本文探讨了人工智能在加强转型金融以应对全球碳排放上升中的关键作用，研究了其在改善风险评估、优化投资策略和提高碳密集型行业效率方面的发展潜力。同时，文章强调了人工智能与转型金融的协作对于加速全球低碳经济转型的重要作用，并讨论了人工智能的能耗挑战及利益相关方合作的必要性。
一、背景
2023年，国际能源署（IEA）报告指出，全球与能源相关的碳排放量出现大幅上升，增幅为1.1%，相当于增加了4.1亿吨（Mt），总排放量创下374亿吨（Gt）的历史新高。这一大幅增长延续了2022年4.9亿吨（1.3%）的上升趋势，研究发现，导致排放量上升的主要原因是煤炭排放，占2023年总体增长量的65%以上。碳排放量的上升加剧了自然温室效应，突破了《巴黎协定》中1.5°C这一关键阈值。这种前所未有的变暖趋势，创纪录的二氧化碳水平和厄尔尼诺气候现象，加剧了热浪、洪水和野火等极端天气事件，对全球生态系统和人类构成严重威胁（图1）。因此，报告指出全球必须迫切采取行动来应对气候变化，并加速向可持续、低碳转型。
图 1.2023年度主要气候异常情况
资料来源：美国国家海洋和大气管理局、美国商务部
预计到2030年代中期，能源转型每年将需要约4万亿美元。转型金融也已成为实现2050年全球净零碳排放目标的关键要素，对于推动2050年实现净零碳排放至关重要，它通过分配金融资源、缓解转型风险并对相关成本进行定价，促进行业和地区内部的有序转型，可为在全球范围内应对气候变化做出重大贡献。因此，自2019年经合组织推出以来，转型金融已迅速成为全球脱碳工作的关键手段，一系列有针对性的金融工具，如转型债券、可持续发展挂钩债券（SLB）和可持续发展挂钩贷款（SLL），有效地支持了减排目标。在转型债券方面，该市场近年来稳步增长，到2023年已达到近150亿美元，但与绿色债券和社会债券相比，其发行量仍然相对较低（见表1）。值得注意的是，2018年至2023年期间，通过可持续发展挂钩债券筹集的资金中有一半以上流向了高碳行业，这体现转型金融在进行行业脱碳方面的重要性。缩短发行量的差距，加快推进转型金融的发展对于建设低碳经济至关重要。
表1.绿色债券、社会债券和转型债券发行情况（2019-2023年）
人工智能（AI）是指使机器能够模仿人类认知功能的技术，包括学习、解决问题和做出决策。它涵盖了机器学习和深度学习等学科，这些学科涉及到开发能够通过数据分析提升其性能的算法，包括数字助理、自动驾驶汽车和生成式工具等在内的人工智能如今已广泛应用于各种领域，日益成为当代生活中不可或缺的一部分。
目前人工智能在弥合转型金融领域的现存差距方面具有重要作用，通过提高风险评估的准确性，人工智能可以帮助金融机构更好地理解和管理与转型项目相关的风险，而先进的数据分析和建模预测可以使人工智能能够识别绿色项目中的潜在投资机会，确保资金得到有效配置。此外，人工智能还可以通过整合可持续性指标来优化投资组合，使机构能够在收益回报和环境影响之间取得平衡，从而加速向可持续、低碳经济的转型。
二、人工智能在应对气候变化中的崛起
人工智能对转型进程和转型金融的演变的重要性与日俱增。人工智能的应用现已扩展到脱碳工作和ESG报告的各个方面，它能提供例如有关碳负债的关键数据以及在支持业界进行绿色实践方面也起到了重大作用。
根据普华永道和微软公司的报告，预计到2030年，人工智能在环境方面的应用将使碳强度降低8%，这有助于应对气候变化和实现《巴黎协定》目标。资料显示，仅在能源系统中，人工智能就已确定了50多种不同的用途，预计到2032年，该领域的人工智能市场将达到130亿美元，而全球可再生能源领域的人工智能市场则将超过1148.7亿美元，复合年增长率（CAGR）高达27.70%。
然而，人工智能的发展呈现出一个悖论：其部署需要大量的电力，而电力能耗可能会加剧对环境的影响，并不利于促进碳减排。为了解决这一矛盾，技术和能源部门之间的合作至关重要，以确保人工智能带来的优势大于其对环境带来的劣势。一个潜在的解决方案是开发人工智能算法来优化能源使用，包括“智能”监测和系统优化。通过对人工智能工作负载的能源消耗进行准确测量，会有助于了解能耗使用路径和减少能源使用。
