人工智能已成为影响多个领域的驱动力，对可持续资源管理和温室气体减排策略具有重大意义。近年来，中国一直在应对生态退化和全球气候变化的双重压力。此外，国际能源署（IEA）指出，新兴经济体的碳排放显著增加，这凸显了迫切需要有效的减排策略。在这种背景下，探索创新解决方案以应对这些紧迫的环境问题变得尤为重要。全球环境挑战日益严峻，新兴经济体的碳排放急剧上升。许多地区的空气污染水平远超世界卫生组织推荐的阈值。在这种情况下，将信息技术（IT）整合到可持续发展战略中已成为当务之急。
中国政府通过“人工智能+”行动计划等举措优先推进数字化转型，促进各行业采用人工智能技术，以实现绿色创新和低碳转型。然而，中国的经验与发达国家存在显著差异。美国（Jaffe, 2020）和欧盟（Gravey和Jordan, 2023）的研究表明，具有强大技术能力和较高教育水平的成熟市场经济体往往能从环境法规中实现更大的创新收益。而像中国这样的新兴经济体则面临将监管压力转化为企业层面创新的挑战，这主要是由于技术基础设施薄弱和企业治理结构多样化（Lv等人，2024）。
本研究具有重要意义，因为它直接探讨了人工智能作为变革性信息技术创新在工业发展中的作用。通过利用先进的计算模型和算法，人工智能能够优化资源分配、提升能源效率，并促进环保技术的发展。这些能力对于降低整体减排成本至关重要，使行业更经济地采用环保实践成为可能。它将中国基于人工智能的减排努力与国际基准进行对比，探讨了省级因素如何影响人工智能在降低边际减排成本方面的有效性。具体而言，将人工智能整合到工业流程中为实现可持续发展目标提供了有希望的解决方案，同时保持经济增长。
我们的研究问题是：（1）增加人工智能投资在多大程度上降低了中国各省的工业碳排放边际成本？（2）这种关系如何受到地区间技术基础设施和产业结构差异的调节？
这项研究通过将焦点从单纯测量排放水平转向理解人工智能驱动的减排策略的经济可行性和可扩展性，扩展了现有文献。大多数现有研究仅测量排放水平或评估数字化的宏观影响，但很少研究人工智能采用的边际成本影响，尤其是进行细致的、地区差异化的分析。我们的工作使用省级面板数据和先进的计量经济学方法，为政策制定者提供了关于不同发展背景下人工智能驱动的脱碳策略成本效益的关键见解。
具体而言，本研究通过利用2014年至2024年的省级面板数据，探讨了人工智能采用对中国工业部门边际减排成本的影响。通过系统广义矩方法（SYS-GMM）估计的动态面板模型发现，每增加一个单位的人工智能投资，边际减排成本可降低约13.7%-16.3%，证实了人工智能在减轻减排经济负担方面的潜力。然而，这种效应在不同地区存在显著差异。在技术先进的东部省份，成本降低了18.2%；而在中部地区，成本仅降低了4.7%；在西部地区，由于较高的转型成本、不匹配的产业结构和不足的数字基础设施，人工智能投资导致边际成本增加了6.3%。研究结果表明，尽管存在空间溢出效应，人工智能仍显著降低了工业碳排放的边际成本，从而增强了严格环境法规的可行性。此外，研究还发现人工智能在不同地区的有效性存在显著异质性，表明当地发展条件、制度质量和现有技术基础设施调节了人工智能采用的环境结果。这些见解为政策制定者提供了关键指导，帮助他们将数字化转型与绿色发展目标相结合，实现了可持续性和包容性增长的双重目标。
本研究在学术研究和实际应用方面做出了三项重要贡献：（1）通过系统研究人工智能应用与二氧化碳减排边际成本之间的关系，推进了理论理解。分析揭示了人工智能在提高减排效率和质量方面的潜力，扩展了关于人工智能驱动的环境创新的现有知识，并为可持续IT的讨论做出了贡献。（2）采用SYS-GMM模型的实证研究揭示了人工智能采用对二氧化碳减排影响的关键地区差异性，填补了现有文献中的这一空白。（3）研究结果强调了人工智能创新在推动社会可持续发展目标方面的关键作用，特别是在应对中国的二氧化碳排放挑战方面。因此，本研究为人工智能、环境政策和可持续发展的跨学科研究奠定了坚实的基础，也为政策制定者和IT专业人士提供了实用见解，帮助他们利用数字技术支持低碳转型。
后续章节结构如下：第2节介绍理论框架；第3节回顾文献并提出假设；第4节概述方法论和数据；第5节报告实证结果；第6节进行异质性分析；第7节进行稳健性检验和异质性分析；第8节总结政策含义和未来研究方向。
