我國工業(yè)產(chǎn)能雄厚、產(chǎn)業(yè)門(mén)類(lèi)齊全，工業(yè)數據要素豐富，使用AI賦能工業(yè)脫碳具有巨大潛力。在世界500種主要工業(yè)品中，我國有超過(guò)220種產(chǎn)品的產(chǎn)量位居世界第一。重點(diǎn)行業(yè)方面，2020年，我國粗鋼產(chǎn)量10.65億噸、水泥產(chǎn)量23.8億噸、石油煉化能力近9億噸，是世界上最大的鋼鐵生產(chǎn)國、水泥生產(chǎn)國和石化產(chǎn)品生產(chǎn)大國。然而，現階段我國工業(yè)脫碳面臨的壓力相對突出，亟須AI賦能。當前，我國主要AI技術(shù)和相關(guān)基礎設施的發(fā)展已初見(jiàn)成效，工業(yè)數據要素的積累也初具規模。在積極推進(jìn)新型工業(yè)化的背景下，我國工業(yè)物聯(lián)網(wǎng)已覆蓋超過(guò)85%的工業(yè)大類(lèi)，連接設備超過(guò)8000萬(wàn)臺。但也需認識到，當前工業(yè)數據產(chǎn)權不清、流動(dòng)不暢、標準不一等問(wèn)題依然突出。這一方面會(huì )直接阻礙AI的廣泛應用，另一方面也難以發(fā)揮數據要素的“乘數效應”。
工業(yè)脫碳場(chǎng)景和機制的復雜性需要AI“精準賦能”。工業(yè)部門(mén)的脫碳機制復雜、減排技術(shù)多樣，這導致工業(yè)脫碳場(chǎng)景中“低垂的果實(shí)”和“減排瓶頸”相互交織。其中，“低垂的果實(shí)”往往集中于邊際減排成本曲線(xiàn)的最左端，代表場(chǎng)景包括工業(yè)能效提升、需求響應等，具有減排成效顯著(zhù)、減排成本較低且效益較高等特點(diǎn)?！皽p排瓶頸”則集中于邊際減排成本曲線(xiàn)的最右端，代表場(chǎng)景包括工藝綠色替代、使用DACCS抵消殘余排放等，實(shí)現單位減排的成本相對高昂。在A(yíng)I賦能工業(yè)脫碳的過(guò)程中，AI在不同場(chǎng)景中的應用潛力也不盡相同?？傮w而言，使用AI摘取“低垂的果實(shí)”具有路徑較為明確、應用效益較高、跨產(chǎn)業(yè)遷移性強等特點(diǎn)，例如，通過(guò)強化學(xué)習和時(shí)間序列分析等技術(shù)提升能源調度和工藝過(guò)程效率、結合生成式AI減少運營(yíng)管理過(guò)程中的非必要產(chǎn)品需求等。相比之下，使用AI突破“減排瓶頸”則具有手段相對有限、跨產(chǎn)業(yè)遷移性弱、路徑不確定性高等特點(diǎn)，其作用機制通常是推動(dòng)低碳技術(shù)要素的升級變革，例如，促進(jìn)DAC等技術(shù)創(chuàng )新和二氧化碳加綠氫制甲醇等工藝創(chuàng )新。在使用AI賦能工業(yè)脫碳的過(guò)程中，必須重視“精準賦能”，具體而言需做到精準識別優(yōu)先順序、精準適配應用場(chǎng)景、精準適配行業(yè)特點(diǎn)三個(gè)方面。無(wú)法實(shí)現精準適配將可能引起能耗不降反增、減排成效降低、資金無(wú)效配置等一系列問(wèn)題，從而阻礙AI技術(shù)對各類(lèi)要素優(yōu)化組合與協(xié)同配置作用的發(fā)揮。
工業(yè)產(chǎn)業(yè)鏈之間的強關(guān)聯(lián)性對AI的“系統賦能”提出了更高要求。在推進(jìn)工業(yè)脫碳的過(guò)程中，各項低碳技術(shù)和產(chǎn)業(yè)都不是孤立存在的。工業(yè)產(chǎn)業(yè)鏈的強關(guān)聯(lián)性體現在，相關(guān)技術(shù)的研究與產(chǎn)業(yè)、產(chǎn)業(yè)鏈上下游以及各區域產(chǎn)業(yè)之間均存在緊密聯(lián)系。使用AI賦能工業(yè)脫碳需要突破“單點(diǎn)賦能”模式，轉向“全產(chǎn)業(yè)鏈系統賦能”模式，其內在要求包括三個(gè)層面。第一，需要將AI貫穿于“基礎研究-應用研究-產(chǎn)業(yè)應用”的各個(gè)環(huán)節，進(jìn)一步促進(jìn)數據要素、知識要素和低碳技術(shù)要素的流通，并通過(guò)放大數據要素和知識要素的“乘數效應”實(shí)現正向循環(huán)、機制強化。