人工智能對綠色經濟增長的作用機制與賦能效果
——產業結構優化視角

周杰琦，陳 達，夏南新

(1.廣東財經大學 經濟學院，廣東 廣州510320；2.中山大學 嶺南學院，廣東 廣州510970)

0 引言

目前，中國經濟已由高速增長階段轉向高質量發展階段，傳統以規模擴張為特征的數量型增長模式難以持續支撐新階段高質量發展。中國亟需培育經濟發展新動能，實現以全要素生產率提升為重要特征的效率驅動型高質量發展。在這一關鍵發展時期，面對“三期疊加”階段性發展壓力，經濟增速放緩與環境問題凸顯成為中國轉型發展攻堅階段亟需解決的難題。特別是在大國博弈加劇、國內要素低成本紅利逐漸褪去、新冠疫情防控常態化等多重因素疊加影響下，如何平衡與協調經濟增長、資源節約和環境友好之間的關系，有效促進綠色經濟增長，不僅是實現碳達峰、碳中和發展戰略的重要前提，也是中國在未來大國博弈中搶占高質量發展制高點的必由之路。

綠色經濟增長的核心內涵是協調經濟增長、資源節約和環境友好之間的關系[1]，即探尋環境、資源約束下的經濟增長新動能。現階段，具有高發展潛力和強溢出效應的人工智能技術無疑是值得關注的焦點[2]。發展人工智能既是通過走創新驅動內涵式增長道路實現經濟綠色增長的捷徑，也是連接綠水青山和金山銀山的橋梁。習近平總書記為中國人工智能發展把脈定向，強調“人工智能技術加速創新，正成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量”。應深刻認識加快發展新一代人工智能的重大意義，促進其同實體經濟發展融合共生，為中國經濟高質量發展添薪續力。然而，由于人工智能仍處于“弱智能”時期，“要發展”抑或“要環?！钡慕Y構性矛盾還未化解，因而盡管當前智能技術創新活動對社會經濟有著廣泛而深刻的關聯影響，但從經濟學視域系統考察人工智能技術賦能綠色增長的文獻較少。那么，人工智能能否促進中國綠色經濟增長？其機制邏輯又是怎樣的？不同異質性因素影響下的人工智能綠色效應釋放存在何種差異？更進一步，政府應該如何因地制宜制定人工智能發展政策，進而充分挖掘人工智能在綠色低碳轉型方面的技術與結構紅利？解答上述問題不僅有助于深入理解人工智能的綠色經濟增長效應，也對貫徹新發展理念、構建新發展格局、推動中國經濟由單一追求經濟高速增長邁向高質量發展具有重要理論價值和實踐意義。

1 文獻綜述

相關文獻對人工智能經濟增長效應的考察多從定性角度展開，如人工智能技術擴散與創新應用、人工智能對勞動力市場的沖擊、智能產業布局與發展趨勢[3]。也有研究依據人工智能的經濟特征，構建多維度測度指標，量化評估其社會經濟效應，如對居民消費結構、要素收入分配和就業等的影響[4-5]。已有文獻對人工智能綠色增長效應的研究，多立足于大數據發展過程中智能制造對中國地區全要素生產率或綠色經濟效率的影響，并指出綠色發展是實現中國經濟提質增效的戰略目標和重要推力(許憲春等，2019)。

尤需關注的是，在研究人工智能釋放綠色增長效應的同時，產業結構優化在人工智能賦能綠色經濟增長過程中的作用。非連續創新理論認為，現階段人工智能技術發展壯大是以全新知識或各種知識融合為基礎，在創新模式和技術路徑選擇上呈現非連續性創新特征。這有利于破解后發國家在原有技術軌道的鎖定現象，推動產業變軌，并為新興產業發展提供“機會窗口”，有效積累創新能力的同時，實現產業結構優化轉型。智能服務抑或其擴展型技術改進，促使生產要素在產業部門間高效配置，進而推動人工智能在不同產業的創新應用、融合發展，最終在垂直距離(產業層次)和水平范圍(產業布局)釋放技術紅利，加速產業模式深度調整和產業結構優化轉型[2]。產業結構優化可充分釋放生產要素潛能，產生結構紅利，帶來顯著的綠色績效和經濟績效[6]。產業結構優化過程持續演進、綠色產業配套政策、信貸資源支持等因素將進一步提升綠色經濟效率[7]。并且，從產業結構空間關聯視角看，胡安軍等[8]研究發現，產業結構優化調整過程中的集聚特征會影響區域綠色發展水平，特別是以高新技術為導向的專業化產業集聚在發揮規模效應和技術進步效應時對區域綠色發展具有促進作用。

