## 摘要
9月4日，中央网信办、国家发展改革委、工业和信息化部、生态环境部、住房城乡建设部、农业农村部、商务部七部门联合发布《促进数字化绿色化协同转型发展实施方案（2026—2030年）》。文件把人工智能、算力基础设施、制造业数字化和绿色低碳改造放在了一套统一政策框架中。到2030年，政策要求人工智能进一步体现低成本、高效率优势，算力设施和5G基站用能效率大幅提升，算力设施等重点领域可再生能源电力消费水平达到所在省份可再生能源电力消纳责任权重水平。更值得技术产业关注的是，方案直接写入存算一体、DB4AI、高带宽内存、低功耗计算、混合专家、动态稀疏、量化剪枝、多智能体协同、800V高压直流供电、超百千瓦单机柜、液冷、绿电直连、数字化能碳管理中心以及全国碳市场人工智能大模型。AI产业下一阶段的竞争，正在从“谁拥有更多算力”延伸到“谁能以更低能耗、更高利用率和更完整的能源管理体系运行算力”。
一、七部门联合发文，AI的能源问题正式进入“十五五”政策主线
9月4日18时，中央网信办正式公布《促进数字化绿色化协同转型发展实施方案（2026—2030年）》。参与发文的七个部门分别是中央网信办、国家发展改革委、工业和信息化部、生态环境部、住房城乡建设部、农业农村部和商务部。
从部门构成就能看出，这份文件覆盖的范围远远超过传统的信息化政策。网信部门负责数字技术和网络体系，国家发展改革委关注能源、投资和产业布局，工信部连接制造业和数字产业，生态环境部负责碳排放和环境治理，住建、农业、商务则对应城市、农业和消费流通场景。
文件围绕2030年前碳达峰目标部署4个方面、14项重点任务，包括数智技术与绿色技术融合创新、新兴领域用能效率提升、重点行业双化协同应用以及基础支撑建设。
对于人工智能行业，这份政策最值得关注的地方，是国家开始从模型能力、应用场景之外，系统讨论AI本身的资源消耗和能源效率。
过去几年，AI产业讨论最多的是GPU数量、模型参数、训练数据和推理性能。随着智能体、大模型推理和AI基础设施规模快速扩大，电力、散热、机房密度和能源成本正在成为新的硬约束。
这份方案把这类工程问题直接写进国家层面的“十五五”政策。
二、绿色AI第一次写得这么具体：从存算一体一直到量化、剪枝和多智能体
方案专门设置“发展绿色高效人工智能技术”任务。
文件提出加强存算一体、高性能存储、数据压缩、分布式训练框架、DB4AI等关键支撑技术研发，加快突破高速互联、高带宽内存、低功耗计算等核心技术。
这一组技术基本覆盖了AI系统从芯片、存储、网络到软件框架的主要性能瓶颈。
大模型训练和推理真正消耗资源的地方，并不只在GPU计算本身。模型参数需要不断从内存搬运，节点之间需要高速通信，数据需要从存储进入计算系统，大规模集群还需要处理大量并行调度。
因此，存算一体、高带宽内存、高速互联和数据压缩，本质上都在解决同一个问题：减少数据搬运带来的时间和电力消耗。
方案还进一步提出推动混合专家、动态稀疏等模型架构优化，加强量化、剪枝等模型压缩技术研究，并探索轻量化部署。
这意味着模型效率已经开始被政策体系单独识别。
对于企业而言，未来模型选型不能只看Benchmark分数。每百万Token成本、单卡吞吐、显存占用、响应延迟、能源消耗，会越来越直接地影响项目能不能长期运营。
三、政策第一次提出生成式AI“全生命周期资源消耗评估”
文件还有一条很容易被忽略：构建生成式人工智能全生命周期资源消耗评估体系，指导生成式人工智能服务提供商主动披露大模型资源利用情况。
这可能会成为未来AI基础设施管理的重要方向。
现在很多企业采购大模型服务，通常只比较Token价格和模型性能，很少关注一个模型完成同样任务需要多少计算资源、耗多少电、占用多少GPU时间。
如果资源消耗评估体系逐步形成标准，模型服务可能会出现类似数据中心PUE一样的新评价指标。
同样一个任务，如果模型A需要8张GPU运行，而模型B通过量化、稀疏化和推理优化只需要2张GPU，商业价值会完全不同。
