【摘要】工業(yè)是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，也是實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)的主戰(zhàn)場。蓬勃發(fā)展的人工智能（AI）技術(shù)為工業(yè)脫碳帶來了新的機(jī)遇。通過推動(dòng)低碳技術(shù)要素的升級(jí)變革、豐富和強(qiáng)化數(shù)據(jù)要素的關(guān)鍵作用、促進(jìn)各類要素的組合優(yōu)化與協(xié)同配置以及變革性提升人力資本質(zhì)量，AI將深刻影響工業(yè)領(lǐng)域的生產(chǎn)力與生產(chǎn)關(guān)系，助力工業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)。在這一過程中，需充分挖掘并發(fā)揮工業(yè)數(shù)據(jù)要素的作用，著力提升AI賦能的精準(zhǔn)性和系統(tǒng)性，并積極關(guān)注可能衍生的公平性問題。當(dāng)前，應(yīng)加快建設(shè)工業(yè)數(shù)據(jù)要素市場；積極開展研究和示范，提升AI技術(shù)與應(yīng)用場景的適配度；突破“單點(diǎn)賦能”模式，構(gòu)建以“產(chǎn)業(yè)鏈協(xié)同”為核心的AI賦能體系；通過優(yōu)化轉(zhuǎn)移支付體系、加強(qiáng)反壟斷監(jiān)管、加大教培投資和積極參與全球治理等方式，著力應(yīng)對(duì)AI賦能工業(yè)的“雙刃劍”效應(yīng)。

【關(guān)鍵詞】工業(yè) 碳達(dá)峰碳中和 人工智能 公平性問題 數(shù)據(jù)要素

【中圖分類號(hào)】TP18/F426.22 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2025.02.005

【作者簡介】王燦，清華大學(xué)環(huán)境學(xué)院黨委書記、長聘教授、博導(dǎo)，清華大學(xué)碳中和研究院減污降碳協(xié)同中心主任。研究方向?yàn)闅夂蜃兓?jīng)濟(jì)學(xué)與政策、環(huán)境-能源-經(jīng)濟(jì)系統(tǒng)分析、技術(shù)與政策的綜合影響評(píng)估。主要著作有《氣候變化經(jīng)濟(jì)學(xué)》（合著）、《碳達(dá)峰碳中和：邁向新發(fā)展路徑》（合著）、《全球氣候公約談判實(shí)務(wù)》（合著）等。

引言

實(shí)現(xiàn)碳中和目標(biāo)已成為國際共識(shí)，全球碳中和進(jìn)程已步入執(zhí)行階段。隨著氣溫持續(xù)升高和極端天氣事件頻發(fā)，世界各國開始積極應(yīng)對(duì)氣候變化。截至2024年5月，全球已有151個(gè)國家提出了碳中和目標(biāo)。盡管仍然面臨重重障礙，例如，美國氣候政策的波動(dòng)影響全球雄心、歐洲能源危機(jī)導(dǎo)致綠色政策退步、發(fā)展中國家和全球南方的轉(zhuǎn)型資金依然匱乏等，全球碳中和行動(dòng)仍然在成效落實(shí)方面取得了亮眼成績。一是相關(guān)政策和法律保障體系持續(xù)完善，截至2024年5月，全球已有120個(gè)國家以法律或政策文件的形式確立了碳中和目標(biāo)的法律地位，86個(gè)國家提出了詳細(xì)的碳中和路線圖；二是多項(xiàng)碳中和技術(shù)加速部署，2023年，全球光伏和風(fēng)電的新增裝機(jī)量分別達(dá)到346GW和116GW，全球電動(dòng)輕型乘用車銷量增長30%以上；三是資金問題得到一定程度解決，第29屆聯(lián)合國氣候變化大會(huì)（COP29）氣候融資集體量化目標(biāo)相關(guān)草案提出了到2030年每年籌集1萬億至1.3萬億美元的氣候融資目標(biāo)。對(duì)于中國而言，自“雙碳”目標(biāo)提出以來，“1＋N”政策體系逐步完善，能源結(jié)構(gòu)持續(xù)優(yōu)化、能耗強(qiáng)度迅速下降、綠色產(chǎn)業(yè)蓬勃發(fā)展、生態(tài)系統(tǒng)碳匯能力穩(wěn)步增強(qiáng)。盡管任重道遠(yuǎn)，但實(shí)現(xiàn)“雙碳”目標(biāo)的承諾是堅(jiān)定不移的。

工業(yè)是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，是能源消耗和碳排放的主要來源之一，也是實(shí)現(xiàn)“雙碳”目標(biāo)的主戰(zhàn)場。我國的工業(yè)產(chǎn)能雄厚、產(chǎn)業(yè)門類齊全，工業(yè)領(lǐng)域的能源消費(fèi)占我國能源消費(fèi)總量的60%以上，產(chǎn)生的碳排放量約占全國總量的40%。其中，鋼鐵、水泥、石化、化工是工業(yè)領(lǐng)域碳排放的主要來源，合計(jì)排放量占據(jù)排放總量的80%以上。工業(yè)領(lǐng)域能否率先達(dá)峰，是實(shí)現(xiàn)2030碳達(dá)峰目標(biāo)的關(guān)鍵；而實(shí)現(xiàn)2060碳中和目標(biāo)，也為工業(yè)領(lǐng)域深度脫碳提出了更高要求。首先，諸如鋼鐵、水泥等行業(yè)屬于難以減排的領(lǐng)域，實(shí)現(xiàn)深度脫碳面臨較為高昂的邊際減排成本。其次，我國工業(yè)用能碳強(qiáng)度較高，煤和焦炭滿足了近90%的煉鋼能源需求，而美、英等國煉鋼則主要基于天然氣和電力。同時(shí)，我國工業(yè)能效水平相對(duì)較低，2020年仍有30%鋼鐵產(chǎn)能和24%水泥產(chǎn)能的能效低于基準(zhǔn)水平。此外，相對(duì)年輕的鋼鐵、化工設(shè)備資產(chǎn)也帶來了更高的資產(chǎn)擱淺風(fēng)險(xiǎn)。

