《RMI：2024解耦算力發展與碳排放–數據中心用能增長的挑戰與解決路徑研究報告（54頁）.pdf》由會員分享，可在線閱讀，更多相關《RMI：2024解耦算力發展與碳排放–數據中心用能增長的挑戰與解決路徑研究報告（54頁）.pdf（54頁珍藏版）》請在三個皮匠報告上搜索。

1、解耦算力發展與碳排放數據中心用能增長的挑戰與解決路徑2024.11rmi.org/2解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑關于落基山研究所（RMI）落基山研究所(Rocky Mountain Institute,RMI)是一家于1982年創立的專業、獨立、以市場為導向的智庫，與政府部門、企業、科研機構及創業者協作，推動全球能源變革，以創造清潔、安全、繁榮的低碳未來。落基山研究所著重借助經濟可行的市場化手段，加速能效提升，推動可再生能源取代化石燃料的能源結構轉變。落基山研究所在北京、美國科羅拉多州巴索爾特和博爾德、紐約市及華盛頓特區和尼日利亞設有辦事處。rmi.org/3解耦算力

2、發展與碳排放 數據中心用能增長的挑戰與解決路徑作者與鳴謝作者落基山研究所：李婷，李威，廖登峰，劉雨菁，劉子屹，王廣煦，王萌，徐紅柚作者姓名按姓氏首字母順序排列。聯系方式劉雨菁，yujingliurmi.org李 威，wlirmi.org 引用建議劉雨菁，李威，劉子屹，王萌，王廣煦等.解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑，落基山研究所，2024,https:/ CC BY-SA 4.0 許可參考、分享和引用我們的工作。https:/creativecommons.org/licenses/by-sa/4.0/除特別注明，本報告中所有圖片均來自iStock。鳴謝本報告作者特別感謝

3、以下來自企業和研究機構的專家對報告撰寫提供的洞見與建議。丁 世 興東南大學電氣工程學院丁 肇 豪華北電力大學電氣與電子工程學院郭豐中國電子學會節能減排工作推進委員會侯 士 彥中國通信學會信息通信能源專業委員會蔣 則 明聯通支付有限公司李 衛 兵聯通支付有限公司孟垚清華大學能源互聯網創新研究院歐 陽 武中國通信學會齊 曙 光中國通信學會信息通信能源專業委員會，中國信息通信研究院泰爾系統實驗室邵 雙 全華中科技大學能源與動力工程學院唐進北京中創碳投科技有限公司陶 思 成聯通支付有限公司完 欣 玥中國通信學會周 瀅 埡騰訊碳中和實驗室 本報告所述內容不代表以上專家和所在機構，以及項目支持方的觀點。r

4、mi.org/4解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑執行摘要算力是數據中心服務器對數據處理并實現結果輸出的一種能力，是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力。隨著全球產業數字化、智能化轉型升級，算力成為最受重視的戰略性生產力，對其的需求也在快速攀升。算力產生于數據中心的運行，并伴隨著大量的能源消耗，算力的指數級增長意味著數據中心用能的劇增。既要大力發展數字經濟，又要實現碳中和目標，則必須實現算力增長與能源消耗碳排放的解耦。若算力發展可以打破由傳統化石能源帶來的碳排放約束、實現規?；鲩L，算力驅動的數智化轉型將極大地賦能各行各業低碳轉型、產生協同效應。鑒此，從政

5、策、市場、技術路徑等方面深入探索算力增長與能源消耗碳排放的解耦，具有重要意義和高度緊迫性。當前，算力的發展速度已顯著超越能源基礎設施的規劃建設步伐，既加劇了能源穩定供給的壓力，也為雙碳目標和能源轉型帶來不小的挑戰。實現數據中心大幅度降低碳排放主要依靠能效提升和綠色電力的應用，但是，目前數據中心的建設標準中能效評估指標和能效措施尚不充分，算力需求與綠色電力供應之間存在時空不匹配問題，同時，數據中心節能降碳的政策和市場機制的協同保障不足，這些構成有效應對算力中心碳排放的主要挑戰。針對以上主要挑戰，本報告從數據中心規劃選址、建設改造、運行管理、保障機制的全流程視角，結合全球的最新趨勢與實踐，提出四個

6、方向的重點解決路徑，以期為政策制定者及行業實踐者提供兼具前瞻性與務實性的行動建議。統籌考慮六大要素，優化數據中心選址布局：數據中心應在選址階段堅持需求導向、成本導向、綠色導向、安全導向，綜合協調考慮算力應用場景、綠色電力資源、自然冷源、余熱利用、土地價格及政策、網絡基礎設施等要素，以確保在滿足業務需求和經濟性的同時，也能實現節能降碳潛力的最大化。發揮標準引領作用，提高數據中心能效水平：為提高數據中心的能效并促進減碳，應充分發揮標準的引領作用，設定合理的能碳指標，構建綜合的多指標能碳評估體系。同時，也應完善數據中心節能標準，積極引導新型制冷技術、高效安全供電及新型儲能、高效算力設備及系統等節能技

7、術以及余熱回收技術、智能化能源管理系統的應用。打造清潔低碳、電網友好的數據中心電力消費模式：在運行管理環節，最大化數據中心的綠電供應是實現數據中心用能低碳化的重要抓手。一方面，數據中心運行方可因地制宜地組合選擇場內分布式可再生能源、綠電專線直供、綠電交易、綠證交易等采購方式，加速實現電力供應的綠色化。另一方面，算力與電力系統的友好互動有利于實現電網清潔化和數據中心用電低碳化的雙贏效應，數據中心應充分挖掘算力調度、制冷等多個系統的時空靈活性，積極推動電力需求側管理、響應電力市場價格信號，促進實現園區、區域等多層級的算電協同效應。促成政策與市場合力，推動數據中心綠色發展：應完善針對數據中心和數據中

8、心產品（例如算力等）的碳排放約束政策和披露機制，通過上市公司、下游算力買方等主體推動數據中心碳排放披露，鼓勵購買低碳數據產品。應建立明確的數據中心碳核算體系，明確數據類產品的碳核算邊界，解決不同運營控制類型的數據中心碳排放權責分配問題。同時，應推動綠色金融工具在數據中心領域的應用，開發創新綠色金融工具、擴充綠色債券項目目錄，為節能降碳技術提供金融指引和資金支持。rmi.org/5解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑目錄執行摘要.41.解耦算力發展與碳排放是實現碳中和的必由之路 .61.1 全球算力發展浪潮推動數據中心用能和碳排放顯著增長.61.2.實現算碳解耦是達成數智化轉型

9、和低碳轉型雙贏的必經之路.92.全球數據中心算碳解耦的系統性挑戰.132.1.規劃建設難以協調，基礎設施落后于算力發展.132.2.多環節能效亟待提升，評估與建設標準缺乏指引.162.3.算力與綠電時空不匹配，用能低碳化存在顯著障礙.202.4.政策與市場保障有待完善，數據中心減碳缺乏推動力.213.數據中心算碳解耦全方位轉型路徑 .243.1.協同六大要素優化數據中心選址布局.243.2.多維度促進新建與既有數據中心能效提升.303.2.1 完善新建數據中心的能碳評估與建設標準.303.2.2 全面開展低能效數據中心降碳改造.313.3 將數據中心打造成大規模綠色電力消納的創新場景.343.

10、3.1 實現多元穩定的綠色電力供給.343.3.2 促進算力-電力系統協同運行.393.4.推動政策和市場機制保障數據中心節能降碳.424.賦能綠色智慧未來：算碳解耦行動建議 .46參考文獻.48rmi.org/6解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑1.解耦算力發展與碳排放是實現碳中和的必由之路1.1 全球算力發展浪潮推動數據中心用能和碳排放顯著增長 算力是數據中心服務器對數據處理并實現結果輸出的一種能力，是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力。隨著全球產業數字化、智能化轉型升級，算力i已經成為全球最受重視的戰略性生產力，對其需求也在快速攀升。近年來，大數據

11、、人工智能等新一代數字技術與實體經濟加速融合，正驅動著生產方式和生活方式的深刻改變。據國際數據公司（IDC）數據顯示，從 2017 年到 2022 年，全球十五個主要國家ii的數字經濟占GDP 的平均比重已經從 44.1%上升到 50.2%，預計到 2026 年將上升到 54.0%、金額超過 40 萬億美金1。伴隨著數據量的指數級增長，數據正在成為新一輪科技革命和產業變革的關鍵生產要素，算力則是激活數據要素增長潛能的最重要的新質生產力。對通用人工智能時代到來的普遍預期，使得算力建設加速形成新的浪潮。開放人工智能研究中心（Open AI）的ChatGPT 的發布引發了全球對人工智能大模型的廣泛關

12、注，人工智能的發展與布局是各國政府和企業的戰略布局重點之一。中國、美國、歐盟等主要經濟體均從國家（區域）層面發布了與人工智能及算力相關的戰略政策（圖表1）。繼 ChatGPT 僅用兩個月吸引了 1 億全球用戶后，谷歌、社群元宇宙公司 Meta、阿里巴巴、百度等科技公司也都各自開發推出了 Gemini、LLaMA、通義千問、問心一言等大模型，人工智能正快速滲透進各行各業和日常生活。伴隨著人工智能復雜度和能力的不斷提高，對算力的需求也在劇烈增加。據中國信息通信研究院測算iii，2023 年全球計算設備算力規模為 1,369EFlops，連續兩年增速近 50%，且預計未來 5 年增速將超過 50%2

13、。數據中心是承載算力的物理實體，并建立在計算、存儲、通信三大科技基礎上，正在從提供傳統基礎算力向提供智能算力快速發展。近 20 年，全球數據中心市場規模的年平均增長率突破了 20%，并經歷了三個主要發展階段，即從初始的服務于政府、高校和企業的本地化信息和計算中心，過渡到云服務供應商引領的公有云計算中心，再發展到近年來面向人工智能場景的智能算力中心3。中國數據中心市場同樣歷經了一輪高速發展，根據工業和信息化部數據，截至 2023 年底，全國在用數據中心標準機架超過 810 萬架，算力總規模達到 230EFLOPS，近 5 年年均增速近 30%，其中智能算力規模達到 70EFLOPS，較上一年增速

14、超過 70%，智能算力占比已提高到 30%以上4。預計到 2025 年，中國在全球數據中心市場規模的占比將從 2008 年的 6%上升到 30%左右5。i 算力（Computing Power），是數據中心服務器對數據處理并實現結果輸出的一種能力，是衡量數據中心計算能力的一個綜合指標，包含通用計算能力、超級計算能力和智能計算能力。常用計量單位是每秒執行的浮點運算次數（FLOPS，1EFLOPS=1018FLOPS），數值越大代表綜合計算能力越強。來源于 算力基礎設施高質量發展行動計劃。ii 包括：美國、中國、日本、德國、印度、英國、法國、加拿大、意大利、巴西、韓國、澳大利亞、愛爾蘭、新加坡和南

15、非（按2022年GDP排序）。iii 根據2017年起的每年服務器出貨量*當年服務器平均算力累加測算；EFlops指每秒進行百億億次浮點運算的能力。rmi.org/7解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 1全球部分國家（經濟體）算力發展關鍵政策一覽國家.(經濟體)算力發展關鍵政策、戰略、計劃主要目標美國國家戰略性計算計劃（更新版）：引領未來計算引領未來的先進計算生態系統：戰略計劃.國家人工智能研究和發展戰略計劃 建成有活力的國家大數據創新生態系統 將先進計算生態系統作為國家的戰略資產 保持美國在人工智能領域的領先地位中國全國一體化大數據中心協同創新體系算力樞紐實施方案新型

16、數據中心發展三年行動計劃（20212023年）數字中國建設整體布局規劃 加快打造一批算力高質量供給、數據高效率流通的大數據發展高地 構建以新型數據中心為核心的智能算力生態體系，發揮對數字經濟的賦能和驅動作用 到 2035 年，數字化發展水平進入世界前列，數字中國建設取得重大成就歐盟高性能計算：歐洲在全球競爭中的地位2030數字指南針塑造歐洲的數字未來 實現高性能計算領導地位 到 2030 年，有至少2,000 萬 ICTiv領域專家 到2030年，至少75%的歐盟公司應進行云計算、大數據和人工智能等的實際應用，至少 90%的中小企業應達到基本數字化水平日本半導體和數字產業戰略綜合數據戰略 建設

17、“超智能社會 5.0”發展優質云產業，培育扎根于日本的數字產業，促進數據基地建設 德國德國人工智能戰略國際數字化政策戰略 將德國和歐洲打造成人工智能的領先基地，確保德國未來的競爭力 加強安全、可持續的全球數字基礎設施建設新加坡國家人工智能戰略數字連接藍圖 到 2030 年，在高價值關鍵領域成為全球人工智能部署與解決方案創新的領跑者 確保新加坡的數字基礎設施具備世界一流的韌性和安全性來源：落基山研究所整理算力生產，或者說數據中心的運行伴隨著大量能源的消耗，算力的指數級增長也將帶來數據中心用能的劇增，其中最主要的能源消耗來自于電力。全球發電量中超過 60%來自煤炭、天然氣等化石燃料6，意味著如果不

18、改變現有發電結構，算力用電的不斷增長也將帶來更多的碳排放。據國際能源署估算，2022年全球數據中心用電量約4,600億千瓦時，占全球用電量的 1.7%左右，折算碳排放約 2.2 億噸v；預計在 2022 到 2026 年期間，取決于數據中心的部署速度和能效提高幅度，以及人工智能、區塊鏈等技術發展速度，數據中心用電量年均增速將達到 823%，即 2026 年用電量可能達到 6,20010,500 億千瓦時7，對應碳排放約 2.94.9 億噸。展望 2030 年，根據多家半導體研究和資訊公司（如 Semianalysis8、TechInsights9）和金融機構（如高盛10）預測，全球數據中心年用

19、電量將進一步上升到 7,500 23,000 億千瓦時，對應年碳排放約 3.410.4 億噸。iv ICT(Information and communication technology)指信息通信技術。v 根據數據中心年用電量*當年的全球平均電力排放因子計算，2019-2023全球電力排放因子數據來源于EMBER，20242030年的排放因子按照趨勢外推得到，https:/ember-energy.org/data/yearly-electricity-data/。rmi.org/8解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 2全球數據中心用電量和對應碳排放趨勢 來源：國際

20、能源署 IEA，能源智庫 EMBER，落基山研究所除了向電網采購電力所帶來的間接排放以外，數據中心運行過程中的溫室氣體排放來源還包括備用柴油發電、制冷劑溢散等環節（圖表 3）。數據中心對供電可靠性要求極高，目前尚沒有成熟的低零碳備用電源解決方案，因此會配備柴油發電機作為備用電源。柴油發電機發電的平均排放因子約為 0.762 kgCO2/kWhvi，為 2023 年全球電網排放因子（約 0.482 kgCO2/kWh）的 1.6 倍左右。數據中心中柴油發電機排放總量取決于其使用頻次。此外，數據中心制冷劑逸散也會導致部分溫室氣體排放，排放總量取決于制冷劑的溢散率。以數據中心制冷系統常用制冷劑 R4

21、10a 和 R134a 為例，其在 100 年的時間框架內，對大氣溫室效應的貢獻分別相當于相同質量二氧化碳的1,924 倍和 1,300 倍11。根據聯合國政府間氣候變化專門委員會（IPCC）公布的默認值，中大型商用空調所需填充制冷劑在 50-2,000kg 之間，年溢散率 10%30%12。此外，從全生命周期角度來看，若考慮算力生產使用的設備、所在數據中心建設過程的隱含碳排放等，算力的碳足跡會進一步上升。vi 根據 GHG Protocol，柴油燃燒的二氧化碳排放因子是 74100 kgCO2/TJ；進一步假設發電效率 35%，計算得到柴油發電排放因子。用電量,億千瓦時碳排放，億噸12,00

22、010,0008,0006,0004,0002,00006.05.04.03.02.01.0020192020202120222023202420252026碳排放(低情景)碳排放(基礎情景)碳排放(高情景)用電量(低情景)用電量(基礎情景)用電量(高情景)rmi.org/9解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑算力生產電力生產圖表 3算力生產流程圖及碳排放來源來源：落基山研究所1.2 實現算碳解耦是達成數智化轉型和低碳轉型雙贏的必經之路 在碳中和這一全球共識的背景下，多個國家（地區）亦陸續提出了數據中心低碳發展的相關政策目標。截止到2024 年 8 月，全球已有 147 個國

23、家做出了碳中和承諾以應對氣候變化、實現可持續發展，這覆蓋了全球約 93%的 GDP、89%的人口和 88%的溫室氣體排放13。世界各國政府在將算力發展視為重要戰略的同時，也認識到了相關的能源消費與碳排放的問題，并頒布了一系列配套政策，要求數據中心進行節能降耗和低碳轉型（圖表4）。例如，基于數據中心優化倡議等一系列政策，美國正在通過改造或關停老舊低效的數據中心、提升服務器利用率及設施可用性等措施降低數據中心的能耗；歐盟提出了數據中心行業的降碳目標，并要求數據中心對電能利用效率（PUE）、基礎設施效率（DCiE）vii等指標進行報告，加速構建數據中心節能體系架構、推廣數據中心實踐指南，力求確保數據

