智能化发展的节能减排效应：理论与实证检验

曹 泽，丁斋娟

（安徽建筑大学a.管理学院；b.城市建设学院，合肥 230000）

0 引言

随着国民经济的快速增长，我国所面临的一系列环境问题愈演愈烈，其中如何快速有效地实现温室气体减排，及时完成我国所承诺的碳达峰与碳中和目标，是我国当前发展过程中的重大现实问题。考虑到工业部门一直是我国碳排放的重要“门户”，如何改变传统的工业发展模式、提升工业能源利用效率，是推动我国低碳发展的关键。在当前互联网应用快速普及的背景下，推动工业部门建设向智能化方向转型成为必然。应坚定不移地以智能制造为主攻方向，推动产业技术变革和优化升级，减少资源能源消耗，助力碳达峰、碳中和。

尽管当前工业智能化发展备受关注，但相关研究所关注的焦点仍停留在智能化的经济效应。智能技术具有扩散性与渗透性特征，既能够实现在全行业范围内的快速普及，同时又能够强化空间范围内的协同合作，通过资源的有效调配作用于生产效率。因此，推动智能化应用的过程，也是发挥智能化技术对于生产效率的提升作用的过程，同时也是实现经济集约化增长和转变发展模式的过程。具体而言，智能化发展的经济效应集中反映在两个方面：一是劳动力就业。智能化技术在工业生产环节中的应用会对传统的用工结构产生冲击，由于自动化生产的普遍应用，低技能劳动力往往会被取代，但同时也会催生一批新的工作岗位；工业智能化发展短期内往往会降低劳动力需求，从而在一定程度上加剧失业，但同时对于高技能劳动力的需求会显著增加，进而产生技能溢价并提升劳动力工资水平[1]。二是生产效率的变动。机器人的大量使用会使得劳动力的投入份额降低，而生产工艺的改进则会有效提升生产效率。与此同时，附着在工业机器人进出口贸易中的技术溢出同样会对生产率提升产生积极影响。毋庸置疑，智能化发展对于工业发展和结构调整等具有深刻影响，那么，在当前碳达峰、碳中和目标约束下，智能化发展是否有助于节能减排呢？本文将对此予以重点研究。这不仅为发挥新科学技术的创新驱动力提供理论支撑，同时也对新形势下中国节能减排的路径选择提供现实指导。

本文可能的边际贡献主要体现在以下几个方面：第一，拓展碳减排的智能化路径选择。本文结合当前碳达峰与碳中和的现实减排诉求，将智能化发展与碳排放纳入统一的分析框架，以智能化作为切入点考察智能化发展减排路径的可行性。第二，明晰智能化发展作用于碳减排的内在机理，为减排政策制定提供经验指导。本文从节能效应、技术进步效应以及规模效应三个维度揭示智能化发展影响碳排放的作用机制，为更好地实现智能化助力中国双碳目标落实提供理论支撑。第三，本文进一步从空间维度关注智能化发展影响节能减排的溢出效应，讨论智能化发展的空间关联特征，证实了智能化发展协同推进的现实必要性。

1 理论分析与研究假设

就本文所重点关注的智能化发展的节能减排效应而言，目前鲜有研究涉及，但部分研究中对于智能化与高质量发展的讨论为本文的研究提供了重要思路。既有研究表明，智能化发展整体上有助于高质量发展，一方面能够促进创新要素优化配置，从组织层面和技术层面为创新研发提供可靠的组织管理和平台保障，实现创新活动的动态调整和产学研协同创新，进而实现生产流程的清洁化改造，另一方面则能够强化对外开放效应。智能化产业的发展是中国企业融入全球价值链并提升产品附加值的重要依托，有助于劳动力结构优化和技能优化，那么这是否就意味着智能化发展一定会减少碳排放呢？答案是否定的。企业智能化转型升级过程中需要大规模的设备更新、技术改造与结构改组，这一行为必然伴随高额的固定成本和沉没成本。事实上，智能化转型的过程中需要大量的生产要素投入，这往往会导致能源消费需求的不断增加。与此同时，智能化转型所带来的生产率提升“红利”能够推动企业生产规模的扩张和产能增加，这一过程中往往伴随着碳排放总量的上升。