近年來，人工智能（AI）技術(shù)的迅速發(fā)展催生了一批以綠色、智能、融合為特征的新產(chǎn)品、新技術(shù)、新業(yè)態(tài)，為助力工業(yè)領(lǐng)域碳中和帶來了新的機(jī)遇。立足實(shí)現(xiàn)“雙碳”目標(biāo)，厘清AI助力工業(yè)脫碳的作用機(jī)制，識(shí)別工業(yè)領(lǐng)域脫碳的特點(diǎn)及其對(duì)AI作用機(jī)制產(chǎn)生的影響，把握并回應(yīng)AI賦能工業(yè)脫碳引發(fā)的關(guān)鍵問題，具有重要的理論價(jià)值與實(shí)踐意義。

工業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)的宏觀路徑

在實(shí)現(xiàn)“雙碳”目標(biāo)的過程中，工業(yè)領(lǐng)域?qū)⒊尸F(xiàn)“達(dá)峰先行”和“中和攻堅(jiān)”的特點(diǎn)。受人口增速降低、城鎮(zhèn)化進(jìn)程趨于飽和、基礎(chǔ)設(shè)施建設(shè)逐步放緩等因素的影響，我國鋼鐵、水泥等主要工業(yè)品的需求預(yù)計(jì)將持續(xù)下降。在工業(yè)能耗強(qiáng)度逐步降低、用能結(jié)構(gòu)持續(xù)優(yōu)化的背景下，預(yù)計(jì)工業(yè)碳排放達(dá)峰時(shí)間將早于2030年，相較于交通、建筑、熱力和農(nóng)業(yè)等領(lǐng)域提前3至5年。[1]然而，工業(yè)領(lǐng)域在邁向碳中和的進(jìn)程中仍面臨著一系列“減排瓶頸”，尤其是在減少高品位供熱排放和化學(xué)反應(yīng)過程排放等方面。鑒于此類排放的邊際減排成本較高，工業(yè)部門可能在2060年仍存在部分殘余排放，需依賴一定規(guī)模的碳移除（CDR）技術(shù)進(jìn)行抵消?？傮w而言，工業(yè)領(lǐng)域?qū)崿F(xiàn)碳中和目標(biāo)，主要依托四大類措施[2]：（1）節(jié)能降耗；（2）加快供能結(jié)構(gòu)低碳轉(zhuǎn)型；（3）推動(dòng)工藝流程清潔化；（4）部署負(fù)排放技術(shù)。其中，節(jié)能降耗措施側(cè)重于在“達(dá)峰平臺(tái)期”（當(dāng)前至2030年）發(fā)揮主導(dǎo)作用；供能結(jié)構(gòu)低碳轉(zhuǎn)型和工藝流程清潔化將成為“快速降碳期”（2030～2050年）推進(jìn)大幅減排的核心手段，以碳捕集、利用與封存（CCUS）技術(shù)為代表的負(fù)排放技術(shù)將同樣在此階段發(fā)揮關(guān)鍵作用；而以各類CDR技術(shù)為代表的負(fù)排放技術(shù)，則將在“深度脫碳期”（2050年后）為實(shí)現(xiàn)凈零排放提供堅(jiān)實(shí)保障。

實(shí)施全方位節(jié)能降耗，持續(xù)降低工業(yè)領(lǐng)域的能源需求。全方位節(jié)能降耗包括降低單位產(chǎn)出能源消耗強(qiáng)度和減少工業(yè)產(chǎn)出需求兩個(gè)層面。其中，大幅推廣節(jié)能技術(shù)和能效提升技術(shù)是降低單位產(chǎn)出能源消耗強(qiáng)度的關(guān)鍵手段，具體措施包括在工業(yè)領(lǐng)域應(yīng)用高效電機(jī)、高效鍋爐、變頻驅(qū)動(dòng)器等節(jié)能技術(shù)，以及通過余熱回收與利用、能源梯級(jí)利用等方式最大限度提高能源利用效率。相比之下，減少工業(yè)產(chǎn)出需求還涉及工業(yè)生產(chǎn)過程以外的多個(gè)方面，包括加快循環(huán)經(jīng)濟(jì)體系建設(shè)，優(yōu)化工業(yè)產(chǎn)品設(shè)計(jì)、延長使用壽命，推動(dòng)資源梯次利用，建設(shè)高效的回收再造體系；引導(dǎo)需求端行為改變，鼓勵(lì)資源節(jié)約型消費(fèi)模式，普及綠色消費(fèi)理念、助力綠色產(chǎn)品替代；推進(jìn)全供應(yīng)鏈優(yōu)化，實(shí)施精益管理，減少生產(chǎn)、儲(chǔ)存和運(yùn)輸過程中的物料浪費(fèi)，減少非必要的工業(yè)產(chǎn)品需求等。

加快供能結(jié)構(gòu)低碳轉(zhuǎn)型，逐步構(gòu)建清潔、經(jīng)濟(jì)、可靠的工業(yè)供能體系。實(shí)現(xiàn)供能結(jié)構(gòu)低碳轉(zhuǎn)型的關(guān)鍵是工業(yè)用電和工業(yè)用熱的低碳化，提高清潔能源滲透率是核心舉措。一方面，需要加快風(fēng)能、太陽能、生物質(zhì)能、核能等清潔能源的大規(guī)模開發(fā)和應(yīng)用，強(qiáng)化配套的儲(chǔ)能技術(shù)和輸配電網(wǎng)絡(luò)建設(shè)，確保大規(guī)模開發(fā)與高效消納的同步推進(jìn)。在這一過程中，要特別注意處理好可再生能源的波動(dòng)性和工業(yè)生產(chǎn)的連續(xù)性之間的矛盾，需要通過新型儲(chǔ)能、智能電網(wǎng)等技術(shù)提升供能系統(tǒng)的穩(wěn)定性和靈活性。另一方面，需要推進(jìn)清潔熱能在工業(yè)供熱中的深度應(yīng)用。對(duì)于低品位熱需求，可著力推廣熱泵等技術(shù)，實(shí)現(xiàn)清潔電力到清潔熱能的轉(zhuǎn)換；對(duì)于難以滿足的高溫?zé)嵝枨?，則可通過生物燃料、綠氫及氫基衍生物（綠氨、綠醇）等實(shí)現(xiàn)清潔供熱。