24、中心在 2030 年之前達到氣候中性的目標。在雙碳目標指引下，我國正在多措并舉推動數據中心綠色低碳發展，相繼發布 深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見、數據中心綠色低碳發展專項行動計劃、數字化綠色化協同轉型發展實施指南等政策，不斷完善數據中心建設布局，嚴格要求新建項目能效水平和推進存量項目節能降碳改造，并提出到 2025 年，新建及改擴建大型和超大型數據中心 PUE 降至 1.25 以內，即在 2023 年全國數據中心平均水平 1.4814的基礎上下降約 16%，同時還須優化數據中心新能源供給方式，促進算力電力協同規劃布局。vii 數據中心電能利用效率（Power Us

25、age Effectiveness，PUE）指數據中心總耗電量與數據中心IT設備耗電量的比值，PUE數值越接近1，表明用于IT設備的電能占比越高，制冷、供配電等非IT設備耗能占比越低。數據中心基礎設施效率（Data Center Infrastructure Efficiency,DCiE）是PUE的倒數。設備等制造和運輸過程排放（隱含碳）數據中心建設和建材制造、運輸過程排放.（隱含碳）存儲與服務器制冷系統配電系統（含不間斷電源UPS）備用柴油發電機網絡通信設備分布式可再生能源照明及其他(+)溫室氣體：制冷劑溢散等()副產品排放電力流碳排放熱力流算力余熱電網供電(+)溫室氣體：對應電網排放因子

26、（+）溫室氣體：柴油燃燒rmi.org/10解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 4部分國家（經濟體）數據中心綠色低碳發展關鍵政策一覽國家（經濟體）關鍵政策、戰略、計劃主要內容美國數據中心優化倡議（2016版）數據中心優化倡議（2019版）數據中心優化倡議2016版要求新建數據中心PUE低于1.4，老舊改造數據中心PUE低于1.5 但2019年更新版中已經刪除了對PUE的要求，新增對數據中心安裝能源計量設備、提高服務器虛擬化率、提高服務器的利用率、報告以小時為單位的設施可用性等方面的要求中國深入實施“東數西算”工程加快構建全國一體化算力網的實施意見數據中心綠色低碳發展專項

27、行動計劃數字化綠色化協同轉型發展實施指南 到2025年底，新建及改擴建大型和超大型數據中心PUE降至1.25以內，國家樞紐節點數據中心PUE不得高于1.2 到2025年底，算力電力雙向協同機制初步形成，國家樞紐節點新建數據中心綠電占比超過80%推動綠色低碳數字基礎設施建設，推進低效設施節能降碳改造，“老舊小散”設施整合改造 統籌數據中心發展需求和新能源資源稟賦，開展算力、電力基礎設施協同布局規劃，提升算力與電力協同運行水平歐盟歐洲綠色協議歐洲的氣候中和數據中心公約能源效率指令 最晚到2030 年實現數據中心氣候中性 到2030年數據中心能源效率提升至少30%，且要求新建設施必須達到嚴格能效標準

28、日本綠色增長戰略 到2030年所有新建數據中心節能30%，并要求數據中心使用部分可再生能源電力；到2040年實現半導體和通信行業的碳中和目標 德國能源效率法案.根據數據中心建成運營時間不同，要求PUE不得高于1.21.5，可再生能源使用比例不得少于10%20%從2025年起新建的數據中心余熱回收率達到30%新加坡綠色數據中心路線圖 提出提高冷卻設備效率、IT設備溫濕度耐受能力、數據中心的資源調度和負荷分配集成優化能力等建議來源：落基山研究所整理全球數據中心市場的領先企業也陸續提出了企業自身的碳中和目標，使得解耦算力增長與碳排放上升呈現了政府和企業雙輪驅動的趨勢。截至 2024 年 11 月，全

29、球超過 6,000 家組織機構已根據科學碳目標倡議（SBTi）的要求設定或承諾設定與 1.5溫控目標一致的減排目標，其中 420 家屬于軟件服務業，在所有行業中排名第三，占比6.8%15。全球五百強企業中，互聯網科技企業和數據中心服務商的碳中和目標大多設定在 2030 年及之前，早于多數企業所設定的 2050 年目標。鑒于算力市場相關企業碳排放源涉及上下游設備生產和運輸、員工出行等價值鏈相關排放16，目前國內外已有多個領軍企業針對價值鏈層面設定了減排目標并取得了初步成果（圖表 5）。以谷歌、微軟、荷蘭支付公司 Adyen 和德國電子商務公司 Zalando 為代表的全球互聯網公司已經相繼實現自

30、身運營碳中和，并向“全天候零碳能源”（24/7 CFE）viii供應目標努力。中國數據中心和云服務企業中，已有至少 12 家提出了自身運營以及價值鏈相關的碳中和目標，其中，騰訊和阿里巴巴云計算業務率先宣布將不晚于 2030 年實現自身運營及價值鏈碳中和。viii 根據24/7 全天候零碳能源（24/7 CFE）契約定義，24/7 CFE指所有地點每天每個小時的每千瓦時用電量都由零碳電力供應，https:/www.un.org/en/energy-compacts/page/compact-247-carbon-free-energy。rmi.org/11解耦算力發展與碳排放 數據中心用能增長的

31、挑戰與解決路徑圖表 5全球部分數據中心相關企業碳中和目標企業類型企業目標設定及路線圖自身運營層面價值鏈層面數據中心具體目標數據中心運營商Equinix 到2030年，實現 100%可再生能源利用 到2030年，范圍一和范圍二ix實現氣候中和 到2030年，燃料和能源相關活動產生的范圍三溫室氣體絕對排放量較2019年減少 50%到2025年，讓66%的供應商完成科學碳目標（SBT）的設定 到2030年歐洲數據中心實現碳中和 通過發行綠色債券獲取資金，并將全部凈收益用于支持綠色數據中心、能效項目和購電協議秦淮數據 到2050年，運營范圍溫室氣體排放量較2022年下降 90%到2050年，價值鏈范圍

32、溫室氣體排放量較2022年下降90%平均PUE長期保持1.21或更低水平 到2030年，集團國內新一代超大規模數據中心，將100%采用可再生能源 到2040年，全球自有數據中心算力園區100%使用綠色能源萬國數據 到2030年實現碳中和及100%使用可再生能源 公開資料有限 2030年數據中心的平均PUE達到1.20中國移動 到2025年，單位電信業務總量綜合能耗下降率較2020年不低于20%到2025年，單位電信業務總量溫室氣體排放下降率較2020年不低于20%公開資料有限 自建新大型、超大型數據中心年均設計PUE控制在1.3以下，嚴寒與寒冷地區進一步控制在1.25以下云服務提供商Amazo

33、n 2023年全球運營所使用的電能實現100%可再生能源匹配 2040年實現凈零碳排放 公開資料有限 2023年全球數據中心運營所使用的電能實現100%可再生能源匹配Google 2017 年全球運營（包括數據中心和辦公室）實現100%的可再生能源 到2030年在所有業務和價值鏈中實現凈零排放（盡可能通過減少并移除排放實現目標）到2030年，將范圍一、范圍二和范圍三的綜合絕對排放量較2019年減少50%到2030年，所有數據中心和辦公園區均采用全天候零碳能源運營Microsoft 到2025年實現100%采用可再生能源 到2030年實現碳負排放 到2050年，從大氣環境中消除自1975年公司成

34、立以來的碳排放量總和，其中包括直接排放和因用電產生的間接碳排放 到2030年范圍三排放量相較于2020年減少50%以上 到2030年，在100%的時間里，實現100%的電力消耗與零碳能源相匹配阿里巴巴 不晚于2030年實現自身運營碳中和 不晚于2030年，阿里巴巴協同上下游價值鏈實現碳排放強度比2020年降低50%云計算作為數字化基礎設施，在同阿里巴巴一起實現范圍一和范圍二碳中和的基礎上，率先實現范圍三的碳中和，成為綠色云 保持自有數據中心年均PUE不超過1.3騰訊 不晚于2030年，實現100%綠色電力 不晚于2030年，實現自身運營及供應鏈的全面碳中和 自建數據中心平均PUE不超過 1.3

35、5來源：綠色和平17，各公司官網，落基山研究所整理ix 根據溫室氣體核算體系：企業價值鏈（范圍三）核算和報告標準 的定義，企業溫室氣體排放可以被分為范圍一、范圍二和范圍三。范圍一報告企業擁有或控制的運營產生的排放。范圍二報告企業消耗的購買或收購的電力、蒸汽、供熱或供冷而產生的排放。范圍三報告企業價值鏈上發生的所有間接排放（范圍二中未包括的），包括上游和下游的排放。對應表中，范圍一和范圍二指企業自身運營層面的直接或間接溫室氣體排放，范圍三指價值鏈層面的間接溫室氣體排放。rmi.org/12解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑若算力發展可以打破由傳統化石能源帶來的碳排放約束、實現

36、規?；鲩L，由算力驅動的數智化轉型將極大地賦能各行各業，通過與各種降碳技術結合，與低碳轉型產生協同效應。數智技術是實現碳中和目標的助推器，可以和多種降碳技術結合、融入產業應用場景，從而顯著提升生產和服務效率，并推動生產方式和消費模式向綠色、節能、循環的方向發展18。以電力行業為例，在電力生產端，數智技術的應用可顯著提高波動性新能源的預測精度，優化電力市場交易策略、提高收益率，促進新能源資產的可持續投資；在電力輸配端，數智技術在電網一二次設備、發電機組和調度管理系統的廣泛應用可提高電力調度的預判、預控能力，利用無人機、機器人等數智手段進行設備巡檢也會極大提高電網運維管理的效率；在電力消費端，數智

37、技術可對能源供給和消耗進行全方位實時檢測，輔助企業和園區開展能效分析和生產環節優化等。圖表 6實現碳中和的創新科技體系來源：落基山研究所&百度智能云19rmi.org/13解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑2.全球數據中心算碳解耦的系統性挑戰 2.1 規劃建設難以協調，基礎設施落后于算力發展 隨著生成式人工智能的發展，企業的算力投資逐步從通用算力轉向智能算力，算力需求呈現爆發式增長。相較于傳統數據中心提供通用算力，智算中心提供的智能算力在硬件層面大規模使用 GPU、FGPA、ASIC 等 AI 芯片替代通用的 CPU 芯片。標配的超微 8 卡 GPU 智算服務器設計功能為

38、3,000 瓦，是通用 X86 CPU 服務器設計功率 350瓦的 89 倍。據谷歌和美國加州大學伯克利分校研究，在人工智能訓推任務等需求推動下，提供智能算力帶來的能耗將明顯增加：在訓練階段，假設數據中心 PUE 為 1.1，在 10,000 張英偉達 V100 GPU 上訓練 OpenAI GPT-3 模型大約需要14.8 天，總能耗將達到 128.7 萬千瓦時。GPT4.0 模型有參數 1.8 萬億，共使用 2.4 萬臺 A100 GPU 服務器，訓練時間 90100 天，模型訓練耗電量更大。在推理階段，耗電量將進一步提高。假設 ChatGPT 每天接受 1.95 億次需求，則其每日運行所

39、需電量將達到56 萬千瓦時，對應年用電量約為 21 萬名中國居民的全年生活用電量。數據中心智算化趨勢帶來用電需求的巨幅增長，加劇了全球電力短缺，也面臨自身可持續規?；l展的瓶頸。據世邦魏理仕（CBRE）發布的2024 全球數據中心趨勢報告，全球持續的電力短缺問題顯著制約了數據中心市場規模增長，北美、歐洲、拉丁美洲和亞太地區的數據中心運營商都不得不將獲取電力作為首要關注。電力基礎設施規劃周期長、建設工程點多面廣，輸配電網規劃建設節奏往往落后于數據中心，大量數據中心項目密集并網容易導致電網接入資源緊張（圖表 7），突顯由局部地區短時間新增的數據中心給電力保供帶來的壓力。圖表 7數據中心、各類型發電

40、機組、輸配電網規劃建設周期對比來源：國際能源署 IEA20，美國能源署 EIA21，落基山研究所大型數據中心光伏風電水電煤電氣電核電輸電網配電網大型變電站01234510年及以上rmi.org/14解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑中國數據中心用電量也呈現加速上漲趨勢，預計從 2023 年到 2030 年，其在全社會用電量中的占比可能從 1.6%增長到 5%左右。根據中國信通院測算，截至 2023 年底，我國數據中心總耗電量達到 1,500 億千瓦時，同比增長15.4%，占我國全社會用電量的 1.6%，對應碳排放總量約為 0.84 億噸22；到 2030 年，數據中心的用電

41、量在低、中、高三種不同的增長假設下，分別將超過 3,000 億、4,000 億和 7,000 億千瓦時23，相比 2023 年用電量翻 25 倍x。假設我國全社會用電量在 2023-2030 年間保持 6.7%的年增速，預計到 2030 年中國數據中心用電量占比將增加到 2.0%5.1%。圖表 8 中國數據中心用電需求預測，20192030 年注：假設未來七年全社會用電量年均增長率為 6.7%。來源：中國信息通信研究院24，中國電力企業聯合會25，落基山研究所同時，數據中心呈現大型化和區域集聚化趨勢，進一步加劇了對局部地區電網供電穩定性的挑戰。隨著技術和商業模式的發展，全球數據中心業務形態已經

42、從機柜租賃轉變為算力租賃，要求更高效、集約地部署算力，推動了全球大型數據中心集約建設和微小數據中心的轉型淘汰。根據市場研究機構 Synergy Research Group 數據，截至 2023 年底，全球大型數據中心數量增加到 992 個，并在 2024 年初突破千個大關，相比 2018 年底數量增長一倍，預計未來四年大型數據中心數量將再翻一番26。大型化和集聚化趨勢導致單點用電負荷顯著增長，容易造成所在配電網局部過載、上級輸電線路阻塞等影響供電穩定性和電能質量等問題。以美國為例，美國電力科學研究院EPRI 預計美國數據中心占全社會用電量比例將從 2023 年的 4%增長到 2030 年的

43、4.6%9.1%xi（根據不同情景），其中 80%的數據中心用電量將集中在全美約 30%的州中27，道明證券（TD Securities）測算得克薩斯州達拉斯市、弗吉尼亞北部、俄亥俄州新奧爾巴尼市、加州硅谷等數據中心集中區域會相繼發生電力系統靈活性和可靠性資源不足的問題28。x 目前數據中心在官方用電量統計中并未單獨列項，因此其現狀及未來預估用電量數據均為各家機構估算得到。不同機構采用的統計口徑和估算方法存在差異，但對數據中心用電量未來保持增長基本存在共識。xi EPRI 的報告分析了美國數據中心在四種情景下的未來能耗情況。在低增長情景中，數據中心用電量將以每年 3.7%的速度增長，到 203

44、0 年美國數據中心用電量占美國總用電量達到 4.6%。在中等增長情景中，預計數據中心用電量年增長率為 5%，到 2030 年數據中心用電量占總用電量的 5%。高增長情景中，數據中心用電量年增長率為 10%、15%，到 2030年數據中心將消耗美國總用電量的 6.8%至 9.1%。7,5007,0006,5006,0005,5005,0004,5004,0003,5003,0002,5002,0001,5001,00050001.01.21.61.71.93.71.11.52.02.42.75.12.92.02520151050高情景中情景低情景%億千瓦時20192020202120222023

45、2024E2025E2026E2027E2028E2029E2030E數據中心用電量預測(高情景)數據中心用電量預測(中情景)數據中心用電量預測(低情景)占全社會用電量比例(高情景)占全社會用電量比例(中情景)占全社會用電量比例(低情景)rmi.org/15解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 9美國各州數據中心 2030 年用電量占比預估及局部地區潛在電力系統挑戰舉例注：各州 2030 年數據中心用電占比數據為 EPRI 報告中四種情景數據的平均值。來源：TD Securities29，數據中心咨詢公司 Data center dynamics30，EPRI31，落基山

46、研究所在我國，算力發展帶來的用電需求將進一步向樞紐集群城市聚攏。2021 年發布的全國一體化大數據中心協同創新體系算力樞紐實施方案32對全國算力布局進行了頂層設計，提出了八大國家樞紐節點xii建設布局，后續確定對應的十大集群xiii；2023 年國家發展改革委等部門聯合印發的深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見進一步強調，國家樞紐節點外原則上不得新建各類大型及超大型數據中心，目標到 2025 年底，國家樞紐節點地區各類新增算力占全國新增算力的 60%以上33。在國家樞紐節點建設和承接周邊算力需求溢出的推動下，各個集群耗電量出現明顯增長，張家口數據中心用電量占全市用電量比

47、重已經從 2019 年的 6.8%增長至2023 年的 20.1%，慶陽“東數西算”產業園區終期規模年用電量預計將達到 2022 年全市用電量的 3.2 倍34，區域電網企業增容和配套電源建設壓力進一步增加。xii 八大樞紐指京津冀樞紐、長三角樞紐、粵港澳大灣區樞紐、成渝樞紐、內蒙古樞紐、貴州樞紐、甘肅樞紐、寧夏樞紐。xiii 十大集群指中衛集群、天府集群、重慶集群、貴安集群、慶陽集群、和林格爾集群、張家口集群、蕪湖集群、韶關集群、長三角生態綠色一體化發展示范區集群。0%5%5%10%10%15%15%20%20+%2030年俄勒岡州數據中心用電量占比：13%24%，在四種情景下平均為18%預

48、計到2034年夏天，硅谷地區將出現電力可靠性不足問題，到2035年數據中心用電負荷將翻倍2030年北達科他州數據中心用電量占比：18%31%，在四種情景下平均為23%伊利諾伊州存在輸電限制挑戰；2030年伊利諾伊州數據中心用電占比：7%13%，在四種情景下平均為9%預計到2028年夏天，俄亥俄州新奧爾巴尼地區將出現電力可靠性不足問題預計到2027年冬季，弗吉尼亞北部將出現電力可靠性不足問題；2030年弗吉尼亞州數據中心用電量占比：29%46%，在四種情景下平均為36%達拉斯已經出現電力可靠性不足問題rmi.org/16解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 10“東數西算”

