在這些領(lǐng)域里，存在著一些有前景的商業(yè)模式。

隨著企業(yè)家們不斷追逐這些機會，未來幾年領(lǐng)域內(nèi)將創(chuàng)造數(shù)十億美元的企業(yè)價值。

我們已經(jīng)來到了一個重要的拐點——氣候變化和資本主義之間關(guān)系的拐點。資本已經(jīng)在以前所未有的規(guī)模流向與氣候相關(guān)的項目。在過去幾年里，世界上數(shù)百家大型企業(yè)已經(jīng)公開承諾要實現(xiàn)「凈零排放」，并開始對其組織運營進行相應(yīng)的調(diào)整。去年，世界上最大的資產(chǎn)管理公司宣布，已經(jīng)將應(yīng)對氣候變化作為其投資戰(zhàn)略的核心。各國政府開始將氣候變化視為一種系統(tǒng)性的經(jīng)濟風(fēng)險，甚至已經(jīng)因此開始采取直接的政策行動。

簡而言之，應(yīng)對氣候變化不僅是一項緊迫的全球任務(wù)，而且也是一個巨大的商機。正如投資者 Chamath Palihapitiya 的預(yù)測：“應(yīng)對氣候變化將成就世界上第一位萬億富翁。”

值得一提的是，除了作為對抗氣候變化的工具之外，機器學(xué)習(xí)本身也對氣候變化造成了影響——因為這種技術(shù)對計算資源和電力有著巨大的需求。對于人工智能社區(qū)來說，這是一項非常嚴(yán)峻的挑戰(zhàn)。本文將重點介紹機器學(xué)習(xí)可以幫助應(yīng)對氣候變化的方式。

氣候智能

企業(yè)應(yīng)該將氣候變化作為優(yōu)先戰(zhàn)略事項的原因之一在于，災(zāi)害性天氣事件可能將越來越多地對企業(yè)的核心運營造成嚴(yán)重的破壞：供應(yīng)鏈斷裂、因為野火而被迫大規(guī)模撤離、海岸線附近的設(shè)施被海浪淹沒、因為極端高溫天氣造成的戶外活動暫停，以及部分地區(qū)因為天氣的原因變得不再適合居住。

MSCI的全球ESG負(fù)責(zé)人Oliver Marchand 表示：“人們開始明白氣候風(fēng)險已經(jīng)不是遙遠(yuǎn)的未來，而是今天正在發(fā)生的事情。”

為了做好準(zhǔn)備應(yīng)對這些氣候?qū)е碌钠茐模瑱C構(gòu)需要具體的、具備可操作性的情報，這樣他們才能理解自己所面臨的風(fēng)險?？焖僮兓沫h(huán)境，意味著已經(jīng)無法僅通過看過去的天氣模式評估未來的風(fēng)險了。

例如，在評估房地產(chǎn)貸款的時候，一家銀行可能希望了解颶風(fēng)活動的增加會對沿海地區(qū)財產(chǎn)損失造成什么樣的影響。面對著更加惡劣的天氣條件，政府可能會想方設(shè)法地進行有針對性的投資，以增強其國家的關(guān)鍵基礎(chǔ)設(shè)施。一家國際連鎖酒店可能會發(fā)現(xiàn)，在做出在哪里開設(shè)新酒店的決定之前，更深入地了解長期天氣模式是非常有必要的一項工作。

如果說現(xiàn)代機器學(xué)習(xí)所擅長的，那就是基于大量數(shù)據(jù)對復(fù)雜系統(tǒng)進行預(yù)測。

已經(jīng)涌現(xiàn)出了許多“氣候智能”初創(chuàng)公司，它們提供預(yù)測分析平臺，使組織能夠更好地預(yù)測極端天氣事件并為之做好準(zhǔn)備。這些初創(chuàng)公司通常將機器學(xué)習(xí)與更傳統(tǒng)的天氣建模技術(shù)結(jié)合在一起，利用公開、專有和客戶特有的數(shù)據(jù)來訓(xùn)練他們的模型。

One Concern 是這些初創(chuàng)公司中歷史最悠久、資金最充足的公司之一，該公司在本月早些時候宣布了在新一輪的融資中獲得了4500 萬美元的資金。該公司的關(guān)注點在于為這個世界的自然和建筑環(huán)境開發(fā)一個“數(shù)字孿生（digital twin）”，以便在這個虛擬的環(huán)境里動態(tài)地模擬氣候變化造成的影響，為客戶提供所謂的“抗沖擊即服務(wù)”。到目前為止，該公司主要專注于日本市場。

