人工智能对碳排放的影响——基于中国工业行业机器人数据的实证检验.pdf

2023年8 月第4期第36 卷总第2 14期科技山经济人工智能对碳排放的影响基于中国工业行业机器人数据的实证检验谭晶荣柳旭陈林范娇娇（浙江工业大学经济学院，杭州310 0 2 3）摘要：基于中国工业行业机器人数据测算出30 个省份的人工智能发展水平，运用多种计量模型实证研究人工智能对碳排放的影响。研究发现：人工智能可以显著抑制区域碳排放，该结论在进行稳健性检验和考虑内生性问题时依然成立；人工智能技术对碳排放的影响存在明显的区域异质性，只有东部地区的人工智能发展能显著抑制碳排放；机制检验表明人工智能通过引领产业结构升级和技术创新两条途径间接影响区域碳排放。为实现“双碳”目标，中国应加速人工智能技术与实体经济的结合，积极推动中部、西部地区的人工智能发展。关键词：人工智能；碳排放；异质性；机制检验0 引 言CO，等温室气体排放的增加造成了全球气候变暖，给人类生存环境、经济社会发展带来了负面影响。伴随着网络信息技术的兴起，人工智能技术应运而生。以机器人为代表的人工智能技术在数字经济时代具有其独特优势，通过传感设备对区域碳排放进行有效监控、精准预测，进而优化政府和企业的碳减排决策，为区域经济绿色发展注人新动能，关于人工智能对碳排放的影响，国内外学者持有不同观点，目前学者普遍认为人工智能对于抑制碳排放具有积极的作用。在行业层面，黄海燕等发现工业智能化对碳排放强度的抑制作用在低碳排放行业或高工业智能化行业中更明显。在区域层面,Chen等发现人工智能的碳减排效应在基础设施完善、创新水平较高的大城市中更显著2 。而人工智能是如何对碳排放产生影响的，学者们从不同视角给出了答案：一是人工智能可以准确检测和预测企业污染物排放，基于数字信息技术搭建的碳排放交易平台能够减少碳排放总量、降低碳排放强度；二是人工智能作为一种前沿技术，可以提高生产力,并产生知识和信息溢出,进而实现碳中和技术；三是人工智能通过提升能源利用效率,间接抑制区域碳排放2 41。1人工智能对碳排放的直接影响和间接影响1.1人工智能对碳排放的直接影响从企业角度分析：人工智能应用于生产，可以精准掌握工厂的生产环境变化,基于自身强大的感知和学习能力，帮助企业实时监测污染物排放并提供解决方案5。人工智能使得产业链上的核心企业在利用智能化技术实现绿色高效发展的同时，还能带动上下游企业的绿色转型发展，从而提高产业链整体的绿色发展效率。从政府角度分析：政府部门基于人工智能、传感技术、互联网等技术，可以快速收集环境变化的动态信息，帮助政府作出科学决策。从需求供给角度分析：人工智能依托大数据平台分析客户的真实需求以及产品的供给趋势，为客户进行个性化定制和柔性生产，实现业务运营的智能监控,可以随时掌握客户的满意程度,提高将潜在客户变为实际客户的可能性，从而优化资源配置，提高产品的生产效率并避免浪费，为企业绿色发展提供支持6 。由此，本文提出假设1。基金项目：国家社会科学基金项目“中美贸易关系新形势下我国经济韧性与贸易高质量耦合联动的机理与实现路径研究”（项目编号：2 0 BJY198；项目负责任人：谭晶荣）成果之一；浙江省教育厅一般科研项目一“新发展格局下贸易开放促进农户消费的机制政策研究”（项目编号：Y202248789；项目负责人：范娇娇）成果之一；浙江工业大学社会科学项目一“共同富裕目标下促进农户消费需求的对策研究”（项目编号：SKY-ZX-20220249；项目负责人：范娇娇）成果之一。作者简介：谭晶荣，浙江工业大学经济学院教授、博士生导师，研究方向：国际贸易；柳旭，浙江工业大学经济学院硕士研究生，研究方向：国际贸易；陈林，浙江工业大学经济学院博士研究生，研究方向：国际贸易；范娇娇，浙江工业大学经济学院讲师，研究方向：区域经济学。11科技山经济第36 卷总第2 14期2023年8 月第4期假设1：人工智能发展可以抑制区域的碳排放。1.2人工智能对碳排放的间接影响人工智能发展对产业结构升级的影响体现在两个方面。第一，人工智能凭借其广泛的渗透性和外溢性，可以直接应用于传统部门，提高原有的技术并改变生产方式。人工智能的应用促进了传统企业制造流程的智能化、生产管理流程的智能化，进而全面提升传统产业的生产效率和产品质量并加速传统产业向智能制造转变。第二，人工智能发展有助于推动产业结构升级。人工智能在运输、医疗、教育、金融等生产性服务业领域发挥着重要作用，人工智能的使用降低了服务成本,提高了服务的品质和效率，并促进服务业产值增加。当前第二产业“高能耗、高污染”的发展模式是影响碳排放的主要原因。产业结构升级能使经济发展最大限度地摆脱对能源消耗的依赖,改善能源的消费结构，进而减少区域的碳排放。由此，本文提出假设2。假设2：人工智能通过促进产业结构升级进而减少区域碳排放。