上海吳力波團(tuán)隊(duì)用AI整合百余國(guó)政策、提出氣候政策評(píng)估新范式

作者：論文團(tuán)隊(duì)

編輯丨ScienceAI

近日，十四屆全國(guó)人大四次會(huì)議與全國(guó)政協(xié)十四屆四次會(huì)議（全國(guó)兩會(huì)）在北京隆重召開(kāi)。政府工作報(bào)告進(jìn)一步強(qiáng)調(diào)了中國(guó)推動(dòng)綠色轉(zhuǎn)型和全球氣候治理的堅(jiān)定決心，中國(guó)的氣候政策制定與轉(zhuǎn)型則成為實(shí)現(xiàn)中國(guó)雙碳目標(biāo)的重要抓手。

然而，氣候政策往往不是單一實(shí)施，而是以復(fù)雜的政策組合形式存在。碳定價(jià)、補(bǔ)貼、監(jiān)管、信息披露和政府投資等多種政策同時(shí)發(fā)揮作用，不同政策之間既可能形成協(xié)同，也可能相互沖突。傳統(tǒng)政策評(píng)估方法在面對(duì)海量、非結(jié)構(gòu)化的全球政策文本時(shí)往往難以識(shí)別復(fù)雜的政策內(nèi)容、機(jī)制以及互動(dòng)機(jī)制。對(duì)氣候政策組合真實(shí)效果的有效評(píng)估，成為當(dāng)前政策科學(xué)研究的重要挑戰(zhàn)。

圖示：全球氣候變化減緩政策的發(fā)展（1996-2019）

近日，來(lái)自復(fù)旦大學(xué)、上海創(chuàng)智學(xué)院、上海科學(xué)智能研究院及倫敦大學(xué)學(xué)院（UCL）的研究團(tuán)隊(duì)在氣候變化領(lǐng)域綜合性頂刊Nature Climate Change發(fā)表了針對(duì)復(fù)雜氣候組合效果評(píng)估的最新研究。文章結(jié)合人工智能與傳統(tǒng)政策評(píng)估方法，提出了面向氣候政策效果的全新研究范式。利用人工智能技術(shù)對(duì)政策機(jī)制和政策類型進(jìn)行識(shí)別與分類，在整合全球 100 多個(gè)國(guó)家、超過(guò) 1 萬(wàn)項(xiàng)氣候政策的基礎(chǔ)上，對(duì)復(fù)雜政策體系的交互效果開(kāi)展系統(tǒng)性評(píng)估。這一研究展示了 AI 賦能社會(huì)科學(xué)研究的新路徑，彰顯了人工智能在復(fù)雜政策體系分析領(lǐng)域應(yīng)用的重要應(yīng)用前景。

研究團(tuán)隊(duì)還受邀同步撰寫了 Policy Brief（政策簡(jiǎn)報(bào)），直面政策制定者提出優(yōu)化氣候政策組合的具體建議，為各國(guó)在實(shí)現(xiàn)碳中和目標(biāo)過(guò)程中提供更加直接、可操作的決策參考。

論文地址：https://www.nature.com/articles/s41558-026-02574-4

相關(guān)研究?jī)?nèi)容以「Cross-National Comparative Assessment of Synergies and Conflicts in Climate Policy Mixes」，「Policy interactions reshape the outcomes of carbon pricing policies」為題，于 2026 年 3 月 11 日在線發(fā)表在《Nature Climate Change》。

復(fù)旦大學(xué)經(jīng)濟(jì)學(xué)院、大數(shù)據(jù)學(xué)院雙聘教授，上海創(chuàng)智學(xué)院全時(shí)導(dǎo)師、上海科學(xué)智能研究院地球科學(xué)領(lǐng)域科學(xué)家、教育部國(guó)家發(fā)展與智能治理綜合實(shí)驗(yàn)室執(zhí)行主任吳力波，復(fù)旦大學(xué)博士生劉國(guó)磊為共同第一作者。倫敦大學(xué)學(xué)院教授孟靖，復(fù)旦大學(xué)副教授、上海創(chuàng)智學(xué)院全時(shí)導(dǎo)師、上智院領(lǐng)域科學(xué)家周陽(yáng)為共同通訊作者。

研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金以及歐盟相關(guān)項(xiàng)目的資助，由復(fù)旦大學(xué) CFFF 智算平臺(tái)提供技術(shù)和算力支持。

破解「政策迷宮」：全球視角下的量化評(píng)估框架

在復(fù)雜的氣候治理體系中，政策的真實(shí)效果往往受到政策交互的深刻影響。例如可再生能源補(bǔ)貼可能會(huì)因降低碳配額需求而壓低碳價(jià)，削弱碳市場(chǎng)的調(diào)節(jié)功能。然而由于各國(guó)政策環(huán)境的高度異質(zhì)性，傳統(tǒng)的計(jì)量方法難以對(duì)政策的交互效果進(jìn)行精確比較與識(shí)別。

為了破解這一難題，研究團(tuán)隊(duì)構(gòu)建基于人工智能的全新全球氣候政策量化評(píng)估框架，對(duì)全球政策體系進(jìn)行系統(tǒng)分析。

