择要

人工智能技能作为新一轮工业革命的核心技能，目前已经逐渐运用于环境管理领域并产生了正向效应。
详细而言，人工智能技能通过直接和间接两种办法对环境污染管理产生影响。
直接技能进步效应表现在人工智能催生出的一系列新技能、新产品、新模式用于环境污染管理领域，减少环境污染。
间接技能进步效应一是表现在人工智能技能的发展会扩大经济规模，促进经济增长，从而对环境污染产生影响，但影响方向不愿定；二是表现在人工智能技能会提升一国在环球代价链中的分工地位，促进环球代价链升级，从而降落一国的环境污染。
目前直接研究人工智能对环境污染影响机制、指标构建、数据获取等方面存在不敷，这也是人工智能影响环境污染的进一步研究方向。

[关键词]人工智能技能；环境污染；环球代价链分工；经济增长；绿色经济

人工智能（Artificial Intelligence，简称AI）技能出身于20世纪50年代，被称为天下三大尖端技能之一，在第四次科技革命中处于核心地位，为人类社会创造了巨大的经济效益和社会效益。
随着数字革命的兴起，德国、日本、中国、美国、欧盟、英国等国家和国际组织先后制订了干系计策和方案，高度重视人工智能的发展，并投入了大量研发资金来打造新一轮家当竞争上风。

目前，社会各界对人工智能的定义尚未达成普遍共识，不同领域的学者给出了不同的阐明。
传统的人工智能是指开拓创造能够模拟、学习和替代人类智能的“思维机器”，使令机器学习人类行为的思考办法，让机器做本须要人的聪慧才能做到的事情[1][2][3]。
芬莱森（Finlayson）（2010）则认为，人工智能作为一种计策技能，其核心内容是建立在数字化、信息化根本上的智能化转型[4]。
然而随着理论研究和运用领域的扩大，人工智能已成为阅读广泛的一门科学，其不仅要依赖打算机算法层面的支持，而且更强调思维能力和自主决策能力，即像人一样理性思考和行动的系统[5][6]。

综上可见，虽然目前学术界对人工智能的观点尚未达成共识，但通过总结文献可以创造一些共性：人工智能应能替代人类来完成详细劳动任务；人工智能应具有学习能力。

改革开放以来，在我国经济快速增长的同时，也产生了严重的环境污染问题，如何提升环境污染管理效率成为困扰地方党委政府的重大难题。
人工智能作为一项新的前沿技能，为环境污染管理开辟了新的路径，给环境污染管理带来了新的技能改造。
但是，人工智能技能影响环境污染的机制是什么？这是一项值得深入研究的课题。
基于此，本文拟对人工智能技能如何影响环境污染的干系研究文献进行梳理，以期为理论界和决策部门供应有益的借鉴与依据。

（一）促进技能进步的直接效应

研究表明，人工智能技能作为技能进步的一种详细表现形式，是新一代信息技能的代表，是科学技能发展的一次重大改造[7][8][9]。
因此，人工智能通过技能进步会对环境污染管理带来直接效应，即人工智能技能的发展促进污染管理技能的提升。
人工智能技能的快速发展催生出了一系列新产品并不断延伸到环保领域，为环境管理带来了新的工具，从而有效降落环境污染（见图1），详细而言：

（图1） 直接技能进步效应

首先，人工智能技能增加了环境信息的获取路子。
人工智能图像、声音识别处理技能具有较广泛的搜索和剖析能力，极大提高了人类对环境状况的感知和不雅观察能力。
张文博（2019）研究创造，可以通过技能识别声音、掌握噪声源来进行干系环境剖析，可通过光谱剖析监测大气污染信息，还可以通过图像识别来实现生物多样性普查[10]。

其次，人工智能与大数据相结合可以扩大环境监测的时空范围。
郎芯玉、张志勇（2019）、张旭等（2020）研究创造，人工智能与大数据的结合降落了水污染数据处理的繁芜性和本钱[11][12]，通过广泛安装环境污染传感器，增加监测的持续韶光和频率，扩大了监测的覆盖面积。
人工智能技能在自主检测设备中的运用，大大降落了网络环境信息的难度和本钱，比如基于人工智能的无人驾驶翱翔器、无人潜航器以及专用于监测空气污染物的街景车，可以对大气、水、土壤等污染信息进行永劫光动态检测。

