玻尔百科就气候变化做出决策是人类面临的最复杂的挑战之一，它要求我们权衡当下的成本与长期的、不确定的未来后果。为了驾驭这种复杂性，我们需要能够描绘我们社会、经济与地球之间错综复杂联系的工具。综合评估模型（IAMs）正是这样的工具——它们是我们模拟人类-地球系统未来的最 sophisticated (精密复杂) 的尝试。它们如同虚拟实验室，我们可以在其中测试我们选择的后果，然后再在现实世界中 committing (致力于走上) 某条道路。
本文深入探讨 IAMs 的世界，旨在弥合专业研究与公众理解之间的知识鸿沟。在接下来的两个小节中，您将清楚地了解这些模型是什么、它们如何工作，以及为何它们对现代气候政策不可或缺。第一节“原理与机制”将带您深入其内部，探索构成 IAM 引擎的基本组成部分和因果链。随后的“应用与跨学科联系”将展示这些模型如何作为政策实验室来权衡成本、评估选项，并将经济学、公共卫生和伦理学等领域联系起来，形成关于我们共同未来的统一对话。
想象一下，你被赋予为人类未来做出一个重大决定的任务，这个选择的后果将波及数个世纪。你想知道些什么？你可能需要一张地图——不是描绘世界现状的地图，而是描绘那些可能存在的世界的地图，这些世界取决于我们选择的道路。综合评估模型（IAMs）正是我们绘制此类地图的最精密的尝试。它们不是水晶球，而是在计算机内部构建的逻辑实验室，旨在探索人类文明与我们称之为家园的地球之间错综复杂的舞蹈。
IAM 的核心是一个简化的、但内部一致的世界表征，由几个相互关联的模块组成，就像一套精心制作的齿轮。广义上，这些模块分为两类：人类系统和地球系统。人类系统包括经济模块（我们如何生产和消费商品）、能源系统模块（我们如何为社会提供动力）和土地利用模块（我们如何种植粮食和管理森林）。地球系统包括一个气候模块，模拟地球物理系统如何响应我们的活动；以及一个影响模块，估算这些响应反过来对我们造成的后果。这些模型的巨大挑战——也是其巨大魅力所在——就是让所有这些齿轮协同转动，同时遵守物理学、经济学和生态学的基本定律。
要真正理解一个 IAM，我们必须深入其内部，追溯它所模拟的核心因果链。这是一段始于我们日常生活、终于全球气候命运的旅程。
故事始于经济。我们制造的每一件产品，我们行驶的每一英里，我们供暖的每一栋建筑都需要能源。IAM 的经济模块追踪全球经济的总产出——国内生产总值（）——而能源系统模块则决定该经济活动如何获得动力。排放（）是不可避免的副产品。几十年来，我们的主要能源一直是燃烧化石燃料，这个过程向大气中释放大量的二氧化碳（）和其他温室气体。模型通过一些恒等式捕捉这种联系，这些恒等式将人口、财富、能源效率和能源的碳含量联系在一起。
所有这些 发生了什么？它不会凭空消失。大气就像一个巨大的浴缸。我们工厂和汽车的排放是水龙头，向浴缸里注水。地球有天然的“排水口”——海洋和陆地生物圈——它们吸收一部分 。然而，一个多世纪以来，我们水龍頭的流速遠遠超過了排水口的处理能力。
这里的关键洞见在于流量（排放，即水龙头流出的水）和存量（浓度，即浴缸中的水位）之间的区别。只要排放为正——只要水龙头开着，哪怕只是涓涓细流——大气中 的水平（）就會繼續上升。这是一个简单的质量守恒问题，是每个可信的气候模型中都内置的原則。这就是为什么即使将排放稳定在一个恒定水平也无法稳定气候；这只意味着浴缸继续以稳定的速度蓄水。要阻止水位上升，我们必须几乎完全关闭水龙头，实现所谓的净零排放。
随着大气中温室气体浓度的增加，它就像一条包裹着地球的毯子越来越厚。地球被射入的阳光加热，并通过向太空辐射热量来冷却。温室气体对阳光基本透明，但它们对某些外逸的热辐射不透明，从而将其捕获并使地表变暖。
