2026年3月，十四届全国人大四次会议与全国政协十四届四次会议（全国两会）在北京隆重召开。政府工作报告进一步强调了中国推动绿色转型和全球气候治理的坚定决心，中国的气候政策制定与转型则成为实现中国双碳目标的重要抓手。
然而，气候政策往往不是单一实施，而是以复杂的政策组合形式存在。碳定价、补贴、监管、信息披露和政府投资等多种政策同时发挥作用，不同政策之间既可能形成协同，也可能相互冲突。传统政策评估方法在面对海量、非结构化的全球政策文本时往往难以识别复杂的政策内容、机制以及互动机制。对气候政策组合真实效果的有效评估，成为当前政策科学研究的重要挑战。
图示：全球气候变化减缓政策的发展（1996-2019）
近日，上海创智学院与复旦大学、上海科学智能研究院及伦敦大学学院（UCL）的联合研究团队在气候变化领域综合性顶刊《Nature Climate Change》发表了针对复杂气候组合效果评估的最新研究。文章结合人工智能与传统政策评估方法，提出了面向气候政策效果的全新研究范式。利用人工智能技术对政策机制和政策类型进行识别与分类，在整合全球100多个国家、超过1万项气候政策的基础上，对复杂政策体系的交互效果开展系统性评估。这一研究展示了AI赋能社会科学研究的新路径，彰显了人工智能在复杂政策体系分析领域应用的重要应用前景。
研究团队还受邀同步撰写了Policy Brief（政策简报），直面政策制定者提出优化气候政策组合的具体建议，为各国在实现碳中和目标过程中提供更加直接、可操作的决策参考。相关研究内容以「Cross-National Comparative Assessment of Synergies and Conflicts in Climate Policy Mixes」，「Policy interactions reshape the outcomes of carbon pricing policies」为题，于2026年3月11日在线发表在Nature Climate Change。上海创智学院全时导师、上海科学智能研究院地球科学领域科学家、教育部国家发展与智能治理综合实验室执行主任，复旦大学经济学院、大数据学院双聘教授吴力波，复旦大学博士生刘国磊为共同第一作者。伦敦大学学院教授孟靖，上海创智学院全时导师、复旦大学副教授、上智院领域科学家周阳为共同通讯作者。研究得到了国家重点研发计划、国家自然科学基金以及欧盟相关项目的资助。
论文标题：Cross-National Comparative Assessment of Synergies and Conflicts in Climate Policy Mixes
论文地址：https://www.nature.com/articles/s41558-026-02574-4
破解“政策迷宫”：全球视角下的量化评估框架
在复杂的气候治理体系中，政策的真实效果往往受到政策交互的深刻影响。例如可再生能源补贴可能会因降低碳配额需求而压低碳价，削弱碳市场的调节功能。然而由于各国政策环境的高度异质性，传统的计量方法难以对政策的交互效果进行精确比较与识别。
为了破解这一难题，研究团队构建基于人工智能的全新全球气候政策量化评估框架，对全球政策体系进行系统分析。
图示：评估协同和冲突效应的分析框架。
面对不同国家实施的差异性碳定价政策，研究团队利用无监督学习算法，在高维特征空间中对全球政策进行聚类，识别各国政策体系之间的结构差异，精准捕捉不同国家政策设计的异质性。将复杂的政策组合归纳为规律性的机制模块，为跨国比较和异质性分析奠定了数据基础。在此基础上开展政策交互机制分析：
- 碳定价政策效果评估：利用合成控制法，为每个实施碳定价的国家构建反事实基准，精准剥离出碳定价带来的实际减排贡献 。
- 政策组合交互效应分析：构建“全球气候政策指数”，从强度、覆盖面和执行力度三个维度评价不同国家的政策设计。分析碳定价效果与现有政策组合之间的交互效果，识别系统性的协同与冲突模式；
- 反事实模拟与政策建议：模拟消除政策冲突的潜在减排效果，对于尚未实施碳定价的国家给出最优政策组合建议。
图示：不同国家碳税和碳排放交易体系政策的处理效果。
核心发现：政策组合决定碳定价减排效果
研究结果显示，在全球平均水平下，碳排放权交易体系（ETS）和碳税分别能使排放强度降低约15.4%和8.5%。然而这一效果在不同政策组合下表现出显著差异：
- 协同增效：研究发现，在多部门碳税体系中，若配合政府研发支持及公共基础设施建设（Government Provision），能显著提升减排效率。
- 潜在冲突：在欧盟等成熟的配额总量控制型（Cap-and-trade）体系中，新能源补贴往往与碳市场信号产生冲突，通过扭曲价格信号削弱减排动力。
- 新兴市场的机遇：对于处于早期阶段或低强度的ETS（如2021年之前的中国试点），全国范围的补贴反而表现出协同效应，因为其在非覆盖领域的直接减排收益超过了对碳市场的干扰。
图示：直接和分解的补充性政策对ETS减排效果的影响。
政策启示：揭示政策组合的“1+1 > 2”效应
研究团队进一步通过反事实模拟预测了政策优化潜力。结果表明，如果能完全消除政策间的冲突并实现良好协同，碳定价的减排效能平均可提升至22.3%。
针对尚未实施碳定价的国家，模型给出了“定制化建议”：
- 监管完善型国家：如澳大利亚、沙特阿拉伯等，拥有强大的法规和信息披露体系，更适合引入类似欧盟风格的碳交易体系。
- 基础政策薄弱国家：对于大多数非洲国家及部分政策覆盖有限的国家，低强度、多部门的碳税可能是更稳妥的起步选择。
图示：未实施碳定价政策国家的最优政策选择模拟。
研究建议，随着全球气候治理体系日益复杂，传统依赖单一政策评估的方法已经难以全面刻画政策体系的真实作用。通过将人工智能、大数据分析与因果推断方法相结合的“AI+政策科学”全新研究范式能够为理解复杂政策体系提供全新解决方案。
在绿色低碳转型加速推进的背景下，人工智能技术正在为政策科学研究带来方法革命。该研究不仅拓展了气候政策评估的研究边界，也展示了AI赋能社会科学、服务国家绿色发展战略的重要潜力。
