（来源：澎湃新闻）
英国外交、联邦和发展事务部（FCDO）联合国际咨询机构奥雅纳（Arup）发布了题为《人工智能赋能东盟可持续发展：以安全、可信和道德的人工智能助力气候行动》（AI for Sustainable Development in ASEAN: Advancing Safe, Trustworthy and EthicalAIfor Climate Action）的研究报告。该报告系统探讨了人工智能在东南亚地区气候行动与可持续发展中的潜力与挑战，并提出以数据、算力、人才、治理、创新、规模化及社会包容为核心的七大赋能支柱。报告虽聚焦东南亚，但其对“安全、可信、伦理导向”的AI治理框架构建、数字基础设施绿色转型、以及跨领域协同推进气候韧性等问题的深入剖析，为中国在智慧城市与低碳发展双轨并进的背景下，如何系统化部署负责任的人工智能技术提供了重要参照。
一、人工智能赋能气候行动的新范式
首先要确保AI使用的“安全、可信、道德”。安全AI强调系统的技术稳定性、可靠性与安全性，确保其在复杂气候应用中能抵御风险、防止危害。可信AI侧重于透明性与可解释性，要求算法的决策逻辑能够被人类理解与质疑，从而建立使用者对技术输出的信任。而道德AI则超越了技术本身，追求公平、包容与可持续，确保AI解决方案能够服务最广泛的群体，特别是边缘化社区，并关注技术自身的环境影响。
东盟地区是全球最脆弱的地区之一，一是洪水、台风、干旱等气候灾害频发。二是部分国家贫困率较高，生计依赖于农业等气候敏感产业，使风险更易传导到社会层面。三是快速城市化，加剧了洪涝、热岛效应与基础设施脆弱性。因此，单靠适应性提升或单纯减排都有不足，需要双重路径并行。进而将AI对气候行动的赋能划分为“减缓”与“适应”两大核心路径。减缓聚焦于通过AI优化能源系统、提升工业能效、管理碳排放等手段，从根源上减少温室气体排放。适应则强调利用AI增强社会与生态系统的气候韧性，例如在智慧农业、水资源管理、灾害预警及生物多样性保护等领域提升预见性与响应能力。为系统推进上述目标，报告创新性地提出了七大“赋能支柱”，构成了支撑安全、可信、道德的AI应用于气候行动的完整生态系统。这七大支柱包括：高质量的数据基础、可持续的计算能力、匹配的人才与技能、负责任的治理框架、持续的技术与应用创新、可行的规模化推广路径，以及贯穿始终的多样性与社会包容。这七大支柱共同确保AI技术能够真正转化为有实效、可持续且公平的气候解决方案。
二、东盟各国AI发展及其应用的基础情况
东南亚的AI产业格局正经历快速变革，预计到2030年将为该地区GDP贡献近1万亿美元，增幅达10%-18%。东盟各国的AI发展情况、应用场景以及面临的风险挑战如表1所示。其中AI对于可持续发展的应用场景中，农业（病害预测、精准施肥）、灾害管理（洪水/台风预警）、能源（电力需求预测、可再生能源并网优化）是最多的场景。面对的主要挑战包括数字鸿沟（城乡、国家之间差距显著，限制了AI的普及），数据与算法偏差（气候数据不足、质量不高，AI模型常“水土不服”），隐私与安全（缺乏统一的网络安全框架，数据泄露风险高），环境负担（AI带来算力、数据中心能耗与电子废弃物问题）以及错误信息（AI被用于制造/传播虚假信息）。
表1 东盟各国AI发展与应用现状
数据来源：基于报告《人工智能赋能东盟可持续发展：以安全、可信和道德的人工智能助力气候行动》（AI for Sustainable Development in ASEAN: Advancing Safe, Trustworthy and EthicalAIfor Climate Action）整理
三、推进AI赋能可持续发展的六大关键行动
1.数据：构建高质量、可访问的气候数据基石
