“雙控”目標下產業智能化的節能降碳減排效應

趙培雅 高煜 孫雪

摘要 作為新一輪技術進步的重要標志，產業智能化是“雙控”目標下實現節能降碳減排的重要路徑。運用2011—2021年275個城市面板數據，檢驗產業智能化對能源消費、碳排放、工業污染排放總量和強度的影響及機制。理論分析表明，產業智能化應用產生規模擴張效應、技術創新效應和產業結構升級效應，三種效應的相互作用將決定產業智能化對能源消費、碳排放、工業污染排放總量和強度的影響方向和程度。該研究采用固定效應模型進行基準回歸，并運用工具變量、GMM動態面板、外生沖擊檢驗和替換解釋變量等方法，確?；鶞式Y果的穩健性。研究表明：①產業智能化不僅能夠減少能源消費和工業污染排放總量，而且可以降低能源消費、碳排放和工業污染排放強度，實現節能降碳減排。②經驗證據顯示，產業智能化對能源消費、碳排放和工業污染排放的總量影響小于對其強度的影響。產業智能化主要作用于“能耗雙控”，對“工業污染排放雙控”作用較小，但未能實現“碳排放雙控”。③機制檢驗得出，目前產業智能化所推動的綠色技術創新水平較低是產業智能化未能實現“碳排放雙控”的根本原因，采用智能化技術提升綠色技術創新水平是由“能耗雙控”向“排放雙控”轉型的重要條件。產業結構升級是“雙控”目標下產業智能化實現節能降碳減排的重要機制?；谘芯拷Y果提出了提升各地級市產業智能化發展水平，加快企業智能化綠色技術研發，有序推進智能化產業結構轉型升級的政策措施。

關鍵詞 產業智能化；節能降碳減排；綠色技術創新；產業結構升級

中圖分類號 F062. 1 文獻標志碼 A 文章編號 1002-2104（2023）09-0059-11 DOI：10. 12062/cpre. 20230505

技術進步是實現節能降碳減排的根本路徑［1］，作為新一輪技術進步的重要標志，中國智能化產業發展呈現出急劇增長態勢?！?020中國人工智能產業白皮書》數據顯示，2025 年中國人工智能產業市場規模將有望超過4 000億元，中國將有可能擁有全球最大的智能化產業市場［2］。產業智能化以突破性技術為基礎，通過深度學習迅速而廣泛地應用于經濟社會中的各個產業，對經濟體系產生系統性影響［3］，從而為實現節能降碳減排創造了新的機遇?！?022年政府工作報告》強調“推動能耗‘雙控’向碳排放總量和強度‘雙控’轉變”［4］。因此，實現節能降碳減排的主要目標不僅要著力于總量下降和強度調控，而且應創造條件實現由“能耗雙控”向“排放雙控”的轉變。在“總量和強度雙控”目標下產業智能化是否具有節能降碳減排效應？產業智能化對能源消費、碳排放和工業污染排放總量和強度的影響程度是否存在差異？產業智能化實現“雙控”目標下的節能降碳減排存在怎樣的作用機制？產業智能化應用如何實現由“能耗雙控”向“排放雙控”的轉變？為解決以上問題，該研究將通過理論分析與實證檢驗探究產業智能化對節能降碳減排的影響，為中國綠色發展提出政策啟示。

1 文獻綜述與研究假說

Panayotou［5］提出，技術進步影響環境的主要因素包括規模擴張效應、技術創新效應和結構轉型效應。白俊紅等［6］研究表明，在規模擴張效應、技術創新效應和結構轉型效應的作用下技術進步對于降低能耗、減少環境污染存在“雙刃劍作用”。一方面，技術進步所產生的技術創新效應和結構轉型效應，通過提高產業部門能源使用效率，減少生產過程中的污染排放，進而實現節能減排［7］。另一方面，也有學者指出技術進步將引發生產規模不斷擴張，所產生的規模擴張效應可能抵消技術創新效應和結構轉型效應所帶來的節能減排效果，反而造成更加嚴重的環境問題［8-9］。隨著數字化、智能化等新興技術的蓬勃興起，新興技術是否具有節能降碳減排效應逐漸成為新的研究熱點。汪東芳等［10］提出互聯網的普及引發經濟規模擴張導致能源消耗增大，而其引發的產業結構變遷則提升了企業生產效率，降低了單位產出能耗，進而實現節能減排。劉慧等［11］認為數字化轉型不僅能夠引發技術創新改善企業能耗模式，而且可以實現結構優化促進企業節能減排，但其節能減排最終效果受限于外部規模。張思思等［12］指出數字化技術應用所引發的經濟規模擴張為產業結構清潔化調整帶來發展機遇，但同時數字化基礎設施建設又導致能源消耗和碳排放加大。蔣為等［13］研究表明由于機器人的技術創新減排效應高于其規模擴張增排效應，因此機器人應用能夠顯著降低中國制造業碳排放量。以上文獻表明，與傳統技術進步類似，新興技術應用引發經濟規模加速擴張，同時伴隨著技術創新和產業結構轉型，產生規模擴張效應、技術創新效應和產業結構升級效應，三種效應將決定新興技術對節能降碳減排的影響。而目前文獻對于有關產業智能化對節能降碳減排的綜合性研究較少，特別是對“雙控”目標下產業智能化影響節能降碳減排的具體機制仍有待研究。