不过，人工智能的使用对环境也有相当大的积极作用。人工智能能够帮助碳密集型行业提升能源效率（图2）。例如，在楼宇中，人工智能与物联网相结合，可以通过分析大量数据集，识别出隐藏的能源成本并改进暖通空调等系统，从而减少30%的用电量。而在制造业中，人工智能可以支持预测性维护，防止故障发生，减少能源浪费，同时还能自动进行质量检查，最大限度地减少材料浪费。此外，人工智能驱动的设计创新可带来更节能的产品，从而进一步降低能耗和提高可持续性。
图2.包括人工智能在内的数字技术可以为帮助能源等行业实现净零排放做出重大贡献
资料来源：世界经济论坛
有许多案例表明，人工智能已经帮助不同行业提高效率，降低排放和推进可持续发展。例如，阿布扎比国家石油公司(ADNOC)通过其与G42和Presight合资成立的技术企业AIQ， 成功利用人工智能开发的预测性维护和机器学习工具，在短短一年内减少了多达一百万吨的碳排放量。通过部署SMARTi和Robowell等AI工具，ADNOC增强了远程监控和管理设备、优化钻井生产活动以及改善资源管理，通过人工智能不仅简化了流程，而且其先进的预测分析和高效的资源利用也大幅减少了碳排放。
再例如，大语言模型（LLM）利用深度学习技术处理和解读大量的复杂数据，提高了计算效率。这些模型通过分解并理解数据中的复杂模式使得各行各业能够做出更快、更明智的决策。在能源生产领域，大语言模型可以同时分析多种变量，如天气模式、历史数据和市场趋势，从而实现能源资源的精准预测和优化，显著减少了能源浪费和碳排放。此外，大语言模型通过自动执行日常任务和实时监测，显著增强了运营流程的效率，从而释放了人力资源。企业也通过整合这些模型，专注于更高层次的战略举措，从根本上改变了行业的运作方式，为环境保护工作做出了积极贡献。
而在材料科学领域，人工智能正被用于识别对碳捕获最有效的分子结构，这是应对气候变化的关键技术。而在另一个能源密集型行业，农业领域中，人工智能通过分析土壤微量营养元素、提高了作物产量并减少了多达40%的用水量，改变了传统的耕作方式。这些技术进步降低了农业生产对环境的影响，有助于全面减少温室气体排放。
未来五到十年，人工智能有望推动核聚变、氢能、模块化核电和长期电池存储的技术突破，以及实现其他当前难以设想的气候解决方案。这些创新对于实现联合国可持续发展目标（SDGs）中提出的“到2030年，人人享有负担得起的清洁能源”全球目标至关重要。
此外，人工智能也在促进制造业的革新，尤其是在钢铁生产的脱碳方面。电弧炉（EAF）利用电力而不是煤炭来熔化废金属，可以大幅减少碳排放。然而，也因此为如何管理回收原料带来了新的挑战。通过人工智能优化的系统，能够为每批废料提供最佳的生产设置，进而最大限度地减少昂贵且碳排放量大的添加剂的使用（图3）。例如，巴西一家钢铁制造商近期采用了人工智能优化的系统，成功地将合金添加剂的消耗量降低了8%，不仅实现了成本节省，还使得每生产一吨钢的碳排放量减少了7.5%。
图 3 巴西钢铁企业人工智能优化系统示意
资料来源：https://www.icef.go.jp/wp-content/uploads/2024/02/AI-Climate-Roadmap-ICEF-Dec-1-2023.pdf
人工智能对于提高脆弱地区应对气候变化的能力也具有重大贡献。在布隆迪、乍得和苏丹等地区，人工智能已被用于预测气候变化模式和制定有效的适应战略。由德国联邦环境部在当地资助的国际气候项目（IKI），借助人工智能评估人道主义危机地区的气候脆弱性，针对水、卫生和能源方面提出了具体的适应解决方案。这些方案加快了清洁能源的获取速度，改善了废物管理，并促进了植树造林，从而使当地社区能够更直接地应对气候变化。另外，人工智能MyAnga应用程序为肯尼亚牧民提供了地区干旱情况的数据，使社区能够更有效地管理资源并减轻气候变化的影响。除此之外，人工智能还通过改善空气质量监测、优化交通管理和提升废物处理能力来增强城市的韧性，从而使城市变得更加可持续和宜居。
