想象一下，世界经济就像一个巨大而繁忙的厨房。在这个厨房里，有两位主厨：数字主厨（ICT，即信息与通信技术）和石油主厨（石油与天然气）。
几十年来，我们一直称赞数字主厨是“绿色”的。我们关注的是他们的数字工具如何帮助厨房的其他部分节约能源（例如自动关灯）。但这篇论文认为，我们一直忽视了一个巨大而混乱的秘密：数字主厨一直在暗中帮助石油主厨开采比以往多得多的化石燃料。
作者将这些隐藏的失误称为“乌龙球”。就像足球运动员不小心把球踢进自家球门一样，科技行业一直在无意中帮助石油行业扩张，造成了比我们意识到的更多的污染。
以下是该论文发现的要点分解，使用了简单的类比：
1. 资金流向（厨房里的“泄漏”）
研究人员考察了 2000 年至 2022 年间的资金流向。他们发现，数字主厨每赚取 100 美元，就有约2 美元直接流向石油主厨。
- 类比：把数字主厨想象成一座巨大的水塔。大部分水流向了城市（其他行业），但有一股稳定且不断增长的溪流正流入石油主厨的花园。虽然 100 美元中的 2 美元听起来很少，但数字主厨的花园已经变得如此巨大，以至于这 2 美元在绝对金额上已是一笔巨额资金。
- 令人震惊的对比：数字主厨每花费 1 美元帮助可再生能源（太阳能、风能、核能），他们就会花费超过 4 美元帮助石油主厨。科技行业对化石燃料的财政支持远比对绿色能源的支持要强劲得多。
2. “效率”陷阱
石油主厨声称他们购买数字工具是为了变得“高效”。他们说：“我们正在利用人工智能和传感器来省钱并防止事故。”
- 类比：想象石油主厨买了一台超快、高科技的钻机。他们说：“这台钻机如此高效，我们节省了时间和金钱！”
- 陷阱：正因为钻机如此高效，他们并没有停止钻探。相反，他们利用节省下来的时间和金钱钻更多的孔。论文将这种现象称为“回弹效应”。数字工具并没有减少石油的总产量；它们实际上帮助石油主厨开采了更多的石油，这意味着更多的碳排放。
3. 两个现实案例
该论文考察了两个具体案例，以展示这在现实中是如何运作的：
- 案例 A：超级钻机（上游）：微软与一家石油公司（XTO Energy）合作，利用传感器和云计算来管理油井。
- 结果：该公司声称这项技术将提高石油产量 5%。
- 影响：这额外的 5% 石油产量意味着大量的新增二氧化碳排放。论文计算出，仅这一个项目一年增加的污染量，就相当于微软全球碳足迹的 43%。
- 案例 B：更快的炼油厂（下游）：一家软件公司帮助一家炼油厂（Valero）将石油样本的分析速度提高了 50%，为其节省了数百万美元。
- 结果：炼油厂省下了钱。
- 影响：炼油厂并没有利用这笔资金转向绿色能源，而是利用节省下来的资金继续提炼更多的石油。论文估计，这种效率提升可能导致数百万吨的额外二氧化碳排放。
4. “大脑”（GPU）的隐秘历史
该论文还深入挖掘了计算机芯片（GPU）的历史，这些芯片如今因驱动人工智能而闻名。
- 类比：在人工智能成为舞台上的“明星”之前，这些强大的计算机芯片曾是石油主厨的“苦力”。
- 故事：在 21 世纪初，石油公司率先购买这些芯片来模拟地下油藏（寻找钻探地点）。这种早期的合作关系为芯片制造商（如英伟达）提供了成长所需的资金。如今，随着人工智能的繁荣，这种旧关系正变得更加紧密。现代人工智能的“大脑”是建立在石油勘探的基础之上的，而现在人工智能又被用来寻找更多的石油。
结论
该论文总结道，我们一直在计算数字目标的“好”的一面（节约办公室能源），却忽视了数字目标的“坏”的一面（帮助石油公司钻探更多）。
- 定论：科技行业与石油行业之间的关系深厚、悠久且正在增长。通过帮助石油主厨变得更高效，数字主厨实际上是在无意中帮助他们制造更多的污染。
- 行动呼吁：我们需要停止假装数字化对石油行业自动就是“绿色”的。我们需要计算这些“乌龙球”，并核算石油和天然气数字化的真实环境成本。
简而言之：该论文警告说，当我们忙于为数字创新自我表扬时，我们可能正在递给石油主厨一个涡轮增压器，从而加速气候变化。
以下是论文《自摆乌龙：ICT 与石油天然气部门经济关系的高层评估及其环境影响》的详细技术总结。
1. 问题陈述
本文针对文献中关于信息通信技术（ICT）部门环境影响的评估存在的一个关键空白。尽管 ICT 部门的直接碳足迹及其减少其他部门排放的潜力（避免排放）已得到充分研究，但针对碳密集型行业（特别是石油和天然气，O&G）数字化所导致的“新增排放”（added emissions）却缺乏分析。
- 悖论：尽管全球呼吁逐步淘汰化石燃料，但自 1990 年以来，石油和天然气行业的生产能力已翻了一番。
- 盲点：目前的评估通常假设数字化会带来净效率提升。然而，本文认为数字工具正越来越多地被用于最大化碳氢化合物的开采（例如通过人工智能和模拟），从而导致“回弹效应”，即效率提升转化为产量增加和总排放量上升。
- 问题：ICT 与 O&G 部门之间的经济和因果关系规模有多大？由此产生的环境影响是什么？
2. 方法论
作者采用混合方法，结合宏观经济建模、定性文献综述和案例分析。
A. 投入产出分析（IOA）
- 数据来源：EXIOBASE3（多区域投入产出表），涵盖 2000–2022 年期间。
