人工智能對城市碳排放效率的驅動效應研究

摘 要：“雙碳”目標下，人工智能為城市碳減排提供了新引擎。本文基于2011—2022年我國271個城市的樣本數據，實證考察人工智能對城市碳排放效率的影響及其機制。研究結果表明，人工智能能夠顯著提升城市碳排放效率，該結論在經過多維穩(wěn)健性檢驗和內生性處理后依然成立。異質性分析發(fā)現(xiàn)，人工智能對城市碳排放效率的促進作用在東部城市和低碳試點城市更為顯著。機制檢驗結果表明，產業(yè)結構轉型升級與綠色創(chuàng)新是人工智能提升城市碳排放效率的重要路徑。據此，本文提出相應對策建議：加快人工智能發(fā)展步伐，深化其與各產業(yè)的融合，加大對人工智能在綠色創(chuàng)新領域應用的扶持力度，以充分釋放其在碳減排方面的潛力。

關鍵詞：人工智能；碳排放效率；產業(yè)結構；綠色創(chuàng)新；中介效應

中圖分類號：F205；X196 文獻標識碼：A 文章編號：2096-0298（2025）06（b）--05

1 引言

隨著全球工業(yè)化進程的不斷推進，二氧化碳等溫室氣體排放量持續(xù)攀升。國際能源署數據顯示，2015—2024年全球二氧化碳排放量從321億噸上漲至416億噸，年均增長率約為2.95%。而城市作為經濟活動的主要載體，其二氧化碳排放量占據全球總排放量的70%左右。二氧化碳排放的增加不僅加劇了全球氣候變暖，還導致空氣污染、生態(tài)系統(tǒng)退化等一系列環(huán)境問題，對人類的生產和生活造成巨大影響。為應對這一全球性挑戰(zhàn)，國際社會攜手合作，制定了一系列減排目標和政策，致力于推動低碳經濟轉型。例如，《巴黎協(xié)定》旨在將全球平均氣溫升幅控制在2攝氏度以內，協(xié)定要求各國提交國家自主貢獻，明確各自減排路徑。在此背景下，中國適時提出“雙碳”目標，其他經濟體也給予積極響應。然而，由于經濟發(fā)展水平、產業(yè)結構以及能源結構等方面存在顯著差異，各經濟體實際減排效果各異，尤其是在城市層面，差異更為明顯。如何有效提升城市碳排放效率，已成為各經濟體實現(xiàn)可持續(xù)發(fā)展的關鍵所在。

近年來，人工智能作為一項全球性的革命性技術，正迅速滲透并深刻改變著各個經濟領域。中國政府前瞻性的將人工智能發(fā)展置于重要戰(zhàn)略地位，持續(xù)出臺相關政策文件以推動人工智能快速發(fā)展。2017年《新一代人工智能規(guī)劃》對人工智能的可持續(xù)發(fā)展進行了規(guī)劃和部署。2024年《政府工作報告》首次提出開展“人工智能+”行動，標志著人工智能與其他行業(yè)的深度融合將加速推進。理論層面，人工智能在助力碳減排方面展現(xiàn)出巨大潛力，依托機器學習、大數據處理及智能分析等技術，人工智能能夠精準識別碳排放來源，并通過優(yōu)化生產流程、減少資源浪費來有效降低碳排放，進而推動經濟綠色低碳轉型。但在現(xiàn)實中，人工智能的效能發(fā)揮受技術復雜性、經濟成本、政策障礙、行業(yè)適配性及社會接受度等多重因素制約。人工智能能否有效提升城市碳排放效率尚未可知，需要進一步研究論證。本文旨在構建整合性分析框架，深入探究人工智能對城市碳排放效率的作用效果及其內在機制，以厘清以上問題，可為提升城市碳排放效率、推動經濟綠色轉型乃至助力“雙碳”目標實現(xiàn)提供理論依據與可行路徑。

