智能制造何以賦能中國(guó)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型？

摘" "要：如何有效釋放智能制造促進(jìn)中國(guó)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的紅利是新發(fā)展格局下國(guó)家“加快發(fā)展方式綠色轉(zhuǎn)型”的當(dāng)務(wù)之急，現(xiàn)有研究缺乏從綠色低碳轉(zhuǎn)型綜合治理的角度考察智能制造的影響。基于此，測(cè)算了中國(guó)267個(gè)城市的產(chǎn)業(yè)綠色低碳轉(zhuǎn)型綜合指數(shù)，并計(jì)算了城市層面的機(jī)器人安裝密度，自此基礎(chǔ)上分析了智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的直接影響、間接影響及其非線性影響。結(jié)果表明：首先，人工智能顯著促進(jìn)了產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，這一結(jié)論在使用Python爬取的人工智能相關(guān)專利授權(quán)數(shù)作為工具變量、“智慧城市”試點(diǎn)作為準(zhǔn)自然實(shí)驗(yàn)、加入空間權(quán)重等檢驗(yàn)之后仍然成立。其次，作用機(jī)制的結(jié)果顯示，技術(shù)進(jìn)步和資源配置效率是智能制造提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的重要機(jī)制。最后，采用門檻模型，發(fā)現(xiàn)人工智能對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型存在“邊際效益遞減”的正向動(dòng)態(tài)非線性影響。

關(guān)鍵詞：智能制造；產(chǎn)業(yè)綠色低碳轉(zhuǎn)型；門檻效應(yīng)；中介效應(yīng)；空間溢出效應(yīng)

DOI：10.3969/j.issn.1003-9031.2025.02.001

中圖分類號(hào)：TP18；X22" " " 文獻(xiàn)標(biāo)識(shí)碼：A" " "文章編號(hào)：1003－9031（2025）02－0003－15

一、引言及文獻(xiàn)綜述

改革開放以來(lái)，中國(guó)經(jīng)濟(jì)呈現(xiàn)出高耗能、高污染的粗放式發(fā)展特征，對(duì)我國(guó)的自然環(huán)境和資源可持續(xù)性造成了較大壓力。隨著經(jīng)濟(jì)的快速增長(zhǎng)，能源消耗和碳排放量大幅上升，環(huán)境污染問(wèn)題日益嚴(yán)重。特別是在重工業(yè)、制造業(yè)和城市化快速推進(jìn)的過(guò)程中，空氣和水質(zhì)污染、土地退化等環(huán)境問(wèn)題顯著，這不僅影響了民眾的健康和生活質(zhì)量，也對(duì)生態(tài)系統(tǒng)造成了長(zhǎng)期的負(fù)面影響。為應(yīng)對(duì)這些挑戰(zhàn)，我國(guó)不斷調(diào)整發(fā)展策略，推進(jìn)綠色低碳轉(zhuǎn)型。尤其是黨的十八大以來(lái)，中國(guó)綠色低碳轉(zhuǎn)型取得了歷史性的進(jìn)展，不斷為推動(dòng)全球綠色經(jīng)濟(jì)發(fā)展做出貢獻(xiàn)，實(shí)現(xiàn)我國(guó)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型是當(dāng)前和未來(lái)一段時(shí)間內(nèi)的重要任務(wù)和挑戰(zhàn)。

產(chǎn)業(yè)綠色低碳轉(zhuǎn)型不僅涉及能源結(jié)構(gòu)的優(yōu)化和更新，也包括推動(dòng)傳統(tǒng)產(chǎn)業(yè)綠色升級(jí)，通過(guò)應(yīng)用高效節(jié)能技術(shù)和清潔生產(chǎn)工藝，減少工業(yè)排放和污染等，而智能制造通過(guò)高度自動(dòng)化和優(yōu)化生產(chǎn)流程，不僅提高生產(chǎn)效率，而且減少了能源消耗和浪費(fèi)（孔高文等，2020），同時(shí)，智能制造與傳統(tǒng)產(chǎn)業(yè)的融合積極推動(dòng)了產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（韋東明等，2021）。在實(shí)踐中，我國(guó)智能制造已經(jīng)在汽車、煤炭開采、鋼鐵和化工等重污染行業(yè)中得到廣泛應(yīng)用，如應(yīng)用機(jī)器人、自動(dòng)化生產(chǎn)線、云計(jì)算和大數(shù)據(jù)分析等技術(shù)已經(jīng)與傳統(tǒng)重污染行業(yè)進(jìn)行廣泛融合。因此，值得思考的是，智能制造能否促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型？其影響機(jī)制是什么？以及二者之間是否存在動(dòng)態(tài)演變規(guī)律？回答以上問(wèn)題對(duì)有效依托智能制造發(fā)展加速實(shí)現(xiàn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型目標(biāo)具有一定理論與現(xiàn)實(shí)意義。

產(chǎn)業(yè)綠色低碳轉(zhuǎn)型、提高環(huán)境效率已成為學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注熱點(diǎn)，特別是在中國(guó)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和生態(tài)文明建設(shè)關(guān)鍵時(shí)期（Zhu et al.，2022）。中國(guó)作為智能制造強(qiáng)國(guó)，能否通過(guò)智能制造發(fā)展來(lái)促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型？事實(shí)上，現(xiàn)階段研究智能制造與產(chǎn)業(yè)綠色低碳轉(zhuǎn)型兩者之間關(guān)系的文章明顯不足，但現(xiàn)有研究和事實(shí)已經(jīng)表明：第一，智能制造能夠顯著降低企業(yè)污染。盛丹和卜文超（2022）使用中國(guó)企業(yè)污染數(shù)據(jù)和工業(yè)企業(yè)數(shù)據(jù)，研究了機(jī)器人的使用對(duì)中國(guó)企業(yè)污染的影響，其回歸結(jié)果表明機(jī)器人的使用能夠顯著降低企業(yè)污染。第二，智能制造能夠顯著降低污染氣體排放。Cheng et al.（2019）通過(guò)實(shí)證分析研究了人工智能與二氧化碳排放之間的關(guān)系，結(jié)果表明人工智能能夠降低二氧化碳排放而且可以通過(guò)影響產(chǎn)業(yè)結(jié)構(gòu)升級(jí)來(lái)降低碳排放強(qiáng)度；此外，Almalawi et al.（2022）使用三種人工智能算法創(chuàng)建AQI模型來(lái)預(yù)測(cè)4種不同氣體（CO2、SO2、NO2、PM2.5和PM10）的排放，根據(jù)性能測(cè)量結(jié)果，人工智能模型可以對(duì)CO2、SO2、NO2、PM2.5和PM10等大氣污染物的水平進(jìn)行即時(shí)預(yù)報(bào)，有助于降低環(huán)境污染程度。第三，人工智能正在成為復(fù)雜、新型和與數(shù)據(jù)相關(guān)的能源行業(yè)的關(guān)鍵推動(dòng)者（Amad et al.，2021）。Shi et al.（2022）建立了基于人工智能和低碳環(huán)保的電力行業(yè)優(yōu)化運(yùn)行模型；Sun and Yang（2019）認(rèn)為人工智能具有更好的適應(yīng)性和靈活性，能夠解決能源系統(tǒng)中包含的非線性、強(qiáng)不確定性、強(qiáng)耦合性、多變量等問(wèn)題。在此基礎(chǔ)上，智能制造還將更多地滲透到能源系統(tǒng)中，真正實(shí)現(xiàn)智慧能源。第四，智能制造能夠顯著促進(jìn)工業(yè)綠色發(fā)展效率。唐曉華和遲子茗（2022）通過(guò)實(shí)證分析發(fā)現(xiàn)工業(yè)智能化對(duì)工業(yè)綠色發(fā)展效率存在邊際效益遞增的非線性關(guān)系；聶飛等（2022）對(duì)中國(guó)制造業(yè)企業(yè)數(shù)據(jù)進(jìn)行實(shí)證分析發(fā)現(xiàn)工業(yè)機(jī)器人不會(huì)促進(jìn)所有企業(yè)的綠色生產(chǎn)行為，而是主要影響環(huán)境規(guī)制較強(qiáng)的地區(qū)、技術(shù)密集型非國(guó)有企業(yè)。雖然智能制造在污染排放、能源優(yōu)化等方面的研究日益趨多，但對(duì)于產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響及其作用機(jī)制依然有待研究?？傮w上來(lái)看，現(xiàn)有研究聚焦于綠色低碳轉(zhuǎn)型的某一方面，缺乏從整體視角來(lái)研究智能制造與產(chǎn)業(yè)綠色低碳轉(zhuǎn)型之間的關(guān)系。此外，現(xiàn)有研究忽視了智能制造對(duì)綠色低碳轉(zhuǎn)型的動(dòng)態(tài)影響關(guān)系。

