工業智能化能促進碳排放績效的提升嗎？

譚玉松 董直慶

摘?要：碳排放績效提升是經濟增長與節能減排協調發展的關鍵。本文從新一輪智能技術革命出發，利用中國城市層面樣本數據，實證檢驗工業智能化發展對碳排放績效的影響及可能的傳導路徑。研究發現：工業智能化有助于碳排放績效的提升；產業結構升級與要素優化配置是工業智能化提升碳排放績效的有效路徑；城市規模與資源依賴屬性成為工業智能化作用存在差異的重要成因，適度的城市規模與非資源依賴型城市工業智能化的作用效果更為明顯；外部環境是影響工業智能化作用效果的關鍵，其中高水平的人力資本增強了中國工業智能化對碳排放績效的影響，而市場化環境卻表現出顯著負向作用，暗示了環境規制在降低污染排放中的作用。

關鍵詞：工業智能化；碳排放績效；產業結構升級；要素優化配置

中圖分類號：F426.67；F49；X322??文獻標識碼：A??文章編號：1001-148X（2023）05-0020-09

收稿日期：2023-05-18

作者簡介：譚玉松（1992-），男，山西運城人，講師，博士，研究方向：技術創新；董直慶（1974-），男，浙江溫州人，教授，博士生導師，研究方向：技術創新。

基金項目：西安市社會科學規劃基金項目“人工智能驅動西安市碳排放績效提升策略研究”，項目編號：23JX186。

一、引?言

自1978年以來，不斷深化的對內改革與對外開放助推中國經濟持續了近40年的跨越式增長，目前中國已成為僅次于美國的全球第二大經濟體，然而一個不容忽視的問題是，經濟持續增長的動力源泉并非來自于高新技術，而是在“唯GDP論”的政績考核機制下，各地區通過降低環境規制水平，引入“高投入、高污染”的粗放型生產企業快速拉動經濟發展，因此與此相伴隨的是較為嚴重的能源消耗和環境惡化。《2020中國生態環境狀況公報》顯示中國有40.1%的地級以上城市環境空氣質量超標，全國水土流失面積達到271.08萬平方千米，31.1%的縣域面積生態質量處于較差以下水平。與此同時環境污染治理投資額逐漸增加，由2000年的234.8億元增加到2019年的615.2億元，環境污染已經開始反噬中國經濟。為此，“生態文明建設”“綠水青山就是金山銀山”“守住自然生態安全邊界”等理念被先后提出，綠色發展已經成為中國經濟可持續發展的必由之路。

環境經濟學研究證實，全球變暖可能成為人類面臨的最為嚴峻的挑戰之一，降低傳統能源消耗與碳排放成為世界各國的共同責任。作為世界上最大的二氧化碳排放來源國，中國2020年二氧化碳排放量占全球總排放量的30.93%，達到9893.5百萬噸。一個現實的問題是中國仍處于發展中國家行列，2019年中國大陸人均GDP僅位列全球第69位，2020年最低20%人群月均收入只有大約656元，遠低于世界主要發達國家，因此發展仍是當前中國最為重要的關注點。面對經濟發展與碳減排的兩難困境，提升碳排放績效成為破解困境的最優選擇。基于此，前沿文獻分別從對外貿易、政府競爭、環境規制等角度考察碳排放績效的演變趨勢［1-3］，但是歸根結底，實現碳排放績效改善離不開技術的跨越式發展。

隨著2009年美國“再工業化”戰略的提出，德國、日本、韓國等相繼發布自身制造業發展戰略，以期通過智能生產與智能制造重塑國際競爭格局，至此以機器人與人工智能為代表的智能生產要素開始成為國際關注的焦點。2015年《中國制造2025》的發布標志著中國開始推行制造業的智能化轉向，在此之后中國機器人安裝量出現跨越式的增長，至2017年總安裝量已經超過47萬臺。作為一種通用型技術，智能化在通過崗位更替與創造對傳統生產方式與生產關系重構時，也會打破現有產業邊界，實現不同產業與行業深度融合并催生出新模式與新業態。廣泛應用的智能化要素必將對包括碳績效在內的經濟社會產生深遠影響。

綜上可知，工業智能化可能會成為促進碳排放績效提升的有利推手，但是這一結論仍缺乏經驗證據的支撐。基于此，本文選取中國城市層面樣本數據定量考察工業智能化發展如何改變碳排放績效，探究工業智能化影響碳排放績效的作用機制，識別智能化發展階段及外在環境的約束作用。本文可能的邊際貢獻在于：第一，將新一輪智能化革命引入企業生產流程，從實證層面考察工業智能化與碳排放績效關系；第二，打破了工業智能化的作用黑箱，從產業結構升級與要素優化配置等角度出發探尋工業智能化助推節能減排的傳導路徑；第三，工業智能化發展并非獨立存在，而是依賴于眾多的外部因素。為此，本文從人與環境視角出發，探尋不同外部條件約束下工業智能化對碳排放績效的作用差異。