在全球应对气候变化的倡议中，人工智能同样发挥着重要作用。作为联合国下属机构之一，世界气象组织（WMO）正积极利用人工智能来提高天气预报的准确性，并致力于减少灾害风险。联合国秘书长所提出的“全民享有早期预警”倡议中，明确提出了到2027年让地球上的每个人都能免受危险天气事件影响的目标，而人工智能在实现这一宏伟目标中也扮演着核心角色。
人工智能正通过在各行各业推动更高效、更可持续的实践，为这些行业应对气候变化提供有力支持。从减少能源生产和制造过程中的排放，到增强脆弱社区的复原力，人工智能正逐步成为全球实现碳中和及减轻气候变化影响的关键工具。然而，要充分发挥这一关键工具的作用，我们必须谨慎管理人工智能自身的能源需求，并促进技术与能源部门之间的紧密合作，以确保人工智能驱动的创新所带来的益处，能够远远超过其可能带来的环境成本。
三、人工智能与转型金融之间的协同作用：利用人工智能进行金融监管与评估
人工智能在转型金融中发挥着重要作用，它可以利用数据分析来评估与气候相关的风险，并自动执行碳核算和报告等任务。
在2023年全球道德金融大会上，世界自然基金会(WWF)推出了一种新的人工智能支持工具，来帮助金融监管者，资产管理者和金融机构评估他们所投资公司的净零转型计划是否稳健、是否有基于科学的目标以及到2050年实现净零排放的可靠途径。重要的是，它将能够识别公司是否存在“漂绿”行为。该工具由苏黎世大学和牛津大学共同合作开发，通过这个数据驱动的工具，中央银行、投资者、和监管机构将可以自动执行和扩大对转型计划的分析，仔细评估公司的环境和与气候相关的索赔，并选择那些涉嫌“漂绿”的公司进行更深入的评估、分析。另外，国际清算银行（BIS）与欧洲中央银行、西班牙银行和德意志联邦银行等合作伙伴合作开发了一款人工智能应用程序Gaia项目，可以快速有效地提取有关总排放量、绿色债券发行和自愿净零承诺等指标的数据，对金融体系内气候相关风险进行分析，从而大大减少气候评估中的人工工作。
此外，人工智能在全球碳核算试点项目中的应用越来越多。举例来说，根据温室气体核算体系GHG Protocol的范围划分，范围一指的是公司直接的温室气体排放，范围二则涉及公司间接造成的排放，主要来源于其购买和使用的能源。而范围三则涵盖了那些既非由公司本身产生，也非公司拥有或控制的资产活动所产生的排放，而是由公司间接负责的价值链上下游活动所产生的排放。具体而言，范围三包括了所有不在范围一和范围二边界内的排放源。人工智能的应用可以有效监测与分析范围三的排放数据，进而帮助企业制定切实可行的转型计划，以及针对整个价值链的减排策略。
人工智能在推动全球能源转型存在巨大价值。人工智能的应用可以提高能源效率、减少设备维护成本和优化系统规划，降低能源转型的整体投资需求。据彭博新能源财经（BNEF）估算，每提高1%的需求效率，在2020年至2050年期间可减少1.3万亿美元的清洁能源发电投资。
随着人工智能在全球各行业转型活动中的日益整合与扩展，其影响范围已远远超出了单纯的技术层面。而在人工智能进行大规模应用之前，解决网络安全、数据偏差和能源使用等产生的风险至关重要，这就需要国际合作来应对挑战，并共同促进人工智能与转型金融的相融合。
四、案例研究：中国的“双碳”目标与人工智能驱动的转型
中国的“双碳”目标——2030年前达到碳达峰和2060年前实现碳中和正在推动大规模的产业转型。中国人民银行牵头构建了转型金融框架，为火电、钢铁、建筑和农业等关键行业进行产业转型提供指导。
在地方层面，浙江省的湖州市与衢州市，以及江西省的萍乡市与九江市，在转型金融方面积极先行。特别是湖州市，结合G20转型金融框架，制定了以高碳产业为核心的综合性“转型金融支持活动目录”。该目录涵盖了106项转型技术，为企业转型及碳核算等方面提供了具体指南。这些地方的举措展示了地方层面在推进转型金融、应对碳排放挑战及促进产业转型方面的共同努力。
在推动中国实现双碳目标的转型过程中，人工智能正扮演着至关重要的角色。
（一）人工智能在金融领域的应用
目前我国金融领域已广泛应用人工智能技术，涵盖了智能客服、智能投研、智能运营、数字员工和人工智能助手等多个方面。作为人工智能大模型的早期采用者，金融业拥有丰富的数据资源和先进的数字化技术基础。这些模型的应用提升了银行、保险和资产管理等行业的经营效率，并有效降低了运营成本。
