人工智能与企业污染减排：智能治理的环境效应

金祥义 张文菲

摘要 人工智能发展带来的“技术红利”为企业实现绿色治理提供了新的模式，提高了企业对生产经营过程中污染物排放的治理能力，形成了企业污染减排的新生动力源泉。对此，该研究结合中国工业企业污染排放数据库、中国工业企业数据库和国际机器人联合会的机器人数据库，系统分析人工智能发展对企业污染排放的影响。研究发现：人工智能发展显著降低了企业的污染排放；人工智能发展产生了“机器代人”的现象，发挥了智能减排的优势，进而对不同企业的污染排放带来了异质性的影响。机制检验表明，用工成本削减效应、绿色技术创新效应、管理效率提升效应是人工智能影响企业污染减排的具体机制，并从生产末端治理、生产前端控制、生产流程管理上实现企业减排。进一步，在考虑核心指标衡量方式、经济体量和发展政策、政策冲击影响和内生性问题等稳健性分析后，人工智能发展依然具有显著的污染减排作用，并促进了企业生产结构的优化。上述研究结论表明，人工智能为绿色产业和传统产业之间的技术交流提供了快速的通道，人工智能发展能够有效改善企业生产结构，促进绿色技术融入企业的生产流程中，极大降低了企业的污染排放，提高了企业对自然环境的友好程度，因此政府部门应聚焦人工智能发展领域，把握“智能热”浪潮的契机，积极引导各行业与人工智能产业相融合，推动产业结构转型，扩大人工智能发展产生的环保效益，为构建绿色生态和经济增长的双赢发展格局奠定基础。

关键词 人工智能；企业污染排放；污染治理；数字技术

中图分类号 X50；F40 文献标志码 A 文章编号 1002-2104（2023）08-0138-08 DOI：10. 12062/cpre. 20230334

经济增长和绿色发展一直是学术界探讨经济发展模式的经典话题，实现社会经济和生态环境协调发展的目标是各国经济可持续发展的必经之路［1］。绿色发展一直是党中央相关部门的重大关切，中共二十大报告给出了“深入推进环境污染防治”的生态建设目标；党的十九大也强调了污染防治在“三大攻坚战”中的关键地位；同时，污染防治还是实现中国碳达峰碳中和的重要举措。目前，新一轮工业革命推动了全球各国生产技术的变革，催生了以人工智能为代表的新兴数字技术，这类技术的突破发展，为中国开展环境污染治理提供了新的技术后盾。

一方面，经典的“波特假说”认为技术进步在企业污染治理中占据不可撼动的地位，技术创新降低了企业面临的环境治理成本，为企业带来明显的技术创新补贴效应，提高了企业能源利用率，改善了生产中的能耗结构，实现企业污染治理和利润增长的双赢目标［2］。另一方面，人工智能发展为实现智能制造提供了现实途径，有助于企业通过人工智能技术应用来完成生产前端污染控制和生产后端污染治理，以此实现中国制造业的绿色转型。那么，人工智能发展的“技术红利”能否以及如何影响企业的污染治理水平？对于该问题的回答，不仅有助于检验和拓展“波特假说”关于技术创新与污染排放的经典理论，还是实践“十四五”规划关于“深入实施智能制造和绿色制造工程”这一重要理念的先行基础，具有理论和现实层面的双重意义。

1 文献综述

相关研究大致可归为两类：第一类是关于企业污染减排的动因研究，第二类是关于人工智能技术产生的经济效益研究。

1. 1 企业污染减排的动因研究

学者们从产业集聚［3］、自由贸易或出口［4-6］、法制管理［7］、环境规制［8］等多个视角，讨论了技术进步产生的污染治理效用，以及污染减排的可能路径。陈登科［4］发现关税下降带来的自由贸易能够通过有偏技术进步来降低企业排污水平。韩超等［9］、Cole等［10］均发现环境规制能够倒逼企业进行技术创新，进而降低了企业的污染排放。传统理论认为，对于企业来说，环境污染治理是额外的成本支出，企业并无动力去开展有效的污染减排活动［11］。因此政府层面强制的环境管制手段成为了企业污染减排的重要方式［12］，这将倒逼企业进行污染防控方面的技术创新，并推动企业实现绿色转型［2］。同时，还有部分文献直接就技术创新与环境污染之间的关系展开检验，核心结论均支持了技术进步产生的污染减排效应，认为技术创新能够降低环境污染的恶化［13］。可见，技术创新对污染防控和绿色生态建设具有积极的作用，但现有文獻并未关注到人工智能这类新兴数字技术发展所产生的潜在环境效应。

