薛 飛，劉家旗，付雅梅,3

(1.中國(guó)社會(huì)科學(xué)院大學(xué) 應(yīng)用經(jīng)濟(jì)學(xué)院，北京 102488；2.西北大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 西安 710127； 3.西安財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，陜西 西安 710100)

0 引言

站在“兩個(gè)一百年”奮斗目標(biāo)的歷史交匯點(diǎn)，中國(guó)提出“碳達(dá)峰、碳中和”的目標(biāo)愿景。2020年9月，國(guó)家主席習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上宣布“中國(guó)CO2排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”，展現(xiàn)了中國(guó)應(yīng)對(duì)氣候變化的堅(jiān)定決心和責(zé)任擔(dān)當(dāng)。為此，中央及地方政府針對(duì)碳減排進(jìn)行了一系列部署。中國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)時(shí)間緊、任務(wù)重，如何推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展全面綠色低碳轉(zhuǎn)型成為當(dāng)前社會(huì)各界面臨的重大課題，事關(guān)中華民族永續(xù)發(fā)展和人類(lèi)命運(yùn)共同體構(gòu)建。

實(shí)現(xiàn)“碳達(dá)峰、碳中和”是一場(chǎng)廣泛而深刻的變革，需要全社會(huì)的共同努力。作為科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能在應(yīng)對(duì)氣候變化方面扮演重要角色，并為低碳發(fā)展帶來(lái)重大機(jī)遇?！半p碳”目標(biāo)的實(shí)現(xiàn)本質(zhì)上是向技術(shù)密集型產(chǎn)業(yè)轉(zhuǎn)型的過(guò)程。在這一過(guò)程中，人工智能技術(shù)成為新型數(shù)字基礎(chǔ)設(shè)施的重要依托，廣泛應(yīng)用于人類(lèi)生產(chǎn)生活，并與行業(yè)碳減排技術(shù)融合，成為降碳減排的核心技術(shù)。同時(shí)，人工智能技術(shù)在數(shù)字時(shí)代具有特殊優(yōu)勢(shì)，其能夠利用大數(shù)據(jù)、深度學(xué)習(xí)和傳感設(shè)備對(duì)碳排放進(jìn)行有效監(jiān)測(cè)、精準(zhǔn)預(yù)測(cè)，從而優(yōu)化政府、企業(yè)碳減排決策。例如，人工智能技術(shù)能夠精準(zhǔn)預(yù)測(cè)國(guó)家電網(wǎng)電力供需，加強(qiáng)可再生能源調(diào)度，減少化石能源消耗，從供需兩側(cè)實(shí)現(xiàn)碳減排。隨著數(shù)字化技術(shù)的不斷進(jìn)步，人工智能技術(shù)在節(jié)能減排方面的潛能得到進(jìn)一步開(kāi)發(fā)和利用。

然而，與政策層面?zhèn)涫荜P(guān)注和實(shí)踐層面蓬勃發(fā)展不同，人工智能技術(shù)能否推動(dòng)碳減排仍是一個(gè)懸而未決的問(wèn)題。已有研究表明，人工智能技術(shù)對(duì)碳排放具有較為復(fù)雜的雙重影響。一方面，人工智能技術(shù)發(fā)展與應(yīng)用將會(huì)提高電力需求，從而產(chǎn)生大量碳排放；另一方面，人工智能技術(shù)與低碳技術(shù)融合所帶來(lái)的生產(chǎn)和消費(fèi)方式變革將會(huì)抑制碳排放。人工智能技術(shù)發(fā)展對(duì)碳排放是產(chǎn)生推波助瀾作用，還是抑制效應(yīng)有待驗(yàn)證。鑒于此，本文重點(diǎn)解答以下問(wèn)題：①人工智能技術(shù)能否賦能碳中和并降低碳排放？②人工智能技術(shù)通過(guò)哪些機(jī)制影響碳排放？③人工智能技術(shù)對(duì)碳排放的影響是否存在區(qū)域差異？通過(guò)對(duì)上述問(wèn)題進(jìn)行探索，旨在為人工智能技術(shù)碳減排效應(yīng)提供政策啟示。

本文以2006—2019年中國(guó)內(nèi)地30個(gè)省份面板數(shù)據(jù)為研究樣本，用人工智能專(zhuān)利數(shù)據(jù)度量人工智能技術(shù)發(fā)展水平，從中國(guó)碳核算數(shù)據(jù)庫(kù)獲取碳排放數(shù)據(jù)衡量碳排放水平，對(duì)人工智能技術(shù)影響碳排放的作用機(jī)理進(jìn)行分析。本文邊際貢獻(xiàn)體現(xiàn)在：①?gòu)娜斯ぶ悄芗夹g(shù)視角切入，就人工智能技術(shù)對(duì)碳排放的影響進(jìn)行系統(tǒng)性研究，既有文獻(xiàn)對(duì)人工智能效益進(jìn)行了廣泛討論，但鮮有文獻(xiàn)關(guān)注人工智能對(duì)碳排放的影響，本研究可對(duì)現(xiàn)有文獻(xiàn)進(jìn)行有益補(bǔ)充；②通過(guò)手工整理人工智能專(zhuān)利數(shù)據(jù)衡量各地區(qū)人工智能技術(shù)發(fā)展水平，并采用面板半?yún)?shù)模型、非線(xiàn)性中介效應(yīng)模型揭示人工智能碳減排效應(yīng)與機(jī)制；③研究發(fā)現(xiàn)，人工智能技術(shù)與碳排放之間存在倒U型關(guān)系，且影響效應(yīng)存在區(qū)域異質(zhì)性，這一研究結(jié)論可為制定差異化人工智能碳減排策略提供經(jīng)驗(yàn)支撐。

