在今年两会上，“新质生产力”与“人工智能+”再度成为代表委员们关注的热词。制造业是国民经济的关键支柱，也是我们碳减排的主战场。近日，中控创始人、宁波工业互联网研究院创始人兼院长褚健做客人民网《人民会客厅》2026全国两会访谈，作为节目主嘉宾，与第十四届全国人大代表、传化集团有限公司董事长徐冠巨、中国电子信息产业发展研究院党委书记、副院长刘文强，共同探讨「人工智能+制造」与双碳目标的融合发展之道。
在节目现场，褚健与各位嘉宾就上述话题展开了深入探讨。以下为节目完整实录：
Q1：当“人工智能+”遇到了“双碳”目标时会产生怎样的反应；在制造业领域大背景下，人工智能如何助力节能降碳？
褚健：流程工业在整个中国的工业总产值里面差不多占了大概60万亿的产值，而能耗又占着大头，差不多三分之二以上。如何利用人工智能来实现碳减排，提升我们产业的竞争力，从过去这几年的实践以及人工智能的发展趋势来看，AI能够发挥巨大的作用。所以，我们现在的目标就是围绕中国100亿吨的由流程工业创造的碳排放量，能不能降低1个百分点、2个百分点。如果说能够提升1个百分点，对流程工业就是6000亿的经济效益，3个百分点接近2万亿的效益、利润。所以，这个空间是巨大的。
Q2：从会场到工厂的实践，制造业与AI协同发力，如何在助力双碳目标方面发挥一些叠加效应，传化又有什么样的应用和探索？
徐冠巨：“人工智能 +”、新质生产力和绿色低碳转型，这是一个非常热议的话题，是关键词。不管是今年的政府工作报告当中，还是“十五五”规划草案，都把“人工智能 +”作为发展新质生产力的重要方向，双碳转型也正式迈向法典化治理的新阶段，我们看到—AI与制造业、双碳目标深度融合，既是中国制造提升全球竞争力的必由之路，更是实体企业培育新质生产力的核心赛道。
这次两会，我带来了《关于系统施策推动我国合成橡胶行业绿色低碳转型 提升国际竞争力》的建议。合成橡胶是国民经济包括国防建设的关键战略材料，当前行业需要加快绿色转型，我也提出了建立行业绿色绩效评估交易体系、完善碳足迹标准体系、破解生物基产业化瓶颈等建议，希望推动这个关键材料行业实现整体性绿色转型。
这些建议，会场的热议，早已在我们传化的工厂里面得到了落地和生根。我们是对标国家“人工智能+ ”行动，制定了AI +战略顶层设计，同时从绿色工艺升级到行业低碳解决方案、生物制造布局等维度深化绿色转型。
我们推动绿色工艺与技术升级，构建贯穿全产业链的碳足迹体系，加快建设“零碳”标杆；结合我们传化化学化工、物流等全产业链场景，融合AI创新科学技术，打造行业的绿色低碳方案，真正把会场的议题转化成工厂里实实在在的转型升级的实践。
Q3：数字化的时代，要让工业数据在碳减排中真正地跑起来，我们亟需解决的关键点是在哪里？
刘文强：这个问题非常好，实际上触及我们工业领域绿色转型的一个核心痛点。中央提出把数据作为新型生产要素，数据基础设施、数据制度都在不断向前推进。工业低碳数据怎么样才能用起来、跑起来？我想用一个形象的比喻来回答，就是让我们的标准、我们的协同机制如同我们的语言和行动。所以，当下最急迫的任务，就是让我们建立一套全国都统一的、都能认的、都能用的碳数据标准，形成一个共同的语言。以前我们搞节能降耗，大家知道能源都用标准煤来统一。那么，到二氧化碳排放，同样需要碳数据，也需要统一的标准。钢铁、汽车各类产品的碳数据能不能统一？大家是否都能看的懂、都认账？所以这样的情况下，我们产业协同就能够把我们各类的工业碳数据变成一个统一的标准，不是形成一个一个的孤岛。近年来，工信部等相关部门也在积极地推进双碳的标准体系建设，实际上就是想探索把这一套“普通话”的规矩立起来。
有了统一标准、统一的语言，那么剩下就是需要我们政府、协会、龙头企业，我们一起怎么样来共同协同来推动。政府部门当好修路人，建好像碳足迹平台这样的公共数据通道，定好数据流通、工业降碳的规则，这样大家就能够集体地行动起来。
