【中金观点】数字经济助力碳中和
在新技术为社会数字化转型带来强劲驱动力的同时，电力也在支撑数字经济的发展。我们认为，技术进步带动算力增长，算力进步反哺技术突破，从而为数字经济增长持续赋能，在数字与算力的浪潮中，数字化、智能化将为电力转算力的过程赋予更多节能优势，实现节能减排与数字经济的双重发展。
本章分四层逻辑：第一、二节，我们将以具体场景展开，分析在C端城市生活及B端工业生产中，科技如何助力提效减排；第三节，我们将讨论在AI和新技术赋能下，科技行业如何实现自身节能优化，从而实现碳中和目标；第四节，我们简单概括了数字化管理中可能面临的多种挑战。
数字经济下，5G、AI等新型技术的崛起将赋能千行百业，我们不禁思考数字生活究竟离我们有多远？数字生活究竟如何实现碳中和？对于个体而言，“智慧城市”将使我们切身感受到智慧城市融合城市管理和数字技术，通过数据管理优化城市运行后为居民带来的便捷与高效。
“智慧城市”的概念由IBM于2008年提出，后在各国政府层面获得了广泛关注。我们认为，智慧城市并非一个严格概念，是将城市管理同数字化技术结合的一种思路。随着5G网络、云计算、物联网、人工智能等新一代信息技术逐步落地，科技生态环境日趋成熟，城市智能化、精细化管理得以实现，有助于解决城镇化进程中的各种难题。据Markets and Markets统计，2018年全球智慧城市市场规模为3,080亿美元，2023年规模将提升至7,172亿美元，CAGR为18.4%。
智慧城市的应用场景有哪些？随着智慧城市建设进一步深化，众多新型城市应用场景和管理模式应运而生，助力城市实现可持续发展。我们看到，智慧城市在环保、交通、工业、能源、城市治理等多个场景已经有丰富且具体的应用，例如环境监测、智能垃圾分类等智慧环保应用，车路协同、智慧停车、智能交通规划等智慧交通应用，黑灯工厂等智慧工业应用，大数据精准治理、无人化治理等城市治理应用。
智慧城市带来生活便捷与多样的同时，也通过数字化手段实现各种生活场景的节能减排。智慧城市下的各种应用场景是如何通过科技赋能实现节能减排的？其最终能够实现多少二氧化碳减排量？
基于这些思考及前序章节《绿色出行》的介绍，我们挑选车联网、智慧机场及智慧货运三个细分应用场景进行测算，通过对比引入科技带来的二氧化碳排放增量与科技赋能后的各场景二氧化碳排放减少量来计算实现的二氧化碳排放净减少量，以及单位电力消耗对应的二氧化碳减少量来判断科技赋能的“性价比”。
车路协同基于传感探测、边缘计算、自动驾驶等技术，通过路测单元、车载终端获取和交互车路信息，对整体道路流量、交通事件、路况进行预判，实现车辆之间、车辆和基础设施之间的智能协同，达到加快路口通行速度、降低车辆燃油消耗、提高交通安全冗余度等目标。其中：1）提效方面，智慧红绿灯可动态调制不同方向红绿灯时间以提高通行率；基于早晚交通流量变化，潮汐车道可动态调整早晚高峰通行方向；依托车载摄像头、超声波雷达等设备，无人驾驶车辆可分析周边环境及行车状况，进行制动、转向、变道、速度等控制，降低交通拥堵风险，从而提升交通系统的运行效率与安全性。2）降耗方面，基于SLAM技术，汽车可以通过摄像头采集的机器视觉信息与激光雷达ToF的测距功能，定位并绘制出位置环境的地图，解决路线规划的不合理问题，降低碳足迹；此外，基于V2X通讯，车辆可编队行驶减少阻力、共享信号灯信息规划刹车时间，从而降低能耗。
四维图新基于多年在提供地图服务中积累的海量位置大数据，搭建了MineData位置大数据平台，为各类企业、行业提供数据支撑服务和个性化解决方案。MineData平台具有PB级多源业务数据治理能力，借助MineLab一站式位置大数据分析与深度学习平台，基于专业的地图展示能力提供搜索、路径规划等LBS服务，能够高效规划交通路线，缓解交通拥堵进而实现降低碳排放的目标。
