中国工业报 刘德炳

在南钢集团智慧运营中心巨大的屏幕上，高炉炉温、煤气流、能源数据曲线不停变动，数字化设施正将其生产、能源消耗过程变成一组组可看可感的数字。

数字经济蓬勃发展，绿色低碳步步落子，数字化与绿色化早已不再是两条互不相交的平行线。无论是钢铁工厂的生产运行，还是城市运营的建设运行，数字化与绿色化正在各个场景深度交织。

近日，中央网信办、国家发展改革委、工业和信息化部、生态环境部、住房城乡建设部、农业农村部、商务部七部门联合印发《促进数字化绿色化协同转型发展实施方案（2026-2030年）》（以下简称《实施方案》），明确了“十五五”时期推进数字化绿色化协同转型发展（以下简称“双化协同”）的思路目标、重点任务和政策举措。

专家表示，一边用数字化为降碳减污提供工具，一边用绿色化约束数字产业能耗，同时将数字化绿色化的动能延伸向更多领域，“双化协同”正成为“十五五”时期高质量发展的重要抓手。

数字化与绿色化不是两条平行线

数字化为绿色转型提供技术支撑，绿色化则对数字技术的能源消耗和发展方式提出新的要求。

“过去，数字化与绿色化主要沿着两条相对独立的政策路径推进：数字化着眼于技术创新和效率提升，绿色化着眼于节能减排和环境治理。随着数字经济快速发展和绿色转型深入推进，两者的互动日益增强：数字化为绿色转型提供技术支撑，绿色化则对数字技术的能源消耗和发展方式提出新的要求。”浙江大学公共管理学院博士生导师、浙江大学城市发展与低碳战略研究中心副主任邹永华接受中国工业报采访时表示，《实施方案》发布的意义，在于将两种转型纳入统一的发展框架。

工信部中国绿色供应链联盟Web3.0专委会秘书长王翔向中国工业报表示，当前，数字技术快速迭代普及，全社会绿色低碳转型任务持续推进，数字化与绿色化已经不是两条独立的发展赛道，两者相互赋能、双向驱动的特征愈发明显。一方面，算力、大数据、人工智能等数字技术是助力各行各业降碳减污的重要工具；另一方面，数字产业自身能耗、碳排放持续增长，也迫切需要走绿色低碳发展道路。

厦门大学管理学院特聘教授、中国能源政策研究院院长林伯强以算电协同为例分析，由于人工智能发展很快，需要满足人工智能的电力需求，但决策面不是要简单的满足，而是希望用绿电来满足。

从数字产业自身能耗看，我国数据中心年用电量已超过1500亿千瓦时，占全国全社会用电量的比重持续攀升，数字基础设施已成为不容忽视的用能主体。从赋能潜力看，国际能源署（IEA）研究表明，数字技术广泛应用有望在全球范围实现约20%的温室气体减排潜力，数字技术赋能降碳的空间十分可观。同时，绿色数字经济本身也是重要的新增长点，预计到2030年我国绿色数字经济规模将突破15万亿元。

王翔表示，“十五五”时期是我国实现“双碳”目标的关键阶段，也是数字经济向纵深发展的重要窗口期，在此背景下，《实施方案》的出台可谓恰逢其时。

融合创新有多道难关待打通

数智技术与绿色技术的融合，并不会一蹴而就。两者融合创新主要存在四大难点。

数智技术与绿色技术的融合，并不会一蹴而就。

邹永华表示，融合的主要难点是数智技术和绿色技术分属不同的知识体系和应用体系。数智技术强调数据、算法和计算能力，绿色技术更多涉及能源、工艺和环境过程。两者要实现融合，需要高质量的行业数据，也需要两类技术人员开展合作。另一个难点是从技术走向规模化应用，目前很多技术可以完成局部演示，却未必经得起复杂环境和长期运行的检验。

