摘要：在新一轮科技革命驱动和世界环境问题凸显的现实背景下，国内外研究高度重视智能化与绿色化的战略影响。本文立足于智能化和绿色化的双重现实背景，从人工智能、工业绿色化转型和人工智能赋能制造业绿色化转型三个纬度进行文献梳理。研究发现，人工智能对就业、空间结构以及产业转移具有明显的影响。绿色化转型主要受到环境规制政策和的降污减排的影响。人工智能主要从技术进步和缓解融资约束两个层面促进企业绿色化转型。构建合理的人工智能指标体系以及人工智能赋能制造业绿色化转型的影响机制是未来研究的重要方向。

关键词：人工智能；制造业；绿色化转型；影响机制

一、引言

人工智能与制造业融合的不断深化不仅是实现高质量发展的重要途径，更是基于符合企业与环境协同发展要求的可持续发展模式。 在过去，中国制造业实现了高速发展，但同时也带来产业结构失调、环境污染严重等不可持续问题，经济发展方式亟待转变（万攀兵等，2021）[1]。“十四五”规划明确指出，推进重点行业和重要领域的绿色化改造，促进经济社会发展的全面绿色转型。党的二十大报告中也明确提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节，对制造业高质量发展提出了明确的绿色转型要求。然而，困于信息壁垒、人才匮乏、数据资源有限以及市场环境和制度体系尚未完善等现实约束（戴翔和杨双至，2022）[2]，导致我国绿色创新质量不高，制造业绿色化转型仍面临诸多风险和挑战。

人工智能作为引领第四次技术革命的战略性技术，不断融合5G、和大数据等新兴信息通信技术，全面赋能实体经济推动产业智能化、绿色化转型（谷城和张树山，2023）[3]。本文立足于智能化和绿色化高速发展的双重背景，通过系统梳理人工智能和制造业绿色化转型的相关文献，尝试探索人工智能赋能制造业绿色化转型的内涵与路径，为人工智能与制造业深度融合提供有益的参考。

二、人工智能的特征及其经济效应

2.1人工智能的特征

人工智能就是创造智能工具机、智能软件、智能材料和各种智能基础设施，通过人机一体化的智能系统和基于互联网的分散式增强型控制，对所有传统产业和整个国民经济体系进行工业智能化改造的过程（贾根良，2016）[5]。人工智能作为新一代信息技术，已经成为新一轮科技创新和产业变革的核心驱动力，并以其渗透性、替代性和协同性等经济特征对传统制造业发展产生深刻的影响（蔡跃洲和张钧南，2015；Trajtenberg，2018）[6， 7]。

人工智能的渗透性。在移动互联网、大数据、超级计算、传感网、脑科学等新理论和新技术的驱动下，当前人工智能已经呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，人工智能的应用范围和深度正在不断拓展（郭凯明，2019）[4]。一方面，人工智能可以通过优化生产过程、提高生产效率、降低成本，有助于提升行业的整体竞争力，推动行业的转型升级（王永钦和董雯，2020；Furman and Seamans，2019）[8， 9]。另一方面，随着人工智能技术应用场景的不断拓宽，机器人等智能设备深度融入产业链条，企业也随之向智能化生产转型。（Prettner and Strulik，2017）[10]。

人工智能的替代性。目前关于人工智能替代性的研究主要有两种观点。一种观点认为，人工智能存在替代效应，会导致部分就业岗位的消失（Acemoglu and Restrepo，2020b；王林辉等，2022）[11， 12]。并且随着中国人口红利的不断流失以及用总成本的不断提高（孙早和侯玉琳，2019）[13]，部分企业逐渐使用自动化技术和先进设备取代部分劳动力（Acemoglu and Restrepo，2020a）[14]，进一步加剧人工智能的岗位替代效应。与此带来的负面影响是，人工智能应用可能会降低企业对劳动力的需求和员工的平均工资水平，加剧收入差距（Graetz and Michaels，2018）[15]。另一种观点认为，以人工智能为代表的自动化生产模式在替代部分就业岗位的同时也会创造更多新的岗位，因此，宏观的就业总量保持不断增长的趋势（蔡跃洲和陈楠，2019）[16]。据相关报告，人工智能在未来20年对我国就业的净影响可能将创造12%的净增岗位，相当于增加9000万个就业岗位[ 数据来源于普华永道《人工智能和相关技术对中国就业的净影响》（2018）]。因此，从长期来看，人工智能应用带来的生产效率的提高和新型就业岗位的增多，会间接缩小收入差距（Acemoglu and Restrepo，2020）[17]。