1. 2 人工智能技术的经济效应研究

相关研究大多关注人工智能发展对劳动力市场的影响、人工智能发展的经济增长效应和人工智能发展对全球价值链参与的作用。例如，在劳动力替代方面，学者们对于人工智能发展产生的劳动力替代作用基本达到共识，认为随着人工智能的发展，传统劳动力越发倾向于被机器所替代，进而产生显著的“机器代人”现象［14-15］，孔高文等［15］认为人工智能发展将对中国劳动力市场产生明显冲击，降低了市场的就业水平。在经济增长方面，大量证据表明人工智能作为新兴的数字技术，能够对经济增长起到显著的拉动作用，推动经济长期的高效增长，进而产生经济增长的奇点［16］。总结可知，现有文献虽然就人工智能发展的多个经济方面进行了探讨，但针对企业污染减排方面的研究还未出现，其中具体的理论机制更是语焉不详，这也为该研究提供了可能的突破空间。

与现有文献相比，该研究的可能边际贡献为：第一，在研究视角方面。该研究从人工智能这一崭新视角入手，强调了人工智能在绿色经济增长中从“备选”到“必选”的角色转变，就人工智能发展对企业污染治理的具体作用展开深入剖析，该视角能够为探究具有中国特色的绿色生态建设道路提供有益的思考。第二，在研究机制方面。该研究发现了用工成本削减效应、绿色技术创新效应、管理效率提升效应是人工智能提升企业污染减排能力的具体机制，这为推动中国人工智能在绿色生态建设上的应用提供了完整的理论框架。

2 理论分析和研究假设

2. 1 人工智能与企业污染减排

人工智能作为新兴数字技术的重要代表之一，深度融入企业的各个生产环节中，对企业技术应用水平的提升产生了颠覆性的作用［14］，人工智能发展具有明显的智能治理作用。进一步，企业污染治理水平与生产过程息息相关，污染整治大致可以从生产末端治理、生产前端控制、生产流程管理着手，而这三个方面均离不开技术的支持，追本溯源，技术创新是企业污染治理水平提升的根本［2］。一方面，“波特假说”表明企业最优的选择是提升技术创新水平来提高能源利用率和降低污染排放強度，促进企业在竞争环境下完成利润增长和污染减排的双赢目标，这一理论强调了技术影响污染治理水平的基石作用。另一方面，新贸易理论和环境经济学理论认为技术进步产生的“技术效应”是减少污染排放的重要因素，技术进步能够推动传统技术向清洁型技术进行转变，进而降低企业生产过程产生的污染副产品［17］。因此，当人工智能发展带来的“技术红利”开始凸显，这将赋予企业明显的技术比较优势，实现技术进步产生的环境效应，降低企业的污染排放强度。由此，提出研究假设1。

研究假设1：人工智能发展能够降低企业的污染排放水平。

2. 2 人工智能减排作用的机制分析

人工智能发展能够推动企业技术应用的进步，提高企业的环境亲和度，降低企业污染排放强度。就其具体的作用机制而言，人工智能发展主要通过用工成本削减效应、绿色技术创新效应、管理效率提升效应来发挥作用，进而从企业生产末端治理、生产前端控制、生产流程管理上提高企业的污染治理能力，最终降低企业的污染排放强度。