推動(dòng)工藝流程清潔化，加快重點(diǎn)部門工藝技術(shù)革新。工藝技術(shù)革新是工業(yè)領(lǐng)域?qū)崿F(xiàn)深度脫碳的核心支撐，尤其是對(duì)于鋼鐵、水泥和化工等重工業(yè)部門。鋼鐵部門當(dāng)前的主流工藝是排放量較大的高爐-轉(zhuǎn)爐工藝，需要以煤和焦炭作為原料和燃料投入。鋼鐵行業(yè)的工藝革新應(yīng)聚焦優(yōu)化傳統(tǒng)生產(chǎn)工藝，采用純氧高爐、氫氣噴吹等技術(shù)降低長流程工藝的碳強(qiáng)度；加速短流程工藝的推廣替代，提升廢鋼-電弧爐等工藝的市場份額；推動(dòng)新興工藝的研發(fā)和應(yīng)用，探索綠氫直接還原鐵、綠氫等離子體熔融還原及直接電解等工藝的應(yīng)用模式。水泥部門需要研發(fā)并推廣低熟料水泥生產(chǎn)工藝，降低工藝過程產(chǎn)生的排放?；げ块T需要加快推進(jìn)基于綠氫的化工產(chǎn)品生產(chǎn)工藝創(chuàng)新，如綠氫合成氨、二氧化碳加綠氫制甲醇等新興工藝；而在傳統(tǒng)煤化工領(lǐng)域，則應(yīng)積極探索煤化工耦合綠氫等工藝，降低原有工藝碳強(qiáng)度、提高資產(chǎn)利用率；持續(xù)推進(jìn)生物化工工藝的研發(fā)與應(yīng)用，充分發(fā)揮生物質(zhì)在提供綠色氫源和綠色碳源方面的潛力。

推進(jìn)負(fù)排放技術(shù)部署，保障工業(yè)領(lǐng)域?qū)崿F(xiàn)深度脫碳目標(biāo)。廣義的負(fù)排放技術(shù)主要包括CCUS技術(shù)和CDR技術(shù)兩大類。其中，CCUS技術(shù)在轉(zhuǎn)型中期發(fā)揮著關(guān)鍵作用，通過降低傳統(tǒng)高碳工藝過程排放和減少化石燃料發(fā)電排放等手段助力工業(yè)減排。盡管CCUS技術(shù)無法完全實(shí)現(xiàn)工業(yè)生產(chǎn)與化石燃料的脫鉤，但其在實(shí)現(xiàn)中短期減排目標(biāo)、充分利用現(xiàn)有資產(chǎn)等方面仍發(fā)揮著重要的過渡作用。CDR技術(shù)主要包括生物質(zhì)能碳捕集與封存（BECCS）、直接空氣碳捕集與封存（DACCS）以及陸地生態(tài)碳匯等內(nèi)容，預(yù)計(jì)將在轉(zhuǎn)型后期有效抵消殘余排放，助力工業(yè)領(lǐng)域?qū)崿F(xiàn)碳中和目標(biāo)。

人工智能助力工業(yè)領(lǐng)域碳中和的作用機(jī)制

在助力工業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)的過程中，AI技術(shù)具有豐富的可選擇性，能夠適應(yīng)多元化的應(yīng)用場景。廣義上，AI技術(shù)指的是用于執(zhí)行與人腦相關(guān)的任務(wù)，特別是學(xué)習(xí)和解決問題等認(rèn)知任務(wù)的各種技術(shù)和方法的集合，具體包括機(jī)器視覺、自然語言處理、機(jī)器學(xué)習(xí)等。這些技術(shù)可以通過多種途徑在不同的工業(yè)減排場景中得到應(yīng)用（見表1）。通過助力全方位節(jié)能降耗、加快供能結(jié)構(gòu)低碳轉(zhuǎn)型、推動(dòng)工藝流程清潔化和助力負(fù)排放技術(shù)部署四類方式，AI技術(shù)可以直接或間接地推動(dòng)工業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)。作為一種典型的“新質(zhì)生產(chǎn)力”，AI技術(shù)在工業(yè)領(lǐng)域的應(yīng)用也將深刻影響工業(yè)領(lǐng)域的生產(chǎn)力與生產(chǎn)關(guān)系?；谏a(chǎn)力理論的宏觀視角，AI助力工業(yè)脫碳的作用機(jī)制可分為四大類。

推動(dòng)低碳技術(shù)要素的升級(jí)變革。低碳技術(shù)的創(chuàng)新和應(yīng)用是推進(jìn)工業(yè)領(lǐng)域低碳轉(zhuǎn)型的直接動(dòng)力。近年來，AI技術(shù)在低碳技術(shù)創(chuàng)新中的應(yīng)用潛力日益凸顯。[3]將機(jī)器學(xué)習(xí)與高通量篩選相結(jié)合，可以加速儲(chǔ)能電池、高性能隔熱材料和化學(xué)工藝催化劑的材料篩選過程，提升材料的使用效率和壽命；結(jié)合機(jī)器學(xué)習(xí)與傳統(tǒng)建模仿真技術(shù)，可大幅加速設(shè)備與工藝的設(shè)計(jì)過程，例如，助力風(fēng)機(jī)葉片設(shè)計(jì)、余熱回收系統(tǒng)設(shè)計(jì)等；利用數(shù)據(jù)挖掘和可解釋機(jī)器學(xué)習(xí)等技術(shù)，能夠識(shí)別各類工藝過程中的潛在反應(yīng)規(guī)律，從而實(shí)現(xiàn)水泥配方的高效優(yōu)化、化學(xué)反應(yīng)條件的針對(duì)性改進(jìn)等。通過上述手段，AI技術(shù)可以有效加速各類工業(yè)低碳技術(shù)的研發(fā)進(jìn)程、提升相關(guān)技術(shù)性能，降低技術(shù)轉(zhuǎn)換成本，加快推進(jìn)低碳技術(shù)在工業(yè)領(lǐng)域的大規(guī)模部署。

