人工智能技術對環境污染的影響機制述評

喻春嬌 李奧

[摘? ? 要] 人工智能技術作為新一輪工業革命的核心技術，目前已經逐漸應用于環境治理領域并產生了正向效應。具體而言，人工智能技術通過直接和間接兩種方式對環境污染治理產生影響。直接技術進步效應表現在人工智能催生出的一系列新技術、新產品、新模式用于環境污染治理領域，減少環境污染。間接技術進步效應一是表現在人工智能技術的發展會擴大經濟規模，促進經濟增長，從而對環境污染產生影響，但影響方向不確定;二是表現在人工智能技術會提升一國在全球價值鏈中的分工地位，促進全球價值鏈升級，從而降低一國的環境污染。目前直接研究人工智能對環境污染影響機制、指標構建、數據獲取等方面存在不足，這也是人工智能影響環境污染的進一步研究方向。

[關鍵詞] 人工智能技術; 環境污染; 全球價值鏈分工;經濟增長;綠色經濟

[中圖分類號] X321? [文獻標識碼] A? [文章編號] 1002-8129（2022）01-0050-08

一、引言

人工智能（Artificial Intelligence，簡稱AI）技術誕生于20世紀50年代①，被稱為世界三大尖端技術之一，在第四次科技革命中處于核心地位，為人類社會創造了巨大的經濟效益和社會效益。隨著數字革命的興起，德國、日本、中國、美國、歐盟、英國等國家和國際組織先后制定了相關戰略和規劃，高度重視人工智能的發展，并投入了大量研發資金來打造新一輪產業競爭優勢。

目前，社會各界對人工智能的定義尚未達成普遍共識，不同領域的學者給出了不同的解釋。傳統的人工智能是指開發創造能夠模仿、學習和替代人類智能的“思維機器”，驅使機器學習人類行為的思考方式，讓機器做本需要人的智慧才能做到的事情[1][2][3]。芬萊森（Finlayson）（2010）則認為，人工智能作為一種戰略技術，其核心內容是建立在數字化、信息化基礎上的智能化轉型[4]。然而隨著理論研究和應用領域的擴大，人工智能已成為涉獵廣泛的一門科學，其不僅要依靠計算機算法層面的支持，而且更強調思維能力和自主決策能力，即像人一樣理性思考和行動的系統[5][6]。

綜上可見，雖然目前學術界對人工智能的概念尚未達成共識，但通過總結文獻可以發現一些共性：人工智能應能替代人類來完成具體勞動任務;人工智能應具有學習能力。

改革開放以來，在我國經濟快速增長的同時，也產生了嚴重的環境污染問題，如何提升環境污染治理效率成為困擾地方黨委政府的重大難題。人工智能作為一項新的前沿技術，為環境污染治理開辟了新的路徑，給環境污染治理帶來了新的技術革新。但是，人工智能技術影響環境污染的機制是什么？這是一項值得深入研究的課題。基于此，本文擬對人工智能技術如何影響環境污染的相關研究文獻進行梳理，以期為理論界和決策部門提供有益的借鑒與依據。

二、人工智能技術影響環境污染治理的機制

（一）促進技術進步的直接效應

研究表明，人工智能技術作為技術進步的一種具體表現形式，是新一代信息技術的代表，是科學技術發展的一次重大革新[7][8][9]。因此，人工智能通過技術進步會對環境污染治理帶來直接效應，即人工智能技術的發展促進污染治理技術的提升。人工智能技術的快速發展催生出了一系列新產品并不斷延伸到環保領域，為環境治理帶來了新的工具，從而有效降低環境污染（見圖1），具體而言：

首先，人工智能技術增加了環境信息的獲取途徑。人工智能圖像、聲音識別處理技術具有較廣泛的搜索和分析能力，極大提高了人類對環境狀況的感知和觀察能力。張文博（2019）研究發現，可以通過技術識別聲音、控制噪聲源來進行相關環境分析，可通過光譜分析監測大氣污染信息，還可以通過圖像識別來實現生物多樣性普查[10]。

