人工智能、產(chǎn)業(yè)集聚外部性與長(zhǎng)江經(jīng)濟(jì)帶碳排放效率

摘" 要：長(zhǎng)江經(jīng)濟(jì)帶既是具有重大引領(lǐng)帶動(dòng)作用的人工智能應(yīng)用創(chuàng)新高地，也是綠色低碳發(fā)展的先行區(qū)。采用2012—2019年長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市面板數(shù)據(jù)，以工業(yè)機(jī)器人安裝密度表征人工智能應(yīng)用水平，從產(chǎn)業(yè)集聚及集聚外部性視角考察人工智能應(yīng)用對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率的影響。研究發(fā)現(xiàn)：人工智能有助于長(zhǎng)江經(jīng)濟(jì)帶碳排放效率提升;異質(zhì)性分析表明，人工智能可以帶動(dòng)長(zhǎng)江經(jīng)濟(jì)帶下游地區(qū)城市碳排放效率提升但對(duì)上游和中游地區(qū)城市作用不顯著，人工智能可以帶動(dòng)低碳試點(diǎn)城市碳排放效率提升但對(duì)非低碳試點(diǎn)城市的作用不顯著;影響渠道分析表明，人工智能可以通過(guò)產(chǎn)業(yè)專業(yè)化集聚來(lái)帶動(dòng)碳排放效率提升，具體而言，人工智能可以通過(guò)產(chǎn)業(yè)專業(yè)化集聚的知識(shí)溢出效應(yīng)、中間品投入共享效應(yīng)來(lái)提升碳排放效率。上述結(jié)論意味著，應(yīng)因地制宜發(fā)展人工智能技術(shù)，加強(qiáng)適宜性產(chǎn)業(yè)集聚，構(gòu)建長(zhǎng)江經(jīng)濟(jì)帶綠色低碳產(chǎn)業(yè)體系。

關(guān)鍵詞：人工智能;產(chǎn)業(yè)集聚;專業(yè)化集聚;多樣化集聚;碳排放效率

中圖分類號(hào)：F127.53;X322 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-2359（2024）02-0055-11

黨的二十大報(bào)告指出，推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展綠色化、低碳化是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)。“雙碳”目標(biāo)旨在加快降低碳排放，引導(dǎo)綠色技術(shù)創(chuàng)新和產(chǎn)業(yè)綠色轉(zhuǎn)型，提高我國(guó)經(jīng)濟(jì)的全球競(jìng)爭(zhēng)力。2023年7月11日，中央全面深化改革委員會(huì)第二次會(huì)議審議通過(guò)了《關(guān)于推動(dòng)能耗雙控逐步轉(zhuǎn)向碳排放雙控的意見(jiàn)》，推動(dòng)能耗雙控逐步轉(zhuǎn)向碳排放雙控，是實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)的必然要求。在此背景下，碳排放效率成為一個(gè)更加值得關(guān)注的議題。

人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，以人工智能為代表的新興信息技術(shù)是推動(dòng)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展的引擎，通過(guò)深度融入實(shí)體經(jīng)濟(jì)提高碳排放率進(jìn)而構(gòu)建經(jīng)濟(jì)社會(huì)綠色發(fā)展格局。2021年，國(guó)家工業(yè)和信息化部相繼出臺(tái)《“十四五”智能制造發(fā)展規(guī)劃》《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》，將人工智能產(chǎn)業(yè)作為戰(zhàn)略性新興產(chǎn)業(yè)給予重點(diǎn)扶持，鼓勵(lì)工業(yè)智能化轉(zhuǎn)型。工業(yè)機(jī)器人作為人工智能技術(shù)應(yīng)用的重要載體，是集信息技術(shù)、控制技術(shù)和智能制造技術(shù)于一體的重要?jiǎng)?chuàng)新成果①②。人工智能在工業(yè)經(jīng)濟(jì)領(lǐng)域應(yīng)用場(chǎng)景廣泛，通過(guò)智能系統(tǒng)控制、智能制造等方式實(shí)現(xiàn)生產(chǎn)效率和資源利用率提高，進(jìn)而帶動(dòng)碳排放效率提升，實(shí)現(xiàn)經(jīng)濟(jì)綠色低碳發(fā)展①。

長(zhǎng)江經(jīng)濟(jì)帶作為具有世界影響力的內(nèi)河經(jīng)濟(jì)帶，在我國(guó)產(chǎn)業(yè)發(fā)展格局中占據(jù)重要地位。2023年10月12日，習(xí)近平總書(shū)記在進(jìn)一步推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶高質(zhì)量發(fā)展座談會(huì)上強(qiáng)調(diào)，協(xié)同推進(jìn)降碳、減污、擴(kuò)綠、增長(zhǎng)，把產(chǎn)業(yè)綠色轉(zhuǎn)型升級(jí)作為重中之重，加快培育壯大綠色低碳產(chǎn)業(yè)。長(zhǎng)江經(jīng)濟(jì)帶作為我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展和生態(tài)文明建設(shè)的先行示范帶，在全面推進(jìn)綠色低碳發(fā)展方面走在全國(guó)前列。長(zhǎng)江經(jīng)濟(jì)帶人工智能核心技術(shù)、基礎(chǔ)軟硬件、人工智能產(chǎn)品和行業(yè)應(yīng)用協(xié)同發(fā)展，形成了有利于人工智能產(chǎn)業(yè)發(fā)展的良好生態(tài)，在18個(gè)國(guó)家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)中占據(jù)9席，成為對(duì)全國(guó)具有重大引領(lǐng)帶動(dòng)作用的人工智能應(yīng)用創(chuàng)新高地。

