工业机器人对碳排放强度的影响及其传导机制——基于中国制造业的理论与实证分析

余心滢，蔡道成，袁智炜，毛 浩

（1.浙江工业大学经济学院，浙江杭州 310023；2.浙江大学工程师学院，浙江杭州 310058）

党的二十大报告明确指出实现碳达峰碳中和是一场广泛而深刻的经济社会系统性变革，应坚持先立后破，有计划分步骤实施碳达峰行动。中国是全球制造业大国，制造业作为中国工业化的引擎和国民经济的支柱，在快速发展的同时也面临着高能耗和高排放的问题，成为中国减少碳排放的主战场、实现“双碳”目标的关键。随着智能制造技术与新一代信息技术的深度融合，人类社会正由传统工业经济时代向数智化时代转变，工业机器人作为推动制造业数智化转型的重要载体，已被广泛应用于制造业生产中。那么，以工业机器人为代表的制造业数智化装备的应用与碳排放之间存在怎样的关系？机器人的使用是加剧还是抑制了碳排放，其影响机制如何？为解答上述问题，本研究实证检验工业机器人在制造业中应用的碳减排效应，探析工业机器人应用影响碳排放强度的传导机制及空间效应，并在此基础上提出相应的政策意见。

1 文献综述

碳减排作为全球性的环境问题一直是国内外学界的关注热点，现有相关研究主要聚焦于经济、能源、人口和产业等因素与碳排放之间的关系，如Grossman 等［1］、杨子晖［2］、王瑛等［3］、Ma 等［4］的研究，除此之外，技术进步也是其中不容忽视的重要因素。从现有相关文献来看，技术进步对碳排放的影响通常具有双重效应：一方面，技术进步可以通过提高生产率、优化能源结构来显著减少碳排放，如魏巍贤等［5］、鄢哲明等［6］的研究；另一方面，Khazzoom［7］提出技术进步存在回报效应，即技术进步提高能源利用效率而节约了能源，同时技术进步促进经济增长进而增加新的能源需求，部分抵消了所节约的能源。因此，如申萌等［8］、金培振等［9］学者的研究表明，技术进步通过提升能源效率引起的碳减排效应仍然无法抵消其推动经济增长引致的碳增排效应。显然，技术进步对环境的影响取决于上述双重效应的综合效果，宣烨等［10］和潘雄锋等［11］的实证研究也发现二者的关系可能是不明确的；同时，何小钢等［12］、邵帅等［13］、Khan 等［14］的研究表明，不同类型、不同行业的技术进步对节能的具体影响效应不同。

自工业机器人兴起以来，学界围绕工业机器人引起的机器换人效应展开了广泛讨论。机器换人主要包括两方面，其中之一是替代效应，如Graetz等［15］、David［16］、Acemoglu 等［17］、韩民春等［18］研究认为现有劳动力会被机器人替代；二是创造效应，机器人在替代传统工作岗位的同时也促进了对技术要求更高的新工作岗位的产生，如马岚［19］、王永钦等［20］的研究结论。此外，如周文斌［21］研究指出，工业机器人的人力资源乘数效应在技术与资金密集型企业中占据主导作用，这在本质上不会对劳动力产生替代作用。

近年来，学界也逐渐开始将工业机器人和能源环境纳入同一分析框架中进行研究，如聂飞等［22］、唐晓华等［23］认为，工业机器人本身集成了大量人工智能技术，人工智能会提高生产活动的智能化和自动化程度，工业机器人的使用可以推动绿色技术创新，但Du 等［24］认为绿色技术创新有助于降低碳排放强度；Javaid 等［25］从理论层面讨论了工业机器人技术在减少污染方面的潜在影响；根据2006—2015年中国制造业细分行业的污染排放数据，陈昊等［26］研究发现机器人的使用显著降低了污染排放，主要通过研发增长效应和人工替代效应这两种渠道实现；从企业微观角度出发，盛丹等［27］认为机器人应用主要依靠前端生产中替代人工操作和增加清洁能源使用以及末端处理中增强排污处理能力和增设处理设备等机制显著抑制企业污染排放；蒋为等［28］采用中国省域数据实证检验机器人冲击与制造业碳排放的关系后发现，机器人应用带来的资本体现式进步对制造业碳排放技术减排效应强于规模增排效应。

