探究数字智能转型与产业结构升级对生态效率的协同效应：来自284个中国城市的证据

《Journal of Cleaner Production》：Uncovering the synergistic effects of digital–intelligent transformation and industrial structure upgrading on eco-efficiency:Evidence from 284 Chinese cities

　　•构建了DIT–ISU–生态效率协同框架。•揭示了从以沿海地区为核心的结构向多中心扩散网络的转变，节点的度中心性从2011年的0上升到112.89，再到2023年的0–422.63。•确定了主要的非线性驱动因素——大学（14.62%）、先进工业劳动力（13.11%）以及绿色全要素生产率（8.74%），并强调了这些因素之间的互补性及阈值效应。

引言
由于全球变暖，人类生活与地球生态系统目前正面临严峻威胁（Liu等人，2026年）。全球气温上升导致了极端天气事件的频发，如长期干旱、严重洪水以及前所未有的高温现象，进而破坏了社会结构、生产能力以及生活环境。与此同时，城市化进程加快、工业发展扩张以及经济活动加剧使得自然系统遭到破坏，引发了耕地面积锐减、水污染、土壤退化以及生物多样性丧失等环境问题。为应对这些紧迫的全球气候与生态挑战，联合国提出了17项可持续发展目标（SDGs）（联合国，2015年），为各国实现经济、社会与环境的协调发展提供了重要框架，旨在推动全球经济增长、保障生态与环境可持续性，并提升人类福祉。然而，如何有效结合经济进步与环境保护，依然是全世界学者和政策制定者面临的重大挑战。根据Nwani等人（2023年）以及Wang等人（2024a年）的定义，生态效率是指通过最大化价值产出同时最小化资源投入，从而优化生态资源利用以满足人类需求，其核心在于平衡经济目标与环境目标。尽管全球都在努力实现可持续发展目标，但仍有约40%的国家，尤其是发展中国家和新兴经济体，生态效率水平较低，这为提升生态效率带来了巨大机遇（Damania等人，2023年）。因此，深入研究提升生态效率的有效策略，对于实现可持续发展目标以及应对全球性的生态挑战具有至关重要的意义。

全球数字经济的快速发展正在深刻改变要素资源的配置方式、产业链的布局以及竞争格局。数字化智能化转型（DIT）作为一种依托数字技术与智能技术整合应用的经济与社会发展驱动力，显得尤为重要。在全球工业4.0的背景下，数字技术与人工智能技术的进步受到了广泛关注。数字技术为大规模数据处理与传输提供了基础设施，而由人工智能驱动的智能化转型则与数字化转型紧密融合在一起。这种融合提升了资源分配效率，促进了绿色技术创新，推动了产业结构向更高附加值、更低环境影响的方向发展（Huang等人，2025年；Ma等人，2025年）。现有研究表明，DIT能够有效应对气候变化问题并促进可持续发展（Guo和Xu，2025年；Zheng等人，2023年）。特别是在后疫情时代，DIT已成为各国推动经济增长、实现向低碳产业结构转型的关键战略选择（Ding等人，2025年；Han等人，2025年），它为提升生态效率提供了新的技术路径与发展机遇。

从更广泛的视角来看，DIT应被置于自动化与技术变革这一更宏大的进程中加以理解。自动化是人工智能与数字技术的重要应用形式，它的普及正在重塑生产组织方式、要素配置以及产业结构。现有研究指出，自动化不仅会影响生产力与经济结构，还会对环境状况产生影响（Acemoglu等人，2023年；Bauer等人，2021年）。尤其是近期有证据表明，自动化在推动经济转型过程中可能会带来意想不到的环境成本，因为它会加剧对高排放资本的依赖并引发结构性变化，从而导致短期内和中期内的碳强度上升（Dai和Ji，2026年；Qin等人，2025年）。这类研究暗示，新兴技术并不必然带来环境效益，其实际效果会受到产业结构变革、资本依赖程度以及区域适应能力等因素的制约（Acemoglu和Restrepo，2022年；An等人，2021年）。因此，将DIT置于自动化与技术变革的更大背景下来分析，有助于为理解数字化智能化转型如何与产业结构升级相互作用进而影响生态效率提供更为全面的理论基础。

