2024 年，全球 AI 与气候的讨论出现一个关键转折：AI 不只是理解气候的工具，它正在成为气候危机的核心议题——既是巨大的碳排放源，也是应对气候的关键武器。
这个故事有矛盾的一面：AI 大模型训练的能耗惊人——GPT-3 单次训练碳排放 ≈ 552 吨 CO2，相当于 100 辆汽车一年的排放。但 AI 同时能帮助人类减少 5-10% 全球碳排放（BCG 2024 年估算）。这就是”AI for Climate”赛道的核心矛盾。
一、起源：AI 与气候科学的早期融合（2010-2015）
AI 与气候的早期融合主要集中在三个方向：
天气预报。2010-2015 年，欧洲中期天气预报中心（ECMWF）开始用机器学习改进天气预报。Google DeepMind 的 MetNet、华为的盘古气象大模型都是这一方向的代表。AI 天气预报把 10 天预报精度提升到了传统数值方法的同等水平，但速度快 1000 倍。
气候模式降尺度。传统全球气候模式分辨率是 100km×100km 网格，无法精确预测区域气候变化。2015 年后，深度学习被用于”降尺度”——把全球模式精细化到 1km×1km，让区域气候影响预测成为可能。
气候数据同化。卫星、地面站、海洋浮标每天产生 TB 级气候数据，传统方法难以消化。2015 年后，机器学习开始用于”数据同化”——把多源数据融合成统一的气候状态描述。
但 2010-2015 年的 AI +气候融合还只是研究阶段，没有商业化、没有公众关注。
二、第一次浪潮：AI for Good 概念兴起（2016-2020）
2016-2020 年是 AI + 气候的”启蒙期”。
2016 年 AlphaGo 事件后，AI 的能力边界被广泛认知。气候科学家开始认真考虑”AI 能为气候做什么”。
关键事件 1：Google DeepMind 数据中心节能（2016 年）。DeepMind 用深度强化学习优化 Google 数据中心冷却系统，节能 40%。这是 AI + 气候的标志性案例。
关键事件 2：Microsoft AI for Earth 计划（2017 年）。Microsoft 投入 5000 万美元启动”AI for Earth”计划，资助气候、生物多样性、农业、用水四大方向的 AI 应用。
关键事件 3：联合国 IPCC AR4（2016 年）。第一份明确提到 AI 作用的国家级气候报告发布。
关键事件 4：Google Project Sunroof（2015 年）。用卫星图像 + 深度学习评估屋顶太阳能潜力，帮助家庭安装光伏。
关键事件 5：ClimateAI 公司成立（2017 年）。ClimateAI 用机器学习做农业气候预测，在非洲、印度推广，帮助农户应对气候变化。
但这一阶段所有项目都”小而美”，没有形成产业、没有大公司主导、没有商业化路径。
四、第二次浪潮：2024 年气候 AI 的双轨化（2021-2026）
2021 年起，AI + 气候赛道出现明显的”双轨化”——AI 既造成气候问题，又解决气候问题。
轨一：AI 是气候问题
能耗剧增。2024 年全球数据中心能耗占全球总用电 1.5%（IEA 估算），预计 2030 年达到 8%。其中 AI 训练和推理是数据中心能耗增长的主要驱动力。
典型案例：
– OpenAI GPT-4 训练碳排放约 5,184 吨 CO2（≈ 1000 辆汽车一年排放）
– Google Gemini Ultra 训练报告约 4,500 吨 CO2
– Meta Llama 3 训练约 2,300 吨 CO2
碳排放来源：电力消耗（70%）+ 芯片制造（20%）+ 数据中心冷却（10%）。
关键事件 1：Sam Altman”AI 大模型需要能源突破”言论（2024 年）。OpenAI CEO 公开呼吁”清洁能源突破”，否则 AI 增长不可持续。
关键事件 2：Microsoft 三峡水电签约（2024 年）。Microsoft 与中国三峡集团签约，为 Azure 中国数据中心提供 100% 可再生能源。