在此過(guò)程中，尤其需要關(guān)注行業(yè)AI復合型人才的培養。AI技術(shù)本身是中性的，人機交互過(guò)程是決定AI應用質(zhì)量的核心環(huán)節。只有培養復合型人才，才能科學(xué)、有效地發(fā)揮AI的技術(shù)效能。第二，需要將AI貫穿于產(chǎn)業(yè)鏈原料供應到末端治理的各個(gè)環(huán)節。一方面是高效支持全生命周期（LCA）管理和終端產(chǎn)品碳排放認證，發(fā)揮AI豐富和強化數據要素的關(guān)鍵作用；另一方面是支持供應鏈優(yōu)化和用能管理，減少非必要產(chǎn)品需求和能源消耗，強化AI在促進(jìn)各要素組合優(yōu)化和協(xié)同配置方面的作用。第三，需要統籌考慮各區域產(chǎn)業(yè)優(yōu)勢。在使用AI賦能工業(yè)脫碳的過(guò)程中，AI和相關(guān)的基礎設施（云計算、數據中心等）本身也是產(chǎn)業(yè)鏈中的關(guān)鍵環(huán)節。不同區域的資源稟賦、產(chǎn)業(yè)結構和技術(shù)基礎往往各具特色，因地制宜部署AI產(chǎn)業(yè)和各工業(yè)鏈、發(fā)揮各區域間的協(xié)同互補優(yōu)勢亦是AI“系統賦能”工業(yè)脫碳的內在要求。
平衡AI的“雙刃劍效應”尤其需要關(guān)注公平性問(wèn)題。在使用AI技術(shù)助力工業(yè)領(lǐng)域實(shí)現碳中和目標的過(guò)程中，由于應用場(chǎng)景和數據來(lái)源通常與個(gè)人的直接關(guān)聯(lián)較少，相關(guān)應用衍生的公平性問(wèn)題往往比數據隱私、倫理等問(wèn)題更加突出。2024年諾貝爾經(jīng)濟學(xué)獎得主Daron Acemoglu和Simon Johnson在其著(zhù)作Power and Progress中指出，科技的進(jìn)步往往被用于集中精英權力，加劇馬太效應。多數工業(yè)部門(mén)具備資本密集、勞動(dòng)密集的特點(diǎn)，AI賦能工業(yè)脫碳引發(fā)的公平性問(wèn)題往往外化為四種形式。一是沖擊就業(yè)市場(chǎng)，例如，自動(dòng)化技術(shù)的普及將減少社會(huì )對勞動(dòng)密集型崗位的需求，生成式AI的廣泛應用可能減少行業(yè)內對傳統低碳工程師和咨詢(xún)師的需求，能效的提升也可能促使對傳統工藝調控崗位需求的減少等。二是壓縮中小型企業(yè)生存空間。中小型企業(yè)通常面臨資金和技術(shù)上的短板，大型企業(yè)在使用AI賦能工業(yè)脫碳的過(guò)程中往往更具優(yōu)勢，這種差距可能會(huì )加劇相關(guān)行業(yè)的寡頭和壟斷現象。三是影響區域經(jīng)濟平衡發(fā)展。經(jīng)濟發(fā)達地區具有相對優(yōu)越的資金優(yōu)勢、技術(shù)優(yōu)勢和AI基礎設施優(yōu)勢，這可能會(huì )引發(fā)經(jīng)濟欠發(fā)達地區的AI賦能困難、工業(yè)產(chǎn)業(yè)轉移等問(wèn)題。四是影響全球技術(shù)和產(chǎn)業(yè)分工格局。近年來(lái)，部分技術(shù)相對發(fā)達的國家以“安全需求”等借口頻繁實(shí)施技術(shù)出口管制和科技產(chǎn)業(yè)投資限制。在現有全球合作格局和綠色貿易規則的影響下，發(fā)展中國家和“全球南方”國家將更有可能在全球工業(yè)價(jià)值鏈中處于不利地位，面臨著(zhù)更加嚴峻的工業(yè)產(chǎn)業(yè)發(fā)展挑戰和低碳轉型挑戰。
本文節選自《學(xué)術(shù)前沿》雜志2025年第2期《人工智能助力工業(yè)領(lǐng)域碳中和的機制與關(guān)鍵》一文
作者：
王燦 清華大學(xué)環(huán)境學(xué)院黨委書(shū)記、長(cháng)聘教授、博導，清華大學(xué)碳中和研究院減污降碳協(xié)同中心主任
來(lái)源：學(xué)術(shù)前沿雜志
