探究人工智能技术创新(Artificial Intelligence Technology Innovation, AITI)对能源强度(Energy Intensity, EI)的影响——信息通信技术(Information and Communication Technology, ICT)发展与可再生能源并网(Renewable Energy Integration, REI)的作用

《Energy Geoscience》：Exploring the impact of AI technology innovation on energy intensity: The role of ICT development and renewable energy integration

　　

随着全球能源需求持续加剧，人工智能技术创新（Artificial Intelligence Technology Innovation, AITI）为提升能源效率及支持可持续能源转型提供了新兴可能。与此同时，可再生能源并网（Renewable Energy Integration, REI）正在重塑能源系统并影响能源消费模式。研究人员采用2000–2022年42个国家的面板数据，考察AITI与能源强度（Energy Intensity, EI，单位经济产出能耗）之间的关系。运用Driscoll and Kraay标准误固定效应（Fixed Effects, FE）回归方法的分析显示，AITI显著降低了EI；然而U形关系的证据表明，超过某一阈值后AITI的降能效果可能发生逆转。经济增长、贸易开放度（Trade Openness）、金融发展（Financial Development）与政府规制（Government Regulation）降低EI，而外商直接投资（Foreign Direct Investment, FDI）与技能劳动力（Skilled Labor, SL）则提高其水平。机制检验揭示，AITI通过促进信息通信技术发展（ICT Development, ICTD）降低EI，且可再生能源并网增强了AITI对EI的降低效应。异质性分析表明，AITI对EI的降低作用在发达经济体中显著，在发展中经济体中不显著。上述发现为决策者提供了实证依据，强调需结合各国经济多样性与区域条件，通过差异化策略使AITI与可再生能源转型相对接。

论文解读：人工智能技术创新对能源强度的影响——ICT发展与可再生能源并网的作用

本文由Emmanuel Baffour Gyau、Yaya Li与Michael Appiah完成，发表于《Energy Geoscience》。在全球能源需求预计于2040年前增长近25%、能源相关CO₂排放持续攀升的背景下，能源强度（Energy Intensity, EI = 能源消费量/单位不变价PPP GDP）是衡量能源效率的核心指标。人工智能技术创新（Artificial Intelligence Technology Innovation, AITI）凭借智能电网管理、预测性维护、实时能量分配优化等应用具备降低EI的潜力，但AI本身亦因数据中心与高性能计算带来额外能耗，且既往文献多假设AITI与EI呈线性关系，忽视非线性特征、传导机制（ICT基础设施中介作用、可再生能源并网调节作用）及不同发展水平国家的异质性。为此，研究人员以42个国家2000–2022年面板数据为样本，系统检验AITI对EI的直接影响、非线性关系、ICT发展（ICT Development, ICTD）的中介效应、可再生能源并网（Renewable Energy Integration, REI）的调节效应及发达与发展中经济体的异质性差异，为制定兼顾数字化与清洁能源转型的政策提供实证支撑。

主要技术方法：

研究人员构建2000–2022年42国（含发达与新兴经济体，名单见附录）非平衡面板数据集。被解释变量EI取自世界银行（MJ/2017 PPP $ GDP）；核心解释变量AITI以WIPO（World Intellectual Property Organization）AI相关专利公开量为代理；中介变量ICT发展（ICTD）为世界银行互联网普及率、固定宽带及移动电话订阅综合指标；调节变量REI为IRENA可再生能源发电量占比；控制变量包括人均GDP（PCGDP）、国内私企信贷占比（Financial Development, FD）、FDI净流入占GDP比（FDI）、进出口总额占GDP比（Trade Openness, OPEN）、高等教育人口占比（Skilled Labor, SL）及世界银行监管质量指数（Government Regulation, GR）。先经Pesaran交叉截面依赖（Cross-sectional Dependence, CD）检验、Pesaran–Yamagata斜率异质性（Slope Heterogeneity, SH）检验、Wooldridge自相关与修正Wald异方差检验及Pesaran CIPS单位根检验确认数据特征后，采用Driscoll–Kraay标准误固定效应（Fixed Effects, FE）模型进行基线、非线性（引入AITI²项）、中介效应（Baron–Kenny逐步法）及调节效应（加入AITI×REI交互项）回归，并按UNCTAD分类做发达/发展中经济体分组回归；稳健性检验通过IV?LIML（以外资资助政府R&D占比为工具变量）、1%缩尾、替换EI与AITI测度、限定2010年后子样本、加入R&D控制变量及1–3期滞后项完成，辅以递归累积和（CUSUM）检验参数稳定性。