豐富和強(qiáng)化數(shù)據(jù)要素的關(guān)鍵作用。隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)據(jù)正在逐步成為新型生產(chǎn)要素。[4]AI技術(shù)與數(shù)據(jù)要素之間存在緊密聯(lián)系。一方面，各類AI技術(shù)的應(yīng)用本身就依賴于數(shù)據(jù)要素的投入；另一方面，AI技術(shù)又可以反過來提升數(shù)據(jù)要素的數(shù)量和質(zhì)量，放大數(shù)據(jù)要素的“乘數(shù)效應(yīng)”。首先，AI技術(shù)可以降低部分工業(yè)數(shù)據(jù)的獲取成本、提升相關(guān)數(shù)據(jù)的時(shí)效性。以鋼鐵行業(yè)為例，傳統(tǒng)的高爐設(shè)施內(nèi)部溫度接近2300℃，工況檢測往往依賴于外部傳感器的間接感應(yīng)，所得檢測數(shù)據(jù)的誤差大、滯后性強(qiáng)、獲取成本高。而結(jié)合機(jī)器視覺和時(shí)序信息增強(qiáng)等機(jī)器學(xué)習(xí)算法，可實(shí)現(xiàn)對(duì)爐內(nèi)工況的實(shí)時(shí)、準(zhǔn)確檢測，這將為能耗優(yōu)化和能源調(diào)度提供高質(zhì)量的數(shù)據(jù)基礎(chǔ)。其次，AI技術(shù)能夠提高工業(yè)數(shù)據(jù)要素的質(zhì)量、豐富數(shù)據(jù)要素的內(nèi)容。將物聯(lián)網(wǎng)技術(shù)與機(jī)器學(xué)習(xí)算法、自然語言處理等AI技術(shù)相結(jié)合，可對(duì)海量的工業(yè)過程數(shù)據(jù)、文本數(shù)據(jù)進(jìn)行高效清洗提煉，并通過聚類分析等方法進(jìn)一步提升數(shù)據(jù)的完整性和準(zhǔn)確性。這將為工業(yè)產(chǎn)品的全生命周期碳排放管理提供有效的數(shù)據(jù)支持。此外，AI技術(shù)還可以便利數(shù)據(jù)要素的集成、調(diào)度和計(jì)算。智能通信技術(shù)可與云計(jì)算等技術(shù)結(jié)合，通過數(shù)據(jù)壓縮、邊緣計(jì)算、分布式優(yōu)化等方式，保障工業(yè)數(shù)據(jù)的高效流通，為AI技術(shù)的工業(yè)應(yīng)用提供安全有效的基礎(chǔ)服務(wù)支撐。

促進(jìn)各類要素的組合優(yōu)化與協(xié)同配置。隨著強(qiáng)化學(xué)習(xí)、智能控制等技術(shù)的進(jìn)步，AI展現(xiàn)出優(yōu)越的動(dòng)態(tài)優(yōu)化和控制調(diào)度能力，這為工業(yè)部門脫碳提供了直接支持。一是面對(duì)風(fēng)光等清潔能源的波動(dòng)性和不確定性，AI技術(shù)能夠?qū)C合能源供應(yīng)系統(tǒng)進(jìn)行動(dòng)態(tài)優(yōu)化和多能協(xié)同調(diào)度，充分發(fā)揮“風(fēng)-光-儲(chǔ)”互補(bǔ)效益和熱電協(xié)同效益，以更低的成本和更高的可靠性推動(dòng)清潔能源滲透，提升工業(yè)用能的清潔化水平；二是通過對(duì)工藝過程進(jìn)行實(shí)時(shí)優(yōu)化和動(dòng)態(tài)調(diào)控，AI技術(shù)可以降低清潔新工藝的使用成本，助力清潔工藝的推廣和應(yīng)用；三是通過提高自動(dòng)化水平、優(yōu)化供應(yīng)鏈管理等手段，AI技術(shù)可以減少非必要的能源消耗和產(chǎn)品需求；四是通過優(yōu)化碳封存的注入策略、識(shí)別優(yōu)質(zhì)碳封存點(diǎn)等措施，AI技術(shù)有助于降低負(fù)排放技術(shù)的應(yīng)用成本，在大幅減排的同時(shí)充分利用傳統(tǒng)工業(yè)設(shè)施產(chǎn)能，化解擱淺資產(chǎn)風(fēng)險(xiǎn)。此外，有效的動(dòng)態(tài)優(yōu)化離不開精準(zhǔn)的參數(shù)預(yù)測。時(shí)間序列分析等技術(shù)也為準(zhǔn)確預(yù)測工況參數(shù)、能耗曲線、可再生能源出力曲線提供了有效支撐，這將間接助力上述動(dòng)態(tài)優(yōu)化和控制調(diào)度過程。

變革性提升人力資本質(zhì)量。人力資本在工業(yè)生產(chǎn)和經(jīng)營過程中具有重要意義，貫穿決策制定、技術(shù)研發(fā)、一線生產(chǎn)、運(yùn)營管理等各個(gè)環(huán)節(jié)。知識(shí)與技能要素是人力資本的關(guān)鍵構(gòu)成要素，通過對(duì)其深度賦能，AI可推動(dòng)人力資本質(zhì)量實(shí)現(xiàn)變革性提升。其中，以ChatGPT等技術(shù)為代表的生成式AI近年來經(jīng)歷了蓬勃發(fā)展，此類技術(shù)既是海量專業(yè)知識(shí)的容器，又是人機(jī)高效交互的接口，還是可協(xié)同不同組件與工具的操作系統(tǒng)。[5]生成式AI正逐步以“人機(jī)協(xié)同”的模式重塑勞動(dòng)力市場的基本形態(tài)，重構(gòu)已有的知識(shí)挖掘與流通模式，提升與之交互的人力資本知識(shí)要素的容量與質(zhì)量；降低各項(xiàng)關(guān)鍵技能和能力的應(yīng)用門檻，提升應(yīng)用效率。在生成式AI賦能人力資本，助力工業(yè)領(lǐng)域?qū)崿F(xiàn)碳中和目標(biāo)的過程中，以下三類典型應(yīng)用場景尤其值得注意。一是賦能研發(fā)人員，推動(dòng)低碳技術(shù)創(chuàng)新。工業(yè)低碳技術(shù)的創(chuàng)新往往依賴于專業(yè)知識(shí)的積累和傳遞，與生成式AI的交互有助于大幅提高知識(shí)傳遞效率并拓展專家知識(shí)覆蓋面，加速技術(shù)創(chuàng)新進(jìn)程；通過將已有的專家知識(shí)嵌入大語言模型，生成式AI甚至可以獨(dú)立完成材料篩選和設(shè)計(jì)等任務(wù)。二是賦能相關(guān)工程師，降低能源與工業(yè)系統(tǒng)實(shí)現(xiàn)智能控制的技術(shù)門檻。生成式AI可以準(zhǔn)確高效開展定制化代碼生成、改寫等基本任務(wù)。結(jié)合少量提示工程，生成式AI可以與其他工業(yè)系統(tǒng)軟硬件模塊相結(jié)合，有效完成動(dòng)態(tài)監(jiān)測、信息整合、實(shí)時(shí)過程優(yōu)化等高階任務(wù)。三是賦能相關(guān)決策者，推動(dòng)工業(yè)園區(qū)和企業(yè)的運(yùn)營及決策過程發(fā)生深刻變革。通過代替部分人類專家、小模型以及傳統(tǒng)的決策支持系統(tǒng)，生成式AI可以在設(shè)計(jì)工廠低碳轉(zhuǎn)型方案、優(yōu)化供應(yīng)鏈管理、減少信息不對(duì)稱性等方面發(fā)揮重要作用，提升相關(guān)決策的質(zhì)量和效率。