中国工商银行率先将人工智能大模型融入银行业务。工商银行利用自研技术栈，构建了一个拥有过千亿参数的AI模型，实现了远程银行、信用风险管理、金融市场等关键业务领域的全流程创新。这种人工智能驱动的方法为银行带来了实质性的提升，包括提高服务效率、优化智能风险评估和自动化运营管理。
中国农业银行则推出了人工智能大型模型ChatABC， ChatABC建立在农业银行的人工智能服务基础设施之上，增强大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力。该模型拥有超100亿个参数，在内部用于多轮问答和自动响应等任务，同时农业银行还通过模型即服务（MaaS）平台提供决策支持服务，帮助持续拓展ChatABC在营销、风控、客服等领域的应用，推动数字化转型，提升服务能力。
中国邮政储蓄银行将百度的生成式AI对话模型“文心一言”成功集成至“邮储银行大脑”平台，进一步强化其智能金融服务能力。此次合作助力邮储银行在客户服务、数字员工和虚拟分支机构等领域，提供更加个性化和智能化的金融产品。凭借“文心一言”对中文的深入理解、跨模态语义能力以及先进的人工智能技术，邮储银行得以优化用户互动体验，实现日常任务的自动化处理，并提供全天候的支持服务，显著提升了运营效率。该人工智能模型针对邮储银行的行业特性进行了精细化调整，能够为其包括偏远地区用户、中小企业和绿色金融客户在内的多样化客户群体，提供定制化金融服务。此外，通过大数据分析，人工智能模型还能预测银行内部潜在问题并优化决策过程，从而有效支持邮储银行的运营和风险管理工作。
在金融领域人工智能创新的同时，电力行业也在积极探索类似的进步，人工智能正在成为推动电力行业高效率、可持续性运营的重要力量。
（二）人工智能在电力行业中的应用
在中国的电力行业，人工智能正被广泛应用于多个场景，涵盖发电、电网管理和用电等各个环节。以南方电网为例，其在抽水蓄能电站部署了AI数据分析平台，从人工巡检转向线上智能管理，改变了电力设备的维护方式（图4）。该平台的应用显著降低了成本，提高了运营效率，不仅能够准确识别潜在的设备缺陷，还能在需求高峰期有效提升发电量。
图4.南方电网AI数据分析平台
资料来源：https://www.sohu.com/a/764091213_120018660
在新能源领域，国网新疆最新的电力预测系统应用人工智能等10余种算法，深度挖掘数据以随时掌握新能源电量情况，促进新能源消纳。系统能根据不同天气条件精细化建立预测模型，提高预测准确性，并可接收近千个新能源场站数据来预测新疆电网的新能源功率，助力调度部门安排发电计划和进行电力调度控制，新能源功率预测精度超过93%，大大提高了新能源利用率。另外，人工智能也能被应用到燃煤电厂中的辅助决策和故障解决，在变电站和输电线路中，人工智能技术也被用于设备监控和维护。
在企业运营方面，福建宁德核电有限公司开发了专为核工业设计的大语言模型“锦书”，该平台部署了智能培训系统、个人岗位晋升系统等多个应用，并支持文生图、文生PPT等创新功能，极大提升了工作效率和促进了知识分享。此外，国家能源集团为燃煤电厂创建了首个人工智能助手，可以利用综合数据分析来支持生产和管理决策。
人工智能也在推动配电和微电网领域的创新，如上海电力公司的人工智能辅助决策系统和北京电力设备公司的一体化绿色微电网等项目。此外，深圳虚拟电厂管理中心是中国最全面、规模最大的虚拟电厂之一，通过人工智能来优化其电力供需。
（三）人工智能在金融与电力领域的协同效应
人工智能对“双碳”目标实现起到了加速作用，也对转型金融的发展起积极作用。虽然与绿色债券相比，转型债券等转型金融工具的进展较慢，但金融与人工智能创新的相结合，能更好地发挥金融在产业转型中的作用，不仅有助于相关金融产品的创新，也有助于中国在人工智能驱动的可持续发展实践中保持领先地位。