末了，人工智能技能可以为政府和非政府组织的环境预测、决策供应优化方案。
即人工智能技能通过对各种环境数据进行定量剖析，从而为环境管理主体（政府和非政府组织）供应决策依据。
张伟、李国祥（2021）磋商了人工智能技能利用于环境数据剖析、案例研究和数学建模，得出人工智能技能发展可以进行环境预测和赞助决策，从而为环境污染管理带来积极效应[13]。

从实践运用来看，当前已有不少政府和企业互助将人工智能用于环境污染管理领域的成功案例。
例如2014年国际商业机器公司（IBM）借助人工智能，开拓出一种可减缓北京严重空气污染的新方法，名为“绿色地平线”（Green Horizon），通过综合多个不同模型的大量数据，该系统不仅可以提前预测北京不同地区空气污染的严重程度，还能给出如何将污染降落到最小的详细建议；微软在2017年推出“统统为了地球”（All for Earth）操持，估量投入5000万美元用于人工智能的环境管理领域；阿里巴巴利用阿里云强大的打算能力，于2020年6月推出应对环球环境恶化的技能方案ET（Evolutionary Technology）环境大脑，实现对污染源的智能感知，并建立综合评估模型进行交叉剖析，等等。
这些现实案例充分证明了人工智能技能的发展会给环境污染管理带来积极效应。

（二）促进技能进步的间接效应

1. 人工智能技能、经济增长与环境污染。
传统的技能进步是通过带来新的经济增长点、扩大经济规模来影响环境污染管理。
人工智能技能的发展同样会带来经济的高速发展、经济规模的扩大，从而对环境污染管理产生影响。

目前现有研究从理论和实证层面都证明人工智能会带来经济增长。
以任务模型为代表的理论模型大多认为工业机器人、自动化与人工智能等新兴生产办法会促进经济增长，这一点也得到了干系实证剖析的证明。
例如，格雷茨（Graets）、迈克尔斯（Michaels）（2018）基于1993-2007年的行业面板数据的计量考验创造，人工智能等新兴生产办法使得经济增长速率提高了0.37%[14]。
杨光、侯钰（2020）利用机器人国际联合会（IRF）发布的工业机器人数据证明机器人的利用确实对经济增长具有促进浸染，特殊是随着人口红利消逝，效果将更加显著[9]。
阿西莫格鲁（Acemoglu）、雷斯特雷波（Restrepo）（2017）、陈秋霖等（2018）研究创造，在经历快速老龄化的国家中，年轻和中年劳动力的稀缺可以促进机器人(和其他智能化生产)的充分采取，从而促进总产出的增加[15][16]。
程承坪、陈志（2021）认为，人工智能技能可以直接和间接带来经济增长，直接增长效应表现为促进劳动生产率的提升和家当链的延长，间接增长效应表现为人力成本供给的增加、市场效率和政府管理效率的提高[17]。
阿吉翁（Aghion）等（2017）将人工智能技能引入到商品和做事的生产函数中，得出人工智能技能会带来经济总的平衡增长。
在知识的非竞争性导致收益递增的条件下，人工智能技能还可以产生某种形式的奇点，乃至可能带来经济在有限的韶光内得到无限的收入[18]。
林晨等（2020）从优化成本构造的角度磋商了人工智能技能对经济增长的影响机制，认为人工智能技能的发展可以降落住房和基建支出对居民消费的挤压，使成本更多流向实体经济，成为新的经济增长点[19]。

环境污染问题与经济增长速率有着非常密切的联系。
就现有研究而言，经济增长对环境污染的影响大致可分为三个阶段。
第一个阶段是1972年以美国学者梅多斯（Meadows）为代表的罗马俱乐部提出的“增长极限说”，该理论认为工业化一定造成对自然和生态环境的极度毁坏，通过仿照打算估量2100年到来之前，工业化将达到最高点，但同时人类将面临严重的粮食缺少、资源枯竭，人口也将停滞增长，社会因此而崩溃。
第二个阶段是1991年美国经济学家格罗斯曼（Grossman）和克鲁格（Krueger）提出的环境库兹涅茨曲线假说（EKC），认为经济增长与环境污染呈倒“U”型关系，即环境污染随着经济增长由上升到低落的变革趋势，这是最为主流接管的一种假说。
该假说认为新技能出身之后，随着经济高速发展、人均收入不断提高，从而带来污染排放的增多。
但随着技能不断成熟，经济进一步增长，一方面，因生产者环保意识提升，主动减少生产过程中的污染物排放；另一方面，政府加大环境规制力度，倒逼生产者采取清洁生产技能，从而使环境污染得到有效掌握。
第三个阶段是对环境库兹涅茨曲线假说的质疑，部分研究结论证明经济增长与环境污染之间的关系不仅呈现出倒“U”型形态，而且呈现出“U”型、“N”型、单调上升型、单调低落型等形态，不同污染物的排放与经济增长之间的关系也呈现出差异性，这些都对环境库兹涅茨曲线假说提出了寻衅[20][21][22]。