人工智能的协同性。人工智能的应用显著提升了资本、劳动、技术等要素之间的匹配度（姚加权等，2024）[18]。通过加强上游技术研发、中游工程实现、下游应用反馈等各个生产环节之间的协同，人工智能有效地提高了经济运行效率。人工智能不仅可以优化生产流程，还体现还能优化资源配置，从而促进整个生产过程的协同和高效（Aghion et al．，2017）[19]。

2.2人工智能的经济效应

目前，围绕人工智能经济效应的研究主要聚焦在三个方面。

第一，人工智能对就业岗位及就业结构的影响。在人工智能影响就业岗位方面，目前的研究主要存在三种观点。一种观点认为，人工智能具有经济创造性（蔡跃洲和陈楠，2019）[16]，会创造出更多的新业态、新模式和新就业（王永钦和董雯，2020）[8]。另一种观点认为，人工智能对劳动力就业存在替代效应，会导致部分就业岗位的消失（王林辉等，2022）[12]。然而，也有学者研究发现，人工智能对就业岗位的创造性和替代性可以同时存在（Autor and Salomons，2018）[20]，并且就业总量在宏观上保持不断增长的态势（蔡跃洲和陈楠，2019）[16]。在人工智能影响就业结构方面，目前研究主要讨论了“就业极化”的问题。Autor等（2006）研究指出，人工智能使得高技能和低技能劳动者的就业不断增长，但却会降低中等技能劳动者就业。Kunst（2019）据此解释中等技能劳动者从事的大多是程序化、常规性的工作，随着自动化技术的进步，这些工作具有很高的被替代性。然而高技能劳动者和低技能劳动者主要分别从事复杂劳动和简单劳动，被替代性较小。

第二，人工智能对空间结构的影响。研究认为新技术应用在影响企业的迁移与集聚过程中，会塑造出相对应的经济地理格局[23]。新兴技术会降低企业成本，助力其扩大企业规模，改变企业的空间分布，进而形成新的经济地理格局[9]。智能化转型与尚未转型的企业之间会形成明显的生产率差异及技术势差，进而在市场机制作用下改变原有的经济地理格局。则将智能化因素引入新经济地理模型，研究对城市层级结构分化的影响，发现工业智能化推动企业经营活动向高层级城市集聚，通过缓解大城市对高用工成本企业的“筛选效应”，进一步促进大城市的企业集聚。

第三，人工智能对产业转移的影响。人工智能技术依托先进制造设备、数字化控制系统和智能物流管理体系，有效降低了用工依赖，与低劳动力成本相比，人力资本水平和通信条件等产业配套能力逐渐成为影响产业转移的重要因素。随着工业智能化进程的推进，劳动力成本对区域产业转移的决定性作用将逐渐弱化，工业机器人等智能成果的加速应用减缓了工业由沿海地区向内陆地区的梯度转移，甚至可能导致工业向沿海地区回流。

三、工业绿色化转型的内涵及其影响因素

3.1工业绿色化转型的内涵

关于绿色化转型的内涵，现有研究给出了不同的定义。目前中国社会科学院工业经济研究所对工业绿色化转型内涵的解释为大多数学者所认同：工业绿色转型是指以资源集约利用和环境友好为导向，以绿色创新为核心，坚持走新型工业化道路，实现工业生产全过程的绿色化、可持续发展，获得经济效益与环境效益双赢动态过程。部分学者则从不同角度给出了不同的定义。从微观企业角度出发，将制造业企业绿色转型界定为企业改变原有生产经营模式以实现减排增效的过程。则明确了企业绿色转型的内涵要求，认为企业绿色转型是以可持续发展理论为指导，以绿色增长和绿色发展理念为引领，以绿色创新为核心，实现节能减排与提质增效兼顾、环境绩效与经济绩效共赢的一种绿色发展模式。进一步从绿色结构化、绿色能力化和绿色杠杆化三个动态跃升过程拓展了绿色转型的内涵。只有同时实现了环境绩效、经济绩效和绿色创新绩效，才可被认为实现了企业绿色转型。

3.2工业绿色化转型的影响因素

目前，围绕工业绿色化转型的影响因素主要形成两个较为典型的文献分支：

（1）环境规制下的绿色化转型。该类文献主要研究环境规制政策对地区地区、产业、企业绿色转型的促进或抑制作用，这些政策包括绿色信贷政策、清洁生产政策。就其促进作用而言，“波特假说”认为适当的环境规制有利于激发企业绿色创新行为。一定程度的规制约束能在长期中促进企业生产技术进步，有利于企业实现绿色化发展，改善环境。认为只有严格的环境规制才可以促进企业绿色技术创新，从而带动制造业绿色转型升级。就其抑制效应而言，从“政企合谋”的角度发现，国内部分地方政府和污染主体间的“政企合谋”可能导致环境规制的减排效应有所下降。与此观点一致，并表示环境规制会抑制技术创新和制造业生产效率，不利于企业绿色化转型。

