作者：徐明、李楠、賀克斌，分別系清華大學碳中和講席教授、環境學院副院長，清華大學環境學院生態環境人工智能研究中心副主任，中國工程院院士、清華大學碳中和研究院院長

通過全流域、全方位、全系統治理，如今的汾河一川清流，兩岸錦繡。圖為汾河太原段的晉陽橋。新華社發

建設美麗中國是全面建設社會主義現代化國家的重要目標，是實現中華民族偉大復興中國夢的重要內容。習近平總書記強調，要“深化人工智能等數字技術應用，構建美麗中國數字化治理體系，建設綠色智慧的數字生態文明”。這一重要論述充分體現了人工智能在生態環境治理中的重要地位。生態環境智能治理，就是將人工智能技術與生態環境保護、污染防治、資源利用、生態修復等工作深度融合，利用實時感知、智能決策和協同執行等手段，對大氣、水、土壤等多要素生態系統開展精準監測、預警、治理和評估。構建現代化生態環境智能治理體系，對于加快建設美麗中國具有重要意義。

1.我國生態環境智能治理取得的成效與面臨的機遇

當前，我國生態環境治理的智能化轉型初見成效，在多個重點領域逐步形成可復制、可推廣的實踐經驗，展現出數字技術賦能生態文明建設的廣闊前景。在環境監測領域，覆蓋廣、響應快、集成化程度高的智能監測網絡加快構建，部分地區已實現對大氣、水、土、聲等多因子環境質量的全天候、全流程、全要素監測。在生態保護與風險防控領域，各類數字平臺逐步建成投用，生態大數據、遙感監測與智能識別等技術廣泛應用于洪水預警、海洋垃圾識別、土地退化監測與生態修復監管等場景。農村地區數字治理能力不斷增強，智能終端下沉與數據平臺建設初見成效，為推動城鄉生態環境治理一體化奠定了堅實基礎。在水務治理領域，人工智能、物聯網與數字孿生等新興技術深度融合，推動水資源監測、水質預警、水務設施調度與維護全面升級。部分地區已通過構建智慧水務系統，有效提升了供排水系統運行效率與漏損控制能力，實現從被動響應向主動管理的轉變。從總體上看，智能化轉型正在推動我國生態環境治理由“粗放管理”向“精細治理”躍升，為實現高水平生態環境保護和生態環境治理體系現代化提供了重要支撐。

盡管生態環境智能治理初見成效，但在實際推進過程中仍面臨諸多挑戰。技術的成熟與應用普及并非一蹴而就，許多實際問題仍需在進一步推動智能化治理的過程中予以解決。首先，許多地方的治理系統仍停留在單純的數據可視化和被動報警階段，缺乏對潛在污染源的智能預測和主動干預能力，難以滿足現代治理所需的“精細化”“實時協同”要求。其次，數據分散與標準缺失問題較為普遍。生態環境相關數據分散在不同部門和系統之間，缺乏統一規范，導致數據難以打通，算法模型也無法獲得充足的高質量數據支撐。最后，技術和人才短板制約顯現。生態環境智能治理對算法研發、場景建模和跨界復合型人才的需求不斷上升，但當前很少有基層工作人員既懂環保又懂人工智能。綜上，生態環境智能治理在實現廣泛落地之前，仍需在機制設計、資源統籌和能力建設等方面進一步突破。

新一輪科技革命浪潮中，人工智能技術實現躍升式發展，特別是從判別式人工智能向生成式人工智能的范式轉變，為破解上述難題帶來了重大契機。傳統判別式人工智能通常專注于在特定場景中發揮作用，例如在大氣污染預警方面，通過機器學習算法對空氣質量指標進行模型訓練，識別出潛在污染風險區。如今，生成式人工智能借助通用大模型，可以更靈活、更具創造性地應對各類生態環境治理需求。為充分發揮判別式與生成式人工智能技術的各自優勢，并推動其與生態環境治理的深度融合，亟須在國家戰略層面統籌規劃，構建系統性、可持續的生態環境智能治理體系，以確保技術應用能夠在不同治理場景中持續創新與優化。

2.現代化生態環境智能治理體系的整體思路與總體架構

在整體思路上，推動智能技術在生態環境治理領域發揮實效，需要建立統一規劃、標準明確和凝聚多元主體參與的制度機制，在黨委領導下，形成政府、企業、社會等各方協同的治理合力。政府制定整體規劃，在技術標準、數據安全、能力建設和監管機制等方面統一規范，為地方因地制宜應用智能技術提供指導和政策支持。同時，除鼓勵本土自主創新外，還應主動對接全球開源資源，建立開放合作平臺和開放項目庫，推動國內外技術資源融合互動，加快實現技術創新與迭代，結合我國豐富的環境治理實踐，形成具有中國特色的智能解決方案。

