绿色数字经济：算力、工业数字化与企业碳管理协同增效路径研究

绿色数字经济：算力、工业数字化与企业碳管理协同增效路径研究

作者：泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部

摘要

在我国 “双碳” 战略与数字中国建设并行推进背景下，算力基础设施、工业数字化转型、企业碳管理三者之间呈现复杂耦合关系。算力作为数字经济核心底座，本身存在显著能耗与碳排放；但依托 AASA 能碳管理平台、数字孪生、设备智能运维等数字化工具，可对制造工厂生产全流程实施能耗与碳排放精细化管控，实现生产端碳减排。当前研究普遍将数字基建能耗与工业减排效应割裂评估，缺少面向零碳工厂场景的净效应量化模型，导致大量企业在数字化投入决策时，无法科学判断数字化改造的综合碳收益。

本研究立足数绿融合理论，系统剖析算力基础设施全生命周期能耗结构，识别工业场景中 AASA 能碳系统、数字孪生、智能运维三类数字化工具的降碳作用机理；构建 \\“数字基建能耗 - 生产碳减排” 净效应测算模型 \\，区分范围一、范围二、范围三排放，量化数字化投入自身产生的碳成本与工厂生产端碳减排收益，形成净碳效应评估框架。通过典型制造工厂案例仿真测算，验证模型可行性。研究表明，在合理算力调度、绿色算力供给、全链路数据治理前提下，工业数字化项目能够实现生产减排量大于数字基础设施新增碳排，形成正向净碳效应。基于模型结论，提出算力绿色化改造、工厂能碳数字化体系建设、组织机制配套三位一体的协同增效实施路径，为国内制造业零碳工厂数字化建设、企业碳资产管理、园区数绿转型提供理论支撑、量化工具与落地参考。

关键词：绿色数字经济；算力；工业数字化；能碳管理；数字孪生；零碳工厂；碳净效应

1 绪论

1.1 研究背景

我国碳达峰碳中和目标的落地，要求工业领域在保持产业竞争力的前提下持续降低温室气体排放。工业是全社会能源消费和碳排放主体，传统工厂碳管理长期依赖年度静态盘查，存在数据滞后、边界模糊、工艺参数无法动态寻优、设备故障造成额外能耗浪费等痛点，传统粗放式碳管理模式难以满足零碳工厂建设要求。与此同时，数字经济快速扩张，算力基础设施（数据中心、边缘算力节点、工业物联网网关、服务器集群）成为新型高能耗载体，算力需求持续增长带来电力消耗上升，引发学术界与产业界对数字化转型 “是否新增碳排放” 的讨论。

国家层面相继出台数字化绿色化协同转型相关政策，推动数字产业绿色低碳发展、数字技术赋能传统工业节能降碳。工信部启动国家级零碳工厂建设工作，明确将数字化能碳管理、数字孪生、智能控碳纳入零碳工厂评估指标体系，鼓励企业依托工业互联网、物联网技术建设数字化能碳管理中心，实现能耗与碳排放实时计量、精细化管控与智能决策。在此政策环境下，产业界面临核心矛盾：算力基础设施本身产生能耗与碳排放，但数字化工具又可以降低工厂生产环节碳排放。如何评估数字化转型的综合碳影响，判断项目是否具备正向净碳效益，已经成为零碳工厂建设必须解决的核心技术问题。

现有文献较多单独研究数据中心绿色算力优化，或是单独研究工业数字化节能技术，较少将数字基建能耗与工厂生产减排纳入统一核算框架。多数碳核算体系仅核算工厂本体排放，忽略数字化平台、算力服务器、网络设备等新增 ICT 基础设施带来的碳成本，容易高估数字化改造减排收益；反之，仅关注算力能耗而忽视生产端减排，则会否定数字技术的绿色赋能价值。二者割裂评估会误导企业投资决策，制约零碳工厂数字化方案设计。在此背景下，本研究聚焦算力、工业数字化、企业碳管理三者协同增效路径，构建净效应测算模型，填补该领域量化评估方法缺口。

