人工智能技术对企业数字创新的影响研究

韩松岩

1（中国社会科学院工业经济研究所，北京 102488）2（深圳大学中国经济特区研究中心，深圳 518000）

引 言

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出以数字化转型驱动企业生产、管理、治理方式变革，强化企业数字创新能力。然而，据相关机构研究测算，目前我国企业数字化转型比例仅为25%，且大多面临 “转型不深入，不转型被淘汰”的发展困境［1］。虽然政府大力推行普惠性发展政策，但实现真正落实还存在重重阻碍，且短期内企业数字创新运营成本仍居高不下，难以形成高效健康的数字创新发展新常态。人工智能技术是企业数字创新不可忽视的推动力，具有适应性、普惠性与竞争性发展优势，能够为企业数字创新发展提供高效、专业、便捷服务的同时，也在激活数字经济、优化企业创新模式、打造AI智慧场景等方面发挥重要作用［2］。值此背景下，探究人工智能技术对企业数字创新的影响效应，对于推动企业数字创新发展具有重要理论价值与现实意义。

人工智能技术是近年来科技创新研究的热点。现阶段，国内外学者关于人工智能的影响研究主要集中于以下几方面：全要素生产率层面，Giacomo Damioli等 （2021）［3］利用 2000～2016 年申请人工智能专利的5257家全球公司样本数据，实证发现当控制其他专利活动时，人工智能专利申请对企业全要素生产率具有正向促进作用，且这一影响效应主要集中于中小企业与服务业。刘亮与胡国良 （2020）［4］基于中国制造业数据的实证结果发现，人工智能技术对全要素生产率具有显著促进作用，且对高技术行业全要素生产率的影响作用更加明显。孙早与侯玉琳 （2021）［5］利用熊彼特创新模型实证分析人工智能技术对制造业全要素生产率的影响，结果发现现阶段人工智能技术对服装、设备等传统制造业全要素生产率具有显著促进作用，但对医药、计算机制造等高端制造业的促进作用并不显著。人力资本层面，何勤等 （2020）［6］以115家制造业企业为研究对象，分析人工智能技术对人力资本的影响作用，研究发现人工智能技术对制造业企业员工就业数量增长具有负向影响，但对员工就业技能与收入具有正向影响。其中，资本偏好与产品研发在人工智能技术对人力资本影响中存在显著中介效应。汪昕宇等 （2022）［7］利用基准回归模型实证检验人工智能技术对北京市就业总量、人员素质与工资水平的影响，结果发现人工智能技术对北京市就业总量具有替代效应，对于人员素质提升具有推动效应，对于人员工资水平具有补偿效应。产业结构层面，Fan和Liu （2021）［8］基于 2005～2018 年省级面板数据实证检验产业结构在人工智能发展水平与经济增长中的中介作用，研究发现人工智能通过抑制产业结构升级提升经济增长速率。韦东明等 （2021）［9］基于2006～2018年省级面板数据实证检验人工智能技术对中国产业结构的影响，研究发现人工智能技术对产业结构具有高效化促进效应，且产业结构优化升级效应在时间维度体现在德国 “工业4.0”提出以后，在区域维度体现在东部与中部地区，在产业领域体现在高技术制造业、生产性服务业等领域。罗书嵘 （2022）［10］运用主成分分析法，通过构建计量回归模型实证检验人工智能技术对产业结构分化的影响，研究发现全国、东、中、西部地区人工智能技术均对产业结构分化具有显著影响。其中，东部地区的影响尤为显著，西部地区人工智能技术对产业结构分化的影响作用最弱。

综上所述，学者们对人工智能技术与全要素生产率、人力资本、产业结构等层面的关系研究较为常见，但鲜有学者将人工智能技术与企业数字创新纳入同一框架进行系统研究。此外，若人工智能技术利于企业数字创新，那具体是通过何种机制影响？人工智能主要通过哪些机制影响企业数字创新发展？不同经济基础下，人工智能对企业数字创新的影响程度是否存在区域异质性？针对以上问题，本文在现有文献基础上，基于中国30个省（区、市）2010～2020年面板数据，实证检验人工智能技术对企业数字创新的影响程度；进一步将30个省（区、市）划分为东、中、西部地区，积极探索人工智能技术对企业数字创新的区域异质性；运用空间面板模型系统研究人工智能技术对企业数字创新的直接与间接空间溢出效应，旨在为充分发挥人工智能技术优化升级的正外部性、提升企业数字创新能力提供基础参考。

