長(zhǎng)期以來(lái)，環(huán)保企業(yè)承擔(dān)著艱巨的環(huán)境治理任務(wù)。如今，在“雙碳”目標(biāo)和高質(zhì)量發(fā)展的政策指引下，隨著數(shù)字技術(shù)的加速滲透，一場(chǎng)變革正在行業(yè)內(nèi)部悄然發(fā)生。

帶著這些問(wèn)題，中環(huán)報(bào)記者采訪了3位來(lái)自行業(yè)前線的管理者，聽聽他們對(duì)AI賦能環(huán)保產(chǎn)業(yè)的深刻洞察。在與他們的對(duì)話中，我們看到了一種更加務(wù)實(shí)的智能化實(shí)踐路徑——不是炫技式的“高大上”，而是立足現(xiàn)場(chǎng)、著眼長(zhǎng)遠(yuǎn)的“深扎根”。

中國(guó)水務(wù)投資集團(tuán)有限公司黨委委員、副總經(jīng)理、總工程師 王東全

北京首創(chuàng)生態(tài)環(huán)保集團(tuán)股份有限公司智慧環(huán)保事業(yè)部總經(jīng)理 黃綿松

北京建工環(huán)境修復(fù)股份有限公司副總經(jīng)理 李書鵬

中國(guó)環(huán)境：與傳統(tǒng)環(huán)保技術(shù)相比，AI技術(shù)解決了哪些痛點(diǎn)？是否存在過(guò)度依賴數(shù)據(jù)或算力的風(fēng)險(xiǎn)？

王東全：傳統(tǒng)環(huán)保工藝長(zhǎng)期受限于“人控”模式，存在人工依賴高、響應(yīng)滯后、調(diào)控粗放三大瓶頸。AI的引入，本質(zhì)上是推動(dòng)環(huán)保從“經(jīng)驗(yàn)驅(qū)動(dòng)”走向“數(shù)據(jù)驅(qū)動(dòng)”。

一方面，AI提升了運(yùn)行效率與響應(yīng)精度。在我們實(shí)踐中，通過(guò)構(gòu)建集成算法模型的智能化決策平臺(tái)，水廠生產(chǎn)、調(diào)度、運(yùn)維環(huán)節(jié)實(shí)現(xiàn)了動(dòng)態(tài)調(diào)控，顯著優(yōu)化了能耗與藥耗指標(biāo)，巡檢效率也大幅提升；另一方面，智能系統(tǒng)還帶來(lái)了高風(fēng)險(xiǎn)區(qū)域的替代作業(yè)能力，比如無(wú)人機(jī)、機(jī)器狗等終端的引入，使得監(jiān)測(cè)具備全天候、無(wú)死角能力。

當(dāng)然，AI系統(tǒng)對(duì)數(shù)據(jù)質(zhì)量與算力有一定依賴，而我國(guó)環(huán)保領(lǐng)域數(shù)據(jù)標(biāo)準(zhǔn)化仍不足、傳感器可靠性也有限。因此，我們通過(guò)邊緣計(jì)算、算法輕量化、機(jī)理模型與統(tǒng)計(jì)模型結(jié)合等方式，降低對(duì)高算力和完美數(shù)據(jù)的剛性需求。未來(lái)，應(yīng)進(jìn)一步推動(dòng)環(huán)保數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)與綠色算法研發(fā)，實(shí)現(xiàn)低碳智能化發(fā)展路徑的雙重目標(biāo)。

