人工智能對工業綠色全要素生產率的影響

馮樂童

（天津商業大學， 天津 300000）

0 引言

隨著中國經濟的發展，能源消耗和環境污染問題日益嚴重。綠色發展代表了當今世界的一個重要趨勢，這是一種科學的發展方向。當前，中國經濟正處于轉型的關鍵階段，要實現有質量的經濟發展，就必須走綠色發展之路。過去，很多研究者用TFP 來衡量經濟發展，但這種方法沒有考慮能源、環境等因素的影響。相比之下，全要素生產率的綠色衡量標準包含了這些因素，符合當前的經濟發展理念。因此，綠色全要素生產率正逐漸成為一個重要的政策問題。

在當前智能化和工業經濟發展的背景下，人工智能與工業綠色GDP 之間的聯系及其影響機制尚未對現有文獻中提出的問題給出明確答案。因此，本文利用省級面板數據，實證研究人工智能對工業綠色全要素生產率的影響，為智能化工業企業經濟發展提供相關的理論實證基礎。

1 文獻綜述

有關人工智能的文獻涵蓋了兩個主要方面：測量標準和影響。在衡量標準方面，有許多科學文獻專門探討了人工智能的發展，其中,定量研究文獻提供了具體指標來衡量人工智能的發展水平。這些指標可以用于評估人工智能技術的進步和應用在不同領域的影響。因此，通過研究人工智能的測量標準和影響，可以更全面地了解這一領域的文獻，并深入探討人工智能的發展及其對社會和經濟的影響。Borland 和Coelli[1]提出將信息處理、軟件和信息技術服務業的全社會固定投資之和與國內生產總值之比作為衡量人工智能發展水平的指標。此外，也有研究學者將中國制造業細分行業與國際財務報告準則的制造業分類相關聯，用工業機器人裝機容量作為衡量人工智能發展水平的指標[2]。當前，人工智能的發展方向與五大新發展理念一致，能夠通過多種方式促進經濟高質量發展，包括改革生產方式和優化交換方式等。

在綠色全要素生產率的相關研究中，衡量全要素生產率的綠色方法主要分為參數法和非參數法兩種。在參數法中，武義清等人[3]引入潛在效率因子來計算河北省各市的綠色全要素生產率。在非參數法中，陳超凡[4]依靠ML 指數的距離函數來測算中國的綠色全要素生產率，并進一步發現中國不同地區的綠色全要素生產率存在顯著的異質性。

一些研究人員對影響GTFP 的因素進行了深入研究，發現能源效率、產業結構優化和其他因素可以提高GTFP。此外，也有研究者認為，環境治理投資、人口規模和扭曲因素等因素對綠色全要素生產率有顯著影響。

研究者原則上認同人工智能能夠促進綠色TFP發展的結論。基于省級數據進行的實證分析表明，人工智能技術的開發和應用能夠顯著提高環保生產和管理水平。同時，研究者認為，人工智能等新技術與制造企業、政府等領域形成的智慧城市，可以提高區域綜合生產力水平。

2 人工智能對工業綠色全要素生產率的直接效應

人工智能技術的成功發展和廣泛應用，引發了生產方式、產業關聯方式和宏微觀經濟運行方式的多方面變革，提供了更加綠色的生產方式、更加高效的工作方式和更加有力的發展范式，實現了多層次、全方位的綠色增長。首先，從生產管理上看，人工智能具有自學習、自適應和自活動的特點，可以實現對生產環境的實時動態監測和智能控制，推動 “管末控制” 的主動清潔生產環境管理模式。例如，華為云與精銳數智科技公司聯合推出 “煤礦大腦” 解決方案，應用人工智能技術，深度檢測煤炭生產過程運維中的損耗效率和污染信息，并提供優化解決方案，提高煤礦生產效率、并提供優化方案，改進生產工藝或生產流程，幫助煤礦企業治污、降本增效，促進效率提升。其次，從產業鏈角度看，人工智能的分布式創新特征可以促進創新要素的集聚與重新布局、協同配置以及加速產業鏈自身的綠色技術改造，進一步擴散綠色技術的影響，使產業鏈的上游、中游和下游環節、生產工藝、研發設計、生產加工和運輸裝配等提高運行效率，降低能耗和污染，促進產業的整體生態化發展。最后，從經濟運行角度看，隨著資源要素的適度開發、發展環境的成熟、配套技術的完善以及配套產業的補充，人工智能與傳統技術不僅可以更好地滲透到經濟的各個行業，應用合成，高效發展、倒逼生產效率和資源利用效率的大幅提升，而且可以大量聚焦綠色技術創新，這些新產業、新業態可以在更大范圍、更大規模上實現資源的 “再利用、減量化和再循環” ，從而真正實現提高產業生產環境效率的目標。

