生态环境云 
生态环境大数据
环境信用
数字中国建设峰会中国环境报专访信息中心汪海洋：AI赋能生态环境治理新质生产力|当AI遇见绿水青山②
更新时间：2025-06-05
- 收藏
- 打印
- 关闭
- 【字体：大 中 小】
在新一轮科技革命和产业变革背景下，人工智能正加速融入生态环境治理体系，催生出新技术、新模式、新动能。
作为生态环境信息化建设的核心支撑单位，生态环境部信息中心在推动AI与生态环境深度融合方面取得了哪些关键进展？未来将如何构建生态环境领域的大模型应用生态？本报记者专访了生态环境部信息中心主任汪海洋。
构建生态环境AI战略体系
中国环境报：当前，人工智能在生态环境领域的应用持续拓展。信息中心在推动AI赋能方面是否有专项政策或规划？将如何加快AI与环保业务的深度融合？
汪海洋：AI技术在生态环境治理中持续拓展应用场景，从卫星遥感污染监测的图像识别到危险废物处置的具身智能机器人，逐步构建起智能化技术矩阵。近年来，大语言模型成为技术布局重点。
信息中心自2023年开始开展大语言模型技术的应用研究，2024年7月联合浙江省生态环境厅在杭州成立生态环境大数据创新应用研究示范基地，加速技术落地；今年以来，聚焦行业知识整合、智能平台搭建与应用场景创新，在基础算力搭建、领域知识库构建、基础大模型平台建设，环评文件智能辅助审批，行政执法案卷智能评查，人工智能算法评估方法团体标准等方面取得了积极进展，并编制完成《生态环境大模型建设应用实施方案》，为智能化治理提供系统性路径。
信息中心作为生态环境信息化建设的主要技术支撑单位，将以构建生态环境领域大模型为核心，以标准规范体系和安全保障体系为基础，按照“3+1+N ”的框架思路（即智算中心、数据中心、模型中心和1个服务平台、N个智慧应用场景），打造大模型共性应用和N个个性化业务应用场景。
具体来说：一是强化算力支撑，统一建设行业级智算中心，集中采购GPU/CPU算力资源，避免重复分散建设；二是夯实数据底座，整合全国生态环境数据及气象、水文等外部资源，打造高质量数据集，构建多源知识库和训练语料库；三是深化算法协同，在专网本地化部署基础大模型，集成空气质量、水质预测等专业机理模型，形成“通用+行业”模型群组；四是推动场景共建，部级层面开发知识问答、智能问数等共性应用，各部门基于统一平台自主构建大气、水、土壤等业务场景，同步建立全流程安全防控体系和复合型人才培养机制，确保技术自主可控与生态共建共享。
打破信息壁垒推动场景共建，建立跨机构、跨领域的协作机制
中国环境报：生态环境治理涉及多部门数据共享与协同治理，如何通过AI技术打破部门间信息壁垒？目前面临哪些挑战？
汪海洋：多部门数据割裂与系统异构是生态环境治理中的现实难题，针对系统繁杂、数据分散等问题，可利用AI技术破解跨部门数据共享难题，并激活生态环境数据的潜在价值。
一是构建统一的数据池和知识库。整合空气质量、污染源、气象等多领域数据，经过智能清洗整合，形成标准化数据库。
二是利用知识图谱技术，把行业数据、地理信息、政策法规等关联起来，打造“能理解环境问题”的智能知识库。
三是开发便捷的数据接口，让各部门安全共享数据，同时用AI模型分析数据规律，支撑污染预警、生态保护等科学决策，最终形成“数据驱动决策”的良性循环，让环境治理更精准、更高效。
中国环境报：您刚才提到场景共建，可以具体讲讲如何建立跨机构、跨领域的协作机制？能否给出具体实施路径？
汪海洋：在基于“统一算力、统一知识库、统一能力服务”的技术支撑框架上，我们提倡共建众创生态环境领域大模型。
部属单位提出大模型业务应用需求，共建共享共用共性应用和智能化组件，开展个性化业务应用落地。
各地方协同推进生态环境大模型全国一体化建设，按照统一的标准，共建共享数据目录、知识库、模型库、服务组件，开展地方个性化业务应用落地。学术团体研究制定领域大模型标准规范，推动技术研究与交流推广。
企业开展面向领域大模型的技术创新，提供符合业务场景需要、满足安全要求的解决方案，形成“需求牵引—资源共享—分层开发”的协同创新路径，实现共性能力集约化供给与个性应用差异化发展的有机统一。
