AI行业这些年习惯拿“应对气候变化”给自己的合法性撑腰：更聪明的电网、更高效的工业、更精准的气候模拟。但MIT Technology Review《The Download》2026年11月9日刊泼了盆冷水——说得漂亮不等于拿得出证据。这期重点放在Mary Nichols的观点文章和一项针对英伟达的调查上。一个讲气候，一个讲芯片，看似不搭界，指向的却是同一个问题：AI算力猛涨，外部性谁来算账、谁来盯？
承诺喊得响，气候账本却薄得很
这期《The Download》的核心内容之一，就是Mary Nichols的观点文章。她在加州大学洛杉矶分校法学院任杰出顾问，此前还当过加州空气资源委员会主席。长期泡在空气与气候政策制定里的人，判断很干脆：AI的气候理由还立不住。
“AI的气候理由尚未成立。”——玛丽·尼科尔斯（意译）
这倒不是说AI在气候领域一无是处。电网调度、材料发现、农业优化、气候风险预测，AI确实露过几手。可潜力不等于净收益，更不等于能直接写进政策账本的减排量。眼下不少关于AI气候红利的讨论，靠的是厂商或咨询机构设定的情景：基线怎么划、rebound effect算不算、模型训练与推理的能耗怎么分摊、数据中心用水和占地影不影响环境，这些往往没有透明答案。
另一头，AI数据中心扩张的速度倒是实打实的。用电负荷、冷却用水、备用电源、芯片制造与服务器供应链的碳排放，都是能测量、能审计的外部性。行业一边说AI帮世界减排，一边自己的排放噌噌往上涨，又没有统一披露和第三方验证，那“气候理由”就很容易沦为公关话术。
为什么“空头支票”很危险
气候政策最怕的不是技术不完美，而是资源放错了地方。一旦AI减排被当成既定事实，政策制定者可能就放松对数据中心能耗的约束，或者拿补贴、税收优惠去换一个还没被证明的长期收益。更隐蔽的风险在于，企业可能把AI气候收益和自身排放混在一起报，用未来的潜力盖住当下的增量。
所以Nichols的提醒有政策含义：AI的气候论证得满足几个基本条件——可测量、可归因、可比较、可追责。具体说，数据中心的用电与碳强度、用水量、供应链排放、能效指标都该公开；AI带来的减排收益要和企业自身排放分开报；关键假设得由独立方复核；政策激励也要跟可验证的绩效挂钩。缺了这些，所谓气候红利就只是“empty claims”。
英伟达为什么被放到放大镜下
同日简报还提到一项针对英伟达的调查。原文摘要没展开调查主体和具体事项，但英伟达被盯上并不让人意外。它是AI算力供应链的核心公司，GPU出货和数据中心建设直接挂钩。算力扩得越快，芯片能效、服务器散热、电力需求和供应链责任就越受关注。
要分清的是，对英伟达的调查可能涉及不同维度：环境信息披露、能耗与水资源影响、市场行为，或者供应链责任。细节没出来之前，不该预判结论。但这个信号本身说明，AI的气候问题不能只在模型层面打转，还得往算力基础设施上追。芯片能效进步当然重要，可能效提升也可能撞上杰文斯悖论：单位算力更省电，反倒刺激出更多算力需求，总能耗最后还是往上走。
AI能当气候工具，但不能靠喊口号
更有建设性的路子，是把AI气候讨论从“信仰之争”拉回“证据之争”。一边支持AI在气候适应和减排里的真实应用，比如电网灵活性、工业过程优化、极端天气预警；另一边要求AI产业先把自己的环境账本理清楚。监管者、投资者和公众要的不是更宏大的承诺，而是能复核的数据、清楚的边界和能落地的问责机制。
Mary Nichols的文章和英伟达调查出现在同一期简报里，凑成一个挺耐人寻味的对照：AI的气候正当性，到头来要靠算力扩张的外部性来检验。技术可以是解决方案的一部分，前提是它不再被当成免检通行证。气候论证没有捷径，AI也不例外。
