《Sustainability》：From Energy Burden to Efficiency Gain: Nonlinear and Spatial Effects of Digital Infrastructure on Carbon Emission Efficiency
编辑推荐：
摘要：数字基础设施（DI）在低碳转型中扮演双重角色。它既支持经济运行，又消耗大量能源。本研究利用2011年至2024年中国长三角地区41个城市的数据，探讨DI对碳排放效率（CEE）的影响。本研究采用的方法包括双向固定效应模型、中介效应分析、面板门槛模型和空间杜
摘要：数字基础设施（DI）在低碳转型中扮演双重角色。它既支持经济运行，又消耗大量能源。本研究利用2011年至2024年中国长三角地区41个城市的数据，探讨DI对碳排放效率（CEE）的影响。本研究采用的方法包括双向固定效应模型、中介效应分析、面板门槛模型和空间杜宾模型。研究结果显示，DI对CEE的影响呈U型。产业升级和技术创新是DI影响CEE的潜在渠道。能源效率存在8.533的单一门槛值。当能源效率超过该门槛值时，DI能提升CEE。空间分析表明，DI的直接效应和间接效应均呈U型。异质性分析表明，DI的环境影响因资源禀赋、政策环境和经济发展水平而异。本研究为全球城市群平衡数字化转型与可持续发展提供了见解。
在全球数字化转型与碳中和目标交汇的时代背景下，数字基础设施（DI）的环境效应已成为学术界和政策制定者关注的焦点议题。既有研究对DI与碳排放效率（CEE）之间的关系存在截然不同的结论，其根源可能在于DI同时具备“能源负担”与“效率增益”双重属性：一方面，DI的建设和运营需要大量电力投入，尤其在AI大规模训练和模型推理快速增长的背景下，算力需求的激增进一步加剧了能源压力；另一方面，DI能够降低信息摩擦、优化资源配置、促进技术创新和产业升级，从而降低单位产出能耗。这两种效应在时间维度上的错位——能源成本即时显现而效率收益存在时滞——可能是导致既有研究结论分歧的关键。此外，现有文献多聚焦于平均效应，对DI影响CEE的动态变化、作用机制的条件性以及跨区域的空间溢出效应关注不足。基于此，研究人员以中国长三角（YRD）地区41个城市2011—2024年的面板数据为样本，系统考察了DI对CEE的非线性影响及其空间溢出效应。
研究发现，DI对CEE的影响呈U型特征，即随着DI发展水平的提升，其对CEE的影响由抑制转为促进。产业升级（IU）和技术创新（TI）是DI影响CEE的两个重要传导渠道，其中DI对IU的影响呈倒U型而对TI的影响呈U型。能源效率（EN）存在显著的单一门槛效应，门槛值为8.533（万元/吨标准煤），当EN跨越该门槛后DI对CEE的正向效应才得以显现。空间杜宾模型（SDM）的估计结果显示，DI的直接效应和间接效应均呈U型，表明其非线性影响能够跨越行政边界传导至邻近城市。异质性分析进一步表明，DI的环境效应因资源禀赋、政策环境和经济发展水平的不同而呈现差异化特征。
该项研究成果发表于《Sustainability》期刊。研究在理论层面构建了“从能源负担到效率增益”的分析框架，突破了“数字化是否有利于环境”的二元争论，将研究问题转向“数字化如何在特定条件下实现环境增益”。在实践层面，研究识别了能源效率这一关键调节条件，为不同发展阶段的地区制定差异化的数字化转型战略提供了实证依据。研究的空间效应分析也为城市群尺度的DI协同规划与区域环境治理合作提供了重要启示。
研究人员在方法层面运用了多项关键计量技术。核心被解释变量CEE采用全局超效率松弛测度（SBM）模型测算，投入产出指标体系涵盖资本、劳动力和能源投入，含意产出为实际GDP，非含意产出为碳排放。核心解释变量DI基于通信网络、数据中心和云计算平台等多维度指标，采用熵值法合成综合指数。机制变量IU采用三次产业加权法测算，TI以每百人发明专利授权数衡量。门槛变量EN以实际GDP与能源消费总量的比值表示。在因果识别策略上，研究人员采用双向固定效应模型为基准回归，并通过工具变量法（2SLS）处理内生性问题，工具变量选取地形起伏度与时间趋势的交互项、1984年邮政机构数量与时间趋势的交互项。空间效应分析采用地理距离矩阵，通过LM、LR、Wald及Hausman检验确定空间杜宾模型（SDM）为最优设定。数据来源方面，碳排放栅格数据取自EDGAR数据库并借助ArcGIS 10.7进行城市层面提取，其余数据取自《中国城市统计年鉴》《中国城市建设统计年鉴》及地方统计年鉴。