2 文獻綜述

與本文高度相關的文獻有兩類。一類文獻是關于人工智能的影響效應研究。已有文獻聚焦于探討人工智能對勞動力市場、經濟增長及國際貿易的影響，研究發(fā)現(xiàn)人工智能通過替代效應和創(chuàng)造效應對不同類型勞動力產生了差異化影響[1-3]；人工智能有助于促進技術創(chuàng)新、提高資源配置效率，進而推動經濟增長[4-5]；人工智能能夠優(yōu)化要素配置、降低貿易成本，進而有助于提高國際貿易規(guī)模和質量[6-7]。隨著研究的不斷深入，學界的研究視角也逐漸從人工智能的經濟效應轉向其環(huán)境效應。微觀企業(yè)層面，許家云等（2024）[8]研究發(fā)現(xiàn)，人工智能應用對企業(yè)環(huán)境績效具有顯著的正向影響。劉婷婷等（2024）[9]研究發(fā)現(xiàn)，人工智能與企業(yè)碳排放具有顯著的U型關系。宏觀層面，國內學者多基于中國省級層面展開實證分析，普遍認為人工智能對綠色發(fā)展具有顯著的促進作用[10-11]。另一類文獻是碳排放效率的影響因素研究?，F(xiàn)有研究發(fā)現(xiàn)，綠色金融[12]、綠色技術創(chuàng)新[13]、土地資源錯配[14]及數字創(chuàng)新[15]是影響碳排放效率的重要因素。

文獻梳理發(fā)現(xiàn)，學界對人工智能及碳排放效率相關問題的研究已較為深入。然而，將兩者結合的研究相對匱乏，人工智能對碳排放效率的潛在作用及其機制仍需進一步探討。本文通過將人工智能與城市碳排放效率納入統(tǒng)一分析框架，嘗試深入剖析其作用機制及實際效果。本文的邊際貢獻在于：（1）厘清作用機制。從產業(yè)結構轉型升級和綠色創(chuàng)新兩個維度切入，借助中介效應模型揭示人工智能驅動制造業(yè)綠色轉型的內在機制。（2）探明異質性影響效應。納入地理區(qū)位與低碳城市試點因素，探討人工智能對城市碳排放效率的差異化作用效果。

3 理論分析與研究假設

3.1 人工智能對城市碳排放效率的直接作用機制

人工智能憑借強大的數據分析、智能決策和自動化控制能力，正在深度融入城市各關鍵領域，為提升城市碳排放效率提供新引擎。首先，人工智能利用衛(wèi)星遙感、物聯(lián)網傳感器等技術，對城市碳排放情況進行實時監(jiān)測，并通過數據分析與模型計算，精準評估不同區(qū)域、不同行業(yè)的碳排放水平，為城市制定碳排放目標和減排策略提供科學依據。其次，人工智能依托大數據分析和智能優(yōu)化技術，有效提升設備運行效率和資源配置效率，進而提高城市碳排放效率，推動綠色低碳發(fā)展。據此，本文提出以下假設：

H1：人工智能能夠顯著提升城市碳排放效率。

3.2 人工智能對城市碳排放效率的間接作用機制

人工智能不僅可以直接提升城市碳排放效率，還能通過優(yōu)化產業(yè)結構、提升綠色創(chuàng)新水平，間接促進城市碳排放效率的提升。

第一，產業(yè)結構轉型升級路徑。產業(yè)結構轉型升級是降低碳排放、實現(xiàn)“雙碳”目標的關鍵之舉[15]。通過推動產業(yè)轉型升級，能夠有效促進高能耗、高排放產業(yè)向綠色產業(yè)轉型，同時加速清潔能源與低碳技術的普遍應用，進而有助于提升城市碳排放效率。而人工智能在城市產業(yè)結構轉型升級進程中扮演著重要角色，具體體現(xiàn)在以下幾點：首先，在能源管理領域，人工智能依托大數據分析技術，能夠實時捕捉能源需求的動態(tài)變化，精準預測能源需求走勢，進而為企業(yè)量身定制能源分配方案。這有助于實現(xiàn)能源的高效配置，提升能源利用效率，推動產業(yè)向綠色低碳方向轉型。其次，在生產環(huán)節(jié)，借助智能化生產系統(tǒng)和自動化流程，人工智能可對企業(yè)生產參數進行實時監(jiān)測，幫助企業(yè)精準定位潛在的節(jié)能減排空間，及時調整生產策略。這不僅有助于提高生產效率，還能從源頭上降低廢棄物的產生，減少資源消耗和碳排放，推動企業(yè)邁向綠色低碳生產模式。據此，本文提出以下假設：

