编辑丨%
提及 AI 的碳排放，公众往往聚焦于数据中心的高能耗。然而，《npj Climate Action》最新发表的研究《AI-driven productivity gains enable more CO₂ emissions than they avoid in a global energy–economy model》揭示了一个更易被忽视的关键变量：AI 不仅自身消耗能源，更通过重塑能源产业格局，可能引发更大的碳排放增量。
论文链接：https://www.nature.com/articles/s44168-026-00411-0
双向生产率放大器：绿色与化石能源的博弈
该研究并未将 AI 简单定义为“能效提升工具”，而是将其视为一种双向生产率放大器。
一方面是人们熟知的“绿色 AI"：通过预测风光发电、优化电力调度及提高设备利用率，使可再生能源基础设施产出更高效。
另一方面则是常被忽略的“化石能源 AI"。AI 深度介入石油天然气的勘探、开采、加工、运输及发电全链路。对于上游开采而言，AI 若能显著降低成本并提高采收率，将使原本经济上不可行的资源重新具备开发价值，从而扩大供给规模。
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。
证据显示，AI 驱动的先进采收技术可扩大油田可采资源并降低生产成本。因此，AI 对化石燃料的影响不能仅归结为“效率提升”，因为效率的提高会进一步改变市场供给、价格及总体规模。
全球经济建模：排放净增量的来源
研究团队采用全球可计算一般均衡模型（CGE）进行测试。该模型超越了单一工厂或能源类型的局限，模拟了不同产业、能源价格、资本、劳动力及消费需求之间的复杂互动。
图 2：AI 排放（建模）。
研究测试了 64 种场景，涵盖从低到高不同层级的 AI 应用，涉及化石燃料、可再生能源、电网及部分航运和重工业领域。
模型结果显示，当 AI 生产力提升同时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，总量达到 18 亿吨。这一增量约占全球能源相关二氧化碳排放总量的 1.2% 至 4.8%。
图 3：化石燃料与可再生能源的年 CO₂ 排放变化。
数据显示，造成排放增长的主因并非数据中心，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效益，仅能抵消部分新增排放。模型推算，若化石能源生产率提高 1%，可再生能源生产率需提高约 4–5% 方能实现收支平衡。
这表明，在当前机制下，AI 的应用反而可能强化化石燃料的市场地位，而非加速其被取代。
应对策略：限制开采与跟踪影响
需要指出的是，该研究基于静态比较均衡模型，旨在判断在给定条件下 AI 生产率冲击对经济系统的方向性影响及规模量级，而非提供逐年的排放预测。模型以 2017 年全球经济数据为基础，并调整了低碳发电部分以贴近 2024 年电力结构，未完全模拟后续几年的政策、技术及产业结构变迁。
尽管如此，研究突出了关键问题，并提出五项优先应对事项：
- 限制针对化石燃料开采的 AI 工具应用；
- 建立更广泛的 AI 气候影响跟踪机制；
- 将支持绿色 AI 与限制化石燃料 AI 应用相结合；
- 全面评估 AI 节省的排放与其引发的额外排放；
- 制定针对性政策以平衡技术红利与环境成本。
相关报道：https://techxplore.com/news/2026-08-ai-boost-carbon-emissions.html