工业智能化能促进碳排放绩效的提升吗？

谭玉松 董直庆

摘 要：碳排放绩效提升是经济增长与节能减排协调发展的关键。本文从新一轮智能技术革命出发，利用中国城市层面样本数据，实证检验工业智能化发展对碳排放绩效的影响及可能的传导路径。研究发现：工业智能化有助于碳排放绩效的提升；产业结构升级与要素优化配置是工业智能化提升碳排放绩效的有效路径；城市规模与资源依赖属性成为工业智能化作用存在差异的重要成因，适度的城市规模与非资源依赖型城市工业智能化的作用效果更为明显；外部环境是影响工业智能化作用效果的关键，其中高水平的人力资本增强了中国工业智能化对碳排放绩效的影响，而市场化环境却表现出显著负向作用，暗示了环境规制在降低污染排放中的作用。

关键词：工业智能化；碳排放绩效；产业结构升级；要素优化配置

中图分类号：F426.67；F49；X322  文献标识码：A  文章编号：1001-148X（2023）05-0020-09

收稿日期：2023-05-18

作者简介：谭玉松（1992-），男，山西运城人，讲师，博士，研究方向：技术创新；董直庆（1974-），男，浙江温州人，教授，博士生导师，研究方向：技术创新。

基金項目：西安市社会科学规划基金项目“人工智能驱动西安市碳排放绩效提升策略研究”，项目编号：23JX186。

一、引 言

自1978年以来，不断深化的对内改革与对外开放助推中国经济持续了近40年的跨越式增长，目前中国已成为仅次于美国的全球第二大经济体，然而一个不容忽视的问题是，经济持续增长的动力源泉并非来自于高新技术，而是在“唯GDP论”的政绩考核机制下，各地区通过降低环境规制水平，引入“高投入、高污染”的粗放型生产企业快速拉动经济发展，因此与此相伴随的是较为严重的能源消耗和环境恶化。《2020中国生态环境状况公报》显示中国有40.1%的地级以上城市环境空气质量超标，全国水土流失面积达到271.08万平方千米，31.1%的县域面积生态质量处于较差以下水平。与此同时环境污染治理投资额逐渐增加，由2000年的234.8亿元增加到2019年的615.2亿元，环境污染已经开始反噬中国经济。为此，“生态文明建设”“绿水青山就是金山银山”“守住自然生态安全边界”等理念被先后提出，绿色发展已经成为中国经济可持续发展的必由之路。

环境经济学研究证实，全球变暖可能成为人类面临的最为严峻的挑战之一，降低传统能源消耗与碳排放成为世界各国的共同责任。作为世界上最大的二氧化碳排放来源国，中国2020年二氧化碳排放量占全球总排放量的30.93%，达到9893.5百万吨。一个现实的问题是中国仍处于发展中国家行列，2019年中国大陆人均GDP仅位列全球第69位，2020年最低20%人群月均收入只有大约656元，远低于世界主要发达国家，因此发展仍是当前中国最为重要的关注点。面对经济发展与碳减排的两难困境，提升碳排放绩效成为破解困境的最优选择。基于此，前沿文献分别从对外贸易、政府竞争、环境规制等角度考察碳排放绩效的演变趋势［1-3］，但是归根结底，实现碳排放绩效改善离不开技术的跨越式发展。

随着2009年美国“再工业化”战略的提出，德国、日本、韩国等相继发布自身制造业发展战略，以期通过智能生产与智能制造重塑国际竞争格局，至此以机器人与人工智能为代表的智能生产要素开始成为国际关注的焦点。2015年《中国制造2025》的发布标志着中国开始推行制造业的智能化转向，在此之后中国机器人安装量出现跨越式的增长，至2017年总安装量已经超过47万台。作为一种通用型技术，智能化在通过岗位更替与创造对传统生产方式与生产关系重构时，也会打破现有产业边界，实现不同产业与行业深度融合并催生出新模式与新业态。广泛应用的智能化要素必将对包括碳绩效在内的经济社会产生深远影响。