鑒于此，本文選取長(zhǎng)江經(jīng)濟(jì)帶這一綠色低碳轉(zhuǎn)型與人工智能應(yīng)用的排頭兵為研究對(duì)象，探討人工智能與碳排放效率的關(guān)系，并從產(chǎn)業(yè)集聚及集聚外部性視角出發(fā)構(gòu)建理論分析框架，研究人工智能應(yīng)用能否通過(guò)產(chǎn)業(yè)集聚及集聚外部性來(lái)提高碳排放效率。本文可能的邊際貢獻(xiàn)主要有：第一，較為創(chuàng)新性地從產(chǎn)業(yè)集聚視角探討了人工智能對(duì)碳排放效率的影響及其作用路徑;第二，立足集聚外部性理論，進(jìn)一步剖析了產(chǎn)業(yè)集聚的三個(gè)外部性在人工智能與碳排放效率之間發(fā)揮何種作用;第三，討論人工智能對(duì)低碳試點(diǎn)城市、非低碳試點(diǎn)城市碳排放效率影響的差異性，并立足各區(qū)域?qū)嶋H對(duì)人工智能發(fā)展與碳排放效率提升提出針對(duì)性政策建議。

一、文獻(xiàn)綜述與理論假說(shuō)

（一）人工智能對(duì)碳排放效率的直接影響

內(nèi)生增長(zhǎng)理論認(rèn)為技術(shù)進(jìn)步是促進(jìn)經(jīng)濟(jì)持續(xù)增長(zhǎng)的基礎(chǔ)。人工智能作為新一輪科技革命的典型代表，其逐漸成為推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要引擎②。而提高碳排放效率是實(shí)現(xiàn)綠色低碳轉(zhuǎn)型和經(jīng)濟(jì)高質(zhì)量發(fā)展的重要抓手。基于此，已有研究從多種角度闡釋了人工智能對(duì)碳排放效率的影響。大多研究認(rèn)為人工智能技術(shù)可以促進(jìn)碳排放效率提升，也有研究得出人工智能技術(shù)與碳排放效率呈現(xiàn)倒“U”型曲線關(guān)系的結(jié)論③。首先，人工智能是推動(dòng)綠色低碳發(fā)展的關(guān)鍵技術(shù)之一，工業(yè)機(jī)器人能夠?qū)崟r(shí)監(jiān)控和精確預(yù)測(cè)分析能源要素的交易和使用，更好地匹配能源的需求和供應(yīng)，從而降低能源消耗強(qiáng)度以提高碳排放效率④。其次，隨著人工智能應(yīng)用不斷普及，為技術(shù)創(chuàng)新注入新的動(dòng)力，以人工智能為代表的新興技術(shù)融入生產(chǎn)環(huán)節(jié)會(huì)帶來(lái)生產(chǎn)率提升，催生更加符合綠色低碳發(fā)展要求的新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，從而提高碳排放效率⑤。再次，人工智能技術(shù)應(yīng)用將促使企業(yè)進(jìn)行智能化改造，形成網(wǎng)絡(luò)化協(xié)同生產(chǎn)模式，優(yōu)化要素投入結(jié)構(gòu)，改善資源配置方式，進(jìn)而提升碳排放效率⑥。也有研究表明人工智能過(guò)度普及可能會(huì)產(chǎn)生反彈效應(yīng)，這是由于人工智能技術(shù)應(yīng)用需要建設(shè)一大批算力和通信基礎(chǔ)設(shè)施，反而會(huì)導(dǎo)致隱含碳排放大幅增長(zhǎng)，進(jìn)而不利于碳排放效率的提升①。然而現(xiàn)階段這種反彈效應(yīng)尚不存在，長(zhǎng)江經(jīng)濟(jì)帶人工智能技術(shù)應(yīng)用存在較大空間，諸多應(yīng)用場(chǎng)景尚未得到應(yīng)用推廣。基于上述分析，提出如下研究假說(shuō)。

研究假說(shuō)1：人工智能對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率提升具有促進(jìn)作用。

（二）人工智能、產(chǎn)業(yè)集聚與碳排放效率

人工智能可以通過(guò)促進(jìn)產(chǎn)業(yè)集聚從而提高碳排放效率。人工智能技術(shù)發(fā)展對(duì)產(chǎn)業(yè)集聚發(fā)揮積極影響。首先，隨著人工智能技術(shù)不斷迭代發(fā)展，我國(guó)已形成覆蓋基礎(chǔ)層、技術(shù)層和應(yīng)用層的較為完整的人工智能產(chǎn)業(yè)鏈，大量人工智能企業(yè)集聚形成了一批人工智能產(chǎn)業(yè)園區(qū)。其次，人工智能技術(shù)可以打破地理空間局限，有助于不同資源要素流動(dòng)和重組，減少企業(yè)組織管理成本，進(jìn)而降低企業(yè)邊際生產(chǎn)成本，通過(guò)發(fā)揮這種規(guī)模效應(yīng)形成產(chǎn)業(yè)集聚區(qū)②。再次，人工智能時(shí)代下新型基礎(chǔ)設(shè)施建設(shè)水平成為企業(yè)選址時(shí)考量的重要因素，人工智能應(yīng)用較為廣泛和相關(guān)基礎(chǔ)設(shè)施較為完善的地區(qū)能夠吸引企業(yè)和人才向其匯聚，進(jìn)而形成產(chǎn)業(yè)集聚區(qū)③。

