《Business Strategy and the Environment》：Mitigating the Heat: The Role of AI Technology in Shielding Corporate Environmental Performance From Extreme Temperatures—Difference-in-Differences Evidence From Chinese Listed Firms
编辑推荐：
极端高温已成为反复出现的运营挑战，干扰生产，推高能源与维护需求，并使企业更难维持环境绩效。然而，与人工智能（AI）相关的能力是否有助于企业在反复遭遇极端高温暴露时维持环境绩效，这一问题尚不清晰。研究人员构建了一个概念框架，其中高温暴露将组织注意力与冗余资源引向
极端高温已成为反复出现的运营挑战，干扰生产，推高能源与维护需求，并使企业更难维持环境绩效。然而，与人工智能（AI）相关的能力是否有助于企业在反复遭遇极端高温暴露时维持环境绩效，这一问题尚不清晰。研究人员构建了一个概念框架，其中高温暴露将组织注意力与冗余资源引向运营连续性，而AI相关能力可能支持监测、预测、协调与资源优化。在实证层面，研究人员利用2011年至2022年中国上市公司数据，采用交错双重差分（staggered difference-in-differences, DID）模型推断因果关系。具体而言，AI相关能力以AI相关专利作为代理指标，极端高温定义为气温超过40°C的天数出现情况，环境绩效取自第三方ESG评级中的环境（E）维度。研究结果揭示，极端高温显著降低企业环境绩效。在基准强度设定中，每增加一个极端高温日，企业环境绩效评分下降0.178分。然而，在已采用AI技术的企业中，负面效应得到缓解，且行业间存在显著异质性。这些发现表明，AI相关能力可能充当面向韧性的无形资本，帮助企业降低在气候压力下运营的环境成本。该研究通过提供AI相关能力可能调节企业对反复高温暴露的环境脆弱性的证据，为气候风险与ESG绩效研究做出贡献，并对AI相关创新、数字能力建设与气候适应政策具有实践意义。
# 气候压力下的韧性资本：AI相关能力与企业环境绩效研究解读
## 一、研究背景与问题提出
气候变化正在深刻重塑企业追求生产率、韧性与可持续性的运营条件，使企业对重大社会挑战的回应成为战略与可持续性研究的核心议题。随着气候相关压力加剧，环境绩效已成为衡量企业履行可持续性责任和应对外部期待的关键指标，通常以ESG评级中的环境（E）维度加以刻画。气候风险不仅限于孤立性灾害，还包括气候条件的持续变化以及极端天气事件频率和强度的不断增加。在当前的适应性与可持续性讨论中，此类风险日益与前瞻性适应（anticipatory adaptation）和组织韧性（organizational resilience）相联系，而非仅关注事后恢复。在诸多气候风险中，极端高温尤为重要，因为它对企业施加的是反复性运营压力而非突发性物理破坏，这为考察企业能否在气候压力下维持环境绩效提供了适切的研究情境。
既有文献对极端高温的企业层面研究主要集中在销售额、生产率、工作能力与财务结果上，其对环境绩效的影响相对未被充分探索。与此同时，AI相关能力构成一种合理但尚待检验的应对反复气候压力的理解路径。已有研究将AI与生产率提升、数字化转型、环境绩效、环境信息披露、绿色创新和资源管理联系起来，但较少关注AI相关能力是否调节企业在反复物理气候压力下的环境脆弱性。这一交叉缺口正是本研究的切入点：AI相关能力是否帮助企业维持环境绩效使其免受反复极端高温的负面影响。
## 二、核心问题与研究设计
本研究核心问题：AI相关能力是否削弱反复极端高温对企业环境绩效的不利影响。这一问题的意义在于连接两个日益重要的议题：企业如何应对物理气候风险，以及数字能力如何塑造可持续性结果。研究构建了一个战略导向的概念框架，将企业视为必须在气候相关干扰下持续平衡价值创造、运营连续性与环境责任的战略组织。在此基础上，研究基于2011-2022年中国沪深交易所主板上市公司的面板数据，样本中剔除了ST（Special Treatment）状态企业和关键变量缺失过多的企业。研究人员将极端高温数据匹配至企业注册地的县级行政区，并采用交错双重差分模型（staggered difference-in-differences, DID）进行因果推断。AI相关能力以企业持有的AI相关专利为代理变量，环境绩效取自中证ESG评级中的环境（E）维度评分（ESCORE）。
