擁抱碳中和之一：減排的社會環境問題

張樹偉

感謝各位讀者對本專欄的關注。接下來的2-4年（至2025年）中，專欄要討論的核心問題，就是以何種“姿勢”擁抱碳中和。如果一切如預期所愿，本專欄內容將在2023-2024年重新整理、校核、更新為一本名為《碳中和宿命：擁抱碳中和的六種姿勢》（暫定）的書籍。

筆者希望這是一本寫給睿智成人，更加是寫給2060年還活著的孩子們的書。希望他們生活在一個碳中和的安全世界中。

人類現在已經是地球的霸主。所有人共同生活在一個自然生態系統與人文社會系統高度聯系并互動影響的體系中。當然，這并不是一開始就如此。科學家的估計，地球已經存在了約50億年。而生物解剖學概念上的人類出現只是幾百萬年以前的事情。廣為人知的恐龍時代，大致位于地球編年史的中生代-白堊紀，約6500萬年前結束。

我們每時每刻呼吸著新鮮或者不那么新鮮的空氣。中學化學課本中，我們（至少筆者）曾經無數次的背誦：空氣是由78%的氮氣、21%氧氣、還有1%的稀有氣體和雜質組成的混合物。

在這1%的成分當中，有一類氣體叫做“溫室氣體”。它們的作用是保持地球表面的溫暖。類似蔬菜大棚，截留太陽輻射，加熱溫室內空氣，稱為溫室效應。這些成分包括：水蒸汽（H2O），其效應大約占整體效應的60%-70%；其次是二氧化碳（CO?），約占26%；其他的還有臭氧（O?）、甲烷（CH?）、氧化亞氮（N?O）、全氟碳化物（PFCs）、氫氟碳化物（HFCs）、含氯氟烴（HCFCs）以及六氟化硫（SF6）。

溫室氣體是否成為一個問題，系于大氣成分的動態平衡。水蒸汽會很快的從氣態變成液態水，再從液態循環下去。這個過程主要由大氣溫度決定的，處于動態循環當中。

在這種動態循環中，曾經的霸主——恐龍因為氣候動態平衡的打破，而滅絕了。打破這一平衡的因素是“小行星撞地球”。2010年《科學》雜志的一篇文章證實：一顆直徑至少6英里（接近10公里）的小行星在尤卡坦半島（現屬于墨西哥）附近撞擊地球，造成大氣層中充滿了塵土顆粒，覆蓋了多年的天空，產生了“制冷”效應——類似火山灰，從根本上改變了氣候條件。自然生態系統發生了巨變，野狼的祖先迅速改變了食譜，存活了下來，而恐龍沒有。

目前，人類正經歷另一場動態平衡的打破，它指向地球變暖。它的原因并不是地球以及地表自然系統變化導致的，而在于人類活動。Andrew H.Knoll 在《地球簡史》中說：“經過數億年形成的煤炭、石油和天然氣現在以難以置信的速度將碳返回到大氣中。21世紀以來，人類向大氣層釋放的二氧化碳是世界上所有火山總和的100倍。同時，我們（還）沒有做任何事情來試圖消除它，所以空氣中的二氧化碳（總量/濃度）在上升”。這將導致全球溫升、冰川融化、海平面上升以及各種氣候極端事件的增多，甚至多個地理生態系統超過穩定臨界點（tipping point），也就是面臨崩潰。

如何實現碳中和比能否實現更重要

能源部門排放了大部分人類活動相關的溫室氣體。能源減排是能動性的、基于風險管理視角的解決方案。大體上，能源活動，也就是化石能源燃燒排放，占二氧化碳排放總量的85%和溫室氣體排放總量的70%。其他的包括農業、林業與畜牧業，以及部分工業產品生產，比如水泥制品等。我們可以通過植樹造林的方式（所謂“碳匯”）去抵消化石能源排放。這理論上可行，但實際制約因素眾多，潛力有限，也面臨再造林的固碳穩定性問題。除此之外，碳的捕獲、回收與埋存（CCUS）是最初政府間氣候變化組織（IPCC）綜述的減排情景中很有希望的方式，可以經過30年的發展，至今仍未有商業化的規模應用。