重要的是，DIT的环境影响不太可能孤立存在。数字化智能化转型能否转化为持续的生态效率提升，在很大程度上取决于产业结构调整的方向与质量。这一关系可以从社会技术转型理论的角度来理解，该理论强调，可持续发展的转型并非仅由技术变革推动，而是技术、基础设施、产业体系、制度以及社会习俗共同演进的结果。一方面，DIT可以通过提高信息透明度、优化资源配置、加速技术传播以及重新组织生产流程，从而促进产业结构升级（Wang等人，2024b年）；另一方面，产业结构升级则为DIT带来的技术红利转化为更低的资源消耗、更低的污染强度以及更高的绿色价值创造创造了条件（Wang等人，2023年）。从这个意义上说，DIT与产业结构升级或许构成了一种协同的社会技术与产业转型过程，而非两个独立的生态效率驱动因素。这一逻辑也与生态现代化理论相契合，该理论认为，在适宜的制度与治理条件下，技术创新与产业结构升级能够共同推动环境改善（Mol等人，2013年；Wang等人，2026年）。此外，吸收能力理论指出，先进技术带来的益处取决于各地区识别、吸收并应用新知识与新技术的能力（Lee等人，2024年；Wang等人，2025年）。因此，DIT与产业结构升级相结合所带来的生态效率效应会因不同城市在人力资本、创新能力、数字基础设施以及制度准备程度方面的差异而有所不同。不过，现有文献尚未充分阐明这类协同效应的具体运作机制，也未明确DIT与产业结构升级的协同发展是否比单独发展两者能带来更强的环境效益。

已有大量研究致力于探讨生态效率问题，其目标是实现经济增长与环境绩效的和谐统一。其中一类研究侧重于生态效率的衡量方法及其空间或区域差异性。例如，Zhou等人（2018年）运用超级SBM模型，通过纳入非期望产出指标来评估生态效率；而Zhang和Liu（2021年）则采用DEA-SBM模型以提高生态效率评估的准确性。Wang等人（2017年）进一步拓展了这一研究方向，通过两阶段DEA框架分析了生态工业链的效率。在这些方法论进展的基础上，后续研究发现了生态效率在地区间存在的显著差异。在中国，东部沿海地区的生态效率通常高于内陆地区（Jiang等人，2024年；Jin等人，2020年；Zhang等人，2021年），在广东省内也存在着明显的空间差异（Wu等人，2022年）。这类研究为生态效率分析提供了重要的方法论基础，但其重点仍在于衡量与空间分布，而非探讨重大结构性变革是如何共同影响生态效率的。

另一类研究则着眼于生态效率的决定因素。有些研究采用单一因素视角，聚焦于特定驱动因素的作用。例如，技术创新被认为是提升生态效率的重要力量（Li等人，2022年；Yasmeen等人，2020年），环境监管也被认为具有显著影响（Rahim等人，2021年；Tsionas和Tzeremes，2022年）。还有些研究强调了产业结构与集聚效应的作用（Ait Sidhoum和Vrachioli，2025年；Yan，2025年），另有研究则探讨了全球化与资源禀赋的影响（Ashfaq等人，2024年）。与此同时，还有一部分研究采用多因素模型，将多种决定因素纳入同一分析框架，从而提供更为全面的实证分析基础（Rahim等人，2021年；Tsionas和Tzeremes，2022年）。然而，无论是基于单一因素还是多因素方法，大多数现有研究都将各解释变量视为独立或平行的影响因素，因此很少关注那些重大的变革力量之间是否存在互动、相互强化或共同决定生态效率结果的情况。在关于技术变革的文献中，这一问题尤为突出，因为相关研究大多仍聚焦于传统形式的技术进步，未能充分体现作为数字化与智能化相结合过程的DIT，是如何重塑生产系统、产业组织以及环境绩效的。

还有一些研究与当前课题更为直接相关，它们聚焦于DIT、产业结构升级以及二者对环境的影响。现有研究普遍表明，DIT可以通过激发技术创新、提升能源效率以及支持更绿色的生产模式来改善环境绩效（Badeeb等人，2023年；Rahim等人，2021年）。在企业层面，人工智能与数字化进步同样被认为有助于实现环境可持续性并提升生产力（Zhang等人，2023年；Zhou等人，2025年）。与此同时，产业结构升级因其能够推动经济向知识密集型、技术密集型和服务型行业转型，从而降低对资源的依赖程度并减少污染排放，因此被广泛视为实现高质量发展的重要途径，这有助于提升环境质量与绿色经济效率（Yu和Wang，2021年）。有些研究进一步探讨了DIT与产业结构升级之间的关系。例如，Zhang和Zhao（2024年）发现，数字经济能够显著推动资源型城市的产业升级，而Hao等人（2023年）以及Hu和Li（2024年）则表明，数字经济的发展可通过产业升级提升绿色全要素生产率并促进绿色增长。

