新质生产力能否推动经济高质量发展？

关键词：人工智能；工业机器人；能源强度；双向固定效应；中介效应

一、引言

随着工业化时代的到来与深入，人类社会对于能源的依赖也日益强烈，巨大的能源消耗量给人类社会带来了前所未有的生产力水平，但同时也引来了一系列问题。当前社会经济发展依然以煤炭、石油等传统能源为主，这些能源不仅在短期甚至上千年内都难以再生，并且在开采和利用的过程中会对人类的生存环境造成难以估量的破坏。

改革开放以后我国经济进入高速腾飞阶段，取得了举世瞩目的伟大成就，然而巨大的能源消耗量与环境污染问题也伴随而来，且在进入二十一世纪以来愈发明显。据国家统计局公布的《国民经济和社会发展统计公报》，2000年我国能源消费总量为14.7亿吨标准煤，2013年增长为每年37.5亿吨标准煤，而到了2023年增至57.2亿吨标准煤。我国作为世界最大的能源消费国，能源需求和消耗的快速持续增长对我国经济发展的制约效应日益明显。在此背景下，我国经济由高速增长向高质量增长转型，而如何实现创新、协调、绿色、开放、共享的高质量发展成为社会的热点话题。

2024年的全国两会，“人工智能+”首次被写入政府工作报告，强调要深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造新的经济增长点，将人工智能真正转化为新质生产力，推动实现我国经济高质量发展。作为人工智能时代的典型代表产物之一，工业机器人是人工智能、机器视觉、云计算、运动控制等技术与机器人技术的融合，是高度智能化和精密化的产物，并且凭借其极强的技术性、极高的效率性与极广的应用性，已经渗透到社会各个生产活动中。2013年我国首次超越日本成为全球第一大工业机器人市场，全年销量达3.66万台，占全球的20.52%，到2022年安装量达到29万台。工业机器人的大规模使用能够推动工业智能化进程，提高生产技术和效率，促进经济发展。那么在推动经济发展的同时能否在一定程度上降低能源强度，缓解我国经济发展过度依赖能源消耗的局面？这个问题值得我们去深入探究与分析。

通过查阅相关文献，发现国内外学者主要从绿色经济与技术进步两个视角研究能源强度的影响因素，但从智能制造视角出发的研究很少。从经济视角下出发，夏子惠采用markandya方法，构建能源强度与经济增长收敛模型：张志强对产业结构优化带来的经济增长对能源强度的影响进行了研究。其中关于绿色经济对能源强度的影响，徐菲菲等人采用熵值法来测度绿色金融发展指标数据，并构建固定效用模型分析指标数据与能源强度的关系，也有学者运用系统合成控制法探究碳排放对能源强度的影响。国外学者SaptorsheeKanto Chakrabortyamp;Massimiliano Mazzanti认为发展绿色能源，加大开发利用力度，支持绿色能源创新，可以有效减少传统燃料的使用，从而降低能源强度。

另一方面，从技术进步视角下出发，胡莉梅，赵博宇和赵峰均使用计量模型实证分析技术进步与创新对能源强度的影响。此外，也有学者研究数字技术、数字金融与经济的发展对能源强度的影响，其中Dzwigol Hamp;Kwilinski A采用系统GMM方法探究数字化技术对不同国家能源强度影响的程度，魏丽莉和陈熙构建双向固定模型研究数字金融对能源强度的影响。

但从智能制造视角出发，国内外学者对能源强度的相关研究较少，其中祝红飞运用双向固定效应模型、随机效应检验模型等实证方法，引入外商资本强度作为中介变量探究工业机器人对能源强度的影响机制，也有其他国外学者使用类似方法对人工智能对能源强度的影响进行研究。

在人工智能引领的新一代工业革命的推动下，我国经济须从原本过度依赖能源消耗的粗犷式增长转变为创新、协调、绿色、开放、共享的高质量增长，通过工业机器人的推广使用提高工业生产智能化程度，提高生产技术与效率，从而降低能源排放，推动实施高质量发展。基于此背景，本文的主要目的是探究工业智能化对降低能源强度的影响，具有以下意义：

第一，探究工业智能化与能源强度之间的内在联系，以及工业智能化程度对能源强度的影响机制，会提高还是降低能源强度。第二，目前来说，从我国各省份视角出发研究工业智能化对能源强度的影响的文献寥寥无几，我们希望本文的研究结果能够为其他学者在此方面的深入研究时提供一定帮助。第三，根据文章结论，为政府和企业决策提供参考性意见和一定的理论支撑。

