智能化赋能制造业低碳转型的理论分析和实证检验

惠树鹏，王 卓，惠小轩

（1.兰州理工大学经济管理学院，甘肃兰州 730050；2.浙江大学环境与资源学院，浙江杭州 310030）

1 问题的提出

改革开放以来，中国制造业获得了高速增长，而与此相伴随的是CO2等温室气体的高排放。2021年，只占地区生产总值（GDP）27%的制造业却排放出了全国（未含港澳台地区。下同）约35%的CO2，在“三新一高”指引和“双碳”目标约束下，中国制造业必须加大低碳转型的力度。有研究探讨了低碳转型的内涵，如Wang 等［1］认为低碳转型的核心是在保证经济增长的前提下实现碳减排；余澜等［2］提出低碳转型是以产业低碳化和低碳产业化为导向的经济绿色可持续发展的动态过程；周小亮等［3］则将低碳转型概括为通过技术进步、节能减排和结构升级实现产出增长与碳排放降低的发展过程。大量研究关注了低碳转型的影响因素，诸多学者聚焦了低碳技术进步、外商投资、环境规制、能源消费结构等因素，值得一提的是，新近研究将智能化纳入影响因素，研究其对低碳转型的影响，如Lin［4］认为智能化与低碳发展之间存在着互相促进、互为支撑的双螺旋联动机制；史丹等［5］研究发现智能化是推动工业低碳转型的重要途径；张杰等［6］提出企业通过人工智能等智能化技术的应用，能够优化原有生产方式和产业结构，淘汰落后低效产能、促进能源效率提升，从而推动企业绿色低碳转型；薛飞等［7］采用中国省级面板数据对人工智能技术与碳排放的关系进行研究，发现人工智能技术作为企业低碳转型的关键影响因素，主要通过提高能源利用效率推动企业低碳转型。

文献梳理发现，低碳转型内涵的研究明确了低碳转型的考量指标，低碳转型影响因素的研究有利于归纳低碳转型的路径和关键点，智能化作为新型影响因素可以赋能制造业低碳转型，但赋能的形式、机制等研究还不清晰，研究的证据还欠充分。因此，本研究以中国制造业28 个细分行业为研究对象，考察智能化赋能制造业低碳转型的内在机制。

2 理论分析及研究假设

2.1 智能化直接赋能制造业低碳转型

智能化以智能设备为载体赋能制造业，可以对生产环节高能耗、高排放等信息感知学习，实时分析、提出解决方案，有利于企业低碳发展［8］。智能化赋能制造业，可以使企业在产品生命周期内各环节快速响应和动态优化，也可以使特定场景下客户多样化、个性化的需求得到精准匹配［9］，带动企业低碳转型。智能化赋能供应链链主企业低碳发展同时，还可带动上下游企业进行低碳工艺设计和服务环节的低碳化改造，提高整个供应链的碳生产率。由此提出研究假说1：智能化可以直接赋能制造业低碳转型。

2.2 智能化间接赋能制造业低碳转型

首先，大数据、物联网等智能化技术运用于企业产品研发与设计活动有利于产品信息采集和知识交流整合，形成开放创新范式，推进企业技术创新能力提升［10］，而技术创新尤其是低碳技术创新会通过对碳排放的抑制作用来促进制造企业低碳转型；其次，运用智能化设备和技术可以提取分析生产过程中产生的实时数据，优化生产过程和工艺，对能源排放作出分析和整改，提高能源利用效率，进而促进制造企业低碳转型。综上，提出研究假说2：智能化通过提升制造企业技术创新能力和提高能源利用及效率间接赋能制造业低碳转型。