Jupiter Intelligence 是這個類別里的另一個成熟的參與者，令人印象深刻的是，該公司擁有一大批藍(lán)籌客戶，其中包括美國國家航空與航天局（NASA）、英國石油公司（BP）、美國利寶互助保險公司（Liberty Mutual Insurance）和美國的邁阿密市等不少耳熟能詳?shù)拿帧?/span>

氣候智能領(lǐng)域另一家值得關(guān)注的競爭者是總部位于倫敦的Cervest，該公司上個月進行了A輪融資，從Marc Benioff、Chris Sacca 和其他投資人那里籌集了3000萬美元。Cervest采用了免費增值的商業(yè)模式，將其氣候智能平臺免費提供給所有人使用，該公司希望通過這種策略獲得網(wǎng)絡(luò)效應(yīng)。

該領(lǐng)域還有其他一些初創(chuàng)公司，包括 Climavision、Gro Intelligence、ClimateAI 和 Terrafuse AI。

這些得到風(fēng)險投資支持的氣候智能公司面臨的一個關(guān)鍵挑戰(zhàn)是，如何構(gòu)建出真正產(chǎn)品化并且可擴展的產(chǎn)品。每一家潛在的用戶都會根據(jù)自身的特定情況、地理分布、實物資產(chǎn)、業(yè)務(wù)優(yōu)先級等因素，提出一套獨特的氣候問題和目標(biāo)。這就不可避免地會推動這些初創(chuàng)公司為每一家客戶提供定制化的、重專業(yè)服務(wù)解決方案。

咨詢業(yè)務(wù)也是可以盈利的，但卻不太可能實現(xiàn)超大規(guī)模的成功，也難以吸引風(fēng)險投資。時間將證明這個領(lǐng)域內(nèi)是否會有一家或者多家初創(chuàng)公司脫穎而出，利用軟件和機器學(xué)習(xí)，成長為可擴展、并且可以定義這個類別的氣候智能技術(shù)公司。

氣候保險

上述初創(chuàng)公司的目的是幫助各類組織更好地理解并預(yù)測氣候風(fēng)險，而另一些競爭者則是利用人工智能技術(shù)來幫助組織保護自己，從財務(wù)上免受這些風(fēng)險的影響。他們對世界上最傳統(tǒng)的業(yè)務(wù)之一——保險行業(yè)進行創(chuàng)新，以此來實現(xiàn)自己的目標(biāo)。

傳統(tǒng)保險公司難以有效地評估氣候變化帶來的新型金融風(fēng)險，更別說為之定價了。因此，對于很多類型的氣候風(fēng)險來說，保險的費用可能會非常昂貴或者甚至根本就找不到這樣的保險。Aon表示，全球氣候保險的缺口高達(dá)1710 億美元。

一群新進入者正在利用可選數(shù)據(jù)源、實時分析和人工智能技術(shù)，更準(zhǔn)確地對風(fēng)險進行定價，并為氣候變化時代創(chuàng)造新的保險產(chǎn)品。

這些初創(chuàng)公司在戰(zhàn)略上的一項重要的創(chuàng)新被稱為「參數(shù)化保險」。與傳統(tǒng)保險公司對投保人實際遭受的損失進行賠償?shù)淖龇ú煌?，參?shù)化保險會在火災(zāi)或者風(fēng)暴等預(yù)先定義的事件發(fā)生的時候，自動賠付一定金額的賠償金。參數(shù)化保險不需要保險代理人評估并核實參保人個體遭受的損失金額，而是在滿足某些參數(shù)條件（這種方式也因此得名）時就直接進行賠付，例如降雨達(dá)到一定的降雨量，氣溫?zé)岬揭欢ǔ潭龋欢◤姸鹊娘Z風(fēng)，或者人流量減少到一定程度。

參數(shù)化模型能夠讓保險變得更加自動化，更加數(shù)據(jù)驅(qū)動，也更加透明，而賠付也能夠更快、更確定。這需要復(fù)雜的數(shù)據(jù)和分析能力才能有效執(zhí)行。

