摘? 要：人工智能將引領(lǐng)新一代的科技革命，并引起世界主要國家重視，逐步成為國家經(jīng)濟(jì)發(fā)展的重要驅(qū)動力。本文采用倍差法，研究了企業(yè)規(guī)模及人工智能技術(shù)對企業(yè)全要素生產(chǎn)率（TFP）的影響效應(yīng)，及其作用機(jī)制。研究結(jié)果表明（1）人工智能技術(shù)的應(yīng)用會對企業(yè)全要素生產(chǎn)率的提升起到了促進(jìn)作用。（2）企業(yè)規(guī)模的擴(kuò)大對人工智能技術(shù)促進(jìn)企業(yè)全要素生產(chǎn)率提升的效果有負(fù)面影響。（3）其影響渠道為勞動投入比例的擴(kuò)大。并就人工智能技術(shù)的應(yīng)用提出了政策建議。

關(guān)鍵詞：人工智能;生產(chǎn)率;企業(yè)規(guī)模

引言：隨著計(jì)算運(yùn)算能力的提升，機(jī)器的學(xué)習(xí)能力的提升，大數(shù)據(jù)分析應(yīng)用的日漸成熟等一系列的因素人工智能技術(shù)得到了快速的發(fā)展[1]。2000-2018年全球新增人工智能企業(yè)共13717家，其中2013-2018年5年間新增AI企業(yè)數(shù)為9892家，占比高達(dá)72.11%;2000-2018年全球AI融資規(guī)模共784.8億美元，融資頻次13318次，其中2013-2018年全球AI融資規(guī)模為720億美元，融資頻次11626次，融資規(guī)模占比高達(dá)91.74%，融資頻次占比高達(dá)87.30%1。

世界主要國家都將人工智能視為新的經(jīng)濟(jì)發(fā)展機(jī)遇，我國也不例外。2013-2018年我國累計(jì)新增人工智能企業(yè)3362家，占比全球23.78%位居第二2。我國人工智能產(chǎn)業(yè)投資總額在2012年時僅有6億元，而在2019年時796.9億元，在短短的7年間翻了近133倍。在國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》中提到，中國人工智能產(chǎn)業(yè)的競爭力將在2030年以前達(dá)到世界領(lǐng)先水平3。由此可見，人工智能儼然已經(jīng)成為了一個投資界的“風(fēng)口”，未來幾年人工智能可能會變得越來越受資本的青睞。2013-2019年我國人工智能產(chǎn)業(yè)投資頻數(shù)，從天使輪和A輪投資占比均超過80%到如今的不足20%4。不難看出資金正在流向相對更加成熟，相對規(guī)模更大的人工智能企業(yè)。然而這一資金的流向是否科學(xué)有效，卻值得商榷。所以此時關(guān)于微觀層面上人工智能產(chǎn)業(yè)數(shù)據(jù)的研究分析就顯得尤為重要。

一、獻(xiàn)綜述與理論假說

1.文獻(xiàn)綜述

吳永和等[2]將人工智能技術(shù)發(fā)展分為：計(jì)算智能、感知智能與認(rèn)知智能三個大的階段，而當(dāng)前人工智能技術(shù)仍處于感知智能向認(rèn)知智能發(fā)展的階段。人工智能可以算是一個新興的技術(shù)，雖然近年我國因?yàn)橐恍┱叩闹С峙c投資者的追捧，越來越多的企業(yè)開始參與到了人工智能的應(yīng)用中來，但人工智能在各個產(chǎn)業(yè)間的普及率依然很低，哪怕與人工智能契合度最高，率先應(yīng)用人工智能技術(shù)的制造業(yè)，人工智能的普及率也不足2%。人工智能還有良好的發(fā)展前景。所以對已經(jīng)現(xiàn)有人工智能企業(yè)的研究顯得尤為重要。