因此，本文在以往研究基礎(chǔ)上，從排放物監(jiān)測(cè)和能源優(yōu)化等方面分析了智能制造如何提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型；從技術(shù)進(jìn)步與資源配置兩個(gè)視角分析了智能制造影響產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用機(jī)制，并從“量變與質(zhì)變”理論分析了智能制造對(duì)產(chǎn)業(yè)低碳轉(zhuǎn)型的動(dòng)態(tài)影響。采用2008—2019年中國(guó)267個(gè)地級(jí)及以上城市的面板數(shù)據(jù)，通過(guò)構(gòu)造產(chǎn)業(yè)綠色低碳轉(zhuǎn)型綜合指數(shù)以及智能制造發(fā)展水平，通過(guò)固定效應(yīng)模型、門檻回歸模型與空間杜賓模型檢驗(yàn)了智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響及其作用機(jī)制、動(dòng)態(tài)關(guān)系和空間溢出效應(yīng)。本文可能的邊際貢獻(xiàn)主要在以下方面：第一，從中國(guó)地級(jí)市層面構(gòu)造產(chǎn)業(yè)綠色低碳轉(zhuǎn)型綜合指數(shù)，并研究智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型整體的影響，并從直接影響、間接影響、動(dòng)態(tài)影響、機(jī)制作用和異質(zhì)性等角度出發(fā)，為進(jìn)一步理解智能制造與產(chǎn)業(yè)綠色低碳轉(zhuǎn)型之間的關(guān)系提供新的視角。第二，從效率提升和能源節(jié)約等方面分析了智能制造如何提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，并從“量變與質(zhì)變”理論分析了智能制造對(duì)產(chǎn)業(yè)低碳轉(zhuǎn)型的動(dòng)態(tài)影響，為提高產(chǎn)業(yè)綠色低碳轉(zhuǎn)型提供理論支持。第三，實(shí)證發(fā)現(xiàn)智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響呈現(xiàn)“邊際效益遞減但整體正向”的動(dòng)態(tài)影響即存在“紅利階段”，而中西部地區(qū)尤其要把握好智能制造發(fā)展的“紅利階段”，迅速提升地區(qū)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平。上述發(fā)現(xiàn)有助于我國(guó)在發(fā)展智能制造的同時(shí)，把握時(shí)機(jī)，利用好智能制造“紅利階段”提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平。

二、理論分析

長(zhǎng)期以來(lái)，中國(guó)經(jīng)濟(jì)取得了快速發(fā)展，但同時(shí)也造成了一定資源浪費(fèi)與環(huán)境污染問(wèn)題（呂明元和陳維宣，2015）。智能制造作為顛覆性技術(shù)進(jìn)步的典型代表能夠在保證經(jīng)濟(jì)快速發(fā)展的同時(shí)有效降低污染排放，為提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平注入新動(dòng)能。本文將通過(guò)人工智能影響產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的三條影響路徑來(lái)展示其內(nèi)在機(jī)理。

（一）線性關(guān)系

我國(guó)目前智能制造發(fā)展水平仍處于初級(jí)階段，主要的智能制造發(fā)展結(jié)果仍以簡(jiǎn)單的機(jī)器人使用與工業(yè)智能化轉(zhuǎn)型為主。智能制造發(fā)展反映地區(qū)各行業(yè)與智能制造成果融合程度，主要通過(guò)排放物監(jiān)測(cè)效應(yīng)、能源優(yōu)化效應(yīng)來(lái)促進(jìn)地區(qū)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。首先，智能制造系統(tǒng)通過(guò)集成高級(jí)的傳感器和監(jiān)控技術(shù)，能夠?qū)崟r(shí)監(jiān)測(cè)工業(yè)過(guò)程中的排放物，如廢氣、廢水和固體廢棄物。這種監(jiān)測(cè)不僅有助于及時(shí)發(fā)現(xiàn)并減少污染物的排放，還可以為環(huán)境保護(hù)提供準(zhǔn)確的數(shù)據(jù)支持，幫助企業(yè)遵守環(huán)保法規(guī)和標(biāo)準(zhǔn)。實(shí)時(shí)監(jiān)測(cè)還使企業(yè)能夠更有效地管理和控制排放，從而減少對(duì)環(huán)境的負(fù)面影響。其次，智能制造利用先進(jìn)的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，對(duì)生產(chǎn)過(guò)程中的能源使用進(jìn)行優(yōu)化，實(shí)現(xiàn)能源消耗的最小化。例如，智能制造系統(tǒng)可以根據(jù)實(shí)時(shí)數(shù)據(jù)調(diào)整機(jī)器運(yùn)行狀態(tài)，避免不必要的能源浪費(fèi)，提高能效。能源優(yōu)化不僅減少了企業(yè)的能源成本，還有助于減少溫室氣體排放，促進(jìn)地區(qū)產(chǎn)業(yè)向低碳發(fā)展轉(zhuǎn)型。