現有研究有助于理解人工智能、產業結構優化與綠色經濟增長之間的關系，但仍存在深入探索的空間：在研究對象上，鮮有文獻直接考察人工智能的綠色增長效應，大多數研究基于一般技術進步的環境績效間接推斷人工智能的綠色增長效應。實際上，人工智能作為新型通用技術，可以與經濟結構形成有效關聯，其大規模商業化應用將帶來宏觀經濟整體全要素生產率提升[9]。因此，有必要結合中國情景將產業結構優化納入“人工智能—綠色發展”理論框架，連接人工智能與產業結構優化、產業結構優化與綠色發展兩個獨立領域，豐富與拓展有關綠色發展動因的文獻，也為發揮人工智能與產業結構優化的協同效應實現經濟綠色增長提供重要啟示。在實證層面，有關人工智能技術效能的研究多運用動態一般均衡模型進行數值模擬[2,5,10]，該模型能在統一框架內對人工智能作為新型基礎設施的外溢性、勞動或資本的偏向性替代以及在不同產業的差異化應用前景進行恰當描述[2]，實現對經濟系統各變量內在聯系的綜合刻畫，但由于其分析基于投入產出表，從而難以獲得時間上連續的研究結果并進行動態分析。此外，大多數文獻以發達經濟體作為研究對象進行經驗總結，缺乏來自中國的經驗證據。如Aghion等[11]、Prettner[12]主要以美國等發達國家為研究對象，分析人工智能對經濟集約增長和經濟提質增效的影響效果及路徑選擇。但這難以為發展中國家的人工智能發展與綠色低碳轉型提供富有啟發意義的中國方案。并且，部分實證研究以工業機器人等單一指標表征人工智能發展[13-14]，但由于人工智能技術應用效果與智能化基礎、智能技術創造能力等因素存在內在關聯，工業機器人等單一指標不能準確衡量智能化水平的全貌從而造成測度偏誤[15]，導致研究結論容易受到質疑。最后，既有文獻缺乏對人工智能增長效應可靠的因果推斷，也較少立足“百年未有之大變局”、經濟結構深刻調整和要素稟賦劇烈變化等中國現實情景，從異質性因素方面深入探討人工智能綠色增長效應的差異化效果。

與已有研究相比，本文可能的貢獻是：第一，在學理層面，結合非連續性技術創新理論與中國情景，構建“人工智能—產業結構優化—綠色經濟增長”的整體邏輯框架，從產業結構高級化和合理化兩個維度揭示人工智能發展影響綠色經濟增長的產業結構優化機制，可豐富與深化人工智能與綠色發展方面的理論研究，為全面客觀評價人工智能的經濟社會效應提供新視角。第二，在實證層面，相較于大多數文獻使用工業機器人作為人工智能發展代理變量的做法，本文從客觀反映人工智能發展全貌的綜合指標體系入手，有效緩解了變量測度誤差問題，并進一步以地區高校平均科技產出和《中國制造2025》政策沖擊為工具變量進行內生性修正，強化對內生性問題的控制，得到更穩健和準確的經驗結論。第三，在異質性分析方面，對中國情景下人工智能賦能綠色增長的邊界條件進行多維分析。盡管經過多年改革，中國市場化程度顯著提升，但作為市場機制尚未健全的轉型經濟體，中國在綠色增長中必將面臨諸多制度障礙。因此，本文基于要素市場扭曲、創新人力資本作用凸顯和市場制度環境建設步伐加快的中國獨特情景，采用有調節的中介效應模型，捕捉人工智能產業結構優化效應的異質性效果，不僅能為人工智能綠色增長效應的研究開拓新思路，且研究結論蘊含著重要政策啟示，可為今后人工智能與產業結構優化的協同發展提供有針對性的中國方案，對推動綠色低碳轉型有重要現實意義。第四，考慮到人工智能本身的滲透性和協同性特征可能導致其發展具有地理空間尺度上的區域關聯效應，本文在同時采用地理距離權重矩陣和經濟距離權重矩陣的基礎上，利用空間自回歸模型(SAR)對人工智能的空間溢出效應進行檢驗，從空間溢出視角進一步揭示人工智能技術發展賦能綠色經濟增長的實際效果。

2 理論分析與研究假設

2.1 人工智能對中國綠色經濟增長的影響

目前，鮮有文獻系統探討人工智能與中國綠色經濟增長的關系。實際上，基于經濟邏輯和現實經驗，人工智能作為新型技術創新范式，至少與中國綠色經濟增長發生3個方面的聯系：首先，從企業生產層面看，人工智能通過自學習、自適應和自行動屬性能夠應對生產活動的復雜性和綜合性，重構服務和生產流程。智能思維監控的全流程生產不僅可以實現源頭污染控制，還能利用動態感知與科學決策能力準確識別高污染、高能耗生產環節信息，提供改進生產工藝或生產流程的方案，形成中程污染治理，帶動綠色生產效率提高。其次，從產業鏈層面看，人工智能擴散式創新特征帶動產業鏈整體形成技術創新系統，系統內創新要素集聚重組、協同配置助推綠色技術創新[16]，進而加速產業鏈自身綠色改造，形成綠色技術溢出效應，從產業鏈前端邁進和后續延伸兩極并向驅動行業整體綠色經濟效率提升[7]。最后，從經濟系統看，智能技術呈現出跨界融合、人機協同、群智開放等新特征，并滲透到經濟系統各個領域，與先進制造技術和新一代信息通訊技術充分協同與融合，形成“人—機—物”三元互聯的智能系統[17]，為綠色增長提供技術支撐的新動能。同時，隨著經濟系統中互補性技術、人員素質、組織架構等配套條件的逐步完善，制約智能技術紅利釋放的不利條件得以改善，這不僅有利于人工智能通過要素供給結構優化和要素資源重新整合從整體層面建立智能化經濟流通渠道，打破自然市場分割的桎梏，促使生產效率與資源利用效率提高[9]，還能在更大技術輻射范圍內通過賦能效應催生大批注重綠色技術創新的新產業、新業態，助力經濟增長、資源節約和環境保護的均衡發展。綜上，提出如下假設：

