报告概述
本报告聚焦AI算力扩张带来的能源压力，提出绿色词元指标（GTI）概念，旨在将绿色属性引入AI计算单位，实现从“绿色电力”到“绿色计算”的跃迁。报告覆盖GTI的核心概念、计量框架（包括全量全口径计算法与时间切片动态计算法）、实施路径、绿色评级与视觉标识体系、能源方案（源网荷储算一体化）以及应用价值。报告采用理论分析与框架设计相结合的方法，为AI基础设施的绿色化提供可度量的标准语言，帮助行业从业者、政策制定者和投资者理解绿色AI的评估维度与发展方向。
报告的核心结论
绿色属性应成为AI基础设施的重要维度
报告指出，未来AI竞争不仅关乎效率与成本，还将涵盖绿色属性。绿色词元指标（GTI）为AI计算活动提供了可度量、可比较的绿色价值表达，使绿色从外围约束升级为基础设施的内在属性。
GTI是连接算力与能源的基础计量载体
GTI以单位Token对应的绿色能源占比为核心指标，将绿色属性嵌入AI计算过程。Token作为AI的基本计算单位，天然具备跨技术层与应用层的连接属性，使绿色能源与算力形成直接映射。
全量全口径计算法更适合现阶段GTI计量基础
报告比较了时间切片动态计算法与全量全口径计算法，认为后者在可执行性、可验证性及与现有能源统计、ESG披露体系的兼容性上更具优势，适合作为当前标准化推广的基础路径。
GTI需建立协同核算与可信机制
报告提出多主体参与的协同核算体系，包括数据申报、第三方评级、区块链存证及隐私计算等，以增强绿色属性在跨区域、跨平台场景下的可追溯性与可信度。
报告回答的关键问题
什么是绿色词元指标（GTI）？
GTI是一种用于描述AI计算活动绿色属性的基础计量单位，代表单位AI Token在生成过程中所对应的绿色能源覆盖水平。它使Token从单纯的算力单位扩展为兼具计算价值与绿色价值的载体，连接算力体系与能源体系。
AI与能源之间存在哪些结构性矛盾？
报告总结了三重错配：空间错配（绿色能源集中区域与算力需求区域不匹配）、时间错配（风光发电的波动性与AI计算的持续性相矛盾）、系统错配（能源系统与算力系统长期独立发展，缺乏协同机制）。
GTI如何帮助实现绿色AI？
GTI通过定义绿色电力计量口径（就地风光、外购绿电、电网绿电），采用全量全口径计算法核算绿电占比，并建立算力能耗映射与标识机制，使绿色属性可量化、可比较。同时，它推动能源侧“源网荷储算一体化”协同，为绿色AI提供基础设施支撑。
报告中的代表性数据
全球数据中心用电占全球电力需求比例
当前，报告引用国际能源署数据，指出数据中心用电占比约1.5%，并预计2030年前接近翻倍增长。
单次大模型训练碳排放
当前，例如OpenAI GPT-3约500吨CO₂，相当于数万棵树一年的碳吸收能力。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整市场数据与趋势图表：包括全球数据中心电力需求历史数据及预测（2010-2035）、AI计算碳排放量级示意图等，用可视化方式呈现AI与能源的结构性矛盾。
- GTI计量框架详解：两种计算方法（时间切片动态计算法、总量全口径计算法）的公式、权重折算机制、储能处理规则及模型系数说明。
- 绿色评级与视觉标识体系：GTI等级划分（0-5级）及“树杈与绿叶”视觉符号的设计与应用场景。
- 源网荷储算一体化能源方案：详细阐述绿色能源供给、智能电网、储能调节、算力调度与负荷响应的协同机制。
- GTI实施路径与行动倡议：分短期、中期、长期三个阶段的具体行动建议，包括试点、标准建立与生态建设。
- 核验与可信机制设计：多主体协同核算架构、区块链存证技术应用、隐私计算及合规框架。
- 绿色AI价值空间分析：从产业应用、用户感知、资本市场等多角度探讨GTI的经济与社会价值。
- 附录：两种计算路径的完整公式、绿电来源分类及权重系数设定表。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
