魏 巍 冯 翼 （国家发展和改革委员会市场与价格研究所；成都市经济发展研究院）
摘 要：《关于深入实施“人工智能 +”行动的意见》是继十年前“互联网 +”之后， 我国推动技术革命和产业融合的又一重大战略部署。该意见为我国深入实施“人工智 能 +”行动提供了顶层设计和制度保障，为人工智能与经济社会各领域深度融合指明 了方向，也将算力基础设施的绿色高效摆在了更加突出的位置。高质量发展要求把 “增量思维”与“绿色导向”统一起来，用算力增效换取绿色增量，以更低能耗、更 高效率支撑新质生产力加速成长。 关键词：人工智能 + ；算力增效；绿色增量；东数西算；数据中心能效
一、深刻认识人工智能发展形势及 “算力增效与绿色增量”的辩证统一 当前，我国算力产业发展呈现出规模 扩张与结构优化并进的良好态势，但绿色转 型任务依然艰巨。从发展成就看，我国算力 基础设施建设已取得显著进展。据媒体公开 报道，2024 年，在用算力中心标准机架数 超过 880 万架，算力规模较 2023 年底增长 16.5%。“东数西算”工程深入推进，8 个国 家算力枢纽节点和多处算力集群加快建设， 算力资源配置更加合理。同年，全国算力 中心平均 PUE（电能利用效率）降至 1.47， 创建国家绿色数据中心 246 个，为把算力 扩张的量变转化为绿色发展的质变提供了 坚实基础。从挑战压力看，算力需求与能 源约束的矛盾日益凸显。算力需求爆发式 增长与绿色发展要求之间的结构性矛盾愈 发突出。一方面，AI 大模型的广泛应用推 动算力需求呈指数级增长，“算力饥渴”也 成倍增长。据国际数据公司（IDC）预测， 2028 年我国智能算力规模将达到 2781.9 EFLOPS，算力发展水平增速将高于预期。 另一方面，据相关研究测算，2025 年，我国数据中心电耗占全社会用电量比例将达2.4%，2030年这一占比或将升至4.8%，传统“堆机架、拼规模”的粗放发展模式难以为继，对我国能源安全和“双碳”目标实现构成严峻考验。
算力增效是绿色增量的重要根基，绿色增量是算力增效的重要保障。从根本前提看，算力增效是实现绿色增量的物质基础。若脱离效率谈增长，每一次算力扩张都将成为生态环境的沉重负担。在能源供给有限的约束下，只有通过技术创新提升单位能耗的有效算力产出，才能为可持续增长腾出空间。因此，增效是解决“量”与“质”矛盾的关键，构成实现绿色增量的逻辑起点。从价值导向看，追求绿色增量是牵引算力增效的核心导向与关键路径。算力发展的根本目标是赋能高质量发展，而绿色是其鲜明底色。绿色增量强调的不仅是规模增加，还在于通过算力赋能各领域实现更大范围节能降碳，发挥绿色乘数效应，服务于绿色转型目标。从实践过程看，二者在高质量发展中相互促进、螺旋上升。绿色增量的需求，对算力基础设施的能效、碳效提出了更高要求，形成了外部压力下的倒逼机制，驱动芯片、算法、制冷等领域的技术创新，从而推动算力增效迈上新台阶。反之，算力增效取得的每一次突破，又会降低绿色算力的应用门槛和成本，使其能够渗透到更多场景中，创造出更可观的绿色增量。这种“需求牵引供给、供给创造需求”的良性循环和协同演进，亦是新质生产力不断自我超越、向上发展的核心动力。
二、把效率观立在增长观之前
发展人工智能离不开算力，但算力扩张绝不能简单等同于“机架越多越好、芯片越新越好”。
从资源利用视角审视，在算力需求激增但用能面临严峻考验的当下，提升算力使用效率成为必然选择。国际能源署（IEA）测算数据显示，在AI应用的大力助推下，到2030年，全球数据中心用电量可能较2024年翻一番至每年约945太瓦时（TWh）。若片面追求算力规模扩张与算力量级提升，将进一步加剧能源消耗，甚至导致数据中心等设施的耗电量超越钢铁、水泥、化工等传统能源密集型产业。因此，要把“每度电产出多少有效算力”作为硬指标，把能效、碳效、成本统筹起来，把“增量思维”转为“增效逻辑”。
