人工智能助力“双碳”目标的内在逻辑与实现路径

［摘 要］我国正处在绿色发展的关键时期，“双碳”目标是绿色转型的内在要求。我国实现“双碳”目标任务重、时间紧，亟待新的技术手段助力发展。而在当今时代，人工智能技术异军崛起，随着深度学习等智能技术的突飞猛进，在与环境治理的结合中展现出独有的优势。人工智能技术有利于碳排放的综合监测、能源体系的全面改造以及对整体碳中和进程的分析和评估，具有能够助力“双碳”目标的内在逻辑性。人工智能对“双碳”目标的助力路径从政策、技术、监测以及人才方面展开，两者的融合将会有利于生态环境的修复，减少二氧化碳等温室气体的污染，促进人类的可持续发展。

［关键词］人工智能；“双碳”目标；能源体系；具体路径

［中图分类号］F062.9 ［文献标志码］A ［文章编号］2096-1308（2024）03-0086-11

当前，全球气候问题频发，人类的可持续发展面临重重危机，关注环境问题已成为全球共识。2023年11月20日，联合国环境署（UNEP）发布《2023年排放差距报告：打破纪录——气温创下新高，世界未能到达减排目标》。报告提到“各国必须采用更加强硬的减排措施，否则到2030年将面临全球变暖2.5—2.9℃。且到2030年，全球碳排放量必须下降28%—42%，才能达到《巴黎协定》中控制全球变暖气温在1.5—2℃的目标”［1］。因此，中国作为全球环保事业的推动者，实现了碳达峰、碳中和的目标，将会是全球碳减排工作的强劲助力。但相较于发达国家，中国要实现“双碳”目标愿景面临了更紧迫的时间、更严峻的转型任务以及更高端的技术创新要求，因此，新的生产方式是实现这一宏大目标的必经之路。

在2023年7月，习近平总书记在全国生态环境保护大会上发表重要讲话，强调“要狠抓关键核心技术攻关，实施生态环境科技创新重大行动，培养造就一支高水平生态环境科技人才队伍，深化人工智能等数字技术应用，构建美丽中国数字化治理体系，建设绿色智慧的数字生态文明”［2］。人工智能在构建新型高效的清洁能源体系，整合大数据、监测碳排放量，规划碳中和的总体进程等方面都发挥着不可估量的作用，为生态平衡、环境保护带来了新的机遇。

一、人工智能与“双碳”目标

现在正处于信息化的时代，人工智能已经发展为一门独立的学科，并应用于多种领域，深度学习、机器算法等人工智能技术正处于关键发展阶段，人工智能技术具有速度快、效率高、决策力强的优势，成为新一轮科技革命和产业革命的重要驱动力。

（一）人工智能及其主要技术特征

人工智能，是基于计算机科学，与计算机、心理学、哲学等多学科交互协作型的综合学科，是模拟、延展和拓展人的智力的思维、方式、技术及综合系统的新型技术科学，致力于研究出能够模拟人类思维大脑作出反应和决策的智能机器，即研发以前只有人类才能完成的任务，现在通过机器操作也能实现。人工智能技术主要包含机器人、语言图像识别、自然语言处理和专家系统等，是依据算法来理解人类的目标或实现既定目标的智能技术。这一数字技术可以实时分析数据，对目标对象作出决策、执行响应和任务。大数据+深度学习、人机协同增强智能、自主智能系统成为当前发展的重点。

国务院颁布的《新一代人工智能发展规划》提到，随着技术的不断发展，在数字技术、神经网络等新理论新技术以及经济社会的更新诉求的驱使下，人工智能具备快速处理、“自主操控、跨界融合、人机协同、群智开放”［3］等技术特征。

首先，人工智能是基于快速的数据整合体系和高速的操纵运作能力来处理大规模和多维度的数据，高效是人工智能的一大优势，大大地提高了人类的工作效率和高密度的工作量。

其次，人工智能技术能和其他领域紧密结合，是人工智能的特征之一。比如，物联网是将各种设备处置与互联网互联，实现智能化管理和互通的网络。人工智能通过与传感器和嵌入式系统的结合，可以实现对大规模数据的实时分析和预测，从而为物联网中的自动化控制、智能家居、智慧城市等领域带来更高效、安全和可持续的解决方案。

