在今年兩會上，“新質生產力”與“人工智能+”再度成為代表委員們關注的熱詞。制造業是國民經濟的關鍵支柱，也是我們碳減排的主戰場。近日，中控創始人、寧波工業互聯網研究院創始人兼院長褚健做客人民網《人民會客廳》2026全國兩會訪談，作為節目主嘉賓，與第十四屆全國人大代表、傳化集團有限公司董事長徐冠巨、中國電子信息產業發展研究院黨委書記、副院長劉文強，共同探討「人工智能+制造」與雙碳目標的融合發展之道。

視頻來源：人民網

在節目現場，褚健與各位嘉賓就上述話題展開了深入探討。以下為節目完整實錄：

Q1：當“人工智能+”遇到了“雙碳”目標時會產生怎樣的反應；在制造業領域大背景下，人工智能如何助力節能降碳？

褚健：流程工業在整個中國的工業總產值里面差不多占了大概60萬億的產值，而能耗又占著大頭，差不多三分之二以上。如何利用人工智能來實現碳減排，提升我們產業的競爭力，從過去這幾年的實踐以及人工智能的發展趨勢來看，AI能夠發揮巨大的作用。所以，我們現在的目標就是圍繞中國100億噸的由流程工業創造的碳排放量，能不能降低1個百分點、2個百分點。如果說能夠提升1個百分點，對流程工業就是6000億的經濟效益，3個百分點接近2萬億的效益、利潤。所以，這個空間是巨大的。

Q2：從會場到工廠的實踐，制造業與AI協同發力，如何在助力雙碳目標方面發揮一些疊加效應，傳化又有什么樣的應用和探索？

徐冠巨：“人工智能 +”、新質生產力和綠色低碳轉型，這是一個非常熱議的話題，是關鍵詞。不管是今年的政府工作報告當中，還是“十五五”規劃草案，都把“人工智能 +”作為發展新質生產力的重要方向，雙碳轉型也正式邁向法典化治理的新階段，我們看到—AI與制造業、雙碳目標深度融合，既是中國制造提升全球競爭力的必由之路，更是實體企業培育新質生產力的核心賽道。

這次兩會，我帶來了《關于系統施策推動我國合成橡膠行業綠色低碳轉型 提升國際競爭力》的建議。合成橡膠是國民經濟包括國防建設的關鍵戰略材料，當前行業需要加快綠色轉型，我也提出了建立行業綠色績效評估交易體系、完善碳足跡標準體系、破解生物基產業化瓶頸等建議，希望推動這個關鍵材料行業實現整體性綠色轉型。

這些建議，會場的熱議，早已在我們傳化的工廠里面得到了落地和生根。我們是對標國家“人工智能+ ”行動，制定了AI +戰略頂層設計，同時從綠色工藝升級到行業低碳解決方案、生物制造布局等維度深化綠色轉型。

我們推動綠色工藝與技術升級，構建貫穿全產業鏈的碳足跡體系，加快建設“零碳”標桿；結合我們傳化化學化工、物流等全產業鏈場景，融合AI創新科學技術，打造行業的綠色低碳方案，真正把會場的議題轉化成工廠里實實在在的轉型升級的實踐。

Q3：數字化的時代，要讓工業數據在碳減排中真正地跑起來，我們亟需解決的關鍵點是在哪里？

劉文強：這個問題非常好，實際上觸及我們工業領域綠色轉型的一個核心痛點。中央提出把數據作為新型生產要素，數據基礎設施、數據制度都在不斷向前推進。工業低碳數據怎么樣才能用起來、跑起來？我想用一個形象的比喻來回答，就是讓我們的標準、我們的協同機制如同我們的語言和行動。所以，當下最急迫的任務，就是讓我們建立一套全國都統一的、都能認的、都能用的碳數據標準，形成一個共同的語言。以前我們搞節能降耗，大家知道能源都用標準煤來統一。那么，到二氧化碳排放，同樣需要碳數據，也需要統一的標準。鋼鐵、汽車各類產品的碳數據能不能統一？大家是否都能看的懂、都認賬？所以這樣的情況下，我們產業協同就能夠把我們各類的工業碳數據變成一個統一的標準，不是形成一個一個的孤島。近年來，工信部等相關部門也在積極地推進雙碳的標準體系建設，實際上就是想探索把這一套“普通話”的規矩立起來。

有了統一標準、統一的語言，那么剩下就是需要我們政府、協會、龍頭企業，我們一起怎么樣來共同協同來推動。政府部門當好修路人，建好像碳足跡平臺這樣的公共數據通道，定好數據流通、工業降碳的規則，這樣大家就能夠集體地行動起來。