基于此，本文提出假設(shè)H1a：智能制造能夠促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。

企業(yè)高質(zhì)量、高效率發(fā)展需要機(jī)器與勞動(dòng)之間的合理配合（董直慶等，2023），而智能制造在提升資源配置效率方面發(fā)揮著關(guān)鍵作用。資源效率理論強(qiáng)調(diào)有效利用和最大化資源的價(jià)值，同時(shí)最小化在生產(chǎn)和消費(fèi)過(guò)程中的資源浪費(fèi)。智能制造通過(guò)高級(jí)信息技術(shù)和自動(dòng)化應(yīng)用有效實(shí)現(xiàn)了這一目標(biāo)。首先，大數(shù)據(jù)分析和人工智能（AI）等高級(jí)信息技術(shù)使得生產(chǎn)過(guò)程中的資源分配和使用更加精確和高效，如人工智能技術(shù)可以實(shí)時(shí)監(jiān)控生產(chǎn)線上的資源消耗，確保原材料和能源的有效利用，而大數(shù)據(jù)分析則能夠預(yù)測(cè)和優(yōu)化資源需求，減少過(guò)度采購(gòu)和存儲(chǔ)導(dǎo)致的浪費(fèi)。其次，自動(dòng)化技術(shù)在智能制造中起到了至關(guān)重要的作用。自動(dòng)化機(jī)器人和生產(chǎn)線能夠精確控制原材料的使用量，減少人為誤差造成的浪費(fèi)。自動(dòng)化系統(tǒng)通過(guò)優(yōu)化生產(chǎn)流程，減少了能源消耗和原材料的浪費(fèi)，實(shí)現(xiàn)了更高的生產(chǎn)效率。此外，通過(guò)優(yōu)化資源分配，提高資源利用效率，減少資源浪費(fèi)，可以顯著降低產(chǎn)業(yè)活動(dòng)對(duì)環(huán)境的負(fù)面影響，減少碳排放和其他污染物的產(chǎn)生。同時(shí)，高效的資源配置還能夠促進(jìn)能源的節(jié)約和循環(huán)利用，進(jìn)一步支持產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化和升級(jí)，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)的協(xié)調(diào)統(tǒng)一，為實(shí)現(xiàn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型奠定了堅(jiān)實(shí)的基礎(chǔ)。

基于此，提出假設(shè)H2a：智能制造能夠通過(guò)技術(shù)進(jìn)步間接促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。

智能制造作為新一輪技術(shù)革命的尖端技術(shù)明顯有別于傳統(tǒng)技術(shù)，兼具通用性、基礎(chǔ)性和平臺(tái)性特征，更易融入企業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)來(lái)推動(dòng)企業(yè)技術(shù)進(jìn)步和生產(chǎn)率提升（董直慶等，2023）。從市場(chǎng)選擇效應(yīng)來(lái)看，企業(yè)為了維持競(jìng)爭(zhēng)優(yōu)勢(shì)，不斷尋求成本效率和創(chuàng)新技術(shù)的融合。智能制造為企業(yè)提供了這樣的機(jī)會(huì)，特別是在綠色技術(shù)方面，企業(yè)通過(guò)采用清潔能源、高效節(jié)能設(shè)備和環(huán)保材料，不僅能夠減少生產(chǎn)成本和環(huán)境風(fēng)險(xiǎn)，而且降低企業(yè)治污成本，從而在市場(chǎng)上獲得更好的競(jìng)爭(zhēng)位置。從技術(shù)選擇效應(yīng)來(lái)看，智能制造推動(dòng)了企業(yè)在技術(shù)應(yīng)用上的選擇轉(zhuǎn)變。傳統(tǒng)的生產(chǎn)技術(shù)由于其高能耗和高污染特性，逐漸被更加高效、節(jié)能和環(huán)保的智能制造技術(shù)所替代。這種技術(shù)選擇的轉(zhuǎn)變直接促進(jìn)了產(chǎn)業(yè)的綠色低碳發(fā)展，減少了對(duì)環(huán)境的負(fù)擔(dān)。

基于此，提出假設(shè)H3a：人工智能能夠通過(guò)資源配置效率來(lái)間接促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。

（二）非線性關(guān)系

以工業(yè)智能化為目標(biāo)的人工智能時(shí)代即將到來(lái)，在推動(dòng)工業(yè)發(fā)展的同時(shí)，也為環(huán)境保護(hù)帶來(lái)了新機(jī)遇。雖然智能制造可以通過(guò)監(jiān)測(cè)、調(diào)節(jié)和控制等手段來(lái)實(shí)現(xiàn)對(duì)生產(chǎn)的全過(guò)程自動(dòng)化，從而促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，但這一提升作用也是有限的，地區(qū)初次更換智能制造設(shè)施來(lái)改變企業(yè)生產(chǎn)狀態(tài)時(shí)，產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的提升是“質(zhì)的飛躍”，而在地區(qū)得到智能制造帶來(lái)的“紅利”后所帶來(lái)的智能制造設(shè)施對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的提升則屬于“量的積累”，總體來(lái)看，智能制造發(fā)展對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的促進(jìn)作用是正向的，并且會(huì)存在一個(gè)初期的“智能制造紅利階段”，在這個(gè)階段內(nèi)，智能制造提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用是巨大的，過(guò)了這個(gè)階段，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用則趨于平緩。因此，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響可能是一個(gè)非線性關(guān)系即“邊際效益遞減”的正向影響。此外，在考慮產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的動(dòng)態(tài)非線性效應(yīng)時(shí)，需考慮產(chǎn)業(yè)綠色低碳轉(zhuǎn)型是一個(gè)多維度綜合指標(biāo)，本文進(jìn)一步認(rèn)為技術(shù)進(jìn)步和資源配置兩條中介路徑也會(huì)使智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型產(chǎn)生動(dòng)態(tài)非線性效應(yīng)。具體表現(xiàn)在：第一，技術(shù)進(jìn)步水平低下會(huì)使智能制造受制于技術(shù)條件而不能徹底提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，如缺乏實(shí)現(xiàn)全自動(dòng)化監(jiān)測(cè)、調(diào)節(jié)和控制的技術(shù)，只能實(shí)現(xiàn)監(jiān)測(cè)作用則會(huì)大大減少智能制造提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平的作用，而技術(shù)水平達(dá)到一定門檻值之后，智能制造提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用則得以完全發(fā)揮。第二，智能制造發(fā)展會(huì)改變機(jī)器與勞動(dòng)力結(jié)構(gòu)，在改變初期資源配置未達(dá)到最優(yōu)，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響也無(wú)法充分釋放，此時(shí)，資源配置反而起到負(fù)向作用。在通過(guò)資源配置優(yōu)化，合理配置好機(jī)器、勞動(dòng)力、資本等資源之后，智能制造對(duì)產(chǎn)業(yè)結(jié)構(gòu)生態(tài)會(huì)產(chǎn)生質(zhì)的飛躍。