3 研究設計

3.1 計量模型構建

基于上述理論分析，本文采用以下固定面板模型來研究人工智能對制造業企業全要素生產率的影響，構建以下模型：

式中：i為城市；t為年份；GTFP 為被解釋變量（式中用PGTF，i，t表示），是城市綠色全要素生產率的累乘指標；AI 為核心解釋變量（式中用LAI表示），表示人工智能發展水平，采用人工智能專利授權量進行衡量；Controls為一系列控制變量的集合，包括財政支出、金融發展水平、對外貿易和地區生產總值；α0為常數項；α1和α2分別為人工智能發展對工業綠色全要素生產率的邊際貢獻和其他控制變量的系數；εi，t為隨機擾動項。

3.2 變量解釋

3.2.1 被解釋變量

本文中，GTFP 作為解釋變量的本質，是以最小的環境成本和投入實現城市經濟增長。其中，勞動力、資本和能源是投入變量，GDP 和污染物排放是產出變量。

在勞動力投入方面，本文中的勞動力是指年末城市從業人員數。

資本投入，即實際資本存量，是根據張軍[5]等人的方法計算的，公式為Kt=It+（1-r）Kt-1。假設初始資本存量為初始固定資本投資的10%，固定資產折舊率統一為9.6%，然后計算出以2003 年為基期的各城市資本存量。

在能源方面，選擇市區年用電總量作為期望產出的衡量指標。

期望產量是通過計算2003 年各地級市的實際GDP 來衡量的。非期望的產出選擇工業廢水、工業SO2和工業煙（粉）塵排放作為非期望產出的指標。這些指標是基于環境數據的可得性及其經濟影響進行選取的。

3.2.2 解釋變量

選取人工智能作為解釋變量，本文沿用了彭代彥[6]采用人工智能發明專利數據衡量人工智能的方法，但基于使用世界知識產權組織（WIPO）發布的國際專利分類（IPC 分類）清單，作為人工智能專利申請技術領域的檢索和分析，來測算2007—2020 年人工智能專利授權量。可以看出，這種方法既避免了指標過于偏重某一方面的問題，又克服了指標將技術分開的缺點，能夠更加全面地反映人工智能的發展水平。同時，選取相關發明專利授權量的數據來衡量新技術發展的影響，也是比較常見的做法。

3.2.3 控制變量

本文以人工智能為自變量，以工業GTFP 為因變量，分析了人工智能對工業綠色全要素生產率的影響。由于其他相關因素也會影響人工智能和工業GTFP，因此，選取了財政支出水平、城市金融發展水平、對外開放水平和各城市經濟發展水平等相關變量作為控制變量。具體變量的描述性統計如表1 所示。其中，平均GTFP 為1.647（＞1），表明自2007 年以來，中國工業GTFP 總體呈上升趨勢。

表1 描述性統計

3.3 數據來源

根據數據的可獲得性，本文選擇了2007—2020年中國30 個省（自治區、直轄市）的面板數據作為分析樣本。人工智能專利申請數據來自世界知識產權組織（WIPO）發布的國際專利分類器（IPC），其他變量數據來自《中國統計年鑒》《中國能源統計年鑒》和各省統計年鑒。如果某些城市的數據缺失，則采用內插法補全數據。

4 實證結果與分析

4.1 人工智能與工業GTFP 的相關性分析

為了直觀地觀察人工智能發展水平與工業GTFP之間的關系，繪制了二者的二維散點圖和線性擬合直線，如圖1 所示。由圖1 可以看出，人工智能發展水平與工業GTFP 之間呈現正相關關系。在國家大力促進綠色轉型發展和加快發展人工智能建設的背景下，人工智能的蓬勃發展是否有效地促進了中國工業綠色TFP 的提升？下文將通過嚴格的實證檢驗進行驗證。

