拥抱碳中和之一：减排的社会环境问题

张树伟

感谢各位读者对本专栏的关注。接下来的2-4年（至2025年）中，专栏要讨论的核心问题，就是以何种“姿势”拥抱碳中和。如果一切如预期所愿，本专栏内容将在2023-2024年重新整理、校核、更新为一本名为《碳中和宿命：拥抱碳中和的六种姿势》（暂定）的书籍。

笔者希望这是一本写给睿智成人，更加是写给2060年还活着的孩子们的书。希望他们生活在一个碳中和的安全世界中。

人类现在已经是地球的霸主。所有人共同生活在一个自然生态系统与人文社会系统高度联系并互动影响的体系中。当然，这并不是一开始就如此。科学家的估计，地球已经存在了约50亿年。而生物解剖学概念上的人类出现只是几百万年以前的事情。广为人知的恐龙时代，大致位于地球编年史的中生代-白垩纪，约6500万年前结束。

我们每时每刻呼吸着新鲜或者不那么新鲜的空气。中学化学课本中，我们（至少笔者）曾经无数次的背诵：空气是由78%的氮气、21%氧气、还有1%的稀有气体和杂质组成的混合物。

在这1%的成分当中，有一类气体叫做“温室气体”。它们的作用是保持地球表面的温暖。类似蔬菜大棚，截留太阳辐射，加热温室内空气，称为温室效应。这些成分包括：水蒸汽（H2O），其效应大约占整体效应的60%-70%；其次是二氧化碳（CO₂），约占26%；其他的还有臭氧（O₃）、甲烷（CH₄）、氧化亚氮（N₂O）、全氟碳化物（PFCs）、氢氟碳化物（HFCs）、含氯氟烃（HCFCs）以及六氟化硫（SF6）。

温室气体是否成为一个问题，系于大气成分的动态平衡。水蒸汽会很快的从气态变成液态水，再从液态循环下去。这个过程主要由大气温度决定的，处于动态循环当中。

在这种动态循环中，曾经的霸主——恐龙因为气候动态平衡的打破，而灭绝了。打破这一平衡的因素是“小行星撞地球”。2010年《科学》杂志的一篇文章证实：一颗直径至少6英里（接近10公里）的小行星在尤卡坦半岛（现属于墨西哥）附近撞击地球，造成大气层中充满了尘土颗粒，覆盖了多年的天空，产生了“制冷”效应——类似火山灰，从根本上改变了气候条件。自然生态系统发生了巨变，野狼的祖先迅速改变了食谱，存活了下来，而恐龙没有。

目前，人类正经历另一场动态平衡的打破，它指向地球变暖。它的原因并不是地球以及地表自然系统变化导致的，而在于人类活动。Andrew H.Knoll 在《地球简史》中说：“经过数亿年形成的煤炭、石油和天然气现在以难以置信的速度将碳返回到大气中。21世纪以来，人类向大气层释放的二氧化碳是世界上所有火山总和的100倍。同时，我们（还）没有做任何事情来试图消除它，所以空气中的二氧化碳（总量/浓度）在上升”。这将导致全球温升、冰川融化、海平面上升以及各种气候极端事件的增多，甚至多个地理生态系统超过稳定临界点（tipping point），也就是面临崩溃。

如何实现碳中和比能否实现更重要

能源部门排放了大部分人类活动相关的温室气体。能源减排是能动性的、基于风险管理视角的解决方案。大体上，能源活动，也就是化石能源燃烧排放，占二氧化碳排放总量的85%和温室气体排放总量的70%。其他的包括农业、林业与畜牧业，以及部分工业产品生产，比如水泥制品等。我们可以通过植树造林的方式（所谓“碳汇”）去抵消化石能源排放。这理论上可行，但实际制约因素众多，潜力有限，也面临再造林的固碳稳定性问题。除此之外，碳的捕获、回收与埋存（CCUS）是最初政府间气候变化组织（IPCC）综述的减排情景中很有希望的方式，可以经过30年的发展，至今仍未有商业化的规模应用。