2.3 智能化非线性赋能制造业低碳转型

智能化能够驱动制造业低碳转型的前提是智能化技术（设备）嵌入制造业生产经营环节，由于技术进步与碳排放之间存在复杂的非线性关系［11］，那么智能化驱动制造业低碳转型的机制也可能是非线性的；由于智能化可以通过提高能源利用效率驱动制造业低碳转型，那么以能源利用效率提高为目标，客观上对智能化就提出了要求。因此，技术创新水平和能源使用效率不同，智能化赋能制造业低碳转型的效应也会不同，所以智能化赋能制造业低碳转型的效应很可能是非线性的。据此，提出研究假设3：因为技术创新水平和能源利用效率变动，智能化可能会非线性赋能制造业低碳转型。

3 实证研究设计

3.1 模型设定

综合上述分析，以中国制造业28 个细分行业低碳转型为被解释变量，以智能化水平为核心解释变量，结合相关理论和已有研究考虑控制变量，设定智能化赋能制造业低碳转型的直接效应模型如式（1）所示。

其中：LCT 表示低碳转型；INT 表示智能化水平，CONTROL 表示控制变量；i表示行业；t表示年份；α为待估计参数；ε为随机扰动项。若系数显著为正，则表示智能化可以正向驱动制造业低碳转型。

因此，在式（1）的基础上，借鉴温忠麟等［12］的中介效应检验法，构建由式（2）和式（3）构成的中介效应模型，考察智能化赋能制造业低碳转型的间接效应。

式（2）（3）中，MEDIATOR 表示中介变量，在机制分析中分别以技术创新、能源使用效率作为代理变量。若系数β1和γ2均显著为正，则表明智能化可以通过以上途径间接赋能制造业低碳转型。

为了检验智能化与制造业低碳转型之间的非线性关系，参考Hansen［13］提出的面板门槛模型，设定检验模型如下：

3.2 变量定义

（1）被解释变量：低碳转型（LCT）。低碳经济的内在逻辑是在经济稳定增长的同时降低CO2排放，二者可以归纳为碳生产率的增长，因此，使用兼具节能减排和经济增长双重属性的碳生产率作为低碳转型的衡量指标。碳生产率为国内生产总值与CO2排放量的比值，其中CO2排放量的测算是关键。为避免简单的一次能源划分法导致误差过大，根据《中国能源统计年鉴》，将最终能源消费种类分为7 类，包括煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气，采用2006 年《IPCC 国家温室气体清单指南》提供的估算化石燃料燃烧的CO2排放量的方法进行计算，所有燃料的碳排放估算可根据能源的消耗量以及CO2排放系数来计算。主要能源的相关参数及CO2排放系数见表1。计算出各种化石燃料的CO2排放系数之后，与各种燃料的消费量相乘就可以计算出各种燃料的碳排放量。

表1 主要能源的相关参数及CO2 排放系数

（2）解释变量：智能化（INT）。已有相关文献要么采用综合评价法测度智能化水平，测度指标体系非常庞杂，且数据获取存在很大难度，要么采用工业机器人运营库存来衡量智能化水平，过于偏颇简单，无法呈现出智能化的全貌。参考孙早等［14］的做法，假设各行业工业机器人应用率相同，通过各行业份额（工业增加值占比）计算得到各行业机器人运营库存权重，进而计算得出各行业机器人运营库存量，以此表征智能化水平。

（3）中介变量：1）技术创新（RD）。发明专利数是衡量企业技术创新能力的重要指标，采用有效发明专利数来衡量技术创新水平。2）能源使用效率（EP）。能源使用效率反映的是单位能源消费所带来的经济产出，鉴于数据的可得性，采用工业增加值与能源消费量的比率作为能源使用效率。

（4）控制变量：1）外商投资（FDI）。外商投资对中国经济增长作出了巨大贡献，但也可能会导致碳排放增加，从而对低碳转型产生影响，因此采用各行业实收资本中的外商资本表示。2）环境规制（ER）。借鉴多数学者的做法，采用工业废气和工业废水治理设施运行费用与主营业务成本的比值衡量环境规制程度。3）能源消费结构（ERS）。在中国“多煤、贫油、少气”的能源现状下，化石燃料仍将长期占据能源消费结构的主体地位，因此，选取各行业煤炭与焦炭消费量占行业能源消费总量的比重作为能源消费结构的衡量指标。

