喻春嬌 李?yuàn)W

[摘? ? 要] 人工智能技術(shù)作為新一輪工業(yè)革命的核心技術(shù)，目前已經(jīng)逐漸應(yīng)用于環(huán)境治理領(lǐng)域并產(chǎn)生了正向效應(yīng)。具體而言，人工智能技術(shù)通過(guò)直接和間接兩種方式對(duì)環(huán)境污染治理產(chǎn)生影響。直接技術(shù)進(jìn)步效應(yīng)表現(xiàn)在人工智能催生出的一系列新技術(shù)、新產(chǎn)品、新模式用于環(huán)境污染治理領(lǐng)域，減少環(huán)境污染。間接技術(shù)進(jìn)步效應(yīng)一是表現(xiàn)在人工智能技術(shù)的發(fā)展會(huì)擴(kuò)大經(jīng)濟(jì)規(guī)模，促進(jìn)經(jīng)濟(jì)增長(zhǎng)，從而對(duì)環(huán)境污染產(chǎn)生影響，但影響方向不確定;二是表現(xiàn)在人工智能技術(shù)會(huì)提升一國(guó)在全球價(jià)值鏈中的分工地位，促進(jìn)全球價(jià)值鏈升級(jí)，從而降低一國(guó)的環(huán)境污染。目前直接研究人工智能對(duì)環(huán)境污染影響機(jī)制、指標(biāo)構(gòu)建、數(shù)據(jù)獲取等方面存在不足，這也是人工智能影響環(huán)境污染的進(jìn)一步研究方向。

[關(guān)鍵詞] 人工智能技術(shù); 環(huán)境污染; 全球價(jià)值鏈分工;經(jīng)濟(jì)增長(zhǎng);綠色經(jīng)濟(jì)

[中圖分類(lèi)號(hào)] X321? [文獻(xiàn)標(biāo)識(shí)碼] A? [文章編號(hào)] 1002-8129（2022）01-0050-08

一、引言

人工智能（Artificial Intelligence，簡(jiǎn)稱AI）技術(shù)誕生于20世紀(jì)50年代①，被稱為世界三大尖端技術(shù)之一，在第四次科技革命中處于核心地位，為人類(lèi)社會(huì)創(chuàng)造了巨大的經(jīng)濟(jì)效益和社會(huì)效益。隨著數(shù)字革命的興起，德國(guó)、日本、中國(guó)、美國(guó)、歐盟、英國(guó)等國(guó)家和國(guó)際組織先后制定了相關(guān)戰(zhàn)略和規(guī)劃，高度重視人工智能的發(fā)展，并投入了大量研發(fā)資金來(lái)打造新一輪產(chǎn)業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)。

目前，社會(huì)各界對(duì)人工智能的定義尚未達(dá)成普遍共識(shí)，不同領(lǐng)域的學(xué)者給出了不同的解釋。傳統(tǒng)的人工智能是指開(kāi)發(fā)創(chuàng)造能夠模仿、學(xué)習(xí)和替代人類(lèi)智能的“思維機(jī)器”，驅(qū)使機(jī)器學(xué)習(xí)人類(lèi)行為的思考方式，讓機(jī)器做本需要人的智慧才能做到的事情[1][2][3]。芬萊森（Finlayson）（2010）則認(rèn)為，人工智能作為一種戰(zhàn)略技術(shù)，其核心內(nèi)容是建立在數(shù)字化、信息化基礎(chǔ)上的智能化轉(zhuǎn)型[4]。然而隨著理論研究和應(yīng)用領(lǐng)域的擴(kuò)大，人工智能已成為涉獵廣泛的一門(mén)科學(xué)，其不僅要依靠計(jì)算機(jī)算法層面的支持，而且更強(qiáng)調(diào)思維能力和自主決策能力，即像人一樣理性思考和行動(dòng)的系統(tǒng)[5][6]。

綜上可見(jiàn)，雖然目前學(xué)術(shù)界對(duì)人工智能的概念尚未達(dá)成共識(shí)，但通過(guò)總結(jié)文獻(xiàn)可以發(fā)現(xiàn)一些共性：人工智能應(yīng)能替代人類(lèi)來(lái)完成具體勞動(dòng)任務(wù);人工智能應(yīng)具有學(xué)習(xí)能力。

改革開(kāi)放以來(lái)，在我國(guó)經(jīng)濟(jì)快速增長(zhǎng)的同時(shí)，也產(chǎn)生了嚴(yán)重的環(huán)境污染問(wèn)題，如何提升環(huán)境污染治理效率成為困擾地方黨委政府的重大難題。人工智能作為一項(xiàng)新的前沿技術(shù)，為環(huán)境污染治理開(kāi)辟了新的路徑，給環(huán)境污染治理帶來(lái)了新的技術(shù)革新。但是，人工智能技術(shù)影響環(huán)境污染的機(jī)制是什么？這是一項(xiàng)值得深入研究的課題。基于此，本文擬對(duì)人工智能技術(shù)如何影響環(huán)境污染的相關(guān)研究文獻(xiàn)進(jìn)行梳理，以期為理論界和決策部門(mén)提供有益的借鑒與依據(jù)。