具体地，智能化转型影响碳排放的作用机制可以归结如下：（1）技术进步效应。本质上作为智能技术对人力资本的补充与替代，智能化具备一般通用目的技术的技术进步属性，一是可以通过完成复杂任务，使员工能够更有效地利用时间，专注于想象、创造和创新以推动技术进步和生产工艺改进，增强企业污染排放的末端治理能力[2]。二是能够有效增强行业间的联系，通过其渗透性和协同性推动全行业生产效率提升和技术溢出[3]，通过渗透到经济社会各个领域，提高部门间要素协同性从而促进技术进步[4]。技术进步对于碳排放的影响受技术偏向性属性的影响，相较于生产导向型技术进步，绿色偏向型技术进步往往有助于碳减排。（2）节能效应。能源强度反映了单位产出所消耗的能源总量，能源强度的高低是碳排放的直接影响因素。智能化发展所带来的生产工艺的改进、能源利用技术的进步、产业结构和能源投入结构的变迁等整体上有助于能源强度的降低，进而发挥节能效应。其一，智能化发展所引致的技术进步对于能源利用方式具有直接影响，有助于减少生产过程中的能源浪费，提升其利用效率；其二，智能化发展能够推动产业结构的服务化转型，从而降低对传统化石能源的依赖性，从整体上改善能源利用效率。（3）规模效应。正如前文所论述的，智能化发展有助于生产效率提升，进而引发生产规模扩张和产能增加，这无疑会导致能源消费规模的上升，进而阻碍碳减排。基于上述分析，智能化发展的节能减排效应具有不确定性，取决于智能化发展所引致的节能效应、规模效应和技术进步效应的综合作用，据此，可以提出：

假设1：智能化发展能够基于节能效应、规模效应和技术进步效应影响碳排放，且对于碳排放的影响具有不确定性。

2 研究设计

2.1 模型设定与变量说明

参考已有研究，本文构建以下模型：

其中，i代表省份；t代表年份；CC代表碳排放总量，碳排放数据来源于中国碳排放数据库（CEADs）所公布的我国省域层面二氧化碳排放清单，其中涵盖化石燃料燃烧和水泥生产过程的相关碳排放；rob表示智能化发展水平，考虑到智能化发展对于生产活动的影响可能存在一定的滞后特征，因此本文选取智能化发展的一期滞后项作为核心解释变量；X代表其他控制变量；Vi表示地区效应；Ut表示时间非观测效应；εit为随机扰动项。

相关变量的具体说明如下：（1）智能化发展水平。考虑到智能化发展的过程涵盖信息基础设施建设、智能化技术应用以及智能化结果的综合性内容，本文从基础投入、软件开发与应用、经济效益三个维度构建区域智能化发展水平指标体系。具体地，基础投入主要包括研发经费及开发人员的相关经费投入；软件开发与应用主要包括应用基础软件、支撑软件、嵌入式应用软件等产品的企业数量和软件收入；经济效益则包括电子通讯设备等信息技术企业的规模及利润。借鉴文献[4]，采用熵权法对智能化发展水平进行测度分析。（2）控制变量。为更客观、准确地分析智能化发展对节能减排的影响，本文借鉴文献[5,6]对以下变量进行控制：政府干预（fis，采用财政支出占GDP的比重来衡量）、产业结构（is，采用第三产业与第二产业增加值之比来表示）、开放水平（open，采用区域进出口总额与区域GDP的比值来衡量）、城市化（urb，采用区域内年末城镇人口与总人口之比来表征）、人力资本水平（edu，采用地区人均受教育年限来表征）。

2.2 数据来源

本文以2011—2020 年我国30 个省份（不含西藏和港澳台）为研究对象，选取区域经济发展的相关数据，各指标的原始数据主要来源于国家统计局官网和相关年份的《中国统计年鉴》。为避免极端值的影响，对变量进行了1%分位和99%分位的Winsorize处理；为避免多重共线性问题，对方差膨胀因子（VIF）进行了检验，发现各变量的VIF＜10，说明不存在显著的多重共线性问题。相关变量的描述性统计如表1所示。

表1 相关变量的描述性统计

3 实证分析

3.1 基准回归分析

考虑到本文所采用的研究样本为面板数据，需要采用豪斯曼检验来判断选择固定效应还是随机效应模型。检验结果表明，豪斯曼检验统计量P 值均为0.0000，说明拒绝随机效应，因此本文通过对相关变量建立固定效应模型进行基准回归分析。为保证估计结果的可靠性，本文采用依次添加控制变量的方法进行基准回归分析，结果如表2所示。整体来看，智能化发展对于碳排放的影响均显著为负，这表明智能化发展具有积极的减排效应。从控制变量的估计结果来看，政府干预对于碳排放具有显著的抑制效应，这是因为随着环境治理在政府绩效评估中越来越重要，地方政府愈发重视碳减排工作的落实，一系列严格的环境规制为降低碳排放提供了重要保障。产业结构对于碳排放的影响同样显著为负，即随着第三产业占比的不断增加，产业结构的优化为碳减排提供了重要的内在驱动力。同样地，人力资本水平与碳排放亦呈现显著的负相关性。本文分析，人力资本水平的提升为绿色技术创新提供了重要的人才保障，同时教育水平的上升亦有助于强化绿色消费行为，最终有助于碳排放的减少。然而，开放水平和城市化的推进却扮演着阻碍碳减排的“角色”。究其原因，开放水平的提升使得部分地区沦为“污染天堂”，大量高污染型产业的迁入使碳排放总量不断攀升，而城市化建设过程中自然离不开大量的能源投入，能源投入的增加势必造成碳排放总量的增加。

