编辑推荐：
人工智能对中国碳平衡指数的影响及空间效应研究。基于2000-2022年多尺度数据，运用空间杜宾模型揭示AI对CBI的异质性影响：东部及京津冀、长三角城市群呈现促进作用，而中西部及邻近区域受抑制。研究证实AI技术溢出与产业扩张的双重效应导致碳平衡能力分化，为区域碳中和路径优化提供决策依据。
刘娇|刘耀斌|李硕硕|魏国恩|田曦
南昌大学经济与管理学院，中国南昌330031
摘要
人工智能（AI）已经渗透到经济和社会系统中，其碳中和转型的催化作用对全球气候治理至关重要。在这项研究中，我们通过整合来自各种来源的数据来分析AI的空间和时间模式。此外，我们使用空间Durbin模型来揭示AI在不同尺度上对碳平衡指数（CBI）的空间影响。我们还试图量化这种异质性的边界。研究结果表明：2000年至2022年间，中国AI的空间分布呈现“东部多、西部少”的特征。AI对中国CBI产生了抑制作用，在省级和市级层面分别表现为-0.115和-0.019的负面影响。然而，从地理角度来看，AI促进了东北地区、京津冀城市群和长江三角洲城市群的CBI提升。从空间邻近性的角度来看，AI在邻近地区促进了CBI的提升，但在其他地区则产生了相反的效果。本研究为不同发展规模的城市如何通过利用AI实现碳中和提供了理论和实证依据。
引言
自工业革命以来，温室气体的累计排放量远远超过了陆地生态系统的吸收能力，引发了一系列问题，如地球持续变暖、极端天气频率增加以及海平面上升，这些问题严重影响了生物圈的完整性和人类健康（Wang等人，2024a）。为了缓解全球变暖，《巴黎气候协定》设定了一个关键阈值，将全球平均气温升幅限制在工业化前水平的1.5°C以内（Rogelj等人，2019；Ding等人，2024）。碳中和是应对环境危机的关键策略，也是实现可持续发展的不可或缺的途径。截至2024年，全球已有151个国家提出了碳中和目标（2024年全球碳中和年度进展报告）。碳中和要求我们改造和升级那些“高能耗、高排放”的产业，以实现可持续经济发展。同时，这也需要提高公众的环保意识，以保护和恢复人类社会所依赖的生态系统。碳平衡指的是碳汇与碳排放之间的相对关系，反映了区域实现碳中和的潜力（Ma等人，2022）。使用碳平衡指数（CBI）来评估碳中和的潜力，可以预测处于风险中的国家和地区之间的碳排放与碳汇之间的关系（Li等人，2024）。从农业化向工业化的转变加剧了温室气体排放，并削弱了生态系统的碳汇能力。相比之下，从传统制造向智能制造的转变，特别是AI技术的发展，为碳中和带来了新的机遇（Wang等人，2024b）。AI技术的外溢效应为产业变革、更新和升级提供了原始动力（Zhang，2023；Di Vaio等人，2020）。然而，AI的高电力需求和企业扩张对土地的需求反过来又给碳中和带来了压力。因此，探索AI对碳中和过程的潜在贡献可以支持可持续的产业重组，并推动全球碳减排目标的实现。
AI通过技术外溢效应和企业规模扩张效应对CBI产生双重影响。学术研究主要从AI技术应用、AI企业扩张和AI智能治理等方面探讨了AI的生态影响（Dwivedi等人，2021）。一方面，AI技术的应用推动了产业升级。学者们认为，AI提高了新能源技术的运营效率和成本竞争力，并通过清洁能源的广泛应用促进了产业链升级和创新产业的出现（Wang等人，2024b）。另一方面，实证证据表明，AI企业的扩张也可能导致生产规模和能源消耗的增加，企业增长的规模效应导致了更高的碳排放（Liu等人，2021b）。同时，一些学者探讨了AI在智慧城市、精准农业、森林管理和人工碳封存中的应用（Dong等人，2023）。利用AI进行环境评估可以优化土地管理，提高生态系统的精确度和碳汇能力（Liu等人，2021a），并通过碳捕获和储存技术增强碳汇效应（Delano?等人，2023）。因此，实现碳中和需要基于自然的解决方案与人类系统干预的科学协调（Li等人，2024）。然而，现有文献主要研究AI应用的单一环境或生态效应，缺乏一个整合碳排放和碳汇的统一框架。与以往的研究不同，我们关注AI在省级、市级和县级等多个尺度上的时空模式。在此基础上，我们揭示了AI在多个尺度上对CBI的影响，这可以为区域绿色低碳发展和生态环境保护提供实证参考。