综上可知，工业智能化可能会成为促进碳排放绩效提升的有利推手，但是这一结论仍缺乏经验证据的支撑。基于此，本文选取中国城市层面样本数据定量考察工业智能化发展如何改变碳排放绩效，探究工业智能化影响碳排放绩效的作用机制，识别智能化发展阶段及外在环境的约束作用。本文可能的边际贡献在于：第一，将新一轮智能化革命引入企业生产流程，从实证层面考察工业智能化与碳排放绩效关系；第二，打破了工业智能化的作用黑箱，从产业结构升级与要素优化配置等角度出发探寻工业智能化助推节能减排的传导路径；第三，工业智能化发展并非独立存在，而是依赖于众多的外部因素。为此，本文从人与环境视角出发，探寻不同外部条件约束下工业智能化对碳排放绩效的作用差异。

二、理论分析与研究假设

工业智能化是指人工智能技术与先进制造充分融合，以智能系统置换体力与脑力劳动，助推全产业与全社会智能化改造的新型生产方式，进而对经济社会的各个领域产生深远影响。纵观前沿文献，当前对于智能化的经济社会效应研究更多聚集于经济增长与劳动就业，且均形成了截然相反的研究结论。对于经济增长来说，一方面人工智能技术与工业化的有机融合在降低资本价格与推动社会生产能力提升的同时也催生出一系列新业态与新产业［4］，在改变就业格局的过程中实现经济可持续增长；另一方面人工智能渗入工业生产更为直接的是大量劳动力的失业以及收入的减少，与此相伴随的消费降低与投资衰减不可避免地导致经济的大面积停滞［5］。对于劳动就业而言，智能技术与所有新兴技术一样在进行任务替换与劳动替代的过程中展现出双面性特征［6］，即对劳动力市场同时产生积极效应与消极效应。众所周知，经济发展与劳动就业所引发的社会生产关系与生产方式变革往往会带来能源消耗与污染排放的变化，那么这是否意味着工业智能化也会对包括碳排放在内的环境产生深远影响呢？

作为人工智能技术应用的最主要表现形式，前沿文献直接针对工业智能化对碳排放影响的研究仍较为缺乏，大量研究主要围绕技术进步展开。现有文献指出技术进步能够促进包含效率在内的生产率改进，降低区域经济可持续发展的资源依赖，同时也是影响碳排放及碳排放绩效的重要因素［7］。但也有文献指出技术进步对碳排放的影响并非表现出线性关系，而可能呈现先增加后减少的“倒U型”［8］。

尽管技术进步与碳排放的研究呈现多样化趋势，但是技术进步对碳排放绩效的影响前沿文献却基本取得共识，即企业通过自主创新或者技术引进等促进节能工艺的广泛使用能够带来能源利用效率的提升［9］，进而改善碳排放绩效。然而技术进步在发展过程中却并非总是表现出中性，特别是在高能耗与高污染企业中技术进步更多呈现环保偏向性。随着偏向性技术理论的逐渐成熟，技术自身的偏向性如何影响能源效率与环境绩效成为新的研究视角［10］。He et al.（2021）基于2002-2015年中国省级面板数据研究结果显示，可再生能源技术进步能够提升碳排放绩效，且市场环境在中间扮演重要作用［11］。种种文献均证实技术进步特别是能源偏向性技术与环境偏向性技术可能成为碳排放绩效的决定力量，那么这是否也意味着智能化偏向的技术进步也会对碳排放及碳排放绩效产生影响呢？