1 文獻(xiàn)綜述

伴隨著新一代信息技術(shù)的快速發(fā)展，國(guó)內(nèi)外學(xué)者對(duì)人工智能技術(shù)與碳排放展開(kāi)了廣泛討論。早期關(guān)于人工智能技術(shù)的研究偏向于從技術(shù)進(jìn)步視角切入。Acemoglu & Restrepo[1]認(rèn)為，人工智能技術(shù)本質(zhì)上是一種技能偏向型技術(shù)，作者重點(diǎn)分析了技術(shù)進(jìn)步對(duì)碳排放的影響效應(yīng)。部分學(xué)者對(duì)兩者關(guān)系持積極態(tài)度，認(rèn)為技術(shù)進(jìn)步發(fā)揮顯著節(jié)能減排效應(yīng)[2-3]。Wang等[4]研究發(fā)現(xiàn)，能源技術(shù)進(jìn)步能夠有效降低碳排放；盧娜等[5]研究發(fā)現(xiàn)，突破性低碳技術(shù)創(chuàng)新對(duì)碳排放具有顯著抑制作用；邵帥等[6]指出，若技術(shù)進(jìn)步具有顯著綠色偏向特征則有助于節(jié)能減排，但若以提高生產(chǎn)率為導(dǎo)向則不利于節(jié)能減排。然而，也有學(xué)者持不同觀(guān)點(diǎn)，指出技術(shù)進(jìn)步對(duì)碳排放的影響存在“回彈效應(yīng)”，即技術(shù)進(jìn)步雖然可以提高能源利用率、促進(jìn)碳減排，但反過(guò)來(lái)也會(huì)造成碳排放量增加，最終產(chǎn)生碳減排折中效應(yīng)或相反作用。因此，技術(shù)進(jìn)步對(duì)碳排放的影響可能存在階段性拐點(diǎn)。馮烽等[7]研究發(fā)現(xiàn)，傳統(tǒng)技術(shù)創(chuàng)新通過(guò)提升能源效率促進(jìn)經(jīng)濟(jì)增長(zhǎng)，并對(duì)能源產(chǎn)生新需求，新能源需求將部分甚至完全抵消所節(jié)約的能源總量，最終導(dǎo)致能源消費(fèi)總量增長(zhǎng)；楊莉莎等[8]明確技術(shù)進(jìn)步對(duì)于CO2減排所發(fā)揮的關(guān)鍵性作用，指出技術(shù)進(jìn)步具有雙重特征，既能夠提高碳排放效率，又有利于促進(jìn)經(jīng)濟(jì)增長(zhǎng)，經(jīng)濟(jì)增長(zhǎng)所需能源消耗部分甚至完全抵消了技術(shù)進(jìn)步實(shí)現(xiàn)的碳減排總量。此外，部分學(xué)者認(rèn)為，技術(shù)進(jìn)步與碳排放之間存在復(fù)雜的非線(xiàn)性關(guān)系[9]。張華等[10]研究表明，能源節(jié)約型技術(shù)進(jìn)步與能源消耗呈顯著倒U型關(guān)系，即伴隨著能源節(jié)約型技術(shù)進(jìn)步，能源消耗先增后降。結(jié)合已有文獻(xiàn)，本文認(rèn)為技術(shù)進(jìn)步碳減排效果可能存在雙重效應(yīng)。作為數(shù)字經(jīng)濟(jì)時(shí)代技術(shù)創(chuàng)新的典型代表，人工智能技術(shù)對(duì)碳減排的影響是否也具有雙重效應(yīng)有待檢驗(yàn)。

隨著數(shù)字技術(shù)與經(jīng)濟(jì)社會(huì)各領(lǐng)域的深度融合，學(xué)者從數(shù)字經(jīng)濟(jì)和工業(yè)智能化角度對(duì)碳減排效應(yīng)進(jìn)行了積極探索。謝云飛[11]采用省級(jí)面板數(shù)據(jù)對(duì)數(shù)字經(jīng)濟(jì)與碳排放關(guān)系進(jìn)行研究，發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)能夠顯著降低區(qū)域碳排放，能源結(jié)構(gòu)改善是數(shù)字經(jīng)濟(jì)降低碳排放的重要途徑；徐維祥等[12]基于中國(guó)內(nèi)地286個(gè)城市面板數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展能夠顯著改善城市碳排放，且不同經(jīng)濟(jì)圈層空間外溢效應(yīng)不同；繆陸軍等[13]運(yùn)用中國(guó)內(nèi)地地級(jí)市面板數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響具有非線(xiàn)性特征，數(shù)字經(jīng)濟(jì)發(fā)展能夠促進(jìn)企業(yè)創(chuàng)新效率提升，從而間接改善碳排放；黃海燕等[14]基于我國(guó)細(xì)分行業(yè)數(shù)據(jù)，對(duì)工業(yè)智能化水平與碳排放關(guān)系進(jìn)行實(shí)證研究，發(fā)現(xiàn)工業(yè)智能化對(duì)于碳排放具有抑制效應(yīng)。已有文獻(xiàn)主要從數(shù)字經(jīng)濟(jì)和產(chǎn)業(yè)智能化角度出發(fā)，指出智能化技術(shù)將為低碳發(fā)展帶來(lái)重大機(jī)遇，但對(duì)于人工智能技術(shù)對(duì)碳排放影響的討論較少。人工智能作為國(guó)家重點(diǎn)發(fā)展技術(shù)之一，對(duì)于碳排放的影響符合數(shù)字經(jīng)濟(jì)時(shí)代低碳發(fā)展邏輯，但需要深入探討人工智能技術(shù)創(chuàng)新特征對(duì)于碳減排的作用機(jī)制。