更宏大、更具想象力的地球工程（Geo-engineering），比如通過在大氣中注入氣溶膠、人工影響大氣輻射等方式來抵消排放影響，具有高風險和高不確定性，屬于“猛藥”，技術、政策與倫理爭議巨大，雖然也不乏技術“宅男”擁躉，比如著名IT精英慈善家——比爾·蓋茨。能源部門減排，無疑是最具能動性、基于風險管理視角的解決方案。它的最差結果，（如果氣候變暖還有我們忽略掉的重要自然因素）是留下一個高效率、低排放的能源經濟系統。它對于本地環境、經濟增長質量、生態足跡都是好消息。

因此，碳中和約等于能源部門深度減排，約等于煤炭、石油、天然氣的盡快近零使用，約等于100%的非化石能源（可再生、核能及其他）滿足全部能源需求。能源需求的最終主體是人，是人每天的交通出行、建筑取暖、穿衣做飯。人類對各種產品與服務的需求，能源往往是基本投入或者終端產品。

這意味著：碳中和需要人們生產生活各個方面都必須有結構性的重大變化，以擺脫對化石能源的依賴，給定其他既有約束，比如安全可靠、成本可負擔以及其他可持續發展的條件。

伴隨著我國氣候治理體系2020年后的快速進化，碳中和已經成為集體意志。我國二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。這一“30·60”目標在2020年正式確立。經過之前內容的大量鋪陳，筆者在這里提出一個只有論斷沒有論證的命題：這兩個目標必將實現，成為 “宿命”。還不確定的是以何種的方式去實現。而如何實現恰恰比是否實現還要關鍵。

本專欄中，我們要討論的核心問題，就是實現目標的方式——所謂以何種“姿勢”擁抱碳中和。方法論上，不同的思考框架無疑都是邏輯自洽的，而現實中的影響因素往往是沒有邊界的。

為什么要先談與減排無關的內容

碳中和是一個涉及人類社會環境的問題。經濟學家告訴我們：經濟合理的才是可行的。

因為人們的選擇偏好，價格是很重要的因素，如果不是唯一因素的話；政策專家會說：政策可以改變不同技術的經濟表現與競爭力，比如對某種技術提供補貼，對另外一種加稅（負補貼）；政治學者或者政客會講：政策能否出臺，取決于太多的因素，誰的話語權最大，誰贏誰輸，而那些不方便講或者說不清楚的就是政治本身；文化人會喃喃：政治的執行力，往往取決于文化要素，人們是否以及在多大程度上因為政策與政治而改變；最終，文化會涉及人的觀念，人們關于“什么好，什么不好；什么是對，什么是錯誤”的認知；觀念的改變涉及哲學，而這會最終改變文化。

人類社會環境的問題，不同于非社會環境的問題，它需要考慮人類互動，最終落腳到如何推動不同層次上的合作。它涉及人以及人之間的互動，是一個社會環境相關的問題，不同于聚焦“客體”的工程技術問題——比如取得輝煌成就的火箭科技。盡管在后者，如何實現人之間的互補與深度合作，朝向客體問題的解決，同樣涉及復雜的組織管理問題。人類的合作如此重要，它是可能的，但并不是必然的。

任何的框架都有“洗腦”作用。模型小世界的工具可以幫助理解復雜現實世界，但是我們不能把小世界的結果作為大世界的結論。廣義上的模型，包括理論、框架、工具、模式（可稱為“模型小世界”）等，都是人們理解這個復雜世界（可稱為“現實大世界”）的工具。這種理解往往并不涉及是否準確客觀，這往往事前無從判斷；而只是給自己一個交代，所謂make sense of the world。模型都是簡化的，因為只有簡化的模型才是有用的。

跟現實完全一致的模型恰恰就是現實本身，完全無法理解。正如一幅嚴格1:1復制現實地理形態的地圖一樣，不能用來指導旅行。但是，這種簡化，在變化的時間與空間中，可能就不適用或者忽略了重要的因素。2002年諾貝爾獎行為經濟學（其實是心理學）獎獲得者Kahneman說過：“當你接受了一個理論并用它作為自己思考工具的時候，你就很難注意到它的缺陷了”。