从技术创新视角审视，以效率为导向的算力技术创新更具发展价值。随着AI大模型参数跃升至万亿级规模，只有通过加快攻关存算一体等前沿技术，突破“算力墙”等瓶颈，才能使算力性能提升跟上AI指数级迭代发展的步伐。否则，仅凭算力中心数量的增长、算力规模量级的提高，忽略算力质效的提升，也将导致算力供给与AI发展实际需求之间的“剪刀差”进一步扩大。
从产业生态视角审视，高效的算力资源配置体系是算力产业可持续发展的关键所在。据相关机构测算，当前我国智算中心平均算力使用率仅为30%，不少智算中心正在空转，“算力扎堆”与“算力饥渴”并存。若算力产业一味追求规模增长，恐将造成更多资源浪费、陷入供需失调困境。只有秉持效率观，让产业链各环节共同促进算力资源的精准配置、高效利用、电算协同，才能促进算力产业持续健康发展。
三、在体系增效中夯实绿色底座
一要优化空间格局，让算力跟着绿电走。加快推动“东数西算”向“全国一体化算力网”升级，完善跨区域调度与算网协同，推动非实时任务更多向清洁能源富集地区转移，形成“实时在东、离线在西、协同在全国”的布局，不断抬升系统层面的绿色含金量。
二要硬件—机房一体降耗，把“冷”做成关键变量。严格执行专项行动量化指标：到2025年，数据中心平均PUE控制在1.5以下，新建及改扩建大型和超大型数据中心力争PUE≤1.25，枢纽节点项目不高于1.2。同步推进高效供配电、密闭冷通道、液冷等技术改造，针对高热密度算力集群实现精准散热、按需制冷，减少无效能耗。
三要把“余热负担”变成城市资源。北方采暖地区可将数据中心余热纳入城镇供热体系与价格机制，就近接入园区、温室农业等场景，实现“算力—热力”耦合利用，让绿色外溢效应看得见、算得清、可持续。相关政策导向和工程实践均表明，制冷与余热回收是降低PUE、提高系统能效的关键抓手。
四要用市场机制把“绿色”变增量。在枢纽节点扩大绿电交易与中长期购电协议（PPA），探索24/7逐时匹配的碳自由用能（CFE）与碳感知调度，引导可延迟任务向清洁电力更充裕的时段和地域迁移。国际云服务商在“按小时碳强度调度”和区域迁移方面的实践，为我国提供了可复制的工程方法与治理工具。
四、用算法增效释放绿色乘数
轻量化优先。坚持“轻量任务用轻量模型”，推进量化转换到低精度的整数（如INT8/INT4）、蒸馏和稀疏化，在基本不损精度的前提下显著降低显存与能耗、提升吞吐；在重点行业建立“等效精度—能耗”公共评测，以“同等效果、能耗更优”作为采办基准，倒逼应用端采用能效最优解。
条件计算与混合专家模型（MoE）。通过按需激活少量专家单元，实现“能力扩展—计算不等比例增长”的结构性节能，适配政务服务、工业质检、金融风控等多场景，推动算力把宝贵电力“用在刀刃上”。
系统协同与工作负载治理相结合。推广检索增强、级联调用、边端协同等工程范式，减少“无谓大模型”占用；在云侧推进地理—时间双维迁移与碳感知排队，让算法增效转化为实际降耗。
五、以体制增效固化常态长效
立得住的标准。在国家强制性标准和行业规范基础上，对PUE、水效、碳强度等核心指标实行分区分类、分级分步达标，并建立“动态达标—限期改造—有序退出”的闭环；对液冷等新技术尽快在标准中明确适用范围与测试方法，提高政策与技术的耦合度。
算得清的“能碳账”。完善按小时核算的“工作负载—能耗—碳排”口径，推动数据中心、云服务商、用能企业“三账合一、对外可披露”，为绿色金融、政府绿色采购和社会监督提供坚实依据；把余热就近利用纳入节能量核算与绿色收益分配，形成“综合效益可计量、可交易”的激励约束体系。
带得动的政策组合。用财政、税收、绿证、碳市场等政策把能效优先的导向传导到投资端、供给端与需求端：对低PUE、逐时CFE匹配、余热利用、算网协同等项目给予差异化支持；对高耗能、低上架率、长期达不到能效阈值的机房实行“限期治理+退出清单”，把有限资源用在“能效更优质量更佳”的项目上。
六、以场景牵引做实绿色增量
以“AI+工业”优化生产全流程。运用数字孪生、预测性维护和智能调度算法，对钢铁、化工、建材等高耗能行业的生产工艺进行全流程仿真与优化，精准控制能源输入与物料配比，最大限度减少过程损耗与碳排放。通过AI质检替代人工抽检，在提升产品优率的同时，减少因残次品返工或报废而产生的能源浪费。