表2 基准回归分析结果

前文汇报了智能化发展对碳排放的整体影响，在此基础上，本文进一步将智能化发展分解为基础投入、软件开发与应用以及经济效益三项子指标，分别考察其对于碳排放的影响，结果如表3 所示。不难发现，三个子指标维度的智能化发展对于碳排放均表现出显著的减排效应，但从作用强度和显著性来看却存在明显差异。其中，软件开发与应用对于碳排放的抑制效应最为突出，基础投入和经济效益对于碳减排的作用则相对较弱。其可能的原因在于，软件开发与应用一方面能够助推软件产业规模扩张，促进产业结构优化升级，另一方面则有助于推动技术创新和提升生产效率。与之不同，基础投入和经济效益则能够同时引致生产规模的扩张，这种规模效应会在一定程度上抵消智能化发展的减排效应。

表3 子指标回归分析结果

3.2 稳健性检验与内生性处理

尽管前文采用的碳排放总量指标能够从生产活动的角度对碳排放强度进行度量，但考虑到生产活动的主要服务对象是消费者，相比碳排放总量，人均碳排放能够从消费维度有效刻画生产活动规模。因此，作为稳健性分析，进一步采用能够从消费行为的角度对碳排放强度予以度量的人均碳排放这一指标作为被解释变量，基于与前文同样的计量模型和方法，就智能化发展对区域人均碳排放的影响进行实证考察，结果见表4。结果显示，智能化发展对于人均碳排放的影响同样显著为负，这也意味着前文的估计结果具有充分的可靠性。

表4 稳健性检验结果

尽管前文的分析中通过更换被解释变量来确保估计结果的稳健性，但潜在的逆向因果关系以及遗漏变量等问题同样可能带来内生性威胁。如智能化发展作为有力的减排工具，其自身发展带来节能减排效应的同时，各地区既有的碳减排压力同样会对智能化发展产生倒逼效应，即高碳排放地区为加速碳减排可能主动进行智能化改造。为进一步保证结论的可靠性，本文尝试寻找智能化发展的工具变量并利用工具变量法进行内生性分析。

理想的工具变量需要同时满足排他性和相关性要求，本文主要选取两类工具变量：一是借鉴文献[7,8]的做法，采用本地之外的其他省份智能化发展水平的均值作为工具变量。这是因为不同地区的智能化发展存在“模仿特征”和“示范效应”，其他省份的智能化发展水平与本地智能化发展水平存在相似特征，同时对于本地的碳减排活动又难以产生直接影响。二是采用智能化发展的一期滞后项作为工具变量。三是参考文献[9]的做法，采用光缆密度作为智能化发展的工具变量。其原因在于，光纤材料是发展智能技术的物质基础，与当地智能化发展水平直接相关，且光缆铺设的决策由当地综合经济发展水平决定，符合外生性要求。

表5 报告了工具变量法分析结果，其中列（1）为使用其他省份均值作为工具变量的估计结果，列（2）在列（1）的基础上增加了智能化发展一期滞后项这一工具变量，列（3）则在列（1）基础上增加了光缆密度这一工具变量，列（4）是在列（1）基础上同时增加了智能化发展一期滞后项和光缆密度两个工具变量。结果表明，LM 统计量拒绝识别不足的假设，F 统计量排除了弱工具变量的情况，同时过度识别的情况并不存在。在克服潜在的内生性问题后，智能化发展对于碳排放的影响依然显著为负，从而再次证明了本文基本结论的可靠性。

表5 内生性处理结果

3.3 智能化发展的空间减排效应

考虑到智能化发展能够强化跨地区的交流和联系，从而对周边地区的生产活动、技术创新、污染治理等产生溢出效应，智能化发展所带来的碳减排效应可能不仅仅局限于本地，因此本文依次构建0-1邻接权重矩阵（W1）、地理距离空间权重矩阵（W2）、经济距离空间权重矩阵（W3）以及经济-地理距离复合空间权重矩阵（W4），并采用空间杜宾模型检验智能化发展对本地-邻地碳排放的影响。其中，0-1 邻接权重矩阵（W1）即两地相邻接则等于1，不相邻则等于0；地理距离空间权重矩阵（W2）采用地区间地理距离的倒数来表示；经济距离空间权重矩阵（W3）采用地区间经济差距的倒数来表示；经济-地理距离复合空间权重矩阵（W4）则由地理距离空间权重矩阵（W2）和经济距离空间权重矩阵（W3）的乘积构成。表6结果显示，在邻接空间权重矩阵、地理距离空间权重矩阵和复合空间权重矩阵下，智能化发展对周边地区的碳排放均表现为显著的抑制效应，但在经济距离空间权重矩阵下这种空间溢出效应并不显著。整体来看，智能化发展能够同时促进周边地区的碳减排，这也为地区间的智能化发展合作和协同减排提供了重要的经验证据。