科学家们用一个叫做辐射强迫（）的概念来量化这种效应，单位是瓦特/平方米（）。它代表了由某个气候驱动因子引起的地球能量平衡的变化。一个有趣的物理学事实，既经实验室实验证实，也经量子力学计算证实，即对于 而言，其增温效应并非线性。每增加一个 分子，其增温效应都比前一个略小，因为最有效的红外吸收带变得饱和。结果是，来自 的辐射强迫与其浓度的对数成正比：，其中 是工业化前的浓度。这种对数关系是一个美丽的例子，说明了一个基本物理原理如何塑造我们星球的命运。
正辐射强迫就像把一壶水下的炉火调大。温度必然会上升。但地球是一壶非常非常大的水。它的温度不会瞬间跃升。世界海洋巨大的热容量造成了巨大的热惯性。海洋吸收了绝大部分的额外热量，减缓了大气的变暖速度。
这种延迟产生了用于校准 IAMs 的两个关键指标。瞬态气候响应 (TCR) 是在 浓度恰好翻倍的那一刻（在一个浓度稳定上升的情景中）我们观测到的变暖。它代表了我们已然 committed (注定要承受) 的短期变暖。然而，即使浓度在该水平奇迹般地停止增长，地球仍会继续变暖，因为海洋会慢慢地追赶上大气温度。这种最终的、最后的变暖被称为平衡气候敏感性 (ECS)。由于海洋的缓冲效应，TCR 总是小于 ECS。这一区别至关重要：TCR 告诉我们一生中可以预期的变暖速度，而 ECS 则告诉我们我们行为的最终长期后果。
因果链的最后一环是从一个更暖的世界反馈到我们自身繁荣的环节。这或许是整个谜题中最困难、也最具争议的一块。气候变化导致了各种各样的影响：海平面上升淹没沿海城市，更强烈的热浪影响农业和人类健康，以及提供基本服务的生态系统受到破坏。IAMs 试图通过一个气候损害函数 来总结所有这些影响，该函数估算了在全球变暖达到特定水平 时损失的经济产出比例。
这个函数的数学形式从何而来？可以从第一性原理进行推断。我们的全球经济在某种意义上是为我们已有的气候而优化的。因此，任何偏离该气候的微小变化都应导致净损失。如果我们将损害函数 看作一条平滑曲线，这意味着它在 处必定有一个最小值。在该点附近的泰勒展开显示，第一个非零项必然是二次项。这就产生了中度变暖下常用的近似式：。这种二次形式优雅地捕捉了一个直觉：损害不仅仅是累加的；它们是加速的。一个变暖两度的世界预期会比一个变暖一度的世界糟糕一倍以上。估算关键参数 是一项巨大的努力，涉及从作物产量的卫星观测到非市场影响的复杂估值等一切事物，并且它仍然是不确定性的主要来源。
一旦这台复杂的机器组装完毕，我们可以向它提出两个根本不同的问题。这种哲学上的分野催生了两大类 IAMs。
第一种方法是描述性的。我们告诉模型一个关于世界可能如何演变的故事——一个情景——然后模型模拟其后果。这些情景，被称为共享社会经济路径（SSPs），是描述人类不同未来的丰富叙事。例如，SSP1（“可持续发展”）描述了一个世界，它转向更可持续的道路，伴随着全球合作和快速的技术发展。相比之下，SSP3（“区域竞争”）描绘了一个民族主义复兴、经济增长缓慢的碎片化世界。
这些叙事不仅仅是背景描述；它们被转化为模型的定量 DNA。SSPs 为人口增长、GDP 和城市化提供了协调一致的输入。然后，定性的故事情节指导建模者设定内部参数，以反映例如假定的技术进步速度或制度的有效性。模型随后在时间上向前运行，求解一系列市场均衡，告诉我们：“如果世界遵循这个故事，那么排放和气候变化的可能路径将是这样。”
第二种方法是规范性的。这些模型不是被给予一个故事，而是被赋予找到最佳故事的任务。一个优化 IAM，比如著名的 DICE 模型，有一个单一的目标：在许多代人之间最大化人类福祉。它通过选择一条减排路径来实现这一点，该路径完美地平衡了当今的减缓成本与未来的气候损害成本。
这种平衡行为迫使我们直面一个深刻的伦理问题：与我们自己相比，我们应该多大程度上珍视后代的福祉？这体现在消费贴现率（）中，该率用于将未来的成本和收益转换为现值。在所谓的Ramsey 规则中，该率被分解为两个组成部分：。