协会当好“召集人”，把我们同行业、同领域的企业召集起来，带领大家一起培训、实践、推动。特别是我们的链主企业当好“带头人”。我们以前搞绿色供应链，就是从一级供应商、二级供应商、三级供应商到四级，这条链上的企业一起按照这个标准来推动。如果形成这样的基础，我们的政府铺好路、协会织好网、链主企业带着大家一起推动，带着大家一起跑，这样就能够形成数据彼此都信任、产业链上都能够相互认可、握手的模式，为我们工业绿色低碳、数据跑起来注入实实在在的动能。
Q4：中控在助力制造业实现数据互通、生态共建以及在节能降碳方面，我们目前有哪些技术支撑和实践落地？
褚健：中控在过去30年做了一件事，这件事情使得我们今天有可能来帮助我们的用户实现数据的整合，包括如何实现节能。因为我们原来是做自动化的，所有大的工业，特别是流程工业，都存在高温高压、易燃易爆的场景，在这种工业场景下，没有自动化是不可能生存的。所以，我们在过去30年已经有38000+家的用户，部署了10万多套控制系统，市场占有率也达到最高。所以，我们也很希望和我们的用户能够建立这样一种紧密的关系，构建工业AI数据联盟，使得企业愿意把数据共享出来。所以，我们动员了很多企业，当然也有一些企业觉得这个数据是很宝贵的，或者说它有一定的涉密性，但是对于不少的企业来讲，特别是对传统产业来讲，温度、压力、流量、液位这样一种生产数据，其实是不保密的，很多企业是愿意共享出来的。所以，我们把这些企业汇集形成了一个工业AI数据联盟，我们就可以获取这些数据。按照刚才刘院长所说的，我们形成一个标准，让数据看得懂、读得懂，利用这样一些数据集，再加上我们开发了相应的算法，构建了一个工业大模型，这是第一方面。
第二，如何能够帮助用户利用好这些数据，用这些数据来解决用户的痛点。用户的痛点是什么？今天我们的市场竞争非常激烈，地缘政治目前也面临着挑战。只有保证这四条，企业才能够生存或者才能够参与市场竞争。
首先，确保安全，不要出事。也就是我们讲的不要出安全事故。其次，使得生产的产品质量是最好的。再次，成本是最低的，同样的原料，能够生产出最好的产品，或者说同样的产品，能够以最低的成本产出。最后是低碳。通过节能，实现绿色降碳。当安全、质量、成本、低碳这四个目标能够做到了，那么这个企业生存的可能性、竞争力就会很强。所以，我们就希望用数据来解决用户的这四个问题。过去两年，我们已经有300多个案例通过工业AI模型提升了企业的巨大的经济效益。今年我们会实现差不多1000家用户，明年我们希望培训更多的工程师，能够用这样的工业模型，来使得我们全国60万亿的流程工业产值能够提升效益，能够降低碳排放。
Q5：提质增效一直是我们追求的方向。我们通过一些什么样的数据来观测/衡量它？
褚健：举个简单的例子，就像我们家里用的能够在微波炉里面加热的塑料饭盒，其实在超市里面很多。但是，有的质量很好，有的质量不好，有的一加热就软了。其实它的原料和所有的生产过程几乎是大同小异，但是有可能就是生产过程的工艺以及有些添加剂稍微有点不同，它的质量就完全不一样。所以，如果能够稍微调整一下它的工艺参数，再调整一下它的配方，就能有更优的结果，而这并不是很复杂的事。比如说我们化工里面会有一个转化率，如果从原来80%的转化率提高到85%的转化率，从90%的转化率提高到95%的转化率，对于化工生产量级来说，5%，甚至1%的提升都是不得了的结果。这个空间实际上是巨大的。
Q6：要构建全产业链协同的绿色低碳发展生态，让绿色低碳的数据能够发挥切实的作用，我们当前需要各方共同发力的核心是什么？
刘文强：在我看来，要构建这么一个覆盖全产业链的绿色生态，有三个核心的环节应该发力。第一是我们的标准规则，第二是我们的数据采集，第三是数据的应用。
标准规则，刚才我们讲了，这是需要产业链建立一套能够对话、能够认账的碳数据的标准体系。不管是造新能源汽车、炼钢还是电池，大家都应该把这些重点产品的碳数据规则抓紧建立起来。