49、工程規劃的八大樞紐和十大集群數據中心用電情況來源：國家發展改革委35，公開資料xiv，落基山研究所2.2 多環節能效亟待提升，評估與建設標準缺乏指引 能效提升是降低數據中心用能的關鍵手段之一，數據中心的 IT 設備、制冷系統、供配電系統均有能效提升的巨大潛力。2023 年我國數據中心平均 PUE 為 1.48，IT 設備能耗約占數據中心總能耗的 67%，制冷系統約占 27%，供配電系統約占 5%，照明及其他約占 1%36。數據中心的節能技術可以分為 IT 設備節能和輔助設備節能兩個部分，這些技術共同作用于整體能效提高和能源消耗量的減少?；跀祿行哪苄灮膶嶋H應用和最新技術進展，圖表 6 展

50、示了數據中心能效提升的巨大潛力。在常規優化情景下，通過采用如虛擬化技術和儲存設備升級等 IT 設備能效優化措施，數據中心能耗可減少約 20%；通過采用如內部氣流優化等冷卻系統優化手段，數據中心能耗可進一步減少約 15%，使數據中心整體能耗有望下降約 35%。在極致節能情景下，數據中心 IT 設備與輔助設備均采用最先進的能效技術，總體能耗有可能下降至 70%。xiv公開資料來源包括國網冀北電力有限公司經濟技術研究院、韶關頭條公眾號、國網慶陽供電公司公眾號、智慧重慶公眾號、貴州貴安新區管理委員會公眾號。蕪湖集群長三角生態綠色一體化 發展示范區集群寧夏 樞紐成渝 樞紐貴州 樞紐甘肅 樞紐內蒙古樞紐京

51、津冀 樞紐長三角 樞紐粵港澳 樞紐張家口集群張家口數據中心用電量占全社會用電量比重從2019 年的 6.8%增長至2023 年的 20.1%和林格爾集群中衛集群天府集群慶陽集群慶陽“東數西算”產業園區終期規模年用電量將達到 200 億千瓦時，用電量將是 2022 年慶陽全市用電量的 3.2 倍重慶集群重慶全市數據中心實際在用約 6 萬個機柜、27萬個服務器，其耗電量相當于 30 個 10 萬人口縣城的居民用電量貴安 集群2024 年上半年，貴安新區數據中心生產用電量 7.76 億千瓦時，同比增長49.1%。數據顯示，新區大數據產業呈現“加速跑”趨勢韶關集群2023 年，韶關全社會用電量為 18

52、0 億千瓦時；2025 年韶關建成 50 萬架標準機架的數據中心后，年消耗電能預計約 70 億千瓦時rmi.org/17解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 11數據中心能效提升潛力注：基準情景下數據中心的總能耗設定為 100。來源：廣西大學37，落基山研究所既有數據中心的能效提升問題尤為迫切。中小型數據中心建設時間較早，PUE 普遍較高，有的超過 1.8 甚至在 2.0以上。據測算，2023 年我國中小型數據中心機架約 110 萬架，年度總耗電量約 256 億千瓦時，占數據中心年度總耗電量的 17%xv。大型數據中心和超大型數據中心得益于規模效應，能更高效地分配和使用電

53、力、冷卻和空間等資源，整體運行能效相對較高。截至 2019 年底，全國超大型數據中心平均 PUE 已降至 1.46。但超大型數據中心規模龐大，能耗總量依然居于高位。低能效數據中心亟需進行節能改造、有效降低能源消耗和運營成本，才能延長使用壽命以繼續支持人工智能等新技術的快速發展。國家政策已經對存量數據中心的能效推升提出了明確要求。國家發展改革委等部門印發的數據中心綠色低碳發展專項行動計劃中明確提出加快推進低效數據中心節能降碳改造和“老舊小散”數據中心整合改造，結合現行標準要求，逐步淘汰不符合現行強制性國家標準要求的落后低效產品設備。數據中心節能技術已經相對成熟，但目前推廣節能技術存在主要障礙，即

54、數據中心建設標準中的能效評估指標和相應能效措施尚不充分、需要完善。以 PUE 作為主要評估指標具有較大局限性。PUE 為比值指標，它不能反映能耗總量的變化，無法全面衡量數據中心的能效水平。僅依靠 PUE 值評判，易導致僅關注數據中心輔助設備（制冷、配電、照明等）的能效變化，而忽視 IT 設備自身的節能潛力。例如，IT 設備利用率通常比較低，如服務器利用率僅在 5%15%，即便在空閑狀態下，服務器也會以最大功率的 30%-40%運行38，導致大量電力浪費，這一問題無法在 PUE 中體現出來。例如，在某項目中，數據中心通過虛擬化技術將 IT 設備運行功率從 100kW 降低到 80kW，總耗電功率

55、從 143kW 降低到 116kW，相比虛擬化前節省約 27kW，但 PUE 反而從 1.43 升高至 1.4539。實際上，IT設備層面的能效提高會在整個數據中心產生“級聯效應”，減少配電和制冷系統的能耗。例如，在一個PUE值為1.9的數據中心中，服務器層面每節省 1W 能源，整體可節省約 2.84W（圖表 12）。xv落基山研究所基于工業和信息化部數據測算。1009080706050403020100基準情景常規優化情景極致節能情景IT設備制冷系統供電系統照明及其他rmi.org/18解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 12IT 設備能效提升帶動數據中心整體節能的能

56、效瀑布原理來源：維諦技術40，落基山研究所另一方面，數據中心的建設與管理標準對能效措施的引導不足。數據中心設計規范中引用了公共建筑節能設計標準里的圍護結構熱工設計節能規定，忽略了數據中心與公共建筑在能效要求上的本質區別。公共建筑如辦公樓、商場以提供舒適的人居環境為主要目標，而數據中心則主要為 IT 設備服務。IT 設備功率大、發熱量高，需要持續地將熱量排到室外，因此，數據中心在圍護結構的能效要求上，必須考慮其獨特的熱環境特性，這與公共建筑的能效要求存在顯著差異。盡管我國數據中心標準體系已基本覆蓋從規劃設計、施工驗收到維護改造的全生命周期管理（圖表 13），但尚未針對不同規模與業務類型的數據中心

57、制定全面的能效引導性指標。雖然部分地方標準在節能減排方面提出了更具體的要求（圖表14），例如設定了數據中心規模對應的 PUE上限，鼓勵使用太陽能、風能等可再生能源，并在制冷設備、供配電系統、給排水系統、余熱利用等方面推薦了一些詳細的節能技術措施，但這些規定尚未在全國性標準中體現，且缺少節能措施的定量要求。各部分節能情況/W服務器組件-1直流-直流-0.18交流-直流-0.31冷卻-1.07配電-0.04建筑接電裝置/變壓器-0.1UPS-0.14總節能量-2.840-0.5-1-1.5-2-2.5-3rmi.org/19解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 13我國現有數

58、據中心標準體系來源：落基山研究所圖表 14國家與地方現行數據中心設計標準中節能降碳的要求設計 標準級別是否 強制PUE 要求可再生能源 要求碳排放要求設備能效 要求余熱利用 要求數據中心設計規范GB50174-2017國家級 強制性無無無空調和制冷設備的選用應符合運行可靠、經濟適用、節能和環保的要求數據中心空調系統的節能根據地區和氣候環境決定是否采用余熱回收技術北京市數據中心節能設計規范 DB11/T 1282-2022地方級 推薦性以年能源消費量為標準：1萬噸標準煤，PUE1.31-2萬噸，PUE1.252-3萬噸，PUE1.23萬噸，PUE1.15邊緣數據中心1.6可再生能源充足區域優先利

59、用可再生能源；數據中心可通過自建分布式可再生能源設施或通過綠色電力交易等方式提高可再生能源利用水平無空調和制冷設備能效水平應不低于2級（節能水平）。宜采用高效的制冷設備，如變頻空調、EC風機等數據中心空調系統設計應分別計算自然冷卻和余熱回收的經濟效益，采用經濟效益最大的節能設計方案上海市數據中心建設導則地方級 推薦性新建大型數據中心單項目綜合 PUE 嚴格控制不超過1.3；新建邊緣數據中心單項目PUE 不應高于1.5數據中心建筑或園區內宜采用太陽能、風能等可再生能源無空調制冷設備應優先選用配置變頻、變容量冷卻設備，冷卻系統能效比應滿足 PUE 指標控制的要求應使用各種創新技術提高制冷效率，包括

60、但不限于外供冷、蓄冷技術、冷熱通道密封、盲板密封、余熱利用、熱泵技術、間接蒸發冷卻等來源：落基山研究所改造維護測試驗收調試施工設計規劃數據中心設計規范GB50174-2017數據中心能效限定值及能效等級.GB40879-2021數據中心資源利用.系列.GB32910數據中心綜合監控系統工程技術標準.GB/T51409-2020零碳數據中心建設標準.T/CA.301-2021數據中心基礎設施施工及驗收標準GB50462-2024計算機場地通用規范.GB/T2887-2011計算機場地安全要求.GB/T9361-2011數據中心基礎設施檢測與評價要求.T/CCAA.87-2024綠色建筑評價標準.

61、GB/T50378-2019.綠色數據中心評價規范.（征求意見稿）深圳市綠色數據中心.評價規范.等地方標準北京市數據中心節能設計規范.等地方標準強制性國家標準推薦性國家標準團體標準地方標準數據中心項目規范（征求意見稿）數據中心基礎設施.運行維護標準GB/T51314-2018rmi.org/20解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑2.3 算力與綠電時空不匹配，用能低碳化存在顯著障礙 在能效提高的基礎上，用零碳綠色電力（簡稱“綠電”，主要包含風電、光伏、水電等）滿足算力用能需求是進一步降低碳排放的關鍵。目前看，我國現有數據中心的負荷分布特性與綠電資源地理分布存在一定的時空不匹配

62、，對數據中心大規模、高比例使用綠電帶來了挑戰。整體上看，目前全球范圍內數據中心綠電使用主要通過采購綠電、綠證等實現，平均綠電使用水平仍然較低。根據 2024 年綠色和平對國內 25 家主要云服務及數據中心企業的調研報告xvi，超過八成企業用電結構中綠電占比在過去兩年內暫未突破 10%或未作公開披露，領先企業最高達到 40%左右41。自 2017 年，谷歌公司已在年度總量層面實現了全球數據中心的 100%綠電使用，但是如果約束數據中心負荷和所采購綠電在小時層面和同一電網區域上匹配，此時綠電使用比例實際為大約 64%42。無論是通過物理連接，還是實現更細顆粒度的綠電市場交易，都需要進一步考慮算力和

63、綠電的時間和空間匹配性。從時間匹配性上來看，風電、光伏（簡稱“新能源”）的發電波動性導致其難以滿足數據中心對電力系統“724”穩定供應的要求。數據中心用電要求高電源穩定性，用電負荷呈現“日內波動小、夏季負荷大”的特征，然而以風電、光伏為代表的新能源發電則呈現出“日內波動大、季節不確定性強”的特征，晚上用電高峰“日落無光”、夏季常見的“極熱無風”的現象嚴重影響新能源發電能力，導致數據中心用電時間與新能源發電時間存在顯著差異。根據圖表15，張家口風光出力曲線與數據中心集群負荷曲線在日內和季節維度均存在一定程度的時間錯配問題。作為我國“東數西算”工程規劃的十大集群之一，張家口數據中心集群目前投運機柜

64、超33萬架、服務器超150萬臺，智能算力占比為 38%43，略高于我國整體智能算力占比44，具有一定參考價值。智能算力占比不斷提高，會進一步加劇數據中心用電負荷的波動性與不確定性，舉例而言，對于人工智能訓練任務來說，其工作負載隨機性強且負載率最高可達 100%，而對于人工智能線上推理任務來說，負載率主要受用戶使用影響，往往在用戶活動密集的早上九點至夜間十點時間段中響應量更大。2022 年，在國家算力樞紐節點所在省份中，河北、甘肅及寧夏的新能源裝機占比就已超過 50%，并仍在不斷上升，未來新能源發電與數據中心用電負荷時段性錯配、季節性錯配將越來越明顯。圖表 15日內和月度張家口風光出力曲線及數據

65、中心集群負荷曲線對比張家口日風光出力曲線張家口年風光出力曲線張家口數據中心集群日負荷曲線張家口數據中心集群年負荷曲線來源：國網冀北電力有限公司經濟技術研究院45、美國國家航空航天局 MERRA-2 數據庫 46、落基山研究所xvi 入選云服務企業在2023上半年中國公有云IaaS市場份額占比超52%，入選數據中心企業2022年市場份額占比超60%。10.80.60.40.2010.80.60.40.2010.80.60.40.2010.80.60.40.2002468 10 12 14 16 18 20 22 2402468 10 12 14 16 18 20 22 24123456789 1

66、0 11 12123456789 10 11 12標幺值標幺值標幺值標幺值光伏風力時間時間月份月份光伏2022風力2023rmi.org/21解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑從空間上來看，算力需求與綠電資源分布錯位，加劇了資源配置挑戰。通過中國信息通信研究院發布的算力發展指數分析47，我國既有算力布局以需求為導向，主要集中在東部沿海地區，但風、光、水等可再生能源富集在中西部地區，形成了明顯的空間資源錯配。為應對這一挑戰，我國已提出了“東數西算”規劃，提出積極推動東部人工智能模型訓練推理、機器學習、視頻渲染、離線分析、存儲備份等高時延業務向西部遷移，推動算力和綠色電力協同建

67、設48。這項規劃在落實層面仍存在挑戰，例如，雖然西部數據中心樞紐集群與新能源大基地選址整體耦合，但由于前期規劃協調不足，既有新能源大基地往往已配套了外送計劃，新能源發電目前階段并沒有實際輸送給當地的數據中心。圖表 16中國省份算力發展指數及風光資源分布圖注：中國算力發展指數是用于衡量中國算力發展水平的評價指標，從算力規模、算力產業、算力技術、算力環境和算力應用五個維度選取相關指標建立中國算力發展指數 2.0，詳見中國信息通信研究院中國算力發展指數白皮書（2023 年）。來源：中國信息通信研究院49、中國水利科學研究院50、落基山研究所2.4 政策與市場保障有待完善，數據中心減碳缺乏推動力政策和

68、市場機制是數據中心節能降碳的關鍵保障和重要推動力。2024 年國務院辦公廳發布的加快構建碳排放雙控制度體系工作方案提出建立能耗雙控向碳排放雙控全面轉型新機制，并在“十五五”時期將碳排放強度降低作為國民經濟和社會發展約束性指標。這一規定為數據中心與碳排放解耦提供了總體政策支持，將為數據中心減排帶來新的動力。與此同時，數據中心持續節能降碳的政策和市場機制仍需進一步完善。首先，針對數據中心和數據中心產品（例如算力等）的碳排放披露機制不足，數據中心減碳缺乏來自政策或市場的直接推動力。全球范圍內，針對數據中心的可持續性披露正從自愿轉向強制要求。例如，歐盟的可持續發展報告指令（Corporate Sust

69、ainability Reporting Directive,CSRD）要求數據中心運營方披露能效、碳排放、用水等數據51；2023 年，加州發布了美國首個企業氣候數據法案（The Climate Corporate Data Accountability Act），要求加州年營收大于 10 億美元的大型企業從 2025 年起公布范圍一和二的碳排放數據，2027 年起公布范圍三的碳排放數據。加州眾多數據中心運營企業將受此法案影響，測算并公布碳排放數據52。我國目前尚沒有出臺數據中心披露碳排放的相關政策，除廣東省碳市場外，數據中心尚未納入各級碳市場，且目前全國碳市場只考慮范圍一排放，數據中心減碳

70、缺少來自市場的壓力；在滬、深、北三大交易所上市的公司開展包括碳排放在內的企業 ESG算力指數10855.53全國陸地100米高度年平均風功率密度分布圖2023年全國固定式光伏發電首年利用小時數分布圖2023年rmi.org/22解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑披露仍屬于自愿行為，且仍缺乏統一的規范指引。其次，數據中心和算力產品尚沒有明確的碳核算方法。開發數據中心和算力的碳核算體系，需要解決兩方面問題。一方面，需要明確數據中心和算力碳排放的核算邊界。數據中心的運營方式較為多樣，通?？梢苑譃樽杂性O施、主機托管、公共云服務三種類型。三種類型數據中心的 IT 設備部分與基礎設施部

71、分的所有者、運營者和使用者存在不同的組合方式由此帶來不同的核算邊界（圖表 17）。同時，算力對其他行業減排的貢獻是否應納入算力碳核算邊界仍未有定論。目前，我國和國際上均未有統一明確的數據中心碳核算方法學，因此如何合理確定數據中心、算力等的碳排放的核算邊界范圍需要厘清。另一方面，數據中心的碳排放數據收集與報告等工作有待建立。國際上，一項由數字基礎設施認證機構 Uptime Institute 針對數據中心運營方的調查顯示，由于計算方法學的缺失以及測量設備和能力的不足，大多的數據中心運營方仍未做好碳排放數據報告的準備53。同時，我國本土數據庫也尚未完全建立，在碳核算中使用國外數據庫由于其地域、技術

