《中移智库：2023低碳发展：数字技术产业的责任与担当-关键路径及驱动机制研究报告（47页）.pdf》由会员分享，可在线阅读，更多相关《中移智库：2023低碳发展：数字技术产业的责任与担当-关键路径及驱动机制研究报告（47页）.pdf（47页珍藏版）》请在三个皮匠报告上搜索。

1、1低碳发展：数字技术产业的责任与担当低碳发展：数字技术产业的责任与担当关键路径及驱动机制研究关键路径及驱动机制研究中国移动研究院（中移智库）北京师范大学2023 年 12 月2目录目录摘 要.31.数字技术与“双碳”目标.51.1 数字技术产业发展需积极应对“双碳”目标.51.2 中国数字技术产业未来发展前景面临碳排放挑战.71.3 数字技术产业赋能传统产业促进减排.102.数字技术产业的碳排放核算.162.1 不同核算标准下数字技术产业碳排放均呈增长态势.162.2 碳足迹强度呈现显著下降趋势.203.考虑了碳排放影响的数字技术部门国民经济产业关联关系与关键路径.223.1 考虑了碳排放影响

2、的数字技术部门产业关联关系.223.2 数字技术产业与其上下游产业的碳流动关键路径.244.数字技术产业碳排放的驱动机制.284.1 从需求结构看数字技术产业的碳排放驱动.284.2 从社会经济因素看数字技术产业碳排放增长驱动.295.数字技术产业低碳发展的对策与建议.34附录 研究方法.38参考文献.443摘摘 要要随着数字技术在全球范围的迅速发展，其在社会经济中的作用以及对碳排放的潜在影响逐渐成为焦点。在“双碳”目标下，如何在推进我国数字经济发展的同时有效控制其碳排放、推动数字技术产业低碳发展是数字技术产业的责任与担当。从全产业链视角深入剖析我国数字技术产业的碳排放特点、趋势及驱动机制是探

3、索数字技术产业低碳发展路径的前提和基础。通过构建基于全产业链的碳排放分析框架，本研究系统核算了数字技术部门的不同范围碳排放。结果表明，虽然数字技术部门的范围 1 二氧化碳排放相对较低，但外购电力和热力排放（范围 2 排放）以及供应链排放（范围 3 排放）呈现明显的增长态势。与此同时，尽管数字技术产业的总碳足迹不断增长，但其碳足迹强度呈现显著的下降趋势，反映了数字技术产业综合碳排放效率的不断提升。从产业链角度看，供应链排放是数字技术产业碳排放总量的主要来源，反映了数字技术产业对上游高排放产品的高度依赖。在考虑了碳排放影响后，数字技术部门显示出较低的前向关联，但通过较高的后向关联显著拉动了其上游产

4、业的碳排放。数字技术部门与其上下游产业的碳流动关键路径主要集中在电力、热力的产生和供应以及金属冶炼和压延加工等高碳部门。从社会经济驱动角度看，数字技术产业的总碳排放量增长主要受人均最终需求水平的提高和数字技术产业在最终需求结构中占比提升的拉4动；与此同时，碳排放强度的下降对数字技术产业的碳排放增长发挥了重要的遏制作用。从最终需求结构看，出口是通信设备、计算机和其他电子设备部门碳排放的主要驱动，而投资则是信息传输、软件和信息技术服务碳排放的主要驱动。高效推动低碳发展是数字技术产业的责任与担当。结合上述碳排放特点，本报告提出优化能源结构，降低生产过程碳排放；提升电力使用效率，尤其是减少火电依赖；实

5、施全生命周期碳排放核查，建立低碳采购链；增强资源循环利用，减少对高碳资源的依赖等数字技术产业综合减排策略。同时，利用数字技术产业在国民经济系统中的关键枢纽角色，积极推动全产业部门和全产业链碳排放管理，有助于促进全社会的能源与资源效率提升、推动实现全社会碳减排目标。本报告及其相关文字、数据、图表等受版权保护，所有权利均属于中国移动和北京师范大学。转载、摘编、引用或以其他方式使用相关内容和观点，需注明来源。对于任何未注明来源或未经授权的使用行为，将受到法律追究。51.1.数字技术与数字技术与“双碳双碳”目标目标1.11.1 数字技术产业发展需积极应对数字技术产业发展需积极应对“双碳双碳”目标目标气

6、候变化已经被国际社会广泛认可为当今全球面临的最重要的挑战之一。为了减轻气候变化所带来的严重影响，国际社会通过巴黎协定等多边协议承诺采取措施限制全球气温上升。2020年，中国政府在第七十五届联合国大会一般性辩论上提出了“中国二氧化碳排放将力争在 2030 年前达到峰值，同时努力争取在2060 年前实现碳中和”的“双碳”目标。此后，实现“双碳”目标成为我国高质量发展的重要内容。近年来，数字技术在全球范围内迅速发展，成为 21 世纪的关键经济推动力。中国作为全球最大的经济体之一，数字经济已经成为带动全国经济增长的核心动力。2022 年，我国数字经济规模为 50.2 万亿1，占国民经济生产总值的 41

7、.8%（图 1）。数字技术的飞速发展深刻改变了消费、投资以及进出口格局。随着大数据、物联网、区块链、人工智能等数字技术的不断涌现和更新，数字技术逐渐渗透到政府治理、企业生产以及居民生活的各个领域，经济社会正经历着深刻转型。中国政府积极推动数字技术的发展，特别是互联网、大数据、人工智能、第五代移动通信（5G）等领域。这些技术的广泛应用正在推动产业转型和产业创新，并对中国经济的增长和国际竞争力的提高产生深远的影响。2021 年，国务院先后发布关于完整6准确全面贯彻新发展理念做好碳达峰碳中和工作的意见和2030 年前碳达峰行动方案，明确指出“推动互联网、大数据、人工智能、第五代移动通信（5G）等新兴

8、技术与绿色低碳产业深度融合”，“推进工业领域数字化智能化绿色化融合发展”。通过互联网和信息通信技术（ICT）发展数字技术被广泛视作减少碳排放的有效策略2,3，也是我国实现“碳达峰”和“碳中和”目标的重要路径。图 1 数字经济规模及GDP占比资料来源：中国信通院4然而，数字技术产业高速发展在带来巨大的社会和经济效益的同时，其自身也伴随着环境负外部性的产生5，在一定程度上导致了能源消费的增加和碳排放的上升。Walsh等人的研究发现，数字技术部门主要由电信、软件和IT服务以及互联网部门等行业驱动，具有较高的电力消费强度；其中，2013 年数字技术部门消7耗了全球发电量的 10%6。与此同时，由于数字