1 模型设定与数据来源

1.1 模型设定

1.1.1 基准回归模型

本文在杨伟和刘健 （2021）［11］、张光宇等（2021）［12］研究思路基础上，参考众多模型计算推导方法［13，14］，构建人工智能影响企业数字创新的数理模型。假设企业生产函数属于柯布—道格拉斯函数计算形式，企业创新投入要素仅包含资本与劳动两方面，且满足企业规模报酬不变，公式如下：

式中，K、L分别代表企业资本要素投入与劳动要素投入总额。

假设某企业创新生产方式分为两种：智能生产X与人工生产Y。企业在人工生产Y过程中会降低生产效率Z，相较于智能生产需要担负更多生产成本费用。追求数字创新生产且利益最大化的经营企业，不会盲目选择传统人工生产方式，相反会制定合理化创新生产方案，将比例为μ的数字创新生产要素用于生产方式改良以实现成本降低目的，μ的取值范围为0≤μ≤1。当μ＝0时，意味着企业未将数字创新生产要素用于生产方式改进过程，此时企业创新生产的潜在资本产量为F；当0＜μ＜1时，意味着企业将比例为μ的数字创新生产要素用于生产方式改进过程，此时企业智能生产X的实际产量为（1-μ）F，与此同时，企业在人工生产过程中降低生产效率Z的发展现状依旧会发生。

假定生产效率Z＝φ（μ）F，通过借鉴刘建秋等 （2021）［15］、吴意云等 （2020）［16］的研究成果，企业提高生产效率函数公式如下：

式中，A表示生产技术水平，参数b∈（0，1）。

由此可得：

在此基础上，可以进一步推出X的数字创新生产函数，公式如下：

由式 （4）可以知悉，企业可以通过遵循以下两个步骤的先后顺序进行独立数字创新生产决策：（1）企业可以基于生产人员工资总额s和资本成本r，确定最优数字创新资本劳动比，使得企业潜在产出的数字创新生产成本CF控制在最低水平；（2）企业可以基于人工生产成本τ和企业潜在产出的数字创新生产成本CF，选择最优的人工生产成本总额Z和潜在产出F，将企业生产成本CX控制在最低水平。具体函数表现形式如下：

通过对式 （5）和 （6）进行最优化求解计算，可以知悉：

假设企业智能生产X产品价格为PX，在完全数字市场竞争下，企业总利润为0，即总生产收益等于总生产成本，由此可得：

在此基础上，结合式 （8）和 （9） 可得出智能化生产的表达公式如下：

式中，szcx表示企业数字创新能力，str、tech、scl分别表示结构效应、技术效应与规模效应，van表示影响企业数字创新的其他变量。

参考现有学术研究，将经济发展水平、产业机构、企业盈利能力等已经证明对企业数字创新发展具有重要影响的变量作为具体回归分析的控制变量。进一步考虑到各研究变量间单位不同，且为避免异方差问题对模型的不良影响，在构建模型之前需对除比值变量之外的其他研究变量取对数，公式如下：

式中，szcxit表示第i个省（区、市）第t年的企业数字创新能力，pgdpit表示经济发展水平指数，indit表示产业结构，marit表示企业盈利能力，govit表示企业规模，di表示各省（区、市）的个体固定效应，γt表示时间固定效应，εit代表随机扰动项。

1.1.2 空间计量模型

本文将空间因素纳入回归模型以实证检验人工智能对企业数字创新的空间效应。参照已有研究［17，18］，空间计量模型整体分为空间误差模型（SEM）、空间杜宾模型（SDM）与空间自相关模型（SAR）。空间模型可以对研究变量拟合优度、自然对数函数值、残差空间相关性进行系统性检验。通过使用不同空间权重矩阵对模型进行LM实证检验可以知悉，LM-lag和R-LMLag均在1%水平上显著，即存在较为明显的空间滞后效应，同时在测算过程中空间误差效应的LM-error和R-LMerror测算结果也均在10%水平上显著。因此，选择空间杜宾模型（SDM）作为最终实证检验模型。构建公式如下：