協會當好“召集人”，把我們同行業、同領域的企業召集起來，帶領大家一起培訓、實踐、推動。特別是我們的鏈主企業當好“帶頭人”。我們以前搞綠色供應鏈，就是從一級供應商、二級供應商、三級供應商到四級，這條鏈上的企業一起按照這個標準來推動。如果形成這樣的基礎，我們的政府鋪好路、協會織好網、鏈主企業帶著大家一起推動，帶著大家一起跑，這樣就能夠形成數據彼此都信任、產業鏈上都能夠相互認可、握手的模式，為我們工業綠色低碳、數據跑起來注入實實在在的動能。

Q4：中控在助力制造業實現數據互通、生態共建以及在節能降碳方面，我們目前有哪些技術支撐和實踐落地？

褚健：中控在過去30年做了一件事，這件事情使得我們今天有可能來幫助我們的用戶實現數據的整合，包括如何實現節能。因為我們原來是做自動化的，所有大的工業，特別是流程工業，都存在高溫高壓、易燃易爆的場景，在這種工業場景下，沒有自動化是不可能生存的。所以，我們在過去30年已經有38000+家的用戶，部署了10萬多套控制系統，市場占有率也達到最高。所以，我們也很希望和我們的用戶能夠建立這樣一種緊密的關系，構建工業AI數據聯盟，使得企業愿意把數據共享出來。所以，我們動員了很多企業，當然也有一些企業覺得這個數據是很寶貴的，或者說它有一定的涉密性，但是對于不少的企業來講，特別是對傳統產業來講，溫度、壓力、流量、液位這樣一種生產數據，其實是不保密的，很多企業是愿意共享出來的。所以，我們把這些企業匯集形成了一個工業AI數據聯盟，我們就可以獲取這些數據。按照剛才劉院長所說的，我們形成一個標準，讓數據看得懂、讀得懂，利用這樣一些數據集，再加上我們開發了相應的算法，構建了一個工業大模型，這是第一方面。

第二，如何能夠幫助用戶利用好這些數據，用這些數據來解決用戶的痛點。用戶的痛點是什么？今天我們的市場競爭非常激烈，地緣政治目前也面臨著挑戰。只有保證這四條，企業才能夠生存或者才能夠參與市場競爭。

首先，確保安全，不要出事。也就是我們講的不要出安全事故。其次，使得生產的產品質量是最好的。再次，成本是最低的，同樣的原料，能夠生產出最好的產品，或者說同樣的產品，能夠以最低的成本產出。最后是低碳。通過節能，實現綠色降碳。當安全、質量、成本、低碳這四個目標能夠做到了，那么這個企業生存的可能性、競爭力就會很強。所以，我們就希望用數據來解決用戶的這四個問題。過去兩年，我們已經有300多個案例通過工業AI模型提升了企業的巨大的經濟效益。今年我們會實現差不多1000家用戶，明年我們希望培訓更多的工程師，能夠用這樣的工業模型，來使得我們全國60萬億的流程工業產值能夠提升效益，能夠降低碳排放。

Q5：提質增效一直是我們追求的方向。我們通過一些什么樣的數據來觀測/衡量它？

褚健：舉個簡單的例子，就像我們家里用的能夠在微波爐里面加熱的塑料飯盒，其實在超市里面很多。但是，有的質量很好，有的質量不好，有的一加熱就軟了。其實它的原料和所有的生產過程幾乎是大同小異，但是有可能就是生產過程的工藝以及有些添加劑稍微有點不同，它的質量就完全不一樣。所以，如果能夠稍微調整一下它的工藝參數，再調整一下它的配方，就能有更優的結果，而這并不是很復雜的事。比如說我們化工里面會有一個轉化率，如果從原來80%的轉化率提高到85%的轉化率，從90%的轉化率提高到95%的轉化率，對于化工生產量級來說，5%，甚至1%的提升都是不得了的結果。這個空間實際上是巨大的。

Q6：要構建全產業鏈協同的綠色低碳發展生態，讓綠色低碳的數據能夠發揮切實的作用，我們當前需要各方共同發力的核心是什么？

劉文強：在我看來，要構建這么一個覆蓋全產業鏈的綠色生態，有三個核心的環節應該發力。第一是我們的標準規則，第二是我們的數據采集，第三是數據的應用。

標準規則，剛才我們講了，這是需要產業鏈建立一套能夠對話、能夠認賬的碳數據的標準體系。不管是造新能源汽車、煉鋼還是電池，大家都應該把這些重點產品的碳數據規則抓緊建立起來。

