本文来自微信公众号：腾讯研究院 （ID：cyberlawrc），作者：WeCity低碳城市，原文标题：《城市数字治理的减碳方向：“数字+低碳”丨WeCity低碳城市》，题图来自：视觉中国
数字化，似乎从诞生的那一刻起就在研究界与媒体界与“无纸化”“绿色化”“低碳化”等名词划等号，互联网领域的边际成本效应递减原理，在数字化的能耗方面似乎也完全适用。
但是，随着新兴数字技术的大规模应用与深度渗透，人们对数字化体验的期待越来越高，城市治理对数字化能力的要求越来越高，云计算、大数据、人工智能、物联网、区块链等对大规模数据处理的能耗要求也越来越高。由此，“绿色数字化”逐渐成为“双碳”时代的热点话题，推动数字基础设施与数字体验的绿色化，成为城市数字治理发展的基准与底线。
数字技术在向各个产业场景深度渗透的同时，也在构建起全球城市“双碳”发展的智能化底座。在这个过程中，一方面数字技术促进能源资源和矿产资源安全绿色开采和清洁低碳使用，实现能源消费供需平衡，为城市带来可观的效率收益；另一方面数字技术本身也可能引致更多能源消耗，存储、移动、处理和分析数据都需要能源，特别是对电力的需求增加。
英国公开大学教授John Naughton表示，数据中心约占数字生态系统消耗所有能源50%，个人设备使用占34%，负责制造这些设备的产业占16%。根据中国数据中心能耗与可再生能源使用潜力研究，2018年中国数据中心总耗电约1600亿千瓦时，相当于三峡水电站全年发电量。
此外，自2008年比特币诞生后，虚拟货币“挖矿”带来的高能耗对能源发展也构成了极大威胁。根据国际能源局的数据，全球比特币开采消耗的能源比奥地利和哥伦比亚等国家消耗的能源还多。因此，数字技术虽然是全球低碳运动的重要推动力，而当算力成为一种现代城市运行的重要能源与资源，那么，对数字碳足迹的治理则是实现城市可持续发展需要面对的重要课题。
数字技术的碳排放及其影响
随着数字技术和数字基础设施日益增多，人类对计算的需求也随之增加，构建和运行计算系统基础设施的能源需求和排放量，也逐渐得到重视。这两年，不少研究机构和人员尝试对互联网、数据中心、人工智能等数字交互产生的碳足迹进行计算，基本上都只能做到粗略估算，而无法获得精准数值。由于难以估算数字技术的碳足迹，研究领域针对不同的边界条件和不同的计算方式展开研究。
碳足迹是否应该涵盖数字技术型经济活动产生的排放量，以及其在其他领域节省的排放量，是一直以来的争议论题，研究领域更趋向于通过研究数字技术的能源需求问题来估算数字技术的碳足迹。而目前达成共识的数字技术碳足迹主要集中在三个方面：
数字技术制造及生命周期的排放量。据研究估计，数字技术的排放量大部分（约三分之二）来自其使用过程中所耗电力，较小但仍有很大一部分的排放量产生于此类技术生命周期中“具身性”排放，即自原材料提取到制造、分销，材料的最终回收及处置所产生的排放量。比如相对于互联网和数据中心而言，用户智能设备（笔记本电脑、智能手机等终端）在其使用阶段的耗电量十分渺小，但如果经常更新换代智能设备，从全球角度来讲设备制造所产生的碳排放量就相当可观了。
数字计算运行中的能源需求。数字技术的应用有赖于综合基础设施，如电缆、光纤、计算机、数据中心、路由器、服务器、中继器、卫星、天线杆及执行其功能所需的能源。尤其是云计算、人工智能（AI）、计算机视觉、区块链等数字技术的发展和运用依托于日益庞大的数据中心和运算中心，需要海量的数据传输和远程处理，以及庞杂的重复计算和反复推演，机器学习和深度学习任务的异构性质导致整个过程存在广泛的直接排放和潜在排放。
这部分碳排放的计算主要取决于本地设备的功耗以及互联网基础设施（网络及数据中心）的电力需求。据估计，2019年全球数据中心的电力需求约为200TWh，约占全球电力需求的0.8%。在过去十年中，数据中心的能源需求保持不变，而随着数据中心的工作量日益增加及计算能力大幅提升，全球互联网流量的年均增长率达到30%。
数字设备回收所包含的潜在电子垃圾。随着数字技术的高速发展和科技需求的不断高涨，智能设备的更新速度越来越快，在不断迭代淘汰的过程中产生了大量的废弃设备和电子垃圾。电子垃圾含有多种有毒添加剂或有害物质，而目前全球尤其是发展中国家，对于电子垃圾的回收和处理仍十分粗放，造成的环境污染问题十分严重。根据 2020年全球电子废物监测，全球已产生5360万吨电子垃圾，并在持续增长。
从能源、芯片到算法，数字技术的碳中和路径
研究发现，不同数字技术及设备产生的碳足迹差异性很大，这主要取决于背后承载的算法设计、硬件设备类型及能源/发电性质。针对大型数字交互系统，影响其碳足迹的因素主要包括区位、芯片和算法，这同样也是数字技术寻求碳中和的主要突破口。
