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

碳吸收是把二氧化碳等温室气体固放，并保存起来的过程，主要由生态碳汇和人工固碳两部分组成。一方面，生态碳汇的范围涵盖了森林、草地、海洋、耕地、土壤等各个方面的碳储存力，森林的碳汇能力占生态碳汇的很大一部分，因此是天然的碳储存工具，树木将二氧化碳转化为有机物，然后存储在树干、树根等部分。人工智能技术可以收集、分析、推测森林等生态系统的土壤营养状态、植被覆盖率以及水质情况，对生态系统的生长发展加以评估和预测或者建立模拟服务，模拟生态系统遇到的重大灾害，及时规避风险并优化生态环境状况，促进生态碳吸收的能力。

例如人工智能领域的遥感技术和机器学习可以对生态系统进行更加精准的估算。主要包括“神经网络、支持向量机和随机森林等方法，人工智能基于遥感技术取得各种植被状态数据，加上地面调查，通过分析植被的空间分类和时间序列，测算森林生态系统的生物量分布，进而获得碳的时空分布，实现大面积森林生态系统碳储量的估算”［6］，有利于充分利用海量数据，分析内部关系，提高数量估算的精度。

另一方面，常见的人工固碳方法包括碳捕集、封存技术以及碳矿化。CCUS、等碳捕集技术是在“碳捕集与封存（CCS）技术基础上，结合中国实际，增加二氧化碳利用环节后首次提出的技术概念，具体指将碳源排放的低浓度二氧化碳进行分离捕集，提纯为高浓度的产品后运输到恰当的地方存放或循环利用，制造燃料、化学品、碳酸盐产品等”［7］，而人工智能不仅提高了固碳技术的精准性，提高了碳汇能力。

不但可以利用深度学习和机器学习算法对碳捕集技术有一个大的提升，对捕集技术要使用的新材料进行升级和优化设计，提高碳捕集和封存技术的准确率和吸附能力，而且可以利用人工智能的技术对地下岩层或地表岩石碎块的分布点和稳定性进行勘测，形成全面的数据分析，以确定二氧化碳注入的稳定性和保存性。总之，人工智能技术对碳吸收的能力的监测和对影响碳吸收的环境、技术都起到了重要的作用，使碳汇的规划更加智能化和精准化。

（四）智能系统整合碳中和发展数据，综合评估发展水平

碳中和，即达成碳排放量的“收支抵消”，指的是企业、团体或个人单位时间内，直接或间接产生的温室气体排放，由植树护林、减少碳排放等形式进行抵消，实现零碳排放。可见涉及领域之广，数据之冗杂，必须利用人工智能技术，通过传感器、监测技术等手段，收集相关数据——能源的消耗程度、新型污染物的排放分布及重点领域等，再经由智能系统根据收集的数据进行处理和分析，得出碳排放和碳吸收的精准数据并综合评估发展的程度，以便及时调整方向。

第一，在工业领域，通过智能技术监测工业中能源的使用情况和工业污染物的排放情况，减少对传统化石能源的消耗，要突破煤炭技术的制约，研发清洁高效的节能技术。包括“高参数发电关键技术、煤电与可再生资源耦合发电技术、 煤电烟气污染协同治理技术、碳捕捉与封存技术”［8］等。

第二，在农业领域，推进农业生产的甄别、播种、汇总、规划，基于在不同环境下农业种植、养护的应用场景，根据多源数据融合的全过程决策支持方法，构建“田间作物、温室、畜禽、水产等领域全产业链条的决策管理和智能控制模型，利用云-边-端的架构”［9］，形成农业智慧系统。监测农业施肥、播种、生长的情况，实现对农业碳排放的把控，同时通过新型农业种植技术，扩大种植面积，提高产量，提高农作物的碳吸收能力。

第三，在建筑领域，人工智能技术对建筑物的能源消耗、材料应用进行监测，以评估建筑物的碳足迹和能源污染能源，通过监测，制造出新型清洁的能源材料，鼓励建造低耗能环保的建筑物。据统计，若达到超低能耗建筑标准，超低能耗建筑“每年能够节约一次性能源835 000kWh，相当于减少碳排放350吨。国家林业局研究，一棵树每年可以吸收并储存4到18千克二氧化碳，按此计算，减少350吨二氧化碳排放相当于种植了19 445棵树”［10］。