，纯粹时间偏好率，反映了纯粹的不耐烦。一个正的 意味着我们更不看重未来人们的福祉，仅仅因为他们在未来。这是一个纯粹的伦理判断。
是增长部分。它表明，如果我们预期后代会更富有（即增长率 为正），那么额外的一美元对他们的价值将低于对我们的价值。参数 衡量我们对不平等的厌恶程度；一个更高的 意味着我们更关心这种相对的财富差异。
这些参数的选择对模型的政策建议有巨大影响。高贴现率使未来的损害在今天看来很小，暗示我们应该少做些事来应对气候变化。低贴现率使未来的损害显得巨大，要求采取紧急而积极的行动。因此，这些模型并非给我们“正确”的答案；它们是用于探索我们自身伦理选择后果的形式化结构。
通过结合这两种方法，我们可以开始描绘可能未来的图景。SSP-RCP 矩阵框架正是这样做的。它将社会经济情景（SSPs）与一组气候目标（由其在 2100 年的辐射强迫定义，即代表性浓度路径，RCPs）配对。这使我们能够提出诸如：“在一个区域竞争的世界（SSP3）中，将变暖限制在 1.5°C（与 RCP2.6 一致）是否可行？”这样的问题。
事实证明，并非所有组合都是可能的。一个像 SSP5 这样以化石燃料驱动发展为特征的世界，会产生如此巨大的基线排放，以至于实现一个非常低的强迫目标将需要真正巨大的、或许是不可行的减缓和负排放量。相反，一个像 SSP1 这样的低增长、可持续的世界，可能根本无法产生足够的经济活动来达到像 RCP8.5 这样的灾难性结果所需的高排放，除非它刻意逆转其发展道路。这一分析揭示了关键的约束条件，向我们展示了我们今天选择的社会经济路径从根本上改变了留给我们未来的气候可能性的范围。
至关重要的是要记住，IAM 是一个模型，而非现实。其目的是规范我们的思维，而非取代它。这些模型充满了不确定性，科学家们不懈地努力去理解和减少这些不确定性。它们大致可分为两类。参数不确定性是模型参数值的不确定性，比如气候敏感度的确切值 。结构不确定性则更为深刻；它是关于模型基本方程和架构本身的不确定性。土壤碳系统最好用一个“桶”还是两个“桶”来表示？两种不同的模型结构可能都被校准得与当今世界完美匹配，但却给出截然不同的未来预测，因为它们的瞬态动态是不同的。要辨别哪种结构更好，需要巧妙的实验和多样化的观察。
此外，不同模块如何“连接”在一起也至关重要。一个硬耦合模型同时求解所有模块的所有方程，保证了完美的 consistency (一致性)。这样做很优雅，但在计算上极其残酷。许多建模工作使用软链接，即运行一个模型，将其输出作为另一个模型的输入，依此类推。这种方法更灵活，但带有不一致的风险。例如，如果能源模块和经济模块对燃料碳含量的核算略有不同，碳就可能在模型的虚拟世界中被凭空创造或销毁，违反了质量守恒定律。
归根结底，综合评估模型是一面镜子。它反映了我们对地球物理和我们社会动态的最佳理解。但它也反映了我们的选择、我们的优先事项，以及我们对未来的最深层的不确定性。它是一种深刻的人类创造物，是我们探索如何驾驭人类世的征途中不可或缺——尽管不完美——的工具。
在窺探了综合评估模型（IAMs）错综复杂的内部机制之后，我们可能会好奇：这些复杂的装置到底有何用途？它们仅仅是精巧的学术演练，还是真正指导我们航向未来的工具？令人欣慰的是，答案绝对是后者。IAMs 不是水晶球，但它们是我们为地球这颗行星打造的最好的飞行模拟器。它们是科学、经济学和政策交汇的框架，让我们能够在一个虚拟世界中“试驾”我们的决策，然后再将真实世界托付给一个不确定的命运。在本节中，我们将踏上一段旅程，探索它们广阔的应用领域，发现 IAMs如何将不同知识领域连接成一场关于我们共同未来的统一而有力的对话。
IAM的核心是一场宏大的权衡。天平的一端，是气候变化造成的不断增加的损害。另一端，是防止气候变化的成本。模型的首要任务，就是尽可能严谨地量化这本账簿的两边。