二、理論分析與研究假設

工業智能化是指人工智能技術與先進制造充分融合，以智能系統置換體力與腦力勞動，助推全產業與全社會智能化改造的新型生產方式，進而對經濟社會的各個領域產生深遠影響。縱觀前沿文獻，當前對于智能化的經濟社會效應研究更多聚集于經濟增長與勞動就業，且均形成了截然相反的研究結論。對于經濟增長來說，一方面人工智能技術與工業化的有機融合在降低資本價格與推動社會生產能力提升的同時也催生出一系列新業態與新產業［4］，在改變就業格局的過程中實現經濟可持續增長；另一方面人工智能滲入工業生產更為直接的是大量勞動力的失業以及收入的減少，與此相伴隨的消費降低與投資衰減不可避免地導致經濟的大面積停滯［5］。對于勞動就業而言，智能技術與所有新興技術一樣在進行任務替換與勞動替代的過程中展現出雙面性特征［6］，即對勞動力市場同時產生積極效應與消極效應。眾所周知，經濟發展與勞動就業所引發的社會生產關系與生產方式變革往往會帶來能源消耗與污染排放的變化，那么這是否意味著工業智能化也會對包括碳排放在內的環境產生深遠影響呢？

作為人工智能技術應用的最主要表現形式，前沿文獻直接針對工業智能化對碳排放影響的研究仍較為缺乏，大量研究主要圍繞技術進步展開。現有文獻指出技術進步能夠促進包含效率在內的生產率改進，降低區域經濟可持續發展的資源依賴，同時也是影響碳排放及碳排放績效的重要因素［7］。但也有文獻指出技術進步對碳排放的影響并非表現出線性關系，而可能呈現先增加后減少的“倒U型”［8］。

盡管技術進步與碳排放的研究呈現多樣化趨勢，但是技術進步對碳排放績效的影響前沿文獻卻基本取得共識，即企業通過自主創新或者技術引進等促進節能工藝的廣泛使用能夠帶來能源利用效率的提升［9］，進而改善碳排放績效。然而技術進步在發展過程中卻并非總是表現出中性，特別是在高能耗與高污染企業中技術進步更多呈現環保偏向性。隨著偏向性技術理論的逐漸成熟，技術自身的偏向性如何影響能源效率與環境績效成為新的研究視角［10］。He?et?al.（2021）基于2002-2015年中國省級面板數據研究結果顯示，可再生能源技術進步能夠提升碳排放績效，且市場環境在中間扮演重要作用［11］。種種文獻均證實技術進步特別是能源偏向性技術與環境偏向性技術可能成為碳排放績效的決定力量，那么這是否也意味著智能化偏向的技術進步也會對碳排放及碳排放績效產生影響呢？

前沿文獻指出人工智能技術的發展為地方政府環境治理提供了新方法與新思路，一方面人工智能技術的效率提升增強了環保部門快速獲得環境信息及實時跟蹤污染變動的能力，另一方面人工智能技術與空調、通風及采光系統的協調能夠迅速感知溫度、濕度及光照條件的變化，從而快速自動化調節智能設備的運行狀態，降低能源消耗以減少污染排放。縱觀前沿文獻，較多從智能化的某一維度出發進行檢驗，如白雪潔和孫獻貞（2021）研究發現互聯網發展對區域全要素碳生產率表現出明顯的促進作用，且這一正向影響在分東、中、西檢驗時依然存在［12］。當然也有若干學者基于人工智能、機器人及工業智能化本身進行了研究，Liu?et?al.（2021）使用工業部門2005-2015年數據研究發現人工智能技術顯著降低了碳排放強度，從側面證實了工業智能化對碳排放績效可能表現出正向激勵作用［13］。基于此，本文提出以下假設：

H1：工業智能化能夠促進碳排放績效提升。

作為通用型技術的典型代表［14］，工業智能化能夠通過供給側與需求側兩方面助推產業結構升級，即一方面智能化改變了傳統僅以勞動、資本等低端生產要素作為投入的粗放型生產模式，將大數據、云計算、互聯網等智能化要素納入企業生產流程，在提速增效的同時使機器成為新型人力資本，實現低風險、低投入的全流程復合式創新模式，以技術帶動產業結構升級；另一方面隨著人們生活水平的改善，個性化、智能化的產品需求與傳統生產模式下標準化、單一化的產品供給間的矛盾不斷凸顯，智能制造體系的引入滿足了人們對新產品與新業態的需求，且隨著個性化需求的不斷增加，倒逼包含芯片、物聯網、5G在內的新型技術發展壯大，在良性互動中逐漸淘汰落后產業。這意味著，在產業結構升級過程中必然伴隨生產要素的重新配置與生產流程的優化，企業基于要素供給與市場需求的變化動態調整產品定位，引致“高附加值”等低碳新興產業的擴張與“高能耗”等傳統行業的衰減，在促進經濟持續增長的同時促進碳排放績效的提升。基于此，本文提出以下假設：