首先，在用工成本削减效应上。在企业生产智能化的过程中，人工智能将产生明显的劳动力替代现象，这意味着随着人工智能水平的发展，企业将对生产要素的投入结构进行调整，以智能机械替代生产过程中的传统劳动力要素。因此人工智能发展提高了生产过程的自动化和智能化水平，降低了企业传统劳动力要素的投入需求，进而有效降低企业面临的劳动力支付成本，并产生了明显的“机器代人”现象［15］。同时，企业生产成本的下降能够给企业留下更大的利润空间，这将缓解企业面临的生产成本压力和经营风险，减少企业因资金约束而无法开展环境设备投资的情况，提高企业污染处理设备的投资规模，进而降低企业的污染排放［18］。因此，人工智能发展能够降低企业的劳动力用工成本，为企业投资污染处理设备留下资金空间，进而促进企业在生产末端实现污染减排，最终提高企业对环境污染的治理能力。

其次，在绿色技术创新效应上。人工智能发展推动了企业绿色技术的突破，延伸了企业在环境污染防控方面的技术发展边界［19］。一方面，人工智能应用帮助企业实现高效的绿色技术创新。绿色技术创新往往需要经历多轮的试错过程，人工智能发展为企业绿色技术创新提供了模拟的实验平台，企业可以通过智能设备投入和云计算平台的应用，进行多轮不同方案的绿色技术研发，并依据已有的历史试错数据对未来绿色创新路径进行更正和改善，拓宽企业对内部资源的配置效率以及资源的空间存储能力，确保企业能够以高效方式实现可预期的绿色技术创新。另一方面，人工智能发展促进了企业对清洁型技术的应用。风能、太阳能等清洁型能源具有明显的环保作用，但这类能源的投入使用需要依赖于技术设备和人才资源的辅助［4］，人工智能应用可以为企业提供现有成熟的清洁型能源投入方案，并基于后台大数据的搜集和迭代，时刻为企业提供精确的技术监控和能源投入比例测算，提高清洁型技术在企业中的普及应用，最终实现企业绿色技术创新的发展。同时，企业绿色技术创新能力的提升，可以进一步改善其生产过程中的能耗结构，降低企业对传统污染型能源的投入规模，在改善能耗结构的同时提高企业能源利用效率，进而从企业生产前端控制上减少污染副产物的形成，最终降低企业的污染排放强度［9］。

最后，在管理效率提升效应上。传统管理模式中，企业需要通过人工的形式对各个生产部门进行管理和信息传递，而人工管理存在信息传递的滞后性和管理效率的递减性，这将造成不同生产部门之间存在信息不对称的问题，导致不同生产过程难以高效衔接。而人工智能发展能够推动企业生产过程的智能化，实现对各个部门生产过程信息的实时捕捉，促进管理信息在不同部门之间的点对点传递，进而提升企业在生产过程中的整体管理效率［20］。同时，管理效率的改善能够推动企业采用更为高效的生产决策模式，有效避免企业低效率生产过程导致的高污染产出现象，最终从生产流程管理上降低企业的污染排放规模。因此，人工智能发展能够提升企业生产流程的管理效率，进而从整个生产流程管理中对污染排放进行高效监控，提高企业污染治理的能力。综上分析，提出研究假设2、假设3、假设4。

研究假设2：人工智能发展通过用工成本削减效应来降低企业的污染排放水平。

研究假设3：人工智能发展通过绿色技术创新效应来降低企业的污染排放水平。

研究假设4：人工智能发展通过管理效率提升效应来降低企业的污染排放水平。

3 数据处理和研究方法设计

3. 1 数据说明和处理

相关数据主要来自中国工业企业污染排放数据库、中国工业企业数据库和国际机器人联合会的机器人数据库（IFR数据库）。在数据处理方面，首先该研究将样本中不符合通用会计准则的数据进行删除。其次，根据企业识别代码和年份信息，对中国工业企业数据库和中国工业企业污染排放数据库进行合并。最后，根据行业代码信息，将IFR 数据库与上述合并数据进行再匹配。同时，在删除缺失值后，最终得到2000—2013年二十多万个企业数据样本，以此构成后续实证分析的数据基础。