前沿文献指出人工智能技术的发展为地方政府环境治理提供了新方法与新思路，一方面人工智能技术的效率提升增强了环保部门快速获得环境信息及实时跟踪污染变动的能力，另一方面人工智能技术与空调、通风及采光系统的协调能够迅速感知温度、湿度及光照条件的变化，从而快速自动化调节智能设备的运行状态，降低能源消耗以减少污染排放。纵观前沿文献，较多从智能化的某一维度出发进行检验，如白雪洁和孙献贞（2021）研究发现互联网发展对区域全要素碳生产率表现出明显的促进作用，且这一正向影响在分东、中、西检验时依然存在［12］。当然也有若干学者基于人工智能、机器人及工业智能化本身进行了研究，Liu et al.（2021）使用工业部门2005-2015年数据研究发现人工智能技术显著降低了碳排放强度，从侧面证实了工业智能化对碳排放绩效可能表现出正向激励作用［13］。基于此，本文提出以下假设：

H1：工业智能化能够促进碳排放绩效提升。

作为通用型技术的典型代表［14］，工业智能化能够通过供给侧与需求侧两方面助推产业结构升级，即一方面智能化改变了传统仅以劳动、资本等低端生产要素作为投入的粗放型生产模式，将大数据、云计算、互联网等智能化要素纳入企业生产流程，在提速增效的同时使机器成为新型人力资本，实现低风险、低投入的全流程复合式创新模式，以技术带动产业结构升级；另一方面随着人们生活水平的改善，个性化、智能化的产品需求与传统生产模式下标准化、单一化的产品供给间的矛盾不断凸显，智能制造体系的引入满足了人们对新产品与新业态的需求，且随着个性化需求的不断增加，倒逼包含芯片、物联网、5G在内的新型技术发展壮大，在良性互动中逐渐淘汰落后产业。这意味着，在产业结构升级过程中必然伴随生产要素的重新配置与生产流程的优化，企业基于要素供给与市场需求的变化动态调整产品定位，引致“高附加值”等低碳新兴产业的扩张与“高能耗”等传统行业的衰减，在促进经济持续增长的同时促进碳排放绩效的提升。基于此，本文提出以下假设：

H2：工业智能化能够通过诱使产业结构升级实现碳排放绩效改善。

除此之外，中国巨大的区域差异诱使劳动、资本、技术等生产要素不断向东部沿海与区域中心城市聚集，造成了城乡间与城市间生产要素分布的不均衡。然而在现实情境下，即使核心城市与城市群内部要素竞争激烈，但整体的要素流动方向也几乎呈现不可逆转性。智能化作为融合大数据、信息化、物联网等的新型生产形式，除了可以降低传统生产要素的信息搜寻成本外，也可以在要素匱乏地产生新业态，诱使中心城市的剩余要素转移，如贵州省的大数据、东数西算等都将引导东部地区高级人力资本与资金向中西部地区转移。而智能化和工业生产的协同演进与广泛融合，在引导传统制造业向生产性服务业转型的过程中，进一步增强要素选择机会，在破除要素扭曲的同时优化要素空间配置结构。众所周知，要素市场扭曲可能会通过两种形式抑制碳排放绩效提升：一是要素扭曲会对落后产业形成保护效应［15］，即在现有财政分权制度下部分地方政府为了维持区域经济发展，可能通过行政干预降低劳动力成本与借贷成本，使得高能耗的粗放型生产企业仅通过简单扩大要素投入而不是技术创新就能获取较大经济利益，随着生产规模的扩大将对环境造成严重损害并抑制碳排放绩效提升；二是要素扭曲导致生产要素被禁锢于特定地区与行业，既无助于产业分工体系与专业化分工的形成，又无法有效激励生产要素间的良性竞争，在弱化生产效率的同时阻碍了碳排放绩效的提升。这也就意味着要素优化配置可能成为提升碳排放绩效的关键。基于此，本文提出以下假设：

H3：工业智能化能够通过推动要素优化配置实现碳排放绩效改善。

三、模型构建、变量定义与数据说明

（一）模型构建

前述内容从文献梳理角度探究中国工业智能化与碳排放绩效的关系，但是仍缺乏令人信服的经验证据。为此，本部分从定量角度出发检验工业智能化对碳排放绩效的影响，以期为探究工业智能化与碳排放绩效提供数据支撑。计量回归模型设定如下：

cepit=β0+β1indit+β2Xit+σi+τt+εit（1）

其中，被解释变量cepit表示碳排放绩效，解释变量indit表示工业智能化程度，Xit为一组包含经济发展（gdp）、交通设施（trf）、环境规制（enr）、外商投资（fdi）、城镇化水平（urb）、金融发展（fin）等在内的控制变量集合，σi表示城市固定效应，τt表示时间固定效应，εit表示随机干扰项。

