在鈦媒體2025 ITValue Summit前瞻之AI落地指南系列直播中，鈦媒體集團聯(lián)合創(chuàng)始人、鈦媒體研究院院長萬寧與阿里云智能集團智能工業(yè)與物聯(lián)部總經(jīng)理許咼兢、瀚藍環(huán)境副總裁曾飛對話，圍繞企業(yè)AI如何落地、技術復制等話題展開了討論。

瀚藍環(huán)境深耕垃圾固廢處理行業(yè)已經(jīng)近二十年，是國內(nèi)環(huán)境服務業(yè)十強、固廢處理十大影響力企業(yè)，垃圾焚燒規(guī)模近10萬噸/日，位居A股第一、行業(yè)前三，通過將多年積累的行業(yè)Know-How，加上阿里云提供的在AI方面的能力，打造了智能垃圾焚燒的典型案例。雙方從2019年開始合作，一直秉持著創(chuàng)新的理念，探索如何能夠提升垃圾焚燒過程中的無人化水平、穩(wěn)定度以及減少垃圾焚燒過程中污染物的排放。

在分享中，曾飛表示，垃圾焚燒處理是一個很復雜的系統(tǒng)，一方面要面對焚燒過程中的精準調(diào)控難題：爐內(nèi)的燃燒溫度、空氣配比等參數(shù)需實時匹配垃圾特性變化，既要保證充分燃燒，又要避免過度消耗能源或產(chǎn)生二次污染，對調(diào)控精度要求極高。另一方面，也要面臨系統(tǒng)協(xié)同的挑戰(zhàn)。垃圾預處理、焚燒、煙氣處理、余熱利用等環(huán)節(jié)環(huán)環(huán)相扣，任一環(huán)節(jié)效率不高都會影響整體系統(tǒng)效能，需實現(xiàn)各環(huán)節(jié)的高效協(xié)同。

面對這些痛點，瀚藍環(huán)境多措并舉，一是通過設計優(yōu)化和技術改造來實現(xiàn)設備提效；二是通過提升運營團隊能力和精細化管理來實現(xiàn)運營提升。"尤為重要的，是大力引入人工智能技術，2019年瀚藍聯(lián)合阿里云成功打造焚燒爐排爐技術上的行業(yè)首個垃圾焚燒AI系統(tǒng)，目前已應用在18臺焚燒爐上，通過智能化手段優(yōu)化燃燒調(diào)控，有效提升整體焚燒效率。"曾飛強調(diào)道。

針對工業(yè)領域的AI落地，在許咼兢看來，AI技術想要更好地落地到行業(yè)中，需要集合行業(yè)特定的場景、特定的行業(yè)數(shù)據(jù)，以及企業(yè)需求AI落地后產(chǎn)生的價值來推進。

與此同時，許咼兢還分享了阿里云在如何選擇AI落地場景方面的些許經(jīng)驗，他指出，首先，以制造業(yè)為例，制造業(yè)可以分為"5+2"個環(huán)節(jié)，即研產(chǎn)供銷服+金融和管理。阿里云一直秉持生產(chǎn)制造環(huán)節(jié)是制造業(yè)AI應用能產(chǎn)生最大價值的環(huán)節(jié)，"生產(chǎn)制造環(huán)節(jié)作為一個既難，又有價值的場景，更值得我們深挖。并且，在過去一段時間內(nèi)，用戶需求也很強烈，這就是為什么我們會投入到這些場景里的原因。"許咼兢強調(diào)。

在生產(chǎn)環(huán)節(jié)，阿里云會選擇一些高價值設備，且工藝相對復雜的行業(yè)作為切入。"因為復雜，所以需要AI，如果太簡單，可能數(shù)字化技術就能提升效能了，而AI在這個行業(yè)里面的提升效能可能就沒有那么大了。這是我們在選擇行業(yè)和場景過程中，基本的判斷。"許咼兢進一步指出，此外，還要看技術在場景中的適配性，并且要形成具有可執(zhí)行性的閉環(huán)。

而垃圾焚燒領域就是一個滿足許咼兢所述的垂直場景。在分享中，曾飛也表示，當前，AI技術在垃圾焚燒領域的應用已從局部試點進入規(guī)?；涞仉A段，行業(yè)頭部企業(yè)也都在大規(guī)模探索開發(fā)和應用AI技術。

以瀚藍環(huán)境為例，"焚燒工業(yè)大腦"已在9個項目、18臺爐上部署，實現(xiàn)自動投運率超90%，顯著提升燃燒效率并降低人工操作強度。視頻智能識別、車輛智能管理等場景已覆蓋數(shù)十家子公司，形成"數(shù)據(jù)驅(qū)動+主動干預"的閉環(huán)管理，實現(xiàn)AI應用從單一驗證轉向全流程覆蓋。

