“只有18%的目标进展顺利，严重偏离轨道。”

近日，在香山科学会议第791次学术讨论会上，中国科学院院士郭华东严正指出，2015年，联合国193个国家一致通过的《2030年可持续发展议程》，十年实践结果显示，169个具体目标中有30项缺乏基础数据，可评估的139个项目中仅18%进展顺利，近一半目标进展不足。

“人类正面临粮食安全、能源匮乏、城市扩张、水安全等全球性危机，可持续发展是全球治理的核心任务。”郭华东强调，而当前全球可持续发展严重偏离2030目标轨道，核心挑战在于如何弥补“数据-知识-决策”的鸿沟。

本次香山科学会议聚焦“数智驱动可持续发展”的主题，数十位多学科跨领域专家学者参会，共同探索智能决策支持路径，明确核心科学问题与技术瓶颈，助力可持续发展的数智转型。

执行主席于贵瑞、郭华东、刘丛强、龚健雅（前排从左至右）在主持会议。香山科学会议办公室供图

僵局：可持续发展“左右为难”

自1972年人类环境大会萌芽，可持续发展的探索已持续半个多世纪。

“全球可持续发展不仅进展缓慢，且数量和质量远低于预期。”郭华东指出，《2030可持续发展议程》提出17项可持续发展目标（SDGs）和169项具体目标，其中只有约50%的指标具有时间可比数据，可持续的城市和社区（SDG11）、气候行动（SDG13）等关键领域的数据缺失问题十分严重。

站在2025年的时间节点，可持续发展目标的实现陷入“左右为难”的巨大挑战。

一方面，人类活动与自然环境的冲突愈演愈烈。全球仍有近8%的人口挣扎在饥饿线上，极端天气频发、水资源不平衡加剧、生物多样性丧失风险不断上升，都成为阻拦可持续发展的“绊脚石”。

另一方面，可持续发展目标的监测、评估存在数据鸿沟。全球性时空数据严重稀缺，多数发展中国家和欠发达国家缺乏评估能力，全球统一的监测评估体系尚未形成，卫星观测、互联网等多源数据，因标准不同、技术壁垒、共享机制不健全等问题，“数据孤岛”现象突出。

“当前可持续发展目标监测和评估的主要痛点归根到底是数据标准化、智能化不足。”中国科学院软件研究所研究员钟华总结道，不仅数据可比性差，不同国家、团队采用的不同数据源差距较大，且流程难共享、可移植性差、交互不智能，同时，算法黑箱与数据合规问题依旧存在，极大限制了全球可持续发展的步伐。

此外，目前联合国现有可持续发展指标体系庞大冗余，暴露出更多结构性矛盾。

“从2000年9月189个国家签署的《联合国千年宣言》，到2015年发布的可持续发展目标，指标数量约增加4倍。”郭华东表示，而截至2025年只有一半指标具有时间可比数据，数据可测性严重不足，同时指标缺乏动态更新。

一头是人与自然持续恶化的现状，一头是数据缺失、监测能力不足。郭华东指出，要实现全球可持续发展，必须弥补“数据-知识-决策”的鸿沟。

“SDGs研究对象是人地交互作用的复杂系统，存在突出的多尺度、多圈层、多要素、强耦合的科学难题，难以精确量化、解析、建模和认知。”郭华东说，需要厘清人与自然相互作用的信息表征，解决SDGs指标可计算化、回答量化预测等科学问题。

破局：数字技术赋能

“国际社会普遍认识到，卫星技术、大数据、人工智能、面向应用的数字化解决方案是推动SDGs实现的关键途径。”郭华东表示。

“卫星技术成为全球观测与动态监测的基石。”中国科学院院士龚健雅介绍，卫星遥感已经从资源调查发展到环境状态监测与目标监视，但这相应对卫星观察分辨率和精度提出更高要求，亟需发展天-空-地全链路、多载荷协同、高速运动非稳态成像的高分辨率卫星遥感成像系统。