人工智能在金融与电力领域的应用正加速推动能源转型与转型金融的发展。在金融领域，由人工智能驱动的智能客户服务、风险管理和运营效率创新正为数字化转型树立新的标准，并增强了金融机构在精准执行绿色金融计划、高效管理大型数据集以及提供符合可持续发展目标的个性化金融服务方面的能力。同时，在电力领域，人工智能正在通过先进的数据分析、预测性维护和优化的发电技术，彻底改变能源管理方式，如上述案例研究所示，通过提升电力预测的准确性和提高设备效率，人工智能正在为能源系统的稳定性和可持续性做出贡献。
人工智能技术在这两个领域的融合，为金融机制与能源转型目标保持一致提供了一个独特的机会。人工智能通过分析能源行业的大量数据，也可为金融行业，特别是绿色和转型金融领域提供了更好的投资决策。例如，可以利用电网和可再生能源项目的实时数据对金融大数据模型进行微调，从而创造出支持可持续能源基础设施的发展的创新型金融产品。这种人工智能应用的融合不仅加速了能源转型，也提升了转型金融的有效性。
五、结束语与展望
人工智能与转型金融的融合可以带来巨大机遇，但也可能遇到重大挑战。与其他国家一样，一个关键问题是目前缺乏统一的转型金融的定义。这一定义的不明确可能导致“假环保”项目出现，同时，数据支持不足，难以准确识别和监管项目等风险也仍旧存在。此外，工业部门实现净零排放的路径仍不明朗，这也令转型金融变得更加复杂。
为应对这些挑战，充分释放人工智能在转型金融领域的潜力，需要建立明确的转型金融定义，完善框架标准，建立全面的信息披露体系。人工智能可以通过提供高级数据分析和建模预测来增强项目识别和监控，贡献解决方案。利用人工智能分析大型数据集，识别可信的转型项目，并确保透明度，可以最大限度地降低“漂绿”的风险。
人工智能还为提高转型金融框架的清晰度和有效性提供了解决方案。机器学习算法可以帮助完善和标准化转型金融的定义和标准，而人工智能工具可以提高数据报告和项目评估的准确性。此外，人工智能可以通过提供对新兴趋势的洞察和优化转型金融的金融策略来支持金融产品和工具的创新。
目前，人工智能在可持续发展中的应用也得到多方重视，然而，由于其问题的复杂性和所面临的巨大挑战，国际合作与共同努力显得尤为重要。在联合国于今年5月举办的第九届科学、技术和创新促进可持续发展目标多利益相关方论坛上，Defined.ai的创始人兼首席执行官Daniela Braga也强调了人工智能驱动的可持续发展倡议所面临的资金严重不足和资源短缺问题。
人工智能技术与转型金融相结合在推进可持续性发展，特别是在能源转型领域尤为重要。国际合作可推动最佳实践的交流、知识共享和制定全球标准，对于促进这两个领域之间的协作至关重要。此外，人工智能通过实现实时数据共享和跨境分析，能够进一步加强这一进程。鉴于全球碳排放量持续上升，利用人工智能推动转型金融的发展，对于加速向低碳经济转型具有重要作用。人工智能与转型金融之间的协同作用不仅为减缓气候变化提供了一条有效途径，而且为增强全球经济的复原力、构建可持续社会带来了变革性的机遇 。
参考文献
1.https://www.iea.org/reports/co2-emissions-in-2023/executive-summary
2.https://www.noaa.gov/news/2023-was-worlds-warmest-year-on-record-by-far
3.https：//www.cnbc.com/2024/04/22/energy-transition-to-need-4-trillion-annually-blackrock.html#：~：text=BlackRock%20estimates%20that%20the%20world's，%2C%20especially%20in%20Asia%2DPacific
4.https://www.spglobal.com/_assets/documents/ratings/research/101593071.pdf
5.https://www.climatebonds.net/files/reports/cbi_slb_report_2024_04d.pdf
