绿色算力,何以减污降碳?——国家绿色数据中心对城市减污降碳的影响与空间溢出
杨洁,杨阳
摘要(Abstract):
在“双碳”战略与数字经济的双轮驱动下,数据中心能耗与碳排放已成为城市减污降碳的新焦点。本文基于2013—2023年中国285个地级及以上城市面板数据,以国家绿色数据中心试点政策为准自然实验,运用多时点双重差分模型与空间杜宾模型,系统考察该政策的减污降碳效应、作用机制与空间溢出效应。研究发现:(1)国家绿色数据中心试点政策能够显著促进城市减污降碳,且该结论经一系列稳健性检验与内生性处理后依然成立;(2)政策主要通过提升人工智能技术水平和提高绿色全要素能源效率两条路径发挥作用;(3)政策效应存在异质性,在非资源型城市和碳排放权交易试点城市中更为显著;(4)政策具有显著的正向空间溢出效应,不仅能改善本地环境质量,还能通过示范效应和扩散效应带动邻近城市减污降碳。上述研究结论为数字经济与生态文明建设的协同推进提供了经验借鉴。
关键词(KeyWords): 国家绿色数据中心;减污降碳;多时点双重差分;空间溢出;“双碳”目标
基金项目(Foundation): 国家社科基金项目“公共数据开放提升区域创新生态系统效能的机制与策略研究”(25BGL301);; 湖南省自然科学基金项目“同群效应下碳信息披露对企业投资效率的影响研究”(2024JJ5129);; 湖南省社会科学成果评审委员会课题“同群效应下企业ESG表现对非效率投资的影响研究”(XSP24YBZ088);; 湖南省研究生科研创新项目“绿色金融如何驱动企业碳绩效提升?——基于多重路径与内外调节效应研究”(CX20251675)
作者(Author): 杨洁,杨阳
参考文献(References):
- [1]TANG K J, YANG G Y. Does Digital Infrastructure Cut Carbon Emissions in Chinese Cities?[J]. Sustainable Production and Consumption,2023,35:431-443. [2]张宇宁,王艳华,王克.新基建投资的经济效应、能耗与碳排放[J].经济理论与经济管理,2023(11):42-55. [3]陶长琪,谢涛,徐晔.绿色技术创新与减污降碳协同增效——基于联合减排与环境改善的视角[J].统计研究,2025(4):31-47. [4]郭金花,常帅文,郭檬楠.工业机器人应用对企业减污降碳的影响机制与关联溢出效应研究[J].现代财经(天津财经大学学报),2024(7):3-22. [5]张杰,刘亚琪.数智融合发展对长三角地区减污降碳协同治理的影响研究[J].长江流域资源与环境,2025(5):964-975. [6]卿玲丽,季周,张雯悦.企业数字技术应用的减污降碳协同效应研究[J].财经理论与实践,2024(4):136-143. [7]孙博文,郑世林.环境规制的减污降碳协同效应——来自清洁生产标准实施的准自然实验[J].经济学(季刊),2024(2):624-642. [8]刘亦文,周韶成.正式与非正式环境规制政策协同的减污降碳效应研究[J].财经论丛,2023(8):103-112. [9]陆敏,徐好,陈福兴.“双碳”背景下碳排放交易机制的减污降碳效应[J].中国人口·资源与环境,2022(11):121-133. [10]张雪纯,曹霞,宋林壕.碳排放交易制度的减污降碳效应研究——基于合成控制法的实证分析[J].自然资源学报,2024(3):712-730. [11]胡剑波,张宽元.试点政策对城市减污降碳的协同增效研究——基于国家生态文明先行示范区的准自然试验[J].长江流域资源与环境,2023(10):2196-2211. [12]邢华,李向阳.减污降碳:低碳城市试点的协同效应[J].干旱区资源与环境,2024(5):10-19. [13]李俊明,胡雅璇,杜文晶,等.新质生产力视域下科技驱动减污降碳协同增效的非线性效应及空间分异[J].经济地理,2025(4):109-122. [14]胡森林,曾刚,王胜鹏,等.长江经济带减污降碳的时空格局演变与技术创新驱动[J].地理研究,2025(1):72-90. [15]李俊明,魏雯琪,张鹏,等.中国市域数字经济发展对减污降碳协同的促进效应及其空间分异[J].经济地理,2023(12):169-180. [16]刘耀彬,邓伟凤,李硕硕,等.数字产业集聚对减污降碳协同的影响——以长江经济带为例[J].资源科学,2024(4):744-760. [17]张彩平,罗丞志.国家级城市群建设有助于实现减污降碳协同吗?[J].首都经济贸易大学学报,2024(5):64-80. [18]UDDIN M, RAHMAN A A. Energy Efficiency and Low Carbon Enabler Green IT Framework for Data Centers Considering Green Metrics[J]. Renewable and Sustainable Energy Reviews,2012,16(6):4078-4094. [19]NI W L, HU X R, DU H Y, et al. CO2 Emission-mitigation Pathways for China's Data Centers[J]. Resources, Conservation and Recycling,2024,202:107383. [20]ZHU H Y, ZHANG D D, GOH H H, et al. Future Data Center Energy-conservation and Emission-reduction Technologies in the Context of Smart and Low-carbon City Construction[J]. Sustainable Cities and Society,2023,89:104322. [21]LI G Z, SUN Z X, WANG Q Q, et al. China's Green Data Center Development:Policies and Carbon Reduction Technology Path[J]. Environmental Research,2023,231:116248. [22]韩先锋,郑酌基,徐杰,等.