数字经济、资源禀赋与颠覆性能源技术：来自中国的证据

《Solid State Sciences》：Digital economy, resource endowment, and disruptive energy technologies: Evidence from China

　　王新鹏|周远|戴兴良|Seet Pi-Shen 中国北京海淀区清华大学公共政策与管理学院 摘要 数字经济显著推动了能源技术的变革，但其理论与实证基础仍需进一步探索。首先，我们构建了一个内生增长模型，将数字经济作为数据驱动因素，能源技术作为生产要素纳入其中。其次，运用空间面板阈值模型和280个中国城市的面板数据，实证分析了数字经济、资源禀赋与颠覆性能源技术之间的关系。研究发现，数字经济在推动颠覆性能源技术发展方面起着关键作用，而由当地工资和房价决定的生产要素空间流动则起到了中介作用。机制分析表明，城市资源禀赋会调节数字经济对颠覆性能源技术的影响——当资源禀赋超过一定阈值时，数字经济对技术发展的推动作用会增强。异质性分析显示，在环境监管较弱、科技公共投资较少且创新质量较高的城市，数字经济对颠覆性能源技术的影响力更大。邻近城市在数字经济发展方面的进步与当地颠覆性能源技术的进展之间存在正向空间相关性，但邻近城市的颠覆性能源技术则会带来负向空间溢出效应。研究结论认为，利用数字经济推动颠覆性能源技术的发展，对于应对城市间这类“竞合”关系至关重要。引言 数字经济的快速发展标志着推动颠覆性能源技术发展的动力发生了根本性变化。作为能源转型的关键驱动力，智能风力涡轮机、智能电网、干热地热能等颠覆性能源技术在能源生成、转换和存储领域带来了突破性创新，有助于实现碳中和目标（Wang等人，2022a；Li等人，2025a）。然而，颠覆性能源技术的发展始终受到科学突破的不确定性、创新路径的不可预测性以及创造性破坏对创新网络的非线性影响的制约（Beltagui等人，2020；Juhász等人，2024）。而数字经济可以通过大数据分析降低技术不确定性（Lv等人，2025）、人工智能建模预判创新路径（Mi和Pianta，2025），以及区块链平台提升创新网络的韧性（Chen等人，2025）等方式，帮助解决这些难题。以数据为中心的生产模式以及人工智能、区块链等先进技术推动了数字经济的发展，正在重塑能源领域的产业实践和创新范式。尽管技术创新相关研究已涉及多个行业，但对能源技术的探讨大多只是附带内容，并非重点（Ren等人，2021；Dian等人，2024；Tang等人，2025）。尤其是颠覆性能源技术的独特性，包括其突破性特征及其巨大影响力，至今尚未得到专门研究。这一缺失对理论和实践都具有重要意义：从理论上讲，现有框架无法充分解释数据驱动因素如何重塑那些具有重大突破特征的能源技术的创新路径（Acemoglu等人，2022）；从实践上看，缺乏相关理论研究限制了数字技术在能源转型中的有效应用，无法满足政策制定者的实际需求（Lyu等人，2024）。为填补这一理论与实践之间的空白，有必要对现有文献进行深入分析，明确当前研究的边界。相关文献可分为两类：一类广泛探讨数字经济与技术创新之间的关系，另一类则研究能源与绿色技术及其衡量指标和潜在驱动因素（An等人，2023；Wang和Zhang，2025；Zhang等人，2025）。第一类研究源自创新经济学领域，主要研究数字经济如何影响技术创新（Filiou等人，2023）。一些经济学研究认为，数字经济推动的技术进步通过降低运营成本，促进了技术的商业化以及新型生产流程的应用（Schluse等人，2018；Wu等人，2019）。但这些研究未能考虑到不同类型技术之间的差异，尤其是颠覆性技术。与传统技术不同，颠覆性技术通过突破性创新打破现有的技术格局，从根本上改变相关行业的竞争基础（Kumaraswamy等人，2018；Acemoglu等人，2022；Liu等人，2022）。虽然创新研究者已经开发出CD指数等复杂方法来量化技术的颠覆性并分析其对创新的结构性影响，但他们并未将这些方法应用于能源领域（Chen等人，2021；Xu等人，2022）。由于缺乏针对特定行业的分析，很难验证创新理论的基本假设在这一关键领域是否成立。因此，那些通常假设创新速率恒定的现有理论框架，在描述颠覆性能源技术动态、非线性的发展过程时存在局限性（Jones和Tonetti，2020）。这一差距凸显出需要构建新的理论模型，将颠覆性技术的独特特性纳入考虑，以应对其所面临的数字经济驱动力。第二类研究则聚焦于能源与绿色技术及其驱动因素。Acemoglu等人（2016）运用内生增长模型研究了美国能源领域碳定价机制对清洁能源技术的影响，但他们忽略了数字经济在这一过程中的重要作用。数字化的普及正在重塑知识生产的模式，促进各类能源技术更深入地融合，形成一种加速技术发展、优化能源结构的生态系统（Litvinenko，2020；Wang等人，2022a）。