推动绿色技术创新，促进产业升级，支持绿色算力产业链上下游企业协同发展。
随着人工智能技术的飞速发展，算力已成为数字经济的核心生产力，其发展水平直接影响经济社会的数字化进程。与此同时，全球环境问题日益严峻，可持续发展成为各国共同面临的重大挑战。在此背景下，绿色算力应运而生，旨在提升计算能力的同时，最大限度减少能源消耗和环境影响，它强调通过技术创新和合理资源利用降低碳排放和减少能源浪费。
工业和信息化部等六部门印发的《算力基础设施高质量发展行动计划》中明确提出，开展绿色低碳技术研究，开展绿色低碳算力园区评价，发布算力设施绿色低碳发展年度报告等内容。据统计，当前全社会算力设施能耗占数据中心总能耗的60%以上，发展绿色算力具有重要意义。绿色算力是发展新质生产力的核心要素，也是未来产业赛道竞争的重要发展基础。
人工智能公司是算力资源最主要的使用者，其能耗和水耗问题须高度关注。预计到2027年，全球新制造的服务器与人工智能相关的电力消耗可能会增加到85〜134太瓦时（850亿〜1340亿度电），这个数字与荷兰、阿根廷和瑞典等国家的年用电量相当，约占全球当前用电量的0.5%。预计到2030年，人工智能的规模增长将导致数据中心用掉全球发电量的4.5%，大型人工智能公司为实现各自的碳减排目标，未来必将高度重视发展绿色算力。
一、绿色算力发展面临的挑战
从市场前景来看，绿色算力呈现广阔的发展空间。绿色IT服务市场规模预计从2024年的243.6亿美元增长到2029年的494.4亿美元，复合年增长率为15.21%；绿色计算市场预计从2023年的555亿美元增长到2032年的2200亿美元。
我国绿色算力技术供应存在缺口，无法满足高端、复杂应用场景的需求。同时，技术研发层面的产学研用协同创新机制尚不完善，高性能计算芯片和基础软件研发有待提升。此外，算力设备绿色发展面临应用成本和技术水平的双重制约，包括降低总用电量、提高服务器算力碳效水平并控制经济成本、采用低功耗处理器架构突破技术制约等。
持续完善算力生态建设，部分地区数据中心的实际运行效果与算力设计规模存在差距。
具体来说，一是亟须能源结构调整与供电安全稳定，提升清洁能源在电力结构中的占比是绿色算力发展的关键，但同时需要保证供电的安全性和稳定性。这涉及数据中心微电网或源网荷储一体化项目的建设，以及电力供需平衡问题。
二是储能技术研发的问题，为了适应数据中心的用能需求，需要研发适合的储能技术，以解决数据中心园区分布式能源并网问题，并减少数据中心冷却和通风系统的能源消耗。
三是绿色平台能力建设能力问题，算力平台作为基于互联网技术发展的软件环境，需要聚焦绿色平台能力建设，以实现算力的高效绿色计算。
四是产业协同合作不足，绿色算力的发展需要各产业之间的协同合作，但目前各产业之间缺乏有效的合作机制和平台，难以形成产业生态。
五是算力核心技术创新力度不够，我国算力核心技术创新力度不够，技术方面存在相对短板，特别是在绿色低碳方面，先进数据中心电能利用效率虽已达世界先进水平，但低碳发展重要技术推广仍然受限。
二、人工智能在企业绿色管理中的应用
人工智能在企业绿色管理中的具体案例展现了其多样化应用，包括能源优化、供应链管理、碳排放降低等多个方面，体现了人工智能技术在推动企业可持续发展中的重要作用。
西门子公司使用人工智能驱动的建筑管理系统，通过持续分析传感器数据来优化商业建筑的能源使用。该系统根据占用模式和外部条件自主改变供暖、通风和照明系统，通常可将商业建筑能耗降低20%〜30%。例如，某大型商业综合体采用该系统后，能耗显著降低，同时提升了建筑的可持续性。
微软公司的人工智能地球计划推动精准农业、水资源管理和生物多样性保护领域使用人工智能。如微软与大自然保护协会合作创建的人工智能驱动系统，可预测水资源短缺情况，帮助农民做出更明智灌溉决策，减少水资源浪费。在一些农业试点地区，该系统使灌溉用水效率提高了30%左右。
