中新經緯2月20日電 題：工業產業鏈強關聯性驅動AI向“系統賦能”升級

　　作者 王燦 清華大學碳中和研究院減污降碳協同中心主任

　　近日，蘇州市召開“人工智能+”大會，推動AI與制造業融合，打造“AI+工業”新生態。廣州市培育31個人工智能產業重點載體，實現工業化融合發展。此前，工信部公布151項人工智能賦能新型工業化典型應用案例，旨在加快形成新質生產力。作為工業大國，我國超200種工業品產量全球領先，但工業脫碳壓力大，AI大模型的引入與應用迫切重要。

　　我國AI技術和相關基礎設施已經具備一定基礎，工業數據要素的積累也初具規模，加之工業物聯網的廣泛覆蓋，為AI賦能工業提供了無限可能。然而，工業數據產權、流動、標準等仍需完善，以促進AI技術的廣泛應用，進而充分發揮數據要素的“乘數效應”。因此，完善工業數據管理體系，促進數據要素的自由流動和標準化，成為AI賦能工業脫碳的重要前提。

　　工業脫碳因其復雜性和多樣性，要求AI必須實現“精準賦能”。工業部門的脫碳機制復雜多變，減排技術種類繁多。AI技術在摘取“低垂的果實”方面路徑明確、效益顯著、遷移性強，如通過強化學習提升能源調度效率，利用生成式AI減少非必要產品需求等。在突破“減排瓶頸”方面，盡管AI面臨手段有限、路徑不確定性高等挑戰，但其推動低碳技術要素升級變革的作用不容忽視，如促進DAC(直接空氣捕獲)等技術創新。AI賦能工業脫碳必須精準識別優先順序，精準適配應用場景和行業特點，以避免能耗反增、減排成效降低和資金無效配置等問題。

　　更進一步，工業產業鏈之間的強關聯性對AI的“系統賦能”提出了更高要求。工業脫碳不是孤立存在的任務，而是需要各個環節、各個產業之間的緊密協作。AI賦能工業脫碳必須突破“單點賦能”模式，轉向“全產業鏈系統賦能”。這要求我們將AI技術貫穿于基礎研究、應用研究和產業應用的各個環節，促進數據、知識和技術要素的流通，放大其“乘數效應”。同時，AI還應貫穿于產業鏈從原料供應到末端治理的各個環節，支持全生命周期管理和終端產品碳排放認證，優化供應鏈和用能管理。此外，還需統籌考慮各區域產業優勢，因地制宜部署AI產業，發揮各區域間的協同互補優勢。例如，北京、廣東等地在人工智能產業方面具有明顯優勢，可作為AI賦能工業脫碳的先行示范區。

　　據普華永道報告顯示，到2030年，AI將為全球經濟貢獻高達15.7萬億美元。在企業與產業層面，AI賦能工業脫碳將推動這些行業實現效率提升和成本降低。例如，通過AI技術優化能源調度和生產流程，企業可以顯著降低能耗和碳排放，同時提高生產效率。在區域經濟層面，經濟發達地區憑借資金、技術和基礎設施優勢，有望率先實現AI賦能工業脫碳的突破，但這也可能導致區域經濟發展的不平衡。因此，需要通過政策引導和資源分配，促進欠發達地區的AI技術應用和產業升級。在全球產業格局層面，AI技術的廣泛應用將重塑全球技術和產業分工格局，推動制造業向智能化、綠色化轉型。這將為我國在全球產業鏈中提升競爭力提供寶貴機遇。(中新經緯APP)

　　中新經緯版權所有，未經授權，不得轉載或以其他方式使用。

責任編輯：孫慶陽