## 三、主要研究结果
**（1）基准回归：极端高温显著削弱企业环境绩效**
基准回归结果表明，极端高温显著削弱企业评级环境绩效。在基准强度设定中，每增加一个极端高温日，企业环境绩效评分（ESCORE）下降0.178分。这一结果在采用Sun and Abraham（2021）估计量以处理交错处理时点下的潜在偏误后依然稳健。极端高温通过降低生产效率、推高能源使用与削弱劳动生产率，将资源从环境投资中转移出去，从而恶化环境结果。
**（2）平行趋势检验与安慰剂检验**
研究进行了平行趋势检验与安慰剂检验以评估结果稳健性。检验结果支持平行趋势假设，且随机分配处理时点产生的安慰剂DID估计未产生显著影响，增强了实际发现的可信度。
**（3）分组回归：AI相关能力缓解环境脆弱性**
将样本划分为有AI相关专利与无AI相关专利企业后发现，有AI相关专利的企业中极端高温对ESCORE的系数为负但不显著；无AI相关专利企业中，极端高温与环境绩效之间存在显著负向关系。无AI企业的负面效应约为全样本的1.4倍。这表明AI相关能力可能缓解企业对反复高温暴露的环境脆弱性。
**（4）稳健性检验**
研究采用替代AI测度（基于年报文本识别）、PSM-DID方法（propensity score matching - difference-in-differences，倾向得分匹配-双重差分）、地理层面聚类标准误以及用能效与碳强度作为环境绩效替代测度等多种方法进行稳健性检验，主要结论均保持一致。
**（5）纳入其他温度区间回归**
借鉴Deschênes和Greenstone（2011）的方法，将各温度带天数纳入回归。结果显示，与其它温度带相比，当日最高气温超过40°C时企业环境绩效显著更低；无AI专利企业模式与全样本相似，而有AI专利企业在极端高温区的效应转为正向且不显著。
**（6）非线性效应**
研究发现极端高温暴露与环境绩效之间存在阈值型非线性关系：低水平暴露影响可忽略，超过阈值后负效应显著增强，在持续暴露下边际效应有所减弱。温和高温可由常规措施抵消，但一旦达到极限，生产率和环境投资将承受更强压力。
**（7）行业异质性**
极端高温在食品饮料制造、纺织家具制造、租赁与商务服务、文体娱乐等行业的负面效应显著。劳动密集型与资源依赖型行业对高温引发的运营约束更为敏感，而技术密集型行业更有条件受益于AI相关能力。在有AI专利的企业中，信息技术、租赁和商务服务以及水利和公共设施行业出现下降，而批发零售业在高温下环境绩效反而改善。
**（8）TFP韧性的辅助分析**
采用LP、OLS、FE和GMM四种方法估算企业全要素生产率（total factor productivity, TFP），发现TFP与ESCORE正相关，且这一效应在有AI专利的企业中更为明显。无AI企业在极端高温下TFP显著下降，有AI企业则未呈现同样的下降。这一模式为运营能力渠道提供了一致的辅助证据，表明AI相关能力可能有助于企业在热压力下维持生产连续性。
## 四、讨论与结论
实证结果与概念框架提出的三个命题一致：极端高温通过制造运营能力压力削弱环境绩效；AI相关能力在企业中不具有统计显著性而缓解了环境脆弱性；行业层面效应存在显著异质性。研究将极端高温视为管理性资源分配问题而非仅气象暴露，为气候风险与可持续性战略研究提供了新视角。AI相关能力在此被概念化为面向韧性的无形资本（intangible capability），支持监测、预测、协调与资源优化等运营功能。
研究发表在《Business Strategy and the Environment》。其结论表明：反复极端高温暴露与企业环境绩效负相关；无AI相关专利企业的负面关系更显著，有AI相关专利企业中统计上不可察觉；行业层面证据显示高温的环境绩效后果存在跨部门差异；TFP辅助分析支持运营能力解释。研究为气候风险与ESG绩效文献提供了AI相关能力作为韧性导向无形资本的经验证据，并对AI相关创新、数字能力建设与气候适应政策具有实践意义。