二、人工智能技術(shù)影響環(huán)境污染治理的機(jī)制

（一）促進(jìn)技術(shù)進(jìn)步的直接效應(yīng)

研究表明，人工智能技術(shù)作為技術(shù)進(jìn)步的一種具體表現(xiàn)形式，是新一代信息技術(shù)的代表，是科學(xué)技術(shù)發(fā)展的一次重大革新[7][8][9]。因此，人工智能通過(guò)技術(shù)進(jìn)步會(huì)對(duì)環(huán)境污染治理帶來(lái)直接效應(yīng)，即人工智能技術(shù)的發(fā)展促進(jìn)污染治理技術(shù)的提升。人工智能技術(shù)的快速發(fā)展催生出了一系列新產(chǎn)品并不斷延伸到環(huán)保領(lǐng)域，為環(huán)境治理帶來(lái)了新的工具，從而有效降低環(huán)境污染（見(jiàn)圖1），具體而言：

首先，人工智能技術(shù)增加了環(huán)境信息的獲取途徑。人工智能圖像、聲音識(shí)別處理技術(shù)具有較廣泛的搜索和分析能力，極大提高了人類(lèi)對(duì)環(huán)境狀況的感知和觀察能力。張文博（2019）研究發(fā)現(xiàn)，可以通過(guò)技術(shù)識(shí)別聲音、控制噪聲源來(lái)進(jìn)行相關(guān)環(huán)境分析，可通過(guò)光譜分析監(jiān)測(cè)大氣污染信息，還可以通過(guò)圖像識(shí)別來(lái)實(shí)現(xiàn)生物多樣性普查[10]。

其次，人工智能與大數(shù)據(jù)相結(jié)合可以擴(kuò)大環(huán)境監(jiān)測(cè)的時(shí)空范圍。郎芯玉、張志勇（2019）、張旭等（2020）研究發(fā)現(xiàn)，人工智能與大數(shù)據(jù)的結(jié)合降低了水污染數(shù)據(jù)處理的復(fù)雜性和成本[11][12]，通過(guò)廣泛安裝環(huán)境污染傳感器，增加監(jiān)測(cè)的持續(xù)時(shí)間和頻率，擴(kuò)大了監(jiān)測(cè)的覆蓋面積。人工智能技術(shù)在自主檢測(cè)設(shè)備中的應(yīng)用，大大降低了收集環(huán)境信息的難度和成本，比如基于人工智能的無(wú)人駕駛飛行器、無(wú)人潛航器以及專用于監(jiān)測(cè)空氣污染物的街景車(chē)，可以對(duì)大氣、水、土壤等污染信息進(jìn)行長(zhǎng)時(shí)間動(dòng)態(tài)檢測(cè)。

最后，人工智能技術(shù)可以為政府和非政府組織的環(huán)境預(yù)測(cè)、決策提供優(yōu)化方案。即人工智能技術(shù)通過(guò)對(duì)各種環(huán)境數(shù)據(jù)進(jìn)行定量分析，從而為環(huán)境治理主體（政府和非政府組織）提供決策依據(jù)。張偉、李國(guó)祥（2021）探討了人工智能技術(shù)運(yùn)用于環(huán)境數(shù)據(jù)分析、案例研究和數(shù)學(xué)建模，得出人工智能技術(shù)發(fā)展可以進(jìn)行環(huán)境預(yù)測(cè)和輔助決策，從而為環(huán)境污染治理帶來(lái)積極效應(yīng)[13]。

從實(shí)踐應(yīng)用來(lái)看，當(dāng)前已有不少政府和企業(yè)合作將人工智能用于環(huán)境污染治理領(lǐng)域的成功案例。例如2014年國(guó)際商業(yè)機(jī)器公司（IBM）借助人工智能，開(kāi)發(fā)出一種可減緩北京嚴(yán)重空氣污染的新方法，名為“綠色地平線”（Green Horizon），通過(guò)綜合多個(gè)不同模型的大量數(shù)據(jù)，該系統(tǒng)不僅可以提前預(yù)測(cè)北京不同地區(qū)空氣污染的嚴(yán)重程度，還能給出如何將污染降低到最小的具體建議;微軟在2017年推出“一切為了地球”（All for Earth）計(jì)劃，預(yù)計(jì)投入5000萬(wàn)美元用于人工智能的環(huán)境治理領(lǐng)域;阿里巴巴運(yùn)用阿里云強(qiáng)大的計(jì)算能力，于2020年6月推出應(yīng)對(duì)全球環(huán)境惡化的技術(shù)方案ET（Evolutionary Technology）環(huán)境大腦，實(shí)現(xiàn)對(duì)污染源的智能感知，并建立綜合評(píng)估模型進(jìn)行交叉分析，等等。這些現(xiàn)實(shí)案例充分證明了人工智能技術(shù)的發(fā)展會(huì)給環(huán)境污染治理帶來(lái)積極效應(yīng)。

（二）促進(jìn)技術(shù)進(jìn)步的間接效應(yīng)