（二）变量定义

被解释变量。对于如何测度碳排放绩效，前沿文献主要从两方面进行表征：一是从经济后果角度出发以碳排放强度作为反向指标或者以碳排放强度倒数（生产总值与二氧化碳排放量比值）表征［16］；二是基于企业生产过程从要素投入、期望产出和非期望产出三个维度测算碳绩效［17］。总的来看两种碳排放绩效分别从结果与过程角度出发，均具有一定的代表性。因此本文分别基于前述测算方法，采用国内生产总值与二氧化碳排放量比值表征单要素碳排放绩效和选取劳动、资本、能源作为投入要素，国内生产总值、二氧化碳排放量作为产出，基于超效率EBM模型测算全要素碳排放绩效。

解释变量。事实上，前沿文献对于如何精准度量工业智能化并没有形成可供参考的共识。本文在现有文献的基础上从工业智能化基础、工业智能化能力、工业智能化效益等三个维度出发构建十二个细分指标并经过熵权法合成工业智能化指数。各细分指标定义如下：工业智能化基础主要包括：（1）智能化设备：采用工业机器人渗透率表示；（2）智能化人员：采用信息传输、计算机服务和软件业从业人员数与总从业人数之比表征；（3）智能化环境：选取电信业务总量与GDP之比度量。工业智能化能力主要包括：（4）高端智能制造：智能仪器生产、智能装备与设备、人工智能等企业数和总企业数比值表示；（5）信息智慧安全：信息与智能安全、网络信息安全、数据安全等企业数与总企业数之比度量；（6）计算机网络服务：选取计算机网络运营、互联网服务等企业数和总企业数比值表示；（7）软件与信息技术：选择软件开发服务、信息处理与软件推广、信息集采与集成等企业数和总企业数之比度量；（8）大数据处理：采用数据存储与处理、数据库构建、大数据等企业数与总企业数比值表征；（9）物联网技术：智能物流与仓储、区块链技术、物联网设备等企业数和总企业数之比表征。工业智能化效益主要包括：（10）经济效益：采用规模以上工业企业产品销售收入与规模以上工业总产值之比表示；（11）智能化效益：选择人工智能专利与总专利数之比表征；（12）社会效益：选取各城市GDP与用电量比值度量。

控制变量：经济发展（gdp）采用各城市人均实际GDP表征；交通设施（trf）选择各城市人均道路面积表征。环境规制（enr）选取各城市工业固体废物综合利用率表示；外商投资（fdi）选取各城市外商直接投资额与GDP的比值度量；城镇化水平（urb）选取人口城镇化率与土地城镇化率的均值度量，其中人口城镇化选择城镇人口与总人口的比值表征，土地城镇化采用建成区面积与总面积之比表示；金融发展（fin）选取各城市年末金融机构存贷款总额和GDP的比值度量。

（三）数据说明

本文选择中国城市层面2003-2017年数据为研究样本。其中国内生产总值基于2003年价格平减获得，二氧化碳排放数据来自于CEADs中国碳核算数据库；工业机器人数据来自于国际机器人联合会（IFR）公布的各国机器人数据；计算机网络服务、软件与信息技术、大数据处理、高端智能制造、信息智慧安全、物联网技术中各企业数来自天眼查微观企业数据库，通过定义与识别企业经营范围并经网络爬虫获取；人工智能专利数据在确定人工智能关键词的基础上，借助Python等软件爬虫获得；各城市专利数经手动检索得到；其余经济变量来自于《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》与各省市统计年鉴。

