数字赋能“双碳”目标是提升治理效能、协同推进数字经济及生态文明建设的重大政策创新。数字赋能“双碳”目标的核心是数字化和绿色化的双向赋能与深度融合，具有超越传统单向赋能的治理逻辑，本质是通过数据要素重构生产关系、优化资源配置，推动绿色生产力的系统性升级。实践中，实现数字赋能“双碳”目标仍面临政策协同不足、数据治理效能不足及算法监管缺失等挑战，未来需进一步完善数字化、绿色化的融合治理体系，推动经济社会高质量发展。

数字赋能“双碳”目标的作用机理

生态环境问题归根结底是发展方式和生活方式问题。数字赋能“双碳”目标的作用机理是通过生产领域的效能提升与生活领域的行为引导双向发力，转变发展方式和生活方式、破解碳减排约束与经济增长需求之间矛盾。

数字技术驱动生产方式绿色转型

数字技术通过产业升级与要素激活的双重路径，从源头降低碳排放强度，构建高效低碳的生产体系。第一，推动产业结构低碳化重构。长期以来，钢铁、水泥、化工、电力等传统工业是碳排放的主要来源，约占全球碳排放总量的60%以上。数字技术与传统产业深度融合，通过全流程优化提升资源利用效率，推动生产方式从高碳向低碳的转型。例如，在工业领域，工业互联网通过生产流程数字化模拟、设备预测性维护及跨企业协同，显著降低单位产值能耗。在能源领域，智慧电网依托源网荷储协同算法，提升风电、光伏等间歇性可再生能源的消纳能力。第二，激活数据要素的减碳价值。数据要素减碳价值的逻辑在于以数据要素消除信息不对称引发的资源错配，让资源流向效率最高的环节，间接降低碳排放强度。例如，在交通领域，数据驱动的智能调度可有效降低车辆空驶率，降低燃油消耗。在工业生产领域，通过数据模型、人工智能算法可以优化燃料配比，减少化石能源消耗。

数字技术引领生活方式低碳转型

数字技术通过行为塑造和公众参与的双轮驱动赋能需求侧减碳，形成人人参与、人人受益的全社会减碳氛围。第一，塑造低碳行为模式。数字技术将低碳选择深度嵌入消费者衣、食、住、行、用等日常生活场景，让消费者在便捷的消费中自然完成减碳行为，重塑服务供给方式。实践中，电商平台通过大数据推荐算法、商品碳足迹数字化核算等技术，通过绿色消费引导，保障消费者绿色选择权。例如，京东、天猫等电商平台推出低碳快递选项，用户若选择合并订单、使用循环包装，平台则给予积分奖励。第二，公众参与。公众作为消费端的核心主体，其行为选择直接影响需求侧碳排放总量，因此实现“双碳”目标需要推动形成公众参与的全民减碳格局。公众参与减碳的前提是“知碳”，数字技术通过碳数据量化与可视化，让抽象的“碳排放”变得具体可感。例如，深圳市推出个人碳账户，整合绿色出行、垃圾分类等数据，通过统一碳核算标准量化减碳量，账户积分可兑换公共交通优惠券、公园门票等。

数字赋能“双碳”目标的理论逻辑

数字赋能“双碳”目标的本质是新质生产力在绿色转型领域的具体体现，通过高科技、高效能、高质量的生产力质态，破解增长与减排的二元对立。

本质属性：发展绿色生产力的必然要求

数字赋能“双碳”目标的本质是新质生产力对传统生产关系的绿色重构，通过数据要素驱动、技术创新突破，实现高质量发展，二者在价值取向上高度契合，在效能逻辑上具有内在一致性。在价值取向方面，二者均以高质量发展为共同旨归。新质生产力的本质是符合新发展理念的先进生产力质态，通过动力变革、效率变革、质量变革，推动经济社会高质量发展。数字赋能“双碳”的价值内核并非单纯追求碳排放总量下降，而是通过低碳转型倒逼产业升级、技术创新及制度完善，打破发展与保护的二元对立，推动发展模式从规模速度型向质量效益型转变。在效能逻辑上，二者均以高效能配置破解发展瓶颈。新质生产力强调优化生产要素配置、重构生产流程，实现“低投入、高产出、低损耗”的生产力运行状态。数字赋能“双碳”通过数据驱动的精准化治理，提升能源利用效率、降低碳排放强度，不断提升高质量发展效能。