AI驱动智能化治理场景创新，持续拓展应用边界
中国环境报：在AI技术应用方面，生态环境系统已取得哪些示范成效？未来的推广重点有哪些？
汪海洋：生态环境部高度重视人工智能技术的创新应用，系统推进人工智能创新与生态环境治理需求、治理场景深度融合，充分发挥人工智能在生态环境协同治理、精准治理、多元治理中的决策支撑作用。
今年4月，生态环境部印发了《国家生态环境监测网络数智化转型方案》（环办监测〔2025〕8号），明确以人工智能等新技术驱动监测体系智能化转型，构建覆盖数据全流程的智能监测网络。
各部属单位也在积极探索AI技术与生态环境治理深度融合。环科院搭建“云边协同”监测网络和多模态数据池，监测总站依托智慧调度与管理平台打造环境监测“智慧大脑”，华南所升级环境应急指挥调度系统的智能化水平，评估中心研发智能执法线索系统，规划院开发CarbonSeek碳足迹平台，形成技术攻关合力。
信息中心聚焦核心能力建设，构建包含27个一级目录的生态环境知识库，集成3400余项政策法规与标准，开发智能问答系统，实现跨时空数据查询分析，同时不断在业务场景建设上取得突破。在环评领域，我们在生态环境部环评司指导下，建成了环评报告标准化编制系统，构建涵盖环评技术导则、政策法规的多层级知识库，实现环评数据标准化管理。
以造纸行业为例，通过结构化表单和自动化生成技术，环评报告编制周期从数周缩短至15分钟—20分钟。
在执法领域，我们在部执法局的指导下，完成了行政执法案卷智能评查大模型的建设。基于近两年5000余份执法案卷样本构建智能评查模型，采用文书特征画像法精准识别70余种文书类型，规范性评查设置六大类200余项细则，合法性评查细分60余种常见错误，建立了近30部法律共350个案由的案由库及案例库。评查效率由之前一份案卷30分钟—60分钟提升至5分钟以内，准确率达80%，并可通过配置案由库快速适配新需求。
地方也有不少典型做法，例如山东构建机动车全链条智慧监管体系，重庆创新“气象模型+AI”大气污染决策模式，福建依托生态云平台打造闽江流域水质智能预警分析系统，广州推出涵盖监测知识查询、报告生成及三维GIS应用的“穗小测”综合管理平台等。
下一步，我们将推动示范成果跨区域复制，并在流域治理、生物多样性监测等新领域持续拓展AI应用边界。
从两个维度构建保障体系，平衡AI技术创新与风险监管
中国环境报：如何量化评估AI技术对生态环境治理效率和新质生产力发展的实际贡献？是否有相关指标体系？
汪海洋：我们认为量化评估AI技术对生态环境治理效率和新质生产力发展的贡献需聚焦三个核心维度：治理效率提升，涵盖响应时效提升、处置精准度优化及资源节约成效；系统能力跃迁，体现在数据融合应用水平提升、跨部门协同治理深化及环境风险预见能力突破；新质生产力转化，包括知识更新迭代加速、智能决策模式革新及环保产业链智能化渗透率提升。目前已有部分区域探索构建包含上述维度的评估框架，但尚未形成统一标准体系。
中国环境报：从管理角度看，未来将重点支持哪些AI技术研发方向？如何平衡技术创新与风险监管？
汪海洋：从技术管理角度，未来将聚焦生态文明建设与数字化转型战略需求，构建自主可控、安全规范的生态环境垂直领域大模型，统一集中的智算中心、全域联动的数据中心，各类模型融合的模型中心，提供统一的大模型服务平台，形成领域知识问答、数据智能分析、因果逻辑推理、环境时空推演及智能决策支持等核心能力，支撑生态环境百花齐放的智慧化应用，实现生态环境治理体系重构、流程再造、能力重塑，引领生态环境治理现代化变革。
在平衡技术创新与风险监管方面，需从两个维度构建保障体系。一是安全保障层面，按照本地化部署、符合信创管理要求，加强全流程保密管理。严格设定分类分级管控的访问权限，增强自主可控算力保障，对外挂知识库进行保密清洗过滤，防范模型篡改、算法漏洞、身份伪造、数据泄露等风险，做好业务场景安全风险评估。二是标准规范层面，加快高质量数据集建设，制定并完善生态环境知识库建设标准规范，统筹推进生态环境领域知识库建设，建立健全知识库动态更新机制。
来源：中国环境APP
