变废为宝，垃圾焚烧如何绿色蝶变？｜2025 ITValue Summit 前瞻对话「AI落地指南特别篇」⑦

“下一轮的AI，卖的不是工具，而是收益。”在150位全球顶尖AI创始人齐聚的红杉资本会场之中，大家得出了这个观点。而当AI从技术走向应用落地的过程中，企业应当如何做，才能以更具“性价比”的方式，更快、更好地落地？

在钛媒体2025 ITValue Summit前瞻之AI落地指南系列直播中，钛媒体集团联合创始人、钛媒体研究院院长万宁与阿里云智能集团智能工业与物联部总经理许呙兢、瀚蓝环境副总裁曾飞对话，围绕企业AI如何落地、技术复制等话题展开了讨论。

瀚蓝环境深耕垃圾固废处理行业已经近二十年，是国内环境服务业十强、固废处理十大影响力企业，垃圾焚烧规模近10万吨/日，位居A股第一、行业前三，通过将多年积累的行业Know-How，加上阿里云提供的在AI方面的能力，打造了智能垃圾焚烧的典型案例。双方从2019年开始合作，一直秉持着创新的理念，探索如何能够提升垃圾焚烧过程中的无人化水平、稳定度以及减少垃圾焚烧过程中污染物的排放。

在分享中，曾飞表示，垃圾焚烧处理是一个很复杂的系统，一方面要面对焚烧过程中的精准调控难题：炉内的燃烧温度、空气配比等参数需实时匹配垃圾特性变化，既要保证充分燃烧，又要避免过度消耗能源或产生二次污染，对调控精度要求极高。另一方面，也要面临系统协同的挑战。垃圾预处理、焚烧、烟气处理、余热利用等环节环环相扣，任一环节效率不高都会影响整体系统效能，需实现各环节的高效协同。

面对这些痛点，瀚蓝环境多措并举，一是通过设计优化和技术改造来实现设备提效；二是通过提升运营团队能力和精细化管理来实现运营提升。“尤为重要的，是大力引入人工智能技术，2019年瀚蓝联合阿里云成功打造焚烧炉排炉技术上的行业首个垃圾焚烧AI系统，目前已应用在18台焚烧炉上，通过智能化手段优化燃烧调控，有效提升整体焚烧效率。”曾飞强调道。

针对工业领域的AI落地，在许呙兢看来，AI技术想要更好地落地到行业中，需要集合行业特定的场景、特定的行业数据，以及企业需求AI落地后产生的价值来推进。

与此同时，许呙兢还分享了阿里云在如何选择AI落地场景方面的些许经验，他指出，首先，以制造业为例，制造业可以分为“5+2”个环节，即研产供销服+金融和管理。阿里云一直秉持生产制造环节是制造业AI应用能产生最大价值的环节，“生产制造环节作为一个既难，又有价值的场景，更值得我们深挖。并且，在过去一段时间内，用户需求也很强烈，这就是为什么我们会投入到这些场景里的原因。”许呙兢强调。

在生产环节，阿里云会选择一些高价值设备，且工艺相对复杂的行业作为切入。“因为复杂，所以需要AI，如果太简单，可能数字化技术就能提升效能了，而AI在这个行业里面的提升效能可能就没有那么大了。这是我们在选择行业和场景过程中，基本的判断。”许呙兢进一步指出，此外，还要看技术在场景中的适配性，并且要形成具有可执行性的闭环。

而垃圾焚烧领域就是一个满足许呙兢所述的垂直场景。在分享中，曾飞也表示，当前，AI技术在垃圾焚烧领域的应用已从局部试点进入规模化落地阶段，行业头部企业也都在大规模探索开发和应用AI技术。

以瀚蓝环境为例，“焚烧工业大脑”已在9个项目、18台炉上部署，实现自动投运率超90%，显著提升燃烧效率并降低人工操作强度。视频智能识别、车辆智能管理等场景已覆盖数十家子公司，形成“数据驱动+主动干预”的闭环管理，实现AI应用从单一验证转向全流程覆盖。

与此同时，曾飞还分享了瀚蓝环境在企业AI业务升级改造的关键路径，他指出，企业若想通过AI实现业务升级，可以聚焦三大核心环节：

1.精准感知。利用分布在各环节的传感器与智能视频分析（如料层状态、设备运行、烟气排放、卸料平台安全等），实时、全面采集运行数据，实现对工艺状态和环境参数的有效洞察。

