人工智能對企業污染排放的影響效應研究

摘 要：在人工智能蓬勃發展的新階段，企業應用人工智能有助于促進綠色高質量發展。以2008—2021年中國滬深A股上市公司為研究對象，檢驗人工智能對企業污染排放的影響。研究發現，企業采用人工智能可以顯著減少企業的污染排放。在一系列穩健性檢驗下，上述結果保持不變。異質性分析表明，人工智能對東部地區企業、國有企業、勞動密集型企業、非技術密集型企業和大規模企業污染排放的抑制效應更為明顯。機制分析表明，人工智能通過減少企業的勞動力雇傭和提高企業全要素生產率降低企業的污染排放。

關鍵詞：人工智能;企業污染排放;綠色低碳;高質量發展

中圖分類號：F49 文獻標識碼：A 文章編號：1003-7543（2024）11-0072-12

加強生態環境保護和生態文明建設是中國承擔大國責任、展現大國擔當的重要體現。黨的二十屆三中全會指出，要“加快推進新型工業化，培育壯大先進制造業集群，推動制造業高端化、智能化、綠色化發展”。人工智能可以在實時監測污染排放、精準治理污染和優化清潔生產模式等方面發揮重要作用，驅動工業生產流程向綠色化方向轉型。因此，需要推動人工智能在工業生產中的運用以實現生產綠色化轉型。然而，不可忽視的是，中國經濟轉型升級過程中仍然存在著部分行業智能化投入不足、企業生產管理效率低下等問題。本文探討企業使用人工智能對其污染排放的影響，在微觀層面可為企業減排降污、綠色轉型提供新視角，在宏觀層面可為破解經濟發展與環境污染兩難困境、打造綠色高質量發展新增長點提供新動能。

本文以2008—2021年中國滬深A股上市公司為研究對象，匹配全國稅收調查數據中的企業污染物排放等信息，考察人工智能的使用與企業污染排放之間的關系。本研究可能的邊際貢獻體現在以下方面：第一，本文建立多元回歸模型實證檢驗了人工智能對企業污染排放的影響效應，研究發現人工智能可以有效降低企業的污染排放，而勞動力替代和全要素生產率提升是其有效機制。第二，在研究數據上，本文選取的樣本為2008—2021年上市公司樣本，且匹配了全國稅收調查數據，將企業污染相關研究的時間范圍延伸至2021年。第三，本文從企業微觀層面考察人工智能的減排降污效應，為人工智能的相關經濟社會影響提供了新的視角。

一、相9c53483479fdbb6db788e821b496b561關文獻綜述與研究假說的提出

（一）相關文獻綜述

與本研究相關的文獻主要有兩支。

第一支文獻側重于討論企業污染減排的影響因素。從國際貿易的視角來看，韓峰等發現數字化轉型能夠顯著降低企業的污染排放水平[1]。以中國加入世界貿易組織為外生沖擊，陳登科研究發現貿易壁壘下降通過有偏技術進步來降低企業主要污染物的排放強度[2]。Pei等利用中國制造業企業數據，對比出口企業與非出口企業，發現與非出口企業相比，出口企業作出了更多的減排努力，總體更加清潔環保[3]。在環境規制方面，現有文獻針對環境規制能否發揮治理效應進行了大量的研究，但仍然存在分歧。部分文獻發現環境規制能夠發揮積極的治理效應。陳詩一等以工業污染企業為研究樣本，通過雙重差分法研究發現，當排污費提高時，企業污染水平顯著下降，大型企業和中小型企業在降低污染排放時所采取的路徑有所不同[4]。步曉寧等研究發現，政府實施節能采購政策顯著抑制了企業污染排放，同時提高了企業產量和綠色全要素生產率[5]。然而，部分文獻則對環境規制的作用提出了質疑。梁平漢和高楠從“政企合謀”視角出發，發現地方政府和污染企業之間會通過合謀來降低環境規制政策的減排效應[6]。韓超等研究發現，環境規制對企業減排行為的影響是非線性的，短期內環境規制的實施可以促進企業減排，但在規制政策實施末期減排激勵有所松懈，即二者間存在U型關系[7]。在技術創新方面，韓峰等以上市公司為研究樣本，發現數字化轉型通過綠色技術創新效應降低企業的污染排放水平，肯定了技術創新在減少污染排放和推動環境治理方面的積極作用[1]。Chen等借助于跨國數據，就技術創新與環境污染間的關系展開檢驗，發現一個國家的全球化水平越高，技術創新對減少污染排放的影響就越明顯[8]。申晨榮等則得出了相反的結論，認為數字技術創新會對企業污染減排產生顯著負向影響，原因可能是創新能力不足、創新效率不高[9]。此外，還有文獻從對外投資[10]、稅收激勵[11]、產業集聚[12]等角度出發，分析其對企業污染排放的影響，并試圖驗證環境庫茲涅茨曲線假說、污染避風港假說等。