第四，在生态领域，基于遥感技术的人工智能系统对森林、海洋、沼泽、土壤的自然环境的碳汇量构成数据分析平台，监控具体的碳汇量。现在，人工智能技术发展的速度很快，在综合数据的基础上，机器学习算法也设置了一套程序，去评估发展的程度和水平，在掌控整个碳中和的数据基础上，根据碳中和发展的总体布局和要求，作出相应的调整。总之，人工智能对碳中和整体过程的数据统计和监控，有助于对已有体系的评价分析，把握我国预估的目标时间，根据评价的结果，及时调整和优化整个碳中和的进程。

三、人工智能助力“双碳”目标的具体路径

人工智能技术为低碳转型开辟了新的路径，科学赋能碳达峰、碳中和发展进度中政策、技术、监测、人才等方面的缺失，增强智能化决策水平、加速能源体系改造、提升全面监测的一体化以及培养智能型人才投身环保事业，推进“双碳”发展进程。

（一）政策：多方联动协同处理“双碳”政策中智能决策缺失的境遇

智能决策是集体或个人借助智能技术和工具，由设定好的目标进而对相关数据进行建模、分析并最终得出决策的过程。在此过程中规约不可抗力、突发意外等不确定的因素，从而实现最优决策，处理根据时代变化而涌现出来的生产、生活问题。

一方面，在“双碳”的政策发布中缺少对智能决策的要求，例如，在《碳达峰碳中和标准体系建设指南》中只强调了要把国家标准和各行业标准统筹协调起来，建立联合共同组去细化各行业的“双碳”目标体系；在《科技支撑碳达峰碳中和实施方案（2022—2030年）》中明确说明了各类低碳技术的开发，既要考虑整体，也要兼顾局部；在《国务院关于印发2030年前碳达峰行动方案的通知》中强调了重点行业和领域的配套设施政策，国家和行业联动起来把碳达峰的目标投入到经济社会的全过程中。

另一方面，根据王卓妮等人的研究发现，“各省份“双碳”工作进展不一，指标设定模糊，考核指标设定主动性不足，量化不足。同时，各省份面对的碳达峰压力不同，但目标相同”［11］。可见，社会各界在政策的目标要求下，由于信息缺失、更新不及时、国家和地区存在差异以及各地之间也存在碳排放与碳吸收发展程度的不同等原因，社会各界实现“双碳”的政策还存有一定的难度。政策中也没有明确提出通过智能技术和工具去联动国家和各行业，利用智能技术分析、规划低碳工作的运行。因此，社会各界应当联合起来去破解这一境遇，加强各界的智能决策联合。

首先，政府应该投入大量的资金去鼓励相关单位对智能决策算法的研究和开发，在碳达峰、碳中和目标需要智能技术支撑的，国家要不惜资金和人才的投入；其次，各省市要依据智能决策和各地情况的不同，整合各地的碳足迹数据，根据国家发布的政策调整各地的任务量；最后，各企业应当以身作则，“积极培育一批低碳科技领军企业，锚定碳达峰、碳中和的近期目标和长远发展需求”［12］，瞄准绿色制造重点领域，打造绿色发展、绿色低碳的产业链，与国家、各省市出台的政策联动起来，形成智能系统，对数据、资源的实时分析而调整发展的进度。

（二）技术：深度学习等智能技术赋能，推进能源体系改造

深度学习，这一术语的根源可追溯到对人工神经网络的深入探索。其核心思想在于，通过细致研究数据的低层级特征，逐步揭示并推导出其高层级的属性类别，进而实现对数据内在分布与排列属性的精确分析。深度学习等智能技术的核心使命，便是赋予机器类似人类的学习与分析能力。这些技术的潜力巨大，若加以妥善运用，便有望使机器能够自主地进行智能化决策与操作，这将加快能源体系的改革，涵盖“减少能源消费总量为核心的‘节能’，提高能源利用率的‘增效’，以及可再生能源为主要渠道的‘替能’”［13］。

首先，对传统能源的改造。传统能源由于本身的不可再生性，越采集就会越少，根据统计，我国“2021年石油和天然气的净进口量分别为7.56（亿）和1.82亿吨标准煤， 对外依赖度分别高达72.7%和39.6%”［14］， 可见，传统能源面临着严重不足的危机，因此智能技术要广泛收集可再生的新能源资源的所在地，对不同能源进行分析，使得新能源可以尽快投入产业建设当中，保护不可再生资源的同时，推进新能源的应用。