对于大模型厂商、推理平台、MaaS服务商和企业级AI平台来说，模型效率将从技术指标逐步变成经营指标。
四、800V高压直流和超百千瓦机柜，意味着AI数据中心架构正在变化
这份文件最“硬核”的技术条款之一，是明确提出探索算力设施800V高压直流供电架构，推动超百千瓦单机柜部署。
这个表述非常值得AI基础设施企业研究。
过去传统数据中心单机柜功率密度通常远低于当前AI集群。随着GPU服务器不断提高计算密度，高端AI机柜的供电和散热压力快速增加。
当单柜功率迈向100kW甚至更高，传统供配电架构会遇到电流大、线损高、铜材需求增加、转换效率下降等问题。
800V高压直流的重要意义，就是在相同功率下通过提升电压降低电流，从而减少线缆损耗和供电系统体积。
如果这一架构逐步进入大型智算中心，UPS、电源模块、配电柜、母线、服务器电源和机柜设计都会发生变化。
这会形成一条新的AI基础设施产业链机会。
五、液冷从“可选技术”逐渐变成高密度算力的重要基础设施
方案提出支持液冷散热、余热回收、低功耗芯片等技术创新和推广应用。
当机柜功率超过100kW以后，传统风冷会越来越吃力。
液冷的价值并不只是“降温效果好”，它还能减少风机能耗，提高机房空间利用率，并且更容易实现余热回收。
未来几年，智算中心建设的竞争可能越来越集中在三个指标：能够部署多高密度的AI服务器，能够把PUE做到多低，能够把多少热量和电力重新利用起来。
这也意味着液冷板、CDU、冷却液、泵组、换热设备、智能温控和液冷服务器都会继续扩张市场。
对工业企业来说，液冷同样会向边缘AI服务器、工厂级推理集群和小型私有化AI机房渗透。
六、“算电协同”开始从口号进入工程技术清单
文件提出推动算力与电力协同发展，统筹算力设施绿电需求和新能源消纳需要，引导算力资源向风、光、水等清洁能源富集地区集聚。
同时提出攻关算力和电力协同调度、绿电直连、高效长时大容量储能等技术和标准，并开展绿证、绿电交易。
这背后是一条越来越清晰的产业逻辑。
AI训练任务具有一定可调度性。
如果某个地区风电、光伏在特定时段出现大量富余电力，理论上可以把一部分训练任务调度到该地区运行。
未来算力调度系统可能不只看GPU空闲率，还要看电价、绿电比例、能源供给和碳排放强度。
这就把“算力网络”和“能源网络”连接起来了。
算力运营平台、能源管理平台、储能系统、电力交易系统和AI调度软件之间会出现越来越多接口。
七、制造业政策出现新的组合：智能工厂+绿色工厂+能碳管理中心
对于工业企业，方案中的制造业部分更值得直接关注。
文件提出聚焦冶金、化工、轻工、纺织、机械、船舶等行业，支持企业广泛运用数智技术和绿色技术，推动设备更新、工艺优化和管理创新。
同时提出培优做强工业互联网平台，大力发展面向重点行业和关键场景的智能化软硬件产品和解决方案。
更关键的是，文件鼓励工业企业和园区建设数字化能碳管理中心。
这种平台需要集成能效对标、能效平衡与优化、用能和碳排放预算管理、碳排放和碳足迹核算、供应链碳管理等能力。
过去企业做能源管理系统，重点是电、水、气的采集和统计。
下一代能碳管理平台会更复杂。
它需要接入MES、ERP、设备数据、生产计划、能源价格和碳排放因子，根据生产订单预测能源需求，计算产品碳足迹，并通过AI动态调整工艺和生产策略。
这里会形成工业AI、工业互联网、能源管理和碳管理的交叉市场。
八、智能工厂与绿色工厂开始进一步合流
政策明确提出持续推进智能工厂和绿色工厂创建，引导企业实施“智改数转网联”和绿色低碳技术改造。
这条变化对制造企业很现实。
过去智能工厂项目和绿色工厂项目经常是两套体系。
一套关注自动化、数字化、工业互联网、MES和智能装备。
另一套关注能源效率、清洁生产、资源利用和碳排放。
未来两条路线会越来越多地合并。
例如AI预测性维护既可以降低停机，也可以降低无效能耗；数字孪生既可以优化生产节拍，也可以优化能源使用；工业智能体既可以调度生产，也可以实时计算碳排放。