H2：工業智能化能夠通過誘使產業結構升級實現碳排放績效改善。

除此之外，中國巨大的區域差異誘使勞動、資本、技術等生產要素不斷向東部沿海與區域中心城市聚集，造成了城鄉間與城市間生產要素分布的不均衡。然而在現實情境下，即使核心城市與城市群內部要素競爭激烈，但整體的要素流動方向也幾乎呈現不可逆轉性。智能化作為融合大數據、信息化、物聯網等的新型生產形式，除了可以降低傳統生產要素的信息搜尋成本外，也可以在要素匱乏地產生新業態，誘使中心城市的剩余要素轉移，如貴州省的大數據、東數西算等都將引導東部地區高級人力資本與資金向中西部地區轉移。而智能化和工業生產的協同演進與廣泛融合，在引導傳統制造業向生產性服務業轉型的過程中，進一步增強要素選擇機會，在破除要素扭曲的同時優化要素空間配置結構。眾所周知，要素市場扭曲可能會通過兩種形式抑制碳排放績效提升：一是要素扭曲會對落后產業形成保護效應［15］，即在現有財政分權制度下部分地方政府為了維持區域經濟發展，可能通過行政干預降低勞動力成本與借貸成本，使得高能耗的粗放型生產企業僅通過簡單擴大要素投入而不是技術創新就能獲取較大經濟利益，隨著生產規模的擴大將對環境造成嚴重損害并抑制碳排放績效提升；二是要素扭曲導致生產要素被禁錮于特定地區與行業，既無助于產業分工體系與專業化分工的形成，又無法有效激勵生產要素間的良性競爭，在弱化生產效率的同時阻礙了碳排放績效的提升。這也就意味著要素優化配置可能成為提升碳排放績效的關鍵。基于此，本文提出以下假設：

H3：工業智能化能夠通過推動要素優化配置實現碳排放績效改善。

三、模型構建、變量定義與數據說明

（一）模型構建

前述內容從文獻梳理角度探究中國工業智能化與碳排放績效的關系，但是仍缺乏令人信服的經驗證據。為此，本部分從定量角度出發檢驗工業智能化對碳排放績效的影響，以期為探究工業智能化與碳排放績效提供數據支撐。計量回歸模型設定如下：

cepit=β0+β1indit+β2Xit+σi+τt+εit（1）

其中，被解釋變量cepit表示碳排放績效，解釋變量indit表示工業智能化程度，Xit為一組包含經濟發展（gdp）、交通設施（trf）、環境規制（enr）、外商投資（fdi）、城鎮化水平（urb）、金融發展（fin）等在內的控制變量集合，σi表示城市固定效應，τt表示時間固定效應，εit表示隨機干擾項。

（二）變量定義

被解釋變量。對于如何測度碳排放績效，前沿文獻主要從兩方面進行表征：一是從經濟后果角度出發以碳排放強度作為反向指標或者以碳排放強度倒數（生產總值與二氧化碳排放量比值）表征［16］；二是基于企業生產過程從要素投入、期望產出和非期望產出三個維度測算碳績效［17］。總的來看兩種碳排放績效分別從結果與過程角度出發，均具有一定的代表性。因此本文分別基于前述測算方法，采用國內生產總值與二氧化碳排放量比值表征單要素碳排放績效和選取勞動、資本、能源作為投入要素，國內生產總值、二氧化碳排放量作為產出，基于超效率EBM模型測算全要素碳排放績效。

解釋變量。事實上，前沿文獻對于如何精準度量工業智能化并沒有形成可供參考的共識。本文在現有文獻的基礎上從工業智能化基礎、工業智能化能力、工業智能化效益等三個維度出發構建十二個細分指標并經過熵權法合成工業智能化指數。各細分指標定義如下：工業智能化基礎主要包括：（1）智能化設備：采用工業機器人滲透率表示；（2）智能化人員：采用信息傳輸、計算機服務和軟件業從業人員數與總從業人數之比表征；（3）智能化環境：選取電信業務總量與GDP之比度量。工業智能化能力主要包括：（4）高端智能制造：智能儀器生產、智能裝備與設備、人工智能等企業數和總企業數比值表示；（5）信息智慧安全：信息與智能安全、網絡信息安全、數據安全等企業數與總企業數之比度量；（6）計算機網絡服務：選取計算機網絡運營、互聯網服務等企業數和總企業數比值表示；（7）軟件與信息技術：選擇軟件開發服務、信息處理與軟件推廣、信息集采與集成等企業數和總企業數之比度量；（8）大數據處理：采用數據存儲與處理、數據庫構建、大數據等企業數與總企業數比值表征；（9）物聯網技術：智能物流與倉儲、區塊鏈技術、物聯網設備等企業數和總企業數之比表征。工業智能化效益主要包括：（10）經濟效益：采用規模以上工業企業產品銷售收入與規模以上工業總產值之比表示；（11）智能化效益：選擇人工智能專利與總專利數之比表征；（12）社會效益：選取各城市GDP與用電量比值度量。