这段旅程始于纯粹的物理学。IAM的气候模块将我们的排放转化为地球温度的变化。一种简单而有力的思考方式是通过全球能量平衡。地球从太阳接收能量，并将其辐射回太空。温室气体就像一条越来越厚的毯子，捕获了部分外逸的能量，导致系统变暖。持续的能量失衡（辐射强迫）与最终变暖之间的关系是气候科学的基石，由一个名为平衡气候敏感度（）的参数来体现。IAMs使用简化但基于物理的模型来表示这一过程，将给定的 浓度与特定的变暖量联系起来，从而将排放转化为物理后果。
但温度变化只是一个数字。要在经济的天平上衡量它，我们必须将其转化为人类福祉的度量。这是“损害函数”的任务。可以把它想象成全球经济的剂量-反应曲线：对于给定的变暖量，经济产出会损失多少百分比？这些函数是通过整合无数研究的经验证据来校准的，这些研究涵盖了从农业产量到风暴强度和劳动生产率的方方面面。例如，一个模型可能会根据“全球温度上升 可能对应于全球 GDP 损失约 1%”这一发现进行校准。虽然这个函数的确切形状是激烈研究的主题，但它提供了连接物理世界和经济世界的关键环节，让模型能够“感受”到变暖的后果 [@problemid:4123502]。
在量化了损害和减缓成本之后，IAM就可以执行其核心任务：优化。它试图找到一条减排路径，使得这两个成本在时间上的总和最小化。这个宏大优化问题的解，产生了一个气候政策中最重要的概念：碳的社会成本（SCC）。SCC回答了这个问题：“现在多排放一吨 ，造成的未来总损害折算成今天的美元是多少？”用经济学的语言来说，它是我们碳预算的影子价格。这些模型得出的一个 elegant (简洁优美) 的结果表明，应对气候变化最有效的方法是确保在所有部门和所有时间段（经过适当折现后），削减最后一吨碳的成本是相同的。这个共同的价值正是 SCC，它为我们今天应该以多大的力度减排提供了一个强有力的、统一的信号。
一旦 IAM 建成，它就成了一个测试政策的实验室。它真正的力量不在于简单地规定一条“最优”路径，而在于比较我们可能做出的不同选择的后果。
考虑两种流行的气候政策。第一种是碳税，它对排放直接定价，让市场找到最廉价的减排方式。第二种是可再生能源配额标准（RPS），它强制规定一定比例的电力必须来自可再生能源。哪一种更好？IAM 让我们能够进行实验。它可以模拟一个经济体为最小化成本而选择其能源结构。在 RPS 政策下，模型被迫建造特定数量的可再生能源设施，即使像核能這樣的其他零碳選項在邊際上可能更便宜。在碳税政策下，模型可以自由选择任何技术来避免支付税款。这些模型一致顯示的结果是，对于相同的总减排量，碳税几乎总是更便宜。它不挑选赢家；它只是让污染变得昂贵，从而全面 unleashing (释放) 创新，去寻找最具成本效益的解决方案。
IAMs 还帮助我们处理气候行动的“时机”问题。一个常见的政治目标是“到 2050 年实现净零排放”。但 2050 年是“正确”的年份吗？IAM 可以从科学上构建这个问题。它提出了一个权衡：行动越早，成本越高，因为清洁技术仍在成熟中；但等待则会让更多的气候损害累积。通过平衡不断下降的减缓成本和不断上升的（且经过折现的）气候损害成本，模型可以计算出实现净零排放的经济最优时机。这个最优时机 关键取决于技术进步的速度、气候损害的严重程度以及我们如何评估未来。这提供了一个科学基准，我们可以用它来衡量政治目标，揭示像“2050 年”这样的固定目标是雄心勃勃、落后，还是纯属巧合地恰到好处。它凸显了基于权衡的科学方法与基于固定目标的规范性方法之间的区别。