H1：人工智能通過技術紅利效應直接推動中國綠色經濟增長。

2.2 人工智能對中國綠色經濟增長的作用機制

Graetz&Michaels[13]指出，智能化、自動化通過破壞效應和創造效應提高產業生產效率，而產業結構高級化與合理化對應產業內及產業間生產效率的縱向提高和橫向轉移。因此，本文認為人工智能通過產業結構優化(產業結構高級化與合理化)驅動綠色經濟增長。

人工智能技術應用推動全產業技術進步和要素使用效率提高，促進產業結構高級化。首先，這一進程促使資本結構優化，將物質資本、人力資本、制度資本從高能耗、高污染行業擠出，流入以知識、技術密集為主要特征的清潔行業[5]，在更深層次和更廣范圍淘汰落后產能。資本結構變動會削弱對創新要素的擠占效應，驅使潛在創新者和研發資金從低效率部門轉移到高效率部門，加速技術創新并提升創新績效，為產業綠色經濟效率提升提供基礎。其次，人工智能推動產業結構高級化有利于打破制造業低端鎖定，催生先進智能化制造業，特別是通過有效需求拉動效應和新職位創造效應推動智能化生產性服務業發展[14]。這些新興產業不但能實現更高水平的節能環保，且提供的產品也具備綠色屬性，從而有效推動綠色經濟增長。最后，人工智能具有非連續性技術創新特征，能不斷改造現有技術生產方式，并通過推動產業層次向更高水平迭代創造新的經濟結構模式。新經濟結構模式的典型特征是可以通過自主操控和深度學習有效減少低端制造業能源投入冗余，提高能源效率，從能源結構效應方面為中國綠色經濟增長作出邊際貢獻。

人工智能能夠提升產業間聚合質量，通過改變要素投入結構和協調產業間組合關系推進產業結構合理化。一方面，伴隨人工智能技術應用場景落地和應用范圍擴大，生產要素的技術效率和邊際產出比發生相對變化，且在價格效應和規模效應驅動下，要素具有向高邊際產出生產方式和高生產效率產業部門收斂的傾向，動態收斂過程中要素跨部門流動和優化配置推動產業結構趨向合理[18]。另一方面，人工智能因其滲透性特征能形成強大的產業關聯效應，特別是一旦與區塊鏈、云計算、大數據等新興技術深度耦合，不僅能明顯提升不同產業間銜接配合的契合度，降低摩擦成本，提高運行效率，還會使產業間的生產運營出現融合趨勢和共同協作能力大幅提升。人工智能通過協調產業間組合關系、加強產業間有效聯動推動產業結構合理化，可為清潔產業和更一般化的綠色經濟活動協同集聚提供有效支撐。不同于資源驅動或政策驅動形成的集聚，智能技術驅動型集聚具有多樣性、專業性和可持續性特征，能促進企業間環保知識、治污經驗和污染處理技術的分享與溢出，提升企業生產效率和污染處理技術水平[19]，從而有助于打造綠色技術生產系統，為經濟增長、資源節約和環境保護的共贏提供重要支撐[6]。綜上，提出如下假設：

H2：人工智能通過產業結構高級化和合理化兩條途徑賦能綠色經濟增長。

2.3 人工智能對綠色經濟增長的異質性：基于產業結構優化視角

上文已剖析人工智能賦能綠色經濟增長的作用機制，但未考慮區域特征這一核心外部因素的調節作用，進而難以為加速釋放人工智能的技術與結構紅利提供針對性參考。基于中國作為轉型國家的獨特情景，通過文獻梳理發現，由于各區域在要素市場發育程度、創新人力資本、制度環境等維度上表現各異，使得企業在人工智能沖擊下面臨的政府干預程度、市場競爭環境、創新氛圍、配套制度等存在顯著差異，由此不得不在轉變發展理念、改變經營模式與研發策略、調整生產方式、創新工藝與產品等方面作出選擇、切換、適應和突圍。因此，人工智能賦能綠色經濟增長的邊界條件主要包括：