第二支文獻主要分析了人工智能發展帶來的經濟后果。作為新一代信息技術，人工智能是支撐新一輪科技革命和產業變革的通用技術之一，廣泛應用于經濟社會各部門，促使經濟社會組織運行發生深刻變革。目前，相關研究主要聚焦于人工智能發展對經濟增長和技術創新的積極作用，以及人工智能技術對勞動力市場的影響。基于經濟增長視角，蔡躍洲等認為，新一代人工智能基于其滲透性、替代性、協同性和創新性等特征，通過要素替代、效率提升和知識創造等多條路徑，促進了經濟增長[13]。楊光等[14]、Graetz等[15]的研究也得到了類似的結論，均認為人工智能作為新興的數字技術，能夠產生顯著的經濟增長效應。基于技術創新視角，人工智能作為一種知識生產元技術，可以直接作用于科研創新流程。Rammer等發現，人工智能技術已廣泛應用于流程創新，為德國企業部門節省了約6%的年度總成本[16]。Liu等發現人工智能可以通過多種方式推動技術創新，如加大企業研發投入、促進企業人才隊伍建設等[17]。基于勞動力就業視角，近年來越來越多學者開始研究人工智能所帶來的勞動力替代效應，并得到了較為一致的結論，即隨著人工智能的不斷發展，傳統勞動力可能逐漸被機器所替代[18-19]。從整體上看，Xie等發現人工智能降低了中國所有地區對技能勞動力的需求，只在東部地區增加了對高技能勞動力的需求[20]。孔高文等發現人工智能發展明顯降低了中國勞動力市場的就業水平[21]。從行業結構來看，李磊等利用中國的微觀企業數據檢驗了機器人的就業效應，發現機器人使用的就業效應在不同行業之間存在較大差異[22]。何勤等發現人工智能水平顯著降低了制造業就業份額[23]。此外，劉斌等通過人工智能與全球價值鏈行業層面數據的對接，考察了人工智能對全球價值鏈的影響效應，發現人工智能提升了一國行業在全球價值鏈的參與程度與分工地位[24]。呂越等的研究也證實了這一點[25]。

綜上所述，國內外關于人工智能的研究為分析人工智能的經濟后果奠定了良好的基礎，但仍存在一定的改進空間。首先，人工智能技術是一種新的技術形態，研究其對環境污染的影響具有現實意義。雖然既有文獻已從諸多視角探討人工智能的影響效應，但較少關注到人工智能對企業污染排放的影響，其中更是缺乏定量分析和理論機制探討。其次，雖然有少部分學者開始關注人工智能與企業污染排放間的關系[26-28]，但受到工業企業數據等方面的限制，實證研究選取的數據仍停留在2013年左右。然而，人工智能的廣泛發展是在2011年之后。那么，在人工智能蓬勃發展時期，人工智能是否影響企業污染排放，其中的作用機制是什么？準確回答上述問題，不僅有助于深入理解人工智能與企業污染排放間的關系，而且可為實現中國制造業綠色轉型提供指導和參考。

