开放科学(资源服务)标识码(OSID)：
Grounded on the above analysis, this paper empirically examines the impact of green data centers on the modern industrial system using panel data from 277 prefecture-level cities in China from 2006 to 2023, and employs a multiple-period difference-in-differences method. The results indicate that green digital infrastructure can facilitate the development of modern industrial systems. Mechanism analysis shows that green digital infrastructure can promote the development of modern industrial system from the supply side by accelerating green technological innovation and green technology sharing, fostering industrial integration, and attracting talent agglomeration. From the demand side, it can enhance digital and green consumption levels, accelerate the upgrading of consumption structure, and thereby drive the development of the modern industrial system. Heterogeneity analysis reveals that the impact of green digital infrastructure on the modern industrial system varies depending on digital attention, computing power, and data levels. Moreover, green digital infrastructure can narrow the relative development gap of the modern industrial system among different regions, demonstrating significant regional coordination effects. Synergy analysis reveals that the policy synergy between green digital infrastructure and integrated infrastructure, and innovation infrastructure can promote the development of the modern industrial system. Furthermore, green digital infrastructure helps achieve economic and environmental co-benefits, and can simultaneously advance carbon reduction, pollution reduction, green expansion, and growth.
Compared with existing research, the marginal contribution of this paper lies in the following aspects: First, it quantitatively examines the impact of green digital infrastructure on modern industrial systems, enriching the study of influencing factors in modern industrial systems. Second, it explores the mediating effects of green digital infrastructure in empowering modern industrial systems from both supply-side and demand-side perspectives, aiding in fully grasping the key pathways for accelerating the construction of modern industrial systems. Third, it identifies the heterogeneous role of green digital infrastructure in empowering modern industrial systems across three dimensions of digital attention, computing power and data levels, while analyzing its spatial coordination effects. Finally, from a policy synergy perspective, it thoroughly examines the collaborative effects of green digital infrastructure alongside converged infrastructure and innovation infrastructure on modern industrial systems, further exploring the economic and environmental impacts of green digital infrastructure.
This paper focuses on examining the intrinsic logic of how green digital infrastructure empowers modern industrial systems, and three policy recommendations are proposed. First, the government should accelerate the green transformation of digital infrastructure to support the development of the modern industrial system. Second, the government should explore diversified pathways for enhancing modern industrial systems, leveraging both supply-side and demand-side approaches to fully unlock the industrial empowerment effects of green digital infrastructure. Finally, governments should address regional disparities in digital awareness, computing power, and data capabilities, advancing green digital infrastructure development through tailored approaches suited to local conditions.