H2：人工智能能夠通過推動產業(yè)結構轉型升級，間接提升城市碳排放效率。

第二，綠色創(chuàng)新路徑。綠色創(chuàng)新是提升城市碳排放效率的核心動力。人工智能作為推動綠色創(chuàng)新的關鍵要素，其作用主要體現(xiàn)在以下幾點：首先，綠色創(chuàng)新具有顯著的綠色屬性，導致企業(yè)在推進綠色創(chuàng)新時，缺乏自主性。人工智能通過對企業(yè)生產流程的實時監(jiān)測，能夠及時捕捉企業(yè)環(huán)境違法行為，并將違規(guī)信息實時傳遞給社會公眾和政府監(jiān)管部門，從而對企業(yè)生產活動形成有效約束。在多維監(jiān)管壓力下，企業(yè)為了確保自身生產活動符合環(huán)保要求，不得不積極投入到綠色技術的改造與升級中，通過更環(huán)保的生產工藝和清潔技術逐步向綠色低碳方向轉型。其次，綠色創(chuàng)新項目需要大量且長期的資金支持，企業(yè)常面臨嚴重的融資約束。人工智能憑借其強大的數據分析和處理能力，能夠有效緩解綠色投資者與企業(yè)之間的信息不對稱狀況。通過精準匹配綠色資本與綠色創(chuàng)新項目，可以引導更多的綠色資金流向綠色創(chuàng)新項目，進而為綠色創(chuàng)新活動的持續(xù)推進和最終成功提供了資金保障。此外，人工智能依托大數據分析和深度學習技術，對綠色資本的使用全周期進行實時動態(tài)監(jiān)控，構建異常預警模型，防范“漂綠”行為，確保綠色資金能夠發(fā)揮最大效能。據此，本文提出以下假設：

H3：人工智能能夠通過促進綠色創(chuàng)新，間接提升城市碳排放效率。

4 研究設計

4.1 模型設定

為檢驗人工智能對城市碳排放效率的實際效果，本文構建如下計量模型：

CEit=α0+α1AIit+α2Xit+μi+λt+εit（1）

式中，i和t分別表示城市和時間；CE表示碳排放效率；AI表示人工智能發(fā)展水平；X表示控制變量集；μ表示城市固定效應；λ表示時間固定效應；ε表示隨機干擾項。

為檢驗人工智能對城市碳排放效率的中介機制，在式（1）基礎上，繼續(xù)構建如下兩個計量模型：

Mit=γ0+γ1AIit+γ2Xit+μi+λt+εit（2）

CEit=β0+β1AIit+β2Mit+β3Xit+μi+λt+εit（3）

式中，M表示中介變量，包括產業(yè)結構轉型升級（IND）和綠色創(chuàng)新（GP）兩個變量；其他變量含義同上文。

4.2 變量選取

4.2.1 被解釋變量

碳排放效率（CE）。本文參照安勇（2024）[14]的做法，運用Super-SBM模型進行測算。該模型將城市碳排放量這一非期望產出納入投入產出模型，打破傳統(tǒng)模型的局限，從而準確評估城市碳減排的效率狀況。

4.2.2 核心解釋變量

人工智能發(fā)展水平（AI）。參照鄭景麗等（2024）的做法，從“天眼查”數據庫中篩選人工智能企業(yè)，并以城市人工智能企業(yè)數量的對數值衡量其發(fā)展水平。