关键事件 3：核能复兴（2024 年）。Microsoft、Amazon、Google 三大云厂商 2024 年集体投资核电。Microsoft 与 Helion Energy 签约 2028 年前供电；Amazon 收购 Talen Energy 核电数据中心。
轨二：AI 是气候解决方案
天气预报革命。华为盘古气象大模型（2023 年）、Google DeepMind GraphCast（2023 年）、NVIDIA FourCastNet（2023 年）、上海AI Lab NowcastNet（2024 年）——AI 天气预报准确率首次超过传统数值方法。
电网优化。DeepMind 2024 年与英国国家电网合作，用强化学习调度电网，降低 10% 调度成本。中国国家电网用 AI 做新能源功率预测，预测准确率从 85% 提升到 95%。
建筑节能。谷歌 Nest、亚马逊 Alexa、苹果 HomeKit 等智能家居用 AI 学习用户行为，降低建筑能耗 10-25%。
农业气候适应。ClimateAI、Trellis、aWhere 等公司用 AI 做精准农业气候预测，帮助农户应对干旱、洪涝、病虫害。在非洲、印度已服务 500 万农户。
碳捕获与封存。碳捕集与封存（CCS）是应对气候变化的重要路径。2024 年开始，AI 被用于优化 CCS 过程——找到最佳注入点、最佳注入速率、最佳监测方案。
甲烷监测。MethaneSAT（2024 年发射）、Carbon Mapper 等卫星 + AI 系统监测全球甲烷排放源，精度达到 100ppb。
五、关键事件：2024 年 AI + 气候的”五个里程碑”
里程碑 1：联合国 AI for Climate Action Summit（2024 年 9 月）。联合国秘书长古特雷斯在峰会呼吁”AI 必须服务于气候公正”，首次明确将 AI 列为气候议题核心。
里程碑 2：欧盟 AI 法案 + 气候披露（2024 年 8 月）。欧盟 AI 法案要求大型 AI 系统披露训练能耗和碳排放。这是全球首个 AI 气候披露法律要求。
里程碑 3：US AI Executive Order 14110 更新（2024 年）。拜登政府要求美国联邦机构在采购 AI 服务时考虑能耗和碳排放。
里程碑 4：Google DeepMind WeatherBench 2（2024 年）。AI 天气预报的开放评测平台发布，让全球研究者公平对比 AI 与传统方法的性能。
里程碑 5：Climate Change AI 大会（2024 年）。全球最大的”AI + 气候”学术会议在摩洛哥举办，参会人数突破 3000 人。
六、未来 5 年的 5 大趋势
趋势一：核能 + AI 数据中心。2025-2030 年，核电将成为 AI 数据中心的主要能源。Microsoft Helion、Amazon Talen、Google Kairos 三家美国核电项目预计 2028 年前投放定定。
趋势二：AI 天气预报普及。2025-2027 年，AI 天气预报将逐步取代传统数值天气预报——中国气象局、印度气象局、英国气象局、欧洲 ECMWF 都已部署 AI 预报。
趋势三：碳披露强制化。2025 年后，欧盟、美国加州、中国可能陆续推出”AI 碳披露强制要求”。AI 碳标签可能成为像食品营养标签一样的标配。
趋势四：电网 AI 化。2026 年后，全球 60%+ 电网将使用 AI 调度。电网 AI 化是能源转型的关键基础设施。
趋势五：地球数字孪生。2026-2030 年，欧盟 Destination Earth、中国”地球系统数值模拟装置”等地球数字孪生项目陆续完成，AI 将能够模拟整个地球系统的气候变化。
七、一句话总结
AI 与气候 10 年——既是气候问题（碳排放）又是气候方案（节能/预测/调度）。未来 5 年，AI 与气候的关系将从”问题 vs 解决方案”演化为”系统性共生”——AI 既需要清洁能源、又是清洁能源转型的核心工具。