黃綿松：相較于傳統(tǒng)環(huán)保技術(shù)，AI技術(shù)的突破性價(jià)值體現(xiàn)在對(duì)行業(yè)痛點(diǎn)的系統(tǒng)性化解：一是降低建模門檻。像傳統(tǒng)機(jī)理模型需精確校準(zhǔn)每個(gè)參數(shù)，且依賴專家經(jīng)驗(yàn)預(yù)設(shè)邊界條件，而AI通過(guò)黑箱學(xué)習(xí)機(jī)制，能夠從歷史數(shù)據(jù)中自主挖掘參數(shù)間潛在關(guān)聯(lián)，降低對(duì)先驗(yàn)知識(shí)的依賴；二是提升決策容錯(cuò)。傳統(tǒng)方法要求數(shù)據(jù)高度精準(zhǔn)完整，但實(shí)際運(yùn)營(yíng)中常存在監(jiān)測(cè)誤差、數(shù)據(jù)缺失。AI技術(shù)憑借其模糊推理特性，可在非理想數(shù)據(jù)條件下仍保持80%以上的決策可靠性；三是加速迭代周期。傳統(tǒng)模型調(diào)整需花費(fèi)大量時(shí)間精力，而AI模型通過(guò)增量學(xué)習(xí)實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化，使工藝調(diào)控策略迭代周期壓縮。

關(guān)于數(shù)據(jù)與算力的依賴問(wèn)題，AI技術(shù)的確依賴數(shù)據(jù)與算力，這是其運(yùn)行的基礎(chǔ)。但對(duì)于“過(guò)度依賴”這一說(shuō)法，各界觀點(diǎn)不一。因?yàn)锳I技術(shù)并非單純追求數(shù)據(jù)的數(shù)量堆積，而是通過(guò)先進(jìn)的訓(xùn)練機(jī)制來(lái)強(qiáng)化數(shù)據(jù)的質(zhì)量。它重構(gòu)了需求范式，以更為智能、高效的方式利用數(shù)據(jù)與算力資源，從而實(shí)現(xiàn)精準(zhǔn)的分析與決策。

李書鵬：AI技術(shù)的應(yīng)用，解決了傳統(tǒng)環(huán)保技術(shù)無(wú)法解決的系列痛點(diǎn)問(wèn)題。在智能監(jiān)管方面，將環(huán)境監(jiān)管從將人工分析研判模式轉(zhuǎn)為實(shí)時(shí)數(shù)據(jù)處理與預(yù)警，可實(shí)現(xiàn)“秒級(jí)預(yù)警”與“秒級(jí)系統(tǒng)化方案響應(yīng)”。AI具身智能可用于危險(xiǎn)環(huán)境作業(yè)，保障人員安全。同時(shí)，AI技術(shù)也解決了生態(tài)環(huán)境系統(tǒng)性治理中海量多源數(shù)據(jù)的高效處理與融合難題，大大提高了智能決策效率與準(zhǔn)確性。AI技術(shù)的出現(xiàn)也大大推動(dòng)了生態(tài)環(huán)境治理手段的多學(xué)科交叉融合進(jìn)程，有力促進(jìn)了技術(shù)研發(fā)的迭代升級(jí)。

大模型的應(yīng)用環(huán)節(jié)包括“數(shù)、模、算、用”，其實(shí)數(shù)據(jù)資產(chǎn)、算力資源都是不可或缺的珍貴資產(chǎn)。AI技術(shù)應(yīng)用確實(shí)存在過(guò)度依賴數(shù)據(jù)或算力的風(fēng)險(xiǎn)。因此，在推動(dòng)AI技術(shù)發(fā)展的同時(shí)，需要采取措施平衡這種依賴關(guān)系，例如加強(qiáng)自主算力芯片研發(fā)、提升數(shù)據(jù)治理能力、優(yōu)化AI算法透明度以及制定嚴(yán)格的數(shù)據(jù)倫理規(guī)范和責(zé)任機(jī)制。

中國(guó)環(huán)境：AI技術(shù)投入成本較高，企業(yè)如何平衡環(huán)保效益與經(jīng)濟(jì)效益？是否有可持續(xù)的商業(yè)模式？

