本报讯（见习记者江庆龄）复旦大学教授吴力波团队与合作者结合人工智能（AI）技术，对复杂政策体系的交互效果开展系统性评估，提出了面向气候政策效果的全新研究范式，展示了AI赋能社会科学研究的新路径，以及在复杂政策体系分析领域应用的重要前景。相关成果近日发表于《自然-气候变化》。

研究团队构建了基于AI的全新全球气候政策量化评估框架，在整合全球100多个国家、超过1万项气候政策的基础上，对全球政策体系进行系统分析。面对不同国家实施的差异性碳定价政策，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，捕捉不同国家政策设计的异质性。在此基础上，团队开展了政策交互机制分析，涵盖碳定价政策效果评估、政策组合交互效应分析、反事实模拟与政策建议。

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%，但在不同政策组合下表现出显著差异。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，能显著提升减排效率，表现为协同增效。在欧盟等成熟的配额总量控制型体系中，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，体现潜在冲突的特点。对于处于早期阶段或低强度的ETS，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，这是新兴市场的机遇。

团队进一步预测了政策优化潜力。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，模型提供了“定制化建议”。

团队表示，将AI、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。

相关论文信息：

https://doi.org/10.1038/s41558-026-02574-4