技术积累和创新，致力于科学的、系统的“双碳”顶层设计，通过提供先进 的能源和数字化解决方案，助力各行各业高效减碳。 双碳目标大趋势和不同客户面对的挑战 用能侧企业 能源管理平台部署复杂，成本高；缺乏专业的能 源、碳排放对标和诊断 已安装有部分子系统，历史子系统改进难，数据 难以对接 光伏、储能、汽车充电桩等新型能源设备没有统 一的SCADA监控系统，运维管理难 能源管理者对碳管理缺乏经验，需要一套能源管 减排和业务发展难以协调，亟需区分减排的 重点，节能减排方案收益难以量化 缺乏低成本节能减排方案，传统节能项目成本 高、周期长、影响生产 各下属企业上报数据质量低， 统计维度混乱，难以进行统一 的分析和展示 能耗和碳排放KPI下发流程繁 琐，时效性差 园区管委会和大型集团能源、碳管理部门 01 02 03 各下属企业安装不同的管理 平台，管理效率低 ECX的解决方案 核心优势介绍 1.可视化与对标分析帮助客户进行快速而行之有效的管理提升 趋势:能源效率提升 直流配电和柔性负载 从分析到减排帮助企业达成碳中和 碳中和咨询 碳排放盘查和对标 减排方案设计 方案执行和管理 碳排源运行管理 楼宇系统排放能效模型 新能源管理 碳排趋势预测 碳中和路径规划 碳排基线管理 碳排放目标管理 碳排因子配置 碳排放强度和结构 碳排放报告 行业对标与排名 企业现状评估 边界确认 确定减排基线 历史数据导入 跟踪能源价格，对接能

ESG合规及披露（Compliance & Disclosure）：评估企业 ESG报告的完整度、详细程度，以及第三方独立审核情况。 ESG创新及实践（Innovation & Practice）：考察企业在碳 排放管理、资源利用、社会责任、产品创新和公司治理模式 上的创新。 ESG成果及影响（Achievements & Impact）：衡量企业在 环境（如减碳量）、社会（如公益成果）和治理（如风险管 为投资者提供了新的政策红利。 ——— 《2024中国ESG发展白皮书》 可持续转型催化 7 国家政策导向：政府在推动零排放经济和ESG，不断演 变的监管制度和披露要求 国家层面的政策导向是ESG合规服务行业发展的核心驱 动力。我国持续完善ESG相关政策体系，推动零排放经 济与可持续发展2024年发布的《可持续发展报告指引》 明确对关键指数成分股及跨境上市公司实施强制ESG披 露，并引入“双重重要性”原则，要求企业综合考量 ESG/CSR报告的披露以及连 续披露年份 2. ESG/CSR报告的报告完整度 3. ESG/CSR报告的详细程度 4. ESG/CSR关键绩效表披露维 度 5. 报告的第三方独立审核 1. 碳排放管理/减排手段技术 的创新 2. 资源利用效率/循环经济 3. 环保和生态创新 4. 社会责任和公益创新 5. 消费者保护和产品创新 6. 公司治理结构模式创新 7. ESG综合创新模式

达到世界先进水平，之后所消耗的能源以绿色和洁净电力为主，在各行业中率 先实现净零碳排放。在国家东数西算以及八大枢纽和十大集群的总体布局下， 我们进一步分析各省的智算能力和清洁电力资源的现状及未来，将如何在支持 国家人工智能发展大计的同时，推动本地的经济数字化与智能化。与此同时， 我们关注到智算在各地爆发式增长给电力系统以及控制碳排放带来的短期挑战， 以及算力与电力的协调发展，对于引领和加快新型电力市场建设的意义。 而中国的人工 智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估。 算力需求增长、能耗及排放增加的速度，始终快于算力效率、功耗效率、排放 效率提升的速度，这是导致用电量会持续增长的根本原因。生成式 AI 在内容生 成与推理方面，创造出越来越有价值的应用，而这些应用的算力、能耗与排放 的密集度也迅速上升。 来自不同行业和专业背景的机构，对智能算力的电力消费进行了为数众多的研 究 分布，以 及各省的碳因子水平，在 2025 年底之前“抢建”的智算中心，将显著增加碳排放。 实际上，在绿电投资最激进的谷歌，尽管其拥有最先进的数据中心技术，最大 量的绿电采购，以及最先进的 TPU 芯片，在最新发布的环境报告中，其碳排放 2023 年比 2022 年增加了 13%，过去的 5 年，碳排放增加了 48%。智算中心的高 速发展，要求必须把能源消耗尽快转向绿色和清洁的电力。

