技术学习的结构：基于水电解的成本预测、政策与战略洞察

《iScience》：The structure of technological learning: Insights from water electrolysis for cost forecasting, policy, and strategy

　　

专业摘要翻译：预测新兴清洁技术的成本演变对于制定明智的政策、投资和脱碳决策至关重要，然而这一过程仍存在深度不确定性。学习曲线（learning curve）将成本下降与累计部署量相关联，被广泛用于技术成本预测。然而，将其应用于新兴技术面临诸多挑战，这既源于学习率（learning rate）参数估计的稀缺性与高度不确定性，也源于多种合理学习框架并存所导致的结构性不确定性。研究人员以水电解（water electrolysis）为案例，评估了不同学习结构——从技术变体与区域间的共享学习（shared learning）到碎片化学习（fragmented learning）——如何改变预期成本路径。研究人员审视了代表不同工业现实（包括电解槽变体间的竞争以及与保护主义和产业政策相关的供应链碎片化）的模型假设。研究发现，合理的建模选择会产生差异显著的轨迹，并对政策设计与技术战略产生实质性影响。研究人员主张在规模化规划、国家产业战略和能源系统建模中，应常规性地应用多种学习框架以探索决策空间并对结论进行压力测试。

论文解读文章

一、研究背景与问题

新兴清洁技术的成本演变预测是政策制定、投资决策与全球脱碳行动的关键依据。学习曲线模型因其简洁性而被广泛用于将成本下降与累计部署量关联，从而预测技术未来成本。然而，将该框架应用于新兴技术面临双重不确定性：一是学习率参数难以估计，二是学习模型本身的结构存在多种合理选择。传统经验曲线模型通常将成本下降完全归因于累计部署量，将部署视为包罗万象的代理变量，忽视了成本下降的多种驱动机制。实际中，成本下降源于制造规模经济、技术风险降低带来的资本成本下降、研究驱动的创新、工厂与制造设计进步以及安装运营劳动力专业知识的积累等多种途径。不同技术组件可能通过不同机制实现成本下降，且学习可能呈现全球性或本地性特征。此外，贸易保护主义抬头与供应链本地化趋势进一步加剧了学习结构的复杂性。水电解作为重要的脱碳新兴技术，其成本下降被广泛预期源于学习效应，但现有研究通常将电解视为单一整体技术，或将学习默认视为全球性，很少检验非电堆成本是否遵循更本地化的学习动态，也未考察供应链碎片化与保护主义是否产生不同的区域学习轨迹。这些并非中性的建模选择，它们内嵌了关于技术变体间溢出效应、学习地理范围及不同成本组件协同演化的假设。

二、研究内容与意义

研究人员以水电解为案例，系统评估了不同学习结构对电解槽电堆成本、辅助设备（BoP）与工程采购建设（EPC）成本以及最终氢气生产成本的影响。研究发现，合理的建模选择会生成差异显著的轨迹，对政策设计与技术战略产生实质性影响。研究强调，学习模型的结构不确定性不是次要的建模细节，而是决定成本预测结论的一阶因素。广泛使用的统一全球学习模型并非中性简化，其内嵌了关于技术变体、区域和成本组件间溢出的强假设。研究主张在规模化规划、国家产业战略和能源系统建模中，应常规性地应用多种学习框架以探索决策空间并对结论进行压力测试。

三、主要技术方法

研究人员采用标准单因素经验曲线模型进行成本预测。对于电堆成本，比较了三种学习结构：共享学习模型（所有变体遵循共同经验曲线）、技术碎片化模型（ALK与PEM分别遵循独立曲线）以及区域碎片化模型（西方与中国变体在各自技术类别内独立学习）。对于BoP与EPC成本，比较了完全本地学习、完全全球学习以及混合结构（BoP全球学习、EPC本地学习）三种结构。基准情景假设电堆学习率为20%，敏感性分析覆盖15%–25%；BoP与EPC学习率基准为10%，敏感性覆盖5%–15%。初始成本与部署数据基于BloombergNEF调查与预测，电堆初始累计容量为PEM 1.1 GW、ALK 22.6 GW。研究还引入了交互式在线仪表板，允许用户全面探索模型参数与假设。

四、研究结果

（一）替代学习模型

水电解项目资本成本可分为三个主要部分：电解槽电堆（包括碱性ALK与质子交换膜PEM两种主要商业技术）、辅助设备BoP（包括水分离装置、压缩机、碱液罐等支持性基础设施）以及工程采购建设EPC（包括工厂设计、许可与现场施工安装）。研究人员采用基于组件的经验曲线框架来预测水电解项目的未来成本轨迹。