9、技术产业的发展高度依赖稀有金属和矿物的开采，这将导致资源的加速消耗7。由于我国数字经济的规模较大，在发展数字经济的过程中，除了要关注产业数字化带来的生产效率的提升，数字技术产业引发的碳排放也值得关注。深刻理解中国数字技术产业的碳排放影响与驱动机制有助于科学制定数字技术产业的碳减排方案，进而助力“双碳”目标的实现。1.21.2 中国数字技术产业未来发展前景面临碳排放挑战中国数字技术产业未来发展前景面临碳排放挑战在过去的几年中，中国的数字经济经历了显著的增长。具体来说，自 2015 年以来，数字经济规模增至 50.2 万亿元人民币，年均增长率达到了 15.2%（图 2）。这一增速远超同期国民经济增

10、速，反映出数字经济在中国国民经济结构中的占比正在快速提升。尽管如此，2022 年中国数字经济占GDP的比重为 41.5%，这一数字与美国、德国、英国等发达国家相比，仍有较大的上升空间（图 3）。由于持续的技术创新和数字化转型驱动，中国数字经济有望进一步扩大其对国民经济的贡献度。8图 2 中国数字经济规模及GDP占比数据来源：中国信通院4，国家统计局8图 3 主要发达国家与中国数字经济规模与占比对比资料来源：联合国贸易和发展会议(United NationsConference on Trade and Development)9在电力消耗方面，美国的数字技术设备耗电量占其总电力消耗的 4.5%

11、；对比之下，中国数字技术部门用电量占比仅为 3.1%。电力消耗虽非直接衡量数字技术产业规模的指标，但它却反映了技术应用普及度和基础设施建设的水平，也间接指向了数字技术9产业发展的潜力。假设维持现有的能源结构不变，中国数字技术产业达到美国同等用电比例时，其电力消耗将增加 1209 亿千瓦时。假设电力部门维持现有的碳排放强度，增加的这部分电力消耗意味着引发 6141 万吨二氧化碳排放，是现有水平的 1.5 倍。因此，在数字技术产业发展过程中，其显著的碳排放增长潜力亟需关注。在碳排放结构方面，中国数字技术产业的碳排放结构与全球数字技术产业的碳排放结构有明显差异（图 4）。根据本报告的核算结果，中国数

12、字技术产业的范围一二氧化碳排放占比相对较低，而范围二和范围三排放占比较高，尤其是范围三排放占比达到了 65%。相比之下，全球数字技术产业的范围三排放占比达到了 77%，反映了全球产业链更加错综复杂，使得数字技术产业引发了更多的供应链排放。碳排放结构的这一差异揭示了在数字技术产业发展过程中对供应链碳排放管理与优化的重要性，尤其是考虑到中国数字技术产业在国民经济中的占比日益增长。图 4 数字技术产业碳排放结构资料来源：中国的数据为本报告核算结果，全球的数据来自世界资源研究所1010随着中国数字技术快速发展，数字设备使用将更加普遍，数据中心、云服务平台得到更广泛应用，这些都将导致电力消耗的增加。考虑

13、到中国数字技术部门的经济规模和用电量占比均与发达国家存在较大差距，未来在发展数字技术的同时，如何遏制行业碳排放增长，是“双碳”目标下实现数字经济稳定发展的关键挑战，也是数字技术产业的责任与担当。1.31.3 数字技术产业赋能传统产业促进减排数字技术产业赋能传统产业促进减排在数字技术日趋成熟并广泛渗透的当下，传统产业正面临前所未有的数字化转型挑战。核心的数字技术如物联网（Internetof Things,IoT）、人工智能（Artificial Intelligence,AI）与机器学习（Machine Learning,ML）、大数据分析（Big DataAnalysis，BDA）及区块链（

14、Blockchain Technology，BT）等，可以实现更高效、更可持续的生产方式，从而降低碳排放。联合国环境规划署强调11，实现数字化转型需依赖于不同行业间的协同创新，加快各产业的数字化进程将有助于关键行业实现碳减排。（1 1）智慧农业）智慧农业数字技术的应用在农业领域具有巨大的碳减排潜力。2023中国农业农村低碳发展报告12显示，我国农业生产总碳排放量为 8.28 亿吨二氧化碳当量，占全国碳排放的 6.7%，而农业生产总值占GDP总量的 9.5%。这意味着，我国农业生产以 1/16 的碳排放量，创造了近 1/10 的GDP。数字技术在智慧农业中的赋能作用11不容忽视，它为农业生产和农

15、村发展提供了新的可能性，能够帮助农业部门提高生产效率，进而降低碳排放。数字经济对智慧农业的创新与发展提供了全过程的支撑和赋能作用（图 5）。图 5 智慧农业框架资料来源：中国信通院，华安证券研究所13在农业领域，数字技术通过提高生产效率和资源利用率，显示出巨大的碳减排潜力。移动设备和应用程序在提供农业相关信息、病虫害控制等方面发挥着重要作用，同时农业生产的精细化管理也在不断提升农业生产的效率。（联合国粮食农业组织）14。此外，数字技术还帮助农业生产者更有效地与市场、物流和金融服务进行对接，优化农业供应链，从而降低碳排放15。在中国西部地区，数字科技推动小农价值链的发展对农村发展和减贫产生了积极

16、影响16。据减贫研究数据库数据17，到 2025 年中国的农业数字经济规模将达到 1.26 万亿，占农业增加值比重达到 15%。12未来智慧农业有望实现更大的增长，为乡村振兴和可持续发展注入更多动力。（2 2）智能制造）智能制造智能制造是信息物理系统（Cyber-Physical Systems,CPS）的实体化应用，它通过数字孪生（Digital Twin）、工业物联网、人工智能、机器学习等先进技术的融合，实现了设计、生产、管理和服务的全过程智能化。钢铁行业数字化：优化生产过程，提高能源效率钢铁行业数字化：优化生产过程，提高能源效率随着全球经济的数字化转型，钢铁行业也在积极探索数字技术的应用

