長期以來，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，一場變革正在行業(yè)內(nèi)部悄然發(fā)生。

帶著這些問題，中環(huán)報記者采訪了3位來自行業(yè)前線的管理者，聽聽他們對AI賦能環(huán)保產(chǎn)業(yè)的深刻洞察。在與他們的對話中，我們看到了一種更加務(wù)實的智能化實踐路徑——不是炫技式的“高大上”，而是立足現(xiàn)場、著眼長遠的“深扎根”。

中國水務(wù)投資集團有限公司黨委委員、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？是否存在過度依賴數(shù)據(jù)或算力的風(fēng)險？

王東全：傳統(tǒng)環(huán)保工藝長期受限于“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)上是推動環(huán)保從“經(jīng)驗驅(qū)動”走向“數(shù)據(jù)驅(qū)動”。

一方面，AI提升了運行效率與響應(yīng)精度。在我們實踐中，通過構(gòu)建集成算法模型的智能化決策平臺，水廠生產(chǎn)、調(diào)度、運維環(huán)節(jié)實現(xiàn)了動態(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)還帶來了高風(fēng)險區(qū)域的替代作業(yè)能力，比如無人機、機器狗等終端的引入，使得監(jiān)測具備全天候、無死角能力。

當(dāng)然，AI系統(tǒng)對數(shù)據(jù)質(zhì)量與算力有一定依賴，而我國環(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，我們通過邊緣計算、算法輕量化、機理模型與統(tǒng)計模型結(jié)合等方式，降低對高算力和完美數(shù)據(jù)的剛性需求。未來，應(yīng)進一步推動環(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)的突破性價值體現(xiàn)在對行業(yè)痛點的系統(tǒng)性化解：一是降低建模門檻。像傳統(tǒng)機理模型需精確校準(zhǔn)每個參數(shù)，且依賴專家經(jīng)驗預(yù)設(shè)邊界條件，而AI通過黑箱學(xué)習(xí)機制，能夠從歷史數(shù)據(jù)中自主挖掘參數(shù)間潛在關(guān)聯(lián)，降低對先驗知識的依賴；二是提升決策容錯。傳統(tǒng)方法要求數(shù)據(jù)高度精準(zhǔn)完整，但實際運營中常存在監(jiān)測誤差、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)整需花費大量時間精力，而AI模型通過增量學(xué)習(xí)實現(xiàn)動態(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)與算力的依賴問題，AI技術(shù)的確依賴數(shù)據(jù)與算力，這是其運行的基礎(chǔ)。但對于“過度依賴”這一說法，各界觀點不一。因為AI技術(shù)并非單純追求數(shù)據(jù)的數(shù)量堆積，而是通過先進的訓(xùn)練機制來強化數(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)無法解決的系列痛點問題。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)為實時數(shù)據(jù)處理與預(yù)警，可實現(xiàn)“秒級預(yù)警”與“秒級系統(tǒng)化方案響應(yīng)”。AI具身智能可用于危險環(huán)境作業(yè)，保障人員安全。同時，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)也大大推動了生態(tài)環(huán)境治理手段的多學(xué)科交叉融合進程，有力促進了技術(shù)研發(fā)的迭代升級。

大模型的應(yīng)用環(huán)節(jié)包括“數(shù)、模、算、用”，其實數(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)用確實存在過度依賴數(shù)據(jù)或算力的風(fēng)險。因此，在推動AI技術(shù)發(fā)展的同時，需要采取措施平衡這種依賴關(guān)系，例如加強自主算力芯片研發(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)任機制。

中國環(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)的成本壓力確實存在，但通過技術(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)�；�與精細化運營破解”。以污水處理領(lǐng)域為例，傳統(tǒng)工藝依賴人工經(jīng)驗與粗放調(diào)控，藥劑浪費量很大。如我們開發(fā)的智能加藥控制系統(tǒng)，通過AI模型動態(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150萬元，而系統(tǒng)總投入不足200萬元，投資回收期僅1.3年。通過模塊化設(shè)計，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+運營增值”雙軌并行。針對中小型水廠推出智慧化管控平臺，按節(jié)能量收取服務(wù)費。

黃綿松：面對AI技術(shù)的高投入特性，從過往經(jīng)驗出發(fā)，建議企業(yè)采用“小步快跑、場景驗證”的策略：基于扎實的業(yè)務(wù)數(shù)字化基礎(chǔ)，優(yōu)先篩選具備AI適配性的高價值細分場景（如管網(wǎng)缺陷智能識別）進行試點，通過輕量化模型與模塊化部署控制初期成本，在驗證環(huán)境效益與經(jīng)營效益協(xié)同提升后，逐步向關(guān)聯(lián)場景延伸拓展，既規(guī)避了規(guī)�；瘧�(yīng)用風(fēng)險，又通過持續(xù)反饋優(yōu)化實現(xiàn)技術(shù)路徑與業(yè)務(wù)需求的動態(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)；另一方面國家層面可以加快推進可信數(shù)據(jù)空間建設(shè)，推動環(huán)境數(shù)據(jù)資源的合規(guī)流通與價值轉(zhuǎn)化，形成數(shù)據(jù)要素驅(qū)動的可持續(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)濟效益，可以對大模型通用性評估、投入與產(chǎn)出回報比等評估，選擇合適的構(gòu)建路徑，將“好刀用在刀刃上”。