關(guān)于人工智能技術(shù)影響效應(yīng)，學(xué)者主要圍繞人工智能技術(shù)對(duì)經(jīng)濟(jì)增長(zhǎng)、收入分配、勞動(dòng)力結(jié)構(gòu)、就業(yè)等的影響進(jìn)行分析，針對(duì)人工智能技術(shù)對(duì)環(huán)境影響的研究較少[15-18]。結(jié)合已有研究發(fā)現(xiàn)，人工智能技術(shù)是一把“雙刃劍”。一方面，人工智能技術(shù)對(duì)經(jīng)濟(jì)社會(huì)發(fā)展具有積極影響。人工智能技術(shù)的新型基礎(chǔ)設(shè)施屬性特征對(duì)勞動(dòng)或資本有可能產(chǎn)生替代偏向，在不同產(chǎn)業(yè)具有差異化應(yīng)用前景(郭凱明，2019)。而且，人工智能技術(shù)能夠提高勞動(dòng)生產(chǎn)率，進(jìn)一步改善勞動(dòng)力結(jié)構(gòu)。另一方面，人工智能技術(shù)也有可能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展造成負(fù)面影響。隆云滔等[19]指出，人工智能技術(shù)會(huì)對(duì)勞動(dòng)力就業(yè)產(chǎn)生巨大沖擊。人工智能替代效應(yīng)會(huì)降低社會(huì)勞動(dòng)力需求，導(dǎo)致低技能勞動(dòng)力失業(yè)。關(guān)于環(huán)境治理，張文博和周馮琦[20]、張偉和李國(guó)祥[21]肯定了人工智能技術(shù)對(duì)環(huán)境治理的積極作用，認(rèn)為人工智能感知功能能夠增強(qiáng)環(huán)境信息獲取能力，人工智能與大數(shù)據(jù)結(jié)合能夠拓展環(huán)境治理空間，人工智能決策規(guī)劃能夠優(yōu)化環(huán)境治理決策，人工智能多場(chǎng)景應(yīng)用可為環(huán)境精細(xì)化管理提供條件，人工智能交互學(xué)習(xí)能力能夠提高環(huán)境知識(shí)傳播效率?？傊?，上述研究集中于探討人工智能技術(shù)的優(yōu)越性，忽視了人工智能技術(shù)對(duì)碳減排可能帶來(lái)的負(fù)面影響。而且，研究方法多以思辨性討論為主，鮮有文獻(xiàn)對(duì)兩者關(guān)系進(jìn)行實(shí)證檢驗(yàn)。因此，有必要厘清人工智能技術(shù)與碳排放之間的關(guān)系，在此基礎(chǔ)上系統(tǒng)、合理評(píng)估人工智能技術(shù)的碳減排效應(yīng)。

綜上所述，已有文獻(xiàn)從技術(shù)進(jìn)步、數(shù)字經(jīng)濟(jì)和工業(yè)智能化視角對(duì)人工智能技術(shù)與碳排放關(guān)系進(jìn)行了積極探討，但對(duì)于數(shù)字經(jīng)濟(jì)時(shí)代人工智能技術(shù)與碳排放關(guān)系缺少理論分析與實(shí)證檢驗(yàn)。從本質(zhì)上講，人工智能技術(shù)是一種強(qiáng)大的變革性技術(shù)，是數(shù)字經(jīng)濟(jì)時(shí)代的重要支柱，因此人工智能技術(shù)對(duì)于碳減排的影響應(yīng)符合技術(shù)創(chuàng)新對(duì)于碳排放影響的一般邏輯。不同的是，人工智能技術(shù)所具有的機(jī)器學(xué)習(xí)、輔助決策、智能調(diào)控功能將數(shù)字基礎(chǔ)設(shè)施應(yīng)用于各行各業(yè)，并與減碳排技術(shù)相融合，釋放出不同于一般技術(shù)創(chuàng)新的巨大潛能。因此，有必要基于人工智能技術(shù)內(nèi)容和特征，探究其對(duì)于碳排放的作用機(jī)制?；诖耍疚囊匀斯ぶ悄芗夹g(shù)作為切入點(diǎn)，系統(tǒng)考查其對(duì)碳排放的影響機(jī)制，基于手工整理的人工智能專(zhuān)利數(shù)據(jù)，采用面板半?yún)?shù)模型和非線(xiàn)性中介效應(yīng)模型進(jìn)行實(shí)證檢驗(yàn)，從理論和經(jīng)驗(yàn)兩個(gè)層面明晰人工智能技術(shù)與碳排放之間的關(guān)系。

2 理論分析

人工智能的概念誕生于1956年，受智能算法、計(jì)算速度、存儲(chǔ)水平等因素的影響，人工智能技術(shù)應(yīng)用與發(fā)展經(jīng)歷了多次低谷和高潮。隨著以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)技術(shù)在機(jī)器視覺(jué)和語(yǔ)音識(shí)別等領(lǐng)域的廣泛應(yīng)用，以及云計(jì)算與大數(shù)據(jù)的深度融合，人工智能技術(shù)逐步演變?yōu)椤袄脭?shù)字計(jì)算機(jī)或數(shù)字計(jì)算機(jī)機(jī)器模擬、延伸和擴(kuò)展功能，感知環(huán)境、分析信息并獲得最佳結(jié)果的技術(shù)應(yīng)用系統(tǒng)”。從這一定義可以看出，人工智能技術(shù)具有感知性、自學(xué)習(xí)性、互補(bǔ)性等特征，借助傳感器實(shí)現(xiàn)環(huán)境感知，并利用大數(shù)據(jù)不斷進(jìn)行自適應(yīng)調(diào)控，通過(guò)提升智能調(diào)控的精準(zhǔn)性，挖掘不為人知的內(nèi)在規(guī)律，實(shí)現(xiàn)與人類(lèi)的優(yōu)勢(shì)互補(bǔ)、共同協(xié)作。作為新一代通用信息技術(shù)，人工智能以其替代性和滲透性在各行各業(yè)、不同場(chǎng)景實(shí)現(xiàn)應(yīng)用創(chuàng)新，并對(duì)碳排放產(chǎn)生深遠(yuǎn)影響。

