作者：中金量化及ESG
题图：中金量化及ESG微信公众号
摘要
“双碳”背景下算力转型发展的挑战和机遇
政策引导下，绿色低碳、节能环保逐渐成为算力产业链业务布局和发展的底层逻辑。算力是新质生产力的重要形态之一，绿色算力是实现高质量发展的关键环节。在信息与通信技术发展的驱动下，我国算力规模持续扩大，同时算力的能源消耗问题也受到广泛关注。工业和信息化部等六部门发布的《算力基础设施高质量发展行动计划》中明确要求“促进绿色低碳算力发展，引导市场应用绿色低碳算力，赋能行业绿色低碳转型”。
智能算力市场需求攀升，算力基础设施的绿色转型可促进下游企业的节能可持续发展。大模型的发展和AIGC应用的落地丰富了人工智能的应用场景，企业加码AI技术开发和投入，未来三年IDC预计中国智能算力需求CAGR达48%，其能耗问题也日益凸显。根据我们测算，预计到2025年，我国数据中心能耗总量将突破4000亿千瓦时。
算力基础设施绿色转型和低碳发展路径
绿色算力发展框架以高效、低碳、智能、集约为理念，体现为算力生产、算力运营、算力管理和算力应用的绿色化。算力绿色转型过程强调通过高质量软件的调度优化能力、软硬协同方式实现业务的高效应用，降低算力平均能源消耗和提升计算效率来实现环境和业务双重可持续发展。处理器单元、服务器设备和数据中心等各个层面涌现的新技术有助节能提效，促进算力的绿色低碳可持续发展。
► 芯片层：后摩尔定律时代，CPU的性能提升速度大幅减缓，高速度和高效率的计算领域面临挑战，以人工智能和自动驾驶为首的新兴领域对计算性能的需求增长远大于传统CPU的性能提升。在低功耗趋势下，半导体领域在“性能功耗”和“开发效率”之间的平衡，使得专用化结构开始受到更广泛的关注。各类加速处理器成为算力基础设施的重要组件，基于“CPU+xPU”的异构计算系统逐渐成为各算力场景的主流架构。
► 服务器：单机算力和集群规模持续增长，高性能互连技术和硬件支持助力算力绿色发展。随着AI训练模型对芯片性能的要求持续提升，服务器的能耗也在攀升。一方面，高能耗对于传统服务器的系统供电、散热方式以及数据中心基础设施建设提出了新的要求。另一方面，集群规模的不断扩展，服务器的存储、计算和网络通信能力需要借助更高性能的互连技术和硬件支持，我们认为，相关的厂商将受益于绿色算力浪潮持续推进下带来的价值量提升。
► 数据中心：我们认为，“碳中和数据中心”或将成为主流服务商未来发展的重要方向。在能源侧，数据中心可提高电力系统集成度，通过“源网荷储”一体化方案部署，提高可再生能源利用率，降低碳排放。在散热技术上，受益于高功耗服务器和高功率密度机房景气度上行，液冷技术需求旺盛。我们认为，随着液冷方案规模化和产业化持续推进，从服务器、机柜到数据中心的液冷解决方案将助力数据中心实现全应用场景经济、节能降耗。
绿色算力转型下的投资机遇
产业布局视角：发改委等部门推动东数西算与绿色算力发展相互协同，形成我国数字经济的新版图。在全国一体化算力网的建设基础上，发挥风光水电资源丰沛地区的优势，提升数据中心绿电使用比例。政府通过算力基础设施REITs和算力券等金融性支持工具助力产业升级转型。
经济效益分析：从成本模型来看，降低PUE可降低数据中心运营成本。控制其他条件不变的情况下，数据中心上架率越高，电费成本占数据中心TOC比重越高。在市场需求一定的情形下，降低PUE、提高可再生能源利用比重可有效降低数据中心的电费支出，提高经营利润，且PUE越低数据中心经济效益越好。
商业模式发展：围绕传统数据中心的低碳运营，市场出现了以租电分离、合同能源改造和节能减排交易收益为主的新商业模式。（1）租电分离：电力市场开放、可再生能源利用、电价波动增大了传统数据中心运营商运营亏损的风险敞口，结合客户降本增效共同推动包电模式向租电分离模式转变；（2）合同能源管理改造：数据中心增量需求成倍增加的同时，存量市场节能改造需求也逐渐兴起，据中国通服数字基建产业研究院测算，2023年-2025年预计全国市场规模超340亿元。
正文
双碳背景下算力产业转型的挑战和机遇
1、政策定位：算力是新质生产力的重要形态，绿色算力是高质量发展的关键环节
算力是新质生产力的重要形态之一，也是推动数字经济发展的核心力量。以算力产业链为主体的数字基础设施建设投资是扩大有效投资、推进数字化转型的重要途径。根据中国通服数字基建产业研究院测算，“十四五”政策规划下，“东数西算”工程下预计带动全国增量机架约900万架，投资达7000亿元[1]，2023年-2025年存量节能市场规模超340亿元。