综上所述，目前仍缺乏对工业机器人应用的碳减排效果和可能的影响机制进行实证研究的定量分析，也鲜有研究考察了人力资本在工业机器人影响碳排放过程中的调节作用和效果。针对此，本研究从理论和实证两个层面明晰了工业机器人在制造业中应用的碳减排效应。

2 理论分析和研究假说

作为“工业4.0”的关键技术之一，工业机器人的应用带来了许多经济效益，例如Liu 等［29］认为其促进了技术创新，Graetz 等［15］认为其提高了劳动生产率和全要素生产率。尽管工业机器人的应用不一定优先考虑环境可持续性，但却在无形中对环境的可持续发展产生了积极影响。

陈诗一［30］认为能源消耗是CO2排放的主要来源，因此碳减排本质上取决于能源强度的降低或者能源利用率的提高。工业机器人等人工智能技术的使用通过增加附加值和减少能源使用来提高能源利用效率，促进清洁生产［31］。一方面，如Ghobakhloo 等［32］、Wang 等［33］的研究阐述，工业机器人融入制造业企业生产过程，促进生产资源和生产要素的重新配置，有助于制造业企业通过优化生产流程实现降本增效，从而提高能源利用效率，带动节能减碳，所述；另一方面，工业机器人具有高效率、高精度和持续性的优势，其应用有利于加强对制造业碳排放的管理。通过制造过程数字化，监管部门能够准确监测制造业碳排放情况，帮助制造业利用碳排放数据来合理调控不同生产环节的碳排放，从而降低能耗、实现碳减排。

此外，工业机器人的应用还通过人工替代效应降低碳排放强度。Graetz 等［15］、Wang 等［33］认为，工业机器人通过替代人工提高了劳动生产率，扩大了等量投入的产出，减少了资源和能源消耗，从而降低了单位产出的碳排放。制造业生产过程会耗费大量能源并产生碳排放，而在人工操作中，工人工时长、重复度高、疲倦和情绪等各种因素不可避免地会影响生产质量，从而造成生产浪费，间接加剧碳排放。相比于人工操作，机器人生产在精度和效率上更具优势，可以有效提高产品质量从而减少碳排放。

然而，由于回报效应的存在，工业机器人的使用也会通过产出规模效应增加碳排放强度。刘清春等［34］、刘玉珂等［35］发现，产出规模是促进碳排放的一个显著因素，而陈彦斌等［36］、杨光等［37］、李磊等［38］认为工业机器人等人工智能技术的广泛使用在提高生产率的同时也会引起企业产出规模的大幅增长。因此有理由认为，产出规模是工业机器人影响碳排放强度的又一重要机制，即工业机器人的使用通过促进制造业产出规模增长，带动能源消费总量提升，从而增加碳排放强度。基于此，提出假设如下：