2.1 人工智能技術(shù)對(duì)碳排放的影響

(1)人工智能技術(shù)利用能源消耗加劇碳排放。隨著機(jī)器學(xué)習(xí)系統(tǒng)的普及，人工智能系統(tǒng)消耗過(guò)多電能，并產(chǎn)生大量碳排放[22]。Strubell等[23]研究發(fā)現(xiàn)，訓(xùn)練一個(gè)現(xiàn)成的AI語(yǔ)言處理系統(tǒng)將產(chǎn)生1 400磅的CO2排放量，而從構(gòu)建和訓(xùn)練AI語(yǔ)言系統(tǒng)開(kāi)始到全套實(shí)驗(yàn)?zāi)M將產(chǎn)生高達(dá)78 000磅的碳排放。因此，人工智能技術(shù)對(duì)于碳排放的影響存在回彈效應(yīng)，即人工智能技術(shù)促進(jìn)能源利用效率提升會(huì)加劇更多能源消費(fèi)，從而抵消碳減排效應(yīng)甚至增加碳排放總量。從本質(zhì)上看，人工智能技術(shù)是數(shù)字經(jīng)濟(jì)時(shí)代的一次重大變革，技術(shù)創(chuàng)新在實(shí)現(xiàn)節(jié)能減排的同時(shí)，反過(guò)來(lái)也會(huì)促進(jìn)生產(chǎn)率大幅提升，導(dǎo)致能源需求增長(zhǎng)和碳排放總量激增。此外，人工智能技術(shù)對(duì)經(jīng)濟(jì)增長(zhǎng)具有規(guī)模效應(yīng)，即人工智能技術(shù)不僅會(huì)帶動(dòng)新一代信息技術(shù)產(chǎn)業(yè)發(fā)展，還會(huì)產(chǎn)生行業(yè)溢出效應(yīng)，帶動(dòng)其它關(guān)聯(lián)產(chǎn)業(yè)增長(zhǎng)，從而引發(fā)區(qū)域碳排放總量增加。

(2)人工智能技術(shù)通過(guò)輔助決策、重塑生產(chǎn)生活方式、助力低碳技術(shù)創(chuàng)新等途徑降低碳排放。首先，人工智能技術(shù)可以幫助政府和企業(yè)預(yù)測(cè)碳排放量，還可以模擬當(dāng)期減排工作、新減排策略與大氣環(huán)境變遷，提高碳減排的針對(duì)性。同時(shí)，政府、企業(yè)還可利用人工智能技術(shù)監(jiān)測(cè)和跟蹤碳足跡，提升碳減排相關(guān)決策的準(zhǔn)確性。據(jù)調(diào)研，自2017年以來(lái)，運(yùn)用人工智能技術(shù)使企業(yè)降低了12.9%的溫室氣體排放，提高了10.9%的電力效率。預(yù)計(jì)到2030年，目前大氣中存在的530億噸CO2可通過(guò)人工智能技術(shù)減少5%～10%，合計(jì)26～53億噸。其次，在交通領(lǐng)域，人工智能技術(shù)與智能汽車(chē)和智慧交通相結(jié)合，有利于緩解交通擁塞，減少碳足跡；此外，人工智能技術(shù)可以自動(dòng)設(shè)置和調(diào)整機(jī)器運(yùn)行參數(shù)，優(yōu)化生產(chǎn)流程，讓機(jī)器和設(shè)備成為更加節(jié)能高效的系統(tǒng)。據(jù)估計(jì)，人工智能技術(shù)可以幫助鋼鐵企業(yè)減少5%～10%的碳排放。再次，人工智能技術(shù)在尋找高效吸附材料和碳儲(chǔ)存選址過(guò)程中發(fā)揮著重要作用。將人工智能技術(shù)應(yīng)用于高排放重點(diǎn)行業(yè)(電力、熱力、建筑、制造等)、城市治理領(lǐng)域(交通、園林、環(huán)保、水務(wù)、應(yīng)急等)和惠民領(lǐng)域(生活、出行等)，有利于提升能源使用效率，促進(jìn)低碳循環(huán)。

綜上所述，人工智能技術(shù)與碳排放之間并非簡(jiǎn)單的線(xiàn)性關(guān)系，而是體現(xiàn)為雙重效應(yīng)。即，處于不同發(fā)展階段的人工智能技術(shù)對(duì)碳排放的影響有所不同。從短期看，人工智能技術(shù)產(chǎn)生的電力需求會(huì)導(dǎo)致碳排放量增加；但從中長(zhǎng)期看，隨著人工智能技術(shù)的日益成熟與應(yīng)用場(chǎng)景的愈發(fā)豐富，各經(jīng)濟(jì)部門(mén)通過(guò)智能化升級(jí)與改造，有可能產(chǎn)生強(qiáng)大的低碳技術(shù)效應(yīng)。據(jù)此，本文提出如下假設(shè)：

H1：人工智能技術(shù)與碳排放之間存在非線(xiàn)性倒U型關(guān)系。

2.2 人工智能技術(shù)對(duì)碳排放的影響機(jī)制

基于經(jīng)濟(jì)邏輯和現(xiàn)有文獻(xiàn)，本文認(rèn)為人工智能技術(shù)對(duì)碳排放的影響主要體現(xiàn)在能源利用效率上。陳詩(shī)一[24]指出，能源利用效率提升是碳減排的主要目標(biāo)。碳排放實(shí)質(zhì)上是能源消耗的過(guò)程，能源強(qiáng)度降低意味著能源利用效率提升，即降低經(jīng)濟(jì)生產(chǎn)過(guò)程中的能源消費(fèi)量和碳排放量。人工智能技術(shù)推廣和應(yīng)用會(huì)影響能源利用效率，并最終影響碳排放效果。

