人工智能的双重绿色效应研究

人工智能发展的双重绿色效应研究——人工智能发展与绿色低碳转型的双向作用研究框架总览••本文以双重绿色效应为主线，构建“绿色发展赋能AIAI反馈绿色发展”的双向分析框架，突破传统单向研究视角，系统性解析二者的内在逻辑、互动机理与协同演化路径。CHINACHINAGALAXYSECURITIES金融报国•客户至上2第一章：研究背景：双重挑战叠加••气候危机突破临界：WMO确认2024年全球平均气温较工业化前高出1.55℃,首次全年突破《巴黎协定》1.5℃阈值，全球气候系统进入不可逆恶化阶段。•AI产业竞争升级：生成式AI、大模型驱动全球AI进入爆发式增长阶段。前沿大模型训练算力以年均翻倍速度增长，算力基础设施成为国家战略资源。伯克利地球气温数据集（1850–2024.12）伯克利地球气温数据集（1850–2024.12）ERA5再分析气温数据集（1940–2024.12）GISTEMP全球气温数据集（1880–2024.12）2HadCRUT5全球气温数据集（1850–2024.12）1.510.50AI模型的训练计算规模（FLOP-对数刻度）1E+271E+27Gork-3GeminiUltra1E+26GCAR≈188.20%ChatGpt41E+24AlphaGoZeroChatGpt3AlphaGoMasterAlexNet数据来源：EpochAI，中国银河证券研究2020-2025年投资总额（十亿美元）2020-2025年投资总额（十亿美元）2020-2025年投资总额/每千美元GDP（右轴）美国中国英国印度加拿大韩国瑞典新加坡瑞士16%14%12%10%8%6%4%2%0%0数据来源：AIPRMviaOECDandWorldBank，中国银河证券研究第一章：核心矛盾：算力扩张vs碳中和••高耗能支撑：单个大模型训练碳足迹惊人，数据中心能耗堪比大中型城市，AI成为增长最快的碳排放源之一。•高能效赋能：AI在能源优化、工业节能、可再生能源消纳、碳监测等领域具备巨大绿色赋能潜力。•协同共赢命题：如何破解"环境账失衡"困境，推动AI与绿色发展从相互约束走向协同共赢，是全球重大理论与实践难题。AI模型训练所需的总功耗正以每年翻倍的速度增长1GCAR≈33.91%0.1非前沿模型前沿模型GCAR≈123.22%数据来源：EpochAI，中国银河证券研究数据来源：EpochAI数据来源：EpochAI，中国银河证券研究AI芯片功率（TDP，GW）其他AI数据中心功能（GW）纽约≈31GW荷兰≈19GW10新西兰≈7GW502022年3月2022年12月2023年9月2024年6月2025年3月2025年12月欧洲数字化投资占比欧洲数字化投资占比25%20%15%10%5%0%0美国经合组织太平洋地区中国其他数据来源：IEA，中国银河证券研究••新质生产力的绿色本质：绿色是新质生产力的内在本质与底色，党中央明确将“协同推进降碳、减污、扩绿、增长•“人工智能+”全面实施：全面推动AI与千行百业深度融合，中国AI核心产业规模持续高速增长，智能算力规模位•双碳目标刚性约束："十五五"是碳达峰决胜期，政策、能源、市场、国际竞争四重约束叠加，倒逼AI产业走上绿色低碳道路。核心产业规模核心产业规模同比（右）035%30%25%20%15%10%5%0%主要目标政策举措“十二五”提出资源节约环境保护成效显著的目标，如单位工业增加值用水量降低30%，非化石能源占一次能源消费比重达到11.4%，单位国内生产总值能源消耗降低16%，单位国内生产总“十三五”延续并强化了相关目标，如单位国内生产总值能源消耗和二氧化碳排放分别下降15%和18%，能源消费总量控制在50亿吨标准煤以内，非化石能源占一次能源消费比重上升3%，地级及以上城市空气质量达到二级标准以上的比例达到80%等，进一步对生“十四五”将生态文明建设实现新进步作为主要目标之一，提出单位产总值能源消耗和二氧化碳排放分别降低13.5%、18%，森林覆盖率提高到24.1%，地级及以上城市PM2.5浓度下降10%等具体指标，持续推动环境质量改善和碳减排。