1.2 研究意义

1.2.1 理论意义

第一，完善绿色数字经济数绿融合理论体系，厘清算力基础设施 “排放成本” 与工业数字化 “减排收益” 双向作用机制，打破算力能耗与工业减排相互独立的研究范式。
第二，建立面向工业场景的 “数字基建能耗 - 生产碳减排” 净效应测算模型，把数字化基础设施碳排放纳入工厂碳核算边界，丰富零碳工厂碳计量理论，为数字化转型项目碳效益评估提供统一方法论。
第三，揭示 AASA 能碳平台、数字孪生、智能运维三类数字化工具的差异化降碳传导路径，建立数字化工具作用于生产系统的机理模型，拓展工业碳管理数字化理论边界。

1.2.2 实践意义

第一，面向制造企业，提供一套可落地的量化评估工具，企业在规划零碳工厂数字化改造项目时，可提前测算数字化投入带来的新增碳排放与生产端减排量，判断项目净碳收益，支撑投资决策。
第二，为零碳工厂申报、碳披露、碳资产管理提供技术支撑，完善数字化能碳管理中心建设方案，支撑企业 ISO14064、ISO50001 体系落地。
第三，为产业园区、地方工信、生态环境部门评估工业数字化项目绿色效益提供参考，助力政策制定、项目评审与示范工程遴选，推动工业领域数绿协同落地。

1.3 国内外研究综述

1.3.1 国外研究现状

国外学者较早开展数据中心能耗、数字孪生智能制造、工业能源优化研究。算力基础设施碳排放研究多集中在 PUE、WUE 等能效指标优化，通过算力调度、液冷、可再生能源替代降低数据中心能耗。在智能制造领域，大量研究证实数字孪生、预测性维护可降低设备非计划停机，减少原材料浪费与无效能源消耗，降低制造环节碳排放。部分海外文献提出全生命周期评估（LCA）框架，用于评估工业数字化系统环境影响，但这类模型多应用于产品碳足迹，很少专门针对 “工厂数字化改造项目”，同时较少区分边缘算力、云端算力、现场采集设备等不同数字基础设施的碳排放，难以直接适配国内零碳工厂建设场景。

同时，国际上对 AI 算力碳排放研究持续升温，研究者发现算力基础设施碳排放在全生命周期中，运行阶段外购电力带来的间接排放占比最高；算力系统存在显著规模效应，资源整合、负载合并可降低单位算力能耗。但国外研究普遍缺少面向国内工业企业碳市场、国内区域电网排放因子的本地化净效应测算模型，难以直接用于国内制造业零碳项目评估。

1.3.2 国内研究现状

国内学术界近年来围绕数字化绿色化协同转型开展大量研究。中国信通院、中科院等机构发布数绿融合、算力碳排放相关研究，明确算力基础设施兼具高能耗和产业减排赋能双重属性，指出算力基础设施可以赋能传统产业实现 “减排大于排放” 的净效应，但相关研究以定性分析为主，缺少面向工厂微观项目的量化测算模型。

在工业碳管理方向，国内研究聚焦工业互联网能碳平台、碳数据采集、碳盘查系统开发；数字孪生在工厂能源系统仿真、设备运维优化应用研究持续增多。现有零碳工厂评估指标体系已经纳入智能控碳、能碳管理中心指标，但评估体系并未强制要求核算数字化算力基础设施本身产生的碳排放，存在核算边界缺口。

现有研究局限性总结：

1. 研究边界割裂，算力基础设施能耗和工厂生产减排分开评估，缺少统一净碳效应模型；

2. 模型静态化，难以适配工厂动态生产负荷、算力负载波动、电网因子时序变化；

3. 缺少针对 AASA 能碳、数字孪生、智能运维三类典型数字化工具的差异化减排系数；

4. 实证案例不足，模型缺少工业场景仿真验证。

本研究针对上述局限，构建耦合模型并开展案例仿真。

1.4 研究内容与研究框架

本研究共七个章节：第一章绪论；第二章相关概念与理论基础；第三章算力基础设施能耗与碳排放结构分析；第四章数字化工具赋能工厂碳减排机理（AASA 能碳平台、数字孪生、智能运维）；第五章构建 “数字基建能耗 - 生产碳减排” 净效应测算模型；第六章案例仿真、敏感性分析；第七章协同增效路径、政策建议、研究结论与展望。

