绿色算力投资手册(下)：从硬件能效、节能温控到算能协同、赋能转型 绿色算力各赛道前景广阔
股票资讯
阅读：20
2025-12-01 22:07:44
评论：0
核心观点
以ESG 视角从算力侧（软硬件）、能源侧、应用侧三大维度展开绿色算力产业链分析，我们认为，短期重点关注液冷技术的改造推进、高效算法与模型架构以及高密度服务器与高带宽内存；长期持续关注“源网荷储”一体化系统与绿电直连、电算协同调度平台以及边缘计算与能碳大模型。绿色算力正从单纯能效优化转向“算力-电力-碳力”系统协同，是未来若干年科技与能源交叉领域的核心赛道。
绿色算法构成AI 算力能效优化的底层逻辑。在绿色算力发展中，算法优化成为平衡AI 算力能效的关键手段，通过紧凑架构设计显著降低模型计算与存储开销，结合高效训练策略减少迭代次数与计算成本，采用模型剪枝、量化与知识蒸馏等高效推理技术提升部署效率，并通过主动学习与预训练实现高效数据利用。典型案例如DeepSeek 采用专家混合（MoE）架构，仅用600 万美元成本开发出性能卓越的DeepSeek-V3 模型，显著降低训练开销；推测解码、KV 缓存压缩等技术已成为GPT-4、Claude 3.5 等主流模型降低平均响应功耗的关键创新路径。
数据中心硬件设备是能耗产生的核心。在数据中心核心硬件方面，英伟达Blackwell 架构芯片优势显著；国产芯片中壁仞BR100 能效比达1.86，表现突出；服务器从ARM 等精简指令集架构、整机柜高密度集成、智能功耗封顶与动态调频等维度推动高密度化发展；存储方面，易失性内存中高带宽内存（HBM）通过TSV 垂直堆叠提供超高带宽，SK 海力士1β制程配合MR-MUF 封装技术使HBM3E 传输速率提升50%，长期存储则依靠热数据SSD 与冷数据HDD 的分级治理策略，长江存储第四代3DNAND 实现功耗降低25%。数据中心交换机专为大规模高速数据交换设计；超节点通过Scale-up 网络将大量算力芯片互联，大幅降低通信延迟，显著缩短大模型训练周期并提升推理经济性。
数据中心运营载体是能耗管控的核心。在数据中心温控与运营中，冷板式液冷PUE 可降至1.3 以下，浸没式液冷PUE 更可达1.2 以下，但需在水资源消耗（WUE）与能耗效率间寻求平衡；AI 驱动的DCIM 系统通过3D 可视化、数字孪生与负荷预测实现实时能效调优与智能运维；余热回收技术中，风侧、热泵与水侧三类系统已成熟应用，北方地区采暖投资回收期可缩短至5 年以内，其中吸收式制冷投资回收期最短不到半年。数据中心模块化与预制化，显著缩短50%以上，还能有效降低建筑垃圾、施工用水的产生。
算力的尽头在于电力。美国数据中心耗电占全球45%，电力制约显著；中国数据中心煤电占比约70%，也需要进一步加快能源结构转型；储能方面，磷酸铁锂电池主导电化学储能迭代，宁德时代“算力专用电池”体积能量密度提升30%，物理储能中江苏建成200MW 飞轮储能阵列，数字孪生技术优化充放电策略使利用率提升至73%；电网侧通过“东数西算”八大枢纽布局、“源网荷储”一体化微电网、绿电直连专线等创新模式优化能源配置，腾讯怀来数据中心成为国内首个“风光储”一体化并网项目。
AI+实现各行业各维度绿色赋能。AI 算力推动使能行业减碳，尤其聚焦AI+能源的反哺，推动核心四大使能行业的减碳比例：电力（12%-22%）、工业（13%-22%）、交通（10%-33%）、建筑（23%-40%）。能源垂式大模型如智子熹源通过MoE 架构以1/10 成本替代传统专家团队，人工智能物联网平台如远景EnOS 实现全球845GW 能源资产管理；边缘计算推动大模型向网络边缘迁移，降低延迟并提升隐私保护；这些技术发展正在对经济社会的消费模式、生产方式、信息流动与生活方式产生全面而深远的系统性影响，全球经济向“虚拟化增值”模式深刻转型，有望进入资源强度持续下降的新发展阶段，实现整个经济社会的全面绿色化、智慧化转型。
风险提示
经济修复不及预期；绿色算力相关政策推行不及预期；市场情绪与偏好波动风险。 机构：浙商证券股份有限公司 研究员：祁星/施文燊 日期：2025-12-01