3.3 数据来源及描述

研究变量所涉及的指标数据来源于2006—2022年的《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》，以及国际机器人联合会和中国机器人产业联盟。鉴于数据的可得性，参考现行国家标准《国民经济行业分类》（GB/T 4754—2017），将橡胶制品业和塑料制品业合并为橡胶和塑料制品业，铁路、船舶、航空航天和其他运输设备制造业与汽车制造业合并为交通运输设备制造业，同时剔除废弃资源综合利用业与金属制品、机械和设备修理业，最终得到28 个制造业细分行业。各变量的描述性统计见表2。

表2 变量描述性统计

4 实证检验及分析

4.1 直接效应模型估计

使用Stata15 软件分别对模型进行固定效应模型、随机效应模型、混合效应模型回归，并利用B-P检验和Hausman 检验选择出最优模型，回归结果如表3 所示。

表3 基本模型回归结果

B-P 检验结果中P值小于0.01，说明随机效应优于混合效应。Hausman 检验结果中P值小于0.01，表示随机效应未满足假设条件，因此在随机效应和固定效应中选择固定效应。固定效应的回归结果显示，智能化在1%的显著性水平下对制造业低碳转型产生显著的促进作用，即在其他条件不变的情况下，智能化水平每增加1%，制造业低碳转型水平平均提高0.383%。智能化作为技术进步的体现，能够在降低生产成本、提高生产效率的同时降低单位产值的碳排放，从而对企业低碳转型产生积极影响。控制变量方面，在其他条件不变的情况下，外商直接投资在1%的显著性水平下对低碳转型具有显著的抑制作用，外商投资每增加1%，低碳转型水平平均降低0.151%，这是因为国外企业为了节约环境成本，将某些高能耗、高碳排放的产品转移到环境管制较为宽松的中国来进行生产，导致外商投资对低碳转型产生了不利影响；环境规制在10%的显著性水平下对低碳转型具有显著的促进作用，环境规制强度每提升1%，低碳转型水平平均增加0.047%，合理的环境规制有助于企业低碳转型升级；能源消费结构在1%的显著性水平下对低碳转型具有显著的抑制作用，能源消费结构每升级1%，低碳转型水平平均降低1.525%，就相同的产出而言，能源消费结构越大说明单位产出的能源消耗越多，碳排放量也就越多，因而会对企业低碳转型产生不利影响，能源消费结构对低碳转型的影响程度颇高，说明能源消费结构是影响制造业低碳转型的重要因素。

4.2 间接效应模型估计

基于表3 的回归结果，在表4 汇报了中介效应检验结果。列（1）和列（2）是以技术创新为中介变量的估计结果，由列（1）可以看出，智能化的估计系数在1%的水平上显著为正，意味着提高智能化水平可以推进企业技术创新能力的提升；列（2）的回归结果表明，智能化可以通过促进技术创新驱动制造业低碳转型。列（3）和列（4）是以能源使用效率为中介变量的估计结果，可以看出，智能化可以提高制造企业的能源使用效率，且能源使用效率在制造业低碳转型进程中起到了积极作用，说明智能化可以通过提高能源使用效率间接驱动制造业低碳转型。综合以上分析得出：智能化能够通过促进技术创新和提高能源使用效率两条路径，间接赋能制造业低碳转型。

表4 中介效应回归结果

4.3 门槛效应模型估计

助Hansen 提出的门槛模型，分别以技术创新和能源使用效率为门槛变量，利用Stata 15 软件对模型展开估计，验证智能化对制造业低碳转型的影响是否呈非线性。在此过程中，利用Bootstrap（自抽样）的方法检验门槛值的存在性，根据Bootstrap 方法得到的F统计值和相应的P值判断单门槛或双门槛的存在性，从而确定门槛模型类型。