王東全：AI技術(shù)的成本壓力確實(shí)存在，但通過(guò)技術(shù)創(chuàng)新與模式優(yōu)化，已探索出“降本增效”的可持續(xù)路徑，即 “技術(shù)高投入需用規(guī)�；�與精細(xì)化運(yùn)營(yíng)破解”。以污水處理領(lǐng)域?yàn)槔�，傳統(tǒng)工藝依賴人工經(jīng)驗(yàn)與粗放調(diào)控，藥劑浪費(fèi)量很大。如我們開發(fā)的智能加藥控制系統(tǒng)，通過(guò)AI模型動(dòng)態(tài)匹配水質(zhì)參數(shù)與藥劑投加量，除磷單元在上海奉賢東部污水處理廠每年節(jié)省成本150萬(wàn)元，而系統(tǒng)總投入不足200萬(wàn)元，投資回收期僅1.3年。通過(guò)模塊化設(shè)計(jì)，將智能控制系統(tǒng)核心算法封裝為標(biāo)準(zhǔn)化組件，例如智能曝氣、智能加藥模型經(jīng)二次開發(fā)，拓展應(yīng)用到下屬水廠，降低單位研發(fā)成本。這一模式已形成可復(fù)制的商業(yè)模式：“技術(shù)輸出+運(yùn)營(yíng)增值”雙軌并行。針對(duì)中小型水廠推出智慧化管控平臺(tái)，按節(jié)能量收取服務(wù)費(fèi)。

黃綿松：面對(duì)AI技術(shù)的高投入特性，從過(guò)往經(jīng)驗(yàn)出發(fā)，建議企業(yè)采用“小步快跑、場(chǎng)景驗(yàn)證”的策略：基于扎實(shí)的業(yè)務(wù)數(shù)字化基礎(chǔ)，優(yōu)先篩選具備AI適配性的高價(jià)值細(xì)分場(chǎng)景（如管網(wǎng)缺陷智能識(shí)別）進(jìn)行試點(diǎn)，通過(guò)輕量化模型與模塊化部署控制初期成本，在驗(yàn)證環(huán)境效益與經(jīng)營(yíng)效益協(xié)同提升后，逐步向關(guān)聯(lián)場(chǎng)景延伸拓展，既規(guī)避了規(guī)模化應(yīng)用風(fēng)險(xiǎn)，又通過(guò)持續(xù)反饋優(yōu)化實(shí)現(xiàn)技術(shù)路徑與業(yè)務(wù)需求的動(dòng)態(tài)匹配。

在商業(yè)模式構(gòu)建上，一方面可以將AI模塊封裝為標(biāo)準(zhǔn)化行業(yè)解決方案，提供按需訂閱的智能服務(wù)；另一方面國(guó)家層面可以加快推進(jìn)可信數(shù)據(jù)空間建設(shè)，推動(dòng)環(huán)境數(shù)據(jù)資源的合規(guī)流通與價(jià)值轉(zhuǎn)化，形成數(shù)據(jù)要素驅(qū)動(dòng)的可持續(xù)收益模式。

李書鵬：生態(tài)環(huán)境AI領(lǐng)域大模型構(gòu)建方式多樣，投入成本差異較大。為了平衡環(huán)保效益與經(jīng)濟(jì)效益，可以對(duì)大模型通用性評(píng)估、投入與產(chǎn)出回報(bào)比等評(píng)估，選擇合適的構(gòu)建路徑，將“好刀用在刀刃上”。

未來(lái)，可持續(xù)的商業(yè)模式包括“數(shù)據(jù)共享收益”以及“AI技術(shù)輸出”等方式。“數(shù)據(jù)共享收益”即與政府合作，將修復(fù)項(xiàng)目中的環(huán)境數(shù)據(jù)脫敏后納入公共數(shù)據(jù)庫(kù)，獲取補(bǔ)貼或數(shù)據(jù)使用權(quán)。“AI技術(shù)輸出”即將AI模塊封裝為標(biāo)準(zhǔn)化工具包商業(yè)化包裝，向相關(guān)企事業(yè)單位提供技術(shù)授權(quán)。

中國(guó)環(huán)境：企業(yè)與政府、科研機(jī)構(gòu)在AI環(huán)保應(yīng)用中如何分工協(xié)作？

王東全：AI在環(huán)保領(lǐng)域的落地并不是單一主體可以完成的工程。我們?cè)趯?shí)踐中形成了一種比較有效的協(xié)作模式：企業(yè)提供場(chǎng)景與數(shù)據(jù)、科研機(jī)構(gòu)專注算法突破、政府推動(dòng)機(jī)制保障。

