摘要:智能算力产业的ESG表现正成为衡量其高质量发展的核心指标。环境维度上，“东数西算”工程通过设定PUE硬性目标推动绿色算力发展，2023年在用算力中心平均PUE降至1.48，液冷技术等创新助力能耗降低40%以上。社会维度，智能算力赋能工业、医疗等领域，加速经济数字化转型，但数据安全与就业公平问题亟待解决。治理维度，企业如阿里云、科大讯飞通过ESG报告披露进展，清洁能源使用率逐年提升，提升品牌价值与投资者信心。本文系统分析智能算力产业在环境、社会与公司治理中的实践与挑战，提出构建“政策-技术-责任”三位一体的智能算力可持续生态路径，为产业ESG深化提供行动框架。
在“双碳”目标与数字经济深度融合的时代背景下，智能算力业务的环境、社会与治理(ESG)表现已成为企业发展的核心竞争力之一。随着数据中心能耗问题引发广泛关注，智能算力产业自身高质量发展要求以及ESG投资理念的全球渗透都推动智能算力企业站在绿色转型与社会责任的十字路口。虽然当前智能算力产业ESG表现处于起步期，但产业整体在环境、社会和公司治理(ESG)方面的发展现状呈现出积极态势。未来，智能算力产业相关企业将以ESG为杠杆，撬动可持续增长的新范式。
一、环境绩效:绿色算力的政策与技术双轮驱动
1.政策刚性约束PUE目标与国家战略落地
随着“双碳”目标的推进，算力基础设施的能耗问题受到广泛关注。根据政策引导，绿色低碳、节能环保已成为算力产业链业务布局和发展的底层逻辑。例如，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》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。
“东数西算”工程通过设定严格的PUE目标、推广先进节能技术、提高可再生能源使用率等措施，致力于打造绿色、低碳的数据中心，推动中国数据中心行业的可持续发展。例如，分别将东部、西部和部分先进数据中心的数据中心集群PUE指标控制在1.25以下、1.2以下、1.1以下，严格新建数据中心的能效水平和建设标准。提高可再生能源使用率，鼓励数据中心使用风能、太阳能等可再生能源，减少对传统能源的依赖。采用本地储能和微网直供等手段，提高能源利用效率。在政策要求下，我国算力中心能效水平日益提升。截至2023年底，我国算力中心总耗电量约为1500亿千瓦时，同比增长15%。在用算力中心平均PUE为1.48，与2022年的1.52相比有所改善(见图3-7)。在用超大型算力中心平均PUE为1.33,大型算力中心平均PUE为1.43。规划在建算力中心平均设计PUE约为1.292。
各地政府也持续出台相关政策，推动地区绿色算力产业发展。例如:青海省等地方政府出台措施支持绿色算力产业发展，包括对绿色算力领域科技小巨人企业给予认定奖励，支持企业开展绿色算力服务低碳认证等。杭州市对符合政策规定的算力技术研发项目给予资助，鼓励企业开展绿色算力技术攻关。2023年3月新华网联合相关机构启动了中国算力行业和数字产业园区规划建设ESG标准编制工作，推动行业标准化发展。从政策层面推动智能算力产业ESG表现提升。
图1 2019-2023年中国在用算力中心PUE值
数据来源:中国信息通信研究院
2.液冷能效管理与头部企业绿色布局
在政策指导和推动下，部分大型人工智能企业也持续通过技术创新和资源布局推动智能算力产业节能提效。例如，联想集团通过自主研发的温水水冷技术，为AI发展打造绿色算力底座，可降低40%以上的能耗和间接碳排放。2020年，阿里云和华为云于2020年起在内蒙古乌兰察布市布局了数据中心，华为云乌兰察布数据中心通过AI远程巡检和智能运维技术，大幅提升了运维效率，通过间接蒸发冷却方案和iCooling能效优化技术，每年节省耗电量超过3000万度，减少二氧化碳排放量约1.4万吨。