绿色数字基建驱动城市绿色创新的机制及效应研究[J].管理学报,2025(1):95-105. [23]LUO J, LI H Y, LIU J. How Green Data Center Establishment Drives Carbon Emission Reduction:Double-Edged Sword or Equilibrium Effect?[J]. Sustainability,2025,17(14):1-29. [24]薛飞,周民良,刘家旗.数字基础设施降低碳排放的效应研究——基于“宽带中国”战略的准自然实验[J].南方经济,2022(10):19-36. [25]LIU Y H, YANG Z H. Can Data Center Green Reform Facilitate Urban Green Technology Innovation? Evidence from China[J].Environmental Science and Pollution Research,2023,30(22):62951-62966. [26]SHANG Y F, YANG Q, PU Y J, et al. Employing Artificial Intelligence and Enhancing Resource Efficiency to Achieve Carbon Neutrality[J]. Resources Policy,2024,88:104510. [27]CAO Q F, CHI C Y, SHAN J H. Can Artificial Intelligence Technology Reduce Carbon Emissions? A Global Perspective[J].Energy Economics,2025,143:108285. [28]薛飞,刘家旗,付雅梅.人工智能技术对碳排放的影响[J].科技进步与对策,2022(24):1-9. [29]张营营,许钊,彭硕毅.大数据发展对中国城市低碳转型的影响及其机制研究[J].城市问题,2023(9):34-43+65. [30]彭华荣,凌可,徐佳.智慧城市建设试点对碳排放绩效的影响研究[J].环境经济研究,2023(4):95-120. [31]马莹莹,姚文艳,姜玲,等.绿色金融改革创新试验区政策对城市减污降碳的影响及作用机制[J].中国人口·资源与环境,2024(6):45-55. [32]吴建新,郭智勇.基于连续性动态分布方法的中国碳排放收敛分析[J].统计研究,2016(1):54-60. [33]吉雪强,周思姝,于浩然,等.国家绿色数据中心试点对城市的碳减排效应[J].中国环境科学,2025(6):3484-3495. [34]彭代彦,李亚诚,彭旭辉.人工智能对流动人口工资收入的影响及其作用机理[J].经济体制改革,2021(3):32-38. [35]史丹,李少林.排污权交易制度与能源利用效率——对地级及以上城市的测度与实证[J].中国工业经济,2020(9):5-23. [36]李小胜,安庆贤.环境管制成本与环境全要素生产率研究[J].世界经济,2012(12):23-40. [37]严太华,张凯越.制度型开放与区域协调发展——基于空间双重差分模型的实证分析[J].经济问题,2025(4):11-22+40. [38]刘运材,李倩,杨洁.大数据发展促进城市碳减排了吗——基于国家级大数据综合试验区的准自然实验[J].软科学,2025(9):31-38. [39]韩峰,阳立高.生产性服务业集聚如何影响制造业结构升级?——一个集聚经济与熊彼特内生增长理论的综合框架[J].管理世界,2020(2):72-94+219. [40]邹克,郑云丹,刘熹微.试点政策促进了科技和金融结合吗?——基于双重差分倾向得分匹配的实证检验[J].中国软科学,2022(7):172-182. [41]白俊红,张艺璇,卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济,2022(6):61-78. [42]夏杰长,刘诚.行政审批改革、交易费用与中国经济增长[J].管理世界,2017(4):47-59. [43]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014(5):731-745. [44]许潇丹,惠宁.人工智能对工业绿色低碳发展的影响研究[J].陕西师范大学学报(哲学社会科学版),2024(6):74-86. [45]王若愚,安起光,王永凯.数字经济、能源效率优化与碳减排[J].统计与信息论坛,2025(3):87-97. [46]PACE R K, LESAGE J P. A Sampling Approach to Estimate the Log Determinant Used in Spatial Likelihood Problems[J]. Journal of Geographical Systems,2009,11(3):209-225.
- (1)数据来源:International Energy Agency. Energy and AI[R]. Paris:IEA, 2025:14. (1)数据来源:和林格尔新区管理委员会.“数”启新程“智”赢未来:和林格尔新区绿色算力与人工智能高质量发展之路[EB/OL].(2025-06-25)[2026-09-15]. http://hlgena.huhhot.gov.cn/zxzx/xqdt/202506/t20250625_1904831.html. (2)数据来源:青海省人民政府.激发绿色算力动能共绘新质未来图景——第二届青海绿色算力产业发展推介会引发热烈反响[EB/OL].(2025-04-01)[2026-09-15]. http://www.qinghai.gov.cn/zwgk/system/2025/04/01/030068927.shtml. (1)数据来源:国家发展改革委,工业和信息化部,国家能源局,国家数据局.数据中心绿色低碳发展专项行动计划[Z].发改环资[2024]970号,2024-07-23.