基于人工智能的组织和技术路径绿色升级微观分析

《Journal of Innovation & Knowledge》:An AI-enabled micro-level analysis of organizational and technological paths to green upgrading

【字体: 大 中 小 】 时间:2026年01月09日 来源:Journal of Innovation & Knowledge 15.5

编辑推荐:

  随着全球变暖和环境污染加剧,世界各国政府致力于推动传统制造业的绿色转型与升级。人工智能(AI)在此过程中扮演什么角色?本研究构建了一个微观层面的理论模型来分析AI如何影响企业的绿色转型,采用双向固定效应(TWFE)模型对2011年至2022年中国A股上市传统制

  
随着全球变暖和环境污染加剧,世界各国政府致力于推动传统制造业的绿色转型与升级。人工智能(AI)在此过程中扮演什么角色?本研究构建了一个微观层面的理论模型来分析AI如何影响企业的绿色转型,采用双向固定效应(TWFE)模型对2011年至2022年中国A股上市传统制造企业的面板数据进行实证分析。结果表明,AI显著提升了企业的绿色转型效率(GTI)。机制分析表明,AI通过调整组织结构和员工结构促进企业组织创新,并通过加速技术进步和降低能源强度推动技术创新。对企业内部管理和外部环境的异质性分析显示,当高管具有技术背景、进行长期决策,且所在地区知识产权保护强、环境规制强度高、社会信任度高时,AI能够有效提升企业的GTI。总体而言,本研究阐明了AI在传统制造业绿色转型与升级中的影响及条件,并对相关政策制定具有重要意义。
**论文解读:人工智能驱动传统制造业绿色升级的微观机制与异质性条件**

**研究背景与问题**
全球变暖与环境污染加剧促使各国政府承诺推动传统制造业的绿色转型。传统制造业以标准化、大规模生产为特征,长期呈现“三高一低”(高能耗、高污染、高排放、低附加值)模式,成为环境退化的重要来源。人工智能(AI)作为通用技术(GPT),能够优化生产过程、提升资源分配效率,但现有研究存在两大局限:一是多采用单一指标(如能源效率或碳排放强度)衡量绿色转型,缺乏对整体生产率的综合评估;二是未系统整合AI作为资本资产与GPT的双重影响路径,且对传统制造业(技术能力较低、生产标准化程度高)的独特性关注不足。为此,研究者构建了一个微观理论模型,旨在揭示AI如何通过组织创新与技术创新路径促进传统制造企业的绿色升级,并探讨内部管理与外部环境的调节作用。

**研究设计与方法**
研究者利用2011—2022年中国A股上市传统制造企业(依据GB/T4754-2017分类,涵盖C13–C25、C28、C30–C32代码)的年度观察数据(811家企业,5923个企业-年观测值),采用以下关键技术方法:
1. **绿色转型效率(GTI)测算**:基于全局参考的数据包络分析(DEA)框架,使用全要素非径向方向距离函数(TNDDF)模型,构建包含资本(K)、劳动(L)、能源(以CO2排放量衡量)三项投入,主营业务收入作为期望产出,以及水污染(化学需氧量、氨氮)和空气污染(SO2、NOx、烟尘与粉尘)六类污染物作为非期望产出的评价体系。投入与产出数据经平减处理,污染物数据由地区层面按行业比例分配至企业层面。
2. **AI采纳水平度量**:基于上市公司年报中53个AI相关关键词的词频,经比例缩放(除以100)标准化。
3. **计量模型**:采用双向固定效应(TWFE)模型,控制企业与年份固定效应,标准误在企业层面聚类。
4. **内生性处理**:采用倾向得分匹配(PSM)后回归、工具变量(IV,基于行业平均AI采纳水平与地区AI专利数的乘积构建)以及PSM-双重差分(DID,以中国新一代人工智能创新发展试验区为准自然实验)方法。
5. **机制变量**:组织创新用并购次数(取对数)、研发人员投入(每千人研发人员数)及研发人员占比度量;技术创新用总专利申请数(取对数)和能源强度(单位产出标准煤消耗)度量。

**研究结果**
**1. 描述性统计**
GTI均值0.308,标准差0.175,最小0.025、最大1.000;AI均值0.024,标准差0.104,显示企业间差异显著。年度趋势分析表明,AI自2015年显著上升,GTI自2016年同步增长,初步说明两者关联。行业层面,C30(非金属矿物制品)、C17(纺织)和C22(造纸)等重污染行业GTI较低,与实际情况一致。

**2. 基准回归结果**
双向固定效应模型结果显示,AI系数为0.032(1%水平显著),表明AI每增加一个标准差(0.104),GTI相对样本均值(0.308)提升约1.08%。面板分位数回归进一步显示,AI对中等GTI水平企业的促进效应最强,对低或高GTI企业效应较弱。

**3. 稳健性与内生性检验**
通过替换变量(改用电力与标准煤投入计算GTI_E、基于财务报告AI投资构建替代指标)、滞后解释变量一期、调整样本区间(2012–2019)、更换模型(面板Tobit)、加入额外控制变量(行业HHI、技术市场发展等)等六项稳健性检验,AI系数均在1%或10%水平显著为正,稳定在0.03–0.04之间。PSM后回归、IV两阶段估计(KP LM检验和Wald F统计量通过弱IV检验)、PSM-DID方法均证实AI对GTI的正向效应保持稳健。

**4. 机制分析**
机制检验表明:AI显著促进并购(系数0.128,1%显著)、研发人员投入(系数0.368,5%显著)和研发人员占比(系数0.063,1%显著),体现组织创新;AI同时提升总专利申请数(系数0.804,1%显著)并降低能源强度(系数-0.109,5%显著),体现技术创新。分行业与区域异质性显示,AI对中西部地区及低-中GTI行业的企业组织与技术创新促进作用更强。

**5. 异质性分析**
从内部管理视角:当高管具有技术背景时,AI对GTI的提升效应更显著;当管理层具有长期决策倾向(非短视)时,AI效应更强。从外部环境视角:在地区社会信任度高、知识产权保护强、环境规制强度高的条件下,AI对GTI的正面效应在1%水平显著;反之则不显著。这表明AI赋能效果依赖于内部组织适应与外部制度协同。

**结论与讨论**
研究者总结认为,本研究通过理论建模与实证检验,系统揭示了AI促进传统制造业绿色转型的内在机制。关键结论包括:(1)GTI与AI采纳存在显著差异;(2)AI显著提升企业GTI;(3)AI通过组织创新(并购与研发人员调整)和技术创新(技术进步与能源强度降低)双路径赋能绿色升级;(4)AI赋能效果取决于内部管理特征(高管技术背景、长期决策)和外部制度环境(知识产权保护、环境规制、社会信任)。这些发现加深了对AI驱动绿色转型机制的理解,为中国的碳达峰与碳中和目标提供了理论与实证支持,并为其他经济体探索数字化与绿色发展协同推进提供了参考。

**研究结论翻译**:
总体而言,本研究的发现加深了对AI促进传统制造业绿色转型机制的理解,为中国的碳达峰和碳中和目标提供了理论和实证支持。结果表明,将数字技术——尤其是AI——融入绿色产业政策和企业战略体系,是推进低碳、高效、智能制造的关键路径。基于中国制造业的实证证据,为传统工业的绿色升级提供了代表性见解,并为其他经济体在全球可持续发展框架下探索数字化与绿色发展协调推进提供了有益参考。根据这些发现,研究者提出了三项政策建议:加速企业数字化转型并推广AI应用;刺激组织创新并优化劳动力与治理结构;积极培育公平竞争的市场环境,加强知识产权保护并完善制度支持体系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号