Acemoglu和Resteepo[3]認(rèn)為人工智能就是一種可以代替勞動力，從而實(shí)現(xiàn)已更低成本的資本自動化生產(chǎn)方式代替部分勞動力，從而提高生產(chǎn)率。埃森哲咨詢公司于2017年的一份報告中不僅也證實(shí)了這點(diǎn)，還認(rèn)為人工智能技術(shù)可以通過促進(jìn)企業(yè)技術(shù)創(chuàng)新來提高企業(yè)生產(chǎn)率5。近年來有大量的學(xué)者以理論及實(shí)證研究表明了人工智能對企業(yè)生產(chǎn)率的提高起到促進(jìn)作用，但是也有一些學(xué)者認(rèn)為人工智能存在“生產(chǎn)率悖論”，即人工智能對企業(yè)生產(chǎn)率的提高起到負(fù)面作用。其中Gordon R[4]認(rèn)為可能人工智能技術(shù)沒成熟到可以對企業(yè)生產(chǎn)率產(chǎn)生促進(jìn)作用。而對于造成人工智能“生產(chǎn)率悖論”的原因范曉男等[5]做出了更進(jìn)一步的研究表明，市場份額業(yè)績越好，企業(yè)規(guī)模越大，人工智能促進(jìn)生產(chǎn)率提升作用越小。但是其選用我國全制造業(yè)所有A股上市公司2015-2017年企業(yè)數(shù)據(jù)作為樣本數(shù)據(jù)，并用DID模型進(jìn)行分析。正如前文所說我國制造業(yè)人工智能技術(shù)普及率不到2%，這樣勢必造成相對于處理組，對照組數(shù)據(jù)過于龐大的情況。對于這一點(diǎn)，侯志杰和朱承亮[6]有不同的做法。他們選取人知名人工智能企業(yè)2012-2017年的數(shù)據(jù)作為樣本數(shù)據(jù)，并用OLS模型進(jìn)行分析，最終結(jié)論為企業(yè)規(guī)模雖然對企業(yè)技術(shù)進(jìn)步起到一定的負(fù)面影響，但因企業(yè)規(guī)模對技術(shù)效率存在著巨大影響，從而使得企業(yè)規(guī)模有利于企業(yè)生產(chǎn)率的提升。但是他們忽略了這些企業(yè)并非從2012年起就已經(jīng)應(yīng)用了人工智能技術(shù)。所以本文與上述研究不同，首先研究方法上本文采用DID模型，并且數(shù)據(jù)選取方面借鑒侯志杰和朱承亮的做法選取知名人工智能2011-2019年的企業(yè)數(shù)據(jù)，并對各個樣本企業(yè)的企業(yè)年報進(jìn)行關(guān)鍵詞搜索的方法，使用”AI、人工智能、智能智能化、智能制造，智慧城市，智慧交通，智能芯片，智能機(jī)器人”等關(guān)鍵詞，然后對搜索到的信息進(jìn)行人工分析[]，應(yīng)用人工智能技術(shù)以前的年份歸為對照組，之后的年份作為處理組。這樣做的優(yōu)勢在于可以規(guī)避對照組和處理組的體量不對等，又可以采用倍差法進(jìn)行實(shí)證研究。其次，本文不僅研究企業(yè)規(guī)模對人工智能企業(yè)生產(chǎn)率產(chǎn)生積極或消極作用出發(fā)，并對造成這一結(jié)果的影響渠道進(jìn)行說明。

2.論假說

首先，本文確定人工智能是科學(xué)技術(shù)上的一次重大的進(jìn)步。大多數(shù)的研究學(xué)者也認(rèn)為人工智能會提高生產(chǎn)率。所以提出如下的假說：

假說一：人工智能技術(shù)對企業(yè)全要素生產(chǎn)率的提升起到促進(jìn)作用。

但是鑒于新技術(shù)對生產(chǎn)率的促進(jìn)作用往往會受到企業(yè)規(guī)模的約束和調(diào)節(jié)[7]，本文的樣本企業(yè)均為我國A股上市并具有一定規(guī)模的企業(yè)，在規(guī)模越大的企業(yè)中，人工智能技術(shù)越不可能一次性普及到公司涉及到的所有部門或產(chǎn)業(yè)中，所以在規(guī)模大的企業(yè)中還可能引發(fā)“鮑莫爾成本病”，從而使得人工智能對生產(chǎn)率的促進(jìn)作用被削弱。綜上所述，提出如下的理論假說：