开放科学(资源服务)标识码(OSID)：
回顾人类文明演进历程,从蒸汽机轰鸣打破手工劳作的桎梏,到电力之光点亮工业化时代,再到信息技术掀起数字化浪潮,每一次工业革命的核心密码,都藏在技术创新对生产力的颠覆性重塑中。2024年中央经济工作会议提出“以科技创新引领新质生产力发展,建设现代化产业体系”。作为数字时代的新型生产要素[1],数据深度融入生产、流通、服务各环节,成为重塑产业格局、推动现代化产业体系高质量发展的关键力量[2]。我国先后颁布了《全国一体化大数据中心协同创新体系算力枢纽实施方案》《新型数据中心发展三年行动计划(2021—2023年)》等文件。数据中心是数字基础设施的重要组成部分[3],也是能源消耗增速较快的领域之一,如何推动数字基础设施绿色低碳发展,更好地赋能现代化产业体系,是当下亟待解决的关键问题。
绿色数据中心主要指采用节能、环保、可持续发展的理念和技术建设和运营的数据中心,旨在降低能源消耗和碳排放,提高数据中心的效率、可靠性和安全性。绿色数字基础设施是一种更为广泛的概念,涵盖数据中心、云计算平台等,强调生态与数字技术的深度融合,以减少对环境的影响。绿色数据中心是绿色数字基础设施的重要组成部分,服务于可持续发展和“双碳”目标。2015年,工业和信息化部等三部门联合印发《国家绿色数据中心试点工作方案》,强调“以技术创新和推广为支撑,以标准研制和技术评价为保障,使绿色数据中心试点发挥辐射带动作用,形成可复制的推广模式,引导数据中心走低碳循环绿色发展之路”。绿色数据中心不仅能够带动传统产业转型升级和新兴产业发展,也能加快数据要素流动,优化产业布局,促进区域产业协调发展,为现代化产业体系绿色、高效发展提供绿色数字支持。基于此,借助绿色数据中心试点及建设工作,深入分析绿色数字基础设施对现代化产业体系的影响则显得尤为重要。那么,绿色数据中心能否赋能现代化产业体系?从供需两端来看,潜在影响机制是什么?是否因数字关注度、算力水平、数据水平不同存在异质性影响?是否存在空间协调效应?绿色数字基础设施与融合基础设施、创新基础设施能否发挥协同效应?绿色数字基础设施是否有助于实现经济增长与环境保护双赢目标?厘清上述问题,对于加快现代化基础设施建设,推动现代化产业体系发展具有重要的现实意义。
学者们围绕现代化产业体系展开了大量研究,从现代化产业体系的影响因素看,主要包括两方面:一是定性分析。现有研究主要探讨了人工智能、科技创新、新质生产力等对现代化产业体系的影响,人工智能能够通过优化生产要素质量、加快产业智能化发展等途径赋能现代化产业体系(杜传忠等,2024);科技创新能够在宏观、中观、微观3个层面发挥作用,通过加快国民经济循环,推动产业变革,助力企业实现价值跃迁,进而推动现代化产业体系建设[4];新质生产力能够通过加快传统产业升级、推动新兴产业发展为现代化产业体系建设提供动力支持、塑造“整体势能”(毛强等,2025)。二是定量分析。研究表明数字经济通过加快产业体系的组织形式、生产过程以及要素协同的现代化,数据要素与传统要素结合,宏观、微观共同发力,助力现代化水平提升[5-6];居民消费结构能够对供给结构形成有效牵引力,引领产业体系朝着现代化发展[7]。
关于数据中心,研究成果主要聚焦数据中心的空间布局[8]、碳排放空间转移[9]等,也有学者发现数据中心建设能够加快数据要素流动,为新兴产业赋能,助力新质生产力水平提升[3]。关于绿色数字基础设施,学者们发现绿色数据中心能够提升绿色技术创新水平[10],加快数字产业集聚,助推数字经济发展[11],降低碳排放水平[12]。总的来看,现有研究成果主要集中在数据中心以及绿色数据中心的经济和环境效应,绿色数字基础设施如何赋能现代化产业体系及其潜在影响机制的定量研究则较为缺乏,需建立完整的实证框架以打开绿色数字基础设施赋能现代化产业体系的“黑箱”。
本文旨在用多期双重差分法探究绿色数据中心对现代化产业体系的影响,并从需求侧和供给侧的双重视角展开机制讨论。相比已有文献,本文的边际贡献可能在于:一是将绿色数字基础设施和现代化产业体系纳入同一分析框架,从定量角度探讨绿色数据中心对现代化产业体系的影响效应,丰富现代化产业体系的影响因素研究。二是从供给侧揭示绿色技术创新及共享、产业融合、人才集聚在绿色数字基础设施赋能现代化产业体系中发挥的中介效应;从需求侧探讨数字消费、绿色消费、消费结构升级在其中发挥的中介效应,把握加快现代化产业体系建设的关键路径。三是从数字关注度、算力水平、数据水平3个方面识别绿色数字基础设施赋能现代化产业体系的异质性作用,同时分析绿色数字基础设施赋能现代化产业体系的空间协调效应,为因地制宜加快推进绿色数字基础设施和现代化产业体系建设提供经验支持。四是基于政策协同视角,考察绿色数字基础设施与融合基础设施、绿色数字基础设施与创新基础设施对现代化产业体系的协同作用,进一步探讨绿色数字基础设施的经济和环境效应,为促进城市基础设施协同发展、加快实现“绿水青山”和“金山银山”双赢目标提供经验借鉴。
1.2.1 绿色数字基础设施对现代化产业体系的影响
绿色数字基础设施能够推动传统产业转型升级和新兴产业发展,进而赋能现代化产业体系。一方面,传统产业是建设现代化产业体系的基础,从绿色数字基础设施赋能传统产业转型升级看,绿色数字基础设施具有“数字”与“绿色”双重属性,为传统产业突破高能耗、低效率、高排放的发展瓶颈提供了有效路径,赋能产业实现提质增效,引导其向绿色化、智能化方向系统演进。绿色数字基础设施与传统生产设备深度融合,可以实现对能源消耗、物料流转、污染排放等关键环节的实时感知与动态优化,基于数据驱动的分析,能够精准识别能效瓶颈、预测设备故障并优化生产调度策略,从而提升生产效率的同时,显著降低单位产出的资源消耗与污染排放,推动生产模式向精细化和绿色化演进。另一方面,培育壮大新兴产业是建设现代化产业体系的重要支撑,从绿色数字基础设施赋能新兴产业看,数据作为新型生产资料,已成为驱动新兴产业发展的核心动能(毛强等,2025)。绿色数据中心作为绿色数字基础设施的重要组成部分,能够为新兴技术提供高效、低能耗的计算支持和存储服务,加速技术创新和应用推广,催生新的业态和商业模式,进而推动新兴产业快速发展[3]。据此,本文提出如下假设:
H1:绿色数字基础设施能够促进现代化产业体系发展。
1.2.2 供给侧视角下的影响机制
在供给侧,本文选取绿色技术创新、产业融合与人才集聚作为中介变量。首先,绿色技术创新与共享是绿色数字基础设施赋能产业体系的技术基础。绿色数字基础设施以节能降耗为导向,其建设与运营直接激励绿色技术的研发与应用,并通过数据平台推动技术在企业与行业间扩散,有效降低绿色转型成本,进而提升产业的绿色化与智能化水平。其次,产业融合是数字技术渗透产业体系的关键路径。绿色数字基础设施凭借高效算力与数据服务,促进数字技术与制造业、服务业深度融合,催生新业态与新模式,打破传统产业边界,从而增强产业体系的韧性与附加值。最后,人才集聚为产业持续创新提供要素支撑。绿色数字基础设施建设所带来的技术研发需求、产业集群效应及高质量就业岗位,能够吸引高技能人才聚集,为现代化产业体系提供可持续的人力资源保障。
