20251215-中国银河-数字低碳与低碳数字_数字技术的_环境帐_能否平衡_28页_3mb

数字低碳与低碳数字：数字技术的“环境账”能否平衡？

核心内容

全球气候治理面临多重挑战，2024年全球平均气温首次突破《巴黎协定》设定的 $1.5^{\circ}\mathrm{C}$ 阈值，极端天气事件频发，生物多样性加速丧失，海平面上升与冰川消融威胁生态安全。与此同时，数字技术的“双刃效应”逐渐显现，既成为推动绿色转型的重要引擎，又带来高能耗与电子废弃物等问题。

主要观点

• 数字技术的双刃效应：数字技术在气候治理中具有显著的积极作用，如提升能源效率、推动低碳技术研发、优化制造与供应链管理、助力绿色金融发展等。然而，其本身也带来了高能耗、电子垃圾激增和全球“绿色鸿沟”等负面效应。
• 数字技术助力气候治理：人工智能、物联网、5G/6G、大数据等技术在能源、制造、金融等关键领域发挥重要作用，推动绿色转型和碳中和目标的实现。
• 数字技术的潜在风险：AI训练和推理阶段的高能耗、数字基础设施的资源消耗、电子废弃物的环境影响以及数字鸿沟加剧全球气候不公，成为亟待解决的问题。
• 未来展望：需在数字技术发展与低碳转型之间找到平衡点，推动高效算法、绿色能源使用、电子废弃物回收体系建设及全球协同治理机制的完善。

关键信息

一、全球气候治理不及预期

• 气候恶化：2024年全球平均气温较工业化前升高 $1.55^{\circ}\mathrm{C}$，极端天气事件创历史新高。
• 政策执行问题：《巴黎协定》缺乏强制约束机制，各国减排进展滞后，存在“漂绿”和碳市场重复计算等风险。
• 气候投融资缺口：全球清洁能源和气候适应资金需求远高于实际投资，发展中国家融资比例偏低，加剧气候不公。
• 国际合作受阻：地缘政治冲突削弱气候合作，技术转移壁垒阻碍发展中国家获取低碳技术。

二、数字低碳：数字技术对气候治理的积极影响

• 智能电网与分布式能源管理：优化能源利用效率，提升可再生能源消纳能力，推动深度脱碳。
• AI助力可再生能源预测与调度：通过大数据和机器学习提升预测精度，优化储能与电网负荷协调。
• 数字模拟技术：缩短低碳材料研发周期，提升材料性能，如钙钛矿光伏材料的光吸收效率提升至 $28%$。
• 绿色制造与供应链优化：数字孪生、物联网等技术减少能源浪费，提升制造效率与资源利用率。
• 区块链与CBDC推动绿色金融：提升碳信用透明度，促进绿色投资与碳交易效率，实现碳资产的数字化管理。

三、低碳数字：数字技术对碳中和的负面影响

• AI发展困于“杰文斯悖论”：效率提升未带来资源使用减少，反而推动算力与能耗增长。
• 数据中心能耗与碳排放：AI模型训练和运行导致数据中心电力需求激增，2030年预计占全球温室气体排放的 $1%$。
• 电子废弃物问题：数字基础设施加速设备更新，产生大量电子垃圾，回收率不足 $22%$，环境与健康风险高。
• 全球“绿色鸿沟”加剧：电子垃圾跨境流动使发展中国家承担更多环境成本，数据中心碳排放呈现区域差异。

四、数字技术能否真正“绿化”未来？

• 技术与政策的协同：需通过高效算法、绿色能源、电子废弃物回收体系等手段平衡数字技术的“环境账”。
• 发展方向：推动“数字智能”与“绿色智慧”融合，探索低碳路径，避免技术发展与环境代价之间的矛盾。

风险提示

• 政策理解不到位：可能影响技术应用的合规性与效果。
• 政策落实不及预期：执行力度不足，导致减排目标难以实现。
• 技术发展不确定性：新兴技术可能带来新的环境与社会问题。

图表目录

• 图1：1850—2024年全球平均温度（℃）
• 图2：2024年全球极端天气分布
• 图3：1993—2024年全球月平均海平面（毫米）
• 图4：1950—2024年冰川累计质量平衡（米水当量）
• 图5：按地区划分的生物多样性指数
• 图6：灭绝率（%）
• 图7：2025年9月137个承诺实现碳中和的国家温室气体排放量占全球的 $74%$
• 图8：部分欧洲国家军事支出占国内生产总值的百分比不断上升
• 图9：主要物理驱动及AI驱动的全球气象预报模型分辨率对比
• 图10：华为云 IoT 边缘及技术架构
• 图11：数据要素的流通模式
• 图12：智能电网部署带来的区域二氧化碳减排量
• 图13：2022-2027年AI数据中心用电量增加情况预测
• 图14：美国数据中心密集区域电价涨幅较大
• 图15：2015-2024年全球电网投资支出（十亿美元）
• 图16：智能电网技术领域
• 图17：按技术划分的可再生能源发电份额
• 图18：2018-2030年净零情景下按路线划分的铁产量和金属投入品的废钢份额
• 图19：使用3D打印可能减少美国商用飞机机队的燃料使用量（十万吉焦/年）
• 图20：2024年全球3D打印市场份额（按应用）
• 图21：气候仓库区块链分层架构图
• 图22：央行数字货币项目近年来呈指数级增长
• 图23：全球各国央行数字货币研究阶段示意图
• 图24：AI模型的训练计算规模（FLOP-对数刻度）
• 图25：AI模型训练所需的总功耗（瓦特-对数刻度）
• 图26：2012-24年训练AI模型的估计碳排放量（吨二氧化碳当量）
• 图27：机器学习硬件的热功率（瓦）
• 图28：2022年电子垃圾种类及回收情况（十亿千克）
• 图29：2010-2030电子设备投放及电子垃圾生产预测（十亿千克）
• 图30：2022年电子垃圾中金属的经济价值（管理前，十亿美元）
• 图31：2022年有记录的正规电子垃圾收集和回收率
• 图32：不同地区电子垃圾产生量和回收量

表格目录

• 表1：关键行业向符合《巴黎协定》路径转型的实际投资与所需投资对比
• 表2：6G 与 5G 性能数值对比

分析师信息

• 马宗明：中国银河证券ESG行业首席分析师
• 彭雅哲：中国银河证券新发展研究院数字经济研究员
• 王新月：中国银河证券ESG行业分析师
• 研究助理：杨晓

联系方式

• 中国银河证券股份有限公司研究院
• 机构请致电：深圳市福田区金田路3088号中洲大厦20层
• 深广地区：苏一耘 0755-83479312 suyiyun_yj@chinastock.com.cn
• 上海浦东新区富城路99号震旦大厦31层
• 程曦 0755-83471683 chengxi_yj@chinastock.com.cn
• 北京市丰台区西营街8号院1号楼青海金融大厦
• 上海地区：林程 021-60387901 lincheng_yj@chinastock.com.cn
• 公司网址：www.chinastock.com.cn