數據中心是由計算機場地，其他基礎設施、信息系統軟硬件、信息資源（數據）和人員以及相應的規章制度組成的實體，是人工智能、雲計算、物聯網、區塊鏈等新一代信息技術的重要載體。隨著我國數字經濟蓬勃發展，數據中心等數字基礎設施的耗能問題越來越受關注。

　　專家表示，推動數據中心等數字基礎設施節能降碳，對於數字經濟高質量發展和實現“雙碳”目標具有重要的現實意義。如果不採取有力措施推動節能降碳，算力高速擴張將逐步逼近能源供給天花板，最終反過來制約數字經濟的發展空間。

　　能耗問題備受關注

　　數據中心的耗能問題，已成為發展數字經濟不可忽視的挑戰。數據顯示，我國數據中心用電量從2022年的1300億千瓦時增長至2025年的1960億千瓦時，佔全社會用電量的比例從1.5%提升至1.9%。預計到2030年，數據中心用電量或將超過7000億千瓦時，佔全社會用電量5%以上。

　　“算力是數字經濟時代的‘新電力’，但若放任算力增長以成倍增加能耗為代價，數字經濟的可持續性將受到根本挑戰。”賽智產業研究院智能經濟研究所所長李銘岩說。

　　據了解，數據中心的能耗主要分布在3個環節。其中，信息技術設備是能耗主體，服務器、存儲、網絡設備等直接承擔計算任務，佔總能耗的45%至60%。制冷系統是第二大耗能環節。業界普遍認為，制冷能耗佔比在30%至40%之間，服務器運行產生的廢熱若未有效利用，就造成了巨大的能源浪費。在高密度AI算力集群中，單機櫃功率已從傳統的幾千瓦攀升至數十千瓦甚至上百千瓦，風冷系統面臨散熱瓶頸，傳統風冷數據中心PUE（電能利用效率）長期徘徊在1.8以上。此外，供配電系統（含配電櫃、變壓器等）約佔能耗的5%至10%，照明、安防等其他輔助設施佔比約3%至5%。

　　“綜合來看，制冷系統是能耗壓力最突出的環節。”李銘岩表示，在AI高密部署趨勢下，傳統風冷能效極限已難以滿足散熱需求，液冷技術升級和設備能效管控刻不容緩。

　　賽迪研究院政策法規研究所副研究員陳又新表示，當前，電力成本是數據中心運營成本的重要組成部分。隨著人工智能大模型等應用加速普及，全社會對算力的需求呈現指數級增長態勢。數據中心等數字基礎設施若未能有效推進節能降碳，不斷攀升的巨額電費將直接擠壓經濟收益，甚至可能使大量創新項目因負擔不起能源成本而陷入停滯。

　　隨著生成式AI技術持續突破，AI計算走向高密度，滿足高功耗散熱需求的液冷數據中心成為下一代數據中心建設的主流方向，目前行業正深耕技術突破。例如浪潮信息發布的全棧液冷產品，全線服務器產品均支持冷板式液冷。2025年初投運的元腦算力工廠，遵循“高密+綠色”的未來智算中心設計理念，其中算力單元部署了高密智算算力倉，採用光伏、儲能、余熱回收等綠色節能技術，使PUE降至1.1以下。

　　低碳發展初見成效

　　“數字基礎設施節能降碳是‘雙碳’目標中最直接見效的領域之一，為‘雙碳’目標提供實質性減排貢獻。”李銘岩表示。

　　以落地的算電協同項目為例，寧夏中衛首個大規模算電協同綠電直供項目全容量投產后，項目發電量將達43億千瓦時，相當於每年減少碳排放365萬噸。

　　李銘岩介紹，在“東數西算”工程推動下，八大國家樞紐節點新建數據中心PUE已普遍降到1.2至1.3區間，累計建成306家國家綠色算力設施，PUE平均值降至1.25。在國家級零碳園區建設大框架下，一批標杆項目加速形成綠色運營體系。

　　在安徽省合肥市，極具科技感的“巢湖明月”硅立方成為當地的新地標，這是曙光數創採用創新“正方體”立體架構打造的高密度浸沒式液冷AI計算機。依托曙光數創的浸沒相變液冷技術，電子元件被完全浸沒在特殊冷媒中，元件發熱讓液體沸騰汽化，通過相變帶走熱量。這種液冷技術可實現PUE低至1.04，整體能耗降低30%，產品單機櫃功率密度較傳統風冷提升4倍至5倍。

　　在李銘岩看來，數字基礎設施本身就具備極高的低碳乘數效應——依托大數據、智能算力和智能調度系統，可以深度賦能工業制造、城市治理、交通運輸等領域。以數字化領域小投入撬動實體產業大幅減碳，這是數字基礎設施助力全社會降碳的價值延伸。

　　陳又新表示，推動數據中心等數字基礎設施節能降碳，成為實現“雙碳”目標的關鍵戰場和轉型引擎。數據中心是我國能耗和碳排放顯著增長的行業之一，遏制其碳排放的過快增長，本身就是對實現碳達峰、碳中和目標的直接貢獻。此外，數字基礎設施通過賦能千行百業，其減碳價值遠超自身。

　　多措並舉助力減碳

　　當前，我國綠色數據中心建設取得顯著成效，能效水平持續優化、技術創新加速突破、發展模式產生深刻變革。但也要看到，盡管政策力度持續加大，在實際推進中，仍面臨多重結構性挑戰。

　　首先，國內綠電資源集中在西部，而大量實時推理算力需求集中在東部，同時新能源出力受天氣影響劇烈，而AI大模型訓練等核心任務則需要長時間、高穩定的電力保障，二者存在時空維度上的矛盾。

　　其次是規劃節奏錯位。算力需求爆發式增長是“快變量”，而電網建設周期長是“慢變量”，兩者節奏不匹配的問題已在部分地區顯現。

　　而在技術標准與市場機制方面，異構算力互聯互通、跨區域算力調度等技術標准化進展較緩。同時，綠電直連的定價機制、跨區域交易規則、碳排放核算標准等仍有待完善。

　　“推動數字基礎設施節能降碳，是一項涉及技術、政策、市場、標准多個維度的系統性工程，需要統籌推進、久久為功。”李銘岩說。

　　李銘岩建議，將綠電使用佔比作為項目布局的重要參考指標，新建算力設施同步配置綠電供應與儲能配套，從源頭杜絕“先建后配”導致的能耗失控﹔探索建立綠電直連的價格傳導機制，在綠電富集地區試點“綠電直供+價格優惠”組合政策，吸引更多算力企業主動選擇綠電﹔設立綠色算力技術攻關專項，支持液冷、自然冷卻、高效供配電、余熱回收等關鍵技術的規模化應用﹔建立從算力生產、傳輸到應用的全生命周期碳足跡核算框架﹔探索算力設施作為電網柔性負荷參與需求側響應，將數據中心從純粹的“耗能大戶”轉變為電網的平衡調節資源，獲得額外收益。

　　隨著人工智能產業快速發展，數字經濟面臨算力快速擴張與能源供給約束之間的平衡難題。

　　陳又新表示，平衡算力擴張與能耗約束，並非簡單做加減法，而是要進行系統性的優化革命。既要從源頭優化，通過“東數西算”等國家工程將新建算力設施向可再生能源豐富的西部地區傾斜，也要通過技術革新提升運行效率，在消耗同樣多能源的情況下，釋放出更多算力。此外，還應改革運行模式，通過“算電協同”機制，將算力負載從剛性需求轉變為柔性資源，主動適配綠色電力的時空分布。