1 引言 自“双碳”目标提出以来，绿色低碳转型已跃升为我国实现高质量发展的核心主题和必由之路(陈诗一，2025；戴前智等，2023；王道平等，2024)。面对资源环境约束趋紧与经济结构深度调整的双重压力，如何在保持经济增长的同时实现碳排放强度持续下降，成为新时代经济发展的战略重心。与此同时，人工智能作为发展新质生产力的核心引擎和新一轮科技革命、产业变革的关键驱动力，通过对各类生产要素的渗透、替代、协同与创造，不断拓展工业经济活动的效率边界与价值创造空间(蔡跃洲和陈楠，2019)。据中国互联网络信息中心发布的第56次《中国互联网络发展状况统计报告》显示，2024年我国人工智能产业规模突破7000亿元，连续多年保持20%以上的增长率。近五年间，人工智能企业数量由1400余家增长至5000余家，目前我国已成为全球人工智能专利的最大拥有国，占比达60%(黄鑫，2025；赵宇飞和李晓婷，2025)。 人工智能的迅速发展使其在工业绿色低碳转型中的作用愈加受到关注。近年来，《中共中央国务院关于加快经济社会发展全面绿色转型的意见》《智能制造发展战略纲要》《数字中国建设整体布局规划》等政策文件均强调，应充分发挥人工智能在能源优化配置、工业节能降耗和绿色制造中的引领作用。由此可见，人工智能的推广与应用不仅是产业升级的重要路径，也被视为推动我国能源革命、实现“双碳”目标的关键技术支撑。因此，系统分析工业人工智能的碳减排机制，对于科学评估其绿色效应、完善低碳技术政策体系具有重要的理论与现实意义。 已有研究围绕人工智能的碳影响展开了国家、省级及地级市等多层面的实证探讨，主要形成了“持续减排”和“倒U形减排”两种观点。前者认为，人工智能通过优化能源配置、提升生产效率、促进产业结构升级等途径，能够持续推动碳排放强度下降，展现出显著的绿色赋能效应。例如，Li et al.(2022)利用1993-2017年35个国家的样本数据，实证发现了工业机器人的应用可以提高生产率、优化要素结构和生产技术创新，从而降低碳强度。李计广等(2025)则从宏观的省级层面证实了人工智能技术创新显著降低了中国工业碳排放强度。Wang et al.(2025)以2010-2019年中国212个城市为样本，实证表明人工智能应用提升了工业碳排放效率。进一步地，王新成和李垣(2024)于企业层面的数据研究指出，企业人工智能技术能力的增强有助于提升碳减排绩效。“倒U形减排效应”观点则认为，人工智能在发展初期由于设备更新与算力需求增加，会带来能源消耗和碳排放的上升；但当技术成熟并广泛应用后，其节能减排效应逐渐显现，呈现出先升后降的“倒U形”特征。Zhang et al.(2025)基于62个国家的面板数据发现，人工智能与碳排放之间存在显著的倒U形关系，能源回弹效应在其中起中介作用。Liu et al.(2024)利用中国省域面板数据验证了工业机器人应用与碳排放水平和强度之间的倒U形关联。Dong et al.(2024)基于267个中国城市的数据发现，应用型人工智能能显著减少碳排放，而创新型人工智能则在早期阶段增加排放、后期降低排放。 总体来看，这两种观点的分歧反映了人工智能技术进步可能同时具备“高能耗-高效率”的双重特征，其减排效应取决于技术应用深度与要素替代路径等多重因素。然而，现有研究多停留在经验和数据层面，缺乏从生产函数出发的系统性数理分析框架，对人工智能影响碳排放的作用机制缺乏统一解释。相关文献中关于减排中介机制的讨论呈现出路径繁杂、逻辑分散的特点，不同学者提出的中介机制之间甚至存在矛盾或冲突，难以形成一致的理论认知与机制整合。 为此，本文借鉴Acemoglu and Restrepo(2018)提出的任务型生产模型(task-based production framework)，构建了一个包含能源要素的任务扩展模型，以揭示工业人工智能技术进步对碳排放的作用机制。模型将生产过程划分为连续任务区间，其中[N-1，I]区间的任务由人工智能资本执行，[I，N]区间的任务则由传统物质资本完成；两类资本均与能源要素形成柯布-道格拉斯生产关系。考虑到劳动力规模对工业碳排放的边际影响较小，模型将劳动要素标准化为1。人工智能技术水平参数I描述人工智能和传统物质资本的分工边界，随着I的上升，人工智能资本逐步替代传统物质资本承担更多任务，从而重塑能源与资本的投入结构并影响碳排放强度。这一机制揭示了人工智能减排的微观基础，为理解技术进步与绿色转型之间的互动提供了新的理论视角。在工业中，这一替代机制表现尤为典型。例如，人工智能驱动的工业机器人替代了高能耗的液压冲压机与气动装配线；智能焊接与喷涂系统减少了传统电弧焊机和高压喷漆设备的能源消耗；基于AI的预测性维护与过程控制算法取代了传统依赖人工经验的机械检测装置，使设备运行更接近能效最优。这些案例表明，随着人工智能技术水平I的持续提升，任务边界不断右移，人工智能资本正逐步接管传统资本任务，从而在提高生产效率的同时实现碳排放结构的动态调整。基于此理论框架，本文发现了工业人工智能碳减排的三种中介机制：减排技术效应、能源效率效应以及资本结构效应。在此基础上，利用中国工业相关数据构建计量模型，对人工智能发展对碳排放强度的影响及其减排路径进行了系统的实证检验。 本文的主要贡献体现在三个方面：第一，从任务分工的新视角系统阐释人工智能技术进步影响碳排放的微观机制，拓展了现有绿色技术与生产理论的研究边界；第二，不同于以往对人工智能碳减排中介机制的定性和定量分析，本文将任务模型嵌入碳减排机制分析框架，实现了人工智能减排中介机制的数理化表达和推导，深化了对该机制的理论刻画，从而进一步夯实了人工智能减排的计量经济实证分析基础；第三，不同于以往基于国家、省、市级数据或工业机器人指标的人工智能测度，本文基于中国工业企业层面数据，并利用人工智能“种子词”构建测度指标，为“人工智能具有持续减排效应”的观点以及数字化转型与绿色低碳发展的政策制定提供了新的实证支持。总体而言，本文为理解人工智能在“双碳”进程中的经济与环境效应提供了新的理论框架与实证支持。