自动驾驶提效几何？根据密歇根大学的一项测算，相较于非自动驾驶车辆，搭载车间通信系统的自动驾驶车辆通过地图线路优化及刹车制动优化，节能效率达到19%。同时我们假设自动驾驶的出现会降低自有汽车量约1%，基于上述两点假设，我们预测截至2024年，C端自动驾驶二氧化碳年排放减少量约1.18亿吨。假设一辆测试自动驾驶车辆每天产生的数据量可达 10 TB，以一台浪潮高端全闪存储HF18000G5服务器为参考，全年约需要2,566万台服务器支撑算力，对应二氧化碳全年排放量0.82亿吨，因此全年二氧化碳净排放减少量为0.42亿吨，对应服务器每度电增量带来1.51千克二氧化碳排放减少量。
深圳智慧机场通过精准预测和管理，能让每架飞机少跑1~2分钟，减少耗油10~20升，根据中国民航局公布的全年航班起降架次，我们预计全年合计起降1,025万架次，每年可减少二氧化碳排放量约36.31万吨。截至2021年2月18日，全国机场数量达241个，我们基于机场面积预测全国机场数据中心占地面积进而推测所需数据中心及机柜数量，按照引入AI及数字化精准管理的机场带来3%数据存储增量的假设，进而得出数据中心耗电量增量约相当于23.86万吨二氧化碳排放，最终可实现全年二氧化碳排放净减少12.44万吨，相当于每度电用电增量带来1.52千克二氧化碳减排量。
我们预计当前货运行业车辆运输空载率达40%，我们认为成立如滴滴打车模式的互联网平台型货运调度公司有助降低空载率。截至2020年6月，根据公安部披露，我国载货车保有量为2,944万辆，假设这些车辆空载率从40%降至20%将减少全年无效行驶里程1,472亿公里，对应二氧化碳排放减少量695.08亿千克。假设成立该互联网平台公司所需数据中心机柜数为10万个（相当于十个超大型数据中心园区），对应全年二氧化碳排放85.15亿千克，最终实现全年二氧化碳排放净减少609.92亿千克，对应每度用电增加量带来8.14千克二氧化碳减排。
工业互联网随着5G网络部署呈现迅猛发展之势，截至2021年3月，全国在建工业互联网项目超过1,100个，多种工业互联网应用场景层出不穷，包括上海商飞、山西阳泉煤矿、湖南三一重工和厦门港等，5G显著地助力了工业领域的升级转型。
工业互联网如何赋能减排节能？工业互联网以数据为核心，基于传感器集中收集的海量数据，结合软件平台和大数据分析技术来实现工业自动化控制、智能化管理。在工业互联网赋能下，企业生产力和工作效率得到提升，同时能源使用和碳排放有效减少，实现节能增效。
工业互联网存在的意义是什么？经济数字化转型是大势所趋，工信部提出，要把握数字化、网络化、智能化的发展方向，发挥我国既有基础和优势，统筹推进数字产业化和产业数字化，全面部署5G、工业互联网、数据中心等新一代信息通信基础设施建设，实施制造业数字化转型行动、智能制造工程、中小企业数字化改造等等，促进新一代信息技术与制造业充分融合、制造业与服务业深度融合，加快发展数字经济，最根本的是要推动实体经济的发展。
因此，基于上述思考，我们选取工业互联网的主要案例，试图测算在工业互联网背景下，科技是如何助力制造业实现节能减排。
碳中和将推动对下游软件应用层，诸如能源监控、预警等细分领域的需求，为下游提供数字化解决方案的公司带来业务机会。如能源管控类SaaS企业可以将企业生产过程中产生的各类能耗及影响能耗的相关指标通过物联网技术采集到云端，通过对数据分析、优化提供降低生产运维能耗的预警及解决方案；工业云平台企业能够基于云平台及其搭载的工业APP为制造业企业赋能，实现控费增效。
国家电网与2021年3月发布“碳达峰、碳中和”行动方案，将推动电网向能源互联网升级，包括加强“大云物移智链”等技术在能源电力领域的融合创新和应用，促进各类能源互通互济，源网荷储协调互动，支撑新能源发电、多元化储能、新型负荷大规模友好接入。加快信息采集、感知、处理、应用等环节建设，推进各能源品种的数据共享和价值挖掘，到2025年，将初步建成国际领先的能源互联网。