1. 人工智能技術(shù)、經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染。傳統(tǒng)的技術(shù)進(jìn)步是通過(guò)帶來(lái)新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)、擴(kuò)大經(jīng)濟(jì)規(guī)模來(lái)影響環(huán)境污染治理。人工智能技術(shù)的發(fā)展同樣會(huì)帶來(lái)經(jīng)濟(jì)的高速發(fā)展、經(jīng)濟(jì)規(guī)模的擴(kuò)大，從而對(duì)環(huán)境污染治理產(chǎn)生影響。

目前現(xiàn)有研究從理論和實(shí)證層面都證明人工智能會(huì)帶來(lái)經(jīng)濟(jì)增長(zhǎng)。以任務(wù)模型為代表的理論模型大多認(rèn)為工業(yè)機(jī)器人、自動(dòng)化與人工智能等新興生產(chǎn)方式會(huì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)，這一點(diǎn)也得到了相關(guān)實(shí)證分析的證實(shí)。例如，格雷茨（Graets）、邁克爾斯（Michaels）（2018）基于1993-2007年的行業(yè)面板數(shù)據(jù)的計(jì)量檢驗(yàn)發(fā)現(xiàn)，人工智能等新興生產(chǎn)方式使得經(jīng)濟(jì)增長(zhǎng)速度提高了0.37%[14]。楊光、侯鈺（2020）使用機(jī)器人國(guó)際聯(lián)合會(huì)（IRF）發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)證明機(jī)器人的使用確實(shí)對(duì)經(jīng)濟(jì)增長(zhǎng)具有促進(jìn)作用，特別是隨著人口紅利消失，效果將更加顯著[9]。阿西莫格魯（Acemoglu）、雷斯特雷波（Restrepo）（2017）、陳秋霖等（2018）研究發(fā)現(xiàn)，在經(jīng)歷快速老齡化的國(guó)家中，年輕和中年勞動(dòng)力的稀缺可以促進(jìn)機(jī)器人（和其他智能化生產(chǎn)）的充分采用，從而促進(jìn)總產(chǎn)出的增加[15][16]。程承坪、陳志（2021）認(rèn)為，人工智能技術(shù)可以直接和間接帶來(lái)經(jīng)濟(jì)增長(zhǎng)，直接增長(zhǎng)效應(yīng)表現(xiàn)為促進(jìn)勞動(dòng)生產(chǎn)率的提升和產(chǎn)業(yè)鏈的延長(zhǎng)，間接增長(zhǎng)效應(yīng)表現(xiàn)為人力資本供給的增加、市場(chǎng)效率和政府治理效率的提高[17]。阿吉翁（Aghion）等（2017）將人工智能技術(shù)引入到商品和服務(wù)的生產(chǎn)函數(shù)中，得出人工智能技術(shù)會(huì)帶來(lái)經(jīng)濟(jì)總的平衡增長(zhǎng)。在知識(shí)的非競(jìng)爭(zhēng)性導(dǎo)致收益遞增的條件下，人工智能技術(shù)還可以產(chǎn)生某種形式的奇點(diǎn)，甚至可能帶來(lái)經(jīng)濟(jì)在有限的時(shí)間內(nèi)獲得無(wú)限的收入[18]。林晨等（2020）從優(yōu)化資本結(jié)構(gòu)的角度探討了人工智能技術(shù)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響機(jī)制，認(rèn)為人工智能技術(shù)的發(fā)展可以降低住房和基建支出對(duì)居民消費(fèi)的擠壓，使資本更多流向?qū)嶓w經(jīng)濟(jì)，成為新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)[19]。

環(huán)境污染問(wèn)題與經(jīng)濟(jì)增長(zhǎng)速度有著非常密切的聯(lián)系。就現(xiàn)有研究而言，經(jīng)濟(jì)增長(zhǎng)對(duì)環(huán)境污染的影響大致可分為三個(gè)階段。第一個(gè)階段是1972年以美國(guó)學(xué)者梅多斯（Meadows）為代表的羅馬俱樂(lè)部提出的“增長(zhǎng)極限說(shuō)”，該理論認(rèn)為工業(yè)化必然造成對(duì)自然和生態(tài)環(huán)境的極度破壞，通過(guò)模擬計(jì)算預(yù)計(jì)2100年到來(lái)之前，工業(yè)化將達(dá)到最高點(diǎn)，但同時(shí)人類(lèi)將面臨嚴(yán)重的糧食缺乏、資源枯竭，人口也將停止增長(zhǎng)，社會(huì)因此而崩潰。第二個(gè)階段是1991年美國(guó)經(jīng)濟(jì)學(xué)家格羅斯曼（Grossman）和克魯格（Krueger）提出的環(huán)境庫(kù)茲涅茨曲線假說(shuō)（EKC），認(rèn)為經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染呈倒“U”型關(guān)系，即環(huán)境污染隨著經(jīng)濟(jì)增長(zhǎng)由上升到下降的變化趨勢(shì)，這是最為主流接受的一種假說(shuō)。該假說(shuō)認(rèn)為新技術(shù)誕生之后，隨著經(jīng)濟(jì)高速發(fā)展、人均收入不斷提高，從而帶來(lái)污染排放的增多。但隨著技術(shù)不斷成熟，經(jīng)濟(jì)進(jìn)一步增長(zhǎng)，一方面，因生產(chǎn)者環(huán)保意識(shí)提升，主動(dòng)減少生產(chǎn)過(guò)程中的污染物排放;另一方面，政府加大環(huán)境規(guī)制力度，倒逼生產(chǎn)者采用清潔生產(chǎn)技術(shù)，從而使環(huán)境污染得到有效控制。第三個(gè)階段是對(duì)環(huán)境庫(kù)茲涅茨曲線假說(shuō)的質(zhì)疑，部分研究結(jié)論證實(shí)經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間的關(guān)系不僅呈現(xiàn)出倒“U”型形態(tài)，而且呈現(xiàn)出“U”型、“N”型、單調(diào)上升型、單調(diào)下降型等形態(tài)，不同污染物的排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系也呈現(xiàn)出差異性，這些都對(duì)環(huán)境庫(kù)茲涅茨曲線假說(shuō)提出了挑戰(zhàn)[20][21][22]。