3. 2 计量模型设计和指标构建

在探究人工智能对企业污染治理的影响过程中，构建如下形式的计量回归模型：

4 基本实证结果与回归分析

4. 1 基准回归

对人工智能发展产生的环境效应展开分析，具体结果见表2。其中，列（1）—列（6）分别对应工业废水排放、二氧化硫排放和烟粉尘排放的回归结果。首先，根据列（1）、列（3）、列（5）的回归结果可知，未加入控制变量时，在不同结果中，人工智能的系数均在1%的检验水平上显著为负，从而表明人工智能发展能够显著提高企业的污染治理能力，降低企业对不同污染物的排放强度，初步证明了研究假设1的正确性。其次，列（2）、列（4）、列（6）结果显示，在控制其他影响因素和各类非观测的固定效应后，人工智能发展产生的污染减排效应依然存在，从而较好支持了理论部分提出的研究假设1。可见，人工智能发展具有明显的环保作用，能够促进中国企业生产过程的智能化和绿色化建设，进而实现经济增长和绿色生态发展的双赢目标。

4. 2 异质性分析

一方面，考虑企业所有制形式的差异。在逻辑上，人工智能产生的“机器代人”冲击可能对民营企业具有更大的影响，因为民营企业处于市场竞争的核心地带，往往面临着更高的劳动力需求和劳动力成本，当人工智能发展为企业生产智能化提供现实基础后，民营企业更倾向于通过“机器代人”的方式来降低生产成本。为了检验上述假设的正确性，该研究根据企业所有制形式的差异，将数据样本分为民营企业和非民营企业，当样本企业属于民营企业时，对变量Var 赋值为1，否则赋值为0，具体回归结果见表3的列（1）。可以发现，变量Var 交互项的系数显著为负，因此人工智能发展对民营企业污染减排的积极作用更强，较好证明了人工智能发展产生的“机器代人”现象，能够有效改善民营企业的用工成本，这将进一步通过用工成本削减效应对民营企业产生更大的污染减排作用。

另一方面，企业对外贸易的差异。出口企业由于存在出口学习效应，因此能够有效吸收海外市场的绿色生产技术，进而对其污染治理能力起到促进的作用，这使得出口企业往往具有更环保清洁的特征。根据前文分析的结论，人工智能发展产生的污染减排作用在出口企业中应该更微弱，换言之，人工智能更能够降低非出口企业的污染排放强度。为了检验这一经济学直觉正确与否，该研究根据样本中企业是否出口，将样本企业分为出口企业和非出口企业，当企业属于非出口企业时，对变量Var赋值为1，否则赋值为0，具体结果见表3的列（2）。分析结果不难得知，交互项系数显著为负，这意味人工智能发展对非出口企业污染治理能力的提升作用更大，这与经济学理论直觉是一致的。

4. 3 机制分析

首先，在用工成本削减效应上，体现在企业劳动力成本的下降和污染处理设备投资规模的上升。为了检验用工成本削减效应，需要构建相关机制指标，企业劳动力成本以应付职工薪酬占营业收入的比值来表示；污染处理设备投资规模以企业废水治理设施数与废气治理设施数之和的对数进行表示。表4的列（1）是劳动力成本的回归结果，列（2）是污染处理设备投资规模的回归结果。结果表明，人工智能对劳动力成本的影响显著为负，对污染处理设备投资规模的影响显著为正，从而表明人工智能发展能够降低企业面临的劳动力成本，增强企业对污染处理设备的投资力度，进而提高了企业的污染治理能力，较好证明了用工成本削减效应的存在性，支持了理论部分的研究假设2。

其次，在绿色技术创新效应上，体现在企业绿色技术

创新的提升和企业传统能源消耗量的下降。在指标构建中，绿色技术创新水平以企业绿色专利获得量的对数表示；传统能源消耗量以企业燃料煤与燃料油消耗量之和的对数进行表示。表4的列（3）是绿色专利获得量的回归结果；列（4）是传统能源消耗量的回归结果。分析发现，列（3）中人工智能的系数显著为正，列（4）中人工智能的系数显著为负，表明人工智能发展提高了企业绿色技术创新水平，降低了企业对传统高污染能源的消耗，进而减少了企业的污染排放强度，实现了生产前端控制的目标，因此较好证明了研究假设3的真实性。

