AI赋能气候政策评估：复旦团队在《Nature Climate Change》发表新范式研究
十四届全国人大四次会议和全国政协十四届四次会议（全国两会）近日在京召开。政府工作报告再次强调中国推进绿色转型与全球气候治理的坚定决心，气候政策制定与实施已成为实现“双碳”目标的关键路径。
现实中，气候政策极少孤立运行，而是以碳定价、补贴、监管、信息披露、政府投资等多种形式构成复杂组合。不同政策间既可能协同增效，也可能相互冲突。传统评估方法难以应对海量、非结构化的全球政策文本，在识别机制、交互关系及跨国比较方面面临严峻挑战。
近日，复旦大学、上海创智学院、上海科学智能研究院与伦敦大学学院（UCL）联合研究团队在气候变化领域顶刊《Nature Climate Change》在线发表研究成果，提出面向气候政策效果的“AI+政策科学”新范式。该研究融合人工智能与因果推断方法，首次构建覆盖100多个国家、超1万项政策的全球气候政策量化评估框架，系统解析政策组合的协同与冲突效应。
研究同步发布Policy Brief（政策简报），面向政策制定者提供可操作的优化建议，助力各国碳中和路径设计。
图示：全球气候变化减缓政策发展（1996–2019）
论文题为《Cross-National Comparative Assessment of Synergies and Conflicts in Climate Policy Mixes》与《Policy interactions reshape the outcomes of carbon pricing policies》，于2026年3月11日在线发表于《Nature Climate Change》（DOI: s41558-026-02574-4）。
复旦大学经济学院、大数据学院双聘教授，上海创智学院全时导师，上海科学智能研究院地球科学领域科学家，教育部国家发展与智能治理综合实验室执行主任吴力波教授，与复旦大学博士生刘国磊为共同第一作者；伦敦大学学院孟靖教授、复旦大学周阳副教授为共同通讯作者。
研究获国家重点研发计划、国家自然科学基金及欧盟相关项目支持，并由复旦大学CFFF智算平台提供算力支撑。
破解“政策迷宫”：全球气候政策量化评估框架
政策真实效果深受交互关系影响。例如，可再生能源补贴可能降低碳配额需求，压低碳价，削弱碳市场调节功能。但各国政策环境高度异质，传统计量方法难以开展跨国精准识别与比较。
研究团队构建基于人工智能的全球气候政策量化评估框架，通过三阶段分析实现系统性解构：
碳定价政策效果评估：采用合成控制法，为每个实施碳定价的国家构建反事实基准，精准剥离其实际减排贡献；
政策组合交互效应分析：构建「全球气候政策指数」，从强度、覆盖面、执行力度三维度刻画政策设计，识别碳定价效果与既有政策组合间的系统性协同与冲突模式；
反事实模拟与政策建议：模拟消除冲突后的潜在减排增益，并为尚未实施碳定价的国家提供最优政策组合方案。
图示：评估协同与冲突效应的分析框架
图示：不同国家碳税与碳排放交易体系（ETS）的处理效果
核心发现：政策组合决定碳定价实效
研究显示，全球平均来看，碳排放权交易体系（ETS）和碳税分别使排放强度下降约15.4%和8.5%，但实际效果高度依赖政策组合：
协同增效：多部门碳税若配合政府研发支持与公共基础设施投资（Government Provision），显著提升减排效率；
潜在冲突：在欧盟等成熟Cap-and-trade体系中，新能源补贴易扭曲价格信号，削弱碳市场减排动力；
新兴市场机遇：对中国等处于早期阶段的ETS试点而言，全国性补贴反而呈现协同效应——其在非覆盖领域的直接减排收益，超过对碳市场的干扰。
图示：补充性政策对ETS减排效果的直接影响与分解效应
政策启示：“1+1 > 2”的优化路径
反事实模拟表明：若全面消除政策冲突、强化协同，碳定价平均减排效能可提升至22.3%。
针对尚未实施碳定价的国家，模型提出差异化建议：
基础政策薄弱国家（如多数非洲国家及政策覆盖有限地区）：宜优先采用低强度、多部门碳税作为稳健起步选择。
图示：未实施碳定价国家的最优政策选择模拟
研究指出，面对日益复杂的全球气候治理体系，单一政策评估已无法全面反映真实作用机制。“AI + 政策科学”范式整合人工智能、大数据分析与因果推断，为复杂政策体系研究提供了全新方法论工具。
在绿色低碳转型加速推进的背景下，人工智能正推动政策科学研究的方法革命。本研究不仅拓展了气候政策评估的理论边界，更彰显AI赋能社会科学、服务国家绿色发展战略的重要潜力。