如何评估绿色算力？AI与能源双向赋能既看能效，也要看碳效

国际能源署（IEA）相关报告指出，随着视频生成、复杂推理和AI智能体（Agent）等新一代高能耗人工智能应用加速落地，AI的能源需求正快速攀升。与简单的文本生成相比，这类任务单次查询的能耗可高出数百倍甚至数千倍。

面对数据中心日益增长的用电量和碳排放，亟需探索解决之道。2026年4月，国家发展改革委等多部门联合印发《关于促进人工智能与能源双向赋能的行动方案》（简称“双向赋能行动方案”），7月世界人工智能大会期间，相关会议强调，人工智能与能源双向赋能是应对全球算力用电需求快速增长与能源绿色转型双重挑战的关键路径，应统筹规划布局、强化技术攻关、完善机制标准，实现人工智能与能源发展互促共进、深度融合。

7月17日至22日期间，澎湃研究所研究员与数据中心相关能源解决方案提供商、电网企业、算电协同专家等深入交流，探究如何推动算力设施绿色低碳转型，加快AI赋能能源转型。

调研发现，AI与能源双向赋能走向产业落地中，亟待解决“数据孤岛”问题，更需打通电、算、热三张网，通过约束性指标和规则制定，推动利益相关方形成合力，实现数据中心能源利用率的优化，并兼顾可持续发展。

AI与能源加速融合，从耗能转向赋能

世界上普遍把“节能”视为比开发更为优先的能源来源，是继煤炭、石油、天然气、非化石能源之外的“第五能源”。节能不仅意味着节约，更代表着高效，是以更少资源的投入，获取更大的产出。

对数据中心而言，其连续工作的特性，要求供电设备必须具备可靠性，发挥基础保障作用。而冷却环节，无论是对于数据中心能耗还是基建成本来说，都是重要的组成部分。因此，无论是从电能消耗还是冷却环节看，提升能源利用效率是根本。

当前，由于AI智能体、大模型的用电量逐渐攀升，数据中心如何优化能源利用率面临更大挑战。据了解，AI智算中心的功率密度大幅提升，部分高密度GPU机柜的功率负荷已达到传统数据中心的数倍甚至10倍左右，对供电、制冷和电网基础设施提出了更高要求。丹佛斯中国区总裁徐阳表示，在冷却的各个环节，能源利用效率和可靠性、适配性都必须做到极致。例如，从传统的冷却塔，冷水机组，冷量分配的CDU系统，到连接服务器的液冷连接管和管路，涵盖冷却过程全链条。

另一方面，AI在影响数据中心能耗的同时，也可“反哺”赋能数据中心，优化能源利用率。据了解，中国移动在其宁夏（中卫）数据中心部署AI能效优化系统，通过对数据中心的海量数据进行采集和治理，并以深度神经网络算法学习，自动寻找出制约PUE的关键因素，进而推理出在当前IT负载、室外温度等制约条件下，冷站、末端空调等系列设施的最佳参数组合，并监督下发，最终实现数据中心能效最优。现场测试显示，在第一阶段冬季场景下，数据中心总能耗降低3.2%。

不仅是优化数据中心能效，AI也在赋能能源领域，两者正加速融合。2025年，国家电网上海电力基于光明电力大模型打造了多域协同智能体智慧能源管理大师，规划“4+4”八大智能体，让AI赋能虚拟电厂与绿电协同。虚拟电厂全链路已实现四大智能体闭环，绿电溯源、碳流追踪、算电协同等智能体正在探索试点。南方电网建成电碳算一体化协同运营系统，打破电力运行、碳排放监测、算力负荷调度之间的数据壁垒，将碳排放量测算精度从月度级压缩至分钟级，以电价、绿电、电碳因子等电碳信息引导算力任务的编排调度，实现算力任务与电力价格、绿电供给、电网调控、碳排约束的精准联动。今年5月，国家能源局发布51个“人工智能+”能源高价值场景，包括清洁能源可靠灵活供给、电网安全稳定运行、能源新业态多元融合创新等领域，以场景需求牵引AI技术创新，加速AI技术与能源产供销全链条深度融合和规模化发展。

平衡电、算、热三张网，兼顾能效与碳效

不过，在实际应用中，AI的赋能作用受限于“数据”。AI在算力设施中的应用效果主要取决于数据、算法和算力，依然存在“数据孤岛”问题。据了解，对于能源系统相关的每家生产商来说，能源利用效率的整体优化固然重要，但保护自身创新技术与知识产权同样重要。将底层数据开放分享，并不符合商业逻辑。