最后，在管理效率提升效应上。管理效率提升效应可以反映为企业管理成本的下降和管理效率的提升。在指标构建中，企业管理成本以企业管理费用占营业收入的比值进行表示；企业管理效率指标参考金祥义等［20］的计算方式，利用计量回归方程估计企业管理效率水平，该指标越大，表示企业的管理效率越低。表4的列（5）是管理成本的回归结果，列（6）是管理效率水平的回归结果。

结果显示，人工智能的系数均显著为负，表明随着人工智能发展水平的提高，企业面临的管理成本逐渐下降，管理效率逐渐上升，最终降低了企业的污染排放，由此成功证明了研究假设4的真实性。

5 进一步稳健性分析

5. 1 污染排放指标的稳健性考虑

首先，该研究将化学需氧量排放量、工业废气排放量、工业粉尘排放量分别作为水污染、空气污染、固体废物污染的主要形式，重新衡量三种污染物的排放强度。

其次，该研究参考金祥义等［21］的方式，构造一种可以衡量企业污染物排放的综合指标。据此，相关回归结果见表5。分析前三列结果可知，在改变企业水污染、空气污染、固体废物污染的替代指标后，人工智能发展对企业污染排放的抑制作用依然存在，能够产生显著的污染减排效应。列（4）结果显示，人工智能发展可以降低企业整体的污染排放强度，提高企业的综合污染治理能力。综上，在考虑各类污染指标的稳健性后，研究假设1依然成立。

5. 2 其他方面的稳健性检验

其一，在人工智能指标替代方面。该研究以机器人密度变量作为人工智能发展水平的替代指标［22］进行再检验，具体结果见表6的列（1），从中可以看出，人工智能发展对企业污染排放具有显著的抑制作用，因此考虑替换人工智能发展指标后，该研究基本面的结论依然稳健成立。

其二，在经济体量和政策发展上。删除了北京、上海、广州、深圳、天津、重庆的数据样本后重新回归，具体结果见表6的列（2）。结果表明，人工智能依然可以有效降低企业的污染排放强度，提高企业对环境的友好度，因此依然较好支持了基准回归的结论。

其三，在行业样本选取上。制造业作为工业企业中污染排放的主体行业，专用设备制造业、计算机、通信和其他电子设备制造业中含有与智能制造相关的生产活动，该研究剔除上述样本后回归，结果见表6的列（3）和列（4），在回归结果中，人工智能的系数显著为负，较好证明了人工智能可以有效降低企业的污染排放水平。

5. 3 内生性问题的讨论

通过工具变量回归的方式来解决因双向因果导致的潜在内生性问题。在工具变量选择上，该研究参考金祥义等［20］、Graetz等［22］的做法，以其他国家人工智能平均发展水平（other_AI）和岗位人工智能替代率（replaceability×t）作为回归的工具变量。据此，相关回归结果见表7。以表7的列（6）作为分析示例，其他结果类似。分析列（6）結果可知，一方面，第一阶段回归结果中工具变量的系数在1%的水平上显著为正，表明工具变量与人工智能发展水平之间存在正向关系。同时，回归结果中Kleibergen‑Paap数值为6 022. 186，大于弱工具变量检验10% 的上限值16. 38，显著拒绝了工具变量与原变量无关的假设，说明工具变量选取较为合适。另一方面，回归结果显示人工智能发展显著降低污染。因此，在有效解决回归的内生性问题后，研究假设1依然稳健成立，表明了人工智能的减排作用是真实存在的。

6 结论与政策建议

该研究发现：首先，人工智能发展能够显著降低企业的污染排放水平，并且人工智能发展产生的污染减排作用就不同样本分类存在异质性。其次，人工智能可以通过用工成本削减效应、绿色技术创新效应、管理效率提升效应来降低企业的污染排放强度。最后，在考虑污染排放综合指标、核心指标稳健性、经济体量和政策发展、行业样本选取、政策冲击、内生性等多方面的因素后，人工智能对企业污染减排的作用依然存在。综上，人工智能发展是影响企业污染减排和提升企业污染治理能力的核心因素，这对于中国未来打好污染防治攻坚战具有重要的意义。根据该研究的核心结论，可以引申出以下几方面的政策建议：第一，聚焦人工智能发展领域，把握“智能热”浪潮的契机，构建绿色生态和经济增长的双赢格局。第二，鼓励人工智能领域的人才培养，形成持续发力的人才梯队资源。第三，出台智能化产业发展的法律条文，推动人工智能产业的规范发展，实现智能化和绿色化的经济发展目标。

参考文献

［1］ 邬彩霞. 中国低碳经济发展的协同效应研究［J］. 管理世界，

2021，37（8）：105-117.