與此同時，曾飛還分享了瀚藍環(huán)境在企業(yè)AI業(yè)務升級改造的關鍵路徑，他指出，企業(yè)若想通過AI實現(xiàn)業(yè)務升級，可以聚焦三大核心環(huán)節(jié)：

1.精準感知。利用分布在各環(huán)節(jié)的傳感器與智能視頻分析（如料層狀態(tài)、設備運行、煙氣排放、卸料平臺安全等），實時、全面采集運行數(shù)據(jù)，實現(xiàn)對工藝狀態(tài)和環(huán)境參數(shù)的有效洞察。

2.動態(tài)預測?；诤Ａ繗v史與實時數(shù)據(jù)，利用AI建立燃燒模型、煙氣排放模型、設備管理模型等。它能提前預判燃燒狀況變化、關鍵污染物（如NOx）濃度趨勢、潛在設備異常等，為主動干預提供依據(jù)。

3.協(xié)同控制。AI系統(tǒng)綜合感知與預測結果，通過智能算法自動協(xié)調(diào)風量、給料速度、爐排運動等關鍵參數(shù)，實現(xiàn)燃燒過程的動態(tài)最優(yōu)控制，替代傳統(tǒng)依賴人工經(jīng)驗的操作。

附上本期直播時間軸，幫你快速跳轉感興趣的部分

00:08:56 國內(nèi)垃圾焚燒三個階段

00:23:40 企業(yè)如何完成"場景捕捉"？

00:29:48 瀚藍環(huán)境AI+垃圾焚燒應用分享

00:42:18 阿里云如何幫助客戶梳理場景

00:48:18 瀚藍環(huán)境未來AI應用布局及啟發(fā)

以下為對話實錄，經(jīng)鈦媒體APP整理：

萬寧：如何看待中國在垃圾焚燒、垃圾處理等產(chǎn)業(yè)的發(fā)展？

曾飛：中國垃圾焚燒產(chǎn)業(yè)的國產(chǎn)歷程，大致可分為三個階段：

1.進口技術引進階段：早期國內(nèi)面臨"垃圾圍城"困境時，垃圾焚燒技術主要依賴從歐美、日本等國家引進，比如行業(yè)內(nèi)企業(yè)引進包括日立、卡萬塔、馬丁爐等技術。以瀚藍為例，并購南海環(huán)保電廠時，該電廠原使用美國拋動式焚燒爐，在2008年建設新廠時引進了日本三菱的馬丁技術。

2.本土化適配與國產(chǎn)改造階段：隨著國內(nèi)垃圾焚燒發(fā)電項目增多，企業(yè)開始結合中國垃圾含水率高、成分復雜、熱值低等特點，對引進技術進行本土化改造，并實現(xiàn)國產(chǎn)。新世紀、三峰、光大等企業(yè)紛紛實現(xiàn)了國產(chǎn)設備的突破，瀚藍聯(lián)合三菱匹配中國國內(nèi)垃圾成分特點，開發(fā)出行業(yè)首臺三段式V型焚燒爐，其爐渣熱灼減率、氮氧化物排放等指標優(yōu)于同類型設備。

3.技術升級和海外輸出階段：在消化吸收和本土化基礎上，國內(nèi)企業(yè)開始推進技術創(chuàng)新，利用中國垃圾量大、智能化技術先進的優(yōu)勢，在大型化、智能化等方面加大了創(chuàng)新開發(fā)力度。同時，這個階段，國內(nèi)企業(yè)也將技術升級后焚燒爐技術出口至海外，實現(xiàn)了中國企業(yè)在垃圾焚燒核心技術上從"引進來"到"走出去"的突破。以瀚藍為例，瀚藍聯(lián)合三菱開發(fā)出750噸、900噸的大型焚燒爐，并與阿里云共同研發(fā)了智慧算法焚燒模型，將原來的大工業(yè)時代的裝備+工控，升級為裝備+算法（數(shù)據(jù)）控制模式，創(chuàng)造了智慧控制（無人化）的新未來。2024年，V型爐技術也成功反向輸出至海外。

萬寧：阿里云在"智能工業(yè)"這個業(yè)務板塊的情況，以及在垃圾處理細分領域的技術突破有哪些？

許咼兢：阿里云智能集團是以云計算技術和AI技術為主的這個技術服務的公司。公司服務面向了包括制造業(yè)、交通、政務等在內(nèi)的企業(yè)與機構，為他們提供云計算和AI技術支撐。