“卫星技术不仅能弥补地面观测的不足，还能通过虚拟星座和跨国数据共享平台，促进全球范围内的系统化和长期化监测。”郭华东表示。

而人工智能和信息技术的发展则推动生态观测研究向自动化、数字化、智能化转变。“生态系统观测研究是实现可持续发展的重要支撑。”中国科学院院士于贵瑞指出，物联网、遥感、边缘计算技术使传感器端设备提供数字化能力，5G、云计算技术则促进了“云-边-端”协同计算，此外，基于大数据、人工智能和生物过程模型，生态观测研究能实现混合建模及模型预测。

“未来十年，国家生态系统观测研究网络要统筹监测、数据、模型、应用四个维度，打造空-天-塔-地一体化的生态智能观测体系。”于贵瑞表示，这需要建立融合人工智能的生态系统多模态观测大数据底座，聚焦生态系统多圈层、多要素、多过程、多尺度的需求，综合利用多种技术途径，搭建数智化生态系统观测研究网络。

随着可持续发展进程陷入僵局，科学研究范式的深层变革也愈发迫切。

“人工智能与大数据正推动地球系统科学步入第四科研范式——数据密集型科学发现。”中国科学院院士刘丛强介绍，在认知层面，从偏重物理过程的驱动机制，转向社会–生态系统的耦合反馈；在决策层面，从依赖历史经验的局部外推，升级为数字孪生支持的情景预演与优化调控；在治理层面，从单一GDP导向，迈向融入自然资本、社会资本的多维度行星边界核算。

全局：“不让一个人掉队”

可持续发展不仅是各个国家的共同承诺，更是人类命运共同体的整体使命，需要全球加强合作，共同迎接挑战。

“SDGs的核心在于跨越国界、跨越学科的集体行动，国际合作是不可或缺的前提。”郭华东说，联合国在多项战略和机制中反复强调，只有通过开放合作、数据共享和能力共建，才能真正推动目标的全面实现。《2030年可持续发展议程》明确提出“不让一个人掉队”，如果不能兼顾弱势群体、脆弱国家和边缘地区的发展权利，终将加剧全球发展的不平衡。

郭华东指出，实现可持续发展的全球合作要解决数据标准化和数字鸿沟两大挑战。

一方面，数据是SDGs实施的基础，数据的标准化和开放共享是全球合作的重要环节。针对不同国家在观测手段、指标定义、数据获取等方面的差异所导致的信息壁垒，联合国数据战略明确提出，将通过规范化标准、跨部门数据融合和国际平台建设来提升数据可用性。

另一方面，数字鸿沟和数据鸿沟是全球合作中不容忽视的问题。

“数据鸿沟不仅指数据缺乏，还包括数据质量不足、获取不平、数据孤岛、利用能力不均衡等。”郭华东表示，一些国家缺乏长期观测设施和技术平台，不仅难以获得连续、系统的数据，且由于数字技术设施薄弱，在大数据和人工智能的应用上也存在障碍，“因此，国际合作至关重要，包括提供数据资源、培训人才和建设共享平台。”

在国际合作中，不仅发展中国家能以较低成本共享先进数据和技术成果，发达国家也能和发展中国家共担责任，实现真正意义上的共赢。

而随着《2030年可持续发展议程》进入关键的五年倒计时，国际合作的重要性和紧迫性愈发突出。

2025年2月，依托中国科学院建设的可持续发展地球大数据国际研究中心（SDG中心），联合全球多家科研机构和国际合作组织发起“数字可持续发展国际科学计划（DSP计划）”，聚焦“数智技术驱动全球可持续发展目标实现、支撑全球发展倡议与中国高质量发展”两大核心使命，助力全球可持续发展目标的实现。

“DSP计划紧扣全球科技治理与国际合作的大趋势，也服务我国全球发展倡议和开放合作倡议的紧迫需求，将为全球可持续发展贡献科学力量。”郭华东总结道。