4.2.3 中介變量

一是產業(yè)結構轉型升級（IND），利用第三產業(yè)與第二產業(yè)增加值比重衡量；二是綠色創(chuàng)新（GP），利用綠色發(fā)明專利授權量的對數值衡量。

4.2.4 控制變量

城鎮(zhèn)化水平（UR），利用城鎮(zhèn)人口占比衡量；財政壓力（PR），利用政府財政支出與財政收入比重衡量；人力資本（HU），利用在校大學生人數占總人口比重衡量。

4.3 數據說明

本文選取2011—2022年271個地級市的樣本數據進行研究。文中所用數據主要來源于《中國城市統(tǒng)計年鑒》、CEADS數據庫、EPS統(tǒng)計數據平臺、國家知識產權專利數據庫及“天眼查”企業(yè)數據庫。

5 實證結果與分析

5.1 基準回歸結果分析

表1列出了基準模型的估計結果。其中，列（1）未包含控制變量，列（2）～列（4）逐步加入了城鎮(zhèn)化水平、財政壓力及人力資本等控制變量。由列（1）～列（4）可知，人工智能的回歸系數為正數，且均在1%水平上顯著。由此，人工智能對城市碳排放效率具有顯著的促進作用，假設H1得以證實。因此，應加快人工智能技術的發(fā)展與應用推廣，充分釋放其對城市碳排放效率的賦能效應，助力“雙碳”目標實現(xiàn)?？刂谱兞糠矫?，城鎮(zhèn)化水平的回歸系數在10%水平上不顯著，表明城鎮(zhèn)化水平不是影響城市碳排放效率的主要因素。財政壓力的回歸系數在5%水平上顯著為負，表明財政壓力會抑制城市碳排放效率的提高。原因在于，在財政壓力下，地方政府往往會削弱在環(huán)境保護和污染治理方面的投資規(guī)模，以及會減少對企業(yè)進行綠色低碳治理的財政補貼力度，進而不利于城市碳排放效率的提高。人力資本的回歸系數在1%的水平上顯著為正，表明人力資本能夠促進城市碳排放效率的提高。原因在于，高水平人力資本為綠色低碳技術的研發(fā)、應用及推廣提供了人才保障，進而有利于促進城市碳排放效率提高。

5.2 穩(wěn)健性檢驗與內生性問題

5.2.1 穩(wěn)健性檢驗

（1）替換核心解釋變量。本文以城市工業(yè)機器人使用密度對其人工智能發(fā)展水平進行重新測度，基于基準模型進行重新估計，結果如表2列（1）所示?？梢钥闯?，在對人工智能發(fā)展水平進行重新度量后，其對城市碳排放效率依然具有顯著的提升作用。

（2）剔除異常值。本文對所用變量進行1%水平的縮尾處理，以剔除異常值的影響，進而對基準模型進行重新估計，結果如表2列（2）所示?？梢钥闯?，在剔除異常值后，人工智能可以提升城市碳排放效率的結論依舊成立。

5.2.2 內生性問題

在現(xiàn)實中，碳排放效率較高的城市，其人工智能發(fā)展水平也可能相對較高。這種反向因果關系可能導致模型估計結果出現(xiàn)偏差。為減弱模型估計的內生性問題，本文參照胡晟明等（2021）的研究，以城市光纜密度作為人工智能發(fā)展水平的工具變量，并借助2SLS法對基準模型進行重新估計，結果如表2列（3）～列（4）所示。由表2列（3）可知，工具變量城市光纜密度對人工智能發(fā)展水平具有顯著的促進作用。由列（4）可知，人工智能發(fā)展水平的回歸系數在1%水平上顯著為正。因此，在考慮內生性問題后，人工智能仍然能夠提升城市碳排放效率。