以ESG 视角从算力侧（软硬件）、能源侧、应用侧三大维度展开绿色算力产业链分析，我们认为，短期重点关注液冷技术的改造推进、高效算法与模型架构以及高密度服务器与高带宽内存；长期持续关注“源网荷储”一体化系统与绿电直连、电算协同调度平台以及边缘计算与能碳大模型。绿色算力正从单纯能效优化转向“算力-电力-碳力”系统协同，是未来若干年科技与能源交叉领域的核心赛道。
绿色算法构成AI 算力能效优化的底层逻辑。在绿色算力发展中，算法优化成为平衡AI 算力能效的关键手段，通过紧凑架构设计显著降低模型计算与存储开销，结合高效训练策略减少迭代次数与计算成本，采用模型剪枝、量化与知识蒸馏等高效推理技术提升部署效率，并通过主动学习与预训练实现高效数据利用。典型案例如DeepSeek 采用专家混合（MoE）架构，仅用600 万美元成本开发出性能卓越的DeepSeek-V3 模型，显著降低训练开销；推测解码、KV 缓存压缩等技术已成为GPT-4、Claude 3.5 等主流模型降低平均响应功耗的关键创新路径。
数据中心硬件设备是能耗产生的核心。在数据中心核心硬件方面，英伟达Blackwell 架构芯片优势显著；国产芯片中壁仞BR100 能效比达1.86，表现突出；服务器从ARM 等精简指令集架构、整机柜高密度集成、智能功耗封顶与动态调频等维度推动高密度化发展；存储方面，易失性内存中高带宽内存（HBM）通过TSV 垂直堆叠提供超高带宽，SK 海力士1β制程配合MR-MUF 封装技术使HBM3E 传输速率提升50%，长期存储则依靠热数据SSD 与冷数据HDD 的分级治理策略，长江存储第四代3DNAND 实现功耗降低25%。数据中心交换机专为大规模高速数据交换设计；超节点通过Scale-up 网络将大量算力芯片互联，大幅降低通信延迟，显著缩短大模型训练周期并提升推理经济性。
数据中心运营载体是能耗管控的核心。在数据中心温控与运营中，冷板式液冷PUE 可降至1.3 以下，浸没式液冷PUE 更可达1.2 以下，但需在水资源消耗（WUE）与能耗效率间寻求平衡；AI 驱动的DCIM 系统通过3D 可视化、数字孪生与负荷预测实现实时能效调优与智能运维；余热回收技术中，风侧、热泵与水侧三类系统已成熟应用，北方地区采暖投资回收期可缩短至5 年以内，其中吸收式制冷投资回收期最短不到半年。数据中心模块化与预制化，显著缩短50%以上，还能有效降低建筑垃圾、施工用水的产生。
算力的尽头在于电力。美国数据中心耗电占全球45%，电力制约显著；中国数据中心煤电占比约70%，也需要进一步加快能源结构转型；储能方面，磷酸铁锂电池主导电化学储能迭代，宁德时代“算力专用电池”体积能量密度提升30%，物理储能中江苏建成200MW 飞轮储能阵列，数字孪生技术优化充放电策略使利用率提升至73%；电网侧通过“东数西算”八大枢纽布局、“源网荷储”一体化微电网、绿电直连专线等创新模式优化能源配置，腾讯怀来数据中心成为国内首个“风光储”一体化并网项目。
AI+实现各行业各维度绿色赋能。AI 算力推动使能行业减碳，尤其聚焦AI+能源的反哺，推动核心四大使能行业的减碳比例：电力（12%-22%）、工业（13%-22%）、交通（10%-33%）、建筑（23%-40%）。能源垂式大模型如智子熹源通过MoE 架构以1/10 成本替代传统专家团队，人工智能物联网平台如远景EnOS 实现全球845GW 能源资产管理；边缘计算推动大模型向网络边缘迁移，降低延迟并提升隐私保护；这些技术发展正在对经济社会的消费模式、生产方式、信息流动与生活方式产生全面而深远的系统性影响，全球经济向“虚拟化增值”模式深刻转型，有望进入资源强度持续下降的新发展阶段，实现整个经济社会的全面绿色化、智慧化转型。
风险提示
经济修复不及预期；绿色算力相关政策推行不及预期；市场情绪与偏好波动风险。 机构：浙商证券股份有限公司 研究员：祁星/施文燊 日期：2025-12-01
*免责声明：文章内容仅供参考，不构成投资建议
*风险提示：股市有风险，入市需谨慎
声明
本站内容源自互联网，如有内容侵犯了您的权益，请联系删除相关内容。 本站不提供任何金融服务，站内链接均来自开放网络，本站力求但不保证数据的完全准确，由此引起的一切法律责任均与本站无关，请自行识别判断，谨慎投资。