四、实证结果分析

（一）基准回归

为从实证层面验证工业智能化对碳排放绩效的影响，本文基于公式（1）进行检验，检验结果如表1所示，结果显示在逐步加入控制变量的过程中，工业智能化系数均显著为正，表明工业智能化能够带来碳排放绩效的改善。即假设H1得到了经验证据的支撑。通常而言智能化生产能够更快感应生产过程的需求，通过个性化、定制化的制造方式提升产品生产和销售效率，在降低能源消耗的过程中提升碳绩效。除此之外，工业智能化的应用在改变自身生产模式的同时，也会通过原材料与产品向产业链上下游延伸，带动全产业链条的智能化改造，促进整个供应链体系碳排放绩效的提升。从控制变量的角度看：经济发展系数在1%显著性水平上为正，表明随着经济发展水平的提高，碳排放绩效将会得到改善。交通设施系数显著为负，暗示交通设施建设不利于碳排放绩效的提升。环境规制系数显著为正，意味着环境规制的增强有助于碳排放绩效的提升。外商投资系数方向为负，可能是因为在当前阶段外商投资仍集聚于勞动密集型与低端制造业，从而无助于碳排放绩效的改善。城镇化水平系数在显著为负，表明城镇化进程的推进会降低碳排放绩效。金融发展系数显著为负，暗示金融发展不利于碳排放绩效的提升。

（二）稳健性检验

为尽可能解决指标选取与样本筛选误差造成的结果不稳健。本文从数据处理与指标替换等维度出发验证前述结论的可靠性：（1）数据缩尾。在进行5%与10%缩尾后，工业智能化系数均在1%显著性水平上为正，与基准回归相比系数显著性与大小有明显提升，表明异常值的存在可能弱化了工业智能化对碳排放绩效的促进作用，从侧面验证了前述结论的准确性；（2）替换解释变量。如前文所述，在测算综合性工业智能化指数细分指标权重时采用了熵权法，因此本文通过选取单一指标和更换权重测算方法，基于机器人渗透率与纵横向拉开档次法重新测算工业智能化水平并进行检验，结果可知工业智能化系数均在1%的水平上显著为正，即工业智能化有助于碳排放绩效的改善，表明基准回归结论的可靠性限于篇幅，该检验结果未做报告，如有需要可向作者索取。。

（三）可能的遗漏变量检验

在上述稳健性检验中，本文通过数据缩尾处理及替换解释变量等不同方法验证工业智能化与碳排放绩效的关系，但是估计结果仍可能存在偏误。而遗漏变量的存在或许是造成结果偏误的重要原因，为此本文在前述控制变量的基础上，进一步寻求可能影响碳排放绩效的关键变量。前沿文献指出服务业发展、人口密度与碳汇水平可能与碳排放绩效呈现某种关系，为此本文引入第三产业占比表征服务业发展水平，单位面积上的人口数表征人口密度，建成区绿化覆盖率表征碳汇水平，考察在分别控制服务业发展水平、人口密度、碳汇水平后工业智能化对碳排放绩效的作用效果。结果显示，在进一步控制服务业发展水平、人口密度、碳汇水平等可能的遗漏变量后，工业智能化依然显著提升了碳排放绩效限于篇幅，该检验结果未做报告，如有需要可向作者索取。。

（四）内生性处理

基准回归与稳健性结论证实了工业智能化有助于碳排放绩效的提升，但反向因果的存在所引发的内生性问题可能会造成实证结果出现偏误，消弱本文实证的可信性，即在政府明确要求减少碳排放与提升碳排放绩效的现实情境下，企业可能通过推进工业智能化以实现节能减排。为此，本文通过寻找工业智能化工具变量的方法缓解可能存在的内生性问题。通常而言，外生性与相关性是选取工具变量需要遵循的必要条件，即工具变量与被解释变量不相关，而与解释变量相关，也可以说解释变量是工具变量影响被解释变量的唯一路径。因此本文一是选取美国工业机器人渗透率作为工业智能化的工具变量［18］；二是借鉴Fisman和Svensson（2007）思路选取同省份其他城市工业智能化程度作为工业智能化工具变量［19］。结果显示在以工具变量解决内生性后工业智能化对碳排放绩效的影响依然稳健限于篇幅，该检验结果未做报告，如有需要可向作者索取。。

