隨著新興數字技術的大規(guī)模應用與深度滲透，人們對數字化體驗的期待越來越高，城市治理對數字化能力的要求越來越高，云計算、大數據、人工智能、物聯網、區(qū)塊鏈等對大規(guī)模數據處理的能耗要求也越來越高。由此，“綠色數字化”逐漸成為“雙碳”時代的熱點話題，推動數字基礎設施與數字體驗的綠色化，成為城市數字治理發(fā)展的基準與底線。

城市數字治理的減碳方向：“數字+低碳”

隨著新興數字技術的大規(guī)模應用與深度滲透，人們對數字化體驗的期待越來越高，城市治理對數字化能力的要求越來越高，云計算、大數據、人工智能、物聯網、區(qū)塊鏈等對大規(guī)模數據處理的能耗要求也越來越高。由此，“綠色數字化”逐漸成為“雙碳”時代的熱點話題，推動數字基礎設施與數字體驗的綠色化，成為城市數字治理發(fā)展的基準與底線。

WeCity低碳城市研究組

數字化，似乎從誕生的那一刻起就在研究界與媒體界與“無紙化”、“綠色化”、“低碳化”等名詞劃等號，互聯網領域的邊際成本效應遞減原理，在數字化的能耗方面似乎也完全適用。

但是，隨著新興數字技術的大規(guī)模應用與深度滲透，人們對數字化體驗的期待越來越高，城市治理對數字化能力的要求越來越高，云計算、大數據、人工智能、物聯網、區(qū)塊鏈等對大規(guī)模數據處理的能耗要求也越來越高。由此，“綠色數字化”逐漸成為“雙碳”時代的熱點話題，推動數字基礎設施與數字體驗的綠色化，成為城市數字治理發(fā)展的基準與底線。

數字技術在向各個產業(yè)場景深度滲透的同時，也在構建起全球城市“雙碳”發(fā)展的智能化底座。在這個過程中，一方面數字技術促進能源資源和礦產資源安全綠色開采和清潔低碳使用，實現能源消費供需平衡，為城市帶來可觀的效率收益;另一方面數字技術本身也可能引致更多能源消耗，存儲、移動、處理和分析數據都需要能源，特別是對電力的需求增加。

英國公開大學教授John Naughton表示，數據中心約占數字生態(tài)系統(tǒng)消耗所有能源50%，個人設備使用占34%，負責制造這些設備的產業(yè)占16%。根據中國數據中心能耗與可再生能源使用潛力研究，2018年中國數據中心總耗電約1600億千瓦時，相當于三峽水電站全年發(fā)電量。此外，自2008年比特幣誕生后，虛擬貨幣“挖礦”帶來的高能耗對能源發(fā)展也構成了極大威脅。根據國際能源局的數據，全球比特幣開采消耗的能源比奧地利和哥倫比亞等國家消耗的能源還多。因此，數字技術雖然是全球低碳運動的重要推動力，而當算力成為一種現代城市運行的重要能源與資源，那么，對數字碳足跡的治理則是實現城市可持續(xù)發(fā)展需要面對的重要課題。

數字技術的碳排放及其影響

隨著數字技術和數字基礎設施日益增多，人類對計算的需求也隨之增加，構建和運行計算系統(tǒng)基礎設施的能源需求和排放量，也逐漸得到重視。這兩年，不少研究機構和人員嘗試對互聯網、數據中心、人工智能等數字交互產生的碳足跡進行計算，基本上都只能做到粗略估算，而無法獲得精準數值。由于難以估算數字技術的碳足跡，研究領域針對不同的邊界條件和不同的計算方式展開研究。碳足跡是否應該涵蓋數字技術型經濟活動產生的排放量，以及其在其他領域節(jié)省的排放量，是一直以來的爭議論題，研究領域更趨向于通過研究數字技術的能源需求問題來估算數字技術的碳足跡。而目前達成共識的數字技術碳足跡主要集中在三個方面：

