AI 能救气候吗？MIT 科技评论：证据暂时指向相反方向

过去几年，AI 公司讲气候故事时常用同一套逻辑：AI 能优化电网、加速材料研发、减少浪费，所以它最终会帮助人类“修复气候”。这个叙事很动人，也为大规模建设数据中心提供了理由。但 MIT 科技评论的一篇分析给出了更冷静的结论：至少到目前为止，证据大多指向相反方向。

一分钟速览

• MIT 科技评论在联合国气候会议期间梳理了 AI 减排的证据，发现宏大预测与实际落地之间差距明显。
• 一项由伦敦政经学院 Grantham 研究所与 Systemiq 主导的研究估计，到 2035 年 AI 每年可帮助减少 32 亿至 54 亿吨二氧化碳，但前提是电力、肉类乳制品和交通三大行业真正采用特定路径。
• 对公开信息的审查发现，少数企业开展了相关尝试，但很少有公司能证明已取得实质气候进展。
• 与此同时，AI 自身的数据中心能耗和油气行业对 AI 的使用，可能抵消部分收益。

乐观预测是怎么来的

2024 年，OpenAI 首席执行官萨姆·奥尔特曼曾表示，AI 将带来“惊人的胜利”，其中包括“修复气候”。更早一年，谷歌可持续发展负责人与合著者在一篇文章中写道，到 2030 年 AI 可能帮助全球减排 5% 到 10%。

学术研究试图把这些说法量化。伦敦政经学院 Grantham 研究所与 Systemiq 主导、经过同行评议的研究估计，到 2035 年，AI 每年可帮助减少相当于 32 亿至 54 亿吨二氧化碳的排放，高值大致相当于美国年排放量，而且是在扣除 AI 自身能源足迹之后。收益主要集中在三个行业：电力、肉类与乳制品、交通。

这些数字不是凭空来的。电力行业的核心逻辑是：AI 对供需的预测可以让已建成的风电、光伏更充分地并网，减少弃风弃光。研究估算，仅这一项每年就能避免约 18 亿吨排放。肉类与乳制品行业的逻辑是：AI 帮助替代蛋白缩小与动物蛋白在口味和成本上的差距，从而推动消费者转向排放更低的食品。交通行业则依赖电池材料研发和路线优化。

现实：能拿出证据的案例很少

问题在于，预测只有经过现实检验才有意义。MIT 科技评论对三大行业中重要市场主体的公开信息做了审查，结果并不乐观：很少有公司宣布自己正在走研究中设定的那些具体减排路径，能证明已取得实质气候进展的就更少。

电力行业是最容易验证的。AI 预测供需、提升可再生能源并网，理论上可以带来可观的减排。但在中国、美国、欧洲被审查的电网运营商中，只有一家部署了已知有效、真正运行的此类 AI 项目：英国国家电网 ESO 与合作伙伴的项目把太阳能预测误差减半，每年避免数十万吨二氧化碳。除此之外，欧盟、美国和中国许多电网运营商在公开记录中，很难找到研究设想的那种 AI 整合。

肉类与乳制品行业的反差更大。要实现 2035 年的减排预期，AI 需要让替代蛋白在口味和成本上追平传统蛋白。AI 食品科技公司 NotCo 与卡夫亨氏成立合资企业，用平台分析植物分子数据，寻找能复刻动物产品味道、质地和气味的组合，这是少数把 AI 深度嵌入产品开发的案例。但其他替代蛋白公司很少有类似做法。与此同时，行业还面临更基础的问题：主流消费者接受度提升缓慢，资本投入下降。培养肉的风险投资从 2021 年 9.89 亿美元的峰值，降到了去年的约 8300 万美元。

交通行业有一些更积极的例子。宁德时代控制着全球约 40% 的电动汽车电池市场，其用超过 10 万个电池设计案例、600TB 测试数据训练的模型，把候选材料筛选时间缩短了两个数量级。独立研究者还发现，滴滴出行用 AI 优化路线、减少绕行后，单次行程平均减排 16%。这些案例说明技术路径可行，但距离“全行业规模化”仍有很长的路。

被忽略的另一面：AI 也在帮油气

气候论证里还有一个不容易被提起的问题：油气公司同样对这些工具感兴趣，用途包括提高化石能源产量。科技公司过去承诺可持续发展目标，现在需要回答：同样的 AI 能力，如何避免被用来加速旧能源开采，而不只是服务清洁能源。

此外，AI 只是减排链条的第一环。它不能缩短产品认证、许可、建设、包装、营销和销售的固有周期。一个材料即使被 AI 更快发现，要变成可量产、可合规上市的产品，仍要经历漫长的工程和监管流程。这也是为什么“实验室里的突破”经常无法转化为“现实中的减排”。

该怎么看 AI 的气候账

这篇分析并不是说 AI 对气候毫无用处。英国电网的案例、宁德时代的材料筛选、滴滴的路线优化，都是真实存在的收益。它真正质疑的是“AI 会自动修复气候”的叙事：技术有潜力，但潜力不会自动兑现，需要企业改变流程、需要政策给出激励、需要资本愿意等待长周期回报。

对 AI 公司来说，更诚实的做法是把账算全：数据中心的用电和用水、芯片制造和服务器折旧的隐含排放、模型训练和推理的能耗，都要纳入披露；同时说明自己的技术到底在哪个环节、以多大比例减少了排放。对企业和政策制定者来说，应该优先支持那些可测量、可复现、能进入采购和监管流程的项目，而不是被宏大的愿景牵着走。

气候问题不缺漂亮的故事，缺的是能落地的减法。AI 能不能成为其中一部分，取决于接下来几年有没有更多“英国电网式”的案例，而不是更多发布会上的承诺。