產(chǎn)業(yè)集聚對(duì)碳排放效率提升發(fā)揮正向作用。在產(chǎn)業(yè)集聚區(qū)內(nèi)，企業(yè)在地理空間上的集中可以共享物流、能源、信息等基礎(chǔ)設(shè)施，通過(guò)供應(yīng)鏈管理來(lái)降低交通運(yùn)輸、信息獲取和產(chǎn)品交易成本，使得企業(yè)能夠更高效地利用資源要素，這將有助于提高碳排放效率。大量企業(yè)的集中有助于形成良好的競(jìng)爭(zhēng)合作氛圍，率先應(yīng)用綠色技術(shù)和碳排放效率較高的企業(yè)將形成行業(yè)示范效應(yīng)，倒逼其他企業(yè)為保持和重塑競(jìng)爭(zhēng)力而不斷改進(jìn)低碳技術(shù)、引進(jìn)先進(jìn)設(shè)備，進(jìn)而實(shí)現(xiàn)集聚區(qū)內(nèi)企業(yè)碳排放效率提升④。根據(jù)產(chǎn)業(yè)集聚理論，過(guò)高的產(chǎn)業(yè)集聚水平會(huì)產(chǎn)生擁擠效應(yīng)和規(guī)模不經(jīng)濟(jì)效應(yīng)進(jìn)而降低碳排放效率，但是已有研究表明長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)集聚的正向效應(yīng)尚未充分發(fā)揮，有待進(jìn)一步提升產(chǎn)業(yè)集聚水平，尚未到達(dá)發(fā)揮負(fù)外部性的階段⑤。基于上述分析，提出如下研究假說(shuō)。

研究假說(shuō)2：人工智能可以通過(guò)產(chǎn)業(yè)集聚來(lái)帶動(dòng)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率提升。

（三）人工智能、產(chǎn)業(yè)集聚外部性與碳排放效率

不同的產(chǎn)業(yè)集聚模式對(duì)碳排放效率的促進(jìn)作用可能不同⑥。從理論來(lái)看，多樣化集聚可以加快不同部門(mén)的企業(yè)之間知識(shí)流動(dòng)，給企業(yè)提供跨行業(yè)模仿、共享和重組的機(jī)會(huì)，促進(jìn)創(chuàng)新活動(dòng)和經(jīng)濟(jì)增長(zhǎng)⑦。多樣化集聚外部性主要發(fā)揮跨部門(mén)效應(yīng)，通過(guò)促進(jìn)不同行業(yè)之間的低碳技術(shù)融合與協(xié)同創(chuàng)新來(lái)提升碳排放效率。人工智能技術(shù)應(yīng)用有助于產(chǎn)業(yè)多樣化集聚，隨著人工智能應(yīng)用更加廣泛，各部門(mén)之間聯(lián)動(dòng)的邊際成本持續(xù)降低，參與者從中獲取的收益呈現(xiàn)幾何式增加⑧，引致跨行業(yè)協(xié)同創(chuàng)新效應(yīng)得以發(fā)揮以及勞動(dòng)力分工更加多樣，不同部門(mén)企業(yè)合作推進(jìn)綠色低碳技術(shù)更新迭代，且高技能勞動(dòng)力具有更強(qiáng)的綠色低碳意識(shí)，進(jìn)而推動(dòng)碳排放效率提升。專業(yè)化集聚外部性在一個(gè)特定產(chǎn)業(yè)內(nèi)部存在，發(fā)揮勞動(dòng)力蓄水池、知識(shí)溢出和中間投入共享三種外部性①。人工智能技術(shù)可以促進(jìn)特定產(chǎn)業(yè)集聚，通過(guò)發(fā)揮產(chǎn)業(yè)專業(yè)化集聚外部性促進(jìn)碳排放效率提高。具體而言，集聚區(qū)內(nèi)擁有大規(guī)模的勞動(dòng)力市場(chǎng)，有助于企業(yè)快速獲取與其產(chǎn)業(yè)技術(shù)相匹配的勞動(dòng)力，也有利于勞動(dòng)力找到與其技能相適應(yīng)的就業(yè)崗位，這將提高企業(yè)搜尋勞動(dòng)力的效率②，使得勞動(dòng)生產(chǎn)率與全要素生產(chǎn)率得以更好匹配，從而減少能源消耗和碳排放③。集聚區(qū)內(nèi)企業(yè)存在前后向關(guān)聯(lián)效應(yīng)，一個(gè)企業(yè)的廢棄物可能是另一個(gè)企業(yè)生產(chǎn)所需的中間品，企業(yè)之間資源得以循環(huán)利用④。而且同行業(yè)企業(yè)活動(dòng)的碳排放模式類似，專業(yè)化集聚有利于實(shí)現(xiàn)碳排放規(guī)模化治理⑤。人工智能技術(shù)通過(guò)搭建信息通信渠道、工業(yè)互聯(lián)網(wǎng)等方式，打破“信息孤島”，為各企業(yè)之間信息資源共享與交流合作提供平臺(tái)，構(gòu)建同行業(yè)內(nèi)企業(yè)間“示范—模仿”模式，加快綠色低碳技術(shù)創(chuàng)新進(jìn)而提升碳排放效率⑥。人工智能技術(shù)應(yīng)用所帶來(lái)的產(chǎn)業(yè)集聚可以強(qiáng)化中間品投入共享，集聚區(qū)內(nèi)中間品供給多樣性和規(guī)模得以增加，企業(yè)可以在規(guī)模龐大的中間品市場(chǎng)中靈活挑選與其相匹配的中間品，這將降低企業(yè)的生產(chǎn)成本和交易成本⑦。基于上述分析，提出如下研究假說(shuō)。