這其中，智能工業(yè)板塊是將整體阿里云智能集團通用的AI技術落地到工業(yè)行業(yè)里。從2017年開始，智能工業(yè)板塊就將"工業(yè)大腦"這個品牌輸入到工業(yè)行業(yè)內(nèi)，而垃圾焚燒僅是輸出的眾多工業(yè)行業(yè)中的一個。當時還涉及了鋼鐵、水泥，還有包括汽車、半導體、光伏等產(chǎn)業(yè)，在這些行業(yè)中，阿里云通過大量的AI技術和數(shù)據(jù)技術幫助企業(yè)實現(xiàn)降本增效。

在阿里云看來，AI技術想要更好地落地到行業(yè)中，需要集合行業(yè)特定的場景、特定的行業(yè)數(shù)據(jù)，以及企業(yè)需求AI落地后產(chǎn)生的價值來推進。

具體到垃圾焚燒來說，從2019年開始，阿里云就與瀚藍環(huán)境展開合作。那個時候垃圾還是"多到燒不完"，而發(fā)展到今天，垃圾行業(yè)開始"不夠燒"的情況。2019年開始合作的時候，雙方還是秉持著創(chuàng)新的理念，探索如何能夠提升垃圾焚燒過程中的無人化水平以及穩(wěn)定度。此外，還能減少垃圾焚燒過程中污染物的排放。

關于為什么國外不需要AI技術，而國內(nèi)需要通過AI技術的問題？第一，因為國內(nèi)生活垃圾的豐富度與國外不同；第二，垃圾焚燒過程與火力發(fā)電過程不同，相對來說垃圾焚燒熱值不穩(wěn)定，這導致了原有的ACC的控制技術在國內(nèi)垃圾焚燒領域并不可用。

這兩方面促成了阿里云與瀚藍環(huán)境的合作。合作之初雙方有三個共同目標。第一，實現(xiàn)焚燒爐控制的自動化運行；第二，在提升自動化水平的同時，提升整體運行的穩(wěn)定度，并且控制頻率和清晰度等方面都要提升；第三，在前兩條的基礎上，提升垃圾焚燒產(chǎn)生的蒸汽量和發(fā)電量，達到更好的經(jīng)濟效益。

所以阿里云就委派了有熱工+控制+AI技術融合背景的工作人員到現(xiàn)場駐場了幾個月，學習如何燒垃圾，并很快推出了第一版成果。第一版中，我們使用了AI技術，進行了推優(yōu)算法，產(chǎn)生了建議參數(shù)，并通過現(xiàn)場人工，進行控制調(diào)節(jié)。但因為當AI技術落地到產(chǎn)線時，人對AI技術相信程度的差異，導致了第一版的效果并不是很好。具體來看，如果員工不愿意（通過AI給出的反饋）進行參數(shù)調(diào)節(jié)的話，得到的反饋，以及后續(xù)學習的數(shù)據(jù)不足，迭代效果就不好。

后來經(jīng)過多輪離線驗證，以及結合瀚藍環(huán)境給出的建議，我們將自動化反控放在了產(chǎn)線上，在測試基礎上，達到了98%以上投用率，同時發(fā)電量也得到了提升。

萬寧：追問一下，兩個問題：一，在確定AI應用場景過程中，如何實現(xiàn)"場景捕捉"？二，在捕捉環(huán)節(jié)，阿里云智能集團內(nèi)部是如何進行場景決策的？

許咼兢：我們這些也總結出了一些經(jīng)驗，第一點是，制造業(yè)一共有五個環(huán)節(jié)——研產(chǎn)供銷服，最多再加上金融和管理環(huán)節(jié)。這是制造業(yè)所面臨的"5+2"環(huán)節(jié)。我們團隊一直秉持了一個理念——生產(chǎn)制造環(huán)節(jié)產(chǎn)生的價值是最大的（當然研發(fā)環(huán)節(jié)也很重要，但研發(fā)環(huán)節(jié)涉及的各個垂直領域的情況比較多）。所以一開始我們針對不同行業(yè)在研產(chǎn)供銷服，再加上金融、管理一共7大領域到底有哪些有價值的場景。而這方面光看報道、宣傳是沒用的，需要"躬身入局"到行業(yè)中，與行業(yè)用戶一起深度共創(chuàng)，才能找到有價值的場景。

對于我們團隊而言，更重要的使命是集中在偏生產(chǎn)環(huán)節(jié)進行AI落地。因為營銷和服務環(huán)節(jié)，相對而言比較通用，市面上也有很多相關成熟的數(shù)字化產(chǎn)品。而生產(chǎn)制造環(huán)節(jié)作為一個既難又有價值的場景，更值得我們深挖。并且，在過去一段時間內(nèi)，用戶需求也很強烈，這就是為什么我們會投入到這些場景里的原因。