最后，群策力是智能技术的一大特色，以人工智能为基础形成互动式的资源协作，建立大规模的知识资源的共享与开放，实现群智型知识框架建造。人工智能的技术特征展现其速度快、效率高、决策力强的优势，对数据的高效整合和分析，并能够利用庞大的知识库，及时处理偏离设定的意外，根据要求对设定目标的情况作出决策和调整，人工智能的独特优势，使得在与其他领域的融合中呈现出高度的契合性。

（二）“双碳”目标及其主要路径

“双碳”目标的实质是要在2030年前达到“碳达峰”，在2060年前达到“碳中和”。“碳达峰”指在某个节点，二氧化碳含量达到最高峰，然后慢慢回落，逐步降低；“碳中和”是指企业、团体或个人将在一定时间内，直接或间接方式产生的温室气体排放总量，通过种树养护、改造能源、减少排放等方式，抵消自身产生的温室气体排放量，实现二氧化碳的“零排放”，即产生和排放抵消。

实现这一目标是广泛而深刻的经济社会变革，正确把握发展路径才能高效实现这一变革。首先碳代替，采用清洁能源取代传统化石能源，比如用电、用热和用氢替代等，从源头减少高污染能源的应用。其次碳减排，把暂时不能转型为新能源的行业例如建筑、基础设施、交通等传统工业通过减少二氧化碳排放量、减少活动中产生的能源、提高器械效能等方式实现二氧化碳排放量减少的目的。再者碳封存，将大量需要排放的二氧化碳通过集中收集、特殊技法等操作使其储存为另外的形式且不释放到大气中，从而达到不增加大气中碳浓度的效果。例如，用化学或地球化学反应吸附或捕集大气中的二氧化碳，并进一步封存或利用，主要包括直接空气捕获（DAC）和加速矿化两大类。直接从空气中捕集并封存，是采取工程手段从大气中直接捕捉二氧化碳并储蓄起来，把碳存放在深层地下；加速矿化则是加速矿物的风化，让大气中的二氧化碳与硅酸盐矿物反应形成碳酸盐岩，把碳存放在矿化物里。最后碳循环，通过化学或者生物手段对大气中已释放的二氧化碳进行吸收、转换、再利用。

目前主流方式为人工碳转化和森林碳汇。人工碳转化是通过化学或生物手段将二氧化碳转化为有用的化学品或燃料。森林碳汇是指通过植树造林等增加绿化比例的方式，增加吸收、储存大气中二氧化碳的能力，从而减少碳排放量。

二、人工智能助力“双碳”目标的内在逻辑

我国实现碳达峰、碳中和目标历经艰难险阻，减排中和时间短、国际压力大，并存能源结构偏煤、产业结构偏重、运输结构失衡、科技支撑能力偏弱、碳汇条件偏差等短板。如今处于信息化的繁荣期，“双碳”迎来了重大机遇——人工智能。人工智能的加盟恰好弥补了“双碳”发展中新兴技术的缺失，为“双碳”的政策完善、数据收集、进程预测等多维度方向都带来了蓬勃的生机。

（一）人工智能政策演进与生态环境保护的内在契合性

针对人工智能所印发的政策文件，多次提及到与生态环境保护的交融协作，要以“五位一体”总体布局作为人工智能发展的指导思想，将智能技术应用到生态建设的各个方面。首先，涉及人工智能规划、规范的文件里要求人工智能重视人需，以达成人类永续发展。例如，在《新一代人工智能伦理规范》中提出，人工智能此类技术要增进人类幸福指数，坚定以人为本，坚持生态可持续发展，强化人类共同体的伦理规范要求；在国务院印发的《新一代人工智能发展规划》中提到，人工智能带来了环境保护的新机遇，要构建人才、制度、文化融合的生态系统，围绕治理中的难题推进智慧城市、交通、环保的智能化，建立智能监控数据平台，尤其对突发环境危机和污染物排放进行重点监测，实现人类可持续发展的智能化。