(1)要素市場扭曲是影響人工智能產業結構優化效應的重要因素。首先，人工智能應用以自身深度學習、萬物互聯等特征為基礎，推動全產業數字化、智能化發展，使產業內各環節要素利用效率提高、資源配置更合理，但由于中國各地區要素市場普遍存在扭曲，要素市場化進程滯后[20]，生產要素在產業內和產業間流動整合受阻，難以向高效率生產部門集聚，人工智能對產業結構優化的作用效果大打折扣。其次，要素價格扭曲造成價格信號失真，破壞市場運行機制，使落后產能因密集使用廉價生產要素或通過尋租活動仍能獲利而難以被淘汰[21]，抑制企業在人工智能領域的研發動力，對粗放增長方式形成鎖定效應，進而不利于地區產業結構優化。最后，要素市場扭曲還可能引起要素錯配，這不僅違背將資源優先配置給高生產率企業的市場原則，使資源總體利用效率下降，而且使依賴人工智能賦能的技術密集型和資本密集型行業難以獲得知識擴散、人才共享和信貸支持等方面的優勢，產業層次難以提高，形成低端鎖定，阻礙產業發展模式轉型和結構優化[20]。

(2)創新人力資本對釋放人工智能產業結構優化效應具有重要作用。在智能時代，生產進一步向自動化與智能化發展，知識結構中專業理論知識突出的創新型人力資本能更好地與之契合[22]。創新型人力資本不僅能夠更大程度促進信息、知識、思想和創意等要素的生產，還能在信息共享和知識傳遞中加速這些要素的積累和擴散，激發整個社會的創新靈感，產生巨大的正外部性[23]，進而推動產業結構不斷優化。特別是創新人力資本與人工智能在結構、規模上的關聯性和協同性進一步提高，不但可以充分激發各種生產要素的活力，共同推動知識和技術密集型產業發展，而且有助于創新人力資本與其它先進制造業和現代服務業深度融合，從而避免優質人力資本錯配[24]，為產業結構優化升級提供新動能。

(3)人工智能產業結構優化效應還受到制度環境影響。首先，市場競爭加劇會壓縮同質產品的利潤空間，迫使企業研發智能技術，生產差異化產品，以提高市場競爭力。在這一優勝劣汰過程中，人工智能技術不斷被復制、模仿、改進、研發和應用，使產業逐步由勞動密集型向知識密集型轉變，推動產業結構不斷優化升級[25]。其次，隨著市場不斷完善(如法律制度的完善和市場中介組織的發育)，推動人工智能產業分工明確化、精細化，智能生產效率得以提高，還能加強對企業知識產權的保護，激勵企業研發創新，保障R&D溢出渠道暢通，進而通過智能高效生產方式和強創新效應范式加速產業升級[26]。最后，地區市場制度環境改善有利于減少政府對科技創新活動的干預，發揮市場機制在科技資源配置與科技成果轉換中的決定性作用[26]，進而避免地方政府在晉升錦標賽壓力下選擇粗放增長方式這種逐底競爭策略，有效引導各類要素資源向以人工智能為代表的前沿科技集中，在推動前沿科技發展的同時，逐漸優化產業結構。綜上，提出如下假設：

H3：要素市場扭曲對人工智能產業結構優化效應具有負向調節作用，創新人力資本積累和制度環境改善對人工智能產業結構優化效應具有正向調節作用。

3 模型設定與變量選擇

3.1 基準模型設定

為驗證上文的理論假設，并控制潛在遺漏變量引發的內生偏誤，本文構建雙向固定效應模型檢驗人工智能對綠色經濟增長的影響。

lnGegit=α0+β1lnAIit+β2lnFDIit+β3lnRegit+β4lnESit+γXit+μi+λt+εit

(1)

式中，lnGegit表示i省份t年的綠色經濟增長水平，lnAIit表示i省份t年的人工智能發展水平?；谟嘘P綠色經濟增長的經典文獻，本文引入外商直接投資(FDIit)、環境規制(Regit)和能源結構(Esit)。Xit為其它控制變量，具體包括基礎設施水平(Infit)、財政自主權(Fiscalit)、金融發展水平(Finit)、教育投入(Eduit)和城鎮化率(Urbanit)。α0為截距，μi為地區固定效應，λt為年份固定效應，εit為隨機擾動項。β1、β2、β3、β4和γ為待估參數，其中β1為本文關注的核心結果。

3.2 中介效應模型設定

為進一步研究人工智能發展如何影響中國綠色經濟增長，根據前文理論分析，本文重點檢驗產業結構高級化和合理化在其中的傳導作用(H2)。借鑒溫忠麟和葉寶娟[27]的做法，構建如下中介效應模型：

lnGegit=α0+α1lnAIit+α2Xit+μi+λt+εit

(2)

lnMit=β0+β1lnAIit+β2Xit+μi+λt+εit

(3)

lnGegit=ρ0+ρ1lnAIit+ρ2lnMit+ρ3Xit+μi+λt+εit

(4)

其中，Mit為中介變量，代表人工智能發展對綠色經濟增長的傳導途徑。根據上文機制分析，從產業結構高級化和合理化兩方面檢驗人工智能對綠色經濟增長的作用機制。Xit包含所有控制變量，其它符號的含義與式(1)相同。