二、数据来源与模型设定

（一）变量选取

参考相关文献，本文在实证分析过程中采用的被解释变量为能源强度，解释变量为工业机器人数量，中介变量为环境规制，控制变量包括能源结构、产业结构、城镇化水平、城市人口密度、政府干预程度、人力资本水平和外商直接投资水平。各变量解释如下：

1．被解释变量

能源强度（EI）：表示每增加一单位的生产总值需要消耗能源的多少，它是衡量一个国家或地区能源利用效率的核心指标之一。本文选取的能源强度以标准煤与地区GDP的比值来衡量，表示每增加一万亿元的GDP需要消耗标准煤（吨）的数量，可以反映出经济增长与能源消费之间的关系，能源强度越小，表明对能源的利用效率越高。

2．核心解释变量

工业机器人数量（IRD）：根据国际机器人联盟IFR的定义，工业机器人是可自动化控制、可重复编程、可用于多种用途的机器设备。本文中选取的工业机器人数量定义为当前年份的工业机器人安装存量，单位为万台。

3．中介变量

环境规制（ER）：工业生产智能化可以提高生产效率，降低污染。在环境政策下，企业会采取一系列制度降低排放，从而降低能源强度。本文定义该指标为工业污染治理完成投资额与工业增加值之比。

4．控制变量

能源结构（ES）：我国能源结构以煤炭为主，易导致能源利用效率低、能源强度高。本文采用煤炭消费量与地区消耗标准煤的比值作为能源结构值。

产业结构（IS）：第二产业指工业和制造业，大量工业生产会加剧能源消耗，增加能源强度。本文以第二产业占生产总值比值表示产业结构。

城镇化水平（UL）：镇化进程的加快会提高工业生产的需求，能源消耗也会随之增加。此处以城镇人口占总人口比例来衡量城镇化的水平。

城市人口密度（UPD）：人口的密集程度同样会影响能源消耗与强度。以城市人口除以城市面积来衡量。

政府干预程度（GI）：政府干预与经济发展之间存在一定联系，从而影响能源强度。选用地方政府财政支出与GDP比值来计算。

人力资本水平（HC）：人力资本水平越高，该地区的居民环保与创新意识相对更强，从而影响能源强度，本文采用人均受教育年限作为人力资本水平衡量值。

外商直接投资水平（FDI）：引入外商可以更好地学习先进的生产技术方式，降低能源的消耗；此外，发达地区将高耗能企业迁往欠发达地区来降低生产成本，导致迁入地能源消耗与强度增加。本文采用外商直接投资总额与GDP的比值计算外商直接投资水平。

（二）模型设定

1．双向固定效应模型

其中，c表示工业机器人对能源强度影响的全部效应，c表示工业机器人对能源强度影响的直接效应，系数a与b的乘积代表工业机器人通过环境规制对能源强度影响的间接效应。

（三）数据来源及描述性统计

本文选取我国30个省级行政区2013-2021年的相关数据（港澳台与西藏自治区因缺失数据过多，故将其剔除）进行研究，对于部分缺失数据则采用线性插值进行填补，其中各省机器人安装数量参考康茜（2021）和芦婷婷（2021）提出的方法进行计算。

数据来源包括：《中国能源统计年鉴》、国际机器人联合会IFR，国家和地方统计局官网、中国统计年鉴与各省级统计年鉴。

三、时空格局分析

（一）时序变化分析

图1展示了我国能源强度随时间的变化情况。在2013年，我国各省份的能源强度整体较高，这主要是由于我国产业结构不合理等因素所致，平均能源强度达到了0.8264．这意味着为了实现经济增长，需要消耗大量的能源。然而，到了2021年，能源强度的均值降至了0.6106，相比于2013年下降了26.11%，除了天津、辽宁、宁夏和内蒙古能源强度有所提高外，其余省份经过了九年的能源结构调整和产业升级，能源强度普遍出现了不同程度的降低。2013年到2021年能源强度的下降表明我国在能源利用方面取得了显著的进步，通过调整产业结构和推进能源节约型、清洁型发展，成功降低了能源消耗，实现了经济增长与能源消耗的脱钩。

图2显示了我国工业机器人数量随时间的变化情况。在2013年，30个省份的平均工业机器人数量仅为0.344万台。当时，我国的工业生产仍然主要依赖大量的人力资源，工厂的生产活动未能充分利用现代化技术。然而，随着科技的飞速发展和工业智能化的推动，到了2021年，各省份的平均工业机器人数量已经飙升至2.847万台，是2013年的7.28倍。这个数字背后反映出我国工业生产模式的深刻变革，从传统的人力密集型向现代化、智能化的趋势转变。这一巨大的增长不仅提升了工业生产的效率和质量，也为我国经济的可持续发展奠定了坚实基础。