其次，在人工智能具体发展政策中，强调智能技术要在环保领域发挥自身的优势，做好监测、分析、修复等的工作。例如，在《国家林业和草原局关于促进林业和草原人工智能发展的指导意见》提出，要建立生态保护、修复、管理的人工智能应用体系，充分利用智能机器人、部署传感器等智能技术进行监测，及时对草原、森林等环境的污染和灾害做好预警工作，建立自主操控系统指挥草原、湿地的修复以及森林护林植树的工作；在国家发展改革委等五部门联合印发的《国家新一代人工智能标准体系建设指南》中强调，人工智能行业的跨领域应用要以市场为主导，与行业引导和政府支持相结合，根据行业建设的需要，建立技术体系支撑，在智能能源领域，要求规范能源在开发利用、生产消费全过程的融合智能应用，统一规划和顶层设计相结合，研究重点设计概念模型、体系构架以及评价优化等多方面；在智能环保领域，聚焦环境监测技术、资源管理平台、污染物排放预测系统等相关方面建立智能网络平台和研究标准。

最后，在人工智能与各产业的具体应用中也突出强调了人工智能等数字技术要立足重点产业的低碳转型，致力于能源的改造。例如，在《“十四五”数字经济发展规划》中指出，要立足不同产业需求，大力推进重点产业数字化转型，提高全要素生产力。

创新发展智慧农业和智慧水利，把人工智能技术深度应用于种植业、渔业等领域，以流域为基本单元对水情测量和调度作精准化管理；要加快推进智慧能源建设应用，促进能源在各个环节的智能化升级，推动其发展清洁新能源，使能源结构趋向合理、绿色化；在新华社发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》数字化发展一章中也强调了，数字技术促进社会生活方式和公共服务的创新化，在能源应用场景中，智能升级煤、油、电领域的用能信息采集、能源可用情况分析，以实现源网荷储互动、多能协调和能源需求的合理调度。总之，在人工智能的相关政策中，或是国家的重要文件，人工智能都与生态环境保护紧密联系在一起。

（二）人工智能算法推演环境变化，提高新能源生产效率

据统计“能源消费总量和一次能源生产总量在2005年后持续快速跃升。2019年，我国能源消费总量为48.7亿吨标准煤，一次能源生产总量为39.7亿吨标准煤”［4］，是全球第一大能源消费国和生产国。可见，能源的改造与转型已经迫在眉睫。人工智能技术可以推演自然环境的变化，包括气候变化、水质变化、土地及植被的变化等，可以更有效地规划能源设备的运行时间和位置，我们可以使用机器学习和深度学习算法来预测环境变量，如温度，湿度，风度和风向等，可以收集数据、作出调整，增加对新能源的资源收集以及减少污染物对新能源的资源破坏，由此可以提高新能源生产的效率。

首先，气候监测，利用卫星系统提供的高精度定位服务和通信能力，可以实现对大气污染源、传输途径和受影响区域等信息的实时监测和预警。例如，将多传感器融合与导航定位、智能控制技术结合起来，主要作业于在以风能或太阳能为主的工厂、基地中，人机协作再根据算法推算风速、风力或太阳强度、光照时长，使能源储备更加科学化和精准化。

其次，水质监测，基于遥感数据和地面观测数据，通过智能技术实现对水质参数如温度、溶解氧、PH值、浊度等的监测和评估，由此根据算法推演，选择在潮汐能、海洋表面与深层之间的热循环等新能源充裕的海洋、湖泊等水段，实施精准搜集。

最后，土壤污染监测，基于遥感卫星的智能技术，可以实现对土壤污染源、污染程度和影响范围等信息的实时监测和评估。便于分析土壤中污染物的成分，分解出可供循环再利用的物质，在生活固体垃圾、工业废料中提取微生物，利用微生物发电或制作微生物电池，解决智能电网中常规能源供应不足的问题。此外，植被监测，通过对范围内原始森林的监测和数据收集，利用“光学遥感测量所得的植被指数（VIs），可用于估算基于光吸收的生态系统过程的速率”［5］，推算出区域内是否适合种植植被以及种植何种植被，增加太阳能、生物质能、风能、地热能等新能源的生产效率。

总之，人工智能技术对环境的预测和推算，能更快地整合数据，推演气候变化，有助于新型能源的贮备和应用效率，加快对传统能源的改造与升级。

（三）人工智能助推碳吸收观测和规划智能化、精准化