使用人工智能賦能工業(yè)脫碳的機(jī)遇與挑戰(zhàn)

我國工業(yè)產(chǎn)能雄厚、產(chǎn)業(yè)門類齊全，工業(yè)數(shù)據(jù)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(xiàn)階段我國工業(yè)脫碳面臨的壓力相對(duì)突出，亟須AI賦能。[6]當(dāng)前，我國主要AI技術(shù)和相關(guān)基礎(chǔ)設(shè)施的發(fā)展已初見成效，工業(yè)數(shù)據(jù)要素的積累也初具規(guī)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85%的工業(yè)大類，連接設(shè)備超過8000萬臺(tái)。但也需認(rèn)識(shí)到，當(dāng)前工業(yè)數(shù)據(jù)產(chǎn)權(quán)不清、流動(dòng)不暢、標(biāo)準(zhǔn)不一等問題依然突出。這一方面會(huì)直接阻礙AI的廣泛應(yīng)用，另一方面也難以發(fā)揮數(shù)據(jù)要素的“乘數(shù)效應(yīng)”。

工業(yè)脫碳場景和機(jī)制的復(fù)雜性需要AI“精準(zhǔn)賦能”。工業(yè)部門的脫碳機(jī)制復(fù)雜、減排技術(shù)多樣，這導(dǎo)致工業(yè)脫碳場景中“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的最左端，代表場景包括工業(yè)能效提升、需求響應(yīng)等，具有減排成效顯著、減排成本較低且效益較高等特點(diǎn)。“減排瓶頸”則集中于邊際減排成本曲線的最右端，代表場景包括工藝綠色替代、使用DACCS抵消殘余排放等，實(shí)現(xiàn)單位減排的成本相對(duì)高昂。在AI賦能工業(yè)脫碳的過程中，AI在不同場景中的應(yīng)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(yīng)用效益較高、跨產(chǎn)業(yè)遷移性強(qiáng)等特點(diǎn)，例如，通過強(qiáng)化學(xué)習(xí)和時(shí)間序列分析等技術(shù)提升能源調(diào)度和工藝過程效率、結(jié)合生成式AI減少運(yùn)營管理過程中的非必要產(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(duì)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(jī)制通常是推動(dòng)低碳技術(shù)要素的升級(jí)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)脫碳的過程中，必須重視“精準(zhǔn)賦能”，具體而言需做到精準(zhǔn)識(shí)別優(yōu)先順序、精準(zhǔn)適配應(yīng)用場景、精準(zhǔn)適配行業(yè)特點(diǎn)三個(gè)方面。無法實(shí)現(xiàn)精準(zhǔn)適配將可能引起能耗不降反增、減排成效降低、資金無效配置等一系列問題，從而阻礙AI技術(shù)對(duì)各類要素優(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(qiáng)關(guān)聯(lián)性對(duì)AI的“系統(tǒng)賦能”提出了更高要求。在推進(jìn)工業(yè)脫碳的過程中，各項(xiàng)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(qiáng)關(guān)聯(lián)性體現(xiàn)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(qū)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(zhuǎn)向“全產(chǎn)業(yè)鏈系統(tǒng)賦能”模式，其內(nèi)在要求包括三個(gè)層面。第一，需要將AI貫穿于“基礎(chǔ)研究-應(yīng)用研究-產(chǎn)業(yè)應(yīng)用”的各個(gè)環(huán)節(jié)，進(jìn)一步促進(jìn)數(shù)據(jù)要素、知識(shí)要素和低碳技術(shù)要素的流通，并通過放大數(shù)據(jù)要素和知識(shí)要素的“乘數(shù)效應(yīng)”實(shí)現(xiàn)正向循環(huán)、機(jī)制強(qiáng)化。在此過程中，尤其需要關(guān)注行業(yè)AI復(fù)合型人才的培養(yǎng)。AI技術(shù)本身是中性的，人機(jī)交互過程是決定AI應(yīng)用質(zhì)量的核心環(huán)節(jié)。只有培養(yǎng)復(fù)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(yīng)到末端治理的各個(gè)環(huán)節(jié)。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(rèn)證，發(fā)揮AI豐富和強(qiáng)化數(shù)據(jù)要素的關(guān)鍵作用；另一方面是支持供應(yīng)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(qiáng)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(tǒng)籌考慮各區(qū)域產(chǎn)業(yè)優(yōu)勢。在使用AI賦能工業(yè)脫碳的過程中，AI和相關(guān)的基礎(chǔ)設(shè)施（云計(jì)算、數(shù)據(jù)中心等）本身也是產(chǎn)業(yè)鏈中的關(guān)鍵環(huán)節(jié)。不同區(qū)域的資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)基礎(chǔ)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(qū)域間的協(xié)同互補(bǔ)優(yōu)勢亦是AI“系統(tǒng)賦能”工業(yè)脫碳的內(nèi)在要求。