具體到行業(yè)選擇來說，我們會選擇一些高價值設備，且工藝相對復雜的行業(yè)作為切入。因為復雜，所以需要AI，如果太簡單，可能數(shù)字化技術就能提升效能了，而AI在這個行業(yè)里面的提升效能可能就沒有那么大了。這是我們在選擇行業(yè)和場景過程中，基本的判斷。

第二個，要看技術在場景中的適配性。作為技術人員一定要有對場景與技術匹配度的認知，然后選取合適的技術去解決這個場景下的問題，并評估解決問題的價值是否足夠大到需要花費精力去解決。

第三個，要形成閉環(huán)，要在環(huán)路能具有可執(zhí)行性?？蓤?zhí)行性就是我們開發(fā)的程序要與IT系統(tǒng)、硬件設備有直接能夠"打交道"的能力。

基于此，我們有兩個重要的核心能力，一個是物聯(lián)網(wǎng)的能力，另外一個是，圍繞原有工控領域，有深刻的認知，能控制原有的、復雜的設備。

萬寧：與阿里云合作，共同推進垃圾焚燒行業(yè)形成一個新的、安全的、環(huán)保的完整閉環(huán)的過程中，瀚藍環(huán)境有何經(jīng)驗可以分享？

曾飛：首先，瀚藍環(huán)境一直在創(chuàng)新和新技術探索領域秉持著積極的態(tài)度。在2008年構建焚燒爐之初，我們就把信息化作為設計、建設過程中一個重要的考量因素。當時在焚燒爐里面，就布設了上千個傳感器，雖然當時還沒有很好的應用場景，但這可以看作是瀚藍環(huán)境在信息化方面超前的布局。也正是這種布局，提前進行了數(shù)據(jù)采集，并積累了多年的數(shù)據(jù)，形成了歷史數(shù)據(jù)庫，才奠定了瀚藍環(huán)境與阿里云合作的基礎。

在將AI技術引入到垃圾焚燒領域之初，我們其實并沒有很清晰的方向。而當時業(yè)內(nèi)對于我們這類有一定信息化、自動化基礎的企業(yè)，能否發(fā)掘AI價值，還存在爭議，且當時在垃圾焚燒領域的智能焚燒方面也并沒有成功的應用案例。

所以瀚藍環(huán)境在與阿里云交流過程中，只能基于一個理念：我們認為AI一定能在這個領域大有可為，是基于這樣"模糊正確"的理念啟動項目的。

項目啟動之初，我們也基于如何尋找應用場景？如何能夠讓AI在垃圾焚燒領域發(fā)揮價值？等問題進行了深入討論，當時阿里云拋出了"垃圾焚燒行業(yè)最大的痛點是什么？"的問題。進行反向思考。我們就找到了對于垃圾焚燒行業(yè)而言，非常重要的一個影響因素——垃圾場的復雜性和不穩(wěn)定性。

垃圾焚燒處理是一個很復雜的系統(tǒng)，一方面，面臨著整個焚燒過程的精準調(diào)控，要對爐內(nèi)焚燒溫度、空氣配比等參數(shù)，進行實時匹配，以應對垃圾成分的變化；另一方面，又同時面臨著系統(tǒng)協(xié)同的挑戰(zhàn)，比如垃圾預處理、焚燒、煙氣處理等環(huán)節(jié)，環(huán)環(huán)相扣，任何一個環(huán)節(jié)效率不足，都會影響整體效能。需實現(xiàn)各環(huán)節(jié)的高效協(xié)同。但關鍵是，垃圾的特性是復雜、多變的，垃圾成分受來源、天氣、時間段等多方面因素的影響，含水率、熱值等波動大，會直接影響焚燒爐內(nèi)的干燥、燃燒過程，難以維持穩(wěn)定的燃燒狀態(tài)，這就反過來對于需要精準調(diào)控和系統(tǒng)協(xié)同的焚燒運營產(chǎn)生了巨大的挑戰(zhàn)。

因此，基于由于垃圾成分的不穩(wěn)定性和復雜性，要想實現(xiàn)垃圾的充分穩(wěn)定燃燒，僅靠自動控制是難以滿足不同垃圾成分下的焚燒穩(wěn)定性需求的，就需要運營人員不斷結合實際情況進行運行調(diào)整，這就需要運營人員得有豐富的運行經(jīng)驗和專業(yè)的判斷能力。但是，我們也知道，一個專業(yè)老師傅的培養(yǎng)是很不容易，需要大量的實踐且培養(yǎng)周期較為漫長。所以，怎么實現(xiàn)老師傅能力的快速轉化是一個很大的難題。