人工智能模型的效能高度依赖于训练数据的质量。当前，东盟地区在气候数据上面临着碎片化、局部数据缺失与共享标准不一等挑战。为此，有必要从三方面强化数据基础：推动建立统一的气候数据标准与开放平台，促进政府传感器、卫星及民间观测等多源数据的互操作性，构建区域级“气候数据枢纽”，整合历史与实时数据并向社会开放；加大对本地化数据采集能力的投入，通过公私合作部署低成本物联网设备与社区监测网络，填补农村及边缘地区的“数据洼地”；同时积极运用AI工具识别与应对网络气候虚假信息，强化权威科学数据的传播，以遏制误导性言论。
实践层面，数据作为AI的基础，其创新性应用场景也最多。新加坡、马来西亚和印尼都通过搭建绿色数据中心来保证AI的数据基础。Google洪水预测系统利用机器学习模型，结合天气预报数据、卫星图像和地形高程图用来实现跨国的洪水预警。印尼推出的高碳储备方法使用AI通过分析高分辨率卫星图像，能够精准识别出森林中生物多样性和碳储量最丰富的区域，即“高碳储量森林”，以此为依据实施更加科学可持续的区域规划。此外，印尼的Jejakin、PetaBencana.id、越南的AIMVIE、还有新加坡的Cooling Singapore 2.0等应用在碳储量核算、灾害信息分析、红树林蓝碳潜力监测和城市热岛效应模拟等各种场景下展现出数据和AI在提升公共治理与社会韧性中的核心价值。
2.计算：推动绿色、可持续的计算基础设施
随着AI特别是大模型对算力需求的激增，导致数据中心的能耗和碳足迹激增。因此必须将绿色和可持续性原则置于计算基础设施发展的核心。一是提升数据中心能效，鼓励采用更先进的AI算法模型（如稀疏模型），在保证性能的同时降低计算复杂度。大力推广液体冷却、自然冷却等创新节能技术，并利用AI实时优化数据中心的能源使用效率。二是转向可再生能源供电，通过政策引导和激励机制，推动数据中心大规模采购太阳能、风能等绿色电力，并将其布局优先考虑在可再生能源富集区域。三是践行循环经济原则，建立完善的电子废弃物回收利用体系，对退役的服务器硬件进行翻新或材料回收，减少整个生命周期的环境影响。
3.人才与技能：培育跨领域的AI人才库
人才短缺是制约AI气候应用的核心瓶颈之一。报告指出，当前不仅缺乏AI专家，更缺乏既懂技术又懂气候科学的跨界复合型人才。将AI技能融入教育体系，在中小学和职业培训中引入AI与可持续发展和气候变化的通识教育，在高等教育阶段设立“AI+环境科学”等交叉学科学位，培养下一代解决问题的能手。开展大规模职业技能提升项目，针对当前从业人员，特别是农业、水利、灾害管理等气候敏感行业的从业者，设计短期、实用的培训项目，使他们能够使用AI工具辅助决策。还要确保包容性与公平性，制定专门计划，鼓励和支持女性、农村青年等群体参与AI技能培训，防止技术鸿沟进一步加剧社会不平等。应用方面，印尼的Dokter Tania聊天机器人就是一个典型，它为农民提供作物病害诊断服务，降低了知识与技术门槛；而Kartu Prakerja国家培训和就业平台则利用AI为劳动者匹配课程和岗位，帮助他们进入新兴产业。
4.责任治理：构建安全、可信、道德的AI框架
如果缺乏恰当的治理，AI技术可能带来偏见、歧视、隐私侵犯等风险，甚至削弱公众信任。要制定国家AI伦理与治理准则，将“安全、可信、道德”的原则转化为具体的法律法规或行业标准，明确AI系统在气候应用中的透明度、公平性、可问责性要求。建立专门的监管与协调机构，设立跨部门的AI气候行动工作组或办公室，负责政策协调、标准制定和风险评估。引入AI影响评估和公平性审计，在AI气候项目部署前和运行中，强制进行偏见检测和影响评估，确保其输出结果不会对特定群体（如低收入社区、少数族裔）造成不公。
5.创新：加速AI气候解决方案的研发与测试