表6 智能化发展的空间减排效应分析结果

3.4 异质性分析

前文分析主要考察了智能化发展对于碳排放的平均影响，但却难以揭示智能化发展影响碳减排的异质性特征，同时也无法判断随着智能化发展水平的提升，智能化发展对碳减排的影响是否发生改变。基于此，本文将从区域维度、时间维度以及智能化水平维度就智能化发展的异质性影响进行考察，结果见表7。具体地：（1）在区域维度。本文在国家统计局所划分的四大经济区域基础上，将东北地区的辽宁列入东部地区，吉林和黑龙江则列入中部地区。其中，东部地区共包含北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东以及海南这11个省份；中部地区则涵盖山西、安徽、江西、河南、湖北、湖南、吉林和黑龙江这8个省份；西部地区则主要包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆这11个省份。结果显示，智能化发展在东中部地区均表现出积极的碳减排效应，且对于东部地区的减排效应明显高于中部地区，然而智能化发展的减排效应在西部地区却并不显著，这可能是由于西部地区智能化发展基础落后以及智能化应用薄弱。（2）在时间维度。考虑到近年来智能化发展态势迅猛，本文选取研究区间的中间年份来进行研究区间划分，将其分为2011—2015 年和2016—2020 年两个阶段，尝试考察不同时间段内智能化发展对碳排放的动态影响是否有所差异。结果显示，随着研究区间的拉近，智能化发展的减排效应亦明显增强，显然，这主要得益于智能化发展体系的渐趋成熟和智能化与生产流程的深度融合。（3）在智能化水平维度。根据各省份智能化水平的平均值，本文将研究样本划分为低智能化水平地区和高智能化水平地区。对比发现，智能化水平较高的地区表现出积极的减排效应，而智能化水平较低的地区反而会导致碳排放增加。这一结论充分揭示出智能化发展对于碳排放的影响并非单纯的抑制效应，而是呈现非线性特征，充分释放智能化发展的减排效应，需要不断提高智能化发展水平。

表7 异质性分析结果

4 智能化发展的节能减排机制分析

4.1 智能化发展的节能效应、技术进步效应和规模效应

从智能化发展的节能效应来看，智能化发展整体上能够有效降低能源强度、提升能源效率，因此可以判断智能化发展具备一定的节能效应。值得注意的是，在智能化发展水平较低的地区，并未表现出显著的节能效应，仅在智能化发展水平较高的地区才表现出节能效应。同样地，智能化发展整体上具有显著的技术进步效应，但却主要体现在高智能化水平地区，即智能化发展到一定阶段才能够有效促进绿色创新。另外，智能化发展整体上能够有效扩大能源消费规模，且这一规模效应无论是在低智能化还是高智能化水平地区均保持显著。具体结果如表8所示。

表8 智能化发展的多维效应分析结果

4.2 智能化发展的减排机制检验

表9 汇报了智能化发展的减排机制检验结果。整体来看，智能化发展所引致的节能效应和技术进步效应是实现碳减排的主要作用机制，而智能化发展所引致的规模效应则是阻碍碳减排的重要因素。具体来看，无论是在低智能化水平地区还是高智能化水平地区，智能化发展均能够通过节能效应抑制碳排放，且节能效应对于碳减排的作用不断增强。不同的是，技术进步效应整体上虽然有助于智能化发展实现碳减排，但其在低智能化发展地区的作用并不显著。反观规模效应，智能化发展所引致的规模效应始终能够促进碳排放。显然，智能化发展之所以能够表现出积极的减排效应，其主要原因在于智能化发展所引致的节能效应和技术进步效应超过了规模效应。同时，这也为低智能化水平地区对于碳排放的促增效应给出了合理的解释。

表9 智能化发展的减排机制检验结果

5 结论

本文聚焦当前碳达峰、碳中和的现实背景，以工业智能化发展为切入点，系统性考察智能化发展的节能减排效应，并就其作用机制进行分析。研究表明，智能化发展具有显著的节能减排效应，在经过一系列的稳健性检验后，这一结论依然保持稳健。智能化发展的减排效应在空间维度存在典型的溢出特征，同时在区域维度、时间维度以及智能化水平维度存在异质性特征。智能化发展能够引致节能效应、技术进步效应和规模效应，节能效应和技术进步效应是智能化发展实现碳减排的主要作用机制，而规模效应则是阻碍智能化发展实现碳减排的主要机制。