H1: 工业机器人应用通过提升能源利用效率和替代人工操作降低碳排放强度，通过促进制造业产出规模增长增加碳排放强度。

工业机器人带来了技术吸收和集成方面的挑战，技术吸收和模仿能力取决于人力资本与引进技术的匹配程度，人力资本水平高的地区能够更快地吸收先进技术并依靠要素流动实现扩散［39］。结合现实来看，工业机器人的应用要求人力资本具备相当高的素质，这包括但不限于编程、机械设计、电气控制等专业领域的知识。此外，由于工业机器人应用涉及到不同的领域和行业，操作者还需要具备熟练操作机器人的技能以及快速学习和应用新技术的能力，只有不断更新和拓展自身的技能和知识，才能满足机器人技术不断更新和发展的需求。在制造业数智化发展过程中，匹配高质量的人力资本可以更好促进碳减排效应的发挥，主要体现在以下3 个方面：一是在工业机器人渗透度一定的情况下，人力资本水平越高的地区意味着劳动者具备更强的学习和认知能力，对于绿色低碳和减排技术的研发和应用更为重视。这些地区的劳动者不仅可以利用专业知识设计和优化生产过程，确保机器人的使用效率最大化，还能通过创新性思维持续改进和创新生产流程，从而减少能源消耗和碳排放。这些现象凸显了人力资本的内部溢出效应。二是由教育投资产生的人力资本还能通过外部效应产生知识外溢，带动周围的人的知识和技能水平提高，从而使他们也能更好地消化利用工业机器人技术，充分发挥工业机器人对碳排放强度的积极作用。三是人力资本富集地区更容易得到国家发展战略和政府政策的扶持，政府会通过财政补贴和税收优惠等绿色补贴手段鼓励企业进行低碳技术创新，助力企业应用工业机器人设备来实现制造业生产过程中的节能减排，以此来缓解碳排放压力。由此，提出假设如下：

H2：人力资本的提升会强化工业机器人应用对碳排放强度的抑制作用。

工业机器人应用对碳强度影响的空间溢出效应可以归纳为以下几点：一是技术外溢效应。工业机器人作为技术进步的代表本身具有很强的技术外溢效应。工业机器人在本地区的应用会诱发周边地区的吸收、模仿和学习，通过技术扩散带动其他地区学习应用工业机器人技术加快制造业数智化转型，实现生产效率提升，从而降低碳排放水平。二是产业关联效应。工业机器人等人工智能技术的发展使得中心城市与外围城市的上下游产业之间存在着密切的关联和协同关系，中心城市工业机器人技术的应用不仅能提高自身产业生产效率和优化供应链管理，还可以激发外围地区上下游产业技术创新以及加速部分产业转移，从而有效促进地区竞争力提升与地区碳减排。三是资源共享效应。工业机器人的应用可以促进区域间创新要素流动和推动创新资源整合，有助于区域间绿色产品设计和绿色制造技术的共享，从而有效降低区域能耗和碳排放强度。由此，提出假设如下：

H3：工业机器人应用对碳排放强度的抑制作用存在空间溢出效应。

综合以上理论分析，工业机器人应用对碳排放强度的影响取决于能源效率效应和人工替代效应对碳排放强度的降低作用与产出规模效应对碳排放强度的提升作用孰高孰低。本研究在上述研究基础上将人力资本列为调节变量，从能源效率效应、人工替代效应和产出规模效应3 个视角同时构建工业机器人应用影响碳排放强度的统一框架，并从空间溢出视角探讨工业机器人应用对碳减排的影响（见图1）。

图1 理论框架

3 研究设计

3.1 数据来源

由于国际机器人联合会（IFR）有关中国分行业的机器人存量完整数据从2006 年才开始记录，且相关变量原始可得数据除西藏自治区严重缺失外，其余地区均更新至2019 年，因此为保证变量完整性和连续性，研究样本以2006—2019年中国30个省份（未含西藏以及港澳台地区）相关数据为研究样本。数据主要来源于3 个方面：一是IFR 公布的全球分行业工业机器人数据；二是提供各省份细分制造业就业数据的《中国劳动统计年鉴》。参考闫雪凌等［40］的做法，根据分类标准和行业名称，将机器人所在行业与《国民经济行业分类》中的二位行业进行逐一匹配。三是《中国能源统计年鉴》，它提供了各省份不同种类化石燃料消耗量，为计算各省份的碳排放奠定了基础。此外，经济发展水平、人口规模、城镇化率、研发支出占比等控制变量的数据主要来源于历年《中国统计年鉴》《中国科技统计年鉴》以及各省份统计年鉴。