17、，以优化生产过程和提高能源效率。这一转型涉及协同、运行、技术和要素，目的是实现生产数字化、成本可控化和全程低碳化（图 6）18。通过数字技术的引入，钢铁企业能够实现生产过程的实时监控和智能调度，大幅提高生产效率并降低能源消耗。这种技术整合不仅实现了生产流程的自动化和精确控制，还优化了能源管理，达到了能耗和成本的双重优化。此外，数字化还提高了操作流程和能源使用的透明度，优化供应链管理，为钢铁行业的低碳转型奠定了坚实基础19。13图 6 钢铁行业数字化框架资料来源：McKinsey&Company20水泥行业数字化：实现生产的可持续性水泥行业数字化：实现生产的可持续性水泥行业作为传统重工业的代表，

18、也面临着生产效率提升和环境可持续性的双重挑战。数字化技术的引入为水泥行业提供了新的解决方案，推动水泥行业从原材料采购到产品分销的每一个环节都开始实现智能化管理21。利用物联网技术对生产设备进行实时监控和维护，能够显著提高设备运行效率和产品质量。同时，借助大数据和人工智能分析，水泥企业能更准确地预测市场需求，优化库存管理，减少过剩生产带来的资源浪费（图 7）。图 7 水泥行业数字化框架资料来源：数字水泥2214综上所述，在数字技术的支持下，制造业正经历着从自动化到智能化的跨越。数字孪生技术的应用使得产品的设计与测试可以在虚拟环境中进行，显著降低了研发成本和周期，同时也提高了产品的设计质量23。而

19、AI和ML的结合使用，可以对生产过程的质量控制进行实时监控，确保产品质量的一致性和可靠性24。数字化转型还推动了制造业向服务型制造的转变。通过分析和运用大数据，制造商能够更加精准地掌握市场需求和客户偏好，提供个性化的产品和服务。在后市场服务中，制造企业可以利用IoT技术收集的产品使用数据，为客户提供预测性维护和优化服务25。（3 3）智慧交通）智慧交通数字技术对智能交通业的重塑效应显著（图 8），特别是在降低碳排放、提升运输效率与质量方面的贡献不可小觑。智能交通系统（Intelligent Transportation Systems,ITS）依托于信息与通信技术的深度集成，旨在通过优化交通流

20、动和增强道路网络智能化，提高安全性，减少环境影响；利用高级数据分析、物联网、人工智能等数字技术的协同作用，实现交通数据的实时收集、处理与分析以缓解高峰时段的拥堵，这不仅提高了路网的通行效率，也显著降低了因交通拥堵造成的燃油浪费和碳排放26。15图 8 智慧交通数字化框架资料来源：国家信息中心27162.2.数字技术产业的碳排放核算数字技术产业的碳排放核算2.12.1 不同核算标准下数字技术产业碳排放均呈增长态势不同核算标准下数字技术产业碳排放均呈增长态势根据IPCC（Intergovernmental Panel on Climate Change，IPCC）及世界资源研究所(World Re

21、sources Institute,WRI)碳排放核算方法，部门和产品温室气体排放核算主要包括三种方式：范围一(Scope 1)是部门生产加工过程产生的碳排放，范围二(Scope 2)指隐含在外购电力、蒸汽、供暖或制冷中的碳排放，范围三(Scope 3)是该部门/产品隐含在价值链里的、除范围二以外的碳排放，包括该部门/产品生产过程中所消耗的所有产品的上游排放、运输排放、使用之后的下游排放等。三者共同构成了数字技术部门的碳排放总和，也被称为是数字技术部门的碳足迹。范围范围 1 1 排放：总量小但持续增长排放：总量小但持续增长2015 年至 2020 年，数字技术部门生产过程的二氧化碳排放从 20

22、73 万吨增长至 2674 万吨，呈现不断增长趋势，但其在我国总碳排放中的占比较为稳定，占比维持在 0.3%左右（图 9），反映了数字技术部门自身生产过程碳排放水平相对较低的特点。其中，通信设备、计算机和其他电子设备部门生产过程的二氧化碳排放从 2015 年的 453 万吨增长至 2020 年的 669 万吨，年均增长率 8.1%。信息传输、软件和信息技术服务部门生产过程的碳排放规模是通信设备、计算机和其他电子设备部门的 3 倍左右，但年均增长率较低，约为 4.4%。172 20 01 15 52 20 01 17 72 20 01 18 82 20 02 20 0（百 百 万 万 吨 吨）生

23、 生产 产过 过程 程碳 碳排 排放 放量 量4 4.5 55 5.3 36 6.8 86 6.7 71 16 6.2 21 17 7.8 81 17 7.7 72 20 0.1 10 0.0 05 5.0 01 10 0.0 01 15 5.0 02 20 0.0 02 25 5.0 0信 信 息 息 传 传 输 输、软 软 件 件 和 和 信 信 息 息 技 技 术 术 服 服 务 务通 通 信 信 设 设 备 备、计 计 算 算 机 机 和 和 其 其 他 他 电 电 子 子 设 设 备 备图 92015-2020 年数字技术部门生产过程碳排放量资料来源：本报告核算结果范围范围 2 2

24、排放：隐含在外购电力和热力中的碳排放快速增长排放：隐含在外购电力和热力中的碳排放快速增长2020 年，通信设备、计算机及其他电子设备制造业用电量1570.6 亿千瓦时，信息传输、软件和信息技术服务业用电量 853.3亿千瓦时，数字技术部门用电量占全国用电量的 3.1%。根据中国发布的电力排放因子进行核算，结果显示，数字技术部门的范围2 二氧化碳排放从 2015 年 7151 万吨增长到 2020 年 12309 万吨，年均增长率达到 11.5%，远高于范围 1 的增长速度（图 10）。范围 2 排放在数字技术部门总排放量中的占比约为 25%左右，且这一比例逐年稳步上升，年均增长率 6.8%。此

25、外，通信设备、计算18机和其他电子设备部门范围 2 排放高于信息传输、软件和信息技术服务部门，但随着数字技术产业的发展，这一差距在逐渐缩小。0 04 40 08 80 01 12 20 01 16 60 02 20 00 02 20 01 15 52 20 01 17 72 20 01 18 82 20 02 20 00 04 40 08 80 01 12 20 01 16 60 02 20 00 02 20 01 15 52 20 01 17 72 20 01 18 82 20 02 20 0通 通 信 信 设 设 备 备、计 计 算 算 机 机 和 和 其 其 他 他 电 电 子 子 设

