虽然企业们关注减排议题、认可制定减碳目标，但在操作层面仍难以切实实现减碳。合理使用人工智能技术也许可以成为应对利器。
全球企业管理咨询公司波士顿咨询（Boston Consulting Group）旗下数据科学团队BCG GAMMA上月中旬公布了“2021年全球企业碳盘查计算调研”结果。本次调研覆盖1290家企业，结果显示，虽然企业们关注减排议题、认可制定减碳目标，但在现实操作层面仍难以切实实现减碳。调研同时指出，人工智能技术也许可以成为应对这一挑战的利器。
图片来源：pexel©Marcin Jozwiak
企业计算碳排放多重受限
BCG GAMMA进行的“2021年全球企业碳盘查计算调研”显示，减少碳排放对企业而言已经成为了重要议题。在所有受访企业中，超过半数的企业将减少碳排放定义为非常重要。而与意识上的重视相悖的是，在具体实施中，其中仅11%的企业在过去五年成功实现了减碳愿景（即达成减碳目标的75%以上）。
德国气候研究智库新气候研究所（New Climate Institute）在调研中也发现了相似情况。为了了解企业在减排方面的实际举措，新气候研究所对包括苹果、亚马逊、谷歌、宜家、沃尔玛、大众汽车、DHL、雀巢等25家不同行业头部跨国企业进行了深度调查，但是研究结果显示其中大部分都未能实现企业应对气候变化的承诺。该所发布报告称，“企业在发布气候承诺方面不断加速，加上减碳方式的不统一，这意味着现在比以往任何时候都更难区分哪些企业真正在解决气候变化问题上更有领导力。”
图片来源：wonderopolis.org
为了明确企业承诺与实际行动之间存在差异的原因，新气候研究所气候政策分析师Thomas Day及其团队经深入研究后发现，最具争议的领域在企业上下游碳排放环节，即由公司间接活动产生的排放，多数企业并未将该部分碳排放纳入计算之中。实际上这一部分排放在企业总碳排放量中占据很大比例。
BCG GAMMA明确指出，企业在计算时需要对两类温室气体排放——内部排放和外部排放进行盘查计算、追踪和减排。内部排放指由企业自身活动产生的排放量，外部排放指企业价值链上其他环节产生的排放，包括上下游活动。在所有受访企业中，81%的企业进行的盘查仅覆盖部分内部排放和部分外部排放，仅9%的企业可以全面盘查企业经营范围内的所有碳排放量。也正因为计算方式的误差，众多企业的减排成效也大打折扣，据BCG GAMMA分析，盘查中对碳排放部分计算的企业，仅有31%能实现减碳，而这一比例在盘查全面的企业中可以达到57%。
企业温室气体盘查计算、追踪和减排的范围
图片来源：BCG
企业碳排放计算结果的不准确受多重因素制约，外部客户是否配合供应商进行碳盘查、生产原料碳排放计算的详细程度、不够自动化的盘查计算方式等都是限制条件。BCG GAMMA调查指出企业有意更频繁地进行盘查计算，但这需要更为先进的人工智能工具予以辅助。
美国科技公司微软与国际咨询公司普华永道（PWC）早在2019年联合研究发布的报告《人工智能如何实现可持续未来》（How AI can enable a sustainable future）中就曾指出，“人工智能可以在更广泛的经济范围中使用，从而更好地管理环境影响和气候变化。”时任普华永道英国全球创新与可持续发展负责人Celine Herweijer评论称，“人工智能可以使我们在未来更有生产力的同时更加可持续。”
人工智能提供减排新的有效手段
2016年《巴黎协定》曾作出规定，截至本世纪末要将全球平均气温上升幅度限制在1.5摄氏度以内，为达成该目标，现任联合国秘书长安东尼奥·古特雷斯（ António Guterres）表示，“到2030年，我们必须使全球温室气体的排放量在2010年的水平上减少45％”。波士顿咨询经过调研指出，使用人工智能可以完成全球10%-20%的减排目标（即减少26至53亿吨碳排放）。
图片来源：Unsplash©Chris LeBoutillier
跨国咨询公司凯捷管理顾问公司（Capgemini）2020年末对400家不同行业的企业调研，亦印证了人工智能应用对企业减排的意义。近一半企业 (48%) 正在使用人工智能来应对气候变化，且获得了显著成效。经过数据统计，从2017年至2020年，这部分企业的温室气体排放量减少了12.9%，电力效率提高了10.9%，资源浪费减少了11.7%。
人工智能技术的优势在于它能够从经验中学习，从环境中收集数据，并从中分析数据之间的关联，根据分析得出的结论推荐与实际情况吻合的行动方式。波士顿咨询公司发布的《借助AI的力量减少碳排放和成本》（Reduce Carbon and Costs with the Power of AI）文章中解析了人工智能在减少碳足迹方面的运作逻辑。首先企业使用人工智能可以跟踪、集成所有环节碳排放；其次通过目前的情况，人工智能可以预测企业未来碳排放量，从而更准确地设置符合企业情况的减排目标；为了实现减少排放的目的，人工智能也可以提供对整体产业链的详细洞察，从而在生产环节作出优化。
图片来源：视觉中国
基于人工智能强大的算力，《福布斯》杂志理事会成员Abheek Dutta提出在企业具体部署上，实现人工智能的重要方法之一是机器学习（Machine Learning，机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能，且重新组织已有的知识结构使之不断改善自身的性能），通过机器学习，“企业可以提高发电、配电的效率”，且该学习过程可覆盖“从监测、自主维护到路径优化甚至设备管理的多个环节”，有效预测、利用数据，同时基于可持续原则分配资源。