5.3 異質性分析

5.3.1 地理區(qū)位異質性

本文按照地理區(qū)位，將總樣本劃分為東部城市和中西部城市進行分組回歸，結果如表3列（1）～列（2）所示?？梢钥闯?，人工智能對不同區(qū)位城市的碳排放效率均有顯著的促進作用，但其對東部城市的正向作用效果更為顯著?？赡茉蛟谟冢瑬|部地區(qū)的數字基礎設施更為完善，這為人工智能的快速發(fā)展創(chuàng)造了更有利的條件，致使東部地區(qū)的人工智能發(fā)展水平顯著高于中西部地區(qū)。因此，在東部地區(qū)，人工智能更能充分釋放碳排放效率的賦能效應。

5.3.2 低碳城市試點異質性

本文依據低碳城市試點名單，將總樣本劃分為低碳試點城市和非低碳試點城市進行分組回歸，結果如表3列（3）～列（4）所示?？梢钥闯?，人工智能對兩類城市的碳排放效率具有顯著的促進作用，但其對低碳試點城市的正向影響更為顯著。可能原因在于，低碳城市試點政策旨在通過一系列綜合性措施，推動城市經濟向綠色低碳方向轉型。與非低碳試點城市相比，低碳試點城市面臨更加嚴格的環(huán)境監(jiān)管，但同時也能獲得更多的政策支持。這種外部環(huán)境為人工智能與碳減排活動的協(xié)同共進創(chuàng)造有利條件。因此，人工智能在助力低碳城市建設時，能夠更充分地釋放碳減排效應。

5.4 中介機制檢驗

前述理論分析表明，人工智能可能會推動產業(yè)結構轉型升級、促進綠色創(chuàng)新，進而對城市碳排放效率產生促進作用。本文利用逐步回歸法對上述傳導路徑進行識別。

5.4.1 產業(yè)結構轉型升級中介機制檢驗

表4列（1）～列（2）列出了中介變量為產業(yè)結構轉型升級的檢驗結果。由表4列（1）可知，人工智能的回歸系數在1%的水平上為正，這表明人工智能能夠推動產業(yè)結構轉型升級。由表4列（2）可知，產業(yè)結構轉型升級的回歸系數在1%水平上為正，表明產業(yè)結構轉型升級對城市碳排放效率具有顯著的促進作用。由此，產業(yè)結構轉型升級是人工智能促進城市碳排放效率提升的中介變量。進一步地，表4列（2）中人工智能的回歸系數顯著為正，故產業(yè)結構轉型升級發(fā)揮了部分中介作用， 假設H2得以證實。經測算可知，產業(yè)結構轉型升級中介效應占比約為18.18%。

5.4.2 綠色創(chuàng)新中介機制檢驗

表4列（3）～列（4）列出了中介變量為綠色創(chuàng)新的檢驗結果。由列（3）可知，人工智能的回歸系數在1%水平上為正，表明人工智能能夠促進綠色創(chuàng)新。由列（4）可知，綠色創(chuàng)新的回歸系數在1%水平上為正，表明綠色創(chuàng)新對城市碳排放效率具有顯著的促進作用。由此，綠色創(chuàng)新是人工智能促進城市碳排放效率提升的中介變量。進一步地，列（4）中人工智能的回歸系數顯著為正，故綠色創(chuàng)新發(fā)揮部分中介作用，假設H3得以證實。經測算可知，綠色創(chuàng)新中介效應占比約為24.24%。

6 結語

6.1 結論

本文基于中國271個城市2011—2022年的面板數據，深入探討人工智能對城市碳排放效率的影響及其機制。主要結論如下：（1）人工智能對城市碳排放效率具有顯著的促進作用，在經過多維穩(wěn)健性檢驗和內生性處理后，結論依舊成立。（2）異質性分析發(fā)現(xiàn)，人工智能對城市碳排放效率的影響具有基于地理區(qū)位與低碳城市試點的異質性，其正向作用效果在東部城市與低碳試點城市更為顯著。（3）中介機制檢驗表明，人工智能主要通過產業(yè)結構轉型升級與綠色創(chuàng)新兩條路徑，間接推動城市碳排放效率提升。

