人工智能赋能绿色贸易：来自制造业上市公司的证据

doi:10.16382/j.cnki.1000-5579.2026.01.014

摘要/Abstract

摘要：

在追求绿色发展成为全球共识的背景下，探讨人工智能技术应用能否以及如何改善环境、促进绿色贸易具有重要意义。为此，本文构建了包含劳动力、人工智能、能源等要素，并聚焦于出口产品质量与绿色贸易的垄断竞争模型；同时，基于绿色产品视角，利用2010—2022年中国制造业上市企业数据开展了实证检验。本文发现：人工智能技术的应用能显著提升绿色贸易水平；其主要机制在于人工智能技术的应用能有效降低企业污染排放，提升出口产品质量以及增强创新能力；此外，人工智能技术的应用对小企业、非国有企业以及东中部地区绿色贸易水平的促进作用尤为显著。本文进一步分析表明，人工智能技术的应用还有助于企业进入出口市场和提升出口韧性。上述结论为人工智能应用促进企业绿色贸易、加速企业绿色转型、拓展国际市场提供了经验证据，为完善人工智能支持绿色发展的政策提供了参考。

关键词: 人工智能, 绿色贸易, 企业绿色转型, 出口产品质量, 创新能力

Abstract:

Against the backdrop of the global consensus on pursuing green development, it is significant to explore whether and how artificial intelligence (AI) technology can improve the environment and promote green trade. This paper constructs a monopolistic competition model incorporating factors such as labor, AI, and energy, with a focus on export product quality and green trade. From the perspective of green products and using data from listed manufacturing companies in China from 2010 to 2022, this paper empirically examines the issue. The findings reveal that the application of AI technology can significantly enhance green trade. The primary mechanisms lie in its effectiveness in reducing corporate pollution emissions, improving the quality of export products, and strengthening innovation capabilities. Moreover, the promoting effect of AI application on green trade is more marked for small and micro firms, state-owned enterprises, and enterprises in the eastern region. Further analysis indicates that the application of AI technology also helps enterprises enter export markets and enhance export resilience. These conclusions provide empirical evidence for AI’s role in promoting corporate green trade, accelerating corporate green transformation, and expanding international markets, offering references for improving policies that support green development through AI.

Key words: artificial intelligence, green trade, corporate green transformation, export product quality, innovation capability

贾彩彦, 褚博文, 印炳旭. 人工智能赋能绿色贸易：来自制造业上市公司的证据[J]. 华东师范大学学报(哲学社会科学版), 2026, 58(1): 150-165.

Caiyan Jia, Bowen Chu, Bingxu Yin. Artificial Intelligence Empowering Green Trade： Evidence from Listed Manufacturing Companies[J]. J. East China Norm. Univ. Philos. Soc. Sci, 2026, 58(1): 150-165.