五、传导路径分析

基准回归结果证实了工业智能化对碳排放绩效的正向激励作用，但是并未回答何种因素可能成为工业智能化的作用路径，为此本文在现有文献研究的基础上定量考察产业结构升级与要素优化配置的传导效应。计量模型构建如下：

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与indit分别为碳排放绩效和工业智能化，medit为包含产业结构升级与要素优化配置等在内的中介变量，Xit为与公式（1）完全一样的控制变量集合。产业结构升级通常有产业结构高级化与产业结构合理化两种表现形式，因此本文产业结构升级由产业结构高级化与产业结构合理化基于熵权法合成，产业结构高级化选取第三产业与第二产业产值之比表示，产业结构合理化以100/［∑31（YiY）|Yi/LiY/L-1|］测度，其中Yi为i产业产值，Li为i产业从业人数。要素优化配置采用要素市场扭曲反向表征，其中要素市场扭曲=（产品市场市场化程度-要素市场市场化程度）/产品市场市场化程度，当产品市场市场化程度与要素市场市场化程度完全吻合时，要素市场扭曲为0，即要素配置效率较高。

（一）产业结构升级传导路径检验

表2报告了产业结构升级的中介效应检验结果，其中模型1结果显示工业智能化系数在10%显著性上为正，表明工业智能化能够促进单要素碳排放绩效的提升；模型2结果显示工业智能化系数在5%显著性水平上为正，意味着工业智能化有助于产业结构升级；模型3结果显示工业智能化系数在10%显著性水平上为正而产业结构升级系数却并不显著，为此需要进行Sobel检验以证明产业结构升级是否发挥中介作用，检验结果显示Z值为1.878，在10%显著性水平上为正，证明了中介效应的存在。模型4-6汇报了全要素碳排放绩效下产业结构升级中介效应检验，其中模型4结果显示工业智能化系数在1%显著性水平上为正，表明工业智能化能够显著提升全要素碳排放绩效；模型5可知工业智能化系数在5%水平上显著為正，意味着工业智能化有助于推进产业结构升级；模型6结果显示工业智能化与产业结构升级系数均显著为正，暗示工业智能化既能直接作用于全要素碳排放绩效又能通过产业结构升级影响全要素碳排放绩效，证实了产业结构升级的部分中介作用以及假设H2的合理性。

（二）要素优化配置传导路径检验

表3汇报了要素配置效应的中介效应检验，其中模型1结果显示工业智能化促进了碳排放绩效的提升；模型2结果显示工业智能化有利于缓解要素扭曲，即工业智能化能够优化要素配置；模型3结果显示工业智能化与要素扭曲均显著且作用方向符合预期，即证明了要素配置在工业智能化与碳排放绩效中的传导作用。模型4-6为全要素碳排放绩效下的检验结果，其中模型4结果显示解释变量工业智能化系数在1%显著性上为正，表明工业智能化发挥正向激励作用；模型5结果显示解释变量工业智能化系数显著为负，表明工业智能化能够缓解要素扭曲，促进要素市场与产品市场合理配置；模型6可知解释变量工业智能化系数方向和中介变量要素扭曲系数方向分别与模型4与模型5一致，证实了要素配置的部分中介效应以及假设H3的合理性。