綜上所述，提出以下假設(shè)：

H1b：智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型具有“邊際效益遞減”的正向影響。

H2b：技術(shù)進(jìn)步在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響過(guò)程中呈“邊際效應(yīng)遞增”的動(dòng)態(tài)非線性效應(yīng)。

H3b：資源配置效率在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響過(guò)程中呈“U型”的動(dòng)態(tài)非線性效應(yīng)。

三、研究設(shè)計(jì)

（一）模型設(shè)計(jì)

為了研究智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響及其中介效應(yīng)本文構(gòu)造如下計(jì)量模型：

yi，t=1+2cn1i，t+3Xi，t+y+i+i，t（1）

Mi，t=1+2cn1i，t+3Xi，t+t+i+i，t（2）

yi，t=1+2cn1i，t+3Mi，t+4Xi，t+t+i+i，t（3）

其中，產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的綜合得分指標(biāo)用yi，t來(lái)衡量，智能制造水平用i市t年的機(jī)器人安裝密度cn1i，t來(lái)衡量，Mi，t為中介變量，Xi，t為一系列控制變量，θt為時(shí)間效應(yīng)，λi為個(gè)體效應(yīng)，i，t為擾動(dòng)項(xiàng)。

（二）變量選取

1.被解釋變量

產(chǎn)業(yè)綠色低碳轉(zhuǎn)型（y）是本文的被解釋變量。產(chǎn)業(yè)綠色低碳轉(zhuǎn)型是指將產(chǎn)業(yè)之間的“三高”問(wèn)題即高污染、高排放和高耗能納入產(chǎn)業(yè)結(jié)構(gòu)之間的變化當(dāng)中。通過(guò)構(gòu)造綠色、和諧、高效和可持續(xù)的產(chǎn)業(yè)結(jié)構(gòu)，使產(chǎn)業(yè)之間的資源利用更加高效，物質(zhì)聯(lián)系更加緊密，綠色環(huán)保意識(shí)更加突出，從而實(shí)現(xiàn)可持續(xù)的產(chǎn)業(yè)發(fā)展。楊麗君和邵軍（2018）認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化不僅要從產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化和產(chǎn)業(yè)結(jié)構(gòu)合理化兩個(gè)方面來(lái)進(jìn)行，而且應(yīng)該將單位GDP能源消耗量納入衡量指標(biāo)當(dāng)中；呂明元和陳磊（2016）將環(huán)境效率即廢水、廢氣、廢渣納入產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的衡量指標(biāo)中；陸根堯等（2012）認(rèn)為衡量產(chǎn)業(yè)綠色低碳轉(zhuǎn)型要從多個(gè)維度即經(jīng)濟(jì)發(fā)展水平、生態(tài)保護(hù)水平、資源消耗水平、污染排放水平以及資源循環(huán)利用水平來(lái)分析。因此，本文選擇主成分分析法處理產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平、經(jīng)濟(jì)發(fā)展水平、能源消耗水平、污染物排放水平以及資源循環(huán)利用水平這五個(gè)維度來(lái)計(jì)算產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的綜合得分指標(biāo)，具體指標(biāo)如表1所示。為了消除數(shù)據(jù)由于量綱不同所產(chǎn)生的不利影響，這里對(duì)原始指標(biāo)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理①，以此作為本文的核心解釋變量和門檻變量。

2.解釋變量

智能制造發(fā)展水平（cn1）是本文的解釋變量。目前，我國(guó)智能制造技術(shù)發(fā)展處在初級(jí)階段，以機(jī)器使用作為智能制造水平的直接體現(xiàn)。本文用地級(jí)市層面的機(jī)器人安裝密度來(lái)作為人工智能的核心解釋變量。借鑒Acemoglu D and Restrepo P（2020）的“Bartik工具變量”的思想，并借鑒趙春明等（2020）的計(jì)算方法即根據(jù)國(guó)際機(jī)器人聯(lián)盟（IFR）發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)將全國(guó)行業(yè)的機(jī)器人安裝數(shù)量與地區(qū)的就業(yè)權(quán)重做交互，算出機(jī)器人安裝密度。具體計(jì)算方法如下：

cn1i，t＝×（4）

其中，cn1i，t為i市t年的機(jī)器人安裝密度，employj，i，t=2008/employi，t=2008是i市j行業(yè)在2008年（基期）的就業(yè)人數(shù)占整個(gè)i市就業(yè)人數(shù)的比重，installj，t/employj，t=2008為各個(gè)年份j行業(yè)的機(jī)器人安裝密度指標(biāo)。

3.控制變量

為了能夠更準(zhǔn)確、更全面衡量智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響，減少遺漏變量對(duì)回歸結(jié)果造成的影響，本文盡可能控制能夠影響產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的變量，借助Lasso法盡可能排除多重共線性、提高精確度。因此，本文選擇以下變量作為控制變量：地區(qū)外商投資金額（fdi），采用外商地區(qū)投資金額總數(shù)（人民幣）來(lái)衡量；人力資本（ledu），采用地區(qū)本科及以上學(xué)生數(shù)量來(lái)衡量；城鎮(zhèn)化率（urban），用地區(qū)年末城鎮(zhèn)人口與總?cè)丝谥葋?lái)衡量；公共設(shè)施（proad），用人均道路面積來(lái)衡量。

4.中介變量

智能制造進(jìn)步會(huì)促進(jìn)技術(shù)進(jìn)步和資源配置效率，而技術(shù)進(jìn)步和資源配置效率是提升產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化的重要影響因素，因此本文選擇技術(shù)進(jìn)步和資源配置效率作為中介變量。具體為：使用deap2.1軟件計(jì)算城市全要素生產(chǎn)率，投入變量為城鎮(zhèn)單位就業(yè)人數(shù)和城市固定資本投資存量，產(chǎn)出變量為各個(gè)城市的GDP，使用Malmquist指數(shù)法將計(jì)算出的全要素生產(chǎn)率分解為技術(shù)進(jìn)步和規(guī)模效率，技術(shù)進(jìn)步體現(xiàn)了科學(xué)技術(shù)的進(jìn)展，規(guī)模效率表示了地區(qū)規(guī)模經(jīng)濟(jì)和要素配置的水平，因此，使用從全要素生產(chǎn)率中分解出來(lái)的技術(shù)進(jìn)步（te）作為技術(shù)進(jìn)步的代理變量，使用從全要素生產(chǎn)率中分解出來(lái)的規(guī)模效率（se）作為資源配置效率的代理變量。

