以企业真实痛点为原点，让每一项AI应用都创造可衡量的价值
港人工智能科技发展研究院讯 2026年10月23日，香港人工智能科技发展研究院（HK-AITRI）联合创始人曹龙军博士、绿科碳境科技吴磊总监，与毕业于The Hong Kong Polytechnic University (PolyU)的Stanley先生，围绕城市更新、建筑业低碳转型、零碳园区建设及AI技术落地切入点深入研讨，探寻AI助力建筑领域实现低碳“可测量、可验证”的创新路径。
据介绍，Stanley拥有长期城市建设与更新项目实操经验，深耕建筑低碳可持续发展方向。交流中，他提出，建筑业当下虽面临阶段性发展压力，但长期演进路径清晰：低碳建材规模化应用、零碳园区系统化建设，是行业实现双碳目标的核心主线。该判断与学术研究结论形成呼应：依据清华大学建筑节能研究中心测算，2020年国内建筑运行能耗占全社会总能耗21%，配套碳排放占全国总量19%，建筑运营环节属于碳排放重点板块；全国两千余家国家级、省级工业园区碳排放合计占全国总量31%，海量存量建筑、产业园区的节能降碳改造，是建筑低碳赛道最确定的研究与产业化方向。
立足双碳顶层框架，双方从学术和产业双视角研判政策演进逻辑：国家动态扩容低碳节能材料目录、持续推动零碳园区试点落地，本质是不断完善低碳属性的认定范式，为建筑领域碳核算建立标准化基准。研讨中以Hilton酒店集团ESG实践作为参照案例，印证低碳转型并非单纯的合规成本，可持续治理能力可以沉淀为企业的品牌价值与资产溢价，为建筑行业的学术研究、商业落地提供参照样本。
放眼全球气候治理格局，欧盟CBAM碳边境调节机制带来的外部约束，让碳数据的可信性成为新的研究命题。我国钢铁、铝材、化工建材等高碳品类出口将直面碳成本冲击，碳关税规则向外扩散的潜在风险，倒逼国内建立一套和国际互认的碳核算体系。低碳不再是企业自愿开展的加分项，而是跨境贸易的准入要件，这套体系的根基，正是碳排放数据可测量、可验证。
基于该学术交流，各方形成共识：人工智能，尤其是可解释人工智能（XAI），是支撑建筑碳数据可信化的关键技术载体。建筑场景排放源分散，直接排放、电力热力带来的间接排放相互交织，传统静态核算方式精度不足。融合物联网感知、能耗机理模型的AI框架，能够实现时序化、细粒度的碳数据动态测算；而XAI所具备的可追溯推理能力，可以完整留存核算逻辑，支撑第三方审计核验，匹配国内低碳目录监管、CBAM申报、ESG信息披露多重合规需求，把定性的低碳理念转化为可复核、可采信的量化证据。这一落地模式，也契合RAI负责任AI、ESG可持续经营、SDGs联合国可持续发展目标的递进研究链路：将ESG准则前置到AI算法研发阶段，以负责任AI管控模型风险、输出可信碳数据，最终服务全球可持续发展议程。
曹龙军博士现就读岭南大学数据科学学院人工智能方向博士，同时持有米兰理工大学（PoliMi）管理学院可持续发展博士学位。岭南大学长期致力于依托创新科技推动联合国可持续发展目标（SDGs），将可持续发展理念深度融入教学与科研体系，充分彰显院校在数据科学与可持续发展领域的跨学科研究优势，也为本次AI赋能绿色建筑的交叉研究提供坚实学术支撑。交流认为，建筑业零碳转型属于典型的交叉学科课题，涉及土木建筑、能源工程、计算数学、人工智能、环境经济等多个领域，是一项长周期系统工程，离不开政策标准、低碳新材料、智能算法、产业资本多方协同联动。后续HK-AITRI将依托跨高校学术网络，汇聚低碳建筑、智能建造、可解释AI方向的科研力量，联合产业伙伴持续开展“AI+零碳园区”的实证研究与试点落地，深化业界协同合作，以AI技术赋能绿色建筑，构建面向建筑行业、兼具科学性与实用性的碳测算技术底座，为全球减碳目标贡献解决方案，为建筑领域低碳治理提供可测量、可验证、可信任的学术方案与产业路径。