聚焦碳达峰、碳中和目标，出台相关指导意见和行动方案，完善能源消费度双控制度，加快推进全国用能权、碳排放权交易市场建设；深入打好污染坚战，强调精准、科学、依法、系统治污，加强环境基础设施建设；推发展全面绿色转型，构建绿色低碳循环发展经济体系，加强绿色技术创新。稿碳达峰目标如期实现；主要污染物排放总量持续减少。核积极稳妥推进和实现碳达峰。实施碳排放总量和强度双控制度。健全绿色消费激励机制。持续深入推进污染防治攻坚。强化减污降碳协同、多污染物控制协同、区域治理协同。坚持山水林田湖草沙一体化55第一章：研究意义与创新点••理论意义：将单向分析拓展为双向耦合框架；将算力与能源结构纳入统一分析；区分能源消耗规模与碳排放强度两个维度。•现实意义：识别算力外延扩张的电力压力与碳排放风险；为绿色算力基础设施布局提供分析思路；为“东数西算”、绿色数据中心建设提供参考；为"十五五"双碳与AI协同政策提供依据。02理论框架创新•进一步突出人工智能的能源约束02理论框架创新•进一步突出人工智能的能源约束属性•尝试将算力、电力和能源结构纳入人工智能绿色效应分析之中•重点考察绿色能源供给、电网调度能力和绿色制度规则如何影响人工智能的长期竞争力01研究视角创新•将关于“人工智能影响绿色发展”的研究，与“绿色发展影响人工智能”的研究统一纳入同一分析框架之中，•强调绿色发展不仅是人工智能的结果变量，也正在逐渐成为影响人工智能产业长期演进的重要条CHINA件变量603实证计量创新•同时区分人均能源消耗和碳排放强度两个结果变量，有助于识别人工智能在“总量层面”和“效率层面”上的差异化效应•进一步观察其是否存在由规模扩张转向效率提升的动态变化过程第二章：理论基础与文献综述••本章围绕人工智能与绿色发展之间的双向关系，系统梳理核心概念、理论基础与研究进展。区别于一般数字经济研究，本文核心对象是人工智能——既是以算法、算力、数据为支撑的通用目的技术，又是高度依赖电力与硬件基础设施的能源消耗主体。 通用目的技术理论具有广泛适用性、持续改进性和互补创新性的技术，会通过产业扩散和组织变革对经济增长产生深远影响。通用目的技术的扩散往往伴随基础设施建设和互补资产投资。 能源经济学（杰文斯悖论） 能源经济学（杰文斯悖论）效率提升—成本下降—需求扩张—能源反增的反馈机制。数字经济时代，杰文斯悖论呈现出新的特征：信息生产本身消耗能源，但信息又能优化物质能量调度，形成“节能—耗能”的嵌套循环。环境与数字外部性绿色技术创新具有技术溢出与环境改善的双重正外部性，导致市场供给不足；而高耗能数字设施则产生负外部性。人工智能通过算法、数据、算力与场景结合，使机器具备感具有“广泛渗透—持续改进—创新互补”的GPT特征 空间溢出理论人工智能和绿色发展都具有显著空间属性。人工智能技术、数据平台和管理经验可以通过产业链协作、人才流动和跨区域投资向外扩散，形成正向空间溢出；同时，产业结构调整也可能推动高耗能、高排放环节向周边地区转移，形成负向空间外部性。7CHINAGALAXYSECURITIES7金融报国•客户至上8CHINAGALAXYSECURITIES将人工智能置于"算力—电力—能源结构"耦合系统框架，构建金融报国•客户至上8CHINAGALAXYSECURITIES第二章：理论基础与文献综述••既有文献形成两大方向：绿色发展赋能人工智能，与人工智能反馈绿色发展。本文系统梳理了已有文献和主要研究内容。