图/表 7

表 1

表 2

表 3

表 4

表 5

表 6

表 7

参考文献

	杜威剑、李梦洁, 2017, 《环境规制与多产品企业出口行为》 , 《国际贸易问题》第11期, 第82—92页.
	方齐云、程子昂、胡杨, 2023, 《人力资本扩张、工业机器人与企业出口产品质量》 , 《国际贸易问题》第6期, 第18—33页.
	韩超、李鑫平, 2023, 《在自动化中推动企业绿色转型: 技术进步与产品重构效应》 , 《数量经济技术经济研究》第4期, 第72—93页.
	黄旭璠、胡小龙、张冬梅, 2025, 《人工智能促进企业出口韧性提高了吗?》 , 《对外经贸实务》第1期, 第71—80页.
	黄赜琳、蒋鹏程, 2023, 《数字低碳之路: 工业机器人与城市工业碳排放》 , 《财经研究》第10期, 第34—48页.
	江艇, 2022, 《因果推断经验研究中的中介效应与调节效应》 , 《中国工业经济》第5期, 第100—120页.
	金祥义、张文菲, 2023, 《人工智能发展与出口持续时间: 稳出口效应存在吗?》 , 《世界经济研究》第4期, 第3—17+46+134页.
	李计广、张静、范松梅, 2025, 《企业创新与出口绩效——基于绿色技术与绿色产品的再考察》 , 《南开学报(哲学社会科学版)》第1期, 第135—148页.
	林熙、刘啟仁、冯桂媚, 2023, 《智能制造与绿色发展: 基于工业机器人进口视角》 , 《世界经济》第8期, 第3—31页.
	刘慧、綦建红, 2021, 《外需冲击下多元化策略如何影响企业出口韧性》 , 《国际经贸探索》第12期, 第4—19页.
	刘钧霆、董丹丹、李凯杰等, 2024, 《数字经济赋能企业出口韧性》 , 《财贸研究》第4期, 第28—42页.
	陆旸, 2009, 《环境规制影响了污染密集型商品的贸易比较优势吗?》 , 《经济研究》第4期, 第28—40页.
	吕越、谷玮、包群, 2020, 《人工智能与中国企业参与全球价值链分工》 , 《中国工业经济》第5期, 第80—98页.
	聂飞、胡华璐、李磊, 2022, 《工业机器人何以促进绿色生产?——来自中国微观企业的证据》 , 《产业经济研究》第4期, 第1—14页.
	任志成、陈烽宇, 2024, 《数字化转型、制度型开放与出口产品质量》 , 《财经问题研究》第12期, 第97—111页.
	盛丹、卜文超, 2022, 《机器人使用与中国企业的污染排放》 , 《数量经济技术经济研究》第9期, 第157—176页.
	施炳展, 2014, 《中国企业出口产品质量异质性: 测度与事实》 , 《经济学(季刊)》第1期, 第263—284页.
	师博、常青, 2024, 《企业数字化转型赋能绿色创新的效果与机制研究》 , 《经济管理》第11期, 第67—88页.
	宋颜群、胡浩然, 2022, 《跨境电商改革对试验区企业出口的影响及作用机制研究》 , 《现代财经(天津财经大学学报)》第4期, 第20—35页.
	王梦颖、张诚, 2023, 《数字基础设施建设与发展中国家绿色贸易》 , 《世界经济研究》第3期, 第17—30+133—134页.
	王永钦、董雯, 2020, 《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》 , 《经济研究》 10期, 第159—175页.
	谢萌萌、夏炎、潘教峰等, 2020, 《人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究》 , 《中国管理科学》第12期, 第54—66页.
	辛大楞、邱悦, 2025, 《人工智能、产业链供应链稳定与企业出口韧性》 , 《经济理论与经济管理》第2期, 第37—54页.
	杨继军、李艳丽, 2023, 《工业机器人应用与企业出口扩展边际》 , 《财贸研究》第10期, 第1—15页.
	姚加权、张锟澎、郭李鹏等, 2024, 《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》 , 《管理世界》第2期, 第101—116+133+117—122页.
	袁劲、刘啟仁、赵灿, 2024, 《城市工业机器人渗透与中国制造业出口——来自多维数据的证据》 , 《经济学动态》第3期, 第25—43页.
	张兵兵、杨青浩、曹历娟, 2024, 《环境信息披露、企业绿色出口与出口性价比提升》 , 《世界经济研究》第12期, 第89—102+135页.
	张红霞、李家琦、张哲, 2025, 《数字贸易开放与全球绿色贸易发展——基于制造业环境产品双边贸易视角的分析》 , 《国际贸易问题》第6期, 第137—155页.
	赵涛、张智、梁上坤, 2020, 《数字经济、创业活跃度与高质量发展——来自中国城市的经验证据》 , 《管理世界》第10期, 第65—76页.
	Acemoglu, D. and Restrepo, P. , 2018, “The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment”, American Economic Review, Vol. 108, No6: 1 488-1 542.
	Acemoglu, D. and Restrepo, P. , 2020, “Robots and Jobs: Evidence from US Labor Market”, Journal of Political Economy, Vol. 128, No. 6: 2 188-2 244.
	Calì, M. and Presidente, G. , 2021, “Automation and Manufacturing Performance in a Developing Country”, World Bank Policy Research Working Paper, No. 9 653.
	Graetz, G. and Michaels, G. , 2018, “Robots at Work”, Review of Economics and Statistics, Vol. 100, No. 5: 753-768.
	Leonidou, C. N. , Leonidou, L. C. and Coudounaris, D. N. , et al. , 2013, “Value Differences as Determinants of Importers’ Perceptions of Exporters’ Unethical Behavior: The Impact on Relationship Quality and Performance”, International Business Review, Vol. 22, No. 1: 156-173.
	Melitz, M. J. , 2003, “The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity”, Econometrica, Vol. 71, No. 6: 1 695- 1725.
	Onjewu, A.-K. E., Jafari-Sadeghi, V., Kock, N., et al. 2023, “The Catalyzing Role of Customer Pressure on Environmental Initiatives and Export Intensity: A Study of Family Firms”, Journal of Business Research, Vol. 166: 114 134.
	Strubell, E. , Ganesh, A. and McCallum, A. , 2020, “Energy and Policy Considerations for Modern Deep Learning Research”, Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 34, No. 9: 13 693-13 696.
	Zhao. P. , Gao, Y. and Sun, X. , 2022, “How does Artificial Intelligence Affect Green Economic Growth?—Evidence from China”, Science of the Total Environment, No. 834: 155 306.