（二）研究假說的提出

Panayotou認為規模擴張效應、技術創新效應和結構轉型效應是技術進步影響環境污染的主要因素[29]。當技術創新效應大于規模擴張效應時，較高水平的技術進步具有高效率、低損耗的特點。技術進步可以促進清潔技術的規模化應用，形成減少污染、推動產業結構向技術密集型和知識密集型方向發展的“良性互動”[30]。波特假說強調了企業通過提升技術創新水平來提高能源利用效率和降低污染排放強度，從而在充滿競爭的環境中實現盈利增長和減少污染排放的雙贏目標。追根溯源，技術創新是治理企業污染的根本。作為新一代信息技術的代表，人工智能具有綠色屬性[31]，在生產領域的應用可以有效提高減排效率[32]。首先，人工智能可以優化生產流程抑制環境污染。相較于智能化生產流程，傳統生產流程更多地依賴人工操作和經驗判斷，且缺乏實時數據支持，可能存在資源浪費和污染排放不合理的情況。而智能化生產流程依賴傳感器、物聯網設備等技術采集實時數據，通過數據分析和機器學習算法進行實時監控和預測，能夠提升生產流程的標準化水平和生產效率，降低單位產出的資源能源消耗，進而降低生產過程中的污染物排放量[33]。同時，智能化生產流程傾向于實現高度自動化，通過自動化設備和智能控制系統實現生產過程的自動化運行和調整，可以降低廢物產生和能源的使用，從而減少污染排放。其次，人工智能技術可以通過綠色技術創新降低污染排放的強度。人工智能技術的自動工具屬性可以有效提高創新資源配置效率，降低綠色技術研發成本，實現高效低損耗的綠色技術創新，從而通過智能化的生產方式降低污染排放強度、提高污染治理能力[34]。最后，人工智能的預警系統能夠識別出潛在的污染源和異常情況，可以在污染問題發生之前采取相關措施，降低企業的污染排放規模。基于此，提出如下研究假說：

H1：企業使用人工智能可以降低其污染排放。

人工智能技術能夠削減企業用工成本，節約企業在生產經營過程中的資金投入，從而提高企業治污能力、降低企業污染排放強度。由于近年來生育率持續下降，勞動力短缺所造成的用工成本增加逐漸成為企業發展不可避免的問題，而人工智能可以被用來替代一些重復性、低附加值的工作，如簡單的數據處理、文件整理等。這樣可以減少企業對低技能勞動力的需求，從而降低勞動力成本。同時，人工智能技術可以優化生產流程，提高資源利用率和生產效率，通過智能排查、預測性維護和實時監控，企業可以更有效地利用現有的勞動力和設備，減少不必要的人力投入，降低生產成本。當企業面臨用工難、用工成本高等問題時，企業會積極引進人工智能，緩解對傳統勞動力的依賴程度，進而有效降低企業面臨的勞動力支付成本，并產生了明顯的勞動力替代效應[21]。基于此，提出如下研究假說：

H2：人工智能通過降低企業勞動力成本來實現降污減排。

人工智能技術可以提升企業的全要素生產率，進而提高企業的能源利用效率，促進能源結構轉型，幫助企業實現降污減排。一方面，利用人工智能的預測能力，企業能夠更準確地預測市場需求、原材料價格波動等走向，有針對性地調整生產計劃，根據客戶需求生產個性化產品，這既能提升客戶滿意度和市場競爭力，又能減少資源的浪費和庫存積壓，從而提升全要素生產率。另一方面，基于機器學習和視覺識別技術，人工智能可以精密控制生產流程、實時監測生產過程，及時發現并解決突發問題，提高產品的質量和附加值，從而促進全要素生產率的提升。與此同時，全要素生產率的提升又可以帶動企業更加有效地利用生產要素，降低單位產品的生產成本，推動企業在生產過程中減少資源浪費、促進能源利用效率提升。全要素生產率的提升意味著企業能夠以更低的成本和投入產出不低于過去的產值，這種生產效率的改進可以讓企業減少單位產出上的各類要素投入，從而減少生產環節的污染排放和能源消耗，促進企業實現降污減排。基于此，提出如下研究假說：

H3：人工智能通過提升企業全要素生產率來實現降污減排。

二、研究設計

（一）數據來源

本文采用2008—2021年滬深A股上市公司面板數據展開研究，剔除了金融行業、ST股和*ST股企業。由于傳統的企業排污監測數據信息僅到2014年，因而本文通過全國稅收調查數據獲得上述上市公司企業層面的污染物排放量和各類控制變量信息。全國稅收調查數據由政府相關部門按照分層隨機抽樣方法向企業發放調查表，調查內容涉及企業的各類基本特征、財務指標、稅費繳納、能源消費、污染排放等信息。其他數據主要來自國泰安CSMAR數據庫。

（二）模型構建

為檢驗人工智能對企業污染排放的影響，本文構建如下計量模型：

Pollutionit=α0+α1AIit+α2Xit+δj+λt+εijt（1）

其中，Pollutionit是企業污染排放水平，AIit為企業應用人工智能的程度，Xit是控制變量，j和t分別代表行業和時間，δj和λt分別為行業固定效應和時間固定效應，εijt 是隨機誤差項。

