随着全球气候变化和环境问题日益严峻，绿色金融作为一种支持可持续发展的创新金融模式，正逐渐引起世界各国的重视。
近日，在2023 全球可持续发展论坛上，香港中文大学（深圳）经管学院执行院长张博辉在接受 21 世纪经济报道记者采访时指出，目前我国绿色金融市场的发展在全球处于领先地位，如我国的绿色信贷领域世界排名第一，绿色债券领域世界排名第二。
(资料图)
“不久前，我们针对绿色债券市场制作了一份统计数据，发现从2017年至今，我国发行了2300份左右绿色债券，呈现出良好的发展趋势。就整体而言，我国绿色金融领域的规模排在全球前两位，并保持着较快的增长速度，但同时也存在一定的差异化趋势。这种差异化趋势主要体现在，发行绿色债券或向银行寻求绿色信贷帮助的更多是国企或是大型公司。”张博辉说道。
绿色金融业务仍待完善
自从中国在2020年第75届联合国大会上宣布到2030年达到碳峰值和到2060年实现碳中和的目标以来，“双碳”目标成为全国热议的话题。
今年 6 月，时任中国人民银行行长易纲在公开场合表示：“绿色金融将在平稳实现30/60目标过程中发挥重要作用”。
目前我国市场已经形成了以绿色贷款和绿色债券为主，多种绿色金融工具蓬勃发展的多层次绿色金融市场体系。截至2023年一季度末，我国本外币绿色贷款余额超过25万亿元人民币，绿色债券余额超过1.5万亿元人民币，均居全球前列。
张博辉认为，相较于传统信贷融资而言，绿色信贷以及绿色债券的融资成本较低，大致存在2%-3%的差异，主要原因包括政策倾斜，市场端愿意提供更低利率贷款，以及供应链层面，企业客户与供应商更加愿意维持或增进合作关系等。
在其看来，绿色债券、绿色信贷等，能够助力企业未来现金流的快速增长，降低企业整体经营业务中存在的不可持续性和不稳定性，保证企业更加稳健的发展，“例如进行矿业开采的项目时，如果当地的政策支持发行绿色债券、使用绿色信贷，那么就能够规避在当地经营的经营风险。”
不过，张博辉也指出，发行绿色债券或向银行寻求绿色信贷帮助的更多是政府或是大型公司，“我希望未来的5-10年会有更多的小型企业和公司，能够享受到绿色信贷乃至绿色债券在融资成本上的优势。”
除此之外，张博辉还指出，目前国内已发行的绿色信贷、绿色债券，主要侧重于保护水资源、林区、牧区、草场等，更偏向于对植物的保护，对于生物多样性的保护并不足。
“目前的融资模式更多的是提供政策方面的扶持，例如给一些补贴，以及企业能够通过碳汇获取更多碳减排福利，但对于动物的正面影响，即生物多样性方面缺乏更加具象的金融产品。中国银行曾经在海外市场发行了类似的生物多样性债券，但其实国内在这方面也存在较大的增长空间，所以我们希望更多金融机构能够抓住机会，在未来的5-10年细化绿色债券、绿色信贷市场，开发出能够完美结合企业增长、环境保护、生物多样性的金融产品。”张博辉进一步指出。
在张博辉看来，目前我国绿色信贷、绿色债券市场的发展，更多依赖于政府政策从自上而下的引导，“我们希望在这个发展过程中，投资者的意识和认识能够逐步增加。我国投资者对市场的需求仍待完善，所以我希望在接下来5-10年，更多绿色产品的认购不仅源于政策端，更是源于市场端投资者真正的需求。”
数字技术有望加速实现碳中和
值得一提的是，除了完善绿色金融相关制度之外，部分市场人士也指出，还得从多方面推动企业节能减碳，助力可持续发展。
“传统的绿色金融主要关注支持绿色企业和产品，然而实际上许多投资体量巨大的高排放行业如煤电、钢铁、水泥等，在短期内不太可能被完全淘汰。我们要实现"双碳"目标，如何推动这些高排放行业实现低碳转型就成为关键问题。所以近两年正兴起转型金融概念。资金是推动转型的关键要素，相对于传统的绿色金融，转型金融强调通过金融手段如发行转型债等来支持传统行业实现低碳转型。这也是未来国内的金融机构会比较关注的一个领域。”香港中文大学（深圳）中新智慧储能联合研究中心执行主任赵俊华对记者指出。
此外，近年来，随着数字经济、人工智能等技术快速发展，部分行业人士认为可以通过技术手段，预测减排数据、制定节能减排战略，助力可持续发展。
欧洲科学院院士、香港理工大学研究生院院长曹建农指出，数字技术的发展为产业绿色化转型提供了良好契机，使得数字赋能推动产业技术创新逐渐成为各国抢抓的关键性发展要素。
举例来看，曹建农认为，数字孪生作为一种新兴的数字技术，将为“碳中和”这一命题做出极大贡献，“比如它能够发现排放源的隐性关联，准确预测碳排放热点，智能决策和模拟碳减排战略”。
不过，其也表示，去碳化的数字化转型不仅是技术问题，也不仅是单个个体的问题，展望进一步推进数字技术与经济发展深度融合，探索数字技术赋能绿色转型路径，加快“双碳”目标的实现。
随着ChatGPT的横空出世，人工智能技术在可持续发展的应用也备受期待。
香港中文大学（深圳）协理副校长黄建伟对 21 世纪经济报道记者表示：“人工智能能够提高很多技术的智能化、自动化程度，以此降低碳排放。以我目前在深圳市人工智能与计算研究院中负责的智能低碳项目为例，实际上是运用人工智能技术帮助大型分布式系统实现低碳化。”
据黄建伟介绍，能源系统是其中最典型的示例之一，“从前的能源系统多是集中式，由国家策划发电的时刻以及运输地点。现在的能源系统大多是分布式，大规模的分布式系统的决策过程有很多个体参与，这需要运用人工智能的方法进行了解。这个过程可能是多智能体的交互关系，传统的模型不能够进行准确的刻画，这就需要大规模、多技能的这类强化学习的方法对多技能的决策进行了解。”
再以交通系统为例，黄建伟认为：“交通系统是大规模分布式系统，驾驶员驾驶不同的车辆，各自决定不同的行驶方向。但现有的交通系统中，传统的燃油车对社会碳排放造成巨大的负担。开展车辆电动化是很好的减轻负担的方式，但实现完全电动化还任重而道远。所以需要通过一系列的人工智能方法，例如多模态数据处理方法，有效提高地图精确度，支持更好的自动驾驶方案。这样便于操作者使用自动驾驶技术时，系统能够完成自动规避拥堵路段的操作，降低路段拥堵程度，从而降低碳排放。”
（文章来源：21世纪经济报道）