与传统产业相比，AI企业在技术和产品方面具有更大的流动性。从空间角度来看，AI企业具有强大的空间外溢效应（Liu和Zhang，2021）。根据“流动空间”理论，AI企业可以通过技术、产品、劳动力和资本等流动要素影响相关地区的CBI。同时，基于地理学的三大法则，AI企业也可能通过集聚-扩散效应影响邻近地区的CBI。因此，本文进一步从空间角度使用微型企业数据探讨了AI对CBI的空间外溢效应，对比了本地和邻近地区的情况。许多学者已经深入研究了AI在不同尺度上对区域变异性产生的正面（Wang等人，2023）或负面影响（Luan等人，2022），包括国家级（Zhao等人，2024）、省级（Lee和Yan，2024）和市级（Wang等人，2022）。在地理单元层面，AI对CBI的作用也表现出明显的区域异质性，这受到各地区经济发展、社会结构和自然环境条件的差异驱动。鉴于此，本文系统地分析了AI在多个维度上的异质性特征，包括中国的四大经济区域、城市群和直辖市，为政策制定者提供了针对区域发展战略的建议。
作为最大的发展中国家，中国是全球最大的碳排放国和能源消费国（Hu等人，2024；Liu等人，2022），其碳排放量约占全球总量的28%（Ju等人，2024）。因此，中国面临着巨大的减排压力（Zhang和Chen，2022）。为应对全球气候变化，中国承诺在2060年前实现碳中和，这是实现全球可持续发展的重大战略决策（He，2014）。与此同时，随着一系列AI政策的出台，中国的AI产业正在快速发展，逐渐成为推动全球AI市场扩张的引擎（Lee和Yan，2024）。中国已将AI纳入国家战略规划，并早在2015年就在政府工作报告中提出了“互联网+”行动计划。为此，本文以中国为研究对象，探讨了以下问题：AI能否在中国推动碳中和进程？从空间角度来看，AI对CBI是否存在空间不平等效应？AI对CBI的影响在不同经济区、直辖市和城市群之间是否存在区域差异？
许多研究探讨了AI的环境影响，但很少有研究从“源-汇”视角将碳排放和碳汇整合在一个统一的框架内进行探讨。特别是在全球变暖的背景下，探索AI是否能够催化碳中和进程成为一个热门研究课题。本文的贡献包括：（1）AI企业是经济发展的核心创新力量。本文从“质量”和“数量”两个维度分析了中国AI发展的现状，并基于省级、市级和县级尺度详细阐述了空间分布模式，为探讨AI与CBI之间的关系奠定了基础。（2）从经济区、直辖市和城市群的角度探索AI对CBI的区位异质性。对不同地理单元的分析揭示了生态经济系统内的协同整合，促进了全球碳中和进程。（3）使用空间Durbin模型研究了AI与CBI之间的空间外溢效应。本研究阐明了AI和CBI的近期和长期效应，从而增强了人们对AI与CBI之间关系的空间理解。
研究区域
作为世界第二大经济体和资源丰富的新兴国家，中国面临着在促进区域经济发展的同时实现碳中和的重大挑战（Zhang等人，2022）。为了促进区域经济发展，中国将其省份划分为东部、西部、中部和东北部四个区域（图1）。京津冀城市群、长江三角洲城市群和珠江三角洲城市群（BTHUA、YRDUA、PRDUA）是
中国AI的演变历程
2000年至2022年间，中国AI企业的数量呈指数级增长（图3）。根据增长率，可以将其分为三个阶段：缓慢增长阶段（2000–2011年）、加速增长阶段（2012–2018年）和高增长阶段（2019–2022年）。
①缓慢增长阶段：2000年中国AI企业数量为33,600家，到2011年增长至32,366,000家，平均增长率为22.91%。这一阶段，中国的AI发展仍处于起步阶段，发展水平相对较低
AI在所有尺度上都抑制了CBI
AI在省级和市级层面都抑制了CBI。这可能是因为AI的规模效应超过了其技术进步的效应，从而损害了区域的碳平衡能力。一方面，AI企业的空间布局导致了生态用地向工业用地的转变，危及了陆地生态系统的碳汇能力。另一方面，大多数AI企业是高能耗企业，而AI的发展正在加速全球
结论与政策启示
本研究系统分析了2000年至2022年中国AI政策的演变、AI企业的多尺度时空模式及其对CBI的影响。结果表明，中国的AI发展呈现出明显的阶段性加速特征，表现为政策支持和企业扩张的同步增强。从空间上看，AI活动主要集中在东部地区和核心城市群。实证
CRediT作者贡献声明
刘娇：撰写——初稿、可视化、验证。刘耀斌：撰写——审稿与编辑、项目管理、概念化、资金获取。李硕硕：方法论、正式分析、数据管理、资金获取。魏国恩：监督、资源协调。田曦：软件开发、调查。
利益冲突声明
本手稿的提交不存在利益冲突，所有作者均同意发表该手稿。该手稿尚未以全部或部分形式在其他地方发表。所有列出的作者均已批准该手稿的发表。
致谢
本研究得到了国家自然科学基金（42271209、42301226）、国家社会科学基金（23&ZD034）、中国博士后科学基金（2025M770335）以及CPSF博士后奖学金计划（GZC20250215）的支持。
