《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Leveraging AI technology innovation for disaster risk reduction and resilience: Examining the mechanisms of financial development, globalization, and institutional quality
编辑推荐：
•人工智能技术创新显著降低了各国灾害风险。•金融发展显著调节了人工智能对灾害风险的影响。•全球化并非显著的调节因素。•制度质量并非显著的中介因素。•人工智能对灾害风险的影响在发展中国家和低灾害暴露国家中更为显著。引言近年来，世界目睹了灾害的激增，对生命、基础设施和经济造成了毁
- •
人工智能技术创新显著降低了各国灾害风险。
- •
金融发展显著调节了人工智能对灾害风险的影响。
- •
全球化并非显著的调节因素。
- •
制度质量并非显著的中介因素。
- •
人工智能对灾害风险的影响在发展中国家和低灾害暴露国家中更为显著。
引言
近年来，世界目睹了灾害的激增，对生命、基础设施和经济造成了毁灭性影响 (Das and Luthfi, 2017)。这些事件变得越来越频繁和严重，阻碍了各国实现发展目标和保障公民福祉的努力。系统性风险和新兴风险在气候变化和城市化的加剧下，使各国容易受到不可预见危机的影响 (Sufri et al., 2024; Tierney, 2020)。企业面临直接损失，如财产损坏，以及间接后果，包括供应链中断和无法获取关键资源。全球供应链日益紧密的联系放大了这些风险，以至于单一的局部灾害可能对全球各地的行业和市场产生深远影响 (UNDRR, 2015; Winter and Knemeyer, 2013)。公共基础设施，如道路、桥梁和水系统，往往遭受严重损坏，产生超出直接灾害区的连锁反应，并暴露出现有系统在吸收或适应日益复杂风险方面的脆弱性 (Oerther, 2016; Taghizadeh-Hesary et al., 2021)。
自然灾害继续以令人震惊的频率和严重程度影响着全球数百万人。影响逐年大幅变化，2002 年和 2016 年出现显著高峰，全球受影响人数超过 9 亿。大约 1 亿人每年直接受到极端自然事件的影响，脆弱地区承担了大部分冲击 (EM-DAT, 2024)。随着人口和资产集中在高风险地区，经济损失和承保损失随之上升。发展中国家受到的影响不成比例，在 1980 年至 2009 年期间占天气相关灾害死亡人数的 84% (EM-DAT, 2024)。世界银行报告称，1970 年至 2008 年间有 330 万人死于自然灾害，平均每年死亡 82,500 人，其中干旱仍是致死率最高的灾害类别。此外，预测表明，即使没有气候变化，天气相关灾害造成的年度损失也可能增加两倍，到 2100 年达到 1850 亿美元 (World Bank, 2010)。这些统计数据凸显了对灾害准备策略的迫切需求，特别是在经济、基础设施和环境脆弱性较高的地区。
人工智能 (AI) 具有变革性潜力，可应对灾害准备、响应和恢复方面的挑战。人工智能赋能的系统可以通过预警能力、优化的资源分配和改进的能源系统效率来增强气候适应力。机器学习模型分析庞大的气候和环境数据集以预测极端天气事件 (Shafik, 2024)；自然语言处理从气候报告中提取关键信息 (Padovani and Neto, 2017)；数据挖掘识别气候模式以告知缓解策略 (Chakravarty et al., 2025)。然而，部署人工智能也带来了挑战，包括数字鸿沟扩大、数据安全担忧以及社会偏见的强化，所有这些都要求包容性政策和公平获取以确保可持续的灾害管理 (Chakravarty et al., 2025)。
灾害准备领域的文献长期依赖传统方法，近期的研究应用了特定的人工智能子领域，包括自然语言处理 (Cohen and Aiche, 2025)、数据挖掘和规划 (Rosa et al., 2024)、深度学习 (Xu et al., 2025)、大数据 (Liu et al., 2023) 和神经引擎 (Hong et al., 2023)。这些研究大多关注个别国家、特定灾害类型或行业。这一系列工作产生了重要的局部见解，但对于聚合人工智能创新如何在结构多样化的经济中塑造灾害结果的全局视角仍然有限。两个背景因素也未能得到足够的综合关注。金融发展可以促进部署基于人工智能的灾害管理系统（包括预测分析和自动化资源分配）所需的投资 (Jiang et al., 2024)，但如果资本流入高风险地区而没有足够的缓解措施，则可能加剧风险 (Keerthiratne and Tol, 2017)。