【摘要】工業(yè)人工智能作為新一代信息技術(shù)的代表，為工業(yè)領(lǐng)域的低碳制造提供了重要路徑。工業(yè)人工智能技術(shù)在“雙碳”目標(biāo)中發(fā)揮著關(guān)鍵作用，從能源優(yōu)化、智能生產(chǎn)線管理到碳排放監(jiān)控，其在低碳制造中存在廣闊應(yīng)用前景與顯著技術(shù)優(yōu)勢。當(dāng)前，我國在這一領(lǐng)域的技術(shù)突破面臨著諸多挑戰(zhàn)，包括算法適配性、數(shù)據(jù)管理與安全性、體制機(jī)制障礙及人才短缺等問題。在此背景下，應(yīng)當(dāng)在技術(shù)研發(fā)、政策支持及多主體協(xié)同發(fā)展方面協(xié)同發(fā)力，為實(shí)現(xiàn)“雙碳”目標(biāo)提供理論支持與實(shí)踐路徑。
【關(guān)鍵詞】工業(yè)人工智能 低碳制造 “雙碳”目標(biāo) 技術(shù)突破 智能化應(yīng)用
【中圖分類號】F424 【文獻(xiàn)標(biāo)識碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2025.02.008
【作者簡介】張超，北京市習(xí)近平新時代中國特色社會主義思想研究中心特約研究員，北京工業(yè)大學(xué)馬克思主義學(xué)院碩導(dǎo)。研究方向?yàn)閿?shù)字化綠色化協(xié)同的工程人才培養(yǎng)、“雙碳”領(lǐng)域未來科技創(chuàng)新領(lǐng)軍人才培養(yǎng)。主要著作有《教育救助法制研究》、《高校應(yīng)急管理的治理理念調(diào)適——以行政法理論為視角》（論文）、《大學(xué)生思政改革背景下創(chuàng)新人才培養(yǎng)模式探析》（論文）等。唐捷，北京工業(yè)大學(xué)材料科學(xué)與工程學(xué)院教授，日本工程院院士。
引言
全球氣候變化與環(huán)境退化日益成為人類面臨的重大挑戰(zhàn)，溫室氣體排放的增多是推動全球變暖的主要原因之一。工業(yè)領(lǐng)域作為全球能源消耗和碳排放的最大來源之一，約占全球二氧化碳排放總量的30%以上，尤其是制造業(yè)、電力和冶金等高耗能行業(yè)，長期以來對環(huán)境造成了巨大的壓力。[1]2021年，我國130億噸的溫室氣體排放量中，能源活動和工業(yè)生產(chǎn)過程兩者相加貢獻(xiàn)了90%以上的碳排放，其中包括制造業(yè)、電力、冶金等高耗能行業(yè)。[2]2020年，中國政府提出了力爭于2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和的“雙碳”目標(biāo)。這不僅是國家應(yīng)對氣候變化的莊嚴(yán)承諾，也是推動經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級的必然要求。“雙碳”目標(biāo)的實(shí)現(xiàn)對傳統(tǒng)工業(yè)模式提出了顛覆性挑戰(zhàn)。長期以來，中國工業(yè)體系依賴化石能源驅(qū)動，通過資源與勞動力的高強(qiáng)度投入實(shí)現(xiàn)經(jīng)濟(jì)增長。這種模式導(dǎo)致了一定程度的生態(tài)環(huán)境破壞，并形成了對高碳排放的路徑依賴。[3]實(shí)現(xiàn)“雙碳”目標(biāo)，意味著中國將面臨工業(yè)結(jié)構(gòu)的深刻調(diào)整、能源體系的根本性變革和生產(chǎn)方式的徹底革新。[4]在這一背景下，推動工業(yè)智能化轉(zhuǎn)型，應(yīng)用先進(jìn)技術(shù)尤其是工業(yè)人工智能技術(shù)，成為實(shí)現(xiàn)低碳制造的有效路徑。
工業(yè)人工智能（Industrial AI）是指在工業(yè)領(lǐng)域應(yīng)用人工智能技術(shù)（如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)）來提升生產(chǎn)力、優(yōu)化資源配置并減少能源消耗。從20世紀(jì)80年代起，工業(yè)自動化逐步與計算機(jī)技術(shù)結(jié)合，形成了最初的智能化制造。進(jìn)入21世紀(jì)，隨著大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)和5G等技術(shù)的迅猛發(fā)展，工業(yè)人工智能逐漸成為提升制造業(yè)智能化水平的核心技術(shù)，特別是在提高生產(chǎn)效率、能源管理和碳排放控制方面展現(xiàn)出巨大的潛力。與傳統(tǒng)工業(yè)自動化不同，工業(yè)人工智能強(qiáng)調(diào)利用大數(shù)據(jù)、實(shí)時分析和自適應(yīng)優(yōu)化，實(shí)現(xiàn)從設(shè)備到整個生產(chǎn)鏈的智能化轉(zhuǎn)型。[5]這種智能化轉(zhuǎn)型不僅提高了生產(chǎn)效率，更使低碳制造成為可能。例如，在鋼鐵制造行業(yè)，人工智能技術(shù)被用于優(yōu)化高爐的運(yùn)行參數(shù)，通過實(shí)時分析減少碳排放。[6]通過對海量生產(chǎn)數(shù)據(jù)的實(shí)時分析，人工智能技術(shù)能夠?qū)崿F(xiàn)精準(zhǔn)的能源預(yù)測與調(diào)度、生產(chǎn)優(yōu)化和故障預(yù)測，不僅提高了生產(chǎn)效率，也為減少碳排放提供了有力的技術(shù)支持。在工業(yè)人工智能的發(fā)展歷程中，尤其是隨著深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)算法的突破，智能決策和預(yù)測變得更加高效和精確，為低碳制造的實(shí)現(xiàn)提供了前所未有的技術(shù)動力。
工業(yè)人工智能助力低碳制造的應(yīng)用場景