72、和時間的代表性不足，其結果可能無法真實反映我國各類生產活動的碳足跡情況。例如，瑞士 Ecoinvent 碳足跡數據庫中的中國國家電力排放因子比生態環境部 2024 年 4 月最新發布的中國 2021 年電力平均排放因子高 51.2%。使用綠證購買綠電尚未得到普遍國際認可，在碳核算中是否能夠抵消也具有不確定性。排放因子與相關能源證書都會極大影響碳核算的結果和效力。圖表 17不同運營控制類型的數據中心對不同主體的排放范圍分配情況xvii數據中心設施運營類型溫室氣體排放核算范圍IT相關排放基礎設施相關排放IT運營商自有設施IT運營商22IT運營商采用主機托管IT運營商23托管商32IT運營商采用公共

73、云服務IT運營商33云服務運營商22IT運營商采用公共云服務，同時云服務運營商采用主機托管IT運營商33托管商32云服務運營商23來源：Uptime Institute，落基山研究所第三，數據中心減碳行動缺少金融支持，數據中心減碳技術未明確納入綠色債券支持項目目錄。新建數據中心的節能投入和既有數據中心能效提升改造均需較大的資金投入。國際上，超過 80%的數據中心運營方對于高昂的花費感到擔憂，特別是老舊數據中心升級成本高昂的問題更加突出54。有針對性的金融支持能夠有效推動數據中心節能降碳技術應用。在我國，目前支持數據中心深度減排的一些技術成本高昂，推廣不易。當前數據中心領域的各類減碳技術尚未被納

74、入綠色債券支持的項目目錄55等技術目錄中，綠色數據中心金融業務仍缺乏明確技術指引。正是考慮到上述問題，我國 數據中心綠色低碳發展專項行動計劃 已經提出積極發展綠色金融和轉型金融產品服務，鼓勵金融機構按照市場化法治化原則為數據中心節能降碳改造和用能設備更新項目提供資金支持。xvii IT運營商是需要使用算力或者數據服務的實體（企業、政府部門等）；托管商是提供數據中心空間和基礎設施的公司，允許其他公司將其IT設備放置在其數據中心建筑中并提供電力、冷卻和安全服務；云服務運營商是提供云計算服務的公司，負責管理底層的云基礎設施、虛擬化和網絡資源。IT相關排放指IT設備用能造成的碳排放，基礎設施相關排放指

75、數據中心制冷、照明、通風等設備用能造成的碳排放。rmi.org/23解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑實例：科學合理的能耗強度計量機制對于數據中心發展至關重要在能耗雙控體系下，地方政府為完成能耗總量和強度的指標，會謹慎分配能耗指標，優先分給能夠帶動地方經濟發展的項目。以當前的測算方法，數據中心的能耗強度明顯高于其他行業（圖表18），這影響了各地方政府對于開展數據中心項目的積極性。數據中心能耗強度高的問題很大程度上是測算方法失真所致，并不完全符合行業實際。一方面，數據中心的運行除了貢獻于數據中心運營產值（即服務器租賃費用）的增加之外，還為運行在其上的各種云計算、大數據、互聯網

76、服務等應用類產業貢獻了大量運營產值。有研究指出，2023年我國數字經濟核心產業增加至超過12萬億元，占GDP比重10%左右56，而數據中心作為數字經濟的重要支撐，其市場規模估計不及3,000億元左右，兩者存在數量級上的差距。數據中心實際貢獻的產值難以計入到數據中心能耗強度的計算之中，造成了所謂的“行業失真”。另一方面，由于數字經濟的跨地域特性，相關應用類產業并不一定被統計入數據中心所在屬地，導致數據中心所在地實際上在被動分攤應用類產業所在地的能耗指標壓力，造成了所謂的“區域失真”。針對上述問題，應在能耗強度計量機制和測算方法層面優化改進，更好引導數據中心行業綠色發展57。圖表 18 各行業能耗

77、強度數據來源：中國能源統計年鑒 2021，中國統計年鑒 2022，落基山研究所xviiixviii 數據中心能耗強度根據2020年市場規模以及耗電量計算，由于市場規模通常大于GDP，實際數據中的能耗強度可能更高，其他行業的能耗強度由行業能耗除以行業增加值計算，數據來自統計年鑒。電力按照2020年全國平均火力發電煤耗折算為用標準煤標識的一次能耗，折算系數為305.5 gce/kWh。21.81.61.41.210.80.60.40.20數據中心電力、熱力等生產供應制造業交通運輸/倉儲/郵政采礦業中國平均建筑業批發零售/住宿餐飲農林牧漁業能耗強度（噸標煤/萬元）rmi.org/24解耦算力發展與碳

78、排放 數據中心用能增長的挑戰與解決路徑3.數據中心算碳解耦全方位轉型路徑 3.1 協同六大要素優化數據中心選址布局數據中心作為支撐算力發展和數字經濟的關鍵基礎設施，其規劃與布局對數字經濟的高質量發展和區域經濟的可持續發展具有重要影響。數據中心的業務需求主要集中在人口和企業密集的經濟發達地區，對電力和冷卻資源的需求巨大，而這些地區的綠電資源往往相對緊缺。同時，數據中心必須遵守政府的政策法規要求，管理包括自然災害和電力中斷在內的多種風險。因此，合理規劃數據中心的布局，對于確保數據中心的穩定運行、降低運營成本至關重要，也是提高能源利用效率、保障數字經濟低碳可持續發展的關鍵之一。通過全局性、戰略性規劃

79、，數據中心可以在滿足業務需求的同時，優化資源配置、降低成本，并減少碳排放和環境影響，實現綠色高質量發展。具體而言，數據中心規劃選址需要統籌考慮算力需求、電力、冷卻、熱利用、土地、網絡這六大關鍵要素，以確保技術可行性、經濟性和節能降碳。1）算力需求：數據中心的選址決策受到算力應用場景的直接影響，應用場景對時延的要求決定了數據中心與用戶的物理距離。數據中心距離用戶越近，提供內容、服務和應用的速度和效率就越高。對于金融交易、自動駕駛、物聯網 IoT 等需要低延遲和高運營性能的企業而言，通常使用邊緣數據中心來減少時延、提高性能。因此在需求導向下的數據中心選址需要靠近這些商業活動密集的區域，以便為用戶提

80、供快速且可靠的數據處理服務，滿足用戶低時延要求。對人工智能的算力需求更需要進行科學區分推理和訓練算力，推理算力通常需要接近用戶，而訓練算力則不需要。此外，靠近終端用戶能一定程度降低帶寬成本，降低網絡擁堵概率，較短的數據傳輸距離也能夠減少傳輸過程中的能耗和碳足跡。如圖表 19 所示，全球七家最大的云提供商數據中心主要分布在美國、歐洲及中國東部等經濟發達、用戶算力需求量大地區。2023 年谷歌在都靈新建云區域，以滿足意大利經濟需求并提供低延遲、連接性和數據主權功能58；倫敦作為全球金融中心也擁有高度集中的數據中心，七家最大的云提供商xix中有六家在倫敦設立數據中心59。對于時延要求不高的應用場景，

81、如非實時數據分析、數據托管或大模型訓練，則可以選擇相對偏遠的地區建設中大型數據中心。如中國貴州、內蒙古、甘肅、寧夏節點內的數據中心集群優先承接后臺加工、離線分析、存儲備份等非實時算力需求60。圖表 19全球七家最大的云提供商數據中心分布來源：云網絡安全公司 Netskope61，落基山研究所xix 全球七家最大的云提供商為亞馬遜、谷歌、IBM、微軟、甲骨文、騰訊和阿里巴巴。rmi.org/25解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑2）綠色電力資源：隨著企業對環保和可持續發展的重視程度不斷提升，選擇數據中心的電力來源成為了企業履行社會責任和推進綠色發展戰略的關鍵環節。數字基礎設施

82、提供商 Flexential 對來自不同行業的 350 名董事及以上級別的 IT 決策者進行調查，其中 94%的受訪者所在企業愿意為數據中心或第三方云服務供應商使用零碳能源或購買碳信用支付更多費用62。數據中心的選址規劃應當考慮綠色電力的易得性，以降低數據中心的碳足跡和能源成本。為獲取綠色電力，數據中心選址時可以考慮以下策略：在具有充足的風、光、水、核電等零碳電源的地區建設數據中心，通過電網獲取綠色電力或者通過物理連接直接使用綠色電力。當地電網較為清潔情況下，可以選擇在當地建設數據中心，與綠電發電方簽署購售電合同以獲取較低成本的綠色電力。例如，2022年中國首個100%清潔能源可溯源綠色大數據

83、中心在青海建成投運63。青海具有豐富的風、光、水等綠電能源，截至2023年底，青海綠電裝機占比92.8%、發電量占比84.5%，清潔的電網結合全國最低的新能源上網電價（0.2277 元/kWh）使得青海發展算力優勢明顯64。在當地具有充足的綠電資源且在政策允許的情況下，數據中心可以通過微電網、源網荷儲、綠電直供等方式獲取綠色電力。2014年，TEL-Rjukan數據中心于挪威開展建設，利用附近多個水電站為自身配備的兩個獨立電網提供穩定且低成本的電力，實現100%水電直供數據中心65。2024年，美國能源公司Talen Energy位于賓夕法尼亞州的Cumulus數據中心園區被亞馬遜AWS收購6

84、6，該園區擁有4個變電站，總電力容量高達 960 兆瓦，并且由相鄰的 Susquehanna核電站直接供電，確保了清潔、可靠的電力供應67。然而，即使物理上靠近綠電資源，受限于電力系統既有的長距離輸送規劃等限制，數據中心也可能無法有效獲取當地綠色電力。因此相關主體必須在規劃早期考慮算力、電力基礎設施協同布局，以確保新建綠電項目與新建數據中心的供需匹配。在綠電資源稀缺地區，數據中心可以通過長距離交易獲取綠電，以期打破地理位置的限制。這種策略依賴于電網的長距離輸送能力，需要通過電力交易以實現數據中心的綠色供電。目前，由于我國省間輸電通道不足、輸配電網絡成本較高等問題，綠電需求方“買不到”和供給方“

85、賣不掉”的現象仍然存在，省間綠電交易壁壘仍有待進一步打通。因此，當本地綠電資源不足時，數據中心選址需要優先考慮跨省跨區綠電交易市場活躍、輸電通道較為富余的地區。在使用綠色電力的同時，數據中心還可采用雙路或多路供電以及使用多種清潔能源互補等方式來保障用電的安全和穩定。例如，數據中心托管商 Green Mountain 公司位于挪威雷恩島的 SVG1 數據中心配置了 3 個獨立電網，每個電網由多個水力發電廠進行供電，以此來保障供電安全68：中國甘肅國網云數據中心則利用光伏、風電和水電互補實現了運行中 100%清潔能源穩定供電69。rmi.org/26解耦算力發展與碳排放 數據中心用能增長的挑戰與解

86、決路徑3）自然冷源：自然冷源指的是利用外部自然環境中的低溫空氣或水來降低數據中心的溫度，從而減少甚至消除對傳統機械制冷系統的依賴。充分利用自然冷源的策略方向包括：選擇寒冷或溫和氣候區，利用低溫的外部空氣直接或間接冷卻數據中心。例如貴安數據中心集群部署在貴州貴安新區，屬于亞熱帶濕潤溫和型氣候，年平均溫度15左右，空氣質量好。截止2022年底，貴安投運及在建的數據中心18個，這些數據中心在設計上充分結合貴州自然條件的優勢，采用自然冷卻技術提高能源效率。具體措施包括直接將外部冷空氣引入數據中心冷卻IT設備，冷卻塔利用自然冷卻散熱降溫而不啟用水冷主機等。選擇氣候干燥的地區，使用蒸發冷卻技術。以烏魯木齊

87、為例，當地屬于典型溫帶大陸性干燥氣候，某數據中心通過采用蒸發冷卻冷水機組和乙二醇自由冷技術的新型蒸發冷卻空調系統，實現了全年完全自然冷卻。這種系統充分利用了室外環境干空氣能與冬季自然冷源，顯著降低了能耗。在夏季最熱時期，該數據中心的蒸發冷卻冷水機組能夠保持出水溫度平均值為14.9，而新型蒸發冷卻空調系統的COP值達到6.65，與傳統機房制冷系統相比，節能率超過了60%70。選擇靠近自然水源如江河湖泊的地區，采用水冷系統進行冷卻。例如微軟將數據中心部署在蘇格蘭奧克尼群島海岸附近的海面下，利用常年寒冷的海水為數據中心散熱。谷歌的芬蘭哈密那數據中心選址在寒冷的地區，100%使用海水對相關設備進行散熱

88、。全球首個商用海底數據中心項目位于海南省陵水黎族自治縣。相較于同等規模的陸地傳統數據中心，100個海底數據艙每年能節省用電總量1.22億千瓦時、節省建設用地面積6.8萬平方米、節省淡水10.5萬噸71。圖表 20數據中心自然冷源利用示意圖來源：落基山研究所直接自然風冷卻根據室外冷空氣的溫度高低，將室外冷空氣直接引入數據中心完全或部分替代空調送風對空氣質量要求高能耗低，節能率高間接蒸發冷卻利用直接蒸發冷卻后的空氣，通過換熱器冷卻回風充分利用自然冷源，按需制冷結構簡單，可靠性高自然水冷將室外自然低溫水源（海水、湖水、江河水等）引入數據中心進行冷卻需要做熱仿真，考慮風向風強、海水溫度變化、水中雜質、

89、水垢等采用特殊材料技術防止海水腐蝕外部冷風冷風通道數據中心熱風通道熱廢氣機架換熱器海水等自然冷源數據中心機架冷水冷水熱水熱水熱交換壁熱交換壁室外空氣主要氣流次級氣流冷風送風數據中心回風廢氣冷凝滴落水蒸發rmi.org/27解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑在規劃新建數據中心時，還需要考慮氣候變化的長期趨勢和地質災害的可能性，這對于確保冷卻策略的長期有效性至關重要。為了配合自然冷源的利用，數據中心可采用智能控制系統，實現實時監控室內外的溫度和濕度，自動調整冷卻系統的運行模式，以提高能效減少能源消耗。同時，數據中心可以應用相變儲能材料，將夜晚的冷能儲存起來白天釋放。此外，通過利

90、用季節性氣候變化，在氣候條件適宜時增加新風量或采用季節性儲冷方法，可以進一步降低冷卻系統的能耗。這些措施有助于數據中心在面對未來幾十年的氣候變化時，保持其冷卻策略的有效性和安全性。4）余熱利用：余熱是指數據中心在運行過程中產生的廢熱，這些熱量通常由服務器和相關設備產生，需要被冷卻系統排出以保持設備的正常運行。通過利用吸收式制冷、熱泵系統、熱能儲存以及與區域供暖系統的結合，數據中心的余熱能夠轉化為可用的熱能或電能，實現能源的再利用。余熱用于供暖和生活熱水最常見，有以下兩種形式。對于園區內的數據中心，在規劃數據中心選址時考慮園區內多種功能建筑的用熱需求，特別是辦公建筑和員工宿舍的供暖和生活熱水需求

91、，實現余熱精準匹配利用。數據中心余熱的就近利用能夠最小化熱量輸送過程中的損失，提高能源利用效率。例如，北京某數據中心園區具有數據中心、科技大廈、員工宿舍、辦公樓、培訓中心及酒店多種建筑形態，建筑面積30萬平方米，采用熱泵機組對數據中心冷卻水、冷凍水余熱進行利用用于園區供暖和生活熱水，每年減少碳排放量1.3萬噸。對于獨立的數據中心，通過直接換熱或熱泵與城市供熱管網結合，可以將數據中心的余熱輸送到供熱網的建筑末端。數據中心全年都具有比較穩定的排熱量，跨季節相變儲熱技術能夠解決供暖在時間上的供需不匹配問題，從而實現全年余熱的有效利用。例如，巴黎 Equinix PA10 數據中心每年產生 10,00

92、0 兆瓦時的熱量，通過液體冷卻系統以 28的溫度回收服務器產生的熱量，隨后利用三個熱泵提升溫度到 65，并通過熱交換器將熱水分配給熱網運營商。這不僅為 Plaine Saulnier 城市開發區 1,000 多戶家庭供暖，還在 2024 年奧運會期間為巴黎奧林匹克水上運動中心提供熱量72。此外，園區內數據中心在滿足園區內部供熱需求后，仍有剩余廢熱，這部分熱量同樣可與城市供熱管網結合，進一步擴大余熱的利用范圍。圖表 21數據中心余熱回收示意圖來源：落基山研究所空調冷凍水末端溫水1525冷水1015回水45熱水供水55居民采暖熱泵辦公采暖城市熱網熱水供水55回水45數據中心rmi.org/28解耦

93、算力發展與碳排放 數據中心用能增長的挑戰與解決路徑5）土地價格及政策因素：在考慮建設數據中心時，土地價格、地方優惠政策、人才招聘難度、政府審批流程及宏觀政策同樣是關鍵因素。數據中心的建設成本在很大程度上受到土地價格的影響。土地成本因地區而異，一些地方政府為了吸引投資，可能會提供優惠的土地價格。例如，貴州和內蒙古等地因其豐富的電力資源和適宜的氣候條件，提供了相對較低的土地價格，吸引了包括蘋果、騰訊、阿里、華為等科技巨頭建設數據中心。此外，不同地區可能會提供稅收減免、資金補貼等激勵措施，這些政策有助于降低數據中心的運營成本。根據賽迪顧問的數據顯示，數據中心電費占比可達總成本的近 60%，因此電價優

