摘 要：推動綠色經(jīng)濟發(fā)展，加快能源綠色轉(zhuǎn)型是實現(xiàn)碳達峰、碳中和的重要途徑?；?009-2019年中國27個省市面板數(shù)據(jù)，運用固定效應回歸、分地區(qū)回歸和FGLS方法，從金融發(fā)展視角，對產(chǎn)業(yè)智能化賦能綠色經(jīng)濟發(fā)展的作用機制以及空間異質(zhì)性進行實證研究。結(jié)果表明：金融發(fā)展水平、產(chǎn)業(yè)智能化以及二者的交互作用對綠色經(jīng)濟發(fā)展具有顯著正向影響；金融發(fā)展水平、產(chǎn)業(yè)智能化以及二者交互作用對綠色經(jīng)濟發(fā)展的影響具有顯著異質(zhì)性，其中，金融發(fā)展水平和產(chǎn)業(yè)智能化對東部地區(qū)綠色經(jīng)濟發(fā)展有顯著影響，而二者的交互作用主要影響中西部地區(qū)綠色經(jīng)濟發(fā)展。

關鍵詞：金融發(fā)展；產(chǎn)業(yè)智能化；綠色經(jīng)濟發(fā)展；碳排放；空間異質(zhì)性

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）17-0054-10

0 引言

近年來，如何控制二氧化碳排放一直是全球熱議的問題。推動低碳減排，實現(xiàn)碳達峰、碳中和戰(zhàn)略目標，加快經(jīng)濟綠色轉(zhuǎn)型迫在眉睫。相較于歐盟、美國、日本等發(fā)達國家和經(jīng)濟體，中國的綠色經(jīng)濟起步較晚，但發(fā)展迅速。1994年我國發(fā)布《中國21世紀人口、環(huán)境與發(fā)展白皮書》，首次提及碳減排政策；2012年中共十八大提出“五位一體”戰(zhàn)略構想，表明綠色發(fā)展在我國戰(zhàn)略層面上得到進一步提升，綠色經(jīng)濟建設進入深化階段。

金融發(fā)展在產(chǎn)業(yè)智能化驅(qū)動綠色經(jīng)濟發(fā)展過程中影響顯著。一方面，金融發(fā)展會促進經(jīng)濟增長，刺激各類非清潔能源需求上升，從而引起二氧化碳排放量增加，造成環(huán)境污染；另一方面，金融發(fā)展通過支持技術創(chuàng)新，提高生產(chǎn)效率，減少碳排放，促進綠色經(jīng)濟發(fā)展[1]。產(chǎn)業(yè)智能化則通過提高能源利用率等途徑，減少能源消耗、降低碳排放，推動綠色經(jīng)濟發(fā)展[2]。我國在發(fā)布的《2030年前碳達峰行動方案》中指出，二氧化碳排放的主要源頭產(chǎn)業(yè)是工業(yè)，優(yōu)化產(chǎn)業(yè)結(jié)構，加強技術改造，推進工業(yè)領域智能化發(fā)展，是推動工業(yè)領域綠色低碳發(fā)展的主要方式之一。

然而，我國智能化發(fā)展水平尚不均衡，各行業(yè)間存在較大差距。如我國擁有世界最大的工業(yè)機器人市場，但相較于龐大的人口基數(shù)和遼闊的國土面積，工業(yè)機器人整體體量不足，且各地區(qū)工業(yè)機器人發(fā)展水平參差不齊。雖然我國金融體系日漸成熟、開放程度不斷提升，但是理論上缺乏對金融發(fā)展與綠色經(jīng)濟發(fā)展作用關系的深入探討。因此，本文首先分析我國產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的影響及作用途徑；其次是探究金融發(fā)展水平對我國綠色經(jīng)濟發(fā)展的影響及效用。雖然已有文獻分別從金融發(fā)展水平和產(chǎn)業(yè)智能化角度研究二者與綠色經(jīng)濟發(fā)展、碳排放關系，但并沒有綜合考慮兩個因素對綠色經(jīng)濟發(fā)展的影響。本文擬從該角度拓展現(xiàn)有研究，從產(chǎn)業(yè)智能化和金融發(fā)展角度為我國經(jīng)濟實現(xiàn)綠色低碳發(fā)展提供政策建議。

1 文獻綜述

現(xiàn)有文獻大多側(cè)重于分析金融發(fā)展、產(chǎn)業(yè)智能化與綠色經(jīng)濟發(fā)展中任意二者關系。

1.1 綠色經(jīng)濟發(fā)展

近年來，綠色經(jīng)濟發(fā)展趨勢以及影響因素成為熱點研究問題。如徐曉光等[3]針對綠色經(jīng)濟發(fā)展構建評價指標體系，歸納影響因素，并發(fā)現(xiàn)中國綠色經(jīng)濟發(fā)展水平整體呈上升趨勢；佟賀豐等（2015）選取7個綠色經(jīng)濟相關產(chǎn)業(yè)，分析綠色經(jīng)濟對總體經(jīng)濟社會發(fā)展的潛在影響，發(fā)現(xiàn)綠色經(jīng)濟有助于中國實現(xiàn)經(jīng)濟高質(zhì)量增長。在確定中國綠色經(jīng)濟發(fā)展效率處于上升態(tài)勢的基礎上，李林漢和岳一飛[4]通過對2012-2016年中國內(nèi)地30個省市綠色經(jīng)濟效益的面板數(shù)據(jù)進行回歸發(fā)現(xiàn)，這種上升態(tài)勢不斷放緩，且綠色經(jīng)濟效益存在區(qū)位差異性。也有少量研究認為，中國綠色經(jīng)濟發(fā)展水平近年趨于穩(wěn)定。如張薇[5]對2013-2017年中國內(nèi)地30個省市綠色經(jīng)濟發(fā)展水平進行面板回歸分析，發(fā)現(xiàn)其發(fā)展水平總體呈穩(wěn)定態(tài)勢，且與經(jīng)濟發(fā)達程度正相關。綠色經(jīng)濟發(fā)展并不是一個獨立概念，而是受到眾多因素影響，如金融發(fā)展、產(chǎn)業(yè)智能化、教育、科技創(chuàng)新、環(huán)境規(guī)制、人口紅利等[6]。其中，教育和科技創(chuàng)新都能有效提高全要素碳排放效率，后者還可通過提高前者水平，積聚人力資本，進而間接推動社會低碳發(fā)展[7]；環(huán)境規(guī)制強度與綠色經(jīng)濟發(fā)展呈“U”型關系[8]；在發(fā)展中國家，人口紅利通過擴大人口規(guī)模、提高總?cè)丝诰蜆I(yè)率加劇碳排放，不利于綠色經(jīng)濟發(fā)展[9]。此外，稅收政策、貿(mào)易發(fā)展、地域區(qū)位、能源結(jié)構與利用率以及高效生態(tài)、工業(yè)類型、科技應用、企業(yè)規(guī)模等都是影響綠色經(jīng)濟發(fā)展的重要因素[10-12]。