研究假說(shuō)3：人工智能可以通過(guò)產(chǎn)業(yè)集聚外部性來(lái)帶動(dòng)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率提升。

二、研究設(shè)計(jì)

（一）研究方法

1.基準(zhǔn)回歸模型

為驗(yàn)證長(zhǎng)江經(jīng)濟(jì)帶人工智能應(yīng)用水平與碳排放效率的關(guān)系，構(gòu)建如下基準(zhǔn)回歸模型，檢驗(yàn)結(jié)果表明應(yīng)選擇混合效應(yīng)模型：

CPit=α0+α1AIit+βXit+εit（1）

式中，CPit為被解釋變量碳排放效率，AIit為解釋變量人工智能應(yīng)用水平;i為城市，t為年份;α0、α1、β為待估計(jì)參數(shù);Xit為控制變量;εit為隨機(jī)擾動(dòng)項(xiàng)。

2.中介效應(yīng)模型

根據(jù)前文理論分析，人工智能應(yīng)用水平可能通過(guò)產(chǎn)業(yè)集聚影響碳排放效率，故構(gòu)建如下中介效應(yīng)模型展開(kāi)識(shí)別檢驗(yàn)⑧：

Aggit=φ0+φ1AIit+φ2Yit+εit（2）

CPit=ρ0+ρ1AIit+ρ2Yit+ρ3Aggit+εit（3）

式中，Yit為控制變量組成的向量集;Aggit為可能的中介變量產(chǎn)業(yè)集聚，其中包括產(chǎn)業(yè)多樣化集聚（Aggdit）和產(chǎn)業(yè)專業(yè)化集聚（Aggsit）。基于中介效應(yīng)模型所遵循的基本原理來(lái)檢驗(yàn)產(chǎn)業(yè)多樣化集聚和產(chǎn)業(yè)專業(yè)化集聚是否為中介變量。

為進(jìn)一步驗(yàn)證人工智能應(yīng)用能否通過(guò)產(chǎn)業(yè)專業(yè)化集聚的三個(gè)外部性即勞動(dòng)力蓄水池效應(yīng)、知識(shí)溢出效應(yīng)、中間品投入共享效應(yīng)來(lái)影響碳排放效率，建立下述中介效應(yīng)模型展開(kāi)識(shí)別檢驗(yàn)：

Laborit=λ0+λ1AIit+λ2Yit+εit（4）

Spillit=η0+η1AIit+η2Yit+εit（5）

Interit=μ0+μ1AIit+μ2Yit+εit（6）

CPit=ξ0+ξ1AIit+ξ2Yit+ξ3Laborit+ξ4Spillit+ξ5Interit+εit（7）

式中，Yit為控制變量組成的向量集;Laborit、Spillit、Interit分別為可能的中介變量勞動(dòng)力蓄水池、知識(shí)溢出、中間品投入共享。

（二）變量說(shuō)明

1.被解釋變量：長(zhǎng)江經(jīng)濟(jì)帶碳排放效率

參考周五七等①的方法，使用超效率的SBM模型測(cè)算碳排放效率。其中，投入指標(biāo)為就業(yè)人數(shù)、固定資產(chǎn)投資總額、全社會(huì)用電量，產(chǎn)出指標(biāo)為實(shí)際GDP、碳排放總量。

2.解釋變量：長(zhǎng)江經(jīng)濟(jì)帶人工智能應(yīng)用水平

工業(yè)機(jī)器人應(yīng)用于生產(chǎn)活動(dòng)是人工智能技術(shù)與產(chǎn)業(yè)融合的典型特征。工業(yè)機(jī)器人具有自主性、適應(yīng)性和自動(dòng)化的特點(diǎn)，成為推動(dòng)第四次工業(yè)革命的重要引擎。用工業(yè)機(jī)器人密度表示人工智能應(yīng)用水平②。借鑒Acemoglu等③的方法，選用行業(yè)層面的工業(yè)機(jī)器人數(shù)量、城市16～64歲適齡勞動(dòng)力數(shù)量和各產(chǎn)業(yè)就業(yè)數(shù)量構(gòu)建城市層面工業(yè)機(jī)器人密度指標(biāo)，將企業(yè)所屬行業(yè)分為農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、電燃水氣供應(yīng)業(yè)、建筑業(yè)和教育業(yè)六類。

3.中介變量：長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)集聚水平及集聚外部性

（1）采用區(qū)位商法測(cè)算長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)專業(yè)化集聚水平，方法如下：

Aggsit=

（8）

（2）采用赫芬達(dá)爾—赫希曼指數(shù)測(cè)算長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)多樣化集聚水平，方法如下：

Aggdit=（9）

式中，Aggsit代表產(chǎn)業(yè)專業(yè)化集聚水平，Aggdit代表產(chǎn)業(yè)多樣化集聚水平，Lnitj為i城市t年j行業(yè)單位從業(yè)人數(shù)，n為行業(yè)個(gè)數(shù)，m為城市個(gè)數(shù)。

