KNOWECON WIKI

ARTICLE

气候技术

气候技术 (Climate Technology) 气候技术（Climate Technology）是指以减缓或适应气候变化为直接目标，通过改变能源结构、工业生产流程、农业实践或消费模式来降低温室气体排放或增强气候韧性的技术体系的总称。从经济学视角看，气候技术具有典型的双重外部性特征——知识溢出（正外部性）与环境外部性（负外部性）并存，使其成为环境经济学、创

浏览 0 更新 2026-07-20

气候技术 (Climate Technology)

气候技术（Climate Technology）是指以减缓或适应气候变化为直接目标，通过改变能源结构、工业生产流程、农业实践或消费模式来降低温室气体排放或增强气候韧性的技术体系的总称。从经济学视角看，气候技术具有典型的双重外部性特征——知识溢出（正外部性）与环境外部性（负外部性）并存，使其成为环境经济学、创新经济学和公共政策研究的交汇点。联合国气候变化框架公约（UNFCCC）将气候技术分为减缓技术（Mitigation Technologies）和适应技术（Adaptation Technologies）两大类别，二者的经济逻辑和政策含义存在显著差异。

在宏观经济学层面，将能源和环境约束纳入索洛增长模型后，技术进步成为保持增长同时实现减排的唯一长期途径。Acemoglu等人（2012）在定向技术变革（Directed Technical Change）框架中指出，若无政府干预，研发将过度偏向"肮脏"技术而忽略"清洁"技术——肮脏技术拥有更长的积累历史和更大的初始市场规模，形成路径依赖。

减缓技术与适应技术

减缓技术旨在从源头减少温室气体排放或增加碳汇。主要包括：

  • 可再生能源技术：太阳能光伏、风力发电、水力发电、地热能和海洋能。全球平准化度电成本（LCOE）在过去十年中大幅下降——光伏成本下降超过80\%，陆上风电下降约40\%，使得可再生能源在越来越多的地区实现电网平价。
  • 能源储存技术：锂离子电池、液流电池、抽水蓄能、压缩空气储能和绿色氢能。储能解决了可再生能源的间歇性问题，是实现高比例可再生能源并网的关键使能技术，其成本下降轨迹与经验曲线（Learning Curve）高度吻合。
  • 碳捕集、利用与封存（CCUS）：从大型点源或直接从空气中捕集CO2 _2 并永久封存或转化为产品。CCUS对钢铁、水泥等难以电气化的"难减排部门"尤为重要，但其高昂成本仍是商业化的主要障碍。
  • 核能技术：传统裂变堆和仍在研发阶段的核聚变。核能提供稳定基荷电力且几乎零碳排放，但面临安全、核废料和公众接受度等非经济性约束。
  • 工业脱碳与循环经济技术：绿色氢能直接还原铁（DRI）炼钢、替代水泥熟料、电气化工业供热和循环经济模式。

适应技术旨在增强社会经济系统和生态系统对气候变化已发生或预期影响的抵御能力。典型例子包括：耐旱作物品种与精准灌溉系统（农业适应）、海堤与风暴潮屏障（沿海防护）、早期预警系统与气候保险（灾害风险管理），以及城市绿色基础设施与冷却屋顶（应对城市热岛效应）。适应技术的经济学分析面临一个独特挑战：收益通常在未来的不确定时点以"避免损失"的形式出现，这使得成本效益分析中的贴现率选择极为敏感。

气候技术的双重外部性与市场失灵

气候技术的研发与推广面临两种交织的市场失灵：

环境外部性。排放温室气体产生全球性负外部性——排放者不承担气候损害的全部成本。无碳定价时，清洁技术的市场需求被人为压低。庇古税的逻辑直接适用：对碳排放征收等于碳社会成本（SCC）的税率，使私人成本与社会成本一致。

知识外部性。研发产生正的知识溢出——创新者无法完全占有发明的社会收益，导致私人研发投资低于社会最优水平。Jaffe等人（2005）指出，即使存在碳定价，单纯市场力量也难以提供充足创新激励，因为知识的公共品属性使研发的社会回报率远高于私人回报率。

双重外部性意味着最优政策需同时纠正两种失灵：通过碳税或碳排放交易体系内部化环境外部性，同时以研发补贴和税收抵免解决知识外部性。只纠正一种而忽略另一种会导致次优结果。