- 范围：研究绘制了根据国际标准产业分类（ISIC Rev. 4）定义的特定部门之间的货币流动（以百万欧元计）。
- ICT 部门：包括办公机械制造、电信、计算机服务和媒体复制。
- O&G 部门：包括原油/天然气开采、炼油以及化石燃料发电。
- 对比部门：纳入可再生能源和核能（R&N）部门作为对比基准。
- 目标：量化 O&G 对 ICT 投入的绝对和相对经济依赖程度。
B. 聚焦文献综述
- 来源：专业期刊（SPE Journal, JPT）、主要石油/科技公司的行业报告以及咨询公司的分析。
- 目标：识别 O&G 中使用的具体数字技术、其预期效果（例如降低成本与增加产量）以及采用的成熟度。
C. 案例研究与碳足迹估算
- 选取了两个具体案例，基于“回弹效应”（产量增加或节省资金的再投资）估算潜在的新增排放：
- 上游：微软 Azure 与 XTO Energy（埃克森美孚）合作优化页岩油。
- 下游：瓦莱罗（Valero）炼油厂的云/深度学习解决方案。
- 计算：通过将产量增加或成本节约与已知的碳强度因子（例如每桶或每美元利润的千克 CO2）进行外推来估算排放量。
3. 主要贡献
- 经济流动量化：本文首次对二十年间 ICT 流向 O&G 的金融流动进行了高层量化，揭示了显著且不断增长的依赖性。
- 数字化 O&G 活动分类法：作者提出了一个分类框架（表 II），按价值链阶段（上游、中游、下游）、功能（例如地震成像、预测性维护）和预期效果（例如增加产量、降低成本）对 ICT 活动进行分类。
- “自摆乌龙”概念：本文引入了“自摆乌龙”（own goals）的隐喻，用来描述 ICT 部门通过提升 O&G 效率，无意中加剧了其旨在解决的气候危机。
- GPU 与历史的联系：一项新颖的历史分析追溯了 GPU 技术（特别是英伟达）与 O&G 油藏模拟的共同演进，表明早期的 O&G 采用在财务上支撑了如今推动生成式 AI 热潮的硬件发展。
4. 主要结果
A. 宏观经济发现（IOA）
- 流动规模：平均而言，ICT 部门 2% 的年度金融流动流向 O&G 部门。
- 绝对增长：尽管相对份额为 2%，但这些流动的绝对价值已翻了一番多，从 2000 年的 200 亿美元 上升至 2022 年的 480 亿美元。
- 与可再生能源的对比：2022 年，每有 1 美元 从 ICT 流向可再生能源/核能，就有 超过 4 美元 流向 O&G 部门。尽管全球投资趋势有利于可再生能源，但这种差异依然存在。
- 价格相关性：ICT 对 O&G 投入的增长与油价下跌（例如 2014 年）并不相关；相反，2014 年的价格崩盘加速了数字化转型，以降低成本并提高非常规（页岩）开采的效率。
B. 技术与成熟度
- 成熟度差距：尽管文献承诺带来巨大收益，但综述表明，很少有数字技术在 O&G 中达到完全成熟。只有云计算、监管控制和井口传感器被视为成熟；人工智能和先进机器人仍处于扩展阶段。
- 主要驱动因素：主要的 ICT 投入是电信和计算机/相关服务（软件、数据处理）。
C. 环境影响估算（案例研究）
- 案例 1（XTO/微软）：预计 Permian 盆地 5% 的产量增加将在 2025 年单独产生 约 670 万吨 CO2 的额外排放。这相当于微软 2024 年总碳足迹的 26.7% 至 43.1%（取决于核算方法），但这些排放很少被计入范围 3 排放。
- 案例 2（瓦莱罗/Aveva）：炼油厂数字优化带来的成本节约，若转化为潜在再投资或生产扩展，可能导致每座工厂每年产生 0.058 至 350 万吨 CO2 的新增排放。
D. GPU 联系
- 本文强调，O&G 公司早在 AI 热潮之前就率先采用 GPU 技术进行地震和油藏模拟。这个有利可图的市场为英伟达提供了财务稳定性，使其能够开发后来推动现代 AI 和数据中心热潮的组件。
5. 意义与影响
- 重塑叙事：本研究挑战了数字化对能源部门本质上“绿色”的叙事。它认为，在 O&G 的背景下，数字化往往充当化石燃料开采的加速器，而非缓解工具。
- 政策与 ESG：它突显了 ESG（环境、社会和治理）投资中的一个盲点。大型科技公司可能看起来具有可持续性，但其 B2B 服务却助长了大规模的化石燃料扩张。
- 未来 AI 风险：作者警告，当前围绕生成式 AI 和 GPU 效率的炒作可能导致更激进的开采策略（例如寻找“每一滴油”），如果当前由 AI 驱动的开采承诺得以实现，到 2050 年每年可能额外增加 78 至 166 亿吨 CO2 当量。
- 行动呼吁：本文呼吁建立一个新的分析框架，明确核算“被赋能的排放”（因数字化而新增的排放），而不仅仅是“避免排放”，敦促监管者和研究人员建立 ICT 投资与化石燃料产量增长之间的因果联系。
局限性
作者承认，投入产出表提供的是货币流动，无法证明特定软件采购与产量增加之间的直接因果关系。此外，数据的粒度（ISIC Rev. 4）将不同的活动聚合在一起，可能会掩盖特定产品层面的流动。未来的工作需要产品对产品的交易数据以及更深入的定性历史分析。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。