是达到世界先进水平，之后所消耗的能源以绿色和洁净电力为主，在各行业中 率先实现净零碳排放。在国家东数西算以及八大枢纽和十大集群的总体布局下， 我们进一步分析各省的智算能力和清洁电力资源的现状及未来，将如何在支持 国家人工智能发展大计的同时，推动本地的经济数字化与智能化。与此同时， 我们关注到智算在各地爆发式增长给电力系统以及控制碳排放带来的短期挑战， 以及算力与电力的协调发展，对于引领和加快新型电力市场建设的意义。 而中国的人工 智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估。 算力需求增长、能耗及排放增加的速度，始终快于算力效率、功耗效率、排放 效率提升的速度，这是导致用电量会持续增长的根本原因。生成式 AI 在内容生 成与推理方面，创造出越来越有价值的应用，而这些应用的算力、能耗与排放 的密集度也迅速上升。 来自不同行业和专业背景的机构，对智能算力的电力消费进行了为数众多的研 究 ， 以及各省的碳因子水平，在 2025 年底之前“抢建”的智算中心，将显著增加 碳排放。 实际上，在绿电投资最激进的谷歌，尽管其拥有最先进的数据中心技术，最大 量的绿电采购，以及最先进的 TPU 芯片，在最新发布的环境报告中，其碳排放 2023 年比 2022 年增加了 13%，过去的 5 年，碳排放增加了 48%。智算中心 的高速发展，要求必须把能源消耗尽快转向绿色和清洁的电力。

2023 年达 435 EFlops，占全球 31%，但数据中心年耗电量预计 2030 年将突破 4000 亿千瓦时，占全 社会用电量 4%，其中东部算力集群因绿电供给不足仍依赖化石能源， 加剧碳排放矛盾。与此同时，电力系统面临新能源消纳的结构性难题； 尽管我国风光发电装机超 14.5 亿千瓦（2024 年底），但间歇性、波动 性导致西部“弃风弃光”与东部“缺电”并存，而算力中心的灵活负 载特性可成为破解这一困局的关键——通过 产业界也取得实质性突破，2023 年 8 月，阿里巴巴与华北电力 大学合作完成全球首次跨区域“算力-电力”优化调度试验，通过将杭 州的 AI 训练任务迁移至内蒙古数据中心，节省电费支出 15%，减少 碳排放 20%。2024 年初，腾讯联合英特尔开发出智能负载调节系统， 可根据电网频率波动在 10 毫秒内完成服务器功耗调整，单数据中心 可提供最大 20%的瞬时调节能力。南方电网研发的“驭电”智能仿真 构建算电系统的虚实 映射，实现实时监控 与优化 生命周期管理、实时监控与反馈、自 适应控制 多要素高可 信算电交易 构建透明、公平、可 追溯的资源交易机制 区块链、智能合约、碳排放因子与能 耗权重、多维资源组合交易 第九届未来网络发展大会白皮书 算电协同技术白皮书 15 2.2.1 多元异构算力适配纳管 在算电协同体系中，算力资源的异构性是调度管理的关键挑战。

息，实现动态调度和资源优化。  预测性维护：利用机器学习算法预测车辆故障，减少非计划停 机时间。  智能化乘客服务：提供个性化的乘车建议和实时信息推送，提 升乘客体验。  能源与环保管理：优化能源消耗，降低碳排放，助力绿色出 行。 数据表明，引入 DeepSeek 的试点城市已在关键运营指标上取 得了显著改善。例如，某特大城市在应用方案后，高峰时段车辆准 点率提升了 20%，乘客平均等待时间减少了 15%，同时运营成本 警，降低事故发生的可能性。同时，系统的数据分析能力可以帮助 运营方识别高频事故路段或时间段，优化安全管理策略。 最后，推动城市交通的可持续发展。DeepSeek 的应用可以实 现能源消耗的精细化管理和碳排放的精准监测，为绿色出行提供数 据支持。例如，通过优化车辆调度和路线规划，减少不必要的能源 浪费，助力城市实现低碳发展目标。 为实现上述目标，DeepSeek 的应用方案将从以下几个方面展 开： 优化资源配置：根据乘客流量动态调整班次，确保资源的高效 分配，避免资源浪费。  提升乘客满意度：通过精准的时刻表和实时信息推送，减少乘 客等待时间和不确定感。  降低环境影响：通过优化路线和减少拥堵，降低车辆排放，减 少对城市环境的负面影响。  增强安全性：通过实时监控和预测性维护，减少事故发生的可 能性，提高整体安全水平。 综上所述，DeepSeek 应用方案的引入不仅是技术创新的体 现，更是

自主可控、安全可靠。 二是协同推进经济发展与生态保护。积极稳妥推进工业 领域碳减排，实现 2030 年前碳达峰目标。牢固树立绿水青 山就是金山银山的理念，把生态优势变成经济优势，将低消 耗、低排放、低污染与高效率、高收益、高循环深度结合， CCID D CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID 程实施“新一代信息技术+绿色低碳”，以制造流程数字化推动 降低资源能源消耗和减少排放。运用区块链、大数据等技术， 建立并推广“工业互联网+再生资源回收利用”新模式。二 是以绿色化带动数字化发展。大力发展绿色智能终端和绿色 信息网络，采用绿色先进技术，对数字传感设施、网络基站 设施、大数据中心等开展绿色改造升级。在数字经济领域制 定能耗与碳排放标准，完善数字产业“双碳”治理体系。加快 构建完善的数字产业废弃物循环利用体系，推动产业链上下