随着越来越多人工智能相关企业关注企业社会责任和ESG表现，液冷技术、自然冷却、优化供电与制冷系统等硬件技术的不断成熟，绿色算力发展框架通过AI驱动能源管理系统可以实时监控和优化数据中心的能耗，高效软件调度优化、软硬协同等方式，实现业务的高效应用和能源消耗的降低。未来智能算力产业环境绩效表现将持续提升。
二、社会绩效:赋能与风险并存的算力革命
1.经济新引擎，数字化转型的核心底座
智能算力产业在推动社会经济发展、促进科技创新、提升公共服务水平和推动绿色低碳发展等方面发挥了重要作用。但其快速发展也引发了数据安全、就业结构调整和社会公平等方面的担忧。未来，智能算力产业需要通过政策引导、技术优化、多方协作、标准完善，实现可持续发展。
智能算力通过增强数据处理和分析效率，为传统产业的数字化转型提供了强大的技术支撑。智能算力作为数字经济发展的重要底座，显著推动了数字经济与实体经济的深度融合。通过与云计算、物联网等技术的结合，智能算力全面支持传统产业的数字化转型。
例如，在工业互联网中，智能算力赋能边缘计算和云服务实现即时的数据处理与分析，以优化生产流程。智能算力推动了互联网、金融、交通、医疗等行业的智能化升级，成为经济高质量发展的新引擎。在金融领域，借助智能算力支持的风险评估模型能即时分析市场数据，提高决策的准确性和效率。在医疗领域，智能算力可以加速基因测序进程和医疗影像分析，提升疾病预测与诊疗的精准度。据测算，“十四五”时期，大数据中心投资以每年超过20%的速度增长，累计带动各方面投资将超过3万亿元4。这不仅优化了投资结构，还创造了新的经济增长点，推动消费升级。
2.前沿技术创新突破与智慧城市普惠实践
智能算力为科技创新提供了强大的计算支持，极大地提高了科研效率和质量。一方面，智能算力推动了前沿技术突破。智能算力是人工智能和机器学习技术发展的基础。通过大规模并行计算，智能算力能够训练复杂的深度学习模型，推动自然语言处理、图像识别、语音识别等领域的技术突破。在新材料与医药研发等领域，智能算力显著加速了复杂科学问题的探索进程，推动了知识边界的有效拓展。
另一方面，智能算力提升了科研效率与质量。智能算力能够实现科研流程的自动化和智能化，减少人工干预，提高研究效率。并促进跨机构、跨领域、跨学科研究的开展，使得不同领域的科学家能够协同工作，解决复杂的科学问题。智能算力支持的云计算平台和开源软件工具，使得科研数据和研究成果能够更广泛地共享，促进了全球范围内的科研合作和创新，促进了创新生态系统的形成。
智能算力在智慧城市、电子政务等领域的广泛应用，显著提升了公共服务的效率和质量。借助智能算力支持的智能交通系统，能够优化城市交通流量，有效减少拥堵。智能算力还推动了教育、医疗等领域的数字化转型，显著提升了公共服务的普惠性和可及性。智能算力还被应用于生态保护领域，如联想集团利用AI技术保护珍稀动物，打造智能生态保护范例。
3.隐忧与挑战，算力发展的治理命题
社会对智能算力在数据安全与隐私保护、就业结构调整与社会公平、算力过剩与资源浪费等方面仍存在一些隐忧。智能算力行业高度依赖大数据，数据隐私和安全问题成为行业的重要挑战。数据泄露和滥用可能导致严重的社会和法律后果，影响企业的社会绩效。随着人工智能技术的不断发展，数据泄露和滥用的风险也在增加，这对数据治理和法律法规的完善提出了更高要求。智能算力的发展可能取代部分传统工作岗位，导致就业结构调整。此外，技术发展的不均衡可能导致数字鸿沟进一步扩大，影响社会公平。随着智能算力基础设施的快速建设，区域间算力资源的供需错配问题仍然存在，部分地区算力过剩的现象既导致资源浪费，也增加了企业的运营成本，对产业可持续发展造成了不利影响。
（文章未完待续，关于公司治理绩效分析等内容参见《智能算力ESG发展:双碳目标下的可持续算力生态构建（下）》）
（作者：杨旭颖 天罡智算创始人）
文中数据来源：
[1]国网经济技术研究院有限公司、中国信息通信研究院，电力与算力协同发展蓝皮书，2024-08-23.
[2] 中国信息通信研究院，中国算力发展报告，2024-10-14.