在此基础上，本文利用Moran's I指数进行全局空间相关性实证检验，进一步判断研究变量间是否显著存在空间相关性，计算公式如下：

（1）空间邻接矩阵主要是依照研究地区地理是否相邻进行综合设定。具体而言，地理位置相邻地区被赋予 “1”，其他不相邻地区被赋予 “0”，则该权重矩阵定义如下：

（2）地理距离矩阵主要是根据两地区间地理距离的倒数数值来进行测算设定，两地区间距离越近，则赋予其权重越大；相反距离越小，赋予权重越小。具体定义如下：

经济距离矩阵主要是将两地区GDP之差的倒数数值组成矩阵乘以两地区间距离倒数矩阵，这考虑了地区地理距离特质，也考虑经济发展的空间效应因素。定义如下：

1.2 变量选取

以往学术研究中，大多学者对人工智能技术（ai）的度量通常采用技术进步发展指数、专利授权总数、人均占有技术设备数量、全要素技术生产率等研究指标［19，20］。目前，我国人工智能技术尚处于初步发展阶段，“机器替代人工”是人工智能技术影响企业数字创新的主要途径。对此，采用企业智能机器设备的生产价值作为衡量人工智能技术发展程度的研究指标。

为缓减遗漏变量给研究带来的内生性问题，参考有关企业数字创新的研究文献，本文选取以下控制变量进行研究：企业经济规模（gov）、企业盈利能力（mar）、产业结构（ind）、经济发展水平（pgdp）。具体来看，企业经济规模以企业总资产规模来表示；企业盈利能力以上市公司的净生产收益效率来反映。企业盈利能力越好，其对高技能劳动力的吸纳能力越强；产业结构以第二产业与第三产业之间的增长数值比重衡量；经济发展水平以进出口总额在总资产所占比重进行衡量。经济发展水平越高，吸引技术创新投资越多，越有助于企业数字创新发展。

1.3 数据来源

既有研究表明，人工智能技术与企业数字创新在发展过程中具有一定延续性特征［21，22］，故认为2020年新冠肺炎疫情的影响在当期体现有限。因此，采用2010～2020年中国30个省（区、市）（考虑到数据的可获得性，不包含西藏以及港、澳、台地区）的省级面板数据进行实证分析，其中，企业数字创新指数均来源于ORBIS数据库。ORBIS数据库涵盖全球近3.9亿家企业的财务、行业、评级、效益等信息，并提供可透明计算和可实证检验的国家及省级企业数字创新发展信息数据。同时，国内各省（区、市）企业生产增长值、进出口总额来自EPS数据库；各省（区、市）科研投入总额与专利申请数量均来源于 《中国科技统计年鉴》。

为方便测算，各省（区、市）企业进出口总额根据各年货币汇率平均值综合调整为人民币计算价值。当年汇率、各省（区、市）企业增加值指数、地区企业生产总值指数均来源于EPS数据库。为避免出现由于经济变量共同变化导致的伪回归问题，本文利用IPS检验和Fisher-ADF检验对所有研究数据进行平稳性检验。不难发现，所有研究变量的一阶差分序列均在5%水平上显著，故所有研究变量均属于一阶单证序列属性。在此基础上，使用Kao和Pedroni检验方法对其进行协整性检验，结果得出所有研究变量间存在一定协整关系。同时，多重共线性检验结果显示各变量VIF数值均小于10，故各研究变量间不存在多重共线性关系。

2 实证结果分析

2.1 面板回归结果分析

（1）中国各省（区、市）人工智能技术对企业数字创新的影响分析。

首先，本文通过Hausman检验与F检验，选取个体固定模型对数据进行计量分析。同时，由于选用2010～2020年省级面板数据作为研究对象，时间跨度相对较大且理论上时间可以实现无限延长，而各省（区、市）间个体数量较小且数量趋于固定，可以对随机扰动项是否存在自相关、异方差、截面等相关问题进行综合检验。结果充分显示确实与异方差、截面与自相关存在相关性，故本文利用基于Driscoll Kraay标准误的双向固定效应的估算方式，避免出现自相关、异方差、截面等相关性问题。