其次，根据能源供需，进行智能调度。利用人工智能技术学习和分析能源使用模式，优化能源生产和需求。在供给端，深度学习智能算法根据全国不同区域及不同行业对能源应用的数据，智能分配不同地区、不同行业的能源量，并积极地使用新能源去代替传统能源。在需求端，建立监控平台，反馈各个领域实际的能源用量，作出评价，根据发展的总体趋势和大致走向，进一步系统决策能源的供需调度。例如，“机器学习的智能算法被广泛应用于求解能源调度的最优方案，如正余弦优化算法、基于柔性行动器-评判器框架的深度强化学习方法等，提高了调度精准性”［15］。

最后，降低能源设备的维护成本。人工智能技术联合大数据构建“多维数字化储能生态系统，在线状态评估、故障预警、储能电站运维策略优化及其与电力调度的智慧互动”［16］，由此对能源设备进行实时监控，可以及时考察设备的运行情况，有预防地进行提前的部署和维护，则会降低设备运行的成本。此外，要利用深度学习等算法对能源系统的智能管理，包括能源材料的获取，能源价格的定位，能源项目的投资和生产能源带来的经济和环境效益计算……以实现智能技术对能源的科学管理。

（三）监测：人工智能技术助推碳排放检测——天地空一体化模式

碳监测是根据海量观测数据，经由组建模型、分析实证等手段对二氧化碳等温室气体排放总量的统计，再依据收集的碳汇总量和生态系统整体运转情形、变动趋势点状图，以便管理和预防气候变化过程的突发状况、极端天气。我国目前已经建立起了以环境碳排放量、生态碳汇量、排放源等的监测为主的监测模式。但是，根据调查研究，目前，我国“双碳”目标实现面临着信息不透明、碳排放计量不准确、监管难度大等问题。原因在于“碳监测评估制度和体系尚不完善，在实施过程中面临着碳数据‘难采集、难追溯、难核算’等问题”［17］。因此，需要建立天、地、空一体化的智能模式。

首先，天是指卫星遥感技术对全局系统的监控和观测，对森林、气候等大范围的全面动态监测；其次，地是指地面调查和样方调查，利用气象站监测区域气候条件、灾害天气、水文站评估水资源状况和水质情况以及利用相机记录植被生长周期的不同特点，估算产量；最后，空是指无人机遥感技术，对重点区域的中小范围观测，通过图像识别和覆盖，对生物多样性、植被覆盖率、生态修复等有精确的观测，有利于重点区域的精准化管理。生态修复还会“有效保护和系统修复生态系统，提升生态系统中植被、土壤、海洋等碳库的固碳能力和碳汇增量，巩固提升生态系统碳汇功能”［18］。同时，收集统计年鉴、统计局的社会数据。天地空一体化的模式可以建设碳排放监测的数据大平台，在高效整合资料，可以系统掌握碳排放发展趋势的同时，也提升了碳排放监测评估的准确性，将更便于碳足迹的勘探和碳的捕集与封存和后期工作的展开。

（四）人才：设立智能型和环保型学科，培养综合人才

早在2021年，人力资源管理局、市场监管局、国家统计局发布了多项新职业，“碳排放管理员”已经被列为国家职业中。“十四五”期间中国需要的“双碳”人才达到数百万之多，人才存在较大缺口，要改变人才缺失的现状问题。

一方面，政府加强政策引导，完善“双碳”人才培养的顶层设计，基于现有的“双碳”人才政策框架基础，统筹全局，开展系统性和引领性的研究和设计。要明确“双碳”人才培养的目标和路径，并通过财政、税收等手段为“双碳”教育提供资金扶持，鼓励更多的教育机构和企业参与到“双碳”人才培养中来。督促教育部门和相关部门开设智能型和环保型的综合学科，设置相关的专业，完善从基础教育到高等教育的“双碳”教育体系，确保学生在不同阶段都能接触到相关的知识和技能。同时，积极宣传“将绿色低碳理念深度植入各层级、各学科教育体系，增强各级领导干部实施绿色低碳型发展的能力”［19］，建立职业培训体系，为在职人员提供相关方面的继续教育和培训。

另一方面，众多企业要面对传统工业转型附带的短期阵痛以及技术上的“卡脖子”问题，对人才的要求要精益求精，设置碳积分考核体系，提高人才在企业中解决问题的能力。鼓励企业积极参与“双碳”人才培养，通过设立奖学金、提供实习机会等方式支持双碳教育。各行业应提供丰富的实践机会和平台，让双碳人才能够在实践中不断成长和积累经验。例如，可以设立双碳实践基地、开展双碳项目合作等。基于国家“双碳”目标的根本要求，结合不同区域、不同行业、不同阶段的具体发展现状和规划，加快研究进程。同时，企业还可以与高校、研究机构等合作，共同开展这方面的研究和项目开发。针对不同领域人才培养的目标需求，加强对原有的营、经、文、法、工、理相关学科和专业的改革，以适应“双碳”目标的现实需求，要丰富专业形式，通过打造“双碳”微专业、暑期考核等形式，构建多样化的“双碳”人才培养模式。