优化数据中心区位布局。将用于支撑海量运算的大型数据中心从煤炭等密集型发电的地方更改为使用可再生能源运行电网的区域，能够有效优化数字技术运行中的能源需求；此外将大型数据中心设置在平均温度偏低的地区，能够有效降低服务器机架的冷却成本。将能源纳入数字技术碳中性的首要考虑因素，具备充分的可行性。
将数据存储和处理从本地服务器转移到公共云服务器（即远程数据中心），能够有效提升数据基础设施的能源效率；通过云计算服务能够优化服务器的负载能力，进行更高效的管理；通过服务器虚拟化技术，可将物理服务器划分为多个虚拟机，促进数据中心运营商使用更少的服务器提供更大的输出，但服务器虚拟化应结合监控和调节服务器负载的有效方式，实现能源效率最大化。就国内而言，互联网企业将数据中心向云贵地区部署，也体现了对通过优化数据中心区位实现碳中和的重视。
研发节能计算芯片。数字技术及设备发展至今，已日渐具有节能性。随着硬件设计、研发与制造技术的进步，以及新材料的应用，电信及技术行业在不增加功耗的情况下，成倍地提升芯片的性能及速度。经几项研究确认，摩尔定律在过去十年中已经放缓。为继续提升硬件能效的极限，研究新型低功耗处理器势在必行。在近期研发中的大脑启发型神经形态硬件和新的人工智能加速器芯片，其机器学习计算速度要比之前快了10倍。
使用稀疏矩阵算法。现有的一些智能算法耗电相对过大，通过精简代码，升级算法，使用更加低耗高效的算法，能够有效节约成本，降低碳排放量。而稀疏矩阵算法的最大特点是通过只存储和处理非零元素从而大幅度降低存储空间需求以及计算复杂度，代价则是必须使用专门的稀疏矩阵压缩存储数据结构。
全球数字科技企业的脱碳实践
尽管与能源、交通等行业相比，数字技术在应用过程中产生的碳足迹不值一提，但依然需要承认并重视其存在，并积极尝试减碳创新与实践。近几年不少互联网企业、初创公司及研究团队已经开始了数字技术的脱碳实践。
利用人工智能为数据中心降温。在数据中心内保持服务器的冷却是需要大量电力的，特别是像谷歌（google）等技术巨头运营的大型设施。在过去十年中，谷歌研究人员针对数据中心的冷却及节能方面做出了一些改进。2016年，谷歌DeepMind AI部门使用数据中心的历史数据（如温度、功率、泵速等）来训练深度神经网络技术的集成，通过使用机器学习和人工智能系统来管理谷歌数据中心的冷却情况，实现了阶段性飞跃，节省了冷却所需能源的40%。
基于此，研究人员对神经网络进一步训练，以优化总建筑能耗与IT能耗的比率（又称用电效率，或PUE），成功实现AI冷却控制系统，将优化边界限制在有限操作范围内，从而优先考虑安全性及可靠性。该系统实现了自主性，可以在最低监督条件下运行，以调节其数据中心的加热和冷却效果。
此外，日本神户理研计算科学中心（RIKEN Center for Computational Science）于2021年开始全面运行，应用于天气和气候预测在内的广泛领域，能源创建、存储和使用，清洁能源发展和新材料开发等，其数据中心冷却技术采用全新热交换机制，通过机器学习及AI系统加快处理速度，实现规模效益。
重构神经网络，实现碳减排。麻省理工学院的研究团队开发了一种“AutoML”系统，该系统基于一个大型“一次性”（OFA）网络（作为“母”网络），嵌套了大量从母网络稀疏激活的子网。OFA 与所有子网络共享其所有学习权重，这意味着它们基本上是经过预训练的。因此，每个子网络可以在推理时独立运行，无需重新训练。
该团队还设计了一个具有多种架构配置的OFA卷积神经网络（CNN），用于处理不同数量的层和“神经元”、不同的滤波器大小和不同的输入图像分辨率的图像处理任务。OFA将模型训练和架构搜索解耦，将一次性训练成本分散到多个推理硬件平台和资源限制中。
这种“渐进式收缩”算法有效地训练OFA网络并同时支持所有子网。它首先以最大尺寸训练整个网络，然后逐渐缩小网络的尺寸以包含更小的子网络。较小的子网络在大型子网络的帮助下进行训练，共同成长。最后，支持所有不同大小的子网，允许根据平台的功率和速度限制进行快速专业化。通过对神经网络模型训练模式的重构，最终可以最大限度地降低能耗实现碳减排。
引入碳透明标签，标明ICT产品碳排放量。现有的碳足迹计算方法很难适配于数字技术及智能设备，而随着越来越多的数字产品和服务的兴起，如何提高用户对其产品碳排放的认识并提升透明度，成为科技公司面对碳中和目标的重大挑战。国际外围设备和软件制造商罗技（Logitech）为了提高其产品碳排放的透明度，引入了碳透明度标签，表示产品在其整个生命周期内造成的碳排放量，以及这些排放量是否已被抵消，从而将产品标记为碳中性。