總部位于巴黎的 Descartes Underwriting 成立于 2018 年，該公司為各種與氣候相關(guān)的風(fēng)險提供參數(shù)化保險，包括洪水、干旱、供應(yīng)鏈中斷、可再生資源生產(chǎn)、施工中斷等。Descartes使用機器學(xué)習(xí)來支持并監(jiān)控其參數(shù)化策略，從各種來源實時獲取數(shù)據(jù)——包括衛(wèi)星圖像、固定傳感器、物聯(lián)網(wǎng)設(shè)備、雷達(dá)和聲納等。

另一家為氣候風(fēng)險提供參數(shù)化保險的公司是Arbol，該公司使用以太坊區(qū)塊鏈上的智能合約來支持其保險策略。這使其能夠在兩周或更短的時間內(nèi)自動支付保險賠償金。

Kettle是這個類別中較為活躍的初創(chuàng)公司之一，該公司為氣候變化的風(fēng)險提供再保險，其最初關(guān)注的重點是野火。憑借著專有的神經(jīng)網(wǎng)絡(luò)架構(gòu)，Kettle聲稱該公司可以對野火風(fēng)險進行超準(zhǔn)確、超本地化的預(yù)測，該公司成功預(yù)測出了2020年加利福尼亞州14場最大的野火的位置。Kettle建立在人工智能技術(shù)基礎(chǔ)上的風(fēng)險模型，使其能夠為保險客戶提供具有競爭力的價格，而獲取的回報卻比傳統(tǒng)的再保險公司高25%以上。

這個類別中還有其他一些初創(chuàng)公司也值得關(guān)注，包括 Understory 和 Cloud to Street。

氣候變化將在未來幾年里重塑財產(chǎn)和意外傷害保險。這場動蕩將為依靠數(shù)據(jù)和人工智能技術(shù)的挑戰(zhàn)者們創(chuàng)造大量機會，在傳統(tǒng)上非常沉悶的行業(yè)里搶占市場份額。預(yù)計氣候保險領(lǐng)域?qū)霈F(xiàn)一些由風(fēng)險投資支持的大贏家。

碳補償（carbon offsets）

僅僅在過去幾年中，全球就有數(shù)百家最大的企業(yè)公開承諾將在限定的時間內(nèi)實現(xiàn)凈零排放。這些公司包括了從亞馬遜到聯(lián)合利華，從星巴克到福特在內(nèi)的多家巨頭，代表了數(shù)萬億美元的市值。他們承諾的時間期限通常是到2040年或者2050年。

對于任何一家希望減少自身碳足跡的組織來說，大致都有兩種基本方法：直接消除自身運營中的碳排放，或者購買碳補償（carbon offsets）。后一種方法雖然目前還存在著爭議，但在未來幾年內(nèi)，卻有望在全球應(yīng)對氣候變化的斗爭中發(fā)揮核心作用。

盡管碳補償交易市場的規(guī)模仍然相對較小，但是近年來這個市場一直在迅速擴張：從 2016 年交易的 3400 萬美元，到 2018 年的 7300 萬美元，再到 2020 年的 1.81 億美元。一些專家相信，隨著世界各地的公司購買碳補償?shù)目癯?，這一市場正處于爆發(fā)式增長的邊緣。有影響力的氣候金融家和政策制定者Mark Carney曾表示，到 2030 年，碳補償市場可能會達(dá)到 1000 億美元的規(guī)模。

碳補償?shù)母拍顝脑砩蟻碚f很簡單：一方向另一方付費，后者可以在世界上的任何地方通過減少排放或重新捕捉的方式，消除大氣中一定數(shù)量的溫室氣體。補償項目的常見例子包括，植樹（吸收二氧化碳）以及為風(fēng)力發(fā)電等可再生能源基礎(chǔ)設(shè)施融資。

從理論上說，如果一個組織產(chǎn)生了一噸的碳排放，然后資助一個補償項目，消除一噸的碳排放，那么該組織對于氣候變化的總體不利影響就是零。

可這只是理論。在實踐中，碳補償引發(fā)了大量的爭議，并且操作異常復(fù)雜。

最根本的一點在于，一些觀察家反對碳補償，理由是這種做法人為地免除了排放者的氣候罪行，讓他們可以花錢消災(zāi)，在減少碳排放這個問題上，逃避努力調(diào)整自己活動的責(zé)任。這種觀點有一定的道理：在理想情況下，碳補償應(yīng)該只作為實現(xiàn)碳中和的最后手段，在組織盡可能地減少了自己的碳排放之后才會走到這一步。補償本身永遠(yuǎn)不會讓我們進入一個零碳的世界。