► 智能能源管理：联元智能致力于成为能源领域的工业互联网SaaS平台提供商。公司为工业、商业、数据中心、楼宇等多能耗等级的B端用户提供整体能效解决方案，能够在线监测能源使用效率，实现能源的精细化管理，帮助客户减少碳排放。如公司通过助力上海某领先热电企业开展智慧能源服务，实现年能源成本下降1,500万元，年碳排放量下降4.42万吨，能耗量下降17,000吨标煤。
► 智能制造：东方国信（300166.SZ）旗下的Cloudiip是国内领先的国产工业互联网平台。该平台支撑了炼铁大数据平台、锅炉云服务平台等多个工业应用子平台，同时搭载了大量实用工业App，通过围绕以数字赋能企业来助力企业实现节能降耗以及生产效率的提升。例如炼铁云平台已应用高炉单座单年创效达2,400万元；风电云平台可为企业每年节约30%维修费用；锅炉云平台可降低单炉能耗15%。
我们在前两节讨论了科技是如何助力各种行业的不同应用场景实现节能减排，测算了碳排放的净减少量，科技行业属于高耗能行业，在为千行百业赋能以及助力减排的同时，科技行业如电信运营商及数据中心自身是通过何种手段实现节能减排？我们先通过案例可以看到AI已经广泛用于通信行业的电能使用的优化中，然后再具体分析了5G基站和数据中心的降耗举措。
AI算法可用于IDC的运维和管理，优化其电能使用。AI技术已经在故障预测分析、系统性能调优、内部服务等方面有所应用，可实时对数据中心环境控制，如通过控制冷却系统实时资源调配以降低能耗。比如在谷歌、万国数据、中兴通讯等企业中都能看到AI助力的身影：
► 谷歌：2016年，谷歌联合DeepMind将AI系统部署于数据中心，通过控制IDC的服务器和制冷系统等部分组件来减少能耗，报告表明DeepMind AI将谷歌公司的数据中心冷却费用减少40%。
► 万国数据：在国内率先采用AI数据中心布局，目前弱电和软件开发设计都要确保未来能够做到AI适用，实现基于AI算法进行控温，以及利用机器人进行自动巡检、故障自动应急等，大大降低对运维人力的需求以及大幅灾难预警的敏捷性。
► 中兴通讯：基于自研的AI Explorer平台开发的AI算法系统，能够基于采集自制冷系统、电力系统的数据在AI中台进行数据治理，基于AI算法学习优化运行策略，通过调控参数实现最高可达15%的节能效果。
图表：中兴通讯AI平台数据治理使用的关键特征参数
资料来源：公司官网，中金公司研究部
5G时代，AI技术能够提高基站的适应性来实现智慧节能。实现随着AI技术的不断成熟，基于AI的智能节能技术方案可以实现多制式网络的整体节能效果，在无线接入网具备较强的灵活性、扩展性及持续演进能力。AI系统能够基于历史数据构建学习模型，并通过不断产生的实时数据对模型进行修正，实现“智慧节能”的效果。中兴通讯提供的AI节能方案自2019年起已在国内多地运营商部署，累积应用规模超过10万小区，经验证该方案可有效降低基站10%～15%的能耗，每千站点可实现年节电150万～200万度。比如典型的功能有：
► 节能场景识别：在小区场景中，AI系统能够自动识别基础覆盖小区和补热小区，支持与基站设备及OMC 管理平台的接口，热点覆盖小区可根据业务量等指标变化进入节能模式，实现更灵活的节能效果。
► 业务预测：基于AI算法、现网基站数据及训练业务负载模型，实现对网络业务负荷的精确预测。通过预测业务流量的潮汐情况，提前制定相应措施调控业务负载性能，从而提升用户体验。
► 节能策略选择：基于业务预测结果，通过强化学习算法实现对节能策略的自动选择、调整、配置更新和自动执行功能，同时满足预设置的节能目标和KPI目标。
具体到通信运营商行业，5G时代的到来也带来了能耗的增量。5G网络建设耗能如何？按照中国通信标准化协会的数据，目前运营商5G基站主设备样品空载功耗约2.2~2.3kW，满载功耗约3.7~3.9kW，我们按照2019年3.85 kW预测，随着设备节能化迭代，我们预计5G基站平均功率到2025年降至3.3 kW左右，基站休眠等技术使得基站无需满负荷运转，同时伴随2/3G网络的逐渐退网、5G基站建设速度趋于温和增长，我们认为能基站整体耗将得到有效控制并趋于平缓，预计到2025年，5G基站全年耗电量将有效控制在793亿千瓦时。
