人工智能的环境影响

《Journal of Environmental Management》:Environmental outcomes of artificial intelligence

【字体: 大 中 小 】 时间:2026年08月01日 来源:Journal of Environmental Management 9.2

编辑推荐:

  研究人员研究了一个由30个发达经济体(EU-27、美国、英国和日本)组成的平衡年度面板数据集(1995-2020年)中人工智能(AI)采纳的宏观环境后果。研究人员同时考察了基于领土(生产端)和基于消费的二氧化碳(CO2)排放,以考虑贸易隐

  
研究人员研究了一个由30个发达经济体(EU-27、美国、英国和日本)组成的平衡年度面板数据集(1995-2020年)中人工智能(AI)采纳的宏观环境后果。研究人员同时考察了基于领土(生产端)和基于消费的二氧化碳(CO2)排放,以考虑贸易隐含碳,并使用ND-GAIN适应能力指数评估了适应能力。AI通过一个捕获有形和无形AI相关资产的AI资本存量指标进行衡量。实证上,研究人员使用Driscoll-Kraay标准误估计了固定效应模型,并使用IV-2SLS设计(以来自主要全球创新中心的地理过滤专利申请冲击作为国内AI的工具变量)加强了排放结果的因果解释。然后,研究人员使用面板局部投影追踪了排放和气候准备度对意外AI增长冲击的动态响应。结果显示,较高的AI存量与较低的排放相关,IV估计支持中期存量规格中的减排效应。动态证据更为细致:领土排放量在AI增长冲击后上升,在中期左右达到峰值,然后缓解,而基于消费的排放下降得更持久。AI冲击后,气候准备度也稳步改善。总之,研究结果表明,AI可以支持发达经济体的脱碳和韧性,但其环境收益取决于部署路径和吸收AI相关需求的能源系统。
研究背景与问题:气候变化是当前核心政策挑战,联合国将其描述为当代决定性危机。人工智能(AI)正逐渐渗透到经济生产、能源系统、交通、气候科学和私人决策中,成为一种气候相关技术。AI的环境效应复杂:一方面,数据中心、硬件、冷却系统等产生直接环境压力;另一方面,AI可通过优化预测、监控、控制等途径减少排放。然而,效率提升可能引发反弹效应,增加整体需求。现有研究多使用机器人、专利等代理变量,聚焦于生产端排放或碳强度,缺乏对消费端碳排放和气候适应能力的综合评估,且未充分考虑贸易隐含碳。因此,研究人员开展本研究,旨在回答三个问题:AI采纳如何影响碳排放?其对领土排放和消费端排放的影响是否不同?AI是否改善气候适应能力,且这种效应是即时还是随时间展开?

研究内容与结论:研究人员利用30个发达经济体(EU-27、美国、英国、日本)1995-2020年的平衡年度面板数据,以AI资本存量衡量AI采纳,考察领土排放、消费端排放以及ND-GAIN适应能力指数。固定效应估计显示,更高的AI存量与更低的排放相关;工具变量(IV-2SLS)估计基于地理过滤的全球创新中心专利申请冲击,进一步支持了中期存量规格的减排效应。局部投影动态分析表明:领土排放对AI增长冲击的反应是先上升(约8-9年达峰),随后回落;消费端排放则持续下降;气候适应能力在冲击后稳步改善。研究发表在《Journal of Environmental Management》。结论表明,AI可支持发达经济体的脱碳和韧性,但环境收益取决于部署路径和吸收AI相关需求的能源系统。