平衡AI的“雙刃劍效應(yīng)”尤其需要關(guān)注公平性問題。在使用AI技術(shù)助力工業(yè)領(lǐng)域?qū)崿F(xiàn)碳中和目標(biāo)的過程中，由于應(yīng)用場景和數(shù)據(jù)來源通常與個(gè)人的直接關(guān)聯(lián)較少，相關(guān)應(yīng)用衍生的公平性問題往往比數(shù)據(jù)隱私、倫理等問題更加突出。2024年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Daron Acemoglu和Simon Johnson在其著作Power and Progress中指出，科技的進(jìn)步往往被用于集中精英權(quán)力，加劇馬太效應(yīng)。[7]多數(shù)工業(yè)部門具備資本密集、勞動(dòng)密集的特點(diǎn)，AI賦能工業(yè)脫碳引發(fā)的公平性問題往往外化為四種形式。一是沖擊就業(yè)市場，[8]例如，自動(dòng)化技術(shù)的普及將減少社會(huì)對(duì)勞動(dòng)密集型崗位的需求，生成式AI的廣泛應(yīng)用可能減少行業(yè)內(nèi)對(duì)傳統(tǒng)低碳工程師和咨詢師的需求，能效的提升也可能促使對(duì)傳統(tǒng)工藝調(diào)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(xiàn)象。三是影響區(qū)域經(jīng)濟(jì)平衡發(fā)展。經(jīng)濟(jì)發(fā)達(dá)地區(qū)具有相對(duì)優(yōu)越的資金優(yōu)勢、技術(shù)優(yōu)勢和AI基礎(chǔ)設(shè)施優(yōu)勢，這可能會(huì)引發(fā)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的AI賦能困難、工業(yè)產(chǎn)業(yè)轉(zhuǎn)移等問題。四是影響全球技術(shù)和產(chǎn)業(yè)分工格局。近年來，部分技術(shù)相對(duì)發(fā)達(dá)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(xiàn)有全球合作格局和綠色貿(mào)易規(guī)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，面臨著更加嚴(yán)峻的工業(yè)產(chǎn)業(yè)發(fā)展挑戰(zhàn)和低碳轉(zhuǎn)型挑戰(zhàn)。[9]

人工智能助力工業(yè)領(lǐng)域?qū)崿F(xiàn)碳中和目標(biāo)的關(guān)鍵對(duì)策

加快建設(shè)工業(yè)數(shù)據(jù)要素市場，著力完善相關(guān)基礎(chǔ)設(shè)施與制度保障。一是推進(jìn)“AI＋工業(yè)物聯(lián)網(wǎng)”的深度應(yīng)用，進(jìn)一步擴(kuò)充高質(zhì)量工業(yè)數(shù)據(jù)源。借助零碳園區(qū)建設(shè)等專項(xiàng)行動(dòng)契機(jī)，推進(jìn)相關(guān)基礎(chǔ)設(shè)施建設(shè)落地與升級(jí)，針對(duì)不同工業(yè)應(yīng)用場景開發(fā)適配的物聯(lián)方案、物聯(lián)設(shè)備，配備針對(duì)性的AI智能算法，提升工業(yè)數(shù)據(jù)采集的精度并拓展覆蓋面。二是加快建設(shè)工業(yè)大數(shù)據(jù)要素交易平臺(tái)。加快工業(yè)數(shù)據(jù)技術(shù)標(biāo)準(zhǔn)、數(shù)據(jù)格式、傳輸協(xié)議等方面的一致性建設(shè)，針對(duì)典型的工業(yè)數(shù)據(jù)產(chǎn)出場景制定標(biāo)準(zhǔn)清單；強(qiáng)化數(shù)據(jù)要素與資本要素的結(jié)合，通過數(shù)據(jù)質(zhì)押貸款、數(shù)據(jù)證券化等金融工具強(qiáng)化數(shù)據(jù)資產(chǎn)屬性，便利數(shù)據(jù)要素流通；針對(duì)工業(yè)數(shù)據(jù)規(guī)模大、種類多的特點(diǎn)，加快推進(jìn)數(shù)據(jù)中心、云平臺(tái)等基礎(chǔ)設(shè)施建設(shè)，提高工業(yè)數(shù)據(jù)交換和處理的效率。三是加強(qiáng)工業(yè)數(shù)據(jù)治理的制度保障。在《中華人民共和國數(shù)據(jù)安全法》《中華人民共和國個(gè)人信息保護(hù)法》等法律法規(guī)的支持下，我國的網(wǎng)絡(luò)安全和數(shù)據(jù)安全保護(hù)初見成效。對(duì)于工業(yè)數(shù)據(jù)保護(hù)，應(yīng)加快頒布針對(duì)性的數(shù)據(jù)安全管理?xiàng)l例，加快建立數(shù)據(jù)產(chǎn)權(quán)歸屬認(rèn)定和權(quán)益分配相關(guān)制度，尤其需要認(rèn)識(shí)到工業(yè)產(chǎn)業(yè)鏈中各主體的強(qiáng)相關(guān)性，充分考慮不同參與方在數(shù)據(jù)流動(dòng)和價(jià)值創(chuàng)造中的貢獻(xiàn)；通過聯(lián)邦學(xué)習(xí)、隱私計(jì)算、區(qū)塊鏈等技術(shù)手段，保障工業(yè)數(shù)據(jù)在流通過程中的安全性、隱私性和完整性；推動(dòng)相關(guān)標(biāo)準(zhǔn)、制度與國際接軌，提升我國在全球工業(yè)數(shù)字經(jīng)濟(jì)中的競爭力與話語權(quán)。