(1)绿色技术创新及共享。 《国家绿色数据中心试点工作方案》强调以技术创新和推广为支撑,推进试点工作开展。绿色数字基础设施自身具有数字化、绿色化特征,不可避免地会对绿色技术创新产生影响。绿色数据中心通过打造多元化的投融资体系,为绿色创新活动搭建融资平台[10],加大对绿色技术的研发、投资和应用,加速绿色技术传播与共享。创新是助力现代化产业体系发展的关键力量。从绿色技术创新对现代化产业体系的影响看,一方面,绿色技术创新能够发挥资源导向作用,通过“倒逼效应”和“信号效应”助力产业结构升级。“倒逼效应”指的是在高质量发展背景下,高耗能、高污染产业面临着巨大转型压力[4],需要加大对生产工艺和设备的清洁化改造力度,推动自身绿色升级。“信号效应”指的是随着绿色创新水平逐步提升,会催生出更多节能环保产业,能够引导社会资本持续流入绿色领域,助推新兴产业发展。另一方面,绿色技术的研发和应用成本往往较高,绿色技术共享能够显著降低企业获取和应用先进绿色技术的门槛,避免大量重复研发和试错成本,也能加速技术创新与扩散,通过国内和国际的技术交流与合作,为现代化产业体系注入创新活力。
(2)产业融合。 在数字经济时代,数字技术的迭代创新已成为推动产业深度融合、促进产业结构优化升级的核心引擎,是加快构建现代化产业体系的重要支撑[13]。绿色数字基础设施作为关键赋能平台,正在促进新一代信息技术与先进制造、新能源等领域的技术渗透与协同创新。这一融合进程会催生一系列新技术、新产品、新业态与新模式,如智慧交通、智慧能源等。通过制造业与服务业的战略协同、业务联动和业态创新,推动先进制造业与现代服务业的深度融合,形成产业协同发展的新格局。从产业融合对现代化产业体系的影响看,一方面,产业融合能够促进产业间互联互通,打破信息与资源壁垒,通过数字技术与信息化手段,实现跨行业联通。这不仅加速了信息流、资金流、物流的高效运转,还降低了产业间的交易成本,提高了整体运行效率。另一方面,产业融合通过技术赋能和资源整合,放大了单一产业的经济价值和社会效益,推动传统产业向高附加值方向转型,不同产业在融合过程中相互促进、优势互补,形成了“1+1>2”的叠加效应,从而显著增强了产业体系的综合效能和可持续发展能力[6]。
(3)人才集聚。 根据推力—拉力理论,是否具备完善的基础设施建设是人才流动考虑的关键要素之一。《新型数据中心发展三年行动计划(2021—2023年)》《数据中心绿色低碳发展专项行动计划》均提出支持高校与企业共建实验室、实训基地,完善多层次人才培养体系,加强数据中心人才队伍建设。绿色数字基础设施能为企业、高校、科研机构的交流合作搭建平台,有助于实现创新资源整合[14],加快产学研深度融合,推动人才培养与产业需求对接,促使人才向相关领域集聚。另外,绿色数字基础设施能够降低企业运营成本、提升生产效率,带动相关产业的集群化发展,创造大量高质量就业岗位,成为吸引专业人才集聚的核心驱动力。从人才集聚对现代化产业体系的影响看,高技能劳动力能够发挥“干中学”和“知识外溢”传导效应,有效促进产业技术研发与创新,加速产业结构的高级化进程[15];人才聚集能够引导生产要素向高效益、高附加值环节流动,带动新兴产业的发展和生产效率的提升。据此,本文提出如下假设:
H2:绿色数字基础设施能够通过加快绿色技术创新及共享、促进产业融合、提升人才集聚水平赋能现代化产业体系。
1.2.3 需求侧视角影响机制
在需求侧,本文聚焦数字消费、绿色消费与消费结构升级3个中介变量,阐明绿色数字基础设施通过拉动市场需求、引导消费转型进而反哺产业升级的内在路径。首先,绿色数字基础设施可保障数据服务的稳定与安全,拓展数字消费场景,扩大数字产品与服务市场,由此激励企业增强数字化投入,推动产业向数字化方向演进。其次,其本身承载的节能环保属性有助于引导消费者偏好转向绿色产品与服务,形成绿色市场需求拉动,促使企业实施绿色生产改造,推进产业结构绿色化转型。最后,通过提升服务消费的可及性与质量,绿色数字基础设施能够激发居民对高端服务和产品的需求,倒逼产业向高附加值环节攀升,从而为现代化产业体系发展提供持续动力。
绿色数据中心作为绿色技术与数字基础设施充分融合而形成的创新成果,对数字消费、绿色消费、消费结构升级有着深远的影响。在加快数字消费上,绿色数据中心能够确保数字消费环节数据传输的快速稳定以及数据存储的安全可靠,提升数字消费满意度;同时,多元化消费新场景可以激发潜在消费需求,挖掘消费市场增长潜能,推动社会有效需求规模持续扩大[16]。在促进绿色消费上,绿色数据中心建设积极引导和鼓励数据中心企业采用先进高效节能技术装备。随着试点政策的深入推进,越来越多企业投入到绿色技术研发和产品创新中,能够优化绿色消费产品和服务供给,丰富消费者的绿色消费选择。在加快消费结构升级上,绿色数据中心支撑的数字技术能够推动服务消费场景创新,由此带来的精准化、个性化的服务供给模式正深刻改变着消费者的消费模式与生活方式[17],服务消费占比逐步提升,加快了消费结构升级步伐。
消费作为生产的目的和动机,能够直接作用于生产水平提升[7]。首先,数字消费需求激增能够增加细分产业种类,推动服务业扩容,降低新兴产业产品和技术进入市场的门槛,为产业结构升级创造新的增长点,也能加快企业从传统的生产型驱动转向市场型驱动,进而促进产业主体升级。其次,消费者的绿色消费偏好能够促使企业在生产环节采用清洁生产技术和工艺,引领传统产业绿色转型,通过市场信号传导至生产端,为节能环保等绿色产业创造广阔的市场空间。最后,在产业结构演进升级的过程中,消费结构升级所起到的推动作用是最根本、也是最有效的[18]。消费结构升级能够催生更高层次的市场需求,消费需求的变化成为了产业调整与升级的“指南针”,能够引导要素配置向更具效率、活力和发展潜力的产业环节倾斜,从而增强产业体系的整体韧性与市场竞争力。据此,本文提出如下假设:
H3:绿色数字基础设施能够通过加快数字消费、绿色消费和消费结构升级赋能现代化产业体系。
为实证考察绿色数字基础设施对现代化产业体系的影响效应,构建如下多期双重差分模型:
Misit=β0+β1GDCit+β2Controlit+μi+γt+εit
(1)
其中,i、t分别表示城市和年份;Misit为被解释变量,表示现代化产业体系;GDCit为核心解释变量绿色数字基础设施,用绿色数据中心虚拟变量表示,如果城市i在t年设立绿色数据中心,则城市i在t年及以后年份赋值为1,否则为0;Controlit表示控制变量;μi为城市固定效应;γt为时间固定效应;εit为随机误差项。
根据上文的机制分析,绿色数字基础设施能够从供给侧和需求侧共同发力,赋能现代化产业体系水平提升。因此,为进一步验证绿色数字基础设施对现代化产业体系的作用机制,构建如下模型:
Mit=α0+α1GDCit+α2Controlit+μi+γt+εit
(2)
Misit=δ0+δ1GDCit+δ2Mit+δ3Controlit+μi+γt+εit
(3)
其中,Mit为绿色数字基础设施影响现代化产业体系的中介变量,主要包括绿色技术创新、绿色技术共享、产业融合、人才集聚、数字消费、绿色消费和消费结构升级,其他变量的含义同式(1)。
2.2.1 被解释变量:现代化产业体系(Mis)
借鉴叶瑞克和钟诗宇[5]、陈梁和宋德勇[6]、米晋宏等[19]的做法,从实体经济、科技创新、现代金融和人力资源4个方面选取28个细分指标,构建城市层面的现代化产业体系综合评价指标体系,具体如表1所示。为避免主观因素对结果产生干扰,对所有指标进行标准化无量纲处理,使用主成分分析法确定4个层面细分指标权重,通过线性加权法测度现代化产业体系水平。
表1 现代化产业体系综合评价指标体系
Table 1 Comprehensive evaluation index system of modern industrial system
一级指标二级指标 三级指标 量化方法 属性实体经济产业基础高级化生产能力地区生产总值增长率+发展环境市场化指数+基础设施人均拥有道路面积+结构优化第二、三产业增加值/GDP+内生发展能力固定资产投资总额/GDP-外贸开放度进出口总额/GDP+外资开放度实际利用外资额/GDP+产业链现代化污染排放工业废气、废水、废物排放总量(熵值法)-信息化水平互联网用户数/总人口+农业现代化第一产业增加值/总就业人数+工业现代化第二产业增加值/总就业人数+服务业现代化第三产业增加值/总就业人数+科技创新创新环境创新企业规模高技术产业主营业务收入/GDP+创新基础设施每万人国家重点实验室和大学科技园数+创新投入与产出科研投入科技支出/政府财政支出+成果转化技术合同成交额/GDP+现代金融金融发展水平金融规模金融机构存贷款余额/GDP+金融人才金融业从业人员数/总就业人数+金融发展质量金融效率金融机构贷款余额/金融机构存款余额+金融科技金融科技词频占比+人力资源人才储备高等教育培养规模普通高等院校在校人数/总人口+基础教育规模中小学在校人数/总人口+劳动力水平就业人数/总人口+人才培养教育投入教育支出/政府财政支出+高等教育水平高校专任教师数/普通高等院校在校人数+社会保障医疗卫生医生数/总人口+文化设施图书馆藏书量/总人口+收入差距农村居民人均可支配收入/城镇居民人均可支配收入+