1.2 金融發(fā)展對綠色經(jīng)濟發(fā)展的影響

國內(nèi)外關于金融發(fā)展對綠色經(jīng)濟影響的研究成果很豐富，學者們主要從金融和綠色金融兩個角度研究其對綠色經(jīng)濟發(fā)展的影響，其作用大致分為三類。首先，大部分研究認為金融發(fā)展對綠色經(jīng)濟發(fā)展有顯著促進作用。如Artur等[13]發(fā)現(xiàn)，金融發(fā)展是影響經(jīng)濟環(huán)境質(zhì)量的決定性因素，金融自由化和開放水平對碳排放減少具有重要影響；Jalilamp;Feridun[14]實證研究了1953-2006年中國金融發(fā)展、經(jīng)濟發(fā)達程度以及能源消費對環(huán)境的影響，研究結(jié)果表明，金融發(fā)展有助于減少污染，且中國的碳排放主要取決于居民人均收入、能源消費和貿(mào)易自由度；Muhammad等[15]基于南非1965-2008年面板數(shù)據(jù)，對當?shù)亟鹑谒?、?jīng)濟發(fā)展、煤炭消耗、貿(mào)易自由與環(huán)境績效關系進行實證分析，認為經(jīng)濟發(fā)展會增加能源消耗，而金融發(fā)展會降低污染排放水平；Muhammad等[16]對1971-2008年馬來西亞面板數(shù)據(jù)進行回歸分析，也發(fā)現(xiàn)經(jīng)濟增長促進碳排放，金融發(fā)展有利于降低碳排放。其次，有部分研究顯示上述二者存在非線性關系。例如嚴成樑等[17]對1997-2012年中國內(nèi)地30個省市的金融發(fā)展與二氧化碳排放強度面板數(shù)據(jù)進行實證分析，結(jié)果表明，二者之間存在倒U型的非線性關系；史代敏和施曉燕[18]對2010-2018年中國內(nèi)地30個省市面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)中國僅有少量地區(qū)的綠色金融水平達到門限值，且只有處于門限值以上時綠色金融才能促進經(jīng)濟高質(zhì)量增長。最后，還有少量研究認為金融發(fā)展水平與綠色經(jīng)濟發(fā)展之間不存在顯著關系。例如Ozturk等[19]發(fā)現(xiàn)，土耳其的人均二氧化碳排放量與金融發(fā)展不具有長期關系，其中，二氧化碳排放水平隨著收入增加不斷提高，直至達到穩(wěn)定點。

1.3 產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的影響

產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的影響十分復雜。黃海燕、劉葉等（2021）將碳排放劃分為碳排放總量和碳排放強度，利用2006-2018年中國18個工業(yè)行業(yè)面板數(shù)據(jù)實證分析工業(yè)智能化對二者的影響，發(fā)現(xiàn)工業(yè)智能化對前者具有顯著正向作用，對后者具有顯著負向作用；劉亮和胡國良[20]發(fā)現(xiàn)，人工智能通過技術效應顯著促進全要素生產(chǎn)率提高，且人工智能對生產(chǎn)率的提升效應與行業(yè)技術層次相關，技術層次越高，效果越明顯；韓民春和趙澤彬[21]從碳排放約束視角進行研究，發(fā)現(xiàn)產(chǎn)業(yè)智能化顯著縮小東中西部地區(qū)經(jīng)濟差距。目前關于產(chǎn)業(yè)智能化與綠色經(jīng)濟發(fā)展關系的研究文獻較匱乏，大部分研究集中于探究智能化對經(jīng)濟發(fā)展的影響。早期研究通常以計算機化衡量智能化，如Brynjolfsson等[22]認為計算機化在短期和長期內(nèi)都對生產(chǎn)率有正向影響。隨著工業(yè)機器人使用率提高，部分學者將工業(yè)機器人作為衡量智能化水平的指標，研究智能化水平對經(jīng)濟增長的影響。工業(yè)智能化可以替代人力勞動[23]，大幅度提高生產(chǎn)率，從而帶動經(jīng)濟增長[24]。產(chǎn)業(yè)智能化通過多種途徑影響綠色經(jīng)濟發(fā)展。如李丫丫和潘安[25]通過對我國2001-2014年面板數(shù)據(jù)進行回歸，實證檢驗工業(yè)機器人進口貿(mào)易與制造業(yè)生產(chǎn)率關系，發(fā)現(xiàn)前者通過技術溢出效應對后者產(chǎn)生推動作用；陳永偉和曾昭睿[26]研究發(fā)現(xiàn)，工業(yè)機器人應用通過提高技術效益、擴大規(guī)模效益兩種機制提升工業(yè)生產(chǎn)效率。產(chǎn)業(yè)智能化水平提高、工業(yè)機器人與智能設備應用率提高，均屬于技術進步，而技術進步是控制碳排放的重要途徑，能夠顯著降低行業(yè)碳排放且存在行業(yè)異質(zhì)性[27]。

綜上所述，現(xiàn)有文獻采用直接和間接方式研究產(chǎn)業(yè)智能化、金融發(fā)展對綠色經(jīng)濟發(fā)展的影響，卻沒有綜合考慮二者交互與綠色經(jīng)濟發(fā)展的關系。此外，鮮有從金融視角對智能化賦能綠色經(jīng)濟發(fā)展的影響機制進行研究的文獻。現(xiàn)有文獻也沒有考慮不同地區(qū)的差異性，對金融發(fā)展、產(chǎn)業(yè)智能化與綠色經(jīng)濟發(fā)展空間關系的解析存在不足?；诖?，本文的創(chuàng)新之處在于：一是從金融發(fā)展視角研究產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的影響機制；二是探究金融發(fā)展與產(chǎn)業(yè)智能化之間是否存在對綠色經(jīng)濟發(fā)展的交互影響；三是進一步研究金融發(fā)展、產(chǎn)業(yè)智能化對綠色經(jīng)濟的影響是否存在空間異質(zhì)性。