工業(yè)人工智能是人工智能在工業(yè)領(lǐng)域的應(yīng)用和延展，它超越了傳統(tǒng)的工業(yè)自動化，將智能化應(yīng)用貫穿于設(shè)備運(yùn)維、生產(chǎn)管理、供應(yīng)鏈優(yōu)化及資源分配的全過程，最終實(shí)現(xiàn)提高生產(chǎn)效率、降低能源消耗和減少碳排放的目標(biāo)。工業(yè)人工智能在低碳制造領(lǐng)域，有以下一些核心應(yīng)用場景。
智能制造優(yōu)化。智能制造是工業(yè)人工智能的重要領(lǐng)域，通過實(shí)時監(jiān)控和數(shù)據(jù)驅(qū)動，優(yōu)化生產(chǎn)流程中的每一環(huán)節(jié)。例如，在汽車制造行業(yè)，通過數(shù)字孿生技術(shù)對生產(chǎn)線的運(yùn)行狀態(tài)進(jìn)行仿真和優(yōu)化，不僅提升了能源利用效率，還顯著減少了廢品率。[7]大眾汽車在生產(chǎn)過程中引入了人工智能驅(qū)動的能源管理系統(tǒng)，不僅降低了運(yùn)營成本，還減少了對環(huán)境的影響。通過人工智能驅(qū)動的預(yù)測和優(yōu)化，大眾汽車能夠更精確地控制生產(chǎn)過程中的能源消耗，數(shù)據(jù)顯示，單位產(chǎn)品的能耗降低了約20%。[8]
碳排放監(jiān)控與管理。隨著碳排放監(jiān)管力度的加大，工業(yè)企業(yè)需要對自身碳排放進(jìn)行實(shí)時監(jiān)測和動態(tài)管理。工業(yè)人工智能技術(shù)能夠整合企業(yè)內(nèi)外部的碳排放數(shù)據(jù)，通過碳足跡分析和碳排放預(yù)測模型，幫助企業(yè)實(shí)現(xiàn)排放優(yōu)化。[9]例如，東明石化通過施耐德電氣提供的一體化能源管理與過程自動化方案，建立了碳排放數(shù)字化管理平臺。該平臺通過全生命周期陪伴式服務(wù)和AVEVA數(shù)字化智能化解決方案，顯著提高了運(yùn)營效率、經(jīng)濟(jì)效益和綠色收益，實(shí)現(xiàn)了成本節(jié)約和碳減排。[10]
智能能源調(diào)度。工業(yè)領(lǐng)域能源利用效率的提升對于“雙碳”目標(biāo)至關(guān)重要。我國的單位GDP能耗不僅高于世界平均水平，而且與美國、日本、德國、英國等工業(yè)強(qiáng)國相比存在一定差距，整體能源效率低于國際先進(jìn)水平。[11]通過人工智能技術(shù)實(shí)現(xiàn)能源需求預(yù)測和調(diào)度優(yōu)化，可以顯著降低能源浪費(fèi)。例如，某鋼鐵企業(yè)利用人工智能算法優(yōu)化高爐的能源分配，提高生產(chǎn)安全性及生產(chǎn)效率，降低勞動強(qiáng)度，同時減少了碳排放。[12]
預(yù)測性維護(hù)。工業(yè)設(shè)備的運(yùn)行維護(hù)是能耗和成本控制的關(guān)鍵環(huán)節(jié)。傳統(tǒng)維護(hù)依賴于周期性檢查或事后修復(fù)，容易導(dǎo)致設(shè)備過度損耗或非計劃停機(jī)，從而增加資源浪費(fèi)和碳排放。通過工業(yè)人工智能的預(yù)測性維護(hù)技術(shù)，基于設(shè)備傳感器收集的運(yùn)行數(shù)據(jù)，人工智能算法能夠?qū)崟r預(yù)測設(shè)備的潛在故障，并提供優(yōu)化的維護(hù)時間和方案。[13]例如，一些電子技術(shù)企業(yè)基于大數(shù)據(jù)的機(jī)組運(yùn)行情況分析與故障診斷的人工智能技術(shù)，成功減少了維護(hù)停機(jī)時間，同時降低了整體碳足跡。[14]
工業(yè)人工智能的技術(shù)特性
隨著工業(yè)4.0時代的到來，工業(yè)人工智能逐漸成為提升生產(chǎn)力、優(yōu)化資源利用、降低能耗和碳排放的重要技術(shù)支撐。工業(yè)人工智能不僅能夠提高生產(chǎn)效率，還能通過智能化手段幫助企業(yè)實(shí)現(xiàn)更高效、綠色和可持續(xù)的運(yùn)營。其關(guān)鍵技術(shù)特性，構(gòu)成了工業(yè)人工智能在現(xiàn)代工業(yè)中的核心競爭力。
數(shù)據(jù)驅(qū)動與實(shí)時優(yōu)化。工業(yè)人工智能的核心特性之一是其數(shù)據(jù)驅(qū)動能力。隨著工業(yè)物聯(lián)網(wǎng)（IIoT）技術(shù)的發(fā)展，工業(yè)設(shè)備和傳感器可以實(shí)時采集大量的生產(chǎn)數(shù)據(jù)，如設(shè)備運(yùn)行狀態(tài)、能耗數(shù)據(jù)、環(huán)境參數(shù)等。這些數(shù)據(jù)為工業(yè)人工智能提供了豐富的信息源，使其能夠基于數(shù)據(jù)進(jìn)行精準(zhǔn)地分析和決策。通過將數(shù)據(jù)分析從云端轉(zhuǎn)移至邊緣計算端，工業(yè)人工智能能夠?qū)崿F(xiàn)近實(shí)時的數(shù)據(jù)處理與優(yōu)化，減少了數(shù)據(jù)傳輸延遲，提高了生產(chǎn)效率。[15]例如，在鋼鐵制造過程中，實(shí)時分析爐溫、氣流等參數(shù)，工業(yè)人工智能能夠?qū)崟r調(diào)整生產(chǎn)工藝，優(yōu)化能源消耗和減少廢料，提高生產(chǎn)效益。實(shí)時優(yōu)化不僅限于設(shè)備運(yùn)行，還涵蓋了生產(chǎn)過程的各個環(huán)節(jié)。通過深度學(xué)習(xí)和自適應(yīng)算法，工業(yè)人工智能可以根據(jù)實(shí)時數(shù)據(jù)變化對生產(chǎn)流程進(jìn)行調(diào)整，實(shí)現(xiàn)動態(tài)優(yōu)化。這種數(shù)據(jù)驅(qū)動的智能化管理，使得企業(yè)能夠在瞬息萬變的生產(chǎn)環(huán)境中保持高效運(yùn)作。