2.2.2 核心解释变量:绿色数字基础设施(GDC)
2015年,工业和信息化部、国家机关事务管理局、国家能源局确定了84个国家绿色数据中心试点单位;2018年、2020年、2021年分三批次公布了国家绿色数据中心名单。本文将绿色数据中心虚拟变量作为绿色数字基础设施的代理变量[10],若i城市在t年份被纳入国家绿色数据中心试点或建设范畴,GDCit赋值为1,否则为0。2018年第一批国家绿色数据中心名单已包含在2015年国家绿色数据中心试点单位名单中,本文以2015年公布的国家绿色数据中心试点单位名单以及2020年、2021年公布的国家绿色数据中心名单为基础,构建绿色数据中心虚拟变量。在考察的277个城市样本中,共有62个绿色数据中心试点或建设城市,作为实验组,其余215个城市作为对照组。
2.2.3 中介变量
本文中介变量包括:①绿色技术创新(GT),使用绿色发明专利授权数量进行衡量。②绿色技术共享(GS),借鉴马点圆等[20]的做法,使用绿色发明专利与实用新型专利被引用量之和表征。③产业融合(IA),借鉴米晋宏等[19]的做法,使用生产性服务业从业人数占人口总数的比重表征。④人才集聚(TA),借鉴郭金花等[21]的做法,采用区位熵方法进行测度。⑤数字消费(DC),借鉴闫晨等[22]和吉富星等[23]的做法,将城市邮电业务总量(DC1)和数字普惠金融(DC2)作为数字消费的代理变量,分别从使用强度和渗透深度维度衡量。其中,数字普惠金融指数来源于北京大学数字金融研究中心。⑥绿色消费(GC),借鉴龙海明等[24]的做法,选取人均用电量、人均用水量、人均污水排放量和人均垃圾清运量4个指标,使用熵值法进行测算绿色消费指数。⑦消费结构升级(CS),借鉴姚健等[25]的做法,使用恩格尔系数(食品消费支出占总消费支出的比重)作为消费结构升级的代理变量。
2.2.4 控制变量
本文选择如下控制变量:①城镇化率(Urb),用地区城镇人口与地区总人口的比值进行衡量。②人口集聚(Pop),采用单位土地面积的户籍人口数表示人口集聚水平。③工资水平(Wag),用城市职工平均工资的自然对数值表示。④政府干预程度(Gov),用地方一般公共预算支出与地区生产总值的比值进行衡量。⑤经济集聚(Eco),采用单位土地面积的经济产出表示经济集聚水平。
本文基于2006—2023年中国277个城市的面板数据展开实证分析。其中,绿色数据中心相关信息从工业和信息化部官网手动搜集整理。其他变量的原始数据来源于历年《中国城市统计年鉴》《中国城市建设统计年鉴》、EPS数据库、企查查数据库等。对于样本中个别缺失的数据,采取线性拟合或均值法进行补充。各变量的描述性统计结果如表2所示。
表2 描述性统计结果
Table 2 Descriptive statistical results
变量类别变量名称变量符号观测值均值标准差最小值最大值被解释变量现代化产业体系Mis4 9860.602 0 0.031 5 0.550 6 0.970 5 核心解释变量绿色数字基础设施GDC4 9860.080 8 0.272 6 0.000 0 1.000 0 中介变量绿色技术创新GT4 9862.622 1 1.900 4 0.000 0 17.678 2 绿色技术共享GS4 9861.444 0 2.008 6 0.000 0 10.022 7 产业融合IA4 9860.029 4 0.059 60.006 5 3.195 9人才集聚TA4 9863.481 2 2.778 5 0.568 8 16.251 4 数字消费DC14 9860.587 1 0.974 9 0.025 5 6.654 1 DC23 601202.551 3 79.269 2 17.020 0 377.382 7 绿色消费GC4 9860.601 0 0.040 1 0.544 2 1.065 2 消费结构升级CS4 9860.343 6 0.073 5 0.110 0 0.873 0 控制变量城镇化率Urb4 98649.776 2 15.764 5 10.574 0 99.980 0 人口集聚Pop4 9861.637 0 1.454 4 0.021 0 31.470 3 工资水平Wag4 98610.768 3 0.575 8 8.906 3 12.678 0 政府干预程度Gov4 98614.554 5 1.105 6 10.489 6 18.246 3 经济集聚Eco4 9862.072 9 4.688 1 0.018 1 69.127 0
表3说明了绿色数字基础设施对现代化产业体系的基准回归结果,列(1)(3)是未加入控制变量的估计结果,列(2)(4)是加入控制变量的估计结果。可以看出,绿色数字基础设施对现代化产业体系的回归系数为0.007 8,在1%的水平上显著为正,假设H1得到验证。
表3 基准回归结果
Table 3 Baseline regression results
变量Mis(1)Mis(2)Mis(3)Mis(4)GDC0.053 6∗∗∗0.013 2∗∗∗0.010 1∗∗∗0.007 8∗∗∗(36.95)(14.08)(14.22)(11.40)Urb0.000 4∗∗∗0.000 1∗∗(18.75)(2.53)Pop0.002 3∗∗∗0.002 8∗∗∗(10.29)(10.43)Wag0.024 7∗∗∗0.002 8∗∗(36.96)(2.22)Gov0.001 2∗∗∗-0.001 0∗∗(3.61)(-2.13)Eco0.001 9∗∗∗0.003 5∗∗∗(26.90)(11.28)常数项0.597 7∗∗∗0.290 4∗∗∗0.601 2∗∗∗0.570 4∗∗∗(1 448.28)(57.63)(3 981.28)(39.21)城市/年份固定NONOYESYES观测值4 9864 9864 9864 986R20.215 00.736 90.907 80.916 2
注：括号内是t值, ***、 **、 *分别表示在 1%、5%、10%水平上显著,下同
3.2.1 平行趋势检验
平行趋势假设是使用DID估计的重要前提。本文构建了绿色数据中心设立前7年、设立当年、设立后7年的年份虚拟变量与对应政策虚拟变量的交乘项,以检验绿色数据中心影响现代化产业体系水平的时间变化,设定模型如下:
(4)
其中,GDCit±σ表示绿色数据中心设立前后n年的虚拟变量,β-σ表示绿色数据中心设立前σ年的影响,β+σ表示绿色数据中心设立后σ年的影响,β表示绿色数据中心设立当期的影响,其余变量解释同式(1)。由图1可知,绿色数据中心设立前7年的虚拟变量系数均未通过显著性检验,双重差分模型通过平行趋势检验。
图1 平行趋势假设评估
Fig.1 Assessment of the parallel trend hypothesis
3.2.2 安慰剂检验
本文依次进行时间、空间、混合3种安慰剂检验。对于时间安慰剂检验,将绿色数据中心的政策冲击时间分别提前1～5年,进行“伪时间处理”,重新进行估计,并画出95%的置信区间。由图2可知,提前绿色数据中心政策冲击时间,安慰剂效应均不显著,验证了时间安慰剂检验的有效性。对于空间安慰剂检验,从样本中无放回地随机抽取一定数量个体作为“伪处理组”,重复500次回归,得到安慰剂效应分布,空间安慰剂效应的估计值主要集中在0附近,并与基准回归的系数值存在显著差异。在混合安慰剂检验中,也得到了类似结论。由此可知,绿色数据中心对现代化产业体系的影响并未受到其他不可观测因素的干扰,说明估计结果比较稳健。