和环境污染等问题。因此，亟须借助先进技术，提升整体行业竞争 力和可持续发展能力。 一方面，钢铁制造过程中的高能耗及高排放问题日益突出。根 据专家分析，钢铁行业的碳排放已经占到全球工业排放的近 20%。 为了响应环保政策和全球减排目标，钢铁生产企业必须探寻更为清 洁的生产技术，优化能源结构，从而减少温室气体的排放。 另一方面，面对国际市场竞争加剧，钢铁企业还需提升生产的 效率与质量。传统的生产方式相对单一、自动化程度低，生产过程 测性维 护，降低设备故障率，减少停机时间。 4. 供应链管理：优化原材料采购及库存管理，通过数据分析预测 市场需求波动，提升整体供应链效率。 5. 环保管理：通过 AI 大模型分析生产过程中排放数据，制定更 为精确的减排措施，助力企业实现可持续发展。 总的来说，钢铁行业的现状要求企业在保持生产效率的同时， 注重环保和可持续发展的实现。而 AI 大模型的引入，为这一转型 提供了切实可 能够预 测设备潜在故障，帮助企业在故障发生之前进行维护，从而显著降 低停机时间，提升生产效率。 此外，AI 还可以助力钢铁行业可持续发展。随着环保法规日益 严格，钢铁企业需要优化资源利用，减少废物排放。AI 可以通过分 析能耗、废水、废渣等数据，提供精准的优化建议，帮助企业制定 更加合理的生产计划，达到既定的环保目标。 最后，AI 在供应链管理方面的应用也值得关注。钢铁行业的供 应链管理复杂，多方环节

仿真技术的绩效  供应链弹性与战略采购优化方面：  增加+5%利润  减少 60%的运输成本  节省物流成本 1000 万欧元  可持续性驱动的资产管理方面：  每年减少 7.6%的温室气体排放  生产计划与控制方面：  在相同资源能力下的产能增加 10% 综上，基于数字孪生，人工智能驱动的智能仿真是未来供应链技术的前沿，它将给供应链提 供更明智的决策，从而实现供应链数据的最大价值。 等法规将要求对产品层面 的碳排放量进行实际值。 许多公司还没有为这种粒度级别做好准备。数据可追溯性和审计是许多此类法规的要求，并 且选定的方法适用于需要为特定法规计算和报告某些指标的方式。所有这些因素都促使公司 愿意投资解决方案，以实现更准确的可持续性参数测量。 为了满足对保真度和效率日益增长的需求，SaaS 解决方案提供商开始应用 AI 和改进的数 据管理功能。示例包括：  使用 AI 自动识别排放因子并将其分配给运营活动，以计算产品的碳足迹 在应用程序内生成数据置信度评级，以轻松监控热点  作为尽职调查评估的一部分，访问各种公共和付费数据库，以计算供应链合作伙伴的固 有风险水平  从基于支出的计算迁移到活动和主要数据，以显著提高碳排放计算的准确性，从而为战 略目标提供信息 注: 在这方面有兴趣的读者可参看笔者的唐博士专栏中的关于供应链可持续性的多篇研究 报告【30】。 4. 高德纳顶级战略性供应链技术趋势/主题的研究回顾

智慧林业可以提高企业管理水平，准确掌握企业产生的废水、 263 自然资源保护区大数据信息化管理平台建设方案 废气、废渣的排放 情况。比如生产线各流程产生的三废排量过高，将影响去污设 备的处理效果。智 慧环保系统将自动监控三废排放情况，当去污设备无法完成净 化工作时，企业可 自行停止生产，这样可避免因超标排放或不合格排放所面临的 环保部门的罚单。 同时，也能承担起企业应有的社会责任。 面向公众 智慧林业可以 自然资源保护区大数据信息化管理平台建设方案 总体规划图 区划图 6 7 8 9 环境空气监测点位布设图 地表水环境质量监测点位布设图 饮用水水源水质监测点位布设图 重点污染源分布图 重点污染源废水排放分布图 重点污染源废水排放分布图 放射源分布专题 10 11 12 392 自然资源保护区大数据信息化管理平台建设方案 13 14 15 16 17 18 19 20 21 22 自然资源保护区大数据信息化管理平台建设方案 显示，并可直接输 出环保专题统计地图、环保专题信息查询表格、环保专题统计 分析图表，为环境 决策提供依据。 环保专题统计地图如下图所示： 图 区域排放占总体排放的统计图 图 区域排放对比统计图 6.4.2 GIS 在线监控 GIS 在线监控管理目的是：实现在 GIS 地图上显示各污染源监测、 411 自然资源保护区大数据信息化管理平台建设方案 监控点位置分