從總體架構看，現代化生態環境智能治理體系可以概括為“一大腦、兩支撐、多場景”的結構布局。“一大腦”即生態環境大模型體系，包括具備通用生態環境知識、綜合推理能力和決策能力的中樞大模型，以及從中樞大模型衍生出的多個輕量化、場景化小模型，分別服務于大氣、水、土壤、固廢等具體治理任務。大模型負責系統級的認知、理解與指揮功能，可實現對生態環境治理的綜合研判與科學決策；小模型則具備更強的適配性和專業度，可部署于局域網等邊緣側環境。此外，還需建設包含智能體等通用智能工具鏈，支撐模型開發、調用與任務執行，實現大小模型的高效聯動。

“兩支撐”指高質量的領域知識庫和高效安全的算力體系，共同構成支撐生態環境大模型持續進化與多場景智能應用的基礎設施體系。首先，領域知識庫以人工智能友好型的架構為目標，系統整合結構化監測數據與非結構化專業知識資源，以高質量數據和豐富的知識內容反哺大模型，持續提升其治理智能化水平。同時，構建分級分類的數據管理體系，明確公開數據、涉密數據的邊界與策略，引入數據空間等新型技術實現數據的“可用不可見”，確保數據高效流通與安全保護。其次，算力基礎設施建設應堅持“統籌布局、優化結構、注重效能”的基本原則。以國家層面的統籌協調為引領，推動中央與地方聯合布局區域性算力中心，探索“政企共建、資源共用”的服務模式。鼓勵高校、科研機構、環保企業等多元主體參與智算基礎設施建設，推動形成綠色低碳、安全可靠、經濟高效的算力資源池。

“多場景”則強調生態環境智能治理需因地制宜，針對污染防治、生態修復、風險預警、執法監管等典型場景，開發差異化技術路徑與智能工具，強化智能技術與傳統治理手段的深度融合應用。通過典型場景的試點實踐，不斷推動模型的動態迭代與反饋優化，加快實現從“技術供給驅動”向“治理需求牽引”的模式轉型，切實提升智能治理的整體效能與場景落地能力。

3.健全現代化生態環境智能治理體系的支撐機制

要將現代化生態環境智能治理體系從頂層設計落到實處，不僅需有清晰的技術路徑和系統架構，更要圍繞標準、人才、數據、場景等關鍵環節，同步健全制度保障與能力支撐，形成高效協同的政策機制和技術支撐體系。

完善標準體系，夯實智能治理的基礎。堅持“統一規范、面向應用、動態迭代”的導向，推進數據標準、模型規范與知識管理體系的系統化建設。在數據管理標準方面，應制定涵蓋數據采集、存儲、傳輸、共享和質量控制的全流程標準，推動數據資源在模型訓練與治理實踐中的高效對接。在模型與接口規范方面，應面向生態環境大模型體系，建立覆蓋模型架構、接口協議、評估指標等維度的技術規范，支撐不同平臺、區域間的模型遷移與協同部署。在知識管理框架方面，應搭建統一的知識組織與檢索體系，推進多源異構環境信息的結構化表達、標準化建模和智能化調用，提升模型對知識的理解、集成與推理能力。

強化能力建設，健全智能治理人才保障機制。現代化的生態環境智能治理體系離不開高素質的專業人才支撐，應統籌推動多層次、多類型人才隊伍建設，健全能力評價和資質準入機制。在人才培養機制方面，可通過設立專項培訓、交叉學科教育計劃和“政產學研用”融合機制，培養一批既懂人工智能又熟悉生態環境業務的復合型治理人才。在能力認定與考核體系方面，應建立面向模型開發、部署、運維、監管等不同環節的能力評價指標體系，確保從業人員具備“能用、會用、善用”的實戰能力。

推進數據共享與安全管理，提升數據流通與治理協同效率。數據是智能治理的“源頭活水”，必須在保障安全的前提下加快打通數據壁壘。根據數據敏感程度建立分層分級的管理機制，采用“可用不可見”等安全策略，借助數據空間、聯邦學習等技術實現敏感數據的安全可控利用。搭建統一的數據交換與授權平臺，明晰各方在數據采集、使用、更新與保護中的權責邊界，推動環境數據在中央—地方、部門—行業之間有序流動，為跨區域聯防聯控和區域協同治理提供數據支撐。

拓展多元應用場景，以實踐帶動技術優化與制度完善。生態環境智能治理模型的生命力在于“能用、好用、普及可用”。應緊扣重點領域，推動典型場景試點先行先試，通過“用中優化”“用中迭代”不斷完善系統能力。結合不同區域的生態環境類型、產業結構和治理需求，遴選一批典型場景進行落地試點，形成“從局部突破到系統推廣”的迭代模式。通過典型應用中的數據反饋、實際問題與治理成效不斷優化模型，實現人工智能工具與現實治理需求雙向互動，不斷提升模型適應性與治理精準性。