AI救不了地球？OpenAI DevDay上一位创始人给出的残酷真相

在 OpenAI DevDay 上，Helena Merk 抛出了一个让人不安的事实：真正拖慢气候转型的，不是技术不够先进，而是被 PDF、审批和流程卡死的现实世界。AI 已经准备好了，但它用在了你没想到的地方。

最反直觉的一幕：AI不是先拯救能源，而是先拯救“表格”

在一场以“AI Frontiers”为名的演讲中，你可能以为主角会是 GPT-4、自动化科研，或者某种颠覆性的能源模型。但 Helena Merk 一上来就把所有人的期待“掀翻”了。

她几乎没有急着谈大语言模型，而是先抛出一个对比数字：2022 年，VC 投向生成式 AI 初创公司的钱，大约是 45 亿美元；而同一年，仅美国一个《通胀削减法案》（IRA），就向气候领域投入了约 4000 亿美元。

问题是——钱在那儿，但企业拿不到。

“真正阻碍气候技术规模化的，不是算法，也不是硬件，而是许可证、补贴申请、合规文件、以及 150 页起步的 PDF。”这句话虽然不是逐字引用，但贯穿了她整个演讲。

这也是整场分享最反直觉的洞察：AI 在气候领域最先产生巨大杠杆的地方，不是更聪明的模型，而是更聪明地处理人类制造的官僚系统。

从土壤到风机：传统 AI 正在悄悄改变物理世界

在把 LLM 拉进主线之前，Helena 先快速扫了一遍“已经在发生的事情”。这些案例有个共同点：它们都不性感，但极其有效。

比如土壤。她提醒大家一个容易被忽略的事实：泥土是极好的“碳仓”。通过再生农业把 CO₂ 固定进土壤，是现实可行的路径，但问题在于验证成本高得离谱——人工取样、送检、反复认证，农民根本玩不起。

现在，一些公司正在用传感器 + 卫星数据 + 机器学习，持续监测土壤状态。Perennial 就是其中之一。它解决的不是“如何封存更多碳”的理论问题，而是“如何低成本证明你真的这么做了”。

再看风能。Windlift 用系留无人机在高空以“8”字形飞行捕获风能；Windscape 则更进一步，用神经网络实时调整风机叶片，应对湍流这种传统风机几乎放弃优化的变量。

这些例子传递了一个清晰信号：在气候领域，AI 的价值往往体现在 ROI 提升、效率压缩、成本下降这些“工程师式指标”上，而不是炫目的 demo。

真正的杀手级应用：LLM 对准的是政府流程，而不是物理定律

直到演讲后半段，Helena 才正式把话题拉回所有人最关心的东西——大语言模型。

她讲了一个几乎所有气候创业者都会点头的流程噩梦：

找补贴 → 翻联邦/州/地方网站 → 读几十页文件 → 发现不符合 → 重来；
好不容易符合 → 写 100–200 小时申请材料 → 因为一个格式错误被直接淘汰；
就算拿到钱 → 还要逐条、逐美元地做合规报告，出错就拿不到尾款。

她说，自己在 2022 年几乎把时间都花在和创始人、工程师聊这些“非技术问题”上，而每一场对话，最终都会卡在同一个地方：资金流程。

这正是 Streamline 出现的背景。他们用 ChatGPT 和 GPT 系列模型，做的不是“生成商业计划书”这种浅层应用，而是贯穿补贴发现、资格判断、材料撰写、合规报告的全流程工具。

目标也非常明确：帮气候科技公司节省最多 80% 的时间，用在真正的技术和部署上，而不是对着 PDF 发疯。

总结

这场演讲给 AI 从业者的最大提醒是：不要低估“脏活累活”的价值。气候问题不是缺模型，而是被现实系统层层包裹。谁能用 AI 撬动这些系统，谁就能释放被锁死的巨大资源。

如果你在做 AI 应用，这里有一个清晰的行动建议：去找那些“钱已经准备好、但没人拿得到”的领域。能源、医疗、基建、政府服务，都是类似的结构性机会。

未来真正有影响力的 AI 产品，可能不会出现在炫酷的发布会上，而是安静地存在于那些没人愿意读完的文件背后。问题是，你愿不愿意去做？

关键词： AI应用， 大语言模型， 气候科技， ChatGPT， OpenAI DevDay

事实核查备注： 需要核查的关键事实包括：2022年VC对生成式AI投资约45亿美元；美国《通胀削减法案》气候相关投入约4000亿美元；Streamline宣称可节省80%补贴申请与管理时间；示例公司 Perennial、Windlift、Windscape、Kestrix、Chemix 的具体业务描述是否与公开资料一致；视频发布时间为2023-11-15。