2 機理分析與研究假設

2.1 金融發(fā)展對綠色經(jīng)濟的影響機理

金融發(fā)展對綠色經(jīng)濟的影響具有兩面性，即金融發(fā)展可以通過增加能源需求抑制綠色經(jīng)濟發(fā)展，也可以通過降低碳排放促進綠色經(jīng)濟發(fā)展。如圖1所示，本文將從消費端和供給端，分別研究金融發(fā)展對綠色經(jīng)濟的抑制和促進作用。

（1）金融發(fā)展對綠色經(jīng)濟的抑制效應。金融發(fā)展會促進能源需求增長，進而抑制綠色經(jīng)濟發(fā)展。這是因為金融發(fā)展將增加居民可支配收入，促進經(jīng)濟增長，從而增加能源消費。從消費端而言，由于具有收入效應，當國家金融業(yè)務繁榮時，居民消費水平獲得提高，其中很大一部分屬于非綠色消費，導致能源需求增加。從供給端而言，隨著金融發(fā)展，企業(yè)融資更加便利，融資成本降低，同時，非綠色消費增加刺激企業(yè)擴大規(guī)模，上述兩個方面將同時增加能源需求，從而抑制綠色經(jīng)濟發(fā)展。

（2）金融發(fā)展對綠色經(jīng)濟的促進效應。金融發(fā)展通過降低碳排放促進綠色經(jīng)濟發(fā)展。從消費端而言，為引導居民綠色消費，政府會向個人或企業(yè)發(fā)行綠色消費券，有助于改變消費者偏好，從而促進消費結(jié)構轉(zhuǎn)向綠色環(huán)保型，進而在消費端降低碳排放。從供給端而言，首先隨著國家或地區(qū)經(jīng)濟向綠色低碳轉(zhuǎn)型，金融機構將給予低耗能高技術企業(yè)更多信貸支持，引導資金流向綠色產(chǎn)業(yè)，優(yōu)化產(chǎn)業(yè)結(jié)構，進而降低環(huán)境污染；其次，金融發(fā)展還可以促進先進生產(chǎn)技術涌現(xiàn)、低污染生產(chǎn)方式形成，以替代高排放生產(chǎn)方式，從而抑制碳排放。對于金融發(fā)展與綠色經(jīng)濟發(fā)展之間存在的這些關系，可以概述為結(jié)構效應與技術效應。

2.2 產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的影響機理

產(chǎn)業(yè)智能化水平影響綠色經(jīng)濟發(fā)展的主要路徑是技術進步。技術進步對碳排放的影響具有兩面性，工業(yè)智能化作為技術進步的具體體現(xiàn)，對碳排放的影響也體現(xiàn)出兩面性，即存在促進和抑制兩個方面。如圖2所示，本文將通過產(chǎn)業(yè)智能化對碳排放的正負影響作進一步分析。

（1）產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展的抑制效應。智能化水平主要通過兩個途徑抑制碳排放降低。首先，智能化催生行業(yè)技術進步，有助于提高行業(yè)生產(chǎn)率，擴大企業(yè)生產(chǎn)規(guī)模，推動經(jīng)濟增長，從而導致碳排放絕對量上升。國內(nèi)外研究顯示，工業(yè)機器人使用能夠顯著提高生產(chǎn)率[26]，進而促進經(jīng)濟發(fā)展，而經(jīng)濟增長被認為是促進碳排放的重要因素[23-24]。其次，工業(yè)智能化作為技術進步的具體表現(xiàn)，能夠吸引更多外商直接投資，其中，高污染類直接投資會顯著增加碳排放?，F(xiàn)有研究表明，F(xiàn)DI對碳排放起促進作用[28]，長期來看，會提高東道國碳排放水平。

（2）產(chǎn)業(yè)智能化對綠色經(jīng)濟的促進效應。產(chǎn)業(yè)智能化主要通過兩個途徑促進碳排放降低。一是技術進步效應。首先，技術進步帶來的生產(chǎn)效率提高會降低生產(chǎn)成本，實現(xiàn)相對的碳排放降低。其次，隨著技術進步、勞動力成本上升以及居民消費水平提高，外商投資更傾向于低污染、高技術類綠色項目，從而有助于降低碳排放。最后，技術進步提高了工業(yè)細分行業(yè)能源使用效率，即降低工業(yè)行業(yè)能源消耗強度，促進工業(yè)行業(yè)綠色發(fā)展。二是勞動力替代效應。一方面，智能化發(fā)展會在一定程度上減少低技術崗位用工數(shù)量[29]，而人口是促進碳排放的重要因素，因此工業(yè)智能化發(fā)展通過減少低技術勞動力數(shù)量從而對碳排放起到一定抑制作用；另一方面，工業(yè)機器人的大量應用會使企業(yè)增加高技術勞動力需求，促使低技術勞動力不斷提高技術水平，轉(zhuǎn)向高技術人才，進而優(yōu)化人口結(jié)構，增強居民環(huán)境意識，長期來看，有助于降低碳排放。

2.3 研究假設

由上文可知，金融發(fā)展和產(chǎn)業(yè)智能化從多途徑影響綠色經(jīng)濟發(fā)展，且二者對綠色經(jīng)濟發(fā)展的影響都有兩面性。從作用途徑來看，二者均通過技術進步效應影響碳排放，其中，金融發(fā)展通過技術進步效應降低碳排放，加速綠色經(jīng)濟發(fā)展；產(chǎn)業(yè)智能化則通過技術進步效應對碳排放降低具有促進和抑制兩方面作用。除技術進步效應外，由于產(chǎn)業(yè)智能化所導致的勞動力替代效應也是影響綠色經(jīng)濟發(fā)展的重要途徑?？偟膩碚f，雖然金融發(fā)展和產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展存在一定抑制作用，但其影響機制以促進為主，即金融視角下的產(chǎn)業(yè)智能化通過降低碳排放賦能綠色經(jīng)濟發(fā)展?；诖?，本文提出以下研究假設：