图2 安慰剂检验
Fig.2 Placebo test
3.2.3 内生性检验
考虑到绿色数据中心所在城市不是随机产生的结果,借鉴张涛和李均超[26]的做法,分别选取城市地形坡度与时间趋势的交乘项(IV1)、城市河流长度与时间趋势的交乘项(IV2)、国家自然保护区数量与绿色数字基础设施滞后一期的交乘项(IV3)作为工具变量,并使用2SLS方法进行内生性检验。从相关性上看,地形坡度较大的地区,基础设施建设难度越高,水网相对密集的地区,环境关注度较高,对绿色数字基础设施的需求较大,水电站的设立也能为绿色数据中心提供水电等可再生能源支持,自然保护区周边区域对环境要求较为严格,能够倒逼数字基础设施绿色低碳化发展。从外生性上看,城市地形坡度、河流长度是历史形成的天然地理条件,自然保护区是需要特殊保护和管理的区域,不会对现代化产业体系产生直接影响。内生性检验结果见表4,可以看出,无论选择哪种工具变量,Kleibergen-Paap rk LM统计量和Cragg-Donald Wald F统计量均在1%的水平下显著拒绝原假设,说明工具变量选取恰当,且在考虑内生性问题后,绿色数字基础设施仍然能够促进现代化产业体系发展。
表4 内生性检验结果
Table 4 Endogeneity test results
变量 GDCMisGDCMisGDCMis(1)(2)(3)(4)(5)(6)IV1-0.000 8∗∗∗(-8.22)IV20.054 8∗∗∗(14.71)IV30.003 5∗∗∗(47.23)GDC0.055 5∗∗∗0.102 9∗∗∗0.010 8∗∗∗(6.76)(13.96)(8.92)控制变量YESYESYESYESYESYESKleibergen-Paap rk LM统计量70.804∗∗∗220.208∗∗∗1 581.630∗∗∗Cragg-Donald Wald F统计量67.502216.5212 230.304观测值4 986 4 986 4 986 4 986 4 709 4 709
3.2.4 其他稳健性检验
为了保证基准回归结果的可靠性,进一步采取以下方法进行稳健性检验:第一,PSM-DID估计。由于绿色数据中心选取存在非随机性问题,使用倾向得分匹配双重差分法,按照1∶1进行近邻混合匹配,以提高结论的可靠性。第二,替换核心解释变量。一方面,将“宽带中国”战略作为绿色数字基建的替换政策进行重新估计,回归结果见表5列(2);另一方面,用数据中心相关企业数量作为核心解释变量进行重新估计,通过企查查数据库对企业经营范围中涉及数据中心、大数据、IDC服务等与数据中心相关内容进行关键词匹配,再按照年份和城市进行归总,以衡量城市数据中心相关企业数量,回归结果见表5列(3)。第三,控制变量滞后一期。为了排除控制变量可能带来的干扰,将所有控制变量滞后一期进行分析。第四,高维固定效应。绿色数字基础设施对现代化产业体系的影响可能因省份特征而异,省份和城市效应也会受到时间变化的影响,为了避免以上因素对估计结果产生干扰,在基准模型中引入省份和年份、城市和年份、省份和城市的交互项进行高维固定效应回归,并且聚类到城市层面。第五,剔除异常值。为避免极端值对估计结果产生干扰,对被解释变量和控制变量进行1%双边缩尾处理,重新进行估计。第六,剔除直辖市和省会城市。考虑到直辖市和省会城市在经济发展、集聚优质资源等方面更具优势,故将直辖市和省会城市剔除后进行回归。第七,更换估计模型。本文使用双重机器学习模型对绿色数字基础设施的现代化产业体系水平提升效应进行重新估计。第八,排除并行政策干扰。考虑到在绿色数据中心实施期间还存在其他基础设施建设政策,可能会对基准估计结果产生影响。因此,将5G技术试点、新一代人工智能创新发展试验区的政策虚拟变量作为控制变量加入基准模型进行重新估计。根据表5的估计结果可知,在采取上述方法进行稳健性检验后,绿色数字基础设施对现代化产业体系的影响仍然显著为正,说明基准估计结果是稳健的。
表5 其他稳健性检验结果
Table 5 Other robustness test results
变量PSM-DID替换核心解释变量控制变量滞后一期高维固定效应剔除异常值剔除省会城市及直辖市双重机器学习模型排除并行政策影响(1)(2)(3)(4)(5)(6)(7)(8)(9)GDC0.002 1∗∗∗0.003 3∗∗∗0.002 1∗∗∗0.007 5∗∗∗0.007 6∗∗∗0.004 9∗∗∗0.003 1∗∗∗0.002 9∗∗0.004 0∗∗∗(2.70)(5.98)(4.63)(10.70)(3.83)(9.80)(5.30)(2.25)(5.64)常数项0.425 2∗∗∗0.572 7∗∗∗0.578 4∗∗∗0.595 3∗∗∗0.757 2∗0.573 1∗∗∗0.561 1∗∗∗0.002 50.577 0∗∗∗(17.07)(38.89)(39.36)(39.12)(1.66)(52.66)(52.23)(1.09)(40.79)控制变量YESYESYESYESYESYESYESYESYES城市/年份固定YESYESYESYESYESYESYESYESYES观测值2 7604 9864 9864 7094 9864 9864 4464 9864 986R20.927 70.914 50.914 20.925 90.916 90.949 00.948 20.920 80.920 8
根据Goodman-Bacon[27]的研究进行Bacon分解,考察绿色数字基础设施对现代化产业体系的影响。将控制组分为较晚受政策处理组、较早受政策处理组和从未受政策处理组3类,第一类和第三类为“好”控制组,第二类为“坏”控制组。由表6可知,“坏”控制组所占权重仅2%,说明基准估计结果受“坏”控制组的影响比较小,模型是稳健的。
表6 Bacon分解结果
Table 6 Bacon decomposition results
控制组类型Mis权重估计系数较晚政策处理个体 0.050 00.005 0较早政策处理个体 0.020 0-0.005 0从未受政策处理个体0.930 00.011 0DID加权估计结果 0.010 0
绿色数字基础设施作为数字时代的新型基础设施,能够通过加快绿色技术创新及共享、产业融合和人才集聚,进而赋能现代化产业体系发展。一是绿色技术创新效应。由表7列(1)～(4)的估计结果可知,绿色数字基础设施有助于促进绿色技术创新和绿色技术共享,而绿色技术创新和绿色技术共享对现代化产业体系的估计系数分别为0.001 0和0.002 2,均在1%的水平上显著为正,表明绿色数字基础设施能够促使企业和地区加大对节能创新等绿色技术的研发、投资和应用,加速绿色技术传播与共享,进而助力现代化产业水平提升。二是产业融合效应。表7列(5)(6)是产业融合中介效应的检验结果,绿色数字基础设施对产业融合影响的估计系数显著为正,且产业融合对现代化产业体系的估计系数为0.009 2,通过了1%置信水平的检验,说明产业融合是助力现代化产业体系发展的关键力量,绿色数字基础设施能够加快制造业和服务业融合,进而推动现代化产业体系建设。三是人才集聚效应。根据表7列(7)(8)的结果可知,绿色数字基础设施能够发挥“筑巢引凤”作用,吸引人才集聚,且人才集聚对现代化产业体系影响显著为正,表明绿色数字基础设施对相关领域人才的需求在持续增长,绿色数字基础设施能够通过人才集聚效应提升现代化产业体系发展水平。基于上述分析,假设H2得以验证。
表7 供给侧中介效应检验结果
Table 7 Test results of the supply-side mediating effect