北京理工大学副教授、博导王永真认为，理论上，通过AI替代人工进行智能运维可行，例如一些算力设施企业尝试利用AI作为控制器，对风扇、水泵等设备进行群控，从而减少能耗，优化PUE。但AI是典型的数据驱动型技术，其效果高度依赖数据质量与规模。理想上，如果要实现约10%的节能效果，往往需要大规模、多设备的数据支撑（例如上千台设备的运行数据）。而现实中，数据获取往往面临较大阻碍，不同厂商设备间协议不统一、接口封闭，导致关键数据无法采集。这使得AI模型训练只能基于小样本数据，往往难以找到全局最优解，节能效果可能仅为1%–2%，难以达到预期水平。

不仅如此，即使有AI技术的赋能，推动AI与能源双向赋能落地，发展绿色算力并非仅靠企业个体，更需国家的顶层设计，行业的共同推动，以及利益相关方协同。

一方面，需要平衡新型电网（电）、算力网（算）、城市地下管网（热）三张网，提升数据中心整体经济效益。

数据中心通过高效液冷与余热回收利用技术，可将“废热”变为“热源”，以区域供热网络为消纳出口，实现算力基础设施与能源系统的高效协同。2026年5月，丹麦国家级AI超算中心正式启用，该项目由南丹麦大学、丹佛斯与慧与科技（HPE）三方合作建成。据了解，超算中心通过部署先进液冷技术与热回收模块，实现全余热回收，将运行产生的废热回收后，直接接入森讷堡市区域供热管网，为当地建筑供暖。这一模式表明，数据中心不再是电网的负担，而是以AI为算力引擎，以余热回收实现价值转换，以区域供热网络作为基础设施底座，成为能源转型的资产。

当前，国家层面正加强“六张网”建设。2026年4月，国家层面提出，加强水网、新型电网、算力网、新一代通信网、城市地下管网、物流网等规划建设，7月相关会议指出，要系统推进“六张网”规划建设。但在实际落地中，还需标准法规引领，相关利益方才能形成合力。例如，供热模式按照面积还是实际需求收费，将直接影响数据中心整体的能源利用效率。因为，供热按面积收费，由于不同地区冷热不均，会导致部分热量的损耗，从而使得整体效益不及预期，不利于相关利益方合作。徐阳谈到，要想让三张相对独立的网相互平衡，关键在于政府制定相应标准法规，以约束性的指导意见，引领企业实际落地。例如，欧盟《能源效率指令》在城市协同规划中提出，人口超4.5万的市镇须将数据中心余热纳入地方供热制冷规划，促进电、算、热三张网融合。

另一方面，在数据中心绿色低碳发展中，并非仅有电能使用效率（PUE）一种指标，还需综合考虑整个生态资源系统，在不同指标之间取得平衡。

例如，欧盟根据修订后的《能源效率指令》建立的数据中心可持续性评级体系中，要求IT功率在500kW及以上的数据中心，每年需要报告能源绩效及四项关键可持续性指标，即电能使用效率（PUE）、水资源使用效率（WUE）、能源再利用系数（ERF）和可再生能源因子（REF）。这意味着，如果以牺牲水资源为代价，一味追求PUE，并不可取。此外，绿色网络联盟（The Green Grid）还制定了碳使用效率（CUE）指标，从碳排放角度衡量数据中心的可持续性。

中国在数据中心的绿色低碳评价中，也正从单一能效指标走向多维指标。例如，“双向赋能行动方案”中提出，在推动算力设施绿色低碳转型中，要持续提升算力设施能效碳效，构建绿电供给、高效用能、碳排放管控协同的全链条绿色低碳发展体系，鼓励企业开展能效碳效水平评估。国家电网冀北电网公司高级专家岳昊认为，“双向赋能行动方案”构建全生命周期碳管理机制，以刚性约束推动绿色转型。传统数据中心绿色考核以电能利用效率（PUE）为核心，但该指标无法反映用能结构。“双向赋能行动方案”将节能管理从单一的“能效控制”拓展为覆盖全生命周期的“碳排放控制”，鼓励开展碳足迹核算与认证，使企业在选址、设计、采购、运营各环节系统考虑低碳选择。徐阳谈到，以碳效作为指标，实际上是从能源的综合利用考虑，通过这一约束性指标，有利于AI与能源双向赋能从政策走向落地，推动行业相关利益者加强合作。

未来，在碳管理方面，算力网与电力网应深度融合，以碳价值作为算电协同的重要杠杆，引导算力与电力实现双向互动。王永真建议，构建以碳效为核心的算电协同分类分级体系，建立不同碳属性算力资源的画像和定价机制，通过差异化定价引导绿色算力优先配置和应用。他谈到，算力业务编排应充分考虑碳价格和电力碳强度，根据不同时间、不同区域的碳属性，优化算力任务调度，推动算力市场和算力服务低碳化。

------------------

城市因集聚而诞生。

一座城市的公共政策、人居环境、习俗风气塑造了市民生活的底色。

澎湃城市观察，聚焦公共政策，回应公众关切，探讨城市议题。