总之，培养双碳型人才需要国家、社会以及各行业共同努力，形成合力。只有这样，才能培养出更多具备双碳素养的人才，为推动我国经济社会绿色低碳发展提供有力支撑。

四、结语

人工智能和“双碳”目标的结合是时代发展潮流与现实需求所趋，智能技术应用到生态环保领域，是对碳达峰、碳中和目标在智能技术上的强有力弥补和支持，利用人工智能技术高效掌握碳足迹信息，增强数据的说服力和可靠度，进而向绿色低碳贡献坚实的数据支持与精准的进度预测。“双碳”目标是系统性的大变革，亟需社会各界协同参与，人工智能技术是促进各行业发展的利器法宝，以智能化趋势为指引，以科技创新为动能，以行业结构转型、能源体系升级为着力点，坚信人工智能对“双碳”领域的深入赋能，将大大推进中国的“双碳”目标进程，为实现全人类的可持续发展倾注活力。

［参考文献］

［1］联合国环境署发布“2023年排放差距报告”［R］.联合国新闻网，2023.12.1.

［2］习近平在全国生态环境保护大会上发表重要讲话［C］.新华社，2023.7.

［3］国务院关于印发“新一代人工智能发展规划”的通知［R］.国务院，2017.7.

［4］王少洪.碳达峰目标下我国能源转型的现状、挑战与突破［J］.价格理论与实践，2021（8）：82-86，172.

［5］张晓娟，李东杰，刘思含，等.遥感技术在“双碳”目标实现中的应用进展［J］.航天返回与遥感，2022（6）：106-118.

［6］ 令狐大智，罗溪，朱帮助. 森林碳汇测算及固碳影响因素研究进展［J］.广西大学学报（哲学社会科学版）， 2022：98-112.

［7］赵震宇，姚舜，杨朔鹏，等.“双碳”目标下：中国CCUS发展现状、存在问题及建议［J］.环境科学，2023（2）：1128-1138.

［8］张友国，蒋鸿宇.统筹“双碳”目标下的能源转型与能源安全［J］.世界社会科学，2023（4）：121-146，244-245.

［9］兰玉彬，王天伟，陈盛德，等. 农业人工智能技术：现代农业科技的翅膀［J］.华南农业大学学报， 2020（6）：1-13.

［10］彭翔，刘娣，徐毅敏.超低能耗建筑助力“双碳”目标实现的路径研究［J］.建筑经济，2022（1）：550-556.

［11］王卓妮，巢清尘，张黎黎. “十四五”时期中国省级“双碳”目标评估和政策分析［J］.环境保护，2023（4）：49-54.

［12］田华文.“双碳”目标下数字经济赋能绿色低碳发展论析［J］.中州学刊，2023（9）：30-39.

［13］庄贵阳，窦晓铭，魏鸣昕.碳达峰碳中和的学理阐释与路径分析［J］.兰州大学学报（社会科学版），2022（1）：57-68.

［14］武强，涂坤，曾一凡.“双碳”目标愿景下我国能源战略形势若干问题思考［J］.科学通报，2023（15）：1884-1898.

［15］陈晓红，胡东滨，曹文治，等.数字技术助推我国能源行业碳中和目标实现的路径探析［J］.中国科学院院刊，2021（9）：1019-1029.

［16］李菲菲，崔金栋，汪羽晴，等.碳中和视角下新型储能产业与数字化耦合发展路径研究［J］.情报科学，2023（12）：1-17.

［17］张凯，王冠.碳监测评估信息化发展的战略导向、体系架构及应用探索——基于科技支撑“双碳”目标的前瞻性思考［J］.企业经济，2023（1）：96-103.

［18］周妍，苏香燕，应凌霄，等.“双碳”目标下山水林田湖草沙一体化保护和修复工程优先区与技术策略研究［J］.生态学报，2023（9）：3371-3383.

［19］武汉大学国家发展战略研究院课题组.中国实施绿色低碳转型和实现碳中和目标的路径选择［J］.中国软科学，2022（10）：1-12.

〔责任编辑：刘阳〕