英國的兩位學者，Kay與King在他們2021年關于未知的不確定性的新書中曾對于模型和現實啟示有過如此評價：“只有當專家認為他的模型描述了真實的世界時，這個答案才有意義。但小世界模型往往不是這樣。它的價值（往往）在于構建一個問題，為決策者面臨的大世界問題提供見解，而不是假設它可以提供精確的定量指導。你不能從模型中得出概率、預測或政策建議；只有在模型的范圍內，概率才有意義……政策建議才有依據”。

這是筆者在本專欄中，界定模型小世界 VS 現實大世界二分的由來。在后續的章節中，筆者不可避免的要借助各種理論、方法論、模型、框架、體系去解讀過去、闡述現在、論證理想的未來，以及諸多的可能性。但是，現實世界超越任何理論的額外復雜性，始終需要旁白高亮顯示給耐心的讀者。

基于此，本專欄力圖提供的，是多個視角/框架的邏輯自洽的思考與討論。對于同一個事情，不同學科專業與不同人討論的方式往往也存在很大不同。

筆者的目標并不是“裹挾”大眾，訴諸于思想覺悟或者倡議書來形成集體共識或者信念，而是開拓思路，建立評價碳中和實現方式合理與否的價值標準體系，明確何種的減排是理想的，而何種的減排就不那么合理，而哪種方式完全不可接受。

畢竟，2060年前的碳中和目標，我們需要的是穩健的一步一步的努力，而不是“畢其功于一役”的沖鋒戰役。更加斗膽一點的目標，是預測仍處于隨機狀態的未來，以及從現在如何過渡到未來。

AI從應對客體走向與人互動

為何在碳中和里，我們需要格外關注人類合作？社會環境問題與非社會環境問題有何不同？

為了解答這些問題，我們從另外一個熱門話題——人工智能（AI）開啟這些問題的討論。

2016年5月10日，我在巴黎國際能源署（IEA）駐地，參加交通與行為的研討。中午吃飯的時候，智能汽車以及無人駕駛無疑是一個熱門的話題。

我是這個話題的門外漢，但席間有一位這方面的技術與研發專家。我只能問一些特別籠統的問題，比如“自動駕駛最大的困難是什么？”。他通過一個例子，給了一個很具體的回答：“預測人的行為”。

比如一個人小步快跑到紅綠燈跟前，你很難確切知道他下一步是停下還是加速沖過去（盡管有指示燈在那里）。基于錯誤預測基礎上的動作，很可能就意味著事故，類似人類司機的駕駛錯誤一樣。不同的是：司機還能通過看看這個人當時的穿著、神態，乃至理解這個城市平均意義上的人的特點等提高一下預估的準確程度，但是自動駕駛很難如此考慮，或者考慮的如此全面。

我覺得這個回答很有道理。可以想象：這種情況下自動駕駛汽車的算法選擇，也是個倫理問題，因為它涉及到何種規則、規則的清晰程度以及規則的彈性問題。

早期的人工智能問題，比如識別一副圖片、篩選簡歷、醫療診斷等，已經做的比人更“準確”。很多人開始擔憂機器會最終統治或者取代人類。這很有爭議，但是較少爭議的一個借助AI的醫生，肯定會淘汰一個不結合AI診斷的醫生。但是，這類應用，仍舊是一個單獨的機器面對一個非社會環境（non-social environment）。后來，它進一步發展到“對弈”與簡單交互——比如下棋、聊天問答、工業智能機器人。這些，相比較人類社會建立在制度、體制、組織、法律、社會規范體系上的復雜互動，仍然相當于嬰兒期。

發展到汽車無人駕駛，問題的復雜程度一下子就上去了。因為汽車不僅需要感知道路、信號燈、行人等客體，還必須跟行人、自行車、人類駕駛者以及其他道路使用者互動。這恰恰是開頭我們提到的那個例子所反映出來的難度。

也就是說，人工智能往更高級發展，必須理解人以及人與人自己的互動——也就是社會系統。可以說：在此之前，機器的思考方式跟人（可以）有很大的不同。今后，機器的算法要越來越多“像人一樣思考”。其行為，需要越來越多的“像人一樣”。從而，人工智能的發展會受到社會價值觀的影響。更重要的是，它會影響社會價值觀的進化。