2.动态预测。基于海量历史与实时数据，利用AI建立燃烧模型、烟气排放模型、设备管理模型等。它能提前预判燃烧状况变化、关键污染物（如NOx）浓度趋势、潜在设备异常等，为主动干预提供依据。

3.协同控制。AI系统综合感知与预测结果，通过智能算法自动协调风量、给料速度、炉排运动等关键参数，实现燃烧过程的动态最优控制，替代传统依赖人工经验的操作。

附上本期直播时间轴，帮你快速跳转感兴趣的部分

00:08:56 国内垃圾焚烧三个阶段

00:23:40 企业如何完成“场景捕捉”？

00:29:48 瀚蓝环境AI+垃圾焚烧应用分享

00:42:18 阿里云如何帮助客户梳理场景

00:48:18 瀚蓝环境未来AI应用布局及启发

以下为对话实录，经钛媒体APP整理：

万宁：如何看待中国在垃圾焚烧、垃圾处理等产业的发展？

曾飞：中国垃圾焚烧产业的国产历程，大致可分为三个阶段：

1.进口技术引进阶段：早期国内面临“垃圾围城”困境时，垃圾焚烧技术主要依赖从欧美、日本等国家引进，比如行业内企业引进包括日立、卡万塔、马丁炉等技术。以瀚蓝为例，并购南海环保电厂时，该电厂原使用美国抛动式焚烧炉，在2008年建设新厂时引进了日本三菱的马丁技术。

2.本土化适配与国产改造阶段：随着国内垃圾焚烧发电项目增多，企业开始结合中国垃圾含水率高、成分复杂、热值低等特点，对引进技术进行本土化改造，并实现国产。新世纪、三峰、光大等企业纷纷实现了国产设备的突破，瀚蓝联合三菱匹配中国国内垃圾成分特点，开发出行业首台三段式V型焚烧炉，其炉渣热灼减率、氮氧化物排放等指标优于同类型设备。

3.技术升级和海外输出阶段：在消化吸收和本土化基础上，国内企业开始推进技术创新，利用中国垃圾量大、智能化技术先进的优势，在大型化、智能化等方面加大了创新开发力度。同时，这个阶段，国内企业也将技术升级后焚烧炉技术出口至海外，实现了中国企业在垃圾焚烧核心技术上从“引进来”到“走出去”的突破。以瀚蓝为例，瀚蓝联合三菱开发出750吨、900吨的大型焚烧炉，并与阿里云共同研发了智慧算法焚烧模型，将原来的大工业时代的装备+工控，升级为装备+算法（数据）控制模式，创造了智慧控制（无人化）的新未来。2024年，V型炉技术也成功反向输出至海外。

万宁：阿里云在“智能工业”这个业务板块的情况，以及在垃圾处理细分领域的技术突破有哪些？

许呙兢：阿里云智能集团是以云计算技术和AI技术为主的这个技术服务的公司。公司服务面向了包括制造业、交通、政务等在内的企业与机构，为他们提供云计算和AI技术支撑。

这其中，智能工业板块是将整体阿里云智能集团通用的AI技术落地到工业行业里。从2017年开始，智能工业板块就将“工业大脑”这个品牌输入到工业行业内，而垃圾焚烧仅是输出的众多工业行业中的一个。当时还涉及了钢铁、水泥，还有包括汽车、半导体、光伏等产业，在这些行业中，阿里云通过大量的AI技术和数据技术帮助企业实现降本增效。

在阿里云看来，AI技术想要更好地落地到行业中，需要集合行业特定的场景、特定的行业数据，以及企业需求AI落地后产生的价值来推进。

具体到垃圾焚烧来说，从2019年开始，阿里云就与瀚蓝环境展开合作。那个时候垃圾还是“多到烧不完”，而发展到今天，垃圾行业开始“不够烧”的情况。2019年开始合作的时候，双方还是秉持着创新的理念，探索如何能够提升垃圾焚烧过程中的无人化水平以及稳定度。此外，还能减少垃圾焚烧过程中污染物的排放。

关于为什么国外不需要AI技术，而国内需要通过AI技术的问题？第一，因为国内生活垃圾的丰富度与国外不同；第二，垃圾焚烧过程与火力发电过程不同，相对来说垃圾焚烧热值不稳定，这导致了原有的ACC的控制技术在国内垃圾焚烧领域并不可用。

