【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(hào)】F424" " " " " " " " " " " " " " " " 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2025.02.008

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(dòng)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(dòng)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(dòng)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級的必然要求?！半p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(dòng)，通過資源與勞動(dòng)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(dòng)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(dòng)化逐步與計(jì)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(jì)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(dòng)化不同，工業(yè)人工智能強(qiáng)調(diào)利用大數(shù)據(jù)、實(shí)時(shí)分析和自適應(yīng)優(yōu)化，實(shí)現(xiàn)從設(shè)備到整個(gè)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(shí)分析減少碳排放。[6]通過對海量生產(chǎn)數(shù)據(jù)的實(shí)時(shí)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(dòng)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(dòng)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(shí)監(jiān)控和數(shù)據(jù)驅(qū)動(dòng)，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(dòng)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(dòng)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(shí)監(jiān)測和動(dòng)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(dòng)化方案，建立了碳排放數(shù)字化管理平臺(tái)。該平臺(tái)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(dòng)強(qiáng)度，同時(shí)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(jì)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(shí)預(yù)測設(shè)備的潛在故障，并提供優(yōu)化的維護(hù)時(shí)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(shí)間，同時(shí)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(shí)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(dòng)與實(shí)時(shí)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(dòng)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(shí)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(jì)算端，工業(yè)人工智能能夠?qū)崿F(xiàn)近實(shí)時(shí)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(shí)分析爐溫、氣流等參數(shù)，工業(yè)人工智能能夠?qū)崟r(shí)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(shí)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(gè)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(shí)數(shù)據(jù)變化對生產(chǎn)流程進(jìn)行調(diào)整，實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化。這種數(shù)據(jù)驅(qū)動(dòng)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(dòng)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(shí)數(shù)據(jù)的變化動(dòng)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(shí)，自動(dòng)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(huì)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(dòng)。工業(yè)人工智能通過在線學(xué)習(xí)和實(shí)時(shí)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(gè)顯著特性是系統(tǒng)集成性，即它能夠?qū)⒍鄠€(gè)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(jì)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(tái)統(tǒng)一管理和分析，人工智能系統(tǒng)可以實(shí)時(shí)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(dòng)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(gè)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(huì)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(cuò)誤和故障的風(fēng)險(xiǎn)。

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(dòng)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(xiǎn)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(jì)、容錯(cuò)機(jī)制和高魯棒性的算法。在實(shí)時(shí)監(jiān)控系統(tǒng)中，人工智能模型可以在檢測到潛在故障時(shí)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(shí)預(yù)測并處理電網(wǎng)負(fù)載波動(dòng)，防止電力過載或電力供應(yīng)中斷；在自動(dòng)化生產(chǎn)線中，當(dāng)設(shè)備出現(xiàn)故障時(shí)，人工智能系統(tǒng)能夠迅速識(shí)別并調(diào)整生產(chǎn)計(jì)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(shí)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(shí)間序列分析，人工智能能夠識(shí)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(shí)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(dòng)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(shí)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(dòng)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(shí)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(chǔ)存和分配策略。人工智能系統(tǒng)通過實(shí)時(shí)天氣監(jiān)測和發(fā)電預(yù)測模型，在晴天優(yōu)先存儲(chǔ)電量，在多云天氣時(shí)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(shí)監(jiān)控、工藝優(yōu)化和自動(dòng)化控制。這種系統(tǒng)通過數(shù)據(jù)驅(qū)動(dòng)的方式，實(shí)時(shí)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(shí)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(shí)分析技術(shù)，及時(shí)發(fā)現(xiàn)流程中的瓶頸和效率低下的環(huán)節(jié)?；谶@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(dòng)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(shí)別、分類優(yōu)化和循環(huán)利用。

碳排放的精準(zhǔn)監(jiān)控與動(dòng)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(shí)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?；谶@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(dòng)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(dòng)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(shí)監(jiān)控與優(yōu)化。例如，工業(yè)人工智能通過分析實(shí)時(shí)數(shù)據(jù)，自動(dòng)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(dòng)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(gè)參數(shù)的動(dòng)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(shí)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(jì)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?jì)算和人工智能硬件的使用成本較高。[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(dòng)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(bào)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(xiǎn)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(xiǎn)，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(xiǎn)分擔(dān)機(jī)制，使企業(yè)在進(jìn)行轉(zhuǎn)型時(shí)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(shí)的人才，已成為推動(dòng)人工智能在工業(yè)領(lǐng)域深入發(fā)展的重要前提。

推動(dòng)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(dòng)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(dòng)工業(yè)人工智能在低碳制造中的應(yīng)用。一方面，推動(dòng)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(dòng)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(jì)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(jì)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(dòng)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(jì)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(dòng)5G與工業(yè)互聯(lián)網(wǎng)的融合，構(gòu)建高帶寬、低延時(shí)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(jiān)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(tái)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(lì)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(dòng)工業(yè)人工智能規(guī)?；瘧?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(lì)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(lì)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(tái)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(tái)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(dòng)企業(yè)綠色轉(zhuǎn)型的重要經(jīng)濟(jì)激勵(lì)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(lì)其加大技術(shù)研發(fā)和設(shè)備升級的投入，進(jìn)而推動(dòng)低碳技術(shù)的廣泛應(yīng)用。其次，鼓勵(lì)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(dòng)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(dòng)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(tái)，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(tái)，促進(jìn)技術(shù)成果的共享與協(xié)同創(chuàng)新。這一平臺(tái)將有助于加速科技成果轉(zhuǎn)化，推動(dòng)關(guān)鍵技術(shù)的突破。同時(shí)，推動(dòng)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(shí)，鼓勵(lì)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(dòng)工業(yè)人工智能在低碳制造中的廣泛應(yīng)用。

在風(fēng)險(xiǎn)分擔(dān)與激勵(lì)機(jī)制方面，通過政府擔(dān)保、保險(xiǎn)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(xiǎn)，同時(shí)設(shè)立激勵(lì)措施，鼓勵(lì)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(xiǎn)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(xiǎn)。為此，建議建立風(fēng)險(xiǎn)分擔(dān)機(jī)制。首先，由政府提供風(fēng)險(xiǎn)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(xiǎn)；其次，鼓勵(lì)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(xiǎn)。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(lì)技術(shù)創(chuàng)新。激勵(lì)技術(shù)創(chuàng)新是推動(dòng)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(lì)機(jī)制的設(shè)計(jì)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(jiǎng)勵(lì)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(gè)人給予獎(jiǎng)勵(lì)，以激發(fā)創(chuàng)新活力；同時(shí)，推動(dòng)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(lì)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(dòng)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(jì)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(dòng)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(shí)，通過設(shè)立專項(xiàng)基金、支持研究生和博士后培養(yǎng)計(jì)劃、開展國際合作等方式，強(qiáng)化高層次人才儲(chǔ)備。此外，鼓勵(lì)企業(yè)、高校和科研機(jī)構(gòu)建立產(chǎn)學(xué)研合作平臺(tái)，提供實(shí)踐機(jī)會(huì)，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(huì)推動(dòng)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(dòng)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(dòng)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(huì)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(dòng)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(dòng)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(dòng)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(huì)提供源源不斷的動(dòng)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(dòng)化學(xué)報(bào)》，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(dòng)能轉(zhuǎn)換》，https：//baijiahao.baidu.com/s？id=1686941811443594957amp;wfr=spideramp;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(tái)專題報(bào)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(dòng)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(huì)》，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(cái)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(bào)》，2024年11月4日第8版。

責(zé) 編∕韓 拓" 美 編∕周群英