技术创新是减少碳排放的根本动力。一方面，人工智能的应用提高了企业的生产效率,降低了企业的研发成本,缓解了企业创新过程中面临的不确定性，激发了企业创新动力。与此同时,工业智能化发展改变了企业的劳动力结构，通过增加对高端劳动力的需求促进企业创新水平的提高。另一方面，人工智能作为现代科学技术的产物，涉及数学、心理学、计算机以及神经科学等领域，虽然受到人为控制，但更具有强大的学习能力。人工智能带来技术溢出效应的同时还会产生“干中学”的创新效应。此外，人工智能可以帮助企业获取绿色生产的相关知识和技能,进而提高企业的绿色创新能力5。而技术创新会通过提高能源利用效率来减少碳排放。由此，本文提出假设3。假设3：人工智能通过引领技术创新进而减少碳排放。2研究设计2.1模型设定本文构建了固定效应模型，实证检验人工智能对碳排放的影响，基准模型设定为：co2i=o+,robot+,ZXi+u;+8i(1)其中,co2i代表i地区t时刻的碳排放量，roboti代表i地区t时刻人工智能指数,o代表常数项,X,代表12一系列的控制变量，为估计系数，u为地区固定效应，为时间固定效应，8 i为随机扰动项。2.2变量选取与数据说明2.2.1指标说明被解释变量：本文的被解释变量是碳排放总量CO2i，参考王瑛等7 的做法，采用2 0 0 6 年IPCC国家温室气体清单指南中规定的数值，选取燃烧一次能源中的化石能源（原煤、原油、天然气）所排放的CO进行计算。具体计算公式为：3C=Z E;S:K,其中,C为碳排放总量、i为能源种类、E,是第i种能源的消耗量、S,是第i种能源的标准煤系数、K,是第i种能源的碳排放系数。本文的核心解释变量是人工智能,参考Acemo-glu等8 、王文9 、唐晓华等5 学者的做法,使用工业机器人的安装密度代替各省份的人工智能发展指数。具体计算公式为：11Tobota=(zwR,)/LABORtj=1其中，Z表示i地区t时间j行业的从业人数占全国t时间i行业的人数比重,R,表示全国t时期j工业行业机器人安装量，LABOR，表示i地区t时期制造业就业人数。由于中国劳动统计年鉴的行业分类标准和IFR数据库的行业分类不完全一致，参考王文9 的做法,将中国劳动统计年鉴提供的分省份行业从业数据，按照IFR所提供的11个行业进行匹配，得到t时期全国层面和省份层面i行业的从业人数，从而进一步算出t时期i省份i行业从业人数占全国t时期i行业从业人数的比重。根据理论模型，本文选取的机制变量包括：产业转型升级（str）。本文采用第三产业增加值与第二产业增加值的比值表示，该指数越大表示产业结构升级水平越高，产业结构越高级。科技创新（inw）。本文采用国内3种专利授权量表示区域的创新产出水平。控制变量：基础设施（road）,基础设施的完善能够节约运输成本和时间,有利于要素在空间流动，从而加速区域的一体化进程，本文使用人均道路长度表示基础设施；对外开放度（open），本文采用进出口总额与各地区GDP的比值表示,其中进出口总额利用当年人民币兑换美元的平均汇率折算得到；互联网发展（inter），采用信息传输、软件和信息技术服务Science&Technology and Economy 2023 Vol.36 No.4(2)(3)谭晶荣柳旭陈林范娇娇人工智能对碳排放的影响科技管理13从业人数来代替地区的互联网发展水平；人口规模（p e o），采用地区常住人口数衡量；财政支出（gou），本文使用政府一般预算支出与各省份GDP的比值表示,政府财政支出是国家宏观经济调控的重要手段，在中国的经济发展中扮演着重要角色。各变量的描述性统计如表1所示。表1描述性统计变量变量解释样本量均值标准差最小值最大值cO2碳排放总量co人均碳排放量3900.6970.4040.222 2.472robot人工智能road基础设施open对外开放度inter互联网发展peo人口规模gou财政支出str产业转型升级3901.1580.6410.5275.022in科技创新2.2.2数据来源本文基于2 0 0 6 2 0 18 年30 个省份（除西藏、港澳台地区）的面板数据进行实证分析。各省份的碳排放数据来源于中国能源统计年鉴；人工智能数据来自IFR国际机器人联合会与中国劳动统计年鉴；其他控制变量与机制变量数据均来自中国统计年鉴与EPS数据平台。3实证结果3.1基准回归结果因为考虑到地区间的差异,本文控制了时间和省份的固定效应,同时为了消除异常值对基准回归结果的影响，本文首先对所有变量进行前后1%的缩尾处理，再利用缩尾后的变量进行固定效应回归。