储能节省 天气强度 电网碳强度 来源：惠普实验室，未尽研究，环球零碳 电力系统中的智能体 算力对于电力并非单向性索取。智算中心面临电力需求的“不可能三角”： 稳定电力供应，控制电力成本，减少碳足迹，可以通过 AI 模型，以及基于 大模型的智能体来优化和解决。 惠普实验室的研究人员，提出了一个建立在多智能体的强化学习（MARL）框 架之上数据中心减碳模型（DC-CFR）。他们把问题部分解耦为子问题，每个 的数学框架；它们对应着三个智能体，HVAC冷却，灵活的负载转移，储能优化。 这三个智能体接入 OpenAI 的深度强化学习算法，集成了数据中心的模拟环 境与强化学习，可以进行训练和优化。 该解决方案激励智能体降低能源消耗、碳足迹和能源成本。在协作多智能体 环境中，把奖励和重叠的状态变量结合起来，解决了智能体之间的依赖关系； 设定间隔为 15 分钟的实时操作，实现了对系统的精确控制，并快速响应数 据中心环境的变化。

储能节省 天气强度 电网碳强度 来源：惠普实验室，未尽研究，环球零碳 电力系统中的智能体 算力对于电力并非单向性索取。智算中心面临电力需求的“不可能三角”： 稳定电力供应，控制电力成本，减少碳足迹，可以通过 AI 模型，以及基于 大模型的智能体来优化和解决。 惠普实验室的研究人员，提出了一个建立在多智能体的强化学习（MARL） 框架之上数据中心减碳模型（DC-CFR）。他们把问题部分解耦为子问题， HVAC 冷却，灵活的负载转移， 储能优化。这三个智能体接入 OpenAI 的深度强化学习算法，集成了数据 中心的模拟环境与强化学习，可以进行训练和优化。 该解决方案激励智能体降低能源消耗、碳足迹和能源成本。在协作多智能体 环境中，把奖励和重叠的状态变量结合起来，解决了智能体之间的依赖关系； 设定间隔为 15 分钟的实时操作，实现了对系统的精确控制，并快速响应数 据中心环境的变化。

升功耗。尽管 DeepSeek 大幅降低了训 练成本，但是正在催生更庞大的应用生态，带动推理需求快速上升，我们认为训练向推理 的切换并不会改变功耗膨胀的大趋势，但是算力需求的结构性改变使得能效比和碳足迹逐 渐取代单纯的算力指标，成为衡量 AI 企业核心竞争力的关键维度。 图表9： 主流 AI 芯片 8GPU 整机方案功率一览 资料来源：Vertiv，各公司官网，华泰研究

有助于新建系统的设计和优化运行管理， 也有助于对现有生化处理系统功能的扩展， 并且可 供操作人员使用的故障诊断专家系统能够实现低成本 、高效率。 算法 / 方法 目的 神经网络模型和支持向量 机模型 蓝水足迹评估 多层感知机与后向传播算 法 建立模拟水动力学空化的神经网络模型，以促进水中沼气 的产生和有机污染物的分解消化 反向传播法 分析了聚合氯化铝混凝过程中溶解性有机物的去除 反向传播法 利用人工神经网络研究氧化石墨烯