(1)人工智能技術(shù)發(fā)展有利于促進(jìn)全社會(huì)能源利用效率提升。相較于傳統(tǒng)技術(shù)手段，人工智能技術(shù)的優(yōu)勢(shì)體現(xiàn)為通過(guò)經(jīng)驗(yàn)學(xué)習(xí)，在生產(chǎn)生活中搜集大量實(shí)時(shí)數(shù)據(jù)，精準(zhǔn)監(jiān)測(cè)、預(yù)測(cè)碳足跡，輔助政府、企業(yè)作出碳減排決策，并制定相應(yīng)解決方案，減少能源消費(fèi)量和使用成本，提升能源利用效率，從而降低碳排放。此外，人工智能技術(shù)作為數(shù)字時(shí)代的通用技術(shù)，通過(guò)與其它領(lǐng)域技術(shù)的廣泛結(jié)合，能夠發(fā)揮節(jié)能減排“智慧潛能”。例如，將人工智能技術(shù)應(yīng)用于交通運(yùn)輸領(lǐng)域，通過(guò)識(shí)別道路、車(chē)輛、擁堵情況、排放強(qiáng)度等關(guān)鍵因素，對(duì)車(chē)輛排隊(duì)、交叉口相位、路口通行效率等數(shù)據(jù)進(jìn)行模擬，可以?xún)?yōu)化能耗和交通出行方案，提高人員出行效率，從而實(shí)現(xiàn)碳減排；又如，將人工智能技術(shù)與綠色技術(shù)創(chuàng)新相結(jié)合，有利于豐富綠色技術(shù)創(chuàng)新應(yīng)用場(chǎng)景，提升綠色技術(shù)創(chuàng)新節(jié)能減排效果，提高能源利用效率，發(fā)展清潔能源，從而降低碳排放；再如，將智能生產(chǎn)應(yīng)用于制造業(yè)，在生產(chǎn)過(guò)程中利用智能化綠色生產(chǎn)方式可以減少資源浪費(fèi)，提升能源利用效率，從而實(shí)現(xiàn)碳減排；此外，將人工智能技術(shù)應(yīng)用于能源管理、資源利用和行政執(zhí)法等環(huán)節(jié)，能夠提高行業(yè)能源利用效率和環(huán)保綜合效益，促進(jìn)節(jié)能減排。

(2)人工智能技術(shù)有可能導(dǎo)致能源利用效率低下。人工智能技術(shù)早期發(fā)展依賴(lài)于數(shù)據(jù)中心和機(jī)器學(xué)習(xí)系統(tǒng)，數(shù)字化需求的迅速增長(zhǎng)使得數(shù)據(jù)中心負(fù)載大幅提升，成為數(shù)字時(shí)代能耗激增的重要隱患。國(guó)家能源局發(fā)布的數(shù)據(jù)顯示，2020年我國(guó)數(shù)據(jù)中心耗電量突破2 000億千瓦時(shí)，已成為全球增長(zhǎng)速度最快的耗能設(shè)備之一?？梢?jiàn)，人工智能技術(shù)發(fā)展所產(chǎn)生的能源消耗需求攀升有可能會(huì)加劇能源消費(fèi)，產(chǎn)生更多碳排放。

綜上所述，人工智能技術(shù)通過(guò)影響能源利用效率影響碳排放。人工智能技術(shù)對(duì)于能源利用效率的影響具有不確定性，處于不同發(fā)展階段的人工智能技術(shù)對(duì)能源利用效率的影響作用不同，人工智能技術(shù)與能源利用效率存在倒U型關(guān)系。據(jù)此，本文提出以下假設(shè)：

H2：人工智能技術(shù)通過(guò)影響能源利用效率作用于碳排放。

3 實(shí)證檢驗(yàn)

3.1 模型設(shè)定

為考察人工智能技術(shù)對(duì)碳排放的影響，本文構(gòu)建如下計(jì)量模型：

(1)

其中，i、t分別表示省份和年份；C代表CO2排放水平；AI代表人工智能技術(shù)水平；X為控制變量；μi、?t分別代表地區(qū)固定效應(yīng)和時(shí)間固定效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

為進(jìn)一步考察人工智能技術(shù)對(duì)碳排放的影響，本文借鑒Hayes & Preacher[25]、許和連等[26]的研究，采用非線(xiàn)性中介效應(yīng)模型進(jìn)行實(shí)證檢驗(yàn)。模型設(shè)定如下：

(2)

(3)

其中，lnei為中介變量，其它變量與基準(zhǔn)回歸模型中的變量含義一致。

3.2 變量選取

(1)CO2排放水平。本文借鑒已有文獻(xiàn)的普遍做法，采用各省份碳排放量(lnCO2)衡量CO2排放水平，并作對(duì)數(shù)化處理。

(2)人工智能技術(shù)。人工智能衡量方式主要有兩種：一是借助工業(yè)機(jī)器人數(shù)據(jù)對(duì)人工智能發(fā)展水平進(jìn)行測(cè)量，主要檢驗(yàn)人工智能對(duì)產(chǎn)業(yè)智能化升級(jí)、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、生產(chǎn)率及就業(yè)的影響[27]；二是采用人工智能專(zhuān)利數(shù)據(jù)進(jìn)行測(cè)量，將人工智能技術(shù)作為經(jīng)濟(jì)社會(huì)領(lǐng)域的一項(xiàng)全面技術(shù)變革，探究其對(duì)整個(gè)經(jīng)濟(jì)范式的影響?？紤]到人工智能技術(shù)對(duì)碳排放的影響不只局限于產(chǎn)業(yè)智能化升級(jí)，而是更側(cè)重于通過(guò)技術(shù)變革實(shí)現(xiàn)全社會(huì)能源利用效率提升。因此，本文借鑒彭代彥等[28]的研究，采用人工智能專(zhuān)利申請(qǐng)量衡量人工智能技術(shù)發(fā)展水平。根據(jù)國(guó)家工業(yè)信息安全發(fā)展研究中心發(fā)布的《人工智能中國(guó)專(zhuān)利技術(shù)分析報(bào)告》關(guān)于人工智能類(lèi)別的劃分，以深度學(xué)習(xí)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、智能駕駛、云計(jì)算和智能機(jī)器人7類(lèi)技術(shù)為關(guān)鍵詞，在Patenthub全球?qū)＠麛?shù)據(jù)庫(kù)中檢索2006—2019年中國(guó)內(nèi)地30個(gè)省份人工智能領(lǐng)域?qū)＠暾?qǐng)量。