26、设 备 备信 信 息 息 传 传 输 输、软 软 件 件 和 和 信 信 息 息 技 技 术 术 服 服 务 务 业 业（百 百 万 万 吨 吨）不 不同 同范 范围 围碳 碳排 排放 放量 量图 10三种核算范围的数字技术部门碳排放量资料来源：本报告核算结果范围范围 3 3 排放：供应链排放规模和占比大，但增速相对缓慢排放：供应链排放规模和占比大，但增速相对缓慢对比规模较小的范围 1 排放，数字技术部门引发的供应链排放规模占比较大（图 10）。2020 年，数字技术部门的范围 3 二氧化碳排放约为 2.8 亿吨，是范围 1 排放的 10.5 倍，范围 2 排放的 2.3 倍。从 2015 年

27、到 2020 年，数字技术部门的范围 3 二氧化碳排放年均增长率约为 3.1%，但其在数字技术部门碳足迹中的占比稳定在 70%水平。从碳足迹上看，通信设备、计算机和其他电子设备部门和信息传输、软件和信息技术服务部门呈现不同的增长趋势。其中，19通信设备、计算机和其他电子设备部门碳足迹呈现倒U型趋势，尤其是 2017 年至 2020 年持续下降，2020 年碳足迹为 2.37 亿吨，2015 年至 2020 年年均增长率为 2.1%。数字技术产业的另一核心部门，信息传输、软件和信息技术服务部门的碳足迹则呈现快速增长趋势，2015 年至 2020 年的年均增长率 10.2%（图 11）。到2020

28、 年该部门的碳排放量为 1.92 亿吨，占总碳排放量的 1.9%。2 21 14 4 2 26 64 4 2 26 60 0 2 23 37 7 1 11 18 8 1 13 36 6 1 14 41 1 1 19 92 2 0 05 50 01 10 00 01 15 50 02 20 00 02 25 50 03 30 00 03 35 50 04 40 00 04 45 50 0（百 百 万 万 吨 吨）碳 碳足 足迹 迹2 20 01 15 52 20 01 17 72 20 01 18 82 20 02 20 0信 信 息 息 传 传 输 输、软 软 件 件 和 和 信 信 息 息

29、技 技 术 术 服 服 务 务通 通 信 信 设 设 备 备、计 计 算 算 机 机 和 和 其 其 他 他 电 电 子 子 设 设 备 备图 112015-2020 年数字技术部门的二氧化碳足迹资料来源：本报告核算结果2015 年至 2020 年，数字技术部门的全国总碳排放占比有所上升，从 3.6%上升到 4.3%。具体而言，通信设备、计算机和其他电子设备的碳足迹在总碳排放中的占比相对稳定；随着信息传20输、软件和信息技术服务部门的迅速发展，其总碳排放占比从2015 年的 1.3%增长到 2020 年的 1.9%，上升了 0.6 个百分点。2.22.2 碳足迹强度呈现显著下降趋势碳足迹强度呈

30、现显著下降趋势本报告进一步核算了数字技术部门单位产值的碳足迹，即碳足迹强度。结果显示，2015 年到 2020 年，数字技术两大部门的碳足迹强度均呈现明显的下降趋势，但二者的递减模式略有不同：通信设备、计算机和其他电子设备部门总体呈现稳定缓慢的递减趋势，而信息传输、软件和信息技术服务业部门则有明显的先快后慢特征。具体来说，通信设备、计算机和其他电子设备部门的碳足迹强度从2015年的1.3吨/万元降至2020年的1.1吨/万元，降幅为 17.3%。信息传输、软件和信息技术服务业部门的碳足迹强度从 2015 年的 0.63 吨/万元下降至 2020 年的 0.42 吨/万元，降幅达到 34.1%（

31、图 12）。从碳足迹强度的结构来看，通信设备、计算机和其他电子设备部门的碳足迹主要是由于生产过程对电力、热力、燃气及水生产和供应（0.55 吨/万元，占比 52.3%，2020 年水平，下同）、金属冶炼和压延加工业（0.26 吨/万元，24.7%）、非金属矿物制品业（0.09 吨/万元，8.9%）、交通运输和仓储和邮政（0.06 吨/万元，5.5%）等部门的产品消耗引起的。通信设备、计算机和其他电子设备部门自身的碳排放仅占碳足迹的 1.2%。信息传输、软件和信息技术服务业部门的碳足迹结构主要是由于对电力、热21力、燃气及水生产和供应（61.1%）、金属冶炼和压延加工业（12.3%）、交通运输、

32、仓储和邮政业（7.7%）、信息传输、软件和信息技术服务业部门（6.3%）和非金属矿物制品业部门（3.3%）等部门的产品消耗引起的。综上所述，尽管中国数字技术产业的碳足迹在不断增加，但其碳足迹强度的显著下降反映了行业在提升能源利用效率和减少碳排放等方面的成效。这一趋势在信息传输、软件和信息技术服务部门中更为显著，凸显了碳排放效率提升在推动数字技术部门低碳可持续发展中的重要性。图 122015-2020 年数字技术部门的碳足迹强度结构资料来源：本报告核算结果223.3.考虑了碳排放影响的数字技术部门国民经济产业考虑了碳排放影响的数字技术部门国民经济产业关联关系与关键路径关联关系与关键路径3.13.