針對這些難點，瀚藍多措并舉，一是通過設計優(yōu)化和技術改造來實現(xiàn)設備提效；二是通過運營團隊能力提升和管理精細化來實現(xiàn)運營提升。尤為重要的，就是大力引入人工智能技術，2019年我們聯(lián)合阿里云成功打造焚燒爐排爐技術上的行業(yè)首個垃圾焚燒AI系統(tǒng)，目前已應用在18臺焚燒爐上，通過智能化手段優(yōu)化燃燒調(diào)控，有效提升整體焚燒效率。

萬寧：在與瀚藍環(huán)境這樣的行業(yè)企業(yè)合作的過程中，除了技術適配性之外，阿里云的團隊又是如何將模型架構能力等技術能力更好地融合到場景中，幫助行業(yè)企業(yè)實現(xiàn)更大的價值的？

許咼兢：從阿里云的角度出發(fā)，某個行業(yè)實現(xiàn)真正的數(shù)字化和智能化變革，除了需要像阿里云這樣的IT服務商、AI服務商之外，最重要的還是需要行業(yè)用戶對自身數(shù)字化、智能化的認知，不斷地轉變和升級。這樣才能給行業(yè)帶來機會。在與很多用戶交流中，我們發(fā)現(xiàn)，對于絕大多數(shù)場景，用戶對于數(shù)字化、智能化能給他帶來哪些價值的認知，在一開始是比阿里云團隊要高的。

此外，如何能夠?qū)⒓夹g，不斷規(guī)?；卣沟讲煌袠I(yè)中，這取決于我們對技術本身的抽象能力。比如在垃圾焚燒行業(yè)，我們抽象的是AI融合控制的能力；在鋰電池、半導體等行業(yè)，他們對質(zhì)量控制，以及良品率的訴求很強，（在服務這些客戶過程中）我們又沉淀了基于時序模型預測，以及異常診斷的能力。

綜合來看，將不同行業(yè)、不同場景中有價值的需求，沉淀到技術通用性與技術一致性上，就需要我們的業(yè)務專家、技術專家不斷提煉。更重要的一點是，需要他們與客戶一起梳理場景，探討什么樣的技術能解決他們的問題。

這個過程中，我們從客戶身上學到的東西，遠比我們"閉門造車"自己分析和討論得到的多。比如，有些客戶對質(zhì)量爬坡要求比較高；有些客戶對能耗節(jié)約要求比較高；有些客戶對全鏈路數(shù)字化、智能化需求比較高.....正是這些客戶幫助我們梳理出在制造業(yè)里面各類場景，然后再通過數(shù)字化、智能化的技術進行提升，尤其是圍繞一些重點能做的場景，進行深入地改造。

這也讓我們認識到了：阿里云雖然在AI技術上不斷更新迭代和進步，但在真正將AI落地到行業(yè)中，也不是什么都能做，還需要很多合作伙伴與我們一起，推進AI落地。但同時，阿里云也證明了AI技術能在某個領域落地，產(chǎn)生價值，然后引領行業(yè)的合作伙伴，一同落地AI的場景，推動AI在行業(yè)的發(fā)展。

萬寧：目前，瀚藍環(huán)境以及在AI應用上取得了一些成績。接下來，在AI落地到垃圾處理領域，瀚藍環(huán)境有哪些預期和新的布局？

曾飛：前期，通過與阿里云的合作，我們驗證了AI在垃圾焚燒領域大有可為。在驗證之后，我們要將AI應用從試點，推進到規(guī)?；涞仉A段。

近期瀚藍也成立了人工智能聯(lián)合研究院，率先打造國內(nèi)首個專注生態(tài)環(huán)境治理領域的"行業(yè)超腦"與"企業(yè)超腦"，以行業(yè)領先的人工智能技術賦能生態(tài)環(huán)境治理，為推動我國環(huán)保產(chǎn)業(yè)實現(xiàn)數(shù)智融合轉型樹立全新標桿，并與瑞泊科技等領軍企業(yè)一起共建"人工智能助力綠色發(fā)展生態(tài)圈"，未來將合力開展高質(zhì)量人工智能科研實踐，構建環(huán)保行業(yè)超腦集群核心引擎，打造普惠化通用技術平臺與開放生態(tài)，引領智能環(huán)保新格局。

萬寧：在AI從單點向著規(guī)?；D變的過程中，AI在企業(yè)內(nèi)部應用需要有賴于一個豐富的生態(tài)支持，在此過程中，阿里云是如何考慮的？雙方在AI應用合作的過程中，還有哪些新的挑戰(zhàn)？

許咼兢：正如我前面說的：當前，AI在行業(yè)中落地的過程中，并不是需要像阿里云這樣的公司，一家公司就全部做完的。我們也有很多合作伙伴，使用了阿里云開源的模型產(chǎn)品，以及一些基礎設施，在AI落地方面做了很多工作。并且，以垃圾焚燒行業(yè)為例，阿里云也一些行業(yè)垂類軟件伙伴合作，一起服務客戶。