本文選用2008—2019年267個(gè)城市的面板數(shù)據(jù)，解釋變量數(shù)據(jù)來(lái)自IFR與《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》，被解釋變量數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)局以及《中國(guó)統(tǒng)計(jì)年鑒》，控制變量數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)局與《中國(guó)城市統(tǒng)計(jì)年鑒》。由于產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的衡量指標(biāo)既有正向指標(biāo)也有負(fù)向指標(biāo)，因此將取所有負(fù)向指標(biāo)的倒數(shù)來(lái)進(jìn)行主成分分析來(lái)使結(jié)果保持一致性，為了增加數(shù)據(jù)的平穩(wěn)性、減少因異方差和模型的共線性，對(duì)所有非百分比值的控制變量取對(duì)數(shù)來(lái)進(jìn)行分析。

四、實(shí)證結(jié)果與分析

（一）基本估計(jì)結(jié)果分析

首先考察智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響，根據(jù)Hausman檢驗(yàn)結(jié)果，選擇雙固定效應(yīng)模型。結(jié)果如表3所示，列（1）為不加控制變量的基本回歸，列（2）為加入控制變量的基本回歸，無(wú)論是列（1）還是列（2）其回歸系數(shù)均在1%的水平上顯著，且系數(shù)顯著為正，表明智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型是正向的影響。列（3）—列（6）反映了中介效應(yīng)的檢驗(yàn)結(jié)果，列（3）和列（5）反映了技術(shù)進(jìn)步在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型影響中的作用，智能制造對(duì)技術(shù)進(jìn)步的作用是顯著正向的，即智能制造能夠促進(jìn)技術(shù)進(jìn)步發(fā)展，H1a成立。但將技術(shù)進(jìn)步與智能制造納入同一模型回歸時(shí)，發(fā)現(xiàn)技術(shù)進(jìn)步的結(jié)果不顯著，因此本文采用bootstrap法對(duì)技術(shù)進(jìn)步的中介效應(yīng)進(jìn)行測(cè)試，結(jié)果如表4所示。a*b的間接效應(yīng)是顯著正向的，即智能制造可以促進(jìn)技術(shù)進(jìn)步從而促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型發(fā)展，H1b成立；列（4）和列（6）反映資源配置在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型影響中的作用，智能制造對(duì)資源配置從回歸結(jié)果來(lái)看，并不顯著，但將資源配置與智能制造整體納入模型中回歸，結(jié)果均為顯著正向影響。本文采用bootstrap法來(lái)對(duì)中介效應(yīng)進(jìn)行測(cè)試，結(jié)果如表4所示。a*b的間接效應(yīng)和c′的直接效應(yīng)均為顯著正向，說(shuō)明中介效應(yīng)成立，即智能制造能夠顯著促進(jìn)資源配置效率從而促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型發(fā)展，H1c成立。

（二）非線性估計(jì)結(jié)果分析

本文考慮到要同時(shí)控制雙固定效應(yīng)模型，認(rèn)為劃分樣本會(huì)導(dǎo)致結(jié)果有偏差和不穩(wěn)健，因此在式（1）的基礎(chǔ)上進(jìn)行門檻效應(yīng)回歸來(lái)進(jìn)行檢驗(yàn)，構(gòu)造如下等式：

yi，t=1+2cn1i，t·I（cn1≤1）+3cn1i，t·I（cn1＞1）+…+ncn1·I（cn1≤n）+n·I（cn1＞n）+cXi，t+y+i+i，t（5）

首先，本文基于Hansen（1999）的理論進(jìn)行了面板門檻存在性的檢驗(yàn)。結(jié)果表明將機(jī)器人安裝密度作為門檻變量能夠通過(guò)單一門檻檢驗(yàn)，但無(wú)法通過(guò)雙門檻檢驗(yàn)和三門檻檢驗(yàn)，單一門檻值的取值范圍在（2.7182，2.7652）之間，為2.7379，并且結(jié)果在1%的水平上顯著，因此本文選擇單門檻效應(yīng)來(lái)估計(jì)，在此基礎(chǔ)上本文將地區(qū)樣本進(jìn)行分類，根據(jù)國(guó)家統(tǒng)計(jì)局的劃分將樣本劃分為西部、東部、中部地區(qū)進(jìn)行門檻效應(yīng)檢驗(yàn)，估計(jì)結(jié)果如表5所示。智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響存在門檻效應(yīng)，智能制造發(fā)展初期對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的提升會(huì)有一個(gè)紅利期，此時(shí)的估計(jì)系數(shù)為0.005且在1%的水平上顯著，當(dāng)智能制造發(fā)展達(dá)到門檻值之后，紅利期消失，此時(shí)智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響會(huì)趨于穩(wěn)定，此階段的回歸系數(shù)為0.002且在1%水平上顯著。因此，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型具有“邊際效益遞減”的正向影響，H1b成立。西部地區(qū)的回歸結(jié)果表明在智能制造發(fā)展達(dá)到門檻值（0.073）之前cn1的回歸系數(shù)為0.052，而在達(dá)到門檻值之后cn1的回歸系數(shù)為0.002，即西部地區(qū)的智能制造紅利期相對(duì)于平穩(wěn)期來(lái)說(shuō)對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響是飛躍式的，比較門檻值的大小，西部地區(qū)的紅利期又是相當(dāng)短暫的，但整體上符合智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的假設(shè)。中部地區(qū)的回歸結(jié)果表明智能制造發(fā)展達(dá)到門檻值（0.098）之前cn1的回歸系數(shù)為0.009，而達(dá)到門檻值之后cn1的回歸系數(shù)為0.0001，即中部地區(qū)的智能制造紅利期效果相比于西部地區(qū)略有減少，但紅利期依然存在，而智能制造的紅利期持續(xù)時(shí)間相比于西部地區(qū)略有提升，整體上依然符合智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的假設(shè)。東部地區(qū)的門檻檢驗(yàn)不顯著，即東部地區(qū)不存在門檻效應(yīng)，整體上呈現(xiàn)智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的正向影響，因此智能制造在東部地區(qū)發(fā)展的紅利期已經(jīng)褪去。

從上述結(jié)果中可以看出，智能制造總體上對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型呈現(xiàn)邊際效率遞減的非線性關(guān)系，而這種非線性關(guān)系主要體現(xiàn)在城市發(fā)展水平落后的西部和中部，在城市發(fā)展水平較高的東部地區(qū)則不存在。那么是否只要智能制造發(fā)展就一定能帶來(lái)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的提升呢？事實(shí)上，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響不僅僅受限于智能制造自身的發(fā)展，還會(huì)受到一系列其他變量的影響。在線性關(guān)系的間接影響基礎(chǔ)上，本文選擇技術(shù)進(jìn)步和資源配置來(lái)作為本文的門檻變量來(lái)檢驗(yàn)智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響，結(jié)果如表5列（5）和列（6）所示，技術(shù)進(jìn)步在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型影響過(guò)程中的門檻效應(yīng)是不顯著的，但技術(shù)進(jìn)步整體上仍呈現(xiàn)出正向的促進(jìn)作用，因此，H2b不成立。資源配置的正向調(diào)節(jié)效應(yīng)是存在的，其門檻值在1%的水平上顯著。在基礎(chǔ)設(shè)施達(dá)到門檻值（0.680）之前，調(diào)節(jié)效應(yīng)是抑制的，在達(dá)到門檻值之后，調(diào)節(jié)作用從負(fù)向轉(zhuǎn)變?yōu)檎?，其回歸系數(shù)為0.002且在1%的水平上顯著，即資源配置的調(diào)節(jié)效應(yīng)整體上呈現(xiàn)U型的非線性關(guān)系有助于理解智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的正向影響。因此，H3b是成立的。