第二個就是剛才褚教授講的數據采集，中控干了這么多年，工控是底層的，其實就是靠工控、傳感器，把數據傳上來。所以，我們在數據采集過程中還要關注兩個點，一個是可信，一個是省事。可信，就是從我們底層的工控系統，從車間、從產線、從裝備出來的那一刻，我們的數據能自動上傳出來，到中層再到頂層，形成一套體系。第二個是我們的企業要建立這套數據采集系統不能太費事，不能每個企業都要去再建一套系統，大家再去報數據，這樣就太費事了。當數據采集上來之后，我想第三個方面就是我們數據怎么用。數據如果無法利用，那么我們人工智能、我們建的這套綠色生態體系其實都無法落地、沒有著落。

數據怎么樣用？剛才褚教授也提到，第一，我們要從底層數據上來之后，通過人工智能大模型可以為我們提質增效。另外，我們對低碳，綠色低碳的數據，也可以把它用人工智能模型，讓它變成我們產品的碳足跡，銀行看到這個數據愿意給優惠的貸款，我們國際貿易也能有更強的優惠競爭力、更多的訂單等等，這些方面能夠變成真正的市場機會，這樣我們企業就會更加主動地把數據報上來，完成我們的數據采集，執行這套標準。

通過這樣的體系，我們就慢慢變成一套綠色低碳的數據生態體系。現在國家正在推動這個過程的落地和標準的制定，希望在不久的將來，我們行業一起努力，建立全產業鏈的無縫協同、低成本高效的綠色生態工業體系，助推我們整個數據的利用、人工智能的效率提升，改進我們的生產效率，提質增效。

Q7：我們一直在說數據的重要性，以及我們怎么樣用這些數據，怎么讓標準統一，怎么實現協同的效應。從技術的角度來看，我們現在有沒有一些成型的技術，是可以助力我們制造業實現協同發展的？

褚健：剛才劉院長講到通過控制系統，已經把產線的數據、車間的數據標準化了。從未來發展角度來講，數據的標準化應該說是一個毫無疑問、必須落地實現的。我們成立工業AI數據聯盟，就是希望形成這樣一個標準化。

對于流程工業來講，其實就跟燒菜是一樣的。除了溫度、壓力、流量、液位基本的物理參數，還有很多的質量參數。比如說濃度、黏度，各種各樣化學成分的參數，這個參數在生產過程中都是標準化的，關鍵在于怎么把這些參數變成可信、可靠、可用的。這需要我們在行業里面，包括政府層面能夠形成一套標準，我相信所有的企業都愿意跟著這樣一個標準走，因為只有跟著這樣一個標準走，我們才能夠把AI發展好，才能夠使得每一家用戶都能夠享受到AI帶來的好處。事實上現在我們已經開展這個工作，包括和工信部、賽迪研究院也有很多合作，希望未來能夠盡快實現數據的可獲取、可讀、可用。

Q8：中控以工業AI技術為核心構建的自主運行工廠A0P形態又如何助力企業實現系統協同發展呢？

褚健：這幾年AI快速發展以后，我們回過頭來看，汽車的全自動駕駛（FSD），雖然可能還有一點點小問題，但是總體上已經實現了。一輛汽車是一個司機，一個工廠、一個大型的煉化一體化的復雜工廠，可能是幾千個司機，我們有幾千個操作工程師，如何能夠使得我們這樣一個復雜的工業企業變成少人化，如果用FSD的這種理念來運行一個工廠的時候，我們的工廠效率一定是最高的，所以我們提出來了類似于FSD的AOP自主運行工廠，從節能、數據獲取、質量，包括降低成本，減碳等方面都形成最優解。剛才我也提到，我們已經在幾百個案例里面去運行了，如果在兩年前我不敢說，但是今天我覺得，三年后，五年后，到十年的時間，很有可能和汽車的FSD一樣，完全可以做到大規模的普及和應用，因為你想要在安全、質量、成本、低碳這方面形成企業的競爭力，就必須去擁抱理念的變化。剩下的就是我們能不能提供這樣一種技術，能不能提供這樣的解決方案，實現理念的落地。當然這里面一定是大量的AI應用，所以數據又變得非常重要，它是相互迭代的過程，我們不停地要在算法上有創新，要在模型上有創新，同時，能夠有很大的泛化性，因為我必須覆蓋所有的行業，同時，生產過程又是不斷在變化的，就像開車并不是說在固定的一條路上，有可能遇到其他不同的狀況，工業生產也是一樣的，所以我需要它能夠適應不同的生產狀況，甚至適應市場需求的變化，所以，AOP未來一定會成為工業企業，特別流程工業企業的一個規范。我們也希望這個由我們中國提出來的方案未來能夠引領全球，能夠不僅在中國，同時我們在海外也可以拓展。

