人工智能驱动创新如何提升绿色生产率？异质性信息基础设施的调节作用

本研究聚焦人工智能(AI)驱动创新对绿色全要素生产率(GTFP)的影响机制，基于中国284个城市2011-2022年数据，结合内生增长理论和TOE框架，揭示AI通过提升能源效率、人力资本和绿色创新三条路径促进GTFP，并发现信息基础设施存在阈值效应——计算力基础设施的调节作用强于网络基础设施。该成果为数字经济时代绿色转型提供了政策靶点，发表于《Journal of Environmental Management》。

　　

在全球气候变暖和资源约束加剧的背景下，中国作为世界最大能源消费国，面临着经济增长与环境保护的双重压力。绿色全要素生产率(GTFP)作为衡量资源环境效率的核心指标，成为实现低碳发展的关键突破口。虽然已有研究认识到技术进步对GTFP的促进作用，但关于人工智能(AI)这一颠覆性技术的影响仍存在显著争议——既有研究报道正向效应，也发现负向或非线性关系。更关键的是，AI技术在实际应用中高度依赖信息基础设施支撑，但二者协同作用机制尚未阐明。

厦门大学的研究团队通过构建多维度指标体系，基于中国284个城市的面板数据，首次系统评估了AI驱动创新对GTFP的净效应及其作用渠道。研究采用动态面板模型和门槛回归等方法，发现AI专利每增加1%可使GTFP提升0.12%，且该效应通过三条关键路径实现：提升能源利用效率（节约标准煤耗23%）、优化人力资本结构（高技能劳动力占比提高18%）以及加速绿色技术创新（环保专利增长35%）。研究创新性地揭示信息基础设施存在单门槛效应——当互联网普及率超过72%或数据中心密度达到每万人1.2个时，AI的GTFP提升效果会跃升47%。值得注意的是，计算力基础设施（如超算中心）的边际贡献是传统网络基础设施的1.8倍，这一发现为"东数西算"国家战略提供了实证依据。

在技术方法层面，研究团队主要运用：动态广义矩估计(GMM)解决内生性问题；基于DEA-Malmquist指数测算GTFP；采用文本挖掘构建城市级AI创新指标；通过面板门槛模型识别基础设施阈值效应。样本覆盖中国所有地级市，并按资源依赖度、环境规制强度和工业基础进行分组回归。

研究结果部分呈现以下重要发现：

1. 基准回归显示AI驱动创新(AIDI)系数为0.122且在1%水平显著，经工具变量法和PSM-DID检验后仍稳健。
2. 异质性分析揭示AI对非资源型城市GTFP的提升效果(0.156)是资源型城市(0.041)的3.8倍，在环境规制严格城市表现更突出。
3. 机制检验表明能源效率、人力资本和绿色创新三条中介渠道的贡献度分别为38%、29%和33%。
4. 门槛效应显示当5G基站密度突破4.6个/km²
   时，AI边际效应从0.089跃升至0.131。

结论部分强调，该研究不仅证实AI是破解"绿色悖论"的新动能，更指出基础设施协同建设的政策价值。特别是在"双碳"目标下，应优先在成渝、长三角等算力枢纽部署AI应用场景，同时对老工业基地实施"AI+绿色改造"专项计划。论文建议将计算力基础设施纳入新型基础设施建设(新基建)考核指标，这对全球发展中国家数字化绿色协同转型具有示范意义。