控制變量：經濟發展（gdp）采用各城市人均實際GDP表征；交通設施（trf）選擇各城市人均道路面積表征。環境規制（enr）選取各城市工業固體廢物綜合利用率表示；外商投資（fdi）選取各城市外商直接投資額與GDP的比值度量；城鎮化水平（urb）選取人口城鎮化率與土地城鎮化率的均值度量，其中人口城鎮化選擇城鎮人口與總人口的比值表征，土地城鎮化采用建成區面積與總面積之比表示；金融發展（fin）選取各城市年末金融機構存貸款總額和GDP的比值度量。

（三）數據說明

本文選擇中國城市層面2003-2017年數據為研究樣本。其中國內生產總值基于2003年價格平減獲得，二氧化碳排放數據來自于CEADs中國碳核算數據庫；工業機器人數據來自于國際機器人聯合會（IFR）公布的各國機器人數據；計算機網絡服務、軟件與信息技術、大數據處理、高端智能制造、信息智慧安全、物聯網技術中各企業數來自天眼查微觀企業數據庫，通過定義與識別企業經營范圍并經網絡爬蟲獲取；人工智能專利數據在確定人工智能關鍵詞的基礎上，借助Python等軟件爬蟲獲得；各城市專利數經手動檢索得到；其余經濟變量來自于《中國統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》與各省市統計年鑒。

四、實證結果分析

（一）基準回歸

為從實證層面驗證工業智能化對碳排放績效的影響，本文基于公式（1）進行檢驗，檢驗結果如表1所示，結果顯示在逐步加入控制變量的過程中，工業智能化系數均顯著為正，表明工業智能化能夠帶來碳排放績效的改善。即假設H1得到了經驗證據的支撐。通常而言智能化生產能夠更快感應生產過程的需求，通過個性化、定制化的制造方式提升產品生產和銷售效率，在降低能源消耗的過程中提升碳績效。除此之外，工業智能化的應用在改變自身生產模式的同時，也會通過原材料與產品向產業鏈上下游延伸，帶動全產業鏈條的智能化改造，促進整個供應鏈體系碳排放績效的提升。從控制變量的角度看：經濟發展系數在1%顯著性水平上為正，表明隨著經濟發展水平的提高，碳排放績效將會得到改善。交通設施系數顯著為負，暗示交通設施建設不利于碳排放績效的提升。環境規制系數顯著為正，意味著環境規制的增強有助于碳排放績效的提升。外商投資系數方向為負，可能是因為在當前階段外商投資仍集聚于勞動密集型與低端制造業，從而無助于碳排放績效的改善。城鎮化水平系數在顯著為負，表明城鎮化進程的推進會降低碳排放績效。金融發展系數顯著為負，暗示金融發展不利于碳排放績效的提升。

（二）穩健性檢驗

為盡可能解決指標選取與樣本篩選誤差造成的結果不穩健。本文從數據處理與指標替換等維度出發驗證前述結論的可靠性：（1）數據縮尾。在進行5%與10%縮尾后，工業智能化系數均在1%顯著性水平上為正，與基準回歸相比系數顯著性與大小有明顯提升，表明異常值的存在可能弱化了工業智能化對碳排放績效的促進作用，從側面驗證了前述結論的準確性；（2）替換解釋變量。如前文所述，在測算綜合性工業智能化指數細分指標權重時采用了熵權法，因此本文通過選取單一指標和更換權重測算方法，基于機器人滲透率與縱橫向拉開檔次法重新測算工業智能化水平并進行檢驗，結果可知工業智能化系數均在1%的水平上顯著為正，即工業智能化有助于碳排放績效的改善，表明基準回歸結論的可靠性限于篇幅，該檢驗結果未做報告，如有需要可向作者索取。。