变量 绿色技术创新GTMis(1)(2)绿色技术共享GSMis(3)(4)产业融合IAMis(5)(6)人才集聚TAMis(7)(8)GDC0.190 2∗∗∗0.007 7∗∗∗0.719 8∗∗∗0.006 4∗∗∗0.158 8∗∗∗0.006 9∗∗∗0.081 3∗∗∗0.010 6∗∗∗(3.29)(11.27)(11.00)(9.39)(8.66)(10.26)(3.28)(14.66)GT0.001 0∗∗∗(5.55)GS0.002 2∗∗∗(14.14)IA0.009 2∗∗∗(15.83)TA0.000 7∗(1.73)常数项-11.487 8∗∗∗0.565 9∗∗∗-9.630 7∗∗∗0.544 1∗∗∗-6.758 8∗∗∗0.598 2∗∗∗3.462 1∗∗∗0.302 8∗∗∗(-33.17)(38.97)(-16.21)(37.87)(-61.48)(41.88)(6.42)(63.11)控制变量YESYESYESYESYESYESYESYES城市/年份固定YESYESYESYESYESYESYESYES观测值4 9864 9864 9864 9864 9864 9864 9864 986R20.831 90.916 70.811 30.919 60.809 70.920 40.773 80.899 1
绿色数字基础设施作为连接生产与消费的关键纽带,能够通过提升数字消费和绿色消费水平、加快消费结构升级,进而赋能现代化产业体系发展。一是数字消费。根据表8列(1)～(4)的估计结果可知,绿色数字基础设施对数字消费水平具有正向带动作用,且数字消费对现代化产业体系的估计系数分别为0.001 3和0.000 2,均在1%的水平上显著为正,表明数字消费有助于加速产业跨界融合,降低新兴产业产品和技术进入市场的门槛,为产业结构升级创造新的增长点。二是绿色消费。由表8列(5)(6)的估计结果可知,绿色数字基础设施能够显著提升绿色消费水平,而绿色消费对现代化产业体系的估计系数为0.040 1,通过了1%置信水平检验,表明绿色消费能够引领传统产业绿色转型和绿色产业发展,加速现代化产业体系的智能化、绿色化发展步伐。三是消费结构升级。根据表8列(7)(8)的估计结果可知,绿色数字基础设施对恩格尔系数的影响显著为负,绿色数字基础设施能够通过降低食品支出占比,释放教育、文旅等服务消费需求,推动消费结构升级,进而加速现代化产业体系构建。基于上述分析,假设H3得以验证。
表8 需求侧中介效应检验结果
Table 8 Test results of the demand-side mediating effect
变量 数字消费DC1MisDC2Mis(1)(2)(3)(4)绿色消费GCMis(5)(6)消费结构升级CSMis(7)(8)GDC1.112 1∗∗∗0.006 4∗∗∗2.747 3∗∗∗0.003 4∗∗∗0.003 9∗∗∗0.007 7∗∗∗-0.008 9∗∗∗0.009 3∗∗∗(4.98)(10.23)(5.49)(4.15)(3.63)(11.18)(-3.12)(10.31)DC10.001 3∗∗∗(31.19)DC20.000 2∗∗∗(8.13)GC0.040 1∗∗∗(4.34)CS-0.017 8∗∗∗(-5.82)常数项0.435 00.569 8∗∗∗158.091 7∗∗∗0.495 8∗∗∗0.521 7∗∗∗0.549 4∗∗∗0.151 2∗∗0.229 2∗∗∗(0.09)(43.04)(12.13)(22.71)(22.76)(35.90)(2.50)(20.16)控制变量YESYESYESYESYESYESYESYES城市/年份固定YESYESYESYESYESYESYESYES观测值4 9864 9863 6013 6014 9864 9864 9864 986R20.239 10.930 60.995 00.915 50.871 40.916 50.733 30.765 4
借鉴李治国等[28]的做法,使用文本分析技术从地级市政府工作报告中搜集数字技术、数字应用等数字关键词,用数字词频数量占比衡量数字关注度。根据中位数将城市划分为高数字关注度和低数字关注度两个分样本分别进行回归,估计结果见表9列(1)(2),核心解释变量GDC的估计系数分别显著为正,组间系数差异检验的P值显著,说明高数字关注度地区绿色数字基础设施对现代化产业体系的影响效应更强。究其原因可能在于,数字关注度高的地区能为绿色数字基础设施建设带来充足的优质资源支持,提高绿色数据中心建设和运营效率,更好地发挥绿色数据中心对产业升级的带动作用。
表9 异质性检验结果
Table 9 Heterogeneity test results
变量数字关注度高低(1)(2)算力水平高低(3)(4)数据水平高低(5)(6)GDC0.006 0∗∗∗0.004 1∗∗∗0.008 2∗∗∗0.006 8∗∗∗0.011 7∗∗∗0.005 5∗∗∗(4.96)(3.33)(6.92)(9.59)(5.97)(8.10)常数项0.209 3∗∗∗0.576 4∗∗∗0.295 6∗∗0.560 3∗∗∗0.612 0∗∗∗0.564 4∗∗∗(12.01)(47.88)(2.13)(39.69)(11.75)(42.36)城市/年份固定效应YESYESYESYESYESYES观测值2 4932 4931984 7889724 014R20.887 90.946 30.838 60.908 80.894 10.929 1组间差异系数(P值)0.0490.0230.001
2023年,工业和信息化部等六部门联合印发《算力基础设施高质量发展行动计划》,从国家战略层面将算力基础设施明确为支撑前沿科技突破、引领产业智能化升级的“新基建”基石,为构建现代化产业体系注入关键动能。那么,在不同算力水平下,绿色数字基础设施对现代化产业体系的影响效应是否存在差异?基于此,本文以是否为国家超级计算中心城市将样本划分为高、低算力水平两组,由表9列(3)(4)可知,绿色数字基础设施对高算力水平城市的现代化产业体系带动作用更强(组间系数差异检验的P值显著)。原因可能在于,算力水平高的地区凭借其强大的计算能力、政策支持、市场响应能力,能够更充分地发挥绿色数字基础设施对现代化产业体系的促进作用。这种协同效应不仅推动产业的高端化与智能化转型,还为可持续发展提供重要支撑。
2015年8月国务院发布了《促进大数据发展行动纲要》,同年9月,国家发展改革委等部门正式批复贵州设立国家级大数据综合试验区,2016年10月,启动了第二批大数据综合试验区建设试点项目。国家大数据综合试验区能够通过资源整合、科学决策支持等为产业发展提供动力支持。在不同数据水平下,绿色数字基础设施对现代化产业体系的影响效应是否存在差异?基于此,本文以是否为国家大数据综合试验区将样本划分为高、低数据水平两组,估计结果见表9列(5)(6),绿色数字基础设施对高数据水平城市的现代化产业体系带动作用更强(组间系数差异检验的P值显著)。原因可能在于,国家大数据综合试验区聚集了高校、科技企业等创新主体,且数据开放共享机制更完善,能够加速绿色技术与数字技术的融合创新,并向全产业渗透。
地理区位是影响城市发展分化的关键因素,绿色数字基础设施在打破时空限制、优化资源配置、推动区域协调发展中发挥着重要作用[29]。那么,绿色数据中心能否缩小城市间相对发展差距,带领后发城市实现跨越式发展?本文借鉴张涛和李均超[26]的做法,从多个维度考察绿色数字基础设施能否缩小不同地区现代化产业体系的相对发展差距。具体做法如下:以本地区现代化产业体系发展水平为分子,以对应集合中现代化产业体系发展水平最大值为分母,两者比值表示现代化产业体系相对发展差距综合指数,数值越接近于0,表明两地区之间相对差距越大,其值越接近于1,表明两地区之间相对差距越小。在此基础上,对全国层面的城市间、省内中心城市与外围城市间、南北地区城市间、沿海内陆城市间的现代化产业体系相对发展差距进行衡量,进而探究绿色数据中心的空间协调效应。