然而，就近期而言，碳補償仍然是利用市場力量減少碳排放的重要工具。尤其是考慮到某些基本的人類活動——例如航空旅行和重工業(yè)——由于基礎(chǔ)技術(shù)的原因，不太可能在短期內(nèi)實現(xiàn)無碳排放，補償可以說是大多數(shù)組織實現(xiàn)凈零排放的唯一途徑。

碳補償面臨的另一個更加戰(zhàn)術(shù)性的問題是，這種方式難以大規(guī)模實施?？紤]到買方和賣方可能位于世界的兩端，協(xié)調(diào)問題就顯得尤為突出。想要驗證碳補償項目的合法性，在操作層面上來說簡直令人生畏——例如，確定一棵樹實際上是否已經(jīng)被種植，以及如果不是因為這場交易，這棵樹就不會被種植（“補充性”）；還有隨著時間推移，這棵樹是否還活著并且持續(xù)生長（“持久性”）。迄今為止，這些挑戰(zhàn)限制了碳補償市場的規(guī)模。

為了應(yīng)對這些挑戰(zhàn)，一些激動人心的初創(chuàng)供公司正在應(yīng)用軟件和機器學(xué)習(xí)來簡化碳補償市場，并將其數(shù)字化和自動化。這些公司相信他們可以釋放大量被壓抑的補償需求，并成為這個價值數(shù)十億美元的新產(chǎn)業(yè)的支柱。

Pachama 和 NCX（前身為 SilviaTerra）是頗有前途的兩家公司，這兩家公司正在圍繞著造林，利用人工智能打造碳補償市場。兩家公司都使用了計算機視覺技術(shù)，利用航拍圖像和其他傳感器數(shù)據(jù)，自動評估森林中的樹木存儲了多少碳，并持續(xù)監(jiān)控其平臺上碳補償項目的完整性。

兩家公司的不同之處在于，他們對市場供應(yīng)方的處理方式。Pachama精挑細(xì)選了一些造林項目，供平臺上的用戶購買碳補償；而NCX的做法則更加民主：任何土地?fù)碛姓?mdash;—無論土地的面積有多小，都可以加入平臺，并出售碳信用（carbon credits）以交換對樹木保護的承諾。

Pachama 首席執(zhí)行官 Diego Saez Gil 表示：“隨著氣候變化成為企業(yè)和政府議程上的核心話題，絕對有必要改善碳補償市場的狀況，保障完整性、透明度和責(zé)任制。” Diego Saez Gil 表示：“如果我們的做法可行，我們就可以幫助對數(shù)千萬公頃的森林恢復(fù)提供資助，由此在大氣中吸收掉數(shù)十億噸的二氧化碳。”

在這個類別中，另一家值得關(guān)注的公司是Patch，該公司最近從Andreessen Horowitz那里獲得了種子輪投資，籌集了450萬美元。Patch的平臺消除了管理碳補償?shù)膹?fù)雜性，通過一個API和幾行代碼就可以訪問碳補償項目。在幕后，該公司會進行審查，并同少數(shù)高質(zhì)量的碳補償組織合作。憑借著這種API優(yōu)先的方法，Patch的首席執(zhí)行官Brennan Spellacy將該公司的愿景描述為“脫碳格子”。

這些公司在追求商業(yè)規(guī)模的時候，將面臨一個重要的問題，那就是：組織在碳補償上真正花錢的動力到底有多大。一些人對此持懷疑態(tài)度，雖然有不少企業(yè)都表示在長期要實現(xiàn)凈零排放的目標(biāo)，但是如果要花大量的真金白銀來補償自身的碳排放，很多公司都會猶豫。

這些初創(chuàng)公司（及其投資者們）將賭注押在了這些組織會認(rèn)真對待自己的凈零排放承諾上，而且相信這些組織將盡快實際投入資金以兌現(xiàn)這些承諾。

另外，如果各國政府開始圍繞著碳排放限制制定更嚴(yán)格的規(guī)定，這個市場的整體格局就有可能會發(fā)生變化。這種情況已經(jīng)在一些司法管轄區(qū)內(nèi)開始出現(xiàn)了。這種監(jiān)管可以在法律層面上將碳補償從錦上添花式的非必需品，變成全球數(shù)以千計的組織的必需品。