（三）可能的遺漏變量檢驗

在上述穩健性檢驗中，本文通過數據縮尾處理及替換解釋變量等不同方法驗證工業智能化與碳排放績效的關系，但是估計結果仍可能存在偏誤。而遺漏變量的存在或許是造成結果偏誤的重要原因，為此本文在前述控制變量的基礎上，進一步尋求可能影響碳排放績效的關鍵變量。前沿文獻指出服務業發展、人口密度與碳匯水平可能與碳排放績效呈現某種關系，為此本文引入第三產業占比表征服務業發展水平，單位面積上的人口數表征人口密度，建成區綠化覆蓋率表征碳匯水平，考察在分別控制服務業發展水平、人口密度、碳匯水平后工業智能化對碳排放績效的作用效果。結果顯示，在進一步控制服務業發展水平、人口密度、碳匯水平等可能的遺漏變量后，工業智能化依然顯著提升了碳排放績效限于篇幅，該檢驗結果未做報告，如有需要可向作者索取。。

（四）內生性處理

基準回歸與穩健性結論證實了工業智能化有助于碳排放績效的提升，但反向因果的存在所引發的內生性問題可能會造成實證結果出現偏誤，消弱本文實證的可信性，即在政府明確要求減少碳排放與提升碳排放績效的現實情境下，企業可能通過推進工業智能化以實現節能減排。為此，本文通過尋找工業智能化工具變量的方法緩解可能存在的內生性問題。通常而言，外生性與相關性是選取工具變量需要遵循的必要條件，即工具變量與被解釋變量不相關，而與解釋變量相關，也可以說解釋變量是工具變量影響被解釋變量的唯一路徑。因此本文一是選取美國工業機器人滲透率作為工業智能化的工具變量［18］；二是借鑒Fisman和Svensson（2007）思路選取同省份其他城市工業智能化程度作為工業智能化工具變量［19］。結果顯示在以工具變量解決內生性后工業智能化對碳排放績效的影響依然穩健限于篇幅，該檢驗結果未做報告，如有需要可向作者索取。。

五、傳導路徑分析

基準回歸結果證實了工業智能化對碳排放績效的正向激勵作用，但是并未回答何種因素可能成為工業智能化的作用路徑，為此本文在現有文獻研究的基礎上定量考察產業結構升級與要素優化配置的傳導效應。計量模型構建如下：

cepit=β0+β1indit+β2Xit+σi+τt+εit（2）

medit=α0+α1indit+α2Xit+σi+τt+εit（3）

cepit=γ0+γ1indit+γ2medit+γ3Xit+σi+τt+εit（4）

其中cepit與indit分別為碳排放績效和工業智能化，medit為包含產業結構升級與要素優化配置等在內的中介變量，Xit為與公式（1）完全一樣的控制變量集合。產業結構升級通常有產業結構高級化與產業結構合理化兩種表現形式，因此本文產業結構升級由產業結構高級化與產業結構合理化基于熵權法合成，產業結構高級化選取第三產業與第二產業產值之比表示，產業結構合理化以100/［∑31（YiY）|Yi/LiY/L-1|］測度，其中Yi為i產業產值，Li為i產業從業人數。要素優化配置采用要素市場扭曲反向表征，其中要素市場扭曲=（產品市場市場化程度-要素市場市場化程度）/產品市場市場化程度，當產品市場市場化程度與要素市場市場化程度完全吻合時，要素市場扭曲為0，即要素配置效率較高。

（一）產業結構升級傳導路徑檢驗

表2報告了產業結構升級的中介效應檢驗結果，其中模型1結果顯示工業智能化系數在10%顯著性上為正，表明工業智能化能夠促進單要素碳排放績效的提升；模型2結果顯示工業智能化系數在5%顯著性水平上為正，意味著工業智能化有助于產業結構升級；模型3結果顯示工業智能化系數在10%顯著性水平上為正而產業結構升級系數卻并不顯著，為此需要進行Sobel檢驗以證明產業結構升級是否發揮中介作用，檢驗結果顯示Z值為1.878，在10%顯著性水平上為正，證明了中介效應的存在。模型4-6匯報了全要素碳排放績效下產業結構升級中介效應檢驗，其中模型4結果顯示工業智能化系數在1%顯著性水平上為正，表明工業智能化能夠顯著提升全要素碳排放績效；模型5可知工業智能化系數在5%水平上顯著為正，意味著工業智能化有助于推進產業結構升級；模型6結果顯示工業智能化與產業結構升級系數均顯著為正，暗示工業智能化既能直接作用于全要素碳排放績效又能通過產業結構升級影響全要素碳排放績效，證實了產業結構升級的部分中介作用以及假設H2的合理性。

