”是指绿色电力能够清晰地追溯到能源的来源，保证来源的合规、透明和可持续；“就 近性”是指在能源采购过程中，优先考虑地理位置与数据中心较近的可再生能源项目，减少 能源传输损失，提高能源利用的效率。

3.5 阿里云：浸没式液冷

2025 财年，阿里云自建数据中心年均 PUE 降至 1.19，居于亚洲领先。通过液冷服务器 技术，实现无风扇、空调制冷，节约电量，液体导热能力是空气的 10-25 倍，降温效果显著； 高性能电源“巴拿马”直接将 10kV 交流电转换为 240V 直流电，省去中间环节，提升供电 效率；智能算法运维策略整合多领域知识，实现精细化运维调优，推广至 21 个自建机房； 与市政供暖合作，利用热能交换技术回收余热，2024 年采暖期为河北张北县供热 1.368 万吉 焦，实现能源协同共赢。此外，阿里云设定 PUE 年度目标，深化精细化管理。 阿里云承诺 2030 年起云计算电力 100%采用清洁电力，2025 财年自建数据中心清洁电 力使用比例达 64.0%。通过分布式光伏、市场化交易和长期购电协议推进清洁能源转型。在 机房内采用 IG541 灭火系统（GWP 仅为 1），替换传统七氟丙烷灭火器（GWP 为 3,350）。 阿里云推动供应商减排，建立能耗与排放监测系统，支持碳盘查与核查，并建立绿色评估机 制，定期考核供应商低碳表现。2025 财年，租赁数据中心减排 57.5 万吨。截至 2025 年 3 月 31 日，超 90%国内租赁数据中心纳入 PUE 指标管理，清洁电力使用比例要求逐步加入供应 商条款。2025 财年，租赁数据中心年均 PUE 降至 1.253，清洁电力使用比例达 22.4%，阿里 云还输出自建数据中心标准和技术帮助供应商管理 PUE 和获取清洁电力。

阿里云早在 2016 年就发布了其首套浸没式液冷系统，并于第二年完成了浸没式液冷集 群的构建；在其后的 2018 年，阿里云建成首个互联网液冷数据中心；到 2020 年，阿里云又 打造了中国最大规模的单相浸没式液冷数据中心暨全国首座 5A 级绿色液冷数据中心。同时， 阿里云还与合作伙伴一起，在 2021 年发起成立了浸没液冷智算产业发展论坛，以协同技术 创新、实践积累来驱动生态繁荣，推动整个液冷产业的发展。 与传统风冷方式和冷板液冷方式相比，阿里云单相浸没式液冷方案有着更高的散热效 率。以往风冷方式使用空气作为冷媒，通常需借助散热片来与空气进行热交换，但由于散热 片很难覆盖全部器件，同时器件能耗大小不同，表面温度也并不均匀，存在局部过热的隐患。 而冷板液冷方式虽然可以覆盖高功耗的器件，但仍需依靠风冷来解决冷板没有覆盖的部件， 无法实现设备产生的热量 100%通过液体直接捕获(Heat Capture)。浸没式液冷方案使用液体 作为冷媒，由于液体的比热容和密度远高于空气，在换热过程中单位体积的液体可以带走更 多热量，而且当器件全部浸没在 TANK 内的冷却液中时，其热量可以很均匀地传导到液体 中，从而实现 100%的热捕获效果；而这也使得单机柜可以支持更高的功耗密度，可在 TANK 内部署更多器件。同时，在省去各类引风、排风设备和管道后，数据中心还可释放更多空间 用于 IT 设备部署。

3.6 华为：全光+极简的绿色网络

华为在其《绿色发展 2030》报告中，提出了提升数字基础设施能效（绿色站点、极简网 络、绿色数据中心、智慧运营）、使能行业绿色发展（电力、工业、交通、建筑）、加大可再 生能源占比（智能光伏、光储融合）三大绿色发展的创新方向。其中，为了持续提升数字基 础设施的能效，需要在站点、网络、数据中心、运营等维度进行创新。在站点维度，要通过 理论、材料、器件、架构的创新，比如通过以无源补有源、以光补电的方式持续提升设备能 效。在网络维度，要持续通过系统架构，软件节能创新等提升整体能效。在数据中心维度， 要通过 L1 到 L3 多维创新，实现最优能效。在运营维度，要通过指标体系评估、低碳自智 网络，牵引用户转向高能效基础设施，发挥数字基础设施的最佳能效。 为了帮助运营商高效地减排节能加快迈向碳中和，华为公司提出了“绿色站点-绿色网 络-绿色运营”系统性解决方案，其中绿色网络方案从整网结构入手，通过技术方案优化组 网，达到显著的节电成效。绿色网络的构建，致力于降低从数算之间的损耗，推动从算力侧 与应用侧之间的无缝衔接。