(3)控制變量。為控制其它因素的影響，在參考既有文獻(xiàn)的基礎(chǔ)上，將經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開(kāi)放水平設(shè)置為控制變量。①經(jīng)濟(jì)發(fā)展水平(pgdp)：采用人均實(shí)際GDP衡量。徐斌等[29]研究表明，地區(qū)經(jīng)濟(jì)發(fā)展水平通常與碳排放量正相關(guān)，經(jīng)濟(jì)發(fā)展水平越高，經(jīng)濟(jì)活動(dòng)越頻繁，能源消費(fèi)需求越大，生產(chǎn)、生活及交通運(yùn)輸?shù)阮I(lǐng)域的碳排放量也就越多；②人口規(guī)模(pop)：采用地區(qū)常住人口數(shù)衡量。已有研究證實(shí)，人口規(guī)模對(duì)碳排放具有顯著促進(jìn)作用，能源需求和能源消費(fèi)伴隨著人口數(shù)量增長(zhǎng)而增長(zhǎng)，相應(yīng)產(chǎn)生的CO2排放量也會(huì)隨之增長(zhǎng)；③對(duì)外開(kāi)放程度(fdi)：采用實(shí)際利用外商直接投資額占地區(qū)生產(chǎn)總值的比重度量。當(dāng)前，已有研究對(duì)FDI與碳排放之間的關(guān)系存有爭(zhēng)議，一方面，部分學(xué)者認(rèn)為FDI引入會(huì)產(chǎn)生“污染避難所”效應(yīng)和“碳泄漏”問(wèn)題[30]；另一方面，也有部分學(xué)者認(rèn)為FDI有利于促進(jìn)節(jié)能減排技術(shù)的引入和應(yīng)用，從而推動(dòng)碳減排[31]；④產(chǎn)業(yè)結(jié)構(gòu)(ind)：采用工業(yè)增加值占地區(qū)生產(chǎn)總值的比重衡量。工業(yè)部門(mén)是碳排放的主要來(lái)源，工業(yè)化率提升不利于碳減排；⑤城鎮(zhèn)化率(urban)：采用城鎮(zhèn)常住人口占總?cè)丝诘谋戎睾饬?。城?zhèn)化進(jìn)程加快會(huì)導(dǎo)致能源消費(fèi)需求增長(zhǎng)，進(jìn)一步導(dǎo)致碳排放量增長(zhǎng)；⑥能源消費(fèi)結(jié)構(gòu)(es)：采用煤炭消費(fèi)占能源消費(fèi)總量的比重衡量。能源消費(fèi)結(jié)構(gòu)是影響碳排放的主要因素，煤炭等化石能源消費(fèi)比重提升會(huì)加劇碳排放。

3.3 數(shù)據(jù)來(lái)源

本文利用2006—2019年中國(guó)內(nèi)地30個(gè)省份(因西藏?cái)?shù)據(jù)缺失，故未納入統(tǒng)計(jì))面板數(shù)據(jù)為研究樣本，以2006年作為起始年份。原因在于：“十一五”時(shí)期，政府開(kāi)始將節(jié)能減排作為約束性指標(biāo)，這一政策可能對(duì)碳排放產(chǎn)生重要影響。各省份碳排放數(shù)據(jù)來(lái)源于中國(guó)碳核算數(shù)據(jù)庫(kù)(CEADs)，人工智能專(zhuān)利申請(qǐng)量數(shù)據(jù)來(lái)源于Patenthub專(zhuān)利數(shù)據(jù)庫(kù)，其它變量來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》及各省份統(tǒng)計(jì)年鑒。在變量處理方面，實(shí)際利用外商直接投資額采用當(dāng)年人民幣對(duì)美元年平均匯率進(jìn)行折算。為剔除價(jià)格因素的干擾，各類(lèi)貨幣量指標(biāo)均以2006年為基期進(jìn)行平調(diào)。為降低異方差的影響，對(duì)非百分比數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理。此外，由于部分地區(qū)人工智能專(zhuān)利申請(qǐng)量為0，為便于比較，對(duì)原始數(shù)據(jù)加1再取對(duì)數(shù)。表1列示了主要變量的描述性統(tǒng)計(jì)結(jié)果。

表1 主要變量描述性統(tǒng)計(jì)結(jié)果Tab.1 Descriptive statistics of main variables

4 實(shí)證結(jié)果分析

4.1 基準(zhǔn)回歸

表2列示了人工智能技術(shù)對(duì)碳排放影響的基準(zhǔn)回歸結(jié)果。其中，第(1)列為人工智能技術(shù)對(duì)碳排放的線(xiàn)性影響系數(shù)。可以發(fā)現(xiàn)，人工智能技術(shù)估計(jì)系數(shù)在10%顯著性水平下不顯著，說(shuō)明人工智能技術(shù)未對(duì)碳排放產(chǎn)生顯著影響，但這并不代表人工智能在整個(gè)發(fā)展階段對(duì)碳排放水平的影響作用有限。第(2)、(3)列為人工智能技術(shù)對(duì)碳排放的非線(xiàn)性影響系數(shù)。從中可見(jiàn)，在加入人工智能技術(shù)二次項(xiàng)后，人工智能技術(shù)一次項(xiàng)估計(jì)系數(shù)在1%顯著性水平下顯著為正，二次項(xiàng)系數(shù)在1%顯著性水平下顯著為負(fù)，表明人工智能技術(shù)與碳排放之間呈倒U型關(guān)系，即碳排放水平隨著人工智能技術(shù)提升呈先升后降趨勢(shì)。由于以二次項(xiàng)形式判斷非線(xiàn)性關(guān)系容易造成極值點(diǎn)識(shí)別誤差，因此本文借鑒Lind & Mehlum[32]的研究，進(jìn)一步檢驗(yàn)拐點(diǎn)兩側(cè)區(qū)間是否存在相反的單調(diào)性。由表2可知，無(wú)論是以碳排放量還是以人均碳排放量作為被解釋變量，倒U型拐點(diǎn)值(3.821)均落入數(shù)據(jù)范圍內(nèi)，且拐點(diǎn)值兩邊斜率顯著不同，假設(shè)H1得證。原因可能在于，在初始發(fā)展階段，人工智能技術(shù)的廣泛應(yīng)用以及數(shù)據(jù)中心基礎(chǔ)設(shè)施的大規(guī)模建設(shè)會(huì)加劇區(qū)域用電量和能源消耗，同時(shí)人工智能技術(shù)進(jìn)步推動(dòng)通信技術(shù)及相關(guān)產(chǎn)業(yè)發(fā)展，也增加了能源消耗需求，從而導(dǎo)致區(qū)域碳排放增長(zhǎng)。