H1：金融發(fā)展、產(chǎn)業(yè)智能化可以降低碳排放水平，促進綠色經(jīng)濟發(fā)展。

金融發(fā)展與產(chǎn)業(yè)智能化之間存在一定交互作用，共同推動綠色經(jīng)濟發(fā)展。一方面，智能化成果應用于金融領域，催生金融科技，賦能綠色經(jīng)濟發(fā)展。首先，企業(yè)財務智能化有助于打破信息“孤島”現(xiàn)象，推動綠色經(jīng)濟發(fā)展，如金融機構進行貸款審核時可利用大數(shù)據(jù)等先進技術搜集與分析企業(yè)信息，大幅降低信息不對稱性，提高融資效率，促進綠色經(jīng)濟發(fā)展；其次，財務智能化能夠顯著降低企業(yè)融資成本，提高資金周轉(zhuǎn)效率，從而更好地支持綠色發(fā)展；最后，金融科技通過提升信用信息平臺監(jiān)管效率，降低內(nèi)部風險。另一方面，金融發(fā)展為產(chǎn)業(yè)智能化提供資金支持與保障，助推綠色經(jīng)濟發(fā)展。首先，企業(yè)智能化轉(zhuǎn)型和技術創(chuàng)新需要在前期投入大量資金，且周期較長，而成熟的金融體系可以為企業(yè)提供充足的流動資金；其次，工業(yè)是碳排放的主要源頭，金融機構可以通過為傳統(tǒng)工業(yè)智能化轉(zhuǎn)型提供金融支持，加速工業(yè)綠色轉(zhuǎn)型；最后，綠色金融服務平臺通過促進服務智能化、數(shù)字化，加強政府、企業(yè)與金融機構間高效溝通，保障信息高效流通，進而為綠色經(jīng)濟發(fā)展提供強大的基礎保障?；诖耍疚奶岢鋈缦卵芯考僭O：

H2：金融發(fā)展與智能化交互促進綠色經(jīng)濟發(fā)展。

由于中國國土遼闊，不同的地理位置造成各省份發(fā)展程度存在明顯差異。首先，經(jīng)濟發(fā)展水平存在差異，經(jīng)濟較發(fā)達地區(qū)的金融發(fā)展水平相對較高，對智能化發(fā)展的投入也較大；其次，由于政策優(yōu)勢，一些享受優(yōu)惠政策的地區(qū)對金融發(fā)展、產(chǎn)業(yè)智能化的支持力度更大；最后，人文資源差異，如人口密度大、教育水平高的地區(qū)擁有更為堅實的金融發(fā)展和智能化發(fā)展基礎。因此，不同地區(qū)的金融發(fā)展、產(chǎn)業(yè)智能化、教育、科技創(chuàng)新、環(huán)境規(guī)制、人口資源等存在差異性，導致金融發(fā)展水平、產(chǎn)業(yè)智能化及其交互項對綠色經(jīng)濟發(fā)展的影響效用也不同?；诖?，本文提出以下研究假設：

H3：金融發(fā)展、產(chǎn)業(yè)智能化及其交互項對綠色經(jīng)濟發(fā)展的影響存在空間異質(zhì)性。

3 模型設計與變量選取

3.1 模型設計

為了考察金融發(fā)展和產(chǎn)業(yè)智能化對碳排放水平的影響，構建如下回歸方程：

CGit=α0+α1FINit+α2INTit+α3FINit×INTit+α4Labit+α5Eduit+α6Init+α7Erit+γi+μt+εit（1）

其中，i表示省域、t表示年份；CGit表示第t年i省單位GDP的CO2排放量，即碳排放水平；FINit表示第t年i省域的金融發(fā)展水平，INTit表示第t年i省域的產(chǎn)業(yè)智能化水平，二者為本文的核心解釋變量。為表示金融發(fā)展水平與產(chǎn)業(yè)智能化的交互作用，回歸方程中引入二者的交互項FINit×INTit。此外，Lab、Edu、In、Er為本文控制變量，α0表示常數(shù)項，γi表示省域固定效應，μt表示時間固定效應，εit為誤差項。

3.2 變量與數(shù)據(jù)說明

3.2.1 被解釋變量

本文采用單位GDP碳排放量（CG）衡量碳排放水平。在測算我國各省份年度碳排放總量時借鑒IPCC中的標準煤法，以各省域煤炭、焦炭、原油、汽油、煤油、柴油、天然氣和燃料油共8種能源為終端消費，將8種能源消費量與各自的碳排放系數(shù)相乘，估算2009－2019年我國各省域二氧化碳排放量，并與各省域GDP相除作為單位GDP碳排放量。以此為基礎，分析2009—2019年我國27個省域碳排放水平變化情況。具體計算公式和步驟如下：

CGit=CO2itGDPit（2）

CO2it=∑8j=1Eitj×Fj×Cj×qj×4412×11000000（3）

其中，i表示省域、t表示年份、j表示能源；CGit表示第t年i省域單位GDP的CO2排放量，CO2it表示第t年i省域的CO2排放量，GDPit表示第t年i省域的GDP；Eitj表示第t年i省域第j種能源消費量，F(xiàn)j表示第j種能源的平均低位發(fā)熱量，Cj表示第j種能源的碳單位熱值含碳量，qj表示第j種能源的碳氧化率；4412表示C原子氧化成CO2分子量從12變成44，11000000的作用是單位換算。

3.2.2 核心解釋變量

借鑒嚴成樑等[17]的方法，采用金融機構信貸總額占GDP的比例表示金融發(fā)展水平（FIN），比例越高，表示金融發(fā)展水平越高。

FIN=金融機構年末貸款余額GDP（4）

本文采用工業(yè)機器人安裝庫存量占工業(yè)增加值的比例衡量產(chǎn)業(yè)智能化水平（INT）。

INT=機器人安裝庫存量工業(yè)增加值（5）

由于IRF數(shù)據(jù)庫中的數(shù)據(jù)只到國家級層面，而本文研究涉及省級層面。為此，參考康茜和林光華[30]、Daronamp;Pascual[31]的方法，根據(jù)不同行業(yè)就業(yè)人數(shù)，將數(shù)據(jù)庫中機器人數(shù)據(jù)細分到省級層面，以考察智能化與就業(yè)關系。考慮到研究著眼于金融視角下的綠色經(jīng)濟發(fā)展，故對數(shù)據(jù)作以下處理：以各省域Ramp;D經(jīng)費投入占所有省域Ramp;D經(jīng)費投入總和的比例為權重，對全國制造業(yè)機器人安裝庫存量進行分配，估算得出各省域機器人安裝庫存量。

各省機器人安裝庫存量=中國制造業(yè)機器人安裝庫存量×各省Ramp;D經(jīng)費投入各省Ramp;D經(jīng)費投入總和×100% （6）

3.2.3 控制變量

金融發(fā)展與產(chǎn)業(yè)智能化并不是唯一對碳排放水平造成影響的因素。本文根據(jù)碳排放水平影響程度，選取4個控制變量：一是人口紅利（Lab），即勞動力比重，采用15～64歲人口數(shù)量占總?cè)丝跀?shù)量的比重表示；二是教育投入（Edu），采用教育經(jīng)費支出占GDP的比重表示；三是科技創(chuàng)新（In），采用地區(qū)人均專利授權數(shù)表示；四是環(huán)境規(guī)制（Er），采用工業(yè)污染治理投資完成額乘以GDP與工業(yè)增加值平方的比值表示。

