今年地球日，我们呼吁采取行动保护我们最稀缺的资源：地球。 为了推动真正的变革，个人、行业、组织和政府必须共同努力，利用数据和技术发现新机遇，帮助推进全球可持续发展计划。
世界在应对气候变化方面落后了。 2024 年有望成为有记录以来最热的一年，数据和人工智能可以应用于许多领域，以帮助加强可持续发展工作。 我们相信每个组织都应该关注三个核心领域：可持续发展战略和报告； 能源转型和气候适应能力； 以及智能资产、设施和基础设施管理。
可持续发展战略、数据和报告
使用数据和人工智能来推动可持续发展战略，同时满足报告要求
在与世界各地的客户交谈时，我们发现可持续发展仍然是他们议程上的优先事项。 首席执行官们表示，可持续发展投资将有助于在未来 5 年内推动更好的业务成果。 然而，一些组织尽管做出了坚定的承诺并采取了相应的行动，但仍难以按照预期的速度取得进展。 IBM 对企业领导者的一项调查显示，他们面临的主要挑战之一是缺乏可靠的数据和见解。
人工智能技术可以更快地将情报转化为洞察力，帮助企业克服这一挑战，使企业能够更快地实现可持续发展目标和财务目标。 使用人工智能，业务团队可以“清理”数据、弥补差距并跨不同框架进行报告。 这将有助于释放竞争洞察力，而这些洞察力对于更快、更一致、更少错误地制定战略决策至关重要。 这种方法可以帮助组织更轻松地制定整个企业的可持续发展战略。 此外，它还使他们能够利用上述数据和见解来加快进度，从而提高绩效并满足监管要求。
在 IBM，我们充当我们自己的一些解决方案的“零客户”。 例如，IBM Global Real Estate 使用我们的技术及时、准确地跟踪、分析和报告可持续发展目标的进展情况。 我们每年从全球收到的 6,500 多份公用事业账单中收集数据，并汇总能源消耗总量、成本和可再生电力采购情况，以节省大量计算时间。 借助这项技术，我们可以按位置、地理位置和公用设施等提取报告并进行筛选，以了解哪里的能源消耗最高，识别任何意外的变化，并找出 IBM 最有机会推动节能的地方。
能源转型和气候适应能力
应用人工智能和物联网加速向可持续能源的过渡
显然需要（链接位于 ibm.com）加速向低碳能源转型并改造基础设施，以建立更具气候适应能力的组织。 我们的方法包括应用人工智能、物联网 (IoT) 以及先进的数据和自动化解决方案来实现这一转变。
例如，连锁超市 Salling Group 平衡其电力消耗与电网中可再生能源的供应。 该平台是与丹麦 Andel Energi 合作创建的，利用物联网传感器、人工智能和云为消费者提供一个能源生态系统，让他们参与实时、智能的电网优化。 该技术有助于使用可再生能源等间歇性能源，并与现有的建筑管理平台连接。 这使得杂货店等大型建筑能够部分暂停其能源使用（例如供暖或制冷），直至达到对其运营不会产生重大影响的阈值。 这种调整基于可再生电力生产提供的电力，并为此灵活性付费。
我们还致力于为组织提供预测气候影响所需的工具，帮助他们提高气候适应能力。 例如，我们正在开发一个地理空间基础模型，可以对其进行微调以跟踪森林砍伐、检测温室气体 (GHG) 或预测农作物产量。 基础模型有助于识别和分析数据、表面趋势（例如人口迁移的地点和原因），并提供有关如何为他们提供可再生能源的见解。 这些模型还有助于估计碳的储存位置、降解需要多长时间等等。 我们还知道，使用人工智能需要大量的能源和数据。 随着人工智能得到更广泛的利用，组织应该考虑其计算工作负载的位置，因为它可能对相关排放产生有意义的影响。 可持续地设计和管理系统至关重要，其中包括在由更多可再生能源供电的地区运行系统，并确保计算工作负载有效地使用这种能源。 根据我们的人工智能道德委员会的说法，将数据中心放置在可再生能源较多的地区可以减少高达 30 倍的排放量。 此外，减少硬件能耗会对随之而来的排放产生直接、有利的影响。 在我们的 IBM Hursley 数据中心，我们利用自己的 AI 技术来节省 4,500 个物理计算系统的电力。
智能资产、设施和基础设施管理
利用人工智能构建高效的实体运营、管理成本并减少环境足迹。
实现联合国2030年目标的关键在于提高资产、设施和基础设施的绩效。 这将有助于通过优化所使用的资源来推进进展。
例如，美国亚特兰大市使用 IBM 数据收集、机器学习和人工智能来监控公共交通隧道通风系统，并预测可能使乘客面临风险的潜在故障。 该市应用该技术来维护 51 处设施，包括消防、警察、公园、公共工程和所有城市拥有的建筑。 因此，亚特兰大现在收到了即将发生的气候事件的预警，这些事件将影响其设施，降低了总体用电量，并延长了许多设施的使用寿命。
我们已经在开发创新技术，以提高这些能力并应对即将到来的挑战，同时跟上新兴法规和不断变化的行业的步伐。 由于人工智能和新的可持续发展法规的兴起，我们看到行业从企业资产管理（EAM）转向资产生命周期管理（ALM）。 ALM 使我们能够延长资产的整体使用寿命，以前所未有的方式提高其效率。 Downer 通过与 IBM Consulting 合作并利用我们的技术来利用来自澳大利亚各地 200 多辆火车的实时数据来探索这一问题。 该分析支持预测性维护，减少故障，并将列车可靠性提高 51%。
展望人工智能的未来
如何在生成式人工智能的帮助下取得更快的进步
在思考可持续发展的未来时，人们会想到生成式人工智能，因为它有潜力发挥重要作用。 生成式人工智能是指深度学习模型，它可以获取原始数据并在出现提示时“学习”生成统计上可能的输出。 利用生成式人工智能推进可持续发展目标可以使企业快速实现可持续发展目标和财务目标。 IBM 研究表明，实施可持续发展（即：将可持续发展实践融入业务）的组织在盈利能力方面优于同行的可能性高出 52%，并且收入增长率高出 16%。 IBM 的其他研究显示，61% 的受访高管表示，生成式人工智能对于他们的可持续发展议程非常重要，并且他们计划增加对生成式人工智能的投资，以实现可持续发展。 与以往一样，如何部署这些技术需要仔细考虑，以确保实现业务和可持续发展效益。
在 IBM，我们正在探索利用数据和人工智能的不同方法，以帮助组织实现业务进步，并将可持续发展融入日常核心业务运营中。 环境问题的解决离不开企业、政府和社会的共同努力，地球日提醒我们大家需要采取行动，取得真正的进步。 每个人都可以在应对当今挑战的过程中发挥作用，IBM 致力于帮助指导组织采取可持续实践，并实施数据驱动技术以产生积极的环境影响。
将挑战转化为解决方案
本文是否有帮助？
是的不