人類合作的不易

人類合作的力量，甚至魔力是巨大的。哈佛大學人類進化生物學教授Joseph Henrich 2017年用一本460頁的書解釋了一個既成事實：為什么人類成為了地球的霸主？他的核心觀點是：不是因為人類的腦容量，不是人類認知智商——涉及空間、數量、因果關系推斷。而是人類的合作，凝結在文化（“集體大腦”）中的“Knowhow”與基因的共同進化決定了這一切。

碳中和作為一個集體目標，意味著本質性的結構性變化，需要全社會各個層次（level）的合作與共同推動，從而服從高級人工智能發展一樣的邏輯。這不僅僅是個技術問題，類似機器識別一幅圖片的過程，它涉及到人們生產生活的方方面面。人們需要愿意合作，知道如何合作，以及知曉合作的程度是否足夠。這都超越面對客體問題的復雜度。

合作是可能的，但并不是必然的。經濟學視角為人們熟知的“囚徒困境”與“公共地悲劇”是典型的合作失敗的例子。事實上，如果從1992年聯合國通過的《氣候變化框架公約》算起，30年以來，氣候領域的合作結果并不多見，更多的是互相“搭便車”。

1997年通過的《京都議定書》的執行效果充分證明了這一點。它秉承“共同但有區別的責任”原則，規定了附件一國家（主要是OCED國家）的量化減排指標，即在2008年-2012年間(稱為第一承諾期)其溫室氣體排放量在1990年的水平上平均削減5.2%，其中削減指標歐盟8%、美國7%、日本6%、加拿大6%。《議定書》于2005年2月16日俄羅斯簽署之后生效，共有175個締約方批準、加入，而美國最終退出。那么事后來看，2012年主要國家相比1990年的排放量變化情況如何呢？整體OECD國家CO2增長了7%（！），美國增長了5%，加拿大增長了23%（多么可觀的變化！）。除了前蘇聯國家因為經濟轉軌原因，排放大幅跌落，其他大部分國家并未完成目標。

人作為一種感性動物，其決策模式是復雜的。小世界的研究往往是專業化的，分散在諸多的學科與領域。古典經濟學假設人類似一臺精密計算的機器，通過嚴格的成本收益計算來決策，所謂“理性人”。這一假設被越來越多的心理學、認知科學與行為經濟學所證偽。人往往感性大于理性，依靠直覺與啟發式方法去認識世界，存在注意力問題以及“計算故障”；更進一步，目前的行為經濟學研究更加關注一種稱為“故意的非理性”的心理。

OECD國家2012年CO?排放相比1990年的增長

它完全不是計算錯誤，而是人們一旦有了先入為主的概念，往往就會“有偏”地去尋找支持自己舊有體系觀點的論據，而忽略甚至敵視那些挑戰性的論據。一句話：“人們只相信自己愿意相信的事情”。在網絡信息化時代，信息往往過載。相關的假消息與誤導性消息的影響更是在程度上加重了。

人在不同層次上的互動會趨于理性，但是其結果仍隨機不可預測。人性具有普遍的弱點，特別是小樣本抽樣偏差、基于感性而不是理性決策、具有稟賦效應等。而人，如果可以選擇，也往往遵循最小努力原則以及注意公共形象。

但是，建立在人與人組織體系之上的小集體，往往可以表現出更強的理性。從組織理論上講，它們可以通過互相的監督負責，結盟壓制“搭便車”，通過橫向分工與縱向決定而理性程度大大加強。而大集團，往往具有更加復雜的組織結構，通過愿景、目標，更大程度的委托——代理關系，身份與認同感等，實現集體的行動取向一致。當然，組織會成功，有的時候也會失敗。

前者比如PC時代的IBM，后者比如IT新貴時代的Yahoo。小到兩個人人行道相遇如何避免相撞，大到國家之間合作應對全球性問題，這種現實世界的復雜性往往超越一切的小世界模型。現實世界的復雜互動，其結果仍舊不可知。