其次，人工智能與大數據相結合可以擴大環境監測的時空范圍。郎芯玉、張志勇（2019）、張旭等（2020）研究發現，人工智能與大數據的結合降低了水污染數據處理的復雜性和成本[11][12]，通過廣泛安裝環境污染傳感器，增加監測的持續時間和頻率，擴大了監測的覆蓋面積。人工智能技術在自主檢測設備中的應用，大大降低了收集環境信息的難度和成本，比如基于人工智能的無人駕駛飛行器、無人潛航器以及專用于監測空氣污染物的街景車，可以對大氣、水、土壤等污染信息進行長時間動態檢測。

最后，人工智能技術可以為政府和非政府組織的環境預測、決策提供優化方案。即人工智能技術通過對各種環境數據進行定量分析，從而為環境治理主體（政府和非政府組織）提供決策依據。張偉、李國祥（2021）探討了人工智能技術運用于環境數據分析、案例研究和數學建模，得出人工智能技術發展可以進行環境預測和輔助決策，從而為環境污染治理帶來積極效應[13]。

從實踐應用來看，當前已有不少政府和企業合作將人工智能用于環境污染治理領域的成功案例。例如2014年國際商業機器公司（IBM）借助人工智能，開發出一種可減緩北京嚴重空氣污染的新方法，名為“綠色地平線”（Green Horizon），通過綜合多個不同模型的大量數據，該系統不僅可以提前預測北京不同地區空氣污染的嚴重程度，還能給出如何將污染降低到最小的具體建議;微軟在2017年推出“一切為了地球”（All for Earth）計劃，預計投入5000萬美元用于人工智能的環境治理領域;阿里巴巴運用阿里云強大的計算能力，于2020年6月推出應對全球環境惡化的技術方案ET（Evolutionary Technology）環境大腦，實現對污染源的智能感知，并建立綜合評估模型進行交叉分析，等等。這些現實案例充分證明了人工智能技術的發展會給環境污染治理帶來積極效應。

（二）促進技術進步的間接效應

1. 人工智能技術、經濟增長與環境污染。傳統的技術進步是通過帶來新的經濟增長點、擴大經濟規模來影響環境污染治理。人工智能技術的發展同樣會帶來經濟的高速發展、經濟規模的擴大，從而對環境污染治理產生影響。

目前現有研究從理論和實證層面都證明人工智能會帶來經濟增長。以任務模型為代表的理論模型大多認為工業機器人、自動化與人工智能等新興生產方式會促進經濟增長，這一點也得到了相關實證分析的證實。例如，格雷茨（Graets）、邁克爾斯（Michaels）（2018）基于1993-2007年的行業面板數據的計量檢驗發現，人工智能等新興生產方式使得經濟增長速度提高了0.37%[14]。楊光、侯鈺（2020）使用機器人國際聯合會（IRF）發布的工業機器人數據證明機器人的使用確實對經濟增長具有促進作用，特別是隨著人口紅利消失，效果將更加顯著[9]。阿西莫格魯（Acemoglu）、雷斯特雷波（Restrepo）（2017）、陳秋霖等（2018）研究發現，在經歷快速老齡化的國家中，年輕和中年勞動力的稀缺可以促進機器人（和其他智能化生產）的充分采用，從而促進總產出的增加[15][16]。程承坪、陳志（2021）認為，人工智能技術可以直接和間接帶來經濟增長，直接增長效應表現為促進勞動生產率的提升和產業鏈的延長，間接增長效應表現為人力資本供給的增加、市場效率和政府治理效率的提高[17]。阿吉翁（Aghion）等（2017）將人工智能技術引入到商品和服務的生產函數中，得出人工智能技術會帶來經濟總的平衡增長。在知識的非競爭性導致收益遞增的條件下，人工智能技術還可以產生某種形式的奇點，甚至可能帶來經濟在有限的時間內獲得無限的收入[18]。林晨等（2020）從優化資本結構的角度探討了人工智能技術對經濟增長的影響機制，認為人工智能技術的發展可以降低住房和基建支出對居民消費的擠壓，使資本更多流向實體經濟，成為新的經濟增長點[19]。