以“AI+农业”推动绿色生产革命。通过多源感知终端实时采集土壤、气象与作物生理数据，借助农业大模型与智能算法，精准分析作物长势、水肥需求、病虫害风险及极端天气影响，实现从耕、种、管、收到销售的全流程数字化、智能化管理。
以“AI+能源”提升绿色供给力。面对风、光等新能源的波动性与间歇性挑战，利用AI对气象数据进行深度学习，实现对发电功率的精准预测，从而优化电网的调度策略与储能配置。这不仅能提升新能源的消纳率，更能保障电力系统的安全稳定运行，为全社会提供更为可靠的绿色能源。
以“AI+交通”降低社会运行成本。在城市层面，通过“城市大脑”对交通流量进行实时感知与全局优化，动态调整信号灯配时，引导车辆走最优路径，有效缓解交通拥堵，减少车辆怠速与尾气排放。在物流领域，通过智能路径规划与仓储管理，大幅提升运输效率，降低空驶率，实现社会物流成本与碳排放的“双降”。
以“AI+生态”助力精准治理。运用AI对卫星遥感影像和地面传感器数据进行智能分析，实现对森林、湿地、海洋等生态系统碳汇能力的动态核算，对污染源进行精准溯源，对生物多样性进行有效监测。基于此，为科学制定生态保护与修复政策提供决策依据，让生态治理从“人海战术”转向智慧引领。
参考文献
[1]李芃达.880万架算力产业量质齐升[N].经济日报,2025-01-24(006).
[2]李政葳,孙新武.当算力像水电一样普及，智慧生活将变成什么样——来自2024中国算力大会的观察[EB/OL].(2024-10-16)[2025-09-23].https://digital.gmw.cn/2024-10/16/content_37617795.htm.
[3]国际数据公司（IDC）,浪潮信息.2025年中国人工智能计算力发展评估报告[R].2025.
[4]卢奇秀.数据中心电耗将占全国电耗2.4%[N].中国能源报,2025-01-20(007).
[5]米加宁,李大宇,董昌其.算力驱动的新质生产力：本质特征、基础逻辑与国家治理现代化[J].公共管理学报,2024,21(02):1-14+170.
[6]杨虎涛,唐瑜.数字经济时代的杰文斯悖论：人工智能竞争与双碳目标[J].企业经济,2025,44(07):15-25.
[7]刘霞.到2030年AI数据中心电力需求将翻番[N].科技日报,2025-04-14(004).
[8]都芃,刘恕,李坤.利用率仅三成，“沉睡”的算力如何激活[N].科技日报,2025-07-17(005).
[9]魏巍,曾铮.加强算力布局统筹规划防范智算中心盲目扩建[J].中国投资(中英文),2025,(Z2):68-72.
[10]陈晓红,曹廖滢,陈姣龙,等.我国算力发展的需求、电力能耗及绿色低碳转型对策[J].中国科学院院刊,2024,39(03):528-539.
[11]蒋绍辉,张博博,熊滕,等.数据中心液冷技术的应用研究进展[J].新能源进展,2025,13(02):204-213.
[12]杨硕,王月,张一星.绿色算力定义及关键技术研究[J].信息通信技术与政策,2024,50(02):18-25.
[13]冷聪.智能化下半场：轻量化人工智能兴起[J].科学新闻,2021,23(02):23-24.
[14]陈晓朋,许可欣,梁宇栋.人工智能促进数据中心绿色节能研究[J].信息通信技术与政策,2024,50(02):33-39.
[15]赵建军.中国实现碳达峰和碳中和任重道远[J].中国党政干部论坛,2021,(04):79-80.
[16]李晓华.面向智慧社会的“新基建”及其政策取向[J].改革,2020,(05):34-48.
【本文为中国宏观经济研究院（国家发展和改革委员会宏观经济研究院）2025年基本经费研究课题阶段性研究成果；中国宏观经济研究院（国家发展和改革委员会宏观经济研究院）2025年重点课题经费《我国数据要素价值化路径和实现机制研究》阶段性研究成果，课题编号：A2025071014】
（魏巍系国家发展和改革委员会市场与价格研究所助理研究员；冯翼系成都市经济发展研究院高级经济师）