在美国宾夕法尼亚大学博士后研究员David Rolnick领导汇编的论文《用机器学习应对气候变化》（Tackling Climate Change with Machine Learning）中，团队研究人员提出了机器学习在减排方面可以作出贡献的领域，其中与企业相关度较高的有：创造新材料、减少建筑物能耗、优化供应链、大规模推行精准农业。
图片来源：medium.com
在企业内部排放环节，机器学习首先可以帮助创造低碳新材料，从源头减少排放。论文指出，全球9%的温室气体排放来自于混凝土和钢铁的生产，机器学习允许科学家模拟不同化合物的特性和之间的相互作用，来帮助他们加速研发低碳新材料，并利用新材料实现减少排放。其次在建筑能源消耗方面，基于机器学习生成的智能控制系统可以将天气情况、建筑物使用率及其他环境条件考虑在内，从而调整室内空间的供暖、制冷、通风和照明需求，美国科技媒体The Verge资深记者James Vincent表示此法可以将建筑物能耗降低20%。
在外部排放层面，世界各地的货物运送是复杂且效率较低的环节，而机器学习可以通过算法寻找集中货物运输、减少货物周转次数的方式，从而提高所有货运工具的运输效率；在食品、时尚、消费品等行业供应链中亦是如此，机器学习可以进行更精确的供需预测从而减少生产和运输浪费。
在产业链上游的农业，美国专业科技商业杂志《麻省理工科技评论》（MIT Technology Review）人工智能领域资深编辑Karen Hao解析机器学习的应用时表示，“现代农业大部分以单一栽培（同一块土地生产单一作物）为主......这使得土壤养分和生产力都逐渐降低”，因此农民严重依赖高碳排放的氮肥，基于机器学习的软件可以帮助农场有效管理多种作物，并利用算法预测不同作物的种植时间，从而恢复土地健康，减少对肥料的需求。
使用基于机器学习的软件对农场作物进行集中管理
图片来源：pandaily.com
人工智能的运行也可能导致“增排”
机器学习获得的数据越多，其得出结论的精准度就越高，人工智能在减碳层面可以创造的积极影响也越明显。但是运行人工智能产生的碳排放同样不可忽视，马萨诸塞大学阿默斯特分校（University of Massachusetts Amherst）计算机科学系教授Andrew McCallum领导的团队研究发现，一个人工智能模型在整个生命周期产生的碳排放相当于5辆汽车全生命周期碳排放量的总和，或者相当于在旧金山与纽约之间进行300次往返飞行。
西班牙拉科鲁尼亚大学（Universidad de La Coruña）计算机科学家Carlos Gómez-Rodríguez表示，“虽然我们许多人对此（人工智能产生的碳排放）有抽象、模糊的概念，但数据确实直观地表明了问题的严重性。”也正因此，人工智能在企业减排方面的应用仍未大规模普及。
而且在不当使用时，人工智能带来的减排有可能会变成“增排”。沙特阿拉伯国家石油公司（Saudi Arabian Oil Company）AI/ML团队（人工智能和机器学习团队）研究员Mansour AlAnsari解释称，假设一家运输公司旗下的卡车运输团队每天可以执行100次运输任务，通过人工智能对运输流程进行优化，该团队每天的运输次数及产生的碳排放可以有效减少；但是如果因此公司将该团队的运输任务提升到每天150次，那么减碳效果也会不复存在。
图片来源：constructionweekonline.com
因此为了真正将人工智能的减碳能力落到实处，Mansour AlAnsari提出了4个关键步骤。首先是选择合适的应用场景，需要明确的是并非所有生产环节运用人工智能都可以实现减排目标，因此企业需要首先筛选出适合采用该技术的流程并进行优先级排序，保证技术得到最佳应用。其次是选择正确的人工智能算法，不同的算法产生的碳足迹不同，因此选择最优解非常重要。Mansour AlAnsari解释称，选择合适的算法可以大大提高解决问题的效率，并且同时减少碳足迹成本。
需要注意的是，可持续性是衡量人工智能减排能力的重要指标，因此企业在进行碳盘查时需要将人工智能产生的碳足迹也一并考虑，同时在进行成本效益分析时也应计算部署人工智能的各种成本，在可持续的基础上寻找优化流程的最优解。
图片来源：corporateknights.com
最后，利用可再生能源为人工智能模型提供动力也是减少其碳足迹的方式。人工智能运行需要大量的计算和大量的数据，承载这些运算过程的数据中心需要消耗很多能源来支持其运转，为了避免顾此失彼的情况，谷歌一直在推进利用可再生能源为数据中心供电，其做法对其他企业而言也是可借鉴之道。
凯捷管理顾问公司人工智能和分析专家Dan Simion称，“如果你要运行人工智能，你将需要‘机器’，并留下碳足迹。而随着你获得更多的数据、并采用更复杂的分析模型，这意味着你需要利用的能源就越多。”这个过程本身会产生碳足迹很难改变，而只能通过不断地优化、并采取替代方案最小化技术本身的碳排放，最大化其在企业运作中的减排效果，从而真正实现接入人工智能，减少企业温室气体排放的作用。