核心动力：科技创新的突破性支撑

科技创新是数字赋能“双碳”目标的核心驱动力，通过数字化与绿色化的交叉融合，形成数字赋能绿色转型、绿色需求牵引数字创新的双向循环。一方面，科技创新破解绿色转型的技术瓶颈。实践中，风电、光伏等新能源具有间歇性和波动性等特点，制约了新能源消纳效率，引发电网频率波动、电压不稳定等安全风险，成为“双碳”目标下构建新型电力系统的核心瓶颈。国家电网通过核心数字技术突破，整合多维数据，构建预测、调度、储能、电网四位一体的技术体系，大幅提高国家新能源利用率。另一方面，绿色需求倒逼数字技术迭代。截至2024年年底，我国数据中心年用电量占全社会用电量约2%，且数据量持续增长‌‌，节能减排面临较大压力。为落实国家“双碳”战略，中国移动启动“绿色云网”，通过高压直流、液冷等技术组合，不仅实现了能耗指标的大幅下降，更催生了芯片设计、冷却系统、电源管理等全产业链的系统性创新，形成了绿色需求牵引技术突破的良性循环。

数字赋能“双碳”目标的现实挑战与优化路径

当前，我国已形成数字化和绿色化协同推进的政策框架。在上海、浙江、广东等地纷纷开展数字碳中和试点。然而，实践中数字赋能“双碳”目标仍面临政策协同不足、数据治理不畅及算法监管缺失等挑战。未来，需进一步完善数字化、绿色化融合治理体系，推动经济社会高质量发展。

现实挑战：多种矛盾制约治理效能

第一，政策衔接不畅。实现“双碳”目标是一项系统工程，涉及经济社会发展的全过程和各领域，需要多部门协同联动、共同履职才能落地。根据现行法律规定，当前我国碳市场监管体系形成以生态环境部为主导，国家发改委、工信部、国家能源局共同参与的统一归口与分散监管相结合的模式。然而，过于抽象和概括的监管职责条款并未科学划定不同监管主体的职责内容与边界，导致同一时空条件下监管部门出台的政策体系在衔接上存在统筹不足、机制不畅等短板。例如，因跨部门协调机制的不足，生态环境部主导的碳市场核算标准与工信部推进的工业互联网数据格式不统一，导致数据割裂和信息孤岛。从顶层设计来看，《2030年前碳达峰行动方案》与《“十四五”数字经济发展规划》，虽都意识到数字化、绿色化融合的重要性，但都限于原则性的要求，具体的衔接机制、实施路径有待进一步明确。《2030年前碳达峰行动方案》并未将数字化作为实现碳达峰的核心支撑体系，《“十四五”数字经济发展规划》也并未将数字经济的发展与碳排放强度挂钩，对低碳数字技术的应用缺乏激励机制。

第二，数据治理面临效能不足的挑战。当前，跨部门碳数据整合存在部门壁垒的挑战。虽然现行法律法规对数据安全的责任边界已有原则性规定，但是对跨部门数据流转的具体责任划分缺乏配套细则和可操作性指南，导致数据安全责任边界不清晰，监管部门因担心担责从而“不愿共享、不敢共享”，数据价值无法得到充分释放，决策支持受限。在行业监管模式下，碳数据分散在环保、发改、能源等不同部门，各部门数据采集口径、计量方法、存储格式不统一，系统接口不兼容，数据整合成本高。此外，碳数据质量精准核算需求与数据质量参差不齐的矛盾凸显。碳数据质量是支撑我国“双碳”战略的根基。实践中，碳数据质量问题已成为影响碳市场公平性、监管部门科学决策及企业可持续发展的关键瓶颈。碳数据质量提升是一项系统工程，全国层面仍需解决中小企业监测能力不足、跨区域数据互认难及长效激励机制缺失等问题。

第三，算法治理存在黑箱风险。算法嵌入行政不是简单的技术应用问题，而是一场深刻的治理革命。在传统环境行政决策中，决策依据、裁量标准、流程环节均具有可追溯性和可解释性，而算法的黑箱属性打破了这一平衡，其运算过程、参数设置、权重分配等均具有不透明性。作为技术变量的算法重塑了环境行政的治理范式，引发新的挑战。实践中，算法黑箱使得环境行政决策结果不可解释，能源调度、碳排预测等核心算法缺乏透明度，引发决策失当风险，影响碳减排效能。例如，部分算法存在重效率轻公平倾向，可能导致区域、行业减碳负担失衡。此外，算法嵌入行政推动技术理性和行政责任的耦合，引发行政责任体系的根本性变革，造成问责主体缺位及公私责任的异化。算法供应链的延长加剧了算法责任在算法开发者、数据提供者、运营管理者等主体之间的责任扩散，极大地增加了问责难度。

