人工智能与气候政策不确定性对可再生能源转型的不对称效应研究

《Scientific Reports》：Artificial Intelligence, climate policy uncertainty, and renewable energy transition: nonlinear evidence on sustainable energy resilience

　　

摘要

向可再生能源的转型是实现可持续发展目标和气候减缓目标的核心。与此同时，人工智能（AI）和气候治理已成为塑造清洁能源转型速度与韧性的关键力量。尽管这些因素日益受到关注，但关于其对可再生能源表现的 nonlinear 和非对称影响的实证证据仍然有限。本研究利用2013年至2023年的月度数据，探讨了人工智能发展和气候政策不确定性（CPU）对可再生能源转型的不对称效应。研究采用非线性自回归分布滞后（NARDL）框架，将AI和CPU分解为正、负部分的冲击，以捕捉异质的短期和长期响应。实证结果显示，可再生能源转型过程中存在显著的不对称性。AI发展的负面冲击对可再生能源绩效产生的不利影响比正面AI冲击带来的收益更大且更持久，表明数字创新的干扰会大幅削弱可持续能源系统的韧性。同样，不利的气候政策不确定性冲击的影响比有利的政策发展更强且持续时间更长，导致投资风险增加、清洁能源部署推迟，并削弱了对长期低碳规划的信心。动态乘数分析证实了向长期均衡的渐进调整过程，凸显了可再生能源市场中存在转型成本和延迟适应机制。此外，金融状况和传统能源价格通过市场传导机制显著影响可再生能源表现。总体而言，研究结果表明，具有韧性的可再生能源转型依赖于持续的技术创新、稳定的气候治理和支持性的金融环境。通过揭示人工智能、政策不确定性和可再生能源动态之间的不对称互动，本研究为可持续发展相关文献作出了贡献，并为增强能源转型韧性和加速实现长期脱碳目标提供了政策启示。