總之，學(xué)者們從理論和實(shí)證層面都已經(jīng)證明了人工智能技術(shù)的發(fā)展會(huì)帶來(lái)經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)規(guī)模的擴(kuò)大，但人工智能通過(guò)經(jīng)濟(jì)增長(zhǎng)對(duì)環(huán)境污染產(chǎn)生影響的方向尚不明確（見(jiàn)圖2），是否符合環(huán)境庫(kù)茲涅茨曲線假說(shuō)的倒“U”型還需要進(jìn)一步的實(shí)證檢驗(yàn)。

2. 人工智能技術(shù)、全球價(jià)值鏈分工與環(huán)境污染治理。人工智能技術(shù)通過(guò)改變國(guó)際生產(chǎn)分工和貿(mào)易模式，提高一國(guó)在全球價(jià)值鏈體系中的分工地位，促進(jìn)價(jià)值鏈升級(jí)，進(jìn)而對(duì)一國(guó)的環(huán)境污染產(chǎn)生影響。一般來(lái)說(shuō)，處于全球價(jià)值鏈高端的國(guó)家，主要從事產(chǎn)品研發(fā)、品牌銷(xiāo)售運(yùn)營(yíng)等高技術(shù)、高附加值活動(dòng)，資源消耗水平低，能源利用率高，污染物排放相對(duì)較少。相比之下，處于全球價(jià)值鏈低端的國(guó)家，則主要從事低附加值和高能耗的加工、裝配和制造過(guò)程，容易帶來(lái)大量污染物的排放。因此，全球價(jià)值鏈分工地位的提升將減少一國(guó)的環(huán)境污染。

人工智能技術(shù)如何影響全球價(jià)值鏈分工？在以人工智能技術(shù)為代表的新技術(shù)革命背景下，全球價(jià)值鏈中各國(guó)的地位和國(guó)際分工將面臨深刻的調(diào)整。第一，從成本角度看，人工智能降低了貿(mào)易和生產(chǎn)成本，提高了生產(chǎn)效率，提升一國(guó)在全球價(jià)值鏈體系中的分工地位。呂越（2020）基于中國(guó)行業(yè)層面數(shù)據(jù)的實(shí)證研究發(fā)現(xiàn)，人工智能技術(shù)的采用會(huì)顯著提升行業(yè)的全球價(jià)值鏈位置。究其原因在于人工智能技術(shù)的運(yùn)用能減少低端生產(chǎn)環(huán)節(jié)的勞動(dòng)使用量，進(jìn)而降低了企業(yè)的生產(chǎn)成本，提高了企業(yè)的勞動(dòng)生產(chǎn)率[23]。劉亮等（2020）的研究也得出了類(lèi)似的結(jié)論[24]。第二，從創(chuàng)新角度看，人工智能通過(guò)技術(shù)創(chuàng)新深化了全球價(jià)值鏈分工。劉斌（2010）認(rèn)為人工智能技術(shù)將一國(guó)的創(chuàng)新投入和創(chuàng)新產(chǎn)出發(fā)揮其引致效應(yīng)，即引致創(chuàng)新投入（研發(fā)投入）和創(chuàng)新產(chǎn)出（專利申請(qǐng)數(shù)量）的增加，從而帶來(lái)一國(guó)價(jià)值鏈分工地位的提升[3]。第三，從資源配置角度來(lái)看，劉斌（2010）指出人工智能技術(shù)的發(fā)展帶來(lái)了勞動(dòng)和資本兩類(lèi)核心生產(chǎn)要素的配置效率提升，進(jìn)而促進(jìn)一國(guó)企業(yè)全球價(jià)值鏈分工地位升級(jí)[3]?？傊瑹o(wú)論是國(guó)家、行業(yè)還是微觀企業(yè)層面，人工智能都能顯著提升一國(guó)的全球價(jià)值鏈分工地位，促進(jìn)一國(guó)全球價(jià)值鏈升級(jí)。