6.2 建議

基于研究結論，本文提出如下建議：（1）加快人工智能發(fā)展步伐。政府應構建完善的人工智能發(fā)展頂層設計，推動人工智能產業(yè)高速發(fā)展。通過差異化政策扶持，加大對不同類型城市數字基礎設施建設的投入力度，強化對人工智能人才的培育力度，為人工智能技術開發(fā)和應用奠定堅實的基礎。（2）促進產業(yè)深度融合。應持續(xù)推動人工智能產業(yè)與高新技術產業(yè)、綠色產業(yè)的深度融合，積極推動產業(yè)結構轉型升級。（3）加大對人工智能在綠色創(chuàng)新領域應用的扶持力度。政府應制定詳細的戰(zhàn)略規(guī)劃與政策指引，對采用人工智能技術進行節(jié)能減排技術改造的企業(yè)，可給予稅收減免、財政補貼等支持。設立人工智能促進綠色創(chuàng)新專項基金，引導社會資本流向該領域，為綠色創(chuàng)新項目提供充足的資金支持。

參考文獻

Acemoglu D， Restrepo P. Robots and jobs： Evidence from US labor markets[J].Journal of political economy， 2020，128（6）：2188-2244.

余玲錚，魏下海，孫中偉，等.工業(yè)機器人、工作任務與非常規(guī)能力溢價： 來自制造業(yè)“企業(yè)—工人”匹配調查的證據[J].管理世界，2021，37（1）：47-59.

王林輝，胡晟明，董直慶.人工智能技術會誘致勞動收入不平等嗎： 模型推演與分類評估[J].中國工業(yè)經濟， 2020（4）：97-115.

姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產效率： 基于勞動力技能結構調整的視角[J].管理世界，2024，40（2）：101-116.

杜傳忠，曹效喜，任俊慧.人工智能影響中國全要素生產率的機制與效應研究[J].南開經濟研究，2024（2）： 3-24.

張兵兵，陳靜，朱晶，等.人工智能與企業(yè)出口技術復雜度提升[J].國際貿易問題，2023（8）：143-157.

辛大楞，邱悅.人工智能對進口擴張的影響研究： 來自中國微觀企業(yè)層面的證據[J].世界經濟研究，2023（11）： 11-25.

許家云，沈含雨，周新博.人工智能發(fā)展與企業(yè)ESG表現(xiàn)[J].世界經濟研究，2024（9）：120-134.

劉婷婷，周兵，梁博.人工智能、綠色創(chuàng)新與企業(yè)碳績效[J].經濟體制改革，2024（4）：193-200.

呂越，馬明會，陳泳昌，等.人工智能賦能綠色發(fā)展[J].中國人口·資源與環(huán)境，2023，33（10）：100-111.

鄺勁松，楊坤宇，石校菲，等.省域人工智能發(fā)展對綠色全要素生產率的空間效應[J].經濟地理，2024，44（7）： 144-154.

趙曉春，龍來春，周瑛.綠色金融、政府干預與區(qū)域碳排放效率[J].統(tǒng)計與決策，2023，39（10）：149-154.

楊浩昌，鐘時權，李廉水.綠色技術創(chuàng)新與碳排放效率： 影響機制及回彈效應[J].科技進步與對策，2023， 40（8）：99-107.

安勇.土地資源錯配對城市碳排放效率的影響及作用機制研究[J].城市問題，2024（1）：27-34.

陳應武.數字創(chuàng)新對全要素碳排放效率的影響研究[J].貴州財經大學學報，2024（6）：79-88.

鄭景麗，王喜虹，張雪梅.人工智能如何影響勞動收入份額： 基于產業(yè)結構與企業(yè)升級的機制探討[J].南開經濟研究，2024（4）：3-22.

胡晟明，王林輝，趙賀.人工智能應用、人機協(xié)作與勞動生產率[J].中國人口科學，2021（5）：48-62.