罗技不仅计算原材料使用、制造和分销产生的排放量，还计算最终用户使用其产生的排放量，然后全部抵消，通过对从生产端到用户端的碳抵消计算来打造碳中和产品。随着用户对“双碳”认知越来越深，对于未来普及化的标准化电子产品，用户甚至可能愿意为碳中和产品支付溢价，而这也是引导公众共同参与推进低碳城市的可持续路径。
使用可再生能源，提高使用率。可再生能源的使用可以有效降低数字技术使用的排放量。2019年可再生能源的四大企业承购商均为数字技术公司。谷歌、微软、Facebook和亚马逊等大型互联网公司声明，其数据中心涉及领域均使用可再生能源，或在其他地方购买可再生能源。2018年，谷歌和苹果采购或生产了充足可再生电力，来满足其数据中心的能耗。亚马逊和微软大约一半的数据中心电力均来自可再生能源。
此外，还可以通过智能调度的方式来提升可再生能源的使用率，即对计算时间安排进行间歇性管理，在总体需求较低或可再生能源供应较多的情况下完成时间宽限内工作。对于谷歌、微软、Facebook、亚马逊等科技巨头而言，其物业投资、数据中心选址以及新项目的落户都可能对一座城市的发展产生至关重要的影响，因此其产生的碳足迹以及对可再生能源的利用也将影响一座城市的低碳实现之路。
城市数字治理的减碳思考
对于城市数字治理而言，关注建设、应用、管理、体验、安全等环节的碳足迹，从设计、治理、监管等层面优化，是推进低碳城市建设的重要路径。
从数字技术角度而言，城市数字治理的减碳路线主要包括四个方面：首先是建设层面，目前全国诸多城市在推进“一朵云”建设，通过对云计算资源的集约化建设，以降低城市数字治理的计算成本，提升算力的效率。同时也有部分省份通过建设全省“一朵云”，并将部分云计算中心的分节点部署到气候适宜的城市，以实现对数据中心的区位优化。
其次是应用层面，不论是“最多跑一次”抑或是“一网通办”、“一网统管”，其背后的核心都在于如何实现高效的数据治理，减少对信息和数据的重新采集，利用人工智能、区块链等数字技术，通过数据共享交换平台、数据开放平台以及电子证照库的建设，实现电子身份、电子材料、电子证照、电子印章等的高效利用，减少数字空间的碳足迹。
再次是体验层面，对于平台和系统的重复开发一直是资源浪费的重灾区，随着移动互联网的发展，基于微信、钉钉以及低代码平台出现的“共享文档”、“远程会议”、数字应用超市等层出不穷，不仅在城市应急场景中催生出了诸多创新应用案例，同时也减少了机构和个人从零开始开发数字工具或应用的麻烦，真正通过平台数据资源与空间的共享和高效利用，实现了对城市数字治理过程中的减碳。
最后是安全层面，随着生物识别、语音识别等成为智能技术的重要应用，智能平台对用户的麦克风、位置数据、人脸数据等的调用，一直成为用户隐私安全的焦点话题，而逃避用户视线在手机后台未经用户允许进行自动获取数据与更新，更是引起监管部门的注意，通过《数据安全法》的实施与常规性的抽检，规范和降低平台对用户数据与无关功能的调用和启动，本质上就是在减少数字空间释放的碳足迹。
因此，数字时代的城市要推动低碳化发展，不仅需要在生态环保层面进行必要的努力，比如打造区域化的碳汇中心、碳交易体系等，同时可以充分利用逐步完善的城市数字基础设施以及广袤的数字应用生态，从推动数据、算力、算法的高效应用的角度来助力低碳化目标的实现。
参考资料来源
https://hai.stanford.edu/news/ais-carbon-footprint-problem
https://fortune.com/2021/04/21/ai-carbon-footprint-reduce-environmental-impact-of-tech-google-research-study/
https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/
https://news.mit.edu/2020/artificial-intelligence-ai-carbon-footprint-0423#press-inquiries
https://www.cristobalcobo.net/blog/post/are-digital-technologies-carbon-footprint-neutral-or-not
https://www.sohu.com/a/249035985_472868
https://www.cambridgedigitalinnovation.org/single-post/how-can-companies-raise-awareness-and-increase-transparency-about-carbon-emissions-of-their-products
本文来自微信公众号：腾讯研究院 （ID：cyberlawrc），作者：WeCity低碳城市