由表5 可知，以技术创新为门槛变量时，单一门槛在10%水平上显著；以能源使用效率为门槛变量时，双重门槛在1%水平上显著。因此为了使研究具有科学性和可行性，以技术创新为门槛变量时，针对智能化对制造业低碳转型的驱动效应建立单一门槛模型；而当以能源使用效率为门槛变量时，将建立双重门槛模型进行后续研究。

表5 门槛效应自抽样检验结果

门槛数量确定后，再对门槛值和门槛区间系数进行估计，结果见表6，技术创新与能源使用效率的门槛估计值均处于95%的置信区间内且置信区间很小，意味着门槛估计值较为准确。

表6 门槛效应估计值及置信区间

进一步运用Stata 15 对模型中的参数进行估计，结果见表7，技术创新和能源使用效率作为门槛变量时，门槛区间内的参数估计值均通过1%显著性水平的检验，拟合优度分别为0.815 和0.849，与线性回归相比均有所提升，说明用门槛模型表征智能化与制造业低碳转型的关系更加客观准确。

以技术创新为门槛变量时，当技术创新水平低于门槛值11.413 时，智能化系数估计值为0.363，智能化对制造业低碳转型具有驱动作用；当技术创新水平超越门槛值时，智能化系数提升到0.416，智能化对制造业低碳转型的驱动作用较上一阶段明显增强。究其原因，由于技术创新推动了智能化的发展，当技术创新水平未达到门槛值时，智能化水平较低，主要依靠人力进行生产，低水平的智能化对制造业低碳转型的促进作用较弱；当技术创新水平跨越门槛值时，智能化达到较高水平，此时企业生产效率高，研发能力强，生产设备获得更高的能效，生产单位产品的CO2排放量减少，同时产品的生产成本也会降低，进而使得智能化对制造业低碳转型的驱动作用进一步增强。

以能源使用效率为门槛变量时，当能源使用效率低于第一门槛值时，智能化对制造业低碳转型的边际影响为0.240，智能化对制造业低碳转型有促进作用；当能源使用效率处于第一和第二门槛值之间时，智能化对制造业低碳转型的边际影响为0.361，智能化对低碳转型的促进作用有所提升；当能源使用效率跨越第二个门槛值时，智能化对低碳转型的边际影响变为0.429。随着能源使用效率的提升，智能化对低碳转型的促进作用不断增加。究其原因，一方面，提高能源使用效率是降低碳排放的重要方式，能源使用效率越高，对碳排放的抑制作用越强；另一方面，制造企业通过智能化促进能源利用技术提升、推动能源使用效率增长的同时，新型能源利用技术的使用又使得制造企业智能化水平得到提升，从而形成了良性循环。因此，智能化对制造业低碳转型的赋能作用会随着能源使用效率的提升而增强。

4.4 行业异质性分析

4.4.1 直接效应的行业异质性

由于碳排放强度的行业差异，智能化对不同制造行业低碳转型的赋能效应也会存在差异性。借鉴何康［15］和王玲等［16］的做法，以研究期内各制造行业碳排放强度的平均值为依据，将碳排放强度相对较低的14 个行业划分为低碳制造业，其他14 个行业则为高碳制造业，具体划分情况如表8 所示，在此基础上建立直接效应的行业异质性模型和门槛效应的行业异质性模型，进一步对智能化赋能制造业低碳转型的行业异质效应进行实证检验。

表8 制造行业分组

表9 为固定效应的线性回归结果，可以看出智能化对低碳制造业与高碳制造业的低碳转型进程均具有显著的促进作用：在其他条件不变的情况下，智能化水平每提高1%，低碳制造业低碳转型水平平均提高0.503%，而高碳制造业低碳转型水平仅平均提高0.264%。智能化对低碳制造业低碳转型的边际影响远远高于高碳制造业，说明智能化对高碳制造业低碳转型进程的促进作用相对有限，对于高碳制造业，智能化改造还存在较大的提升空间。根据郭克莎［17］对制造业按技术密度的分类可以看出，低碳制造业多为高和中高技术密集度行业，而高碳制造业多为低和中低技术密集度行业，所以低碳制造业智能化水平相较于高碳制造业更高，智能化对低碳制造业低碳转型的积极作用也更为明显。

