市場監管總局：保健食品抽檢不合格率連續5年低於0.6%
2025-10-23 06:54 3,291次浏览今年是「綠水青山就是金山銀山」理念提出20周年，也是「雙碳」目標提出5周年。自2021年中國碳市場啟動以來，已助力推動全球碳定價覆蓋率提高了約4%。 —————————— 中國碳市場的啟動正助力推動全球碳定價覆蓋率的提高。「全球現在已經有80個碳定價機制，包括37個碳排放交易體系和43項碳稅，覆蓋全球28%的碳排放量。」在近日舉行的北京綠色交易所2025年參與人大會上，國家應對氣候變化戰略研究和國際合作中心原副主任馬愛民說，在我國正式啟動碳市場之前，這個數字大約是24%。 4年前，全國碳排放權交易市場即強制碳市場以發電行業為突破口，於2021年7月正式啟動上線交易。今年3月，寫入2025年政府工作報告的「擴大全國碳排放權交易市場行業覆蓋範圍」逐步落地，強制碳市場首次正式納入水泥、鋼鐵和鋁業三大行業，擴圍後預計新增1500家重點排放單位，覆蓋全國二氧化碳排放總量佔比將達60%以上。2024年1月，全國溫室氣體自願減排交易市場即自願碳市場啟動，今年3月，首批核證自願減排量(CCER)正式籤發並啟動交易。 業內人士認為，這標誌著全球規模最大的碳市場由強制碳市場和自願碳市場形成「雙輪驅動」。 「自願碳市場與強制碳市場不同，強制碳市場實行國家配額，自願碳市場建立在企業自主自願的基礎之上。」在國家金融監督管理總局原一級巡視員葉燕斐看來，自願碳市場未來潛力巨大的原因就在於自願碳市場是跨境的市場。 他在上述參與人大會上舉例說，中國是全球的製造中心，也是全球綠色技術中心，不進入強制碳市場的企業如果要自願減排肯定要通過自願碳市場，如購買碳匯(碳匯是通過植樹造林、植被恢復等措施，吸收大氣中的二氧化碳，從而減少溫室氣體在大氣中濃度的過程、活動或機制——記者注)等抵消碳排放，「所以這個市場一定是跨境的、是全球大市場，這裡面潛力巨大。」 葉燕斐注意到，如今有很多跨國公司承諾2030年前實現碳中和，我國也有越來越多的500強企業在全球開展業務，這些企業在碳減排方面會有更多需求。「在購買碳匯的消費品企業、能源企業、金融機構中，汽車行業企業可能是最有潛力(促進自願碳市場發展)的。」 但有需求只是自願碳市場發展的第一步。在葉燕斐看來，有了碳排放需求，更重要的是如何增加碳匯的供應，「這可能要考慮碳減排的額外性，比如項目要聚焦商業可行性、技術影響，還有對生物多樣性的影響。」葉燕斐說。 有專家測算，到2060年時，無論是發電端還是能源消費端都會有相當數量的碳排放存在，需要通過二氧化碳捕集利用與封存(CCUS)技術予以中和的二氧化碳大約在18億噸。 實際上，越來越多的金融資源正流向綠色項目。除煤電、煤化工等高碳排放領域的CCUS項目外，還有漁光一體項目。「水上光伏發電，支持整個魚塘用電。」中國銀行金融市場部高級交易員洪浩在上述大會圓桌討論環節中談到，在漁光一體項目中，金融機構可以將用地權、取水權、排汙權等環境權益納入銀行授信認可範圍，有效拓寬融資渠道，在林業碳匯項目中，CCER未來的收益權也可以用來質押，以開展綠色融資。 央行近日發布的2025年二季度金融機構貸款投向統計報告顯示，2025年二季度末，本外幣綠色貸款餘額42.39萬億元，比年初增長14.4%，上半年增加5.35萬億元。分用途看，基礎設施綠色升級貸款、能源綠色低碳轉型貸款、生態保護修復和利用貸款餘額分別為18.75萬億元、8.25萬億元和4.95萬億元，上半年分別增加2.11萬億元、5889億元和5622億元。 聯合赤道環境評價股份有限公司副總裁、綠色金融事業部總經理劉景允也注意到，如今綠色金融的「面」不斷擴大，比如今年7月新印發的《綠色金融支持項目目錄(2025年版)》在內容上包含271個三級分類，「不僅是綠色項目的類別在增加，範圍在擴大，綠色金融的內涵也在延伸。」這名從事十年綠色金融產品信用評估的高級工程師在上述大會上表示，過去，更多的純綠項目能夠獲得綠色信貸、綠色債券等資金支持，如今，純綠項目和需要改造的傳統項目均可以通過綠色金融獲得支持。 今年也是「綠水青山就是金山銀山」理念提出20周年，是「雙碳」目標提出5周年。 北京綠色交易所董事長王乃祥在大會上介紹，截至7月28日，全國自願碳市場累計成交量接近240萬噸，累計成交金額超過2億元。今年2月，國家發展改革委正式復函同意以北京綠色交易所為主體，設立國家綠色技術交易中心。目前，該所官網已上線國家綠色技術交易中心綠色技術推廣目錄專區，對納入國家發展改革委等八部委《綠色技術推廣目錄》、北京市歷年《綠色低碳先進技術推薦目錄》以及各類市場渠道搜集到的綠色技術進行宣傳推介，加速綠色技術轉化落地。 中青報·中青網記者 朱彩雲來源：中國青年報
前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
嗨球直播
「活动」首次登录送新手大礼包
- 软件大小: 785.27MB
- 最后更新: 2025-10-23 06:54
- 最新版本: v16.16.15.10
- 文件格式: apk
- 应用分类:ios-Android 成人直播app推荐免费
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.54以上
客服热线：135-1835-2836
93142
27
69712
28936
41
2025-10-23 06:54
84671
25
2025-10-23 06:54
41596
14
2025-10-23 06:54
45278
41
2025-10-23 06:54
92861
19
2025-10-23 06:54
76941
92
2025-10-23 06:54
86971
75
2025-10-23 06:54
24158
62
2025-10-23 06:54
41736
39
2025-10-23 06:54
98531
74365
87
86
47
26859
45913
69
75
86192
47159