AI 气候技术的扩散难题：为什么现成工具没能带来减排

关于AI与气候的公共讨论喧嚣、充满争议，并且同时被拉向好几个方向。有人把AI视为能源转型的强大加速器——一种能够优化电网、模拟排放，并以我们原本无法达到的速度推动脱碳的工具。另一些人则担心，AI对能源和水的贪婪胃口，会加重我们正试图减少的排放负担。还有人指出，AI可能助推新的化石燃料开采和工业排放，而这是我们根本承受不起的。这些都是合理的担忧，我在这里并不打算在它们之间做出裁决。

我想开启的是一场不同的对话——一场与这些争论并存、而非取代它们的对话。因为在这一切之下，还有一个更安静——而且我认为更具可操作性——的问题，没有得到它应得的关注：如何以充分发挥其全部潜力的方式，扩散我们已经准备好的众多解决方案，这是一个复杂的挑战。

我们所需的工具已经存在。我们可以比以往任何时候都更精确地预测电力负荷。我们可以在资产层面从太空探测甲烷排放。我们可以优化建筑、模拟供应链排放，并以五年前尚不存在的能力全面盘点全球温室气体。从纸面上看，这些都是脱碳领域真正的突破。

然而，它们本应促成的减排，并没有以技术所暗示可能达到的速度或规模成为现实。

这个差距就是我所说的扩散问题。而且它并不是单一的一件事。它是错位的激励，意味着承担采用成本的行为主体并不是获取其价值的一方。它是长达五到七年的采购周期，而技术却在几个月内就向前推进。它是尚未跟上卫星如今所能看到之物的监管框架。它是任何模型在接近真实决策之前都必须赢得——而非被假定拥有——的机构信任。

这些都不是等待技术修复的技术问题。每一个都代表着嵌入组织、市场和机构实际运作方式中的一类独特摩擦。误判哪一类摩擦才是真正的约束，会导致那些看起来富有成效、却未触及实际约束的干预措施。理解这种摩擦存在于何处——以及要刻意消除它需要付出什么——是当下气候与能源AI领域最重要、也最缺乏资金支持的挑战之一。

我说这些并不是作为旁观者——我亲身经历过。而事后回看，往往会让那些原本不可见的东西随着时间推移变得更加明显。

2017年，我在微软内部参与一个名为AI for Earth的项目——一项为期五年、投入5000万美元的承诺，旨在将微软的AI和云基础设施部署到气候、农业、水资源和生物多样性领域。我们不只是开支票。我们向全球的研究人员、初创企业、政府和非政府组织开放世界级的算力、预训练模型和工程能力。无论以何种标准衡量，我们都已经移除了通常会拖慢技术部署的约束：数据、算力、资金和人才全都摆在了桌面上。

而我当时以为这就是工作本身：打造工具。投入资金。赞美那个想出如何使用它的创业者或非政府组织。

按照这些标准，我们当时是成功的。我未能看到的是——如今我在能源与气候领域许多聪明且资源充足的人身上也认出了这种模式——我被这些能力本身的光鲜所迷惑。这项技术确实具有变革性，而这让人很容易停留在表面。

我当时没有做的是，对下方存在的系统级问题进行足够批判性的审视。就像一座冰山，可见的部分——模型、工具、部署——只是真正决定能否产生影响的因素中最小的部分。它的主体，隐藏在水面之下，是制度性的：激励结构、采购路径、监管框架和信任动态，这些最终决定了一项有能力的技术是被吸收还是被悄然搁置。

自那以后我一直记着的一个例子：切萨皮克保护协会，一个致力于恢复美国最负盛名的流域之一的非营利组织，有一个二十人的团队，试图在六个州、64,000平方英里的范围内确定保护行动的优先次序。他们使用的是30米分辨率的土地覆盖图，大约每七年更新一次。借助AI、云基础设施以及Esri等合作伙伴，我们帮助他们制作出近实时更新的一米分辨率地图——这是可能性的真正飞跃。工具奏效了。科学是扎实的。但更难的问题——这项能力究竟如何改变六个州政府和数十个联邦机构范围内的决策、资金流向和土地利用政策——这个问题没有技术上的答案。它有的是制度上的答案。当时，我庆祝了技术成就，然后继续前行。现在我明白，制度问题才是全部关键。