94、惠對降低成本尤為重要。為了吸引更多的數據中心建設，一些地區如安徽、山東、山西、西藏、江西等出臺了優先批地等優惠政策。73同時，數據中心的運營依賴于專業技術人員，因此當地人才儲備和招聘難度也是選址時需要考慮的因素，擁有高等教育機構和科研資源的地區可能更有優勢。數據中心的建設需要政府的批準，不同地區的審批流程和標準可能不同，一些地區可能對數據中心的能耗和碳排放量有嚴格的限制。國家政策對數據中心的科學選址、合理布局和可持續發展有著重要影響。為了促進數據中心合理布局、供需平衡、綠色集約和互聯互通，我國出臺了 全國一體化大數據中心協同創新體系算力樞紐實施方案，根據能源結構、產業布局、市場發展、氣候環境等

95、因素，在全國范圍內布局建設國家八大樞紐節點并發展十大數據中心集群，引導數據中心集約化、規?；?、綠色化發展。國家政策對數據中心布局的影響是全方位的，從土地價格、地方優惠政策到人才招聘難度、政府審批流程，再到綠色集約與互聯互通的導向，都提供了決策支持。6）網絡基礎設施：隨著云計算和人工智能等技術的發展，數據中心對帶寬的需求持續增長，選址應當考慮到與高速光纖網絡的距離及網絡的可擴展性，根據運行的應用程序類型、預期數據流量和未來擴展計劃等因素，重點選擇合適的光纜，能夠支持當前的數據傳輸需求以及未來潛在的需求。同時，數據中心還需要部署高性能的網絡設備，比如高速交換機和路由器，并采用先進的網絡技術，如 1

96、0GbE、40GbE 或 100GbE 連接，以提升網絡性能。對于以下兩類數據中心的選址，從帶寬資源規劃的角度需要注意：對于需要實時數據處理的服務，數據中心的選址應盡可能靠近主要網絡服務提供商的節點或互聯網交換中心，以便利用現有的網絡基礎設施，減少數據傳輸延遲，提高數據處理效率。對于智算中心，選址時則需特別關注光纖網絡的容量和可擴展性。如果某個地區的光纖網絡已經接近飽和，那么即使該地區其他條件優越，也可能不適合作為數據中心的選址。此外，數據中心的規劃還應考慮數據傳輸安全，減少業務中斷風險。例如，采用冗余的網絡設備和路徑設計，可以減少業務中斷的風險。通過采用密集的光纖連接網絡和先進技術提升帶寬，

97、可以保障數據的實時傳輸，確保數據中心的高效運行。以四個原則導向協同六大要素數據中心宏觀規劃選址的決策過程必須綜合考慮以上多個關鍵因素，以確保其布局的合理性和高效性。這一決策過程是復雜的，涉及多方面的考量，應包括需求、成本、環境和安全等維度。為了實現數據中心的最優布局，數據中心的選址布局應遵循以下四大原則：1）需求導向：布局應靠近數據需求密集的區域，以減少延遲并提高服務質量。這涉及對網絡時延的要求、數字產業的發展水平以及地區信息化程度的深入分析。2）成本導向：選址應基于電力成本、土地價格及人力資源成本的綜合考量，以實現運營成本的最小化。此外，應充分利用自然冷源，以降低冷卻系統的能耗，從而減少能源

98、成本。rmi.org/29解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑3）綠色導向：優先考慮可再生能源豐富和氣候條件適宜的地區，以促進能源的可持續使用，并減少碳排放和對環境的影響。4）安全導向：數據中心的選址必須確保物理和網絡的雙重安全，同時考慮到地質穩定性和低災害風險，以保障數據和服務的安全性不受威脅。除了上述原則之外，數據中心的選址布局還需要考慮政策環境、交通環境等因素，以確保數據中心的長期穩定運行和可持續發展。通過科學合理的布局，數據中心不僅能夠更好地服務于數字經濟的發展，還能實現經濟效益和環境效益的雙贏。圖表 22數據中心多因素選址策略概覽需求導向成本導向綠色導向安全導向算力

99、應用場景根據不同業務場景時延要求，確定與用戶物理距離 靠近終端用戶以降低帶寬成本縮短數據傳輸距離以減少數據中心的能耗綠色電力資源 充分利用綠電豐富的地區資源以降低供電成本 物理上靠近綠電資源，提高供電中綠色電力比例 交易上確?？缡】鐓^綠電交易可行、易得選取雙路或多路供電以及互補綠色電力，保證數據中心用電安全、穩定自然冷源 充分利用自然冷源，替代部分或全部電力制冷系統 在夜間或溫度較低時儲存冷能，用于白天冷卻充分利用自然冷源替代部分或全部電力制冷系統 減少對主動制冷系統的依賴 保證適宜的運營環境，如溫濕度的穩定性余熱利用 將原本浪費的熱量轉化為有經濟價值的能源部分地區對余熱利用提供稅收優惠、補貼

100、等激勵措施 提高整體能源利用效率，減少能耗和碳排放土地價格及政策因素 確保土地價格與人力資源成本合理，以降低運營成本利用地方政府提供的稅收減免、資金補貼等激勵措施網絡基礎設施關注當地網絡資源配套情況，匹配高性能、低時延、高頻實時交互業務需求 具備靈活的擴展能力，能夠快速擴展帶寬和增加節點，降低長期投資風險采用冗余的網絡設備和路徑設計，減少業務中斷風險密集光纖連接網絡、先進技術提升帶寬，保障實時傳輸來源：落基山研究所rmi.org/30解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑3.2 多維度促進新建與既有數據中心能效提升3.2.1 完善新建數據中心的能碳評估與建設標準從數據中心評估指

101、標角度看，需要在 PUE 之外構建全面的多維度能碳評估指標體系。數據中心能碳評估體系需要綜合考量能源消耗種類、能效水平、碳排放控制等關鍵維度，為數據中心能源消耗和碳排放影響的評估提供更全面的視角。圖表 23 展示了推薦的數據中心能碳評估指標，覆蓋數據中心電力流、算力流、熱流等環節，確保了評估的全面性。同時，數據中心標準中的能碳指標應結合地區差異性，如氣候條件、能源結構和水資源狀況等，設定合理的引導值和限定值，確保評估體系的科學性、適用性和有效性（圖表 24）。圖表 23全面評估數據中心能碳水平的推薦指標評估對象說明主要評估指標計算公式能源類型通過衡量數據中心使用可再生能源的比例，促進太陽能、風

102、能等可再生能源的利用，降低對傳統化石能源的依賴，有助于緩解氣候變化?？稍偕茉蠢寐?Renewable Energy Factor,REF）REF=數據中心使用的可再生能源電量數據中心總耗電量冷卻效率數據中心的冷卻系統通常是除IT設備之外最重要的組成部分，占數據中心用電總量的3040%。引入冷卻效率比（CER）或冷卻性能系數（COP）等指標，可以更準確地評估冷卻系統的性能，直觀地反映出冷卻系統在移除數據中心熱量方面的效率。冷卻效率比(Cooling Efficiency Ratio,CER）CER=數據中心冷卻系統輸出的冷量冷卻系統所消耗的電量余熱利用數據中心運行產生大量余熱，有效利用潛力巨

103、大?？奢斔椭粮浇ㄖ蛏鐓^用于供暖，減少對傳統能源依賴；也能用于工業生產加熱需求或驅動制冷機為自身及周邊設施供冷?；厥绽脭祿行挠酂?，可降低能耗、減少碳排放，符合可持續發展要求，在提高能源利用效率的同時，為實現綠色發展提供新途徑。能源再利用率(Energy Reuse Factor，ERF）ERF=數據中心再利用的能源量數據中心總能源消耗量碳排放衡量數據中心運營中產生的碳排放量，包括直接排放（如數據中心現場燃燒的燃料）和間接排放（如購買的電力產生的排放），降低數據中心對氣候變化的影響。碳利用效率(Carbon Usage Effectiveness,CUE）CUE=數據中心能源使用產生的二氧

104、化碳排放當量(CO2eq)IT 設備能耗(kWh)IT設備能效IT設備包括服務器、存儲設備和網絡設備。服務器系統是IT設備的核心設備，服務器用能占IT設備的80%以上，減少服務器的能源使用對減少數據中心的能源使用非常有效。通過優化服務器硬件配置，采用低功耗的處理器、節能型內存、高效的電源，以及服務器虛擬化技術及能源管理軟件，能夠有效降低服務器的能耗。IT設備服務器能效(IT Energy Efficiency of Servers,ITEEsv）ITEEsv=IT設備服務器處理任務數服務器能耗來源：落基山研究所rmi.org/31解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 24

105、全面的數據中心能碳評估體系來源：落基山研究所數據中心的建設標準應融入更全面的節能低碳技術與管理措施，從源頭上優化能源使用和降低碳排放。數據中心的建設與節能標準應至少涵蓋三個方面：1）非 IT 部分建筑節能。通過綠色建筑設計減少數據中心建筑的能源需求，包括優化圍護結構熱工性能、利用自然冷卻等措施，同時，采用高效制冷和配電系統以降低設備能源消耗，以及部署智能化管理系統以實現能源使用的實時監控和優化。2）IT 設備與軟件系統節能。通過提高算法效率優化算力需求，調度優化算力分布提高服務器利用率，選擇高能效的服務器、存儲設備和網絡設備，可以顯著提高數據中心 IT 系統的能源效率。3）可再生能源利用。多元

106、化電力供給與算力-電力協同將助力電力零碳化。此外，還應注重采購低碳IT設備，使用可持續建筑材料，確保室內環境質量，并通過生命周期評估來降低建筑物的整體環境影響。這些設計策略有助于實現數據中心全生命周期降碳，同時實現運行能耗最小化。3.2.2 全面開展低能效數據中心降碳改造針對既有數據中心的能效提升，應根據數據中心的實際情況和需求，制定差異化的改造方案。對于全面落后的老舊數據中心，考慮實施關停并轉的措施。對于大型及超大型數據中心，節能改造應分階段、分批次細致實施，包括優化運營管理、進行局部升級改造以及全面的系統升級，以持續推進節能和低碳升級。根據落基山研究所的估算，對既有數據中心進行分類節能改造

107、，在僅提升非 IT 設備部分能效的情況下，改造后的中小型、大型、超大型數據中心的平均 PUE 有望分別降低至 1.5、1.4、1.3，這將分別實現每年節能 55 億、60 億、40 億千瓦時，節能率分別可達 25%、13%和 7%，每年總體節能量預計達到 155 億千瓦時（圖表 25）。備用柴油發電機電網供電分布式可再生能源存儲與服務器網絡通信設備算力供配電系統備用UPS制冷系統照明及其他余熱可再生能源利用率REF指標評估范圍碳利用效率CUE指標評估范圍溫室氣體：對應電網排放因子溫室氣體：柴油燃燒溫室氣體：制冷劑溢散等冷卻效率比CER指標評估范圍IT設備服務器能效ITEEsv指標評估范圍PUE

108、指標評估范圍能源再利用率ERF指標評估范圍PUE指標評估范圍補充指標評估范圍rmi.org/32解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 25我國數據中心分類節能改造潛力來源：落基山研究所數據中心的節能降碳改造是一項系統工程，主要從建筑設施節能、IT 設備與軟件系統節能及可再生能源應用三方面入手。首先，除 IT 設備以外的建筑設施節能措施既包括圍護結構優化、自然冷卻等提高建筑本體能效的措施，也包括提高制冷系統、配電系統等輔助設備能效的措施。其次，IT 設備與軟件系統節能著重于硬件與軟件兩個層面。硬件包括更換高能效的 IT 設備；軟件則主要是通過算法優化和提高服務器利用率來提高

109、整體能效。最后，通過選擇多元化綠色電力供應方式并在運行中增加算電協同，數據中心能夠進一步減少對化石能源的依賴，提高可再生能源的利用率。圖表 26 數據中心節能降碳改造路徑示意來源：落基山研究所中小型110萬架大型300萬架超大型400萬架中小型數據中心節能潛力55億千瓦時大型數據中心節能潛力60億千瓦時超大型數據中心節能潛力40億千瓦時PUE機架數/萬架2.221.81.61.41.210100200300400500600700800 多元化綠電供給 算力電力協同提高輔助設備能效 制冷技術革新 配電系統優化 更換高能效IT設備 算法優化 提高服務器利用率提高建筑本體能效 圍護結構優化 自然冷

110、卻數據中心碳排放建筑設施節能IT系統節能可再生能源應用rmi.org/33解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑數據中心節能改造需有效應對數據泄露風險、停運風險及跨專業協調挑戰，以確保項目成功并降低對運營的影響。為減少數據泄露和停運風險，改造方案對生產過程的干擾程度越低，其市場接受度越高。順應此市場趨勢，模塊化數據中心成為首選解決方案。以高效智能微模塊數據中心為例，該技術整合 IT 機柜、制冷、不間斷電源、消防、照明、監控、布線、安防等模塊，通過簡易拼裝與連接，實現快速整體交付，顯著縮短施工周期，最大程度減少對運營的干擾。此外，應充分利用現有冗余資源，實施分階段改造。為提升跨專

111、業工作效率，建議建立跨專業溝通協調機制，并遵循以下步驟（圖表 27）：首先，與所有利益相關者密切溝通，確保需求與顧慮得到妥善處理；其次，明確關鍵績效指標（KPI），確保改造目標清晰且獲得共識；再次，設計改造方案，執行節能改造，并安裝或采購綠色電力設備；最后，通過數據收集與結果測量，驗證改造措施是否達到預期效果。圖表 27 數據中心節能改造主要流程來源：落基山研究所提升數據中心運營者對節能改造經濟性的認知與評估能力，對于推廣降本增效的節能技術至關重要。通常情況下，數據中心缺乏專門的能效團隊，導致運營者對能效的經濟性認識有限。為了更直觀地理解節能改造帶來的經濟收益，并認可其價值，運營者可以運用合適

112、的財務分析工具，如投資回報率（ROI）和總擁有成本（TCO）模型。ROI 模型能夠預測項目投資的回報，并助力在多種改造方案中選擇出最具成本效益的方案。與此同時，TCO 模型提供了全生命周期成本的視角，包括初始投資、運營成本、維護費用及潛在的節能收益，為評估節能改造項目提供了全面的經濟性分析。在數據中心的應用實例中，高功率、長壽命資產的能效提升對 TCO 的影響尤為顯著。例如，一個 10MW 的數據中心將不間斷電源（UPS）效率從 93%提升至 94%，可以在十年內節省高達 1,000 萬元的運營支出（OpEx）；若效率進一步提升到 96.5%，節省的成本可增加到 2,500 萬元（圖表 28）

113、74。在實際應用中，ROI 和 TCO 模型可以結合使用，以更全面地評估節能改造項目的潛在價值。步驟一溝通利益相關方1步驟二設定改造KPI2步驟三設計改造方案3步驟四開展節能改造4步驟五安裝/采購綠色電力5步驟六驗證節能減碳效果6rmi.org/34解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 28 數據中心關鍵基礎設施的使用壽命（左）以及 UPS 效率與 TCO 的關系（右）設備使用壽命機架PDU812年電纜（單根電纜）820年母線系統（銅排、插接模塊）820年UPS大規模中央供電系統（3000+kVA）1520年UPS機架式48年電池510年遠程配電面板（RPP）812年計算

114、機房PDU812年電氣開關設備和變壓器20年以上發電機20年以上注：右圖設定在一個 10 MW 數據中心中，UPS 生命周期為 10 年，每千瓦時的成本約為 0.73 元。來源：伊頓電氣75，通用電氣76，落基山研究所3.3 將數據中心打造成大規模綠色電力消納的創新場景 3.3.1 實現多元穩定的綠色電力供給在運行管理環節，最大化數據中心的綠電供應是實現數據中心用能低碳化的重要抓手。圖表 29 總結了四種企業實現綠電供應的方式：前兩種是通過場內分布式光伏、風電等可再生能源項目自發自用、或者通過專線直接與場外可再生能源項目相連的方式實現綠電供應，這兩種方法都在物理層面實現了電源與數據中心的直接連

115、接；后兩種則是通過綠電交易、綠證購買等市場交易的方式，打破了地理位置的限制，通過買賣雙方的合同約束或者通過第三方作為認證機構，實現了綠色電力及其對應的環境權益的交易和確權。2,1002,1002,1003,2005,7006,70010,0009,0008,0007,0006,0005,0004,0003,0002,0001,000093%94%UPS 效率96.5%UPS總擁有成本（TCO）/萬元初始投資支出CapEx長期運營支出OpExrmi.org/35解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 29四種企業實現綠色電力供應的方式分類方式描述基于地理位置場內分布式可再生能

116、源項目企業在場內直接安裝分布式光伏或分散式風電等可再生能源發電設備，產生的電量自己使用，余電上網綠電專線直供以專線形式直接連接可再生能源發電側到用戶或供電方（例如園區），再由供電方直接提供給下級用戶基于市場交易綠電交易可再生能源發電企業與企業用戶（或由售電公司代理）之間簽訂購售電合同（電力購買協議 PPA）綠證交易由可再生能源發電企業申請、由政府相關部門或第三方機構核發，用以證明與核算可再生能源發電環境屬性的證書中國：國家能源局電力業務資質管理中心核發的綠色電力證書 GEC國際主流：REC，GO，I-REC，TIGR 等來源：落基山研究所數據中心運行方應根據自身用電規模、所處項目階段、風險偏好

