近日，深圳北理莫斯科大学人工智能研究院教授、广东省社会计算与精神卫生工程技术研究中心主任李喜彤和研究团队，在Nature子刊《Nature Cities》发表题为“Empirical evidence of air pollution reduction from electric vehicle usage across Chinese cities”（中国城市电动汽车使用对空气污染减排的实证证据）的研究论文。该期刊为Nature于2024年创刊的旗舰子刊，聚焦城市科学与可持续发展前沿。

论文通讯作者为深北莫人工智能研究院教授、广东省社会计算与精神卫生工程技术研究中心主任李喜彤，第一作者为李喜彤教授指导的联合培养博士研究生马源鸿。浙江大学顾复教授、中国科学院科技战略咨询研究院郭剑锋教授为共同通讯作者。这是深北莫首次以第一作者单位和第一通讯单位在Nature子刊发表论文。

在当今气候变化与空气污染治理的双重压力下，交通运输尾气已成为城市PM2.5和O₃的主要来源。尽管中国电动汽车保有量全球领先，但部分欧美观点提出的“电动化放缓论”对其实际环境效益仍存疑问。如何基于真实世界数据量化电动汽车对空气质量的影响，成为国际学术前沿难题。

图1：电动汽车充电设施与空气质量的地理分布（2016-2023年）

研究团队利用2016至2023年间中国292个城市、超过350万辆电动汽车的详细充电记录，结合空气质量与气象数据，采用工具变量法，首次建立了电动汽车实际使用与空气质量改善的因果关系（图1展示了各城市充电站点分布、平均充电量及NO₂、PM2.5浓度均值展现了空间分布异质性）。

图2：电动汽车使用对NO₂和PM2.5的减排效应估计

研究核心发现，充电量每提升10%，NO₂降低约0.08%，PM2.5降低约0.04%。在2016年至2023年的8年间，全国NO₂和PM2.5的下降趋势中，，电动汽车的使用分别贡献了约41%和17%。特别是在极端低温（低于7℃）的条件下，环境效益更为显著——NO₂可降低0.45%，PM2.5降低0.4%。南方城市因电动汽车利用率更高，减排效果优于北方。研究同时发现，电动汽车使用对（O₃）整体无显著影响（图2展示了因果推断的回归结果）。

图3：有无电动汽车部署情景下2016-2023年NO₂与PM2.5浓度预测对比

研究团队通过三项关键技术实现精准量化：一是基于8年真实充电数据驱动，规避模型假设偏差；二是因果推断框架处理内生性，确证减排效果源于电动汽车使用；三是开展多维异质性分析，揭示温度与区域差异的调节机制（图3通过有无电动汽车部署情景下NO₂与PM2.5浓度的预测差异，直观呈现了空气质量的改善幅度）。

本研究的核心创新在于以大规模实证数据回应了国际争议，直接服务于国家“双碳”目标与绿色交通政策。研究揭示，环境收益受充电基础设施、利用效率及气象条件影响，为区域差异化治理提供了科学依据。作为人工智能与社会计算、能源经济深度交叉的成果，该研究实现了从模型模拟到数据驱动实证的范式跃迁，为城市可持续发展领域提供了新工具。

论文链接：https://www.nature.com/articles/s44284-026-00395-2