更宏大、更具想象力的地球工程（Geo-engineering），比如通过在大气中注入气溶胶、人工影响大气辐射等方式来抵消排放影响，具有高风险和高不确定性，属于“猛药”，技术、政策与伦理争议巨大，虽然也不乏技术“宅男”拥趸，比如著名IT精英慈善家——比尔·盖茨。能源部门减排，无疑是最具能动性、基于风险管理视角的解决方案。它的最差结果，（如果气候变暖还有我们忽略掉的重要自然因素）是留下一个高效率、低排放的能源经济系统。它对于本地环境、经济增长质量、生态足迹都是好消息。

因此，碳中和约等于能源部门深度减排，约等于煤炭、石油、天然气的尽快近零使用，约等于100%的非化石能源（可再生、核能及其他）满足全部能源需求。能源需求的最终主体是人，是人每天的交通出行、建筑取暖、穿衣做饭。人类对各种产品与服务的需求，能源往往是基本投入或者终端产品。

这意味着：碳中和需要人们生产生活各个方面都必须有结构性的重大变化，以摆脱对化石能源的依赖，给定其他既有约束，比如安全可靠、成本可负担以及其他可持续发展的条件。

伴随着我国气候治理体系2020年后的快速进化，碳中和已经成为集体意志。我国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。这一“30·60”目标在2020年正式确立。经过之前内容的大量铺陈，笔者在这里提出一个只有论断没有论证的命题：这两个目标必将实现，成为 “宿命”。还不确定的是以何种的方式去实现。而如何实现恰恰比是否实现还要关键。

本专栏中，我们要讨论的核心问题，就是实现目标的方式——所谓以何种“姿势”拥抱碳中和。方法论上，不同的思考框架无疑都是逻辑自洽的，而现实中的影响因素往往是没有边界的。

为什么要先谈与减排无关的内容

碳中和是一个涉及人类社会环境的问题。经济学家告诉我们：经济合理的才是可行的。

因为人们的选择偏好，价格是很重要的因素，如果不是唯一因素的话；政策专家会说：政策可以改变不同技术的经济表现与竞争力，比如对某种技术提供补贴，对另外一种加税（负补贴）；政治学者或者政客会讲：政策能否出台，取决于太多的因素，谁的话语权最大，谁赢谁输，而那些不方便讲或者说不清楚的就是政治本身；文化人会喃喃：政治的执行力，往往取决于文化要素，人们是否以及在多大程度上因为政策与政治而改变；最终，文化会涉及人的观念，人们关于“什么好，什么不好；什么是对，什么是错误”的认知；观念的改变涉及哲学，而这会最终改变文化。

人类社会环境的问题，不同于非社会环境的问题，它需要考虑人类互动，最终落脚到如何推动不同层次上的合作。它涉及人以及人之间的互动，是一个社会环境相关的问题，不同于聚焦“客体”的工程技术问题——比如取得辉煌成就的火箭科技。尽管在后者，如何实现人之间的互补与深度合作，朝向客体问题的解决，同样涉及复杂的组织管理问题。人类的合作如此重要，它是可能的，但并不是必然的。

任何的框架都有“洗脑”作用。模型小世界的工具可以帮助理解复杂现实世界，但是我们不能把小世界的结果作为大世界的结论。广义上的模型，包括理论、框架、工具、模式（可称为“模型小世界”）等，都是人们理解这个复杂世界（可称为“现实大世界”）的工具。这种理解往往并不涉及是否准确客观，这往往事前无从判断；而只是给自己一个交代，所谓make sense of the world。模型都是简化的，因为只有简化的模型才是有用的。

跟现实完全一致的模型恰恰就是现实本身，完全无法理解。正如一幅严格1:1复制现实地理形态的地图一样，不能用来指导旅行。但是，这种简化，在变化的时间与空间中，可能就不适用或者忽略了重要的因素。2002年诺贝尔奖行为经济学（其实是心理学）奖获得者Kahneman说过：“当你接受了一个理论并用它作为自己思考工具的时候，你就很难注意到它的缺陷了”。