1）全光网络

在 MWC22 巴塞罗那期间，华为基于 More Bits，Less Watts 的价值导向，发布了“绿色 全光目标网”（Green Intelligent OptiX Network），以技术创新来推动社会绿色发展。在通信 网络中，“光-电-光”的转换过程及电信号处理环节最为耗电。如果能减少网络中“光-电-光” 转换的次数，便可以大幅优化网络能效。在承载网方面，采用以 OXC（光交叉连接）为代 表的“光交换”替代“电交换”，能够极大地降低能耗。据测算，一个 96T 容量的核心节点， 在基于 OXC 技术的配置下，典型功耗为 1000 瓦，每年消耗低于 1 万度电，而基于电转发 技术则典型功耗为 4 万瓦以上，每年的用电量超过 38 万度，是 OXC 方案功耗的 40 倍以上。 如果全面推广 OXC 组网，其优化网络能效的效果将非常显著。OXC 属于超高集成度的光层 调度方案，即使与传统的 ROADM（可重构型光分插复用器）方案相比，也能够节省 40%的 电力和 90%的机房空间。 在接入网方面，采用“光进铜退”之后，把网络侧及终端侧的节能叠加起来，每年每户 可节省约 19 度电，100 万户每年可节省 1900 万度电，如果采用的是火电的话，相当于 0.9 万吨的碳排放（按照全球平均电碳转换值），约等于 40 万棵树的碳汇价值。目前，全球约有 4 亿多铜线及同轴电缆宽带用户，如果全部迁移到光纤宽带，每年至少可减少 360 万吨的碳 排放。除此之外，光纤和铜线在生产环节上也存在差异，冶炼铜所消耗的能源和水资源不仅 远远大于冶炼光纤的消耗量，而且还伴有大量废酸、废碱、重金属和尾矿的排放。

2）极简网络

由于技术的快速演进，现存于运营商网络中的“烟囱式”网络和老旧设备因为技术老旧， 大多单功能、单制式，每比特功耗高企。如承载着大量政企专线的 SDH（同步数字系列）老 旧设备，单功能的传统路由器，包括业务路由器、BRAS（宽带接入服务器）、IPSec（互联 网安全协议）、CGN（电信级网络地址转换）等，单制式的 2G/3G/4G/5G 语音和数据核心网 网元，无线接入网现存的收发效率相对较低的 2T 射频单元。通过新技术对老旧设备进行升 级改造，可以实现“烟囱式”网络的收编和网络的简化，享受到技术发展红利，降低每比特 功耗，优化网络能效。 通信网络中普遍存在的老旧 SDH 设备，由于使用的是十几或二十几年前的技术，每比 特能耗高企，长期业务的增删导致僵尸时隙大量存在，与 ODF（光纤配线架）一起占据了大 量中心局点机房空间，叠加空调等开销，能效很差。而用新型 OTN（光传送网络）改造 SDH 后，在保持业务 SLA（服务等级协议）的前提下，可实现老旧 SDH 网络收编和网络简化，享受到百倍的单比特能耗降低，并大量释放机房空间。随着家宽业务和 2B 业务的发展及 CDN（内容分发网络）的下移，汇聚中心局点乃至接入中心局点需要部署 BRAS、CGN 和 IPsec 能力，传统上这些功能需要单独的路由器来实现，增加了中心局点的能耗，而新型路 由器可以做到 SR（段路由）、BRAS、CGN 和 IPsec 四合一，可降低中心局点的能耗压力。 华为全融合核心网支持 2/3/4/5G 多网合一，并借助统一的 NFV 资源池调度、微服务按 需动态编排、潮汐弹性扩缩容和软件性能提升等技术，相比传统设备单比特能耗可下降 30%， 使客户每年节省更多的硬件投资和能耗。无线接入网中，传统的 2T 射频单元的每比特功耗 比最新的 64T64R Massive MIMO 射频单元的每比特功耗高 20 倍左右。在 C-Band 频段上， 与 32T32R 的射频单元相比，64T64R 的射频单元可以 1:1 的利用已有站点进行部署，避免 新建站点，网络更简化，也节省了新建站成本、维护成本和新站点的能耗开销。传统的 OLT （光线路终端）基本都部署在中心局点机房内，随着技术发展、偏远覆盖和灵活部署需求的 增长，一部分 OLT 的部署可以从室内走向室外，以 AirPON 的方式进行部署，得以免空调、 免风扇部署，从而实现节电。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）