碳核算（carbon accounting）

為了減少或抵消其碳足跡，組織必須首先了解其碳足跡的狀況。這是一個具有挑戰(zhàn)性的過程，混亂，而且充斥著大量的數(shù)據(jù)。

一家公司的整體碳足跡可分為三類：公司自身運營的直接排放（被稱為1類排放），公司使用的電力在生產(chǎn)過程中產(chǎn)生的排放（2類排放），以及該公司產(chǎn)品生產(chǎn)和消費的整個過程中產(chǎn)生的排放（3類排放）——貫穿了從上游供應(yīng)商到下游消費者的整個價值鏈。其中，第三類排放的測量最具挑戰(zhàn)性。

第三類排放的兩個說明性示例：Sweetgreen公司的3類排放就包括為了生產(chǎn)沙拉中奶酪的奶牛排放的甲烷，而Square的3類排放則要將各個商家為其Square Register 供電的電能在生產(chǎn)中所耗費的碳排放量計算在內(nèi)。

在過去的一年里，涌現(xiàn)了一批初創(chuàng)公司，這些公司提供了各種工具，幫助組織衡量和跟蹤他們的碳排放量——從1類到3類都有。

這些初創(chuàng)公司的產(chǎn)品愿景可不僅僅是幫助公司量化排放。一旦企業(yè)對其碳足跡有了全面的了解，它就可以制定并執(zhí)行數(shù)據(jù)驅(qū)動的計劃以減少排放：例如，改用可再生能源；調(diào)整其房地產(chǎn)的碳足跡；推動其供應(yīng)商采用更多低碳的方法；為員工提供信息，使其日常決策變得更具可持續(xù)性，或（如上所述）購買碳補償。

在構(gòu)建企業(yè)碳核算（carbon accounting）平臺方面，最受矚目的公司是Watershed，該公司是最近由一群Stripe老手創(chuàng)立的。Watershed之所以能夠引起轟動，很大程度上是因為該公司得到了紅杉資本的Michael Moritz和Kleiner Perkins的John Doerr的支持；這兩位標(biāo)志性的風(fēng)險投資家在1999年聯(lián)手投資的上一家早期創(chuàng)業(yè)公司是谷歌。

“氣候是一個數(shù)據(jù)問題”，Watershed 聯(lián)合創(chuàng)始人 Taylor Francis 表示。Taylor Francis說：“組織每天都在制定著會影響碳排放的決策——從哪個供應(yīng)商那里采購，如何運輸貨物——但是對于這些選擇對碳排放造成的影響，決策者們視而不見。在Watershed，我們正在構(gòu)建工具以解鎖這種洞察力，并將原始業(yè)務(wù)數(shù)據(jù)——來自水電費賬單、采購訂單、運輸日志等——轉(zhuǎn)化為減少碳排放的具體行動。”

這個快速發(fā)展領(lǐng)域內(nèi)的其他競爭者包括 Emitwise、SINAI Technologies、Persefoni 和 CarbonChain。

這些初創(chuàng)公司面臨的一個基本挑戰(zhàn)是，數(shù)據(jù)爭執(zhí)和數(shù)據(jù)質(zhì)量。尤其是3類排放，可能會很難收集到可靠的數(shù)據(jù)。

例如，想象一個大型組織，其供應(yīng)鏈非常復(fù)雜，跨越多個國家，其中包括各種不愿分享運營和能源使用詳細(xì)信息的中間供應(yīng)商。繪制該公司3類排放的詳細(xì)圖表確實非常困難。正如關(guān)于數(shù)據(jù)的一句老話所說：進來的是垃圾，出去的就也是垃圾。

設(shè)計出一種準(zhǔn)確、可重復(fù)、可擴展的方法，以收集來自全球各地以及產(chǎn)品整個生命周期的碳排放數(shù)據(jù)，這將是這個類別里初創(chuàng)公司成功的關(guān)鍵。

值得注意的是，作為碳核算平臺的自然延伸，這個類別里的一些初創(chuàng)公司已經(jīng)在開發(fā)碳補償市場。隨著這些公司的產(chǎn)品愿景趨于一致，他們將與前文中提到的碳補償初創(chuàng)公司直接競爭。

然而，這一類別的初創(chuàng)公司面臨的一個關(guān)乎生存的問題是，有多少客戶愿意為了實現(xiàn)強大的脫碳計劃，放棄自己辛辛苦苦掙來的現(xiàn)金。