環境污染問題與經濟增長速度有著非常密切的聯系。就現有研究而言，經濟增長對環境污染的影響大致可分為三個階段。第一個階段是1972年以美國學者梅多斯（Meadows）為代表的羅馬俱樂部提出的“增長極限說”，該理論認為工業化必然造成對自然和生態環境的極度破壞，通過模擬計算預計2100年到來之前，工業化將達到最高點，但同時人類將面臨嚴重的糧食缺乏、資源枯竭，人口也將停止增長，社會因此而崩潰。第二個階段是1991年美國經濟學家格羅斯曼（Grossman）和克魯格（Krueger）提出的環境庫茲涅茨曲線假說（EKC），認為經濟增長與環境污染呈倒“U”型關系，即環境污染隨著經濟增長由上升到下降的變化趨勢，這是最為主流接受的一種假說。該假說認為新技術誕生之后，隨著經濟高速發展、人均收入不斷提高，從而帶來污染排放的增多。但隨著技術不斷成熟，經濟進一步增長，一方面，因生產者環保意識提升，主動減少生產過程中的污染物排放;另一方面，政府加大環境規制力度，倒逼生產者采用清潔生產技術，從而使環境污染得到有效控制。第三個階段是對環境庫茲涅茨曲線假說的質疑，部分研究結論證實經濟增長與環境污染之間的關系不僅呈現出倒“U”型形態，而且呈現出“U”型、“N”型、單調上升型、單調下降型等形態，不同污染物的排放與經濟增長之間的關系也呈現出差異性，這些都對環境庫茲涅茨曲線假說提出了挑戰[20][21][22]。

總之，學者們從理論和實證層面都已經證明了人工智能技術的發展會帶來經濟增長和經濟規模的擴大，但人工智能通過經濟增長對環境污染產生影響的方向尚不明確（見圖2），是否符合環境庫茲涅茨曲線假說的倒“U”型還需要進一步的實證檢驗。

2. 人工智能技術、全球價值鏈分工與環境污染治理。人工智能技術通過改變國際生產分工和貿易模式，提高一國在全球價值鏈體系中的分工地位，促進價值鏈升級，進而對一國的環境污染產生影響。一般來說，處于全球價值鏈高端的國家，主要從事產品研發、品牌銷售運營等高技術、高附加值活動，資源消耗水平低，能源利用率高，污染物排放相對較少。相比之下，處于全球價值鏈低端的國家，則主要從事低附加值和高能耗的加工、裝配和制造過程，容易帶來大量污染物的排放。因此，全球價值鏈分工地位的提升將減少一國的環境污染。

人工智能技術如何影響全球價值鏈分工？在以人工智能技術為代表的新技術革命背景下，全球價值鏈中各國的地位和國際分工將面臨深刻的調整。第一，從成本角度看，人工智能降低了貿易和生產成本，提高了生產效率，提升一國在全球價值鏈體系中的分工地位。呂越（2020）基于中國行業層面數據的實證研究發現，人工智能技術的采用會顯著提升行業的全球價值鏈位置。究其原因在于人工智能技術的運用能減少低端生產環節的勞動使用量，進而降低了企業的生產成本，提高了企業的勞動生產率[23]。劉亮等（2020）的研究也得出了類似的結論[24]。第二，從創新角度看，人工智能通過技術創新深化了全球價值鏈分工。劉斌（2010）認為人工智能技術將一國的創新投入和創新產出發揮其引致效應，即引致創新投入（研發投入）和創新產出（專利申請數量）的增加，從而帶來一國價值鏈分工地位的提升[3]。第三，從資源配置角度來看，劉斌（2010）指出人工智能技術的發展帶來了勞動和資本兩類核心生產要素的配置效率提升，進而促進一國企業全球價值鏈分工地位升級[3]。總之，無論是國家、行業還是微觀企業層面，人工智能都能顯著提升一國的全球價值鏈分工地位，促進一國全球價值鏈升級。

全球價值鏈分工地位和參與程度如何影響一國的環境污染治理？近年來，隨著全球投入產出表的編制，全球價值鏈分工測算方法、指標也在不斷改進，使得更多國內外學者們開始關注全球價值鏈分工對環境污染的影響問題。然而大部分文獻均基于格羅斯曼（Grossman）和克魯格（Kruege）的經典模型，將規模效應、結構效應以及技術效應作為控制變量或門檻變量，分析全球價值鏈分工對碳排放的影響機制。許統生和薛智韻（2011）、余娟娟（2017）、徐輝和苗菊英（2018）則認為全球價值鏈分工可通過結構、技術與規模效應影響企業污染的水平[25][26][27]。還有部分文獻基于構建全球價值鏈分工位置和參與度指標，討論其對環境污染的影響。