（二）要素優化配置傳導路徑檢驗

表3匯報了要素配置效應的中介效應檢驗，其中模型1結果顯示工業智能化促進了碳排放績效的提升；模型2結果顯示工業智能化有利于緩解要素扭曲，即工業智能化能夠優化要素配置；模型3結果顯示工業智能化與要素扭曲均顯著且作用方向符合預期，即證明了要素配置在工業智能化與碳排放績效中的傳導作用。模型4-6為全要素碳排放績效下的檢驗結果，其中模型4結果顯示解釋變量工業智能化系數在1%顯著性上為正，表明工業智能化發揮正向激勵作用；模型5結果顯示解釋變量工業智能化系數顯著為負，表明工業智能化能夠緩解要素扭曲，促進要素市場與產品市場合理配置；模型6可知解釋變量工業智能化系數方向和中介變量要素扭曲系數方向分別與模型4與模型5一致，證實了要素配置的部分中介效應以及假設H3的合理性。

六、進一步討論

（一）異質性分析

1.規模異質性

通常而言，不同等級規模的城市在資源整合與職能劃分上存在較大差異，可能呈現出規模經濟與規模不經濟的交替輪換。基于此，本文將城市規模引入，分類考察不同城市規模下工業智能化對碳排放績效的影響。城市規模的界定與劃分依據2014年國務院頒布的《關于調整城市規模劃分標準的通知》，檢驗結果可知小城市、中等城市、特大城市及超大城市工業智能化均不顯著，而僅有大城市工業智能化系數顯著為正，暗示適度的城市規模更有助于工業智能化作用的發揮，可能的原因在于規模經濟與規模不經濟的交替產生，即在城市規模不斷擴張的初期，要素集聚所引發的技術溢出與知識共享能夠促進企業技術升級與技術更新，有助于智能化設備的快速應用與環保型技術的產生。而隨著企業與產業的過分集聚，城市規模的負向效應開始凸顯，特別是在城市治理者缺乏治理能力與管理經驗時，城市內部資源搶奪造成包含勞動力、資本、能源在內的要素短缺，在提升生產成本的同時降低企業技術創新水平限于篇幅，該檢驗結果未做報告，如有需要可向作者索取。

2.資源屬性異質性

長期以來，資源開采與資源粗加工成為眾多資源型城市經濟發展的動力來源，但在面對經濟高質量發展與環境保護雙重壓力下，傳統發展模式已逐漸不可持續，然而長期以來對自然資源的過度依賴使得資源型城市產業結構與就業結構單一，技術創新水平不足。因此在探究經濟發展與環境保護時需考察城市的資源屬性差異。本文基于國務院2013年印發的《全國資源型城市可持續發展規劃（2013-2020年）》（下文簡稱為《發展規劃》）將樣本城市分為非資源型城市與資源型城市，實證檢驗工業智能化對碳排放績效影響的城市資源屬性差異，檢驗結果表明工業智能化能夠促進非資源型城市碳排放績效的提升，而無助于資源型城市碳排放績效的改善。可能的原因在于一方面資源型城市更多地依賴于采掘業，而智能制造技術與設備的應用更多集聚于制造業和生產性服務業；另一方面在資源類行情較好時，資源型城市更注重加大資源開采獲得更高收益而不是進行技術研發，而在自然資源行情下跌時卻又缺乏足夠資金進行設備升級，更容易陷入“資源怪圈”限于篇幅，該檢驗結果未做報告，如有需要可向作者索取。。

（二）外部環境影響

1.人力資本水平

自“人力資本理論”出現以來，人力資本逐漸成為研究技術進步與生產率提升的不可或缺因素。為此本文通過調節效應模型考察人力資本水平在工業智能化與碳排放績效關系中的作用，其中人力資本水平采用高等學校在校生人數與勞動力的比值表征。實證檢驗結果如表4模型1與模型2所示，結果顯示人力資本水平與工業智能化交互項系數均在1%顯著性水平上為正，意味著人力資本水平提升有助于促進工業智能化對碳排放績效的激勵作用。可能的原因在于作為技術密集型產業的代表，工業智能化的發展離不開創新要素的持續投入，人力資本水平的提升在促進智能設備快速使用與生產效率提升的同時，也不斷促使新技術、新業態、新模式的產生，以技術進步的形式反作用于工業智能化。

2.市場化程度

市場化作為我國經濟領域最為重要的制度體系，顯然已經成為經濟活動無法忽視的關鍵因素。前沿研究更多關注于市場化改革能否激勵經濟增長與技術進步［20-21］，普遍認為市場化改革是影響企業創新能力的關鍵。因此，本文進一步考察市場化程度如何影響工業智能化的作用效果，其中市場化程度選取城市層面非國有經濟、行政干預、產品市場成熟度、要素市場完善度等四個維度基于熵權法合成。檢驗結果如表4模型3與模型4所示，可知市場化程度與工業智能化交互項系數分別在1%與5%顯著性水平上為負，意味著市場化程度不利于工業智能化對碳排放績效的促進作用。可能的原因在于一方面市場化程度使得中國制造業在國際產業分工中更易陷入“被俘獲”地位，即在通過組裝獲得收益大于研發時，更傾向于縮減研發經費，不利于中國自主智能制造產業的提升；另一方面智能化革命發展初期，在僅依靠市場機制而缺乏政府支持與政策保護的條件下，制造業企業與研發機構缺乏足夠資金與動力進行智能化創新。