33、1 考虑了碳排放影响的数字技术部门产业关联关系考虑了碳排放影响的数字技术部门产业关联关系本报告基于产业关联的视角，将数字技术部门置于国民经济系统考察其碳排放影响地位。图 13 显示了 2020 年国民经济 153个部门考虑了碳排放影响的前向关联和后向关联系数。其中，当后向关联系数大于 1 时，表示该部门的最终需求每增加一个单位所引起的二氧化碳排放高于平均水平；当前向关联系数大于 1 时，表示其他部门对该部门的最终需求每增加一个单位引起的二氧化碳排放高于平均水平。通过前向和后向关联系数，可以更好地理解产业在整个国民经济系统中的地位以及它与其他部门之间的相互作用和依赖关系。23图 13 考虑了碳排

34、放影响的国民经济部门前后向关联系数（2020）资料来源：本报告核算结果结果表明，在整个国民经济体系中，考虑了碳排放影响的数字技术部门呈现了两个主要特点：一是与其他部门相比，数字技术部门的前向关联系数较低，这进一步印证了数字技术部门自身的生产过程碳排放规模较小，因此其他部门对数字技术部门的需求对碳排放的影响也较小。二是数字技术部门的后向关联系数较高（均大于 1），尤其是通信设备、计算机及其他电子设备部门的后向关联系数仅次于电力、热力生产和供应部门，反映了数字技术部门生产过程对其上游产业链高排放产品的需求较大。这一24结果进一步凸显了数字技术部门自身碳排放影响小但通过供应链对上游产业碳排放的拉动和

35、传导作用明显。3.23.2 数字技术产业与其上下游产业的碳流动关键路径数字技术产业与其上下游产业的碳流动关键路径本报告识别了与数字技术产业部门相关的前十大碳流动路径（表 1）。结果表明，排名前五的的碳排放路径在总碳排放中的占比相对较高，且排名靠前的路径涉及的产业环节均较少（均为 1 或 2 个环节）。数字技术部门高度依赖电力、热力的产生和供应以及金属冶炼和压延加工品两大部门，排名前十的路径多始于这两个部门。表 12020 年数字技术产业部门前十大产业链碳排放路径序序号号层层数数对数字技术对数字技术产业总碳足产业总碳足迹的贡献迹的贡献碳足迹碳足迹(百万吨百万吨)排放路径排放路径部门部门 1 1部

36、门部门 2 2部门部门 3 31 11 17.00%7.00%30.0630.06信息传输、软件和信息技术服务电力、热力的生产和供应2 21 13.29%3.29%14.1114.11通信设备、计算机和其他电子设备电力、热力的生产和供应3 30 02.21%2.21%9.509.50信息传输、软件和信息技术服务4 41 12.19%2.19%9.419.41通信设备、计算机和其他电子设备金属冶炼和压延加工品5 52 22.08%2.08%8.938.93信息传输、软件和信息技术服务电力、热力的生产和供应电力、热力的生产和供应6 62 21.70%1.70%7.317.31通信设备、计算机和其他

37、电子设备通信设备、计算机和其他电子设备电力、热力的生产和供应7 72 21.41%1.41%6.056.05信息传输、软件和信息技术服务信息传输、软件和信息技术服务电力、热力的生产和供应8 81 11.36%1.36%5.825.82通信设备、计算机和其他电子设备非金属矿物制品259 92 21.14%1.14%4.884.88通信设备、计算机和其他电子设备通信设备、计算机和其他电子设备金属冶炼和压延加工品10102 20.98%0.98%4.194.19通信设备、计算机和其他电子设备电力、热力的生产和供应电力、热力的生产和供应与上游碳排放路径的集中性特点相比，数字技术部门与下游产业链的碳排放

38、关系呈现分散性特点。从部门结构看，数字技术部门、尤其是信息传输、软件和信息技术服务部门的碳排放主要是由于下游服务业的拉动引起的。2020 年，公共管理、社会保障和社会组织部门引发了信息传输、软件和信息技术服务部门 118万吨的碳排放，其次是建筑部门（94 万吨）和金融部门（27 万吨）。通信设备、计算机和其他电子设备部门相对于信息传输、软件和信息技术服务来说前向关联度较低，其下游部门中科学研究和技术服务部门的拉动作用居首位，2020 年拉动了 11 万吨的碳排放。从时间尺度看，随着数字技术产业的发展，其与前后向关联产业之间的碳排放流动关系发生了明显的变化（图 14）。首先，电力、热力的产生和供

39、应部门、金属冶炼和压延加工品部门、交通运输、仓储和邮政部门、非金属矿物制品部门一直是数字技术部门的核心碳排放关联部门。其次，与 2015 年相比，2020 年产业链上游的化学产品部门与数字技术部门间的关联强度明显降低、与产业链下游的建筑部门与公共管理、社会保障和社会组织等部门的联系也有所削弱。最后，就数字技术产业部门内部而言，信息传输、软件和信息技术服务的在碳排放流动网络中的枢纽作26用明显增强。图 14数字技术部门碳排放路径（a）2015,（b）2020资料来源：本报告核算结果综上所述，报告结果反映了数字技术产业在国民经济各部门碳排放关联中的复杂性和重要性。尽管数字技术部门自身生产过27程的

40、碳排放规模较小，但其对上游产业链高排放产品的需求引发的碳排放相对较大，特别是通信设备、计算机及其他电子设备部门。同时，数字技术部门的碳排放路径也揭示了其与上游产业的密切关联，尤其是与电力、热力生产和金属冶炼部门的依赖关系。284.4.数字技术产业碳排放的驱动机制数字技术产业碳排放的驱动机制4.14.1 从需求结构看数字技术产业的碳排放驱动从需求结构看数字技术产业的碳排放驱动结果显示，出口是通信设备、计算机和其他电子设备部门碳排放的主要驱动。2020 年，出口引发的通信设备、计算机和其他电子设备部门二氧化碳排放总量达到 4.4 亿吨，同时，该部门也通过进口避免了 3.8 亿吨的二氧化碳排放。资本

41、形成总额是通信设备、计算机和其他电子设备部门碳排放的第二大来源，拉动了1.1 亿吨二氧化碳排放量。居民消费对通信设备、计算机和其他电子设备部门的碳排放拉动作用相对较小，城镇居民消费支出（0.5 亿吨）和农村居民消费支出（0.2 亿吨）共拉动了该部门0.7 亿吨二氧化碳排放。图 15 不同需求下数字技术部门碳排放量（百万吨）29资料来源：本报告核算结果与通信设备、计算机和其他电子设备部门两头对外的需求结构不同，资本形成总额是信息传输、软件和信息技术服务部门碳排放的主要驱动来源，也是该部门碳排放增长的主要驱动来源。特别是 2018 至 2020 年，资本形成总额拉动的信息传输、软件和信息技术服务部