总之，学者们从理论和实证层面都已经证明了人工智能技能的发展会带来经济增长和经济规模的扩大，但人工智能通过经济增长对环境污染产生影响的方向尚不明确（见图2），是否符合环境库兹涅茨曲线假说的倒“U”型还须要进一步的实证考验。

（图2） 间接技能进步效应

2. 人工智能技能、环球代价链分工与环境污染管理。
人工智能技能通过改变国际生产分工和贸易模式，提高一国在环球代价链体系中的分工地位，促进代价链升级，进而对一国的环境污染产生影响。
一样平常来说，处于环球代价链高真个国家，紧张从事产品研发、品牌发卖运营等高技能、高附加值活动，资源花费水平低，能源利用率高，污染物排放相对较少。
比较之下，处于环球代价链低真个国家，则紧张从事低附加值和高能耗的加工、装置和制造过程，随意马虎带来大量污染物的排放。
因此，环球代价链分工地位的提升将减少一国的环境污染。

人工智能技能如何影响环球代价链分工？在以人工智能技能为代表的新技能革命背景下，环球代价链中各国的地位和国际分工将面临深刻的调度。
第一，从本钱角度看，人工智能降落了贸易和生产本钱，提高了生产效率，提升一国在环球代价链体系中的分工地位。
吕越（2020）基于中国行业层面数据的实证研究创造，人工智能技能的采取会显著提升行业的环球代价链位置。
究其缘故原由在于人工智能技能的利用能减少低端生产环节的劳动利用量，进而降落了企业的生产本钱，提高了企业的劳动生产率[23]。
刘亮等（2020）的研究也得出了类似的结论[24]。
第二，从创新角度看，人工智能通过技能创新深化了环球代价链分工。
刘斌（2010）认为人工智能技能将一国的创新投入和创新产出发挥其引致效应，即引致创新投入（研发投入）和创新产出（专利申请数量）的增加，从而带来一国代价链分工地位的提升[3]。
第三，从资源配置角度来看，刘斌（2010）指出人工智能技能的发展带来了劳动和成本两类核心生产要素的配置效率提升，进而促进一国企业环球代价链分工地位升级[3]。
总之，无论是国家、行业还是微不雅观企业层面，人工智能都能显著提升一国的环球代价链分工地位，促进一国环球代价链升级。

环球代价链分工地位和参与程度如何影响一国的环境污染管理？近年来，随着环球投入产出表的体例，环球代价链分工测算方法、指标也在不断改进，使得更多国内外学者们开始关注环球代价链分工对环境污染的影响问题。
然而大部分文献均基于格罗斯曼（Grossman）和克鲁格（Kruege）的经典模型，将规模效应、构造效应以及技能效应作为掌握变量或门槛变量，剖析环球代价链分工对碳排放的影响机制。
许统生和薛智韵（2011）、余娟娟（2017）、徐辉和苗菊英（2018）则认为环球代价链分工可通过构造、技能与规模效应影响企业污染的水平[25][26][27]。
还有部分文献基于构建环球代价链分工位置和参与度指标，谈论其对环境污染的影响。

