数字技术赋能低碳消费：热点话题、趋势、差距与未来前景的系统综述

《Technology in Society》：Digital Technology Empowers Low-carbon Consumption: A Systematic Review of Hot Topics, Trends, Gaps, and Future Promises

　　

• 数字技术推动低碳消费，重塑供需动态关系。
• 系统性综述揭示了数字技术赋能低碳消费（DT-LCC）的研究差距，为绿色转型提供政策启示。
• 数字技术通过生产、物流和消费者意识实现减排。
• 未来重点：技术创新与政策协同，助力可持续转型。

**引言**

《巴黎协定》凝聚了全球限制长期全球变暖低于2°C的努力，促使151个国家设定碳中和目标。尽管达成了这一共识，消费部门占全球碳排放的67%以上，其缓慢的去碳化进程阻碍了碳中和目标的实现（Ryan等，2026）。数字技术（DT）为缓解消费部门的排放压力提供了可行途径。例如，欧盟智能碳追踪系统将零售端的隐性碳排放减少了18%，中国的数字生态系统每年实现1.2亿吨的碳减排（Brüggemann等，2025）。然而，数字技术在实际应用中的矛盾日益凸显。现有研究优先关注人工智能和区块链等前沿技术，却忽视了基础数字基础设施和实用性（Choubey & Chakraborty，2026）。高数字渗透率无法消除消费者因隐私担忧而拒绝共享碳数据的抵触心理（Ahnert等，2025）。研究与实践之间的鸿沟反映了主流研究范式中更深层的缺陷，凸显了系统性理论重组和框架完善的需求。在此背景下，对数字技术赋能低碳消费（LCC）进行有针对性的综述，可以激活消费端的去碳路径，支持包容性数字低碳消费体系的构建，并推动公平协调的全球气候治理。

低碳消费（LCC）是一种针对全消费生命周期温室气体减排的可持续消费范式（Escribe & Quirion，2026）。它通过生态友好的产品选择、可持续的行为实践和制度性低碳治理实现碳减排，涵盖生产和居住消费场景（Tian等，2026）。数字技术形成一个技术集群，包括人工智能（AI）、区块链和物联网（IoT），通过算法优化、去中心化架构和智能互联重塑现代生产和消费系统（Das等，2026）。数字技术的广泛实际应用推动了对低碳消费研究视角的转变，催生了一个多维度的跨学科研究领域。主要研究主题包括人工智能、区块链和物联网的技术应用、消费者行为反应以及低碳政策协调（Castelo等，2023）。研究整合了经济学、环境科学和计算机科学的知识，将定量影响评估与关于数字技术伦理和数据隐私风险的定性讨论相结合（Lazar等，2025）。计量经济建模作为主要分析工具，辅以案例研究的证据，涵盖从微观层面的家庭能源使用到宏观层面的区域碳足迹评估（Yin等，2025）。现有实证研究表明，数字技术促进了低碳消费，但相关结果呈现出区域异质性、技术悖论以及倒U型关系的可能性（Che等，2026）。数字化提高了能源效率并重塑了消费习惯，但数字基础设施的巨大能源需求又引入了新的实践障碍。这凸显了有针对性政策协调以实现平衡低碳转型的必要性。

研究界普遍认为，数字技术可以促进低碳消费。实证证据表明，数字技术改善了资源配置、提高了能源效率、重塑了消费者行为并协调了供需系统，从而支持低碳消费成果（Nepal等，2024）。然而，仍然存在显著的分歧和未解决的理论问题。一项核心争论是关于数字技术能否独立驱动自发的低碳消费转型，还是其效果严重依赖于外部制度和行为约束（Wissal等，2026）。研究人员对主导赋能路径也存在分歧，在技术供给扩展与需求导向的行为干预之间强调不均（Wang等，2025）。文献侧重于供给侧的技术创新，而对需求侧的行为机制关注有限。这造成了技术方案与实际消费者认知之间的错位。许多研究以技术决定论为基础视角，将数字技术视为低碳消费的充分条件，忽视了包括社会接受度和根深蒂固的消费习惯在内的非技术因素（Bajde等，2026）。现有研究主要集中于评估技术可行性，对消费者决策时的心理模型和偏好模式缺乏实证洞察。政策建议往往表现为过度技术乐观主义，对包括数字鸿沟扩大和环境不平等加剧等风险的考虑不足（Micoogullari等，2026）。

基于上述研究差距，包括碎片化的研究视角、缺乏统一的分析框架以及文献中普遍存在的技术决定论偏见，本文开展系统性文献综述。该分析考察了2000年至2025年间发表的1,182篇文章，检索自Web of Science（WoS）、Scopus、中国知网（CNKI）、IEEE Xplore和ACM数字图书馆。本综述首先描绘了数字技术赋能低碳消费研究的主题演变和发展趋势。随后详细阐述理论机制和实践路径，最后确定关键赋能条件和现实约束，提出有针对性的未来研究方向。本文综合多个维度的证据，揭示该领域的整体研究格局、运行机制和实践困境。在理论层面，整合多学科见解，推进包容性数字低碳消费体系的讨论。在实践层面，强调消费在稳定经济和减缓碳排放中的双重角色，为居民绿色转型和消费端去碳化进展提供参考。