4.2 穩(wěn)健性檢驗(yàn)

進(jìn)一步，本文對(duì)基準(zhǔn)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，以確保模型估計(jì)結(jié)果的可靠性。借鑒已有文獻(xiàn)做法，采用以下方法：①更換估計(jì)方法，面板數(shù)據(jù)分析存在組間異方差與同期相關(guān)問(wèn)題，有可能對(duì)估計(jì)結(jié)果產(chǎn)生不良影響，因此本文采用面板矯正標(biāo)準(zhǔn)誤回歸模型(PCSE)重新估計(jì)，結(jié)果如表3第(1)列所示；②替換被解釋變量，除碳排放量外，人均CO2排放量也常用于衡量地區(qū)碳排放水平，估計(jì)結(jié)果如表3第(2)列所示；③剔除極端值的影響，在基準(zhǔn)回歸模型中，極端值有可能對(duì)回歸結(jié)果造成干擾，因此本文對(duì)被解釋變量進(jìn)行上下5%的縮尾處理后重新進(jìn)行回歸分析，結(jié)果如表3第(3)列所示。上述穩(wěn)健性檢驗(yàn)結(jié)果表明，人工智能技術(shù)與碳排放之間呈現(xiàn)倒U型關(guān)系的結(jié)論得到進(jìn)一步證實(shí)。

表2 人工智能技術(shù)對(duì)碳排放影響的基準(zhǔn)回歸結(jié)果Tab.2 Baseline regression of the impact of AI technologies on carbon emissions

表3 穩(wěn)健性檢驗(yàn)結(jié)果Tab.3 Robustness test results

由于參數(shù)估計(jì)模型對(duì)變量進(jìn)行了較強(qiáng)的設(shè)定，因此有可能產(chǎn)生較大的設(shè)定誤差。為此，本文脫離參數(shù)分析框架，進(jìn)一步采用面板半?yún)?shù)模型估計(jì)人工智能技術(shù)對(duì)碳排放水平的影響，圖1展示了面板半?yún)?shù)模型估計(jì)結(jié)果。可以發(fā)現(xiàn)，以碳排放量作為被解釋變量，人工智能技術(shù)與碳排放水平之間呈顯著倒U型關(guān)系，且拐點(diǎn)值在4附近?？梢?jiàn)，即使更換估計(jì)模型，人工智能技術(shù)與碳排放水平之間呈現(xiàn)倒U型關(guān)系的結(jié)論依然成立。

圖1 面板半?yún)?shù)模型估計(jì)結(jié)果Fig.1 Estimation of panel semi-parametric model

5 拓展性分析

5.1 機(jī)制檢驗(yàn)

進(jìn)一步，本文利用公式(2)和公式(3)考察人工智能技術(shù)是否通過(guò)影響能源利用效率對(duì)碳排放產(chǎn)生影響，能源利用效率采用能源消費(fèi)總量與實(shí)際GDP的比值計(jì)算而得，表4列示了中介效應(yīng)檢驗(yàn)結(jié)果。其中，第(1)列結(jié)果顯示，人工智能技術(shù)系數(shù)在1%顯著性水平上顯著為正，二次項(xiàng)系數(shù)在1%顯著性水平上顯著為負(fù)，說(shuō)明人工智能技術(shù)與能源利用效率之間呈顯著倒U型關(guān)系，且當(dāng)人工智能專(zhuān)利水平超過(guò)拐點(diǎn)值4.11后，人工智能技術(shù)促進(jìn)能源利用效率提升。第(2)列結(jié)果顯示，人工智能技術(shù)一次項(xiàng)系數(shù)和二次項(xiàng)系數(shù)在1%水平上分別顯著為正、為負(fù)。這表明，即使考慮能源強(qiáng)度對(duì)碳排放的影響，人工智能技術(shù)依然與碳排放具有倒U型關(guān)系。與此同時(shí)，能源利用效率系數(shù)也在1%水平上顯著為正，說(shuō)明能源利用效率提升是抑制碳排放的主要途徑，假設(shè)H2得到驗(yàn)證。

5.2 異質(zhì)性檢驗(yàn)

由于中國(guó)各地區(qū)經(jīng)濟(jì)發(fā)展水平不同，地區(qū)之間往往存在著較大的數(shù)字鴻溝，東部地區(qū)人工智能技術(shù)水平明顯高于中部和西部地區(qū)。那么，人工智能技術(shù)對(duì)碳排放的影響是否存在區(qū)域差異？為回答這一問(wèn)題，本文將樣本劃分為東部、中部和西部地區(qū)進(jìn)行回歸分析。由表5可知，對(duì)于東部地區(qū)而言，人工智能技術(shù)一次項(xiàng)系數(shù)不顯著，二次項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明人工智能技術(shù)與碳排放水平在東部地區(qū)同樣呈現(xiàn)倒U型關(guān)系。其中，倒U型曲線(xiàn)拐點(diǎn)值為2.572，明顯小于基準(zhǔn)回歸中的拐點(diǎn)值。這表明，隨著人工智能技術(shù)發(fā)展及碳減排工作的深入推進(jìn)，東部地區(qū)省份在“碳達(dá)峰、碳中和”目標(biāo)實(shí)現(xiàn)過(guò)程中發(fā)揮“領(lǐng)頭羊”作用，利用人工智能技術(shù)的正外部效應(yīng)，以局部帶動(dòng)全局碳減排。與東部地區(qū)不同，雖然中部地區(qū)人工智能技術(shù)一次項(xiàng)系數(shù)在1%水平上顯著為正、二次項(xiàng)系數(shù)顯著為負(fù)，也呈現(xiàn)倒U型曲線(xiàn)特征，但未通過(guò)U-Test檢驗(yàn)，拐點(diǎn)值位于數(shù)據(jù)最右端且不顯著。這表明，中部地區(qū)人工智能技術(shù)與碳排放呈正相關(guān)關(guān)系，即中部地區(qū)人工智能技術(shù)非但沒(méi)有實(shí)現(xiàn)碳減排效應(yīng)反而增加了碳排放。原因在于：山西、安徽等中部地區(qū)省份煤炭資源豐富，傳統(tǒng)化石能源消費(fèi)居高不下，電力生產(chǎn)及其它能源產(chǎn)業(yè)發(fā)展高度依賴(lài)于煤炭，人工智能技術(shù)發(fā)展反而增加了碳排放量。西部地區(qū)與全國(guó)整體結(jié)果相似，人工智能技術(shù)一次項(xiàng)系數(shù)顯著為正、二次項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明西部地區(qū)人工智能技術(shù)對(duì)碳排放的影響呈倒U型關(guān)系。這表明，西部地區(qū)可再生能源豐富，人工智能技術(shù)隨著可再生能源產(chǎn)業(yè)發(fā)展對(duì)碳排放起抑制作用。

