《Journal of Innovation & Knowledge》：Cautionary perspectives on greenhouse impact of innovation: exploring the nonlinear link between breakthrough low-carbon technological innovation and corporate carbon emissions
编辑推荐：
突破性低碳技术创新（Breakthrough Low-carbon Technological Innovation, BLCTI）是可持续经济和社会发展的关键驱动力，但其对企业碳排放（Corporate Carbon Emissions, CCE）的影响尚未
突破性低碳技术创新（Breakthrough Low-carbon Technological Innovation, BLCTI）是可持续经济和社会发展的关键驱动力，但其对企业碳排放（Corporate Carbon Emissions, CCE）的影响尚未得到充分探索。本研究基于创新过程，构建了BLCTI与CCE之间非线性关系的理论模型。本研究利用2012年至2022年中国A股上市制造业企业的数据，实证检验了这一关系。结果表明：（1）BLCTI对CCE呈倒U型影响，表明当创新规模有限且商业化程度不足时，实际上可能增加排放，这一风险值得企业和政策制定者警惕；（2）更高水平的人工智能（Artificial Intelligence, AI）应用、ESG（Environmental, Social, and Governance）评级和行业竞争将倒U型曲线的转折点向左下方移动，加速了突破性创新的碳减排效果；（3）倒U型关系仅适用于非高能耗制造商、非国有企业、有环境处罚记录的企业以及2017-2022年期间。这些发现为增强BLCTI的碳减排有效性提供了重要见解。
全球气候变化日益严峻，中国制造业作为全球最大的制造体系，面临碳减排的巨大压力。传统生产力模式难以兼顾效率与环保，亟需通过突破性低碳技术创新（BLCTI）实现绿色转型。然而，BLCTI具有高投入、长周期、高风险特征，其对企业碳排放（CCE）的影响可能并非线性，早期阶段可能因资源挤占和双轨并存而导致碳排放增加，即存在“温室效应”风险。但现有研究多聚焦于一般绿色创新，忽视了BLCTI的过程性特征，对其非线性效应的探索不足。因此，Baolong Yuan和Ke Chen等研究人员利用中国A股上市制造业企业2012-2022年的数据，系统考察了BLCTI对CCE的非线性影响，并引入企业人工智能（AI）水平、ESG评级和行业竞争作为调节变量，旨在揭示如何加速BLCTI的碳减排效果。该研究成果发表于《Journal of Innovation》。
本研究样本来源于中国A股上市制造业企业，涵盖2012-2022年，经处理后共19,844个观测值。核心变量测量如下：CCE采用行业成本份额法间接估算，仅计算范围一（Scope 1）直接碳排放，数据来自中国能源统计年鉴和IPCC排放系数；BLCTI以企业低碳专利（CPC-Y02分类）被引次数占行业总被引次数的比例衡量，专利数据源自Incopat数据库；AI水平通过年报中AI相关关键词词频加1取对数，基于Word2vec构建词典；ESG评级采用CNRDS综合评分；行业竞争以行业层面勒纳指数表征。实证方法上，采用双向固定效应模型检验主效应，运用工具变量法（Shift-Share IV）和倾向得分匹配（PSM）处理内生性，并通过替换变量、加入区域控制、排除政策干扰等稳健性检验。调节效应模型检验AI、ESG和行业竞争的调节作用，异质性分析按行业能源强度、所有权性质、环境处罚经历和时间段进行分组回归。
**基准回归结果**：通过双向固定效应模型回归发现，BLCTI一次项系数显著为正，二次项系数显著为负（在5%或1%水平显著），经U检验确认存在倒U型关系，转折点为0.113。边际效应分析表明，仅约2.7%的样本（529个观测）位于转折点右侧的减排区间，大多数企业仍处于上升阶段，即BLCTI尚未发挥碳减排作用。
**调节效应结果**：AI与BLCTI二次项的交互项系数显著为正（11.4117），表明高AI水平使倒U型曲线左移并变平缓，甚至在高AI组中转变为近似负线性关系，支持假设H2；ESG与二次项交互项系数显著为正（0.2010），使曲线左移略平缓，支持H3；行业竞争与二次项交互项系数显著为正（41.9782），使曲线显著左移且曲率减小，支持H4。
**异质性分析**：按行业能源强度分组，高能耗制造业中BLCTI对CCE无显著影响，而非高能耗制造业中倒U型显著，原因在于高能耗行业存在技术-制度锁定效应；按所有权性质分组，国有企业中不显著，而非国有企业中显著，源于国有企业的政策依赖和决策层级复杂；按环境处罚经历分组，有环境处罚的企业中倒U型显著，而无处罚的不显著，表明环境处罚的“催化剂”作用；按时段分组，2012-2016年不显著，2017-2022年显著，反映政策体系完善和技术累积效应的释放。
**稳健性检验**：通过因变量领先、替换自变量（发明专利申请量）、替换因变量（销售费用比例法）、同时替换、加入区域控制变量和更高维固定效应、排除碳排放交易政策和绿色金融试点政策干扰后，倒U型关系依然稳健。
**结论与讨论**：突破性低碳技术创新（BLCTI）对企业碳排放（CCE）的影响轨迹不应仅从线性角度审视，而需深入考虑BLCTI的内涵、特征与过程。基于此，本研究利用2012-2022年中国A股上市制造业企业数据，考察了BLCTI对CCE的非线性影响，并结合BLCTI的分层与过程性特征，引入企业人工智能（AI）发展水平、ESG评级和行业竞争作为调节变量，揭示BLCTI如何有效且快速地实现企业碳减排目标。主要发现如下：（1）BLCTI对CCE呈倒U型效应，表明在BLCTI成果实现大规模商业化应用之前，可能反而增加企业碳排放，这一风险值得企业和政策制定者警惕。（2）更高水平的AI发展、ESG评级和行业竞争将倒U型曲线的转折点向左移动，表明在这些边界条件下，BLCTI能够更快地发挥更强的碳减排效果。（3）异质性分析显示，BLCTI与CCE的倒U型关系存在于非高能耗制造业企业、非国有企业、有环境处罚经历的企业以及2017-2022年期间，但在高能耗制造业、国有企业、无环境处罚经历企业及2012-2016年期间不成立。这些发现为理解BLCTI与CCE的关系提供了新视角，并为政策制定和企业管理提供了具体建议。
