清华大学王灿：AI赋能工业脱碳有哪些机遇与挑战？

我国工业产能雄厚、产业门类齐全，工业数据要素丰富，使用AI赋能工业脱碳具有巨大潜力。在世界500种主要工业品中，我国有超过220种产品的产量位居世界第一。重点行业方面，2020年，我国粗钢产量10.65亿吨、水泥产量23.8亿吨、石油炼化能力近9亿吨，是世界上最大的钢铁生产国、水泥生产国和石化产品生产大国。然而，现阶段我国工业脱碳面临的压力相对突出，亟须AI赋能。当前，我国主要AI技术和相关基础设施的发展已初见成效，工业数据要素的积累也初具规模。在积极推进新型工业化的背景下，我国工业物联网已覆盖超过85%的工业大类，连接设备超过8000万台。但也需认识到，当前工业数据产权不清、流动不畅、标准不一等问题依然突出。这一方面会直接阻碍AI的广泛应用，另一方面也难以发挥数据要素的“乘数效应”。

 

工业脱碳场景和机制的复杂性需要AI“精准赋能”。工业部门的脱碳机制复杂、减排技术多样，这导致工业脱碳场景中“低垂的果实”和“减排瓶颈”相互交织。其中，“低垂的果实”往往集中于边际减排成本曲线的最左端，代表场景包括工业能效提升、需求响应等，具有减排成效显著、减排成本较低且效益较高等特点。“减排瓶颈”则集中于边际减排成本曲线的最右端，代表场景包括工艺绿色替代、使用DACCS抵消残余排放等，实现单位减排的成本相对高昂。在AI赋能工业脱碳的过程中，AI在不同场景中的应用潜力也不尽相同。总体而言，使用AI摘取“低垂的果实”具有路径较为明确、应用效益较高、跨产业迁移性强等特点，例如，通过强化学习和时间序列分析等技术提升能源调度和工艺过程效率、结合生成式AI减少运营管理过程中的非必要产品需求等。相比之下，使用AI突破“减排瓶颈”则具有手段相对有限、跨产业迁移性弱、路径不确定性高等特点，其作用机制通常是推动低碳技术要素的升级变革，例如，促进DAC等技术创新和二氧化碳加绿氢制甲醇等工艺创新。在使用AI赋能工业脱碳的过程中，必须重视“精准赋能”，具体而言需做到精准识别优先顺序、精准适配应用场景、精准适配行业特点三个方面。无法实现精准适配将可能引起能耗不降反增、减排成效降低、资金无效配置等一系列问题，从而阻碍AI技术对各类要素优化组合与协同配置作用的发挥。

 

工业产业链之间的强关联性对AI的“系统赋能”提出了更高要求。在推进工业脱碳的过程中，各项低碳技术和产业都不是孤立存在的。工业产业链的强关联性体现在，相关技术的研究与产业、产业链上下游以及各区域产业之间均存在紧密联系。使用AI赋能工业脱碳需要突破“单点赋能”模式，转向“全产业链系统赋能”模式，其内在要求包括三个层面。第一，需要将AI贯穿于“基础研究-应用研究-产业应用”的各个环节，进一步促进数据要素、知识要素和低碳技术要素的流通，并通过放大数据要素和知识要素的“乘数效应”实现正向循环、机制强化。在此过程中，尤其需要关注行业AI复合型人才的培养。AI技术本身是中性的，人机交互过程是决定AI应用质量的核心环节。只有培养复合型人才，才能科学、有效地发挥AI的技术效能。第二，需要将AI贯穿于产业链原料供应到末端治理的各个环节。一方面是高效支持全生命周期（LCA）管理和终端产品碳排放认证，发挥AI丰富和强化数据要素的关键作用；另一方面是支持供应链优化和用能管理，减少非必要产品需求和能源消耗，强化AI在促进各要素组合优化和协同配置方面的作用。第三，需要统筹考虑各区域产业优势。在使用AI赋能工业脱碳的过程中，AI和相关的基础设施（云计算、数据中心等）本身也是产业链中的关键环节。不同区域的资源禀赋、产业结构和技术基础往往各具特色，因地制宜部署AI产业和各工业链、发挥各区域间的协同互补优势亦是AI“系统赋能”工业脱碳的内在要求。

 

平衡AI的“双刃剑效应”尤其需要关注公平性问题。在使用AI技术助力工业领域实现碳中和目标的过程中，由于应用场景和数据来源通常与个人的直接关联较少，相关应用衍生的公平性问题往往比数据隐私、伦理等问题更加突出。2024年诺贝尔经济学奖得主Daron Acemoglu和Simon Johnson在其著作Power and Progress中指出，科技的进步往往被用于集中精英权力，加剧马太效应。多数工业部门具备资本密集、劳动密集的特点，AI赋能工业脱碳引发的公平性问题往往外化为四种形式。一是冲击就业市场，例如，自动化技术的普及将减少社会对劳动密集型岗位的需求，生成式AI的广泛应用可能减少行业内对传统低碳工程师和咨询师的需求，能效的提升也可能促使对传统工艺调控岗位需求的减少等。二是压缩中小型企业生存空间。中小型企业通常面临资金和技术上的短板，大型企业在使用AI赋能工业脱碳的过程中往往更具优势，这种差距可能会加剧相关行业的寡头和垄断现象。三是影响区域经济平衡发展。经济发达地区具有相对优越的资金优势、技术优势和AI基础设施优势，这可能会引发经济欠发达地区的AI赋能困难、工业产业转移等问题。四是影响全球技术和产业分工格局。近年来，部分技术相对发达的国家以“安全需求”等借口频繁实施技术出口管制和科技产业投资限制。在现有全球合作格局和绿色贸易规则的影响下，发展中国家和“全球南方”国家将更有可能在全球工业价值链中处于不利地位，面临着更加严峻的工业产业发展挑战和低碳转型挑战。

 

作者系清华大学环境学院党委书记、长聘教授、博导，清华大学碳中和研究院减污降碳协同中心主任

 

本文节选自《学术前沿》杂志2025年第2期《人工智能助力工业领域碳中和的机制与关键》一文。