117、、經濟效益、環境披露要求等因素，組合選擇采購方式，不斷提高綠色電力供應占比。圖表 30數據中心四種綠色電力供應方式特征對比方式.供應規模供應速度經濟性機制成熟度環境披露認可度中國國際場內分布式可再生能源項目基本均認可基本均認可場外綠電專線直供綠電交易自愿市場（例如RE100，SBTi等）基本均認可，部分強制市場有特殊要求：例如 歐盟電池和廢電池法規(EU)2023/1542 的配套碳足跡核算授權方案的征求意見稿（以下簡稱“新電池法規”）暫時對電力購買協議PPA不認可綠證交易自愿市場基本均認可，部分強制市場有特殊要求：例如歐盟碳邊境調節機制(CBAM)、新電池法規等均不認可單獨的綠證該評分基于全

118、球市場整體情況，具體國家/地區市場可能有所差異：從1星到4星，星級越高代表供應規模越大（越能滿足企業需求）、供應速度越快（企業所需準備時間越短）、經濟性越高（企業額外付出成本越少甚至有收益）、機制成熟度越高（企業面臨風險越?。?。來源：落基山研究所場內分布式可再生能源由于其經濟性高、建設難度低等優勢應該是企業的首選，但普遍面臨規模有限的問題。一般情況下，數據中心屋頂面積部分會被制冷系統占據，剩余可用安裝屋頂光伏的面積有限。假設一個數據中心安裝有約 4,700 架機柜，屋頂面積為 3,000 平方米并在約 60%區域面積設有太陽能光伏板，則屋頂光伏年發電量占該數據中心年用電量約為 0.65%xx，

119、不足 1%。除屋頂外，數據中心還可考慮在所在園區停車棚、空地等場景安裝分布式風電、光伏，但整體綠電供應規模嚴重受到屋頂面積、土地資源約束，仍需探索其他方式以滿足綠色電力需求。xx 參考中國移動位于北京市大興區的大白樓數據中心進行計算。該數據中心安裝有約4,700架機柜，太陽能光伏板覆蓋3,000樓面屋頂，光伏電站年發電量可達40萬度。假設單位機柜年耗電量為10,000kWh，數據中心全年平均PUE為1.3，計算得到屋頂光伏年發電量占該數據中心年用電量約為0.65%。rmi.org/36解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑綠電專線直供理論上可以突破場內安裝面積限制，實現大規模的

120、綠電供應，而且一般可以減少電力輸配費用的支出、經濟性較強，但往往需要明確的政策和市場機制支持。目前的數據中心綠電專線直供案例多采用較為可控的水電和核電資源（參考 3.1 節 TEL-Rjukan 數據中心和 Cumulus 數據中心案例），但水電、核電均有明顯的地域限制，上述案例很難規?；茝V。而廣泛分布的風光新能源出力存在波動性和間歇性特點，和數據中心所需的穩定供電存在矛盾，往往需要網電或者可調節電源作為備用，全綠電直供方案仍需技術論證。若采用網電作為備用，由于目前試點較少、機制尚不成熟，數據中心需要和電網協商合理的備用費用，或者一同和電網探索算電協同的新型共享商業模式、將數據中心從被動的電

121、力消費者轉變為主動的電網靈活性資源（詳見下一節）77。但這都意味著綠電直供方式會需要更復雜的方案設計和更長的準備時間。國內外領先的數據中心企業也正在積極試點液流電池、綠氫氨醇燃料電池、可再生燃料發電機、先進核能等創新的電力穩定備用零碳技術方案，促進數據中心實現穩定的綠電直供。案例：創新的電力穩定備用零碳技術方案 液流電池：2022 年 9 月，美國 Kinetic Solutions 公司為一處位于亞利桑那州的數據中心采購了 1.3MWh的全釩液流電池，以搭配 400kW 光伏來應對電網故障時電力短缺問題78。2023 年底，中國張家口懷來云數據中心配套的鐵鉻液流電池儲能項目成功交付，容量為

122、500kW/4,000kWh，可滿足數據中心每天 8小時的削峰填谷需求，同時也可以在緊急情況下起到電力備用效果79。氫燃料電池：2020 年 6 月，微軟在猶他州鹽湖城的數據中心，使用 250kW 的氫燃料電池系統順利支持了 10 排微軟 Azure 云服務器連續 48 小時的不間斷運行80。2022 年，微軟與美國氫燃料電池公司 Plug Power 合作開發以氫為動力的 3MW 發電系統，被證實可作為數據中心大型柴油發電機組的可替代方案81?？稍偕剂习l電機：2021 年，微軟在瑞典數據中心使用 Evolution Diesel Plus（一種林業和造紙生產的副產品妥爾油）作為發電機燃料，

123、與標準化石柴油混合物相比，這種柴油含有至少 50%的可再生原材料，減少接近 50%的凈二氧化碳排放量82。數據中心企業也在考慮使用可再生氫化植物油（HVO）作為發電機燃料，如亞馬遜83、數據中心托管商 Digital Realty84均已在多個數據中心中采用了 HVO。先進核能發電技術：近年來，小型模塊化核反應堆（SMR）、核聚變等先進核能發電技術取得了一系列關鍵突破，其供電穩定、零排放的特點使其有望成為數據中心供電新選項。美國 Green Energy Partners計劃在薩里核電站旁新建 30 個數據中心，同時新建 46 座 250MW 小型模塊化反應堆以直供數據中心用電85。此外，利用

124、 SMR 產生的大量熱量和零碳電力接入電解槽，從而電解高溫熱水產生氫氣，實現了綠電與綠氫的耦合生產。圖表 31利用小型模塊化核反應堆 SMR 分解水并對數據中心進行供電流程圖來源：Green Energy Partners86，落基山研究所水先進反應堆燃料高溫蒸汽發生器過量蒸汽回收蒸汽渦輪機氫燃料/天然氣管線電力直接傳輸到數據中心或接入電網存儲電解槽氫燃料過量蒸汽回收rmi.org/37解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑由于上述場內分布式綠電供應規模受限、綠電直供技術機制仍不成熟，綠電交易和綠證交易是目前全球領先數據中心企業最常用的實現綠電消費的方式。這兩種方式能夠實現的前

125、提是數據中心所在國家/地區建立了相關的市場交易機制，這需要電網、交易中心、政府等相關方共同建立起常態化的綠證、綠電交易機制以及配套綠色環境權益的認證、核銷等機制，保證其中綠色環境權益的唯一性、權威性、可溯源性，使其在國內外碳監管體系和RE100、SBTi 等主流國際倡議中受到廣泛認可。電力購買協議 PPA 等綠電交易模式已在歐美等國運行多年，根據歐洲企業采購可再生能源平臺 RE-Source 和北美清潔能源買家協會 CEBA 的統計數據，在 2014-2023 這十年中，企業已通過綠電交易為歐洲帶來了 36.1 GW 的新增可再生能源裝機，為美國帶來了 77.6 GW 的新增零碳電力裝機xxi

126、,87。對于我國而言，綠證市場于 2017 年起步且制度已較為成熟，截至 2024 年 8 月底，全國累計核發綠證18.41 億個，累計單獨交易綠證（不含綠電交易綠證）1.5 億個且供應規模充足88，2024 年 1-8 月交易均價在 10元/個xxii以下89；而綠電交易于 2021 年 9 月起步，但發展速度顯著，2021 至 2023 年成交電量分別為 87 億、181億、697 億千瓦時，年均增速達 283%90。2023 年中國綠色電力（綠證）消費 TOP100 企業中，數據中心服務相關企業達到了 8 家91。從國際環境權益認證趨勢考慮，企業應愈發重視所采購綠電和數據中心用電的時空匹

127、配性。主流國際認證規則中，在歐盟 RED III 框架指引下，歐盟綠證 GOs 核發的機構 AIB 將在時間和空間尺度上精細 GOs 作為 2024 年的重要戰略之一，以求體現 GOs 所對應綠色電力更精確的地理位置、發電時間和技術類型92；RE100 報告指南 2024 中首次提出企業可以額外聲明所采取的時空匹配（全天候零碳能源采購）的策略，而且在市場成員進展表中會將分時匹配作為第四個影響力指標，并聲明未來可能會針對時空匹配制定匯報框架93。部分領先的數據中心企業正積極推進全天候零碳能源采購策略，以尋求實現用電負荷和所采購綠電的時間匹配度可以達到小時級別，地理匹配度可以達到綠電的生產和消費在

128、同一電網區域：策略一：根據負荷曲線定制 PPA2021 年，美國數據中心運營商 Iron Mountain 提出到 2040 年實現全天候零碳能源供應的目標94。為實現這一目標，Iron Mountain 與電力零售商（RPD Energy、Direct Energy）和碳核算公司 Cleartrace 等開展合作，對數據中心每小時能源使用情況和碳排放量進行跟蹤及預測，根據數據中心負荷曲線，與不同綠電供應商簽訂多個購電協議，同時將風能、太陽能和水力發電進行組合，提高可再生能源供電的靈活性和穩定性，確保數據中心的實際用電在任何時間點都能與可再生能源相匹配95。策略二：購買分時綠電證書谷歌與 M-

129、RETS、APX 等機構合作共同開發了基于時間的能源屬性證書（T-EACs），并于 2021 年起在美國、丹麥、智利等地區開展試點工作。在智利，谷歌與非盈利機構 EnergyTag、能源公司 ACCIONA Energia 和AES Andes 合作開展了試點項目，利用至少小時級的電力數據，將智利數據中心每小時能耗與三個可再生能源項目的每小時發電量進行匹配，以滿足 100%電力需求同時核銷對應的 I-REC 證書96。xxi歐洲統計口徑為電力購買協議PPA的貢獻，美國統計口徑數字除了PPA外，還包括了綠色電費Green tarrifs,稅務股權投資Tax equity investments,

130、直接投資Project ownership等綠電采購方式的貢獻。xxii1個綠證單位對應1,000千瓦時可再生能源電量。rmi.org/38解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 32全天候零碳能源（24/7CFE）供應行動指南來源：歐洲電力行業協會 Eurelectric97，落基山研究所從環境披露的認可度來看，目前自愿市場對這四種方式基本均認可，而強制市場對基于地理位置的兩種方式有更加偏好的趨勢。在國內，“1044 號文”98明確指出，綠證是我國可再生能源電量環境屬性的唯一證明，是認定可再生能源電力生產、消費的唯一憑證。因此單獨的綠證交易和“證電合一”的綠電交易原則上并

131、無認可差異，均可應用于可再生能源電力消納責任權重、能耗雙控、高耗能企業剛性約束等場景。國際上，RE100、SBTi 等自愿市場同樣對綠電、綠證交易并無認可差異，但有望進一步要求更細顆粒度的時空匹配。強制市場方面，近年來以歐盟 CBAM、新電池法規為代表的碳壁壘貿易政策，對企業用以抵扣間接排放的綠電供應方式提出了更加嚴格的要求。CBAM 和新電池法規均不認可“證電分離”交易的綠證，而新電池法規目前的征求意見稿中，僅認可基于地理位置的兩種方式。除了電池和電動汽車之外，電子產品和 ICT 行業也是歐盟新循環經濟行動計劃99中重點關注的七個行業之一，因此很可能在后續政策中采取類似的認可方式。24/7

132、CFE 行動指南1.構建知識 在脫碳和企業能源采購的背景下，了解如何進行每小時能源匹配，理解更細顆粒度的能源屬性證書，溯源能源地理位置 了解環境、社會和經濟效益 了解同行開展的行動2.評估可行性 確定負責人或團隊 了解公司當前的負荷曲線并對全天候零碳能源目標進行初步估計 探索全天候零碳能源解決方案 評估潛在全天候零碳能源資源 分析投入產出比7.傳播 對碳減排成果進行宣傳，提高企業的聲譽和可信度 向董事會和股東匯報全天候零碳能源的投資回報率、對公司聲譽的影響及與企業長期戰略目標一致性 向公眾宣傳全天候零碳能源的積極環境和社會影響3.制定路線圖 設定全天候零碳能源目標 選擇合適的可再生能源電力購買

133、協議組合 規劃必要的財務、人力和技術資源 與員工、股東、合作伙伴和客戶進行溝通，解釋更細時間顆粒度匹配的價值，評估支持度和潛在挑戰6.認證 確保所有實踐和流程都符合區域及全球的零碳能源標準 提交全天候零碳能源匹配報告并獲取能源屬性證書4.采購合同 聯系律師起草全天候零碳能源合同（購買能源屬性證書/電力）與能源供應商簽署全天候零碳能源合同 升級基礎設施以更好的支持全天候零碳能源供應行動，如安裝智能電表、配置儲能5.數字化管理 升級數字化平臺 采用先進的能源管理系統對可再生能源進行自動化管理 收集、跟蹤并分析能源消耗、發電、碳足跡和經濟數據rmi.org/39解耦算力發展與碳排放 數據中心用能增長

134、的挑戰與解決路徑3.3.2 促進算力-電力系統協同運行發展算力與電力系統的友好互動，有利于實現電網清潔化和數據中心用電低碳化的雙贏效應。在全球電力低碳化進程中，快速發展的風、光等波動性新能源使得電力系統面臨著供需雙重不確定性，亟需更多可觀可控的靈活性資源來滿足供需平衡。數據中心作為用電規?？焖僭鲩L的用電大戶，有望成為重要的需求側靈活性來源。從電網角度而言，實現數據中心用電負荷與電網的友好互動，將不僅減輕電網平衡壓力、幫助電網消納更多新能源、進一步降低電網排放因子，長期上看還將減少峰荷機組投資和延緩輸配線路擴容；從數據中心角度而言，在電力市場化地區，新能源發電量較大時段的電價往往較低，如果數據中

135、心用電負荷能夠跟隨電價信息實現移峰填谷，還將顯著降低數據中心運營成本，讓數據中心以更低成本、更低碳方式實現穩定供電。算力工作負載可以實現時間和空間上的轉移，為電力系統提供時空靈活性，是解決算力-綠電時空不匹配的重要基礎。IT 設備是數據中心里最大的用電負荷，可以進一步分為工作負載用電和服務器用電，前者反映了數據中心處理任務的動態變化，后者則是支持這些任務的核心設備的基本能耗。一般數據中心的工作負載可根據任務對處理時間的靈敏性分為延遲容忍型負載（離線工作負載）和延遲敏感型負載（在線工作負載）。延遲容忍型負載：主要由數據處理信息復雜、計算時間長的任務組成，能夠容忍一定程度的時間延遲，而負載調度系統

136、會根據任務內容確定優先級，將其投入排隊等待服務器計算資源，響應時間主要受資源的空閑情況和其他任務優先級等因素影響，可能持續幾分鐘或幾小時，在一定程度上實現了數據中心負荷的時間靈活性；延遲敏感型負載：主要由實時任務組成，對時間延遲的敏感型高，而負載調度系統會根據實際需要，為重要的在線負載在異地服務器或機房上進行冗余備份，在這種情況下，當原機房出現緊急情況時，負載調度系統可以迅速將運行指令調度到備用服務器上繼續處理，或者調度到不同地理位置上的數據中心，從而實現了數據中心負荷的空間靈活性。圖表 33 總結了數據中心主要的時間與空間靈活性來源以及和網荷互動的特性。在滿足某計算任務對計算資源和數據資源需

137、求的條件下，負載調度管理系統可以按照一定目標，更改工作負載的處理計劃，將部分可調工作負載從負載高峰時段推遲到低谷時段，或將部分負載轉移到其他服務器上處理。利用這種運行靈活性，數據中心能夠成為電力系統需求側重要的可調資源，不僅可以為電網提供小時級的調峰以及分鐘內的調頻等輔助服務，而且可以參與電網經濟調度、機組組合等運行規劃過程，從而實現算電協同調度100。此外，在算力電力友好互動和協同調度中，除了算力工作負載靈活性外，制冷、備用電源等系統亦可提供可觀的靈活性。例如，調節制冷系統、蓄冷系統等設備，利用數據中心機房的熱慣性、供冷網絡的熱慣性，通過分布式電儲能進行削峰填谷等手段響應電網信號，可提供秒級

138、到小時級的時間靈活性，實現電熱冷等多能耦合的協同運行，也可有效提升算力用能綠色化水平。rmi.org/40解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 33數據中心電力需求側時間與空間靈活性來源一覽負荷類別主要設備負荷占比調控方式時間靈活性空間靈活性秒級分鐘級小時級日級日級IT系統負荷存儲與 服務器50%在線工作負載調度xxiii離線工作負載調度xxiv服務器用電管理制冷系統負荷空調、供冷網站30%溫度調節，利用熱慣性備用電源柴油發電機N/A啟停，功率調節儲能系統N/A充放策略優化來源：華北電力大學101，落基山研究所在實際運行層面，數據中心算力-電力協同也可以分為園區和區域兩個

139、層級。園區層級算電協同調度指的是單體數據中心內部工作負載和能源系統的靈活調度，而區域層級算電協同調度則是多個數據中心之間的協同靈活調度。圖表 34 展示了全球范圍內不同層級、不同類型的算力-電力協同優化運行案例。（1）園區級算電協同調度對于園區算電協同調度，首先需要構造數據中心內部高效、低碳的供能體系，在保證算力用電可靠性要求前提下，通過集中負荷管理、替換低效供冷方式等優化數據中心內部的供能結構，以及在供能側引入可再生能源，從而實現高效低碳用能、降低建設與運營成本；其次數據中心運營商需要發掘數據中心的靈活調節能力，根據計算負載特性，通過調控邏輯耦合性較弱的計算負載作為靈活性資源，在不影響業務邏