6. https://www.ibm.com/topics/artificial-intelligence
7.https://sponsored.bloomberg.com/article/BHC3/how-artificial-intelligence-is-fueling-the-energy-transition
8.https://www.precedenceresearch.com/artificial-intelligence-in-renewable-energy-market
9.https://www.sciencedirect.com/science/article/pii/S2210537923000124
10. https://www.mdpi.com/1996-1073/11/11/2869
11. https://www.weforum.org/agenda/2024/07/generative-ai-energy-emissions/
12.https://www.clustercollaboration.eu/content/artificial-intelligence-improves-energy-efficiency-buildings
13. https://www.weforum.org/agenda/2024/01/how-we-can-unleash-the-power-of-ai-in-manufacturing/
14.https://www.japantimes.co.jp/commentary/2024/07/16/world/ai-energy-climate-nexus/#:~:text=It%20is%20difficult%20to%20overstate,and%20minimizing%20emissions%20at%20scale.
15.https://www.japantimes.co.jp/commentary/2024/07/16/world/ai-energy-climate-nexus/#:~:text=It%20is%20difficult%20to%20overstate,and%20minimizing%20emissions%20at%20scale.
16. https://www.icef.go.jp/wp-content/uploads/2024/02/AI-Climate-Roadmap-ICEF-Dec-1-2023.pdf
17.https://eecentre.org/2019/05/01/iki-project
18.https://news.un.org/en/story/2023/11/1143187
19.https://news.un.org/en/story/2023/11/1143187
20.https://www.cebnet.com.cn/20240129/102934168.html
21．https://www.cebnet.com.cn/20230331/102868614.html
22.https://www.psbc.com/cn/gyyc/ycfm/ycdt/202302/t20230221_194251.html
23.https://www.sohu.com/a/764091213_120018660
24.https://baijiahao.baidu.com/s?id=1793483355672237206&wfr=spider&for=pc
25.https://baijiahao.baidu.com/s?id=1793483355672237206&wfr=spider&for=pc
26.https://press.un.org/en/2024/ecosoc7162.doc.htm
作者：
Daria Gerasimenko 中央财经大学绿色金融国际研究院助理研究员
刘思辰 中央财经大学绿色金融国际研究院助理研究员
原创声明
如需转载、引用本文观点，请注明出处为“中央财经大学绿色金融国际研究院”。
