气候科技焦点 2025：人工智能赋能可持续发展

从外围工具到运行基础设施

人工智能已不再是可持续发展工作中的外围工具。在能源系统、制造业、物流、金融、认证、教育和公共治理中，人工智能正越来越多地作为运行基础设施嵌入其中，影响着社会如何预判风险、配置资源、执行规则，以及如何在大范围内协调行动。报告考察了人工智能已经如何在实践中改变气候减缓与适应、进展为何仍不均衡，以及要把技术能力转化为持久的公共价值需要哪些制度条件。

报告认为，人工智能对可持续发展的主要贡献不在于算法突破，而在于降低不确定性、缩短决策周期，并在现实约束下让复杂系统协同运转。

• 在能源与制造业，人工智能支撑电网稳定、可再生能源并网、预测性维护和能源与碳排放的协同优化，帮助系统在韧性与效率之间找到合适的位置。
• 在航运与物流，面对日益收紧的排放法规、多变的运营条件和范围三排放责任，人工智能已不可或缺，让物流从碳排放的盲区变为可以治理的减碳抓手。
• 在金融领域，人工智能正把气候风险从叙述性披露转变为可直接用于决策的信息，将物理风险和转型风险纳入定价、资本配置和监管框架。
• 在认证与全球贸易中，人工智能正把合规从依赖文件的流程重塑为以数据为基础的信任基础设施，使可核验的碳透明度成为市场准入的条件。

技术准备度跑在制度准备度前面

报告发现，技术上的准备程度始终快于制度上的准备程度。许多人工智能系统能很快走到试点或 MVP 阶段，却难以扩展到大规模部署。真正的瓶颈很少是资金或模型性能，而是数据权属分散、基础设施陈旧、监管路径不清、运营能力有限，以及创新者、监管者和使用者之间信任不足。结果是，可持续领域的人工智能创新往往恰恰停在本该产生实际影响的地方。

面向部署的孵化

为弥合这一差距，报告主张改变人工智能创新的孵化和治理方式。有效的孵化不只是提供资金，更强调部署准备：共享的运营服务、安全的算力与数据环境、细分领域的导师指导、有真实买方的预设应用场景，以及在全面批准之前允许在监管下边做边学的监管沙盒。跨境、网络化的孵化模式正显示出明显成效，让人才、技术和市场反馈在不同地区之间流动，而不是困在各国各自的生态里。

教育与人才

教育和人才培养同样关键。人工智能已经进入日常学习，问题不再是学生会不会用人工智能，而是教育体系如何引导他们使用。报告指出，教育正从机械复现知识转向批判性思维、跨学科解决问题，以及围绕真实可持续发展挑战的项目式学习。成功的教育体系把人工智能当作学习助手而不是答案机器，并建立制度通道，让年轻人从校园走向公共服务、创业和政策参与。在人工智能人才竞争中表现出色的国家，会把灵活的签证与激励政策，同有意义的岗位、实践试验场和融入国家创新体系的长期安排结合起来。

公平与开放

公平与开放成为人工智能时代的关键挑战。开放数据和共享模型可以加快创新，但治理不善的开放可能加深数据不平等，对全球南方尤其如此。报告强调，开放必须有条件、受治理：使用权清晰、来源可追溯，并有机制确保本地机构掌控本地产生的数据。在资源有限的地区，包容性的人工智能应用已经出现：轻量化模型、社区数据系统和公共部门应用场景，在出行、防灾、公共卫生和农业中带来了实实在在的好处。这些经验说明，只要配以合适的治理和基础设施，人工智能可以支持跨越式发展。

治理是创新的前提

人工智能治理不是气候创新的刹车，而是它得以推进的前提。有效的治理需要与风险相称的监督，以建立信任、透明度和问责：区分辅助决策的工具与行使决定权的系统，并确保高影响应用具备可解释性、人工监督和公众认可。把治理当作一个持续学习的体系，辅以能力建设和跨境合作，就能让人工智能在气候行动中负责任地规模化，而不是受到束缚。

报告的结构

报告分为五个部分。「十字路口上的人工智能演进」讨论通用人工智能的过去与走向、人工智能与可持续发展的悖论、超大规模可持续人工智能数据中心，以及人工智能在气候减缓与适应中的作用。「人工智能赋能可持续发展全景」按自动化程度梳理人工智能的角色与应用场景。「重点行业深度解析」覆盖能源与制造业、航运与物流、金融与投资、认证与全球贸易。「推动进程」探讨孵化、教育、开放普惠的人工智能，以及人工智能风险的治理。结论「下一步」分别向五类对象提出建议：政府、监管机构与国际组织；金融机构、投资者与贸易合规体系；企业、平台与基础设施运营方；教育机构、非营利组织与人才生态；中小企业、初创企业与个人。