自適應(yīng)學(xué)習(xí)能力。工業(yè)環(huán)境的動態(tài)性和復(fù)雜性對AI模型提出了極高的靈活性要求。傳統(tǒng)的工業(yè)系統(tǒng)通常依賴預(yù)設(shè)的規(guī)則和固定的操作模式，而工業(yè)人工智能的自適應(yīng)學(xué)習(xí)能力則使其能夠根據(jù)實(shí)時數(shù)據(jù)的變化動態(tài)調(diào)整其模型和參數(shù)。[16]這意味著，工業(yè)人工智能能夠在面對生產(chǎn)條件、設(shè)備狀態(tài)和外部環(huán)境變化時，自動進(jìn)行模型優(yōu)化和工藝調(diào)整。例如，某些生產(chǎn)線可能會隨著季節(jié)變化、原材料差異或設(shè)備老化等因素而發(fā)生波動。工業(yè)人工智能通過在線學(xué)習(xí)和實(shí)時反饋機(jī)制，能夠快速適應(yīng)這些變化，并為生產(chǎn)提供最佳參數(shù)設(shè)定。這種能力不僅能夠提高生產(chǎn)的柔性和應(yīng)變能力，還能最大程度地降低能源消耗和碳排放。
系統(tǒng)集成性。工業(yè)人工智能的另一個顯著特性是系統(tǒng)集成性，即它能夠?qū)⒍鄠€不同系統(tǒng)和設(shè)備無縫連接并協(xié)同工作。傳統(tǒng)的工業(yè)系統(tǒng)往往存在“數(shù)據(jù)孤島”現(xiàn)象，即不同系統(tǒng)間的數(shù)據(jù)和信息無法互通，導(dǎo)致資源浪費(fèi)和管理效率低下。工業(yè)人工智能通過集成工業(yè)物聯(lián)網(wǎng)、云計算和5G技術(shù)，突破了這一局限，能夠?qū)崿F(xiàn)跨系統(tǒng)、跨設(shè)備的數(shù)據(jù)采集、處理和反饋。[17]例如，在智能工廠中，通過物聯(lián)網(wǎng)技術(shù)連接的傳感器采集生產(chǎn)設(shè)備、物流系統(tǒng)、能源系統(tǒng)等多方面的數(shù)據(jù)，并通過云平臺統(tǒng)一管理和分析，人工智能系統(tǒng)可以實(shí)時監(jiān)控全產(chǎn)業(yè)鏈的運(yùn)行狀態(tài)。通過這種集成化的管理方式，工業(yè)人工智能能夠?yàn)槠髽I(yè)提供跨部門、跨領(lǐng)域的優(yōu)化解決方案，推動資源的最優(yōu)配置與共享，降低生產(chǎn)成本，并有效減少能源浪費(fèi)和碳排放。
透明性與可解釋性。與其他領(lǐng)域的人工智能相比，透明性和可解釋性是工業(yè)人工智能的一個獨(dú)特要求。在工業(yè)環(huán)境中，人工智能算法的決策通常直接影響生產(chǎn)過程、設(shè)備操作和能源使用。因此，企業(yè)需要充分理解AI算法的決策依據(jù)和過程，以確保其結(jié)果是可靠且符合生產(chǎn)需求的。[18]工業(yè)人工智能的可解釋性不僅是對算法透明度的要求，還涉及其在實(shí)際應(yīng)用中的可操作性。例如，在生產(chǎn)過程中，人工智能可能會基于復(fù)雜的算法提出調(diào)整建議，如優(yōu)化工藝流程或改進(jìn)設(shè)備運(yùn)行狀態(tài)。為確保這些決策能夠被操作人員理解并執(zhí)行，人工智能系統(tǒng)必須能夠提供清晰的解釋，說明為什么要作出這些決策，以及如何實(shí)現(xiàn)這些優(yōu)化方案。通過提高人工智能的可解釋性，企業(yè)不僅可以增強(qiáng)操作人員的信任，也能有效地應(yīng)對算法錯誤和故障的風(fēng)險。
安全性與可靠性。在工業(yè)系統(tǒng)中，安全性和可靠性是至關(guān)重要的技術(shù)特性。特別是在一些關(guān)鍵基礎(chǔ)設(shè)施（如電力調(diào)度、核電站控制、自動化生產(chǎn)線等）中，人工智能系統(tǒng)需要具備極高的安全性和故障容忍度，確保系統(tǒng)在復(fù)雜和高風(fēng)險環(huán)境下的穩(wěn)定運(yùn)行。工業(yè)人工智能必須能夠處理突發(fā)事件、設(shè)備故障或外部攻擊等潛在威脅，并保持系統(tǒng)的高可用性和穩(wěn)定性。為了保證可靠性，工業(yè)人工智能采用了冗余設(shè)計、容錯機(jī)制和高魯棒性的算法。在實(shí)時監(jiān)控系統(tǒng)中，人工智能模型可以在檢測到潛在故障時立即作出響應(yīng)，并根據(jù)不同情境進(jìn)行修正。例如，在電力系統(tǒng)調(diào)度中，人工智能能夠?qū)崟r預(yù)測并處理電網(wǎng)負(fù)載波動，防止電力過載或電力供應(yīng)中斷；在自動化生產(chǎn)線中，當(dāng)設(shè)備出現(xiàn)故障時，人工智能系統(tǒng)能夠迅速識別并調(diào)整生產(chǎn)計劃，避免生產(chǎn)停滯并降低能耗。
工業(yè)人工智能助力低碳制造的關(guān)鍵路徑
工業(yè)人工智能在能源優(yōu)化中的應(yīng)用場景廣闊。工業(yè)領(lǐng)域的能源優(yōu)化是實(shí)現(xiàn)“雙碳”目標(biāo)的重要切入點(diǎn)，傳統(tǒng)能源管理方法難以充分利用能源資源，導(dǎo)致能耗浪費(fèi)與碳排放居高不下。工業(yè)人工智能通過深度學(xué)習(xí)算法和實(shí)時數(shù)據(jù)分析，從能源需求預(yù)測到分布式能源管理，為工業(yè)領(lǐng)域的能源優(yōu)化提供了突破性解決方案。首先是能源預(yù)測與調(diào)度優(yōu)化。能源預(yù)測是能源優(yōu)化的基礎(chǔ)，精準(zhǔn)的預(yù)測能夠幫助企業(yè)有效管理能源資源，避免浪費(fèi)。工業(yè)人工智能通過對歷史能源消耗數(shù)據(jù)的深入分析和建模，利用先進(jìn)的機(jī)器學(xué)習(xí)算法，能夠準(zhǔn)確預(yù)測未來的能源需求。