（三）變量定義

本文關注的被解釋變量是企業層面的污染排放水平（Pollutionit），包括工業廢氣中的二氧化硫和氮氧化物排放量，以及工業廢水中的化學需氧量和氨氮排放量。具體而言，參考毛婕等的做法[35]，首先根據《排污費征收標準管理辦法》確定污染當量值，然后將前述四類污染物排放量進行標準化處理，將其折算為統一的污染當量數，最后將各指標加總后取對數（加1取對數），由此得到一個綜合指標，可以刻畫上市企業的整體污染排放水平。

本文關注的核心解釋變量是企業層面使用人工智能的水平（AIit）。企業在現實生產過程中對于人工智能的應用程度會深刻影響企業的雇傭勞動力數量和就業結構。在以往的研究中，學者們通常采用全要素生產率、專利授權數等指標度量企業的人工智能使用水平。由于目前我國人工智能技術的應用仍然處于較為初步的階段，企業內部“機器或設備換人”是人工智能影響勞動力就業或企業雇傭決策的主要途徑之一，因而本文以人均機器賬面價值衡量人工智能的使用水平。相較之下，全要素生產率、專利授權數等指標不僅受到人工智能使用水平的影響，而且受到其他各類因素的影響，比如企業是否屬于高科技企業等。因此，這里借鑒何勤等[23]、孫文遠等[36]等文獻的做法，以企業的人均機器賬面價值來衡量其人工智能使用程度，即，AI=機器賬面價值總額/員工總人數。

本文的控制變量主要有企業資產規模（Size）、以赫芬達爾指數衡量的壟斷指數（HHI）、以企業總資產與總負債之比衡量的總資產收益率（ROA）、固定資產占比（Fixed）、資產負債率（Lev）、企業年齡（Age）、營業收入（Income）。變量定義見表1。

三、實證分析

（一）描述性統計

核心變量的描述性統計結果見表2。由表2可知，企業污染排放Pollution的均值為0.143，最小值為0.126，最大值為0.151，與以往研究調查的情況基本一致。人工智能使用程度的最小值為0，最大值為1，標準差為0.027。

（二）基準回歸

根據模型（1）進行回歸，表3（下頁）報告了人工智能對企業污染排放的影響。列（1）為未添加控制變量和固定效應的估計結果，列（2）為添加了控制變量的基準回歸分析結果，列（3）在列（2）的基礎上加入行業固定效應和年份固定效應，所有回歸中標準誤聚類到企業層面。可以看出，AI的估計系數始終為負，尤其是列（3）在1%的水平上顯著。由表3的回歸結果可知，企業對人工智能的應用顯著減少了其污染排放水平。從控制變量系數來看，在控制行業與年份固定效應后，很多控制變量的系數不再顯著，可能的原因是這些變量與行業和年份的固定效應存在一定程度的多重共線。

人工智能對企業污染排放產生抑制效應的可能原因如下：第一，相較于人工操作，人工智能使得機器運作在一些常規性、復雜性勞動方面具有較大的比較優勢[37]。人工智能技術能夠分析大量數據，優化生產流程和資源利用效率，從而降低能源消耗和減少廢棄物排放。第二，人工智能系統可以實時監測與環境相關的數據和生產過程中的各類參數，并預測可能會產生污染的情況，有助于及時采取措施來減少污染排放。第三，人工智能在能源管理方面的應用，如智能照明、智能供暖等技術，可以幫助企業減少能源消耗，降低對環境的負面影響。第四，利用人工智能技術進行設備狀態監測和預測性維護，可以降低設備發生故障的頻率，從而降低生產過程中的污染排放。

（三）穩健性檢驗

1.更換被解釋變量

為檢驗人工智能對企業排放影響的穩健性，這里引入企業廢氣排放指標作為被解釋變量進行考察。企業廢氣排放指標由二氧化硫和氮氧化物排放量計算得到，具體而言，對上述兩種廢氣排放量進行標準化處理，折合成污染當量數并加總取對數（加1取對數）。表4（下頁）列（1）的結果顯示，人工智能在10%的水平上顯著降低了企業的氣體污染排放水平，與基準回歸結論一致。

2.更換回歸樣本

制造業作為工業企業中污染排放的主體行業，是全球溫室氣體排放的主要來源之一。而在制造業企業中，大量的專用設備（尤其是計算機、通信和其他電子設備）被用于人工智能相關的生產活動。這里將回歸限定在制造業的企業樣本中，結果如表4列（2）。核心解釋變量回歸系數在1%水平上保持顯著，再次證明了基準回歸結論的穩健性。