在宏觀經濟運行中，產業智能化展現出自動化工具和通用目的技術兩大基本屬性［14］。作為自動化工具，產業智能化能夠在操作重復的流程性生產中，以較低的成本快速協調生產系統，顯著提高生產率，避免生產過程中的資源過度使用，提升整體經濟運行效率。作為通用目的技術，產業智能化具有較強的知識溢出效應，其普遍性、可持續性等特征，能夠廣泛滲透并融入其他技術之中，演化為一種新的技術，實現“顛覆性創新”［15］。兩大基本屬性使得產業智能化所引發的規模擴張不僅包含經濟規模增大對能源消費和排放總量產生的直接影響，而且促使經濟結構發生轉型并直接影響到能源消費和排放的強度。同時在新的經濟規模下，產業智能化所產生的技術創新效應和產業結構升級效應，將間接影響到能源消費和排放的總量和強度。因此，三種效應的相互作用將決定產業智能化對“雙控”目標下節能降碳減排的影響方向和影響程度。

規模擴張效應。與傳統技術模式不同，產業智能化所引發的規模擴張效應具有一般性和特殊性。一方面，產業智能化所引發的規模擴張效應的一般性在于，作為自動化工具產業智能化應用促使產業生產效率的逐步提升，加速產業規模擴張，增大能源需求，導致能源消費、碳排放和工業污染排放總量增加。另一方面，產業智能化所引發的規模擴張效應的特殊性在于，產業智能化應用所具備的通用目的技術屬性為高效清潔生產提供技術支持，通過減排設備更新換代，突破對原有技術的路徑依賴［16］。隨著智能化技術在全產業的逐步應用，其規模擴張效應將形成技術溢出［17］，進而重新設定整個產業的技術軌道，在規模擴張的同時實現能源消費、碳排放和工業污染排放量的大幅降低，即降低能源消費、碳排放和工業污染排放強度。由此，提出以下假說。

假說1a：產業智能化所引發的規模擴張效應導致能源消費、碳排放和工業污染排放總量增加。

假說1b：產業智能化所引發的規模擴張效應能夠降低能源消費、碳排放和工業污染排放強度。

技術創新效應。產業智能化的核心在于推動“綠色智能技術革命”［14］。一方面，產業智能化的自動化工具屬性有助于企業具備低成本、高效率的創新能力［18］。企業在智能化技術的支持下采用自主推理決策的智能化生產模式［19］，能夠有效降低企業綠色研發創新成本，控制綠色交易管理中的冗余成本，加快企業創新頻率，提高企業綠色技術創新水平［20］。企業綠色技術創新通過優化生產環節，提高能源利用效率，促使能源消費、碳排放、工業污染排放總量和強度的下降。另一方面，Agrawal等［21］指出，智能化是科學發現的發明方法的發明。作為通用目的技術，產業智能化技術通過與其他技術的融合產生知識溢出，為企業綠色轉型提供技術支持，促使企業采用綠色創新模式提升技術水平，引發產業生產中突破性、顛覆性綠色技術產生。產業智能化所引發的綠色技術創新，能夠解除企業高污染生產技術黏性，降低生產過程中的化石能源消耗，進而降低能源消費、碳排放、工業污染排放總量和強度。由此，提出以下假說。