表2 报告了人工智能对碳排放影响的基准回归结果,人工智能的回归系数为-0.113,且在1%水平上表2 实证结果(1)(2)变量基准回归基准回归替换被解释替换被解释CO2CO2robot-0.171*(0.056)控制变量控制年份固定是省份固定是Observations390R-squared0.747Number of id30注：括号中为标准差；*、*及*分别表示在10%、5%及1%的水平下显著。下同。科技与经济2 0 2 3年8 月第4期第36 卷/总第2 14期显著。可以看出人工智能发展可以显著抑制区域碳排放，假设1由此得证。3.2稳健性检验替换核心被解释变量：参考郭丰等10 的做法，分别使用碳排放强度（c）与人均碳排放量（co）代替基准模型中的碳排放总量，碳排放强度是每个省份的碳排放总量与其GDP的比值。结果显示,稳健性检验的回归结果与基准回归结果基本保持一致,从3905.3960.7582.9196.6443900.7330.8950.0296.4223903.402 0.5951.6394.9143900.7180.7820.099 6.1343903.9900.9651.6096.7333908.182 0.7436.3069.3373900.2250.0970.084 0.6273909.3811.6074.57513.08(3)(4)变量变量co-0.113*-0.098*(0.033)(0.043)控制控制是是是是3903900.8310.9173030而验证了基准回归结果的稳健性。3.3异质性分析由于地区之间的经济发展、产业布局和人才结构等区域特征具有区域异质性，导致我国不同地区人工智能的发展水平存在差异，皱伟勇等指出东南沿海地区是我国人工智能产业的集聚区，且东部地区与中部、西部地区之间的差异正逐渐扩大 。因此人工智能对碳排放的影响很可能存在区域异质性。我们将区域划分为东部、中部以及西部地区，研究人工智能对碳排放的区域异质性。表3报告了异质性检验的回归结果，东部地区的人工智能对碳排放的估计系数在5%的显著性水平上为-0.10 8，而中部、西部地区不显著，表明只有东部地区的人工智能发展可以抑制碳排放。造成这种结果的原因有：东部地区拥有更强的科技创新活力和更高的经济集聚水平，制造业能凭借地理优势更快地向智能化方向转型，使得东部地区的人工智能发展水平高于中部、西部地区。与此同时,智能化企业的高生产率和低排放会淘汰一部分传统企业，使得这部分企业向中部、西部地区转移，这给中部、西部地区带来了环境污染问题。此外，东部地区经济发展水平高，对环境保护的重视程度更高，更有利于发挥人工智能降低碳排放的驱动作用。表3异质性检验回归结果东部地区中部地区变量C02robot-0.108*-0.108*(0.046)(0.037)控制变量控制年份固定是省份固定是Observations390Number of id0.582R-squared303.4内生性考虑到基准回归结果可能具有的内生性问题：西部地区cO2cO2-0.021-0.098(0.030)(0.066)控制控制是是是是1431041180.8250.871控制是是143110.934科技山经济第36 卷总第2 14期2023年8 月月第4期一方面,由于影响碳排放的因素较多,因此目前本文涉及的控制变量难以避免遗漏变量的产生；另一方面，企业为了追求自身低碳绿色发展，可能会增加工业机器人的使用量，从而产生反向因果问题。这些原因可能改变核心解释变量的内生性,造成基准回归结果产生偏误，因此参考王永钦等12 、Chen等2 的做法，利用美国工业机器人数据构造本文所使用的工具变量。因为在样本期间，美国的工业机器人应用水平虽领先于中国，但中国的机器人发展趋势和美国相似。此外，美国的工业机器人渗透率也不会对基准回归中的随机扰动项产生影响，满足工具变量的外生性假设。本文还将人工智能的滞后一期作为第2 个工具变量。工具变量的具体计算公式为：11robotiua=Z(2xR)/LABORE其中，Z表示i省份t时间i行业的从业人数占全国t时间i行业的人数比重，R表示美国t时期i行业工业机器人安装量，LABORCN表示i省份t时期制造业就业人数。表4报告了工具变量的回归结果。对于原假设“工具变量不可识别”检验，Kleibergen-PaaprkLM统计量的P值为0.0 0 0,拒绝了原假设；在弱工具变量检验中,Kleibergen-PaaprkWald的F统计值均大于Stock-Yogo弱识别检验10%水平上的临界值16.38，拒绝了弱工具变量的原假设，因此以上检验表4工具变量回归工具变量工具变量滞后一期滞后一期变量第一阶段第二阶段 第一阶段 第二阶段robotCO2robotiu1.546*-0.076*(0.088)(0.018)Constant-1.642(3.332)控制变量控制年份固定是省份固定是Kleibergen-Paap rh12.052LM statistic0.000Kleibergen-Paap rk306.340WaldFstatistic(16.381Observations390R-squared0.974注：小括号内数值是回归系数的稳健标准差；中括号内数值是统计检验的P值；大括号内数值是Stock-Yogo弱工具变量检验10%水平的临界值。