圖1 人工智能與工業GTFP 的關系

4.2 基準回歸結果分析

首先，本文利用豪斯曼檢驗法選擇國家面板數據的計量經濟模型，檢驗結果顯著，拒絕了隨機效應的原假設，這表明在實證分析中應選擇固定效應模型。其次，為考察人工智能對綠色綜合生產率的影響，本文采用逐步回歸法，分別對政府干預程度（gov）、金融發展水平（fina）、對外貿易（open）和國內生產總值（Pgdp）等主要解釋變量和控制變量進行回歸估計。本文采用逐步回歸法對人工智能和工業GTFP 進行檢驗，實證結果表明，關鍵變量的系數和顯著性符合預期，說明固定效應模型的結果相對穩定，比較回歸結果如表2 所示。

表2 固定效應模型回歸結果

在模型（1）中不添加任何控制變量的情況下，結果顯示：主要解釋變量人工智能（AI）對綠色要素總績效的回歸系數為0.366，通過了1%的顯著性檢驗，說明人工智能的發展與綠色要素總績效之間存在顯著的正相關關系，證實了人工智能的發展具有環保價值，能夠以環保、高質量的方式促進經濟發展，符合當前綠色發展的新理念，證實了人工智能能夠促進城市層面綠色要素總生產力水平的提升。

在模型（5）中，在控制變量的作用下，政府預算支出（gov）通過了1%水平的顯著性檢驗，但其系數值為負，表明政府預算支出的增加無法促進區域綠色經濟增長質量的提高。這是由于地方政府的財政行為更傾向于發展能帶來 “生產力” 的工業產業，而忽視了環境保護。城市金融發展（fina）對GTFP 有益，表明金融業的不斷發展為企業提供了多種融資渠道，降低了融資成本，并合理引導資金流向環保產業和高新技術產業，從而提高了城市的GTFP。然而，對外開放程度（open）與中國綠色TFP 顯著負相關，說明地區出口企業在經濟效應和環境效應中忽略后者。各城市經濟發展水平（Pgdp）的系數值為正，但不顯著，說明在整體經濟增長的同時，環境要素的整體生產力水平并沒有得到有效提高，這是由于各城市的GDP 統計并不重視相關環保產業，沒有將環境環境和污染物排放納入相關統計結果中。

5 研究結論與政策啟示

5.1 研究結論

人工智能促進工業GTFP 對我國實現企業綠色發展與可持續發展具有重要意義。在系統梳理人工智能對GTFP 效應的基礎上，本文基于2007—2020 年中國30 個省份（西藏和港澳臺地區除外）的面板數據，運用SBM方向距離函數與GML 指數對各省份的GTFP進行測算，通過人工智能專利申請數據衡量了各省份人工智能發展水平。基于此，采用固定效應模型實證檢驗了人工智能對工業GTFP 的影響效應。結果表明：根據全國樣本數據，人工智能的發展對于提高工業GTFP 具有顯著的積極影響。人工智能發展水平每變化1%，會引起工業綠色GDP 0.366%的變化。人工智能可以通過多種途徑間接提高工業GTFP，包括推動金融發展水平、加速技術進步以及優化能源結構等。

5.2 政策啟示

1）繼續推動人工智能的發展，在綠色行業中有效利用人工智能的力量，促進工業綠色經濟提質增效。要立足各地區的比較優勢，推進能夠帶來社會經濟效益的新型數字基礎設施建設，為全面提高工業綠色生產力作出貢獻。

2）積極關注人工智能與工業綠色創新的互動融合，加強數據要素供給，建立企業數據采集共享機制，建立企業數據共享中心，開發資源，催生工業綠色發展新動能。

3）各地區應充分利用資源稟賦，推動工業全要素生產率實現綠色突破。各地區應加大人工智能領域人才培養和科研技術投入力度，提高企業資源利用效率，實現各地區工業綠色轉型發展，促進工業經濟高質量發展。