基准回归结果表明，DI对CEE的影响呈U型。线性项系数显著为负，平方项系数显著为正，U型检验在1%水平上显著，拐点值为0.423。2024年仅有上海、南京、无锡、苏州、杭州、宁波和合肥7个城市跨越该拐点，多数城市仍处于U型曲线的左侧下降阶段。这一发现经过缩尾处理、滞后一期、替换DI测算方法（熵权TOPSIS法）、替换CEE测算方法（全局SBM模型）以及剔除直辖市和省会城市等一系列稳健性检验后依然成立。内生性处理方面，2SLS估计结果与基准回归一致。
机制分析结果表明，DI对TI的影响呈U型，对IU的影响呈倒U型。TI对CEE具有显著正向促进效应，而IU对CEE的线性影响为负，加入平方项后呈U型。这一发现表明，在数字化转型初期，基础设施建设投资可能对创新活动产生挤出效应，产业结构调整过程中新旧产业并存带来的调整成本会暂时削弱CEE；随着数字化能力的成熟和效率增益的累积，TI和IU的环境正效应逐步释放。
门槛效应分析验证了能源效率的调节作用。当EN低于8.533时，DI对CEE的影响为正但不显著，表明能源负担效应占据主导；当EN跨越该门槛后，DI对CEE呈现显著正向影响，效率增益效应开始超越能源成本。这一结果证实了能源效率是DI实现环境效益的关键前提条件。
空间效应分析方面，莫兰指数（Moran's I）在多数年份显著为正，表明DI和CEE均存在显著的空间自相关性。SDM模型的直接效应和间接效应均呈U型，说明DI不仅影响本地CEE，还通过技术扩散、知识溢出、产业转移和资源虹吸等渠道对邻近城市产生非线性的空间溢出效应。在DI发展初期，核心城市对周边资源产生虹吸效应并伴随污染产业转移，抑制了邻近地区的CEE；随着DI网络外部性增强，信息共享、技术扩散和区域协同创新机制逐步完善，空间正外部性开始显现。
异质性分析揭示了三组差异化特征。第一，资源型城市中DI对本地及邻近地区CEE的影响呈倒U型，非资源型城市则呈U型。资源型城市面临较强的产业路径依赖，数字化转型的长期环境收益有限。第二，低碳试点城市中DI的本地效应和空间溢出效应均呈U型，非试点城市的空间溢出效应为负，表明低碳政策在放大DI环境正效应方面发挥关键作用。第三，经济发达城市中DI的本地效应和溢出效应均呈U型，欠发达城市的空间溢出效应呈倒U型，反映出区域发展能力对数字化转型环境绩效的约束作用。
在讨论部分，研究人员将研究置于AI时代背景之下，指出全球数据中心电力消费的快速增长使得“数字化是否绿色”的简单追问已不足以应对现实挑战，核心议题应转向“如何使数字化变得绿色”。研究强调，YRD地区的经验虽具有代表性，但不同地区的能源结构、产业基础和政策环境差异意味着研究结论的外推需保持审慎。研究人员同时指出本研究的局限：未直接测量能源成本与效率收益之间的时间滞后长度，未来可结合企业层面数据、数据中心运营数据或动态模型加以深化。
研究结论可归纳为以下五点：第一，DI对CEE具有U型影响，该结论经过系列稳健性与内生性检验后依然成立；第二，IU和TI是DI影响CEE的潜在渠道，其中DI对IU呈倒U型影响而对TI呈U型影响，IU对CEE的线性影响为负而加入平方项后呈U型，TI能够促进CEE；第三，能源效率决定DI正效应显现的时机，门槛回归揭示能源效率存在8.533的单一门槛值，当能源效率超过该值时DI对CEE呈现正向影响；第四，SDM模型结果表明DI的直接效应和间接效应均呈U型，其非线性影响可跨越行政边界；第五，异质性分析表明DI的影响因资源禀赋、政策环境和经济发展水平而异。基于上述发现，研究从DI与能源系统协同发展、数字技术融入生产活动、区域协调视角的DI规划以及基于区域发展条件的差异化转型战略四个方面提出了政策建议。