此外，现代 IAMs 包含了我们能源系统的动态、演化特性。像太阳能这样的技术成本并非固定不变；随着我们建造得更多，成本会下降，这种现象被称为“干中学”。同时，我们作为消费者和投资者的选择并非完全理性；它们受到习惯、信息和便利性的影响。先进的 IAMs 捕捉了这些反馈。政策冲击，比如取消化石燃料补贴，可能会在系统中引发连锁反应。更高的化石燃料价格将投资转向清洁能源，从而加速其部署。这种增加的部署反过来通过学习效应降低了清洁能源的成本，使其在未来更具竞争力。通过对政策、人类行为和技术进步之间这些耦合反馈回路的建模，IAMs 可以揭示今天的小干预如何可能将整个系统推向一个快速、自我强化的清洁能源经济转型。
也许 IAMs 最令人兴奋的前沿是它们超越了气候科学和经济学的传统领域。它们正在演变为真正的跨学科平台，整合了来自公共卫生、伦理学和政治学的见解。
一个有力的例子是气候变化与公共卫生之间的联系。产生 的化石燃料燃烧过程也会释放其他污染物，如细颗粒物（），这些污染物会导致严重的健康问题。新一代的 IAMs 构建了一条从排放到健康结果的因果链。模型追踪排放如何形成污染物，天气模式如何将其扩散到我们呼吸的空气中，最后，这种暴露，加上气候变化本身带来的热应激，如何导致住院等后果。校准这样一个模型是一项艰巨的任务，需要融合来自不同来源的嘈杂数据：排放清单、气象站、卫星观测和公共卫生记录。要负责任地做到这一点，需要复杂的统计技术，如贝叶斯分层建模，它能恰当地解释所有的不确定性和潜在变量。其结果是一个能够量化气候行动巨大的健康协同效益的工具，为清洁能源提供了强有力的、以人为中心的论据。
IAMs也为我们处理气候变化中深刻的伦理问题提供了一个框架。计算全球碳社会成本是一回事，但谁应该承担这个成本呢？气候变化的影响并非平均分布，对问题产生的历史贡献也不一致。IAMs可用于探索不同的正义原则。例如，一个国家的责任可以被计算为两个原则的混合体：“污染者付费”（基于其历史排放份额）和“支付能力”（基于其当前经济实力）。通过将这些伦理公式直接嵌入模型中，我们可以将抽象的哲学辩论转化为具体的、定量的场景。这并不能解决伦理困境，但它澄清了其后果，从而就全球气候负担的“公平”分配展开更知情、更透明的讨论。
最后，让我们窥探一下使这一切成为可能的计算科学。IAMs的复杂性不仅在于其科学和经济理论，还在于运行它们所需的原始计算能力。
气候建模的一个核心挑战是深度不确定性。我们不知道气候敏感度的确切值、未来经济增长率，或评估后代福祉的适当贴现率。为了处理这个问题，建模者不会只运行一次他们的 IAM。他们会运行数千次，甚至数百万次，每次运行都代表一个基于不同参数组合的可能未来。这个庞大的任务只有通过并行计算的力量才可行。不是逐一运行每个情景，而是将所有情景的参数打包成大型数组。然后，模型的方程被应用于这些数组，进行单一的矢量化步骤，使所有可能的未来同步推进。这是“单指令多数据流”（SIMD）范式的一个应用，它让研究人员能够探索广阔的不确定性图景，并提供稳健的、基于概率的见解。
但即使拥有巨大的算力，我们仍然受限于计算本身的根本限制。计算机以有限的精度存储数字。一个 64 位的“双精度”数字虽然极其精确，但并非完美。在一个模拟数百年经济和气候演变的长期动态模型中，每次计算产生的微小舍入误差会累积起来。就像一艘导航偏差了零点几度的船，一个模型在长途航行中可能会显著偏离航道。用双精度与较低的“单精度”运行同一个IAM，可能会对遥远的未来产生惊人不同的预测。这表明，数值分析的专业知识和对浮点运算微妙之处的认识对于构建可靠的长期模型至关重要。这是一个 humbling (令人谦卑) 的提醒：即使是我们最复杂的工具也有其局限性。
通过审视这些应用，从核心的经济权衡到伦理与计算的前沿，综合评估模型的真实本质变得清晰起来。它们不是僵化的神谕，而是灵活、不断演进的思想框架。它们的美在于其统一的力量——将我们星球的物理定律与其居民的经济选择、我们身体的健康、我们社会的正义，乃至我们计算工具的极限联系起来。它们是文明在学习管理自身在一个有限星球上的命运时必不可少的工具。