3.3 數(shù)據(jù)來源及處理

除機器人安裝庫存量數(shù)據(jù)來源于IFR數(shù)據(jù)庫外，其它數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》、中國經(jīng)濟數(shù)據(jù)庫（CEIC）、《中國能源統(tǒng)計年鑒》、《中國工業(yè)年鑒》以及各省份統(tǒng)計年鑒。能源碳排放系數(shù)數(shù)據(jù)來源于IPCC頒布的《國家溫室氣體排放清單指南》（2006）、國家發(fā)展改革委頒布的《省級溫室氣體編制指南》（2011）、《中國能源統(tǒng)計年鑒—附錄4》（2016）。

基于上述方法，考慮到數(shù)據(jù)可獲取性，如山西、貴州、重慶缺少原油消耗量數(shù)據(jù)，且IRF數(shù)據(jù)庫目前僅更新到2019年數(shù)據(jù)，因此本文選取2009—2019年中國內(nèi)地27個省份（不包括西藏、山西、貴州、重慶）數(shù)據(jù)進行實證分析。由于缺少部分數(shù)據(jù)，進行了一定預處理，其中，連續(xù)數(shù)據(jù)中缺失的以插值法補充，起止年份缺少的運用灰色預測法補充。

3.4 描述性統(tǒng)計與平穩(wěn)性檢驗

通過整理上述數(shù)據(jù)，得到本文變量描述性統(tǒng)計結(jié)果以及單位根檢驗結(jié)果，具體見表1。

4 實證分析

4.1 基準回歸結(jié)果分析

為初步檢驗金融發(fā)展水平和產(chǎn)業(yè)智能化對綠色經(jīng)濟的影響，對2009-2019年27個省域樣本數(shù)據(jù)采用固定效應和隨機效應模型進行回歸，結(jié)果如表2和表3所示。由此可知，金融發(fā)展、產(chǎn)業(yè)智能化及其交互項對碳排放在1%水平下均呈現(xiàn)顯著影響。

Hausman檢驗結(jié)果表明，固定效應模型優(yōu)于隨機效應模型，因此采用固定效應模型（FE）進行回歸。表2中第1列表示金融發(fā)展（FIN）與產(chǎn)業(yè)智能化（INT）分別對綠色經(jīng)濟發(fā)展的影響，第2列加入其交互項（FIN*INT），第3列加入所有控制變量。結(jié)果顯示，金融發(fā)展（FIN）的回歸系數(shù)為-1.193 9，產(chǎn)業(yè)智能化（INT）的回歸系數(shù)為-3.748 4，二者均在1%水平下顯著，因此研究假設H1得證，即金融發(fā)展、產(chǎn)業(yè)智能化可以降低碳排放水平。此外，金融發(fā)展與產(chǎn)業(yè)智能化交互項（FIN*INT）的回歸系數(shù)為-0.354 2，在1%水平下顯著，表示金融發(fā)展與產(chǎn)業(yè)智能化的交互作用顯著降低碳排放水平，證明研究假設H2成立。

其余控制變量。根據(jù)表2可知，教育水平（Edu）系數(shù)為負，說明教育支出可以降低碳排放水平?？赡艿脑蚴牵S著教育投入增加，人口素質(zhì)不斷提高，環(huán)保意識隨之增強，低碳生活、綠色消費觀念逐漸受到人們認可，因此教育支出對減少碳排放有顯著正向作用?？萍紕?chuàng)新（In）系數(shù)為負，說明科技創(chuàng)新有助于降低碳排放?？赡艿脑蚴?，科技創(chuàng)新帶動綠色科技進步，綠色科技應用能夠為企業(yè)使用清潔能源提供技術支持，推動綠色能源消費，同時，催生新生產(chǎn)方式，從消費端直接減少二氧化碳排放。環(huán)境規(guī)制（Er）系數(shù)為負，說明工業(yè)污染治理投資增加有利于降低碳排放水平，促進綠色經(jīng)濟發(fā)展。人口紅利（Lab）系數(shù)為正，說明勞動力比重上升不利于綠色經(jīng)濟發(fā)展。這是因為非勞動力人口消費水平和消費意愿低于勞動力人口，于消費端而言，勞動力人口產(chǎn)生的碳排放高于非勞動力人口，且于生產(chǎn)端而言，勞動力人口產(chǎn)生的碳排放也會高于非勞動力人口，所以人口紅利提高了碳排放水平。

4.2 分地區(qū)回歸結(jié)果分析

由于不同地區(qū)的金融發(fā)展、產(chǎn)業(yè)智能化水平不同，對綠色經(jīng)濟發(fā)展的作用效果也不同，所以本文將樣本省域根據(jù)地理位置，劃分為東中西部，分別采用固定和隨機效應回歸模型進行實證分析，結(jié)果如表3所示。

表3中1～3列分別表示東、中、西部省份固定效應回歸結(jié)果?？梢钥闯觯瑢τ跂|部地區(qū)來說，金融發(fā)展和產(chǎn)業(yè)智能化水平都對碳排放水平具有顯著負向作用，與表2中第3列基準回歸結(jié)果相同，但其交互項對碳排放水平的作用不顯著，與基準回歸結(jié)果不一致；同時，中西部地區(qū)金融發(fā)展和產(chǎn)業(yè)智能化水平對碳排放水平的影響不顯著，但其交互項對碳排放水平具有顯著負向作用，即有利于綠色經(jīng)濟發(fā)展。綜上所述，研究假設H3成立，即金融發(fā)展、產(chǎn)業(yè)智能化及其交互項對綠色經(jīng)濟發(fā)展的影響存在空間異質(zhì)性，這是東中西部地區(qū)差異所致。首先是區(qū)位差異，中西部地區(qū)由于地理位置所限，開放程度較低，不夠完善的金融市場導致金融發(fā)展水平提高可能會增加單位GDP碳排放量；其次是技術差異，東部地區(qū)的產(chǎn)業(yè)智能化水平始終處于領先地位，并已進入綠色創(chuàng)新的新階段，而中西部地區(qū)由于技術較落后，還處于綠色技術創(chuàng)新的初始階段，綠色創(chuàng)新成果也不豐富，因而短期內(nèi)產(chǎn)業(yè)智能化發(fā)展不能對綠色經(jīng)濟發(fā)展產(chǎn)生顯著促進作用。此外，技術差異性導致外商更愿意在東部地區(qū)投資高技術類綠色產(chǎn)業(yè)，而在中西部投資勞動力密集型產(chǎn)業(yè)，進一步增強技術因素的影響。