首先，通過構建全球價值鏈位置指標，大部分學者得出了全球價值鏈位置的提升能顯著降低一國污染排放的說法，即一國全球價值鏈位置越高，越處于上游，污染排放越少。陶長琪、徐志琴（2019）分別從行業和國家層面實證分析全球價值鏈嵌入位置對貿易隱含碳排放的作用，發現全球價值鏈位置的提升能有效減少碳排放[28]。曲晨耀等（2020）基于2000-2014年17個制造業的面板數據，探討了全球價值鏈位置對中國制造業經濟綠色轉型的影響，研究發現，提高全球價值鏈位置能夠快速推動中國制造業的經濟綠色轉型[29]。孫傳旺（2019）基于2000-2011年全球60個國家的面板數據的實證研究認為，一國的全球價值鏈位置與其碳效率（carbon efficiency，是對生產主體產生碳足跡效率的一種量化測度方法）存在顯著的正相關關系。全球價值鏈位置與其碳效率的正相關關系在經濟發展較為落后的發展中國家尤為顯著，這意味著在發展中國家提高全球價值鏈位置可以更大程度地減少碳排放，減少環境污染[30]。王臘芳等人（2020）計算了中國制造業全球價值鏈活動的總平均生產長度并檢驗了全球價值鏈生產長度對能源強度的影響，其研究結果發現全球價值鏈總平均生產長度顯著影響能源消耗強度，并呈現倒“U”型非線性關系[31]，這在一定程度上表明一國全球價值鏈位置對污染排放的影響呈先升后降的趨勢。

其次，大部分學者的研究表明全球價值鏈參與度與環境污染呈非線性關系，即全球價值鏈參與度對環境污染存在門檻效應。具體而言，王靜（2019）基于1995-2011年期間62個國家和地區的面板數據，估算了一國全球價值鏈參與度對二氧化碳排放的影響，研究發現，全球價值鏈的參與度與人均二氧化碳排放量之間呈現倒“U”型關系[32]。曲晨耀等（2020）通過閾值回歸發現，當參與度超過一定閾值時，全球價值鏈參與度對綠色經濟轉型的影響由抑制變為促進[29]。王玉燕等（2015）研究發現，全球價值鏈參與度通過“鏈中學效應”促進污染減排，但某些行業可能存在“俘獲鎖定效應”，即被鎖定在附加值低且污染高的生產環節，這些行業的全球價值鏈參與度與污染排放之間可能表現為“U”型關系[33]。楊飛等（2017）的實證研究發現，中國全球價值鏈參與度對污染排放的影響存在門檻效應[34]。也有研究認為，全球價值鏈參與度與一國的環境污染存在線性關系，即全球價值鏈參與度對環境污染有負向影響。趙國梅等（2020）基于2000-2014年42個國家的數據，研究得出，全球價值鏈參與度與碳排放強度之間存在負向關系，特別地，與發達國家相比，發展中國家的全球價值鏈參與對隱含碳排放強度的負向影響更大[35]。總之，關于全球價值鏈分工對環境污染的影響，由于學者們對全球價值鏈分工指標選取方法的不同，即部分學者采用全球價值鏈位置指標，部分學者采用全球價值鏈參與度指標來衡量全球價值鏈分工程度，因而得出了不同的結論。

綜合以上研究，本文提出人工智能技術發展可以通過提升一國全球價值鏈分工地位，從而降低污染排放的論斷，其機理在于：一國處于全球價值鏈高端的行業多為知識技術密集型產業，技術含量高，污染程度低，而處于全球價值鏈低端的行業多為能源和資本密集型行業，污染相對較高。人工智能技術的發展及其在工業生產中的運用，將使得一國更多的從事知識技術密集型行業的生產與分工，顯著提升一國的全球價值鏈分工地位，降低污染物排放（見圖2）。