3.2 变量测度与统计描述

（1）碳排放强度。依据《2006 年IPCC 国家温室气体清单指南》，利用各省份历年终端消费数据和各种能源碳排放系数计算分行业各种能源消耗的碳排放量。计算形式如下：

式（1）中：tceit为i省份t年碳排放总量；Eist为i省份t年第s种能源消费量；ηs为第s种能源的碳排放系数。

参考雷厉等［41］的做法，根据《中国能源统计年鉴》口径，将最终能源消费种类划分为9 种1），最终以各样本省份碳排放强度的对数值作为被解释变量。其中，碳排放强度以碳排放总量与各省份生产总值（GDP）的比值来衡量，各省份GDP 按照2006 年不变价格进行调整。

（2）工业机器人渗透度。机器人渗透度代表工业机器人的分布密度，即每万人拥有的工业机器人数量。借鉴Acemoglu 等［17］的方法，首先假设一个国家或地区的机器人在行业中分布是均匀的，因此某一地区的工业机器人密度取决于该地区内各行业就业份额的差异；同时，借鉴芦婷婷等［42］的做法，结合中国制造业的数据对工业机器人渗透度指标进行测算。具体式子如下：

式（2）中：erobjt为制造业j行业t年的工业机器人存量；Lijt为i地区制造业j行业t年的就业人数；Lit为i地区t年的就业人数；Ljt为制造业j行业的全国就业人数。将所有制造业细分行业的工业机器人渗透度进行加总即可得出i 地区的工业机器人渗透度指标。

（3）控制变量。引入人口规模、经济发展水平、对外开放程度、研发支出水平、城镇化率、能源消费结构作为控制变量。其中，人口规模采用地区常住人口数度量；经济发展水平采用人均实际GDP 衡量；对外开放程度采用实际利用外商直接投资额占地区生产总值的比重度量；研发支出水平采用各地区R&D 经费内部支出占地区生产总值的比重衡量；城镇化率用城镇常住人口占总人口的比重度量；能源消费结构用煤炭消费占能源消费总量的比重测算。

相关变量的描述性统计结果见表1。

表1 变量描述性统计结果

3.3 模型设定与估计方法

为检验工业机器人影响碳排放强度的机制，构建如下模型分别检验工业机器人渗透度变化对碳排放强度的影响、传导变量与工业机器人渗透度的相关性，以及人力资本对工业机器人渗透度与碳排放强度的调节作用，分别如式（3）～（5）所示：

式（3）～（5）中：Xit代表一系列省级控制变量；mit为作用机制变量；εit为随机误差。

为检验工业机器人应用对碳排放强度的空间溢出效应，参考杨慧梅等［43］的研究，构建空间杜宾模型如下：

式（6）中：W代表空间权重矩阵，包括邻接矩阵（W1）、地理距离矩阵（W2）和地理经济距离矩阵（W3），其中W1矩阵的元素wpi表示p省份与i省份是否为Rook 衔接邻近省份，是取值为1，否则取值为0；W2矩阵的元素wpi表示p省份省会（首府）城市与i省份省会（首府）城市最近公路里程的倒数；W3矩阵的元素wpi表示p省份省会（首府）与i省份省会（首府）最近公路里程的倒数与p省份年人均 GDP 占所有地区人均 GDP 年均值比重的乘积；δ1和δ3分别代表碳排放强度的空间自回归系数和工业机器人的空间效应回归系数。

为避免截面相关、异方差和序列相关对模型回归带来的影响，在上述模型基础上，采用Hoechle［44］提出的Driscoll-Kraay 标准误的固定效应模型回归方法来进行计量回归。

4 实证研究

4.1 基准回归分析

变量的基准回归结果显示（见表2），ln erob的回归系数在1%的统计水平上显著为负，表明在其他条件不变的情况下，工业机器人渗透度每增加1 台/万人，碳排放强度将下降12.3%，这与蒋为等［28］的研究结论相似。由此可见工业机器人的碳减排效应存在，这意味着工业机器人应用通过能源效率效应和人工替代效应降低的碳排放强度可能大于通过产出规模效应降低的碳排放强度，以工业机器人为代表的数智化装备在制造业的应用有助于实现“双碳”目标。