在控制變量方面，西部地區(qū)環(huán)境規(guī)制（Er）在5%水平上對碳排放具有顯著正向作用，即環(huán)境規(guī)制增強不利于綠色經(jīng)濟發(fā)展。這是由于環(huán)境規(guī)制對綠色經(jīng)濟發(fā)展的影響存在一定門檻效應，東部與中部地區(qū)的環(huán)境規(guī)制強度已經(jīng)越過該門檻，所以環(huán)境規(guī)制對綠色經(jīng)濟發(fā)展產(chǎn)生正向影響，而西部地區(qū)由于環(huán)境規(guī)制強度不高、環(huán)境政策不完善，所以環(huán)境規(guī)制對綠色經(jīng)濟的影響在西部與東中部具有差異化。另外，人口紅利在東部和西部對綠色經(jīng)濟的影響都不顯著。可能的原因是，中部地區(qū)是人口遷移的主要遷出區(qū)，東、西部地區(qū)是人口遷移的主要遷入地。其中，很大一部分人口是因為接受高等教育和政策引導，從中部地區(qū)遷往東部和西部地區(qū)，且該部分人口具有較強環(huán)保意識和綠色消費能力。因此，雖然人口遷入會導致東部和西部地區(qū)人口紅利增加，刺激消費需求，增加能源消耗，但是該部分人口流入帶來的整體素質(zhì)提升會抑制人口紅利對綠色經(jīng)濟發(fā)展的負向作用。

4.3 穩(wěn)健性檢驗

為進一步檢驗金融發(fā)展、產(chǎn)業(yè)智能化對綠色經(jīng)濟發(fā)展影響結(jié)果的穩(wěn)健性，本文采用全面FGLS方法對原模型進行再估計，回歸結(jié)果見表4。由表4第1列可知，金融發(fā)展（FIN）的回歸系數(shù)為-2.766 3，產(chǎn)業(yè)智能化（INT）的回歸系數(shù)為-5.304 1，二者均在1%水平下顯著，說明從金融發(fā)展視角，其與產(chǎn)業(yè)智能化均可以降低碳排放，從而賦能綠色經(jīng)濟發(fā)展，與基準回歸結(jié)果基本一致。根據(jù)表2第3列可知，金融發(fā)展（FIN）的回歸系數(shù)為-1.687 0，產(chǎn)業(yè)智能化（INT）的回歸系數(shù)為-4.641 1，二者交互項（FIN*INT）的回歸系數(shù)為-0.922 3，三者均在1%水平下顯著，同樣與原回歸結(jié)果基本一致。經(jīng)檢驗，各核心解釋變量和控制變量回歸結(jié)果與基準計量回歸結(jié)果基本一致，即自變量對因變量的作用穩(wěn)定，證明本文結(jié)論穩(wěn)健。

4.4 內(nèi)生性問題

本文回歸結(jié)果可能存在一定內(nèi)生性問題。首先，碳排放會導致大氣中二氧化碳濃度提高，從而導致全球氣溫升高等變化，進而增加下一期碳排放量。其次，本文碳排放計算方式可能存在一定遺漏。為了解決滯后效應和遺漏變量造成的內(nèi)生性問題，本文一方面將因變量滯后一期、二期、三期后納入回歸模型，另一方面采用能源消耗強度作為碳排放的替代工具變量。表5中第1～3列為考慮滯后因素的回歸結(jié)果，可以發(fā)現(xiàn)，雖然當期碳排放對此后1～3年的碳排放具有一定放大作用，但總體上金融發(fā)展、產(chǎn)業(yè)智能化以及其交互項均可以抑制碳排放；第4列為替換工具變量后的回歸結(jié)果，結(jié)果顯示，金融發(fā)展、產(chǎn)業(yè)智能化及其交互項對能源消耗強度的影響與基準回歸結(jié)果一致。因此，考慮內(nèi)生性問題后，本文結(jié)果依然成立。

5 結(jié)論與建議

本文圍繞金融發(fā)展水平和產(chǎn)業(yè)智能化對碳排放水平的影響機制，利用2009-2019年中國綠色經(jīng)濟發(fā)展省級面板數(shù)據(jù)進行實證研究，得出如下結(jié)論：①金融發(fā)展對碳排放水平的影響在1%水平上顯著為負，這是因為金融發(fā)展同時從生產(chǎn)端和消費端降低碳排放，促進綠色經(jīng)濟發(fā)展；②產(chǎn)業(yè)智能化對碳排放水平的影響在1%水平上顯著為負，說明產(chǎn)業(yè)智能化一方面促進產(chǎn)業(yè)技術進步，另一方面智能化機器人應用產(chǎn)生勞動力替代效應，二者對綠色經(jīng)濟發(fā)展均起促進作用；③產(chǎn)業(yè)智能化、金融發(fā)展及其交互項對我國東中西部綠色經(jīng)濟發(fā)展的影響存在差異化；④人口紅利、教育水平、科技創(chuàng)新、環(huán)境規(guī)制均對碳排放水平具有顯著負向影響。

由于金融發(fā)展水平和產(chǎn)業(yè)智能化水平提高都可以顯著降低單位GDP的碳排放量，因此我國在制定政策時應當綜合考慮二者對降低碳排放的積極作用。同時，由于這種積極作用在我國東中西部存在區(qū)域異質(zhì)性，所以政策制定不能脫離當?shù)匕l(fā)展現(xiàn)況。根據(jù)上述研究結(jié)論，本文提出以下政策建議：

第一，提高工業(yè)機器人普及率，加大政策扶持力度。一方面，提高工業(yè)機器人利用率可以推動產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。企業(yè)需要加大科技創(chuàng)新投入，普及工業(yè)機器人在工業(yè)生產(chǎn)中的應用，增加綠色創(chuàng)新投入，提高能源利用率，促進綠色經(jīng)濟發(fā)展；另一方面，政府應鼓勵企業(yè)綠色技術創(chuàng)新，積極推廣綠色技術應用，同時，重點扶持高技術產(chǎn)業(yè)，淘汰落后產(chǎn)能，從源頭上減少二氧化碳，達到降低碳排放目的。

