大气污染治理成效与目标 - 全国PM2.5平均浓度在2024年降至29.3微克/立方米，较2015年下降20.7微克/立方米 [1] - 当前水平距离2035年实现25微克/立方米以下的目标已不足5微克/立方米 [1] - 近期部分地区再次出现的污染天气凸显治理工作的复杂性与长期性，表明行业进入深水区，需要更精准的治理措施 [1] “人工智能+”政策指引 - 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 [1] - 政策推动构建智能协同的精准治理模式，为大气污染治理指明方向 [1] - 意见提出“强化基础支撑能力”，要求加快建设统一的人工智能模型库和算法平台 [2] 技术应用面临的挑战 - 技术挑战包括需要融合气象、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 [2] - 人才挑战体现在需要环境科学、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 [2] - 成本挑战显著，据部分城市招投标数据，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 [2] 创新公共产品供给模式 - 亟须创新“人工智能+大气污染治理”公共产品供给方式，建设统一的模型库和算法平台 [2] - 目标是实现大气污染监测、预报、溯源等模型的标准化、模块化与服务化，形成共建共享的智能模型体系 [2] - 该模式有助于政府部门避免重复投资与资源浪费，实现技术成果的规模化复用 [3] 统一平台的建设重点与效益 - 建设重点之一是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 [3] - 另一重点是提高污染溯源分析能力，推动环境执法从“人防为主”向“技防优先”转变 [3] - 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 [3] - 对环保企业而言，将显著降低其应用先进技术的初始成本与创新门槛，加快技术落地 [3] 多方协同的实施路径 - 政府部门应发挥主导作用，中央部门负责顶层设计、标准制定与监管，地方政府提出应用场景并通过采购引导创新 [4] - 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，攻克基础性技术难题 [4] - 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，提供定制化解决方案 [4]