创新是驱动AI气候应用发展的引擎，需要营造一个有利于实验和探索的政策环境。设立“监管沙盒”，在限定范围和时间内，为创新的AI气候技术（如新的碳捕获监测方法、气候风险金融产品）提供宽松的监管环境，允许其进行真实世界测试，同时管控潜在风险。加大研发公共投入，政府直接资助或通过税收优惠激励企业在AI用于可再生能源、循环经济、适应技术等关键领域进行研发。促进跨界合作，搭建平台，促进学术界、工业界、投资界和公民社会之间的交流与合作，共同定义问题、开发解决方案。新加坡的Unravel Carbon就是一例，它利用AI在数秒内将企业会计数据转化为完整的供应链碳信息，为企业制定脱碳路径，每年为企业节省高达10万美元的成本，碳排放减少36%。
6.规模化：推动有前景的解决方案落地生根
许多优秀的AI气候应用止步于试点阶段，难以产生大规模影响。需要创新融资机制，通过混合融资、绿色债券、结果导向型融资等工具，吸引私人资本投入AI气候项目的规模化阶段。政府可提供先期资金或担保，以降低投资风险。其次促进公私营合作，推动大型科技公司、能源公用事业公司与创新型初创企业合作，利用大公司的市场渠道和资源，加速小企业技术的推广。再者构建区域合作网络，利用东盟等区域组织，促进成功的解决方案在不同国家间的转移和适配，形成规模效应。马来西亚的Qarbotech的AI+纳米技术光合作用增强剂正在从实验室走向市场，记录显示能将农业生产力提高20%-60%，并使光合作用效率提升100%。泰国的EasyRice则用AI加强水稻质量检验和水稻品种检验，从而提高泰国水稻供应链的效率。
四、对中国城市发展AI应用的启示
1.构建城市级“可信AI”治理框架，筑牢智慧城市的安全线
中国许多城市正在大力建设“城市大脑”或智慧城市运营中心，但其功能多集中于交通调度、治安管理等效率提升层面。当AI开始介入气候预警、能源分配、应急响应等关乎城市安全与公民福祉的决策时，必须建立相应的治理框架来规避风险、建立信任。领先城市（如北上广深杭等）应率先制定并试点城市AI责任治理的行动指南，保障AI应用的透明度、公平性。将城市的智慧化建设从“技术本位”转向“以人为本”，在追求效率的同时，筑牢安全、公平的底线。
2.打造“城市数字孪生”平台，打通数据壁垒激发协同创新
数据是AI应用的基石，然而中国城市内部普遍存在“数据烟囱”现象，气象、水务、住建、交通、能源等部门数据标准不一、系统孤立，难以支撑对城市复杂系统的整体仿真与优化。建议以建设高精度的“城市数字孪生”平台作为战略支点，制定数据标准化和接入准则，联合高校、研究机构和创新企业开发高价值的数据集。如在针对绿色发展时，由市政府牵头要求各部门将实时气候与环境数据（如气象监测点、河道水位、建筑能耗、热岛效应、绿地降温效果等）接入统一平台，通过AI应用构建城市仿真沙盘，模拟不同政策变量（如增加绿地、改造屋顶、限制高能耗车辆）的未来效果，为政策设计提供参考。
3.围绕城市绿色发展，公私合作推进规模化运用
许多AI技术仍停留在示范阶段，未能有效转化为实际治理能力。城市政府应发挥其作为核心需求方和场景提供者的优势，聚焦本地最紧迫的减排与适应挑战，通过创新合作机制推动AI解决方案规模化应用。在减缓层面，重点推动AI在建筑节能、电网优化与工业碳核算等方面的应用；在适应层面，着力发展基于AI的极端天气预警、内涝模拟与公共卫生风险预测等系统。政府可转型为“平台构建者”与“首要用户”，通过公共采购创新模式，向社会公开征集具体问题的系统解决方案，以效果为导向促成技术供给与需求的精准对接。
4.针对中国内陆及县域城市，推行轻量化、集成化、场景化的AI应用
中国区域发展差异显著，许多内陆和县域城市在数字基础设施、技术人才与财政能力方面相对薄弱，不宜简单复制发达城市的建设模式。建议采取“轻量化起步、集成化推进、场景化聚焦”的路径：充分利用国家“东数西算”工程的公共算力与云服务商成熟的AI能力，以服务订阅替代重资产投入；优先引入集感知、分析、预警与调度功能于一体的平台型解决方案，如“智慧水务”“智慧农业”等综合系统，降低技术整合门槛；紧扣民生需求与地方特色，聚焦农业提质、生态监测、灾害防治等高价值场景，推动AI工具在县域可持续发展中的低门槛、高效率赋能。
来源：《国际城市蓝皮书（2026）》研究组陈睿