數字技術制造及生命周期的排放量。據研究估計，數字技術的排放量大部分(約三分之二)來自其使用過程中所耗電力，較小但仍有很大一部分的排放量產生于此類技術生命周期中“具身性”排放，即自原材料提取到制造、分銷，材料的最終回收及處置所產生的排放量。比如相對于互聯網和數據中心而言，用戶智能設備(筆記本電腦、智能手機等終端)在其使用階段的耗電量十分渺小，但如果經常更新換代智能設備，從全球角度來講設備制造所產生的碳排放量就相當可觀了。

數字計算運行中的能源需求。數字技術的應用有賴于綜合基礎設施，如電纜、光纖、計算機、數據中心、路由器、服務器、中繼器、衛(wèi)星、天線桿及執(zhí)行其功能所需的能源。尤其是云計算、人工智能(AI)、計算機視覺、區(qū)塊鏈等數字技術的發(fā)展和運用依托于日益龐大的數據中心和運算中心，需要海量的數據傳輸和遠程處理，以及龐雜的重復計算和反復推演，機器學習和深度學習任務的異構性質導致整個過程存在廣泛的直接排放和潛在排放。這部分碳排放的計算主要取決于本地設備的功耗以及互聯網基礎設施(網絡及數據中心)的電力需求。據估計，2019年全球數據中心的電力需求約為200TWh，約占全球電力需求的0.8%。在過去十年中，數據中心的能源需求保持不變，而隨著數據中心的工作量日益增加及計算能力大幅提升，全球互聯網流量的年均增長率達到30%。

數字設備回收所包含的潛在電子垃圾。隨著數字技術的高速發(fā)展和科技需求的不斷高漲，智能設備的更新速度越來越快，在不斷迭代淘汰的過程中產生了大量的廢棄設備和電子垃圾。電子垃圾含有多種有毒添加劑或有害物質，而目前全球尤其是發(fā)展中國家，對于電子垃圾的回收和處理仍十分粗放，造成的環(huán)境污染問題十分嚴重。根據 2020年全球電子廢物監(jiān)測，全球已產生5360萬噸電子垃圾，并在持續(xù)增長。

從能源、芯片到算法，數字技術的碳中和路徑

研究發(fā)現，不同數字技術及設備產生的碳足跡差異性很大，這主要取決于背后承載的算法設計、硬件設備類型及能源/發(fā)電性質。針對大型數字交互系統(tǒng)，影響其碳足跡的因素主要包括區(qū)位、芯片和算法，這同樣也是數字技術尋求碳中和的主要突破口。

優(yōu)化數據中心區(qū)位布局。將用于支撐海量運算的大型數據中心從煤炭等密集型發(fā)電的地方更改為使用可再生能源運行電網的區(qū)域，能夠有效優(yōu)化數字技術運行中的能源需求;此外將大型數據中心設置在平均溫度偏低的地區(qū)，能夠有效降低服務器機架的冷卻成本。將能源納入數字技術碳中性的首要考慮因素，具備充分的可行性。將數據存儲和處理從本地服務器轉移到公共云服務器(即遠程數據中心)，能夠有效提升數據基礎設施的能源效率;通過云計算服務能夠優(yōu)化服務器的負載能力，進行更高效的管理;通過服務器虛擬化技術，可將物理服務器劃分為多個虛擬機，促進數據中心運營商使用更少的服務器提供更大的輸出，但服務器虛擬化應結合監(jiān)控和調節(jié)服務器負載的有效方式，實現能源效率最大化。就國內而言，以騰訊為代表的互聯網企業(yè)將數據中心向云貴地區(qū)部署，也體現了對通過優(yōu)化數據中心區(qū)位實現碳中和的重視。

研發(fā)節(jié)能計算芯片。數字技術及設備發(fā)展至今，已日漸具有節(jié)能性。隨著硬件設計、研發(fā)與制造技術的進步，以及新材料的應用，電信及技術行業(yè)在不增加功耗的情況下，成倍地提升芯片的性能及速度。經幾項研究確認，摩爾定律在過去十年中已經放緩。為繼續(xù)提升硬件能效的極限，研究新型低功耗處理器勢在必行。在近期研發(fā)中的大腦啟發(fā)型神經形態(tài)硬件和新的人工智能加速器芯片，其機器學習計算速度要比之前快了10倍。