未來，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)項目中的環(huán)境數(shù)據(jù)脫敏后納入公共數(shù)據(jù)庫，獲取補貼或數(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)。

中國環(huán)境：企業(yè)與政府、科研機構(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。我們在實踐中形成了一種比較有效的協(xié)作模式：企業(yè)提供場景與數(shù)據(jù)、科研機構(gòu)專注算法突破、政府推動機制保障。

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)與運行場景，為技術(shù)研發(fā)提供真實土壤。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)與驗證平臺，使得算法能在真實工況中不斷修正�？蒲袀�(cè)則聚焦模型開發(fā)與機理研究，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)測精度與實用性；多目標(biāo)協(xié)同優(yōu)化的技術(shù)也能同時兼顧水質(zhì)達標(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。

總的來說，政產(chǎn)學(xué)研協(xié)作不是簡單的資源疊加，通過“數(shù)據(jù)共享—技術(shù)共研—生態(tài)共建”的模式，進行機制創(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)報表，當(dāng)政府的政策藍圖轉(zhuǎn)化為企業(yè)的技術(shù)路線圖，這種價值閉環(huán)正是環(huán)保產(chǎn)業(yè)智能化轉(zhuǎn)型的核心動力。

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

這種協(xié)作并不是“誰做主、誰配合”，而是各自發(fā)揮優(yōu)勢，形成“研發(fā)—驗證—轉(zhuǎn)化”的流動機制。尤其是在大模型和算力平臺的應(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，才能實現(xiàn)技術(shù)的精準(zhǔn)適配與落地。

以我們參與的國家重點研發(fā)計劃“城市內(nèi)澇風(fēng)險防控與系統(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”國家重點研發(fā)計劃項目申報推動災(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)保障項目落地；天津大學(xué)、中國水科院等科研機構(gòu)聚焦多尺度內(nèi)澇精準(zhǔn)模擬等模型研發(fā)和藍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，集成云計算、GIS時空分析等技術(shù)，在宿遷市實現(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，實現(xiàn)科研成果向?qū)嶋H場景的轉(zhuǎn)化。

李書鵬：當(dāng)前，我國生態(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，科研機構(gòu)與高校等可在算法研發(fā)中發(fā)力，企業(yè)可以負責(zé)推動技術(shù)落地與商業(yè)化。未來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)實阻力（如政策適配性、市場接受度）？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)實瓶頸，主要包括以下幾個方面：一是復(fù)合型人才缺口明顯。環(huán)保場景需要具備工程、自動化、數(shù)據(jù)分析等交叉能力的人才，但目前基層團隊普遍力量薄弱，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“時差”。雖然國家出臺了生態(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)鍵機制仍處于碎片化試點階段，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AI核心所需的算力、存儲等基礎(chǔ)設(shè)施投資明顯不足。企業(yè)在回報周期尚不清晰的情況下，對智能化改造缺乏持續(xù)動力。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，導(dǎo)致算法開發(fā)與數(shù)據(jù)積累相對分散，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)，并開展試點項目。通過融合市政污水處理廠與工業(yè)園區(qū)監(jiān)測數(shù)據(jù)，縮短對突發(fā)污染事件的預(yù)警響應(yīng)時間。二是加大財稅金融精準(zhǔn)扶持力度。AI環(huán)保項目應(yīng)納入《綠色產(chǎn)業(yè)指導(dǎo)目錄》，在專項債、稅收減免、設(shè)備補貼等方面給予傾斜，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“AI+環(huán)保”試點工程落地。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)用試驗區(qū)，通過標(biāo)桿項目帶動一批關(guān)鍵技術(shù)實戰(zhàn)檢驗與復(fù)制推廣，逐步形成具有行業(yè)影響力的示范體系。

黃綿松：我認為，當(dāng)前AI技術(shù)在環(huán)保領(lǐng)域推廣面臨三重現(xiàn)實挑戰(zhàn)：一是市場認知瓶頸。由于技術(shù)新穎性與規(guī)模化成功案例的缺失，很多市場用戶仍處于觀望狀態(tài)。企業(yè)需同時協(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)鍵場景，缺乏風(fēng)險預(yù)警機制與倫理評估框架；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，推動建立區(qū)域性AI算力共享平臺，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)驗證—商業(yè)閉環(huán)—標(biāo)準(zhǔn)輸出”的全鏈條示范項目，通過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，各項目數(shù)據(jù)格式均不統(tǒng)一，數(shù)據(jù)治理工作量大。項目現(xiàn)場物聯(lián)網(wǎng)覆蓋率低，制約AI實時數(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，對大模型認知與應(yīng)用深度不足；傳統(tǒng)工程人員對新技術(shù)接受度低，AI技術(shù)的場景選擇與應(yīng)用推廣受限。我希望政府在政策層面出臺大模型應(yīng)用補貼，鼓勵企業(yè)與項目積極開展AI應(yīng)用，促進大模型應(yīng)用各環(huán)節(jié)涉及行業(yè)的良性有序發(fā)展。