（二）空间演化分析

为进一步比较空间分布上的差异，利用ArcGIS10.8绘制2013年与2021年各省能源强度和工业机器人数量分布情况，见图3和图4。

图3显示，在2013年，我国西北属于高能源强度地区，而中部和东部地区则呈现出相对较低的能源强度水平。这一趋势在2021年并未发生明显改变，仍然体现出相似的空间分布格局。特别值得关注的是，东部沿海地区能源强度主要在0.345到0.552之间，而在西北地区则普遍要大于1.048，地区间呈现出不均衡性，这一现象可能与西北地区的工业结构、地形地貌等因素有关。这种地区之间的能源利用差异不仅影响了经济的可持续发展，同时作为警醒，也呼吁在政策制定和资源配置上更加注重地区间的均衡发展。

图4显示，在工业智能化蓬勃发展初期，工业机器人数量强省主要集中分布在沿海地区，其中，广东省以1.754万台工业机器人位列全国首位，其次是江苏、山东、浙江等地。相比之下，西部省份如甘肃、青海、宁夏和新疆的工业机器人数量则较少，不足500台。到了2021年，沿海地区仍然保持着工业机器人数量的领先地位，而西南地区和东北地区有更多的省份在工业机器人数量方面落后，东部沿海地区总体与内陆地区的差距进一步扩大。以广东省为例，在2021年其工业机器人数量已接近20万台，依然稳居全国第一，然而，欠发达地区如青海、海南和新疆等，却不足1万台。总体而言，历经9年时间，全国工业机器人数量整体上有了明显增长，但在地区间的空间分布上并没有发生显著改变，呈现出明显的地区不均衡性。

（三）能源强度与工业机器人演化分析

图5呈现了30个省份的能源强度与工业机器人数量随时间演变的趋势。通过观察能源强度与工业机器人数量的变化，可以发现随着时间的推移．除天津、内蒙古、辽宁、吉林、黑龙江和宁夏外，工业机器人数量总体上呈现增加的趋势，而能源强度呈现出下降的趋势。结合前人研究的成果，可以推测工业机器人可能是促使能源强度下降的关键因素之一。

四、实证分析

（一）相关性分析与多重共线性检验

在实证分析模型中，如果选取的变量之间关联性较强，存在多重共线性，将会使回归分析的参数估计得到更大的标准误，导致回归系数的估计精度降低，进而影响整个模型的实际效果。因此，本文对选取的全部变量进行相关性分析，并使用方差扩大因子法（VIF）进行多重共线性检验，结果详见表3与表4。

表3结果显示，各变量间的相关系数的绝对值大部分小于0.3，呈低度相关。表4中各变量VIF均小于10，进一步验证不存在多重共线性。

（二）基准回归结果

在选用固定效应还是随机效应模型研究工业机器人数量对能源强度的影响时，本文采用稳健的Hausman进行检验，得到的检验统计量的值为68.94，P值小于0.01，因此选取固定效应模型进行研究。

表5中（1）（2）（3）列分别表示混合回归、省份固定效应、省份与年份双向固定效应回归结果，以（3）进行分析。

工业机器人数量IRD在5%的置信水平上通过显著性检验，表明工业机器人数量每增加一万台，对应的能源强度就下降1.21%，说明工业机器人数量的增加可以使单位产值对应的能源消耗减少。这是由于工业机器人可促使企业提高能源利用效率，控制排放污染，降低污染排放量。此外，由于工业机器人在生产过程中的高效性，它们能够快速产出产品，从而在减少能源消耗的情况下推动经济增长，最终降低能源强度。

政府干预程度GI在1%的置信水平上通过显著性检验，表明政府干预每提升1%，对应的能源强度会提高2.99%，这表明政府的干预会使能源消耗变强。这虽有些不符合常理，但事实上，政府对于地方的干预难免会有负向效果，王桂梅等人在对中国高质量发展的研究中，认为政府干预对中西部高质量的发展起到了抑制作用，王昱等人也指出政府干预程度提高时，企业生产率水平变低，这会导致GDP的减少，进而使单位产值对应的能源消耗量变大。

人力资本水平HC在5%的置信水平上通过显著性检验，表明人均受教育年限每提升一年，能源强度将会下降7.53%，说明人力资本水平会抑制能源强度的提升。一方面，受过良好教育的人员更有可能提出新的技术和解决方案，这些方案可能会改善能源利用效率，从而降低能源强度，另一方面，高水平的人力资本通常也意味着拥有更高的科研水平和更有效的政策制定能力，科学家和政策制定者能更好的理解能源利用的挑战，并提出相应的解决方案。