使用稀疏矩陣算法�，F有的一些智能算法耗電相對過大，通過精簡代碼，升級算法，使用更加低耗高效的算法，能夠有效節(jié)約成本，降低碳排放量。而稀疏矩陣算法的最大特點是通過只存儲和處理非零元素從而大幅度降低存儲空間需求以及計算復雜度，代價則是必須使用專門的稀疏矩陣壓縮存儲數據結構。

全球數字科技企業(yè)的脫碳實踐

盡管與能源、交通等行業(yè)相比，數字技術在應用過程中產生的碳足跡不值一提，但依然需要承認并重視其存在，并積極嘗試減碳創(chuàng)新與實踐。近幾年不少互聯網企業(yè)、初創(chuàng)公司及研究團隊已經開始了數字技術的脫碳實踐。

利用人工智能為數據中心降溫。在數據中心內保持服務器的冷卻是需要大量電力的，特別是像谷歌(google)等技術巨頭運營的大型設施。在過去十年中，谷歌研究人員針對數據中心的冷卻及節(jié)能方面做出了一些改進。2016年，谷歌DeepMind AI部門使用數據中心的歷史數據(如溫度、功率、泵速等)來訓練深度神經網絡技術的集成，通過使用機器學習和人工智能系統(tǒng)來管理谷歌數據中心的冷卻情況，實現了階段性飛躍，節(jié)省了冷卻所需能源的40%�；�于此，研究人員對神經網絡進一步訓練，以優(yōu)化總建筑能耗與IT能耗的比率(又稱用電效率，或PUE)，成功實現AI冷卻控制系統(tǒng)，將優(yōu)化邊界限制在有限操作范圍內，從而優(yōu)先考慮安全性及可靠性。該系統(tǒng)實現了自主性，可以在最低監(jiān)督條件下運行，以調節(jié)其數據中心的加熱和冷卻效果。此外，日本神戶理研計算科學中心(RIKEN Center for Computational Science)于2021年開始全面運行，應用于天氣和氣候預測在內的廣泛領域，能源創(chuàng)建、存儲和使用，清潔能源發(fā)展和新材料開發(fā)等，其數據中心冷卻技術采用全新熱交換機制，通過機器學習及AI系統(tǒng)加快處理速度，實現規(guī)模效益。

重構神經網絡，實現碳減排。麻省理工學院的研究團隊開發(fā)了一種“AutoML”系統(tǒng)，該系統(tǒng)基于一個大型“一次性”(OFA)網絡(作為“母”網絡)，嵌套了大量從母網絡稀疏激活的子網。OFA 與所有子網絡共享其所有學習權重，這意味著它們基本上是經過預訓練的。因此，每個子網絡可以在推理時獨立運行，無需重新訓練。該團隊還設計了一個具有多種架構配置的OFA卷積神經網絡(CNN)，用于處理不同數量的層和“神經元”、不同的濾波器大小和不同的輸入圖像分辨率的圖像處理任務。OFA將模型訓練和架構搜索解耦，將一次性訓練成本分散到多個推理硬件平臺和資源限制中。這種“漸進式收縮”算法有效地訓練OFA網絡并同時支持所有子網。它首先以最大尺寸訓練整個網絡，然后逐漸縮小網絡的尺寸以包含更小的子網絡。較小的子網絡在大型子網絡的幫助下進行訓練，共同成長。最后，支持所有不同大小的子網，允許根據平臺的功率和速度限制進行快速專業(yè)化。通過對神經網絡模型訓練模式的重構，最終可以最大限度地降低能耗實現碳減排。

引入碳透明標簽，標明ICT產品碳排放量。現有的碳足跡計算方法很難適配于數字技術及智能設備，而隨著越來越多的數字產品和服務的興起，如何提高用戶對其產品碳排放的認識并提升透明度，成為科技公司面對碳中和目標的重大挑戰(zhàn)。國際外圍設備和軟件制造商羅技(Logitech)為了提高其產品碳排放的透明度，引入了碳透明度標簽，表示產品在其整個生命周期內造成的碳排放量，以及這些排放量是否已被抵消，從而將產品標記為碳中性。羅技不僅計算原材料使用、制造和分銷產生的排放量，還計算最終用戶使用其產生的排放量，然后全部抵消，通過對從生產端到用戶端的碳抵消計算來打造碳中和產品。隨著用戶對“雙碳”認知越來越深，對于未來普及化的標準化電子產品，用戶甚至可能愿意為碳中和產品支付溢價，而這也是引導公眾共同參與推進低碳城市的可持續(xù)路徑。