这两方面促成了阿里云与瀚蓝环境的合作。合作之初双方有三个共同目标。第一，实现焚烧炉控制的自动化运行；第二，在提升自动化水平的同时，提升整体运行的稳定度，并且控制频率和清晰度等方面都要提升；第三，在前两条的基础上，提升垃圾焚烧产生的蒸汽量和发电量，达到更好的经济效益。

所以阿里云就委派了有热工+控制+AI技术融合背景的工作人员到现场驻场了几个月，学习如何烧垃圾，并很快推出了第一版成果。第一版中，我们使用了AI技术，进行了推优算法，产生了建议参数，并通过现场人工，进行控制调节。但因为当AI技术落地到产线时，人对AI技术相信程度的差异，导致了第一版的效果并不是很好。具体来看，如果员工不愿意（通过AI给出的反馈）进行参数调节的话，得到的反馈，以及后续学习的数据不足，迭代效果就不好。

后来经过多轮离线验证，以及结合瀚蓝环境给出的建议，我们将自动化反控放在了产线上，在测试基础上，达到了98%以上投用率，同时发电量也得到了提升。

万宁：追问一下，两个问题：一，在确定AI应用场景过程中，如何实现“场景捕捉”？二，在捕捉环节，阿里云智能集团内部是如何进行场景决策的？

许呙兢：我们这些也总结出了一些经验，第一点是，制造业一共有五个环节——研产供销服，最多再加上金融和管理环节。这是制造业所面临的“5+2”环节。我们团队一直秉持了一个理念——生产制造环节产生的价值是最大的（当然研发环节也很重要，但研发环节涉及的各个垂直领域的情况比较多）。所以一开始我们针对不同行业在研产供销服，再加上金融、管理一共7大领域到底有哪些有价值的场景。而这方面光看报道、宣传是没用的，需要“躬身入局”到行业中，与行业用户一起深度共创，才能找到有价值的场景。

对于我们团队而言，更重要的使命是集中在偏生产环节进行AI落地。因为营销和服务环节，相对而言比较通用，市面上也有很多相关成熟的数字化产品。而生产制造环节作为一个既难又有价值的场景，更值得我们深挖。并且，在过去一段时间内，用户需求也很强烈，这就是为什么我们会投入到这些场景里的原因。

具体到行业选择来说，我们会选择一些高价值设备，且工艺相对复杂的行业作为切入。因为复杂，所以需要AI，如果太简单，可能数字化技术就能提升效能了，而AI在这个行业里面的提升效能可能就没有那么大了。这是我们在选择行业和场景过程中，基本的判断。

第二个，要看技术在场景中的适配性。作为技术人员一定要有对场景与技术匹配度的认知，然后选取合适的技术去解决这个场景下的问题，并评估解决问题的价值是否足够大到需要花费精力去解决。

第三个，要形成闭环，要在环路能具有可执行性。可执行性就是我们开发的程序要与IT系统、硬件设备有直接能够“打交道”的能力。

基于此，我们有两个重要的核心能力，一个是物联网的能力，另外一个是，围绕原有工控领域，有深刻的认知，能控制原有的、复杂的设备。

万宁：与阿里云合作，共同推进垃圾焚烧行业形成一个新的、安全的、环保的完整闭环的过程中，瀚蓝环境有何经验可以分享？

曾飞：首先，瀚蓝环境一直在创新和新技术探索领域秉持着积极的态度。在2008年构建焚烧炉之初，我们就把信息化作为设计、建设过程中一个重要的考量因素。当时在焚烧炉里面，就布设了上千个传感器，虽然当时还没有很好的应用场景，但这可以看作是瀚蓝环境在信息化方面超前的布局。也正是这种布局，提前进行了数据采集，并积累了多年的数据，形成了历史数据库，才奠定了瀚蓝环境与阿里云合作的基础。

在将AI技术引入到垃圾焚烧领域之初，我们其实并没有很清晰的方向。而当时业内对于我们这类有一定信息化、自动化基础的企业，能否发掘AI价值，还存在争议，且当时在垃圾焚烧领域的智能焚烧方面也并没有成功的应用案例。