通過時間序列分析，人工智能能夠識別能源消耗的周期性和趨勢性變化，為能源供應(yīng)和調(diào)度提供科學(xué)依據(jù)。[19]基于時間序列預(yù)測的人工智能算法可以根據(jù)生產(chǎn)負(fù)荷的變化，動態(tài)調(diào)整生產(chǎn)設(shè)備的啟停策略，確保設(shè)備僅在需要時運(yùn)行，避免不必要的能源浪費(fèi)。這不僅有助于減少能源消耗，還能降低運(yùn)營成本，提高企業(yè)的資源利用效率，推動低碳和綠色生產(chǎn)，實(shí)現(xiàn)能源管理的精細(xì)化和智能化。其次是分布式能源管理。工業(yè)園區(qū)和大型制造企業(yè)通常配備分布式能源系統(tǒng)（如光伏電站、風(fēng)力發(fā)電），但能源利用效率常因缺乏統(tǒng)一調(diào)度而受到限制。工業(yè)人工智能通過能源互聯(lián)網(wǎng)技術(shù)整合分布式能源資源，實(shí)時調(diào)度能源的生產(chǎn)與消費(fèi)，最大化清潔能源的使用比例。[20]例如，光伏電站利用工業(yè)人工智能技術(shù)可以優(yōu)化能源儲存和分配策略。人工智能系統(tǒng)通過實(shí)時天氣監(jiān)測和發(fā)電預(yù)測模型，在晴天優(yōu)先存儲電量，在多云天氣時合理調(diào)度能源輸出，提升系統(tǒng)整體效率。
智能化生產(chǎn)線是工業(yè)人工智能應(yīng)用的核心領(lǐng)域之一。通過集成傳感器、物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能算法，智能化生產(chǎn)線能夠?qū)崿F(xiàn)生產(chǎn)過程的實(shí)時監(jiān)控、工藝優(yōu)化和自動化控制。這種系統(tǒng)通過數(shù)據(jù)驅(qū)動的方式，實(shí)時收集和分析生產(chǎn)過程中的各類數(shù)據(jù)，如設(shè)備運(yùn)行狀態(tài)、物料使用、能耗等，以優(yōu)化生產(chǎn)工藝、減少不必要的資源浪費(fèi)并提高生產(chǎn)效率。首先是流程改進(jìn)與優(yōu)化。工業(yè)制造過程中的資源浪費(fèi)，在某些情況下是源于生產(chǎn)流程的不平衡和設(shè)備運(yùn)行效率低下，導(dǎo)致能耗增加和資源的浪費(fèi)。[21]通過工業(yè)人工智能，企業(yè)能夠?qū)崟r監(jiān)控生產(chǎn)線各環(huán)節(jié)的運(yùn)行狀態(tài)，利用傳感器數(shù)據(jù)和實(shí)時分析技術(shù)，及時發(fā)現(xiàn)流程中的瓶頸和效率低下的環(huán)節(jié)。基于這些數(shù)據(jù)，人工智能可以提出優(yōu)化方案，例如，調(diào)整生產(chǎn)工藝、設(shè)備調(diào)度或能效管理，從而提高生產(chǎn)效率，減少無效能耗，優(yōu)化資源配置。通過這種智能化的優(yōu)化，企業(yè)不僅能夠降低成本，還能夠?qū)崿F(xiàn)可持續(xù)發(fā)展目標(biāo)，推動綠色低碳制造。其次是廢棄物智能管理。制造業(yè)的碳排放不僅來源于能源消耗，還包括生產(chǎn)廢棄物的處理過程。工業(yè)人工智能通過廢棄物智能管理技術(shù)，實(shí)現(xiàn)廢棄物的源頭識別、分類優(yōu)化和循環(huán)利用。
碳排放的精準(zhǔn)監(jiān)控與動態(tài)管理是工業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)的關(guān)鍵。工業(yè)人工智能通過數(shù)據(jù)采集、建模與優(yōu)化分析，幫助企業(yè)實(shí)現(xiàn)碳排放的全面數(shù)字化管理。首先是碳排放預(yù)測。通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，人工智能系統(tǒng)能夠深入分析生產(chǎn)數(shù)據(jù)和外部環(huán)境條件，如設(shè)備運(yùn)行狀態(tài)、原材料使用和氣候變化等因素，精準(zhǔn)預(yù)測未來的碳排放趨勢。[22]這些模型能夠識別出碳排放的潛在規(guī)律和影響因素，為企業(yè)提供詳盡的碳排放預(yù)測。基于這一技術(shù)，企業(yè)可以根據(jù)預(yù)測結(jié)果制定科學(xué)的碳減排策略，優(yōu)化生產(chǎn)工藝，調(diào)整能源使用結(jié)構(gòu)，進(jìn)而實(shí)現(xiàn)資源的高效利用和低碳目標(biāo)的達(dá)成，從而推動企業(yè)的綠色轉(zhuǎn)型和可持續(xù)發(fā)展。其次是排放優(yōu)化控制。碳排放優(yōu)化控制是實(shí)現(xiàn)低碳生產(chǎn)的關(guān)鍵手段，主要通過在生產(chǎn)過程中動態(tài)調(diào)整關(guān)鍵參數(shù)來降低碳排放。這一過程涉及對能源使用、原料消耗以及工藝參數(shù)的實(shí)時監(jiān)控與優(yōu)化。例如，工業(yè)人工智能通過分析實(shí)時數(shù)據(jù)，自動調(diào)整設(shè)備的運(yùn)行模式、能源配比和生產(chǎn)節(jié)奏，確保在不影響生產(chǎn)效率的前提下最大限度地減少碳排放。此外，人工智能系統(tǒng)還可以根據(jù)不同生產(chǎn)環(huán)節(jié)的碳排放數(shù)據(jù)，持續(xù)優(yōu)化調(diào)整策略，進(jìn)一步提高排放效率，推動企業(yè)實(shí)現(xiàn)綠色制造和可持續(xù)發(fā)展目標(biāo)。
工業(yè)人工智能助力低碳制造面臨的問題