王翔向中国工业报表示，两者融合创新主要存在四大难点。

一是技术体系壁垒。数智技术、节能环保绿色技术分属不同学科、不同行业，技术标准、数据口径不统一，跨领域技术耦合适配不足，很多绿色场景难以直接套用成熟数字模型。

二是数据要素短板。绿色低碳监测、核算、溯源的数据分散在企业、环保、工信、住建等多个部门，数据孤岛突出；高质量、标准化的绿色数据集供给不足，制约算法模型训练与落地。

三是成本与收益错配。融合类技术研发投入高，前期改造、部署成本大，部分项目降碳效益属于社会效益，短期直接经济效益不明显，市场主体投入意愿有限。

四是人才与供给不足。既懂数字技术又懂节能降碳、循环经济的复合型人才稀缺，面向行业场景的融合型解决方案供给不足。

中国环境科学院原副院长夏青向中国工业报表示，数智技术与绿色技术融合的关键是先要有信息决策验证机制，通过信息链的协同整合确保决策科学，然后才有数字耦合发挥人工智能价值。

在邹永华看来，融合创新突破的关键，是围绕具体问题开展共同研发，打通数据共享、技术标准和成果转化机制。同时，技术融合也是组织融合，只有数据、专业力量和管理部门持续协同，技术创新才能真正转化为绿色发展能力。

王翔认为，需要从四个方向实现突破。

第一，强化产学研用协同攻关，支持科研院所、数字企业、节能环保企业组建联合创新平台，围绕工业节能降碳、环境治理、碳核算等重点场景开展技术联合攻关，打通技术适配堵点。

第二，加快统一标准规范，推动碳排放、能耗监测、环境监测的数据标准、接口规范建设，推动跨部门、跨主体数据合规共享，打造行业绿色数据集。

第三，完善市场激励机制，用好财政、金融工具，鼓励绿色数字技术示范项目，探索碳收益、节能收益分享模式，改善项目经济性，引导社会资本参与。

第四，加强复合型人才培养，同时鼓励行业联盟搭建供需对接平台，推广成熟的融合创新解决方案。

为此，他建议，一是由中央财政牵头设立规模为10亿元的国家级“双化协同”研发专项，重点支持跨领域关键技术攻关与标准研制；同时发起规模约100亿元的“双化协同”产业引导基金，撬动社会资本投入绿色数字技术研发与示范应用。二是在重点行业和区域布局一批融合创新公共服务平台，为中小企业提供低成本的数据、算法与测试验证服务，降低融合创新门槛。

数字化绿色化更注重双向赋能

需要从算法、算力、软硬件、应用场景多维度协同发力。

当前，大模型、生成式AI快速发展的同时，能耗增长问题日益突出。研究显示，训练一个千亿参数大模型所产生的碳排放，约相当于5辆普通汽车全生命周期的排放总量，推进绿色高效人工智能技术已刻不容缓。

《实施方案》提出，发展绿色高效人工智能技术。到2030年，人工智能低成本、高效率优势更加彰显。

“实现这一目标需要从算法、算力、软硬件、应用场景多维度协同发力。”王翔表示。

一是优化算法层面，大力推进轻量化模型研发，发展小样本、低参数量的高效模型算法，对大模型进行模型压缩、蒸馏、量化，降低训练和推理过程算力消耗，避免盲目追求超大参数规模。

二是升级软硬件底座，研发低功耗AI芯片、高能效推理硬件，构建软硬件协同的绿色AI技术体系，从硬件源头降低单位算力能耗。

三是推动AI算力集约化布局，引导AI算力向可再生能源富集区域集聚，推动算力与风光等清洁能源配套，提高绿电使用比例；统筹算力调度，提升算力复用率，减少闲置算力造成无效能耗。

四是建立AI能效评价体系，研究制定人工智能模型、算力系统能效评测指标，引导行业树立“能效优先”理念，避免高耗能低效模型盲目上马；探索建立AI“碳标签”制度，对模型训练与推理的全生命周期碳排放进行标识与分级，引导用户优先选用低碳高效模型。

