近日，苏州市召开“人工智能+”大会，推动AI与制造业融合，打造“AI+工业”新生态。广州市培育31个人工智能产业重点载体，实现工业化融合发展。此前，工信部公布151项人工智能赋能新型工业化典型应用案例，旨在加快形成新质生产力。作为工业大国，我国超200种工业品产量全球领先，但工业脱碳压力大，AI大模型的引入与应用迫切重要。

我国AI技术和相关基础设施已经具备一定基础，工业数据要素的积累也初具规模，加之工业物联网的广泛覆盖，为AI赋能工业提供了无限可能。然而，工业数据产权、流动、标准等仍需完善，以促进AI技术的广泛应用，进而充分发挥数据要素的“乘数效应”。因此，完善工业数据管理体系，促进数据要素的自由流动和标准化，成为AI赋能工业脱碳的重要前提。

工业脱碳因其复杂性和多样性，要求AI必须实现“精准赋能”。工业部门的脱碳机制复杂多变，减排技术种类繁多。AI技术在摘取“低垂的果实”方面路径明确、效益显著、迁移性强，如通过强化学习提升能源调度效率，利用生成式AI减少非必要产品需求等。在突破“减排瓶颈”方面，尽管AI面临手段有限、路径不确定性高等挑战，但其推动低碳技术要素升级变革的作用不容忽视，如促进DAC(直接空气捕获)等技术创新。AI赋能工业脱碳必须精准识别优先顺序，精准适配应用场景和行业特点，以避免能耗反增、减排成效降低和资金无效配置等问题。

更进一步，工业产业链之间的强关联性对AI的“系统赋能”提出了更高要求。工业脱碳不是孤立存在的任务，而是需要各个环节、各个产业之间的紧密协作。AI赋能工业脱碳必须突破“单点赋能”模式，转向“全产业链系统赋能”。这要求我们将AI技术贯穿于基础研究、应用研究和产业应用的各个环节，促进数据、知识和技术要素的流通，放大其“乘数效应”。同时，AI还应贯穿于产业链从原料供应到末端治理的各个环节，支持全生命周期管理和终端产品碳排放认证，优化供应链和用能管理。此外，还需统筹考虑各区域产业优势，因地制宜部署AI产业，发挥各区域间的协同互补优势。例如，北京、广东等地在人工智能产业方面具有明显优势，可作为AI赋能工业脱碳的先行示范区。

据普华永道报告显示，到2030年，AI将为全球经济贡献高达15.7万亿美元。在企业与产业层面，AI赋能工业脱碳将推动这些行业实现效率提升和成本降低。例如，通过AI技术优化能源调度和生产流程，企业可以显著降低能耗和碳排放，同时提高生产效率。在区域经济层面，经济发达地区凭借资金、技术和基础设施优势，有望率先实现AI赋能工业脱碳的突破，但这也可能导致区域经济发展的不平衡。因此，需要通过政策引导和资源分配，促进欠发达地区的AI技术应用和产业升级。在全球产业格局层面，AI技术的广泛应用将重塑全球技术和产业分工格局，推动制造业向智能化、绿色化转型。这将为我国在全球产业链中提升竞争力提供宝贵机遇。