（3）產(chǎn)業(yè)專業(yè)化集聚的三種外部性，分別為勞動(dòng)力蓄水池、知識(shí)溢出、中間投入共享。其中，勞動(dòng)力蓄水池效應(yīng)（Laborit）采用制造業(yè)從業(yè)人數(shù)來(lái)表征。知識(shí)溢出效應(yīng)（Spillit）以各城市間技術(shù)轉(zhuǎn)移數(shù)量來(lái)衡量，采用專利轉(zhuǎn)讓數(shù)據(jù)表征技術(shù)轉(zhuǎn)移進(jìn)而用于衡量知識(shí)溢出效應(yīng)①。中間投入共享效應(yīng)（Interit）采用制造業(yè)部門(mén)生產(chǎn)所需的中間投入品規(guī)模表示②③，測(cè)算方法如下：

Interit=（Indg i t×rg j t=2012）（10）

式中，Indgit代表i城市中間投入行業(yè)g的規(guī)模，rg jt=2012代表以2012年為基期的制造業(yè)行業(yè)j使用中間投入行業(yè)g的完全消耗系數(shù)，完全消耗系數(shù)根據(jù)投入產(chǎn)出關(guān)聯(lián)度進(jìn)行加權(quán)得到。

4.控制變量

選取以下控制變量：（1）政府研發(fā)支出（Grd），用政府科技經(jīng)費(fèi)支出占GDP的比值表示④。（2）就業(yè)規(guī)模（Ems），用第二產(chǎn)業(yè)與第三產(chǎn)業(yè)從業(yè)人數(shù)的比值表示。（3）金融發(fā)展規(guī)模（Fin），用年末金融機(jī)構(gòu)貸款余額表示。（4）產(chǎn)業(yè)結(jié)構(gòu)（Ins），用工業(yè)增加值占GDP的比重表示⑤。（5）教育水平（Edu），用學(xué)校專任教師人數(shù)與在校學(xué)生的比值表示。（6）互聯(lián)網(wǎng)規(guī)模（Int），用城市國(guó)際互聯(lián)網(wǎng)用戶數(shù)表示⑥。

5.數(shù)據(jù)來(lái)源

《中國(guó)城市統(tǒng)計(jì)年鑒》從2020年起至今未公布細(xì)分行業(yè)規(guī)模以上工業(yè)企業(yè)主要財(cái)務(wù)指標(biāo)、就業(yè)人員相關(guān)數(shù)據(jù)。囿于數(shù)據(jù)可得性，本文將研究周期設(shè)定為2012—2019年。工業(yè)機(jī)器人數(shù)據(jù)來(lái)源于國(guó)際機(jī)器人聯(lián)合會(huì)，其他數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒（2013—2020）》《中國(guó)城市統(tǒng)計(jì)年鑒（2013—2020）》、各市統(tǒng)計(jì)年鑒以及第六次人口普查數(shù)據(jù)等。用于表征知識(shí)溢出效應(yīng)的技術(shù)轉(zhuǎn)移數(shù)據(jù)來(lái)源于中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索平臺(tái)，采用數(shù)據(jù)挖掘、地理信息編碼等技術(shù)獲取整理得到。

三、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

由表1可知，人工智能對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率具有顯著的促進(jìn)作用。究其原因，人工智能作為一種通用技術(shù)深度融入產(chǎn)業(yè)鏈條，有助于優(yōu)化生產(chǎn)環(huán)節(jié)和降低能源消耗，成為節(jié)能降碳和推進(jìn)碳排放雙控的重要引擎。因此，研究假說(shuō)1成立。

（二）穩(wěn)健性檢驗(yàn)

為檢驗(yàn)回歸結(jié)果的穩(wěn)健性，對(duì)上述結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，見(jiàn)表2。首先，替換解釋變量。采用機(jī)器人存量測(cè)算城市層面機(jī)器人安裝密度，回歸結(jié)果見(jiàn)列（1）。其次，由于人工智能應(yīng)用技術(shù)的發(fā)展對(duì)碳排放效率的影響存在一定程度的滯后性，因此進(jìn)一步檢驗(yàn)滯后一期的影響，回歸結(jié)果見(jiàn)列（2）。采用工具變量方法控制模型可能存在的內(nèi)生性，選用美國(guó)、德國(guó)、日本、瑞典、韓國(guó)工業(yè)機(jī)器人安裝數(shù)量的均值為工具變量。這是由于隨著國(guó)際競(jìng)爭(zhēng)合作不斷深化，我國(guó)與世界各國(guó)人工智能技術(shù)發(fā)展密不可分，而長(zhǎng)江經(jīng)濟(jì)帶作為我國(guó)人工智能應(yīng)用先導(dǎo)區(qū)，必然與其他國(guó)家人工智能水平存在聯(lián)系。但是其他國(guó)家工業(yè)機(jī)器人安裝量不會(huì)對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率產(chǎn)生明顯影響。第一階段和第二階段的回歸結(jié)果分別見(jiàn)列（3）和列（4）。替換變量、滯后一期、工具變量方法的回歸結(jié)果仍顯著，這表明基準(zhǔn)回歸結(jié)果依然是穩(wěn)健的。

（三）異質(zhì)性分析

人工智能應(yīng)用對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率影響的區(qū)域異質(zhì)性回歸結(jié)果見(jiàn)表3。人工智能應(yīng)用對(duì)下游地區(qū)碳排放效率存在顯著的正向影響，對(duì)上游地區(qū)和中游地區(qū)碳排放效率的影響表現(xiàn)為不顯著為正的特征。究其原因，上中下游地區(qū)在人工智能技術(shù)應(yīng)用水平上存在明顯差異，我國(guó)18個(gè)新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)中有5個(gè)分布于下游地區(qū)，下游地區(qū)人工智能核心技術(shù)、產(chǎn)業(yè)生態(tài)漸趨成熟，在提升碳排放效率和實(shí)現(xiàn)“雙碳”目標(biāo)中發(fā)揮更加重要的作用。上游和中游地區(qū)雖然近些年來(lái)致力于培育人工智能，然而受產(chǎn)業(yè)層次、技術(shù)創(chuàng)新水平的約束，人工智能技術(shù)應(yīng)用范圍較為狹窄，尚未在碳排放雙控進(jìn)程中發(fā)揮引擎作用。