全球價(jià)值鏈分工地位和參與程度如何影響一國(guó)的環(huán)境污染治理？近年來(lái)，隨著全球投入產(chǎn)出表的編制，全球價(jià)值鏈分工測(cè)算方法、指標(biāo)也在不斷改進(jìn)，使得更多國(guó)內(nèi)外學(xué)者們開(kāi)始關(guān)注全球價(jià)值鏈分工對(duì)環(huán)境污染的影響問(wèn)題。然而大部分文獻(xiàn)均基于格羅斯曼（Grossman）和克魯格（Kruege）的經(jīng)典模型，將規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)以及技術(shù)效應(yīng)作為控制變量或門(mén)檻變量，分析全球價(jià)值鏈分工對(duì)碳排放的影響機(jī)制。許統(tǒng)生和薛智韻（2011）、余娟娟（2017）、徐輝和苗菊英（2018）則認(rèn)為全球價(jià)值鏈分工可通過(guò)結(jié)構(gòu)、技術(shù)與規(guī)模效應(yīng)影響企業(yè)污染的水平[25][26][27]。還有部分文獻(xiàn)基于構(gòu)建全球價(jià)值鏈分工位置和參與度指標(biāo)，討論其對(duì)環(huán)境污染的影響。

首先，通過(guò)構(gòu)建全球價(jià)值鏈位置指標(biāo)，大部分學(xué)者得出了全球價(jià)值鏈位置的提升能顯著降低一國(guó)污染排放的說(shuō)法，即一國(guó)全球價(jià)值鏈位置越高，越處于上游，污染排放越少。陶長(zhǎng)琪、徐志琴（2019）分別從行業(yè)和國(guó)家層面實(shí)證分析全球價(jià)值鏈嵌入位置對(duì)貿(mào)易隱含碳排放的作用，發(fā)現(xiàn)全球價(jià)值鏈位置的提升能有效減少碳排放[28]。曲晨耀等（2020）基于2000-2014年17個(gè)制造業(yè)的面板數(shù)據(jù)，探討了全球價(jià)值鏈位置對(duì)中國(guó)制造業(yè)經(jīng)濟(jì)綠色轉(zhuǎn)型的影響，研究發(fā)現(xiàn)，提高全球價(jià)值鏈位置能夠快速推動(dòng)中國(guó)制造業(yè)的經(jīng)濟(jì)綠色轉(zhuǎn)型[29]。孫傳旺（2019）基于2000-2011年全球60個(gè)國(guó)家的面板數(shù)據(jù)的實(shí)證研究認(rèn)為，一國(guó)的全球價(jià)值鏈位置與其碳效率（carbon efficiency，是對(duì)生產(chǎn)主體產(chǎn)生碳足跡效率的一種量化測(cè)度方法）存在顯著的正相關(guān)關(guān)系。全球價(jià)值鏈位置與其碳效率的正相關(guān)關(guān)系在經(jīng)濟(jì)發(fā)展較為落后的發(fā)展中國(guó)家尤為顯著，這意味著在發(fā)展中國(guó)家提高全球價(jià)值鏈位置可以更大程度地減少碳排放，減少環(huán)境污染[30]。王臘芳等人（2020）計(jì)算了中國(guó)制造業(yè)全球價(jià)值鏈活動(dòng)的總平均生產(chǎn)長(zhǎng)度并檢驗(yàn)了全球價(jià)值鏈生產(chǎn)長(zhǎng)度對(duì)能源強(qiáng)度的影響，其研究結(jié)果發(fā)現(xiàn)全球價(jià)值鏈總平均生產(chǎn)長(zhǎng)度顯著影響能源消耗強(qiáng)度，并呈現(xiàn)倒“U”型非線性關(guān)系[31]，這在一定程度上表明一國(guó)全球價(jià)值鏈位置對(duì)污染排放的影響呈先升后降的趨勢(shì)。

其次，大部分學(xué)者的研究表明全球價(jià)值鏈參與度與環(huán)境污染呈非線性關(guān)系，即全球價(jià)值鏈參與度對(duì)環(huán)境污染存在門(mén)檻效應(yīng)。具體而言，王靜（2019）基于1995-2011年期間62個(gè)國(guó)家和地區(qū)的面板數(shù)據(jù)，估算了一國(guó)全球價(jià)值鏈參與度對(duì)二氧化碳排放的影響，研究發(fā)現(xiàn)，全球價(jià)值鏈的參與度與人均二氧化碳排放量之間呈現(xiàn)倒“U”型關(guān)系[32]。曲晨耀等（2020）通過(guò)閾值回歸發(fā)現(xiàn)，當(dāng)參與度超過(guò)一定閾值時(shí)，全球價(jià)值鏈參與度對(duì)綠色經(jīng)濟(jì)轉(zhuǎn)型的影響由抑制變?yōu)榇龠M(jìn)[29]。王玉燕等（2015）研究發(fā)現(xiàn)，全球價(jià)值鏈參與度通過(guò)“鏈中學(xué)效應(yīng)”促進(jìn)污染減排，但某些行業(yè)可能存在“俘獲鎖定效應(yīng)”，即被鎖定在附加值低且污染高的生產(chǎn)環(huán)節(jié)，這些行業(yè)的全球價(jià)值鏈參與度與污染排放之間可能表現(xiàn)為“U”型關(guān)系[33]。楊飛等（2017）的實(shí)證研究發(fā)現(xiàn)，中國(guó)全球價(jià)值鏈參與度對(duì)污染排放的影響存在門(mén)檻效應(yīng)[34]。也有研究認(rèn)為，全球價(jià)值鏈參與度與一國(guó)的環(huán)境污染存在線性關(guān)系，即全球價(jià)值鏈參與度對(duì)環(huán)境污染有負(fù)向影響。趙國(guó)梅等（2020）基于2000-2014年42個(gè)國(guó)家的數(shù)據(jù)，研究得出，全球價(jià)值鏈參與度與碳排放強(qiáng)度之間存在負(fù)向關(guān)系，特別地，與發(fā)達(dá)國(guó)家相比，發(fā)展中國(guó)家的全球價(jià)值鏈參與對(duì)隱含碳排放強(qiáng)度的負(fù)向影響更大[35]?？傊P(guān)于全球價(jià)值鏈分工對(duì)環(huán)境污染的影響，由于學(xué)者們對(duì)全球價(jià)值鏈分工指標(biāo)選取方法的不同，即部分學(xué)者采用全球價(jià)值鏈位置指標(biāo)，部分學(xué)者采用全球價(jià)值鏈參與度指標(biāo)來(lái)衡量全球價(jià)值鏈分工程度，因而得出了不同的結(jié)論。