（2）减排增效下的绿色化转型。第一，在降污减排方面。陈从环境规制视角指出，出于成本考虑，环境规制策可以有效促使企业降低污染排放。则在融资约束层面发现，较低的融资约束使得企业大大降低了绿色转型的成本，也加大了绿色技术的研发，实现降污减排。第二，在能效提升方面。基于跨国面板数据研究发现，金融发展通过提高可再生能源技术创新水平、缓解融资约束，从而提高可再生能源的利用率，助力企业绿色化转型发展。从资源配置效率角度研究表明，中间产品市场扭曲能够显著提高能源产业的资源错配程度，提高能源使用效率，促进企业绿色发展。

参考文献：

[1] 万攀兵， 杨冕， 陈林. 环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角[J]. 中国工业经济， 2021（09）：118-136.

[2] 戴翔， 杨双至. 数字赋能、数字投入来源与制造业绿色化转型[J]. 中国工业经济， 2022（09）：83-101.

[3] 谷城， 张树山. 智能制造何以实现企业绿色创新“增量提质”[J]. 产业经济研究， 2023（01）：129-142.

[4] 郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动[J]. 管理世界， 2019，35（07）：60-77.

[5] 贾根良. 第三次工业革命与工业智能化[J]. 中国社会科学， 2016（06）：87-106.

[6] 蔡跃洲， 张钧南. 信息通信技术对中国经济增长的替代效应与渗透效应[J]. 经济研究， 2015，50（12）：100-114.

[7] M T. Al as the Next GPT： A Political-Economy Perspective [R]. NBER Working Paper， 2018：24245.

[8] 王永钦， 董雯. 机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据[J]. 经济研究， 2020，55（10）：159-175.

[9] JasonFurman， RobertSeamans. AI and the Economy[J]. Innovation Policy and the Economy， 2019，19：161-191.

[10] K P， Strulik H. The Lost Race Against the Machine： Automation，Education and Inequality in an R&D———Based Growth Model[R]. 2017.

[11] D A， Autor D H. Skills，Tasks and Technologies： Implications for Employment and Earnings[J]. Handbook of Labor Economics， 2011，4（4）：1043-1171.

[12] 王林辉， 姜昊， 董直庆. 工业智能化会重塑企业地理格局吗[J]. 中国工业经济， 2022（02）：137-155.

[13] 孙早， 侯玉琳. 工业智能化如何重塑劳动力就业结构[J]. 中国工业经济， 2019（05）：61-79.

[14] Acemoglu D， P R. Robots and Jobs： Evidence from U.S. Labor Markets[J]. Journal of Political Economy， 2020，128（6）：2188-2244.

[15] Graetz G， Michaels G. Robots at Work[J]. Review of Economics and Statistics， 2018，100（5）：753-768.

[16] 蔡跃洲， 陈楠. 新技术革命下人工智能与高质量增长、高质量就业[J]. 数量经济技术经济研究， 2019，36（05）：3-22.

[17] DaronAcemoglu， PascualRestrepo. Robots and Jobs： Evidence from US Labor Markets[J]. Journal of Political Economy， 2020，128（6）：2188-2244.

[18] 姚加权， 张锟澎， 郭李鹏， 等. 人工智能如何提升企业生产效率？——基于劳动力技能结构调整的视角[J]. 管理世界， 2024，40（02）：101-116.

[19] Aghion P， B F J， C I J. Artificial Intelligence and Economic Growth [J]. NBER Working Paper， 2017.

[20] Autor D， Salomons A. Is Automation Labor Share–Displacing？ Productivity Growth， Employment， and the Labor Share[J]. Brookings Papers on Economic Activity， 2018：1-63.

作者简介：

（通讯作者）邓碧亿，男，苏州科技大学商学院硕士研究生，研究方向：创新战略与技术产业政策；

王倪旎，女，苏州科技大学商学院本科生，研究方向：财务管理；

陈卓然，女，苏州科技大学商学院本科生，研究方向：人力资源管理；

郝良峰，男，经济学博士，苏州科技大学商学院副教授，中南财经政法大学经济学院博士后，硕士生导师，研究方向：区域与产业经济发展。

本文获得国家社会科学基金一般项目（23BGL017）的资助。

1.国家社会科学基金一般项目，制造业智能化与绿色化深度融合的机制和路径研究（2023.9-2026.12），项目号：23BGL017.

2.江苏省研究生科研与实践创新计划项目”或“苏州科技大学研究生科研与实践创新计划项目”及项目批准号 项目编号KYCX23_3358.