表2 变量基准回归和稳健性检验结果

4.2 稳健性检验

本研究从三方面进行稳健性检验：一是分别采用碳排放总量（ln tce）和人均碳排放（ln pce）作为被解释变量；二是重新以制造业细分行业的机器人增量（ln erob2）作为衡量机器人渗透度的指标替换核心解释变量；三是将被解释变量及所有连续变量分别在上、下1%的极端异常值进行缩尾处理。结果表明（见表2），工业机器人的应用对碳排放强度存在负向影响的结论具有较强的稳健性。

4.3 内生性处理

由于工业机器人渗透度指标可能与其他遗漏变量相关，导致工业机器人渗透度与碳排放强度存在反向因果关系。为避免内生性问题，借鉴林毅夫等［45］、胡晨光等［46］的研究，选取滞后1 期的工业机器人渗透度作为工具变量，利用两阶段最小二乘（2SLS）进行估计，结果如表3 所示。第一阶段回归结果显示工具变量的系数显著为正，表明工具变量与解释变量显著相关，而第二阶段回归结果显示表明机器人应用显著降低了碳排放强度，与此同时，Kleibergen-Paap rk LM 统计量在 1%的显著性水平下显著，且 Cragg-Donald WaldF统计量远大于10，表明工具变量不存在不可识别和弱工具变量问题。

表3 工具变量回归和内生性稳健性分析结果

此外，考虑到碳排放强度的变化可能存在一定的惯性，即当期的结果可能取决于上1 期结果。参考毛其淋等［47］的研究，在如式（3）基准模型的基础上引入被解释变量碳排放强度的滞后项，扩展后的模型如下：

采用系统高斯混合模型（GMM）方法估计上述动态面板模型，对可能存在的内生性进行稳健性分析，结果表明工业机器人的应用存在碳减排效应这一核心结论具有较强的稳健性（见表3）。

4.4 传导效应检验

为验证本研究提出的3 个假设，分别引入3 个传导变量来检验对应的传导机制。一是能源效率效应，以能源使用效率（ei）为传导变量，采用实际GDP 与能源消费总量的比值进行衡量。二是人工替代效应，引入制造业就业率（pp）作为传导变量，用制造业就业人数占常住人口的比率衡量。三是产出规模效应，引入产出规模（eco）作为传导变量，用制造业总产值来衡量。由于传统中介效应三步法检验的第三步存在明显的内生性问题，因此参考寇宗来等［48］的做法，仅使用传统中介效应检验三步法的第二步对以上3 个传导机制进行检验。

能源效率效应指的是制造业机器人的使用能帮助企业以最低能耗实现生产效率的提升，通过有效改善能源使用效率降低碳排放强度。如表4 所示，工业机器人渗透度的增加可以显著促进能源使用效率的提升，机器人渗透度每增加1 台/万人，可以带动能源使用效率提升3.1%。这主要归因于工业机器人的应用可以通过优化运行模式、采用高效节能设备来实现更加精细化和规模化的生产；此外，工业机器人的运行状态可以通过监控及时调整，以此减少能源消耗、提高能源使用效率，从而有效地降低碳排放强度。

表4 传导变量在工业机器人影响碳排放强度中的传导作用检验结果

人工替代效应指的是使用机器人替代人工劳动力，能够减少甚至消除因人为操作疏忽和误差引致的碳排放。回归结果显示，ln erob 的估计系数显著为负，表明机器人使用产生了人工替代效应。从结果来看，工业机器人密度每增加 1 台/万人，造成制造业就业率降低10.6%。原因在于工业机器人可以通过生产过程的自动化和智能化，实现机器代替常规简易的手工劳动，减少生产过程中的劳动需求［17］；此外，人工操作存在难以避免严重污染产生、生产过程无法达到所需精度要求而造成污染等环境问题［26］。因此，机器人操作替代人工操作可以满足生产过程所需的精度和效率要求，从而减少碳排放强度。