表4 能源利用效率中介效應(yīng)檢驗(yàn)結(jié)果Tab.4 Mediation effect test of energy efficiency

表5 異質(zhì)性檢驗(yàn)結(jié)果Tab.5 Heterogeneity test

6 研究結(jié)論與政策啟示

6.1 研究結(jié)論

作為新一輪技術(shù)革命和產(chǎn)業(yè)變革的關(guān)鍵驅(qū)動(dòng)力，人工智能技術(shù)對(duì)于實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)發(fā)揮重要作用。本文基于2006—2019年中國(guó)內(nèi)地30個(gè)省份面板數(shù)據(jù)，考察人工智能技術(shù)對(duì)碳排放的影響，得出如下結(jié)論：①在全國(guó)整體層面，人工智能技術(shù)對(duì)碳排放的影響呈倒U型關(guān)系，即當(dāng)人工智能技術(shù)水平達(dá)到一定閾值后，碳減排效應(yīng)逐漸凸顯，穩(wěn)健性檢驗(yàn)結(jié)果也驗(yàn)證了這一結(jié)論；②中介效應(yīng)檢驗(yàn)結(jié)果表明，人工智能技術(shù)對(duì)碳排放的影響主要通過(guò)能源利用效率實(shí)現(xiàn)；③異質(zhì)性分析結(jié)果表明，人工智能技術(shù)對(duì)碳排放的影響存在顯著區(qū)域差異，在東部和西部地區(qū)，人工智能技術(shù)與碳排放之間呈顯著倒U型關(guān)系，而在中部地區(qū)，人工智能技術(shù)未達(dá)到碳減排效果，反而加劇了碳排放。

6.2 政策啟示

根據(jù)上述研究結(jié)論，本文提出如下政策啟示：

(1)提升我國(guó)人工智能技術(shù)綠色低碳發(fā)展水平。在人工智能技術(shù)發(fā)展初期階段，大力普及人工智能技術(shù)不僅難以對(duì)碳排放產(chǎn)生抑制作用，反而有可能造成碳排放激增。因此，一方面，需要加強(qiáng)人工智能關(guān)鍵技術(shù)研發(fā)，尤其在綠色低碳研發(fā)與應(yīng)用領(lǐng)域，推動(dòng)人工智能與綠色低碳產(chǎn)業(yè)深度融合，促進(jìn)人工智能與綠色低碳技術(shù)發(fā)展。另一方面，完善人工智能技術(shù)、數(shù)字中心等新型基礎(chǔ)設(shè)施能耗考核體系，以綠色低碳為發(fā)展導(dǎo)向開(kāi)發(fā)人工智能技術(shù)。例如，開(kāi)展綠色數(shù)據(jù)中心評(píng)估與建設(shè)，加強(qiáng)零碳數(shù)據(jù)中心關(guān)鍵技術(shù)研發(fā)，優(yōu)化低碳數(shù)據(jù)中心能效方案。

(2)由于區(qū)域發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)和能源消耗不同，發(fā)展人工智能技術(shù)不一定能實(shí)現(xiàn)碳減排。因此，應(yīng)充分發(fā)揮本地區(qū)比較優(yōu)勢(shì)，因地制宜地制定針對(duì)性、差異化政策，合理劃定人工智能技術(shù)應(yīng)用范圍和程度。對(duì)于碳鎖定效應(yīng)較強(qiáng)的中部省份，應(yīng)加快能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)型，避免盲目跟風(fēng)；對(duì)于碳減排發(fā)揮“領(lǐng)頭羊”作用的東部地區(qū)而言，應(yīng)利用人工智能技術(shù)對(duì)現(xiàn)代產(chǎn)業(yè)鏈實(shí)行低碳化、數(shù)字化與智能化改造，提升產(chǎn)業(yè)綠色發(fā)展水平，當(dāng)跨過(guò)碳減排拐點(diǎn)后，將低碳技術(shù)發(fā)展與地區(qū)發(fā)展相結(jié)合；對(duì)于西部地區(qū)而言，應(yīng)利用人工智能技術(shù)對(duì)傳統(tǒng)產(chǎn)業(yè)進(jìn)行綠色化和現(xiàn)代化改造，同時(shí)加強(qiáng)東數(shù)西算布局，完善人工智能產(chǎn)業(yè)綠色績(jī)效考核體系。

6.3 不足與展望

本文存在一些不足：①由于缺乏企業(yè)層面人工智能技術(shù)應(yīng)用數(shù)據(jù)，未從微觀(guān)視角考察人工智能技術(shù)對(duì)碳排放的影響；②僅選取中國(guó)省級(jí)層面數(shù)據(jù)，研究結(jié)論可能只適用于中國(guó)，而不適用于其它國(guó)家。未來(lái)可探討微觀(guān)層面人工智能技術(shù)碳減排作用機(jī)制，利用多國(guó)數(shù)據(jù)對(duì)不同樣本國(guó)家人工智能技術(shù)對(duì)能源結(jié)構(gòu)、發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)的碳減排效應(yīng)進(jìn)行測(cè)度。