首先，通过构建环球代价链位置指标，大部分学者得出了环球代价链位置的提升能显著降落一国污染排放的说法，即一国环球代价链位置越高，越处于上游，污染排放越少。
陶长琪、徐志琴（2019）分别从行业和国家层面实证剖析环球代价链嵌入位置对贸易隐含碳排放的浸染，创造环球代价链位置的提升能有效减少碳排放[28]。
曲晨耀等（2020）基于2000-2014年17个制造业的面板数据，磋商了环球代价链位置对中国制造业经济绿色转型的影响，研究创造，提高环球代价链位置能够快速推动中国制造业的经济绿色转型[29]。
孙传旺（2019）基于2000-2011年环球60个国家的面板数据的实证研究认为，一国的环球代价链位置与其碳效率（carbon efficiency，是对生产主体产生碳足迹效率的一种量化测度方法）存在显著的正干系关系。
环球代价链位置与其碳效率的正干系关系在经济发展较为掉队的发展中国家尤为显著，这意味着在发展中国家提高环球代价链位置可以更大程度地减少碳排放，减少环境污染[30]。
王腊芳等人（2020）打算了中国制造业环球代价链活动的总均匀生产长度并考验了环球代价链生产长度对能源强度的影响，其研究结果创造环球代价链总均匀生产长度显著影响能源花费强度，并呈现倒“U”型非线性关系[31]，这在一定程度上表明一国环球代价链位置对污染排放的影响呈先升后降的趋势。

其次，大部分学者的研究表明环球代价链参与度与环境污染呈非线性关系，即环球代价链参与度对环境污染存在门槛效应。
详细而言，王静（2019）基于1995-2011年期间62个国家和地区的面板数据，估算了一国环球代价链参与度对二氧化碳排放的影响，研究创造，环球代价链的参与度与人均二氧化碳排放量之间呈现倒“U”型关系[32]。
曲晨耀等（2020）通过阈值回归创造，当参与度超过一定阈值时，环球代价链参与度对绿色经济转型的影响由抑制变为促进[29]。
王玉燕等（2015）研究创造，环球代价链参与度通过“链中学效应”促进污染减排，但某些行业可能存在“俘获锁定效应”，即被锁定在附加值低且污染高的生产环节，这些行业的环球代价链参与度与污染排放之间可能表现为“U”型关系[33]。
杨飞等（2017）的实证研究创造，中国环球代价链参与度对污染排放的影响存在门槛效应[34]。
也有研究认为，环球代价链参与度与一国的环境污染存在线性关系，即环球代价链参与度对环境污染有负向影响。
赵国梅等（2020）基于2000-2014年42个国家的数据，研究得出，环球代价链参与度与碳排放强度之间存在负向关系，特殊地，与发达国家比较，发展中国家的环球代价链参与对隐含碳排放强度的负向影响更大[35]。
总之，关于环球代价链分工对环境污染的影响，由于学者们对环球代价链分工指标选取方法的不同，即部分学者采取环球代价链位置指标，部分学者采取环球代价链参与度指标来衡量环球代价链分工程度，因而得出了不同的结论。

综合以上研究，本文提出人工智能技能发展可以通过提升一国环球代价链分工地位，从而降落污染排放的论断，其机理在于：一国处于环球代价链高真个行业多为知识技能密集型家当，技能含量高，污染程度低，而处于环球代价链低真个行业多为能源和成本密集型行业，污染相对较高。
人工智能技能的发展及其在工业生产中的利用，将使得一国更多的从事知识技能密集型行业的生产与分工，显著提升一国的环球代价链分工地位，降落污染物排放（见图2）。

三、未来研究方向与研究趋势展望

人工智能技能正在催生第四次工业革命，是第四次工业革命的新引擎，也引发了该命题的学术研究热潮，使得越来越多的学者关注人工智能与技能进步、经济增长、劳动力就业、环球代价链等的关系。
人工智能技能目前已广泛运用于环境管理的各个层面，并将给环境污染管理带来变革。
但实际上目前关于人工智能技能如何影响环境污染的干系研究尚不多，特殊是关于传导机制的研究仍处于空缺，只有少量的定性研究指出人工智能技能能够显著改进环境污染，提高环境管理能力。
本文通过梳理人工智能技能与经济增长、环球代价链分工、环境污染等干系文献，得出人工智能技能作为新一代信息技能的代表会对环境污染产生直接和间接影响的结论。
直接技能进步效应表现在人工智能技能发展催生出的一系列新技能和新产品可用于环境污染管理领域，减少一国的环境污染。
间接技能进步效应一是表现为人工智能技能的发展会扩大经济规模，促进经济增长，从而对环境污染产生影响，但影响方向不明确，是否存在倒“U”型关系需进一步考验；二是表现为人工智能技能会提升一国的环球代价链分工地位，促进环球代价链升级，从而降落一国的环境污染。