綜合以上研究，本文提出人工智能技術(shù)發(fā)展可以通過(guò)提升一國(guó)全球價(jià)值鏈分工地位，從而降低污染排放的論斷，其機(jī)理在于：一國(guó)處于全球價(jià)值鏈高端的行業(yè)多為知識(shí)技術(shù)密集型產(chǎn)業(yè)，技術(shù)含量高，污染程度低，而處于全球價(jià)值鏈低端的行業(yè)多為能源和資本密集型行業(yè)，污染相對(duì)較高。人工智能技術(shù)的發(fā)展及其在工業(yè)生產(chǎn)中的運(yùn)用，將使得一國(guó)更多的從事知識(shí)技術(shù)密集型行業(yè)的生產(chǎn)與分工，顯著提升一國(guó)的全球價(jià)值鏈分工地位，降低污染物排放（見(jiàn)圖2）。

三、未來(lái)研究方向與研究趨勢(shì)展望

人工智能技術(shù)正在催生第四次工業(yè)革命，是第四次工業(yè)革命的新引擎，也引發(fā)了該命題的學(xué)術(shù)研究熱潮，使得越來(lái)越多的學(xué)者關(guān)注人工智能與技術(shù)進(jìn)步、經(jīng)濟(jì)增長(zhǎng)、勞動(dòng)力就業(yè)、全球價(jià)值鏈等的關(guān)系。人工智能技術(shù)目前已廣泛應(yīng)用于環(huán)境治理的各個(gè)層面，并將給環(huán)境污染治理帶來(lái)變革。 但實(shí)際上目前關(guān)于人工智能技術(shù)如何影響環(huán)境污染的相關(guān)研究尚不多，特別是關(guān)于傳導(dǎo)機(jī)制的研究仍處于空白，只有少量的定性研究指出人工智能技術(shù)能夠顯著改善環(huán)境污染，提高環(huán)境治理能力。本文通過(guò)梳理人工智能技術(shù)與經(jīng)濟(jì)增長(zhǎng)、全球價(jià)值鏈分工、環(huán)境污染等相關(guān)文獻(xiàn)，得出人工智能技術(shù)作為新一代信息技術(shù)的代表會(huì)對(duì)環(huán)境污染產(chǎn)生直接和間接影響的結(jié)論。直接技術(shù)進(jìn)步效應(yīng)表現(xiàn)在人工智能技術(shù)發(fā)展催生出的一系列新技術(shù)和新產(chǎn)品可用于環(huán)境污染治理領(lǐng)域，減少一國(guó)的環(huán)境污染。間接技術(shù)進(jìn)步效應(yīng)一是表現(xiàn)為人工智能技術(shù)的發(fā)展會(huì)擴(kuò)大經(jīng)濟(jì)規(guī)模，促進(jìn)經(jīng)濟(jì)增長(zhǎng)，從而對(duì)環(huán)境污染產(chǎn)生影響，但影響方向不明確，是否存在倒“U”型關(guān)系需進(jìn)一步檢驗(yàn);二是表現(xiàn)為人工智能技術(shù)會(huì)提升一國(guó)的全球價(jià)值鏈分工地位，促進(jìn)全球價(jià)值鏈升級(jí)，從而降低一國(guó)的環(huán)境污染。

目前直接研究人工智能對(duì)環(huán)境污染影響機(jī)制、指標(biāo)構(gòu)建、數(shù)據(jù)獲取等方面尚存在如下不足，這些也是人工智能技術(shù)影響環(huán)境污染的進(jìn)一步研究方向：

