人工智能驱动绿色全要素能源效率提升的作用机制与区域异质性研究——来自中国省级面板数据的证据

本研究基于2011-2021年中国30个省份面板数据，通过双向固定效应与中介效应模型实证检验人工智能（AI）对绿色全要素能源效率（GTFEE）的驱动作用（β=0.131, p<0.01），揭示产业集聚、技术创新、市场化水平、劳动力素质与政府激励五大中介路径，并发现东部（β=0.202）和西部（β=0.127）区域显著促进、中部（β=?0.074）抑制的异质性效应，为制定差异化"AI+绿色"政策提供实证依据。

　　

Highlight

人工智能、产业集聚与绿色全要素能源效率

人工智能（AI）正引发全球技术革命与产业变革，其深度学习、人机协同与跨界融合特性推动通用AI技术多场景应用，从"极化"走向"扩散"，形成区域性AI产业创新生态与企业联盟。AI通过降低信息获取成本、缓解资源错配、提升多部门生产效率，为绿色创新注入新动能，进而促进产业集聚（Qin et al., 2023; Liu et al., 2022b），最终提升绿色全要素能源效率（GTFEE）。

基准模型设计

本研究建立双向固定效应模型作为基础计量方程：

GTFEE_it = α₀ + α₁AI_it + α₂X_it + μ_i + λ_t + ε_it

其中GTFEE_it为绿色全要素能源效率，AI_it为人工智能发展水平，X_it为控制变量（包括经济发展水平LNPGDP、政府干预程度GOV、能源消费结构ECS等），μ_i和λ_t分别表示个体与时间固定效应。

基准回归结果分析

全国基准检验显示各变量方差膨胀系数（VIF）均小于7.5，平均VIF为2.58（<3），Hausman检验统计量49.32（p<0.01），支持使用双向固定效应模型。回归结果表明AI对GTFEE存在显著正向影响（β=0.131, p<0.01），且通过内生性处理与多重敏感性检验后结论稳健。

产业集聚机制

产业集聚是提升GTFEE的重要途径。AI通过大数据显著降低信息获取成本，有效缓解资源错配问题，大幅提升多部门生产效率，为绿色创新提供新动能，进而促进产业集聚（Qin et al., 2023; Liu et al., 2022b）。大量文献已验证产业集聚对GTFEE的促进作用。

Conclusion

在高质量发展与"双碳"目标双重背景下，探究AI对GTFEE的影响及传导机制，对推动中国能源向绿色低碳转型、实现高质量发展具有重要意义。本研究基于2011-2021年省级面板数据，实证分析AI对GTFEE的直接效应，并深入探讨产业集聚、技术创新、市场化水平、劳动力教育与政府激励的中介作用。