表1中列 （1）～（3）包含了技术、规模、结构三大效应对企业数字创新的影响，运用的回归分析方法分别包括固定效应、随机效应和基于Driscoll Kraay标准误的双向固定效应模型。列 （4）～（5）陆续加入盈利能力、经济发展水平控制变量，采用测算方法均为基于Driscoll Kraay标准误的双向固定效应模型。

表1 中国人工智能技术对企业数字创新的影响

由表1可以知悉，人工智能技术的回归系数始终在1%水平上显著为正，这充分表明人工智能技术是推动我国企业实现数字化创新发展的有效途径。细究其因，人工智能技术可以有效淘汰落后产能，提高企业生产效率，推动其向高附加值、高创新化方向转变，有效提升企业数字创新能力［23］。同时，在加入其它控制变量之后，回归系数符号及显著性水平并未出现明显变化，故回归分析结果具有较强稳健性特征。

（2）东部地区人工智能技术对企业数字创新的影响分析。

为更明晰人工智能技术对企业数字创新的影响程度，进一步采用固定效应、随机效应和基于Driscoll Kraay标准误的双向固定效应模型对中国东、中、西部三大地区进行具体分析。表2列（5）分析结果显示，东部地区人工智能技术发展指数每增加1%，该地区企业数字创新发展水平会提升0.218%，这表明东部地区人工智能技术优化升级是提高企业数字创新能力的有效途径。同时，东部地区具备充足高技能人才资源和丰富的数字需求市场，共同促使企业实现数字化创新发展，进一步减轻了东部地区企业对于高耗能、高成本、重工业的生产依赖性，低碳数字创新得到长期有效发展。

表2 东部地区人工智能技术对企业数字创新的影响分析

（3）中部地区人工智能技术对企业数字创新的影响分析。

中部地区人工智能技术始终在1%水平上与企业数字创新呈现显著正相关（见表3）。这主要得益于中部地区大多省（区、市）地势平坦、交通便利。中部地区相较于西部地区距离东部地区更近，劳动技术要素较为丰富，进而推动企业劳动生产效率实现高效化发展。同时，中部地区承接了东部地区由于人工智能技术升级转移而出的部分产业。在承接东部地区部分人工智能技术发展较高产业的过程中，中部地区企业不断积累资本与创新技术经验，进一步提升自身劳动技术生产效率，实现资源有效配置。在此基础上，企业不断优化传统生产技术，进而淘汰自身落后产能，有利于实现数字创新与发展。与东部地区人工智能技术回归系数（0.218）相比，中部地区人工智能技术回归系数（0.558）更大，这充分表明中部地区人工智能技术优化升级对企业数字创新发展的促进作用更加强烈。随着中部地区人工智能技术优化升级指数大幅增加，对企业数字创新的影响作用逐步增强。

表3 中部地区人工智能技术对企业数字创新的影响分析

（4）西部地区人工智能技术对企业数字创新的影响分析。

在对时间与个体效应未进行具体固定之前，西部地区人工智能技术对企业数字创新的回归系数均在1%水平上显著为正。然而，对研究数据进行双向固定且增加控制变量之后，人工智能对企业数字创新的回归系数缺乏显著性影响特征。细究其因，西部地区地势宽广但人口稀少，教育基础设施相对较为落后且高技术人力资本低，而高技术人力资本又是人工智能技术优化升级的基础保障。此外，西部地区经济发展相对落后，科技创新技术、全要素劳动效率持续走低，未能形成全面化空间梯度技术发展模式，致使西部地区在承接东部地区人工智能技术产业转移过程中丧失关键发展动力与设施保障，导致西部地区企业数字创新发展长期趋于低水平发展阶段。

