以GTI驱动AI绿色化——绿色词元指标白皮书（附发展趋势、技术框架与产业应用）

单次大模型训练碳排放已达千吨级二氧化碳当量，数据中心用电量2030年前将接近翻倍增长——AI的能源消耗正在从“被忽视的背景参数”变为“必须正视的结构性议题”。全球数据中心用电量已占全球电力需求约1.5%，而算力与能源之间仍存在显著的结构性脱节。嘉实多这份白皮书提出了GTI（绿色词元指标）概念，首次将绿色属性引入AI计算单位，以“单位Token对应绿色能源占比”为核心理念，让AI的绿色价值具备可度量、可比较、可标准化的基础——这是从“绿色电力”向“绿色计算”的表达跃迁。

长期以来，算力与能源并未被视作需要共同讨论的议题。早期AI发展主要受限于算法突破和计算能力提升，模型规模相对有限，数据中心能源成本在整体投入中并不突出。随着大模型与生成式AI的兴起，这一格局发生根本变化。模型参数规模跃升、训练周期延长以及推理调用高频化，使词元消耗与算力负载由阶段性增长转向持续性扩张，算力基础设施开始呈现显著的能源密集特征。国际能源署（IEA）数据显示，全球数据中心用电量已占全球电力需求约1.5%，预计在2030年前接近翻倍增长。单一大模型训练的碳排放已达到千吨级二氧化碳当量。若缺乏有效约束与结构优化，未来AI基础设施扩张将直接对应更高规模的数据中心建设与能源消耗，并对电力系统与碳排放体系形成持续压力。

这一变化不仅体现在能源需求总量的增加，更暴露出算力体系与能源体系之间的结构性脱节。尽管绿色能源供给持续增长，AI计算活动与能源体系之间并未形成有效协同，而是呈现出明显的多维错配：时间维度上，风光发电的波动性与AI算力负荷的连续性存在天然矛盾；空间维度上，绿色能源资源与算力基础设施的地理分布不一致；制度维度上，绿电采购、绿证与碳抵消等方式主要停留在能源侧或结果侧，难以建立AI计算行为与绿色属性之间的直接映射关系。

现有绿色实践——绿电采购、能效优化及碳抵消——改善了能源结构与效率问题，但尚未形成能够统一描述AI计算活动绿色属性的基础计量框架。GTI的提出，正是为填补这一空白，使绿色属性首次以统一方式进入AI基础设施体系。

GTI并非一种新的数字资产，也并非传统意义上的加密Token，而是一种用于描述AI计算活动绿色属性的基础计量单位。它代表的是某一单位AI Token在生成过程中所对应的绿色能源覆盖水平，用于反映AI计算活动与绿色能源之间的关联关系。Token既是训练与推理过程中的基础计算单位，也是AI服务交付与资源消耗的重要表达单位，天然具备跨技术层与应用层的连接属性。传统Token描述的是计算活动本身，并不表达其对应能源来源及环境属性。GTI将绿色属性纳入Token计量逻辑，使Token从单一算力单位扩展为兼具计算价值与绿色价值的计量载体。对AI计算活动的衡量不只关注生成了多少Token，也开始关注这些Token所对应的绿色属性。由此，绿色AI开始具备从发展倡议走向可评价、可比较并具备标准化可能的基础条件。

GTI以“AI Token计算所消耗电力中的绿色能源占比”作为核心指标。相较于设备能效、单次任务碳排放或底层算力参数，该指标直接对应能源来源本身，能更清晰地反映计算活动所依赖的能源结构。绿色电力纳入口径分为三类：就地风光发电（物理层面直接对应，权重=1）、外购绿电（依据合同与交付方式确定，权重0.8-1）、电网绿电（混合属性，需引入折算系数α 0-1）。不同来源绿电在可追溯性与时间匹配程度上存在差异，需要在计量过程中进行差异化处理。

GTI的计量方法主要分为两类路径。时间切片动态计算法以时间为基本维度，将绿电供给与算力负荷在统一时间颗粒下进行匹配（最小标准核算时间切片15分钟），通过实时或准实时方式刻画不同时间段内绿色能源的实际使用情况。总量全口径计算法以一定核算周期为基础，通过统计周期内绿色电力总消纳量与AI算力总用电量之间的关系，对绿色属性进行整体核算与统一映射。

两种方法在理论真实性、数据采集复杂性、可验证性、标准统一性等方面各有优劣。综合比较，在行业标准尚处早期阶段时，全量全口径计算法更适合作为GTI的计量基础方式，其优势在于能够在现实条件下兼顾可执行性、可验证性与规模化推广能力，并兼容现有能源统计、ESG披露及绿电核证体系。时间切片动态计算法仍有重要意义，随着能源管理系统、算力调度系统及电力数据透明度不断提升，该方法有望成为未来更高精度的绿色计量方向。