（三）異質(zhì)性檢驗(yàn)

1.政策異質(zhì)性

智慧城市是基于物聯(lián)網(wǎng)、云計(jì)算、智能制造等新一代信息技術(shù)以及社交網(wǎng)絡(luò)等工具和方法的應(yīng)用，能夠營(yíng)造有利于創(chuàng)新涌現(xiàn)的生態(tài)，實(shí)現(xiàn)全面透徹的感知、寬帶泛在的互聯(lián)、智能融合的應(yīng)用以及以用戶創(chuàng)新、開放創(chuàng)新、大眾創(chuàng)新、協(xié)同創(chuàng)新為特征的可持續(xù)創(chuàng)新。為了考察政策實(shí)施在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型影響中的作用，將2013年住建部和科技部公布的第一批智慧城市試點(diǎn)作為政策影響，本文采用雙重差分法來(lái)考察政策異質(zhì)性的作用，具體模型如下所示：

yi，t=1+2treatt×timei+3Xi，t+t+i+i，t（6）

本文將2013年確定為首批智慧城市試點(diǎn)樣本作為處理組，未納入首批智慧城市試點(diǎn)的樣本作為對(duì)照組，定義虛擬變量treat，若樣本為處理組則為1，反之則為0；選取首批智慧城市試點(diǎn)公布的時(shí)間作為政策處理時(shí)間點(diǎn)，大于等于2013年的樣本作為處理組，小于2013年的樣本作為對(duì)照組，定義虛擬變量time，若樣本為處理組則為1，反之則為0。為了避免處理組與對(duì)照組的系統(tǒng)性差異，本文采用反事實(shí)推斷的得分傾向匹配法（PSM）來(lái)消除這種樣本差異，具體結(jié)果如表6所示。diff的系數(shù)為0.007且通過(guò)10%的顯著性檢驗(yàn)，說(shuō)明智慧城市政策的實(shí)施有利于產(chǎn)業(yè)綠色低碳轉(zhuǎn)型發(fā)展。

2.空間異質(zhì)性

智能制造在對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型影響的過(guò)程中，考慮到產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的部分組成要素具有空間溢出效應(yīng)，尤其體現(xiàn)在污染物排放水平的維度，若忽視這部分溢出效應(yīng)，可能使結(jié)果產(chǎn)生偏差。因此，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響不能僅僅局限于對(duì)本地區(qū)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響。本文在式（2）的基礎(chǔ)上構(gòu)建空間計(jì)量模型來(lái)檢驗(yàn)智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的空間溢出效應(yīng)，構(gòu)建反地理距離矩陣、經(jīng)濟(jì)距離和反距離嵌套矩陣、經(jīng)濟(jì)距離和反地理距離平方的嵌套矩陣來(lái)考察智能制造技術(shù)的空間關(guān)聯(lián)特征。

yi，t=1+2Wyi，t+3cn1i，t+4Wcn1i，t+5WXi，t+t+i+i，t（7）

由于刪除缺失值的原因，數(shù)據(jù)已經(jīng)成為了非平衡面板，為了檢驗(yàn)空間溢出效應(yīng)使面板平衡，本文選取了182個(gè)城市來(lái)檢驗(yàn)空間溢出效應(yīng)，結(jié)果見表7。列（1）和列（2）中反地理距離矩陣和經(jīng)濟(jì)地理距離嵌套矩陣的直接效應(yīng)和總效應(yīng)均在1%的水平上顯著正向，但間接效應(yīng)不顯著，表明本地區(qū)智能制造發(fā)展對(duì)其他地區(qū)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的溢出效應(yīng)不顯著。列（3）中經(jīng)濟(jì)和地理距離平方嵌套矩陣的直接效應(yīng)、間接效應(yīng)和總效應(yīng)均在1%的水平上顯著正向，說(shuō)明本地區(qū)的智能制造變化不僅對(duì)自身產(chǎn)業(yè)綠色低碳轉(zhuǎn)型具有正向影響而且對(duì)其他地區(qū)也具有正向影響即空間溢出效應(yīng)存在?？臻g溢出效應(yīng)檢驗(yàn)結(jié)果表明，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的空間溢出效應(yīng)與經(jīng)濟(jì)和地理距離同時(shí)相關(guān)且隨著經(jīng)濟(jì)距離和地理距離的變遠(yuǎn)而迅速下降。此外，無(wú)論是反距離矩陣、經(jīng)濟(jì)地理距離嵌套矩陣還是經(jīng)濟(jì)地理距離平方嵌套矩陣均在1%水平上通過(guò)了Wald檢驗(yàn)，即證明空間杜賓模型（SDM）優(yōu)于空間自回歸模型（SAR）和空間誤差模型（SEM），因此本文選擇SDM模型來(lái)做空間溢出效應(yīng)檢驗(yàn)是合理的。

（四）內(nèi)生性檢驗(yàn)

1.線性關(guān)系檢驗(yàn)

