人工智能与环境可持续性：OECD国家承载能力因子（LCF）的非线性分析

《Scientific Reports》：Artificial intelligence and environmental sustainability: a nonlinear analysis of the load capacity factor in OECD countries

　　

在人工智能（AI）快速扩张与生态约束日益受到关注的背景下，理解新兴技术的环境后果变得越来越重要。本研究以承载能力因子（LCF）作为环境可持续性的代理指标，考察人工智能与环境可持续性之间的非线性关系，并考虑贸易开放度的调节效应。基于1993年至2023年OECD国家的面板数据，实证结果表明人工智能与LCF之间存在显著的U型关系。具体而言，AI最初会降低LCF，但在超过某一阈值后则会提升环境可持续性。此外，贸易开放度会使U型曲线趋于平缓，并使其拐点发生移动。这些发现为将数字化转型与可持续发展目标相结合提供了有意义的政策启示。

论文解读：人工智能与环境可持续性——OECD国家承载能力因子的非线性分析

**研究背景与目的**

在全球数字化转型加速和环境挑战日益严峻的背景下，联合国可持续发展目标强调促进技术发展（SDG 9）与气候行动（SDG 13），COP30也重申将全球变暖限制在1.5°C的承诺。人工智能（AI）作为重塑经济结构、生产模式和能源消费方式的关键技术，其环境影响存在两种对立机制：一方面，AI驱动的优化可提升能源效率、改进资源配置并促进可再生能源整合；另一方面，AI依赖高强度计算基础设施、大规模数据中心和持续扩张的数字运营，可能推高能源需求并加剧环境压力。已有实证研究多采用线性模型，并以碳排放、生态足迹等单一指标衡量环境后果，较少考察AI与更全面的环境可持续性指标——承载能力因子（LCF，生物承载力与生态足迹之比）之间的非线性关系。因此，研究人员利用OECD国家1993—2023年的面板数据，考察AI与LCF之间的非线性关系，并检验贸易开放度的调节效应。该论文发表于《Scientific Reports》。

**关键方法**

研究使用双向固定效应模型。样本队列为OECD国家（1993—2023年），数据来源包括全球足迹网络（GFN）提供的LCF、国际机器人联合会（IFR）提供的工业机器人存量（以ln(1+机器人存量)度量AI），以及世界发展指标（WDI）提供的贸易开放度、金融发展、自然资源租金和人均GDP等变量。研究人员在模型中引入AI平方项以检验非线性关系，并加入AI×Trade和AI2×Trade交互项检验调节效应。预检验包括多重共线性、斜率异质性、截面相关和CIPS单位根检验；稳健性检验包括替换解释变量、增加控制变量、剔除2008年与2020—2021年全球冲击、使用Driscoll–Kraay标准误（DKSE）和动态共同相关效应（DCCE）估计，以及两阶段最小二乘工具变量法（IV-2SLS）。

**实证结果（Empirical results）**

基准回归结果显示，AI系数显著为负，AI2系数显著为正；加入控制变量后，AI与AI2的系数分别保持为?0.0334和0.0027，均显著。这证实AI与LCF之间存在U型关系，即AI初始阶段降低环境可持续性，越过拐点后提升环境可持续性。正式U型检验显示，下界斜率为?0.0334，上界斜率为0.0448，且拐点6.14位于AI观测区间（0.0000至14.3622）内，支持U型关系成立。控制变量方面，金融发展、自然资源租金和经济增长均对LCF有显著负向影响。

**稳健性检验（Robust test）**

研究人员采用多种方式检验稳健性：一是将核心解释变量替换为工业机器人安装量；二是加入城市化等额外控制变量；三是剔除2008年全球金融危机和2020—2021年COVID-19疫情样本；四是采用DKSE和DCCE等替代估计方法；五是使用解释变量一阶滞后及其平方项作为工具变量进行IV-2SLS估计。上述结果均与基准回归保持一致，且工具变量通过相关性与外生性识别检验，表明结论稳健。

**非线性调节效应（Nonlinear moderating effects）**

交互项回归结果显示，AI×Trade系数为0.0003，AI2×Trade系数为?0.00002，其符号分别与AI和AI2的基准系数相反，表明贸易开放度降低了U型曲线的曲率，使非线性关系趋于平缓。同时，由于α?α??α?α?为负，贸易开放度使拐点向左移动，即更高的贸易开放度使拐点出现在更低的AI水平。这一调节作用符合贸易的规模效应与技术效应逻辑：在拐点左侧，贸易开放促进先进生产技术和节能设备扩散，削弱AI初期的负面环境影响；在拐点右侧，贸易开放使国家可以通过进口清洁技术部分替代本国AI带来的边际环境收益，从而降低U型曲线后半段的上升强度。

**讨论**

AI与LCF之间的U型关系可置于环境库兹涅茨曲线（EKC）框架下理解：AI发展初期，数据中心、高性能计算和大规模数字平台建设产生显著的规模效应，能源消耗和资源投入超过效率收益，导致LCF下降；随着AI技术成熟并广泛嵌入智能电网、智能交通、精密制造和供应链优化等领域，其技术效应和结构转型效应逐渐占优，改善资源利用并促进可再生能源整合，从而提升LCF。Khazzoom–Brookes假说也提示，效率提升可能被扩张性活动部分抵消，形成反弹效应。该结果与已有研究发现的AI与环境指标之间的非线性关系一致，但也说明AI的环境效应取决于国家发展阶段、经济结构和产业特征