算力需求高速增长的背后是能耗的限制。根据我们测算，预计到2025年，我国数据中心耗电量将突破4000亿千瓦时，占全国用电量比重约4%，在当前碳中和目标下，数据中心能耗转型迫在眉睫。算力能效受到各级政府密切关注，绿色转型目标明确。
图表1：算力布局政策示意图
资料来源：国家发展改革委等五部门，中金公司研究部
2021年以来，中央和各地方政府出台了一系列政策和方案，引导和鼓励数据中心运营主体提高可再生能源使用比例、参与可再生能源市场化交易。相关政策对绿色数据中心建设和改造提出了总体要求和目标，并对新建大型数据中心以及数据中心普遍的可再生能源利用率、电能利用效率做出了具体规定。
图表2：数据中心绿色转型政策路线图
资料来源：国家发展改革委等五部门，中金公司研究部
2、市场趋势：AIGC应用落地助力智能算力需求攀升，算力基础设施转型为下游企业可持续发展夯实基础
企业提高AI技术开发和投入，未来三年中国智能算力需求CAGR达48%
大模型的发展和AIGC应用的落地丰富了人工智能的应用场景，相关技术赋能产业发展的能力增强，各行各业对智能算力的需求与日剧增。据IDC调研，未来三年，中国智能算力需求年复合增速达48%，到2026年底达1271.4Eflops。我们认为，长期来看，随着数字经济的深入发展，算力的重要性将进一步凸显。
图表3：2020-2023E中国各类型算力建设规模
资料来源：中国信通院，IDC，中金公司研究部
图表4：中国智能算力需求增长预测
资料来源：IDC，德勤，中金公司研究部
我国数据中心供给和需求体量大，能耗将成为影响其发展的重要因素
算力规模增长的同时，能耗总量也在快速攀升。根据我们的测算，预计到2025年，我国数据中心能耗总量将突破4000亿千瓦时。
图表5：2020-2025全国数据中心用电量和碳排放概况
资料来源：IEA，中国信通院，国家能源局，中金公司研究部
算力基础设施绿色转型和低碳发展路径
1、绿色算力发展理念：高效、低碳、智能、集约
绿色算力强调通过高质量软件的调度优化能力、软硬协同方式实现业务的高效应用，提升效率的同时支撑不同的业务场景。核心理念是节能增效，一是降低算力平均能源消耗，二是通过提升计算效率，缩短计算时间减少能源消耗，从而实现环境和业务双重可持续发展。
图表6：绿色算力发展ELII框架
资料来源：中国信息通信研究院、内蒙古和林格尔新区管委会《中国绿色算力发展研究报告（2023年）》，中金公司研究部
算力生产过程中，依靠提升底层软硬件架构计算的高效性，从而降低单位算力能耗，实现IT设备运行高效化，是绿色算力在算力设备微观层面的核心体现。在后摩尔定律时代，随着晶体管尺寸逐渐接近物理极限，提升芯片面积和晶体管集成度来提升算力、降低单位算力能耗愈发困难，在处理器单元、服务器设备和数据中心等各个层面涌现出许多新技术，提升能效，助力算力的绿色低碳和可持续发展。
图表7：不同微观尺度下，IT设备实现绿色算力的途径
资料来源：中国信通院，中金公司研究部
算力生产：引入算力碳效概念
算力碳效（CEPS）是兼顾服务器的碳排放量和算力性能的综合指标，指服务器使用周期内产生的碳排放与所提供的算力性能的比值，为服务器设备设计、选型提供重要参考。开放数据中心委员会发布的《数据中心算力碳效白皮书》指出，根据实测，在5年使用周期中，单位算力性能的碳排放量一般在20-60kg之间，能效水平较好的CPU排放可达30kg以下[2]。
算力运营：“xUE”评估指标组合综合衡量数据中心可持续发展绩效
绿色网格组织（TGG）在全球范围内首次推出“PUE评测”和“数据中心绿色等级评估”[3]——PUE（Power Usage Effectiveness）是评价数据中心能源效率的指标，是数据中心消耗的所有能源与IT负载使用的能源之比。结合数据中心的碳足迹与水资源使用情况，“xUE”评估指标组合逐渐发展起来，用以综合评估算力运营过程中数据中心体现出来的可持续发展绩效，以PUE、CUE、WUE和IUE作为衡量数据中心能源效率的指标组合。
图表8：数据中心能源效率指标组合
资料来源：工信部，中国信息通信研究院，绿色网格（TGG），上海市经济信息化委员会，中金公司研究部
算力管理：实现算力调度和算网协同