GTI的落地需要五层实施机制。第一层建立绿色电力计量基础——围绕就地风光发电、外购绿电、储能调节电量及绿证对应电量形成统一统计口径，建立数据中心能源计量体系。第二层建立算力能耗映射机制——使Token产出能够与对应算力消耗及能源使用情况建立映射关系，在单中心场景下基于整体IT负荷完成统一分摊，在跨区域场景下结合任务执行节点对绿色属性进行加权归属。第三层建立GTI核算与标识机制——将绿色属性从后台核算逻辑转化为面向用户、企业与市场的统一表达语言，为后续评级体系、认证机制及产业协同提供标准化接口。第四层建立核验与可信机制——AI平台及数据中心作为基础数据提供方按统一周期申报数据，第三方评级联盟完成核算与评级生成，可引入区块链等可信数据技术对绿电消纳记录、评级数据进行链上留痕。第五层推进实施路径分阶段演进——短期优先围绕总量全口径计算方法开展基础核算与试点披露，中期推进认证规则与统一标识体系，长期从基础计量工具演进为连接算力、能源与环境价值的新型基础设施规则。

GTI采用“树状与绿叶”作为统一视觉体系，“树状”代表基础能源结构，“绿叶”代表绿色能源覆盖程度。绿色等级从0级至5级逐级提升，0级表示绿色能源占比尚未达到有效绿色覆盖水平，5级代表AI平台已形成较高比例绿色能源驱动能力。该视觉体系可作为GTI统一绿色标识的标准化表达方式，并具备动态更新能力。相关标识未来可逐步进入AI服务界面、模型平台及算力服务体系，使绿色属性首次进入AI服务评价体系。

在产业应用层面，绿色属性有望成为企业选择智能服务的新参考维度。随着供应链碳披露要求提升及ESG目标深化，AI服务评价标准可能从性能与成本进一步扩展至绿色属性。在用户层面，绿色AI提供了一种此前并不存在的价值感知路径，绿色属性一旦具备可识别表达，可能进入用户选择机制并形成市场驱动绿色应用发展的基础力量。在资本与资源配置层面，当绿色属性具备被度量识别的基础，其有可能进入投资评价、绿色金融产品乃至新型资产定价逻辑之中。

面向AI的数据中心（AIDC）在负荷结构上呈现更高密度、更强连续性及更高实时性的特点。GTI所对应的能源方案核心在于构建“源网荷储算一体化”绿色能源协同体系——以新能源供给为基础，以智能电网为连接，以AIDC算力负荷为核心应用场景，以储能系统为调节支撑，并通过算力调度系统实现能源侧与算力侧的协同优化。在该体系下，GTI能源方案逐步形成“绿色能源供给—电网连接与绿电配置—储能调节—算力负荷响应—绿色属性生成”的协同链路。绿色能源经过电网与调度系统配置，通过储能系统实现平滑与稳定后进入AIDC内部，再结合算力运行状态完成能源与计算活动之间的映射关系。GTI所表达的绿色属性不再只是事后统计的能源采购结果，而是能源流、算力流与数据流协同作用下形成的可核算结果。这一体系将绿色能源从静态供给资源转化为可调度、可协同、可计量的基础设施能力。

绿色AI的发展仍处于早期阶段。短期看，相关探索可能首先体现为GTI语言体系、评价框架及试点实践的逐步形成；随着标准、认证机制与能源协同路径不断完善，绿色属性有望进一步从倡议性概念演变为智能基础设施的重要评价维度，逐步成为性能、成本之外的重要组成部分。从长期视角看，绿色AI所指向的或不仅是一种技术路径选择，更是一种关于智能增长与能源可持续关系的新认知——未来AI的发展或将不再只是追求更强模型能力和更多计算产出，而更强调智能增长与资源约束之间的动态平衡。GTI的提出并非这一演进的终点，而更接近一个起点，其价值或许不仅在于提供新的计量语言，也在于为未来智能基础设施如何兼顾创新与可持续，提供新的思考起点。AI的能源消耗正在从“被忽视的背景参数”变为“决定发展可持续性的核心变量”。GTI的提出，其意义不仅在于提供一种新的绿色计量方法，更在于为AI算力体系与能源体系之间建立统一的价值表达语言——让Token第一次同时承载计算价值与绿色价值。从“绿色电力”到“绿色计算”的表达跃迁，从单一大模型训练千吨级碳排放到“源网荷储算一体化”的系统性解决方案，GTI所指向的，是AI从“能力竞赛”走向“可持续竞合”的新范式。当绿色属性与计算属性在同一计量单位中融合，智能产业的竞争规则将被重新定义。