三、未來研究方向與研究趨勢展望

人工智能技術正在催生第四次工業革命，是第四次工業革命的新引擎，也引發了該命題的學術研究熱潮，使得越來越多的學者關注人工智能與技術進步、經濟增長、勞動力就業、全球價值鏈等的關系。人工智能技術目前已廣泛應用于環境治理的各個層面，并將給環境污染治理帶來變革。 但實際上目前關于人工智能技術如何影響環境污染的相關研究尚不多，特別是關于傳導機制的研究仍處于空白，只有少量的定性研究指出人工智能技術能夠顯著改善環境污染，提高環境治理能力。本文通過梳理人工智能技術與經濟增長、全球價值鏈分工、環境污染等相關文獻，得出人工智能技術作為新一代信息技術的代表會對環境污染產生直接和間接影響的結論。直接技術進步效應表現在人工智能技術發展催生出的一系列新技術和新產品可用于環境污染治理領域，減少一國的環境污染。間接技術進步效應一是表現為人工智能技術的發展會擴大經濟規模，促進經濟增長，從而對環境污染產生影響，但影響方向不明確，是否存在倒“U”型關系需進一步檢驗;二是表現為人工智能技術會提升一國的全球價值鏈分工地位，促進全球價值鏈升級，從而降低一國的環境污染。

目前直接研究人工智能對環境污染影響機制、指標構建、數據獲取等方面尚存在如下不足，這些也是人工智能技術影響環境污染的進一步研究方向：

一是人工智能技術對環境污染的影響路徑、機制復雜，難以用實證模型加以驗證。人工智能技術對環境污染的影響既存在直接影響又存在間接影響，同時，在封閉經濟環境和開放環境下的影響機制也不一樣。人工智能技術直接運用于環境治理，能有效減少環境污染，但同時隨著人工智能技術的發展、工業機器人的大量使用，生產力大幅度提高，生產規模擴大，也有可能加劇環境污染，或者存在非線性關系。在開放經濟條件下，人工智能技術發展能顯著提高一國全球價值鏈地位，從而減少該國的環境污染，但這一正向效應存在國家和行業異質性，即對于處于不同發展階段的國家和不同污染和技術密集度的行業的影響效應是不同的。總之，如何將人工智能技術引入環境污染模型仍需進一步探索。

二是相關數據可獲得性有待加強。一方面由于人工智能的內涵比較廣泛（包括機器人、語言識別、圖像識別、自然語言處理和專家系統等），現有的實證研究大多使用人工智能的某一分支，如利用機器人國際聯合會發布的工業機器人數據。目前對很多國家特別是發展中國家而言，人工智能技術發展仍處于初級階段，具體國家-時間-行業甚至是微觀企業層面的統計數據都相對匱乏。計算人工智能指標的主要難點在于大部分內涵都是無形的，難以量化或直接計算。另一方面，目前關于全球價值鏈宏觀測度指標的構建大多為全球價值鏈位置指標或參與度指標，而衡量一國全球價值鏈地位提升或價值鏈升級的指標相對落后，無法直接衡量一國行業或企業價值鏈地位的提升，只能采用間接指標。總之，從現有文獻來看，采用的數據指標都比較單一，未來還需要用更直接的衡量指標來進行實證檢驗。

中國對人工智能應用于環境污染的相關研究還較為有限。中國作為最大的發展中國家，以往靠犧牲環境來獲取發展速度的經濟增長模式帶來了巨大的污染治理壓力，經濟綠色轉型發展迫在眉睫。人工智能技術在中國工業生產中的應用將對環境污染帶來哪些效應？顯然值得進一步深入探討。

[參考文獻]

[1]? Minsky， M.1961，“Steps Toward Artificial Intelligent”，Proceedings of the IRE ， Vo1.49（1）.

[2]? Min， H.2010， “Artificial Intelligent in Supply Chain Management： Theory and Applications” ， international Journal of Logistics： Research and Applications， Vo1.13 （1）.

[3]? 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）.

[4]? Finlayson M. A.Richards W， Winston P. H. Computational models of narrative： Review of a workshop[J]. AI Magazine， 2010， （2）.

[5]? Cerka， P.Grigiene， J. and Sirbikyte， G.，2015， “Liability for Damages Caused by Artificial Intelligence”，Computer Law & Security Review ， Vo1.31（3）.

[6]? Li， D. and Y. Du， 2017， Artificial Intelligence with Uncertainty， Boca Raton： CRC press.

[7]? Kromann， L.， J. R. Skaksen， and A. Sorensen. Automation， Labor Productivity and Employment： A Cross Country Comparison[R]. CEBR， Copenhagen Business School， 2011.

[8]? Brynjolfsson， E.? and L. M. Hitt. Computing productivity： Firm-level Evidence [J]. Review of Economics and Statistics， 2003， 85（4）.

[9]? 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）.

[10]? 張文博. 環境治理中的人工智能[J]. 國外社會科學前沿， 2019，（10）.