优化路径：完善数字化、绿色化融合治理体系

第一，推动数字化、绿色化深度融合。数字化、绿色化融合是一项系统工程，应构建“技术-产业-标准”三位一体的融合体系，为实现“双碳”目标注入持久动力。一是构建数字化、绿色化融合技术体系。数字化、绿色化融合技术体系是有效支撑产业结构、能源结构及消费结构转型升级的关键路径。应当推动以绿色基础设施为底座、以数据协同为纽带、以关键融合技术为核心、以场景应用为导向、以制度保障为支撑的体系建设，破解产业高端化不足、能源清洁化水平有待提升、消费绿色化渗透不深等问题，为“双碳”目标与数字经济高质量发展提供系统性支撑。二是构建数字化、绿色化融合产业体系。数字化、绿色化融合产业体系是实现产业结构高级化、能源利用高效化及消费方式低碳化的新型产业形态，是支撑“双碳”目标与数字经济高质量发展的战略路径。未来，需要立足产业转型需求，培育核心产业业态。根据不同行业的特性、碳排放水平及数字化转型阶段，进行分类施策和重点突破。加强重点行业的统筹布局，针对重点领域开展专项行动。三是构建数字化、绿色化协同标准体系。数字化、绿色化协同标准体系是破解融合发展中技术壁垒、数据孤岛等问题的核心抓手。当前，我国已初步构建数字化、绿色化协同标准体系，覆盖数据采集、技术适配、能效评估等基础领域，但从实践来看，该体系仍处于探索完善阶段，亟须从制度层面强化统筹协调，推动标准体系的系统化、精准化、动态化升级。

第二，建立健全的跨部门协同推进机制。跨部门碳数据的真实性和可靠性是“双碳”目标落地实施、碳市场平稳运行的核心前提。一是明确各部门碳数据监管职责与协同流程。通过联席会议制度及数据共享责任清单，破解“数据壁垒”与“责任真空”。例如，浙江湖州通过搭建市级碳达峰碳中和数字平台，整合经信、发改、生态环境、统计等部门的能耗、产能、排放、项目审批核心数据，实现碳数据“一次采集、多方复用”，为区域碳排放在线监测、减排任务分配提供了精准数据支撑。二是建立碳数据全流程质量管控体系，强化激励约束保障。碳数据质量是“双碳”目标落地与碳市场平稳运行的核心基石。要构建从数据采集、核验到应用全流程碳数据质量体系，筑牢数据真实性防线。在数据采集环节，政府可通过设立专项扶持资金、奖励等方式为中小企业购置碳排放监测设备、建设监测系统提供补贴。同时，构建规范化、市场化的第三方碳数据服务生态体系，鼓励第三方环保服务机构为中小企业提供碳数据监测、核算等专业服务，帮助中小企业建立规范化的碳数据管理体系。在数据核验环节，可以通过引入区块链技术实现碳数据全流程溯源，确保数据从采集到应用的每一个环节都可追溯、不可篡改。通过利用大数据分析技术对跨部门共享的碳数据进行交叉验证和比对，若数据偏差超出合理范围，自动发出预警，由相关部门联合核查。在数据应用环节，应建立健全碳数据质量激励约束机制，激发各方提升数据质量的动力。通过将企业碳数据表现与环保执法频次、评优评先、项目准入等适度挂钩，打通数据价值的反馈通道，确保中小企业的高质量碳数据能切实为其带来好处。

第三，强化算法监管。一是推进算法分级分类监管制度。算法分级分类监管的核心逻辑是风险适配，即根据算法对国家利益、公共利益的潜在影响程度，实施差异化监管，避免“一刀切”对技术创新的抑制，也防止高风险算法失控引发的系统性风险。例如，2024年3月欧盟通过《人工智能法案》（Artificial Intelligence Act），对人工智能的风险等级采取分类监管。第六条明确将关键基础设施列为高风险人工智能系统。在附件Ⅲ中进一步细化了关键基础设施的覆盖范围，包括水利、燃气、电力、交通等直接关系国计民生和公共安全的领域。实践中，能源调度算法涉及国家能源安全，其决策偏差直接影响工业生产和民生保障，应当属于关键基础设施运营类算法。未来，可根据算法决策的风险等级，实施分级分类监管，进一步明确高风险算法的认定标准并细化其应用范围。二是引入算法决策的信息披露制度。算法透明是解决算法黑箱问题最有效的方式。通过对算法信息披露可以缓解公众与算法操控者之间的信息不对称。《人工智能法案》第13条明确高风险人工智能系统的设计和开发应确保其操作具有足够的透明度，使部署者能够解释系统的输出并适当使用它。未来，可基于算法风险等级建立差异化的信息披露制度。针对能源调度、区域减排等高风险算法，应当强制披露算法核心逻辑、决策规则、关键参数、数据来源及影响评估。

作者简介：蒙禹诺 中共中央党校（国家行政学院）国家治理教研部（电子政府研究中心）