Study: AI productivity gains may boost CO2 emissions via fossil fuel extraction
A study in npj Climate Action models AI as a two-way productivity amplifier, finding that AI-driven gains in fossil fuel extraction can outweigh emission reductions from clean energy efficiency. In 64 global computable general equilibrium scenarios, annual integrated emissions increased by 0.47 billion tonnes to 1.8 billion tonnes, highlighting a neglected carbon impact beyond data centers.
Coverage timeline
机器之心ScienceAI
编辑丨% 如果说起 AI 的碳排放，很多人首先想到的是数据中心：巨大的服务器、不断上涨的用电量，以及背后的发电排放。 但发表在《npj Climate Action》的研究「 AI-driven productivity gains enable more CO ₂ emissions than they avoid in a global energy–economy model 」提出了一个更容易被忽略的问题， AI 不只是自己消耗能源，它还会改变能源产业本身， 而这可能才是更大的变量。 论文链接： https://www.nature.com/articles/s44168-026-00411-0 让石油和风电都变得更高效 这项研究最重要的变化，是没有把 AI 简单定义成一种「提高能源效率」的技术。 研究者把 AI 看成一种 双向生产率放大器 。一边，是人们熟悉的「绿色 AI」。比如 AI 可以帮助预测风力和太阳能发电、优化电力调度、提高设备利用率，让同样的可再生能源基础设施产生更多有效产出。 另一边，则是经常被忽略的「化石能源 AI」。AI 可以参与石油和天然气产业从勘探、开采，到加工、运输和发电的不同环节。对于上游开采来说，如果 AI 能让企业以更低的成本获得更多石油和天然气，那么一些原本经济上不划算的资源就可能重新变得值得开发。 图 1：跨越一阶、二阶和高阶效应的人工智能-能源市场动态概念系统图。 研究引用的相关证据显示，AI 驱动的先进采收技术可能扩大现有油田的可采资源，并降低部分生产成本。论文因此认为，AI 对化石燃料的作用不能简单归类为「效率提升」，因为效率提高之后还可能进一步改变供给、价格和市场规模。 全球经济建模 为了测试经过 AI 强化后的能源系统，研究团队使用了一个全球 可计算一般均衡模型（CGE） 。这个模型不是只盯着某一个工厂或某一种能源，而是让不同产业、能源价格、资本、劳动力和消费需求彼此发生作用。 图 2：AI 排放（建模）。 他们测试了 64 种不同的场景，并应用了从低到高的不同层次的人工智能应用，应用于化石燃料、可再生能源、电网以及部分航运和重工业领域。 根据模型的情景，当人工智能生产力提升应用于化石燃料和清洁能源领域时，全球年度一体化排放量增加了 0.47 亿吨，达到 18 亿吨。这一增长大致相当于全球能源相关一氧化碳总量的