企業(yè)側(cè)明確自身面臨的核心難題，開放生產(chǎn)數(shù)據(jù)與運(yùn)行場(chǎng)景，為技術(shù)研發(fā)提供真實(shí)土壤。例如在與高校聯(lián)合開發(fā)的污水處理模型中，我們提供工藝段數(shù)據(jù)與驗(yàn)證平臺(tái)，使得算法能在真實(shí)工況中不斷修正�？蒲袀�(cè)則聚焦模型開發(fā)與機(jī)理研究，如在污水處理中結(jié)合傳統(tǒng)活性污泥模型與自適應(yīng)算法，提高了預(yù)測(cè)精度與實(shí)用性；多目標(biāo)協(xié)同優(yōu)化的技術(shù)也能同時(shí)兼顧水質(zhì)達(dá)標(biāo)、能效與成本控制。政府的作用尤為關(guān)鍵，政策引導(dǎo)不僅為AI應(yīng)用打開制度空間，也在標(biāo)準(zhǔn)制定與跨部門協(xié)調(diào)中提供支持。

總的來(lái)說(shuō)，政產(chǎn)學(xué)研協(xié)作不是簡(jiǎn)單的資源疊加，通過(guò)“數(shù)據(jù)共享—技術(shù)共研—生態(tài)共建”的模式，進(jìn)行機(jī)制創(chuàng)新。當(dāng)高校的算法模型變成水廠的節(jié)能減排數(shù)據(jù)報(bào)表，當(dāng)政府的政策藍(lán)圖轉(zhuǎn)化為企業(yè)的技術(shù)路線圖，這種價(jià)值閉環(huán)正是環(huán)保產(chǎn)業(yè)智能化轉(zhuǎn)型的核心動(dòng)力。

黃綿松：在AI環(huán)保應(yīng)用領(lǐng)域，企業(yè)、政府與科研機(jī)構(gòu)結(jié)合各自優(yōu)勢(shì)，形成互補(bǔ)的生態(tài)體系。一般來(lái)說(shuō)政府通過(guò)頂層設(shè)計(jì)和政策引導(dǎo)，科研機(jī)構(gòu)開展基礎(chǔ)研究和創(chuàng)新，企業(yè)可以在應(yīng)用場(chǎng)景和商業(yè)化推廣方面發(fā)力。

這種協(xié)作并不是“誰(shuí)做主、誰(shuí)配合”，而是各自發(fā)揮優(yōu)勢(shì)，形成“研發(fā)—驗(yàn)證—轉(zhuǎn)化”的流動(dòng)機(jī)制。尤其是在大模型和算力平臺(tái)的應(yīng)用上，只有企業(yè)一線的業(yè)務(wù)數(shù)據(jù)與科研算法真正融合，才能實(shí)現(xiàn)技術(shù)的精準(zhǔn)適配與落地。

以我們參與的國(guó)家重點(diǎn)研發(fā)計(jì)劃“城市內(nèi)澇風(fēng)險(xiǎn)防控與系統(tǒng)治理關(guān)鍵技術(shù)及示范”為例，科技部、住建部聯(lián)合發(fā)布重大自然災(zāi)害防控與公共安全領(lǐng)域“十四五”國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目申報(bào)推動(dòng)災(zāi)害防控技術(shù)創(chuàng)新，宿遷市政府提供政策支持與跨部門協(xié)調(diào)保障項(xiàng)目落地；天津大學(xué)、中國(guó)水科院等科研機(jī)構(gòu)聚焦多尺度內(nèi)澇精準(zhǔn)模擬等模型研發(fā)和藍(lán)綠空間蓄排平衡仿真等創(chuàng)新方法，為技術(shù)體系奠定理論基礎(chǔ)；我們深度融合上述成果，構(gòu)建城市內(nèi)澇防控綜合管控平臺(tái)，集成云計(jì)算、GIS時(shí)空分析等技術(shù)，在宿遷市實(shí)現(xiàn)“內(nèi)澇模擬—預(yù)警發(fā)布—設(shè)施調(diào)控”全流程閉環(huán)管理，實(shí)現(xiàn)科研成果向?qū)嶋H場(chǎng)景的轉(zhuǎn)化。