本文線性關(guān)系可能存在的內(nèi)生性來(lái)源于兩個(gè)方面：一是由于互為因果所導(dǎo)致的內(nèi)生性。為解決這類內(nèi)生性，第一，有學(xué)者選擇美國(guó)的工業(yè)機(jī)器人安裝密度來(lái)作為工具變量（盛丹和卜文超，2022），也有學(xué)者選用機(jī)器人進(jìn)口來(lái)源國(guó)作為工具變量（許健等，2022；魏下海等，2020），為了滿足工具變量的外生性和相關(guān)性條件，本文借鑒盛丹和卜文超（2022）以及許健等（2022）的做法，選取美國(guó)機(jī)器人新增安裝量來(lái)作為工具變量以及根據(jù)海關(guān)總署前瞻產(chǎn)業(yè)研究院關(guān)于中國(guó)2021年排名前五的機(jī)器人進(jìn)口來(lái)源國(guó)，選取美國(guó)、德國(guó)、丹麥、日本、法國(guó)這五個(gè)國(guó)家的機(jī)器人新增安裝數(shù)量來(lái)作為工具變量。首先，中國(guó)有相當(dāng)大比例的機(jī)器人依賴于國(guó)外進(jìn)口而且各國(guó)的發(fā)展趨勢(shì)與中國(guó)同期相近，滿足相關(guān)性條件，其次，這五個(gè)國(guó)家的新增機(jī)器人安裝數(shù)量無(wú)法直接影響中國(guó)二氧化碳排放量，滿足外生性條件。第二，本文借鑒董直慶等（2023）做法通過(guò)Python來(lái)爬取以智能制造等為關(guān)鍵詞的專利授權(quán)數(shù)量來(lái)作為本文的第三個(gè)工具變量①。首先，智能制造的發(fā)展與智能制造專利數(shù)量的增長(zhǎng)息息相關(guān)，滿足相關(guān)性條件，其次，智能制造專利數(shù)量的變化無(wú)法直接影響產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，滿足外生性的條件，結(jié)果如表8所示。列（1）和列（2）分別為美國(guó)新增機(jī)器人安裝量計(jì)算的工具變量和五個(gè)中國(guó)機(jī)器人進(jìn)口來(lái)源國(guó)新增機(jī)器人安裝量的平均值計(jì)算的工具變量，其結(jié)果均在1%的水平顯著符合預(yù)期，與基準(zhǔn)回歸和穩(wěn)健性檢驗(yàn)保持一致，即智能制造發(fā)展能夠有效促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，并且回歸結(jié)果均通過(guò)了弱工具變量檢驗(yàn)和不可識(shí)別檢驗(yàn)，因此證明工具變量的選取是合理和有效的；列（3）為爬取的智能制造專利工具變量，其結(jié)果也在1%的水平上顯著。檢驗(yàn)結(jié)果與基礎(chǔ)回歸中的結(jié)果并無(wú)較大差異，驗(yàn)證了智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響是積極的。并且能顯著通過(guò)不可識(shí)別檢驗(yàn)和弱工具變量檢驗(yàn)，說(shuō)明工具變量的選取是合理的，結(jié)果是穩(wěn)定可靠的。

二是由于動(dòng)態(tài)面板偏差導(dǎo)致的內(nèi)生性。為解決這類內(nèi)生性，本文選擇GMM估計(jì)方法來(lái)排除內(nèi)生性，結(jié)果如表8所示。列（3）展示了GMM檢驗(yàn)，y的滯后一期結(jié)果正向顯著，說(shuō)明產(chǎn)業(yè)綠色低碳轉(zhuǎn)型受到自身滯后一期的正向影響，此外，機(jī)器人安裝密度的一階和二階滯后回歸結(jié)果均在1%的水平上顯著正向，說(shuō)明智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的積極影響具有時(shí)滯效應(yīng)。整體結(jié)果與基準(zhǔn)回歸并無(wú)較大差別，依然符合預(yù)期。并且通過(guò)了5%水平的sargan檢驗(yàn)，其結(jié)果具有有效性。

2.非線性關(guān)系檢驗(yàn)

參考韓先鋒等（2019）的做法，將產(chǎn)業(yè)綠色低碳轉(zhuǎn)型綜合指數(shù)的滯后一期加入動(dòng)態(tài)面板回歸模型中來(lái)處理非線性關(guān)系中的內(nèi)生性，具體結(jié)果如表8中列（5）所示。其結(jié)果與門檻回歸結(jié)果基本保持一致，差異體現(xiàn)在：其門檻值稍有下降，即意味著“紅利效應(yīng)”時(shí)間縮短；其回歸系數(shù)增大即智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用提升。

（五）穩(wěn)健性檢驗(yàn)

此外，本文通過(guò)使用機(jī)器人存量計(jì)算的機(jī)器人安裝密度替換原有解釋變量、增加金融發(fā)展水平、科技創(chuàng)新和人均園林面積作為控制變量（戴魁早，2023）以及剔除直轄市和文明城市樣本（董直慶等，2023）等處理后，重新進(jìn)行估計(jì)，結(jié)果依然與基準(zhǔn)回歸保持一致。

五、結(jié)論與政策建議

（一）結(jié)論

本文從線性關(guān)系、非線性關(guān)系、影響機(jī)制以及異質(zhì)性研究四個(gè)方面研究了智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響。利用2008—2019年267個(gè)地級(jí)市的面板數(shù)據(jù)，在構(gòu)建產(chǎn)業(yè)綠色低碳轉(zhuǎn)型綜合指數(shù)、計(jì)算地級(jí)市層面上的機(jī)器人安裝密度基礎(chǔ)上，從排放物監(jiān)測(cè)和能源優(yōu)化等方面分析了智能制造如何提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型；從技術(shù)進(jìn)步與資源配置兩個(gè)視角分析了智能制造影響產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的作用機(jī)制；從“量變與質(zhì)變”理論分析了智能制造對(duì)產(chǎn)業(yè)低碳轉(zhuǎn)型的動(dòng)態(tài)影響。研究結(jié)果表明：第一，智能制造能夠顯著提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平，此外，技術(shù)進(jìn)步和資源配置在智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的過(guò)程中起到間接作用。第二，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響具有邊際效率遞減的正向非線性關(guān)系，并且這種智能制造發(fā)展所帶來(lái)的“紅利效應(yīng)”在西部最為明顯，中部持續(xù)時(shí)間最長(zhǎng)，東部則不明顯。第三，技術(shù)進(jìn)步的門檻效應(yīng)不顯著，但整體上在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響中起到正向促進(jìn)作用；資源配置在智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的非線性影響過(guò)程中呈現(xiàn)為U型關(guān)系作用，當(dāng)達(dá)到一定門檻之后資源配置能顯著促進(jìn)智能制造提升產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。第四，智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的影響具有空間溢出效應(yīng)，無(wú)論是地理距離矩陣、經(jīng)濟(jì)距離地理距離嵌套矩陣還是經(jīng)濟(jì)距離地理距離平方嵌套矩陣，均具有正向的空間溢出效應(yīng)。

（二）政策建議

一是加大對(duì)智能制造技術(shù)的推廣力度，建立健全與產(chǎn)業(yè)綠色低碳轉(zhuǎn)型目標(biāo)相匹配的智能制造發(fā)展戰(zhàn)略，這不僅包括提高公眾和企業(yè)對(duì)智能制造重要性的認(rèn)識(shí)，還涉及推動(dòng)在資源配置和技術(shù)進(jìn)步方面的深入應(yīng)用。具體來(lái)說(shuō)，通過(guò)舉辦各種研討會(huì)、培訓(xùn)班和展覽會(huì)，提高智能制造技術(shù)的知名度和接受度，同時(shí)提供技術(shù)支持和政策指導(dǎo)，幫助企業(yè)理解并實(shí)施智能制造解決方案。