第二，充分發(fā)揮金融發(fā)展在低碳減排過程中的促進作用。首先，金融發(fā)展既可以從消費端通過引導綠色消費減少二氧化碳排放，也可以從供給端通過技術創(chuàng)新等途徑間接降低碳排放，因此銀行信貸需要進一步向低污染、低能耗企業(yè)傾斜，加大對高技術、低排放企業(yè)的信貸支持，加快推動我國能源結(jié)構改善，進而降低二氧化碳排放。其次，金融機構應通過政策窗口等手段引導信貸資金流向低碳產(chǎn)業(yè)，從而促進資金流動合理化，加快金融業(yè)市場化進程。最后，金融政策制定需要與當?shù)匕l(fā)展水平相匹配，尤其對于我國中西部地區(qū)，金融發(fā)展不能以環(huán)境污染為代價，應該充分發(fā)揮金融發(fā)展與產(chǎn)業(yè)智能化的交互作用，加大金融領域的技術投入。

第三，加快發(fā)展清潔能源，穩(wěn)步調(diào)整能源結(jié)構。首先，應控制能源消費總量，特別是防止煤炭、石油等化石能源消費盲目擴大，為清潔能源普及鋪平道路。其次，減少煤炭依賴型產(chǎn)業(yè)和企業(yè)投資，增加綠色企業(yè)投資。最后，各地區(qū)應因地制宜地發(fā)展水能、風能、核能、生物質(zhì)能、太陽能等清潔能源，為清潔能源廣泛應用提供技術支持。

第四，對東中西部實行差異化政策，縮小地區(qū)間發(fā)展差距。對于中西部地區(qū)，應加強金融創(chuàng)新，推廣金融科技，提高中小企業(yè)融資便利度和效率，鼓勵企業(yè)在中西部地區(qū)投資建設智能化工廠和智能化產(chǎn)業(yè)園區(qū)，并提供相應的政策扶持和金融支持。同時，加大人才培養(yǎng)力度，鼓勵人才到中西部地區(qū)發(fā)展以及培養(yǎng)中西部本土技術人才、管理人才。對于東部地區(qū)，金融發(fā)展與產(chǎn)業(yè)智能化的交互作用不顯著，說明金融發(fā)展與智能化技術的結(jié)合已相對完善，需加強東部地區(qū)向中西部地區(qū)輸送綠色發(fā)展成果和發(fā)展經(jīng)驗，并進一步促進金融開放，加強與國際金融市場的交流和合作，增強金融業(yè)國際競爭力。

6 不足與展望

由于現(xiàn)實的局限性，本文研究尚存在諸多不足，需要對有關問題進行更深入的探討。首先，金融發(fā)展與產(chǎn)業(yè)智能化不是唯二影響綠色經(jīng)濟水平的因素，本文沒有做到盡善盡美；其次，本文僅從碳排放角度衡量綠色經(jīng)濟發(fā)展水平，對綠色經(jīng)濟的測度是否全面還需驗證；再次，本文涉及的碳排放數(shù)據(jù)是全社會總碳排放量，沒有進行進一步細分；最后，從數(shù)據(jù)可得性角度，微觀層面的碳排放、金融發(fā)展和智能化等指標難以測度，導致現(xiàn)有研究大多停留在宏觀層面。上述不足之處需要在未來研究中加以改進。首先，應充分考慮其它相關因素對綠色經(jīng)濟發(fā)展的影響，細化綠色經(jīng)濟發(fā)展指標體系，例如綜合考慮二氧化碳、二氧化硫、二氧化氮、粉塵顆粒物等溫室氣體和污染物排放；其次，可以將碳排放進一步劃分為工業(yè)碳排放、生活碳排放等；最后，可以嘗試尋找有代表性的企業(yè)指標以研究微觀層面的綠色發(fā)展，為支撐全社會綠色經(jīng)濟發(fā)展提供更充分的理論依據(jù)。

參考文獻：

[1] 陳欣，劉明.金融發(fā)展對二氧化碳排放影響的經(jīng)驗研究[J].財經(jīng)問題研究，2015，37（4）：40-46.

[2] 黃海燕，劉葉，彭剛.工業(yè)智能化對碳排放的影響——基于我國細分行業(yè)的實證[J].統(tǒng)計與決策，2021，37（17）：80-84.

[3] 徐曉光，樊華，蘇應生，等.中國綠色經(jīng)濟發(fā)展水平測度及其影響因素研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2021，38（7）：65-82.

[4] 李林漢，岳一飛.基于四階段DEA模型的中國綠色發(fā)展效率評價[J].科技管理研究，2019，39（24）：247-258.

[5] 張薇.我國綠色經(jīng)濟評價指標體系的構建與實證[J].統(tǒng)計與決策，2021，37（16）：126-129.

[6] MERINO-SAUM A， CLEMENT J， WYSS R， et al. Unpacking the green economy concept： a quantitative analysis of 140 definitions[J]. Journal of Cleaner Production，2019，242：118339.

[7] 何偉軍，李聞欽，鄧明亮.人力資本、綠色科技創(chuàng)新與長江經(jīng)濟帶全要素碳排放效率[J].科技進步與對策，2022，39（9）：23-32.

[8] 李毅，胡宗義，何冰洋.環(huán)境規(guī)制影響綠色經(jīng)濟發(fā)展的機制與效應分析[J].中國軟科學，2020，35（9）：26-38.

[9] 劉豐，王維國.人口年齡結(jié)構變動對碳排放的影響——基于生育率和預期壽命的跨國面板數(shù)據(jù)[J].資源科學，2021，43（10）：2105-2118.

[10] ESTHER F， RAFAELA P ， JESUS R. Optimal green tax reforms yielding double dividend[J]. Energy Policy，2011，39（7）：4253-4263.

[11] CHI Y， GUO Z. Scenarios analysis of the energies' consumption and carbon emissions in China based on a dynamic CGE model[J]. Sustainability，2014，6（2）：487-512.

[12] LIU， L Q. Environmental efficiency of China's thermal power enterprises： a bootstrapped directional distance function with metafrontier approach[J]. Journal of Energy Engineering，2017，146（4）：1-10.

[13] ARTUR T，JUAN P C， KRISHNA C V. Does higher economic and financial development lead to environmental degradation：evidence from BRIC countries[J]. Energy Policy，2008，37（1）：246-253.

[14] JALIL A， FERIDUN M. The impact of growth， energy and financial development on the environment in China： a cointegration analysis[J]. Energy Economics，2010，33（2）：284-291.

[15] MUHAMMAD S，AVIRAL K T，MUHAMMAD N.The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South Africa[J]. Energy Policy，2013，61（C）：1452-1459.

[16] MUHAMMAD S. Does financial development reduce CO2 emissions in malaysian economy？ a time series analysis[J]. Economic Modelling，2013，35：145-152.

[17] 嚴成樑，李濤，蘭偉.金融發(fā)展、創(chuàng)新與二氧化碳排放[J].金融研究，2016，39（1）：14-30.