主要技术方法:(1)固定效应模型(Driscoll-Kraay标准误):用于估计AI存量与排放的关联,控制国家固定效应、危机虚拟变量及理论框架推导的控制变量(收入、可再生能源、能源价格、贸易、城市化、工业化)。(2)工具变量两阶段最小二乘法(IV-2SLS):以地理过滤的全球创新中心(美国、中国、英国、德国、法国、韩国、加拿大、以色列、印度、新加坡)专利申请冲击作为国内AI的工具变量,其中复合工具和单独的中国、韩国工具变量均被采用,通过距离衰减核函数(κ=4500 km)加权,以增强排放结果因果解释。(3)面板局部投影(LP,Jordà方法):估计AI增长冲击(通过一步预测误差构建的标准化创新变量)对碳排放和气候适应能力在0-15年内的动态响应,控制滞后期结果变量和滞后控制变量。(4)样本来源:30个发达经济体(EU-27、美国、英国、日本),数据来自全球碳地图、ND-GAIN、Skare等(2024)AI资本存量、世界发展指标(WDI)、IMF、WIPO等。

研究结果:
- 固定效应模型(Driscoll-Kraay标准误):AI系数在所有模型中均为负。领土排放(TCO)弹性为-0.195(1%显著),消费端排放(CCO)弹性约为-0.042(10%显著)。控制变量符合理论预期:可再生能源(REN)负相关,GDP正相关,进口(IMP)正相关,出口(EXP)负相关,工业化(IND)负相关,城市化(URB)不显著。
- 工具变量(IV-2SLS)估计:复合工具下,TCO弹性为-0.502(1%显著),CCO在增强模型(含都市化和工业化)中为-0.275(10%显著)。中国-韩国双工具规格下,TCO弹性为-0.880,CCO弹性为-0.893和-0.769(均1%显著)。第一阶段F统计量、Kleibergen-Paap LM检验、Anderson-Rubin弱IV检验均支持工具相关性和排除限制,Hansen J检验不拒绝过度识别约束。
- 局部投影(LP)动态响应:TCO在1个标准差AI增长冲击后上升,于8-9年达到约4%的峰值,随后回落;CCO在初期接近零,随后持续下降,至15年时约-0.09(模型2)或-0.06(模型3);气候适应能力(READ)逐渐上升,至15年时约0.020。替代冲击构建(增加滞后的城市化、工业化、贸易控制)结果相似。
- 讨论与稳健性:固定效应和IV估计提供中期存量效应,而LP揭示动态调整路径,说明AI部署初期增加领土排放,但积累的AI存量通过效率提升降低排放。消费端排放的持续下降支持供应链优化和脱碳效应。可再生能源渗透率异质性显示,较低初始可再生能源国家中领土排放上升更明显。气候适应能力提升表明AI可增强信息系统、风险分析、监控能力。稳健性检验包括面板单位根、协整、滞后敏感性、剔除爱尔兰和卢森堡、IV假检验等,均支持主要结论。

总结讨论部分:研究人员指出,AI的环境效应取决于三个相互关联的维度。固定效应估计捕捉了AI存量与排放的负相关关系,IV估计强化了因果解释,表明中期内更高的AI存量降低排放。局部投影显示,AI增长冲击后领土排放先升后降,消费端排放持续下降,气候适应能力稳步提升。这一模式与资源分配解释一致:AI部署初期因计算基础设施、投资等增加能源需求,随后效率提升显现。可再生能源异质性表明,AI的排放效应强烈依赖能源系统碳强度。整体而言,AI可支持发达经济体的脱碳和韧性,但环境收益具有路径依赖性。

研究结论部分翻译:本文研究了AI的扩散是否支持脱碳和气候韧性,还是其自身资源需求削弱了这些收益。利用1995-2020年30个发达经济体的平衡面板,研究人员考察了AI采纳对领土(生产端)和消费端碳排放以及ND-GAIN适应能力指数的影响。固定效应估计显示,更高的AI存量与更低的排放相关;基于地理过滤专利申请冲击的工具变量估计增强了中期存量减排效应。局部投影提供了动态视角:在AI增长意外加速后,领土排放在部署阶段上升,于中期左右达峰,随后缓解,而消费端排放初期基本平稳,随后在更长时期内下降。气候适应能力在AI冲击后持续提升,与AI强化信息系统、风险管理和制度能力一致。综上所述,结果表明AI采纳可支持发达经济体的脱碳和气候韧性,但排放收益取决于部署路径和AI规模化所依赖的能源系统。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号