中国人工智能产业作为碳关联生产系统：隐含排放、结构路径与需求侧驱动

《Systems》：China’sArtificial Intelligence Industry as a Carbon-Linked Production System: Embodied Emissions, Structural Paths and Demand-Side Drivers

　　

人工智能（AI）通常通过模型与数据中心所用电力进行评估，致使通过更广义生产系统转移的碳排放未能被充分解析。研究人员将中国人工智能产业从广义信息通信技术（ICT）部门中拆分出来，构建了2015年、2017年、2020年与2023年可比较的31部门环境扩展投入产出（EEIO）账户，并将隐含排放核算与关联分析、结构路径分析（SPA）及结构分解分析（SDA）相整合，以量化碳足迹、定位关键供应链路径并解释时序变化。人工智能相关隐含CO2排放由2015年的140.03 Mt增至2023年的324.37 Mt；2023年间接排放达187.01 Mt且持续高于直接排放，后向关联始终强于前向关联；约半数足迹集中于前三个生产层级，其他ICT、电力热力、交通运输、金属及非金属矿物构成最大短路径。当期价格SDA显示，2020—2023年国内最终需求关联增量为138.82 Mt，压倒生产结构变化带来的20.24 Mt减排量。结果将人工智能脱碳重铸为系统治理问题：运营效率须与需求管理、低碳电力、硬件循环性及定向上游采购相耦合。

研究背景方面，限制温升需快速削减互联互通的生产与消费系统温室气体排放。人工智能作为通用目的技术可提升可再生能源预测、工业控制与气候风险管理，但其扩张同时拉高算力、电力、冷却、半导体、通信网络与专用设备需求，形成系统级气候困境：局部减排可能被异地转移或放大。既有研究多聚焦训练或推理的运行电力，生命周期研究虽纳入设备制造与闲置基础设施，仍难揭示通过外购电力、硬件、建筑、物流与中间服务诱发的经济wide排放。环境扩展投入产出（EEIO，environmentally extended input–output）提供自顶向下边界，但既有ICT与数字经济研究常将人工智能聚合在宽泛门类内，且时间序列多早于生成式人工智能加速期。中国案例兼具快速部署、电子装备制造规模、数字服务市场与仍在脱碳的电力结构，故将人工智能视为嵌入国家供应链的社会技术生产系统具有典型性。该研究发表于《Systems》。

关键技术方法上，研究人员基于中国战略性新兴产业分类从合并ICT门类中拆解人工智能部门（S20）并留存其他ICT（S21），构建31部门可比账户，基准年2015、2017、2020、2023，经济表源自国家统计局年鉴体系，CO₂强度源自CEADs生产法领土账户。方法链包含四类：其一，EEIO核算，以Leontief逆矩阵L=(I?A)^?1将直接强度向量f传导至最终需求向量q=y+e得到隐含排放；其二，关联系数（影响系数测后向拉动、感应度系数测前向敏感）；其三，结构路径分析（SPA）将L展开为Tier 0至Tier 5+显式供应链路径；其四，Shapley型完全结构分解（SDA）将两基准年排放差无残差分解为直接碳强度f、生产结构L、国内最终需求y与出口e四类效应。所有货币流为当年生产者价格，故需求项含实物与价变混合效应。

研究结果部分，4.1节直接间接排放显示，人工智能相关隐含CO₂由2015年140.03 Mt升至2023年324.37 Mt，2023年直接137.36 Mt、间接187.01 Mt，间接占比降至57.65%但绝对量较2020年增44.37 Mt，说明并非上游负担减轻而是直接端扩张更快。4.2节关联效应指出，影响系数由2015年0.825降至2023年0.861（相对值，非绝对收缩），感应度系数由0.476单调升至0.603，影响—感应差由0.348收窄至0.258，表明人工智能后向依赖仍大于前向枢纽度，但下游渗透持续增强。4.3节生产层级与关键碳路径表明，Tier 0–2占足迹比在2023年为49.02%，Tier 0单占21.91%；前20条短路径合计72.16 Mt（占22.25%），2023年最大路径为其他ICT→人工智能（13.71 Mt），其后为电力热力→人工智能（9.05 Mt）与其他ICT→其他ICT→人工智能（7.56 Mt），金属冶炼、非金属矿物、运输反复作中介，证明“轻资产”叙事失真。4.4节排放变化驱动显示，2015—2017年国内需求+48.93 Mt压倒结构变化?20.93 Mt；2017—2020年国内需求+81.54 Mt被强度?39.82 Mt与结构?18.25 Mt抵消七成；2020—2023年国内需求+138.82 Mt，结构变化?20.24 Mt，强度与出口近似互抵，需求扩张贡献约为结构节约的6.9倍。

讨论部分总结，人工智能应被理解为碳关联生产系统，间接排放主导与短路径集中意味着杠杆点可触达：电力采购、云服务、服务器、网络设备、建材与物流的含碳标准即可覆盖多数接口。关联不对称说明其尚未成经济wide枢纽但下游扩散上升，敏感行业（建筑、其他服务、非AIICT）亦须承担模型选型与反事实核算责任。SDA表明国内需求增长压倒结构节约，效率提升伴随反弹风险，故须绝对碳预算与强度目标并行。治理须四层协同——运营层调度与匹配、供应链层嵌入含碳采购、循环层延长硬件寿命与再生金属、需求层择优低资源模型——孤立干预将引致负担转移。局限在于AI非官方单列部门、拆解依赖分配系数、当年价混淆实物与价格、单一区域表忽略省际电力与布局差异。

结论部分译文：通过从其他ICT中拆分人工智能，该研究表明中国人工智能产业不能理解为孤立计算设施的集合，而是其碳绩效由国内需求、电力、数字基础设施、硬件、材料、运输与下游用户交互涌现的生产系统。隐含CO₂由2015年140.03 Mt升至2023年324.37 Mt，间接排放仍为主成分。系统后向关联强于前向关联，下游角色渐增，短高碳路径集中；其他ICT与电力热力为最关键接口，运输、金属与非金属矿物将似无形的人工智能经济锚定于物理生产。决定性时序发现是2020年后加速由国内最终需求而非生产结构恶化驱动，结构变化仅抵消2020—2023年需求贡献的14.58%。效率与结构优化必要但不充分。可信脱碳战略须将运营改进与绝对碳预算、低碳电力、含碳采购、硬件循环及差异化需求治理配对；更广义意涵是方法论与实践双重——人工智能气候绩效应在其动员的社会技术系统层面评估，边界显式化并反复核查跨部门与跨阶段负担转移。