AI生产力越高，碳排放越高？问题不只在数据中心

编辑丨%

如果说起 AI 的碳排放，很多人首先想到的是数据中心：巨大的服务器、不断上涨的用电量，以及背后的发电排放。

但发表在《npj Climate Action》的研究「AI-driven productivity gains enable more CO₂ emissions than they avoid in a global energy–economy model」提出了一个更容易被忽略的问题，AI 不只是自己消耗能源，它还会改变能源产业本身，而这可能才是更大的变量。

论文链接：https://www.nature.com/articles/s44168-026-00411-0

让石油和风电都变得更高效

这项研究最重要的变化，是没有把 AI 简单定义成一种「提高能源效率」的技术。

研究者把 AI 看成一种双向生产率放大器。一边，是人们熟悉的「绿色 AI」。比如 AI 可以帮助预测风力和太阳能发电、优化电力调度、提高设备利用率，让同样的可再生能源基础设施产生更多有效产出。

另一边，则是经常被忽略的「化石能源 AI」。AI 可以参与石油和天然气产业从勘探、开采，到加工、运输和发电的不同环节。对于上游开采来说，如果 AI 能让企业以更低的成本获得更多石油和天然气，那么一些原本经济上不划算的资源就可能重新变得值得开发。

图 1：跨越一阶、二阶和高阶效应的人工智能-能源市场动态概念系统图。

研究引用的相关证据显示，AI 驱动的先进采收技术可能扩大现有油田的可采资源，并降低部分生产成本。论文因此认为，AI 对化石燃料的作用不能简单归类为「效率提升」，因为效率提高之后还可能进一步改变供给、价格和市场规模。

全球经济建模

为了测试经过 AI 强化后的能源系统，研究团队使用了一个全球可计算一般均衡模型（CGE）。这个模型不是只盯着某一个工厂或某一种能源，而是让不同产业、能源价格、资本、劳动力和消费需求彼此发生作用。

图 2：AI 排放（建模）。

他们测试了 64 种不同的场景，并应用了从低到高的不同层次的人工智能应用，应用于化石燃料、可再生能源、电网以及部分航运和重工业领域。

根据模型的情景，当人工智能生产力提升应用于化石燃料和清洁能源领域时，全球年度一体化排放量增加了 0.47 亿吨，达到 18 亿吨。这一增长大致相当于全球能源相关一氧化碳总量的 1.2% 至 4.8%。

图 3：化石燃料与可再生能源的年 CO₂ 排放变化。

在这其中贡献最大的，并不是数据中心，而是化石能源生产率的提升。可再生能源效率提高所带来的减排，只抵消了其中一部分。如果化石能源生产率提高 1%，可再生能源生产率需要提高约 4–5%，才能把新增排放抵消掉。

这反倒强化了化石燃料的占有地位，而非取代。

问题并非在于绿色 AI

当然，整个研究也并非意在说明未来 AI 一定会带来如此多的排放。研究使用的是一个静态比较均衡模型，它主要用来判断在给定条件下，AI 生产率冲击会把经济系统推向什么方向，以及影响规模大致有多大，而不是给出逐年变化的排放预测。

模型以 2017 年的全球经济数据库为基础，同时调整了低碳发电部分，使其更接近 2024 年的电力结构；它也没有完整模拟此后几年全球能源价格、政策、技术成本和产业结构的所有变化。它只是突出了一个问题，与此同时，它也给出了五个关键优先事项来应对这一问题。

化石燃料的开采工具需要被限制，AI 应用对气候的影响也应该得到更广泛的跟踪。研究还建议将支持绿色人工智能与限制化石燃料结合起来，同时认识到人工智能节省的排放和其带来的额外排放。