AI常被视为应对气候变化的利器，但一项最新全球能源经济模型研究却给出了相反的结论：AI带来的生产力提升，反而推高了净碳排放。这一发现为AI的绿色叙事敲响警钟。
发生了什么
该研究基于全球能源经济模型，模拟了AI技术广泛应用对能源消耗和碳排放的影响。结果显示，尽管AI能优化能源使用、提高生产效率，但其带来的整体经济增长效应，抵消了这些效率收益，最终导致净碳排放量上升。换句话说，AI让经济更高效，但也让经济规模更大，从而消耗更多能源，排放更多碳。
为什么重要
这一结论颠覆了“AI天然绿色”的流行假设。过去，许多科技公司和政策制定者强调AI在智能电网、精准农业、气候预测等领域的减排潜力，却忽视了其宏观反弹效应。经济学中的“杰文斯悖论”在此重现：技术进步提高了资源利用效率，反而可能增加资源总消耗。AI作为通用技术，其影响远超单一应用场景，它重塑整个经济系统的运行方式，而能源需求正是这一系统最根本的驱动力。
该模型提示，若缺乏强力的碳定价或能源政策约束，AI带来的生产力红利可能以环境代价为交换。这不仅是环境问题，更是经济结构问题——AI的收益与成本分配不均，可能加剧气候风险。
影响与看点
对科技行业而言，这一研究意味着“绿色AI”不能仅停留在算法优化或数据中心能效提升，而需纳入系统性评估。开发者应关注AI模型的能耗效率，但更需警惕其应用可能引发的需求扩张。对政策制定者，这为碳税、能源配额等工具提供了新论据，AI的部署应置于气候目标框架下。
值得关注的是，该模型基于特定假设，实际影响因行业、地区而异。但无论如何，它提醒我们：技术本身不解决气候问题，关键在于如何治理。AI的绿色潜力，取决于我们能否设计出使其与碳中和目标兼容的制度环境。
独立判断：AI的净排放效应并非必然，但若忽视经济系统的反馈机制，任何效率提升都可能被增长吞噬。未来，AI的可持续性将越来越取决于政策干预的力度，而非技术本身的效率。