所以瀚蓝环境在与阿里云交流过程中，只能基于一个理念：我们认为AI一定能在这个领域大有可为，是基于这样“模糊正确”的理念启动项目的。

项目启动之初，我们也基于如何寻找应用场景？如何能够让AI在垃圾焚烧领域发挥价值？等问题进行了深入讨论，当时阿里云抛出了“垃圾焚烧行业最大的痛点是什么？”的问题。进行反向思考。我们就找到了对于垃圾焚烧行业而言，非常重要的一个影响因素——垃圾场的复杂性和不稳定性。

垃圾焚烧处理是一个很复杂的系统，一方面，面临着整个焚烧过程的精准调控，要对炉内焚烧温度、空气配比等参数，进行实时匹配，以应对垃圾成分的变化；另一方面，又同时面临着系统协同的挑战，比如垃圾预处理、焚烧、烟气处理等环节，环环相扣，任何一个环节效率不足，都会影响整体效能。需实现各环节的高效协同。但关键是，垃圾的特性是复杂、多变的，垃圾成分受来源、天气、时间段等多方面因素的影响，含水率、热值等波动大，会直接影响焚烧炉内的干燥、燃烧过程，难以维持稳定的燃烧状态，这就反过来对于需要精准调控和系统协同的焚烧运营产生了巨大的挑战。

因此，基于由于垃圾成分的不稳定性和复杂性，要想实现垃圾的充分稳定燃烧，仅靠自动控制是难以满足不同垃圾成分下的焚烧稳定性需求的，就需要运营人员不断结合实际情况进行运行调整，这就需要运营人员得有丰富的运行经验和专业的判断能力。但是，我们也知道，一个专业老师傅的培养是很不容易，需要大量的实践且培养周期较为漫长。所以，怎么实现老师傅能力的快速转化是一个很大的难题。

针对这些难点，瀚蓝多措并举，一是通过设计优化和技术改造来实现设备提效；二是通过运营团队能力提升和管理精细化来实现运营提升。尤为重要的，就是大力引入人工智能技术，2019年我们联合阿里云成功打造焚烧炉排炉技术上的行业首个垃圾焚烧AI系统，目前已应用在18台焚烧炉上，通过智能化手段优化燃烧调控，有效提升整体焚烧效率。

万宁：在与瀚蓝环境这样的行业企业合作的过程中，除了技术适配性之外，阿里云的团队又是如何将模型架构能力等技术能力更好地融合到场景中，帮助行业企业实现更大的价值的？

许呙兢：从阿里云的角度出发，某个行业实现真正的数字化和智能化变革，除了需要像阿里云这样的IT服务商、AI服务商之外，最重要的还是需要行业用户对自身数字化、智能化的认知，不断地转变和升级。这样才能给行业带来机会。在与很多用户交流中，我们发现，对于绝大多数场景，用户对于数字化、智能化能给他带来哪些价值的认知，在一开始是比阿里云团队要高的。

此外，如何能够将技术，不断规模化拓展到不同行业中，这取决于我们对技术本身的抽象能力。比如在垃圾焚烧行业，我们抽象的是AI融合控制的能力；在锂电池、半导体等行业，他们对质量控制，以及良品率的诉求很强，（在服务这些客户过程中）我们又沉淀了基于时序模型预测，以及异常诊断的能力。

综合来看，将不同行业、不同场景中有价值的需求，沉淀到技术通用性与技术一致性上，就需要我们的业务专家、技术专家不断提炼。更重要的一点是，需要他们与客户一起梳理场景，探讨什么样的技术能解决他们的问题。

这个过程中，我们从客户身上学到的东西，远比我们“闭门造车”自己分析和讨论得到的多。比如，有些客户对质量爬坡要求比较高；有些客户对能耗节约要求比较高；有些客户对全链路数字化、智能化需求比较高.....正是这些客户帮助我们梳理出在制造业里面各类场景，然后再通过数字化、智能化的技术进行提升，尤其是围绕一些重点能做的场景，进行深入地改造。

这也让我们认识到了：阿里云虽然在AI技术上不断更新迭代和进步，但在真正将AI落地到行业中，也不是什么都能做，还需要很多合作伙伴与我们一起，推进AI落地。但同时，阿里云也证明了AI技术能在某个领域落地，产生价值，然后引领行业的合作伙伴，一同落地AI的场景，推动AI在行业的发展。