五是推动高效AI规模化落地，把绿色高效AI应用到工业质检、能耗优化、环境监测等场景，通过规模化摊薄使用成本，让高效AI技术真正做到既节能，又降低行业使用成本，充分释放技术红利。

“发展绿色高效人工智能，关键是要从追求规模扩张转向重视效率。”邹永华表示。具体而言，应根据不同应用场景配置相应的模型和算力，避免所有任务都依赖大模型和高强度计算，同时，要提高算力设施的共享和调度能力，减少资源闲置和供需错配。

政策评价体系也需要相应调整。不能只看新增了多少算力，还要考察算力利用率、能源消耗等实际效果。“换言之，绿色高效人工智能的核心，是以更低的资源成本获得更高质量的发展成果。”邹永华说。

人工智能赋能绿色低碳创新的四大发力点

改变创新的组织方式，打通研发、转化与应用之间的链条

《实施方案》提出，推动人工智能赋能绿色低碳技术创新。

对此，邹永华表示，关键发力点不仅在于研发新技术，还在于改变创新的组织方式，打通研发、转化与应用之间的链条。

首先，应加强数据整合，为技术创新提供可靠的数据基础；其次，要开放更多真实场景，让新技术在实际运行中得到检验；同时，通过绿色金融和示范项目，降低新技术初期的成本。

王翔表示，人工智能赋能绿色低碳创新，核心是用AI提升节能降碳、污染治理、资源循环的技术研发效率与运行水平，关键有四大发力点。

第一，赋能能源系统优化。依托AI开展风光发电功率预测、电网智能调度，优化储能调配，提升新能源消纳能力。

第二，助力环境治理与生态保护。运用计算机视觉、遥感AI技术开展污染源识别、生态遥感监测、水体大气环境智能预警，提升环境监管智能化水平；辅助环保装备优化运行，提升污水、固废治理设施处理效率，降低治理能耗物耗。

第三，支撑碳核算与碳管理创新。利用AI自动归集企业能耗、物料、排放数据，优化碳足迹核算算法，降低企业碳盘查成本；辅助开展碳排放在线监测，提升碳排放数据的及时性、准确性，支撑数字化碳管理。

第四，加速绿色技术研发迭代。借助AI仿真模拟，开展新材料、催化剂、储能材料研发，可缩短绿色技术实验周期60%以上；面向循环经济，利用AI实现固废智能分选、再生资源精准溯源，提升资源综合利用效率。

王翔提醒，在落地过程中，要做好行业场景适配，不能简单照搬通用大模型，要结合行业工艺、环境特征开发垂直行业模型，完善行业数据集，保障数据质量，真正让AI解决绿色低碳领域实际痛点。

推动全社会绿色数字转型

把“双化协同”落实到经济社会运行过程。

数字化绿色化的融合创新不仅有利于数字产业和绿色产业，还有望重塑更多的行业和领域。《实施方案》提出，深化重点领域双化协同应用，推动农业、制造业、贸易、消费、城市运行等领域数字化绿色化和生态环境智能化治理。

邹永华表示，这一布局在于以农业、制造业、贸易、消费和城市运行等重点领域为突破口，把“双化协同”落实到经济社会运行过程。通过对生产、流通、消费和治理进行监测与优化，推动绿色转型转向全过程管理。

王翔表示，实体经济是碳排放的主要来源，“双化协同”不能仅停留在数字产业自身，必须向实体经济各领域渗透。

推动农业、制造业、贸易消费、城市运行以及生态环境智能化治理，一方面能够把数字技术转化为各行业实实在在的降碳减污能力，用数字化手段破解传统绿色转型中监测难、管控难、成本高的痛点；另一方面也拓展数字技术的应用场景，带动数字产业自身高质量发展。同时，有利于培育绿色制造、智慧农业、绿色电商、智慧城市等新业态，助力产业结构优化升级，助力全社会形成绿色生产和绿色消费模式。

