■  田潇潇

　　绿色转型面对的是环境外部性、要素错配、信息不完全的复合难题。一方面，碳排放与污染具有典型外部性，市场价格难以反映真实社会成本；另一方面，绿色技术具有知识溢出，存在创新双重外部性；同时，传统监管与市场交易在监测、核算、执法、履约上成本高、时滞长，导致制度安排难以精准校正激励。由此，全面绿色转型的关键不止在更严的约束，更在于降低绿色治理成本、提高绿色资源配置效率，并以技术进步推动绿色全要素生产率持续上升。

　　AI（人工智能）作为通用目的技术，其对绿色转型的本质贡献可概括为对信息、决策、执行链条的重构。以数据要素为基础，通过算法将分散信息转化为可计算、可验证、可预测的决策依据，从而显著降低信息搜寻成本、监督成本与协同成本，并在微观层面诱发企业的要素偏向型技术进步，在中观层面推动产业结构再配置，在宏观层面提升公共治理的精细化与前瞻性。换言之，AI并非仅提供某种节能工具，而是通过降低交易成本与治理摩擦，强化环境政策的可执行性与市场机制的可响应性，使约束、激励、创新、扩散形成可持续闭环。

　　在微观层面，AI通过两条机制提升企业绿色绩效。第一条是过程型减排。基于传感器、工业互联网与机器学习，对能耗、排放、设备状态实施实时监测与预测性维护，推动工艺参数寻优、质量缺陷预警与流程再造，减少无效能耗、停机损失与物料浪费，实现降碳与增效同向。第二条是产品型转绿。AI辅助绿色设计、材料筛选与性能模拟，缩短研发迭代周期，促进低碳材料替代与产品全生命周期优化，并通过智能供应链在采购、仓储、运输与库存环节压缩冗余周转与空载率。更重要的是，AI强化了企业内部碳核算与环境信息披露能力，使碳成本更易被计量、被追责、被管理，进而推动企业将外部环境约束转化为内部经营目标，形成绿色转型的内生动力。

　　在中观层面，AI加速产业结构的绿色化、高度化与合理化，本质是促进资源从高污染低效率部门向低碳高效率部门再配置，并提升产业链协同效率。第一，绿色化。在钢铁、化工、电力等高排放行业，AI提升能效管理与污染治理的边际收益，使绿色改造由合规成本转向效率红利；在环保产业中，AI增强污染识别、溯源与治理决策的精准度，提高治理投入的产出效率。第二，高度化。AI与大数据、云计算、物联网融合，推动制造业向智能制造与服务化延伸，提升附加值与能效水平，形成以技术密集与知识密集为主导的新增长动能。第三，合理化。AI以需求预测与全链路调度降低供需错配与协作摩擦，强化产业链韧性，减少过剩产能、库存积压、无效运输的隐性碳排放，实现结构调整与减排目标的兼容。

　　在宏观层面，AI的关键作用在于提升绿色治理能力与系统运行效率。对能源系统而言，风、光等可再生能源具有波动性与间歇性，传统调度面临预测不准、备用上升、消纳受限的瓶颈；而AI通过发电预测、负荷预测与储能优化调度，提高电力系统对清洁能源的消纳能力，推动能源结构低碳化。对城市与社会运行而言，AI支撑智慧交通、建筑能耗管理与公共服务调度，通过精细化管理降低拥堵、降低峰值负荷、提升资源利用效率，促进生活方式绿色化。对政策执行而言，AI强化排放监测、报告与核查能力，降低执法与履约成本，提高环境规制的可验证性与可信度，使碳定价、排污许可、绿色信贷等政策工具更可度量、可追踪、可问责，从而实现制度激励、技术创新、规模扩散的动态一致。

　　与此同时，我们也需正视AI赋能绿色转型的约束与风险。第一，反弹效应可能抵消部分节能收益。第二，算力扩张带来能源消耗与碳足迹上升，若缺乏绿色算力与能效标准，可能形成“数字排放”。第三，数据垄断与“算法黑箱”会削弱市场竞争与治理公信力。第四，就业结构调整可能造成分配效应与社会摩擦。由此，AI推动绿色转型必须与制度供给同向发力。一是完善碳核算、数据共享与隐私保护的规则体系，夯实可计量的治理基础。二是以碳定价为核心形成稳定预期，并通过绿色金融、政府采购与创新补贴等缓解绿色创新的外部性与融资约束。三是推动绿色算力基础设施与能效标准，促进数据中心清洁电力替代与能耗透明披露。四是强化公共部门数字治理能力与算法审计，提升监管的穿透力与公平性。五是以技能培训与社会保障支持公正转型，让技术进步的红利更可持续、更可共享。

　　总体而言，AI对全面绿色转型的贡献不在于单点技术替代，而在于通过显著降低信息与治理成本、提升绿色资源配置效率、激活绿色技术创新扩散机制，推动绿色全要素生产率有效持续提升。只有将技术进步、市场激励与制度治理有机统一，才能系统性实现降碳、减污、扩绿与增长的协同增效，稳步加快实现经济社会发展全面绿色转型。

　　（作者单位：广州大学经济与统计学院）