圖示：評(píng)估協(xié)同和沖突效應(yīng)的分析框架。

面對(duì)不同國(guó)家實(shí)施的差異性碳定價(jià)政策，研究團(tuán)隊(duì)利用無(wú)監(jiān)督學(xué)習(xí)算法，在高維特征空間中對(duì)全球政策進(jìn)行聚類，識(shí)別各國(guó)政策體系之間的結(jié)構(gòu)差異，精準(zhǔn)捕捉不同國(guó)家政策設(shè)計(jì)的異質(zhì)性。將復(fù)雜的政策組合歸納為規(guī)律性的機(jī)制模塊，為跨國(guó)比較和異質(zhì)性分析奠定了數(shù)據(jù)基礎(chǔ)。在此基礎(chǔ)上開(kāi)展政策交互機(jī)制分析：

• 碳定價(jià)政策效果評(píng)估：利用合成控制法，為每個(gè)實(shí)施碳定價(jià)的國(guó)家構(gòu)建反事實(shí)基準(zhǔn)，精準(zhǔn)剝離出碳定價(jià)帶來(lái)的實(shí)際減排貢獻(xiàn)；
• 政策組合交互效應(yīng)分析：構(gòu)建「全球氣候政策指數(shù)」，從強(qiáng)度、覆蓋面和執(zhí)行力度三個(gè)維度評(píng)價(jià)不同國(guó)家的政策設(shè)計(jì)。分析碳定價(jià)效果與現(xiàn)有政策組合之間的交互效果，識(shí)別系統(tǒng)性的協(xié)同與沖突模式；
• 反事實(shí)模擬與政策建議：模擬消除政策沖突的潛在減排效果，對(duì)于尚未實(shí)施碳定價(jià)的國(guó)家給出最優(yōu)政策組合建議。

圖示：不同國(guó)家碳稅和碳排放交易體系政策的處理效果。

核心發(fā)現(xiàn)：政策組合決定碳定價(jià)減排效果

研究結(jié)果顯示，在全球平均水平下，碳排放權(quán)交易體系（ETS）和碳稅分別能使排放強(qiáng)度降低約 15.4% 和 8.5%。然而這一效果在不同政策組合下表現(xiàn)出顯著差異：

• 協(xié)同增效：研究發(fā)現(xiàn)，在多部門碳稅體系中，若配合政府研發(fā)支持及公共基礎(chǔ)設(shè)施建設(shè)（Government Provision），能顯著提升減排效率。
• 潛在沖突：在歐盟等成熟的配額總量控制型（Cap-and-trade）體系中，新能源補(bǔ)貼往往與碳市場(chǎng)信號(hào)產(chǎn)生沖突，通過(guò)扭曲價(jià)格信號(hào)削弱減排動(dòng)力。
• 新興市場(chǎng)的機(jī)遇：對(duì)于處于早期階段或低強(qiáng)度的 ETS（如 2021 年之前的中國(guó)試點(diǎn)），全國(guó)范圍的補(bǔ)貼反而表現(xiàn)出協(xié)同效應(yīng)，因?yàn)槠湓诜歉采w領(lǐng)域的直接減排收益超過(guò)了對(duì)碳市場(chǎng)的干擾。

圖示：直接和分解的補(bǔ)充性政策對(duì) ETS 減排效果的影響。

政策啟示：揭示政策組合的「1+1 > 2」效應(yīng)

研究團(tuán)隊(duì)進(jìn)一步通過(guò)反事實(shí)模擬預(yù)測(cè)了政策優(yōu)化潛力。結(jié)果表明，如果能完全消除政策間的沖突并實(shí)現(xiàn)良好協(xié)同，碳定價(jià)的減排效能平均可提升至 22.3%。

針對(duì)尚未實(shí)施碳定價(jià)的國(guó)家，模型給出了「定制化建議」：

• 監(jiān)管完善型國(guó)家：如澳大利亞、沙特阿拉伯等，擁有強(qiáng)大的法規(guī)和信息披露體系，更適合引入類似歐盟風(fēng)格的碳交易體系。
• 基礎(chǔ)政策薄弱國(guó)家：對(duì)于大多數(shù)非洲國(guó)家及部分政策覆蓋有限的國(guó)家，低強(qiáng)度、多部門的碳稅可能是更穩(wěn)妥的起步選擇。

圖示：未實(shí)施碳定價(jià)政策國(guó)家的最優(yōu)政策選擇模擬。

研究建議，隨著全球氣候治理體系日益復(fù)雜，傳統(tǒng)依賴單一政策評(píng)估的方法已經(jīng)難以全面刻畫政策體系的真實(shí)作用。通過(guò)將人工智能、大數(shù)據(jù)分析與因果推斷方法相結(jié)合的「AI + 政策科學(xué)」全新研究范式能夠?yàn)槔斫鈴?fù)雜政策體系提供全新解決方案。

在綠色低碳轉(zhuǎn)型加速推進(jìn)的背景下，人工智能技術(shù)正在為政策科學(xué)研究帶來(lái)方法革命。該研究不僅拓展了氣候政策評(píng)估的研究邊界，也展示了AI 賦能社會(huì)科學(xué)、服務(wù)國(guó)家綠色發(fā)展戰(zhàn)略的重要潛力。