外商直接投资水平FDI在1%的水平上通过显著性检验，表明FDI每提升1%，对应能源强度减少1.87%，这表明外商直接投资水平会抑制能源强度的提升。一方面，外商直接投资会带动GDP的增长，同日寸投资的资金也会被用在环境治理中，从而导致能源强度的下降，另一方面，外商直接投资的直接与间接溢出效应能够增强各省份的自主创新能力从而降低能源强度。

（二）稳健性检验

1．固定效应比较

表5中呈现了三种固定方式的结果，结果表明，即使采用不同的固定方法，核心解释变量IRD的符号并未发生反转，系数也均在5%水平上显著，意味着随着工业机器人数量的增加，能源强度将会呈现出显著的减少趋势。

2．子样本回归

从长时间来看，工业机器人数量会显著地负向影响能源强度，也可能存在极端值的影响，从而将不显著强化成显著，因此需要将个别异常值剔除或者选择子样本进行稳健性研究，本文选取2016年后的数据进行回归，结果见表6。

由结果可知即使在改变样本范围的情况下，核心解释变量IRD符号依旧没有发生反转，且均在10%的水平显著，系数和聚类稳健标准误与表5中全回归结果相差不大，表明上文得到的结果是稳健的，再次说明工业机器人数量的增加会降低能源强度。

（三）内生性检验

在本文中，如果增加工业机器人可以降低能源强度，那么能源强度较高的省份很可能会倾向于增加工业机器人的数量，于是能源强度与工业机器人之间相互影响，出现了双向因果关系，从而引发内生性问题，进而导致估计量的不一致性。

为降低内生性的影响，本文对核心解释变量IRD进行滞后二期处理并将其作为工具变量，利用GMM进行二阶段估计，根据表6的输出结果，Kleibergen-Paap rk LM统计量在5%的水平上显著，认为工具变量识别充足；Cragg-Donald Wald统计量大于Stock and Yogol0%临界值19.93，认为工具变量与IRD显著相关；Hansen J统计量P值大于0.1，接受工具变量是外生的，因此将IRD滞后二期作为工具变量是合理的。

表7显示，将IRD滞后二期作为工具变量进行回归后．IRD在1%的水平上显著，系数与基准回归结果相差不大，这再次证明了在消除一定的潜在内生性问题后，工业机器人数量对能源强度有显著负向影响。

（四）异质性分析

鉴于不同地区的经济发展水平存在显著差异，这种差异可能会对研究结果产生影响。为了更准确地评估工业机器人数量变化对能源强度的影响，本文对样本中的30个省份根据其地理位置划分为东部、中部、西部和东北四个地区。通过固定省份和年份效应，本文对这四个子样本进行了分组回归，详见表8。研究结果表明，工业机器人数量的变化仅在东部地区呈现显著影响，每增加一万台工业机器人，东部地区的能源强度将显著下降0.445%，而对于中部、西部和东北地区的能源强度影响则不显著。

其中可能的原因为：工业机器人是当代工业智能化的重要代表，其应用领域主要集中在高端技术产业和技术密集型行业，如汽车制造、电子设备生产等。然而，在中国，工业机器人的应用与地区经济发展格局之间存在明显的差异。中、西、东北地区仍然以劳动密集型产业为主导，工业智能化的起步相对较晚，发展进程较为缓慢。这一现状导致这些地区的人工智能与生产活动之间尚未实现良好的匹配，从而限制了经济的高质量发展。

相比之下，东部地区的人工智能产业起步较早，拥有较为完善的产业基础和技术积累，因此工业机器人的应用在该地区呈现出持续增长的趋势。工业机器人的应用与产业升级之间存在着密切的正相关性，机器人的广泛应用可以显著提升高技术产业的劳动生产率，并带来技术溢出效应，进而推动产业结构向更高端、更智能化的方向发展。通过实现产业结构的升级，东部地区不仅能够提高国内生产总值，还能有效降低能源消耗，从而实现降低能源强度的目标。因此，工业机器人数量的增加对于促进东部地区经济的高质量发展和能源结构的优化具有重要意义。

（五）中介效应

工业机器人的广泛应用不仅可以促使企业改进生产工序、优化生产流程，提高能源利用效率，还有助于降低污染排放量，这使得企业在提高产值的同时降低污染治理费用。因此，工业机器人的应用对环境规制起着至关重要的抑制作用。