截至2019年年底，長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市中有50個(gè)城市位于低碳省區(qū)和低碳城市之列，58個(gè)城市為非低碳試點(diǎn)城市。人工智能應(yīng)用對(duì)低碳試點(diǎn)城市碳排放效率存在顯著的正向影響，對(duì)非試點(diǎn)城市碳排放效率的影響不顯著為正。這表明在低碳試點(diǎn)城市，人工智能技術(shù)可以更好地發(fā)揮節(jié)能減排作用。

（四）影響渠道分析

根據(jù)前文理論分析，人工智能對(duì)碳排放效率影響的傳導(dǎo)渠道主要表現(xiàn)為產(chǎn)業(yè)集聚及其外部性。根據(jù)表4，產(chǎn)業(yè)多樣化集聚中介效應(yīng)不顯著為負(fù)，產(chǎn)業(yè)專業(yè)化集聚中介效應(yīng)顯著為正，這表明人工智能可以通過(guò)產(chǎn)業(yè)專業(yè)化集聚這一途徑作用于碳排放效率，研究假說(shuō)2部分成立。

進(jìn)一步地，從產(chǎn)業(yè)集聚的三種外部性視角來(lái)考察人工智能對(duì)碳排放效率的作用途徑，回歸結(jié)果如表5所示。勞動(dòng)力蓄水池的中介效應(yīng)不顯著為正，知識(shí)溢出的中介效應(yīng)顯著為正，中間投入共享的中介效應(yīng)顯著為正。這表明人工智能可以通過(guò)產(chǎn)業(yè)集聚的知識(shí)溢出效應(yīng)和中間投入共享效用這兩個(gè)作用渠道來(lái)促進(jìn)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率提升。因此，研究假說(shuō)3部分成立。

四、結(jié)論與政策啟示

（一）研究結(jié)論

采用2012—2019年長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市面板數(shù)據(jù)，檢驗(yàn)人工智能應(yīng)用對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率的影響效果及其作用途徑。從產(chǎn)業(yè)多樣化集聚、產(chǎn)業(yè)專業(yè)化集聚視角探究人工智能對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放效率的影響路徑，進(jìn)一步檢驗(yàn)人工智能是否通過(guò)產(chǎn)業(yè)集聚的勞動(dòng)力蓄水池、知識(shí)溢出、中間品投入共享效應(yīng)影響碳排放效率。相關(guān)研究結(jié)論如下：

第一，人工智能技術(shù)應(yīng)用有助于長(zhǎng)江經(jīng)濟(jì)帶碳排放效率的提升。分區(qū)域來(lái)看，人工智能可以提升下游地區(qū)城市碳排放效率，對(duì)上游地區(qū)和中游地區(qū)城市碳排放效率的作用不顯著;人工智能可以提升低碳試點(diǎn)城市碳排放效率，對(duì)非低碳試點(diǎn)城市碳排放效率促進(jìn)效果不明顯。

第二，人工智能通過(guò)產(chǎn)業(yè)專業(yè)化集聚促進(jìn)碳排放效率提升，而產(chǎn)業(yè)多樣化集聚的中介作用不顯著。人工智能技術(shù)應(yīng)用可以促進(jìn)產(chǎn)業(yè)專業(yè)化集聚，推動(dòng)同一部門(mén)的企業(yè)更好實(shí)現(xiàn)資源要素協(xié)同共享和鏈接共生，發(fā)揮綠色技術(shù)創(chuàng)新的行業(yè)示范效應(yīng)，進(jìn)而提高碳排放效率。

第三，人工智能通過(guò)產(chǎn)業(yè)集聚的知識(shí)溢出效應(yīng)、中間品投入共享效應(yīng)兩個(gè)作用途徑來(lái)促進(jìn)碳排放效率提升，而勞動(dòng)力蓄水池效應(yīng)的中介作用不顯著。這是由于人工智能會(huì)促進(jìn)知識(shí)技術(shù)更好地在企業(yè)之間傳播和分享，加快低碳技術(shù)應(yīng)用推廣，并且有助于集聚區(qū)內(nèi)企業(yè)更加便捷地搜尋和交易中間品，進(jìn)而提升碳排放效率。

（二）政策建議

第一，因地制宜發(fā)展人工智能技術(shù)，賦能長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。長(zhǎng)江經(jīng)濟(jì)帶作為人工智能技術(shù)先導(dǎo)區(qū)，要加強(qiáng)上中下游地區(qū)協(xié)同配合，提升人工智能技術(shù)整體效能。上游和中游地區(qū)要持續(xù)提升人工智能應(yīng)用水平，使其達(dá)到能夠顯著促進(jìn)碳排放效率提升的理想階段，充分利用資源稟賦、氣候優(yōu)勢(shì)加強(qiáng)算力產(chǎn)業(yè)布局，推進(jìn)人工智能技術(shù)在傳統(tǒng)產(chǎn)業(yè)中的應(yīng)用。下游地區(qū)要著重提升關(guān)鍵技術(shù)對(duì)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的引領(lǐng)力，引導(dǎo)已有人工智能領(lǐng)域重點(diǎn)實(shí)驗(yàn)室、工程技術(shù)研究中心等創(chuàng)新平臺(tái)聚焦群體智能、類腦智能、具身智能、人機(jī)混合智能等領(lǐng)域研發(fā)實(shí)現(xiàn)關(guān)鍵核心技術(shù)突破，加強(qiáng)人工智能技術(shù)融合應(yīng)用，催生新產(chǎn)業(yè)、新模式、新業(yè)態(tài)、新產(chǎn)品。