第二个就是刚才褚教授讲的数据采集，中控干了这么多年，工控是底层的，其实就是靠工控、传感器，把数据传上来。所以，我们在数据采集过程中还要关注两个点，一个是可信，一个是省事。可信，就是从我们底层的工控系统，从车间、从产线、从装备出来的那一刻，我们的数据能自动上传出来，到中层再到顶层，形成一套体系。第二个是我们的企业要建立这套数据采集系统不能太费事，不能每个企业都要去再建一套系统，大家再去报数据，这样就太费事了。当数据采集上来之后，我想第三个方面就是我们数据怎么用。数据如果无法利用，那么我们人工智能、我们建的这套绿色生态体系其实都无法落地、没有着落。
数据怎么样用？刚才褚教授也提到，第一，我们要从底层数据上来之后，通过人工智能大模型可以为我们提质增效。另外，我们对低碳，绿色低碳的数据，也可以把它用人工智能模型，让它变成我们产品的碳足迹，银行看到这个数据愿意给优惠的贷款，我们国际贸易也能有更强的优惠竞争力、更多的订单等等，这些方面能够变成真正的市场机会，这样我们企业就会更加主动地把数据报上来，完成我们的数据采集，执行这套标准。
通过这样的体系，我们就慢慢变成一套绿色低碳的数据生态体系。现在国家正在推动这个过程的落地和标准的制定，希望在不久的将来，我们行业一起努力，建立全产业链的无缝协同、低成本高效的绿色生态工业体系，助推我们整个数据的利用、人工智能的效率提升，改进我们的生产效率，提质增效。
Q7：我们一直在说数据的重要性，以及我们怎么样用这些数据，怎么让标准统一，怎么实现协同的效应。从技术的角度来看，我们现在有没有一些成型的技术，是可以助力我们制造业实现协同发展的？
褚健：刚才刘院长讲到通过控制系统，已经把产线的数据、车间的数据标准化了。从未来发展角度来讲，数据的标准化应该说是一个毫无疑问、必须落地实现的。我们成立工业AI数据联盟，就是希望形成这样一个标准化。
对于流程工业来讲，其实就跟烧菜是一样的。除了温度、压力、流量、液位基本的物理参数，还有很多的质量参数。比如说浓度、黏度，各种各样化学成分的参数，这个参数在生产过程中都是标准化的，关键在于怎么把这些参数变成可信、可靠、可用的。这需要我们在行业里面，包括政府层面能够形成一套标准，我相信所有的企业都愿意跟着这样一个标准走，因为只有跟着这样一个标准走，我们才能够把AI发展好，才能够使得每一家用户都能够享受到AI带来的好处。事实上现在我们已经开展这个工作，包括和工信部、赛迪研究院也有很多合作，希望未来能够尽快实现数据的可获取、可读、可用。
Q8：中控以工业AI技术为核心构建的自主运行工厂A0P形态又如何助力企业实现系统协同发展呢？
褚健：这几年AI快速发展以后，我们回过头来看，汽车的全自动驾驶（FSD），虽然可能还有一点点小问题，但是总体上已经实现了。一辆汽车是一个司机，一个工厂、一个大型的炼化一体化的复杂工厂，可能是几千个司机，我们有几千个操作工程师，如何能够使得我们这样一个复杂的工业企业变成少人化，如果用FSD的这种理念来运行一个工厂的时候，我们的工厂效率一定是最高的，所以我们提出来了类似于FSD的AOP自主运行工厂，从节能、数据获取、质量，包括降低成本，减碳等方面都形成最优解。刚才我也提到，我们已经在几百个案例里面去运行了，如果在两年前我不敢说，但是今天我觉得，三年后，五年后，到十年的时间，很有可能和汽车的FSD一样，完全可以做到大规模的普及和应用，因为你想要在安全、质量、成本、低碳这方面形成企业的竞争力，就必须去拥抱理念的变化。剩下的就是我们能不能提供这样一种技术，能不能提供这样的解决方案，实现理念的落地。当然这里面一定是大量的AI应用，所以数据又变得非常重要，它是相互迭代的过程，我们不停地要在算法上有创新，要在模型上有创新，同时，能够有很大的泛化性，因为我必须覆盖所有的行业，同时，生产过程又是不断在变化的，就像开车并不是说在固定的一条路上，有可能遇到其他不同的状况，工业生产也是一样的，所以我需要它能够适应不同的生产状况，甚至适应市场需求的变化，所以，AOP未来一定会成为工业企业，特别流程工业企业的一个规范。我们也希望这个由我们中国提出来的方案未来能够引领全球，能够不仅在中国，同时我们在海外也可以拓展。