IBM的绿色地平线项目通过创建预测模型，利用人工智能算法评估来自气象、污染源和建筑传感器的大量数据，优化能源使用、降低排放并提高整体环境可持续性。例如，在某城市的能源管理项目帮助该市优化能源分配，使能源浪费减少了约25%。
在国内，美的集团的“iBUILDING美的楼宇数字化平台”为花旗集团大厦实现绿色节能改造，制冷系统运行费用降低40%，每年减碳超过2600吨。首个《绿色工业案例集》涵盖绿色能源、智能制造、绿色物流、低碳园区4个主要板块，为多个行业提供超过20个绿色工业解决方案。
三、人工智能对区域绿色技术创新的影响
在企业高质量发展过程中，技术、制度和行为的重组至关重要，绿色化和数字化转型成为研究热点。人工智能作为一种工具，能够改变其应用领域的创新程序，其大模型属性有助于区域结合绿色技术创造性发展所需的复杂知识项目，刺激当地在绿色发明方法方面创新，提高专门从事绿色技术的能力。然而，区域环境发展与人工智能技术结合的研究相对缺乏，关于人工智能特征与绿色技术特征在区域层面交互机制的理论分析也较为稀缺。
尽管人工智能在技术和研究领域成果丰富，但人工智能经济学仍处于起步阶段。在区域绿色专利领域，AI技术主要应用于绿色建筑与节能设计、智能电网与能源管理、环保监测与治理等领域，提高了相关领域的效能和治理能力。
大模型引领生成式人工智能快速升级，我国人工智能市场规模持续高速增长，2024年AI大模型市场规模约165亿元，人工智能核心产业规模超6000亿元，同比增长约15%。
四、绿色算力与人工智能的北京实践
1. 绿色算力发展
北京在绿色算力发展方面积极探索并取得了显著成果。在企业实践方面，北京电子数智科技有限责任公司（北电数智）规划设计并建设运营的星火·智算科技公园——北京数字经济算力中心以其极致的算效和能效，成功入选“2024年度绿色发展十大案例”。在算力资源利用方面，该中心通过前进·AI异构计算平台实现了国产混元异构算力的高效利用，提高了国产算力的利用效率，引领绿色算力的创新发展。在能效管理方面，该中心从规划、建设到运营都实施了全生命周期能效管理，采用先进的制冷系统和光伏建筑一体化BIPV技术，提高能源利用率，并通过AI预测负载变化，实现能耗管理智能调优，成功将PUE指标稳定维持在1.146的优异水平。
北京电信在昌平区建成的“云上京城”数据中心采用水冷技术，PUE值仅为1.2，相比传统制冷技术能耗降低超过30%。
此外，华为在北京建成的“云智天枢”数据中心，使用高效节能设备，IT设备平均PUE值为1.12，低于行业平均水平10%；腾讯在北京建成的“腾讯云智数中心”运用智能调度系统，实现算力资源智能调配，有效降低能耗。
截至2024年7月，北京市智算总规模已超过20000PFLOPS，其中绿色智算规模占比超过50%。此外，北京市出台一系列政策措施，如《北京市绿色数据中心评价标准》等，将从2026年起对PUE值高于1.35的数据中心征收差别电价，以激励数据中心提升能效，目标是到2027年实现智算基础设施软硬件产品全线自主可控，整体性能达到国内领先水平。
2. 人工智能产业发展
北京在人工智能领域的发展势头强劲，产业规模、企业数量、技术创新和应用等方面均取得了显著成绩，正朝着具有全球影响力的人工智能创新策源地和应用高地迈进。北京出台《北京市促进人工智能产业发展条例》《人工智能大模型产业创新发展三年行动计划（2024―2026年）》等政策，为产业发展营造良好政策环境。
2024年全年，北京市人工智能核心产业规模突破3000亿元，同比增长超12%。预计2035年中国人工智能产业规模达1.73万亿元时，北京仍将占据重要份额。
在企业数量方面，北京市的人工智能企业超过2400家，同比增长超过9%。上市公司46家，总市值约4.3万亿元人民币；独角兽企业36家，全国占比超过半数。北京市人工智能产业链条结构较为完整，涵盖基础层、技术层和应用层等环节，头部企业运行情况良好，独角兽企业持续释放活力，初创企业创新实力凸显。