研究技术路线：文献梳理→理论框架搭建→算力能耗分解→数字化降碳机理识别→模型构建→参数标定→案例仿真→敏感性分析→提出协同路径→结论与展望。

1.5 研究方法

1. 文献研究法：系统梳理绿色数字经济、算力能耗、工业碳管理、数字孪生、全生命周期碳核算相关文献、国家标准、行业白皮书，奠定理论基础。

2. 全生命周期碳核算方法（LCA）：对算力基础设施从设备生产、部署、运行、报废回收全周期拆解能耗与碳排放，重点核算运行阶段电力消耗产生的范围二碳排放。

3. 系统建模法：建立多目标耦合量化模型，区分数字基建新增碳排放与工厂生产减排，计算净碳效应。

4. 案例仿真与敏感性分析法：选取典型离散制造工厂，代入模型仿真测算；调整算力 PUE、绿电占比、减排系数等关键参数，开展敏感性分析，识别关键影响变量。

5. 归纳演绎法：基于模型结论提炼算力、工业数字化、碳管理协同增效实施路径。

2 核心概念与理论基础

2.1 绿色数字经济

绿色数字经济，是以数据为关键生产要素，以算力、网络、工业软件为基础设施，在数字产业化与产业数字化全过程统筹能耗、资源消耗与温室气体排放，实现数字经济增长与降碳协同的经济形态。其包含两层内涵：一是数字产业自身绿色化，即算力、数据中心、通信网络降低能耗与碳排放；二是数字技术赋能传统产业绿色转型，利用数字化工具优化生产工艺、能源调度、设备运维，降低工业生产碳排放。本研究聚焦第二层内涵，同时将第一层数字基建碳排放作为成本项纳入模型，评估综合净效应。

2.2 算力基础设施

本研究中算力基础设施采用广义定义，包含三类算力载体：

1. 云端算力：企业外购公有云服务器、算力集群，用于 AASA 能碳平台后台计算、模型训练、数据存储；

2. 边缘算力：部署在工厂车间本地边缘网关、工业服务器，负责现场传感器数据预处理、实时控制；

3. 现场感知网络：物联网传感器、采集终端、工业交换机、通信设备，作为数字化系统基础硬件，伴随持续待机能耗。

算力基础设施碳排放分为两部分：内嵌碳排（硬件生产制造阶段碳排放，属于设备全生命周期隐含碳）；运行碳排（设备运行消耗电力产生的范围二碳排放，为算力碳排主要来源，与 PUE 直接相关）。PUE（电源使用效率）= 数据中心总能耗 / IT 设备能耗，PUE 越接近 1，算力基础设施能效水平越高。

2.3 AASA 能碳管理系统

AASA 能碳是面向工业企业的数字化能碳一体化管理平台，遵循 ISO14064、ISO50001 标准，覆盖电、水、气、蒸汽、冷热能多能流数据采集，内置碳核算引擎，自动完成范围一、范围二、范围三碳排放实时计算、碳盘查、碳资产台账、能耗异常告警、碳绩效分析。AASA 能碳改变传统年度静态碳盘查模式，实现从人工填报到自动采集、实时核算，帮助企业识别高能耗工序、设备能耗异常点，支撑能源调度优化。

2.4 数字孪生

工业数字孪生，在虚拟空间构建和物理工厂、产线、设备一一映射的数字化镜像，集成实时传感数据，在虚拟模型中仿真生产工况、能源流、物料流、碳排放。可以在不中断真实生产前提下开展工艺参数仿真、能源调度推演、故障模拟，提前寻优生产方案，减少试生产能耗浪费，优化能源分配策略。

2.5 设备智能运维（预测性运维）

传统工业运维以定期检修、故障后维修为主。智能运维依托传感器数据、机器学习算法，预测设备故障风险，实现预测性维护。减少设备非计划停机，降低停机重启带来的大量能源消耗，减少残次品与原材料浪费，进而降低生产环节碳排放。

2.6 净碳效应理论

数字化改造净碳效应 = 数字化改造带来工厂生产端总减排量 − 算力基础设施全生命周期新增碳排放量。
净碳效应＞0，代表该数字化项目具备正向绿色效益；净碳效应＜0，则数字化系统本身碳排放超过生产减排，项目整体碳表现为负向。本模型核心目标就是量化该指标。