此外，在AI做了點狀突破之后，當用戶有了更多的需求的時候，我們一定要與生態(tài)伙伴一起服務客戶。所有不成功的數(shù)字化案例，最終不成功的原因，很多時候都是因為只看到了碎片化的供給，并沒有一個完整的數(shù)字化、智能化轉型的方案。如果有更多的伙伴加入其中，我們相信客戶才能持續(xù)的成功，達到想要的目標。

同時，以垃圾焚燒為例，我們自己也沒有止步于垃圾焚燒自動控制這個點。我們也與瀚藍有著深入的合作，尤其是在大模型問世之后。比如，垃圾投運助手。通過助手可以幫助操作員，更好地理解操作過程中，含氧量波動、溫度波動等方面的數(shù)據(jù)，減少切換自動控制系統(tǒng)的概率，提升投運率，更好地完成垃圾投運。同時，也讓操作員更好地理解過程中實際需求的業(yè)務知識?？s小新手操作員與老師傅之間的差距，不斷提升操作員的能力。

除此之外，除了大語言模型應用以外，我們還使用了時序模型、視覺模型等模型，在垃圾焚燒行業(yè)也已經(jīng)有一些落地的應用場景。以智能控制鏈路來看，我們圍繞感知、預測、控制三個角度。在控制邏輯上，我們將焦點放在了垃圾上。通過視覺多模態(tài)大模型，進行垃圾成分和屬性識別。之前做的之所以做得不少，是因為缺乏一些專業(yè)的、描述性的標注。完成這些標注之后，我們也提升了垃圾成分、屬性識別的效果。僅做視覺半定量識別還不夠，我們還基于瀚藍環(huán)境已經(jīng)做的數(shù)字化改造的智能垃圾庫，采用了垃圾吊運行數(shù)據(jù)、推標器和爐排的運營數(shù)據(jù)，還有爐溫變化的數(shù)據(jù)，然后利用多模態(tài)視覺大模型的半定量結果，就能做到垃圾熱子更高準確率的預測。

這就是我們圍繞原本焚燒過程智能化為核心，進行拓展后得到的提升。而阿里云也不會滿足當前的成果，會在原有成果的基礎上，不斷更新迭代自己的技術，拓展能力，同時也和更多合作伙伴一起，服務好我們的客戶。

萬寧：如何將高質(zhì)量行業(yè)專有數(shù)據(jù)與AI技術結合，并充分發(fā)揮阿里云與瀚藍環(huán)境各自的優(yōu)勢？

曾飛：從兩個方面回答這個問題。

第一個是，如何將應用場景（需求方）與阿里云（技術供應方）形成良好的互動？

以"焚燒大腦"項目來看，整個焚燒大腦算法模型的建立過程就是，將瀚藍環(huán)境這種運營企業(yè)，對于運營規(guī)律、設備邏輯的理解進行轉化，將復雜的工況變化、設備狀態(tài)等變量，轉化成一個更為精準的模型/策略。基于人總結出的規(guī)律和邏輯，進而通過算法模型實現(xiàn)能夠代替老師傅經(jīng)驗的能力。這是AI算法模型實現(xiàn)的一個價值。

反過來看，AI算法模型的一大價值在于，其還能夠利用大數(shù)據(jù)去推演總結出我們受限于應用實踐難以提煉的規(guī)律和邏輯，從而讓我們的焚燒過程更加穩(wěn)定和有效。那么，對于這些新的規(guī)律和邏輯的價值挖掘，我覺得還可以再進一步提升，即如何將之反過來作用于我們的設備技改優(yōu)化和運營調(diào)整，如何將之復盤尋找我們的專業(yè)和管理認知，提升運營的方法論，最終實現(xiàn)算法和實踐的相互促進相互提升，推動系統(tǒng)的全面提升，這是我覺得可以進一步提升場景上限的地方。

第二，如何通過生態(tài)解決模型"幻覺"問題。這也是我們成立人工智能研究院的一個目的。首先，通過阿里云構建的通義千問大模型底座，進而在具體到環(huán)保行業(yè)和企業(yè)，我們需要將這些沉淀的知識進行轉化。這方面，瀚藍環(huán)境在研究院基礎下，聯(lián)合了具有自研高等級大模型能力的企業(yè)，共創(chuàng)行業(yè)級大模型，并在行業(yè)大模型基礎上，創(chuàng)建企業(yè)級大模型。