七、結論與政策建議

本文選取中國城市層面樣本數據從實證角度探討中國工業智能化的發展對碳排放績效的影響。研究發現：（1）工業智能化能夠顯著提升碳排放績效，且這一激勵作用無論是在單要素碳排放績效還是全要素碳排放績效下均成立。（2）產業結構升級與要素優化配置是工業智能化作用于碳排放績效的傳導路徑，即工業智能化引發的崗位更替與創造效應在推動要素有序流動的過程中也促使產業結構升級。（3）工業智能化對碳排放績效的作用效果存在顯著的城市規模與資源依賴屬性差異，僅大城市與非資源依賴型城市工業智能化才表現出明顯的正向激勵作用。（4）外部環境可能成為影響工業智能化作用效果的關鍵。智能化革命所依賴的人力資本水平顯著提升了工業智能化對碳排放績效的促進作用，而市場化程度卻顯示出負向影響，從側面證實了環境規制在節能減排與碳排放績效提升中的重要性。

基于此，本文提出如下建議：第一，依托智能化重構產業發展路徑，建立綠色低碳產業發展體系。對于能夠同時兼顧經濟發展與環境保護的高新技術企業，政府應注重產業政策的引導作用，在設立符合地區發展的產業轉型目標的基礎上，構建創新獎勵機制與污染排名機制激發企業自主創新能力，實現技術企業向低碳環保企業轉型。第二，增加高等教育投入與勞動技能培訓力度，以人才紅利助推智能化綠色轉向。作為降低環境污染的重要載體，智能化環保設備的生產、普及與應用需要較多高層次的專業性人才，因此在推動綜合人才與技能人才分流的基礎上，適度擴大高等教育規模提升整體受教育水平可以培養更多的優質人力資本，為智能化環保設備等新型技術的研發儲備力量。第三，警惕過度市場化下企業社會責任的缺失，以環境規制助推碳排放績效的整體改善。推進包含環保法規、環保督察、行政訴訟等在內系列行政手段的制定與實行，加強公檢法與環保部門的聯合執法的頻次，將環保抽查納入企業日常生產經營全過程，加大對私自排污等違法行為的查處力度，在實施過程中要注意環境規制過度引發的經濟下滑等負向影響，努力實現環境規制與經濟政策的合理搭配。

參考文獻：

［1］?徐博禹，劉霞輝.進出口貿易對第一產業的碳排放效應研究——基于中國省級研發投入數據的門檻檢驗［J］．經濟問題，2022（2）：27-33.

［2］?胡久凱，王藝明.地方政府競爭模式轉變與碳排放績效——來自地級市政府工作報告的經驗證據［J］．經濟學家，2022（6）：78-87.

［3］?白雪潔，宋培，王寶璐.碳排放交易制度的節能減排路徑：效率提升還是結構轉型？——來自中國省級數據的準自然實驗［J］．商業經濟與管理，2021（8）：70-85.

［4］?韋東明，顧乃華，韓永輝.人工智能推動了產業結構轉型升級嗎——基于中國工業機器人數據的實證檢驗［J］．財經科學，2021（10）：70-83.

［5］?Gasteiger?E，?Prettner?K.?On?thePossibility?of?Automation-induced?Stagnation［J］．Hohenheim?Discussion?Papers?in?Business，?Economics?and?Social?Sciences，?2017.

［6］?汪前元，魏守道，金山，等.工業智能化的就業效應研究——基于勞動者技能和性別的空間計量分析［J］．管理世界，2022（10）：110-126.

［7］?程鈺，張悅，王晶晶.中國省域碳排放績效時空演變與技術創新驅動研究［J］．地理科學，2023（2）：313-323.

［8］?Pao?H?T，?Tsai?C?M.?MultivariateGranger?Causality?Between?CO2?Emissions，?Energy?Consumption，?FDI?and?GDP：?Evidence?from?a?Panel?of?BRIC（Brazil，?Russian?Federation，?India，?and?China）?Countries［J］．Energy，?2011，36（1）：685-693.

［9］?Al-mulali?U，?Oztur?K?I，?Lean?H?H.?The?Influence?of?Economic?Growth，?Urbanization，?Trade?Openness，?Financial?Development，?and?Renewable?Energy?on?Pollution?in?Europe［J］．Natural?Hazards，?2015，79（1）：?621-644.

［10］馬海良，張格琳.偏向性技術進步對碳排放效率的影響研究——以長江經濟帶為例［J］．軟科學，2021（10）：100-106.