3 算力基础设施能耗与碳排放结构分析

3.1 算力基础设施全生命周期能耗构成

算力基础设施全生命周期分为硬件制造、现场部署、运行使用、退役回收四个阶段。

1. 硬件制造阶段：服务器、网关、传感器、交换机硬件生产，芯片、电路板制造产生隐含碳排放。该部分属于一次性投入，在设备生命周期内分摊到每年。硬件隐含碳在设备全周期中占比低于运行阶段，但不能忽略。

2. 部署阶段：设备安装调试施工能耗，占比很低，本研究可简化处理。

3. 运行阶段：IT 服务器、网关、传感器持续耗电；配套制冷、UPS 电源、配电系统能耗。运行阶段是算力碳排放主体，以外购电力间接排放（范围二）为主，占算力总碳排放接近 90%，PUE 是该阶段核心指标。

4. 退役回收阶段：硬件拆解、材料回收能耗，一般占比较低，可根据研究精度选择是否纳入。

在面向工厂数字化改造项目评估场景，研究重点是运行阶段能耗，同时分摊硬件制造隐含碳。

3.2 算力能耗影响因素识别

1. PUE 水平：数据中心、机房 PUE 越高，制冷配电系统能耗越大，单位 IT 算力碳排越高。新建绿色算力节点 PUE 可达到 1.2 以下，传统老旧机房 PUE 可达 1.5 甚至更高。

2. 算力负载率：服务器空载状态能耗远高于负载比例，低利用率算力资源会显著抬升单位算力碳排放。当前国内算力资源平均利用率偏低，存在大量闲置算力，是算力碳效率低下的重要原因。

3. 电力结构（电网排放因子）：算力使用电力中绿电占比越高，单位电力碳排放因子越低，同等算力能耗对应的 CO₂排放越低。东数西算枢纽节点可再生能源资源丰富，绿电供给充足，算力碳强度更低。

4. 算力部署架构：全部上云、本地边缘算力、云边协同架构，能耗特征差异巨大。单纯云端架构，大量原始数据上传带来网络传输能耗；纯本地边缘算力会带来工厂机房建设与制冷能耗；云边协同，现场边缘节点预处理数据，仅上传特征数据至云端，是工业场景更优方案。

5. 硬件生命周期：服务器、网关使用年限，决定硬件制造隐含碳的年度分摊额，设备使用周期越长，每年分摊的隐含碳越低。

3.3 算力基础设施碳排放核算公式

算力基础设施年度碳排放分为两部分：运行碳排放、硬件隐含碳年度分摊。


：IT 设备年度耗电量（kWh）；PUE：电源使用效率；：区域电网碳排放因子（tCO₂e/kWh），若采购绿电，则采用绿电对应排放因子。

硬件隐含碳年度分摊：

：整套算力硬件从生产制造的全部隐含碳；T：设备使用年限（年）。

3.4 算力基础设施碳排放特征总结

算力基础设施并非固定不变的碳排放值，存在极强的技术、地域、架构敏感性。PUE 优化、提升算力负载率、采购绿电、延长硬件使用周期，都可以显著降低算力基础设施碳强度。云边协同架构，能够在满足工厂实时控制需求的同时控制算力能耗，是工业数字化场景优先推荐的算力部署方案。单纯采购大算力而低负载运行，会显著恶化数字化项目净碳效应。

4 数字化工具赋能工厂碳减排作用机理

本研究聚焦三类核心数字化工具：AASA 能碳管理平台、数字孪生、设备智能运维，分别解析各自降碳机理、减排路径、影响边界。三类工具不是相互独立，在零碳工厂系统中可以联动协同放大减排效果。

4.1 AASA 能碳管理平台减排机理

传统企业碳管理的短板：能耗数据人工抄表，月度、季度汇总，数据失真、滞后；能源消耗和生产工序无法一一绑定；碳排放核算依靠人工台账，难以定位高碳环节；缺少实时告警机制，设备跑冒滴漏长期无法发现。

AASA 能碳平台通过物联网采集电、蒸汽、燃气、压缩空气、冷热水等多能流数据，把能耗数据绑定产线、设备、班组、产品批次，实时自动核算范围一、范围二碳排放，形成能碳驾驶舱。减排路径分为三类：