建筑物

建筑產(chǎn)生的碳排放量接近世界總碳排放量的五分之一。因此，提高我們的建筑效率對于應(yīng)對氣候變化至關(guān)重要。

好消息是，在這個領(lǐng)域已經(jīng)存在著非常多唾手可得的成果，因為當(dāng)今的建筑在能源效率優(yōu)化方面做得還很不夠：通過改進策略，許多現(xiàn)有建筑的碳足跡可以降低90%之多。

減少建筑物碳排放的最大機會是在供暖、通風(fēng)和空調(diào) (HVAC)系統(tǒng)?，F(xiàn)在建筑物的供暖和制冷的能源密集程度高到令人難以置信，大約能夠占到建筑物能源消耗量的一半。

HVAC是一個復(fù)雜、定義明確而又?jǐn)?shù)據(jù)豐富的多變量系統(tǒng)：換句話說，它非常適合通過機器學(xué)習(xí)（尤其是強化學(xué)習(xí)）進行優(yōu)化。

2016 年，DeepMind 率先將機器學(xué)習(xí)應(yīng)用于暖通空調(diào)系統(tǒng)，并開展了一項被廣泛討論的研究，這一舉措旨在提高谷歌龐大的數(shù)據(jù)中心的能源效率。通過使用深度學(xué)習(xí)，DeepMind優(yōu)化了數(shù)據(jù)中心的冷卻系統(tǒng)，將這些設(shè)施的整體能耗最多降低了40%。考慮到數(shù)據(jù)中心在整個溫室氣體排放總量中占到2%，這可以說是一個里程碑式的結(jié)果。

一位谷歌數(shù)據(jù)中心的運營商分享了一個 DeepMind 系統(tǒng)如何工作的例子：“人工智能學(xué)會了利用冬季的低溫產(chǎn)生比正常情況下更冷的水，這種做法減少了數(shù)據(jù)中心冷卻所需的能源，看到這一幕真的是感覺太神奇了。規(guī)則不會隨著時間的推移而變得更好，可是人工智能可以。”

少數(shù)初創(chuàng)公司正在想方設(shè)法開發(fā)針對建筑物HVAC的優(yōu)化解決方案。

總部位于蒙特利爾的 BrainBox AI 聲稱，該公司的軟件可以對建筑物的加熱和冷卻設(shè)置進行精細(xì)、實時的本地化微調(diào)，在幾個月內(nèi)，將建筑物的碳足跡減少 20% 到 40%。BrainBox 的技術(shù)不需要部署傳感器，如今已在數(shù)十個住宅、酒店、機場、護理機構(gòu)和雜貨店中使用，總共服務(wù)著超過1億平方英尺的房地產(chǎn)物業(yè)。

得到比爾.蓋茨支持的初創(chuàng)公司75F也使用機器學(xué)習(xí)來監(jiān)控建筑物內(nèi)的暖通空調(diào)系統(tǒng)，并對其進行自動化和優(yōu)化。該領(lǐng)域內(nèi)的其他競爭者包括Nomad Go，這家公司開發(fā)了一種基于計算機視覺的解決方案，來簡化建筑物的能源使用。

重要的是，這些公司的產(chǎn)品不僅減少了碳排放，還降低了建筑運營商的成本。BrainBox 聲稱，該公司的技術(shù)可為客戶節(jié)省高達(dá) 25% 的能源費用，同時還將建筑居住者的舒適度提高 60%。這種激勵機制對于脫碳解決方案的廣泛采用至關(guān)重要。

歸根結(jié)底，在電網(wǎng)電力本身實現(xiàn)零碳之前，建筑物的能源消耗永遠(yuǎn)不可能實現(xiàn)完全可持續(xù)。但是在短期內(nèi)，機器學(xué)習(xí)為我們提供了減少建筑物碳足跡的可行機會。

精準(zhǔn)農(nóng)業(yè)

農(nóng)業(yè)是氣候變化的主要驅(qū)動力，占全球溫室氣體排放總量的 10% 至 15%。

現(xiàn)代農(nóng)業(yè)是資源密集型的，同時也非常浪費。例如，每年用于農(nóng)業(yè)的化肥超過2億噸，由于施放不夠精確或者過度施用，數(shù)以百萬噸計的肥料其實是被浪費掉了。這是氣候變化的一個主要問題：僅肥料一項就占所有溫室氣體排放量的 2.5%。更糟糕的是，化肥產(chǎn)生的溫室氣體——一氧化二氮——尤其有害：同樣重量的狀況下，它使大氣變暖的程度是二氧化碳的 300 倍。