目前直接研究人工智能对环境污染影响机制、指标构建、数据获取等方面尚存在如下不敷，这些也是人工智能技能影响环境污染的进一步研究方向：

一是人工智能技能对环境污染的影响路径、机制繁芜，难以用实证模型加以验证。
人工智能技能对环境污染的影响既存在直接影响又存在间接影响，同时，在封闭经济环境和开放环境下的影响机制也不一样。
人工智能技能直策应用于环境管理，能有效减少环境污染，但同时随着人工智能技能的发展、工业机器人的大量利用，生产力大幅度提高，生产规模扩大，也有可能加剧环境污染，或者存在非线性关系。
在开放经济条件下，人工智能技能发展能显著提高一国环球代价链地位，从而减少该国的环境污染，但这一正向效应存在国家和行业异质性，即对付处于不同发展阶段的国家和不同污染和技能密集度的行业的影响效应是不同的。
总之，如何将人工智能技能引入环境污染模型仍需进一步探索。

二是干系数据可得到性有待加强。
一方面由于人工智能的内涵比较广泛（包括机器人、措辞识别、图像识别、自然措辞处理和专家系统等），现有的实证研究大多利用人工智能的某一分支，如利用机器人国际联合会发布的工业机器人数据。
目前对很多国家特殊是发展中国家而言，人工智能技能发展仍处于低级阶段，详细国家-韶光-行业乃至是微不雅观企业层面的统计数据都相对匮乏。
打算人工智能指标的紧张难点在于大部分内涵都是无形的，难以量化或直接打算。
另一方面，目前关于环球代价链宏不雅观测度指标的构建大多为环球代价链位置指标或参与度指标，而衡量一国环球代价链地位提升或代价链升级的指标相对掉队，无法直接衡量一国行业或企业代价链地位的提升，只能采取间接指标。
总之，从现有文献来看，采取的数据指标都比较单一，未来还须要用更直接的衡量指标来进行实证考验。

中国对人工智能运用于环境污染的干系研究还较为有限。
中国作为最大的发展中国家，以往靠捐躯环境来获取发展速率的经济增长模式带来了巨大的污染管理压力，经济绿色转型发展迫不及待。
人工智能技能在中国工业生产中的运用将对环境污染带来哪些效应？显然值得进一步深入磋商。

[参考文献]

[1] Minsky, M.1961,“Steps Toward Artificial Intelligent”，Proceedings of the IRE , Vo1.49(1).

[2] Min, H.2010, “Artificial Intelligent in Supply Chain Management: Theory and Applications” , international Journal of Logistics: Research and Applications, Vo1.13 (1).

[3] 刘斌,潘彤.人工智能对制造业代价链分工的影响效应研究[J]. 数量经济技能经济研究, 2020, (10).

[4] Finlayson M. A.Richards W, Winston P. H. Computational models of narrative: Review of a workshop[J]. AI Magazine, 2010, (2).

[5] Cerka, P.Grigiene, J. and Sirbikyte, G.，2015, “Liability for Damages Caused by Artificial Intelligence”，Computer Law & Security Review , Vo1.31(3).

[6] Li, D. and Y. Du, 2017, Artificial Intelligence with Uncertainty, Boca Raton: CRC press.

[7] Kromann, L., J. R. Skaksen, and A. Sorensen. Automation, Labor Productivity and Employment: A Cross Country Comparison[R]. CEBR, Copenhagen Business School, 2011.

[8] Brynjolfsson, E. and L. M. Hitt. Computing productivity: Firm-level Evidence [J]. Review of Economics and Statistics, 2003, 85(4).

[9] 杨光, 侯钰.工业机器人的利用、技能升级与经济增长[J]. 中国工业经济, 2020, (10).

[10] 张文博. 环境管理中的人工智能[J]. 国外社会科学前沿, 2019,(10).

[11] 郎芯玉, 张志勇.浅谈人工智能在水质监测领域的运用[J].打算机产品与流利,2019,(12).

[12] 王旭,王钊越,潘艺蓉,罗雨莉,刘俊新,杨敏.人工智能在21世纪水与环境领域运用的问题及对策[J].中国科学院院刊,2020,(9).

[13] 张伟, 李国祥.环境分权系统编制下人工智能对环境污染管理的影响[J]. 陕西师范大学学报(哲学社会科学版),2021,(3).

