AI与气候10年:从天气预报到气候调控的双重未来

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。

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。

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

AI与金融欺诈检测:从规则引擎到图神经网络的三十年 AI大事记

AI与金融欺诈检测:从规则引擎到图神经网络的三十年

反欺诈是机器学习在金融业落地最早也最成功的领域之一,因为它的判定标准清晰、反馈迅速、错误成本可量化。但它也是「模型越强,攻击者越强」的典型战场 —— 三十年的攻…
📅 11-16 · 👁 2026年11月16日
AI与屏幕与显示:从超分辨率到端侧视觉增强的三十年 AI大事记

AI与屏幕与显示:从超分辨率到端侧视觉增强的三十年

显示与 AI 的结合长期处在「锦上添花」的位置 —— 超分辨率、色彩增强、HDR 映射都让画面更好看。直到端侧神经处理单元普及,屏幕才第一次成为 AI 算力的独…
📅 11-16 · 👁 2026年11月16日
AI与科学出版:从文献检索到生成式写作的三十年 AI大事记

AI与科学出版:从文献检索到生成式写作的三十年

科学出版是学术共同体的基础设施,也是生成式 AI 冲击最直接的智力工作领域。这场冲击的走向与编码领域不同:它没有立即取代写作,而是先改变了「读」的方式 —— 让…
📅 11-16 · 👁 2026年11月16日
从OCR到失落文明的重建 AI大事记

从OCR到失落文明的重建

考古学是少数"数据一旦损毁就永久损毁"的学科。AI 在这里的作用不是替代挖掘,而是把已经积累了几十年的碎片记录,重新变成可检索、可比对的信息。
📅 10-23 · 👁 2026年10月23日
从音频指纹到生成式音乐的三十年诉讼 AI大事记

从音频指纹到生成式音乐的三十年诉讼

音乐版权是所有 AI 争议里最古老也最难解的一个。因为在生成式音乐出现之前,版权问题就已经围绕"识别"打过三十年官司了。
📅 10-23 · 👁 2026年10月23日
从车辆路径问题到供应链预测 AI大事记

从车辆路径问题到供应链预测

物流是运筹学应用最深的地方,也因此最早暴露纯算法方案的局限:现实仓库里,一个最优解往往比一个次优解慢得多。
📅 10-23 · 👁 2026年10月23日