算法與算力問題是工業(yè)人工智能助力低碳制造需要解決的核心技術(shù)問題。首先是算法適配性問題。工業(yè)場景通常涉及復(fù)雜且異構(gòu)的數(shù)據(jù)，涵蓋多種設(shè)備類型、工藝流程和環(huán)境條件，因此，標(biāo)準(zhǔn)的人工智能算法往往難以直接適應(yīng)這些多樣化的需求。例如，在鋼鐵行業(yè)的高爐操作中，需要考慮數(shù)百個參數(shù)的動態(tài)變化，而傳統(tǒng)的機(jī)器學(xué)習(xí)模型在處理如此高維度的數(shù)據(jù)時常顯得力不從心。其次是算力需求與成本問題。工業(yè)人工智能模型的訓(xùn)練和推理通常需要大量的計算資源，這對小型企業(yè)來說可能是推廣的主要障礙，因?yàn)樵朴嬎愫腿斯ぶ悄苡布氖褂贸杀据^高。[23]
數(shù)據(jù)管理與安全性問題是工業(yè)人工智能助力低碳制造亟待解決的底線問題。首先是數(shù)據(jù)來源多樣性與質(zhì)量問題。工業(yè)領(lǐng)域的數(shù)據(jù)來源復(fù)雜多樣，包括傳感器數(shù)據(jù)、設(shè)備運(yùn)行日志和環(huán)境監(jiān)測數(shù)據(jù)等。這些數(shù)據(jù)在格式、采樣頻率和準(zhǔn)確性上存在較大差異，給數(shù)據(jù)整合和建模帶來了很大挑戰(zhàn)。其次是數(shù)據(jù)隱私與安全問題。工業(yè)數(shù)據(jù)通常涉及生產(chǎn)機(jī)密和商業(yè)利益，其泄露可能引發(fā)重大經(jīng)濟(jì)損失或安全威脅。[24]例如，關(guān)鍵基礎(chǔ)設(shè)施的能耗數(shù)據(jù)若被惡意利用，可能導(dǎo)致能源系統(tǒng)的癱瘓。[25]
在工業(yè)人工智能助力低碳制造過程中還存在著體制機(jī)制障礙。首先是政策與標(biāo)準(zhǔn)化問題。盡管工業(yè)人工智能在低碳制造中的潛力已得到廣泛認(rèn)可，但目前缺乏針對性的政策支持和行業(yè)標(biāo)準(zhǔn)化指導(dǎo)，導(dǎo)致技術(shù)推廣進(jìn)展緩慢。特別是不同地區(qū)和行業(yè)在碳排放核算方法上的差異，使得技術(shù)實(shí)施面臨協(xié)調(diào)困難。[26]其次是企業(yè)技術(shù)采納意愿問題。部分傳統(tǒng)制造企業(yè)，尤其是中小企業(yè)，由于技術(shù)成本較高、轉(zhuǎn)型周期較長，往往對工業(yè)人工智能技術(shù)的采納意愿較低。這種情況使得技術(shù)推廣面臨一定的障礙。
在工業(yè)人工智能推動低碳制造的過程中，投融資機(jī)制也面臨諸多挑戰(zhàn)。首先是前期投入與融資難題。工業(yè)人工智能項(xiàng)目通常涉及較高的前期投入，包括設(shè)備升級、數(shù)據(jù)采集基礎(chǔ)設(shè)施建設(shè)和算法開發(fā)等。然而，由于回報周期較長，資本市場對這類項(xiàng)目的興趣較低，融資難題成為制約其發(fā)展的關(guān)鍵因素。[27]其次是風(fēng)險分擔(dān)機(jī)制缺乏。工業(yè)智能化轉(zhuǎn)型面臨較高的風(fēng)險，包括技術(shù)失敗和收益不確定等問題，但目前缺乏有效的風(fēng)險分擔(dān)機(jī)制，使企業(yè)在進(jìn)行轉(zhuǎn)型時往往面臨較大壓力。
人才資源的稀缺也制約了工業(yè)人工智能在低碳制造領(lǐng)域的應(yīng)用。人工智能的快速發(fā)展與廣泛應(yīng)用正逐漸滲透到各行各業(yè)，特別是在工業(yè)領(lǐng)域。然而，人工智能的推廣與實(shí)施并非僅依賴于技術(shù)的突破，還需要大量具備跨學(xué)科背景的復(fù)合型人才。當(dāng)前，人工智能與工業(yè)領(lǐng)域的交叉型人才仍處于稀缺狀態(tài)，尤其是在深度理解工業(yè)需求的基礎(chǔ)上能夠有效應(yīng)用人工智能技術(shù)的專業(yè)人才。[28]在技術(shù)創(chuàng)新與應(yīng)用之間的鴻溝，常常因缺乏這樣的復(fù)合型人才而難以彌合。這不僅影響了人工智能技術(shù)的普及速度，也對其在工業(yè)生產(chǎn)中的實(shí)際應(yīng)用效果構(gòu)成了制約。因此，培養(yǎng)具備數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和工業(yè)工程等多領(lǐng)域知識的人才，已成為推動人工智能在工業(yè)領(lǐng)域深入發(fā)展的重要前提。
推動工業(yè)人工智能實(shí)現(xiàn)低碳制造的策略建議
在技術(shù)層面，需要推動關(guān)鍵技術(shù)研發(fā)，強(qiáng)化硬件基礎(chǔ)設(shè)施建設(shè)和數(shù)據(jù)處理技術(shù)的改進(jìn)，以推動工業(yè)人工智能在低碳制造中的應(yīng)用。一方面，推動關(guān)鍵技術(shù)研發(fā)。工業(yè)人工智能技術(shù)的進(jìn)一步發(fā)展依賴低能耗、高效率的算法創(chuàng)新及其在具體場景中的適配性優(yōu)化。為推動這一進(jìn)程，建議重點(diǎn)開展以下幾項(xiàng)技術(shù)研發(fā)：首先，開發(fā)綠色人工智能算法，針對低計算復(fù)雜度的人工智能模型進(jìn)行研發(fā)，通過模型壓縮和邊緣計算技術(shù)有效降低能耗；其次，探索多模態(tài)數(shù)據(jù)融合技術(shù)，結(jié)合工業(yè)場景中多樣化的數(shù)據(jù)來源（如傳感器、影像、日志等），提升模型的綜合性能；最后，推廣數(shù)字孿生技術(shù)，在低碳制造領(lǐng)域，通過創(chuàng)建物理系統(tǒng)的虛擬鏡像，優(yōu)化生產(chǎn)流程并驗(yàn)證低碳技術(shù)方案的可行性。以上技術(shù)創(chuàng)新將為工業(yè)人工智能的實(shí)際應(yīng)用提供重要支撐，推動其在低碳制造中的深入發(fā)展。