140、輯的前提下使其用能自動匹配電碳市場信號、可再生能源出力特性，從而進一步降低用能成本、提高綠電使用占比、減少碳排放。目前，園區算電協同調度在實際應用中取得了一定的進展，但在多系統管理運維、業務協調等方向仍面臨一些挑戰。一些園區已經開始采用智能化的能源管理系統和算力調度系統，能夠實時監測和分析能源和算力的使用情況，并根據需求進行優化調度。例如，某些園區通過大數據分析和人工智能算法，實現了對服務器負載的精準預測，從而能夠提前調整能源供應，提高能源利用效率。但園區算電協同調度涉及到多個系統的協同工作，包括能源供應系統、算力調度系統、制冷系統等，需要專業的技術人員進行管理和維護，否則可能會影響系統的穩定

141、性和可靠性。此外，在數據中心實際運行過程中，數據中心園區內各類設備運行一體，在不影響數據中心用能可靠性的前提下，如何準確地將與業務邏輯耦合性較弱的部分靈活性資源實時識別井獨立控制也是一大難題。xxiii為了保證在線負載的計算安全和服務質量，負載調度系統會根據實際需要，為重要的在線負載在異地服務器或機房上進行冗余備份。在網絡帶寬允許的情況下，為實現工作負載的空間調度轉移提供了可行性，例如大模型響應。xxiv取決于任務類型，周期性任務分為秒、分鐘、小時、日、周、月等周期，例如大模型訓練；非周期性任務響應時間取決于資源空閑情況和其他任務優先級，響應時間持續幾分鐘或幾小時不等。能否提供空間靈活性取決于

142、是否實現了數據備份。rmi.org/41解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑（2）區域級算電協同調度隨著數據中心規模的擴大和電力需求的日益增長，區域級算電協同調度逐漸成為智能電網和數據中心能源管理中的關鍵問題。區域級算電協同調度的特點體現在其廣域協同、多數據中心調度以及跨區域的能源和算力資源優化管理。它涉及多個地理分布的數據中心，通過動態調整計算負載和電力消耗，在廣域范圍內實現資源共享和最優配置。這種調度不僅需要考慮電力供需平衡，還需協調各數據中心間的計算任務分配，尤其是在應對電價波動、負載變化和可再生能源波動時，調度系統需具備高度靈活性和自適應性。區域級調度通常與電力市場緊

143、密結合，通過參與需求響應、調頻等輔助服務、現貨市場等市場機制優化能源成本，提升經濟效益，同時實現算力價格和電力價格的交叉關聯。未來，算電協同調度還可以進一步響應分時分區動態電網排放因子等碳信號，以精確降低數據中心用電帶來的碳排放。圖表 34算力-電力協同優化運行全球案例來源：阿里巴巴102，丹麥 Electricity Maps 公司103，微軟104，德國能源署105，英特爾106，落基山研究所整理基于碳強度的負荷調節（美國）2023 年，谷歌與 ElectricityMaps公司合作，計算和預測各數據中心所在地區小時級別的電網排放因子，通過優化調節靈活負載到碳強度更低的時間段和地區，在不影

144、響其服務性能和穩定性的前提下實現減排。參與電網輔助服務（愛爾蘭）2022 年，微軟與電力聚合商 Enel 合作，利用數據中心配備的鋰電池（UPS 的一部分）參與 EirGrid 運行的 DS3 市場，為電網提供調頻服務。削峰填谷（中國）2022 年，阿里巴巴集團與華北電力大學合作，響應華北電力調峰輔助服務市場信號，將南通數據中心的部分搜索業務和推薦業務負載遷移至由張北數據中心，對應相關電力負荷約100 千瓦、電量約 150 千瓦時，增加了該時段華北電網可再生能源消納。緊急需求響應（日本）2011 年，日本 NTT 公司與英特爾合作，面對震后電力供應緊張形勢，通過控制服務器功率上限與功耗，在外部

145、斷電期間，保證關鍵業務不暫停、延長數據中心運行時間約 1.8 倍（到 64 小時）。能源管理（德國）Socomec 公司綜合利用儲能、靈活 UPS 和能源管理等手段，為數據中心提供需求響應解決方案，在提高資產收益的同時，降低電網平衡難度。rmi.org/42解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑3.4 推動政策和市場機制保障數據中心節能降碳數據中心的節能降碳需要政策的引導與支撐。在有效的碳排放披露機制和金融手段支持下，以明確的碳核算與評價體系為基礎，由政府政策、金融機構、采購數據服務的下游企業協同發力產生激勵和約束機制。首先，應完善數據中心和數據中心產品（例如算力等）的碳排放披

146、露機制，推動數據中心進行碳排放披露，加強數據中心碳管理。上市公司和大型企業、有算力采購需求的公共部門或下游企業（即算力或數據服務的使用方）可以針對上游數據中心企業提出更加明確的碳要求，在助力自身環境目標實現的同時，自下而上推動整個數據中心產業鏈的脫碳。以上市公司和大型企業碳排放披露為抓手，推動數據中心運營商以及相關企業進行碳排放披露。國際上，上市公司的 ESG 披露正經歷從自愿披露到強制披露的轉變，例如歐盟陸續提出了針對企業的強制碳排放披露要求。數據中心企業通常為大型企業且已上市。以我國為例，頭部前三的企業以及前五的數據中心企業所占市場份額總和分別高達 50.1%和 59.5%107，且均為上

147、市公司。針對數據中心行業的上市公司提出強制碳排放披露要求可以覆蓋較大范圍的數據中心進行碳排放披露，推動其率先進行節能降碳，并為中小型數據中心提供經驗和示范，輻射帶動全行業的碳排放披露。下游企業或公共部門應對低碳算力提出采購需求，推動數據中心企業的降碳。全球云計算服務市場規模近年來呈現快速增長，2023 年其規模接近 6,000 億美元108，預計未來幾年還將持續快速增長。越來越多企業傾向于從第三方購買云算力服務，而非自建數據中心。同時，政府部門的數字化轉型也帶來了迅速增長的政府算力采購需求。隨著我國數字政府建設工作的不斷推進109，我國政務云市場迅速增長，2023 年政務云整體市場規模到達 7

148、94.5 億元，相比 2022 年增長 50%以上110。這一趨勢下，算力服務的下游買方應提出對低碳算力的明確采購要求。歐盟聯合研究中心（JRC）2020 年發布的歐盟數據中心和云服務綠色采購準則報告111中建議公共機構在購買云服務時對數據中心提出 PUE、可再生能源使用以及制冷劑 GWP 等要求，推動上游數據中心減排。企業還可以通過與托管商或云服務簽訂合約，明確其供應商所提供的算力或數據服務的碳排放限值；政府和公共部門可以將碳排放相關指標納入政府采購需求標準，如數據庫政府采購需求標準等112。在綠色數據中心評價中納入碳排放指標。當前，全球范圍內數據中心相關的可持續認證體系大致可以分為兩類，一

149、類是在可持續建筑認證體系中納入了一些針對數據中心的評價指標，如美國的 LEED、歐洲的 BREEAM；另一類是專門針對數據中心的認證體系，如歐盟數據中心準則（EU Code of Conduct for Data Centres）以及我國的國家綠色數據中心評價指標體系。然而，這些認證以能源效率和可持續性指標為主，碳排放并未成為數據中心認證的主流指標。將碳排放指標納入數據中心可持續認證體系能夠有效推動數據中心的降碳管理。rmi.org/43解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑案例：綠色數據中心認證推動我國綠色數據中心發展我國早在 2015 年就發布了國家綠色數據中心試點工作方案

150、，先后評選出 5 批共計 246 家國家綠色數據中心。至今，我國已經建立了較為全面的綠色數據中心認證評價體系，包括綠色數據中心評價指標（圖表 35）、申報流程等。另外，我國也不斷發布更新國家綠色數據中心先進適用產品目錄，與綠色數據中心評價工作配合，推動利用先進產品技術助力數據中心節能降碳。國家綠色數據中心的評價認證帶來的良好的示范效應，極大推動了我國數據中心的節能降碳，2023 年度國家綠色數據中心 PUE 平均值已從2020 年的 1.44 降至約 1.26113。圖表 35我國國家綠色數據中心評價指標體系能源高效利用能源利用效率可再生能源及儲能利用水平 單位信息流量綜合能耗下降水平能源利用

151、智慧管控水平余熱余冷利用水平科學布局集約建設科學布局水平集約建設水平 綠色低碳發展水資源利用水平水資源采購水平綠色運維水平綠色化改造提升情況綠色公共服務水平算力資源高效利用機柜資源利用水平（上架率）算力負荷利用水平網絡資源利用水平信息系統能效及單位能耗產出水平 來源：工業和信息化部，落基山研究所其次，建立和完善數據中心碳核算體系是數據中心碳管理的基礎。明確數據中心范圍三碳排放核算、確定不同主體和所有權結構的碳排放劃分、利用數據平臺完善數據收集與管理以及國際標準銜接是數據中心碳核算體系建設需要解決的關鍵問題。數據中心碳排放計量方法學的設計應著重明確范圍三碳排放的計量方法。由于范圍三溫室氣體排放的

152、計量涉及相關方多、計量難度較大，數據中心碳核算方法需要主要解決范圍三核算問題。數據中心范圍三溫室氣體排放主要包含 9 個關鍵類別（圖表 36）。確定范圍三核算來源及排放數據是一大難點，突破這一問題能有助提高碳排放報告的準確性。rmi.org/44解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑圖表 36 數據中心范圍三溫室氣體排放源來源：施耐德114，落基山研究所 數據中心運營方應積極采用數據中心基礎設施管理平臺（DCIM），以規范能碳數據的采集、處理和交流流程。DCIM能夠高效地采集和管理數據中心的運營狀況、能耗和碳排放等信息，提高數據采集的便捷性和可靠性。此外，DCIM 的應用有助于

153、統一數據中心碳排放數據的披露格式，便于國家層面進行統計和管理。推動數據中心碳核算標準的國際對接。鑒于全球互聯網的迅猛發展及國際上基于氣候變化的關稅政策，為應對跨境數據服務及其碳排放問題，數據中心及算力產品的碳排放核算標準需與國際標準接軌。ISO 國際標準化組織于 2022 年發布了信息技術-數據中心-關鍵性能指標-第 8 部分：碳使用效率（CUE）國際標準，將碳使用效率定為關鍵績效指標，用于量化數據中心使用階段的碳排放量。我國在構建數據中心碳核算體系時，應充分考慮與國際標準的對接，同時注重本土碳排放因子數據庫的建立與國際互認。此外，還需要加強綠色金融工具在數據中心領域的應用。需要建立市場化、專

154、業化的綠色金融運作和監管模式，鼓勵符合條件的銀行開發創新的數據中心綠色信貸產品，并通過將數據中心節能降碳技術納入綠色債券支持目錄等方式為金融支持數據中心項目提供指引。政府還應支持數據中心企業通過發行綠色債券、開展資產證券化等方式優化融資結構115。數據中心企業應設立明確的可持續發展關鍵績效指標，如碳排放目標，并通過設立綠色金融框架，有效追蹤和管理其資金使用，確保其與可持續發展目標保持一致，吸引投資者并降低融資成本。開發創新綠色金融工具，為綠色數據中心節能降碳技術的應用提供多樣化的資金支持。多樣化創新的綠色金融工具能針對不同的數據中心能效提升應用場景，提供更加定制化的融資服務。放眼全球數據中心和

155、云計算領域，諸如 Equinix、Digital Realty、Nabiax、Atos 和百度等 IT 運營商或數據中心托管商都紛紛涉足可持續融資。綠色債券（Green Bond）以及可持續發展掛鉤貸款（Sustainable Linked Loan,SLL）是當前應用在數據中心項目中的最主流的兩類綠色金融工具，其中綠色債券需要與特定的項目綁定（如新建綠色數據中心項目），而SLL更加靈活，企業可以自由使用資金，貸款利率需與某些指標（如電源利用效率PUE目標、碳排放或用水量等）掛鉤。另外，也可以考慮在數據中心改造項目中探索合同能源管理等模式，引入節能服務公司等第三方，解決既有數據中心能效改造項目

156、中高初始投資的問題，并實現多方共贏。5 運營產生的廢棄物6 商務差旅7 員工通勤8 上游租賃資產9 下游租賃資產1 購買的商品及服務2 資本貨物3 燃料和能源相關活動4 上游運輸和配送 圍護結構（材料）云服務 固體廢棄物管理 廢水管理 航空、鐵路、公交、汽車出行 酒店住宿 汽車出行 公共交通 其他（如遠程辦公）租賃車輛 租賃建筑物 租賃的托管數據中心空間 多租戶數據中心 單租戶數據中心 IT設備 供電設備 制冷設備 其他（機柜、消防、照明）燃料（即柴油、天然氣）能源（即電力、制冷）通過公路、鐵路、航空和海上運輸rmi.org/45解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑案例：綠色

157、金融工具支持綠色數據中心項目新加坡電信（Singtel）集團是新加坡最大的數據中心運營商之一。渣打銀行、華僑銀行等四家銀行共同為其數據中心子公司提供了約 4 億美元的綠色貸款，支持其綠色轉型。貸款協議規定該資金所支持的數據中心必須達到超金級認證（Green Mark GoldPlusxxv）。在綠色貸款支持下，兩個旗艦數據中心 DC West 和 DC Kim Chuan 獲得了綠色建筑鉑金級認證（Green Mark Platinum）。擴充綠色債券項目目錄，為金融支持綠色數據中心項目提供指引。綠色項目和綠色領域的專業性目錄清單是專門用于界定和遴選符合各類綠色債券支持和適用范圍的工具，能夠為

158、金融機構、企業和上市公司等市場主體發行綠色債券募集資金提供更加明確的指引，也能為各級地方政府制定綠色債券激勵機制、出臺相關配套政策提供參考。數據中心節能是多個子系統節能和多項技術集成應用的結果（圖表 37），應鼓勵金融政策將這一技術系統納入綠色金融支持項目清單中。預制模塊化建設技術、低碳建筑材料、廢舊電子設備回收利用等幫助數據中心全生命周期減排的技術也應納入綠色投融資目錄，最大程度支持數據中心實現全生命周期零排放。圖表 37數據中心低碳技術匯總來源：節能與綜合利用司116，落基山研究所xxv 新加坡推出的綠色建筑認證標識，有鉑金級、超金級、黃金級和認證級四個認證等級。直流供電系統 立體卷鐵心干

159、式變壓器 高效UPS 智融電力模塊 液冷技術 蒸發冷卻 氟泵精密空調 空調背板墻 數字變頻技術 智能化模塊 風冷流場優化 零臭氧消耗潛能值（ODP）、低全球變暖潛能值（GWP）氟化冷卻液 分布式光伏 儲能 水電 風電 風光互補 智慧運營管理平臺 基于人工智能（AI）的數據中心運維管理系統 制冷系統智能控制系統 余熱回收 預制模塊化數據中心解決方案 智能A化行級模塊 智能微模塊 全閃存存儲 存算分離架構 網絡設備節能 無損數據中心網絡 數據重刪壓縮 預制模塊化建設技術余熱利用技術低碳建材高效供配電信息設備節能高效系統集成技術產品智能化運維管理高效冷卻技術產品可再生能源利用技術rmi.org/46

160、解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑4.賦能綠色智慧未來：算碳解耦行動建議 規劃選址統籌考慮多方面因素優化數據中心選址布局 提高綠色電力可獲取性：優先選擇風、光、水等零碳電力資源富集的地區建設數據中心，通過使用當地清潔電網、電力直供、微電網等方式就近使用綠色電力。當地可再生能源資源稀缺時，優先考慮擁有跨省跨區綠電交易市場的地區，通過市場方式實現數據中心綠電供應?？紤]到可再生能源出力不穩定性，還可以結合雙路或多路供電以及多種能源互補以保障數據中心用電的安全、穩定。充分考慮自然冷源：優先選擇氣候寒冷或溫和的地區，以便利用室外低溫空氣進行冷卻。優先選擇靠近自然水源的地區如江河湖海，

161、便于實施高效的自然水冷系統。將自然冷源技術與智能控制系統相結合，實現自動調節，提高冷卻效率。結合自然冷源與傳統冷源構建可靠的制冷系統，確保數據中心穩定運行。挖掘余熱利用潛力：在園區內規劃數據中心時，優先考慮數據中心周邊建筑的用熱需求，實現余熱的精準對接和高效分配。除了就近利用余熱外，通過采用熱泵、儲熱、遠距離輸熱等技術，將數據中心余熱高效整合進區域供暖系統。積極把握并利用國家和地方政府為余熱利用提供的稅收減免、資金補貼等激勵措施，以降低項目成本。新建與改造發揮標準引領作用，提高新建與既有數據中心節能降碳水平 構建多維度能碳評估指標體系:在 PUE 指標的基礎上，引入可再生能源利用率、冷卻效率、

162、能源再利用率、碳利用率、IT 設備服務器能效等多個評價指標，構建全面的數據中心多維度能碳評估指標體系。根據數據中心所在地的氣候條件、能源結構狀況，設定合理的能碳指標引導值和約束值。完善數據中心節能標準，推動節能減碳技術廣泛應用：將綠色建筑設計理念融入數據中心標準，充分挖掘自然冷卻的潛力，并優化圍護結構。引導使用節能技術如高效冷卻、高效電氣設備、高效 IT 設備。推薦采用余熱回收技術以及智能化能源管理系統。鼓勵利用可再生能源，如太陽能光伏、風力發電和儲能系統。加快改造低能效數據中心：根據數據中心的規模和運營年限，制定分類節能改造計劃。對于老舊且能效低下的中小型數據中心，考慮關停并轉措施。對于大型