变量名	含义	N	均值	标准差	最小值	最大值
EXP	企业绿色贸易水平	12 971	16.60	6.92	0	24.19
AI	人工智能水平	12 968	15.70	2.01	10.15	20.41
age	企业年龄	12 971	2.95	0.32	1.95	3.58
Q	托宾Q值	12 971	2.12	1.31	0.87	8.32
CRate	净资产收益率	12 971	2.27	1.70	1.05	12.75
Rate	资产增长率	12 971	0.09	0.24	−1.13	0.88
exprate	企业总出口规模占比	12 971	0.13	0.19	0	1.02
Lev	资产负债率	12 971	0.42	0.21	0.06	0.94
EX	城市对外贸易水平	12 971	0.21	0.25	0	1.09
pgdp	城市发展水平	12 971	11.51	0.50	10.05	12.22
QU	企业出口产品质量	12 971	0.08	0.38	0	3.19
PU	企业单位污染排放水平	12 971	1.12	1.30	0	5.26
GA	企业绿色创新水平	12 971	0.28	0.48	0	2.15

变量名	(1)	(2)
变量名	*EXP*	*EXP*
AI	0.413^***(0.084)	0.331^***(0.078)
age		2.854(1.832)
Q		−0.242^***(0.078)
CRate		−0.024(0.082)
Rate		0.432^*(0.252)
exprate		13.380^***(0.795)
Lev		1.875^**(0.904)
EX		0.077(0.451)
pgdp		1.234^**(0.568)
常数项	6.591^***(1.282)	−15.469^**(7.441)
N	12 968	12 968
R²	0.069	0.165

变量名	(1)	(2)	(3)	(4)	(5)
变量名	*EXP*	*EXP*	*EXP*	*EXP*	*EXP*
AIW	0.201^**(0.101)
AI		0.331^***(0.078)	0.256^***(0.084)	0.303^***(0.084)	0.361^***(0.074)
常数项	−10.667(7.506)	−15.291^**(7.437)	−9.565(8.198)	−9.080(8.127)	−13.602(9.169)
N	12 971	12 968	9 642	10 541	12 669
R²	0.160	0.165	0.175	0.151
行业—城市交互固定效应	否	否	否	否	是
控制变量	是	是	是	是	是

变量名	(1)	(2)
变量名	AI	*EXP*
IV	0.494^***(0.019)
AI		0.508^***(0.110)
N	9 598	9 598
R²		0.138
控制变量	是	是

变量名	(1)	(2)	(3)
变量名	企业污染排放	出口产品质量	绿色创新水平
AI	−0.007^**(0.003)	0.008^**(0.004)	0.087^***(0.010)
常数项	0.282(0.407)	0.539(0.421)	−2.469^**(1.217)
N	12 968	12 968	12 968
R²	0.003	0.067	0.183
控制变量	是	是	是