南京钢铁股份有限公司常务副总裁徐晓春向中国工业报表示，南钢深刻认识到绿色转型是钢铁行业的重要使命，并及时把握智能制造对传统制造业提质增效的推动作用，近年来绿色化、数智化领域成果丰富。

南钢借助“人工智能+”“数据要素×”，通过全要素、全流程和全场景覆盖，实施南钢“一切业务数字化”战略，南钢向新向质全面升级。

王翔说，行业不同，推进路径各不相同。

一是制造业领域，深化工业互联网、智能制造应用，推动企业能耗、碳排放数字化监测，建设智慧能源管理系统，赋能节能降碳、清洁生产，推进绿色工厂、绿色供应链数字化建设。

二是农业领域，发展智慧农业，利用物联网、大数据优化水肥药使用，发展智慧节水、精准养殖，减少农业资源浪费，推进农业面源污染智能管控。

三是贸易与消费领域，依托电商、数字平台推广绿色产品，推动再生资源线上线下融合，引导绿色消费，同时推动商贸流通行业智慧化节能改造。

四是城市运行领域，推进智慧城市建设，在智慧交通、智慧建筑、市政公用设施中融入低碳目标，优化城市能源调度、垃圾分类、水务管理，打造双化协同示范城市。

五是生态环境智能化治理，完善生态环境感知监测网络，依托大数据、AI实现污染溯源、风险预警，提升环境治理的精准性。

邹永华表示，实际推进中，应从重点领域中优先选择能耗高、减排潜力大、数据基础好的场景，建立统一的能效与减排评价标准，以实际节能、降碳和降本效果检验成效。在此基础上，再将成熟模式从单个项目推广至园区、行业和城市。

夯实“双化协同”的关键底座

从标准体系、碳管理、产业环境、国际合作多方面协同推进。

《实施方案》提出，夯实双化协同基础支撑，优化发展环境，提升数字化碳管理水平，深化国际交流合作。

邹永华表示，夯实双化协同基础，关键是完善标准、数据、人才和服务体系。应建立统一的碳排放、产品碳足迹和算力效率标准，提高基础数据的质量；同时为中小企业提供低成本、标准化的技术工具和绿色金融支持，降低转型门槛。还应积极参与相关国际标准制定，增强碳足迹等数据的国际互认能力。

王翔表示，夯实双化协同基础支撑是保障方案落地的重要底座，可从标准体系、碳管理、产业环境、国际合作多方面协同推进。

第一，完善标准与公共服务支撑。加快制修订双化协同相关国家标准、行业标准，覆盖能效、碳核算、数字化碳管理等方向。

第二，全面提升数字化碳管理水平。推动重点行业企业建设数字化碳管理系统，打通能耗、物料、排放数据，实现碳排放自动采集、核算、分析。

第三，持续优化国内发展环境。完善财政、金融支持，鼓励金融机构开发面向双化协同项目的绿色金融产品；健全市场机制，引导绿色数字技术产品市场推广；强化知识产权保护，鼓励技术创新；做好试点示范，以点带面带动整体发展。

第四，稳妥深化国际交流合作。一方面积极参与数字化绿色化相关国际标准研讨制定，讲好中国实践经验；另一方面开展技术交流，合理借鉴国际先进技术经验；同时也要注重维护产业链供应链安全，坚持自主创新与对外开放相结合，在数字气候领域开展务实合作。

林伯强向中国工业报表示，中国的数字化绿色化技术在全球是有优势的，但影响国际交流合作的因素主要有两个：一是标准的缺失和高效对接的不足，二是关键核心技术仍有待突破，比如高水平芯片技术等。

“解决问题有一个过程，但会越来越好。”林伯强说。