我是在离开微软、加入RMI之后才完全理解这一点的——RMI这个组织的建立，不仅是为了与系统参与者一起解决难题，也是为了跨越系统边界梳理问题，并将这种洞察转化为集体行动。RMI与公用事业公司、监管机构、工业运营商、金融家和政策制定者的接近，并非其价值的偶然附带——正是这一点，使人能够看到真正的约束在哪里，理解系统某一部分的决策如何在另一部分造成瓶颈，并设计出针对根本原因而非症状的干预措施。从那个视角看，我早先记分卡中的缺陷变得无法忽视。

我们正在经历经济学家所称的生产率悖论的一个版本。当电气化在十九世纪末席卷美国工业时，生产率并没有立即跟上。工厂必须从物理上重新设计。工作流程必须重组。管理者必须学会以不同方式思考工作如何组织。技术是真实的，潜力是真实的——但它周围的系统必须先跟上，收益才会实现。埃里克·布林约尔松等人记录了计算技术以及最近AI的同样动态：能力先于影响，有时提前数十年，因为周围的组织、制度和市场生态系统吸收新工具的速度缓慢且不均衡。

在气候与能源领域，我们正深陷于这种滞后之中。这些能力是真实存在的。我们能够比以往任何时候都更精准地预测电力负荷增长。我们可以从太空探测甲烷排放。我们可以用五年前还不存在的工具优化建筑能源系统并建模供应链排放。我们可以全面盘点全球排放。而且我们现在公开认证低泄漏天然气。从纸面上看，这些是脱碳领域真正的生产力突破。

然而，排放并没有以这些能力所暗示的可能速度下降。

差距不在模型本身。而在于围绕模型的一切。

甲烷探测把这一点揭示得淋漓尽致。天然气中70%到90%是甲烷——这意味着当一处油气资产发生泄漏、放空或燃烧时，它不仅仅是在污染环境，更是在损失其主要产品以及随之而来的经济价值。在任何其他行业，这都会被当作严重的运营失误。一家装瓶厂如果把5%的汽水或啤酒洒在地上，会立即触发管理层的应对。泄漏的阀门和老化的连接件、常规燃烧、未优化的开采——这些都是粗放运营的症状，而在利润空间收紧、监管审查趋严的世界里，它们会带来实实在在的财务后果。如今已具备卫星能力，可以在资产层面近乎实时地识别这些排放源。捕获而非损失这些天然气的经济理由并不隐晦。然而甲烷仍在大量泄漏，超级排放事件仍占总排放中不成比例的份额。

能力已经具备。经济激励已经存在。但整个系统仍未以问题所要求的速度或规模做出响应。这个差距——在一个可见、可衡量、经济代价高昂的问题与采取行动的制度能力之间——正是影响扩散所描述的。

负荷预测讲述着类似的故事。公用事业公司能够获得比传统方法显著更优的模型。但运行这些模型的团队并不是做资本配置决策的团队。在许多州，监管契约并不以在费率案中体现的方式奖励预测准确性。而采购周期长达五到七年，这意味着即使一家有意愿的公用事业公司，在依据模型所告知的信息采取行动时也面临结构性延迟。制约因素不是预测。而是围绕预测的决策架构。

这就是我所说的影响扩散。但仅仅命名它还不够——值得精确地指出摩擦究竟存在于何处，因为失败模式各不相同，需要不同的干预措施。有时停滞发生在最开始：AI解决方案是为研究者或倡导者构建的，而不是为需要据此采取行动的运营者或监管者构建的。一个围绕错误工作流程设计的工具，无论多么强大，都会停滞不前。

当产品与市场契合时，摩擦往往会在几个地方之一显现：底层数据、算力和互操作性要求是否真正到位；监管和市场环境是否使采用变得被允许且在财务上合理；解决方案创造的价值是归于承担采用成本和风险的一方，还是泄漏给了别人；合适的人是否真正拥有说“是”的权限和组织授权；以及解决方案是否有足够可信的过往记录，让采用机构愿意信任它。