产出规模效应指的是工业机器人的应用促进了制造业生产规模的扩张，由此加剧碳排放。从结果可以看出，机器人应用的产出规模效应在1%的显著性水平上显著。原因可能是工业机器人等自动化技术在提高生产率的同时带动企业产出规模扩张，当产出规模增加时，需要使用更多的能源来满足生产需求，因此能源消耗也会相应增加，而目前中国一些制造业企业仍以规模增加为导向，尚未采用清洁能源和可持续的原材料，仍依赖传统化石能源，也并未将绿色低碳技术与工业机器人充分结合，导致生产过程中碳排放无法得到有效控制；此外，随着产出规模的扩张，制造业的物流和运输需求会增加，而交通工具的使用也需要燃料。因此，产出规模扩张也会导致碳排放强度增加。

综上所述，工业机器人的应用可通过能源效率效应和人工替代效应降低碳排放强度，通过产出规模效应增加碳排放强度，从而验证H1。

5 进一步分析

5.1 调节效应检验

人力资本提高有助于技术进步发挥对资源效率的提升作用，从而导致碳排放量的下降［49］。另外，环境技术创新效率在一定程度上取决于人力资本的知识积累、知识结构，人力资本提升进一步推动环境技术创新，这样才可能实现环境保护和经济发展的双赢局面［39］。那么更进一步，人力资本作为调节变量是否会对工业机器人的碳减排效应产生影响？为此，引入人力资本（hc）作为调节变量，借鉴陈钊等［50］的研究，采用人均受教育年限来衡量，以此探析人力资本对工业机器人应用影响碳排放强度的调节作用。

在线性回归模型中加入交互项后分析人力资本的调节效应，其中模型中交互项的变量经过中心化处理再交互，使得加入交互项后研究调节效应时原变量系数有一定的意义。如表5 所示，工业机器人与人力资本的交互项ln erob×ln hc 对碳排放强度有显著的负影响，说明人力资本正向调节工业机器人渗透度增加对碳排放强度的抑制作用，有效验证了H2。高层次和高质量的人力资本既能通过内部知识溢出提升个人专业化生产水平和科技创新能力，也能通过外部知识溢出对周围人生产力和创造力的提升产生积极影响［51］。人力资本水平越高的地区意味着能更好地利用知识储备和丰富经验实现工业机器人的消化和吸收，从而有助于工业机器人碳减排效应的充分发挥。

表5 人力资本对工业机器人应用影响碳排放强度的调节效应检验结果

5.2 空间溢出效应检验

首先采用Moran'sI指数检验工业机器人渗透度与碳排放强度的空间自相关性，结果如表6 所示。工业机器人渗透度与碳排放强度的莫兰指数均至少在10%水平上显著为正，说明工业机器人应用与碳排放强度的空间相关性存在，即相邻地区的工业机器人应用和碳排放强度能够相互影响，选用空间计量模型进行估计有一定的合理性。

表6 工业机器人渗透度与碳排放强度的空间自相关性检验结果

空间效应可能来自碳排放强度、工业机器人应用以及两者的误差项，因此借鉴杨慧梅等［43］的研究，通过构建空间杜宾模型检验工业机器人应用对碳排放强度影响的空间溢出效应，结果如表7 所示。从回归结果可知：（1）3 种空间权重矩阵下，碳排放强度的空间滞后项系数均在1%的显著性水平上为正，说明地区间碳排放强度存在显著的空间依赖性；（2）工业机器人渗透度及其空间滞后项系数均在1%的显著性水平上为负，说明一个地区工业机器人应用不仅对本地碳排放强度有负向影响，对邻近地区的碳排放强度也存在负向的影响效应；（3）为了解决回归系数解释空间效应产生的偏差问题，参考Lesage 等［52］的研究，进一步将空间总效应分解成直接效应和间接效应。直接效应代表本地工业机器人应用对本地碳排放强度的影响，包括反馈效应，即本地工业机器人应用会对邻近地区碳强度产生影响，进而又会影响本地碳排放强度。间接效应代表邻近地的工业机器人应用对本地碳强度的影响效应。直接效应和间接效应的系数在3 种权重矩阵下均显著为负，表明工业机器人应用对碳排放强度存在显著的空间溢出效应，本地工业机器人应用不仅能促进本地碳减排，也有助于其他地区实现碳减排，验证了H3。

