近日，来自复旦大学、上海创智学院、上海科学智能研究院及伦敦大学学院（UCL）的研究团队在气候变化领域综合性顶刊Nature Climate Change发表了针对复杂气候组合效果评估的最新研究。文章结合人工智能与传统政策评估方法，提出了面向气候政策效果的全新研究范式。
该研究利用人工智能技术对政策机制和政策类型进行识别与分类，在整合全球100多个国家、超过1万项气候政策的基础上，对复杂政策体系的交互效果开展系统性评估。这一研究展示了AI赋能社会科学研究的新路径，彰显了人工智能在复杂政策体系分析领域应用的重要应用前景。
结果表明，如果能完全消除政策间的冲突并实现良好协同，碳定价的减排效能平均可提升至22.3%。
全球气候变化减缓政策的发展（1996-2019）
研究团队还受邀同步撰写了Policy Brief（政策简报），直面政策制定者提出优化气候政策组合的具体建议，为各国在实现碳中和目标过程中提供更加直接、可操作的决策参考。
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，复旦大学博士生刘国磊为共同第一作者。
在复杂的气候治理体系中，政策的真实效果往往受到政策交互的深刻影响。例如可再生能源补贴可能会因降低碳配额需求而压低碳价，削弱碳市场的调节功能。然而由于各国政策环境的高度异质性，传统的计量方法难以对政策的交互效果进行精确比较与识别。
为了破解这一难题，研究团队构建基于人工智能的全新全球气候政策量化评估框架，对全球政策体系进行系统分析。
面对不同国家实施的差异性碳定价政策，研究团队利用无监督学习算法，在高维特征空间中对全球政策进行聚类，识别各国政策体系之间的结构差异，精准捕捉不同国家政策设计的异质性。
研究结果显示，在全球平均水平下，碳排放权交易体系（ETS）和碳税分别能使排放强度降低约15.4%和8.5%。然而这一效果在不同政策组合下表现出显著差异——
协同增效：研究发现，在多部门碳税体系中，若配合政府研发支持及公共基础设施建设（Government Provision），能显著提升减排效率。
潜在冲突：在欧盟等成熟的配额总量控制型（Cap-and-trade）体系中，新能源补贴往往与碳市场信号产生冲突，通过扭曲价格信号削弱减排动力。
新兴市场的机遇：对于处于早期阶段或低强度的ETS（如2021年之前的中国试点），全国范围的补贴反而表现出协同效应，因为其在非覆盖领域的直接减排收益超过了对碳市场的干扰。
针对尚未实施碳定价的国家，模型给出了“定制化建议”——
监管完善型国家：如澳大利亚、沙特阿拉伯等，拥有强大的法规和信息披露体系，更适合引入类似欧盟风格的碳交易体系。
基础政策薄弱国家：对于大多数非洲国家及部分政策覆盖有限的国家，低强度、多部门的碳税可能是更稳妥的起步选择。
在绿色低碳转型加速推进的背景下，人工智能技术正在为政策科学研究带来方法革命。该研究不仅拓展了气候政策评估的研究边界，也展示了AI赋能社会科学、服务国家绿色发展战略的重要潜力。
长富资本提示：文章来自网络，不代表本站观点。