14说明了工具变量的合理性。从第二阶段人工智能对碳排放回归系数的影响可以看出，在采用了工具变量克服内生性问题之后，仍发现人工智能应用水平的提高能显著抑制区域的碳排放。3.5机制检验在研究假设2 和假设3中，本文认为人工智能发展通过引领产业结构升级和促进技术创新两条路径抑制区域碳排放。为此，依据基准模型设定，本文采用交叉项方法实证检验传导机制的存在性，在进行模型回归之前，先将人工智能、产业结构和科技创新进行中心化处理，之后再将人工智能与机制变量的交互项带人模型（1）中进行实证检验。表5报告了机制检验的回归结果,第（1)列人工智能与产业结构升级的交互项系数在5%的显(4)著性水平上为负，说明人工智能促进产业结构升级进而减少区域的碳排放，假设2 得证。第(2)列人工智能与科技创新的交互项系数同样显著为负，表明人工智能发展可以推动技术创新，从而降低城市碳排放，假设3得证。表5机制检验(1)变量c02robot-0.066*(0.026)robot_str-0.036*(0.007)robot_inroadopenrobotCO21.455*-0.093*(0.074)(0.019)-0.2183.283(1.681)(1.888)控制控制是是是是20.4010.000 391.290(16.383903600.9880.995(2)C02-0.063*(0.024)-0.023*(0.009)0.688*0.655*(0.242)(0.247)-0.042*-0.041*(0.013)(0.016)inter-0.143*(0.048)-1.454peo(1.917)gou控制是是3600.989-0.104*(0.051)0.5710.422(0.391)(0.422)0.905*0.608(0.453)(0.442)Constant1.422(3.632)年份固定控制省份固定控制Observations390R-squared0.845Number of id304结论与启示本文得出3点结论：第一，人工智能的发展可以Science&Technology and Economy 2023 Vol.36 No.4-0.172(3.724)控制控制3900.83930谭晶荣柳旭陈?林范娇娇?人工智能对碳排放的影响科技管理显著抑制区域碳排放，该结果通过稳健性检验、内生性处理之后依然稳健。第二，人工智能在东部地区的发展可以显著降低该地区的碳排放,但其在中部、西部地区效果不显著。第三，本文通过机制检验发现，人工智能通过引领产业结构升级和技术创新两条路径间接抑制区域碳排放。基于此，本文建议：加快人工智能与传统产业融合，促进传统企业向智能化方向发展。传统企业高排放、高耗能的特点制约了我国工业绿色转型发展，因此借助“新基建”数字化平台，积极推动智能工厂和智能设备的建设，进而提高传统企业的生产效率，减少资源浪费。同时加强区域间的技术交流与合作，充分发挥人工智能的技术溢出效应和知识传播功能，带动中部、西部地区传统产业智能化发展。此外，人工智能的发展离不开高水平的人才，地方政府应加快人才培养，制定合适的人才引进政策，吸引东部地区的高水平人才向中部、西部地区转移，倡导地区间的人才交流与合作，为中部、西部地区产业的智能化升级提供人才支持。参考文献【1黄海燕,刘叶,彭刚.工业智能化对碳排放的影响一基于我国细分行业的实证J.统计与决策,2 0 2 1,37（17）：8 0-8 4.2 CHEN P,GAO J,JI Z,et al.Do artificial intelligence applicationsaffect carbon emission performance?-Evidence from paneldata analysis of chinese cities J.Energies,2022,15(15):5730-5745.3 LIU C M,SUN Z,ZHANG J.Research on the effect of carbon e-mission reduction policy in Chinas carbon emissions trading pilotJ.China Popul.Resour.Environ,2019,29(11):49-58.4薛飞,刘家旗，付雅梅.人工智能技术对碳排放的影响J.科技进步与对策,2 0 2 2,39(2 4):1-95唐晓华，迟子茗.工业智能化提升工业绿色发展效率的实证研究J.