[11]? 郎芯玉， 張志勇.淺談人工智能在水質監測領域的應用[J].計算機產品與流通，2019，（12）.

[12]? 王旭，王釗越，潘藝蓉，羅雨莉，劉俊新，楊敏.人工智能在21世紀水與環境領域應用的問題及對策[J].中國科學院院刊，2020，（9）.

[13]? 張偉， 李國祥.環境分權體制下人工智能對環境污染治理的影響[J]. 陜西師范大學學報（哲學社會科學版），2021，（3）.

[14]? Graetz， G. and G. Michaels. Robots at Work： The Impact on Productivity and Jobs [J]. Review of Economics and Statistics， 2018， （5）.

[15]? Acemoglu D，Restrepo P. Secular stagnation？ The effect of aging on economic growth in the age of automation[J]. American Economic Review， 2017， （5）.

[16]? 陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動力替代效應：基于跨國面板數據和中國省級面板數據的分析[J].中國人口科學， 2018， （6）.

[17]? 程承坪，陳志.人工智能促進中國經濟增長的機理——基于理論與實證研究[J].經濟問題， 2021，（10）.

[18]? Aghion P，Jones B，Jones C.Artificial intelligence and economic growth[R]. NBER Working Paper，2017.

[19]? 林晨，陳小亮，陳偉澤，等.人工智能、經濟增長與居民消費改善：資本結構優化的視角[J]. 中國工業經濟， 2020，（2）.

[20]? Onafowora O A， Owoye O. Bounds testing approach to analysis of the environment Kuznets curve hypothesis[J]. Energy Economics， 2014， （44）.

[21]? Allard A， Takman J， Uddin G S， et al. The N-shaped environmental Kuznets curve：an empirical evaluation using a panel quantile regression approach[J]. Environmental Science and Pollution Research， 2018， 25（6）.

[22]? Liu K， Lin B. Research on influencing factors of environmental pollution in China： A spatial econometric analysis[J]. Journal of Cleaner Production， 2019， 206（1）.

[23]? 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）.

[24]? 劉亮， 劉軍， 李廉水， 程中華.智能化發展能促進中國全球價值鏈攀升嗎？[EB/OL].科學學研究，2021-01-03. https：//doi.org/10.16192/j.cnki.1003-2053.20200915.004.

[25]? 許統生， 薛智韻.制造業出口碳排放： 總量、結構、要素分解[J]. 財貿研究， 2011， （3）.

[26]? 余娟娟. 全球價值鏈嵌入影響了企業排污強度嗎——基于PSM匹配及倍差法的微觀分析[J].國際貿易問題， 2017， （12）.

[27]? 徐輝， 苗菊英. 我國制造業承接外包的環境效應[J]. 環境經濟研究， 2018， （2）.

[28]? 陶長琪， 徐志琴. 融入全球價值鏈有利于實現貿易隱含碳減排嗎？ [J].數量經濟研究， 2019，（1）.

[29]? Chenyao Qu， Jun Shao， Zhonghua Cheng， Can embedding in global value chain drive green growth in China’s manufacturing industry？ [J]. Journal of Cleaner Production， 2020（268）.

[30]? Chuanwang Sun， Zhi Li， Tiemeng Ma， Runyong He， Carbon efficiency and international specialization position： Evidence from global value chain position index of manufacture[J]. Energy Policy， 2019（128）.

[31]? Lafang Wang， Youfu Yue， Rui Xie， Shaojian Wang， How global value chain participation affects China’s energy intensity[J]. Journal of Environmental Management， 2020 （260）.

[32]? Jing Wang， Guanghua Wan， Chen Wang， Participation in GVCs and CO2emissions[J]. Energy Economics， 2019（84）1.

[33]? 王玉燕， 王建秀， 閻俊愛. 全球價值鏈嵌入的節能減排雙重效應——來自中國工業面板數據的經驗研究[J]. 中國軟科學， 2015， （8）.

[34]? 楊飛， 孫文遠， 張松林. 全球價值鏈嵌入、技術進步與污染排放——基于中國分行業數據的實證研究[J]. 世界經濟研究， 2017，（2）.

[35]? Guomei Zhao， Cenjie Liu. Carbon emission intensity embodied in trade and its driving factors from the perspective of global value chain[J]. Environmental Science and Pollution Research， 2020， 27（25）.

[責任編輯：李利林]