◼ 碳排放监测与管理： Deepseek等Ai大模型帮助能源企业监测和分析生产过程中的碳排 放情况，制定合理的碳排放减排计划。例如，通过对能源消耗数 据的分析，识别高碳排放的环节和设备，采取节能改造、优化生 产工艺等措施降低碳排放。同时，还可以协助企业参与碳排放交 易市场，制定交易策略，提高企业的碳资产价值。 ◼ 可再生能源资源评估与开发： 除了在新能源开发的设计阶段提供支持外，Deepseek还可以对可再 -新能源快速增长凸显系统调节能力不足，其随机性、波动性、间歇性等特点，导致电力电量平衡难度加大，新能源消纳和电力保供面临更大压力。 -部分地区省间送出能力与新能源装机不匹配，影响新能源利用率。 2.系统调节能力： -新能源的快速发展需要更多的系统调节能力，但现有调节能力可能不足以应对新能源的波动性和间歇性。 -需要通过技术创新、市场机制设计等手段提升系统调节能力，以保障新能源的有效消纳和电力供应的稳定。 -需要通过完善市场机制和调度规则，激励储能的灵活调节能力，提高储能的利用效率和经济效益。 6.新型经营主体： -微电网、虚拟电厂、负荷聚合商等新型经营主体参与市场面临认定、计量、结算等问题。 -需要通过明确市场主体地位、完善计量结算机制、提供政策支持等手段，推动新型经营主体参与市场，发挥其在电力供需平衡、 新能源消纳等方面的积极作用。 7.负荷侧调节能力： -负荷侧调节能力在应对新能源波动、保障电力供应稳定方面的重要性日益凸显。

核心点： 驱动力 ｜ AI训练与推理需求激增，驱动算力基础设施快速迭代 技术体系全景 ｜ 覆盖芯片器件层（CPU/GPU/TPU）、硬件设施层（AI服务器/液冷）、平台调度 层（弹性调度/绿色节能）、应用场景层（AI训练/边缘智能） 规模与增长 ｜ 2024年中国智能算力规模达725.3EFLOPS，同比增速74.1%，市场规模190亿美 元，增速超通用算力3倍 未来趋势 ｜ 2026年智能算力规模将达2024年两倍（1 ｜ • 基础算力 • 智能算力GPU集群 • HPC • 边缘算力 平台调度层 ｜ • 异构资源管理 • 弹性调度系统 • 数据湖仓 • 绿色节能控制 • 安全可信框架 硬件设施层 ｜ • AI服务器 • 存储阵列 • 高速网络 • 边缘节点 • 液冷机柜 芯片器件层 ｜ • CPU/GPU/NPU/TPU AI训练主要依赖GPU集群，推理向边缘算力延伸，需异构资源管理与高速网络支 持。 国产替代 ｜ 国产算力卡逐步替代进口，但关键芯片仍依赖国际供应链。 能耗挑战 ｜ 单机柜性能提升导致能耗压力，需液冷技术等绿色节能方案优化。 12 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况

遴选与行业需求深度结合的算力应用成熟解决方案入库。 （五）促进绿色低碳算力发展 1. 提升资源利用和算力碳效水平。持续开展国家绿色数据 中心建设，鼓励企业加强绿色设计，加快高能效、低碳排的算 网存设备部署，推动软硬件协同联动节能。支持液冷、储能等 新技术应用，探索利用海洋、山洞等地理条件建设自然冷源数 据中心，优化算力设施电能利用效率、水资源利用效率、碳利 用效率，提升算力碳效水平。 2. 引导市场应用绿色低碳算力。积极引入绿色能源，鼓励 计费模式和管理模式创新。 3. 赋能行业绿色低碳转型。推动算力设施在工业等重点行 业发挥应用赋能作用，支撑行业数据分析、动态监测、工艺优 化等生产环节创新，促进企业经营活动数字化、智能化发展， 助力行业节能减排，构建“算力+”绿色低碳生态体系，降低社 10 会碳排放总量。 专栏 5 算力绿色低碳行动 一是开展绿色低碳技术、算力碳效模型等研究，开展绿色 低碳算力园区评价，发布算力设施绿色低碳发展年度报告。二 是构建算力中心、算力应用“碳中和等级”能力指标体系，开 展算力设施、算力应用碳效核查与评估。三是引导供电、制冷、 服务器、网络、存储等产业链各环节梳理核算碳足迹，发布创新 低碳产品与解决方案目录，推进算力应用全产业链节能减排。 （六）加强安全保障能力建设 1. 增强网络安全保障能力。严格落实网络安全法律法规要 求，开展通信网络安全防护工作。强化安全技术手段建设，加 强对网络流量、行为日志、数据流转、共享接口等安全监测分