当工业机器人对环境规制起着作用时，环境政策会受到一定影响，在有政策约束的情况下，企业为了降低处理环境问题的成本，必须注重控制能源消耗和污染物排放，这些环境成本包括污染性罚款、能源使用费以及未获得的节能减排补贴等。为了降低环境成本，减少对环境的负面影响，企业需采取各种措施来提高能源利用率，减少对化石能源的依赖，降低污染排放，从而降低能源强度。因此，环境规制的降低会带动能源强度的降低。

通过上文分析可以得出工业机器人的应用可能会通过环境规制进而降低能源强度。为验证这一猜想，构建中介效应模型，选用bootstrap法来获得标准误和置信区间．并将重复抽样次数设置在1000次去估计参数ab，使用BCa法构造95%置信区间。最终得到的直接效应、间接效应和总效应估计，见表9。

通过Bootstrap法计算出的效应均在5%的水平上显著，BCa95%置信区间不包括0，因此中介效应的检验是通过的，间接效应ab为负数。结合上文理论分析，工业机器人会通过环境规制抑制能源强度的提高，理论结果与实证结果相符合。进一步计算得出工业机器人数量对能源强度的直接作用占74.9%，剩余25.1%则通过环境规制间接产生。

五、结论与建议

（一）结论

1．工业机器人数量增加，能源强度总体降低。工业机器人在人工智能时代的工业生产中扮演着重要的角色，它们成为了工业智能化进程中不可或缺的一部分。在中国各个省份，工业机器人的数量不断增加，而与此同时，能源强度也呈现出逐步降低的趋势。通过建立双向固定效应模型进行研究，本文发现工业机器人的应用能够显著地抑制能源强度的上升。具体而言，每增加1万台工业机器人，能源强度平均可降低1.21%。

2．不同区域的工业机器人对能源强度影响存在差异。本文通过将样本分为东、中、西、东北四个地区，进行了异质性分析，研究结果表明，东部地区的工业机器人应用能够显著降低能源强度，每增加1万台工业机器人，能源强度就会显著下降0.445%。而在其他地区，尽管也存在工业机器人的应用，但并未表现出明显的显著性。这主要是因为东部地区拥有良好的人工智能产业基础和较高的发展水平。工业机器人的应用可以显著促进产业结构升级，有效提高国内生产总值，同时降低能源消费，从而达到降低能源强度的目标。

3．工业机器人通过环境规制影响能源强度。本文构建中介效应模型，使用bootstrap法构建标准误进行参数检验，结果显示，工业机器人的应用对环境污染起着重要的减少作用，与此同时，环境政策的出台可以有效降低能源使用，环境规制作为中介变量能显著地抑制能源强度的提升，其中中介效应占到了总效应的25.1%，这表明环境规制在降低能源强度中扮演着重要角色。

（二）建议

1．我国应当积极推动工业智能化进程，逐步实现能源强度的稳步下降。在工业4.0时代，人工智能对于能源强度的降低发挥着重要作用。为此，政府可以采取一系列措施，完善激励机制，包括财政补贴、税收减免、贷款优惠等，与企业、高校以及研究所等机构联合开展工业生产智能化新技术的研发。同时，政府应鼓励企业特别是工业企业加强人工智能技术的研发、应用，并在环境保护领域进行应用。此外，政府还应加大对工业机器人的研发与推广力度，进一步扩大工业智能化覆盖范围，以实现降低能源强度的目标。

2．平衡各地区的发展，缩小区域差异。国家层面应当持续出台一系列相关政策，以鼓励各地区积极开发太阳能、风能等可再生能源资源，同日寸支持高能耗企业实施节能减排措施，并给予相应的补贴和支持，以促进能源结构的调整和优化。此外，应该加强中、西、东北地区与东部发达地区之间的技术和经验交流，进一步加大先进生产技术和管理经验的引进力度。同时，必须充分利用高校和研究所等资源，挖掘当地特色产业，吸引和留住人才。以人才为第一资源，以创新为第一动力，推动产业结构升级和高质量发展，有效缩小各地区之间的发展差距。

3．各地应当因地制宜，优化环境政策，采取适合当地情况的措施。合理、健全的环境政策对于有效抑制能源强度的提高至关重要。目前，我国各地区的经济发展和能源结构等存在着较大差异。如果盲目实施严格的环境政策，可能会给那些依赖能源消耗的地区带来困难。因此，尽管工业机器人可以通过环境规制间接抑制能源强度，但环境政策的制定同样需要因地制宜。必须结合当地的产业特点和发展现状，充分发挥各地的特色资源优势，制定具有区域特色的环境政策。环境政策的制定必须与产业和时代的发展进步相结合，不断进行优化，以适应不断变化的情况。只有与时俱进、因地制宜，才能找到环境政策与经济发展之间的平衡点，并实现经济与环境的双赢。