（二）电堆成本

技术碎片化：一种技术，不同变体。ALK与PEM电解槽电堆均为大规模制造、模块化技术，成本下降主要源于制造工艺与供应链发展。两者在材料组成、设计与生产要求上存在显著差异：ALK采用液态氢氧化钾电解质，主要使用镍等低成本材料；PEM依赖膜并需要铂和铱等稀缺昂贵材料。这导致制造工艺与供应链结构分化，溢出效应可能存在但不可能完全。共享学习假设内嵌了强溢出假设，而碎片化学习则假设部署一种变体不会为另一种变体带来溢出收益。

区域碎片化：碎片化的世界，碎片化的学习。产业政策复兴、保护主义政策增多以及供应链本地化可能加剧学习碎片化。当前市场趋势显示中国制造的ALK电堆显著低于西方同类产品，而中西方PEM电堆成本结构相对接近。这种成本差异可能形成强化循环：需求趋向低成本的中国ALK电堆，推动进一步成本下降，而西方制造电堆面临停滞风险。区域碎片化假设下，西方与中国变体可能遵循四条独立成本轨迹。

（三）BoP与EPC成本

本地与全球学习。BoP与EPC占水电解项目资本支出的大部分。研究人员假设BoP与EPC学习在ALK与PEM项目间共享，但更根本的问题是学习是全球性还是本地性。BoP与EPC成本与项目交付密切相关，受劳动力市场、许可程序、监管要求及本地企业竞争程度等司法辖区特定因素影响，因此本地学习是合理起点。然而，标准化、工程优化与国际项目开发经验也可能使学习全球化。混合结构（BoP全球学习、EPC本地学习）具有自然合理性。

（四）替代学习结构的定量影响

电堆。在基准情景下（全球新增100 GW，60–140 GW敏感性范围，四种技术变体均分），不同学习结构产生实质性不同的电堆成本预测。共享学习模型下，西方与中国PEM在整个预测范围内仍比西方ALK昂贵；碎片化学习模型下，PEM最终变得比西方ALK便宜。差异源于学习经验基础：共享模型中PEM从约24 GW的较大累计基础开始学习，碎片化模型中PEM从约1 GW的自身基础开始。将西方PEM电堆成本从600 USD/kW降至300 USD/kW，共享学习模型需约600亿美元累计电堆采购投资，碎片化模型仅需约30亿美元与约9 GW部署。降至100 USD/kW时，碎片化模型需约410亿美元与287 GW部署，共享模型则需超过8900亿美元与6180 GW部署。电堆成本差异也转化为氢气生产成本差异：50%利用率下，西方与中国PEM的LCOH差异约0.34 USD/kg，西方ALK约0.12 USD/kg，中国ALK约0.05 USD/kg。

BoP与EPC。本地与全球学习的差异在初始成本高且本地与全球部署经验差距大的区域最为显著。美国在完全本地化与完全全球化结构间的差异约215 USD/kW，转化为50%利用率下氢气成本约0.41 USD/kg的差异。与电堆学习结构差异联合考虑，美国氢气成本隐含差异可达约0.75 USD/kg，约为美国天然气制氢估计成本的四分之三。完全本地化学习下，美国需部署约54 GW并投资约640亿美元以将BoP与EPC成本降至1000 USD/kW；完全全球学习下，需约189 GW全球累计部署与2240亿美元全球投资，但美国仍可从国际部署带来的成本下降中受益。

五、讨论与结论

研究指出，学习模型的结构不确定性是一阶建模问题。没有单一学习模型可以视为普遍正确，适当结构取决于技术特性、变体与区域间溢出性质、项目成本构成以及所问的政策或战略问题。对于国家氢能战略，政策制定者应在多种学习结构下评估部署目标，而非依赖单一全球学习曲线。如果学习比通常假设的更本地化，实现给定成本目标所需的国内部署规模可能大得多。产业政策方面，国内制造要求、本地含量规定、制造设备出口限制或跨境投资合作限制不仅影响生产地点，还可能改变学习结构本身。碎片化供应链可能支持国内能力形成与战略自主，但也可能通过减少区域间溢出而减缓整体成本下降。政策选择可以塑造学习是被加速、阻碍、碎片化还是统一化。对于全球脱碳，如果学习比全球学习逻辑假设的更本地化，新兴经济体的成本下降将更依赖于早期国内部署、供应链发展与制度学习，这加剧了高资本成本等结构性障碍带来的挑战。标准化与集成完整工厂设计和技术包可能提供一种增加受更广泛学习影响成本份额并支持更广泛国际扩散的途径。该框架也可能适用于其他具有类似建模挑战的新兴技术，如小型模块化核反应堆。研究结论强调，经验曲线分析不应依赖单一默认规格，而应整合多种学习模型的发现以增强成本预测的稳健性、改善决策并制定更明智的技术部署与投资战略。