表7 工业机器人应用对碳排放强度的空间溢出效应检验结果

6 结论与启示

当前，新一轮科技革命和产业变革正加速演进，中国机器人行业作为新兴技术的重要载体和现代产业的关键设备领域，在实现碳达峰碳中和目标中应该发挥更重要作用。本研究实证检验了工业机器人应用对碳排放强度的影响并进一步考察了工业机器人应用对碳强度影响的空间效应，得出如下结论：（1）中国工业机器人在制造业中的应用存在显著的碳减排效应，且在稳健性分析和内生性检验中结论保持一致；（2）中国制造业机器人的应用通过能源使用效率、人工替代、产出规模3 种传导机制影响碳排放强度，其中前两者体现的是碳减排效应，后者是碳增排效应；（3）人力资本强化了工业机器人渗透度增加对碳排放强度的抑制作用；（4）工业机器人应用对碳排放强度的抑制作用存在空间溢出效应。

根据理论分析和实证结果，提出以下政策建议：（1）加快扩大工业机器人在制造业的应用规模。一方面，机器人使用可以提高能源使用效率来降低碳排放强度。要通过资金和政策支持鼓励制造业企业引入工业机器人，对企业实施精准帮扶，如设立专项资金、减免税收政策等充分发挥工业机器人使用的能源效率效应，进而有效减少碳排放。另一方面，工业机器人应用也会通过增加产出规模增加碳排放强度，因此需要加强工业机器人关键技术研发，完善中国工业机器人从研发设计到生产维护的完整产业链。目前中国工业机器人以进口为主，尚处于低端领域，研发创新较少，尤其在碳减排技术研发与应用领域，因此需要以绿色低碳为导向，推动工业机器人与碳减排技术深度融合，有序推进制造业数智化转型与绿色发展。（2）开展制造业企业人均碳排放规模测算和能耗考核标准建设，对于人均碳排放和能耗严重的制造业企业实施监督，鼓励其引进工业机器人。由于机器人可以通过人工替代效应避免人工操作不精细造成的碳排放，因此在评估和测算的基础上，企业有目的性地应用工业机器人可以在最大化碳减排效果和最小化机器人使用引起的就业冲击中找到最优解。（3）加大人力资本教育投资，加速人才培养模式创新。政府作为人力资本投资的首要主体，应结合区域工业机器人使用情况，科学合理地制定相关人才政策，进一步落实支持人力资本提升的投资、税收和补贴政策等，提高劳动者的知识水平、生产技能和创新能力，提高人力资本质量，同时以市场需求为导向，培养和引进工业机器人技术应用高层次创新型人才和高技术技能型人才，使制造业数智化转型与人力资本形成良性互动，从而充分发挥人力资本在工业机器人使用影响碳排放强度中的调节作用。（4）有效发挥制造业数智化的空间溢出效应，构建碳减排区域协同联动网络。要规划建设制造业数智化发展中心地区，构建碳减排区域协同联动网络，辐射带动周边地区工业机器人的普及应用，推动智能制造技术与绿色低碳产业的融合发展，此外探索建立资源和数据共享系统，充分发挥制造业数智化的技术溢出效应、产业关联效应以及资源共享效应，协同推进全国范围的碳减排。

注释：

1）这9 种能源分别是原煤、焦炭、汽油、原油、柴油、煤油、燃料油、电力和天然气。