8月5日消息，一篇发表在《npj Climate Action》期刊的研究论文对人工智能在能源密集型制造业中应用导致的碳排放影响进行了系统建模分析，得出的核心结论挑战了"AI天然促进脱碳"的主流叙事。 研究团队构建了一个全球能源-经济模型，模拟AI技术在化石燃料（fossil fuel）、可再生能源（renewable）和燃料中性（fuel-neutral）三条平行路径中的应用场景。模型结果显示，AI驱动的生产力提升可能导致全球年度CO2排放增加0.5至1.8千兆吨（Gt，即5-18亿吨）。 这一反直觉结论的机制在于"杰文斯悖论"（Jevons Paradox）：当AI提升了能源使用效率、降低了生产成本时，总产出和能源消费量可能不降反升，导致总排放量增加。具体到制造业，AI优化了生产流程、提高了设备利用率和原料转化效率，但这些效率增益被产能扩张和成本下降引发的需求增长所抵消甚至超越。 研究的核心警示是：AI是否会加速脱碳，取决于可再生能源路径的生产力增益是否能"显著且持续地"超过化石能源路径。如果两条路径的生产力提升幅度相当，AI将倾向于强化现有的碳密集型能源体系，因为化石能源在当前全球能源结构中仍占主导地位（约80%）。 对于化工和石化行业而言，这一发现具有直接政策含义。化学工业是全球最大的工业能源消费部门之一，其生产过程高度依赖化石燃料作为原料（feedstock）和能源（fuel）。如果AI优化集中在降低化石燃料使用成本方面（如提高裂解炉效率、优化催化裂化收率），而不伴随可再生原料和绿电的平行替代，AI的净碳效应可能为负。 研究建议政策制定者将AI技术与碳定价、可再生能源补贴和强制性的碳强度标准相结合，确保AI驱动的生产力增益被导向脱碳路径而非简单的产出扩张。 （来源：AZoM）