表9 分组基本模型回归结果

4.4.2 门槛效应的行业异质性

表10 和表11 分别汇报了以技术创新和能源使用效率作为门槛变量的行业异质性检验结果。以技术创新为门槛变量时，智能化对高碳制造业低碳转型的门槛效应在统计学意义上不显著，故表10 仅汇报了智能化对低碳制造业低碳转型影响的门槛回归结果。可以看出，在技术创新水平的约束下，智能化对低碳制造业的低碳转型进程具有单门槛效应；在能源使用效率的影响下，智能化对低碳制造业和高碳制造业低碳转型都具有递增的双重门槛效应，且智能化对低碳制造业低碳转型的非线性回归系数明显大于高碳制造业。这恰与线性回归系数情况相同，进一步验证了回归结果的稳定性。

表10 门槛模型回归结果（以技术创新为门槛变量）

表11 门槛模型回归结果（以能源使用效率为门槛变量）

以技术创新为门槛变量时，门槛回归结果如表10 所示。对于低碳制造业而言，当技术创新水平低于门槛值时，智能化对低碳转型的边际影响为0.474，智能化对低碳转型具有促进作用；当技术创新水平跨过门槛值时，智能化对低碳转型的边际影响变为0.513，智能化对低碳转型的促进作用较上一阶段有所提升。统计结果显示，智能化对低碳制造业低碳转型的赋能作用持续加强，并与全行业保持一致，说明智能化对低碳制造业低碳转型的赋能作用正处在快速提升阶段。

以能源使用效率为门槛变量时，门槛回归结果如表11 所示。对于低碳制造业而言，当能源使用效率低于第一门槛值时，智能化对低碳转型的边际影响为0.431；当能源使用效率介于第一门槛值和第二门槛值之间时，智能化对低碳转型的影响系数提升为0.484；当能源使用效率跨越第二门槛值时，智能化对低碳转型的边际影响进一步提升为0.572。对于高碳制造业而言，当能源使用效率低于第一门槛值时，智能化对低碳转型的边际影响为0.163，智能化对低碳转型有促进作用；当能源使用效率处于第一和第二门槛值之间时，智能化对低碳转型的边际影响为0.238，智能化对低碳转型的促进作用有所提升；当能源使用效率跨越第二个门槛值时，智能化对低碳转型的边际影响变为0.308。统计结果显示，无论是低碳制造业还是高碳制造业，智能化对制造业低碳转型的赋能作用都随着能源使用效率的提高而显著增强，并且低碳制造业的智能化水平对低碳转型的赋能作用显著高于高碳制造业。究其原因，一方面，智能化作为技术进步的结果，能够显著提高能源使用效率［18］，低碳制造业智能化水平高于高碳制造业，所以低碳制造业能源使用效率相较于高碳制造业也更高，能源使用效率越高，对碳排放的抑制作用就越强，智能化对企业低碳转型的驱动作用也会越强；另一方面，相比于低碳制造业，高碳制造业必然面临着更高的环境规制的制约，使得高碳制造企业不得不增加污染治理的投入，给企业带来了过大的生存压力，导致企业生产积极性下降，生产率下降，不利于企业低碳转型发展。因此，随着能源使用效率的提升，智能化对高碳制造业低碳转型的赋能作用要低于低碳制造业。