从实证角度看，一些研究强调了数字工具通过智能电网和预测分析优化能源系统的作用（Zhang等人，2018；Veldkamp和Chung，2024），而另一些研究则指出，传统计量经济模型难以准确识别数字化与能源技术之间的非线性空间关系（Seo和Shin，2016）。这一局限影响了人们对地理上存在差异的跨行业知识溢出效应的理解。总之，现有研究均未涉及能源与绿色领域的颠覆性技术，即本文所称的颠覆性能源技术。为克服这些局限，我们构建并测试了一个新模型，以探究数字经济在多大程度上以及通过何种方式推动颠覆性能源技术的发展。首先，我们构建了一个内生增长模型，将数字经济与能源技术相结合，研究数据作为生产要素在不同生产领域对各类能源技术，尤其是颠覆性能源技术的影响。从理论上讲，数据作为一种关键生产要素会在城市和行业之间流动，直到边际收益等于边际成本（Jones和Tonetti，2020；Lin等人，2023）。在现实中，这一过程会受到隐私泄露和合规成本等因素的制约（Cong等人，2021）。在均衡条件下，对数字经济如何影响颠覆性能源技术和传统能源技术这一过程的数值模拟是本文的主要理论贡献之一，它有助于我们进一步了解城市资源禀赋及生产要素的空间流动如何影响数字经济与颠覆性能源技术之间的关系。其次，我们的研究也为数字经济与能源技术的相关文献做出了贡献。我们利用Derwent创新数据库中的专利引用数据，识别出了280个中国城市中的颠覆性能源技术。随后，我们将这一方法与空间面板阈值模型相结合，对内生增长模型提出的观点和假设进行实证检验。虽然以往的研究多将政府政策视为推动能源效率提升和能源转型的主要力量（Acemoglu等人，2016；Chen和Wang，2022；Zhou等人，2025；Mohammed等人，2026），但我们强调了将数字经济视为一种被制度认可、具有独立意义的创新要素的重要性。我们展示了将数据要素作为投入要素如何提升资源配置效率，为理解颠覆性能源技术的运作机制提供了新的视角。第三，我们的研究也有助于创意破坏理论和技术锁定理论的研究。现有研究主要集中在能源效率以及颠覆性技术的负面外部性方面（例如Yajima和Nalin，2024；Li等人，2025b；Zhao等人，2025）。本文则揭示了一种更为根本的空间机制：邻近城市的数字经济与当地颠覆性能源技术的发展之间存在正向空间相关性，而邻近城市的颠覆性能源技术则会带来负向空间溢出效应。在追求颠覆性能源技术发展的过程中，邻近城市可能会寻求类似的技术突破，从而引发对有限资源的激烈竞争。通过信息共享和创新网络，数字经济可以降低能源技术扩散的门槛和成本，使邻近城市更容易获取和吸收先进的颠覆性能源技术。这表明，利用数字经济推动颠覆性能源技术的发展，对于应对城市间这种“竞合”关系至关重要。后续章节的结构如下：下一节将阐述模型以进行理论推导，第三节介绍研究方法，之后是实证结果分析部分。本研究的最终结论将为新兴经济体利用数字经济推动颠覆性能源技术发展提供概念分析和实证依据，并为政策制定者提出科学合理的政策建议。模型部分 为弥补研究数字经济与颠覆性能源技术之间关系的不足，我们将数字经济、能源生产和技术进步纳入一个内生模型。数字经济最核心的特征在于数据作为一种生产要素（Zhao等人，2025）。通过将数据和技术变量内生化，我们拓展了Jones和Tonetti（2020）构建的数字经济模型。这不仅有助于解释数字经济如何影响颠覆性能源技术，还能丰富相关理论体系。基准模型 为验证总体研究假设，我们采用Tang等人（2025）的方法，建立固定效应面板回归模型，分析数字经济对颠覆性能源技术的影响。模型方程如下：detit=β0+β1digit+β2cvit+λi+εit 其中，i代表城市，t代表时间。detit表示颠覆性能源技术，digit表示数字经济，cvit代表控制变量。λi表示不受时间影响的个体特征，εit为随机干扰项。我们的分析重点在于系数β1。基准模型结果 本文首先使用不包含控制变量的个体固定效应模型和时间固定效应模型，估算数字经济与颠覆性能源技术之间的关系。接着，加入控制变量。然后，更换因变量颠覆性能源技术的衡量方法，并进行稳健性检验。最后，利用城市地形波动程度、“宽带中国”项目以及“国家大数据综合试验区”等指标，解决变量之间存在双向因果关系导致的内生性问题。理论意义 数字经济已成为推动能源技术发展、助力能源转型革命的重要手段。从理论上讲，我们在其他研究的基础上（如Zhao等人，2025），构建并测试了一个新的内生增长模型，将数字经济作为数据驱动因素，能源技术作为生产要素纳入模型。从实证上看，本研究运用空间面板阈值模型，结合280个中国城市的面板数据，分析了数字经济与颠覆性能源技术之间的关系。CRediT作者贡献说明 王新鹏：撰写——初稿、方法论、正式分析、数据整理。周远：撰写——审阅与编辑、指导、方法论、资金获取、正式分析、概念构建。戴兴良：正式分析、数据整理。Seet Pi-Shen：撰写——审阅与编辑、指导、概念构建。