在人才资源方面，北京拥有超过1.5万名人工智能学者，占全国的30.6%，14所高校设立人工智能学院或研究院，25所高校获批人工智能本科专业，27所高校拥有相关学科硕、博点，培养约3万名人工智能人才，数量居全国首位，为产业发展提供坚实的人才支撑。
在融资环境方面，北京2024年第三季度融资金额为121亿元，占全国AI融资总额的58%，如百川智能50亿元A轮融资、月之暗面超3亿美元B+轮融资等，资本活跃度高。
值得一提的是，北京在大模型领域处于全国领先地位，成为“大模型第一城”。截至2024年年底，全国已备案的人工智能大模型产品数量为302个，其中，北京市以105个备案大模型产品位居全国第一，约占全国备案总数的34.8%。众多科技大厂积极参与，掀起“百模大战”，如阿里、腾讯、百度等纷纷公布大模型研发及应用进展，垂直类大模型应用成为热门趋势。
北京率先发布相关政策，2023年5月发布《北京市促进通用人工智能创新发展的若干措施》，公布21项措施；发布《北京市推动“人工智能+”行动计划（2024―2025年）》，发放算力券和模型券，推动大模型产业发展。同时，北京也涌现出一批优秀的大模型企业，如智谱AI、百川智能、月之暗面、零一万物等，它们在融资、产品研发和市场应用等方面取得了显著成绩，但也面临着底层软硬件差距、顶尖人才缺乏、算力紧缺、高质量数据集缺乏、技术和应用瓶颈、政策落实需求精细化及商业化路径探索等挑战。
五、绿色算力发展对策建议
设立绿色算力技术创新基金，加大对企业开发绿色算力的支持力度。设立绿色算力技术创新基金，支持企业开展绿色算力技术研发，鼓励企业积极探索新技术、新方法，以提升绿色算力水平。加强技术研发，鼓励科研机构和企业加强绿色算力技术的研发，提高绿色算力的技术水平和市场竞争力。促进产业升级，推动传统数据中心向绿色数据中心转型升级，支持绿色算力产业链上下游企业的协同发展。
探索数据中心与电力企业合作共赢模式，提高算力利用效率。通过合理配置新能源发电、储能系统与数据中心的电力需求，提高能源利用效率，降低成本，同时减少碳排放。通过优化算法、提升算力资源调度能力等手段，提高算力的利用效率，减少不必要的能耗和浪费。推动算力资源共享，构建公共算力服务平台，加强数据、算力和经济之间的协同联动，实现算力资源共享和优化配置。
完善标准体系，建立健全绿色算力监管机制。建立绿色算力标准体系，制定和完善绿色算力相关标准和规范，包括能效标准、碳排放标准等，为绿色算力发展提供技术支撑和保障。加强监管与评估，建立监管机制，对数据中心的能耗、碳排放等进行定期评估和监管。制定绿色算力采购政策，在采购信息技术产品／服务时，优先选择具有较低环境影响、高能效和可持续性特点的算力服务和产品，优先选择地理位置靠近用户的数据中心，以减少数据传输过程中的能源消耗和碳排放。
搭建应用关键技术场景，加快面向重点领域的应用试点示范和规模落地。搭建应用支付、泛搜索等关键场景，提高算力利用率。支付场景采用多云协同、引擎调度等技术提高支付处理效率；泛搜索场景采用云原生分布式搜索技术提高搜索效率，从而在关键应用领域充分发挥绿色算力优势。深入挖掘绿色算力应用场景，从通用领域拓展至行业垂直领域，打造一批绿色算力产品及行业优秀实践案例。
制定数据共享机制，提升数据质量。建立区域绿色技术数据共享平台，制定数据共享规则，在保障数据安全和隐私的前提下，鼓励企业之间共享绿色技术相关数据。如新能源汽车制造企业可以共享电池性能和回收利用的数据，以便行业内企业利用 AI 技术开发更高效的电池回收技术。建立数据质量评估和标注体系，对于用于 AI 训练的绿色技术数据，如太阳能光伏电站的发电数据、森林碳汇监测数据等，进行准确性、完整性评估和标注。只有高质量的数据才能训练出成功的 AI 模型，从而更好地推动绿色技术创新。