除此之外，第三個是，在生態(tài)層面，瀚藍環(huán)境還聯(lián)合了像京東、浪潮等企業(yè)，打造應用生態(tài)，形成了基于阿里云大模型底層，開發(fā)行業(yè)操勞和企業(yè)操勞，并實現(xiàn)更有價值的知識的沉淀，并在此基礎上，聯(lián)合生態(tài)進行共創(chuàng)，打造整體的數(shù)據(jù)中臺能力。

萬寧：企業(yè)如何制定AI戰(zhàn)略？瀚藍環(huán)境在這個過程中遇見了哪些挑戰(zhàn)？

曾飛：不管是信息化，還是AI，在模糊正確的情況下，如何形成上下共識，并推動整個制定戰(zhàn)略，是一個很實際的問題。

初期階段是很難形成一個非常系統(tǒng)，達成共識的戰(zhàn)略方案的，在探索階段，是會存在企業(yè)內(nèi)部有不同的見解的。因為企業(yè)都在追求ROI（投入產(chǎn)出比），但信息化、AI的投入，在初期階段，很難具備確定性，不確定能否帶來價值，能否成功。在這種情況下，企業(yè)很容易對投入持有猶豫不決的態(tài)度。

針對此，瀚藍環(huán)境有一些經(jīng)驗，一開始不要追求宏大的、系統(tǒng)性的方式策略，而是先找到一個小的應用場景，作為切入點，驗證新技術的可行性。這個技術能否帶來價值，能否解決業(yè)務的問題。通過小場景的成功，證明新的技術能夠解決業(yè)務難題，進而不斷達到共識，并大面積推廣。

以與阿里云在焚燒大模型方面的合作為例，如何一開始我們就與阿里云構建AI整體的五年/十年發(fā)展戰(zhàn)略，確實很難清晰，而且員工的意識很難達到統(tǒng)一。所以我們先找切入點，先解決一個痛點，驗證AI技術在這個領域可以成功，并具有廣闊的推廣空間，進而凝聚團隊共識，加大在AI技術方面的資源和投入。

整體來看，瀚藍環(huán)境從2018、2019年前后，到2025年，花費6、7年的時間，從小切入點實現(xiàn)點的探索，進而實現(xiàn)面的推廣，再到未來我們有更宏大的遠景的規(guī)劃。

萬寧：阿里云與其他行業(yè)企業(yè)合作的過程中，是否也是與瀚藍環(huán)境這樣，從小場景切入，再推廣，在這個過程中，是否存在更為復雜的企業(yè)，以及在挑選場景和場景驗證過程中，還面對了哪些挑戰(zhàn)？

許咼兢：小場景方面，在瀚藍環(huán)境而言，可能一個廠、一個爐子是一個小場景，但如果放在整個行業(yè)，以及放在所有需要做AI+控制的場景中，將這個場景的AI應用復制出去，就不是一個小生意了。所以，其實小場景放在更大行業(yè)范圍內(nèi)，并不小。

此外，阿里云還是一個產(chǎn)品公司，產(chǎn)品公司不能什么都做，產(chǎn)品做好之后，要具備核心競爭力，并不斷演進，同時還要找到合適的市場，并不斷復制產(chǎn)品的能力。

阿里云在做垃圾焚燒之前，就已經(jīng)在鋼鐵、水泥，還有一些高能耗工藝空調(diào)控制等方面有了很多積累。這些積累能讓我們在與瀚藍環(huán)境在垃圾焚燒領域的合作，取得了更好的進展。阿里云復制AI的套數(shù)很多，所以小場景放在整個行業(yè)，甚至跨行業(yè)里面，仍然是一個很大的市場。并且，我們能夠?qū)I技術跟控制融合，形成一個非常好的產(chǎn)品，能讓行業(yè)內(nèi)更多客戶享受到技術紅利。

同時，阿里云也有很多其他產(chǎn)品，能夠覆蓋這些場景和環(huán)節(jié)。在這個過程中，我們還可以將更多阿里云的技術，以及合作伙伴的技術和產(chǎn)品帶進去，實現(xiàn)更廣的覆蓋。而阿里云也歡迎更多的伙伴，用基礎的技術，持續(xù)服務行業(yè)，并在此過程中互相學習和提高。

萬寧：現(xiàn)在，國內(nèi)垃圾焚燒技術其實已經(jīng)非常先進了，這也是中國企業(yè)"出海"的優(yōu)勢。包括瀚藍環(huán)境在內(nèi)，很多國內(nèi)龍頭企業(yè)已經(jīng)去海外布局，國外的垃圾焚燒情況和國內(nèi)有什么不同？

曾飛：海外市場機遇很大，挑戰(zhàn)也很大。首先是市場需求的差異，海外市場有著廣闊的市場機遇：國內(nèi)生活垃圾焚燒行業(yè)已逐步由"規(guī)模擴張"向"技術升級、運營為王"轉變；垃圾焚燒發(fā)電市場逐步向中西部縣域下沉。而海外仍然有著巨大的市場需求，尤其是在發(fā)展中國家如中亞、東南亞、西非等，焚燒行業(yè)正在起步。在這些地方有著巨大的機遇。