[14] Graetz, G. and G. Michaels. Robots at Work: The Impact on Productivity and Jobs [J]. Review of Economics and Statistics, 2018, (5).

[15] Acemoglu D，Restrepo P. Secular stagnation? The effect of aging on economic growth in the age of automation[J]. American Economic Review, 2017, (5).

[16] 陈秋霖,许多,周羿.人口老龄化背景下人工智能的劳动力替代效应：基于跨国面板数据和中国省级面板数据的剖析[J].中国人口科学, 2018, (6).

[17] 程承坪,陈志.人工智能促进中国经济增长的机理——基于理论与实证研究[J].经济问题, 2021,(10).

[18] Aghion P，Jones B，Jones C.Artificial intelligence and economic growth[R]. NBER Working Paper，2017.

[19] 林晨,陈小亮,陈伟泽,等.人工智能、经济增长与居民消费改进：成本构造优化的视角[J]. 中国工业经济, 2020,(2).

[20] Onafowora O A, Owoye O. Bounds testing approach to analysis of the environment Kuznets curve hypothesis[J]. Energy Economics, 2014, (44).

[21] Allard A, Takman J, Uddin G S, et al. The N-shaped environmental Kuznets curve:an empirical evaluation using a panel quantile regression approach[J]. Environmental Science and Pollution Research, 2018, 25(6).

[22] Liu K, Lin B. Research on influencing factors of environmental pollution in China: A spatial econometric analysis[J]. Journal of Cleaner Production, 2019, 206(1).

[23] 吕越, 谷玮, 包群.人工智能与中国企业参与环球代价链分工[J]. 中国工业经济, 2020,(5).

[24] 刘亮, 刘军, 李廉水, 程中华.智能化发展能促进中国环球代价链攀升吗？[EB/OL].科学学研究,2021-01-03. https://doi.org/10.16192/j.cnki.1003-2053.20200915.004.

[25] 许统生, 薛智韵.制造业出口碳排放: 总量、构造、要素分解[J]. 财贸研究, 2011, (3).

[26] 余娟娟. 环球代价链嵌入影响了企业排污强度吗——基于PSM匹配及倍差法的微不雅观剖析[J].国际贸易问题, 2017, (12).

[27] 徐辉, 苗菊英. 我国制造业承接外包的环境效应[J]. 环境经济研究, 2018, (2).

[28] 陶长琪, 徐志琴. 融入环球代价链有利于实现贸易隐含碳减排吗? [J].数量经济研究, 2019,(1).

[29] Chenyao Qu, Jun Shao, Zhonghua Cheng, Can embedding in global value chain drive green growth in China’s manufacturing industry? [J]. Journal of Cleaner Production, 2020(268).

[30] Chuanwang Sun, Zhi Li, Tiemeng Ma, Runyong He, Carbon efficiency and international specialization position: Evidence from global value chain position index of manufacture[J]. Energy Policy, 2019(128).

[31] Lafang Wang, Youfu Yue, Rui Xie, Shaojian Wang, How global value chain participation affects China’s energy intensity[J]. Journal of Environmental Management, 2020 (260).

[32] Jing Wang, Guanghua Wan, Chen Wang, Participation in GVCs and CO2emissions[J]. Energy Economics, 2019(84)1.

[33] 王玉燕, 王建秀, 阎俊爱. 环球代价链嵌入的节能减排双重效应——来自中国工业面板数据的履历研究[J]. 中国软科学, 2015, (8).

[34] 杨飞, 孙文远, 张松林. 环球代价链嵌入、技能进步与污染排放——基于中国分行业数据的实证研究[J]. 天下经济研究, 2017,(2).

[35] Guomei Zhao, Cenjie Liu. Carbon emission intensity embodied in trade and its driving factors from the perspective of global value chain[J]. Environmental Science and Pollution Research, 2020, 27(25).

原文引用：喻春娇,李奥.人工智能技能对环境污染的影响机制述评,2022,（01）：50-57

来源：《决策与信息》2022年第01期

作者：喻春娇（1971-），女，湖北京隐士，湖北大学商学院教授，博士生导师，经济学博士，湖北开放经济研究中央副主任，紧张从事国际贸易理论与政策、国际生产网络研究；李奥（1997-），女，湖北宜昌人，湖北大学商学院硕士研究生。

责编：李利林、编辑：邓汝濛