假說2a：產業智能化能夠通過綠色技術創新減少能源消費、碳排放和工業污染排放總量。

假說2b：產業智能化能夠通過綠色技術創新降低能源消費、碳排放和工業污染排放強度。

產業結構升級效應。Grossman等［22］認為，產業結構演進是技術進步影響環境污染的主要原因?！洞龠M新一代人工智能產業發展三年行動計劃（2018—2020年）》中指出智能化是產業變革的關鍵因素［ 23］。產業結構升級是指經濟結構演進中第一產業向第二產業、第三產業的規律性變化，不僅表現為產業比例關系的優化，也體現了新興產業逐步發展的過程［24］。一方面，以能源為基礎的傳統產業部門是智能化融合度最高的部門之一［25］，產業智能化的自動化工具屬性能夠優化該部門技術路線中化石能源的使用，推動高能耗、高污染產業不斷延伸并實現與第三產業融合，推動傳統產業逐步向高級化方向演進［26］，帶動能源消費、碳排放、工業污染排放總量和強度的下降。另一方面，產業智能化的通用目的技術屬性驅動各產業形成新的產業形態，促進一批智能化產業的興起［27］。產業智能化帶動具有更高生產力和技術水平的新興主導產業迅速發展，引導勞動、資本密集型產業為主的傳統產業結構，向技術、知識密集型產業為主的清潔化產業結構轉型演進［28］，從而降低能源消費、碳排放、工業污染排放總量和強度。由此，提出以下假說。

假說3a：產業智能化能夠通過產業結構升級減少能源消費、碳排放和工業污染排放總量。

假說3b：產業智能化能夠通過產業結構升級降低能源消費、碳排放和工業污染排放強度。

其中：AIBit為城市i 在t 年的工業機器人滲透度，J 表示各行業的合集，employi，j，t=2011為城市i 中行業j 在2011年的就業人數，employi，t=2011是城市i 在2011年的就業人數，Robotjt為由《全球工業機器人報告》所提供的行業j 在t 年的工業機器人安裝量，employj，t=2011是行業j 在2011年的就業人數；信息資源采集能力和處理能力，采用地級市信息傳輸、計算機服務和軟件業從業人員數占該地級市總從業人員總數的之比進行衡量。

智能化技術。采用人工智能專利進行衡量。利用Python軟件按照王林輝等［18］的做法選取人工智能關鍵詞爬取萬方專利數據庫中各地級市中人工智能發明專利、實用新型專利和外觀設計專利的專利數據，將其加總后與科研從業人員數之比表征智能化技術。

2. 2. 2 被解釋變量

能源消費總量。參照《中國能源統計年鑒》中各能源折算標準煤系數對各地級市的人工、天然氣供氣總量、液化石油氣供氣總量及全社會用電量進行計算，換算為萬噸標準煤加總得出能源消費量并取對數進行衡量。能源消費強度，使用地級市能源消費總量與實際工業增加值（以2011年為基期）之比的對數值表示能源消費強度，該值越小表明單位工業增加值所消耗的能源越少。

碳排放總量。碳排放量采用標準煤的折算系數對煤炭、原油和天然氣三種化石能源進行核算，將三種化石能源核算結果加總后得出各地級市的碳排放總量并取對數進行衡量。碳排放強度，使用地級市碳排放總量與實際工業增加值（以2011年為基期）之比的對數值表示碳排放強度，該值越小表明單位工業增加值所產生的碳排放越少。

工業污染排放總量。采用工業廢水排放量、工業SO2排放量和工業粉塵煙塵排放量平均賦權計算污染物排放總量并取對數進行衡量。工業污染排放強度，使用地級市工業污染排放總量與實際工業增加值（以2011年為基期）之比的對數值表示工業污染排放強度，該值越小表明單位工業增加值所產生的工業污染排放越少。

2. 2. 3 控制變量

地級市節能降碳減排取決于多種因素，除了產業智能化外其他變量也對地級市節能降碳減排產生重要影響。因此，選取經濟發展水平、基礎設施水平、人力資本水平、對外開放水平、市場化水平以及環境規制6個變量作為控制變量。

各主要變量的名稱、符號、數據指標含義及計算方法見表1。

2. 3 數據來源與樣本選擇

基于數據可得性，選取2011—2021年中國275個地級市面板數據作為研究樣本，未涉及的地級市包括：衡水市、黑河市、綏化市、泰州市、淮北市、亳州市、中山市、欽州市、三沙市、儋州市、遵義市、畢節市、銅仁市、拉薩市、日喀則市、昌都市、林芝市、山南市、那曲市、海東市、吐魯番市、哈密市。研究區域未涉及香港、澳門、臺灣。產業智能化代理變量中工業機器人數據來自《全球工業機器人報告》。其他數據來自《中國城市統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》以及各地級市統計年鑒，個別缺失值通過插值法補齊。

3 實證檢驗

3. 1 基準回歸

根據式（1）的設定，對產業智能化能否實現節能降碳減排進行檢驗。依據Hausman檢驗的結果選擇固定效應模型，所有模型均控制時間固定效應和個體固定效應，并將標準誤聚類到城市層面，回歸結果見表2。

