1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。
查找下载文件的指引
一、电脑端
- Windows 系统：按下键盘快捷键 `Ctrl + J`，即可打开下载列表。
- Mac 系统：按下键盘快捷键 `⌘ + J`，即可打开下载列表。
二、手机端
1. 打开手机浏览器，点击浏览器右下角的 “≡”（或“更多”）图标。
2. 在弹出的菜单中找到并点击 “下载内容”（或类似选项），即可查看已下载的文件。
提示：不同浏览器界面略有差异，若未找到“下载”入口，可尝试在浏览器设置中搜索“下载”关键词。
安永刚发了《AI重构，面向2060的中国气候科技产业》2026版白皮书，联合上海长三角商业创新研究院和长三角国际绿色发展联盟一起编的。这份报告有意思的地方是，它把AI和气候科技这两条这两年最热的线，放在了一个框架里讲——不是AI+能源"可以做啥"的概念罗列，而是把产业现状、政策窗口、资本逻辑变化、六个核心赛道和五个卡脖子问题全讲了一遍。挑几个关键点说说。
报告开篇就把格局拉得很大。它引用了NVIDIA CEO黄仁勋的观点：AI产业可以拆成五层架构——应用→模型→基础设施→芯片→能源，每一次成功的AI应用都会逐层向下传导需求，最终拉动最底层的能源。所以算力的本质是什么？是能源的转化。
这个逻辑链是：Token增长→算力扩张→绿电需求→气候科技产业扩容→反哺算力绿色化，一个完整的闭环。报告给出了一个核心判断：谁掌握了绿色、充裕且低成本的能源供给，谁就掌握了AI时代的文明制高点。气候科技的价值已经超出了单纯的减碳工具，变成了国家竞争力的战略基石。
具体到数据：2025年中国算力中心总用电量达到1700亿千瓦时，相当于北京全年用电量的1.5倍。国家能源局预计"十五五"期间每年新增1000亿千瓦时以上，到2030年将达到8000亿千瓦时，占全国用电量约6%。
报告梳理了中国气候科技产业"十四五"期间的成绩单，数据挺震撼：
风电+光伏：合计装机从2020年的5.3亿千瓦飙升到2025年的18.4亿千瓦，5年翻了3.5倍。近4年新增装机连续突破1亿、2亿、3亿、4亿千瓦关口。可再生能源总装机达到23.4亿千瓦，建成了全球最大、发展最快的可再生能源体系。
新能源汽车：2025年销量1649万辆，连续11年全球第一，新车渗透率达到47.9%。
新型储能：累计装机144.7GW，同比增长85%，是"十三五"末的45倍，历史性突破1亿千瓦大关。
氢能：可再生能源制氢年产能突破25万吨，翻番式增长；建成加氢站超590座居全球首位。
合成生物：全国生物制造产业总规模达1.1万亿元，生物发酵产品产量占全球70%以上。
这些数字的背景是AI正在加速渗透。报告列了一个很详细的AI落地矩阵——光伏领域国网浙江"睿测"台风预测准确率96.5%，储能领域中科院"电池数字大脑"预警从分钟级提到天级，风电领域远景伽利略AI风机收益提升20.9%。AI已经不是锦上添花，是真的能赚出钱来。
报告里一个很有洞见的观察：气候科技企业的估值逻辑正在被AI重构。
以前投气候科技，看的是物理资产——光伏装了多少GW、电池产了多少GWh、车卖了多少万辆。逻辑很简单：产能越大→收入越高→估值越高。
AI时代这个逻辑变了。现在的核心问题是：你的单位算力能产生多高的预测精度？你的数据资产能支撑多大的模型效能？
报告举了远景能源的例子：远景自研"天机"气象大模型和"天枢"能源大模型，储能场站全生命周期收益率提升4%-8%，AI储能系统在关键交易节点的电价预测准确率超90%，AI风机每天产生超20TB数据反哺模型。2026年上半年，AI原生气候科技企业投融资总额同比增长45%。
资本从"投产能"转向"投算法"和"投数据"，这个变化挺深刻的——效率越高的壁垒越强。
报告把2025-2026年的政策梳理得很全，几个关键节点：
2025年8月国务院《"人工智能+"行动意见》→2025年9月发改委能源局《"人工智能+"能源实施意见》→2026年4月四部委《AI与能源双向赋能行动方案》→2026年5月首批51个高价值场景清单发布。
报告判断2025-2027年是AI赋能气候科技从试点示范走向规模化推广的关键窗口期。率先完成AI能力布局的企业和地区将占据先发优势。这个判断对做气候科技的企业和投气候科技的机构来说，意味着现在就是布局的黄金时间。
报告没有一味唱好，用了整整一章讲必须跨越的"五重门"。这可能是报告最有价值的部分：
第一重：成本可控与算电协同。光伏风电已步入平价时代、利润率趋薄，昂贵的AI改造成本和有限的收益回报之间存在落差。更关键的是，中国算力资源与能源资源呈逆向分布——东部算力密集但缺能源，西部能源富集但算力不足。
第二重：数据安全。报告举了真实案例——2024年日本光伏电网800台设备被黑客劫持，2025年波兰30处能源设施遭协同网络攻击。新能源基础设施已成为网络攻击的重点目标。
第三重：算法偏见。大模型"黑箱"特性导致的可解释性缺陷和潜在幻觉风险，在涉及电网实时调度等核心领域，尚无法满足行业级可靠性要求。
第四重：算力能耗悖论。这是最有张力的矛盾——AI一方面被视为节能减排的工具，另一方面训练GPT-3就消耗了1287兆瓦时电力、产生了552公吨CO₂。微软2025年总排放较2020年增长23.4%，AI和云计算是主要驱动因素。
第五重：人才缺口。中国AI人才缺口超过500万，供需比1:10。既懂AI又懂气候能源的复合型人才更稀缺。
报告给出的破解之道是：用AI优化AI，让算力从耗能大户变为节能引擎。
这份报告的最大价值是给了一个完整的框架：AI和气候科技不是两个独立赛道，而是一个系统——AI拉动算力→算力拉动电力→电力拉动新能源装机→新能源产生数据→数据反哺AI算法。
想通这个闭环，就能理解为什么现在政策、资本、产业三端同时往这个方向发力。报告说"2025-2027年窗口期"这句话是认真的——不是随便一说的趋势判断，是有具体政策节点、具体案例、具体数据的判断。
对做气候科技的人来说，现在最重要的一件事可能就是把自己的业务从"硬件驱动"升级为"算法驱动"。不一定要自己做AI，但要会用AI。对投资者来说，估值逻辑的变化可能比产业本身的变化更快——早一步看懂从"投产能"到"投算法"的转换，就早一步抓住阿尔法。