3.剔除特殊年份

考慮到2020年新冠疫情的干擾，本文剔除2020年的樣本后進行分析，結果如表4列（3）所示。結果表明，在剔除新冠疫情影響后，人工智能使用與企業污染排放間的回歸系數依然為負，且在1%的水平上顯著。

4.剔除直轄市

由于中國的直轄市行政級別較高、市場資源較為豐富，整體而言經濟環境較為寬松，多數企業更愿意將辦公場所設立在這些城市。這里僅保留普通地級市樣本，依然按照模型（1）進行回歸，結果如表4列（4）所示。結果表明，在剔除直轄市的企業樣本后，人工智能使用與企業污染排放間的回歸系數依然顯著為負。

5.滯后一期

隨著企業對人工智能的應用程度不斷提升，企業污染排放強度明顯減少。同時，如果企業污染排放量過高，那么企業很可能會受到相關監管部門的監督，從而不得不增加對人工智能設備的投資。為緩解雙向因果問題所造成的估計偏誤，在此使用滯后一期的AI水平作為解釋變量，按照模型（1）重新進行回歸。回歸結果如表4列（5）所示，滯后一期的AI系數仍在1%的水平上顯著為負。

6.控制企業固定效應

前文基準回歸中控制了行業固定效應和年份固定效應，為應對企業層面的遺漏變量導致的內生性問題，這里進一步控制企業固定效應展開考察。結果如表4列（6）所示，可以發現在控制企業固定效應影響后，人工智能對污染排放的影響有所下降，但仍然在5%的水平上保持顯著，這進一步驗證了前文基本回歸結果的可靠性。

四、進一步分析

（一）異質性檢驗

為進一步考察不同內外部環境對人工智能與企業污染減排之間關系的影響，本文分別從企業所處地域、企業產權性質、行業勞動密集度、行業技術密集度和企業規模五個方面展開考察。

1.地域異質性

不同地區的經濟結構各不相同，有些地區可能更加依賴于傳統產業，而另一些地區可能更注重高科技和創新。因此，不同地區企業人工智能的應用水平對其減排降污的影響效果也可能不同。為分析人工智能應用程度對不同地區的企業污染排放的異質影響，這里把觀測數據劃分為東部地區企業、中部地區企業和西部地區企業三個子樣本分別進行回歸。表5（下頁）列（1）—（3）結果顯示，人工智能在1%的水平上顯著降低了東部地區企業的污染排放，但在中部、西部地區企業樣本中，核心解釋變量AI的回歸系數雖然為負，但并不顯著。這可能是因為相較于中西部地區，東部地區經濟更發達、技術更先進、人力資源更豐富，同時政府對企業創新給予的支持力度更大，從而使得東部地區人工智能所帶來的企業污染減排效果更優于中西部地區。

2.產權異質性

國有企業和非國有企業在經營理念、決策機制和市場競爭方面存在顯著差異，因而人工智能使用程度對這兩類企業的污染排放可能產生異質性影響。為分析不同產權性質企業人工智能應用程度對企業污染排放影響的差異，這里根據企業的所有制性質將企業分為國有企業和非國有企業，結果見表5列（4）—（5）所示。結果表明，相較于非國有企業，國有企業人工智能對企業降污減排效果更顯著。這可能是因為，國有企業與政府部門聯系更加緊密，在獲取新技術運用、財政、稅收、融資等其他優惠政策的支持方面有更大的優勢，因而國有企業將人工智能等技術深度應用到生產經營環節中的能力更強，使得其降污減排的表現得到進一步提高。

3.行業勞動密集度異質性

資本密集型企業依賴大量的資本投入，而勞動密集型企業則以勞動力投入為主。通過生產要素密度來分析人工智能使用對企業污染排放的影響，有助于深入理解不同類型企業在面臨人工智能等科技變革時的差異性挑戰和機遇。基于此，本文把觀測數據劃分為勞動密集型企業和非勞動密集型企業兩個子樣本進行檢驗。表6（下頁）列（1）、列（2）的結果表明，人工智能在1%的水平上顯著降低了勞動密集型企業的污染排放，但對于非勞動密集型企業的污染排放并不存在顯著影響。對于勞動密集型企業而言，人工智能的應用使得傳統勞動力被人工智能取代的可能性大大提高，因人工操作失誤所帶來的環境污染問題會相應減少，所以人工智能的引入對其污染排放所產生的抑制效應更加明顯。