学习曲线与技术扩散

气候技术成本随时间下降的模式可用学习曲线（Learning Curve，也称经验曲线）来描述。学习曲线的标准形式为：

Ct=C0⋅Qt−αC_t = C_0 \cdot Q_t^{-\alpha}

其中 CtC_t 为时期 tt 的单位成本，QtQ_t 为累积产量，α\alpha 为学习弹性。学习率 LR=1−2−αLR = 1 - 2^{-\alpha} 表示累计产量翻倍时成本下降的百分比。太阳能光伏的学习率约为20--22\%，锂离子电池约为18--20\%，陆上风电约为7--15\%。

学习效应具有重要的政策含义：对新兴气候技术的早期补贴不仅产生当期减排效益，还通过"边做边学"（Learning-by-Doing）降低未来成本，形成正向动态反馈。这一逻辑是德国上网电价补贴（Feed-in Tariff）和中国大规模光伏部署背后的经济学依据。然而，学习曲线政策也面临信息不对称（政府难以准确预判各技术的学习潜力）和"挑选赢家"的风险。

技术扩散的地理格局同样值得关注。气候技术从发达国家向发展中国家的转移是巴黎协定的核心议题之一。从经济学角度看，技术转移面临的障碍包括知识产权壁垒、吸收能力不足（人力资本和制度条件欠缺）和融资渠道有限。绿色气候基金（Green Climate Fund）等国际机制试图通过优惠融资降低技术转移的资金障碍，但其实施效果仍存在争议。

政策工具的经济学分析

气候技术政策工具箱可按照作用环节分类：

技术推动（Technology Push）。通过公共研发投入、政府采购和示范项目补贴增加新技术供给。全球清洁能源公共研发支出在2015至2022年间增长约50\%，但仍远低于所需水平。研发补贴直接针对知识外部性，其局限在于"死亡谷"（从实验室到商业化的断层）难以仅靠公共资金跨越。

需求拉动（Demand Pull）。通过碳定价、可再生能源配额制、上网电价和税收抵免扩大气候技术的市场需求。碳定价被普遍视为成本效益最高的减排政策，但政治可行性往往较低。各国因此更偏好补贴和管制等"隐性碳价"手段，经济效率较低但政治阻力更小。

产业政策与绿色竞赛。主要经济体将气候技术视为战略竞争新领域。美国通胀削减法案（2022）提供约3690亿美元的清洁能源税收抵免与补贴，欧盟以绿色协议工业计划回应。波特假说（Porter Hypothesis）为环境规制提升竞争力提供了理论可能——设计良好的环境规制可通过激发创新提高长期竞争力，但实证证据是混合的。

技术不确定性与研发组合

气候技术面临显著的技术不确定性：何种技术路线将在未来成为主流，当前难以准确预判。实物期权理论为分析气候技术研发投资提供了有用的框架。当研发投资不可逆且未来收益不确定时，等待的期权价值可能很大，导致私人部门延迟投资。这强化了公共部门在基础研究和早期技术示范领域的角色——政府比私人投资者更能承受技术不确定性，因为政府的目标函数是社会总福利而非单一项目的投资回报。

应对策略是保持研发组合（R\&D Portfolio）的多元化——同时对光伏、风能、核聚变、直接空气捕获等多种路线投资，避免过早锁定于单一技术。这一逻辑与分散化投资原理一致：各技术路线的成功概率不完全相关时，多元化降低整体风险。阿罗-林德定理支持公共部门承担这类风险——政府分散风险的能力远强于私人投资者。

关键实证发现与未来方向

近年的实证经济学文献提供了若干重要发现。Dechezleprêtre、Martin和Mohnen（2017）利用专利数据发现，清洁技术的知识溢出效应比肮脏技术高约40\%，进一步强化了对清洁研发进行补贴的理由。气候技术创新的地理集中度很高——全球清洁能源专利的约70\%集中在美国、日本、德国、中国和韩国。中国的快速追赶尤为引人注目：在全球太阳能光伏、锂离子电池和风力发电领域的累计专利申请中，中国已位居首位。

面向未来，核心研究议题包括：大规模可再生能源并网的系统集成成本与最优电网设计；碳捕集技术的成本下降空间与规模化路径；绿色氢能在工业脱碳中的经济可行性阈值；人工智能在能源效率优化中的应用前景；以及气候技术全球扩散的制度障碍与多边合作机制设计。这些问题的回答将在很大程度上决定人类社会能否以可接受的经济成本实现碳中和。