另一方面，強(qiáng)化智能化硬件基礎(chǔ)設(shè)施。工業(yè)人工智能的部署離不開高性能硬件基礎(chǔ)設(shè)施的支持，如工業(yè)物聯(lián)網(wǎng)設(shè)備、傳感器和邊緣計算設(shè)備等。為此，建議采取以下措施：首先，加強(qiáng)本地硬件研發(fā)，降低對進(jìn)口高端傳感器和智能控制設(shè)備的依賴，提升本土硬件生產(chǎn)能力，以增強(qiáng)自主可控的技術(shù)基礎(chǔ)；其次，推動5G與工業(yè)互聯(lián)網(wǎng)的融合，構(gòu)建高帶寬、低延時的通信網(wǎng)絡(luò)，為智能化設(shè)備提供穩(wěn)定、高效的數(shù)據(jù)傳輸支持。這些措施將為工業(yè)人工智能的廣泛應(yīng)用提供堅實(shí)的硬件保障，促進(jìn)其在各行業(yè)中的深化推廣。
在政策支持方面，政府應(yīng)出臺有針對性的政策措施，包括制定統(tǒng)一的行業(yè)標(biāo)準(zhǔn)、提供專項(xiàng)資金支持以及鼓勵企業(yè)加大低碳智能化技術(shù)的投資，以促進(jìn)工業(yè)人工智能技術(shù)的快速發(fā)展和廣泛應(yīng)用。一方面，完善政策體系。完善政策體系是推動工業(yè)人工智能規(guī)模化應(yīng)用的重要保障，尤其在低碳轉(zhuǎn)型過程中，政策的針對性和激勵性顯得尤為關(guān)鍵。為此，建議采取以下措施：首先，建立專項(xiàng)資金扶持機(jī)制，設(shè)立工業(yè)人工智能專項(xiàng)基金，為企業(yè)的技術(shù)研發(fā)和試點(diǎn)項(xiàng)目提供資金支持；其次，推進(jìn)碳交易市場機(jī)制，完善碳排放權(quán)交易體系，鼓勵企業(yè)通過智能化手段減少碳排放并積極參與碳交易；最后，出臺行業(yè)標(biāo)準(zhǔn)，制定工業(yè)人工智能在低碳制造中的技術(shù)規(guī)范，明確碳排放數(shù)據(jù)采集、算法開發(fā)與平臺運(yùn)行的標(biāo)準(zhǔn)。這些政策措施將為工業(yè)人工智能的推廣與應(yīng)用提供強(qiáng)有力的支撐，促進(jìn)低碳制造的深入發(fā)展。另一方面，優(yōu)化稅收與金融優(yōu)惠政策。稅收與金融優(yōu)惠政策是推動企業(yè)綠色轉(zhuǎn)型的重要經(jīng)濟(jì)激勵手段，尤其在工業(yè)人工智能助力低碳制造的背景下，政策支持尤為關(guān)鍵。為促進(jìn)企業(yè)廣泛采用綠色技術(shù)，建議采取以下措施：首先，對那些采用工業(yè)人工智能實(shí)現(xiàn)低碳制造的企業(yè)提供稅收減免。通過降低稅負(fù)，可以有效減輕企業(yè)的資金壓力，激勵其加大技術(shù)研發(fā)和設(shè)備升級的投入，進(jìn)而推動低碳技術(shù)的廣泛應(yīng)用。其次，鼓勵銀行、基金等金融機(jī)構(gòu)開發(fā)專門的綠色信貸和綠色債券，提供低成本融資渠道，幫助企業(yè)解決資金瓶頸問題。通過金融工具的創(chuàng)新，企業(yè)可以在較低的融資成本下獲得轉(zhuǎn)型所需的資金支持。這些稅收和金融優(yōu)惠政策將共同為企業(yè)的低碳轉(zhuǎn)型提供強(qiáng)有力的支持，促進(jìn)工業(yè)人工智能技術(shù)的普及和應(yīng)用，加速綠色制造的發(fā)展，從而為實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)提供有力保障。
在多主體協(xié)作方面，通過加強(qiáng)政府、企業(yè)、科研機(jī)構(gòu)和金融機(jī)構(gòu)之間的合作，共同推動工業(yè)人工智能技術(shù)的研發(fā)與應(yīng)用，整合各方資源與優(yōu)勢，以實(shí)現(xiàn)低碳制造的技術(shù)突破和產(chǎn)業(yè)升級。一方面，強(qiáng)化政產(chǎn)學(xué)研聯(lián)合。工業(yè)人工智能技術(shù)的順利落地依賴于政府、企業(yè)、高校和科研機(jī)構(gòu)的深度合作，只有政產(chǎn)學(xué)研的緊密聯(lián)合，才能有效推動技術(shù)的開發(fā)和應(yīng)用。為此，建議構(gòu)建開放式創(chuàng)新平臺，建立以政府為主導(dǎo)、企業(yè)與高校共同參與的研發(fā)平臺，促進(jìn)技術(shù)成果的共享與協(xié)同創(chuàng)新。這一平臺將有助于加速科技成果轉(zhuǎn)化，推動關(guān)鍵技術(shù)的突破。同時，推動產(chǎn)業(yè)鏈協(xié)同也是關(guān)鍵，支持大型企業(yè)與中小企業(yè)之間的合作，幫助它們共同應(yīng)對低碳智能化轉(zhuǎn)型的挑戰(zhàn)。通過這種多方合作模式，能夠整合資源，提升產(chǎn)業(yè)整體競爭力，加速工業(yè)人工智能技術(shù)在低碳制造中的廣泛應(yīng)用。另一方面，加強(qiáng)國際合作與技術(shù)引進(jìn)。國際合作與技術(shù)引進(jìn)是加速國內(nèi)工業(yè)人工智能技術(shù)突破與推廣的重要途徑。為此，建議加強(qiáng)與國際領(lǐng)先企業(yè)的合作，借鑒并引入其前沿技術(shù)和先進(jìn)管理經(jīng)驗(yàn)，從而提升國內(nèi)技術(shù)創(chuàng)新的水平和效率。同時，鼓勵我國積極參與國際標(biāo)準(zhǔn)的制定，增強(qiáng)在全球工業(yè)人工智能領(lǐng)域的影響力與話語權(quán)。這些措施將幫助我國快速跟上全球技術(shù)發(fā)展的步伐，并推動工業(yè)人工智能在低碳制造中的廣泛應(yīng)用。