由表2可知，列（1）中產業智能化（AI）對能源消費總量（energy）的影響系數為-0. 909且在1%的水平下顯著，列（2）中產業智能化（AI）對能源消費強度（EI）的影響系數為-2. 050且在1%的水平下顯著，表明產業智能化能夠顯著降低能源消費的總量和強度。對比列（1）和列（2），產業智能化對能源消費強度的影響系數高于其對能源消費總量的影響系數，產業智能化對能源消費強度的影響程度相對較高。列（3）中產業智能化（AI）對碳排放總量（CO2）的影響系數為負但并不顯著。列（4）中產業智能化（AI）對碳排放強度（CI）的影響系數為-1. 902且在5%的水平下顯著，表明產業智能化未能降低碳排放總量，但能夠顯著降低碳排放強度。列（5）中產業智能化（AI）對工業污染排放總量（POL）的影響系數為-0. 412且在1%的水平下顯著，列（6）中產業智能化（AI）對工業污染排放強度（PI）的影響系數為-1. 399且在1%的水平下顯著，表明產業智能化能夠顯著降低工業污染排放的總量和強度。

對比列（5）和列（6），產業智能化對工業污染排放強度的影響系數相對較大，表明產業智能化對工業污染排放強度的影響程度相對較高。由表2可知“雙控”目標下產業智能化應用不僅能夠減少能源消費和工業污染排放總量，而且可以降低能源消費、碳排放和工業污染排放強度，實現節能降碳減排。

控制變量中，市場化水平（market）和環境規制（ER）的影響系數顯著為負，表明二者有助于產業智能化背景下的節能降碳減排。而經濟發展水平（agdp）和人力資本水平（hum）的影響系數顯著為正，表明目前經濟發展模式仍需進一步調整，人力資本水平與產業智能化匹配程度仍有待提升。而對外開放水平（open）對節能降碳減排的影響方向并不確定，基礎設施水平（facility）對節能降碳減排的影響并不顯著。

由表2實證結果可知，產業智能化能夠顯著減少能源消費的總量和工業污染排放總量。結合理論分析，相比于假說1a中產業智能化所產生規模擴張效應，假說2a和假說3a中產業智能化所引發的技術創新效應和產業結構升級效應作用相對較大，因此除碳排放總量，產業智能化對能源消費總量和工業污染排放總量具有顯著的抑制作用。表2中，產業智能化對能源消費、碳排放和工業污染排放強度的影響程度均高于其對總量的影響，其原因在于假說1a中產業智能化發展所產生的規模擴張效應，導致產業智能化對能源消費、碳排放和工業污染排放總量的影響程度相對較小。由表2結果，產業智能化對能源消費強度、碳排放強度和工業污染排放強度的影響系數均顯著為負。因此，產業智能化所產生的規模擴張效應、技術創新效應和產業結構升級效應能夠降低能源消費、碳排放和工業污染排放強度，從而證實了假說1b、假說2b和假說3b。對比表2中各列結果，得出產業智能化對能源消費的影響程度最大，而對碳排放和工業污染排放的影響程度相對較小。經驗證據表明目前產業智能化主要作用于“能耗雙控”，對“工業污染排放雙控”作用較小，但未能實現“碳排放雙控”。

3. 2 穩健性分析

3. 2. 1 工具變量法

采用工具變量法緩解內生性問題，參考Acemoglu等［27］的方法計算美國工業機器人滲透度（AIU）作為工具變量，回歸結果見表3。

采用工具變量兩階段最小二乘法（IV-2SLS）進行回歸，工具變量（AIU）均通過了“弱工具變量”檢驗和“不可識別”檢驗。由表3列（1）可知，一階段工具變量（AIU）與各城市產業智能化（AI）在1% 水平下呈顯著的正相關。

列（2）和列（3）中，產業智能化工具變量擬合值（AI_IV）對能源消費總量（energy）和能源消費強度（EI）的影響系數均顯著為負。列（4）和列（5）中，產業智能化工具變量擬合值（AI_IV）對碳排放總量（CO2）的影響系數并不顯著，而對碳排放強度（CI）的影響系數顯著為負。列（6）和列（7）中，產業智能化工具變量擬合值（AI_IV）對工業污染排放總量（POL）和工業污染排放強度（PI）的影響系數均顯著為負。表3結果與表2結果一致，從而驗證了基準回歸結果。

3. 2. 2 GMM動態面板分析

由于靜態面板結果可能存在內生性及估計偏誤問題，為此采用系統GMM進行估計，回歸結果見表4。表4列（1）和列（2）中，產業智能化（AI）對能源消費總量（energy）和能源消費強度（EI）的影響系數均顯著為負。列（3）和列（4）中，產業智能化（AI）對碳排放總量（CO2）的影響系數為負但并不顯著，而對碳排放強度（CI）的影響系數顯著為負。列（5）和列（6）中，產業智能化（AI）對工業污染排放總量（POL）和工業污染排放強度（PI）的影響系數均顯著為負?；鶞驶貧w結果再次得到驗證，產業智能化能夠從總量和強度實現節能降碳減排。

