清華大學(xué)王燦：AI賦能工業(yè)脫碳有哪些機遇與挑戰(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突出，亟須AI賦能。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。但也需認(rèn)識到，當(dāng)前工業(yè)數(shù)據(jù)產(chǎn)權(quán)不清、流動不暢、標(biāo)準(zhǔn)不一等問題依然突出。這一方面會直接阻礙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)脫碳場景和機制的復(fù)雜性需要AI“精準(zhǔn)賦能”。工業(yè)部門的脫碳機制復(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”和“減排瓶頸”相互交織。其中，“低垂的果實”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。“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，實現(xiàn)單位減排的成本相對高昂。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”具有路徑較為明確、應(yīng)用效益較高、跨產(chǎn)業(yè)遷移性強等特點，例如，通過強化學(xué)習(xí)和時間序列分析等技術(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”則具有手段相對有限、跨產(chǎn)業(yè)遷移性弱、路徑不確定性高等特點，其作用機制通常是推動低碳技術(shù)要素的升級變革，例如，促進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)特點三個方面。無法實現(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)鏈之間的強關(guān)聯(lián)性對AI的“系統(tǒng)賦能”提出了更高要求。在推進工業(yè)脫碳的過程中，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(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”的各個環(huán)節(jié)，進一步促進數(shù)據(jù)要素、知識要素和低碳技術(shù)要素的流通，并通過放大數(shù)據(jù)要素和知識要素的“乘數(shù)效應(yīng)”實現(xiàn)正向循環(huán)、機制強化。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，強化AI在促進各要素組合優(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)濟學(xué)獎得主Daron Acemoglu和Simon Johnson在其著作Power and Progress中指出，科技的進步往往被用于集中精英權(quán)力，加劇馬太效應(yīng)。多數(shù)工業(yè)部門具備資本密集、勞動密集的特點，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，例如，自動化技術(shù)的普及將減少社會對勞動密集型崗位的需求，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)濟平衡發(fā)展。經(jīng)濟發(fā)達地區(qū)具有相對優(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，這可能會引發(fā)經(jīng)濟欠發(fā)達地區(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)相對發(fā)達的國家以“安全需求”等借口頻繁實施技術(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)。

 

作者系清華大學(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

 

本文節(jié)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。