大气污染治理进入深水区，“人工智能+”如何赋能？

（来源：中国环境报）

转自：中国环境报

当前，“十四五”规划进入收官阶段。经过五年不懈努力，我国大气污染治理取得显著成效：2024年，全国PM2.5平均浓度已降至29.3微克/立方米，较2015年下降20.7微克/立方米，距离2035年实现25微克/立方米以下的目标已不足5微克/立方米。

然而，近日我国一些地区再次出现的污染天气过程，凸显出大气污染治理工作的复杂性与长期性。这也表明，我国大气污染治理进入深水区后，改善空气质量需要更精准的问题识别和治理措施，对建立“精准把脉”“靶向治疗”的大气污染精准治理模式提出了更高的要求。

2025年8月26日国务院印发《关于深入实施“人工智能+”行动的意见》，要求将人工智能融入生态环境治理，推动构建智能协同的精准治理模式，为在新形势下推进大气污染精准治理指明了方向。

然而，将人工智能技术真正应用于大气污染防治仍面临诸多挑战。技术方面，需要融合气象、空气质量监测、污染源清单等多源数据，并协调运用多种算法构建可实际运行的业务平台。人才方面，开发这类系统需要环境科学、气象学、数据科学、计算机工程与人工智能等多学科背景的复合型团队，组建难度大。成本方面，据部分城市公开招投标数据，一套空气污染溯源模型和系统平台的开发成本从几十万元到上千万元不等，这对区县及经济欠发达地区治理大气污染形成了现实壁垒。此外，若各地重复开发功能相近的平台，还将造成巨大的资源浪费。如何让“人工智能+”跨越成本鸿沟，开发好用、普惠的工具，成为亟待破解的难题。

在笔者看来，要走出这一困境，亟须创新“人工智能+大气污染治理”公共产品供给方式。围绕落实国务院《关于深入实施“人工智能+”行动的意见》提出的“强化基础支撑能力”，加快建设统一的人工智能模型库和算法平台，实现大气污染监测、预报、溯源等模型的标准化、模块化与服务化，形成政府、科研机构、企业等共建共享的大气污染治理智能模型体系。

对于政府部门而言，这有助于避免各地在相似系统上的重复投资与资源浪费，实现技术成果的规模化复用。特别是对财政能力有限的区县和经济欠发达地区，能够以最小化的边际成本获得与发达地区同等水平的智能治理工具，从而有效弥补发展不平衡所带来的环境治理能力差异。对环保企业而言，也将显著降低其应用先进技术的初始成本与创新门槛，从而加快技术落地。

建设统一的人工智能模型库和算法平台时，一方面，要重点提高空气质量预测能力，以便更精准地采取应急措施实现削峰降频。另一方面，要重点提高污染溯源分析能力，以便更精准地发现污染源，推动环境执法从“人防为主”向“技防优先”转变，进一步提高入企检查发现问题的比例，同时减少入企检查频次和对生产经营活动的干扰。

为进一步建立并完善“人工智能+大气污染治理”领域的公共产品供给机制，还需要发挥政府、科研机构、企业等各方的作用。政府部门应该发挥主导作用，中央政府部门负责顶层设计、总体规划、标准制定与数据平台开放监管等；地方政府则结合实际需求，提出具体应用场景，并通过采购引导市场创新。科研机构和高校应专注模型研发与算法创新，开发开源、权威的基础模型和核心算法，攻克基础性、前瞻性技术难题，为公共产品提供技术源泉。企业则要聚焦应用落地，专注于在具体场景中进行二次开发和个性化应用，为地方政府提供定制化的解决方案和技术服务。

相信通过“人工智能+大气污染治理”公共产品供给模式的建立与完善，我们必将构建起更加协同高效的大气污染治理体系，为2035年实现美丽中国空气质量目标奠定坚实基础。