《Sustainable Energy Technologies and Assessments》：Alleviating multidimensional energy poverty through artificial intelligence: exploring the roles of green energy and green infrastructure innovation in Chinese cities
编辑推荐：
•AI创新与城市多维能源贫困呈负相关关系。•滞后分析与绿色能源及基础设施创新路径相一致。•随着数字经济政策长期关注的加强，这种负相关关系进一步巩固。•非集聚型城市在AI赋能能源改善方面展现出更大的潜力空间。引言可靠且公平的清洁能源供应是推动可持续发展的必要条件，尤其是在联合国
- •
AI创新与城市多维能源贫困呈负相关关系。
- •
滞后分析与绿色能源及基础设施创新路径相一致。
- •
随着数字经济政策长期关注的加强，这种负相关关系进一步巩固。
- •
非集聚型城市在AI赋能能源改善方面展现出更大的潜力空间。
引言
可靠且公平的清洁能源供应是推动可持续发展的必要条件，尤其是在联合国可持续发展目标第7项目标（可负担的清洁能源）方面。然而，能源贫困问题依然普遍存在。据估计，2023年全球有约6.66亿人缺乏可靠的电力供应，另有21亿人依赖高污染的烹饪燃料；与此同时，全球人均可再生电力装机容量仅为478瓦，远低于发达经济体所观察到的1,162瓦。这些差距凸显了确保清洁、公平能源获取方面所面临的持续挑战。
在中国，2024年能源需求增长约3%，为全球绝对增幅最大，加剧了能源供应和系统稳定性的压力。。尽管清洁能源部署已取得进展，但各区域和人群在更清洁、更公平能源使用方面的进步仍不均衡，制约了能源系统在可持续性和包容性方面的进一步提升。<[[3], [4]]>
这些挑战表明，能源贫困不仅限于供应不足，还涉及对可负担、清洁、可靠且公平的能源服务获取受限的问题。因此，能源贫困的概念已转向多维能源贫困框架，涵盖可负担性、清洁性、可获得性和公平性等多个维度。促进清洁、包容性能源服务的有效开发和利用已成为缓解多维能源贫困的核心议题。近年来，数字技术和人工智能的广泛赋能能力推动了社会经济系统的数字化和绿色转型，同时为改善能源生产、消费和服务提供创造了新的机遇。<[5]>。在此背景下，人工智能对能源系统的影响已成为广泛关注的社会议题。国际能源署将人工智能视为提高可再生能源部署效率、增强电力系统灵活性和优化能源结构的重要工具，，而中国的《能源转型白皮书》则强调了数字化和智能化升级对于建设清洁、低碳、安全、高效且更加公平的能源体系的重要作用。
鉴于数字技术在能源系统转型中的重要作用，学者们开始研究其缓解多维能源贫困的潜力。<[[7], [8]]>。然而，大多数研究关注的是通用数字技术。作为一种具有广泛赋能能力、持续改进和创新互补性的通用技术，人工智能对能源系统及其多维能源贫困的独特影响仍未得到充分探索。人工智能虽然可能提高能源效率并促进清洁能源的应用，但也可能因模型训练、数据中心运营及相关数字产业扩张而增加能源消耗，<[[9], [10]]>，从而可能抵消部分效益。因此，人工智能对多维能源贫困的总体效应需要系统评估。<[11]>
此外，现有的人工智能与能源贫困研究主要采用家庭层面或国家层面的视角。<[[12], [13]]>。家庭层面的研究可能忽略人工智能通过城市能源产业和基础设施产生的系统性影响，而国家层面的分析则可能掩盖城市间的异质性。机制分析还侧重于传统渠道，如收入增长或管理效率，<[[14], [15]]>，对人工智能驱动的城市能源产业和基础设施转型路径的探索有限。基于通用技术视角和互补资产逻辑，本研究利用城市层面的证据评估人工智能对多维能源贫困的总体效应，考察其影响渠道，并探讨使人工智能技术潜力转化为多维能源贫困缓解的条件。本研究做出三项贡献。
首先，与现有关注微观层面家庭或国家层面分析的研究不同，本研究构建了一个涵盖能源消费水平、能源结构和能源基础设施及利用能力的城市层面多维能源贫困指数，以在城市层面评估人工智能对多维能源贫困的影响。为检验基准结果的稳健性，本研究进一步利用夜间灯光和人口栅格数据构建了一个人口加权的夜间灯光基尼系数，从城市内部能源使用不平等的角度提供补充验证。
其次，本研究考察了绿色能源创新和绿色基础设施创新这两个与创新相关的、连接人工智能与城市多维能源贫困的路径。该分析提供了关于人工智能如何通过促进清洁能源和能源相关基础设施的创新来支持城市能源转型的城市层面证据。
第三，本研究从技术转化条件和城市发展基础的角度探讨了人工智能的情境依赖性效应。具体而言，考察了长期数字经济政策关注和城市资源集聚条件如何塑造人工智能对多维能源贫困的影响，从而识别出人工智能技术潜力能够有效转化为能源贫困缓解的条件。
本文其余部分组织结构如下。第2节回顾了相关文献并发展了理论框架和假设；第3节描述了数据、变量和实证策略；第4节呈现了实证结果；第5节总结并提出了政策含义。
章节摘要
能源贫困与多维能源贫困：概念与测量
能源贫困指的是家庭或个人缺乏足够获取可靠、可负担和充足的、对福祉和发展必要的能源服务的情况。最初聚焦于可负担性和可获取性，该定义后来扩展至涵盖低收入与高能源负担的交汇，以及基本供暖公用服务的匮乏。随着社会经济进步，
数据
实证研究依赖于一个覆盖2014年至2023年中国268个城市的面板平衡数据集。多维能源贫困数据源自中国研究数据服务平台、《中国城市建设统计年鉴》、Scientific Data平台、全球大气研究排放数据库、机动车交通事故责任强制保险登记数据以及市政统计年鉴等权威数据库的汇总，而人工智能指标则源自
典型事实分析
核密度估计用于描述多维能源贫困指数和人工智能发展在交叉城市分布上的时间变化。图3(a)显示，从2014年到2023年，多维能源贫困指数分布整体左移，表明许多城市的指数有所下降。分布也随时间变得更加集中，暗示城市间多维能源贫困的差异正在缩小。图3(b)呈现了人工智能发明专利授权的分布，以年度授权量加一的对数来衡量
结论
基于2014年至2023年中国268个地级市的面板平衡数据，本文探讨了人工智能与城市多维能源贫困的关系，包括其创新渠道和异质性效应。研究构建了一个涵盖能源消费水平、能源结构和能源基础设施及利用能力的城市层面多维能源贫困指数，并结合双向固定效应、稳健性检验、工具变量估计、机制分析和异质性分析等方法。
首先，人工智能创新显著
利益冲突声明
作者声明，不存在已知的可能影响本研究中报告工作的竞争性经济利益或个人关系。
致谢
本研究得到中国国家博士后科学基金的资助（编号：<2024M752299>)
邹颖 | 文熙 | 张馨薇