4.1. 基线估计（Baseline Estimation）

研究人员以逐步加入控制变量的Driscoll–Kraay FE回归得到基线结果。全模型（列7）中ln(AITI)系数为?0.0305且在1%水平显著负向，支持假设H1——AITI显著降低EI，说明AI创新通过工艺优化、预测性维护和智能能源管理提升了能效。引入AITI²（列8）后，线性项系数?0.0380、二次项0.00124均显著，表明AITI与EI呈U形关系，转折点（Turning Point）计算为?β₁/(2β₂) = 0.0380/(2×0.00124) ≈ 15.32（取对数尺度），即AI创新初期降低EI，但越过此阈值后因大规模算力与数据中心能耗产生反弹效应（Rebound Effect）。控制变量中PCGDP、FD、OPEN显著降低EI，FDI与SL显著提高EI，政府规制（GR）为负但不显著。

4.2. 稳健性检验（Robustness Tests）

研究人员实施八项稳健性测试：IV?LIML内生性处理（Anderson Canon. LM与Cragg–Donald Wald F证明工具变量有效，AITI系数仍显著负）、1%与99%分位数缩尾、将EI替换为千英热单位/2015 PPP GDP、将AITI替换为工业机器人存量、限定2010–2022年子样本、加入研发支出（R&D）控制变量、以及AITI滞后1–3期。所有设定下AITI系数保持显著负向，CUSUM检验（p=0.1265）未拒绝参数稳定原假设，证实基线结论可靠。

4.3. 中介机制检验（Mediating Mechanism Test）

为验证H2，研究人员先做AITI→ICTD回归（列1）：AITI系数+0.190（p<0.01），说明AITI促进ICT发展；再做EI对AITI+ICTD回归（列2）：ICTD系数?0.119（p<0.01），AITI系数?0.00862（p<0.1）仍显著但绝对值小于基线，属部分中介。结论：ICT发展是AITI降低EI的重要传导渠道——AI创新推动数字基础设施完善，进而通过实时监测与自动化管理减少能耗，支持假设H2。

4.4. 调节机制检验（Moderating Mechanism Test）

为验证H3，研究人员在基线模型中加入REI主效应及AITI×REI交互项。REI主效应?0.124（p<0.01），交互项?0.00704（p<0.1），说明可再生能源并网比例越高，AITI对EI的降低作用越强——AI可优化风光出力预测与电网调度，而清洁电力供给减弱AI算力的化石能源间接排放，二者互补协同降能，支持假设H3。

4.5. 异质性分析（Heterogeneity Analysis）

按UNCTAD标准分组回归显示：发达经济体子样本中AITI系数?0.0400（p<0.01），显著降低EI；发展中经济体子样本中AITI系数+0.0128且不显著。原因在于发展中国家数字基建薄弱、制度能力与R&D投入不足、可再生能源渗透率低，制约AI节能潜力的发挥。

讨论与结论翻译（Conclusion）：

本研究表明，人工智能技术创新（AITI）显著降低了能源强度（EI），但该关系呈U形非线性——在AITI超越阈值（对数尺度约15.32）后降能效应可能出现反转。信息通信技术发展（ICTD）在AITI降低EI的过程中发挥显著中介作用，即AITI通过推动ICT基础设施进步进而削减EI。可再生能源并网（REI）对AITI与EI的关系具正向调节作用，即更高比例可再生能源增强了AI创新的能效改善效果。异质性分析揭示AITI对EI的降低效应在发达经济体中显著，在发展中经济体中不显著，反映技术成熟度、制度能力与数字基建就绪度的差异。综上，AITI可在ICT发展与可再生能源协同下促进能效提升，但其效益取决于技术经济基础与制度支持。政策制定者应优先发展数字基础设施、扩大可再生能源部署并建立适应性治理框架，以确保AI技术驱动EI公平且可持续地下降。