表4 西部地区人工智能技术对企业数字创新的影响分析

2.2 人工智能技术对企业数字创新的空间溢出效应分析

考虑到人工智能技术、经济发展水平以及企业数字创新在地理位置相邻近地区间具有一定空间效应影响，故本文采用空间面板数据模型对中国整体人工智能技术对企业数字创新的空间溢出效应进行深入研究（见表5）。对于空间直接影响效应，本地区人工智能技术的优化升级能够有效提高企业数字创新发展水平。在模型 （1）～（6）中相关影响系数均在0.432～0.594数值范围内，且研究结果均在1%水平上显著。空间效应模型的结果与基准回归模型研究结果相比，人工智能技术对企业数字创新的促进作用更强。就控制变量而言，经济发展水平的提升能够明显提高本地区企业数字创新发展。企业经济规模、盈利能力、产业结构的优化升级对本地区企业数字创新起到正向空间溢出作用。空间间接影响效应研究结果显示，本地区人工智能技术优化升级会提升邻近省（区、市）企业的数字创新发展水平。在模型 （1）～（6）中，本地区人工智能技术每提升1%，邻近地区企业数字创新能力从0.104提升到1.299。本地区人工智能技术优化升级代表本地区企业生产效率得到提升，人工智能技术的溢出将最先惠及相对空间距离较短的地区，从而进一步提高临近地区企业的生产效率，实现企业数字创新发展。除此之外，在数字经济蓬勃发展的当下，人工智能技术和企业数字创新已成为中央政府考察地方政绩的重要衡量指标。当某一区域内省（区、市）成功优化人工智能技术而促进地区企业实现数字化创新发展目标，则对该区域内其他省（区、市）也存在正向激励作用。同时，临近省（区、市）也会借此实施更为严格的优化政策并努力追赶企业数字创新发展较好的省（区、市）。

表5 中国人工智能技术对企业数字创新的空间溢出效应

3 研究结论与政策建议

为通过优化人工智能技术促进经济高质量发展，本文基于2010～2020年30个省（区、市）的面板数据，研究中国人工智能技术对企业数字创新的影响，主要研究结论如下：（1）从中国整体视角出发，人工智能技术升级有助于实现企业数字创新发展；（2）在三大区域中、东部与中部地区人工智能技术可以显著促进企业数字创新，而西部地区影响作用不显著；（3）空间溢出效应结果显示，人工智能技术不仅能够促进省（区、市）内企业数字创新发展，还可以促进邻近省（区、市）企业实现高质量数字创新。

根据上述研究结论，提出以下政策建议：

（1）发挥多方主体协同优势，创设人工智能关键共性技术体系。建构开放协同的人工智能关键共性技术体系，对企业实现数字化创新具有重要意义。对此，国家需要在重点前沿领域探索布局，发挥中国技术数据多、虚拟场景全、使用基数大等优势，力争在专业端口、实践方法、使用工具等关键共性技术研发中取得颠覆性变革，系统性增强人工智能关键共性技术创新发展能力。同时，政府需要发挥政策引导职能，促进产学研相结合，建立政府、企业、机构关键共性技术发展联盟，加强在标准创新、技术攻关等多方面的协调配合，以人工智能技术带动多方参与主体创新发展。此外，企业需要坚持产品开发、技术创新、研发攻关 “三位一体”，充分调动企业生产、流通、研发等环节关键技术创新积极性，多方发力、多方出资，系统性前瞻打造一批新时代人工智能关键科技项目。

（2）增强区域联动效应，实现人工智能产业链融通发展。应对人工智能技术对各地区企业创新发展的影响，国家需要基于区域联动发展视角，通过推动东中部地区与西部地区产业结构深层次协调发展，进一步破解人工智能技术与区域企业数字创新的结构性矛盾。企业内部形成人工智能产业链协作体系，在东部与中部地区间形成更大规模人工智能产业集群战略基地，以人工智能技术为指导，推动东中部企业实现深度融合创新发展；破除阻碍技术资本要素充分流动的制度性障碍，推动区域性高技能人才向西部地区流动。各地政府可以充分释放东、中部地区高技能人力资本的溢出效应，以高端化人才流动引领西部地区企业数字创新发展。

（3）鼓励企业跨省域数字创新合作，强化省域间企业人工智能创新耦合力度。针对上述人工智能技术不仅能够促进省（区、市）内企业数字创新发展，还可驱动邻近省（区、市）企业实现数字创新研究结论。国家可充分利用这一人工智能技术发展优势，在相邻省域企业间建设云网融合、绿色低碳、安全可控的智能化综合性数字信息平台，推进人工智能技术与相关企业融合创新发展。同时，企业加强数字化、智能化信息基础设施建设，推动人工智能技术在企业不同生产领域实现数字化集成应用。此外，依托国家新一代人工智能技术创新试验区，企业可以在省（区、市）内或省域间大力开展智能技术试点工作与实验，形成一种人工智能与跨省企业深度创新融合的发展模式。