應(yīng)用數(shù)字技術(shù)來提高農(nóng)業(yè)效率，在減少碳足跡的同時增加糧食產(chǎn)量，這個領(lǐng)域內(nèi)存在著巨大的機會。

精準(zhǔn)農(nóng)業(yè)是有針對性地在本地化的基礎(chǔ)上，對作物投入（例如化肥、水、殺蟲劑）進行優(yōu)化的實踐，有時候這種優(yōu)化甚至是逐株優(yōu)化，而不是不分青紅皂白地對整塊田地或農(nóng)場里的所有植物采取一視同仁的做法。在未來幾年里，它將在讓農(nóng)業(yè)更具可持續(xù)性方面發(fā)揮核心作用。

世界經(jīng)濟論壇的數(shù)據(jù)顯示，如果15%至25%的農(nóng)場采用精準(zhǔn)農(nóng)業(yè)技術(shù)，溫室氣體排放量將減少10%，用水量可以減少20%，同時農(nóng)業(yè)產(chǎn)量可以提高15%。

在使世界各地的農(nóng)場實現(xiàn)精準(zhǔn)農(nóng)業(yè)方面，人工智能初創(chuàng)公司們正在發(fā)揮著重要的作用。

一種方法是將計算機視覺應(yīng)用于航拍圖像，以便讓農(nóng)民實時了解如何最好地在他們的農(nóng)場上分配資源：在哪里施用更多的肥料而在哪里少施肥，需要在哪里修復(fù)泄露的灌溉管道等等。這種商業(yè)模式之所以很有吸引力是因為它是基于軟件的，因此具有很高的資本效率和可擴展性。采用這一戰(zhàn)略的初創(chuàng)公司包括 Ceres、Hummingbird Technologies、Gamaya 和 Prospera（該公司在上個月以 3 億美元的價格被收購）。

Semios 和 Arable 是兩家資金充足的精準(zhǔn)農(nóng)業(yè)初創(chuàng)公司，他們使用固定的地面硬件傳感器來實現(xiàn)更精確的作物管理。Semios 表示，迄今為止，該公司已在農(nóng)場安裝了超過 200 萬個傳感器，每天從這些傳感器上收集的數(shù)據(jù)點超過 5 億個。

最后一組競爭者，包括位于灣區(qū)的初創(chuàng)公司 FarmWise 和 Bear Flag Robotics，這兩家公司正在農(nóng)場里部署物理機器人，以便更直接地利用人工智能引導(dǎo)精準(zhǔn)農(nóng)業(yè)。FarmWise 最初的重點是除草，其長期愿景是利用機器人在廣泛的農(nóng)業(yè)活動中實現(xiàn)精準(zhǔn)農(nóng)業(yè)。Bear Flag Robotics 則開發(fā)了一種自動拖拉機服務(wù)。

需要注意的是，其中許多初創(chuàng)公司并未明確將自己定位為“氣候技術(shù)”公司。精準(zhǔn)農(nóng)業(yè)技術(shù)最初被市場采用主要是因為它們可以提高農(nóng)場的生產(chǎn)力和效率，節(jié)省成本并提高產(chǎn)量。它們推動了世界上最大的碳排放部門之一脫碳，這是事實，但其實也只是一個無心插柳的附帶好處而已。和前文里討論過的HVAC優(yōu)化一樣，將減排與為客戶創(chuàng)造經(jīng)濟價值結(jié)合在一起的初創(chuàng)公司最有可能取得成功。

預(yù)計在未來幾年里，精準(zhǔn)農(nóng)業(yè)領(lǐng)域里會出現(xiàn)多家大型公司。

可再生能源和電網(wǎng)

生產(chǎn)零碳電力是應(yīng)對氣候變化的核心。正如比爾.蓋茨 (Bill Gates) 在他最近的一本書中所說：“如果精靈許給我一個愿望，可以選擇在應(yīng)對氣候變化的活動中實現(xiàn)一項突破，我會選擇發(fā)電：它將在幫助實體經(jīng)濟其他部分實現(xiàn)脫碳方面發(fā)揮重要作用。”

要想獲得豐富的零碳電力，需要一些根本性的突破——更好的儲能技術(shù)、下一代的核裂變技術(shù)、可行的核聚變技術(shù)——這首先是物理工程方面的挑戰(zhàn)。今天的人工智能還沒有這么神通廣大，無法推動這些物理和化學(xué)領(lǐng)域的基礎(chǔ)進步。

