气候风险、人工智能与区域产业链韧性

《Sustainability》：Climate Risk, Artificial Intelligence, and Regional Industrial Chain Resilience

　　

气候风险日益威胁区域产业链韧性，而人工智能（AI）为缓解其影响提供了新工具。利用2008年至2023年中国167个地级市的面板数据，本研究考察了气候风险对区域产业链韧性的影响以及人工智能的调节作用。气候风险显著削弱产业链韧性，而人工智能能够缓解这一不利影响。这两种效应在东部、东北部及沿海地区以及大型和工业城市中均显著。人工智能的调节作用在人工智能发展水平较低的城市中更为明显，而高温和干旱造成的损害更大。机制分析表明，气候风险显著抑制产业结构升级、全要素生产率和产业协同集聚，而人工智能能够缓解这些负面影响。气候风险还产生负向的跨区域溢出效应，而人工智能则产生正向的调节性溢出效应。这两种效应均集中在冲击发生后的前三年内。这些发现阐明了气候风险如何通过产业链传播，并证明了人工智能在风险治理中的价值，凸显了及时且因地制宜地部署智能技术的必要性。

**气候风险、人工智能与区域产业链韧性：影响机制与调节效应研究**

**一、研究背景与问题提出**

工业产业链是区域经济活动的重要载体，也是风险传播的关键渠道。产业链韧性不仅决定了区域经济在面临外部冲击时能否维持稳定运行、实现恢复与适应，还关系到传统产业升级、新兴产业培育以及现代产业体系的有效运转。过去三十年间，全球气候变化加剧，极端天气事件频发。据德国观察组织统计，全球共发生超过9700起极端天气事件，造成逾83.2万人死亡和约4.5万亿美元的直接经济损失。中国也深受气候变化影响，1961年至2023年间年平均地表温度每十年上升0.3°C，超过同期全球平均水平。气候风险不仅会直接破坏生产设施和交通基础设施，还会通过产业间的投入产出关联引发连锁性中断，包括生产停滞、物流瓶颈和能源短缺，暴露出既有产业体系在气候冲击下的结构性脆弱性。

与此同时，人工智能的快速发展为应对气候相关干扰提供了新的技术可能性。现有研究主要关注人工智能在正常运行条件下对产业链韧性的增强作用，而对人工智能能否以及在何种条件下缓冲气候风险这一外部冲击的理解尚不充分。常规商业波动通常具有局部性和一定程度的可预测性，企业可通过库存缓冲和多元化采购等常规策略加以应对。相比之下，气候风险往往具有长期累积效应、突发冲击和跨区域传导等特征。因此，将气候风险、人工智能与区域产业链韧性纳入统一分析框架进行实证检验，具有重要的理论和现实意义。

**二、研究设计与主要结论**

研究人员利用2008年至2023年中国167个地级市的面板数据，构建了涵盖气候风险、人工智能与区域产业链韧性的计量经济模型。研究采用熵权法综合衡量产业链韧性的抗风险能力和创新驱动恢复能力，以极端天气事件发生天数占比测度气候风险，并借鉴Acemoglu和Restrepo的方法计算城市层面工业机器人渗透率作为人工智能发展水平的代理变量。基准回归结果显示，气候风险对区域产业链韧性具有显著的负向影响，而人工智能与气候风险的交互项系数显著为正，表明人工智能能够缓解气候风险的不利影响。经过一系列稳健性检验（包括替换核心变量测度、调整样本期、缩尾处理、剔除直辖市、更换固定效应结构和加入额外控制变量）以及工具变量估计、滞后变量和倾向得分匹配等内生性处理后，上述结论保持稳健。

