该研究在构建人工智能影响污染排放决策理论模型的基础上,合并2006—2019年The International Federation of Robotics提供的工业机器人数据与省际面板数据,实证检验了人工智能对污染排放的影响效应及内在机制。发现:①人工智能显著降...该研究在构建人工智能影响污染排放决策理论模型的基础上,合并2006—2019年The International Federation of Robotics提供的工业机器人数据与省际面板数据,实证检验了人工智能对污染排放的影响效应及内在机制。发现:①人工智能显著降低了污染排放强度,这一结果在经过一系列的稳健性检验以及采用工具变量法克服内生性之后依然稳健成立。②机制分析表明,人工智能的减排效应主要通过促进技术创新、增加减排设备投资以及替代低技能劳动力三条渠道实现。从技术创新的角度来说,人工智能会有效提升专利申请数量;从减排投资的角度来说,人工智能会显著促进减排设备的投资;从劳动力结构的角度来说,人工智能可以有效替代低技能劳动力,优化劳动力投入结构。③异质性分析发现,人工智能带来的环境优化效应在面对较为严格的环保绩效考核标准以及在高污染排放强度地区更为突出。④进一步的拓展性分析显示,人工智能具有“减排增量”的双重作用,能够推动经济增长和环境治理的协同发展。此外,基于企业层面的微观数据再检验发现,人工智能显著降低了企业的污染排放强度。该研究结论为智能化赋能绿色转型升级和高质量发展提供了经验证据和理论支持。展开更多
文摘该研究在构建人工智能影响污染排放决策理论模型的基础上,合并2006—2019年The International Federation of Robotics提供的工业机器人数据与省际面板数据,实证检验了人工智能对污染排放的影响效应及内在机制。发现:①人工智能显著降低了污染排放强度,这一结果在经过一系列的稳健性检验以及采用工具变量法克服内生性之后依然稳健成立。②机制分析表明,人工智能的减排效应主要通过促进技术创新、增加减排设备投资以及替代低技能劳动力三条渠道实现。从技术创新的角度来说,人工智能会有效提升专利申请数量;从减排投资的角度来说,人工智能会显著促进减排设备的投资;从劳动力结构的角度来说,人工智能可以有效替代低技能劳动力,优化劳动力投入结构。③异质性分析发现,人工智能带来的环境优化效应在面对较为严格的环保绩效考核标准以及在高污染排放强度地区更为突出。④进一步的拓展性分析显示,人工智能具有“减排增量”的双重作用,能够推动经济增长和环境治理的协同发展。此外,基于企业层面的微观数据再检验发现,人工智能显著降低了企业的污染排放强度。该研究结论为智能化赋能绿色转型升级和高质量发展提供了经验证据和理论支持。
