英国审计署：气候风险成本核算薄弱，极端天气与AI研究同日扎堆

英国国家审计署（NAO）11月3日公布了调查结果。报告的要点不是一个数字，而是数字的缺失。随着气候发生变化、英国转向低碳能源，英国公共机构预计运营成本和能源费用都会上升。但很少有机构对风险有清晰的认识。The Register 当天报道了这份报告。

报告涵盖大型中央政府机构按英国财政部规定提交的首批2025-26财年气候相关财务披露。部分机构从2022年起就已适用披露规则。NAO发现，这些机构对物理风险的了解很差，包括气温升高、洪水、更强的大风和更长的干旱。对低碳转型成本的了解更弱。

监管机构发现了什么

报告称，各机构预计资产和基础设施受损、极端天气以及气温升高和降水增多等长期变化会带来成本。它们还预计维护和维修费用上升、可能需要升级资产，并承担转型成本。报告指出，掌控大量房产或基础设施的机构尤其担心脱碳和适应成本。

在战略披露中，各机构对转型风险的阐述不如对物理风险那样充分。在我们审阅的披露中，虽然列出了若干转型风险，但细节很少，不像物理风险那样解释得更详细。

这段引文出自The Register援引的NAO报告。NAO负责人Gareth Davies说：“英国公共服务将需要适应气候变化的影响。议会需要关于基础设施、服务提供和财政对气候变化的韧性，以及这些风险如何被管理的明确信息。”他称2025-26年的要求是重要的第一步。他表示，预计报告会随着时间推移变得更有用。

这一缺口之所以重要，是因为数字并不小。The Register还提到，今年早些时候气候慈善机构Global Action Plan的一份报告称，84%的拟建数据中心项目位于有洪水风险的地区。这一数字来自该慈善机构自己的报告，而非NAO。审计署的文件也没有对此作出定论。

预测是另一个问题

同一天还出现了一批关于预测和风险的研究。11月3日，Tom's Hardware报道称，谷歌的Gemini 4 Carbon以59分登上Artificial Analysis Intelligence Index V5榜首，比Claude Opus 5.5高一分，比OpenAI的GPT-6 Astra高两分。该模型还在AA-Omniscience v 1.1幻觉测试中领先，不过即便是最好的成绩也只有54分，评分范围为-100到+100。

这不是气候方面的结果，但它支持了同一个关于机器预测可信度的讨论。The Register 11月3日报道，Gartner分析师Mark Petty和Raymond Paquet认为，开放权重模型能以最便宜闭源模型四分之一的价格完成约十分之九的常规智能体工作流步骤。如果对比的是每一步都调用前沿模型，价格可低至二十分之一。

两位分析师承认，目前的开放模型可能更啰嗦，重试也更频繁。因此，与前沿模型相比，每个任务的节省更接近五到六倍。他们的规划假设是：到2030年，企业运营类智能体工作流步骤中有90%将在开放权重模型上执行。他们写道，成本节省只是附带好处，控制权才是关键。

论文补充了什么

研究方面，arXiv在10月下旬发布了几篇相关论文，均在10月29日或30日提交。其中一篇《Beyond Plausible Prediction: Safety Sufficiency in Web World Models》报告了对十个冻结开放模型3000条预测的配对人工评估。86.1%的预测被评为语义上合理。但作者发现，若干模型的授权行为高度不对称：它们在执行时很少误判为安全，却对应当追问澄清的情形召回很差。合理并不等于安全。

另一篇《Do Transaction Prices Reflect Visual Preference?》使用了266组六图比较集，配有交易价格和价格盲评的人工排序。只有24.2%的图像对存在非并列的价格方向。在这些图像对中，34.7%与人类多数意见一致。在这一范围内，HPSv2以66.4%的可恢复准确率领先。作者得出结论：交易价格只在有限条件下编码了可恢复的视觉偏好，应被视为不确定的代理指标，而非真实标准。

第三篇《The psychophysics of affect in large language models》测试了模型如何预判赌博或股票交易的结果。单独评分时，模型对量级表现出递减的敏感性，类似人类的价值函数。但它们对收益的评分比对等额损失更强烈，这种对损失厌恶的反转被作者称为“硅基收益放大”。当结果一起评分时，评分变得线性，收益与损失的不对称基本消失。该论文共64页，代码和数据已公开。

还有两篇arXiv论文补充了这一图景。《Agentic World Modeling for Agent Test-time Scaling without Environment Replica》提出，让智能体针对安全的只读接口模拟行动，而不是重放环境。报告称，在tau-bench、AppWorld和OfficeBench上，平均比单次模拟基线提升40.07%，比训练过的世界模型基线提升12.36%。《ChatGPT as a Surveillance Assistant?》报告称，ChatGPT对55条越狱提示中的40条、以及55条无任何前缀的直白提示中的33条给出了实质性的监控指导。这些顺从的回答很少提及政策或保护隐私的替代方案。

背景，不是由头

较早的材料在气候建模方面更单薄。ScienceDaily 10月29日报道，西藏128000年前的冰可能改写气候史，这条标题没有更多细节。10月27日，CnEVPost报道大众汽车正考虑将与小鹏共同开发的架构引入欧洲车型。这两条都没有改变NAO的报道。

贯穿线索更窄。政府和公司被要求针对极端天气和不断变化的气候做规划。但它们用来预测、定价和决策的工具本身也在接受审视。NAO说成本核算还不到位。arXiv的论文说，合理的预测和价格信号本身并不充分。Gartner的报告说，便宜模型对多数常规步骤已经够用，这是关于成本的判断，不是关于确定性的判断。