李書鵬：當(dāng)前，我國(guó)生態(tài)環(huán)境領(lǐng)域大模型應(yīng)用存在重復(fù)低質(zhì)建設(shè)問(wèn)題，深度智慧化應(yīng)用尚處起步階段。

政府及所屬科研院所還應(yīng)盡快建立數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)安全規(guī)范、數(shù)據(jù)交易規(guī)則，并主導(dǎo)建立重要的公共數(shù)據(jù)池，并以研發(fā)課題等形式發(fā)布生態(tài)環(huán)境行業(yè)階段大模型研究與應(yīng)用任務(wù)，引導(dǎo)AI在行業(yè)應(yīng)用向高質(zhì)量、深度智慧化發(fā)展。

此外，科研機(jī)構(gòu)與高校等可在算法研發(fā)中發(fā)力，企業(yè)可以負(fù)責(zé)推動(dòng)技術(shù)落地與商業(yè)化。未來(lái)建議以政府課題牽引的方式組織研究任務(wù)，避免各自為政，提高協(xié)作效率，真正推動(dòng)AI在生態(tài)環(huán)境領(lǐng)域從“工具探索”邁向“系統(tǒng)解決方案”。

中國(guó)環(huán)境：當(dāng)前AI技術(shù)在環(huán)保領(lǐng)域推廣面臨哪些現(xiàn)實(shí)阻力（如政策適配性、市場(chǎng)接受度）？企業(yè)希望獲得哪些支持？

王東全：AI在環(huán)保領(lǐng)域的推廣，仍面臨多重現(xiàn)實(shí)瓶頸，主要包括以下幾個(gè)方面：一是復(fù)合型人才缺口明顯。環(huán)保場(chǎng)景需要具備工程、自動(dòng)化、數(shù)據(jù)分析等交叉能力的人才，但目前基層團(tuán)隊(duì)普遍力量薄弱，算法工程師等關(guān)鍵崗位難以覆蓋水廠全流程智能化需求。二是政策體系與技術(shù)創(chuàng)新存在“時(shí)差”。雖然國(guó)家出臺(tái)了生態(tài)環(huán)境信息化等頂層規(guī)劃，但數(shù)據(jù)共享、碳核算等關(guān)鍵機(jī)制仍處于碎片化試點(diǎn)階段，尚未形成統(tǒng)一標(biāo)準(zhǔn)和執(zhí)行閉環(huán)。三是硬件投入存在結(jié)構(gòu)性失衡。環(huán)保領(lǐng)域傳統(tǒng)重在土建與儀表投入，而對(duì)AI核心所需的算力、存儲(chǔ)等基礎(chǔ)設(shè)施投資明顯不足。企業(yè)在回報(bào)周期尚不清晰的情況下，對(duì)智能化改造缺乏持續(xù)動(dòng)力。四是缺乏行業(yè)整合引領(lǐng)者。相較醫(yī)療、金融等行業(yè)已有頭部企業(yè)牽頭建立垂類大模型，環(huán)保行業(yè)尚未形成統(tǒng)一架構(gòu)或權(quán)威平臺(tái)，導(dǎo)致算法開發(fā)與數(shù)據(jù)積累相對(duì)分散，資源整合效率不高。