第二，加強(qiáng)適宜性產(chǎn)業(yè)集聚，構(gòu)建區(qū)域產(chǎn)業(yè)分工合作格局。扭轉(zhuǎn)過(guò)去以“增長(zhǎng)主義”為導(dǎo)向的產(chǎn)業(yè)發(fā)展政策，優(yōu)化產(chǎn)業(yè)空間布局，促進(jìn)適宜性產(chǎn)業(yè)集聚。立足各地區(qū)主體功能定位、產(chǎn)業(yè)基礎(chǔ)、環(huán)境承載力明確產(chǎn)業(yè)發(fā)展的方向，加強(qiáng)各地區(qū)產(chǎn)業(yè)集聚的空間協(xié)同和聯(lián)動(dòng)效應(yīng)，提前規(guī)避產(chǎn)能過(guò)剩、同質(zhì)化競(jìng)爭(zhēng)等問(wèn)題。加快不同部門(mén)產(chǎn)業(yè)的多樣化集聚，促進(jìn)不同類型企業(yè)優(yōu)勢(shì)互補(bǔ)、鏈接共生、融通發(fā)展，促使產(chǎn)業(yè)多樣化集聚更好發(fā)揮集聚的正外部性。

第三，構(gòu)建綠色低碳產(chǎn)業(yè)體系，促進(jìn)碳排放效率提升。深化低碳試點(diǎn)城市建設(shè)，引導(dǎo)企業(yè)加大清潔可再生能源使用，加快推進(jìn)低碳技術(shù)應(yīng)用和機(jī)制創(chuàng)新，推廣能源費(fèi)用托管、碳排放第三方監(jiān)測(cè)治理等專業(yè)化環(huán)保服務(wù)，推動(dòng)形成綠色低碳循環(huán)發(fā)展的生產(chǎn)體系。圍繞碳達(dá)峰、碳中和目標(biāo)，將綠色低碳發(fā)展的有關(guān)政策措施逐步細(xì)化至細(xì)分行業(yè)，大力實(shí)施制造業(yè)低碳行動(dòng)、綠色制造工程，促進(jìn)全產(chǎn)業(yè)鏈和產(chǎn)品全生命周期綠色發(fā)展。打造一批具有示范帶動(dòng)作用的綠色工廠、綠色產(chǎn)品、綠色園區(qū)、綠色供應(yīng)鏈，以長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)低碳發(fā)展引領(lǐng)帶動(dòng)全國(guó)綠色轉(zhuǎn)型。

責(zé)任編校 程" 明

① 王永欽、董雯：《機(jī)器人的興起如何影響中國(guó)勞動(dòng)力市場(chǎng)？——來(lái)自制造業(yè)上市公司的證據(jù)》，《經(jīng)濟(jì)研究》2020年第10期。

② D. Acemoglu， P. Restrepo， “Robots and Jobs： Evidence from US Labor Markets”， Journal of Political Economy， 2020（6）.

① 賈根良：《第三次工業(yè)革命與工業(yè)智能化》，《中國(guó)社會(huì)科學(xué)》2016年第6期。

② 黃勃、李海彤、劉俊岐等：《數(shù)字技術(shù)創(chuàng)新與中國(guó)企業(yè)高質(zhì)量發(fā)展——來(lái)自企業(yè)數(shù)字專利的證據(jù)》，《經(jīng)濟(jì)研究》2023年第3期。

③ 吳傳清、鄧明亮：《數(shù)字經(jīng)濟(jì)發(fā)展對(duì)中國(guó)工業(yè)碳生產(chǎn)率的影響研究》，《中國(guó)軟科學(xué)》2023年第11期。

④ 黃賾琳、蔣鵬程：《數(shù)字低碳之路：工業(yè)機(jī)器人與城市工業(yè)碳排放》，《財(cái)經(jīng)研究》2023年第10期。

⑤ 王林輝、姜昊、董直慶：《工業(yè)智能化會(huì)重塑企業(yè)地理格局嗎》，《中國(guó)工業(yè)經(jīng)濟(jì)》2022年第2期。

⑥ 羅良文、張鄭秋、周倩：《產(chǎn)業(yè)智能化與城市低碳經(jīng)濟(jì)轉(zhuǎn)型》，《經(jīng)濟(jì)管理》2023年第5期。

① 王維國(guó)、王永玲、范丹：《數(shù)字經(jīng)濟(jì)促進(jìn)碳減排的效應(yīng)及機(jī)制》，《中國(guó)環(huán)境科學(xué)》2023年第8期。

② 王小波、孔莉霞：《城市數(shù)字經(jīng)濟(jì)發(fā)展對(duì)制造業(yè)集聚水平的影響》，《經(jīng)濟(jì)地理》2023年第9期。