家庭的年度⽤电量。此外，训 练GPT-4所需的45吉字节数据的费⽤估计约为1亿美元。 相⽐之下，SLM相对于LLM需要更少的能量进⾏训练和操作，使其成为⼈⼯智能应⽤的 更可持续选择。 除了效率和节能外，SLM还提供⾼度的可定制性，使其能够根据具体任务进⾏微调，⽽⼏乎 不需要额外的培训。 正如微软⽣成式AI主产品经理Sonali Yadav所指出的，“我们即将看到的不是从⼤ 型模型到⼩型模型的 指令集计算 机（CISC）架构上，具体来说是x86架构。该架构⾮常适合处理AI处理所需的复杂和 计算密集型任务，⽐如深度学习和神经⽹络操作。但它们也很耗电。 为解决这些挑战，机器⼈产业可能会转向更节能的架构。⼀个选择是ARM的精简 指令集计算机（RISC）架构。 ⾃2015年左右以来，基于ARM的芯⽚在性能上有了显著进步，提⾼速度⼤约是x86芯 ⽚的两倍。这种快速提升使ARM处理器能够驱动性能⾼的设备，包括苹果最新款Ma 天翻⼀番。到202 7年，全球⼈⼯智能相关的电⼒消耗可能超过每年134太⽡时（TWh），与阿根廷和 瑞典等整个国家的总⽤电量相当。这种消耗⽔平凸显了更节能的⼈⼯智能技术和基础 设施的迫切需求 为解决⼈⼯智能不断增⻓的能源需求问题，迫切需要开发更节能的算法。在这⼀领 域的创新可能包括优化现有算法以提⾼效率，开发需要更少计算能⼒的新⼈⼯智能 模型，以及利⽤修剪或量化等技术来减少神经⽹络的复杂度 除

点耗能行业能源利用效率达国际先进水平。到2060年，绿 色低碳循环发展的经济体系和清洁低碳安全高效的能源体 系全面建立，能源利用效率达到国际先进水平，碳中和目 标顺利实现。 ➢ 大幅提升能源利用效率，把节能贯穿于经济社会发展全过 程和各领域，提升数据中心、新型通信等信息化基础设施 能效水平。 2024年 7月 2021年 9月 《数据中心绿色低碳发展专项行动计划》 《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》 中心服务以标准化需求为主，便于企业进行快速部署和接入，旨在通过 其庞大的网络覆盖能力，为用户提供稳定、可靠的算力资源。 2）第三方算力中心服务商：具备高标准等级的算力硬件和运维能力， 为高性能算力和节能方案提供支撑，兼具传统零售业务和大规模批发定 制业务。其中，集群化的算力中心定制业务主要服务于对算力中心有高 度定制化要求的大型企业或特定行业用户，如云服务商、人工智能企业 等。 3）企业或地方政

80%靠拢。内蒙古、宁夏、甘肃等新能源大省提供充足绿电支持。 2. 国家对数据中心的碳排放指标提出了明确要求。2021 年国家发展改革委、工业和信息 化部等发布的《关于严格能效约束推动重点领域节能降碳的若干意见》要求提升数据 中心能效水平，鼓励使用可再生能源。2024 年国家发展改革委、工业和信息化部等发 布的《数字化绿色化协同转型发展实施指南》推动数据中心采用智能化能源管理系统， 提升绿电

管理及流程优化、模式创新等方 面。  大型企业对业务人员的数字化运营及应用能力要 求高。  中小型企业现阶段着重于管理层数字意识和数字 化领导力的提升。 能源 能源企业关注资源配置、业务优 化和节能减排，目前缺少专注于 依托数字技术赋能业务流程优 化、业务模式创新、供需匹配优 化、排放监测、提效减排等方面 的人才。  管理层面：需要兼顾业务、技术和管理的复合型 人才。  应用层面：善于运用数字技术提升生产、调度等

契机，成为制药第一股 2023 年 3 月，《特专科技公司上市制度咨询文件》的第 18C 章生效，更好助力特专科 技公司在港交所上市，该规则适用于新一代信息技术、先进硬件、先进材料、新能源及 节能环保、新食品及农业技术在内的五大特专科技行业的公司。较第 18A 章“生物科技 公司”的上市制度，对于“未商业化”的 AI 制药企业，上市要求中最大的区别在于对“核心 产品”及“预期市值”的要求。

和推动行业整体升级, 从而让企业自身以更加无可撼动的地位引领产业; 二是践 行 ESG,通过智能化技术, 企业能够更有效地实现数据安全、隐私保护,促进包 容性增长, 服务更多弱势群体 更有效创造节能减排、环境保护等综合价值和长 远价值。 2. 四个维度: 引入智能体 体系化推进智能化转型 为实现智能化价值目标, 企业的转型应从智能化转型战略、智能业务运营、 混合 AI 的数字底座、以及

汽车线控底 盘市场规模占比约为89%。 图78：吉利AI数字底盘 资料来源：易车网，国元证券研究所 线控底盘技术在自动驾驶领域的应用正逐渐普及 74 市场规模测算口径：①汽车销量预测参照《节能与新能源汽车技术路线图2.0》,汽车线控底盘渗透率结合《智能电动底盘技术路线图》测算(原则 上低于新能源汽车渗透率)，汽车线控底盘单车价值按照单车制动+转向+悬架等总价值计算；②低速装备中，无人车主要指未端配送车辆，专用车