4.行業技術密集度異質性

這里依據行業綠色全要素能源效率的中位數，將樣本數據劃分為技術密集型企業和非技術密集型企業兩個子樣本分別進行檢驗。結果表明，相較于技術密集型企業，人工智能的應用顯著降低了非技術密集型企業的污染排放，這可能是因為，相較于技術密集型企業，非技術密集型企業自動化程度或機械化程度較低，需要大量的人工操作，容易出現人工操作失誤導致的污染問題，而人工智能在這些行業的應用能夠避免這些問題，從而促進企業降污減排。

5.規模異質性

企業的能源消耗和污染減排需求因企業規模的不同而呈現差異，這里依據企業規模進行異質性檢驗。本文以中位數為劃分依據，把觀測數據劃分為大規模企業和小規模企業兩個子樣本。由表6列（5）、列（6）的結果可以看出，相較于小規模企業，人工智能對大規模企業的污染減排效果更顯著，這可能是由于大規模企業對能源的需求更高，污染排放需求也隨之提高。因此，相較于小規模企業，推動大規模企業污染減排是政府工作的重點。在此背景下，大規模企業需要投入更多資金購買節能減排設備，采用節能減排技術來推動企業綠色化發展。

（二）機制分析

1.勞動力成本

企業的勞動力成本對企業的污染排放有著顯著的影響。基于最低工資調整沖擊的證據表明，企業會通過機器替代人工以減少勞動力雇傭從而降低污染排放水平。人工智能技術的發展與應用對就業產生的創造效應或就業替代效應都會對企業雇員數量產生影響[24]。本文以企業員工數量作為企業勞動力情況的代理指標進行考察，結果如表7列（1）所示。可以發現，企業應用人工智能能夠顯著減少企業雇傭的員工數量。通過降低企業勞動力成本以提高企業的污染治理能力，可能是因為隨著人工智能應用水平的提升，企業生產過程中的自動化水平和智能化水平得到提高，減少了企業對傳統勞動力要素的投入需求，進而降低企業的勞動力成本。同時，隨著勞動力成本的下降，企業將有更多的資金投入環境治理、創新等方面，從而提高企業的綠色化水平。

2.全要素生產率

全要素生產率是衡量生產率水平的有效指標，企業的生產率水平越高表明其技術水平和管控能力越高，這都有助于降低企業在生產經營過程中的污染排放。這里以全要素生產率作為機制變量展開研究，結果如表7列（2）所示。可以發現，人工智能能夠顯著促進企業全要素生產率提升。而企業全要素生產率的提高既可以源于技術進步，又可以通過生產要素的重新組合優化資源配置，即在生產要素投入之外資本、勞動、能源及其他要素的優化組合和管理改善。這可能是由于人工智能運用于生產經營從而優化企業生產流程。除此之外，人工智能技術具有較強的外溢性，能夠促使企業采用其他新興生產技術來提高生產效率，從而降低企業污染排放。

五、研究結論與政策建議

本文以人均機器賬面價值來衡量企業人工智能應用水平，基于2008—2021年中國滬深A股上市公司數據，實證檢驗了人工智能應用對企業污染排放的影響及其作用機制。研究發現：第一，人工智能應用顯著降低了企業污染物排放，且這一結論在經過多種穩健性檢驗后依然成立。第二，人工智能的降污減排效應具有明顯的異質性，從地區異質性來看，在東部地區的企業中，這一效應十分顯著，但在中西部地區的企業中，該效應并不顯著;從企業異質性來看，國有企業、勞動密集型企業、非技術密集型企業、大規模企業中人工智能的降污減排效應更為顯著。第三，人工智能應用的降污減排效應主要通過降低勞動力成本和提高企業全要素生產率來實現。

基于上述結論，提出如下政策建議：

第一，在促進綠色高質量發展的過程中，鼓勵企業加大對人工智能技術的投入。企業采用人工智能可以降低其污染排放水平，從而產生對社會的外部正向回報，這意味著人工智能的采納和應用水平可以帶來正外部性。因此，在追求綠色高質量發展的新階段，政府可以鼓勵甚至補貼企業的人工智能研發和應用，這有助于產生正向的社會收益。

