人工智能与中国和西方环境治理的未来

《Environmental Science & Technology》：AI and the Future of Environmental Governance in China and the West

中国与西方在人工智能环境治理中呈现显著差异：西方侧重伦理风险与标准化，中国强调集中化应用与规模效应。双方共享资源消耗、超级智能风险等挑战，但治理路径分化可能影响全球可持续未来。

　　

人工智能（AI）的崛起正在重塑环境治理。(1)然而，中国和西方在应对AI带来的机遇和挑战时采取了不同的方式。这反映了他们在优先事项上的根本分歧。西方的举措强调了大规模部署AI所涉及的伦理问题和风险(2)，以及其巨大的环境成本；相比之下，中国将AI视为环境治理的一个重要工具，更重视规模和速度而非深思熟虑。这些策略的背后是社会技术构想的深刻差异——西方主要采取“以人为中心”和参与式的愿景，而中国则倾向于更加集中化的模式。这些迄今尚未得到充分探索的对比性范式，对于理解AI在环境治理领域的变革性影响至关重要。它们导致了所谓的“AI鸿沟”(3)，中国对AI的信任和接受程度远远超过西方。(4)这对数字环境治理的未来规模、集中化和自动化具有深远的影响。(5)

中国和西方的环境政策

---

毫无疑问，西方在AI和环境问题上的优先事项和关注点与中国有所不同。过去五年美国、欧盟和中国环境政策的概述揭示了这些差异（图1）。在美国和欧盟，与AI相关的关键词明显集中在资金、治理和安全方面，常见的关键词包括“风险”和“标准”。然而，在中国，政策更注重促进AI的应用，关键词如“推广”、“鼓励”和“加速”。

图1

图1. 2020年1月至2025年5月美国、欧盟和中国环境政策中与AI相关关键词的出现频率。美国的相关政策包括《联邦法规汇编》、《总统文件汇编》、《国会委员会印刷品》、《国会报告》、《总统经济报告》、《联邦公报》、《法规汇编》和《美国法典》。欧盟的相关政策包括委托法规、指令、决定、执行决定、执行法规、通知、沟通、声明、决议、立法决议、联合沟通、建议、理事会结论、主动意见和主动决议。中国的相关政策包括国务院的规范性文件和部际规范性文件。政策文件来源于权威数据库和官方公共来源，包括中国的PKULaw（https://www.pkulaw.com）、欧盟的EUR-Lex（eur-lex.europa.eu）和美国的GovInfo（www.govinfo.gov），涵盖了2020年1月至2025年5月期间发布的环境政策。为确保一致性，使用了主题分类词典来筛选和保留环境政策文本。然后，通过正则表达式匹配和文本挖掘技术（即关键词提取和模式匹配）以及自然语言处理技术（即分词和停用词去除）从政策段落中提取与人工智能（包括AI、大型语言模型和机器学习）相关的关键词。提取的关键词随后由作者手动检查并分类。

高分辨率图片

下载MS PowerPoint幻灯片

欧盟的监管重点体现在2024年《AI法案》中，该法案被誉为“全球主要监管机构首个全面的AI法规”。(6)这项前所未有的法律限制了高风险AI应用，同时通过要求公开能源消耗情况（并在一定程度上公开环境影响）来推动“绿色AI”的发展。(7)相比之下，美国优先考虑在很大程度上分散化、市场驱动的模式下的创新，目前没有明确的中央环境法规计划。实际上，美国的政策仍然分散，依赖于企业的自愿举措（例如碳中和数据中心），而不是具有约束力的法规。(8)美国已经实施的提及AI的联邦举措，如环保署2014年的“下一代合规”（NGC）计划，因特朗普政府时期的政策倒退而受到削弱。

中国的AI战略与欧盟和美国的方法形成鲜明对比。中国不是采取谨慎的监管措施或市场驱动的分散化方式，而是通过集中化的举措积极推动AI的发展，例如最近国务院发布的意见，要求到2030年AI将“全面推动中国的高质量发展”，应用率超过90%。(9)由于全球出口限制和对技术自主性的需求，这一举措将深刻影响AI在环境治理中的推广速度和规模。

值得注意的是，中国政策讨论中较少提及AI的环境成本。相反，人们普遍认为这些成本可以通过技术进步来缓解，特别是通过国家规定的可再生能源数据中心来实现（尽管中国目前仍严重依赖煤炭能源）。这一观点得到了国家政策的支持，例如2023年的规定要求新的数据中心至少80%的能源来自可再生能源（例如中国国家发展和改革委员会发布的“2022年东西部计算资源传输项目”）。总体而言，中国的AI发展与国家关于碳中和和建设“生态文明”（she?ngtài wénmíng）的目标紧密一致，没有受到官僚障碍的阻碍，在伦理问题、隐私风险或环境成本方面的审查也较少。