在風(fēng)險分擔(dān)與激勵機(jī)制方面，通過政府擔(dān)保、保險機(jī)制以及產(chǎn)業(yè)鏈上下游企業(yè)的合作模式，共同分擔(dān)技術(shù)應(yīng)用過程中可能出現(xiàn)的風(fēng)險，同時設(shè)立激勵措施，鼓勵企業(yè)積極參與低碳轉(zhuǎn)型與智能化技術(shù)的研發(fā)和應(yīng)用。一方面，建立風(fēng)險分擔(dān)機(jī)制。工業(yè)人工智能技術(shù)的推廣面臨一定的不確定性，因此亟須通過創(chuàng)新機(jī)制來分擔(dān)風(fēng)險。為此，建議建立風(fēng)險分擔(dān)機(jī)制。首先，由政府提供風(fēng)險兜底，建立擔(dān)保機(jī)制，為企業(yè)的技術(shù)投資提供必要的支持，降低其投資風(fēng)險；其次，鼓勵企業(yè)通過組建產(chǎn)業(yè)聯(lián)盟，共同承擔(dān)技術(shù)研發(fā)和應(yīng)用的成本與風(fēng)險。這些措施將有效緩解企業(yè)在轉(zhuǎn)型過程中的資金壓力，促進(jìn)工業(yè)人工智能技術(shù)的快速發(fā)展和廣泛應(yīng)用。另一方面，激勵技術(shù)創(chuàng)新。激勵技術(shù)創(chuàng)新是推動低碳制造的重要手段，尤其在工業(yè)人工智能應(yīng)用領(lǐng)域，激勵機(jī)制的設(shè)計應(yīng)注重長期技術(shù)創(chuàng)新的引領(lǐng)作用。為此，建議設(shè)立技術(shù)創(chuàng)新獎勵機(jī)制，對在工業(yè)人工智能低碳制造中取得顯著突破的企業(yè)和個人給予獎勵，以激發(fā)創(chuàng)新活力；同時，推動專利共享機(jī)制，降低行業(yè)內(nèi)的重復(fù)研發(fā)和資源浪費(fèi)。這些措施將有效鼓勵企業(yè)和科研人員在低碳制造領(lǐng)域進(jìn)行技術(shù)創(chuàng)新，推動行業(yè)的持續(xù)發(fā)展與技術(shù)進(jìn)步。
在人才支撐方面，為解決工業(yè)人工智能與低碳制造領(lǐng)域的人才稀缺問題，建議從教育體系、專項(xiàng)計劃、產(chǎn)學(xué)研合作及職業(yè)技能培訓(xùn)等多方面入手。政府和高校應(yīng)推動人工智能、數(shù)據(jù)科學(xué)與工業(yè)工程的深度融合，設(shè)立跨學(xué)科專業(yè)課程，培養(yǎng)具備理論與實(shí)踐能力的復(fù)合型人才。同時，通過設(shè)立專項(xiàng)基金、支持研究生和博士后培養(yǎng)計劃、開展國際合作等方式，強(qiáng)化高層次人才儲備。此外，鼓勵企業(yè)、高校和科研機(jī)構(gòu)建立產(chǎn)學(xué)研合作平臺，提供實(shí)踐機(jī)會，并針對工業(yè)從業(yè)人員設(shè)立職業(yè)技能培訓(xùn)和認(rèn)證機(jī)制，提升從業(yè)者的技術(shù)應(yīng)用能力。政府還應(yīng)支持企業(yè)建立內(nèi)部人才培養(yǎng)機(jī)制，為偏遠(yuǎn)地區(qū)提供定向人才輸送支持，形成全社會推動工業(yè)人工智能技術(shù)普及的合力。這些舉措將有助于加速工業(yè)人工智能技術(shù)的推廣，推動低碳制造目標(biāo)的實(shí)現(xiàn)。
結(jié)語
隨著“雙碳”目標(biāo)的逐步推進(jìn)，工業(yè)人工智能在推動工業(yè)綠色轉(zhuǎn)型、實(shí)現(xiàn)低碳經(jīng)濟(jì)和建設(shè)綠色低碳社會中將發(fā)揮越來越重要的戰(zhàn)略作用。通過對能源優(yōu)化、生產(chǎn)效率提升和碳排放精準(zhǔn)監(jiān)控的技術(shù)支撐，工業(yè)人工智能不僅能加速傳統(tǒng)工業(yè)的智能化升級，還為實(shí)現(xiàn)“雙碳”目標(biāo)提供了強(qiáng)有力的技術(shù)保障。其在低碳制造中的應(yīng)用，標(biāo)志著生產(chǎn)方式和能源利用的深刻變革，具有重要的實(shí)踐意義和全球影響力。隨著人工智能技術(shù)的不斷突破，工業(yè)人工智能將在更廣泛的領(lǐng)域和更深層次的應(yīng)用中展現(xiàn)其巨大潛力。尤其是人工智能與新能源、新材料、生物技術(shù)等多學(xué)科領(lǐng)域的深度融合，將催生出更多創(chuàng)新性解決方案，推動跨領(lǐng)域的技術(shù)融合和產(chǎn)業(yè)升級。這一趨勢不僅有助于加快全球綠色轉(zhuǎn)型步伐，也將在全球氣候變化治理中發(fā)揮關(guān)鍵作用。通過國際合作，分享技術(shù)成果和經(jīng)驗(yàn)，工業(yè)人工智能將成為全球應(yīng)對氣候變化挑戰(zhàn)、實(shí)現(xiàn)可持續(xù)發(fā)展的重要工具。
未來，工業(yè)人工智能將不斷融入全球綠色低碳經(jīng)濟(jì)建設(shè)浪潮，成為推動生態(tài)文明建設(shè)的重要力量。中國作為工業(yè)大國，應(yīng)抓住這一機(jī)遇，積極探索具有重要示范意義的低碳制造路徑，為全球“雙碳”目標(biāo)的實(shí)現(xiàn)作出更加突出的貢獻(xiàn)。全球范圍內(nèi)的多方協(xié)作和技術(shù)創(chuàng)新將是推動工業(yè)人工智能實(shí)現(xiàn)廣泛應(yīng)用和深遠(yuǎn)影響的關(guān)鍵。未來，我們有理由相信，工業(yè)人工智能將在全球氣候治理和綠色轉(zhuǎn)型中發(fā)揮不可替代的作用，為構(gòu)建更加美好的綠色低碳社會提供源源不斷的動力。
注釋
[1]Intergovernmental Panel on Climate Change (IPCC), Climate Change 2021: The Physical Science Basis, Cambridge University Press, 2021.