［11］He?A，?Xue?Q，?Zhao?R，?Wang?D.?RenewableEnergy?Technological?Innovation，?Market?Forces，?and?Carbon?Emission?Efficiency［J］．Science?of?The?Total?Environment，?2021，796（3）：148908.

［12］白雪潔，孫獻貞.互聯網發展影響全要素碳生產率：成本、創新還是需求引致［J］．中國人口·資源與環境，2021（10）：105-117.

［13］Liu?J，?Liu?L，?Qian?Y，?Song?S.?TheEffect?of?Artificial?Intelligence?on?Carbon?Intensity：?Evidence?from?Chinas?Industrial?Sector［J］．Socio-Economic?Planning?Sciences，2021，5：101002.

［14］Brynjolfsson?E，?Mitchell?T，?Rock?D.?WhatCan?Machines?Learn?and?What?Does?it?Mean?for?Occupations?and?the?Economy［J］．AEA?Papers?and?Proceedings，?2018，108：?43-47.

［15］Lin?B，?Chen?Z.?DoesFactor?Market?Distortion?Inhibit?the?Green?Total?Factor?Productivity?in?China［J］．Journal?of?Cleaner?Production，?2018，197（1）：25-33．

［16］周迪，周豐年，王雪芹.低碳試點政策對城市碳排放績效的影響評估及機制分析［J］．資源科學，2019（3）：546-556.

［17］Shen?C，?Feng?R，?Yu?B，?Liao?Z.?Industrial?CO2?Emissions?Efficiency?and?its?Determinants?in?China：?Analyzing?Differences?Across?Regions?and?Industry?Sectors［J］．Polish?Journal?of?Environmental?Studies，?2018（3）：?1239-1254.

［18］譚玉松，王林輝，胡晟明.人工智能技術能促進就業質量提升嗎？［J］．哈爾濱商業大學學報（社會科學版），2022（3）：65-77，89.

［19］Fisman?R，Svensson?J.?AreCorruption?and?Taxation?Really?Harmful?to?Growth？?Firm?Level?Evidence［J］．Journal?of?Development?Economics，2007，83（1）：63-75．

［20］Hou?X?H，Wang?Q.?Implications?of?Banking?Marketization?for?the?Lending?Channel?of?Monetary?Policy?Transmission：?Evidence?from?China［J］．Journal?of?Macroeconomics，2013，38：.442-451.

［21］李曉翔，李春于.制度環境對企業創新的“過猶不及”效應研究［J］．哈爾濱商業大學學報（社會科學版），2022（3）：45-56.

Can?Industrial?Intelligence?Promote?the?Improvement?of?Carbon?Emission

Performance？——Based?on?Empirical?Evidence?at?the?Urban?Level?in?China

TAN?Yu-song1，DONG?Zhi-qing2

（1.School?of?Economics?and?Management，Northwest?University，Xian?710127，China;

2.Faculty?of?Economics?and?Management，East?China?Normal?University，Shanghai?200241，China）

Abstract：?As?the?key?to?the?coordinated?development?of?economic?growth?and?energy?conservation?and?emission?reduction，improving?carbon?emission?performance?has?become?a?hot?topic?in?cutting-edge?research.?Starting?from?the?new?round?of?intelligent?technology?revolution，this?article?uses?sample?data?at?the?urban?level?in?China?to?empirically?test?the?impact?of?industrial?intelligence?development?on?carbon?emission?performance?and?possible?transmission?pathways.?The?results?indicate?that?industrial?intelligence?contributes?to?the?improvement?of?carbon?emission?performance，and?this?effect?remains?valid?after?a?series?of?robustness?tests;?Upgrading?the?industrial?structure?and?optimizing?the?allocation?of?factors?are?effective?paths?for?industrial?intelligence?to?improve?carbon?emission?performance;?The?difference?in?the?role?of?industrial?intelligence?lies?in?the?relationship?between?urban?scale?and?resource?dependence.?Moderate?urban?scale?and?non?resource?dependent?cities?have?a?more?significant?effect?on?industrial?intelligence;?The?external?environment?is?the?key?to?influencing?the?effectiveness?of?industrial?intelligence，among?which?high-level?human?capital?enhances?the?impact?of?industrial?intelligence?on?carbon?emission?performance?in?China，while?market-oriented?environment?shows?a?significant?negative?effect，?suggesting?the?role?of?environmental?regulations?in?reducing?pollution?emissions.?The?conclusion?of?this?article?provides?a?new?research?approach?for?improving?carbon?emission?performance?through?modern?information?technology.

Key?words：industrial?intelligence;?carbon?emission?performance;?upgrading?of?industrial?structure;?element?optimization?configuration

（責任編輯：趙春江）