Q9：请刘书记从政策引进的角度帮我们看一看，要让市场自发利用人工智能赋能降碳，我们还需要补上制度拼图的哪些方面？
刘文强：过去我们搞节能降耗更多靠“看得见的手”，依靠行政命令压责任，企业的标准不达标，我可以淘汰你。另外一方面，给补贴，财政补贴给动力，就是设备改造，效率提升了，那就给你财政补贴。现在我们要做的就是怎么样让“看不见的手”自己转起来，让AI减碳变成企业内生的、主动的市场行为。企业从“让我减”变成“我要减”，人工智能在这个过程中，我觉得可以起到“催化剂”和“连接器”的作用。
那么怎么让市场自发利用AI来实现减碳，当前需要补上“三个环节”。
第一，打通标准，让AI能“读懂”工业碳账本。最基础的工作，就是我们正在建立各个行业的碳排放核算标准体系，近期国家也发布了《工业企业温室气体排放核算和报告通则》，这也是给AI打下基础，没有这个基础，没有数据，AI再聪明也算不上。
第二，数据的采集要打通。数据从“纸面”走向“产线”。现在我们强调“人工智能+制造”，关键是让数据实时流动起来，工业领域正在推动的一项重点工作就是建设数字化的能碳的管理中心，以前搞能源管控中心，没有碳的事，效果非常好，现在把能碳联合起来，采用信息化技术、工业互联网、物联网、大数据，包括褚教授的工控底层数据，实现能耗碳排放数据的精准化计量、精细化管控。这样把数据采集上来，形成数据集，AI才能够发挥、模型才能调动。
第三，怎么样建立AI的垂类模型，打通应用，让减碳的数据变成“市场能够流通的硬通货”。如果我们前几步都做好了，数据有了，标准也有了，如果这些数据只在企业内部循环，没有进入交易，我们AI减碳的价值还是要打折扣的。所以，能不能变现，碳数据能不能直接转化成企业资产，这样的话，不仅企业的订单、外贸、信贷各个方面支持来了，我们企业甚至还可以把节能降碳变成我们的资产，企业就有了内生动力。如何变成资产，我觉得关键在于从国家层面实施推动碳市场，形成市场机制，如果一个行业能够带来几百亿的碳收入，我想企业都有积极性来推动这个事。
Q10：这种制度层面构建的AI降碳价值的传导机制目前在产业端是否已经有了感知？企业又有哪些相对的反馈？
徐冠巨：对绿色低碳发展，我们在产业一线有着非常真切的感知。过去企业降碳更多是靠政策推动，而如今通过碳市场、碳标准体系等持续完善，让我们企业降碳从“要我降”转向“我要减”，转化成了企业的“真金白银”，这就是最核心的价值传导。
以传化物流为例，我们大力推进绿色能源的新基建，打造光伏电站、充换电场景、储能场、储能站等能源矩阵，我们联合宁德时代、中国石化等企业共建物流的补能网络，树立零碳物流示范标杆。
Q11：当前，绿色低碳转型其实已经成为了一个国际共识，推动碳足迹标准、碳核算体系，如何才能在未来的国际博弈当中获得更多话语权？我们的“中国方案”最有可能突破的方向会是什么？
刘文强：主持人你这个问题非常关键，这确实是我们现在面临非常紧迫、非常实际的难题。
大家知道，当前欧盟碳关税、碳边境调节税机制已经正式进入征收、生效的阶段，当然目前只是对钢铁、铝等这些流程工业产品带来一定的合规挑战。如果未来延伸，可能将来对于我们所有的出口产品都会带来这方面的冲击。这个问题本身就是全国、全球低碳转型进程中碳规则、碳数据话语权的深度博弈。要在这场博弈中掌握主动，核心不是被动地适配于规则，而是要建立起我们自主可控、国际互认的碳足迹的标准与核算体系，我觉得有几个关键的环节：