一是人工智能技術(shù)對(duì)環(huán)境污染的影響路徑、機(jī)制復(fù)雜，難以用實(shí)證模型加以驗(yàn)證。人工智能技術(shù)對(duì)環(huán)境污染的影響既存在直接影響又存在間接影響，同時(shí)，在封閉經(jīng)濟(jì)環(huán)境和開(kāi)放環(huán)境下的影響機(jī)制也不一樣。人工智能技術(shù)直接運(yùn)用于環(huán)境治理，能有效減少環(huán)境污染，但同時(shí)隨著人工智能技術(shù)的發(fā)展、工業(yè)機(jī)器人的大量使用，生產(chǎn)力大幅度提高，生產(chǎn)規(guī)模擴(kuò)大，也有可能加劇環(huán)境污染，或者存在非線性關(guān)系。在開(kāi)放經(jīng)濟(jì)條件下，人工智能技術(shù)發(fā)展能顯著提高一國(guó)全球價(jià)值鏈地位，從而減少該國(guó)的環(huán)境污染，但這一正向效應(yīng)存在國(guó)家和行業(yè)異質(zhì)性，即對(duì)于處于不同發(fā)展階段的國(guó)家和不同污染和技術(shù)密集度的行業(yè)的影響效應(yīng)是不同的。總之，如何將人工智能技術(shù)引入環(huán)境污染模型仍需進(jìn)一步探索。

二是相關(guān)數(shù)據(jù)可獲得性有待加強(qiáng)。一方面由于人工智能的內(nèi)涵比較廣泛（包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等），現(xiàn)有的實(shí)證研究大多使用人工智能的某一分支，如利用機(jī)器人國(guó)際聯(lián)合會(huì)發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)。目前對(duì)很多國(guó)家特別是發(fā)展中國(guó)家而言，人工智能技術(shù)發(fā)展仍處于初級(jí)階段，具體國(guó)家-時(shí)間-行業(yè)甚至是微觀企業(yè)層面的統(tǒng)計(jì)數(shù)據(jù)都相對(duì)匱乏。計(jì)算人工智能指標(biāo)的主要難點(diǎn)在于大部分內(nèi)涵都是無(wú)形的，難以量化或直接計(jì)算。另一方面，目前關(guān)于全球價(jià)值鏈宏觀測(cè)度指標(biāo)的構(gòu)建大多為全球價(jià)值鏈位置指標(biāo)或參與度指標(biāo)，而衡量一國(guó)全球價(jià)值鏈地位提升或價(jià)值鏈升級(jí)的指標(biāo)相對(duì)落后，無(wú)法直接衡量一國(guó)行業(yè)或企業(yè)價(jià)值鏈地位的提升，只能采用間接指標(biāo)。總之，從現(xiàn)有文獻(xiàn)來(lái)看，采用的數(shù)據(jù)指標(biāo)都比較單一，未來(lái)還需要用更直接的衡量指標(biāo)來(lái)進(jìn)行實(shí)證檢驗(yàn)。

中國(guó)對(duì)人工智能應(yīng)用于環(huán)境污染的相關(guān)研究還較為有限。中國(guó)作為最大的發(fā)展中國(guó)家，以往靠犧牲環(huán)境來(lái)獲取發(fā)展速度的經(jīng)濟(jì)增長(zhǎng)模式帶來(lái)了巨大的污染治理壓力，經(jīng)濟(jì)綠色轉(zhuǎn)型發(fā)展迫在眉睫。人工智能技術(shù)在中國(guó)工業(yè)生產(chǎn)中的應(yīng)用將對(duì)環(huán)境污染帶來(lái)哪些效應(yīng)？顯然值得進(jìn)一步深入探討。

[參考文獻(xiàn)]

[1]? Minsky， M.1961，“Steps Toward Artificial Intelligent”，Proceedings of the IRE ， Vo1.49（1）.

[2]? Min， H.2010， “Artificial Intelligent in Supply Chain Management： Theory and Applications” ， international Journal of Logistics： Research and Applications， Vo1.13 （1）.

[3]? 劉斌，潘彤.人工智能對(duì)制造業(yè)價(jià)值鏈分工的影響效應(yīng)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2020， （10）.

[4]? Finlayson M. A.Richards W， Winston P. H. Computational models of narrative： Review of a workshop[J]. AI Magazine， 2010， （2）.

[5]? Cerka， P.Grigiene， J. and Sirbikyte， G.，2015， “Liability for Damages Caused by Artificial Intelligence”，Computer Law & Security Review ， Vo1.31（3）.

[6]? Li， D. and Y. Du， 2017， Artificial Intelligence with Uncertainty， Boca Raton： CRC press.

[7]? Kromann， L.， J. R. Skaksen， and A. Sorensen. Automation， Labor Productivity and Employment： A Cross Country Comparison[R]. CEBR， Copenhagen Business School， 2011.

[8]? Brynjolfsson， E.? and L. M. Hitt. Computing productivity： Firm-level Evidence [J]. Review of Economics and Statistics， 2003， 85（4）.

[9]? 楊光， 侯鈺.工業(yè)機(jī)器人的使用、技術(shù)升級(jí)與經(jīng)濟(jì)增長(zhǎng)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020， （10）.

[10]? 張文博. 環(huán)境治理中的人工智能[J]. 國(guó)外社會(huì)科學(xué)前沿， 2019，（10）.

[11]? 郎芯玉， 張志勇.淺談人工智能在水質(zhì)監(jiān)測(cè)領(lǐng)域的應(yīng)用[J].計(jì)算機(jī)產(chǎn)品與流通，2019，（12）.