3.3 調節效應模型設定

為深化對人工智能發展影響綠色增長機制的認識，有必要研究在要素市場扭曲、創新人力資本作用凸顯和市場制度環境建設加快作用下人工智能產業結構優化效應的差異。因此，借鑒Holland等[28]的思想，在模型(3)(4)基礎上構建有調節的中介效應模型，并檢驗H3。

lnMit=β0+β1lnAIit+β2lnWit+β3lnAIit*lnWit+β4Xit+μi+λt+εit

(5)

lnGegit=ρ0+ρ1lnAIit+ρ2lnMit+ρ3lnWit+ρ4lnAIit*lnWit+ρ5Xit+μi+λt+εit

(6)

其中，Wit為調節變量，包括要素市場扭曲(Fmdit)、創新人力資本(Ihcit)和制度環境(Ieit)。

3.4 指標構建與變量設定

3.4.1 被解釋變量

綠色經濟增長(Geg)。根據綠色經濟增長的基本內涵并考慮操作的可行性，參考周杰琦和徐國祥[29]的做法，選用單要素指標，以單位環境資源消耗的實際GDP表征綠色經濟增長。

(7)

(8)

3.4.2 核心解釋變量

人工智能(AI)。借鑒顧國達和馬文景[3]的研究，并參考《國家創新指數報告2020》中的指標評價思想和設計框架，構建人工智能發展綜合評價指標體系(見表1)，既從相對全面的研究視角反映中國人工智能發展現狀，也一定程度上避免因工業機器人等代理變量測量誤差引致的內生性問題。運用熵值法對2010—2020年中國省級層面人工智能發展水平進行綜合評價，得出人工智能發展指數。指數值越大，表明人工智能發展水平越高。

表1 人工智能發展水平評價指標體系Tab.1 Evaluation indicator system of artificial intelligence development level

3.4.3 中介變量

產業結構高級化(TS)與合理化(TL)。采用第三產業產值與第二產業產值之比度量產業結構高級化。產業結構合理化反映產業間聚合質量，采用泰爾指數刻畫，計算方法如下：

(9)

其中，Y、L分別表示產值、就業人數，i為產業，n為產業部門數。當TL為0時，表明經濟處于均衡狀態，產業結構合理；當TL不為0時，表明產業結構偏離均衡狀態，產業結構不合理。

3.4.4 調節變量

(1)要素市場扭曲(Fmdit)。采用柯布道格拉斯生產函數法度量，即Y=AKαLβ。其中，Y為總產出，K為資本投入，L為勞動投入，α為資本產出彈性，β為勞動產出彈性。根據廠商利潤最大化條件，可得到資本邊際產出MPKit=αit(Yit/Kit)和勞動邊際產出MPLit=βit(Yit/Lit)。當資本和勞動價格分別為r、w時，以要素邊際產出與其實際價格之比表征勞動扭曲、資本扭曲，進而構建要素市場總體扭曲指標。

(10)

當Fmdit值為1時，要素市場總體完善，越偏離1，扭曲現象越嚴重。

(2)創新人力資本(Ihcit)。本文重點關注技術創新型人力資本，用各地區R&D人員中大學及以上學歷人員占比表征。

(3)制度環境(Ieit)。制度環境的核心要素是地區市場化程度，用各地區私有部門就業人數占本地區就業人員總數比值表征。

為兼顧數據的有效性和可獲得性，本文選取2010—2020年中國內地30個省份(西藏因數據不全，未納入統計)面板數據作為樣本，數據來源于《中國科技統計年鑒》《中國環境統計年鑒》《中國能源統計年鑒》《中國高技術產業統計年鑒》《中國人口和就業統計年鑒》及各地方統計年鑒。對于個別缺失數據，采用插值法補齊，最終形成330個樣本的平衡面板數據。本文采用相應的價格指數將所有名義變量統一折算為以2010年為基期的固定價格。為處理異方差問題，所有變量均取自然對數。主要變量的描述性統計結果見表2。

表2 主要變量描述性統計結果Tab.2 Descriptive statistical results of main variables

4 實證檢驗與分析

4.1 基準回歸結果

由于各地區同期經濟活動可能存在較大相關性，因而首先對模型進行組間異方差修正Wald檢驗、組內自相關Wooldridge檢驗和組間同期相關Pesaran檢驗。結果表明，模型存在組間異方差、組內自相關和組間同期相關。因此，采用可行廣義最小二乘估計(FGLS)法進行回歸，以解決存在的異方差、自相關和同期相關問題。

在表3中，列(1)匯報了人工智能作為解釋變量的回歸結果，列(2)匯報了加入外商直接投資(FDI)、環境規制(Reg)和能源消耗結構(ES)作為控制變量后的回歸結果，列(3)匯報了引入控制變量基礎設施水平(Inf)、財政自主權(Fiscal)、金融發展水平(Fin)、教育投入(Edu)以及城鎮化率(Urban)后的回歸結果，列(4)是在列(3)基礎上控制固定效應后的回歸結果。結果顯示，lnAI的系數均在1%水平上顯著為正，表明人工智能發展有助于釋放技術紅利，直接推動綠色經濟增長。