第二，在推廣人工智能技術的過程中，政府應有針對性地制定相關政策措施。對于中西部地區企業、非國有企業、非勞動密集型企業、技術密集型企業、小規模企業，人工智能的減污降排效應并不顯著，對此政府可以實施精準幫扶，通過財政補貼、稅收減免的形式向該類企業提供資金支持和稅收優惠，降低其研發和應用人工智能的經濟成本，提高其在人工智能領域的投入積極性。對于東部地區企業、國有企業、勞動密集型企業、非技術密集型企業、大規模企業，人工智能對污染排放的抑制作用已取得一定成效，政府應繼續鼓勵并支持其對人工智能技術的開發利用，同時還可以鼓勵企業進行技術合作，打破信息壁壘，促進技術創新成果的共享，形成全方位的人工智能產業聯動效應[38]。

第三，在加快人工智能推廣和應用的同時，要加強環境規制，增強企業的環保意識和社會責任感。環保部門要堅決貫徹落實現有法律法規，健全人工智能監管體系，加強環保信息披露，通過嚴格的執法來確保企業遵守環保法規，并對違規行為進行嚴懲，以強化企業環保意識。與此同時，政府還可以通過提供環保獎勵和補貼，激勵企業采用更環保的生產技術和管理手段，促使其在生產過程中更注重利用人工智能等先進技術來提高效率和降污減排。 [Reform]

參考文獻

[1]韓峰，黃敏，姜竹青.企業數字化、網絡地位與污染減排[J].世界經濟，2024（2）：204-232.

[2]陳登科.貿易壁壘下降與環境污染改善——來自中國企業污染數據的新證據[J].經濟研究，2020（12）：98-114.

[3]PEI J， STURM B， YU A. Are exporters more environmentally friendly？ A re-appraisal that uses China's micro-data[J]. The World Economy， 2021， 44（5）： 1402-1427.

[4]陳詩一，張建鵬，劉朝良.環境規制、融資約束與企業污染減排——來自排污費標準調整的證據[J].金融研究，2021（9）：51-71.

[5]步曉寧，趙麗華.自愿性環境規制與企業污染排放——基于政府節能采購政策的實證檢驗[J].財經研究，2022（4）：49-63.

[6]梁平漢，高楠.人事變更、法制環境和地方環境污染[J].管理世界，2014（6）：65-78.

[7]韓超，王震，田蕾.環境規制驅動減排的機制：污染處理行為與資源再配置效應[J].世界經濟，2021（8）：82-105.

[8]CHEN Y， LEE C C. Does technological innovation reduce CO2 emissions？ Cross-country evidence[J]. Journal of Cleaner Production， 2020， 263： 121550.

[9]申晨榮，高波.數字技術創新、跨行業技術溢出與企業環境績效——基于上市公司數字專利研發視角[J].山西財經大學學報，2023（12）：1-15.

uQNJa7Wu0VMCobq+flmAFg==[10] 劉曉丹，閆帥.對外直接投資對母國企業污染排放的影響[J].國際貿易問題，2023（2）：143-157.

[11] 呂越，張昊天，薛進軍，等.稅收激勵會促進企業污染減排嗎——來自增值稅轉型改革的經驗證據[J].中國工業經濟，2023（2）：112-130.

[12] 蘇丹妮，盛斌.產業集聚、集聚外部性與企業減排——來自中國的微觀新證據[J].經濟學（季刊），2021（5）：1793-1816.

[13] 蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業[J].數量經濟技術經濟研究，2019（5）：3-22.

[14] 楊光，侯鈺.工業機器人的使用、技術升級與經濟增長[J].中國工業經濟，2020（10）：138-156.

[15] GRAETZ G， MICHAELS G. Robots at work[J]. Review of Economics and Statistics， 2018， 100（5）： 753-768.

[16] RAMMER C， FERNANDEZ G P， CZARNITZKI D. Artificial intelligence and industrial innovation： Evidence from German firm-level data[J]. Research Policy， 2022， 51（7）：104555.

[17] LIU J， CHANG H H， FORREST Y L， et al. Influence of artificial intelligence on technological innovation： Evidence from the panel data of China's manufacturing sectors[J].Technological Forecasting and Social Change， 2020， 158： 120142.

[18] ACEMOGLU D， RESTREPO P. Robots and jobs： Evidence from US labor markets[J]. Journal of Political Economy， 2020， 128（6）：2188-2244.

[19] 屈小博，黃海.機器人應用、人機適配與工資效應[J].世界經濟，2024（10）：186-220.