万宁：目前，瀚蓝环境以及在AI应用上取得了一些成绩。接下来，在AI落地到垃圾处理领域，瀚蓝环境有哪些预期和新的布局？

曾飞：前期，通过与阿里云的合作，我们验证了AI在垃圾焚烧领域大有可为。在验证之后，我们要将AI应用从试点，推进到规模化落地阶段。

以瀚蓝环境为例，“焚烧工业大脑”已在9个项目、18台炉上部署，实现自动投运率超90%，显著提升燃烧效率并降低人工操作强度。视频智能识别、车辆智能管理等场景已覆盖数十家子公司，形成“数据驱动+主动干预”的闭环管理，实现AI应用从单一验证转向全流程覆盖。

近期瀚蓝也成立了人工智能联合研究院，率先打造国内首个专注生态环境治理领域的“行业超脑”与“企业超脑”，以行业领先的人工智能技术赋能生态环境治理，为推动我国环保产业实现数智融合转型树立全新标杆，并与瑞泊科技等领军企业一起共建“人工智能助力绿色发展生态圈”，未来将合力开展高质量人工智能科研实践，构建环保行业超脑集群核心引擎，打造普惠化通用技术平台与开放生态，引领智能环保新格局。

万宁：在AI从单点向着规模化转变的过程中，AI在企业内部应用需要有赖于一个丰富的生态支持，在此过程中，阿里云是如何考虑的？双方在AI应用合作的过程中，还有哪些新的挑战？

许呙兢：正如我前面说的：当前，AI在行业中落地的过程中，并不是需要像阿里云这样的公司，一家公司就全部做完的。我们也有很多合作伙伴，使用了阿里云开源的模型产品，以及一些基础设施，在AI落地方面做了很多工作。并且，以垃圾焚烧行业为例，阿里云也与一些行业垂类软件伙伴合作，一起服务客户。

此外，在AI做了点状突破之后，当用户有了更多的需求的时候，我们一定要与生态伙伴一起服务客户。所有不成功的数字化案例，最终不成功的原因，很多时候都是因为只看到了碎片化的供给，并没有一个完整的数字化、智能化转型的方案。如果有更多的伙伴加入其中，我们相信客户才能持续的成功，达到想要的目标。

同时，以垃圾焚烧为例，我们自己也没有止步于垃圾焚烧自动控制这个点。我们也与瀚蓝有着深入的合作，尤其是在大模型问世之后。比如，垃圾投运助手。通过助手可以帮助操作员，更好地理解操作过程中，含氧量波动、温度波动等方面的数据，减少切换自动控制系统的概率，提升投运率，更好地完成垃圾投运。同时，也让操作员更好地理解过程中实际需求的业务知识。缩小新手操作员与老师傅之间的差距，不断提升操作员的能力。

除此之外，除了大语言模型应用以外，我们还使用了时序模型、视觉模型等模型，在垃圾焚烧行业也已经有一些落地的应用场景。以智能控制链路来看，我们围绕感知、预测、控制三个角度。在控制逻辑上，我们将焦点放在了垃圾上。通过视觉多模态大模型，进行垃圾成分和属性识别。之前做的之所以做得不少，是因为缺乏一些专业的、描述性的标注。完成这些标注之后，我们也提升了垃圾成分、属性识别的效果。仅做视觉半定量识别还不够，我们还基于瀚蓝环境已经做的数字化改造的智能垃圾库，采用了垃圾吊运行数据、推标器和炉排的运营数据，还有炉温变化的数据，然后利用多模态视觉大模型的半定量结果，就能做到垃圾热子更高准确率的预测。

这就是我们围绕原本焚烧过程智能化为核心，进行拓展后得到的提升。而阿里云也不会满足当前的成果，会在原有成果的基础上，不断更新迭代自己的技术，拓展能力，同时也和更多合作伙伴一起，服务好我们的客户。

万宁：如何将高质量行业专有数据与AI技术结合，并充分发挥阿里云与瀚蓝环境各自的优势？

曾飞：从两个方面回答这个问题。

第一个是，如何将应用场景（需求方）与阿里云（技术供应方）形成良好的互动？

以“焚烧大脑”项目来看，整个焚烧大脑算法模型的建立过程就是，将瀚蓝环境这种运营企业，对于运营规律、设备逻辑的理解进行转化，将复杂的工况变化、设备状态等变量，转化成一个更为精准的模型/策略。基于人总结出的规律和逻辑，进而通过算法模型实现能够代替老师傅经验的能力。这是AI算法模型实现的一个价值。