英国的两位学者，Kay与King在他们2021年关于未知的不确定性的新书中曾对于模型和现实启示有过如此评价：“只有当专家认为他的模型描述了真实的世界时，这个答案才有意义。但小世界模型往往不是这样。它的价值（往往）在于构建一个问题，为决策者面临的大世界问题提供见解，而不是假设它可以提供精确的定量指导。你不能从模型中得出概率、预测或政策建议；只有在模型的范围内，概率才有意义……政策建议才有依据”。

这是笔者在本专栏中，界定模型小世界 VS 现实大世界二分的由来。在后续的章节中，笔者不可避免的要借助各种理论、方法论、模型、框架、体系去解读过去、阐述现在、论证理想的未来，以及诸多的可能性。但是，现实世界超越任何理论的额外复杂性，始终需要旁白高亮显示给耐心的读者。

基于此，本专栏力图提供的，是多个视角/框架的逻辑自洽的思考与讨论。对于同一个事情，不同学科专业与不同人讨论的方式往往也存在很大不同。

笔者的目标并不是“裹挟”大众，诉诸于思想觉悟或者倡议书来形成集体共识或者信念，而是开拓思路，建立评价碳中和实现方式合理与否的价值标准体系，明确何种的减排是理想的，而何种的减排就不那么合理，而哪种方式完全不可接受。

毕竟，2060年前的碳中和目标，我们需要的是稳健的一步一步的努力，而不是“毕其功于一役”的冲锋战役。更加斗胆一点的目标，是预测仍处于随机状态的未来，以及从现在如何过渡到未来。

AI从应对客体走向与人互动

为何在碳中和里，我们需要格外关注人类合作？社会环境问题与非社会环境问题有何不同？

为了解答这些问题，我们从另外一个热门话题——人工智能（AI）开启这些问题的讨论。

2016年5月10日，我在巴黎国际能源署（IEA）驻地，参加交通与行为的研讨。中午吃饭的时候，智能汽车以及无人驾驶无疑是一个热门的话题。

我是这个话题的门外汉，但席间有一位这方面的技术与研发专家。我只能问一些特别笼统的问题，比如“自动驾驶最大的困难是什么？”。他通过一个例子，给了一个很具体的回答：“预测人的行为”。

比如一个人小步快跑到红绿灯跟前，你很难确切知道他下一步是停下还是加速冲过去（尽管有指示灯在那里）。基于错误预测基础上的动作，很可能就意味着事故，类似人类司机的驾驶错误一样。不同的是：司机还能通过看看这个人当时的穿着、神态，乃至理解这个城市平均意义上的人的特点等提高一下预估的准确程度，但是自动驾驶很难如此考虑，或者考虑的如此全面。

我觉得这个回答很有道理。可以想象：这种情况下自动驾驶汽车的算法选择，也是个伦理问题，因为它涉及到何种规则、规则的清晰程度以及规则的弹性问题。

早期的人工智能问题，比如识别一副图片、筛选简历、医疗诊断等，已经做的比人更“准确”。很多人开始担忧机器会最终统治或者取代人类。这很有争议，但是较少争议的一个借助AI的医生，肯定会淘汰一个不结合AI诊断的医生。但是，这类应用，仍旧是一个单独的机器面对一个非社会环境（non-social environment）。后来，它进一步发展到“对弈”与简单交互——比如下棋、聊天问答、工业智能机器人。这些，相比较人类社会建立在制度、体制、组织、法律、社会规范体系上的复杂互动，仍然相当于婴儿期。

发展到汽车无人驾驶，问题的复杂程度一下子就上去了。因为汽车不仅需要感知道路、信号灯、行人等客体，还必须跟行人、自行车、人类驾驶者以及其他道路使用者互动。这恰恰是开头我们提到的那个例子所反映出来的难度。

也就是说，人工智能往更高级发展，必须理解人以及人与人自己的互动——也就是社会系统。可以说：在此之前，机器的思考方式跟人（可以）有很大的不同。今后，机器的算法要越来越多“像人一样思考”。其行为，需要越来越多的“像人一样”。从而，人工智能的发展会受到社会价值观的影响。更重要的是，它会影响社会价值观的进化。