从软硬件技术角度来看：通信基础设施架构升级是趋势，包括基站设备层、站点层、网络层的多级优化。
站点层：基于软件功能及AI技术实现站点节能。通过引入AI技术，能够针对每个小区的不同时点进行精准分析及预测，实现精细化、定制化的节能策略，做到“一站一策、一时一策”，在保障用户体验的前提下通过精耕细作的方式充分挖掘节能潜力。
网络层：多网协作节能技术实现降低现网能耗目标。5G部署后，未来将出现4G TDD/FDD与5G NR共存的状态。中国移动研究院表示，多网协作节能技术可以基于特征聚类和神经网络算法对5G设备级节能功能进行参数优化，实现设备级节能功能效果最大化，适用4G/5G 有较多重叠覆盖的网络场景。中国移动研究院表示业内已完成相关4G系统（MCES）的开发，现网测试结果显示，4G网络每万小区年节电目前超过40万度，5G网络接入后总体节电效果将更明显。
再看数据中心的变迁，计算模式历经了从集中到分布，再重新走向集中的阶段。在上世纪六十年代，大型主机是计算和存储资源集中存放的所在，也是企业的算力供应中心。彼时主机价格非常昂贵，主要面向企业用户，资源集中是主机时代突出的特点。1979年IBM推出IBM-PC，开启个人电脑时代，计算模式由大型主机的集中模式走向个人计算的分散模式。而后互联网兴起，计算资源通过互联网得便捷共享。在2000年后，运营上千台服务器的数据中心出现，计算模式由分散重回集中，算力走向集约化供应。
数据中心是数字经济时代的底层基础设施，发挥着将电力转换为算力的关键支撑作用。大型数据中心集中管理计算和存储资源，用户通过互联网分享资源的模式日益普及，“云计算”的概念逐渐脱胎。数据中心位居IDC产业链中上游，向下游云应用厂商、互联网公司、政企客户提供服务器托管等基础设施服务。其能耗主要包括机器设备消耗的电力和温湿度控制设备消耗的电力，因而数据中心在数字经济时代承担着将电力转换为算力的关键作用。
集约化算力将降低多少能耗？集约化算力可显著减低能源消耗，是实现碳中和目标的重要命题。根据Pike Research预计，到2020年，采用云计算可以使全球数据中心的能源使用量减少38%。AWS认为，集约式的计算资源可以显著提升计算效率。Microsoft测算，相较于分散的传统企业数据中心，Azure集约式数据中心通过改善IT运维效率、IT设备效率、数据中心基础架构效率、可再生能力等四个方面，或可降低72%-98%的能耗。
技术手段如何实现数据中心的降本增效？机电设备标准化、模块化是趋势。我们认为对机房系统架构的前瞻性把控是IDC运营核心的能力要素，涵盖对IT负荷能力、机电布局方式、密度上升后散热能力等环节的判断。
图表：数据中心绿色节能是发展趋势
资料来源：中国信通院官网，中金公司研究部
一方面，IDC所提供的机电设备服务，核心是提供电力和制冷资源。运营中，IT和制冷是耗电主要来源，占比约85%。在制冷方面，可因地制宜，北方干燥低温的环境特性可选择间接蒸发自然冷却，通过空对空冷却减少排热用水；南方潮湿燥热地区可尝试浸没式液冷技术，通过液体代替空气，把CPU、内存等IT发热器件产生的热量带走，具备高能效、高可靠特点。供配电方面，分布式供能、高压直流供电、模块化UPS等技术通过降低电损、按需调用，也能帮助优化PUE水平。
另一方面，借鉴云计算、IDC的底层逻辑共享经济，将机电资源池化、按需切割也是一种新思路。预制模块化数据中心是一种预工程化的方案式产品，在工厂内部完成数据中心所需基础设施单元的有机组合，到项目现场重新拼装即可投入使用。数据中心引入模块化设计，能实现业务快速部署，满足高密度机柜共享基础设施，节省机房空间和电费，优化PUE。模块化数据中心受到国家政策推动，在工信部颁布的《云计算三年行动计划（2017-2019 年）》中明确要在绿色、模块化数据中心方面实现技术与产品的突破。秦淮数据从制冷设备到配电设备均实现模块化定制，将整体建设时间缩短30%-40%。美国成功的模块化设计本质是满足了机房的灵活弹性部署，实现同一机房内Tier 2-3-4不同等级灵活升降，不同单位功耗密度的机柜随时扩容，批发、零售客户和谐共处，模块化技术体现了对IT设备的技术掌控力和预判能力。然而，IT和网络设备的技术迭代周期远快于基础设施，我们认为合理地规划机房架构，使机电模块更具适用性和经济性以适配ICT技术的快速变革才是核心，效率最优的设备模块化、标准化需要从整个系统架构出发。