42、门碳排放增长了 53.7%（图 15）。具体来说，2020年，资本形成总额引发的信息传输、软件和信息技术服务部门二氧化碳排放量达到 72.0%（1.4 亿吨），其次是城镇居民消费支出（0.4 亿吨，21.2%），出口（0.1 亿吨，6.7%）和农村居民消费支出（0.1 亿吨，6.1%）的贡献相对较小。4.24.2 从社会经济因素看数字技术产业碳排放增长驱动从社会经济因素看数字技术产业碳排放增长驱动中国数字技术产业的高速发展伴随着社会经济的快速转型。本报告从社会经济因素视角重点考察了六大因素对数字技术产业碳排放增长的驱动作用。包括：二氧化碳强度变化反映了能源结构调整和全社会各产业部门能源利用效率

43、提升对数字技术部门碳排放的综合影响；生产结构变化反映了数字技术部门生产过程上游产品投入结构变化对数字技术部门碳排放的影响；最终需求产品结构变化反映了数字技术部门在最终需求结构中占比变化带来的碳排放影响；30 需求种类结构变化反映了居民消费、政府消费、资本形成、出口等需求结构变化对数字技术部门碳排放的影响；人均最终需求水平变化综合反映了经济水平提高对数字技术部门碳排放的影响；人口数量变化反映了人口数量变化对数字技术部门碳排放的影响。以 2017-2020 年为例，整体来说，碳排放强度的下降是遏制数字技术部门碳足迹总量增长主要因素，共实现了 5217 万吨碳足迹下降。与此同时，人均最终需求的快速增

44、长和最终需求结构变化是驱动数字技术部门碳排放总量增长的主要因素，分别贡献了 3904 万吨和 3126 万吨的碳足迹增加。此外，最终需求结构变化也是造成碳足迹增加的重要原因，与人均最终需求和最终需求结构变化贡献了绝大部分的碳足迹增长。这也反映了数字技术部门二氧化碳排放量的变化趋势主要取决于需求增长与碳排放效率提升之间的制衡关系。近几年来数字经济发展迅速，和数字技术部门相关的消费、投资和出口总额大幅度上升。在最终需求产品结构中，数字技术部门的占比不断增大，从 2017 年的 7.9%增长到 2020 年的 9.0%。31图 16社会经济因素对数字技术部门碳排放的驱动作用，2017-2020资料来

45、源：本报告核算结果32图 17最终需求的碳排放驱动力结果 2017-2020 年资料来源：本报告核算结果进一步区分上述社会经济驱动因素对不同需求种类引发的细分数字技术部门的碳排放影响。结果表明，在数字技术部门中，通信设备、计算机和其他电子设备部门碳排放的关键驱动与信息33传输、软件和技术服务部门存在较大差异。对前者而言，人均最终需求水平的提高是其碳足迹增长最重要的驱动力；对后者而言，最终需求结构的变化是其碳足迹增加的主要驱动因素。具体来看，碳排放强度的下降很大程度上遏制了通信设备、计算机和其他电子设备部门碳足迹总量的增长趋势，贡献了 3255万吨的碳减排；人均最终需求水平的提高是其碳排放增长的

46、主要因素，贡献了 1494 万吨的碳足迹增长。分需求种类的分解分析结果也与这一结论一致。对于信息传输、软件和信息技术服务部门，碳排放强度下降是遏制其碳排放总量增长的唯一因素。最终需求结构变化是其碳排放增长的主要因素，贡献了 43.3%的碳排放增长，且四类最终需求中，农村居民消费支出、城镇居民消费支出、资本形成总额相关碳排放的主要驱动因素一致。总体来看，数字技术产业的碳排放主要受出口和资本形成总额的驱动，尤其是对通信设备和计算机部门而言。此外，尽管碳排放强度的降低有助于抑制碳足迹的增长，但人均最终需求水平的提高及数字技术产业在最终需求结构中占比提高所带来的拉动作用更强。这一趋势凸显了需求侧管理在

47、数字技术产业低碳发展中的关键性作用。345.5.数字技术产业低碳发展的对策与建议数字技术产业低碳发展的对策与建议本报告从全产业链视角分析了中国数字技术产业的碳排放趋势、数字技术产业在整个国民经济系统中如何影响碳排放、以及数字技术部门碳排放增长的驱动。主要结论如下：快速发展的数字技术产业伴随着客观的能源消耗和碳排放，其碳足迹趋势和特征是一个复杂而关键的议题。我们发现，各种核算范围下数字技术部门的碳排放均呈现明显的增长趋势，尤其是用电量增长引发的范围 2 二氧化碳排放增长明显。范围 1 排放量较小，但考虑其产业链累积的总碳足迹较为可观。数字技术产业对其上游电力部门、金属冶炼部门、非金属部门和交通部

48、门的产品消耗是其碳足迹的主要来源。尽管总碳排放量增长显著，但碳足迹强度呈现稳步下降趋势。数字技术部门对其上游产业的碳排放拉动作用较强，尤其是通信设备、计算机及其他电子设备部门的拉动作用仅次于电力部门，反映了数字技术部门对上游高耗能高排放产品的较强依赖。从碳排放流动路径来看，数字技术部门对上游产业部门的拉动作用较为集中，而下游产业对数字技术部门碳排放的拉动作用则较为分散，反映了数字技术部门在国民经济系统中重要的碳排放枢纽作用。能源结构调整和能源效率的提高是遏制我国数字技术部门的碳排放增长的重要驱动力，而人均最终需求水平的提高和数字35技术产业在最终需求结构中占比提高是推动数字技术部门碳排放增长的

49、最主要驱动力。在最终需求结构中，出口是拉动通信设备、计算机和其他电子设备部门碳排放的绝对主力因素，而投资是数字技术部门、特别是信息传输、软件和信息技术服务部门碳排放的主要驱动。上述结果有助于我们理解数字技术产业的碳排放影响机制和驱动机制，这也决定了未来数字技术产业低碳化发展的主要路径：（1 1）优化能源结构、遏制数字技术部门生产过程碳排放增）优化能源结构、遏制数字技术部门生产过程碳排放增长长结果表明，数字技术部门生产过程的碳排放规模较小。尽管其占比小，但仍有一定的减排空间。数字技术部门生产过程的碳排放主要来自天然气、原油和燃煤的使用。因此，加快对这些化石燃料的能源替代能够有效遏制数字技术部门生