六、进一步讨论

（一）异质性分析

1.规模异质性

通常而言，不同等级规模的城市在资源整合与职能划分上存在较大差异，可能呈现出规模经济与规模不经济的交替轮换。基于此，本文将城市规模引入，分类考察不同城市规模下工业智能化对碳排放绩效的影响。城市规模的界定与划分依据2014年国务院颁布的《关于调整城市规模划分标准的通知》，检验结果可知小城市、中等城市、特大城市及超大城市工业智能化均不显著，而仅有大城市工业智能化系数显著为正，暗示适度的城市规模更有助于工业智能化作用的发挥，可能的原因在于规模经济与规模不经济的交替产生，即在城市规模不断扩张的初期，要素集聚所引发的技术溢出与知识共享能够促进企业技术升级与技术更新，有助于智能化设备的快速应用与环保型技术的产生。而随着企业与产业的过分集聚，城市规模的负向效应开始凸显，特别是在城市治理者缺乏治理能力与管理经验时，城市内部资源抢夺造成包含劳动力、资本、能源在内的要素短缺，在提升生产成本的同时降低企业技术创新水平限于篇幅，该检验结果未做报告，如有需要可向作者索取。

2.资源属性异质性

长期以来，资源开采与资源粗加工成为众多资源型城市经济发展的动力来源，但在面对经济高质量发展与环境保护双重压力下，传统发展模式已逐渐不可持续，然而长期以来对自然资源的过度依赖使得资源型城市产业结构与就业结构单一，技术创新水平不足。因此在探究经济发展与环境保护时需考察城市的资源属性差异。本文基于国务院2013年印发的《全国资源型城市可持续发展规划（2013-2020年）》（下文简称为《发展规划》）将样本城市分为非资源型城市与资源型城市，实证检验工业智能化对碳排放绩效影响的城市资源属性差异，检验结果表明工业智能化能够促进非资源型城市碳排放绩效的提升，而无助于资源型城市碳排放绩效的改善。可能的原因在于一方面资源型城市更多地依赖于采掘业，而智能制造技术与设备的应用更多集聚于制造业和生产性服务业；另一方面在资源类行情较好时，资源型城市更注重加大资源开采获得更高收益而不是进行技术研发，而在自然资源行情下跌时却又缺乏足够资金进行设备升级，更容易陷入“资源怪圈”限于篇幅，该检验结果未做报告，如有需要可向作者索取。。

（二）外部环境影响

1.人力资本水平

自“人力资本理论”出现以来，人力资本逐渐成为研究技术进步与生产率提升的不可或缺因素。为此本文通过调节效应模型考察人力资本水平在工业智能化与碳排放绩效关系中的作用，其中人力资本水平采用高等学校在校生人数与劳动力的比值表征。实证检验结果如表4模型1与模型2所示，结果显示人力资本水平与工业智能化交互项系数均在1%显著性水平上为正，意味着人力资本水平提升有助于促进工业智能化对碳排放绩效的激励作用。可能的原因在于作为技术密集型产业的代表，工业智能化的发展离不开创新要素的持续投入，人力资本水平的提升在促进智能设备快速使用与生产效率提升的同时，也不断促使新技术、新业态、新模式的产生，以技术进步的形式反作用于工业智能化。

2.市场化程度

市场化作为我国经济领域最为重要的制度体系，显然已经成为经济活动无法忽视的关键因素。前沿研究更多关注于市场化改革能否激励经济增长与技术进步［20-21］，普遍认为市场化改革是影响企业创新能力的关键。因此，本文进一步考察市场化程度如何影响工业智能化的作用效果，其中市场化程度选取城市层面非国有经济、行政干预、产品市场成熟度、要素市场完善度等四个维度基于熵权法合成。检验结果如表4模型3与模型4所示，可知市场化程度与工业智能化交互项系数分别在1%与5%显著性水平上为负，意味着市场化程度不利于工业智能化对碳排放绩效的促进作用。可能的原因在于一方面市场化程度使得中国制造业在国际产业分工中更易陷入“被俘获”地位，即在通过组装获得收益大于研发时，更倾向于缩减研发经费，不利于中国自主智能制造产业的提升；另一方面智能化革命发展初期，在仅依靠市场机制而缺乏政府支持与政策保护的条件下，制造业企业与研发机构缺乏足够资金与动力进行智能化创新。