全球化可以促进人工智能技术和专业知识的跨境转让，同时增加对跨境系统性风险的暴露，并可能扩大先进经济体与和发展中经济体之间的技术不平等 (Aven and Zio, 2021; Cohen and Aiche, 2025; Stiglitz, 2017)。制度质量已被记录为技术采用有效性的一个因素，但其作为人工智能创新与灾害结果之间中介渠道的作用尚未得到系统测试。此外，对于人工智能技术创新的有效性是否在不同经济发展阶段的国家间存在差异，相对较少的关注。技术能力、金融资源、制度能力和数字基础设施的差异表明，人工智能对灾害韧性的贡献可能在发达经济体和发展中经济体之间有所不同，但关于这种异质性的跨国证据仍然有限。此外，对于人工智能创新的有效性是否随着国家的灾害暴露水平而变化，也鲜有关注。经历不同灾害暴露水平的国家在将技术创新转化为可衡量的灾害影响减少方面可能面临不同的挑战，但关于这种异质性的实证证据仍然稀缺。
本研究的贡献如下。首先，本研究开发了一个综合的分析框架，联合考察人工智能技术创新、金融发展、全球化、制度质量和灾害风险。将这些因素纳入单一框架提供了对人工智能技术创新如何影响灾害风险及其影响变化条件的更全面理解。其次，本研究通过考察金融发展和全球化的调节作用以及制度质量的中介作用，调查了人工智能与灾害风险之间关系的潜在机制。制度质量是使用三阶段主成分分析 (3SPCA) 构建的，将机构能力、问责制和完整性相关的治理维度结合成一个综合指标。第三，样本被划分为发达国家和发展中国家，以考察不同经济发展水平下人工智能与灾害关系中的异质性。此外，本研究通过将样本划分为高灾害暴露国家和低灾害暴露国家来进行异质性分析。这种分析提供了关于人工智能创新的有效性是否在不同灾害风险强度的国家间存在差异的新证据。研究结果提供了有针对性的政策建议，通过考虑金融条件、制度支持、国际合作以及特定国家的发展和灾害暴露特征来加强人工智能赋能的灾害韧性。
以下各节的组织方式如下。第 2 节概述了理论框架和假设。第 3 节描述了数据和方法。第 4 节呈现并讨论了实证结果。第 5 节总结政策启示和进一步研究的方向。
章节摘要
理论框架
人工智能技术已成为灾害风险减少 (DRR) 和韧性建设的变革性工具。三个互补的理论框架支撑了其在此背景下的分析。技术决定论认为技术进步驱动社会转型，包括应对如灾害风险等复杂挑战的能力 (Aldamen and Hacimic, 2023; Smith and Marx, 1994)。在此框架下，人工智能在预测建模、自然语言处理方面的进展...
数据、模型与方法
本研究使用 2002 年至 2023 年的 24 个国家的面板数据（见附录**表 A1**）考察了人工智能技术创新与灾害风险之间的关系。起始年份由人工智能专利申请、灾害结果、治理指标和分析中包含的其他宏观经济变量的一致跨国数据的可用性决定。结束年份反映了所有变量数据足够完整的最近年份。因为人工智能专利申请...
初步检验
表 2 展示了分析中所有变量的描述性统计和成对相关性。方差膨胀因子 (VIF) 值范围从 1.721 到 3.705，远低于传统的 10 阈值，表明多重共线性不是一个问题。相关矩阵显示灾害风险与人工智能技术创新、基础设施发展和金融发展正相关，而制度质量、全球化和教育...
结论与政策启示
本研究调查了 2002 年至 2023 年间人工智能技术创新是否在 24 个国家中有助于减少灾害风险。使用偏差校正线性动态面板估计量，本研究考察了人工智能技术创新的直接效应，以及金融发展和全球化的调节作用和制度质量的中介作用。实证结果表明：(1) 人工智能技术创新显著减少了灾害风险。这...
作者贡献声明
Emmanuel Baffour Gyau: 写作 – 审阅与编辑，写作 – 原创草稿，数据整理，概念化。Daniel Adu: 写作 – 审阅与编辑，验证，监督。Michael Appiah: 写作 – 原创草稿，方法论，形式分析。Seidu Musah: 写作 – 审阅与编辑，可视化，软件。
伦理批准与知情同意声明
本文不涉及人类参与者，因此不需要知情同意。
致谢
作者感谢编辑、审稿人以及所有为本研究做出贡献的人。M. Appiah 作为高等经济大学基础研究计划框架内实施的研究项目 HSE-BR-2025-82 的一部分为本研究做出了贡献。
Emmanuel Baffour Gyau 是中国江苏省镇江市江苏大学金融经济学院的博士生。他的研究重点是技术创新、数字化、能源经济、人工智能经济和发展经济学。他的作品发表在领先的科学期刊上，包括《国际财务分析评论》、《社会中的技术》、《商业战略与环境》、《国际环境研究杂志》，
Emmanuel Baffour Gyau|Daniel Adu|Michael Appiah|Seidu Musah