图表：模块化数据中心优势
资料来源：Delta官网，中金公司研究部
碳中和道路任重道远，既不能过于乐观，也不要过于悲观，保持对碳中和目标可实现的不变追求下，也要认清逐梦过程中可能面临的风险挑战，我们认为基于上述分析及展望，行业主要存在以下几点挑战以及我们的思考：
工业互联网的渗透率仍然较低。中国信通院《工业互联网产业经济发展报告》数据显示，2020年我国工业互联网产业经济增加值规模约为3.1万亿元，占GDP比重为2.9%。在三次产业中，第二产业作为工业互联网应用的“主战场”，虽已在石化、钢铁、电子信息等制造业领域逐步落地，然渗透率仅有2.76%，尚有较大的提升空间。与此同时，我国工业互联网领域创新能力有待进一步提升，以推动工业互联网应用加速渗透。未来行业发展思考的重点是，工业互联网如何快速实现可复制、规模化？工业互联网在碳中和背景下科技创新及节能减排的新方向在何方？
部分节能系统的应用停滞在数据收集层面。基于工业互联网技术的节能平台包含边缘层（数据采集）、 平台（工业 PaaS）、应用（工业 App）三大层级。其中边缘层作为数据的来源，属于节能平台的“生产资料”；工业PaaS作为App开发和迭代的平台，属于节能平台的“生产车间”；各种工业App应用则为具体承担节能作用的“生产工人”。然而在现实应用中，部分企业在装载系统之后，仅仅停留在数据采集层面，未能实现数据赋能达到真正节能的效果。未来我们认为行业应思考，如何快速实现数据赋能以缩短商用投资周期及拉长投资回报期？如何实现平台兼容与数据打通，将数据生产要素发挥极致？
AI系统开发和运行成本普遍较高，对于广泛的中小企业而言，需要权衡节能效果和系统使用成本。随着AI技术的发展，AI系统算力不断提升，由此带来的系统开发、数据存储、算法更新的成本也在迅速上升，成为AI系统应用于节能领域的掣肘因素。与此同时，算力提升带来的巨大的能源消耗同样不容小视，在高成本下权衡应用系统带来的节能优化与系统本身带来的耗能或成为中小企业部署AI节能系统的重要权衡。未来行业应当思考，如何实现AI开发与运行成本的节约化？如何快速训练AI使其广泛覆盖在千行百业，为多种应用场景节能减排做好“智慧大脑”？
5G节能技术可行性有待时间验证。根据中国移动研究院的测算，通过推动半导体材料、工艺、射频系统等关键技术发展，2022年有望实现5nm工艺，GaN功放应用比例继续提升至90%，整体功耗相对2021年将降低8%，同时2022年有望实现现网规模部署，通过BBU基带资源共享实现节省硬件板卡配置实现功耗降低。我们认为上述技术的进步目前仅处于规划层面，技术落地与落地后的节能及商用效果依旧有待时间考证。未来我们需要考虑除突破技术壁垒外，如何最优分配低频段资源实现基站广覆盖从而减少基站建设？如何最大化运营商基站共建共享率？
碳中和道路上机遇与风险并存。行远自迩登高自卑，我们需要认清实现碳中和过程种可能面临的风险挑战，坚定对碳中和目标的不变追求。
分析员 钱 凯 SAC 执业证书编号：S0080513050004 SFC CE Ref：AZA933
分析员 彭 虎SAC 执业证书编号：S0080521020001
分析员 赵丽萍 SAC 执业证书编号：S0080516060004 SFC CE Ref：BEH709
分析员 陈 昊SAC 执业证书编号：S0080520120009 SFC CE Ref：BQS925
本文来源：中金公司CICC