2023年2月，中共中央、国务院印发了《数字中国建设整体布局规划》，明确了“2522”的整体框架，特别提到“系统优化算力基础设施布局，促进东西部算力高效互补和协同联动，引导通用数据中心、超算中心、智能计算中心、边缘数据中心等合理梯次布局”[4]。
近年来发布的《关于加快构建全国一体化大数据中心协同创新体系的指导意见》、《全国一体化大数据中心协同创新体系算力枢纽实施方案》、《新型数据中心发展三年行动计划（2021-2023年）》等文件明确了算力调度的重要意义，国家东数西算工程的推进和实施离不开算力调度。
算力应用：数字基础设施赋能下游产业绿色转型
在一揽子政策支持下，我国算力产业发展迅速，绿色算力在技术产品创新和赋能传统产业转型升级等多方面取得积极成效，算力产业步入集成创新、快速发展的阶段，通过数字基础设施赋能下游产业的绿色转型进程。
图表9：“算力+”绿色赋能场景
资料来源：中国人民银行，发改委，工信部，中金公司研究部
2、芯片层：后摩尔时代，低功耗趋势下，“CPU+xPU”的异构计算成主流架构
图表10：1970年-2020年半导体发展趋势数据
资料来源：Original data up to the year 2010 collected and plotted by M. Horowitz, F. Labonte, O. Shacham, K. Olukotun, L. Hammond and C. Batten, New plot and data collected for 2010-2021 by K. Rupp，中金公司研究部
后摩尔定律时代，CPU的性能提升速度大幅减缓，高速度和高效率的计算领域面临挑战，以人工智能和自动驾驶为首的新兴领域对计算性能的需求增长远大于传统CPU的性能提升。在低功耗趋势下，半导体领域在“性能功耗”和“开发效率”之间的平衡，使得专用化结构开始受到更广泛的关注。各类加速处理器成为算力基础设施的重要组件，基于“CPU+xPU”的异构计算系统逐渐成为各算力场景的主流架构。
3、服务器：单机算力和集群规模持续增长，高性能互连技术和硬件支持助力算力绿色发展
随着AI训练模型的算力要求不断提升，服务器的单机算力和集群规模也在持续增长，系统能耗显著提升。根据GPT-4披露的参数分析，OpenAI训练GPT4的能耗在 51,773 MWh 至 62,319 MWh 之间[5]，比其前身 GPT-3 的能耗高出 40 倍以上。
据机器学习领域学者Radosvet Desislavov（2023）等研究结论 [6]，AI推理成本和功耗至少是训练成本的10倍以上[7]，这意味着随着大模型使用场景和渗透率的提升，算力成本和能源消耗会进一步提升。
图表11：不同大模型能源消耗情况
资料来源：Artificial Intelligence Index Report 2023，Standford.HAI，Kasper Groes Albin Ludvigsen，中金公司研究部
一方面，高能耗对于传统服务器的系统供电、散热方式以及数据中心基础设施建设提出了新的要求。另一方面，集群规模的不断扩展，服务器的存储、计算和网络通信能力需要借助更高性能的互连技术和硬件支持，我们认为，相关的厂商将受益于绿色算力浪潮持续推进下带来的价值量提升。
图表12：2023年我国主流数据中心服务器设备能耗构成
资料来源：中国信通院，中金公司研究部
图表13：2023年，从普通服务器到AI服务器，绿色算力相关的价值增量拆解[8]
资料来源：IDC，英伟达官网，中金公司研究部
4、数据中心：“碳中和数据中心”或将成为未来主流服务商的重要发展方向
随着国家对数据中心能效管理、绿色发展日趋关注，“碳中和”成为数据中心低碳化发展的终极目标。在可再生能源利用率逐渐提高、源网荷储一体化技术的发展、液冷技术的规模化和产业化推进等产业趋势逐渐推进，我们认为，“碳中和数据中心”或将成为未来主流服务商的重要发展方向。
图表14：碳中和数据中心概念示意图
资料来源：蚂蚁集团，中国信通院《面向算力应用环节的计算绿色化白皮书》（2023），中金公司研究部
能源侧：电力系统集成度提高，“源网荷储”一体化方案部署提速
数据中心的电力系统是其核心运营部分，因其是能耗大户，同时对电力的可靠性有极高要求，确保电力供应的稳定和安全至关重要。绿色高效的电力解决方案包括采用预制化和产品化的工程解决方案以便快速部署、部件与系统的高密度模块化设计以提升机房利用率和减少供配电成本、以及优化供电链路以提高效率和降低能耗。