1. 能耗异常识别：实时监测设备能耗，一旦出现跑冒滴漏、空载、异常损耗，系统自动告警，管理人员快速处置，减少无效能源消耗。

2. 碳数据溯源与工序对标：识别高能耗工序、高碳设备，支撑节能改造优先级排序，精准落地节能技改。

3. 碳管理体系数字化：支撑 ISO50001 能源管理体系、ISO14064 碳盘查，减少人工管理带来管理疏漏，支撑碳目标分解、绩效考核，实现管理节能。

AASA 能碳平台的减排特点：以管理节能为主，减少能源浪费，不直接改变生产工艺，单独使用减排幅度相对温和，但属于零碳工厂数字化底座，为数字孪生、智能运维提供基础数据，是其他数字化工具发挥效果的前提。

4.2 数字孪生减排机理

数字孪生在虚拟空间复刻工厂物理系统，接入实时生产、能耗数据，在虚拟空间开展仿真优化，主要减排路径：

1. 工艺参数寻优：在虚拟模型中批量仿真不同温度、压力、转速等工艺参数组合，找到兼顾产品质量与最低能耗的工艺区间，在真实产线落地，降低单位产品能耗与碳排放。无需在实体产线上反复试产，避免试生产带来的能源、原材料浪费。

2. 能源系统协同调度：针对厂区光伏、储能、中央空调、空压机、锅炉等能源设备，在孪生模型内模拟多能流协同调度，削峰填谷，降低能源系统整体损耗。

3. 工况模拟与风险预判：模拟设备故障、负荷波动场景，提前制定调度预案，避免工况突变带来能耗激增。

数字孪生的减排属于工艺优化 + 能源系统优化，减排潜力高于单纯能碳监测平台，但对数据质量、模型精度、算力资源要求更高，需要依托 AASA 能碳提供持续稳定的能碳数据源。

4.3 设备智能运维（预测性运维）减排机理

传统定期维护策略存在两难：检修过频，停机带来产能损失与能耗浪费；检修不足，设备突发故障，造成长时间停机。设备启停阶段能耗远高于稳态生产，停机还会带来残次品、原材料报废，产生额外碳排放。

智能运维基于传感器时序数据，机器学习模型识别设备劣化趋势，预测故障发生时间，实现预测性维护。减排路径：

1. 减少非计划停机次数，消除设备启停阶段大量无效能耗；

2. 维持设备长期高效运行区间，避免设备劣化后能效持续下降；

3. 降低残次品率，减少原材料浪费，降低产品全生命周期范围三碳排放。

智能运维的减排收益集中在设备故障损耗、原材料浪费，离散制造、流程化工、冶金等高耗能行业收益更加显著。

4.4 三类数字化工具协同机制

AASA 能碳平台提供底层能碳数据底座；数字孪生依托能碳数据构建虚拟工厂仿真模型；智能运维模块作为孪生系统子模块，输出设备健康预警。三者联动形成闭环：数据采集→能碳核算→孪生仿真寻优→预测运维→下发控制策略→生产优化，持续降低工厂生产端碳排放。三者协同的总减排量大于单独使用各工具减排量简单相加，存在协同放大效应。

同时，三类工具运行均需要算力支撑，会产生算力基础设施碳排放，也就是数字化项目的碳成本。因此，必须将算力碳成本纳入统一评估框架，不能单独计算减排收益。

5 “数字基建能耗 - 生产碳减排” 净效应测算模型构建

5.1 模型构建原则

1. 边界清晰原则：严格区分两套系统边界，一是工厂原有生产系统；二是本次数字化改造新增算力、物联网基础设施系统。仅核算数字化改造新增的碳排放与新增减排量，排除工厂原有基线排放。