3. 2. 3 外生沖擊檢驗

為精確識別產業智能化與節能降碳減排間的因果關系，進一步進行外生沖擊檢驗。2013 年12 月工業和信息化部發布《關于推進工業機器人產業發展的指導意見》（以下簡稱“意見”），指出“工業機器人作為產業智能化發展的自動化裝備，是未來產業智能化的發展方向”。2017年7月《國務院關于印發新一代人工智能發展規劃的通知》（以下簡稱“通知”）指出“我國應把握智能化發展的重大歷史機遇，加快形成智能化發展的先發優勢，為我國經濟發展注入新動能”?！耙庖姟焙汀巴ㄖ弊鳛橹袊嘘P智能化應用的政策文件，對于各城市而言是促進其智能化轉型的一個相對外生沖擊。因此，選取兩個政策沖擊時點2013年和2017年構建DID模型。連續型DID不僅能夠呈現出更為豐富的樣本異質性，而且可以避免主觀設定處理組和實驗組所產生的偏差，減少模型的內生性問題［32］。使用“產業智能化”這一連續變量作為模型分組變量的代理變量，構建連續型DID 模型如下：

式（2）中：Postit為時點變量，政策沖擊后該值取1，之前取0。AIit ×Postit的系數δ 反映沖擊影響，若δ 顯著為負，則表明受沖擊較大的城市節能降碳減排效果較為明顯，即產業智能化能夠顯著實現節能降碳減排。DID的估計結果見表5和表6。

表5表明：列（1）和列（2）中“意見”沖擊對能源消費總量（energy）和能源消費強度（EI）的影響系數均顯著為負。列（3）中“意見”沖擊對碳排放總量（CO2）的影響系數為負同樣并不顯著，而列（4）中“意見”沖擊對碳排放強度（CI）的影響系數顯著為負。列（5）和列（6）中“意見”沖擊對工業污染排放總量（POL）和工業污染排放強度（PI）的影響系數均顯著為負。表5結果再次證實了基準回歸結果的穩健性。

表6表明：列（1）和列（2）中“通知”沖擊對能源消費總量（energy）和能源消費強度（EI）的影響系數均顯著為負。與基準結果不同，列（3）中“ 通知”沖擊對碳排放總量（CO2）的影響系數顯著為負，表明近年來隨著“通知”沖擊所引發的產業智能化水平的提升能夠減少碳排放總量，列（4）中“通知”沖擊同樣能夠顯著降低碳排放強度（CI）。表明“通知”沖擊能夠實現“碳排放雙控”。列（5）和列（6）中“通知”沖擊對工業污染排放總量（POL）和工業污染排放強度（PI）的影響系數均顯著為負。表6結果再次驗證了基準回歸結果。

3. 2. 4 替換解釋變量

與熵值法不同，縱橫向拉開檔次法確定權重系數的原則能夠有效減少指標合成的信息損耗［33］。采用縱橫向拉開檔次法再次構建產業智能化指數（AIR）并進行回歸，回歸結果見表7。

由表7可以看出，替換解釋變量后產業智能化對能源消費總量（energy）、能源消費強度（EI）、碳排放強度（CI）、工業污染排放總量（POL）和工業污染排放強度（PI）的影響系數均顯著為負，但對碳排放總量（CO2）的影響并不顯著，從而保證了基準回歸結果的穩健性。

4 機制分析

4. 1 機制檢驗模型

實證檢驗結果表明，產業智能化能夠實現節能降碳減排。該研究以溫忠麟等［34］所提出中介效應模型為基礎，探究產業智能化節能降碳減排的具體機制。首先，驗證產業智能化對機制變量的影響：

式（3）中M 為中介變量。依據假說2a、假說2b、假說3a和假說3b可知，產業智能化能夠通過技術創新效應和產業結構升級效應實現節能降碳減排“雙控”。因此，選取表征技術創新效應的綠色技術創新和表征產業結構升級效應的產業結構高級化作為機制變量，具體包括：綠色技術創新（patent），采用各地級市上市企業某年所申請的綠色發明型專利數和綠色實用新型專利數之和，與其當年申請所有專利數之比取對數，衡量各地級市綠色技術創新水平。產業結構升級（HIS），參考付凌暉［24］的做法采用產業結構高級化值（HIS）取對數表征產業結構升級。HIS 越大，表明產業結構升級水平越高。