二是鼓勵(lì)企業(yè)進(jìn)行智能制造研發(fā)，并在此基礎(chǔ)上提升智能制造應(yīng)用的深度和廣度，促進(jìn)我國(guó)智能制造技術(shù)創(chuàng)新和產(chǎn)業(yè)化應(yīng)用雙輪驅(qū)動(dòng)、雙向促進(jìn)。積極發(fā)展智能制造對(duì)污染物排放的預(yù)測(cè)、檢測(cè)、捕捉以及自動(dòng)化監(jiān)管等領(lǐng)域，豐富智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的手段和種類，實(shí)現(xiàn)多元化、多維度、全方位促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型。

三是提高地區(qū)企業(yè)資源配置效率，在引進(jìn)智能制造技術(shù)的同時(shí)做好資源配置優(yōu)化，充分協(xié)調(diào)好政策、人才與資源之間的配合，智能制造促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型不應(yīng)該是“孤立的”“片面的”，認(rèn)識(shí)到其中間機(jī)制的存在和嫁接作用，才能充分利用智能制造對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型的“紅利階段”，現(xiàn)階段尤其注意智能制造發(fā)展和資源要素合理配置的有機(jī)結(jié)合，保證智能制造發(fā)展過(guò)程中資源配置效率始終起到“U型關(guān)系”的上升階段。

四是加強(qiáng)地區(qū)之間的交流合作。智能制造賦能產(chǎn)業(yè)綠色低碳轉(zhuǎn)型應(yīng)具有動(dòng)態(tài)性、差異性和延續(xù)性。國(guó)家應(yīng)該建立健全智能制造產(chǎn)業(yè)園區(qū)，省份應(yīng)該樹立數(shù)量不等的產(chǎn)業(yè)綠色低碳轉(zhuǎn)型“榜樣”，來(lái)帶動(dòng)其他產(chǎn)業(yè)綠色低碳轉(zhuǎn)型發(fā)展相對(duì)較差的地區(qū)，并且能夠提供明確的學(xué)習(xí)目標(biāo)，避免盲目發(fā)展。尤其加強(qiáng)東部地區(qū)與西部和中部地區(qū)之間的交流，促進(jìn)西部、中部和東部地區(qū)之間的合作和協(xié)同創(chuàng)新，充分發(fā)揮智能制造在西部和中部等智能制造發(fā)展相對(duì)落后地區(qū)的“發(fā)展紅利”，促進(jìn)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型水平。

（責(zé)任編輯：張恩娟）

參考文獻(xiàn)：

[1]盛丹，卜文超.機(jī)器人使用與中國(guó)企業(yè)的污染排放[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（9）：157-176．

[2]董直慶，姜昊，王林輝.“頭部化”抑或“均等化”：人工智能技術(shù)會(huì)改變企業(yè)規(guī)模分布嗎？[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（2）：113-135.

[3]戴魁早，黃姿，王思曼.數(shù)字經(jīng)濟(jì)促進(jìn)了中國(guó)服務(wù)業(yè)結(jié)構(gòu)升級(jí)嗎？[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（2）：90-112.

[4]韓先鋒，宋文飛，李勃昕.互聯(lián)網(wǎng)能成為中國(guó)區(qū)域創(chuàng)新效率提升的新動(dòng)能嗎[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019，376（7）：119-136.

[5]孔高文，劉莎莎，孔東民.機(jī)器人與就業(yè)——基于行業(yè)與地區(qū)異質(zhì)性的探索性分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（8）：80-98.

[6]呂明元，陳維宣.產(chǎn)業(yè)綠色低碳轉(zhuǎn)型：演進(jìn)機(jī)理與路徑[J].人文雜志，2015（4）：46-53.

[7]陸根堯，盛龍，唐辰華.中國(guó)產(chǎn)業(yè)生態(tài)化水平的靜態(tài)與動(dòng)態(tài)分析——基于省際數(shù)據(jù)的實(shí)證研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2012（3）：147-159.

[8]呂明元，陳磊.“互聯(lián)網(wǎng)+”對(duì)產(chǎn)業(yè)綠色低碳轉(zhuǎn)型轉(zhuǎn)型影響的實(shí)證分析——基于上海市2000—2013年數(shù)據(jù)[J].上海經(jīng)濟(jì)研究，2016（9）：110-121.

[9]聶飛，胡華璐，李磊.工業(yè)機(jī)器人何以促進(jìn)綠色生產(chǎn)？——來(lái)自中國(guó)微觀企業(yè)的證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2022（4）：1-14.

[10]唐曉華，遲子茗.工業(yè)智能化提升工業(yè)綠色發(fā)展效率的實(shí)證研究[J].經(jīng)濟(jì)學(xué)家，2022（2）：43-52.

[11]韋東明，顧乃華，韓永輝.人工智能推動(dòng)了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)嗎——基于中國(guó)工業(yè)機(jī)器人數(shù)據(jù)的實(shí)證檢驗(yàn)[J].財(cái)經(jīng)科學(xué)，2021（10）：70-83.

[12]魏下海，張沛康，杜宇洪.機(jī)器人如何重塑城市勞動(dòng)力市場(chǎng)：移民工作任務(wù)的視角[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2020（10）：92-109.

[13]許健，季康先，劉曉亭，等.工業(yè)機(jī)器人應(yīng)用、性別工資差距與共同富裕[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（9）：134-156.

[14]楊麗君，邵軍.中國(guó)區(qū)域產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的再估算[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（10）：59-77.

[15]張琦，蔣軍鋒，賈竇潔.工業(yè)智能化對(duì)綠色創(chuàng)新效率的影響研究——基于政府干預(yù)的調(diào)節(jié)效應(yīng)分析[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023（5）：101-110.

[16]趙春明，李震，李宏兵，等.機(jī)器換人——工業(yè)機(jī)器人使用與區(qū)域勞動(dòng)力市場(chǎng)調(diào)整[J].北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（6）：113-127.

[17]Almalawi A，Alsolami F，Khan A I，et al.An IoT based system for magnify air pollution monitoring and prognosis using hybrid artificial intelligence technique[J].Environmental Research，2022，206：112576.

[18]Ahmad T，Zhang D，Huang C，et al.Artificial intelligence in sustainable energy industry：Status Quo，challenges and opportunities[J].Journal of Cleaner Production，2021，289：125834.

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

[20]Cheng H，Jia R，Li D，et al.The rise of robots in China[J].Journal of Economic Perspectives，2019，33（2）：71-88.

[21]Shi C，F(xiàn)eng X，Jin Z.Sustainable development of China′s smart energy industry based on artificial intelligence and low‐carbon economy[J].Energy Science amp; Engineering，2022，10（1）：243-252.

[22]Sun Q，Yang L.rom independence to interconnection—A review of AI technology applied in energy systems[J].CSEE Journal of Power and Energy Systems，2019，5（1）：21-34.

[23]Zhu Y，Du W，Zhang J.Does industrial collaborative agglomeration improve environmental efficiency？Insights from China′s population structure[J].Environmental Science and Pollution Research，2022，29（4）：5072-5091.