■ 郑琴琴 李志强

“十五五”规划建议提出“全面实施‘人工智能+’行动”，要求“加强人工智能同产业发展、文化建设、民生保障、社会治理相结合”“全方位赋能千行百业”。从“加快经济社会发展全面绿色转型，建设美丽中国”的视角来看，目前已有诸多实践表明，“人工智能+”能够通过精准感知、智能决策、系统重构、价值循环的链式反应，将降碳路径从传统的“设备更新”转变为“体系进化”，显著提升现有的降碳效率。

比如，“人工智能+”实时数据驱动碳足迹透明化，人工智能+物联网（IoT）与传感器网络可以实现全流程碳排放秒级监测，破解传统人工核算滞后性。“人工智能+”突破工艺减排瓶颈。机器学习动态调整高耗能设备运行参数，能够达成人工无法实现的深度脱碳。人工智能在平台化整合跨企业资源方面优势凸显，助力高效实现物流、仓储、生产的全局低碳调度。企业通过AI赋能数字孪生模型技术，可实现对设备的全生命周期管控，推动运维模式由“人工巡检”向“数据驱动”转型。“人工智能+”区块链破解碳资产开发壁垒。人工智能驱动的智能合约与分布式账本可以实现碳减排量秒级确权，激活绿色融资。“人工智能+”云计算可以聚合区域产业数据，释放园区级资源优化规模效应。

“人工智能+”深度降碳的效能，为我国产业结构的绿色转型升级提供可量化可持续的核心驱动力。进一步释放“人工智能+”对企业深度降碳的乘数效应，应当多措并举，持续加力。

一是构建实时碳数据感知体系。部署高密度物联网传感器网络与智能计量设备，对企业用能单元、生产设备、运输工具等碳排放源进行毫秒级动态监测。这一体系能够突破传统人工抄表与周期审计的滞后性，为精准碳管理提供原子级数据基础，消除碳流可视化的盲区。

二是打通全价值链碳数据孤岛。推动企业资源计划、制造执行系统、供应链管理、产品生命周期管理等核心业务的系统深度集成。构建统一碳排放数据中台，定义标准化碳数据模型与接口规范。消除部门墙导致的数据割裂，实现碳成本的精准归因与分摊。

三是植入动态控制系统。在能源站房、工艺生产线、暖通空调等高耗能环节部署先进AI控制算法。应用模型预测控制、深度学习优化器等技术，动态调整设备运行参数，使能源供给与生产需求达成毫秒级动态平衡。

四是驱动供应链协同降碳网络。构建区块链赋能的供应链碳管理云平台，建立上下游企业间碳排放数据的可信共享机制。通过大数据分析识别高碳排瓶颈环节，驱动联合技术改进与绿色采购策略调整，实现跨企业资源调配与物流协同降碳。

五是赋能产品全生命周期低碳设计。集成工具与数字孪生技术，在产品设计阶段构建AI驱动下的虚拟仿真环境。通过材料数据库比对不同方案的隐含碳排放，模拟生产工艺的能源强度，预测使用阶段的能耗模式及报废回收潜力，在满足功能需求前提下最小化产品全生命周期的碳足迹。

六是打造能效管理中枢。建立企业级能源管理系统，集成大数据分析平台与机器学习引擎。实时采集电、气、热、冷等多能源数据，预测能耗负荷曲线，形成能效持续改进的智能闭环。

七是构建数字化循环经济模式。为关键产品配置数字护照，记录材料成分、拆解指南及回收价值。建立基于区块链的废弃物溯源平台，跟踪废旧物资流向。通过人工智能匹配回收商处理能力与再生料需求，优化逆向物流路径。在再制造环节应用机器视觉进行零部件损伤评估，指导自动化修复工艺，最大化资源闭环利用率。

八是创新碳资产数字化运营。开发碳资产管理系统，对接全国碳市场与绿证交易平台。通过智能合约自动执行碳配额买卖、国家核证自愿减排量注销等操作。结合人工智能预测政策变动趋势，实现碳资产组合的动态优化配置。

九是建立碳流知识图谱体系。构建动态更新的知识图谱，识别隐藏的降碳关联规则。例如，将某种工序的能源异常波动与上游原料特性变化建立因果链，为工艺改造提供跨领域决策依据。这类体系使分散的降碳经验转化为可推理的数字资产，可以突破个人的经验局限。

十是部署自适应碳管理数字孪生体。采用强化AI学习算法，训练孪生体自主探索降碳策略，可以在虚拟环境中模拟数千种方案，评估其对综合碳效的影响。通过在线学习机制，持续吸收实际运行反馈，动态修正模型参数，使碳管理从静态规划升级为持续进化的智能体，实现自我迭代优化。

（作者分别为复旦大学管理学院教授、中国浦东干部学院经济学教研分部副教授）