绿色建筑技术与可再生能源协同推进碳中和建成环境：能源效率、人工智能（AI）与环境政策严格性的机制研究

《Innovation and Green Development》：Integrating green building technology and renewable energy for a carbon-neutral built environment: Exploring the mechanisms of energy efficiency, AI technology, and environmental policy stringency

　　

绿色建筑技术（GBT）与可再生能源（RE）可降低生态足迹（EFP）。能源效率（ENE）在绿色建筑技术（GBT）与可再生能源（RE）的环境效应中发挥中介作用。人工智能（AI）强化绿色建筑技术（GBT）的环境效应。环境政策严格性（EPS）放大可再生能源（RE）的生态影响。绿色建筑技术（GBT）、可再生能源（RE）与人工智能（AI）共同促进向碳中和建成环境转型。

论文主体解读

研究背景与问题：气候危机使建成环境成为可持续发展议程的核心。建筑占全球最终能源消费30%以上和能源相关二氧化碳（CO₂）排放约26%，到2050年全球超过三分之二人口预计居住在城市，2022年化石燃料CO₂排放达36.4 Gt，现有减缓努力仍不足。绿色建筑技术（GBT）与可再生能源（RE）被视为低碳建成环境的重要路径，但既有研究多分别考察二者对能耗、排放或环境绩效的直接效应，较少检验其联合效应，也缺少对能源效率（ENE）中介机制、人工智能（AI）与环境政策严格性（EPS）调节作用以及发达与新兴经济体异质性的系统分析。研究人员基于生态现代化理论（EMT）、诱导创新和互补性逻辑，利用30个发达与新兴经济体2000—2020年面板数据，考察GBT与RE对生态足迹（EFP）的联合影响，检验ENE的中介作用、AI与EPS的调节作用及发展水平异质性。研究结论表明，RE是较稳健的脱碳驱动因素，GBT在AI应用和更强政策框架支持下改善环境结果；可持续技术的环境收益取决于制度、数字条件和技术互补性。该研究为理解可持续技术支撑碳中和建成环境提供了整合框架，强调政策与技术应协同而非替代。论文发表于《Innovation and Green Development》，作者为Emmanuel Baffour Gyau、Daniel Adu和Samuel Gyamfi。

关键技术方法：采用30个发达与新兴经济体2000—2020年面板数据，样本来源包括OECD专利数据库、World Development Indicators和Global Footprint Network。先进行横截面依赖（CD）、Pesaran-Yamagata斜率异质性、CADF/CIPS二代单位根检验；主模型为Driscoll-Kraay固定效应标准误回归；用工具变量连续更新广义矩估计（IV-CUE）处理内生性，用核正则化最小二乘（KRLS）检验非线性；并以替换CO₂排放、加入外商直接投资（FDI）、滞后效应和缩尾进行稳健性检验，另做发达/新兴分组异质性分析。

研究结果：

4.1 初步检验：描述统计与相关性分析显示EFP与经济增长、城市化正相关，RE与EFP负相关；横截面依赖和斜率异质性检验显著；CADF/CIPS检验表明变量一阶差分后平稳，为后续估计提供依据。

4.2 直接效应分析：基于Driscoll-Kraay固定效应回归，GBT和RE系数均负且显著，支持假设1和2；RE系数绝对值更大，表明能源结构转型对EFP的抑制作用更强；经济增长和城市化提高EFP，贸易开放降低EFP。

4.3 整合效应分析：同时纳入GBT和RE时，RE仍强显著，GBT弱显著；加入GBT×RE交互项后系数负显著，说明二者具有互补性，联合减污效应大于单独效应，支持假设3。

4.4 中介效应分析：两阶段估计显示RE显著降低能源强度、提高ENE，GBT对ENE影响不显著；纳入ENE后其系数显著，RE系数下降，表明ENE对RE起部分中介作用，对GBT中介有限，总体支持假设4但具选择性。

4.5 调节效应分析：AI自身负显著，GBT×AI负显著而RE×AI不显著，说明AI放大GBT的环境效应但未显著调节RE；EPS在部分模型直接负显著，GBT×EPS和RE×EPS均负显著，表明政策严格性强化二者减污效应，支持假设5和6但AI调节具选择性。

4.6 稳健性检验：IV-CUE缓解内生性、KRLS放松线性、替换CO₂排放、加入FDI、滞后效应和缩尾后核心结论保持一致，说明结果稳健。

4.7 异质性分析：发达经济体GBT显著降低EFP，新兴经济体不显著；RE在两组均显著且新兴经济体系数绝对值更大，表明RE在碳强度较高、效率较低经济体中边际生态收益更大，政策需差异化。

讨论部分总结：讨论强调，GBT与RE的环境效应并非简单加总。建筑层面效率改进需与清洁能源供给结合；RE通过替代化石能源和提升能效产生更直接、可扩展的生态收益；GBT的收益更依赖运营、维护、制度执行和数字能力。AI的作用具有部门选择性，其在建筑运行优化中的互补性更明显；EPS通过提高污染成本、改善绿色投资预期和降低协调失灵强化技术效果，但需与技术和基础设施互补。发达经济体的环境收益更多来自系统优化和数字整合，新兴经济体更多来自RE基础设施扩张，因而政策排序和制度能力重要。

研究结论翻译：该研究通过考察绿色建筑技术（GBT）与可再生能源（RE）如何支撑碳中和建成环境，并纳入人工智能（AI）技术和环境政策严格性（EPS）的调节效应以及能源效率（ENE）的中介作用，为可持续发展实证文献作出贡献。研究使用30个发达与新兴经济体2000—2020年面板数据，并应用Driscoll-Kraay、IV-CUE和KRLS估计量，发现可持续技术显著降低生态足迹（EFP）。RE是尤其稳健的脱碳驱动因素，GBT也改善环境结果，尤其在AI应用和更强政策框架支持下。结果进一步表明，经济增长、工业化和城市化增加生态压力，而贸易开放与更好的环境绩效相关。调节结果表明，AI技术增强GBT和RE的环境收益。EPS也提高这些技术的有效性，说明监管支持对获得更强环境收益仍然重要。此外，ENE是技术采用降低生态压力的部分传导渠道。这些发现表明，可持续技术的环境收益不仅取决于其采用，还取决于其部署所依托的更广泛制度和数字条件。异质性分析揭示国家组间显著差异。在发达经济体中，环境收益似乎主要来自系统优化和数字整合。在新兴经济体中，收益更紧密地与扩大RE基础设施相关。这一模式表明，可持续技术的环境效应随经济和技术发展阶段而变化。它还意味着政策排序很重要，尤其在低收入环境中，基础设施建设可能需要先于效率导向的优化。该研究表明，迈向碳中和建成环境需要技术采用、支持性政策设计、能效改善和更强制度能力的组合。这些要素在与更广泛的能源系统转型战略一致时效果最佳。该研究还开辟若干未来研究方向。后续研究可纳入更新数据以捕捉不断演变的技术和监管条件。未来工作还可考察其他传导渠道，如融资约束、劳动力市场调整或投资动态。此外，阈值和其他非线性方法可能有助于判断技术—环境关系是否随政策或发展体制而变化。来自城市、企业或特定部门的微观层面证据也将为实施差异和政策有效性提供更深入见解。