对于服务商来说，单独卖“数字化平台”或者单独卖“碳管理平台”的竞争力会下降。
能把生产、设备、能源和碳管理结合起来的综合方案，会更有机会进入大型制造企业和产业园区。
九、全国碳市场人工智能大模型被正式提出
方案在数字化碳管理部分提出研究建设全国碳市场人工智能大模型。
这是一个非常值得继续跟踪的新方向。
全国碳市场涉及大量企业排放数据、能源数据、核算规则、配额、交易和监管信息。
如果通过大模型和智能体处理这些数据，可以用于辅助数据审核、异常识别、排放预测、政策分析和市场监管。
同样的技术还可以向企业端延伸。
例如企业碳管理智能体，可以自动读取设备和生产数据，生成排放报告，识别异常能耗，分析碳成本，并根据不同订单计算产品碳足迹。
未来企业使用AI的一个重要场景，可能不再只是办公助手，而是“能源和碳管理数字员工”。
十、高质量绿色数据集与行业智能体也会形成新市场
政策提出汇聚生态环境、能源电力等数据资源，构建绿色低碳技术研发应用全流程的高质量数据集和知识库。
同时面向清洁能源、节能环保、资源循环利用、生态修复、碳捕集利用与封存等需求，布局通用大模型、行业大模型和智能体。
这会形成一批新的垂直AI市场。
能源行业需要电力调度智能体。
制造业需要能碳优化智能体。
环保行业需要监测和执法智能体。
碳市场需要核算和分析智能体。
这些系统需要大量专业数据、规则和业务系统接口。
对工业智能企业来说，这是比通用办公Agent更有壁垒的领域。
十一、哪些企业会直接受益
第一类是AI基础设施企业，包括服务器、电源、液冷、配电、储能、算力调度和数据中心管理软件公司。
第二类是模型推理和优化公司，包括量化、剪枝、推理加速、模型压缩、异构计算和边缘AI厂商。
第三类是工业互联网和智能制造服务商，尤其是能够把生产系统和能源系统打通的企业。
第四类是能碳管理和能源数字化公司。
第五类是高质量数据集和行业知识库服务商。
第六类是工业智能体和能源智能体企业。
第七类是碳足迹、碳核算和供应链碳管理服务商。
十二、企业要警惕的几个风险
第一个风险是AI项目越来越需要计算长期能源成本。
模型上线以后每年消耗多少Token、需要多少GPU、耗多少电，未来会直接影响ROI。
第二个风险是数据中心技术迭代很快。
企业如果按照传统低功率机柜建设新的AI机房，几年后可能面临供电和散热能力不足。
第三个风险是碳数据质量。
如果设备数据、能源数据和产品数据本身不准确，再强的大模型也无法得到可信的碳核算结果。
第四个风险是“智能化”和“绿色化”重复建设。
企业最好从一开始就统一数据底座和设备接口，避免能碳系统、MES、AI平台分别建设。
第五个风险是标准变化。
AI资源消耗、碳足迹、绿电和数据中心能效标准仍在快速演进，投资时需要保留一定技术升级空间。
十三、政策释放了一个很清晰的信号
AI产业正在进入基础设施效率竞争阶段。
过去行业关注的是有没有GPU、有没有大模型、有没有场景。
接下来会越来越关注同样的模型性能需要多少芯片、多少电、多少冷却能力和多少运行成本。
对工业企业来说，数字化和绿色化也开始走向一套统一系统。
生产效率、能源效率、碳排放和设备运行状态会被放到同一个数据底座中，通过AI进行联合优化。
这对工业智能、工业软件、算力基础设施和能源数字化企业来说，是一条值得长期布局的新市场。
参考来源
-
中央网信办、国家发展改革委、工业和信息化部、生态环境部、住房城乡建设部、农业农村部、商务部：《促进数字化绿色化协同转型发展实施方案（2026—2030年）》，发布日期：2026年9月4日。
https://www.cac.gov.cn/2026-09/04/c_1790271981772781.htm -
中央网信办：《〈促进数字化绿色化协同转型发展实施方案（2026—2030年）〉答记者问》，发布日期：2026年9月4日。
https://www.cac.gov.cn/2026-09/04/c_1790271981938942.htm