其次，結合江艇［35］有關中介效應分析的操作建議，為考察產業智能化的節能降碳減排效應在多大程度上可以被機制變量的作用渠道所捕捉，進一步在基準回歸中控制機制變量：

4. 2 機制檢驗結果分析

依據式（3）和式（4）的設定，對產業智能化影響能源消費、碳排放和工業污染排放總量和強度的具體機制進行實證檢驗，回歸結果見表8和表9。

在表8中，由列（1）可以看出，產業智能化（AI）對綠色技術創新（patent）的影響系數在5%的水平下顯著為正，表明產業智能化能夠推動“綠色智能技術革命”，實現綠色技術創新。進一步將綠色技術創新（patent）作為控制變量加入基準回歸中，結果見表8列（2）—列（7）。列（2）中產業智能化（AI）對能源消費總量（energy）的影響系數為-0. 422且在1%的水平下顯著，較基準回歸結果影響系數-0. 909明顯減少，表明綠色技術創新是產業智能化減少能源消費總量的重要機制。列（3）中產業智能化（AI）對能源消費強度（EI）的影響系數為-1. 950且在1%的水平下顯著，較基準回歸結果影響系數-2. 050有所下降，表明產業智能化能夠通過促進綠色技術創新進而降低能源消費強度。列（4）中產業智能化（AI）對碳排放總量（CO2）的影響仍未顯著，表明產業智能化所引發的綠色技術創新未能減少碳排放總量。列（5）中產業智能化（AI）對碳排放強度（CI）的影響系數為-0. 679且在5%的水平下顯著，較基準回歸結果影響系數-1. 902明顯減少，表明產業智能化所引發的綠色技術創新能夠降低碳排放強度。列（6）產業智能化（AI）對工業污染排放總量（POL）的影響系數為-0. 125且在1%的水平下顯著，較基準回歸結果影響系數-0. 412明顯減少，表明產業智能化能夠通過促進綠色技術創新進而降低工業污染排放總量。列（7）中產業智能化（AI）對工業污染排放強度（PI）的影響系數為-1. 140且在1%的水平下顯著，較基準回歸結果影響系數-1. 399有所下降，因此產業智能化能夠通過促進綠色技術創新進而降低工業污染排放強度。

表8中列（2）和列（6）證明了假說2a中產業智能化能夠通過綠色技術創新減少能源消費和工業污染排放總量。而列（4）未能證明假說2a中產業智能化能夠通過綠色技術創新減少碳排放總量?；鶞驶貧w中產業智能化對碳排放總量并未起到顯著的抑制作用，由表8列（4）結果可知目前產業智能化所引發的綠色技術創新未能減少碳排放總量，綠色技術創新水平較低是產業智能化未能實現“碳排放雙控”的主要原因。其原因可能在于，目前產業智能化發展仍以增量為主，依托智能化應用產生具有突破性的綠色創新技術積累仍有待提高。表8中列（3）、列（5）和列（7）證明了假說2b中產業智能化能夠通過綠色技術創新降低能源消費、碳排放和工業污染排放強度。

在表9中，產業智能化（AI）對產業結構升級（HIS）的影響系數在1%的水平下顯著為正，表明產業智能化能夠形成良好的結構轉型效應，實現產業結構升級。進一步將產業結構升級（HIS）作為控制變量加入基準回歸中，結果見表9列（2）—列（7）。列（2）中產業智能化（AI）對能源消費總量（energy）的影響系數為-0. 251且在1% 的水平下顯著，較基準回歸結果影響系數-0. 909明顯下降，表明產業智能化應用能夠推動產業結構升級進而減少能源消費總量。列（3）中產業智能化（AI）對能源消費強度（EI）的影響系數為-0. 950且在5% 的水平下顯著，較基準回歸結果影響系數-2. 050明顯減少，表明產業結構升級是產業智能化降低能源消費強度的重要路徑。值得注意的是，列（4）中產業智能化（AI）對碳排放總量（CO2）的影響系數為-1. 041且在5% 的水平下顯著，表明產業智能化能夠通過產業結構升級進而減少碳排放總量。列（5）中產業智能化（AI）對碳排放強度（CI）的影響系數為-0. 470且在10%的水平下顯著，較基準回歸結果影響系數-1. 902明顯下降，表明產業智能化能夠通過產業結構升級進而降低碳排放強度。列（6）產業智能化（AI）對工業污染排放總量（POL）的影響系數為-0. 122且在5%的水平下顯著，較基準回歸結果影響系數-0. 412 有所下降，表明產業智能化能夠推動產業結構升級減少工業污染排放總量。列（7）中產業智能化（AI）對工業污染排放強度（PI）的影響系數為-0. 660且在1% 的水平下顯著，較基準回歸結果影響系數-1. 399明顯下降，表明產業智能化能夠通過推動產業結構升級進而降低工業污染排放強度。