50、产过程的碳排放增长。（2 2）提高用电效率，遏制数字技术部门的用电量增长）提高用电效率，遏制数字技术部门的用电量增长范围 2 排放增长明显、碳足迹结构中电力部门占比最大、前十大碳流动路径中电力部门相关的路径最多等特点都反映了数字技术部门对电力的高度依赖。如何减少电力消耗、尤其是火电的消耗是减少数字技术部门碳排放的关键。随着我国能源转型的加快、绿电在电力供应中占比的提高将进一步降低用电引发的碳排放，从而使数字技术部门获益。此外，如何进一步提高数字技36术部门本身的用电效率和绿电利用率也是其碳减排的关键。具体来说，通过积极研发提高通信和计算机设备的电力利用效率、积极推动清洁能源在数字基础设施建设中

51、的应用、发展高效能源存储系统、优化数据中心冷却技术等，积极推动绿色数据中心设计、节能芯片技术和可持续电池开发等，都有助于数字技术部门的碳减排。（3 3）积极推进数字技术产品全生命周期碳排放核查制度，）积极推进数字技术产品全生命周期碳排放核查制度，构建低碳化采购链构建低碳化采购链数字技术部门的范围 3 排放占比最大、在国民经济体系中的后向关联系数大等特征，都反映了其对上游高耗能、高排放产品的较强依赖。通过基于价值链的合作，积极推进数字技术部门产品的全生命周期核查制度，采用可追溯性技术，跟踪上游产品的生命周期碳排放，建立规范化、低碳化的上游产品采购制度能够有效减少数字技术部门的供应链碳排放影响。（

52、4 4）提高数字技术部门生产过程的资源利用效率和循环利）提高数字技术部门生产过程的资源利用效率和循环利用率用率由于数字技术部门对上游金属和非金属部门的高度依赖性，有必要通过优化原材料生产和加工过程实现资源利用效率和循环利用率的提高。具体来说，一是通过技术革新和流程优化来提高资源的利用效率，这不仅能够降低单位产出对原材料的消耗，还能最大程度避免生产过程中的资源浪费。二是通过研究和开发，积极寻找和采用低碳、可再生的材料替代方案，以减少对传统金37属和非金属资源的依赖。三是基于循环经济理念，加强已使用产品的回收和再利用，可以进一步减少对新原材料的需求。（5 5）依托数字技术产业在国民经济中的重要枢纽

53、作用，充）依托数字技术产业在国民经济中的重要枢纽作用，充分发挥数字技术产业在提高全社会能源分发挥数字技术产业在提高全社会能源、资源利用效率中的积极资源利用效率中的积极作用作用实现数字技术产业的低碳发展，有必要形成一个全产业链的碳排放管理体系，从源头到终端，确保每一个环节都达到最优的碳减排效果。强化与上游供应链的合作，通过技术支持推动这些企业提高生产效率和能源利用效率。同时，考虑到数字技术在国民经济中的核心枢纽作用，下游企业也需要进一步优化其对数字技术产品的需求，提高生产和运营中的效率，从而减少对能源和资源的依赖。例如，高速的数字基础设施如 5G和光纤网络为智慧城市建设提供支持，大数据分析实时监

54、控和优化资源消耗和能源流向，绿色数据中心和其他低碳技术等都能够助力数字技术产业自身以及全产业链的能源利用效率的提高。38附录附录 研究方法研究方法本报告根据现有研究对于数字经济的定义，以国民经济行业分类（GB/T 4754-2017）为基础，结合 数字经济及其核心产业统计分类（2021），将数字技术部门合并成两大类，分别是通信设备、计算机和其他电子设备部门和信息传输、软件和信息技术服务部门，部门对照如表 1 所示。表 2 数字技术产业部门对照数字技术部门数字技术部门对应的国民经济部门对应的国民经济部门通信设备、计算机和其他电子设备计算机通信设备广播电视设备和雷达及配套设备视听设备电子元器件其他

55、电子设备信息传输、软件和信息技术服务电信广播电视及卫星传输服务互联网和相关服务软件服务信息技术服务本研究的技术路线图如下所示：39图 18 技术路线图以下详细介绍本报告采用的方法：1.1.投入产出模型投入产出模型投入产出模型（Input-Output Model）由美国经济学家Leontief最早提出28,29，常用于分析经济系统中部门间生产、消费和交易关系30。投入产出表的行平衡关系可表示为：中间投入+最终使用=总产出，公式表示如下：=+#（）=()#（）=()#（）其中，是直接投入系数矩阵；是总产出向量；是最终需求向量；()1列昂惕夫逆矩阵，是单位对角矩阵。40环境扩展的投入产出模型（En

56、vironmentally Extended Input-Output，EEIO）的基本思路是在经济投入产出模型中引入各部门的直接排放系数，从而反映最终需求和投入产出结构对某地区污染物排放量的影响。引入碳排放强度，可以得到环境拓展的投入产出模型：=()=#（）=#（）其中，为碳强度向量，通过公式（5）进行计算，为i部门的直接二氧化碳排放量，为i部门的总产出。表示最终需求引发的全部碳排放。2.2.前后向关联分析前后向关联分析考虑二氧化碳排放的前向和后向关联计算方法是在公式（4）基础上推导出来的，表达如下：=?#其中，?是考虑二氧化碳排放的列昂惕夫逆矩阵的元素。基于公式（6），计算前后向关联系数的

57、方法如下：1)前向关联（Forward Linkage）前向关联系数描述的是某一产业或部门生产出的产品或服务对其他产业或部门的重要性。也就是说，该部门产品作为中间投入对其他部门的影响。前向关联用感应度系数表示：=?#其中?是考虑了二氧化碳排放的列昂惕夫逆矩阵中的元素，是经济系统中的部门数量。感应度系数1，表示其他行业对该行业的最终需求每增加一个单位引起的二氧化碳排放高于平均水平。2)后向关联（Backward Linkage）41后向关联系数描述的是某一部门对其他产业或部门生产的产品或服务的依赖程度，也就是该产业在生产过程中对其他部门产品有多大的需求。后向关联系数高意味着该部门在生产过程中高度

58、依赖其他部门提供的产品和服务，这也意味着该部门在供应链中处于下游位置。后向关联度用影响力系数?表示：?=?#其中，其中?是考虑二氧化碳排放的列昂惕夫逆矩阵中的元素，是经济系统中的部门数量。影响力系数?1，表示该行业最终需求每增加一个单位所引起的二氧化碳排放高于平均水平。3.3.结构路径分析结构路径分析由于公式（4）中列昂惕夫逆矩阵可以用泰勒级数展开，通过公式（9）可以进一步识别二氧化碳排放的重要路径，得到如下结果31：其中，为第 0 产业层产生的碳排放，即最终需求消费产品或服务生产过程的碳排放，()表示第t个产业层产生的碳排放，即最终需求消费产品或服务第t产业层的碳排放，以此类推。例如，如果代