提升AI賦能的精準(zhǔn)性，提高各類AI技術(shù)與工業(yè)脫碳場景的適配度。一是加強(qiáng)AI賦能工業(yè)脫碳的潛力識(shí)別。設(shè)立跨學(xué)科專項(xiàng)研究計(jì)劃，深入分析不同工業(yè)部門、工業(yè)場景和生產(chǎn)環(huán)節(jié)的碳排放特點(diǎn)，識(shí)別AI技術(shù)在各類細(xì)分場景下的脫碳潛力、成本效益和現(xiàn)實(shí)瓶頸。二是科學(xué)設(shè)計(jì)“AI＋工業(yè)脫碳路線圖”，積極開展相關(guān)項(xiàng)目示范。細(xì)化各區(qū)域、各行業(yè)的工業(yè)脫碳路線圖，將高潛力AI技術(shù)納入對(duì)應(yīng)的最優(yōu)適配場景中。具體而言，可優(yōu)先推進(jìn)AI技術(shù)在“低垂的果實(shí)”場景中的應(yīng)用，著力開發(fā)使用AI助力能效提升、工況優(yōu)化、供應(yīng)鏈管理和數(shù)據(jù)獲取等方面的流程化應(yīng)用模式，促進(jìn)跨工業(yè)部門的應(yīng)用遷移；積極探索行業(yè)特異的AI技術(shù)應(yīng)用模態(tài)，針對(duì)鋼鐵、水泥、化工等重點(diǎn)行業(yè)開展針對(duì)性的AI融合試點(diǎn)示范項(xiàng)目；穩(wěn)步探索AI在“減排瓶頸”場景中的應(yīng)用潛力，識(shí)別各類難減排環(huán)節(jié)對(duì)應(yīng)的技術(shù)需求清單，發(fā)揮AI在材料設(shè)計(jì)、技術(shù)研發(fā)等方面的優(yōu)勢。三是優(yōu)化支持機(jī)制。對(duì)不同場景、不同行業(yè)的“AI＋工業(yè)脫碳項(xiàng)目”給予針對(duì)性資金、政策支持，過程中要強(qiáng)化審核機(jī)制，持續(xù)完善相關(guān)項(xiàng)目的評(píng)估標(biāo)準(zhǔn)與審查規(guī)范，盡可能避免“AI形式主義”問題。

加強(qiáng)AI賦能的系統(tǒng)性，以產(chǎn)業(yè)鏈視角推進(jìn)AI在工業(yè)脫碳領(lǐng)域的深度應(yīng)用。一是推進(jìn)AI與“基礎(chǔ)研究-應(yīng)用研究-產(chǎn)業(yè)應(yīng)用”鏈的深度結(jié)合。設(shè)立專項(xiàng)研究項(xiàng)目，系統(tǒng)識(shí)別工業(yè)脫碳重大基礎(chǔ)科學(xué)問題和關(guān)鍵核心技術(shù)清單，重點(diǎn)支持使用AI技術(shù)解決清單問題的相關(guān)研究，例如，使用AI開展碳利用反應(yīng)催化劑的基礎(chǔ)理論研究等；瞄準(zhǔn)“AI＋關(guān)鍵產(chǎn)業(yè)鏈”設(shè)立系列重大科技項(xiàng)目，例如，瞄準(zhǔn)“AI＋綠色鋼鐵鏈”，統(tǒng)籌風(fēng)光發(fā)電、新型儲(chǔ)能、智能電網(wǎng)、電解水制氫、綠氫煉鋼等環(huán)節(jié)，探索AI在“電-熱-冷-氣”綜合能源調(diào)度和煉鋼工藝實(shí)時(shí)調(diào)控中的一體化應(yīng)用，著力推進(jìn)成果轉(zhuǎn)化與推廣應(yīng)用，構(gòu)建以產(chǎn)業(yè)鏈協(xié)同為核心的AI賦能體系。二是立足生命周期視角，使用AI強(qiáng)化工業(yè)產(chǎn)業(yè)鏈的“綠鏈”屬性。使用AI助力工業(yè)基礎(chǔ)LCA數(shù)據(jù)庫建設(shè)，利用生成式AI高效、準(zhǔn)確提取來自學(xué)術(shù)文獻(xiàn)、企業(yè)報(bào)告和環(huán)評(píng)報(bào)告的關(guān)鍵信息，使用機(jī)器學(xué)習(xí)算法校驗(yàn)核準(zhǔn)相關(guān)參數(shù)、提升數(shù)據(jù)質(zhì)量；將AI與區(qū)塊鏈等技術(shù)結(jié)合，提升各項(xiàng)工業(yè)過程的碳排放透明度和可追溯性，搭建開源平臺(tái)，支撐產(chǎn)業(yè)鏈綠色認(rèn)證和工業(yè)產(chǎn)品綠色認(rèn)證。三是推進(jìn)跨區(qū)域合作。統(tǒng)籌東部地區(qū)的人才、技術(shù)及AI基礎(chǔ)設(shè)施等優(yōu)勢和西部地區(qū)的低成本清潔電力等優(yōu)勢，協(xié)同推動(dòng)數(shù)據(jù)的跨區(qū)域運(yùn)算和AI用電的跨區(qū)域傳輸，促進(jìn)相關(guān)資源的高效配置；強(qiáng)化跨區(qū)域政策協(xié)同，打好政策引導(dǎo)、市場配置和科技創(chuàng)新的“組合拳”，構(gòu)建多區(qū)域協(xié)作、多產(chǎn)業(yè)聯(lián)動(dòng)的“AI＋工業(yè)產(chǎn)業(yè)集群”。四是構(gòu)建多層次教育體系，強(qiáng)化高素質(zhì)人才支撐。優(yōu)化高等教育布局，針對(duì)AI賦能工業(yè)脫碳相關(guān)的基礎(chǔ)科學(xué)與應(yīng)用研究問題，調(diào)整學(xué)科體系與人才培養(yǎng)模式；構(gòu)建職普融通、產(chǎn)教融合的職業(yè)教育體系，強(qiáng)化校、企、培訓(xùn)機(jī)構(gòu)等多主體合作，針對(duì)不同崗位需求開發(fā)定制化的培訓(xùn)計(jì)劃，例如，碳排放數(shù)據(jù)分析、智能設(shè)備操作等。