由表10列(1)(2)的估计结果可知,绿色数字基础设施对全国城市层面、省内中心与外围城市层面间现代化产业体系相对发展差距的估计系数分别为0.005 1和0.003 1,均通过了5%置信水平的检验,表明绿色数字基础设施有助于缩小全国层面和省内层面不同城市间现代化产业体系的相对发展差距,有助于缓解城市分化以及省内城市一家独大现象。表10列(3)(4)结果显示,绿色数字基础设施对南北城市、沿海与内陆城市间现代化产业体系相对发展差距的估计系数显著为正,说明绿色数据中心有助于缩小南北和东西城市间现代化产业体系的相对发展差距,推动区域协调发展和全国统一大市场建设。
表10 空间协调效应检验结果
Table 10 Spatial synergy effect test results
变量 城市相对差距中心外围相对差距南北相对差距沿海内陆相对差距(1)(2)(3)(4)GDC0.005 1∗∗∗0.003 1∗∗0.005 7∗∗0.012 0∗∗∗(6.38)(2.52)(2.30)(7.95)常数项0.777 2∗∗∗1.180 8∗∗∗0.978 3∗∗∗0.832 0∗∗∗(45.89)(44.84)(24.04)(25.99)控制变量YESYESYESYES城市/年份固定YESYESYESYES观测值4 9864 9864 9864 986R20.979 10.785 60.709 70.937 6
作为新基建的重要内容,数字基础设施、融合基础设施、创新基础设施分别发挥着“底层支撑”“跨界融合”和“动力支持”作用[30]。基于此,本文从政策协同视角出发,分别考察绿色数字基础设施能否与融合基础设施、创新基础设施协同赋能现代化产业体系。分别构建特高压输电工程与绿色数据中心政策协同(Dual1)、国家技术转移中心与绿色数据中心政策协同(Dual2)两个虚拟变量。其中,Dual1表示该城市有绿色数据中心,且为特高压输电工程覆盖城市;Dual2表示该城市有绿色数据中心,且设有国家技术转移中心。若城市满足相应条件,则赋值为1,否则为0。然后,将政策协同虚拟变量分别纳入基准模型,结果见表11列(1)(2),Dual1和Dual2的估计系数分别为0.015 3和0.019 2,均在1%的水平上显著为正,说明绿色数字基础设施与融合基础设施、绿色数字基础设施与创新基础设施协同发展能够显著驱动现代化产业体系水平提升。
表11 政策协同赋能检验结果
Table 11 Results of policy synergy empowerment tests
变量双政策协同的净效应(1)全样本(2)全样本双政策协同VS单政策(3)子样本:有绿色数据中心城市(4)子样本:有特高压输电工程城市(5)子样本:有绿色数据中心城市(6)子样本:有国家技术转移中心城市Dual10.015 3∗∗∗0.011 2∗∗∗0.011 4∗∗∗(13.99)(5.71)(5.99)Dual20.019 2∗∗∗0.013 2∗∗∗0.021 6∗∗∗(11.74)(4.91)(3.16)常数项0.571 8∗∗∗0.575 9∗∗∗0.506 8∗∗∗0.672 5∗∗∗0.514 1∗∗∗-0.071 1(39.61)(39.68)(7.97)(9.96)(8.05)(-0.42)控制变量YESYESYESYESYESYES城市/年份固定YESYESYESYESYESYES观测值4 9864 9861 1161 0801 116216R20.917 30.916 30.894 10.899 60.893 20.756 3
进一步探究绿色数字基础设施与融合基础设施、绿色数字基础设施与创新基础设施协同对现代化产业体系的促进作用是否比单一政策更强。具体操作如下:以有绿色数据中心城市为子样本,将同时为特高压输电工程覆盖城市的样本作为处理组,仅有绿色数据中心城市样本作为控制组进行检验,估计结果见表11列(3);以特高压输电工程覆盖城市为子样本,将同时拥有绿色数据中心城市的样本作为处理组,仅为特高压输电工程覆盖城市的样本作为控制组进行检验,估计结果见表11列(4)。Dual1估计系数分别为0.011 2和0.011 4,均在1%水平上显著为正。同理,以有绿色数据中心城市为子样本,将同时拥有国家技术转移中心城市的样本作为处理组,仅拥有绿色数据中心城市的样本作为控制组进行检验,估计结果见表11列(5);以设有国家技术转移中心的城市为子样本,将同时拥有绿色数据中心城市的样本作为处理组,仅拥有国家技术转移中心城市的样本作为控制组进行检验,估计结果见表11列(6)。Dual2的估计系数均显著为正,分别为0.013 2和0.021 6。结果表明,绿色数字基础设施与创新基础设施的协同推进,对现代化产业体系建设具有增量促进作用。
绿色数字基础设施在助力现代化产业体系建设的同时,能否实现经济增长与环境保护双重福利?基于此,本文进一步考察绿色数字基础设施的经济与环境综合效应,探究绿色数据中心对经济增长、污染排放、碳排放以及绿色经济效率的影响。其中,用地区生产总值的对数值表示经济增长;用碳排放总量与地区生产总值的比值表示碳排放强度;借鉴邵帅等[31]的做法,用地级市PM2.5年均浓度表示污染排放;使用考虑非期望产出的超效率SBM模型测算绿色经济效率。在投入方面,用城市年末从业人数表示劳动力投入,用永续盘存法估算的资本存量表示资本投入,用全社会用电量表示能源投入。在产出方面,用以2006年为基期的地区实际生产总值表示期望产出,用PM2.5年均浓度、碳排放强度表示非期望产出。由表12估计结果可知,绿色数字基础设施在助力现代化产业体系建设的同时,能够实现经济增长与环境保护双赢目标,推动经济绿色高质量发展。
表12 经济与环境效应检验结果
Table 12 Results of economic and environmental impact tests
变量经济增长污染排放碳排放绿色经济效率(1)(2)(3)(4)GDC0.025 9∗∗-0.045 3∗∗∗-0.286 2∗∗ 0.034 6∗∗∗(2.30)(-4.37)(-1.99)(7.56)常数项12.314 2∗∗∗3.840 5∗∗∗-4.017 0∗-0.441 2∗∗∗(51.48)(22.47)(-1.69)(-4.54)控制变量YESYESYESYES城市/年份固定YESYESYESYES观测值4 9864 9864 9864 986R20.979 20.832 20.748 60.790 2
本文基于2006—2023年中国277个地级市的面板数据,利用多期双重差分法估计了绿色数据中心对现代化产业体系的影响效应及作用路径,得到的主要结论如下:①基准分析表明,绿色数字基础设施能够赋能现代化产业体系发展。②机制分析表明,绿色数字基础设施能够通过供需两侧共同发力带动现代化产业体系发展。从供给侧层面看,绿色技术创新、绿色技术共享、产业融合、人才集聚是绿色数字基础设施赋能现代化产业体系的重要路径;从需求侧层面看,绿色数字基础设施能够通过加快数字消费、绿色消费和消费结构升级促进现代化产业体系发展。③异质性分析表明,高数字关注度城市、高算力水平城市和高数据水平城市的绿色数字基础设施对现代化产业体系的正向促进作用更显著。另外,绿色数字基础设施在加快现代化产业体系建设方面具有空间协调效应,能够弱化传统地理优势,缩小全国层面、省内中心外围、南北地区、沿海内陆地区城市间的现代化产业体系相对发展差距。④协同效应分析表明,绿色数字基础设施与融合基础设施、创新基础设施能够协同促进现代化产业体系发展,且基础设施协同对现代化产业体系的政策效应更明显。进一步,绿色数字基础设施能够发挥经济与环境综合效应,不仅能促进现代化产业体系发展,也能实现经济增长与环境保护双赢目标。
(1)加快数字基础设施绿色化转型步伐,助力现代化产业体系发展。首先,完善绿色数据中心配套政策与专项规划,在推进“东数西算”工程基础上,优化绿色数据中心空间布局,推动跨区域资源整合与协同建设,为数字基础设施的绿色化、集约化发展提供顶层设计支撑。其次,充分发挥市场在资源配置中的决定性作用,创新融资模式,打通社会资本参与渠道,有效解决绿色数据中心建设运营的资金难题。最后,加快建设绿色数据中心服务平台,促进技术、标准与经验的共享,为绿色数据中心与产业生态的深度链接搭建桥梁。