59、表生产一台电脑的需求，那么就是电脑制造商在生产电脑产品过程中排放的直接污染。为了生产该类电子产品，需要其他行业的投入，这些行业产生的间接污染。这一过程通过幂级数的无限展开继续进行。我们采用一种使用动态树数据结构的算法来扫描和识别重要的二氧化碳排放路径。424.4.结构分解分析结构分解分析结构分解分析（Structural decomposition analysis，SDA），是一种用于分析和理解社会经济系统中不同驱动因素对污染排放影响贡献的方法，可以分析不同经济部门对环境污染、资源使用和碳排放等的影响。在公式（4）基础上，可以用最终需求产品结构（如式（10）、需求种类结构（如式（11）、人均

60、最终需求水平（如式（12）和人口数量的乘积表示（式13），最终需求产品结构表示数字技术部门产品在最终需求结构中占比，需求种类结构表示居民消费、政府消费、资本形成、出口等需求的比例。?=?=1?#10?=1?=1?=1?#11?=1?=1?#12=?#13因此，可以用下列公式表示：=#14用表示观测期间二氧化碳的变化32，即为1时期产生的二氧化碳减去0时期：=1 0#15结合公式（14），可以进一步表示为：=+#1643公式（16）将碳足迹的变化分解为：二氧化碳强度变化、生产结构变化、最终需求产品结构变化、需求种类结构变化、人均最终需求变化和人口数量变化。采用Sun等人33的方法，用下列公式衡量

61、社会经济效应的贡献：F=12 00000+#17L=120+0000#18c=1200()+()000#19g=12000+00#20h=120000()+()0#21P=1200000()+()#22其中，（0）和（t）代表起始年份。44参考文献参考文献1国家互联网信息办公室.数字中国发展报告（2022 年）.2023.2Zhao S,Hafeez M,Faisal C M N.Does ICT diffusion leadto energy efficiency and environmental sustainability inemerging Asian economies?J.En

62、vironmental Science andPollution Research,2022,29(8):1219812207.3Sahoo M,Gupta M,Srivastava P.Does information andcommunication technology and financial development lead toenvironmentalsustainabilityinIndia?AnempiricalinsightJ.Telematics and Informatics,2021,60:101598.4中国信通院.中国数字经济发展研究报告（2023 年）.202

63、3.5Zhang W,Liu X,Wang D,et al.Digital economy andcarbon emission performance:Evidence at Chinas citylevelJ.Energy Policy,2022,165:112927.6Walsh B.The Surprisingly Large Energy Footprint ofthe Digital EconomyJ.TimeMagazine,2013,14.7Jiang B,Ding L,Fang X,et al.Driving impact andspatial effect of the d

64、igital economy development on carbonemissions in typical cities:a case study of Zhejiang,ChinaJ.Environmental Science and Pollution Research,452023.8国家统计局.中国统计年鉴M.北京:中国统计年鉴出版社,2020.9UnitedNationsConferenceonTradeandDevelopment(UNCTAD）.eWeek 2023:Shaping the Future of theDigital EconomyR.2023.10World

65、 Resource Institute&World Business Council forSustainableDevelopment.TechnicalGuidanceforCalculating Scope 3 EmissionsR.2013.11 联合国环境规划署.2022-2025 年应对气候变化、自然环境丧失和污染的战略R.2022.12联合国粮食及农业组织.2023 中国农业农村低碳发展报告R.2023.13华安证券.科技赋能、新基建，数字经济大有可为R.2022.14联合国粮食及农业组织.农业和农村地区数字技术的现状报告R.2021.15McKinsey&Company.Agr

66、iculturesupply-chainoptimization and value creationJ.2020.16联合国粮食及农业组织.科技赋能乡村发展 2022：数字科技赋能乡村产业发展R.2021.17减贫研究数据库.数字赋农：基本逻辑框架、主要途径、典型案例、困境与建议R.2023.4618Steel Scenario.Steels Contribution to A Low CarbonFuture and Climate Resilient SocietiesJ.2019.19头豹行业研读.2021 年中国钢铁行业数字化转型短报告R.2021.20McKinsey&Compan

67、y.钢企数字化转型：须用巧力盘活潜力R.2020.21International Energy Agency(IEA).Cement industryenergy and CO2 performance:Getting the numbers rightR.2019.22数字水泥.水泥企业现状与数字化转型之路R.2023.23McKinsey&Company.数字孪生打破虚实界限，创造产品开发无限可能R.2022.24Rai R,Tiwari M K,Ivanov D,et al.Machine learninginmanufacturingandindustry4.0applications

68、J.International Journal of Production Research,2021,59(16):47734778.25Jones M D,Hutcheson S,Camba J D.Past,present,andfuture barriers to digital transformation in manufacturing:A reviewJ.Journal of Manufacturing Systems,2021,60:936948.26中国人工智能学会.人工智能系列白皮书智能交通.2017.4727国家信息中心.五大数字技术为未来交通带来驱动效应R.2022.

69、28Leontief W W.Quantitative Input and Output Relationsin the Economic Systems of the United StatesJ.The Reviewof Economics and Statistics,1936,18(3):105.29LeontiefW.EnvironmentalRepercussionsandtheEconomicStructure:AnInput-OutputApproachJ.TheReview of Economics and Statistics,1970,52(3):262.30Minx J

70、 C,Wiedmann T,Wood R,et al.Inputoutputanalysisandcarbonfootprinting:anoverviewofapplicationsJ.Economic systems research,2009,21(3):187-216.31Peters G P,Hertwich E G.Structural analysis ofinternational trade:Environmental impacts of NorwayJ.Economic Systems Research,2006,18(2):155181.32DietzenbacherE,LosB.StructuralDecompositionTechniques:Sense and SensitivityJ.Economic SystemsResearch,1998,10(4):307324.33Sun C,Song J,Zhang D,et al.Tracing urban carbonfootprintsdifferentiatingsupplychaincomplexity:Ametropolis caseJ.Energy,2023,282:128708.