表3 人工智能對中國綠色經濟增長賦能效果的檢驗結果Tab.3 Results test of the enabling effect of artificial intelligence on China's green economic growth

在FGLS估計的基礎上，為進一步控制異方差，提升估計效率和準確性，進行兩步最優GMM估計，結果見表3中列(5)～(8)。結果顯示，lnAI的系數均在1%水平上顯著為正，進一步表明人工智能發展具有顯著的綠色增長效應。綜上，H1得到驗證。

4.2 機制分析

為進一步理解人工智能如何影響綠色經濟增長，并為人工智能更好地賦能綠色發展提供優化路徑和差異化實施方案，有必要進行機制分析。由前文理論分析可知，人工智能通過產業結構高級化與合理化兩條路徑作用于綠色經濟增長。因此，本文利用中介效應模型進行機制識別，結果見表4。

在中介效應模型檢驗中，傳統逐步回歸法因存在檢驗力低下的問題受到批判和質疑[27,30]。因此，本文借鑒溫忠麟和葉寶娟[27]的做法，采用Sobel法驗證產業結構優化的中介效應。結果表明，中介效應成立，人工智能通過產業結構高級化與合理化兩條路徑促進綠色經濟增長，兩者相對貢獻占比分別為20.33%和8.35%。兩條路徑產生的中介效應接近總效應的30%，表明產業結構優化在人工智能綠色經濟增長效應中的中介作用較強。此外，考慮到Sobel法受限于正態性假定，為進一步提高估計準確性，使用自舉法(Bootstrap)抽樣500次進行估計，結論依然成立。綜上，H2得到驗證。一方面，人工智能通過協同技術進步和要素利用效率提升加速產業高級化；另一方面，在智能服務應用場景和應用范圍擴大過程中，優化要素投入結構和協調產業間組合關系，助推產業合理化。人工智能從兩方面推動地區產業模式轉變和結構調整，為中國經濟綠色增長提供堅強支撐。

通過比較分析可知，人工智能對綠色經濟增長的貢獻主要來源于產業結構高級化。究其原因，一方面，智能產業本身代表更高層次的產業形態，其發展也需要更高的產業形態與之互補協同，產業結構高級化可為人工智能發展壯大提供產業配套、產業價值鏈分工和產業耦合的重要支撐，也能提高人工智能與高級產業形態的聚合效益，助推經濟綠色發展。另一方面，隨著改革開放的深入推進，資源配置失衡、產業鏈與供應鏈脫節以及產業結構不合理等限制經濟增長的問題有了較大改善，產出結構與要素稟賦結構間的協調性能得到更好的保障。因此，人工智能通過產業結構合理化路徑進一步推動綠色經濟增長的邊際效應可能呈遞減規律。

表4 人工智能對中國綠色經濟增長作用機制的檢驗結果Tab.4 Mechanism test of artificial intelligence on China's green economic growth

4.3 異質性分析

在異質性分析中，采用有調節的中介效應模型檢驗要素市場扭曲、創新人力資本和制度環境在人工智能促進產業結構優化最終推動綠色經濟增長這一過程中的調節作用，回歸結果見表5。

其中，列(1)～(3)分別顯示了要素市場扭曲、創新人力資本和制度環境在人工智能促進產業結構高級化中的調節作用檢驗結果。交互項結果顯示，要素市場扭曲存在負向調節作用，創新人力資本存在正向調節作用，都符合理論預期，但制度環境在人工智能促進產業結構高級化中的調節作用不顯著(lnIe*lnAI的系數為0.015，但未通過顯著性檢驗)?？赡艿脑蛟谟冢阂环矫?，人工智能發展前期階段資本有效積累不足，初始資本約束較大，僅靠制度環境要素特別是市場手段難以在短期內將資源自發調節至人工智能產業，無法獲取資源優勢，進而導致人工智能促使產業結構向更高層次演進的效果不明顯。另一方面，人工智能向上拓展產業層次，探索式創新過程面臨的不確定性和相關外部性內部化的潛在風險更大，產業內部對于損失控制和價值創造協調性要求更高，市場制度環境下的創新風險化解是一個不斷強化產業內部控制和加強外部力量參與的系統漸進過程。因此，制度環境對產業高級化路徑的調節作用仍有待人工智能進一步發展后才能凸顯。

列(4)～(6)分別顯示了要素市場扭曲、創新人力資本和制度環境在人工智能促進產業結構合理化中的調節作用檢驗結果。在產業結構合理化路徑中，要素市場扭曲與人工智能交互項的系數顯著為負，創新人力資本、制度環境與人工智能交互項的系數顯著為正，表明要素市場扭曲存在負向調節作用，創新人力資本和制度環境存在正向調節作用，都符合理論預期。綜上，H3部分得到驗證。

4.4 內生性修正

人工智能釋放綠色增長效應的同時，還可能面臨內生性挑戰：一是逆向因果關系。中國經濟實現綠色增長是一個逐步淘汰落后產能，優化產業布局，打造現代化產業體系的過程，更加注重科技創新和優質人力資本協同發展。因此，人工智能與各種互補性技術的高效聯動成為常態，智能技術得到充分發展。二是遺漏變量問題。各地區市場規模和市場環境特征中政府干預也可能是影響人工智能發展的重要因素。