[12]? 王旭，王釗越，潘藝蓉，羅雨莉，劉俊新，楊敏.人工智能在21世紀(jì)水與環(huán)境領(lǐng)域應(yīng)用的問(wèn)題及對(duì)策[J].中國(guó)科學(xué)院院刊，2020，（9）.

[13]? 張偉， 李國(guó)祥.環(huán)境分權(quán)體制下人工智能對(duì)環(huán)境污染治理的影響[J]. 陜西師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021，（3）.

[14]? Graetz， G. and G. Michaels. Robots at Work： The Impact on Productivity and Jobs [J]. Review of Economics and Statistics， 2018， （5）.

[15]? Acemoglu D，Restrepo P. Secular stagnation？ The effect of aging on economic growth in the age of automation[J]. American Economic Review， 2017， （5）.

[16]? 陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動(dòng)力替代效應(yīng)：基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)的分析[J].中國(guó)人口科學(xué)， 2018， （6）.

[17]? 程承坪，陳志.人工智能促進(jìn)中國(guó)經(jīng)濟(jì)增長(zhǎng)的機(jī)理——基于理論與實(shí)證研究[J].經(jīng)濟(jì)問(wèn)題， 2021，（10）.

[18]? Aghion P，Jones B，Jones C.Artificial intelligence and economic growth[R]. NBER Working Paper，2017.

[19]? 林晨，陳小亮，陳偉澤，等.人工智能、經(jīng)濟(jì)增長(zhǎng)與居民消費(fèi)改善：資本結(jié)構(gòu)優(yōu)化的視角[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020，（2）.

[20]? Onafowora O A， Owoye O. Bounds testing approach to analysis of the environment Kuznets curve hypothesis[J]. Energy Economics， 2014， （44）.

[21]? Allard A， Takman J， Uddin G S， et al. The N-shaped environmental Kuznets curve：an empirical evaluation using a panel quantile regression approach[J]. Environmental Science and Pollution Research， 2018， 25（6）.

[22]? Liu K， Lin B. Research on influencing factors of environmental pollution in China： A spatial econometric analysis[J]. Journal of Cleaner Production， 2019， 206（1）.

[23]? 呂越， 谷瑋， 包群.人工智能與中國(guó)企業(yè)參與全球價(jià)值鏈分工[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020，（5）.

[24]? 劉亮， 劉軍， 李廉水， 程中華.智能化發(fā)展能促進(jìn)中國(guó)全球價(jià)值鏈攀升嗎？[EB/OL].科學(xué)學(xué)研究，2021-01-03. https：//doi.org/10.16192/j.cnki.1003-2053.20200915.004.

[25]? 許統(tǒng)生， 薛智韻.制造業(yè)出口碳排放： 總量、結(jié)構(gòu)、要素分解[J]. 財(cái)貿(mào)研究， 2011， （3）.

[26]? 余娟娟. 全球價(jià)值鏈嵌入影響了企業(yè)排污強(qiáng)度嗎——基于PSM匹配及倍差法的微觀分析[J].國(guó)際貿(mào)易問(wèn)題， 2017， （12）.

[27]? 徐輝， 苗菊英. 我國(guó)制造業(yè)承接外包的環(huán)境效應(yīng)[J]. 環(huán)境經(jīng)濟(jì)研究， 2018， （2）.

[28]? 陶長(zhǎng)琪， 徐志琴. 融入全球價(jià)值鏈有利于實(shí)現(xiàn)貿(mào)易隱含碳減排嗎？ [J].數(shù)量經(jīng)濟(jì)研究， 2019，（1）.

[29]? Chenyao Qu， Jun Shao， Zhonghua Cheng， Can embedding in global value chain drive green growth in China’s manufacturing industry？ [J]. Journal of Cleaner Production， 2020（268）.

[30]? Chuanwang Sun， Zhi Li， Tiemeng Ma， Runyong He， Carbon efficiency and international specialization position： Evidence from global value chain position index of manufacture[J]. Energy Policy， 2019（128）.

[31]? Lafang Wang， Youfu Yue， Rui Xie， Shaojian Wang， How global value chain participation affects China’s energy intensity[J]. Journal of Environmental Management， 2020 （260）.

[32]? Jing Wang， Guanghua Wan， Chen Wang， Participation in GVCs and CO2emissions[J]. Energy Economics， 2019（84）1.

[33]? 王玉燕， 王建秀， 閻俊愛(ài). 全球價(jià)值鏈嵌入的節(jié)能減排雙重效應(yīng)——來(lái)自中國(guó)工業(yè)面板數(shù)據(jù)的經(jīng)驗(yàn)研究[J]. 中國(guó)軟科學(xué)， 2015， （8）.

[34]? 楊飛， 孫文遠(yuǎn)， 張松林. 全球價(jià)值鏈嵌入、技術(shù)進(jìn)步與污染排放——基于中國(guó)分行業(yè)數(shù)據(jù)的實(shí)證研究[J]. 世界經(jīng)濟(jì)研究， 2017，（2）.

[35]? Guomei Zhao， Cenjie Liu. Carbon emission intensity embodied in trade and its driving factors from the perspective of global value chain[J]. Environmental Science and Pollution Research， 2020， 27（25）.

[責(zé)任編輯：李利林]