AI 洗白如何影响制造业的碳锁定？

《Finance Research Letters》：How Does AI Washing Influence Manufacturing Sector Carbon Lock-In?

　　

摘要

在脱碳政策与数字化双重交汇的背景下，企业人工智能（AI）炒作是否在悄然固化制造业的高碳发展路径？本研究探讨了 AI 洗白对企业碳锁定（CLI）的影响。利用 2012 年至 2024 年中国 A 股上市制造业企业的微观面板数据集，并结合固定效应模型与去偏双重机器学习因果推断框架，我们发现 AI 洗白显著加剧了企业 CLI。机制分析表明，这种言行背离抑制了全要素生产率并加剧了外部融资约束，在文字繁荣的面纱背后引发了渐进式的高 CLI 状态。横截面检验表明，这种不利影响对于位于东部地区和技术密集型行业的企业在结构上被放大；然而，值得注意的是，它对资本密集型行业表现出脱锁效应，这可能归因于这些行业面临激烈的公众和监管审查，迫使企业将资源重新分配至绿色升级以避免声誉损害。总体而言，本研究揭示了数字机会主义的阴暗面，表明并非所有在 AI 革命中闪耀的事物都能照亮实体经济低碳转型的道路。

引言

脱碳政策与人工智能（AI）经济主导地位的交汇催生了企业 AI 洗白——即对名义数字披露的策略性夸大超过实际部署。与旨在减轻监管风险的防御性漂绿不同（Delmas 和 Burbano, 2011），AI 洗白是一种进攻性策略，高碳企业操纵能力信号以获取数字增长溢价（Sun 等，2026）。这种修辞脱钩误导了利益相关者并挤停了实质性绿色创新，内生地强化了企业碳锁定（CLI）（Bietti, 2020）。

这种机会主义通过跨期复利过程固化了 CLI。将名义合规转化为无风险的修辞策略削弱了监管压力并缓解了转型力量（Seto 等，2016）。与此同时，夸大的数字信息与僵化的现实高碳现状之间的鸿沟触发了组织认知失调（Auster, 1965）。管理者建立信息封锁以保护企业免受估值暴露，压制不利的排放数据（Ma 等，2024）。这种潜在的惯性在基于文本的面纱背后被放大，导致技术制度复合体的渐进石化，并永久冻结高碳要素配置轨迹。

中国制造业提供了理想的实证样本。其资本密集型矩阵涉及高资产特异性和技术刚性，锚定了严重的碳依赖（Lu 等，2026）。值得注意的是，中国具有约束力的双碳政策与诱人的数字补贴之间的制度碰撞创造了吸引人的双重合规租金，驱动制造商通过数字修辞执行不对称寻租。利用中国制造业企业的微观数据，本研究明确揭示了此类技术夸张如何内生地锁定碳路径依赖（Hu 等，2025）。

我们利用 2012-2024 年中国上市制造业企业的微观数据集来评估我们的预测。基准实证估计表明，AI 洗白显著加剧了 CLI。两个离散的基础微观渠道决定了这种锁定轨迹，即压缩全要素生产率（TFP）和加剧外部融资约束。横截面分析进一步揭示，这种不利影响对于位于东部地区和技术密集型行业的企业在结构上被放大。

本研究做出了两项边际贡献。首先，我们通过将 AI 洗白操作化为一种进攻性策略来扩展象征性脱钩文献，量化言行背离以超越防御性漂绿（Long 等，2025; Liu 等，2026）。我们还构建了一个涵盖固定资产、技术、制度和社会锁定的综合四维指数，将 CLI 的渐进固化转化为一个严谨的可量化框架。其次，我们通过展示 AI 洗白如何强化碳路径依赖，来平衡围绕真实 AI 采用绿色溢价的普遍乐观情绪（Fedyk 等，2022; George, 2024; Yang, 2026）。这揭示了数字机会主义的阴暗面，即企业修辞膨胀抑制了微观层面的要素效率，最终阻碍了实体经济的低碳转型。

章节片段

样本选择

我们的样本涵盖 2012-2024 年中国 A 股上市制造公司。排除金融机构、数据缺失的观察值以及处于特别处理（ST、*ST）或特别转让（PT）状态的观察值，并对所有连续变量在第 1 和第 99 百分位进行缩尾处理以减轻异常值影响，最终得到一个包含 21,550 个观察值的面板。AI 披露指标是从年度报告的管理层讨论与分析（MD&A）部分手动汇编的，而

基准回归

表 3 展示了基准回归结果。在没有控制变量和有控制变量的设定中，AI 洗白的系数分别在 5% 和 1% 的水平上显著为正，表明AI 洗白加剧了 CLI 风险。从经济意义上讲，AI 洗白增加一个单位会导致 CLI 绝对增加 0.0019（第 (1) 列）和 0.0021（第 (2) 列）。

稳健性检验

我们进行了五项稳健性检验以验证核心发现的可靠性。首先，我们替换了原始的AI

机制分析

在本节中，我们引入两项机制分析以强化我们的发现。

异质性分析

为了探索特定情境下的变化，我们根据地理位置（东部、中部和西部地区）和行业属性（技术密集型、资本密集型和劳动密集型部门）对样本进行划分来进行异质性分析。如表 8 所示，AI 洗白对 CLI 的加剧效应仅在东部地区显著（第 (1) 列）。表 9 显示，该效应主要集中在技术密集型行业（第 (1) 列），而转变为显著

结论

利用 2012-2024 年中国上市制造公司的面板数据集，本研究构建了一个多维 CLI 指标体系。采用 FE 模型，并以 DDML 框架进行严格验证，我们考察了企业 AI 洗白对企业 CLI 的影响。主要发现有三点。首先，AI 洗白显著加剧了企业 CLI。这种持续影响得到了各种 DDML 规格的一致支持，并保持高度稳健

作者声明

熊哲超：概念化，方法论，形式分析，软件，写作 – 原稿。

黄陶珍：概念化，数据整理，形式分析，方法论，写作 – 原稿，写作 – 审查与编辑。

未引用参考文献

De Haas 等，2025

CRediT 作者贡献声明

熊哲超：写作 – 原稿，软件，方法论，形式分析，概念化。黄陶珍：写作 – 审查与编辑，写作 – 原稿，方法论，形式分析，数据整理，概念化。

熊哲超 | 黄陶珍

中国南京市 211100 河海大学商学院