关键的是，本综述聚焦于相关文献中持续存在的理论争议。现有研究就数字技术能否独立驱动自发的低碳消费转型展开辩论，或其赋能效果是否依赖于外部社会、制度和市场约束。实证结果不一致，鲜有文章为结果的差异性提供一般化的理论解释。通过综合数字赋能机制并评估实践约束条件，本研究发展了"数字依赖型赋能"的理论命题。这一解释有助于调和相互矛盾的实证发现，为数字技术赋能低碳消费实践中情境异质性和技术悖论提供合理的说明，并为后续分析建立结构化的分析参考。

本研究还构建了一个两层整合理论框架，用于解释数字技术与低碳消费之间的互动。第一层是一个聚焦于机制的理论集群，涵盖技术赋能理论、行为经济学、系统耦合理论和制度创新理论，阐明数字基础设施、行为激励、供需协调和制度支持如何共同促进低碳消费进展。第二层借鉴社会技术理论集群，捕捉数字技术实际应用中出现的结构性摩擦、社会冲突和意外风险。总体而言，该框架形成了一个双向分析范式，为数字依赖型赋能奠定了理论基础。

本综述其余部分结构如下：第2节阐述本系统性文献综述的范围、方法和样本分布。第3节识别核心研究主题和演变趋势，以描绘整体研究格局。第4节探讨数字技术赋能低碳消费的内在机制和实践路径，并提出数字依赖型赋能。第5节分析相关影响因素和实践挑战，以缓解技术决定论偏见并平衡供需视角。第6节为未来学术探索发展有前景的研究问题。第7节总结主要发现，提出理论和实践启示，并说明本研究的局限性。

**综述范围**

数字技术在低碳消费中的应用演进经历了三个阶段。早期基础阶段涵盖2000年至2015年，数字基础设施支持了基本绿色发展，但核心数字技术仍处于研究和试点项目阶段，尚未大规模推广用于低碳转型。相关学术研究保持碎片化，集中于基础设施建设和初步低碳消费模型探索。2015年的《巴黎协定》创造了一个重要转折——

**关键词分析**

基于样本文献，本研究采用TF-IDF算法生成词云并检测研究热点和演变趋势（图3）。2000年至2010年的早期分析聚焦于低碳消费和碳足迹等基本概念。2011年至2020年间，研究转向数字技术应用，包括智慧农业和碳交易平台。2020年以来，大数据、人工智能和区块链成为主导主题。

**区域分析**（注：原文此部分标题后无具体内容）

**理论机制**

基于第3节总结的多维研究主题和演变趋势，本节构建了一个两层整合理论框架，以探讨数字技术与低碳消费之间的互动。第一个理论集群聚焦于解释性机制，借鉴技术赋能、行为经济学、系统耦合和制度创新，阐述数字技术如何通过各种赋能过程为低碳消费产生正向效果。第二个——

**赋能因素和实践挑战**

本节进一步探讨数字技术实际应用中的现实赋能因素和限制性挑战，对应数字依赖型赋能所强调的社会技术条件。第4节提出的理论机制描述了数字技术驱动低碳转型的理想化路径。赋能因素确定了使这些理想机制在实际环境中发挥作用的有形前提条件。而实践约束——

**研究差距和未来研究方向**

研究差距和前瞻性问题（RQ）总结于补充材料中的表A3。鉴于上述情况，本研究根据实践紧迫性和战略重要性将研究问题分为三个层级，以确定未来研究优先级。这一分层框架借鉴了对先验文献的主题分析、宏观和微观层面的机制解释，以及对赋能因素和约束的系统评估，整合了分散的研究差距——

**数字技术赋能低碳消费：理论阐释与批判反思**

本文对从WoS、Scopus、IEEE Xplore、ACM数字图书馆和CNKI检索的1,182篇文章进行了系统综述。在现有学术成果的基础上，综合了数字技术的理论机制、赋能因素、挑战和变革潜力，并将研究结果置于先验文献中。与早期文献计量研究一致，人工智能、大数据、物联网和区块链是突出的研究热点，学术关注正转向——

**CRediT作者贡献声明**

Bin Liang：写作——审稿与编辑、可视化、验证、调查、经费获取、形式分析、概念化。Mingyue Wang：写作——初稿撰写、验证、软件、方法学。Pengyu Jin：写作——初稿撰写、软件、方法学、调查、数据整理。Yao Wei：写作——审稿与编辑、写作——初稿撰写、验证、软件、方法学、调查、形式分析、数据整理、概念化。Hao Chen：写作——审稿——

**数据可用性声明**

数据可按请求提供。

**利益冲突声明**

? 作者声明不存在已知的竞争性财务利益或个人关系，这些利益或关系可能影响本文所报告的工作。

**致谢**

本研究获得中国国家社会科学基金资助[项目编号：21BJY013]、教育部人文社会科学研究基金资助[项目编号：21XJA790003]、北京师范大学博士候选人交叉学科研究基金资助[项目编号：BNUXKJC2415]。

Yao Wei | Hao Chen | Bin Liang | Mingyue Wang | Pengyu Jin