5 结论与启示

本研究在理论分析的基础上构建了智能化赋能制造业低碳转型的多重效应模型，进一步运用2005—2021 年中国制造业28 个细分行业的面板数据实证检验了智能化赋能制造业低碳转型的多重效应，所得结论如下：（1）智能化赋能制造业低碳转型具有直接效应，即在其他条件不变的条件下，智能化水平每增加1%，制造业低碳转型水平平均提高0.383%。（2）智能化赋能制造业低碳转型具有间接效应，即智能化可以通过提高技术创新水平和优化能源使用效率间接赋能制造业低碳转型。（3）智能化赋能制造业低碳转型具有门槛效应，即在技术创新水平的约束下，智能化赋能制造业低碳转型具有递增的单门槛效应；在能源使用效率的影响下，智能化赋能制造业低碳转型具有递增的双重门槛效应。（4）智能化赋能制造业低碳转型因碳排放强度不同而存在异质效应。就直接效应而言，智能化对低碳制造业低碳转型的边际影响为0.503，而对高碳制造业低碳转型的边际影响仅为0.264，智能化对低碳制造业低碳转型的边际影响远远高于高碳制造业。从门槛效应看，对低碳制造业来说，由于技术创新和能源使用效率的影响，智能化对低碳转型的影响分别呈递增的单门槛和递增的双门槛效应；对于高碳制造业，以技术创新为门槛变量时，智能化对低碳转型的门槛效应不显著，而以能源使用效率为门槛变量时，智能化对低碳转型的影响呈递增的双重门槛效应，且此时智能化对低碳制造业低碳转型的非线性系数高于高碳制造业。

研究结论的政策启示在于：一是在以智能化为主要特征的新一轮工业革命兴起的背景下，智能化赋能是推动中国制造业低碳转型的重要途径。制造企业应深化智能化改造，结合行业发展特点加快智能化技术在企业生产经营各环节的嵌入，积极培育智能化的新业态和新模式，推进智能化技术的大规模应用；政府应深入推进智能化发展布局，完善相关配套基础设施建设，为制造业智能化发展营造一个良好的环境。同时要制定推进智能化发展的具体政策举措，为智能化发展提供强有力的政策支持。二是在智能化赋能制造企业低碳转型的过程中要充分发挥技术创新和能源使用效率的间接驱动作用，不能单纯依靠智能化技术的大规模使用。各企业应顺应发展趋势，淘汰落后的生产方式，一方面，提升自身技术创新水平，加快现有的研究成果转化，在提高自身生产效能的同时驱动企业低碳转型；另一方面，提高智能化对能源利用技术的促进作用，鼓励制造企业在扩大智能化生产的同时提高能源使用效率。三是由于智能化赋能制造业低碳转型的门槛效应，制造业在推进智能化建设时不能一味地依靠加大智能化改造投入，要注重智能化对制造业低碳转型驱动的门槛特征，充分关注技术创新水平、能源使用效率与智能化水平的匹配性。四是制定差异化的智能化赋能制造业低碳转型的相关策略。智能化对低碳制造业和高碳制造业低碳转型的影响存在异质性，政府在制定和实施相关政策时应综合考虑各行业的碳排放强度，制定差异化的政策，对于低碳制造业，应当适度提高环境规制，倒逼企业进行绿色技术研发和对传统生产技术进行创新改造；对于高碳制造业，则应调整经济增长方式，增加智能化在经济发展中的作用，以智能化发展带动能源使用效率提升，减少对煤炭的过度依赖，最大限度地驱动企业低碳转型升级。

在“三新一高”和“双碳”目标指引下，研究智能化赋能制造业低碳转型至关重要，本研究在已有研究的基础上对智能化赋能制造业低碳转型的多重效应进行了研究，但仍存在诸多不足，如智能化赋能制造业低碳转型的传导除了技术创新水平、能源使用效率之外可能还有其他传导机制，智能化赋能制造业低碳转型的门槛变量随着环境的变化还有可能发生变化等。这些不足在未来的研究中尚需不断深入和完善，智能化赋能制造业低碳转型将仍是政府和学界持续密切关注研究的重大课题。