表9中列（2）、列（4）和列（6）證明了假說3a中產業智能化能夠通過產業結構升級減少能源消費、碳排放和工業污染排放總量。列（3）、列（5）和列（7）證明了假說3b中產業智能化能夠通過產業結構升級降低能源消費、碳排放和工業污染排放強度。

由表8和表9可知，產業智能化通過產業結構升級能夠實現“雙控”目標下的節能降碳減排。目前通過智能化技術所推動的綠色技術創新水平較低，是產業智能化未能實現“碳排放雙控”的根本原因。因此，進一步提升地級市綠色技術創新水平，是由“能耗雙控”向“排放雙控”轉型的重要條件。

5 結論與啟示

基準回歸結果得出：除碳排放總量外，產業智能化對能源消費總量、能源消費強度、碳排放強度、工業污染排放總量和工業污染排放強度均具有負向影響。產業智能化對能源消費、碳排放和工業污染排放強度的影響均高于對其總量的影響。產業智能化對能源消費的影響最大，而對碳排放和工業污染排放的影響相對較小。由此可得，目前產業智能化主要作用于“能耗雙控”，對“工業污染排放雙控”作用較小，但未能實現“碳排放雙控”。機制檢驗證明：產業智能化通過綠色技術創新能夠降低能源消費和工業污染排放的總量和強度，未能降低碳排放總量但可以降低碳排放強度；通過產業結構升級能夠降低能源消費、碳排放、工業污染排放總量和強度，實現節能降碳減排“雙控”。因此，通過智能化技術提升地級市綠色技術創新水平是實現由“能耗雙控”向“排放雙控”轉型的重要條件?；谘芯拷Y果得到以下政策啟示。

第一，提升各地級市產業智能化發展水平，充分發揮產業智能化節能降碳減排作用。地方政府應把握產業智能化發展機遇，加大產業智能化前沿研究所需的財政支持，依據智能化技能需求構建人才培養體系，完善智能化能源互聯網基礎設施建設，通過制定有助于智能化技術普及的政策體系，促進各地級市運用智能化技術完成全產業技術升級，為各地級市節能降碳減排“雙控”提供技術支撐。

第二，加快企業智能化綠色技術研發，推動“能耗雙控”向“排放雙控”轉型。地方政府應為綠色偏向型技術創新提供政策支持，通過稅收優惠和研發補貼鼓勵智能化企業開展綠色技術研究，積極搭建產學研合作項目，落實知識產權保護相關政策，促進綠色技術成果快速轉化。企業應加大智能化研發投資力度，加強綠色技術自主研發能力，盡快突破“卡脖子”關鍵技術，創造由“能耗雙控”向“排放雙控”轉型的技術條件。

第三，有序推進智能化產業結構轉型升級，逐步實現節能降碳減排“雙控”。地方政府應依據其自身產業結構基礎制定差異化產業政策，促進智能化技術在產業中的規?；瘧?。以節能降碳減排為導向推進產業結構升級，推動智能化技術與傳統產業融合創新，突破對污染屬性技術的路徑依賴，提高產業結構中清潔型產業比重，逐步形成節能降碳減排“雙控”的產業新格局。

參考文獻

［1］ 陳詩一. 中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980—2008）［J］. 經濟研究，2010，45（11）：21-34，58.

［2］ 廣州日報. 2020中國人工智能產業白皮書［N/OL］. 2021-02-28［2022-10-28］. https：//baijiahao. baidu. com/s？id=1692940905082939624&wfr=spider&for=pc.

［3］ 高煜. 我國經濟高質量發展中人工智能與制造業深度融合的智能化模式選擇［J］. 西北大學學報（哲學社會科學版），2019，49（5）：28-35.

［4］ 李克強. 政府工作報告：2022年3月5日在第十三屆全國人民代表大會第五次會議上［N］. 光明日報， 2022-03-13.

［5］ PANAYOTOU T. Empirical tests and policy analysis of environmentaldegradation at different stages of economic development［R］. 1993.

［6］ 白俊紅，聶亮. 技術進步與環境污染的關系：一個倒U 形假說［J］. 研究與發展管理，2017，29（3）：131-140.

［7］ 潘雄鋒，彭曉雪，李斌. 市場扭曲、技術進步與能源效率：基于省際異質性的政策選擇［J］. 世界經濟，2017，40（1）：91-115.