2. 分阶段核算原则：区分一次性硬件隐含碳（分摊到设备使用年限）和持续性运行能耗碳排。

3. 动态可调原则：模型参数可根据行业、PUE、绿电比例、工厂类型调整，适配化工、钢铁、电子、装备制造不同行业零碳工厂场景。

4. 符合国标与国际碳核算规范：遵循 ISO14064、GHG、省级电网排放因子、工业企业能源核算相关标准，满足碳披露、零碳工厂申报合规需求。

5.2 模型总体公式

数字化改造项目年度净碳效应 NC（tCO₂e / 年）

：数字化改造带来工厂年度生产端总减排量（tCO₂e / 年）；
：数字化改造配套算力基础设施年度新增碳排放（tCO₂e / 年）；

：正向净碳效应，数字化改造整体实现降碳；
：减排收益等于算力新增排放；
：负向净碳效应，数字化基础设施碳排放超过生产减排。

5.3 生产端减排量分解

生产端总减排来源于 AASA 能碳平台、数字孪生、智能运维三部分，考虑协同效应修正系数。

：AASA 能碳平台单独实现年度减排；
：数字孪生单独实现年度减排；
：智能运维单独实现年度减排；
：三类系统联动产生协同增量减排。

分项计算公式：




：工厂基线年度能源消耗量；
：对应数字化工具的节能率；
：工厂原有能源结构加权碳排放因子；
：协同效应系数，取值 0~0.2，代表系统联动带来额外减排比例，根据行业案例标定。

5.4 算力基础设施碳排放

沿用第三章公式：

：整套数字化系统 IT 设备年度耗电（云端算力 + 边缘服务器 + 网关采集设备）；
：算力用电的电网排放因子，采购绿电可替换为绿电因子；
：整套算力硬件制造阶段隐含碳；
：硬件折旧使用年限，一般服务器 5\8 年，传感器 3\5 年。

5.5 模型指标体系

5.6 模型边界与局限性说明

模型边界：

1. 只评估数字化改造新增算力设施碳排放，原有工厂服务器、工控机基线排放不计入；

2. 生产减排仅覆盖工厂范围一、范围二，可选扩展至范围三原材料节约减排；

3. 本模型评估对象为数字化改造项目，不是工厂全生命周期评估。

模型局限性：

1. 节能率参数需要行业实测数据标定，不同工厂工况差异会带来参数波动；

2. 暂未包含广域通信网络能耗，如需高精度评估可增加通信模块；

3. 不包含数字化系统软件迭代、模型训练额外算力消耗（可作为扩展模块）。

6 案例仿真与敏感性分析

6.1 案例工厂基本信息

选取国内中型装备制造工厂作为仿真案例，工厂原有基线情况：
工厂年综合能耗折合标煤 8000 吨，能源以外购电力 + 天然气为主，原有综合排放因子 0.58 tCO₂e/tce。计划建设零碳工厂数字化系统，部署 AASA 能碳平台、车间数字孪生、设备智能运维模块，采用云边协同算力架构，边缘服务器部署车间，云端用于碳核算、孪生仿真。

数字化算力硬件配置：边缘服务器、物联网网关、传感器，配套小型机房，PUE=1.3；IT 设备年耗电 12 万 kWh；硬件制造总隐含碳 75 tCO₂e；设备使用年限 5 年；算力用电采用区域电网因子 0.58 tCO₂e/MWh，暂不采购绿电。

行业参数标定：AASA 能碳管理节能率 2%；数字孪生工艺优化节能率 3%；智能运维节能率 2%；协同系数。

6.2 测算过程

第一步：工厂基线年能耗 8000 tce，基线总排放 = 8000 ×0.58=4640 tCO₂e。
分项减排：



基础减排之和 = 92.8+139.2+92.8=324.8 tCO₂e
协同增量减排 = 324.8 ×0.1=32.48 tCO₂e
总生产减排

第二步，算力基础设施碳排放


算力年度总排放

第三步，净碳效应

结论：本案例数字化项目年度净碳效应为 251.80 tCO₂e，NC>0，项目具备显著正向净碳效益。
数字化算力系统虽然每年新增 105.48 吨碳排放，但工厂生产端减排 357.28 吨，整体实现净降碳。

6.3 敏感性分析

改变关键参数，观察净碳效应变化，识别敏感变量：

1. PUE 变化：若机房 PUE 上升至 1.5，算力运行排放提升，净碳效应下降；PUE 降低至 1.2，净碳收益显著提升。算力 PUE 是算力碳成本最敏感指标之一。

2. 绿电替代：算力用电 100% 替换为零碳绿电，算力运行碳排放大幅下降，净碳效应显著增加。绿色算力供给是提升数字化项目净碳收益的重要抓手。

3. 节能率下降：若工厂数据质量差，数字化工具无法达到预期节能效果，总减排下降，当生产减排小于算力碳排放，NC 转为负值，项目整体无绿色收益。说明数字化落地质量、数据采集质量至关重要。