不同的构想

---

中国和西方不同的环境政策反映了更深层次的文化和政治分歧，这些分歧又产生了竞争性的社会技术构想，即集体持有的、制度稳定的、公开表达的对理想未来的愿景。(10)这些构想虽然并不总是完美地体现在实际行动中，但它们在实践中影响着政策议程、研究重点和技术设计，从而最终决定了未来的发展方向。

在西方，人们对AI在环境治理中的看法通常存在极端分化。一方面，技术乐观主义者对AI解决复杂环境问题的能力抱有近乎乌托邦的信念。(11)另一方面，技术悲观主义者则持强烈怀疑或反对态度，强调AI本身带来的重大环境和社会成本。这种紧张关系形成了一个有争议的政治和讨论领域，限制并影响了AI的部署，通常更倾向于谨慎和监督，而非快速、全面的实施。因此，理想的AI部署被设想为多元化和分散化的，由包括各级政府、非政府组织、学术机构和公民团体在内的多元生态系统共同开发和管理，强调透明度、隐私和公民赋权。

相比之下，中国的方法明显偏向技术乐观主义和集中化，旨在实现预测性、综合性的“智能”治理zhìnéng zhìlǐ，目标是覆盖从数据收集和分析到自动化决策的整个过程。该系统设想了一个统一的国家级平台，能够实时监控环境指标，实现系统的整体优化，将生态目标与经济和社会规划紧密结合。“生态大脑”（huánbǎo dànǎo）是一个强有力的比喻，它是一个由AI驱动的中央指挥平台，能够整合大量的实时数据流，不仅用于监控，还用于评估、预测和自动管理环境状况，并识别最佳解决方案。

中国对AI在环境治理中的应用目标具有独特的整合性和集中化特点，国家层面的协调程度在全球范围内较为罕见。虽然欧盟的“Destination Earth”（DestinE）和微软的“Planetary Computer”在行星尺度上与中国“生态大脑”有相似的技术乐观主义目标，但它们更多地扮演模拟器或开源库的角色。而中国的“生态大脑”则更像是一个本地（最终是国家级）治理的操作系统，旨在直接插入行政机构中，自动化那些具有直接社会经济后果的决策（例如分配水资源、关闭污染工厂和指导基础设施投资）。两者的区别在于前者是咨询工具，后者是用于直接治理的集成系统。

未来的限制和未知因素

---

尽管中国和西方在AI环境治理方面的构想和目标存在显著差异，但在实践和实施过程中都面临着类似的限制。即使在中国，环境AI整合的步伐也未能达到预期。例如，自动化环境影响评估（EIA）和分区优化的试点项目虽然取得了进展，但仍存在持续的瓶颈。自动化EIA仍需要人工监督，AI的分区和许可也更多停留在表面层次，尚未实现系统性变革。(12)

从长远来看，中国和西方都对人工智能超级智能（(13)的风险感到担忧，这种智能的认知能力远超人类，可以被视为一种自然力量。(14)将这种智能与人类价值观和生存需求相协调是一个前所未有的挑战。讽刺的是，环境治理为此提供了一个自然的试验场，随着各国尝试越来越先进的AI系统，其应用可能会在全球范围内扩展。利用AI管理地球生物圈需要应对紧密耦合的非线性系统，同时避免灾难性的意外后果。因此，这为任何未来的超级智能提供了早期的验证平台，以测试必要的保障和控制机制。

然而，尽管双方都认识到地球系统构成了这样的试验场，并且都意识到超级智能带来的存在风险，但这些担忧往往被置于竞争性的地缘政治框架之中。(15)就像更广泛的“AI军备竞赛”一样，这些担忧经常被用作率先开发先进AI的正当理由，而不是合作的依据。跨地缘政治集团的合作讨论很少见。然而，面对一个不受国家边界限制的潜在力量时，合作成为一种现实需求，无论是当前环境治理中的AI还是未来的超级智能，集体行动都是一种战略必要性。

最终，这些共同的实践和存在挑战揭示了两种技术政治模式的局限。尽管中国的集中自动化和西方的“以人为中心”的多元化模式存在差异，但两者都面临着类似的限制：巨大的资源消耗、对稀有矿物的需求增加、技术限制以及对人工智能超级智能风险的担忧。这种情况提供了一个关键的现实世界实验。哪种社会技术构想和治理方式能够更有效地构建可持续的未来并克服这些共同挑战？或者，其他替代方案会从其他地方出现？我们的分析表明，无论好坏，东西方不同的技术体制已经在为多样化的环境未来奠定基础，其影响将波及全球。