③ 王林輝、姜昊、董直慶：《工業(yè)智能化會(huì)重塑企業(yè)地理格局嗎》，《中國(guó)工業(yè)經(jīng)濟(jì)》2022年第2期。

④ 邵帥、張可、豆建民：《經(jīng)濟(jì)集聚的節(jié)能減排效應(yīng)：理論與中國(guó)經(jīng)驗(yàn)》，《管理世界》2019年第1期。

⑤ 葉云嶺：《長(zhǎng)江經(jīng)濟(jì)帶制造業(yè)集聚水平及其效應(yīng)研究》，經(jīng)濟(jì)管理出版社2023年版，第151頁(yè)。

⑥ 孟凡生、趙艷：《工業(yè)智能化、產(chǎn)業(yè)集聚與碳生產(chǎn)率》，《科學(xué)學(xué)研究》2023年第10期。

⑦ J. Jacobs，“The Economy of Cities”， New York： Vintage， 1969， pp.1-50.

⑧ 趙濤、張智、梁上坤：《數(shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來(lái)自中國(guó)城市的經(jīng)驗(yàn)證據(jù)》，《管理世界》2020年第10期。

① A. Marshall，“Principles of Economics”， London： Macmillan， 1890， pp.111-150.

② 王永欽、董雯：《機(jī)器人的興起如何影響中國(guó)勞動(dòng)力市場(chǎng)？——來(lái)自制造業(yè)上市公司的證據(jù)》，《經(jīng)濟(jì)研究》2020年第10期。

③ 蘇丹妮、盛斌：《產(chǎn)業(yè)集聚、集聚外部性與企業(yè)減排——來(lái)自中國(guó)的微觀新證據(jù)》，《經(jīng)濟(jì)學(xué)（季刊）》2021年第5期。

④ J. Enrenfeld， “Putting the Spotlight on Metaphors and Analogies in Industrial Ecology”， Journal of Industrial Ecology， 2013（1）.

⑤ 蘇丹妮、盛斌：《產(chǎn)業(yè)集聚、集聚外部性與企業(yè)減排——來(lái)自中國(guó)的微觀新證據(jù)》，《經(jīng)濟(jì)學(xué)（季刊）》2021年第5期。

⑥ J. Enrenfeld， “Putting the Spotlight on Metaphors and Analogies in Industrial Ecology”， Journal of Industrial Ecology， 2013（1）.

⑦ 史丹、葉云嶺、于海潮：《雙循環(huán)視角下技術(shù)轉(zhuǎn)移對(duì)產(chǎn)業(yè)升級(jí)的影響研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2023年第6期。

⑧ R. M. Baron， D. A. Kenny， “The Moderator-mediator Variable Distinction in Social Psychological Research： Conceptual， Strategic， and statistical considerations”， Journal of Personality and Social Psychology， 1986（6）.

① 周五七、聶鳴：《中國(guó)工業(yè)碳排放效率的區(qū)域差異研究——基于非參數(shù)前沿的實(shí)證分析》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2012年第9期。

② 史丹、葉云嶺：《人工智能、就業(yè)結(jié)構(gòu)與高質(zhì)量發(fā)展》，《當(dāng)代財(cái)經(jīng)》2023年第5期。

③ D. Acemoglu， P. Restrepo，“Robots and Jobs： Evidence from US Labor Markets”， Journal of Political Economy， 2020（6）.

① 史丹、葉云嶺、于海潮：《雙循環(huán)視角下技術(shù)轉(zhuǎn)移對(duì)產(chǎn)業(yè)升級(jí)的影響研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2023年第6期。

② 蘇丹妮、盛斌、邵朝對(duì)等：《全球價(jià)值鏈、本地化產(chǎn)業(yè)集聚與企業(yè)生產(chǎn)率的互動(dòng)效應(yīng)》，《經(jīng)濟(jì)研究》2020年第3期。

③ 韓峰、柯善咨：《空間外部性、比較優(yōu)勢(shì)與制造業(yè)集聚——基于中國(guó)地級(jí)市面板數(shù)據(jù)的實(shí)證分析》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2013年第1期。

④ 史丹、葉云嶺、于海潮：《雙循環(huán)視角下技術(shù)轉(zhuǎn)移對(duì)產(chǎn)業(yè)升級(jí)的影響研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2023年第6期。

⑤ 邵帥、張可、豆建民：《經(jīng)濟(jì)集聚的節(jié)能減排效應(yīng)：理論與中國(guó)經(jīng)驗(yàn)》，《管理世界》2019年第1期。

⑥ 葉云嶺：《長(zhǎng)江經(jīng)濟(jì)帶制造業(yè)集聚水平及其效應(yīng)研究》，經(jīng)濟(jì)管理出版社2023年版，第87頁(yè)。

作者簡(jiǎn)介：葉云嶺，中國(guó)社會(huì)科學(xué)院工業(yè)經(jīng)濟(jì)研究所助理研究員，經(jīng)濟(jì)學(xué)博士;張其仔（通訊作者），中國(guó)社會(huì)科學(xué)院工業(yè)經(jīng)濟(jì)研究所副所長(zhǎng)，二級(jí)研究員，博士生導(dǎo)師。

基金項(xiàng)目：國(guó)家自然科學(xué)基金專項(xiàng)項(xiàng)目“面向碳中和的中國(guó)經(jīng)濟(jì)轉(zhuǎn)型模式構(gòu)建研究”（72140001）;中國(guó)社會(huì)科學(xué)院學(xué)科建設(shè)登峰戰(zhàn)略區(qū)域經(jīng)濟(jì)學(xué)重點(diǎn)項(xiàng)目