七、结论与政策建议

本文选取中国城市层面样本数据从实证角度探讨中国工业智能化的发展对碳排放绩效的影响。研究发现：（1）工业智能化能够显著提升碳排放绩效，且这一激励作用无论是在单要素碳排放绩效还是全要素碳排放绩效下均成立。（2）产业结构升级与要素优化配置是工业智能化作用于碳排放绩效的传导路径，即工业智能化引发的岗位更替与创造效应在推动要素有序流动的过程中也促使产业结构升级。（3）工业智能化对碳排放绩效的作用效果存在显著的城市规模与资源依赖属性差异，仅大城市与非资源依赖型城市工业智能化才表现出明显的正向激励作用。（4）外部环境可能成为影响工业智能化作用效果的关键。智能化革命所依赖的人力资本水平显著提升了工业智能化对碳排放绩效的促进作用，而市场化程度却显示出负向影响，从侧面证实了环境规制在节能减排与碳排放绩效提升中的重要性。

基于此，本文提出如下建议：第一，依托智能化重构产业发展路径，建立绿色低碳产业发展体系。对于能够同时兼顾经济发展与环境保护的高新技术企业，政府应注重产业政策的引导作用，在设立符合地区发展的产业转型目标的基础上，构建创新奖励机制与污染排名机制激发企业自主创新能力，实现技术企业向低碳环保企业转型。第二，增加高等教育投入与劳动技能培训力度，以人才红利助推智能化绿色转向。作为降低环境污染的重要载体，智能化环保设备的生产、普及与应用需要较多高层次的专业性人才，因此在推动综合人才与技能人才分流的基础上，适度扩大高等教育规模提升整体受教育水平可以培养更多的优质人力资本，为智能化环保设备等新型技术的研发储备力量。第三，警惕过度市场化下企业社会责任的缺失，以环境规制助推碳排放绩效的整体改善。推进包含环保法规、环保督察、行政诉讼等在内系列行政手段的制定与实行，加强公检法与环保部门的联合执法的频次，将环保抽查纳入企业日常生产经营全过程，加大对私自排污等违法行为的查处力度，在实施过程中要注意环境规制过度引发的经济下滑等负向影响，努力实现环境规制与经济政策的合理搭配。

参考文献：

［1］ 徐博禹，刘霞辉.进出口贸易对第一产业的碳排放效应研究——基于中国省级研发投入数据的门槛检验［J］．经济问题，2022（2）：27-33.

［2］ 胡久凯，王艺明.地方政府竞争模式转变与碳排放绩效——来自地级市政府工作报告的经验证据［J］．经济学家，2022（6）：78-87.

［3］ 白雪洁，宋培，王宝璐.碳排放交易制度的节能减排路径：效率提升还是结构转型？——来自中国省级数据的准自然实验［J］．商业经济与管理，2021（8）：70-85.

［4］ 韦东明，顾乃华，韩永辉.人工智能推动了产业结构转型升级吗——基于中国工业机器人数据的实证检验［J］．财经科学，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.工業智能化的就业效应研究——基于劳动者技能和性别的空间计量分析［J］．管理世界，2022（10）：110-126.

［7］ 程钰，张悦，王晶晶.中国省域碳排放绩效时空演变与技术创新驱动研究［J］．地理科学，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］马海良，张格琳.偏向性技术进步对碳排放效率的影响研究——以长江经济带为例［J］．软科学，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］白雪洁，孙献贞.互联网发展影响全要素碳生产率：成本、创新还是需求引致［J］．中国人口·资源与环境，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，周丰年，王雪芹.低碳试点政策对城市碳排放绩效的影响评估及机制分析［J］．资源科学，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，王林辉，胡晟明.人工智能技术能促进就业质量提升吗？［J］．哈尔滨商业大学学报（社会科学版），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］李晓翔，李春于.制度环境对企业创新的“过犹不及”效应研究［J］．哈尔滨商业大学学报（社会科学版），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

（責任编辑：赵春江）