使用可再生能源，提高使用率�？稍偕�能源的使用可以有效降低數字技術使用的排放量。2019年可再生能源的四大企業(yè)承購商均為數字技術公司。谷歌、微軟、Facebook和亞馬遜等大型互聯網公司聲明，其數據中心涉及領域均使用可再生能源，或在其他地方購買可再生能源。2018年，谷歌和蘋果采購或生產了充足可再生電力，來滿足其數據中心的能耗。亞馬遜和微軟大約一半的數據中心電力均來自可再生能源。此外，還可以通過智能調度的方式來提升可再生能源的使用率，即對計算時間安排進行間歇性管理，在總體需求較低或可再生能源供應較多的情況下完成時間寬限內工作。對于谷歌、微軟、Facebook、亞馬遜等科技巨頭而言，其物業(yè)投資、數據中心選址以及新項目的落戶都可能對一座城市的發(fā)展產生至關重要的影響，因此其產生的碳足跡以及對可再生能源的利用也將影響一座城市的低碳實現之路。

城市數字治理的減碳思考

對于城市數字治理而言，關注建設、應用、管理、體驗、安全等環(huán)節(jié)的碳足跡，從設計、治理、監(jiān)管等層面優(yōu)化，是推進低碳城市建設的重要路徑。

從數字技術角度而言，城市數字治理的減碳路線主要包括四個方面：首先是建設層面，目前全國諸多城市在推進“一朵云”建設，通過對云計算資源的集約化建設，以降低城市數字治理的計算成本，提升算力的效率。同時也有部分省份通過建設全省“一朵云”，并將部分云計算中心的分節(jié)點部署到氣候適宜的城市，以實現對數據中心的區(qū)位優(yōu)化。

其次是應用層面，不論是“最多跑一次”抑或是“一網通辦”、“一網統(tǒng)管”，其背后的核心都在于如何實現高效的數據治理，減少對信息和數據的重新采集，利用人工智能、區(qū)塊鏈等數字技術，通過數據共享交換平臺、數據開放平臺以及電子證照庫的建設，實現電子身份、電子材料、電子證照、電子印章等的高效利用，減少數字空間的碳足跡。

再次是體驗層面，對于平臺和系統(tǒng)的重復開發(fā)一直是資源浪費的重災區(qū)，隨著移動互聯網的發(fā)展，基于微信、釘釘以及低代碼平臺出現的“共享文檔”、“遠程會議”、數字應用超市等層出不窮，不僅在城市應急場景中催生出了諸多創(chuàng)新應用案例，同時也減少了機構和個人從零開始開發(fā)數字工具或應用的麻煩，真正通過平臺數據資源與空間的共享和高效利用，實現了對城市數字治理過程中的減碳。

最后是安全層面，隨著生物識別、語音識別等成為智能技術的重要應用，智能平臺對用戶的麥克風、位置數據、人臉數據等的調用，一直成為用戶隱私安全的焦點話題，而逃避用戶視線在手機后臺未經用戶允許進行自動獲取數據與更新，更是引起監(jiān)管部門的注意，通過《數據安全法》的實施與常規(guī)性的抽檢，規(guī)范和降低平臺對用戶數據與無關功能的調用和啟動，本質上就是在減少數字空間釋放的碳足跡。

因此，數字時代的城市要推動低碳化發(fā)展，不僅需要在生態(tài)環(huán)保層面進行必要的努力，比如打造區(qū)域化的碳匯中心、碳交易體系等，同時可以充分利用逐步完善的城市數字基礎設施以及廣袤的數字應用生態(tài)，從推動數據、算力、算法的高效應用的角度來助力低碳化目標的實現。