Q9：請劉書記從政策引進的角度幫我們看一看，要讓市場自發利用人工智能賦能降碳，我們還需要補上制度拼圖的哪些方面？

劉文強：過去我們搞節能降耗更多靠“看得見的手”，依靠行政命令壓責任，企業的標準不達標，我可以淘汰你。另外一方面，給補貼，財政補貼給動力，就是設備改造，效率提升了，那就給你財政補貼。現在我們要做的就是怎么樣讓“看不見的手”自己轉起來，讓AI減碳變成企業內生的、主動的市場行為。企業從“讓我減”變成“我要減”，人工智能在這個過程中，我覺得可以起到“催化劑”和“連接器”的作用。

那么怎么讓市場自發利用AI來實現減碳，當前需要補上“三個環節”。

第一，打通標準，讓AI能“讀懂”工業碳賬本。最基礎的工作，就是我們正在建立各個行業的碳排放核算標準體系，近期國家也發布了《工業企業溫室氣體排放核算和報告通則》，這也是給AI打下基礎，沒有這個基礎，沒有數據，AI再聰明也算不上。

第二，數據的采集要打通。數據從“紙面”走向“產線”。現在我們強調“人工智能+制造”，關鍵是讓數據實時流動起來，工業領域正在推動的一項重點工作就是建設數字化的能碳的管理中心，以前搞能源管控中心，沒有碳的事，效果非常好，現在把能碳聯合起來，采用信息化技術、工業互聯網、物聯網、大數據，包括褚教授的工控底層數據，實現能耗碳排放數據的精準化計量、精細化管控。這樣把數據采集上來，形成數據集，AI才能夠發揮、模型才能調動。

第三，怎么樣建立AI的垂類模型，打通應用，讓減碳的數據變成“市場能夠流通的硬通貨”。如果我們前幾步都做好了，數據有了，標準也有了，如果這些數據只在企業內部循環，沒有進入交易，我們AI減碳的價值還是要打折扣的。所以，能不能變現，碳數據能不能直接轉化成企業資產，這樣的話，不僅企業的訂單、外貿、信貸各個方面支持來了，我們企業甚至還可以把節能降碳變成我們的資產，企業就有了內生動力。如何變成資產，我覺得關鍵在于從國家層面實施推動碳市場，形成市場機制，如果一個行業能夠帶來幾百億的碳收入，我想企業都有積極性來推動這個事。

Q10：這種制度層面構建的AI降碳價值的傳導機制目前在產業端是否已經有了感知？企業又有哪些相對的反饋？

徐冠巨：對綠色低碳發展，我們在產業一線有著非常真切的感知。過去企業降碳更多是靠政策推動，而如今通過碳市場、碳標準體系等持續完善，讓我們企業降碳從“要我降”轉向“我要減”，轉化成了企業的“真金白銀”，這就是最核心的價值傳導。

以傳化物流為例，我們大力推進綠色能源的新基建，打造光伏電站、充換電場景、儲能場、儲能站等能源矩陣，我們聯合寧德時代、中國石化等企業共建物流的補能網絡，樹立零碳物流示范標桿。

Q11：當前，綠色低碳轉型其實已經成為了一個國際共識，推動碳足跡標準、碳核算體系，如何才能在未來的國際博弈當中獲得更多話語權？我們的“中國方案”最有可能突破的方向會是什么？

劉文強：主持人你這個問題非常關鍵，這確實是我們現在面臨非常緊迫、非常實際的難題。

大家知道，當前歐盟碳關稅、碳邊境調節稅機制已經正式進入征收、生效的階段，當然目前只是對鋼鐵、鋁等這些流程工業產品帶來一定的合規挑戰。如果未來延伸，可能將來對于我們所有的出口產品都會帶來這方面的沖擊。這個問題本身就是全國、全球低碳轉型進程中碳規則、碳數據話語權的深度博弈。要在這場博弈中掌握主動，核心不是被動地適配于規則，而是要建立起我們自主可控、國際互認的碳足跡的標準與核算體系，我覺得有幾個關鍵的環節：