4. 算力负载率：算力低负载运行，单位 IT 能耗不变，但有效减排不变，单位减排对应的算力碳成本上升，净效应恶化。

敏感性分析结论：数字化项目净碳效应不是天然为正，取决于四大要素：算力能效（PUE）、算力电力结构、数字化工具落地带来的实际节能率、算力负载率。脱离落地质量、算力架构，单纯认为数字化天然降碳，或者片面否定数字化转型绿色价值，均存在偏差。

6.4 案例启示

零碳工厂数字化建设，不能只关注数字化平台功能，必须同步规划算力绿色化。项目前期使用本模型开展预评估，可规避 “高算力投入但实际减排不足” 的投资陷阱；优先采用云边协同架构、提升算力负载率、采购绿电、优化机房 PUE，最大化净碳收益。

7 算力、工业数字化、企业碳管理协同增效路径与对策

基于模型机理和仿真结论，从算力底座绿色化、工厂能碳数字化体系建设、组织与机制保障三个层面构建协同增效路径，服务零碳工厂建设。

7.1 路径一：算力基础设施绿色化，降低数字化转型碳成本

1. 算力架构选型优化，推广云边协同。工业场景优先云边协同，边缘节点完成现场实时采集、预处理，减少海量原始数据云端传输，降低网络与云端算力负载。避免全部数据上云带来高额算力能耗；避免工厂大规模自建机房，优先选择 PUE 低于 1.3 的绿色算力节点、东数西算绿色算力枢纽。

2. 持续优化 PUE 与算力负载率。机房采用自然冷却、液冷技术降低制冷能耗；服务器资源虚拟化、负载合并，避免服务器空载低利用率运行，提升算力利用率，降低单位算力碳强度。

3. 算力电力绿色替代。算力机房配套分布式光伏、储能，或直接采购绿电、绿色电力证书，降低算力用电排放因子，直接减少算力基础设施范围二碳排放，提升项目净碳效应。

4. 硬件全周期管理：延长服务器、网关使用年限，减少硬件迭代频率，降低硬件隐含碳年度分摊；设备退役后优先资源化回收，降低退役阶段碳排。

7.2 路径二：构建 “AASA 能碳 + 数字孪生 + 智能运维” 一体化工业碳管理体系，放大生产端减排收益

1. 优先建设 AASA 能碳平台作为底层数据底座。完成车间、设备级电、气、蒸汽多能流传感器部署，建立高质量实时能碳数据库，解决数据缺失、失真问题。数据质量决定数字孪生、智能运维的效果，是整个系统的基础。

2. 分步部署数字孪生系统，从能源孪生起步，再扩展到全产线孪生。优先对高耗能产线、锅炉、空压机、中央空调等能源核心设备建立孪生模型，先实现能源调度优化，再开展工艺参数仿真，控制算力投入规模，避免一次性建设超大算力模型。

3. 落地预测性智能运维，聚焦高价值、高停机能耗设备。优先在高耗能关键主机部署智能运维模块，减少非计划停机能耗浪费，以较低算力投入获得较高减排回报。

4. 建立数字化碳核算闭环，对接企业碳台账、碳披露、碳目标管理。利用 AASA 能碳输出数据支撑 ISO14064 碳盘查、零碳工厂申报、供应链碳足迹核算，实现数字化投入同时满足合规、碳资产运营双重价值。

7.3 路径三：组织管理、标准与考核机制协同

1. 建立跨部门协同团队，打通生产、能源、IT、EHS 部门。很多企业数字化项目失败，根源在于 IT 部门单独建设系统，生产、能源部门不参与，系统无法落地，节能率达不到预期。

2. 将净碳效应指标纳入数字化项目投资评估体系。工厂在数字化项目立项阶段，使用本研究净效应测算模型开展事前评估，把 NC 指标作为项目可行性评审指标，而不是仅评估投资回报率。