要讓AI真正成為環(huán)保產(chǎn)業(yè)的“數(shù)字引擎”，需凝聚政產(chǎn)學(xué)研合力，重點(diǎn)突破三大方向：一是打造垂直領(lǐng)域大模型基礎(chǔ)設(shè)施。通用大模型在水務(wù)場(chǎng)景存在“水土不服”，呼吁由政府主導(dǎo)建設(shè)“水務(wù)大腦”行業(yè)大模型，整合氣象、管網(wǎng)、工業(yè)排放等跨領(lǐng)域數(shù)據(jù)，并開展試點(diǎn)項(xiàng)目。通過(guò)融合市政污水處理廠與工業(yè)園區(qū)監(jiān)測(cè)數(shù)據(jù)，縮短對(duì)突發(fā)污染事件的預(yù)警響應(yīng)時(shí)間。二是加大財(cái)稅金融精準(zhǔn)扶持力度。AI環(huán)保項(xiàng)目應(yīng)納入《綠色產(chǎn)業(yè)指導(dǎo)目錄》，在專項(xiàng)債、稅收減免、設(shè)備補(bǔ)貼等方面給予傾斜，并探索基于節(jié)能減排成效的綠色金融產(chǎn)品，如“節(jié)能量擔(dān)保貸款”。三是推動(dòng)“AI+環(huán)保”試點(diǎn)工程落地。以節(jié)水型城市建設(shè)等現(xiàn)有工程為載體，設(shè)立AI應(yīng)用試驗(yàn)區(qū)，通過(guò)標(biāo)桿項(xiàng)目帶動(dòng)一批關(guān)鍵技術(shù)實(shí)戰(zhàn)檢驗(yàn)與復(fù)制推廣，逐步形成具有行業(yè)影響力的示范體系。

黃綿松：我認(rèn)為，當(dāng)前AI技術(shù)在環(huán)保領(lǐng)域推廣面臨三重現(xiàn)實(shí)挑戰(zhàn)：一是市場(chǎng)認(rèn)知瓶頸。由于技術(shù)新穎性與規(guī)�；�成功案例的缺失，很多市場(chǎng)用戶仍處于觀望狀態(tài)。企業(yè)需同時(shí)協(xié)調(diào)技術(shù)部署與組織變革資源，決策門檻較高；二是風(fēng)險(xiǎn)管控真空：AI輔助決策的權(quán)責(zé)界定尚未明確，特別是在工藝參數(shù)優(yōu)化、污染應(yīng)急處置等關(guān)鍵場(chǎng)景，缺乏風(fēng)險(xiǎn)預(yù)警機(jī)制與倫理評(píng)估框架；三是基礎(chǔ)設(shè)施割裂：環(huán)保數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、算力資源分布不均，導(dǎo)致中小城市模型遷移適配成本激增，制約技術(shù)普惠性落地。

為此，我期待在以下三方面支持：一是生態(tài)共建，推動(dòng)建立區(qū)域性AI算力共享平臺(tái)，降低中小企業(yè)技術(shù)應(yīng)用門檻；二是標(biāo)準(zhǔn)先行，加快制定、AI應(yīng)用技術(shù)規(guī)范，明確數(shù)據(jù)采集、算法透明性、系統(tǒng)可靠性等基準(zhǔn)要求；三是試點(diǎn)突破：建議政府設(shè)立AI環(huán)保創(chuàng)新基金，優(yōu)先支持“技術(shù)驗(yàn)證—商業(yè)閉環(huán)—標(biāo)準(zhǔn)輸出”的全鏈條示范項(xiàng)目，通過(guò)政府給予支持加速成熟方案跨區(qū)域復(fù)制。

李書鵬：目前，AI技術(shù)在環(huán)保領(lǐng)域的推廣阻力主要來(lái)自于兩方面，一方面為數(shù)據(jù)的缺乏，很多企業(yè)的數(shù)據(jù)均為非結(jié)構(gòu)化數(shù)據(jù)（比如紙質(zhì)文件），且分散分布于政企多方，各項(xiàng)目數(shù)據(jù)格式均不統(tǒng)一，數(shù)據(jù)治理工作量大。項(xiàng)目現(xiàn)場(chǎng)物聯(lián)網(wǎng)覆蓋率低，制約AI實(shí)時(shí)數(shù)據(jù)收集與分析預(yù)警；另一方面，環(huán)保領(lǐng)域缺乏AI相關(guān)人才，對(duì)大模型認(rèn)知與應(yīng)用深度不足；傳統(tǒng)工程人員對(duì)新技術(shù)接受度低，AI技術(shù)的場(chǎng)景選擇與應(yīng)用推廣受限。我希望政府在政策層面出臺(tái)大模型應(yīng)用補(bǔ)貼，鼓勵(lì)企業(yè)與項(xiàng)目積極開展AI應(yīng)用，促進(jìn)大模型應(yīng)用各環(huán)節(jié)涉及行業(yè)的良性有序發(fā)展。