然而，機器學(xué)習(xí)可以通過多種方式幫助改善當(dāng)今的電力系統(tǒng)，并推動我們邁向以可再生能源為中心的未來。

電網(wǎng)是人類有史以來建造的最為復(fù)雜的系統(tǒng)之一。由于電力無法大規(guī)模高效儲存，電網(wǎng)必須不斷地實時平衡供需。機器學(xué)習(xí)可以幫助這個復(fù)雜的系統(tǒng)實現(xiàn)自動化和優(yōu)化，使電網(wǎng)運營商能夠更準(zhǔn)確地預(yù)測用電需求并消除導(dǎo)致更多碳排放的低效狀況。

位于溫尼伯的 Invenia 和 Y Combinator alum Gaiascope 是兩家有趣的初創(chuàng)公司，他們應(yīng)用人工智能來預(yù)測并優(yōu)化電網(wǎng)動態(tài)。

與之類似，Gridware 利用邊緣人工智能和遙測傳感器來實時預(yù)測和檢測電網(wǎng)物理基礎(chǔ)設(shè)施中的故障，從而降低火災(zāi)和其他系統(tǒng)故障的風(fēng)險。

在應(yīng)用人工智能幫助電網(wǎng)脫碳的領(lǐng)域中，另一個參與者是Raptor Maps，該公司構(gòu)建了一個計算機視覺平臺，可以使用來自無人機、衛(wèi)星和地面?zhèn)鞲衅鞯臄?shù)據(jù)幫助進行太陽能發(fā)電資產(chǎn)的部署和管理。

人工智能還可以幫助材料科學(xué)的發(fā)展，以此促進可再生能源的普及。例如，研究人員正在利用機器學(xué)習(xí)來幫助尋找能夠比今天的光伏發(fā)電更有效地利用太陽能的新化合物。

在利用人工智能技術(shù)幫助發(fā)現(xiàn)新材料方面，位于以色列的Materials Zone是一家很有前途的早期創(chuàng)業(yè)公司。

火災(zāi)

地球變暖最明顯也最具破壞力的警兆之一，是近年來頻發(fā)的野火，從加利福尼亞州到澳大利亞，野火發(fā)生次數(shù)增漲的幅度已經(jīng)達(dá)到了驚人的程度。

2020年是加利福尼亞州有記錄以來野火最為嚴(yán)重的一年，超過了該州在2018年創(chuàng)下的記錄。該州超過4%的地區(qū)被焚毀，造成的損失超過120億美元。

隨著氣候變化使地球變得更熱也更加干燥，我們面臨著毀滅性野火成為新常態(tài)的前景，每一年的情況都在變得更糟糕。我們必須盡我們所能地減輕這種氣候風(fēng)險，這是非常緊迫的事。在這方面，人工智能可以提供幫助。

Pano AI 和 Fion Technologies 是兩家年輕的初創(chuàng)公司，他們正在應(yīng)用機器學(xué)習(xí)來支持消防工作。他們的解決方案使用計算機視覺來提前確定火災(zāi)風(fēng)險最大的地方（這樣消防專業(yè)人員就可以采取預(yù)防措施），在火災(zāi)開始時立即檢測到（以便消防員可以在火勢擴大之前迅速做出反應(yīng)）并預(yù)測火勢會如何蔓延（可以實時幫助滅火工作）。

與此同時，F(xiàn)iremaps 正在開發(fā)一款產(chǎn)品，以幫助單個的家庭采取措施，保護自己免受火災(zāi)的侵害。根據(jù)客戶的家庭住址，F(xiàn)iremaps會分析衛(wèi)星圖像和其他的火災(zāi)風(fēng)險數(shù)據(jù)，自動為該物業(yè)生成個性化的防火計劃，包括清除灌木、切斷燃?xì)夂图彝ビ不却胧?/span>

結(jié)論

人工智能是一項通用技術(shù)，具有無限多的潛在用例。對于人類來說，也許沒有能夠比幫助大氣脫碳并減緩氣候變化更重要的人工智能應(yīng)用了。其創(chuàng)造經(jīng)濟和社會價值的機會幾乎是無限的。

在未來幾十年里，對于人工智能創(chuàng)業(yè)者、研究人員和運營商來說，很難想象會有哪個領(lǐng)域會比氣候問題更值得投身其中。