3. 建立持续迭代机制。数字化能碳系统不是一次性工程，需要持续校准传感器、更新孪生模型、优化运维算法，保障长期稳定的节能减排效果。定期复测节能率，动态评估净碳效应。

7.4 产业与政策层面建议

1. 完善零碳工厂数字化项目碳核算标准，把 ICT 算力基础设施碳排放纳入评估边界，建立统一的净碳效应评估规范。当前零碳工厂评估对算力自身碳排放核算不足，建议在后续标准修订中补充该部分。

2. 鼓励绿色算力与工业数字化项目打包示范。优先支持采用低 PUE 算力、绿电配套的零碳工厂数字化示范项目，打造可复制样板。

3. 完善能碳数据质量规范，统一工业传感器采集、数据校准、因子库标准，解决工业场景碳数据口径不一问题。

4. 开展企业人才培训，推广净碳效应评估方法，帮助制造企业理解数字化转型碳成本，科学规划零碳数字化投资。

8 结论与研究展望

8.1 主要研究结论

1. 算力基础设施具备双重属性：算力作为数字化底座，本身存在能耗与碳排放，是工业数字化改造的碳成本；但依托 AASA 能碳、数字孪生、智能运维三类数字化工具，可以从能源管理、工艺优化、设备运维三个维度降低工厂生产碳排放。数字化项目净碳效应可正可负，不能简单判定数字化天然降碳或高碳，需要定量测算。

2. 本研究构建的 “数字基建能耗 - 生产碳减排” 净效应测算模型，可以区分算力基础设施新增碳排放与工厂生产减排，实现项目事前评估。模型参数可调，适配不同行业零碳工厂场景，可用于项目可研、零碳工厂申报、碳披露。案例仿真证明，在合理架构、数据质量达标前提下，工业数字化项目可以实现正向净碳效应。

3. 净碳效应核心影响因素包括算力 PUE、绿电占比、算力负载率、数字化落地后实际节能率。提升算力能效、采用绿电、云边协同架构、保障能碳数据质量，是提升净碳收益的关键抓手。

4. 协同增效实施路径分为三层：算力底座绿色化降低碳成本；一体化能碳数字化系统放大生产减排收益；组织考核机制保障数字化落地质量。三者缺一不可，共同支撑零碳工厂数字化建设。

8.2 研究不足与未来展望

本研究模型参数基于行业案例标定，后续可收集更多行业实测数据，对节能率、协同系数持续校准；当前模型暂未纳入广域通信网络、软件迭代算力消耗，后续可扩展模型边界，纳入范围三供应链减排。未来可进一步开发可视化在线测算工具，将模型封装为能碳平台内置模块，嵌入 AASA 能碳系统，实现工厂动态实时净碳效应自动计算。同时可以拓展到工业园区尺度，研究园区多工厂 + 共享算力集群的区域级净碳效应。

数据来源

1. 国家互联网信息办公室《数字化绿色化协同转型发展报告（2024）》

2. 工业和信息化部《国家级零碳工厂建设评估指标体系及指标说明（试行）》

3. 中国信息通信研究院《工业数字化绿色化融合发展白皮书（2022）》

4. 中国科学院院刊《算力基础设施碳排放估算：方法、进展与展望》

5. 省级区域电网排放因子，生态环境部温室气体排放核算指南

6. ISO 14064、ISO50001、GHG Protocol 企业碳核算标准

7. 泷码软件研究院工业能碳平台、数字孪生项目实测行业参数库

8. 国内数据中心 PUE、绿色算力相关行业统计数据

免责声明

本报告由泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部独立研究编制。报告内容仅为学术研究、产业分析与方法论探讨，不构成任何项目投资、碳交易、投融资、工程建设决策建议。报告中仿真案例测算结果基于假设参数，实际项目碳减排量、碳排放、净碳效应会受工厂工况、设备质量、传感器数据质量、电力结构、算力负载、运维管理水平等多重因素影响，不同项目结果存在差异。报告引用第三方公开资料，第三方资料的真实性、准确性由原资料发布方负责；本研究团队尽力保障模型逻辑严谨，但不对模型应用产生的任何经济损失、合规风险承担法律责任。未经书面许可，不得篡改报告内容；引用本报告成果请注明完整来源。