研究方向正向机制2025）；企业通过绿色电力采购、源网荷储协同和区域能源优化降低长期能源成本与碳排放风险（Masanetetal.,2020；Jinetal.,2016）3.绿色规则构建产业竞争新优势：碳披露、绿色供应链、碳边境调节机制和可持续投资2008；Flammer,2021；Cosbeyetal.,2019）；环境规制可通过诱导绿色创新形成新的竞争优势（PorterandvanderLinde,1995；1.效率提升：重构能源系统运行逻辑，实现电力负荷预测、新能源出力预测、需求侧响应与储能优化调度）；2.结构优化：推动产业向技术密集型、低能耗高附加值方向转型；通过绿色金融风险识别、碳市场价格解析与供应链环境信息整合，引导资本向低碳部门配置（Aghionetal.,2016；Fangetal.,2022）3.治理强化：融合遥感、物联网与多源大数据技术，实现污染源动态识别、碳排放高频核算、环境风险实时预警与政策效果量化评估（Xueetal.,2021；Lambetal.,2020）约束/压力2018）；电力市场分割、输电通道不足和化石能源依赖较强的地区，长期低碳约束和成本压力更为突出（LiuetdeVries,2023当前碳核算体系未能充分覆盖数字基础设施的全生命周期环境影响（Reynolds,2025；dePattersonetal.,2021；Wuetal.,2022数据中心冷却系统、供配电系统和备用设备产生附加能耗2.全生命周期环境影响：高性能芯片、服务器和终端设备的制造、运输和退役处理带来隐含排放与电子废3.AI杰文斯悖论与回弹效应：技术效率提升带动生产规模扩张与消费需求增长，抵消部分甚至全部节能效第三章：绿色发展赋能AI的现实要求••随着AI从模型训练转向大规模推理•高能量密度：空间集聚，对输电通道与变•极低中断容忍：负荷特性接近关键基础设施CHINACHINAGALAXYSECURITIES2024年占比（%）2023年占比（%）<10≥70资料来源：UptimeInstitute2024年全球数据中心调查，中国银河证券研究院人工智能与机器学习全流程（模型训练、微稳定、可预测的工作负载性能与容量均衡，混合使用硬盘（HDD）与固态硬超高带宽、低延迟互联（InfiniBand、NVLink），适配分布式9液冷（芯片直冷、浸没式）或混合冷却方案9资料来源：XinChen,etal.ElectricityDemandandGridImpactsofAIDataCenters:ChallengesandProspects，中国银河证券研究院第三章：中美供电路径比较中国路径优势：新能源装机规模全球领先，特高压输电实现大容量跨区中国路径优势：新能源装机规模全球领先，特高压输电实现大容量跨区优势：天然气调峰灵活，市场化机制响应迅速，短期约束：化石能源面临碳约束，区域电力市场分割，跨区输电通道不足，长期低碳压力突出。ERCOTISO-NEERCOTISO-NEMISONYISOPJMSPP0电网新增220千伏及以上送电线路长度(交流部分，千米)跨区域送电量（百亿千瓦时,右轴）00煤炭产量天然气产量原油产量核电产量可再生能源总产量0数据来源：EIA，中国银河证券研究数据来源：Wind，中国银河证券研究数据来源：GridStrategies数据来源：EIA，中国银河证券研究数据来源：Wind，中国银河证券研究第三章：新能源：AI长期发展的"上限解"••供给约束优势：风能、光伏属流量型资源，扩展潜力不受资源存量刚性约束，上限由技术与制度演进动态塑造，具备“可•成本演化优势：新能源以制造业为基础，沿经验曲线持续降低度电成本；边际运行成本接近于零，长期供给曲线持续下移，为AI提供更具可预期性的成本环境金融报国•金融报国•客户至上11集中式光伏陆上风电海上风电水电0数据来源：IRENA，中国银河证券研究第三章：中国推进绿色AI的大国优势••战略锚定能力：跨部门整合机制降低系统性失配风险，将算力布局与可再生能源禀赋、电网承载能力协同规划。