反过来看，AI算法模型的一大价值在于，其还能够利用大数据去推演总结出我们受限于应用实践难以提炼的规律和逻辑，从而让我们的焚烧过程更加稳定和有效。那么，对于这些新的规律和逻辑的价值挖掘，我觉得还可以再进一步提升，即如何将之反过来作用于我们的设备技改优化和运营调整，如何将之复盘寻找我们的专业和管理认知，提升运营的方法论，最终实现算法和实践的相互促进相互提升，推动系统的全面提升，这是我觉得可以进一步提升场景上限的地方。

第二，如何通过生态解决模型“幻觉”问题。这也是我们成立人工智能研究院的一个目的。首先，通过阿里云构建的通义千问大模型底座，进而在具体到环保行业和企业，我们需要将这些沉淀的知识进行转化。这方面，瀚蓝环境在研究院基础下，联合了具有自研高等级大模型能力的企业，共创行业级大模型，并在行业大模型基础上，创建企业级大模型。

除此之外，第三个是，在生态层面，瀚蓝环境还联合了像京东、浪潮等企业，打造应用生态，形成了基于阿里云大模型底层，开发行业操劳和企业操劳，并实现更有价值的知识的沉淀，并在此基础上，联合生态进行共创，打造整体的数据中台能力。

万宁：企业如何制定AI战略？瀚蓝环境在这个过程中遇见了哪些挑战？

曾飞：不管是信息化，还是AI，在模糊正确的情况下，如何形成上下共识，并推动整个制定战略，是一个很实际的问题。

初期阶段是很难形成一个非常系统，达成共识的战略方案的，在探索阶段，是会存在企业内部有不同的见解的。因为企业都在追求ROI（投入产出比），但信息化、AI的投入，在初期阶段，很难具备确定性，不确定能否带来价值，能否成功。在这种情况下，企业很容易对投入持有犹豫不决的态度。

针对此，瀚蓝环境有一些经验，一开始不要追求宏大的、系统性的方式策略，而是先找到一个小的应用场景，作为切入点，验证新技术的可行性。这个技术能否带来价值，能否解决业务的问题。通过小场景的成功，证明新的技术能够解决业务难题，进而不断达到共识，并大面积推广。

以与阿里云在焚烧大模型方面的合作为例，如何一开始我们就与阿里云构建AI整体的五年/十年发展战略，确实很难清晰，而且员工的意识很难达到统一。所以我们先找切入点，先解决一个痛点，验证AI技术在这个领域可以成功，并具有广阔的推广空间，进而凝聚团队共识，加大在AI技术方面的资源和投入。

整体来看，瀚蓝环境从2018、2019年前后，到2025年，花费6、7年的时间，从小切入点实现点的探索，进而实现面的推广，再到未来我们有更宏大的远景的规划。

万宁：阿里云与其他行业企业合作的过程中，是否也是与瀚蓝环境这样，从小场景切入，再推广，在这个过程中，是否存在更为复杂的企业，以及在挑选场景和场景验证过程中，还面对了哪些挑战？

许呙兢：小场景方面，在瀚蓝环境而言，可能一个厂、一个炉子是一个小场景，但如果放在整个行业，以及放在所有需要做AI+控制的场景中，将这个场景的AI应用复制出去，就不是一个小生意了。所以，其实小场景放在更大行业范围内，并不小。

此外，阿里云还是一个产品公司，产品公司不能什么都做，产品做好之后，要具备核心竞争力，并不断演进，同时还要找到合适的市场，并不断复制产品的能力。

阿里云在做垃圾焚烧之前，就已经在钢铁、水泥，还有一些高能耗工艺空调控制等方面有了很多积累。这些积累能让我们在与瀚蓝环境在垃圾焚烧领域的合作，取得了更好的进展。阿里云复制AI的套数很多，所以小场景放在整个行业，甚至跨行业里面，仍然是一个很大的市场。并且，我们能够将AI技术跟控制融合，形成一个非常好的产品，能让行业内更多客户享受到技术红利。

同时，阿里云也有很多其他产品，能够覆盖这些场景和环节。在这个过程中，我们还可以将更多阿里云的技术，以及合作伙伴的技术和产品带进去，实现更广的覆盖。而阿里云也欢迎更多的伙伴，用基础的技术，持续服务行业，并在此过程中互相学习和提高。