［8］ 李標，張航，吳賈. 實施長江經濟帶發展戰略能降低污染排放強度嗎［J］. 中國人口·資源與環境，2021，31（1）：134-144.

［9］ YANG L S，LI Z. Technology advance and the carbon dioxide emissionin China： empirical research based on the rebound effect［J］.Energy policy，2017，101：150-161.

［10］ 汪東芳，曹建華. 互聯網發展對中國全要素能源效率的影響及網絡效應研究［J］. 中國人口·資源與環境，2019，29（1）：86-95.

［11］ 劉慧，白聰. 數字化轉型促進中國企業節能減排了嗎［J］. 上海財經大學學報，2022，24（5）：19-32.

［12］ 張思思，崔琪，馬曉鈺. 數字要素賦能下有偏技術進步的節能減排效應［J］. 中國人口·資源與環境，2022，32（7）：22-36.

［13］ 蔣為，龔思豪，李錫濤. 機器人沖擊、資本體現式技術進步與制造業碳減排：理論分析及中國的經驗證據［J］. 中國工業經濟，2022（10）：24-42.

［14］ 胡嵐曦，胡志浩. 人工智能的經濟與經濟學影響分析［J］. 國外社會科學，2020（6）：127-135.

［15］ ACEMOGLU D，AGHION P，BURSZTYN L， et al. The environmentand directed technical change［J］. American economic review，2012，102（1）：131-166.

［16］ 盧娜，王為東，王淼，等. 突破性低碳技術創新與碳排放：直接影響與空間溢出［J］. 中國人口·資源與環境，2019，29（5）：30-39.

［17］ 胡俊，杜傳忠. 人工智能推動產業轉型升級的機制、路徑及對策［J］. 經濟縱橫，2020（3）：94-101.

［18］ 王林輝，姜昊，董直慶. 工業智能化會重塑企業地理格局嗎［J］. 中國工業經濟，2022（2）：137-155.

［19］ AGHION P， JONES B F， JONES C I. Artificial intelligence andeconomic growth［M］. Chicago： University of Chicago Press，2018： 237-282.

［20］ 孫早，侯玉琳. 人工智能發展對產業全要素生產率的影響：一個基于中國制造業的經驗研究［J］. 經濟學家，2021（1）：32-42.

［21］ AGRAWAL A，GANS J S， GOLDFARB A. Exploring the impactof artificial intelligence： prediction versus judgment［J］. Informationeconomics and policy，2019，47：1-6.

［22］ GROSSMAN G M，KRUEGER A B. Economic growth and the environment［J］. The quarterly journal of economics，1995，110（2）：353-377.

［23］ 工業和信息化部. 促進新一代人工智能產業發展三年行動計劃（2018—2020年）［R］. 2017.

［24］ 付凌暉. 我國產業結構高級化與經濟增長關系的實證研究［J］. 統計研究，2010，27（8）：79-81.

［25］ 張萬里，宣旸. 產業智能化對產業結構升級的空間溢出效應：勞動力結構和收入分配不平等的調節作用［J］. 經濟管理，2020，42（10）：77-101.

［26］ 郭凱明. 產業智能化發展、產業結構轉型升級與勞動收入份額變動［J］. 管理世界， 2019， 35（7）： 60-77，202-203.

［27］ ACEMOGLU D，RESTREPO P. The race between man and machine：implications of technology for growth，factor shares，and employmen［t J］. American economic review，2018，108（6）：1488-1542.

［28］ 魏下海，張沛康，杜宇洪. 機器人如何重塑城市勞動力市場：移民工作任務的視角［J］. 經濟學動態，2020（10）：92-109.

［29］ BARTIK T. How do the effects of local growth on employmentrates vary with initial labor market conditions［R］. 2009.

［30］ 樊綱，王小魯，馬光榮. 中國市場化進程對經濟增長的貢獻［J］. 經濟研究，2011，46（9）：4-16.

［31］ 陳詩一，陳登科. 霧霾污染、政府治理與經濟高質量發展［J］.經濟研究，2018，53（2）：20-34.

［32］ BERTRAND M，MULLAINATHAN S. Enjoying the quiet life：corporategovernance and managerial preferences［J］. Journal of politicaleconomy，2003，111（5）：1043-1075.

［33］ 鈔小靜，薛志欣，王昱瓔. 中國新經濟的測度及其經濟高質量發展效應分析［J］. 人文雜志，2021（8）：38-49.

［34］ 溫忠麟，葉寶娟. 中介效應分析：方法和模型發展［J］. 心理科學進展，2014，22（5）：731-745.

［35］ 江艇. 因果推斷經驗研究中的中介效應與調節效應［J］. 中國工業經濟，2022（5）：100-120.

（責任編輯：李琪）