图表15：数据中心供配电系统图
资料来源：中国通服数字基建产业研究院《中国数据中心产业发展白皮书（2023年）》，中金公司研究部
图表16：电力系统演变示意图
资料来源：中国通服数字基建产业研究院《中国数据中心产业发展白皮书（2023年）》，中金公司研究部
5、源网荷储一体化方案助力数据中心实现高质量发展
源网荷储一体化方案为数据中心建设提供了一个全面的框架，通过整合和优化电源、电网、负荷以及储能四大要素，显著提升了能源利用效率和系统的稳定性。
图表17：数据中心“源网荷储”一体化方案
资料来源：腾讯云，中金公司研究部
液冷方案：服务器高功率和机房高功率密度共同驱动液冷需求
随着芯片的算力和功耗持续增长，以约2-3年的速度向更高性能迭代，其功耗也随之升高。在后摩尔定律时代，多核堆叠、多主板堆叠等创新技术先后推出，其对应功耗以年均增长率30%的速度提升，截至2024年3月15日，英伟达最新一代H100的TDP（热设计功率）达700W。
图表18：基于不同插槽功率，从空气散热到液冷的转换趋势
资料来源：ASHRAE，中金公司研究
这种持续增长的芯片功率对数据中心的散热和可靠性提出了巨大的挑战[9]。液冷技术，作为一种先进的热管理解决方案，被广泛认为是数据中心和高性能计算领域内部署高效、环境友好型散热系统的关键技术。
图表19：不同液冷技术方案原理及特点
资料来源：施耐德电气官网，赛迪顾问，中兴通讯《中兴通讯液冷技术白皮书》（2022），中金公司研究部
从数据中心能耗占比来看，制冷系统是数据中心基础设施中占比最大的能耗，随着多个省市实际要求设计PUE不超过1.2，液冷技术产业化加速推进。制冷系统在数据中心能耗中占比约24%，提高制冷系统的效率是降低数据中心能耗的有效途径。
面对各行各业对于数据量和计算量持续攀升的需求，在数据中心资源日趋紧张的情况下，只有通过提高机房单位面积内的算力、存储及传输能力，才能最大程度地发挥数据中心的价值。我们认为，预计未来五年内，我国单IT机柜功率密度将向当前的6-8kW向12-15kW演进；若国家政策进一步加码或者液冷服务器和液冷散热系统成本进一步降低，未来液冷技术将被是北上广深等热点区域的首要选择[10]。
图表20：容量2MW数据中心，单位功率土建成本和机电设备造价随着机柜平均功率密度上升而下降
资料来源：施耐德电气官网，中金公司研究部
AI服务器渗透率的提升使得单机柜功率密度持续增长，部署液冷系统的机房架构可以进一步压缩IT系统初始投资成本、节约机房空间，经济效益更加凸显。英伟达推荐单机柜部署4个DGX H100服务器，对应单机柜功率为40.8kW，在该功率下，容量相同的数据中心，部署液冷可比传统风冷节省约14%的投资成本[11]。
图表21：2MW数据中心，单机架10kW数据中心部署液冷和风冷成本对比
注：按照美元兑人民币=1：7换算
资料来源：施耐德电气官网，中金公司研究部
图表22：2023年，不同功率下密度液冷投资成本（元/W）
资料来源：施耐德电气官网，中金公司研究部
绿色算力转型下的投资机遇
1、产业布局：东数西算与绿色算力发展相协同，形成数字经济新版图
国家发改委等部门于2023年制定了关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见[12]，东数西算形成科学布局后，西部数据中心将主要负责处理后台加工、离线分析、存储备份等业务[13]，而东部枢纽则处理工业互联网、金融证券、灾害预警、远程医疗、视频通话、人工智能推理等业务[14]。
图表23：“东数西算”工程共设立8个枢纽和10个集群
资料来源：自然资源部，发改委等部门，中金公司研究部
为加速绿色算力基础设施发展，我国政府通过加大金融支持，通过算力基础设施REITs与算力券等新型工具助力产业转型。算力基础设施REITs可支持社会资本向算力产业流动；而算力券通常是针对算力资源消费免费发放的权益凭证，以政府补贴的形式帮助企业等机构使用算力服务。
图表24：政府推动算力领域基础设施项目REITs发行
资料来源：证监会、发改委、工信部等部门，中金公司研究部
2、商业模式：数据中心低碳运营理念催生新商业模式