[20] XIE M M， DING L， XIA Y， et al. Does artificial intelligence affect the pattern of skill demand？ Evidence from Chinese manufacturing firms[J]. Economic Modelling， 2021， 96： 295-309.

[21] 孔高文，劉莎莎，孔東民.機器人與就業——基于行業與地區異質性的探索性分析[J].中國工業經濟，2020（8）：80-98.

[22] 李磊，王小霞，包群.機器人的就業效應：機制與中國經驗[J].管理世界，2021（9）：104-119.

[23] 何勤，李雅寧，程雅馨，等.人工智能技術應用對就業的影響及作用機制研究——來自制造業企業的微觀證據[J].中國軟科學，2020（S1）：213-222.

[24] 劉斌，潘彤.人工智能對制造業價值鏈分工的影響效應研究[J].數量經濟技術經濟研究，2020（10）：24-44.

[25] 呂越，谷瑋，包群.人工智能與中國企業參與全球價值鏈分工[J].中國工業經濟，2020（5）：80-98.

[26] 林熙，劉啟仁，馮桂媚.智能制造與綠色發展：基于工業機器人進口視角[J].世界經濟，2023（8）：3-31.

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

[28] 陳昊，閆雪凌，朱博楷.機器人使用影響污染排放的機制和實證研究[J].中國經濟問題，2021（5）：126-138.

[29] PANAYOTOU T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[Z]. Working Papers， 1993， No.238： 1-45.

[30] ACEMOGLU D， AGHION P， BURSZTYN L， et al. The environment and directed technical change[J]. The American Economic Review， 2012， 102（1）： 131-166.

[31] BAG S， PRETORIUS J H C. Relationships between industry 4.0， sustainable manufacturing and circular economy： Proposal of a research framework[J]. International Journal of Organizational Analysis， 2022， 30（4）： 864-898.

[32] VIVANCO D F， KEMP R， VANDER VOET E. How to deal with the rebound effect？ Apolicy-oriented approach[J]. Energy Policy， 2016， 94：114-125

[33] FORSLID R， OKUBO T， ULLTVEIT-MOE K H. Why are firms that export cleaner？ International trade， abatement and environmental emissions[J]. Journal of Environmental Economics and Management， 2018， 91：166-183.

[34] LEE C C， QIN S， LI Y Y. Does industrial robot application promote green technology innovation in the manufacturing industry？[J]. Technological Forecasting and Social Change， 2022， 183： 121893.

[35] 毛捷，郭玉清，曹婧，等.融資平臺債務與環境污染治理[J].管理世界，2022（10）：96-109.

[36] 孫文遠，劉于山.人工智能對勞動力市場的影響機制研究[J].華東經濟管理，2023（3）：1-9.

[37] 王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據[J].經濟研究，2020（10）：159-175.

[38]朱蘭.人工智能與制造業深度融合：內涵、機理與路徑[J].農村金融研究，2023（8）：60-69.

Research on the Impact of Artificial Intelligence on Corporate Pollution Emissions

WANG Wei LIANG Chao

Abstract： In the new stage of booming development of artificial intelligence， the application of artificial intelligence by enterprises can help promote green and high-quality development. This article takes Chinese A-share listed companies from 2008 to 2021 as the research object to examine the impact of artificial intelligence on corporate pollution emissions. Research has found that the adoption of artificial intelligence by enterprises can significantly reduce their pollution emissions. Under a series of robustness tests， the above results remain unchanged. Heterogeneity analysis shows that artificial intelligence has a more significant inhibitory effect on pollution emissions from enterprises in the eastern region， state-owned enterprises， labor-intensive enterprises， non technology intensive enterprises， and large-scale enterprises. Mechanism analysis shows that artificial intelligence reduces labor employment and improves total factor productivity to reduce pollution emissions.

Key words： artificial intelligence; corporate pollution emissions; green and low-carbon; high-quality development

基金項目：國家自然科學基金面上項目“中國基礎教育資源的空間錯配及其優化研究”（72374126）;國家自然科學基金面上項目“減污降碳視角下長江經濟帶種養結合循環農業的生態經濟效率：時空演進與提升策略”（42371306）;山東省泰山學者工程資助項目（tsqn202306088）。

作者簡介：王薇，華中農業大學科學技術發展研究院編輯，華中農業大學農業綠色低碳發展實驗室研究員;梁超（通信作者），山東大學經濟研究院研究員。