［2］ PORTER M E，VAN DER LINDE C. Toward a new conception of

the environment ‑ competitiveness relationship［J］. Journal of economic

perspectives，1995，9（4）：97-118.

［3］ 苏丹妮，盛斌. 产业集聚、集聚外部性与企业减排：来自中国的

微观新证据［J］. 经济学（季刊），2021，21（5）：1793-1816.

［4］ 陈登科. 贸易壁垒下降与环境污染改善：来自中国企业污染数

据的新证据［J］. 经济研究，2020，55（12）：98-114.

［5］ FORSLID R，OKUBO T，ULLTVEIT‑MOE K H. Why are firms that

export cleaner：international trade，abatement and environmental

emissions［J］. Journal of environmental economics and management，

2018，91：166-183.

［6］ SELINGER T J. Canada’s environmental review of the North American

Free Trade Agreement［J］. Journal of professional issues in engineering

education and practice，1993，119：246-253.

［7］ 范子英，趙仁杰. 法治强化能够促进污染治理吗：来自环保法庭

设立的证据［J］. 经济研究，2019，54（3）：21-37.

［8］ SHAPIRO J S，WALKER R. Why is pollution from US manufacturing

declining：the roles of environmental regulation，productivity，

and trade［J］. American economic review，2018，108（12）：3814-

3854.

［9］ 韩超，王震，田蕾. 环境规制驱动减排的机制：污染处理行为与

资源再配置效应［J］. 世界经济，2021，44（8）：82-105.

［10］ COLE M A，ELLIOTT R J R，SHIMAMOTO K. Industrial characteristics，

environmental regulations and air pollution：an analysis of

the UK manufacturing sector［J］. Journal of environmental economics

and management，2005，50（1）：121-143.

［11］ HAZILLA M， KOPP R J. Social cost of environmental quality regulations：

a general equilibrium analysis［J］. Journal of political

economy， 1990， 98（4）： 853-873.

［12］ JORGENSON D W， WILCOXEN P J. Environmental regulation

and US economic growth［J］. The RAND journal of economics，

1990： 314-340.

［13］ CHEN Y，LEE C C. Does technological innovation reduce CO2

emissions： cross‑country evidence［J］. Journal of cleaner production，

2020，263：121550.

［14］ ACEMOGLU D，RESTREPO P. Robots and jobs：evidence from

US labor markets［J］. Journal of political economy，2020，128（6）：

2188-2244.

［15］ 孔高文，刘莎莎，孔东民. 机器人与就业：基于行业与地区异质

性的探索性分析［J］. 中国工业经济，2020（8）：80-98.

［16］ 杨光，侯钰. 工业机器人的使用、技术升级与经济增长［J］. 中

国工业经济，2020（10）：138-156.

［17］ ANTWEILER W，COPELAND B R，TAYLOR M S. Is free trade

good for the environment［J］. American economic review，2001，91

（4）：877-908.

［18］ 陈诗一，张建鹏，刘朝良. 环境规制、融资约束与企业污染减

排：来自排污费标准调整的证据［J］. 金融研究，2021（9）：

51-71.

［19］ YE Z P，YANG J Q，ZHONG N，et al. Tackling environmental challenges

in pollution controls using artificial intelligence：a review

［J］. Science of the total environment，2020，699：134279.

［20］ 金祥义，张文菲. 人工智能与企业出口扩张：贸易革命的技术

烙印［J］. 国际贸易问题，2022（9）：70-87.

［21］ 金祥义，张文菲，施炳展. 绿色金融促进了中国出口贸易发展

吗？［J］. 金融研究，2022（5）：38-56.

［22］ GRAETZ G， MICHAELS G. Robots at work［J］. Review of economics

and statistics， 2018， 100（5）： 753-768.