第一，我们要加快构建接轨国际、符合国情的标准体系。这个不难，现在的标准体系我们基本上还是和国际上深度对接、接轨的。未来需要更多地结合我们自己的产业链优势，进一步地加强标准的互认，扩大规则的影响力。
第二个方面，刚才讲的自主数据库，为什么强调本土数据库的建设？因为从全球来看，中国是全球制造业基地，多数供应链、产业链都在国内，我们的产业体系最强、最完善，这是我们的优势。目前很多碳足迹的应用的数据库，是基于欧美市场的数据，它缺乏针对中国市场的本土化的数据。所以，我们现在必须加快建立全国统一的我们自主的本土产品的碳足迹的数据库。这样才能使我们可能产品的碳足迹更有优势。
第三，怎样推动认证实现国际互认。我们自己的机构，按照本土数据核算完了，认证能不能得到国际认可，非常关键，这个可能需要我们国家有关部门，在全球贸易博弈的关键环节发力。在这个过程中，我觉得核心的关键是要尽快建立自主本土的工业碳足迹的数据库，从这方面支撑整个认证标准、规则、产品的贸易出口这些工作。
Q12：中国也在从一个制造大国转向制造强国，我们越来越多地立足于国际舞台了。从这个角度来看，我们如果技术出海的话，中控要彰显什么样的竞争力？
褚健：过去我们一直是在中国市场为主，当然我们在国际上也做了几年的工作，但是总的来讲，不够积极，也不够主动。这几年我们加大了力度。特别是技术出口这一块，一开始，我们把中国的高新技术产品卖到国外去的时候会感受到很多的压力、阻力，但是，这几年包括和北美、东南亚、中东甚至欧洲的很多企业、合作伙伴交流的时候，能够感受到他们对中国技术的一种渴望，就像他们经常跟我讲到“没想到中国的电动车发展那么快，中国的互联网，移动互联网，ToC端的发展那么好”。所以，他会觉得，我们在应用层面是具有很大优势的。中国制造业增加值占全球比重已接近30%，我们有太多的数据，太多的经验，太多的工业应用场景，所以，当我们的技术在中国一旦经过验证变成可行，那我们在海外就一定可行。我们这两年在国外交流时，发现大家对中国高新技术都是非常渴望的，原来可能我们自己认为很难的事，发现并不难，只不过我们原来可能自己偏保守了，觉得好像不行，实际上是我们自己的底气不够。但是这两年下来以后发现，我们不仅仅是底气够，我们的技术也行，关键在于能够按照刚才刘院长讲的符合很多的规范，这个规范不仅仅是符合国际上的规范，包括拥有中国自己的话语权、制定相应的标准，比如说我们的自主运行工厂AOP这样一种概念，如何能实现技术落地，如何能够形成标准化的东西，如何能够去引领AI在工业领域的应用，其实这一块中国是具有巨大的机会，特别是刚才讲的工业数据集，一旦这一块做得非常好的时候，我们未来如何能够在安全、质量、成本、低碳方面发挥引领作用，我认为是具有巨大的机会，而且一定是具有巨大的优势。
Q13：在面向人工智能+制造与绿色低碳深度融合的未来，用一句话来描述您们最想看到的一个关键性的变化或者标志性的变化是？
徐冠巨：我想我们要迎接能源革命、科技革命的大潮，把系统宝贵能源转化成高价值的产品，为社会文明与人类健康服务。
刘文强：希望人工智能成为工业绿色低碳的“智慧大脑”，实现“数智化”与“绿色化”协同。通过大模型，让每一家制造企业都能够了解自己的碳排放量，每一个工业产品都能够算出自己的碳足迹，最后靠数据精准减碳，凭绿色赢得效益。
褚健：我很希望和汽车的无人驾驶一样，能够在流程工业企业里面实现AOP的L3/L4级，帮助广大的用户在安全、质量、成本、低碳这几个方面创造巨大的效益，为我们国家减掉一个百分点、两个百分点，甚至更多的碳排放。
主持人：谢谢。从刚才三位的分享当中我们更是听到了一种底气。我们正在从“规则的接受者”向“规则的参与者”进行关键时期的窗口期的转变。的确像三位所说的，标准在统一、平台在落地，龙头在牵引，国际话语权在不断地积累，这不仅是一场系统的变革，更是更加绿色、更加智慧、更加具有竞争力的中国制造。