这些并不是同一个主题的变体。每一个都代表一类不同的瓶颈，而误判哪一个在起约束作用，会导致那些感觉富有成效、却未触及实际约束的干预措施。诊断这些模式——并为每一个设计有针对性的应对措施——正是当前气候AI对话中最持续地资金不足和被低估的工作。

从业者和投资者被技术前沿所吸引，这是可以理解的。更好的模型、更多的试点、更快的部署——这些感觉像是进步，因为它们是可衡量的，而且进展迅速。但它们应对的是错误的约束。真正能加速影响的干预措施，对于一个技术优先的思维模式来说，不那么显眼，也不那么容易理解：采购改革，为AI辅助决策开辟一条通往资本配置的路径；责任和标准框架，使卫星衍生的排放数据在法律上可诉；激励机制，将AI解决方案创造的价值与承担采用成本和风险的一方对齐。这些不是技术问题。它们是治理问题、市场设计问题和组织变革问题。它们需要一种不同的工作。

在十年气候和AI工作中目睹了技术上可行的解决方案停滞不前之后，我逐渐相信：AI不是能源转型的主角。它是愿意做更艰难的机构变革工作的人手中的一件强大工具。工具可以优化调度曲线，但必须有人来决定“足以行动”是什么样子。模型可以揭示甲烷在哪里泄漏，但必须有人来建立由监管者、运营者和金融家组成的联盟来做出回应。算法可以推荐一项干预措施，但必须有人在相互竞争的利益之间安排变革的顺序，管理政治，并在一个多年过程中保持线索不断，而这是任何模型都无法独自驾驭的。

Shopify 首席执行官 Tobi Lütke 的一个观察一直留在我心里。他描述了与 AI 智能体协作如何让他成为更好的 CEO——不是更好的 AI 用户，而是更好的领导者。上下文工程（context engineering）的修炼——把问题陈述得足够清晰、完整，使其无需额外来回沟通就 plausibly 可解——结果发现，这同一种修炼也能让人类沟通更顺畅。更清晰的请求。更完整的上下文。更少被埋没的假设。更少那种组织礼貌地称之为“对齐问题”、而诚实地说就是“我以为你指的是别的意思”的情况。那种能力——用足够的上下文来定义一个问题，使其真正可解——是我希望自己在 2017 年能拥有更多的。工作不只是构建模型或工具。工作还在于思考和深刻理解这个工具为了成功而需要运作于其中的系统。

我并不假装 RMI 在这里拥有所有答案。但我确实相信，我们处于异常有利的位置来研究正确的问题——恰恰因为我们贴近那些塑造真实结果的系统参与者。我们工作的核心是一个由关系和智慧构成的活生态系统：政策制定者、买家、融资方、运营者、技术专家和社区，他们共同实时地驾驭着能源转型。这种贴近并非我们价值的附带品。它就是我们的价值。与这些利益相关者坐在一起，理解真正要完成的工作。定义什么算“足够好，可以行动”。设计激励和护栏。安排变革的顺序。建立能交付结果的联盟。这些根本上是人类的行为——没有模型能执行，也没有试点能替代——正是像 RMI 这样的组织存在的核心所在。

我所呼吁的这种重新定位——从技术能力转向吸收能力，从投入部署转向机构就绪——不会通过任何单一组织或倡议实现。它需要一种不同的协作：把构建 AI 解决方案的人，与必须在真实系统中、在真实约束下、对结果承担真实责任地将其投入运作的人聚集在一起。如果你在气候和能源领域工作，并且认同我所描述的挫败感——如果你见过技术上有能力的解决方案未能推动进展，并想知道为什么——我建议答案很少在模型里。它在围绕模型的系统里。那才是最重要、也最缺乏资金的工作正在发生的地方。也是我相信最有影响力的伙伴关系将会形成的地方。如果这个框架引起你的共鸣，我欢迎交流。扩散问题是真实的。但我们共同解决它的能力也是真实的。