人工智能驱动企业碳绩效提升：基于产业链溢出效应的机制研究

本研究针对中国"双碳"目标实现路径，创新性地探讨了人工智能(AI)技术对企业碳绩效(CCP)的影响机制。通过2007-2021年中国上市公司面板数据分析，发现AI应用通过提升全要素生产率(TFP)、优化供需匹配效率和促进绿色技术研发三重路径显著改善CCP，并在产业链下游产生显著溢出效应，为非国有企业、低融资约束企业等特定群体带来更显著效益。

　　

在全球气候变暖加剧的背景下，中国提出的"2030碳达峰、2060碳中和"目标面临严峻挑战。企业作为碳排放主体，其碳绩效(CCP)提升成为实现"双碳"目标的关键。然而，传统减排手段面临效率瓶颈，亟需新技术突破。人工智能(AI)作为前沿技术，能否成为破解减排难题的"金钥匙"？其影响机制如何？又是否会产生产业链协同效应？这些问题成为学术界和政策制定者关注的焦点。

《Journal of Environmental Management》最新刊载的研究给出了科学解答。中国研究人员通过构建2007-2021年中国A股上市公司面板数据集，创新性地采用企业AI专利申请量作为技术应用代理变量，结合手工收集的CO₂排放数据，系统考察了AI对CCP的影响。研究团队运用固定效应模型、工具变量法等多种计量方法，并引入投入产出表分析产业链关联，揭示了AI技术驱动碳减排的"黑箱"机制。

关键技术方法包括：1) 基于Python爬取国家知识产权局AI专利数据构建核心指标；2) 手工收集企业社会责任报告中的CO₂排放数据计算碳强度；3) 采用OP/LP法测算全要素生产率(TFP)；4) 运用行业完全消耗系数量化产业链关联强度。

研究结果呈现四大发现：

1. 基准回归显示AI应用显著降低企业CO₂排放强度，每增加1%的AI专利申请量可减少0.65%的碳强度，证实AI是提升CCP的有效工具。

2. 机制分析揭示三重作用路径：通过智能制造提升TFP约1.66%，使单位能耗产出增加；借助需求预测降低运营成本1.9%和库存水平1.3%，减少资源错配；促进绿色专利(Ginv)申请量增长22.93%，加速低碳技术突破。

3. 异质性分析发现，AI减排效应在非国有企业、低融资约束企业、劳动密集型和非重污染行业更为显著，最高可达国有企业的1.42倍，显示市场化机制对技术减排的放大作用。

4. 产业链视角下，上游企业AI应用通过知识溢出和技术协同，能使下游企业CO₂排放降低2.35%，TFP提升6.94%，呈现显著的"链式减排"效应。

这项研究在理论和实践层面均具有突破性意义。理论上，首次构建了"技术-企业-产业链"三维分析框架，揭示了AI驱动碳减排的微观机制和空间传导规律。实践上，为政府制定差异化AI推广政策提供了实证依据：建议重点支持民营企业智能化改造，建立产业链碳数据共享平台，设立绿色AI创新基金。研究同时指出，AI技术减排存在"数字鸿沟"，需防范融资约束导致的减排效益分化。

该成果为数字经济时代的气候治理提供了新思路，证实AI不仅是生产效率工具，更是实现碳中和的关键赋能者。未来研究可进一步探索AI与其他数字技术(如区块链、物联网)的协同减排效应，以及跨国产业链中的技术溢出规律，为全球气候治理贡献中国智慧。