挑戰(zhàn)方面，首先是政策支持差異：不同于國內(nèi)有詳盡的政策支持及審批程序，海外不同國家和地區(qū)政策支持差異較大。歐美國家具有較為完善的政策支持及市場化競爭機制；而一些發(fā)展中國家如東南亞、中亞國家，垃圾焚燒發(fā)電起步較晚，尚未形成體系完善的支持性政策，或是雖有部分垃圾焚燒發(fā)電產(chǎn)業(yè)政策，但缺乏統(tǒng)一的補貼機制等。

第二是技術標準差異：海外市場的標準體系大多以歐美國家的標準為基礎，這與中國現(xiàn)行的國家標準存在差異。這意味著企業(yè)要在技術層面達到或超越國際標準，在一定程度上增加了技術適配性難度。

第三也存在垃圾成分與熱值差異：由于國內(nèi)外生活方式不同，導致垃圾在成分與熱值方面也會存在不同，需要結合當?shù)乩闆r，對焚燒設備的針對性優(yōu)化和改進（比如熱值高帶來的超溫應對措施等）。

同時，中國企業(yè)出海，還面臨地緣政治、政策風險、法律風險、風土人情、ESG等方面因素的影響，需要做更多的補充和調(diào)整，以滿足國際市場的準入要求。

萬寧：在幫助中國企業(yè)全球化方面，阿里云有哪些考慮和布局？

許咼兢：其實在很多場景里面，阿里云已經(jīng)在用數(shù)字化技術和云技術幫助客戶出海。但在AI方面，尤其是國內(nèi)制造業(yè)領域而言，更多的是客戶帶著我們出海。比如垃圾焚燒、水泥這些行業(yè)，實際上已經(jīng)是跟著客戶一起出去，就是客戶出海，然后將使用的我們的智能化技術和數(shù)字化技術帶出去。

當然，國外也有國外的挑戰(zhàn)，特別是在"一帶一路"國家海外業(yè)務布局和復制場景里，其實國外在工業(yè)領域?qū)o人化的訴求更高。因為語言、政治上的一些問題，其實我們更傾向于工廠自動運行和自動控制方面，能夠盡量實現(xiàn)無人化和少人化，進而提升工廠運轉的穩(wěn)定性。這些看起來是挑戰(zhàn)，但對于技術團隊而言，也是一個大機會。

如何能夠提升無人化水平和穩(wěn)定性，并讓我們的客戶出海的過程中更加方便，與本地特征的適配性更高。

在此過程中，我們還是首先要將如何服務好這些國內(nèi)出海的工業(yè)客戶，對于阿里云來說都是機會。同時，還要將海外落地中國的客戶服務好，將這兩類客戶服務好，然后我們才會服務國外客戶在國外的一些工廠。

當前有很多機會，如果我們還沒真正抓住、沒有服務好（這些國內(nèi)的客戶），也不能妄談服務海外客戶，這些海外客戶在場景、語言、文化等方面的不同，以及對數(shù)字化、AI技術的認知的不同，都是我們可能遇到的阻礙。

萬寧：2025年數(shù)字價值峰會即將開幕，在本屆大會上，如果來參加的話，希望討論哪些話題？

曾飛：站在瀚藍環(huán)境而言，我們希望看到更多不同領域的AI應用。瀚藍環(huán)境在垃圾焚燒領域走的比較靠前，但在其他很多領域，AI應用已經(jīng)到了一個新高度。我們基于現(xiàn)在視覺應用、數(shù)據(jù)模型等方面行業(yè)應用的基礎上，可能還有一定的局限性。所以，我們希望看到更多前瞻性的視野，以及更多AI領域的應用路徑。

許咼兢：首先，我也很想看到各行業(yè)AI落地，包括數(shù)字化成果的展示，也能讓我們學習，并通過這些學習獲得很多啟發(fā)。

其次，我希望需求方的企業(yè)能夠?qū)⒆约旱膱鼍爸v出來，痛點是什么也講出來，然后將這些痛點背后帶來的價值，也可以進行分享。讓做產(chǎn)品技術的團隊未來能更好地規(guī)劃有客戶價值落地，有共性的產(chǎn)品和技術，更好地服務客戶。

當然，我也很希望他們能講一講產(chǎn)品技術在落地到場景的過程中，遇見了哪些困難，包括數(shù)據(jù)隱私的顧慮、計算資源采買、成本等方面的，具體的顧慮是什么。然后阿里云才能一一用技術手段去解決他們的顧慮。