人工智能能否成為中國制造業供應鏈中碳減排的加速器?——來自國家新一代人工智能創新與發展試驗區的證據
《International Journal of Production Economics》:Can Artificial Intelligence Serve as an Accelerator for Carbon Reduction in Supply Chains within China's Manufacturing Sector? — Evidence from the National New Generation Artificial Intelligence Innovation and Development Pilot Zones
【字體:
大
中
小
】
時間:2026年02月28日
來源:International Journal of Production Economics 10
編輯推薦:
本研究基于中國人工智能創新發展試驗區(AIIDPZ)政策,采用多期差分模型分析2016-2022年A股制造企業數據,發現該政策通過數字轉型、供應鏈效率提升和技術創新顯著降低企業碳排放,且對高污染行業、客戶集中度高及環境治理薄弱地區效果更明顯,為供應鏈碳中和提供政策啟示。
尹建華|周春風|嚴曉彤|闞金卓|董天宇
對外經濟貿易大學商學院,中國北京100029
摘要
低碳運營和供應鏈脫碳已成為實現凈零目標的核心途徑。我們利用中國的人工智能創新與發展試驗區(AIIDPZ)政策作為一個準自然實驗,來研究人工智能如何重塑制造業供應鏈中的碳治理。通過分析2016年至2022年間A股上市制造企業及其上下游合作伙伴的數據,我們應用多期差異-in-differences模型發現,AIIDPZ政策通過供應鏈溢出效應顯著降低了目標企業的排放量。機制分析表明,人工智能通過數字化轉型、供應鏈效率和能源技術創新有效減少了企業的碳排放。異質性分析進一步顯示,在污染嚴重的行業、客戶集中度較高的企業以及位于環境治理較弱地區的企業中,政策效果更為顯著。總體而言,這些發現為前沿技術在推進可持續供應鏈管理和制定氣候緩解脫碳戰略中的作用提供了政策相關證據。
引言
全球變暖已成為可持續發展的嚴峻挑戰。國際能源署(IEA)的2025年全球能源評論報告指出,2024年全球二氧化碳排放量達到了378億噸的歷史新高,凸顯了氣候危機的緊迫性以及圍繞“凈零”目標的廣泛共識。包括歐盟(EU)、英國和美國在內的許多主要經濟體都承諾推進碳控制和減排。例如,歐盟的碳邊境調整機制(CBAM)對鋼鐵、鋁和水泥等高碳密集型進口產品征稅,給非歐盟出口商帶來了制度壓力,并促使他們加速綠色升級以滿足歐盟的碳標準(Bellora和Fontagné,2023)。英國是最早設定2050年凈零目標的國家之一(Saif等人,2025)。美國計劃到2050年將溫室氣體排放量減少80%(Healey等人,2019)。中國承諾在2030年前達到碳排放峰值,并在2060年前實現碳中和(Tian等人,2023)。作為全球最大的碳排放國,中國的脫碳路徑對全球溫度目標和高質量發展具有重要意義。因此,加快實現碳峰值和碳中和的進程不僅對于履行《巴黎協定》下的共同但有區別的責任至關重要,也是緩解資源和環境約束、重塑產業競爭力、保障能源安全以及推進全球凈零目標的戰略要求。
制造業約占全球二氧化碳排放量的29.0%,因此減少制造業的排放對于緩解全球碳排放和資源浪費至關重要(Alqahtani和Gupta,2017;Mao等人,2023)。先前的研究表明,大約70%的碳排放發生在從材料采購、生產到物流和最終消費的整個供應鏈過程中(Gopalakrishnan等人,2021)。因此,制造業供應鏈的脫碳已成為維持生態平衡和實現可持續發展的關鍵議題。盡管制造商嘗試通過采用工業機器人(Lee等人,2022)、綠色技術創新(Borah等人,2023;尹建華和余宇,2023)、提升綠色動態能力(Shahzad等人,2022)、綠色供應鏈實踐(Wang等人,2024)以及綠色和低碳轉型(Xu等人,2023)來減少排放,但實施過程中仍存在諸多瓶頸(Abdullah等人,2016)。一方面,“數據孤島”和供應鏈中的“協調摩擦”加劇了信息不對稱性和牛鞭效應,導致部分減排措施未能轉化為整個供應鏈的脫碳(Wang等人,2021)。另一方面,傳統的運營決策往往不依賴于實時數據,導致過度生產和冗余物流。此外,智能技術的成熟度有限繼續制約著運營效率(Dong等人,2022;Zhang等人,2025)。國際能源署的2050年凈零:全球能源行業路線圖報告進一步指出,凈零路徑中近60%的減排依賴于仍處于研發階段的技術,這些技術的成熟度不足使得深度脫碳難以實現(圖1)。因此,僅依靠企業自身的技術升級難以克服供應鏈脫碳的挑戰,這凸顯了國家政策干預和指導的緊迫性。