第一，我們要加快構建接軌國際、符合國情的標準體系。這個不難，現在的標準體系我們基本上還是和國際上深度對接、接軌的。未來需要更多地結合我們自己的產業鏈優勢，進一步地加強標準的互認，擴大規則的影響力。

第二個方面，剛才講的自主數據庫，為什么強調本土數據庫的建設？因為從全球來看，中國是全球制造業基地，多數供應鏈、產業鏈都在國內，我們的產業體系最強、最完善，這是我們的優勢。目前很多碳足跡的應用的數據庫，是基于歐美市場的數據，它缺乏針對中國市場的本土化的數據。所以，我們現在必須加快建立全國統一的我們自主的本土產品的碳足跡的數據庫。這樣才能使我們可能產品的碳足跡更有優勢。

第三，怎樣推動認證實現國際互認。我們自己的機構，按照本土數據核算完了，認證能不能得到國際認可，非常關鍵，這個可能需要我們國家有關部門，在全球貿易博弈的關鍵環節發力。在這個過程中，我覺得核心的關鍵是要盡快建立自主本土的工業碳足跡的數據庫，從這方面支撐整個認證標準、規則、產品的貿易出口這些工作。

Q12：中國也在從一個制造大國轉向制造強國，我們越來越多地立足于國際舞臺了。從這個角度來看，我們如果技術出海的話，中控要彰顯什么樣的競爭力？

褚健：過去我們一直是在中國市場為主，當然我們在國際上也做了幾年的工作，但是總的來講，不夠積極，也不夠主動。這幾年我們加大了力度。特別是技術出口這一塊，一開始，我們把中國的高新技術產品賣到國外去的時候會感受到很多的壓力、阻力，但是，這幾年包括和北美、東南亞、中東甚至歐洲的很多企業、合作伙伴交流的時候，能夠感受到他們對中國技術的一種渴望，就像他們經常跟我講到“沒想到中國的電動車發展那么快，中國的互聯網，移動互聯網，ToC端的發展那么好”。所以，他會覺得，我們在應用層面是具有很大優勢的。中國制造業增加值占全球比重已接近30%，我們有太多的數據，太多的經驗，太多的工業應用場景，所以，當我們的技術在中國一旦經過驗證變成可行，那我們在海外就一定可行。我們這兩年在國外交流時，發現大家對中國高新技術都是非常渴望的，原來可能我們自己認為很難的事，發現并不難，只不過我們原來可能自己偏保守了，覺得好像不行，實際上是我們自己的底氣不夠。但是這兩年下來以后發現，我們不僅僅是底氣夠，我們的技術也行，關鍵在于能夠按照剛才劉院長講的符合很多的規范，這個規范不僅僅是符合國際上的規范，包括擁有中國自己的話語權、制定相應的標準，比如說我們的自主運行工廠AOP這樣一種概念，如何能實現技術落地，如何能夠形成標準化的東西，如何能夠去引領AI在工業領域的應用，其實這一塊中國是具有巨大的機會，特別是剛才講的工業數據集，一旦這一塊做得非常好的時候，我們未來如何能夠在安全、質量、成本、低碳方面發揮引領作用，我認為是具有巨大的機會，而且一定是具有巨大的優勢。

Q13：在面向人工智能+制造與綠色低碳深度融合的未來，用一句話來描述您們最想看到的一個關鍵性的變化或者標志性的變化是？

徐冠巨：我想我們要迎接能源革命、科技革命的大潮，把系統寶貴能源轉化成高價值的產品，為社會文明與人類健康服務。

劉文強：希望人工智能成為工業綠色低碳的“智慧大腦”，實現“數智化”與“綠色化”協同。通過大模型，讓每一家制造企業都能夠了解自己的碳排放量，每一個工業產品都能夠算出自己的碳足跡，最后靠數據精準減碳，憑綠色贏得效益。

褚健：我很希望和汽車的無人駕駛一樣，能夠在流程工業企業里面實現AOP的L3/L4級，幫助廣大的用戶在安全、質量、成本、低碳這幾個方面創造巨大的效益，為我們國家減掉一個百分點、兩個百分點，甚至更多的碳排放。

主持人：謝謝。從剛才三位的分享當中我們更是聽到了一種底氣。我們正在從“規則的接受者”向“規則的參與者”進行關鍵時期的窗口期的轉變。的確像三位所說的，標準在統一、平臺在落地，龍頭在牽引，國際話語權在不斷地積累，這不僅是一場系統的變革，更是更加綠色、更加智慧、更加具有競爭力的中國制造。