万宁：现在，国内垃圾焚烧技术其实已经非常先进了，这也是中国企业“出海”的优势。包括瀚蓝环境在内，很多国内龙头企业已经去海外布局，国外的垃圾焚烧情况和国内有什么不同？

曾飞：海外市场机遇很大，挑战也很大。首先是市场需求的差异，海外市场有着广阔的市场机遇：国内生活垃圾焚烧行业已逐步由“规模扩张”向“技术升级、运营为王”转变；垃圾焚烧发电市场逐步向中西部县域下沉。而海外仍然有着巨大的市场需求，尤其是在发展中国家如中亚、东南亚、西非等，焚烧行业正在起步。在这些地方有着巨大的机遇。

挑战方面，首先是政策支持差异：不同于国内有详尽的政策支持及审批程序，海外不同国家和地区政策支持差异较大。欧美国家具有较为完善的政策支持及市场化竞争机制；而一些发展中国家如东南亚、中亚国家，垃圾焚烧发电起步较晚，尚未形成体系完善的支持性政策，或是虽有部分垃圾焚烧发电产业政策，但缺乏统一的补贴机制等。

第二是技术标准差异：海外市场的标准体系大多以欧美国家的标准为基础，这与中国现行的国家标准存在差异。这意味着企业要在技术层面达到或超越国际标准，在一定程度上增加了技术适配性难度。

第三也存在垃圾成分与热值差异：由于国内外生活方式不同，导致垃圾在成分与热值方面也会存在不同，需要结合当地垃圾情况，对焚烧设备的针对性优化和改进（比如热值高带来的超温应对措施等）。

同时，中国企业出海，还面临地缘政治、政策风险、法律风险、风土人情、ESG等方面因素的影响，需要做更多的补充和调整，以满足国际市场的准入要求。

万宁：在帮助中国企业全球化方面，阿里云有哪些考虑和布局？

许呙兢：其实在很多场景里面，阿里云已经在用数字化技术和云技术帮助客户出海。但在AI方面，尤其是国内制造业领域而言，更多的是客户带着我们出海。比如垃圾焚烧、水泥这些行业，实际上已经是跟着客户一起出去，就是客户出海，然后将使用的我们的智能化技术和数字化技术带出去。

当然，国外也有国外的挑战，特别是在“一带一路”国家海外业务布局和复制场景里，其实国外在工业领域对无人化的诉求更高。因为语言、政治上的一些问题，其实我们更倾向于工厂自动运行和自动控制方面，能够尽量实现无人化和少人化，进而提升工厂运转的稳定性。这些看起来是挑战，但对于技术团队而言，也是一个大机会。

如何能够提升无人化水平和稳定性，并让我们的客户出海的过程中更加方便，与本地特征的适配性更高。

在此过程中，我们还是首先要将如何服务好这些国内出海的工业客户，对于阿里云来说都是机会。同时，还要将海外落地中国的客户服务好，将这两类客户服务好，然后我们才会服务国外客户在国外的一些工厂。

当前有很多机会，如果我们还没真正抓住、没有服务好（这些国内的客户），也不能妄谈服务海外客户，这些海外客户在场景、语言、文化等方面的不同，以及对数字化、AI技术的认知的不同，都是我们可能遇到的阻碍。

万宁：2025年数字价值峰会即将开幕，在本届大会上，如果来参加的话，希望讨论哪些话题？

曾飞：站在瀚蓝环境而言，我们希望看到更多不同领域的AI应用。瀚蓝环境在垃圾焚烧领域走的比较靠前，但在其他很多领域，AI应用已经到了一个新高度。我们基于现在视觉应用、数据模型等方面行业应用的基础上，可能还有一定的局限性。所以，我们希望看到更多前瞻性的视野，以及更多AI领域的应用路径。

许呙兢：首先，我也很想看到各行业AI落地，包括数字化成果的展示，也能让我们学习，并通过这些学习获得很多启发。

其次，我希望需求方的企业能够将自己的场景讲出来，痛点是什么也讲出来，然后将这些痛点背后带来的价值，也可以进行分享。让做产品技术的团队未来能更好地规划有客户价值落地，有共性的产品和技术，更好地服务客户。

当然，我也很希望他们能讲一讲产品技术在落地到场景的过程中，遇见了哪些困难，包括数据隐私的顾虑、计算资源采买、成本等方面的，具体的顾虑是什么。然后阿里云才能一一用技术手段去解决他们的顾虑。