應對這些挑戰需要強有力的國家政策指導、充足的資源支持以及企業的技術進步。在中國科技部的引領下,國家新一代人工智能創新與發展試驗區(AIIDPZ)政策為將數字經濟與實體經濟融合提供了戰略杠桿,并為解決上述問題提供了新方法(Wang等人,2025;Dong等人,2024)。與單一技術采用不同,該政策在多個城市設立試驗區,通過“技術賦能+場景驅動”的模式推動人工智能(AI)深入傳統產業。從運營角度來看,該政策推動的智能算法和數字基礎設施的部署(Jonny Holmstr?m,2022)增強了供應鏈協調性,并降低了單位產出的能源消耗(Uren和Edwards,2023)。從資源配置角度來看,該政策打破了企業之間的技術和數據“孤島”,通過更準確的預測和優化的資源調度,擴大了資源供應的有效規模,減少了能源消耗(Sorrell等人,2008),并提高了整體資源分配效率(Chatterjee和Dethlefs,2022)。
然而,批評者認為AIIDPZ政策的減排效果可能受到杰文斯悖論的影響。一方面,政策實施需要大量建設和維護數據中心、計算基礎設施和通信網絡等數字基礎設施,這可能在短期內增加能源消耗(Xie等人,2021),從而增加碳排放。另一方面,政策推動的智慧城市發展可能會吸引更多人口和工業活動,導致城市空間擴張,加劇“城市病”問題,如公共服務短缺、資源浪費和環境污染(Liu等人,2023)。此外,在政策激勵下,快速的AI迭代加劇了對大型模型訓練的依賴。由于模型訓練高度依賴能源,相關的碳排放量不容忽視(Zhong等人,2023;Wang等人,2024)。總體而言,相關文獻主要在宏觀層面評估了政策效果,或研究了AI在微觀層面的生產率影響(Borah等人,2023;尹建華和余宇,2023;Zhang等人,2025),而關于AIIDPZ政策對企業碳排放影響的直接證據仍然有限。
基于以上背景,本研究聚焦于中國的制造業,探討AIIDPZ政策的減排效果。具體而言,它旨在解決三個主要問題:首先,AIIDPZ政策能否有效促進企業減排?其次,AIIDPZ政策通過哪些供應鏈協調機制幫助上下游合作伙伴支持目標企業的減排?第三,這些效果在不同類型企業、供應鏈集中度以及環境治理優先級上是否存在差異?
本研究在三個方面為該領域做出了貢獻。首先,我們將AIIDPZ政策視為一種外部制度沖擊,可以催化綠色供應鏈管理,從而擴展了關于技術政策和低碳運營的文獻。其次,我們探討了該政策如何通過供應鏈傳導影響目標企業的碳排放,將實證研究重點從總體行業層面的排放結果轉向企業層面的機制。最后,我們手動編制了上市和非上市企業的數據,并構建了一個完整的鏈式面板數據集。這一設計明確了上下游企業之間的政策傳導路徑,并為在全球制造業中建立凈零操作系統提供了基于中國的證據。
本文的其余部分安排如下:第2節回顧了政策背景、相關文獻和研究假設。第3節介紹了實證模型和數據。第4節展示了實證結果。最后一節總結了主要發現和政策啟示。
政策背景
主要發達國家將人工智能(AI)視為提升國家競爭力和保障國家安全的關鍵戰略。例如,美國推動了國家人工智能研究與發展戰略計劃,以建立產業-學術-研究合作,保持其在AI技術領域的領導地位。加拿大推出了涵蓋整個技術生命周期的84項AI治理措施,以促進AI發展(Blair
樣本和數據來源
根據中國證券監督管理委員會(CSRC)2012年的行業分類,本研究以中國A股上市的制造企業為樣本,構建了一個年度匹配的數據集,連接上游企業、中游企業和下游企業。為了減輕政策實施前過長時間窗口可能引入的時間變化不可觀測變量并影響識別的問題,我們選取2019年——首批AIIDPZ宣布的年份——作為政策基準。
假設檢驗
主要變量的描述性統計數據顯示(參見 附錄表A1),因變量(CarEm)的平均值為上游供應鏈企業10.74,下游企業為11.06,表明下游企業的排放量略高于上游供應商。這種差異可能反映了下游企業在最終產品加工等能源密集型環節的更大參與度。
研究結論
綠色和低碳發展是高質量發展的關鍵支柱。人工智能已成為推動技術創新、要素配置和企業減排的重要驅動力。本研究利用AIIDPZ政策作為一個準自然實驗,利用2016年至2022年中國A股上市制造企業的數據,構建了一個“供應商-制造商-客戶-年份”對的匹配面板數據集。
CRediT作者貢獻聲明
周春風:撰寫——原始草稿、可視化、方法論、調查、正式分析、數據整理、概念化。尹建華:撰寫——審稿與編輯、監督、資源協調、項目管理、資金獲取。董天宇:可視化、驗證、軟件、方法論。嚴曉彤:驗證、資源協調、方法論。闞金卓:可視化、軟件、方法論
未引用的參考文獻
Attard-Frost等人,2024;Casalin等人,2017;Cui等人,2024;Dobbe等人,2020;Lu等人,2025;Holmstr?m,2022;Khan等人,2023;Ferrara Eliana等人,2012;Yang等人,2017;Liu等人,2024;Kim和Chai,2017;Lyulyov和Pimonenko,2025;Wang等人,2024;Cao等人,2025;Shi等人,2025;Imada等人,2024;Lee和Park,2020;Guo等人,2024;Sorrell和Dimitropoulos,2008;Healey和Jaccard,2016;Tian和Qi,2023;Wang和Shin,2015;Wang等人,2024;Wang等人,
生物通微信公眾號
生物通新浪微博
今日動態 |
人才市場 |
新技術專欄 |
中國科學人 |
云展臺 |
BioHot |
云講堂直播 |
會展中心 |
特價專欄 |
技術快訊 |
免費試用
版權所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯系信箱:
粵ICP備09063491號