[2]《國家首次發(fā)布：碳排放130億噸，需資金268萬億》，2025年1月9日，https://finance.sina.com.cn/esg/2025-01-09/doc-ineekqsv3057710.shtml。
[3]劉軍平、楊濤、夏可珍：《命脈》，北京：中央黨校出版集團(tuán)、大有書局，2022年，第76頁。
[4]劉強(qiáng)：《從新能源產(chǎn)業(yè)發(fā)展看未來產(chǎn)業(yè)生態(tài)圈建設(shè)》，《人民論壇·學(xué)術(shù)前沿》，2025年第1期。
[5]李杰、李響、許元銘、楊紹杰、孫可意：《工業(yè)人工智能及應(yīng)用研究現(xiàn)狀及展望》，《自動化學(xué)報》，2020年第10期。
[6]"How Artificial Intelligence (AI) is Revolutionizing the Steel Industry," https://steelindustry.news/how-artificial-intelligence-ai-is-revolutionizing-the-steel-industry/.
[7]《數(shù)字孿生與汽車制造：提高生產(chǎn)效率》，https://developer.aliyun.com/article/1635518。
[8]D. Steinigen; M. Namysl; M. Hepperle; J. Krekeler and S. Landgraf, "An In-Depth Case Study of Volkswagen's AI Integration," CEUR Workshop Proceedings, 2024, pp. 73-86.
[9]譚晶榮、柳旭、陳林、范嬌嬌：《人工智能對碳排放的影響——基于中國工業(yè)行業(yè)機(jī)器人數(shù)據(jù)的實(shí)證檢驗(yàn)》，《科技與經(jīng)濟(jì)》，2023年第4期。
[10]《施耐德電氣助力東明石化數(shù)字化轉(zhuǎn)型，“智”領(lǐng)行業(yè)新舊動能轉(zhuǎn)換》，https://baijiahao.baidu.com/s?id=1686941811443594957&wfr=spider&for=pc。
[11]李輝、龐博、朱法華、孫雪麗、徐靜馨、王圣：《碳減排背景下我國與世界主要能源消費(fèi)國能源消費(fèi)結(jié)構(gòu)與模式對比》，《環(huán)境科學(xué)》，2022年第11期。
[12]趙耕、柳軍、孫文權(quán)、張哲、劉向國、潘健華、郭瑞春：《人工智能在鋼鐵能源管控中的應(yīng)用》，《金屬世界》，2022年第3期。
[13]牛沖麗、盧凱杰：《人工智能技術(shù)在工業(yè)設(shè)備預(yù)測性維護(hù)中的應(yīng)用》，《電子技術(shù)與軟件工程》，2022年第17期。
[14]《AI數(shù)字化賦能風(fēng)電高效運(yùn)維》，https://www.chinawind.org.cn/news/97。
[15]Qi Mengshi, "Enhancing Industrial Automation Through AI-driven Sensors: A Comprehensive Study on Efficiency, Safety, and Predictive Maintenance," Applied and Computational Engineering, 2024, 23(4).
[16]白旭航：《人工智能技術(shù)在工業(yè)機(jī)器人系統(tǒng)中的應(yīng)用研究》，《信息系統(tǒng)工程》，2018年第12期。
[17]龐倩倩、鄭祥：《工業(yè)互聯(lián)網(wǎng)平臺專題報告：打開工業(yè)大數(shù)據(jù)與工業(yè)AI的鑰匙》，https://news.qq.com/rain/a/20230522A016CF00。
[18]張亞莉、李遼遼、丁振斌：《組織管理中的人工智能決策：述評與展望》，《外國經(jīng)濟(jì)與管理》，2024年第10期。
[19]劉舒巍、楊和辰、余夏、舒斌、吳其榮：《AI技術(shù)在電力系統(tǒng)發(fā)展中的應(yīng)用與前景》，《南方能源建設(shè)》，2024年第5期。
[20]張彥：《基于模型預(yù)測控制的能源互聯(lián)網(wǎng)智能能量優(yōu)化調(diào)度研究》，博士學(xué)位論文，國防科學(xué)技術(shù)大學(xué)，2016年。
[21]蘇璇：《離散車間制造資源動態(tài)瓶頸分析與優(yōu)化配置方法研究》，博士學(xué)位論文，江南大學(xué)，2022年。
[22]Li, Shanshan, Y. W. Siu and G. Zhao, "Driving Factors of CO2 Emissions: Further Study Based on Machine Learning," Frontiers in Environmental Science, 2021(9).
[23]董凡：《AI技術(shù)大規(guī)模應(yīng)用為何絆倒在“最后一公里”？》，https://aitntnews.com/newDetail.html?newId=7830。
[24]張公望：《走向數(shù)字社會》，杭州：浙江人民出版社，2023年，第224頁。
[25]孟小峰等：《數(shù)據(jù)隱私與數(shù)據(jù)治理：概念與技術(shù)》，北京：機(jī)械工業(yè)出版社，2023年，第135頁。
[26]王鵬：《破解關(guān)鍵短板，夯實(shí)碳排放數(shù)據(jù)基礎(chǔ)：意義、難點(diǎn)與發(fā)展趨勢》，https://column.chinadaily.com.cn/a/202411/05/WS6729daf2a310b59111da1c69.html。
[27]章瀟萌、劉相波：《融資約束、人工智能與經(jīng)濟(jì)增長》，《財經(jīng)研究》，2022年第8期。
[28]趙晨、李振東：《夯實(shí)人工智能產(chǎn)業(yè)發(fā)展的人才根基》，《科技日報》，2024年11月4日第8版。
Optimizing the Application of Industrial AI
in Low-Carbon Manufacturing
Zhang Chao Tang Jie
Abstract: Industrial artificial intelligence (IAI), as a representative of next-generation information technology, provides an important path for low-carbon manufacturing in the industrial sector. IAI plays a critical role in the "dual carbon" goals, with applications ranging from energy optimization, intelligent production line management, to carbon emissions monitoring, offering vast prospects and significant technical advantages in low-carbon manufacturing. Currently, China has made technological breakthroughs in this field, but also faces numerous challenges, including algorithm adaptability, data management and security, institutional barriers, and talent shortages. In this context, coordinated efforts in technological research and development, policy support, and multi-stakeholder collaboration are essential to provide theoretical support and practical pathways for achieving the "dual carbon" goals.
Keywords: industrial artificial intelligence, low-carbon manufacturing, "dual carbon" goals, technological breakthroughs, intelligent applications
責(zé) 編∕韓 拓 美 編∕周群英