尽管已有诸多研究成果，但现有文献仍存在若干重要空白。首先，目前的生态效率研究主要集中于衡量方法、空间差异性以及选定决定因素的独立效应，而对于重大结构性变革是如何共同影响生态效率，则关注不足。其次，虽然现有研究分别证实了DIT与产业结构升级的环境意义，但很少将二者视为一个相互依存且协同发展的整体过程。大多数研究仍然分别考察DIT对生态效率的影响、产业结构升级对生态效率的影响，或是DIT对产业升级的贡献。第三，也是更为关键的一点，现有文献尚未明确判断DIT与产业结构升级的协同发展是否能带来超出各自单独作用之外的额外生态效率提升，也未清晰阐述在不同结构条件下这类协同效应产生的机制。因此，目前缺乏一个能够整合DIT、产业结构升级与生态效率的系统性分析框架，用以评估二者协同发展的综合效应及其背后的作用机制。

为弥补上述不足，本研究从生态效率的角度出发，探讨DIT与产业结构升级的融合发展，旨在阐明二者如何通过协同机制与实际效应共同影响生态效率。鉴于新兴技术既可能带来绿色效益，也可能产生意想不到的环境成本，本研究构建了一个综合分析框架，通过结合时空演化分析、空间网络特征描述以及协同机制识别，将DIT与产业结构升级融合发展的特点与生态效率结果联系起来。总体研究框架与技术路线如图1所示。基于这一框架，本研究为相关领域做出了三项主要贡献。首先，它对中国范围内DIT与产业结构升级的融合发展进行了系统的城市层面研究，揭示了其时空演化规律、区域差异以及空间关联特征，从而丰富了人们对技术与社会产业协同转型过程中多元发展特征的认知。其次，它突破了以往将DIT与产业结构升级视为独立决定因素的研究惯例，而是将其融合发展视为一项协同过程，从而将生态效率研究从分析独立效应提升到了分析协同效应的高度。第三，它进一步明确了DIT与产业结构升级融合发展到实现生态效率提升的关键驱动因素、互动效应以及结构条件，从而阐明了协同转型的内在机制与实现路径。

据此，本研究围绕三个核心研究问题展开：（1）DIT与产业结构升级的融合发展具有怎样的时空演化特征与空间关联特点？（2）DIT与产业结构升级的融合发展是否会对生态效率产生显著的协同驱动效应？（3）这种协同效应是通过哪些驱动因素、互动效应以及结构条件实现的？回答这些问题将为理解数字化智能化转型与产业结构升级在推动可持续发展中的共同作用提供更为坚实的理论基础，同时也能为提升生态效率提供具有政策参考价值的见解。DIT代表了一种通过智能监控、预测分析以及自动化资源优化来提升资源生产率的技术路径；ISU则体现了生产系统向更高效利用资源、注重循环经济的工业形态的结构性转变。二者相互协作，共同发挥作用。指标体系与数据基于图2中的概念阐述以及指标体系的初步构建，本研究采用皮尔逊相关分析方法，用以衡量DIT与ISU初始指标之间的关系。采用这种方法是为了避免DIT和ISU指标体系内部变量可能带来的内生性问题，这些变量可能会干扰后续对生态效率驱动机制的分析。根据分析结果（附录A表A.10），2011年至2023年间，中国在DIT、ISU以及生态效率方面的发展轨迹存在差异（见图3）。在研究期间，中国的DIT水平较低，但呈现出显著且持续的增长态势（见图3a）。以北京、深圳、上海和杭州为代表的城市的DIT指数增长迅速，尤其是在2016年至2023年期间，增长速度尤为明显。这些领先城市发挥了重要作用。讨论在工业4.0时代，数字智能技术推动了企业的智能化运营以及商业模式的创新（Fang等人，2023）。虽然数字化和智能化是实现可持续发展目标的重要途径，但全球范围内的数字智能转型在发达国家与发展中国家之间，以及各国不同地区和人群之间存在着明显的发展差异（Li和Wang，2022；Zhang等人，2022b）。本研究验证了这一现象。结论本研究运用复杂网络分析以及XGBoost - SHAP机器学习方法，结合2011年至2023年间中国284个城市的面板数据，系统地研究了数字智能转型与产业结构升级及其融合发展对生态效率的影响机制。我们明确了DIT、ISU、二者融合发展以及生态效率的时空演化规律，并揭示了其发展状况。CRediT作者贡献声明吴美玲：概念构建、数据整理、正式分析、研究设计、方法论、软件应用、验证、可视化、初稿撰写、审稿与编辑。刘伟：概念构建、数据整理、正式分析、资金获取、研究设计、方法论、项目管理、资源协调、软件应用、监督指导、初稿撰写、审稿与编辑。张荣光：正式分析、资金获取、研究设计、方法论、项目管理。利益冲突声明作者声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。致谢作者感谢审稿人提供的专业意见和宝贵建议。本研究得到了国家社会科学基金重大课题[项目编号：25JYA04773]、国家自然科学基金[项目编号：72504160]以及中国博士后科学基金[项目编号：2024M761575]的资助。吴美玲|刘伟|张荣光|岳玉英