(2)探索多元化现代化产业体系提升路径,充分挖掘绿色数字基础设施的产业赋能效应。从供给侧层面看,首先,应加强对技术创新成果的知识产权保护,鼓励高校、科研机构和企业共建研发平台,加速绿色技术应用与共享;其次,通过设立产业融合专项贷款等,降低融合成本,建设产业融合公共服务平台,为不同产业主体提供匹配服务;最后,健全人才培养、引进机制和交流平台,更好地吸引人才集聚。从需求侧层面看,一方面,应鼓励企业利用数字平台进行新型消费产品和服务的精准营销和推广,加快推进“互联网+消费”模式,满足消费者的数字化、绿色化消费需求,壮大新型消费主体规模;另一方面,积极引导消费者由传统基础性消费向发展型消费转变,着力优化消费环境,构建高效便捷的消费者投诉处理机制,有效提振消费信心,引导消费需求持续向服务业领域转移,为现代化产业体系注入新动能。
(3)因地制宜推进绿色数字基础设施建设工作。首先,对于数字关注度较低的城市,应注重将数字关注度的政策引导效能落到实处,依托数字关注度凝聚的政策合力,充分发挥数字经济的产业带动作用,引导社会资源向绿色数据中心、智能电网等领域倾斜,推动数字基础设施与绿色低碳理念深度融合;其次,对于算力水平较低的城市,需以科学规划为引领、超前布局为核心原则,加快推进超级计算中心等算力基础设施建设,优化算力资源配置,建立经验共享机制,助力算力欠发达地区实现跨越式发展;最后,对于数据水平较低的城市,应明确产权归属边界、搭建便捷高效的交易平台、构建数据安全保障体系,破除数据要素流通壁垒,逐步扩大国家大数据综合试验区的覆盖广度与建设深度,充分释放数据要素对产业发展的赋能效应。
本文存在以下不足:一方面,本文以绿色数据中心为准自然实验,虽然可以缓解内生性问题,却未对不同城市绿色数字基础设施发展水平进行定量分析。未来可通过构建综合评价指标体系对城市绿色数字基础设施发展水平进行测量,更加精准地把握绿色数字基础设施对城市现代化产业体系的赋能作用。另一方面,考虑到绿色数字基础设施与现代化产业体系之间的作用路径较为复杂,未来可考虑从其他维度进一步揭示绿色数字基础设施对现代化产业体系的影响机制,从而更加深入地刻画变量间的内在关系。
[1] 任保平,豆渊博.数据、算力和算法结合反映新质生产力的数字化发展水准[J]. 浙江工商大学学报,2024,38(3): 91-100.
[2] 李豫新, 魏达, 孙晓涵. “以数强基” 与“乘数而上”: 数据要素赋能现代化产业体系研究[J]. 经济纵横, 2025,41(2): 82-96.
[3] 吉雪强, 尤华珉, 王野, 等. 数据中心、新兴产业与新质生产力发展[J]. 经济问题探索, 2025,46(3): 16-35.
[4] 沈坤荣, 程果. 以科技创新推进“十五五” 时期现代化产业体系建设[J]. 华东经济管理, 2025, 39(6): 1-9.
[5] 叶瑞克, 钟诗宇. 数字经济、知识产权保护与现代化产业体系建设——基于中国278个城市的实证研究[J]. 经济学动态, 2024,65(7): 57-74.
[6] 陈梁, 宋德勇. 数字赋能对现代化产业体系建设的影响[J]. 改革, 2024,37(12): 72-94.
[7] 徐鹏杰. 扩大内需、创新发展能力与现代化产业体系[J]. 现代经济探讨, 2024,43(12): 37-49.
[8] 王姣娥, 杜方叶, 肖凡. 新型基础设施的空间布局模式研究——以大型数据中心为例[J]. 地理学报, 2023, 78(2): 259-272.
[9] 郭远游, 叶玉瑶, 王长建, 等. “东数西算” 战略背景下中国数据中心碳排放空间转移研究[J]. 地理科学, 2025, 45(3): 459-471.
[10] 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, 22(1): 95-105.
[11] LI C, HE W L, CAO E B. Impact of green data center pilots on the digital economy development: an empirical study based on dual machine learning methods[J]. Computers &Industrial Engineering, 2025, 201: 110914.
[12] 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, 45(6): 3484-3495.
[13] 史丹. 数字经济条件下产业发展趋势的演变[J]. 中国工业经济, 2022,40(11): 26-42.
[14] 卢鹏. 数实融合驱动新质生产力涌现的逻辑与实践进路[J]. 电子政务, 2024,46(9): 27-37.
[15] 杨永聪, 沈晓娟, 刘慧婷. 人才政策与城市产业结构转型升级——兼议“抢人大战” 现象[J]. 产业经济研究, 2022,21(5): 72-85.
[16] 余东华. 算力: 数字经济时代的新质生产力[J]. 财贸研究, 2024, 35(7): 1-16.
[17] 司聪, 任保平. 以数实深度融合建设现代化产业体系——战略意蕴、重点任务与实现路径[J]. 财经问题研究, 2024,46(11): 18-30.
[18] 刘洋. 数字经济、消费结构优化与产业结构升级[J]. 经济与管理, 2023, 37(2): 68-75.
[19] 米晋宏, 陈雨晨, 张聪志, 等. 数智技术创新推进现代化产业体系转型升级研究[J]. 上海经济研究, 2025, 37(7): 81-92.
[20] 马点圆, 孙慧, 赵燕, 等. 面向城市包容性低碳发展: 区域协同发展政策的影响与作用机制[J]. 经济经纬, 2024, 41(5): 15-27.
[21] 郭金花, 郭檬楠, 郭淑芬. 中国城市科技人才集聚促进了全要素生产率增长吗——来自285个地级市的经验研究[J]. 科技进步与对策, 2021, 38(7): 48-55.
[22] 闫晨, 蔡曦, 张中华. 国家信息消费试点政策如何影响产业结构优化? ——基于供给侧和需求侧的双重视角[J]. 经济与管理研究, 2023, 44(7): 40-58.
[23] 吉富星, 李绪恒, 付敏杰. 数字基础设施建设与增值税横向分配——基于数字生产和消费的双重视角[J]. 北京工业大学学报(社会科学版), 2025, 25(2): 63-81.
[24] 龙海明, 程谟怡, 刘子欣. 智能化发展能否促进绿色消费? ——基于城乡融合建设的中介效应分析[J]. 财经理论与实践, 2023, 44(6): 85-93.
[25] 姚健, 周博文, 臧旭恒. 数字经济如何影响居民消费升级——来自中国地级市的经验证据[J]. 南开经济研究, 2024,40(9): 91-110.
[26] 张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断[J]. 数量经济技术经济研究, 2023, 40(4): 113-135.
[27] GOODMAN-BACON A.Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.
[28] 李治国, 孔维嘉, 王源辛. 政府数字关注度如何赋能区域创新均衡发展[J]. 管理学刊, 2025, 38(1): 130-145.
[29] 黄磊,刘昊宇,李静.AI技术采纳、智力资本与制造企业绿色创新——可供性、非正式环境规制双重视角[J].科技进步与对策,2025,42(18):20-29.
[30] 郭朝先, 方澳. 新基建赋能实体经济高质量发展的生成逻辑与优先策略[J]. 新疆师范大学学报(哲学社会科学版), 2023, 44(6):46-58.
[31] 邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9):73-88.