針對逆向因果關系導致的內生性問題，本文選用如下兩個工具變量予以解決：①地區高校平均科技產出(IV1)，用各地區高校平均發表科技論文篇數衡量。高?？萍籍a出能為人工智能發展提供必要的智力支持，產學研之間相互配合也可形成強大的研究、開發和生產一體化先進系統，促進技術創新，因而能促進人工智能發展，滿足工具變量相關性要求。同時，高校發表論文的經濟轉換作用需要時間積累和其它物質支撐，不會對現在的綠色經濟增長產生直接影響，一定程度滿足外生性要求；②鑒于人工智能處于戰略性新興產業核心地位，其發展易受政策驅動，因而考慮以一個政策沖擊作為工具變量控制內生性問題。2015年國務院印發《中國制造2025》，這是一個全面推進實施制造強國的戰略文件，系統推動包括智能制造工程在內的五大工程建設，能對中國人工智能發展產生深遠影響，是一個良好的政策沖擊。構造工具變量Post2015×Inf_year，Post2015為虛擬變量，代表是否發生沖擊，年份大于等于2015取值為1，反之取值為0；Inf_year代表各地區基礎設施建設超過近10年平均水平的年份，反映各地區基礎設施建設水平差異，基礎設施建設水平會影響人工智能發展。

對于工具變量的相關性檢驗，Anderson canon.corr.LM統計量的P值均小于0.1，拒絕工具變量識別不足的原假設；Cragg-Donald Wald F統計量均大于相應的Stock-Yogo臨界值16.38，拒絕弱工具變量的原假設，表明工具變量選取較為適宜。工具變量IV1對人工智能的回歸系數、人工智能對綠色經濟增長的回歸系數均顯著為正，表明人工智能依然能釋放綠色增長效應。在以Post2015×Inf_year為工具變量的回歸中，第一階段工具變量回歸系數顯著為正，說明基礎設施建設水平較低的地區在政策發布后確有推動人工智能發展，第二階段人工智能系數顯著為正，表明政策沖擊后人工智能促進了中國綠色經濟增長。綜上，即使考慮潛在逆向因果關系導致的內生性偏誤，人工智能依然能釋放綠色增長效應。

表5 調節效應回歸結果Tab.5 Regression results of moderating effects

針對遺漏變量導致內生性控制不夠的問題，將市場規模(Market)、政府干預(Gov)引入模型，結果發現前文結論依然穩健。限于篇幅，內生性檢驗與加入遺漏變量的回歸結果未作匯報，備索。

4.5 其它穩健性分析

首先，剔除極端值干擾。為避免數據極端值對模型回歸結果造成偏誤，對樣本數據分別截尾1%和5%回歸。其次，更換人工智能發展水平測度方法。分別采用層次分析法(AHP)和主成分分析法(PCA)重新測度各地區人工智能發展水平。最后，更換模型估計方法?？紤]到宏觀經濟變量通常存在慣性，將綠色經濟增長(Geg)的一階滯后項納入模型(1)并擴展為動態面板模型，分別采用差分GMM和系統GMM方法進行估計。以上3種方法回歸結果顯示前文結論依然穩健。

5 進一步分析：人工智能對綠色增長的空間溢出效應

在智能時代，人工智能因具有滲透性和協同性特征，在促進技術和信息高效流動整合方面能突破時空束縛，壓縮地理距離限制，這決定人工智能對經濟增長的影響具有廣泛性和全局性[9]。因此，在人工智能技術突破區域限制、發揮空間溢出效應時，能夠激發鄰近區域的綠色技術創新活力，實現跨區域的綠色經濟增長。尤其是綠色技術創新會通過示范效應和經濟關聯效應，形成區域間綠色技術創新系統，從整體上為區域內綠色經濟效率提高注入新動能[6]。因此，有必要對人工智能的空間溢出效應進行深入分析，從而為政府綜合衡量人工智能技術特征、制定前瞻性產業政策、形成區域間綠色協同發展格局提供決策參考。

本文構建如下兩種空間權重矩陣：①以各省會城市經緯度坐標為基礎的地理權重矩陣W1，基于客觀地理位置構造的權重矩陣能夠直觀且客觀滿足空間權重矩陣的外生性假定；②以人均實際GDP之差的絕對值倒數構建經濟距離空間權重矩陣W2，基于社會經濟因素構造的權重矩陣有較強的經濟含義且更符合實際應用背景。在兩種不同空間權重矩陣的基礎上，采用空間自回歸模型(SAR)進行空間相關性檢驗，模型設定如下：

lnGegit=α0+ρ∑wijlnGegit+βlnAIit+γ∑wijXit+μi+λt+εit

(11)