经济学家,2 0 2 2（2)：43-52.6草韩江波.智能工业化：工业化发展范式研究的新视角J.经济学家,2 0 17(10):2 1-30.7王瑛，何艳芬.中国省域二氧化碳排放的时空格局及影响因素J.世界地理研究，2 0 2 0,2 9（3）：512-52 2.8ACEMOGLU D,RESTREPO P.Robots and jobs:evidence fromUS labor markets J.Journal of Political Economy,2020,128(6):2188-2244.【9 王文，数字经济时代下工业智能化促进了高质量就业吗J.经济学家,2 0 2 0 4）：8 9-9 8.10享郭丰，杨上广，任毅.数字经济、绿色技术创新与碳排放-来自中国城市层面的经验证据J.陕西师范大学学报（哲学社会科学版）,2 0 2 2,51（3）：45-6 0.11 邹伟勇，熊云军.中国城市人工智能发展的时空演化特征及其影响因素J.地理科学,2 0 2 2（7）：12 0 7-12 17.12王永钦，董雯.机器人的兴起如何影响中国劳动力市场？来自制造业上市公司的证据J.经济研究，2 0 2 0,55(10):159-175.The Impact of Artificial Intelligence on Carbon Emissions-Empirical Test Based on Robot Data from Chinas Industrial IndustryTAN Jingrong LIU Xu CHEN Lin FAN Jiaojiao(School of Economics,Zhejiang University of Technology,Hangzhou 310023,China)Abstract:Based on the robot data in Chinas industrial industry,this paper calculates the level of AI development in 30 provinces,anduses a variety of econometric models to empirically study the impact of artificial intelligence on carbon emissions.The findings are:first,AI can significantly curb regional carbon emissions,a conclusion that remains true when robustness tests are conducted and en-dogenous problems are considered;second,there is significant regional heterogeneity in the impact of artificial intelligence technologyon carbon emissions,and only the development of artificial intelligence in the eastern region can significantly curb carbon emissions;third,the mechanism test shows that artificial intelligence indirectly affects regional carbon emissions by leading the upgrading of indus-trial structure and technological innovation.In order to achieve the“carbon peaking and carbon neutrality goal,China should acceler-ate the combination of artificial intelligence technology and the real economy,and actively promote the development of artificial intelli-gence in the central and western regions.Key words:artificial intelligence;carbon emissions;heterogeneity;mechanism testing(收稿日期:2 0 2 2-10-0 2)15科技与经济2 0 2 3年8 月第4期第36 卷/总第2 14期