[18] 史代敏，施曉燕.綠色金融與經(jīng)濟高質(zhì)量發(fā)展：機理、特征與實證研究[J].統(tǒng)計研究，2022，39（1）：31-48.

[19] OZTURK I， ACARAVCI A.The long-run and causal analysis of energy， growth， openness and financial development on carbon emissions in Turkey[J]. Energy Economics， 2013， 36：262-267.

[20] 劉亮，胡國良.人工智能與全要素生產(chǎn)率——證偽“生產(chǎn)率悖論”的中國證據(jù)[J].江海學刊，2020，27（3）：118-123.

[21] 韓民春，趙澤彬.碳排放約束視角下產(chǎn)業(yè)智能化對區(qū)域經(jīng)濟差距的影響研究[J].工業(yè)技術經(jīng)濟，2022，41（1）：3-11.

[22] BRYNJOLFSSON E， HITT L M ， KIM H H. Strength in numbers： how does data-driven decision-making affect firm performance[J]. SRN Electronic Journal， 2011，126（1）：1-33.

[23] HANSON R. Economic growth given machine intelligence[R]. America：University of California，Berkeley，2001.

[24] ACEMOGLU D， RESTREPO P. Robots and jobs：evidence from US labor markets[Z].NBER Working Paper No.w23285，2017.

[25] 李丫丫，潘安.工業(yè)機器人進口對中國制造業(yè)生產(chǎn)率提升的機理及實證研究[J].世界經(jīng)濟研究，2017，36（3）：87-96，136.

[26] 陳永偉，曾昭睿.機器人與生產(chǎn)率：基于省級面板數(shù)據(jù)的分析[J].山東大學學報（哲學社會科學版），2020，56（2）：82-97.

[27] 何小鋼，張耀輝.技術進步、節(jié)能減排與發(fā)展方式轉(zhuǎn)型——基于中國工業(yè)36個行業(yè)的實證考察[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2012，29（3）：19-33.

[28] PETER G， JEFFREY Y K. Exporting the greenhouse：foreign capital penetration and CO2 emissions 1980-1996[J]. Journal of World Systems Research，2003，9（2）：261-275.

[29] 閆雪凌，朱博楷，馬超.工業(yè)機器人使用與制造業(yè)就業(yè)：來自中國的證據(jù)[J].統(tǒng)計研究，2020，37（1）：74-87.

[30] 康茜，林光華.工業(yè)機器人與農(nóng)民工就業(yè)：替代抑或促進[J].山西財經(jīng)大學學報，2021，43（2）：43-56.

[31] DARON A， PASCUAL R. Robots and jobs： evidence from US labor markets[J]. Journal of Political Economy，2020，128（6）：2188-2244.

（責任編輯：胡俊?。?/p>

The Mechanism of Financial Development and Industrial Intelligence Enabling Green Economic Development

Chen Tingqiang1，2， Shi Jiahao1， Liu Meng1， Li Zeyu1， Yu Le'an3

（1. School of Economics and Management， Nanjing University of Technology， Nanjing 211816， China;2. Institute of Mathematics and Systems Science， Chinese Academy of Sciences， Beijing 100190， China;

3. Business School， Sichuan University， Chengdu 610065， China）

Abstract：In order to achieve the \"carbon peak\" by 2030 and \"carbon neutrality\" by 2060， the Chinese government has been endeavoring to promote the development of the green economy and accelerate the green transformation of energy. Thus， it is of great significance to study green development trends and influencing factors. To delve into this issue， this paper aims to examine the impact mechanism of industrial intelligence on the development of the green economy from the perspective of financial development， explore whether there is an interactive effect on the development of green economy between financial development and industrial intelligence and verify if there is spatial heterogeneity in the impact of financial development and industrial intelligence on the green economy.

First of all， this study sorts out the research related to the green economy and summarizes the development trends and influencing factors of the green economy; then it analyzes the mechanism of industrial intelligence empowering green economic development from the perspective of financial development. Secondly， inspired by the existing research， the study constructs an indicator system and regression equations. The installed inventory of robots in this paper comes from the IFR database， and other data are sourced from the China Statistical Yearbook， China Economic Database （CEIC）， China Energy Statistical Yearbook， China Industry Yearbook， and provincial statistical yearbooks. By using fixed effect regression， regional regression and FGLS methods， it further conducts an empirical study on the mechanism of industrial intelligence empowering green economic development from the perspective of financial development with the panel data of 27 provinces and cities in China from 2009 to 2019 and carries out the spatial heterogeneity test of the impact of financial development and industrial intelligence on the development of green economy. Finally， in order to ensure that the regression results are robust， exogenous， and have no missing variables， this study conducts robustness and endogeneity tests.

The research results show that （1） financial development， industrial intelligence and their interaction have significantly reduced the level of carbon emissions; （2） demographic dividend， education level， scientific and technological innovation， and improvement of environmental regulations all have inhibitory effects on reducing carbon emissions; （3） there is regional heterogeneity in the impact of industrial intelligence， financial development and their interaction on the development of green economy in the eastern， central and western parts of China. For the eastern region， both financial development and industrial intelligence have a significant negative effect on carbon emissions， but their interaction has no significant effect on carbon emissions. In contrast， financial development and industrial intelligence in the central and western regions have no significant impact on carbon emissions， but their interaction has a significant negative effect on carbon emissions， which is conducive to the development of a green economy. Many factors simultaneously contribute to this result. The first is location differences. Due to their own location disadvantages， the central and western regions are less open， and financial policies are not biased. The imperfect financial market system leads to an increase in the level of financial development， which may increase carbon emissions per unit of GDP. The second is the difference in technology. The level of industrial intelligence in eastern China has been at the leading edge， while the central and western regions are still in the initial stage of green technology innovation. The results of green innovation are not significant， and the development of industrial intelligence in the short term can not significantly promote the development of green economy. In addition， the difference in technology makes foreign companies more willing to invest in high-tech green industries in the eastern region， while investing in labor-intensive and high-pollution industries in the central and western regions further expands the influence of technological factors.

According to the research results， several suggestions are proposed. First， it is necessary to increase the penetration rate of industrial robots， increase policy support， and give full play to the role of financial development in low-carbon emission reduction. Then， it is essential to accelerate the development of clean energy and steadily adjust the energy structure. Third， the regional governments should implement differentiated policies for the eastern， central， and western regions to narrow the development gap.

Key Words：Financial Development; Industrial Intelligence; Green Economic Development; Carbon Emission; Spatial Heterogeneity