其中，k、j對應各省域截面單位，wij為空間權重矩陣中的元素，Xit包含所有控制變量，其它符號的含義與式(1)相同。為比較估計結果的穩健性，同時匯報了空間誤差模型(SEM)和空間杜賓模型的估計結果(SDM)，見表6。

在對人工智能空間溢出效應的顯著性進行判斷時，采用莫蘭指數(Moran's I)和吉爾里指數(Geary's C)進行檢驗。結果顯示，在兩類不同空間權重矩陣設定下，全局莫蘭指數均大于0，吉爾里指數均小于1，且兩者至少都在5%的顯著性水平下強烈拒絕無空間相關性的原假設。由表6可知，空間自回歸模型(SAR)的直接效應和間接效應均至少在5%的水平上顯著為正，空間杜賓模型(SDM)的間接效應至少在5%的水平上顯著為正，說明人工智能不僅對綠色經濟增長的賦能效果明顯，而且還存在空間外溢效應，輻射帶動鄰近地區的綠色經濟增長。

表6 空間溢出效應回歸結果Tab.6 Regression results of spatial spillover effect

6 結論與政策啟示

面對資源環境約束趨緊對經濟持續增長的現實壓力，如何進一步釋放人工智能綠色增長效應，成為中國實現綠色低碳轉型和高質量發展目標的迫切要求。在此背景下，本文結合非連續性技術創新理論，從產業結構優化視角切入，構建人工智能技術綠色增長效應的分析框架，并實證考察人工智能對綠色經濟增長的影響效果，厘清其邏輯鏈條。結果表明，人工智能通過技術紅利效應直接推動綠色經濟增長，在考慮逆向因果和遺漏變量導致的內生性偏誤后，人工智能的綠色增長效應仍顯著存在。機制分析表明，人工智能通過產業結構高級化和合理化對綠色經濟增長產生驅動效果，二者間接效應占比分別為20.33%和8.35%。綜合來看，人工智能通過直接效應釋放技術紅利，通過推動產業結構優化產生結構紅利。異質性分析發現，中國轉型經濟背景下，人工智能的結構紅利在要素市場扭曲程度更低、創新人力資本水平更高、制度環境更完善的地區表現得更為明顯，從而更充分地釋放其對綠色增長的賦能效果。拓展性分析發現，人工智能具有顯著正向空間溢出效應，其發展會帶動經濟關聯地區的綠色經濟增長。本文結論具有如下政策啟示：

第一，構建不斷釋放人工智能綠色增長效應的路徑機制，打造智能產業基礎生態。中國各地區應該加強產業鏈發展與人工智能技術創新突破的緊密連接和動態耦合，推進產業和智能生態的內在協同發展，為綠色經濟效率提高奠定產業結構優勢。同時，加大對人工智能技術創新活動的政策支持力度。本文研究發現，政策沖擊能顯著提升中國各地區智能化水平。中國各地區獲取人工智能技術紅利，須依托產業政策路徑優勢，發揮產業政策對人工智能發展的前瞻性和引導性作用。政策制定也應有所側重，對人工智能促進產業結構優化的效果進行重點甄別，以提升產業層次與產業鏈地位、加速產業結構高級化進程為主攻方向，聚焦戰略性新興產業和關鍵核心領域，培育中國科技競爭新優勢。

第二，以市場化為導向，疏通人工智能發展過程中的關鍵堵點。中國各地區要素市場扭曲、要素流動受阻及市場分割，成為充分釋放人工智能產業結構優化效應這一結構紅利的制度性障礙。鑒于此，應該以加快建設全國統一大市場為契機，通過有效的制度安排營造市場化制度環境，強化頂層設計，同時綜合運用各種手段對地方官員政績考核體系、地方財稅制度與工資制度等進行全面深入改革，構建有效的市場體系。通過提高市場競爭度和完善度，抑制價格信號失真、資源配置扭曲，整合各種要素資源，為人工智能發展提供堅強支撐。

第三，加強創新人力資本積累，提高其與人工智能技術的適配性。本文研究發現，創新人力資本通過知識技能溢出的正外部性及與現代產業的高效協同助推人工智能產業結構優化。為此，一方面，應該轉變教育理念和人才選拔機制，從培養工程師思維切換至培養創新思維，提高創新人力資本對新技術、新業態和新模式的適配能力。另一方面，運用技術和政策手段將創新人力資本從高能耗、高污染行業或國有壟斷領域擠出，使得高質量人力資本的作用在以綠色技術為自主創新重要突破口的新興產業中得到更大釋放。

第四，建立地區聯動機制，形成人工智能賦能綠色增長的生態合力。人工智能對推動綠色經濟增長具有顯著正向空間溢出效應，本地人工智能發展對空間關聯地區的綠色績效提高存在輻射帶動效應。這表明“不謀全局者，不足謀一域”，產業模式選擇和產業政策制定應以區域內共建共贏為目標，探索互信機制，連接起智能技術共享的發展網絡。各級政府應加強有效溝通和協調，推動互補性產業、技術和要素資源的深度對接，努力打造區域綠色發展共同體，加快形成區域間綠色協同發展格局，最終為中國全局性綠色增長提供堅實基礎。