辯證看待AI賦能工業(yè)脫碳的“雙刃劍”效應(yīng)，著力建設(shè)提升轉(zhuǎn)型均衡性的制度體系。一是通過轉(zhuǎn)移支付體系緩解工業(yè)脫碳項(xiàng)目區(qū)域發(fā)展不均衡問題。設(shè)立相關(guān)的專項(xiàng)基金和產(chǎn)業(yè)項(xiàng)目，對(duì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)及其中小企業(yè)給予“AI＋工業(yè)脫碳項(xiàng)目”專項(xiàng)補(bǔ)貼；根據(jù)區(qū)域“AI＋工業(yè)產(chǎn)業(yè)集群”的實(shí)際建設(shè)情況，將對(duì)應(yīng)的轉(zhuǎn)移支付需求納入整體的區(qū)域轉(zhuǎn)移支付方案設(shè)計(jì)中，著力緩解區(qū)域不均衡問題。二是加強(qiáng)反壟斷監(jiān)管。加快工業(yè)數(shù)據(jù)反壟斷的法律法規(guī)建設(shè)，推進(jìn)相關(guān)制度與工業(yè)大數(shù)據(jù)要素交易平臺(tái)的結(jié)合；加強(qiáng)對(duì)主要的工業(yè)集團(tuán)、科技巨頭的反壟斷監(jiān)管，避免相關(guān)數(shù)據(jù)和技術(shù)的過度集中。三是加大教育和技能培訓(xùn)投資。發(fā)揮國資央企引領(lǐng)作用，帶頭開展“勞動(dòng)者AI賦能”計(jì)劃，積極穩(wěn)妥推進(jìn)AI在工業(yè)領(lǐng)域的深入應(yīng)用；在勞動(dòng)密集型工業(yè)部門集中的地區(qū)設(shè)立專項(xiàng)技能提升計(jì)劃，重點(diǎn)支持中小企業(yè)，以職業(yè)教育為抓手，“因崗制宜”提高勞動(dòng)者綜合素養(yǎng)，助力勞動(dòng)者崗位升級(jí)或再就業(yè)。四是積極引領(lǐng)、參與相關(guān)的國際合作和國際規(guī)則制定。依托共建“一帶一路”倡議、金磚合作機(jī)制等框架，充分關(guān)注其他國家的治理訴求和治理邏輯，通過產(chǎn)業(yè)與技術(shù)投資、基礎(chǔ)設(shè)施建設(shè)、產(chǎn)品貿(mào)易合作等方式加強(qiáng)國際合作，凝聚共識(shí)、整合資源，加強(qiáng)優(yōu)勢互補(bǔ)，協(xié)同推進(jìn)“AI＋工業(yè)全球價(jià)值鏈”建設(shè)；引導(dǎo)動(dòng)員企業(yè)、智庫、高校等主體積極參與國際規(guī)則構(gòu)建，例如，國際共識(shí)談判、國際會(huì)議籌備及參與等，針對(duì)綠色工業(yè)品貿(mào)易、工業(yè)數(shù)據(jù)多邊流通、相關(guān)資金支持與技術(shù)轉(zhuǎn)讓等議題提出中國方案，貢獻(xiàn)中國智慧。

（本文系教育部哲學(xué)社會(huì)科學(xué)研究重大課題攻關(guān)項(xiàng)目“實(shí)現(xiàn)聯(lián)合國可持續(xù)發(fā)展目標(biāo)的國家治理體系研究”的階段性成果，項(xiàng)目編號(hào)：23JZD042；清華大學(xué)環(huán)境學(xué)院研究生甄紫涵、葉文鑫對(duì)本文亦有貢獻(xiàn)）

注釋

[1]參見清華大學(xué)氣候變化與可持續(xù)發(fā)展研究院：《中國長期低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑研究：綜合報(bào)告》，北京：中國環(huán)境出版社，2021年。

[2]王燦、孫若水、張九天：《中國實(shí)現(xiàn)碳中和的支撐技術(shù)與路徑》， 《China Economist》，2021年第5期；王燦、張雅欣：《碳中和愿景的實(shí)現(xiàn)路徑與政策體系》，《中國環(huán)境管理》，2020年第6期。

[3]洪銀興、任保平：《數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合的內(nèi)涵和途徑》，《中國工業(yè)經(jīng)濟(jì)》，2023年第2期。

[4]劉濤雄等：《數(shù)據(jù)要素成為中國經(jīng)濟(jì)增長新動(dòng)能的機(jī)制探析》，《經(jīng)濟(jì)研究》，2024年第10期。

[5]肖仰華：《人工智能大模型發(fā)展的新形勢及其省思》，《人民論壇·學(xué)術(shù)前沿》，2024年第13期。

[6]喬岳：《碳中和目標(biāo)下中國制造業(yè)綠色發(fā)展之路》，《人民論壇·學(xué)術(shù)前沿》，2023年第5期。

[7]D. Acemoglu and S. Johnson, Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, PublicAffairs, 2023.

[8]陳冬梅、王俐珍、陳安霓：《數(shù)字化與戰(zhàn)略管理理論——回顧、挑戰(zhàn)與展望》，《管理世界》，2020年第5期。

[9]薛瀾：《新興科技領(lǐng)域國際規(guī)則制定：路徑選擇與參與策略》，《人民論壇·學(xué)術(shù)前沿》，2023年第19期。

Mechanisms and Keys of Artificial Intelligence

Enabling Carbon Neutrality in Industry

Wang Can

Abstract: Industry is the pillar sector of China's national economy and the main battleground for achieving carbon dioxide peaking and carbon neutrality goals. The rapid advancements in Artificial Intelligence (AI) have introduced significant opportunities for industrial decarbonization. By driving the transforming of low-carbon technological factors, enriching and strengthening the pivotal role of data factors, promoting the optimization and synergy of various factors, and elevating the human capital, AI will profoundly impact the forces and relations of production in the industrial sector, and support the realization of the dual carbon goals. In this context, it is crucial to strategically explore and leverage the role of industrial data factors, enhance the compatibility and holistic integration of AI applications, and actively address the potential equity issues that may arise. Currently, efforts should concentrate on expediting the establishment of the industrial data market, conducting research and demonstrations to improve the compatibility between AI technologies and application scenarios, transitioning away from isolated "point solutions" and toward an "industrial chain collaboration" model. Furthermore, mitigating the "double-edged sword" effect of AI applications should be prioritized through optimizing transfer payment systems, strengthening anti-monopoly regulations, increasing investment in education and training, and actively participating in global governance.

Keywords: industry, carbon dioxide peaking and carbon neutrality, artificial intelligence, equity issues, data elements

責(zé) 編∕包 鈺 美 編∕梁麗琛