163、和超大型數據中心，合理采取局部與系統改造措施。優先采用模塊化數據中心用于改造，減少對運營的影響。建立跨專業能效溝通機制，確保各方面的協同合作。定期進行節能評估，提高對能效措施經濟性的認識。運行管理打造清潔低碳、電網友好的數據中心電力消費模式 多元化綠色電力采購方式：數據中心運行方應綜合考慮自身用電規模、所處項目階段、風險偏好、經濟效益、環境披露要求等因素，組合選擇場內分布式可再生能源、綠電專線直供、綠電交易、綠證交易等采購方式，加速實現電力供應的綠色化 完善綠電、綠證交易制度：政府、電網、交易中心等相關方需要共同建立起常態化的綠證、綠電交易等市場機制，同時保證其中環境權益的唯一性、權威性、可溯

164、源性，提高國內、國際的認可度。在綠電供給較為緊張的地區，應進一步暢通跨省跨地區綠電交易機制，提高交易頻次、交易規模和輸電通道的可得性。rmi.org/47解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑 探索算電協同的最佳模式：企業需選拔專業技術人員綜合管理能源供應、算力調度、制冷等多個系統，實時識別并獨立控制與實時業務邏輯耦合性較弱的部分靈活性資源，而且在空間上能夠對所擁有的數據中心實現跨地區資源共享和最優配置。更重要的是，數據中心時空調度都需要電力市場設計上提供足夠的價格激勵信號，推動需求側靈活性資源常態化參與現貨、輔助服務、需求響應等市場機制，促進園區級和區域級的算電協同調度，實現

165、算力價格和電力價格的交叉關聯。規?；痉毒G色數據中心和算電協同試點：數據中心主體應聯合當地新能源企業、電網公司積極打造數據中心源網荷儲全綠電直供實踐，可優先考慮在集中式或分布式可再生能源富集、國家算力樞紐節點地區進行示范探索，同時探索綠氫氨醇燃料電池、核能小堆等零碳供電新選擇。培育算電協同商業模式、總結管理運行經驗，以點帶面，促進全國范圍的算電協同推廣。保障機制政策和市場合力保障數據中心綠色高質量發展 完善針對數據中心和數據中心產品的碳排放約束政策和披露機制：對于數據中心領域的上市公司和大型企業提出強制碳排放披露要求；鼓勵通過綠色采購自下而上推動數據中心節能降碳，有算力采購需求的下游企業可以對

166、上游數據中心企業提出減碳要求，政府和公共部門宜將碳排放相關指標納入數據服務采購需求標準；在數據中心可持續認證指標體系中加入碳排放相關指標。建立統一的數據中心碳核算體系：制定針對數據中心的碳排放核算標準，特別要明確數據中心范圍三碳排放的計量方法；明確數據中心不同主體和所有權結構的碳排放劃定；鼓勵應用 DCIM 等數字化工具，規范數據中心數據采集和處理，加強能碳相關信息發布和透明度；并在數據中心碳核算標準的制定過程中注重國際對標和互認。運用綠色金融工具為數據中心節能降碳提供資金支持：鼓勵金融機構和企業開發適合數據中心項目的創新綠色金融工具，為綠色數據中心節能降碳技術的應用提供多樣化的資金支持；將液

167、冷、高效系統集成技術、智能化運維等數據中心節能降碳技術納入綠色債券支持項目目錄等綠色金融技術目錄，為綠色金融支持數據中心節能降碳提供明確指引。rmi.org/48解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑參考文獻1 IDC&浪潮信息&清華全球產業元，20222023全球計算力指數評估報告，2023年7月，https:/ 中國青年報，算力、新質生產力與國家治理現代化，2024年5月，http:/ 中國通服數字基建產業研究院，中國數據中心產業發展白皮書（2023 年），2023年4月，https:/ 國務院新聞辦就2024年一季度工業和信息化發展情況舉行發布會,https:/ 中國通服

168、數字基建產業研究院，中國數據中心產業發展白皮書（2023 年），2023年4月，https:/ EMBER，2024全球電力評論，https:/ember-climate.org/app/uploads/2024/04/ZH_Global-Electricity-Review-2024.pdf7 IEA(2024),Electricity 2024,IEA,Paris.https:/www.iea.org/reports/electricity-2024,Licence:CC BY 4.08 AI Datacenter Energy Dilemma-Race for AI Datacenter

169、 Space,https:/ AI chips will consume over 1.5%of the world s electricity over the next five years and 1B tons of carbon,https:/ GS SUSTAIN:Generational Growth AI/data centers global power surge and the sustainability impact,https:/ Emission Factors in Refrigerants and Fugitive Gases,https:/www.clima

170、tiq.io/data/category/refrigerants-and-fugitive-gases12 GHG Protocol HFC Tool(Version 1.0)，https:/ghgprotocol.org/sites/default/files/hfc-cfc_1.pdf13 Net Zero Tracker,https:/ 中國信息通信研究院，中國綠色算力發展研究報告（2024年），https:/ The Science Based Targets initiative(SBTi),https:/sciencebasedtargets.org/companies-taki

171、ng-action16 綠色云端2024,https:/ 綠色云端2024,https:/ 落基山研究所&百度智能云，數智碳中和以數智技術助力關鍵相關方實現碳達峰碳中和，2022年1月，北京,https:/ 落基山研究所&百度智能云，數智碳中和以數智技術助力關鍵相關方實現碳達峰碳中和，2022年1月，北京,https:/ Average lead times to build new electricity grid assets in Europe and the United States,2010-2021,IEA,https:/www.iea.org/data-and-statisti

172、cs/charts/average-lead-times-to-build-new-electricity-grid-assets-in-europe-and-the-united-states-2010-2021.rmi.org/49解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑21 Cost and Performance Characteristics of New Generating Technologies,Annual Energy Outlook 2023,https:/www.eia.gov/outlooks/aeo/assumptions/pdf/elec_cost

173、_perf.pdf22 中國信息通信研究院 中國綠色算力發展研究報告（2024年）,http:/ 中國電力發展促進會電力與算力協同專業委員會 電力與算力協同發展藍皮書（2024）,https:/ 中國電力發展促進會電力與算力協同專業委員會 電力與算力協同發展藍皮書（2024）,https:/ 中國電力聯合會，中國電力統計年鑒2020202326 Hyperscale Data Centers Hit the Thousand Mark;Total Capacity is Doubling Every Four Years,https:/ Powering Intelligence Analyz

174、ing Artificial Intelligence and Data Center Energy Consumption,https:/www.wpr.org/wp-content/uploads/2024/06/3002028905_Powering-Intelligence_-Analyzing-Artificial-Intelligence-and-Data-Center-Energy-Consumption.pdf28 Data Centers Part II:Power Constraints The Path Forward,https:/ Data Centers Part

175、II:Power Constraints The Path Forward,https:/ PG&E:3.5GW of data center capacity in Californias connection pipeline over next five years，https:/ Powering Intelligence Analyzing Artificial Intelligence and Data Center Energy Consumption,https:/www.wpr.org/wp-content/uploads/2024/06/3002028905_Powerin

176、g-Intelligence_-Analyzing-Artificial-Intelligence-and-Data-Center-Energy-Consumption.pdf32 全國一體化大數據中心協同創新體系算力樞紐實施方案,https:/ 國家發展改革委等部門 關于深入實施“東數西算”工程加快構建全國一體化算力網的實施意見,https:/ 一圖讀懂|“東數西算”工程解讀，https:/ 中國信息通信研究院，中國綠色算力發展研究報告（2024年），https:/ H.Zhu et al.,Future data center energy-conservation and emissio

177、n-reduction technologies in the context of smart and low-carbon city construction,.https:/ 美通社，浪潮信息趙帥：從算力源頭減少碳排放，綠色化實踐與度量體系缺一不可，https:/ 曹播，虛擬化技術對PUE的沖擊，https:/ 維諦技術，漫談數據中心PUE-由PUE的“BUG”談如何正確認識PUE，https:/ 綠色云端2024,https:/ Google 2024 Environmental Report，https:/sustainability.google/reports/google-20

178、24-environmental-report/rmi.org/50解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑43【文字實錄】國網冀北岳昊：智能算力快速發展對電力供需的影響分析2024年新型電力系統線上研討會（第五期）,https:/ 國務院新聞辦就2024年一季度工業和信息化發展情況舉行發布會,https:/ 國網冀北經研院 岳昊：智能算力快速發展對電力供需的影響分析,https:/ Stefan Pfenninger&Iain Staffell,https:/www.renewables.ninja/47 中國算力發展指數白皮書（2023年）,http:/ 國家發展改革委等部門

179、 關于深入實施“東數西算”工程加快構建全國一體化算力網的實施意見,https:/ 中國算力發展指數白皮書（2023年）,http:/ 2023年中國風能太陽能資源年景公報,https:/ Rajan Sodhi,How CSRD and EED are Reshaping Data Center Sustainability Reporting,Hyperview52 Rajan Sodhi,How Californias New Emissions Disclosure Law Will Affect Data Centers,Hyperview53 Uptime institute,Upt

180、ime Institute Global Data Center Survey 202454 Douglas Donnellan,et.Al.,Uptime institute global data center survey 2024,Uptime Institute55 中國人民銀行等，綠色債券支持項目目錄（2021年版）56 國家互聯網信息辦公室（2024），數字中國發展報告（2023）57 國家信息中心，“碳達峰、碳中和”目標下應三管齊下 有效發揮數據中心集群化階乘化降耗效應，https:/ The new Google Cloud region in Turin Italy is

181、now open,https:/ Where are the hyperscale cloud providers building their data centres?,https:/www.techmonitor.ai/hardware/cloud/where-cloud-providers-building-data-centres?cf-view60 全國一體化大數據中心協同創新體系算力樞紐實施方案,https:/ Where are the hyperscale cloud providers building their data centres?,https:/www.tech

182、monitor.ai/hardware/cloud/where-cloud-providers-building-data-centres?cf-view62 Ambitious AI roadmaps are challenging existing infrastructure,https:/ 中國首個零碳數據中心！年減碳量超30萬噸,https:/ 打造“綠色算力基地”青海有底氣，http:/ TEL-Rjukan,https:/greenmountain.no/data-center/tel-rjukan/66 AWS acquires Talens nuclear data cent

183、er campus in Pennsylvania,https:/ Unlocking Value CUMULUS,https:/ SVG-Rennesy,https:/greenmountain.no/data-center/svg-rennesoy/rmi.org/51解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑69“綠電”變算力 探訪國家級綠色數據中心如何高效節能降碳,http:/ 制冷與空調，新型蒸發冷卻空調系統在數據中心的運行測試分析，https:/ 中央紀委國家監委網站，把數據存進海底探訪全球首個商用海底數據中心，https:/ 雪球，2024巴黎奧運會：用數據中心余熱為

184、泳池供暖,.https:/ 賽迪顧問簡析全國數據中心布局：局地供不應求，避免一哄而上，https:/ DataCenter Knowledge,Using a Total Cost of Ownership(TCO)Model for Your Data Center,https:/ Eaton,Best practices for modernizing vintage data centers,https:/datacenters.lbl.gov/sites/default/files/Best%20practices%20for%20modernizing%20vintage%20dat

185、a%20centers.pdf76 DataCenter Knowledge,Using a Total Cost of Ownership(TCO)Model for Your Data Center,https:/ Powering Intelligence Analyzing Artificial Intelligence and Data Center Energy Consumption,https:/www.wpr.org/wp-content/uploads/2024/06/3002028905_Powering-Intelligence_-Analyzing-Artificia

186、l-Intelligence-and-Data-Center-Energy-Consumption.pdf78 Invinity Energy Systems,1.3 MWh sale to U.S.Datacenter,https:/ 數據中心不配鋰電池，長時儲能技術更優？,https:/ Microsoft tests hydrogen fuel cells for backup power at datacenters,https:/ Hydrogen fuel cells could provide emission free backup power at datacenters,M

187、icrosoft says,https:/ Progress on our commitment to sustainable backup power in datacenters by 2030,https:/ Hydrotreated vegetable oil(HVO)can result in as much as 90%less greenhouse gas emissions over the fuels life cycle when compared with diesel,.https:/www.aboutamazon.eu/news/sustainability/harn

188、essing-the-power-of-plants-to-decarbonise-our-data-centres84 Digital Realty Expands Renewable Generator Fuel Rollout to the U.S.,https:/ Green Energy Partners plans to expand Virginias capacity with nuclear powered data centers,https:/ SMALL MODULAR REACTORS TURN WATER INTO ENERGY,https:/water2.ener

189、gy/gems/87 郝一涵，江漪，路舒童，創新金融機制助力中國可再生能源發展綠電長期交易合同的機遇與挑戰，落基山研究所，2024，https:/ 國家能源局，國家能源局發布2024年8月全國可再生能源綠色電力證書核發及交易數據，https:/ 數據中心用能增長的挑戰與解決路徑89 能源雜志，封面報道綠證新時代，https:/ 人民日報，電力中長期交易基本規則綠色電力交易專章 發布推動經營主體積極參與綠電交易，https:/ 中國電力企業聯合會，2023年中國綠色電力（綠證）消費TOP100企業名錄正式發布，https:/ AIB NEWS-21 December 2023,https:/ww

190、w.aib-net.org/newsletter/web.html?n2g=exu6l9s3-94w48wba-dy493 RE100 Reporting Guidance 2024,https:/www.there100.org/sites/re100/files/2024-10/RE100%20Reporting%20Guidance%202024%20v3.pdf94 Sustainable green data centers,https:/ Iron Mountains Innovative 24/7 CFE Solution Lightens Its Data Center Cus

191、tomers Carbon Emissions Load,Serving 100+U.S.Facilities,https:/cleartrace.io/iron-mountains-innovative-24-7-cfe-solution-lightens-its-data-center-customers-carbon-emissions-load-serving-100-u-s-facilities/96 Timely progress towards around-the-clock carbon-free energy,https:/ My journey towards procu

192、ring carbon-free energy on an hourly basis:A comprehensive guide from knowledge-building to certification&reporting,https:/247.eurelectric.org/buyers-journey/98 國家發展改革委 財政部 國家能源局，關于做好可再生能源綠色電力證書全覆蓋工作 促進可再生能源電力消費的通知，https:/ European Commission,A new Circular Economy Action Plan-For a cleaner and more

193、 competitive Europe,https:/eur-lex.europa.eu/legal-content/EN/TXT/?qid=1583933814386&uri=COM:2020:98:FIN100 Yin X,Ye C,Ding Y,Song Y.Exploiting Internet Data Centers as Energy Prosumers in Integrated Electricity-Heat System.IEEE Trans Smart Grid 2023;14:16782.https:/doi.org/10.1109/TSG.2022.3197613.

194、101 曹雨潔,丁肇豪,王鵬,張素芳,劉吉臻,&劉文娟等.(2022).能源互聯網背景下數據中心與電力系統協同優化(二):機遇與挑戰.中國電機工程學報(010),042.102 助力綠色低碳 阿里巴巴與華北電力大學數據中心算力-電力協同調度項目多項成果發布，https:/ Discover How Google is Reaching Its Sustainability Goals With Electricity Maps，https:/ Microsoft datacenter batteries to support growth of renewables on the power

195、grid,https:/ 德國能源署（發布方）（dena，2022）：中德數據中心靈活性研究現狀和最佳實踐106 Dynamically Controlling Server Power Consumption and Reducing Data Center Peak Usage by 16 to 18 Percent,https:/www.intel.co.id/content/dam/www/public/us/en/documents/articles/ntt-data-case-study.pdf107 瞻研院，洞察2022：中國IDC(互聯網數據中心)行業競爭格局及市場份額108

196、中商產業研究院，2024-2029年中國云計算行業深度分析及發展趨勢預測研究報告109 國務院，國務院關于加強數字政府建設的指導意見110 IDC,中國政務云市場規模達794.5億，大模型引領市場新增長，https:/ Dodd,N.,Alfieri,F.,De Oliveira Gama Caldas,M.,Maya-Drysdale,L.,Viegand,J.,Flucker,S.,Tozer,R.,Whitehead,B.,Wu,A.and Brocklehurst,F.,Development of the EU Green Public Procurement(GPP)Criteri

197、a for Data Centres,Server Rooms and Cloud Services,EUR 30251 EN,Publications Office of the European Union,Luxembourg,2020,ISBN 978-92-76-19447-7,doi:10.2760/964841,JRC118558.rmi.org/53解耦算力發展與碳排放 數據中心用能增長的挑戰與解決路徑112 財政部，工業和信息化部，數據庫政府采購需求標準（2023年版），2023113 魏文棟，（2024）多舉措推動算力牽手綠電，經濟日報114 Paul Lin and Ro

198、bert Bunger,Recommended Inventory for Data Center Scope 3 GHG Emissions Reporting,Schneider Electric115 南昌市人民政府，關于打造區域金融中心 加快金融業高質量發展的實施意見，http:/ 節能與綜合利用司，國家信息化領域節能技術應用指南與案例（2022年版），https:/ 數據中心用能增長的挑戰與解決路徑，落基山研究所，2024,https:/ 重視合作，旨在通過分享知識和見解來加速能源轉型。因此，我們允許感興趣的各方通過知識共享 CC BY-SA 4.0 許可參考、分享和引用我們的工作。.https:/creativecommons.org/licenses/by-sa/4.0/除特別注明，本報告中所有圖片均來自iStock。RMI Innovation Center22830 Two Rivers RoadBasalt,CO 81621www.rmi.org 2024年11月，落基山研究所版權所有。Rocky Mountain Institute和RMI是落基山研究所的注冊商標。