人类合作的不易

人类合作的力量，甚至魔力是巨大的。哈佛大学人类进化生物学教授Joseph Henrich 2017年用一本460页的书解释了一个既成事实：为什么人类成为了地球的霸主？他的核心观点是：不是因为人类的脑容量，不是人类认知智商——涉及空间、数量、因果关系推断。而是人类的合作，凝结在文化（“集体大脑”）中的“Knowhow”与基因的共同进化决定了这一切。

碳中和作为一个集体目标，意味着本质性的结构性变化，需要全社会各个层次（level）的合作与共同推动，从而服从高级人工智能发展一样的逻辑。这不仅仅是个技术问题，类似机器识别一幅图片的过程，它涉及到人们生产生活的方方面面。人们需要愿意合作，知道如何合作，以及知晓合作的程度是否足够。这都超越面对客体问题的复杂度。

合作是可能的，但并不是必然的。经济学视角为人们熟知的“囚徒困境”与“公共地悲剧”是典型的合作失败的例子。事实上，如果从1992年联合国通过的《气候变化框架公约》算起，30年以来，气候领域的合作结果并不多见，更多的是互相“搭便车”。

1997年通过的《京都议定书》的执行效果充分证明了这一点。它秉承“共同但有区别的责任”原则，规定了附件一国家（主要是OCED国家）的量化减排指标，即在2008年-2012年间(称为第一承诺期)其温室气体排放量在1990年的水平上平均削减5.2%，其中削减指标欧盟8%、美国7%、日本6%、加拿大6%。《议定书》于2005年2月16日俄罗斯签署之后生效，共有175个缔约方批准、加入，而美国最终退出。那么事后来看，2012年主要国家相比1990年的排放量变化情况如何呢？整体OECD国家CO2增长了7%（！），美国增长了5%，加拿大增长了23%（多么可观的变化！）。除了前苏联国家因为经济转轨原因，排放大幅跌落，其他大部分国家并未完成目标。

人作为一种感性动物，其决策模式是复杂的。小世界的研究往往是专业化的，分散在诸多的学科与领域。古典经济学假设人类似一台精密计算的机器，通过严格的成本收益计算来决策，所谓“理性人”。这一假设被越来越多的心理学、认知科学与行为经济学所证伪。人往往感性大于理性，依靠直觉与启发式方法去认识世界，存在注意力问题以及“计算故障”；更进一步，目前的行为经济学研究更加关注一种称为“故意的非理性”的心理。

OECD国家2012年CO₂排放相比1990年的增长

它完全不是计算错误，而是人们一旦有了先入为主的概念，往往就会“有偏”地去寻找支持自己旧有体系观点的论据，而忽略甚至敌视那些挑战性的论据。一句话：“人们只相信自己愿意相信的事情”。在网络信息化时代，信息往往过载。相关的假消息与误导性消息的影响更是在程度上加重了。

人在不同层次上的互动会趋于理性，但是其结果仍随机不可预测。人性具有普遍的弱点，特别是小样本抽样偏差、基于感性而不是理性决策、具有禀赋效应等。而人，如果可以选择，也往往遵循最小努力原则以及注意公共形象。

但是，建立在人与人组织体系之上的小集体，往往可以表现出更强的理性。从组织理论上讲，它们可以通过互相的监督负责，结盟压制“搭便车”，通过横向分工与纵向决定而理性程度大大加强。而大集团，往往具有更加复杂的组织结构，通过愿景、目标，更大程度的委托——代理关系，身份与认同感等，实现集体的行动取向一致。当然，组织会成功，有的时候也会失败。

前者比如PC时代的IBM，后者比如IT新贵时代的Yahoo。小到两个人人行道相遇如何避免相撞，大到国家之间合作应对全球性问题，这种现实世界的复杂性往往超越一切的小世界模型。现实世界的复杂互动，其结果仍旧不可知。