在绿色算力不断发展的趋势下，围绕传统数据中心的低碳运营出现了新的商业模式：1）租电分离模式：客户为了降低电费成本，分享PUE下降后的红利，只支付固定租赁费用，实际PUE大于合同PUE时，由服务商承担超额电费。2）合同能源管理模式（EMC）:由节能服务公司提供节能设备的投资、设计、改造施工、安装、调试及合同期内的维护保养工作，客户与节能公司对合同期内的节能收益进行分享。3）节能减排交易成本或收益：对于将数据中心纳入碳配额管理的区域，要充分考虑数据中心通过节能减排实现的碳交易成本或收益。
图表25：数据中心传统商业模式及绿色化商业模式探索示意图
资料来源：中国数据中心产业低碳发展实践研究（2023），华信咨询设计研究院，中金公司研究部
3、经济效益：建设绿色数据中心，通过降低PUE可降低运营成本
数据中心的总拥有成本（Total Cost of Ownership, TCO）主要由以下三大部分组成：1）建筑设施和机电设备折旧：这涉及到建筑物、变电站和机电设备的初始投资分摊到每个使用年限上的成本；2）数据中心运营成本：包括电费、维保和运维成本等，通常是数据中心成本中最高部分；3）服务器折旧：硬件的初始投资成本在其使用寿命内的分摊。
图表26：2023年，7.2kW单机柜数据中心总拥有成本结构比重及变化
资料来源：华信咨询设计院，中金公司研究部
从成本模型来看，决定不同数据中心经济效益的主要影响变量为市场需求、PUE和绿电使用成本。高市场需求通常导致更高的上架率，这意味着数据中心的计算资源得到更有效的利用，从而提高收益。此外，市场需求还影响数据中心服务的定价策略。在市场需求一定的情形下，降低PUE、提高可再生能源利用比重可有效降低数据中心的电费支出，提高经营利润。
图表27：PUE对数据中心单位运营成本的影响
资料来源：华信咨询设计院，中金公司研究部
[1]https://aimg8.dlssyht.cn/u/551001/ueditor/file/276/551001/1684888884683143.pdf
[2]https://www.odcc.org.cn/news/p-1592477116649619458.html
[3]http://www.tggchina.cn/process.html
[4]https://www.gov.cn/zhengce/2023-02/27/content_5743484.htm
[5]https://towardsdatascience.com/the-carbon-footprint-of-gpt-4-d6c676eb21ae
[6]Radosvet Desislavov, Fernando Martínez-Plumed, José Hernández-Orallo,Trends in AI inference energy consumption: Beyond the performance-vs-parameter laws of deep learning,Sustainable Computing: Informatics and Systems,Volume 38,2023,100857,ISSN 2210-5379,https://doi.org/10.1016/j.suscom.2023.100857.
[7]https://www.numenta.com/blog/2023/08/10/ai-is-harming-our-planet-2023/
[8]https://www.research.cicc.com/s/1TIakv
[9]《数据中心十大能源白皮书》（2023），华为数字能源技术有限公司
[10]https://aimg8.dlssyht.cn/u/551001/ueditor/file/276/551001/1684888884683143.pdf
[11]施耐德电气，《大型数据中心浸没式液冷与风冷投资成本分析》（2021）
[12]https://www.gov.cn/zhengce/zhengceku/202401/content_6924596.htm
[13]https://www.sc.gov.cn/10462/10464/10797/2022/2/21/ddf88808fc8741bcbd013753a8cf7a7b.shtml
[14]https://www.gov.cn/zhengce/2022-02/17/content_5674343.htm
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