**三、主要关键技术方法**

本研究采用的主要技术方法包括：一是基于熵权法的产业链韧性综合评价方法，从工业多样性和发明专利授权数量两个维度测度城市产业链韧性；二是工业机器人渗透率计算方法，参考Acemoglu和Restrepo的方法计算城市层面机器人存量与增量渗透率；三是空间计量模型（包括空间杜宾模型SDM、空间自回归模型SAR和空间自回归综合模型SAC），基于经济距离权重矩阵和经济地理嵌套权重矩阵检验空间溢出效应；四是工具变量法，采用Bartik式工具变量、留一均值工具变量和滞后项进行两阶段最小二乘估计；五是倾向得分匹配法，基于logit模型进行卡尺内1:1最近邻匹配。数据来源于CSMAR数据库、EPS数据库、中国城市统计年鉴及城市统计公报。

**四、研究结果**

**4.1 基准分析**

基准回归结果表明，气候风险在5%及以上水平显著降低区域产业链韧性，而人工智能与气候风险的交互项系数显著为正，证实了人工智能的调节效应。所有变量间的最大相关系数为0.757，平均方差膨胀因子为2.31，不存在严重的多重共线性问题。

**4.2 异质性分析**

地理区位异质性方面，气候风险的不利影响在东部、东北部和沿海城市显著，在中央和西部城市不显著；人工智能的调节作用同样集中在东部、东北部和沿海城市。城市规模异质性方面，气候风险的负向效应在大型城市更为明显，人工智能的缓冲作用也在大型城市更强。产业基础异质性方面，工业城市的产业链对气候风险更为敏感，人工智能的调节效应在工业城市中更显著。人工智能发展水平异质性方面，高人工智能城市的产业链韧性受气候风险影响略弱，但低人工智能城市表现出更强的人工智能边际调节效应，支持了人工智能与城市韧性之间的倒U型关系。气候风险类型异质性方面，极端高温和极端干旱对产业链韧性的不利影响更为显著，人工智能对这两类风险具有显著的缓冲效应，而极端低温和极端降雨的直接效应和交互效应均不显著。

**4.3 机制分析**

机制检验表明，气候风险显著抑制产业结构升级、全要素生产率和产业协同集聚三个机制变量，而人工智能与气候风险的交互项在这三个方程中均显著为正。这说明气候风险通过阻碍产业结构高级化、降低全要素生产率和削弱产业协同集聚来损害产业链韧性，而人工智能能够有效缓解这些不利影响，从而支持了研究假设H2至H4。

**4.4 空间溢出效应**

空间计量分析表明，气候风险不仅降低本地区产业链韧性，还对邻近城市产生负向空间溢出效应；人工智能的调节效应同样存在跨区域溢出，能够缓解气候风险的跨区域传导。产业链韧性本身呈现显著的正向空间依赖，表明城市间的产业链韧性存在实质性关联。

**4.5 时间动态效应**

利用气候风险及其与人工智能交互项的一至四年滞后项进行的回归显示，气候风险的不利影响在前三年保持显著，第四年不再显著；人工智能的调节效应同样在前三年显著，第四年后减弱。这表明气候冲击的影响和人工智能的缓冲作用均集中在冲击发生后约三年的中期时间窗口内。

**五、讨论与结论**

研究结论部分指出：第一，气候风险显著削弱区域产业链韧性，人工智能能够缓解其不利影响，这一结论在系列稳健性检验和内生性分析后保持稳健；第二，气候风险与人工智能的效应呈现显著的区域和城市异质性，极端高温与极端干旱是损害产业链韧性的主要气候风险类型；第三，产业结构升级、全要素生产率和产业协同集聚是气候风险影响产业链韧性和人工智能发挥调节作用的重要渠道；第四，气候风险与人工智能均具有跨区域效应，产业链韧性存在显著的空间依赖性；第五，气候风险的不利影响和人工智能的缓冲效应均在前三年保持统计显著，第四年后不再显著。基于上述发现，研究人员提出加速人工智能与气候风险管理融合、制定差异化的人工智能支持政策、通过产业链数字化转型强化韧性渠道、建立跨区域气候适应与产业链协调机制、强化气候冲击动态响应机制等政策建议。研究同时指出，工业机器人渗透率作为人工智能发展代理变量的局限性、因果识别条件的改进空间以及样本限于中国地级市所带来的外部效度约束，为未来研究提供了方向。该论文发表在《Sustainability》期刊。