•超大规模市场：多样化应用场景加速技术迭代，"规模—学习—成本下降"正反馈机制推动绿色AI技•完整工业体系：从电力设备制造到热管理技术再到软件控制系统的完整产业支持，降低系统集成不确中国仍有巨大的消费潜力（气泡大小代表最终消费支出占全球比重）居民实际最终消费的GDP居民实际最终消费的GDP占比美国,38.81%英国,4.76%日本,5.99%法国,4.01%德国,5.66%中国,18.20%0%020,00040,00060,00080,000100,000人均GDP（现价美元）90%80%70%60%50%40%30%20%10%CHINAGALAXYSECURITIES各国制造业增加值占全球比重变化35%30%25%20%15%10%5%0%中国德国印度日本英国美国我国光伏LCOE价格持续下降（单位：美元/千瓦时）0.080.070.060.050.040.030.020.010世界中国欧盟美国印度巴西金融报国客户至上12资料来源：Wind中国银河证券研究院资料来源：UNIDO，中国银河证券研究院资料来源：IRENA中国银河证券研究院第四章：AI对绿色发展的正向机制••优化能源效率与低碳技术研发：利用智能电网与AI预测调度，实现电力全链条优化并提升可再生能源利用率；借助数字模拟技术，大幅缩短先进低碳材料的研发周期。•推动绿色制造与供应链优化：通过数字孪生技术建立虚拟模型优化生产，平均可降低工业能耗10%-20%；利用物联网实现供应链全程可视化，•助力绿色金融与碳交易发展：驱动精准的ESG评级，引导社会资本流向绿色产业。数据来源：OECD，中国银河证券研究净零情景下按路线划分的铁产量和金属投入品的废钢高炉有增无减高炉有增无减DRICCUS金属投入品的废料份额90%80%70%60%50%40%30%20%10%0%DRI有增无减铁矿石电解高炉CCUSH2-DRI数据来源：IEA，中国银河证券研究 数据来源：世界银行，中国银河证券研究••AI发展困于“杰文斯悖论”：算力需求呈指数级增长，•数字化加剧“绿色鸿沟”：一些地区能够凭借技术和设施优势，在数字化转型中占据主导，进一步拉大了不同区域在气候治理与绿色发展上的训练前沿AI模型所需电力以每年翻倍速度增长C非前沿模型前沿模型C非前沿模型前沿模型GCAR≈123.22%/年GCAR≈33.91%/年10.1数据来源：EpochAI，中国银河证券研究全球数据中心及人工智能数据中心能耗预测(TWh)0数据来源：EpochAI，中国银河证券研究投放市场的电子设备投放市场的电子设备电子垃圾0数据来源：GlobalE-wasteMCHINACHINAGALAXYSECURITIES金融报国•客户至上15第五章：实证设计：变量与模型2010—2024年中国31个省级2010—2024年中国31个省级面板数据，有效），数矩阵构建空间权重矩阵。•假设1：人工智能水平与人均能源消耗之间存在显著的倒U型非线性关系。具体而言，人工智能发展初期会推高人均能源消耗；当AI应用•假设2：人工智能水平与碳排放之间存在显著的负向线性关系。变量类别变量名称衡量方式被解释变量人均能源消耗地区能源消耗/人口规模碳排放强度碳排放（万吨）/GDP（亿元）核心解释变量人工智能水平由人工智能企业存量数取对数人工智能水平平方项人工智能水平的平方，用于检验U型或倒U型关系控制变量财政支持力度财政一般预算支出/地区生产总值经济发展水平人均GDP取自然对数城镇化率城镇人口/年末常住人口人口密度年末常住人口/行政区划面积信息化水平邮电业务总量/地区生产总值第五章：回归结果分析01金融报