在2026年1月6日发表于《自然》杂志的一篇观点文章中，意大利米兰理工大学的Carlos Rodriguez-Pardo与Massimo Tavoni呼吁重新思考人工智能的构建方式，以更有效地支持应对气候变化的行动。他们指出，当前许多气候研究者往往先关注AI已有能力，再寻找其在气候领域的应用，这种“技术驱动”的思维模式存在局限。 作者主张应采取“需求驱动”的新范式：首先明确气候管理的实际需求，再反向设计AI系统。例如，气候系统需要长期、高精度的预测能力，对极端天气事件的实时响应，以及对复杂社会-生态反馈机制的建模。这些任务对AI提出了特定要求，如可解释性、鲁棒性、跨尺度整合能力与对不确定性数据的处理能力，而这些并非当前主流AI模型的强项。 文章强调，应推动AI系统在以下方面进行针对性优化：支持多源数据融合（如卫星、地面观测与社会经济数据），提升对非线性气候过程的模拟能力，增强对政策干预效果的评估与预测功能。同时，AI开发应更注重与气候科学、政策制定和公众参与的协同，避免“黑箱”模型带来的信任危机。 作者还提醒，AI不能替代根本性的减排行动与制度变革，但可成为实现气候韧性与公正转型的重要工具。他们呼吁建立跨学科合作机制，让气候科学家、AI研究者与政策制定者共同定义AI在气候治理中的角色。 该文为2026年全球气候与AI融合发展的关键议题提供重要思想引导，强调技术必须服务于人类与地球的共同未来。