假說二：企業(yè)規(guī)模擴(kuò)使得對人工智能對企業(yè)的全要素生產(chǎn)率提升效果削弱。即人工智能技術(shù)對企業(yè)規(guī)模越大的企業(yè)生產(chǎn)率促進(jìn)作用越小。

二、研究設(shè)計(jì)

1.本數(shù)據(jù)選取及說明

首先，因中國統(tǒng)計(jì)局官網(wǎng)的國家數(shù)據(jù)中也未把人工智能定義為一個二位數(shù)或三位數(shù)行業(yè)。且前文中提到，中國的各行業(yè)人工智能普及率極低，最終決定本文的樣本數(shù)據(jù)選取具有代表性的知名中國人工智能企業(yè)數(shù)據(jù)進(jìn)行分析。

其次，本文為了數(shù)據(jù)的準(zhǔn)確性，選取各樣本公司在上海證券交易所及深圳證券交易所官網(wǎng)披露的企業(yè)年報作為數(shù)據(jù)來源。因上海及深圳證券交易所官網(wǎng)所披露的企業(yè)數(shù)據(jù)最早只能追溯到2010年，所以本文選取的數(shù)據(jù)年限為2010-2019年。

最終，我們選取Malmquist全要素生產(chǎn)率為本文中一個重要指標(biāo)，計(jì)算Malmquist全要素生產(chǎn)率需要用到t-1及t期的各投入要素，分別以t-1及t期所對應(yīng)的技術(shù)T為參數(shù)的距離函數(shù)。如果一年期的數(shù)據(jù)出現(xiàn)偏差將會直接影響到至少兩期Malmquist的指數(shù)準(zhǔn)確性，從而間接影響到全期Malmquist的指數(shù)準(zhǔn)確性。所以我們剔除①所有在2010-2019年有退市或暫停上市;②非經(jīng)營性損失[]造成企業(yè)巨額虧損狀況及業(yè)績極差的ST，ST*的企業(yè)。最終選定22家A股上市企業(yè)的205組樣本作為研究對象。

2.模型的構(gòu)建及說明

本文的研究課題為企業(yè)規(guī)模對人工智能企業(yè)的生產(chǎn)率影響，通過對數(shù)據(jù)的深入分析發(fā)現(xiàn)，所選定的22家A股上市公司其大部分在2014-2015年開始進(jìn)行人工智能技術(shù)的應(yīng)用。構(gòu)建回歸模型如下：

其中，i代表公司，t代表年份，代表變量及交叉變量系數(shù)，為誤差項(xiàng)。

首先，本文的被解釋變量為全要素生產(chǎn)率TFP，在這里我們參考R. Griffith et al.【7】的方法，用Malmquist生產(chǎn)率指數(shù)方法對企業(yè)的全要素生產(chǎn)率進(jìn)行測算。具體方法如下：

其中i代表公司，t代表年份，Y為企業(yè)利潤總額，L為勞動者數(shù)，K為資本存量，α為勞動附加價值，α=w/Y，w為勞動支出。

其次，本位的解釋變量為人工智能應(yīng)用虛擬變量DIFAI和企業(yè)規(guī)模FS。對企業(yè)是否完成人工智能技術(shù)應(yīng)用進(jìn)行分類并用人工智能應(yīng)用虛擬變量DIFAI表示。若完成人工智能技術(shù)應(yīng)用DIFAI=1，反之DIFAI=0。

最后，本文參考侯志杰和朱承亮【6】的研究，選取計(jì)量模型的控制標(biāo)量，包括公司收益質(zhì)量QOE，獲益能力PRO，運(yùn)營能力OPS及政府補(bǔ)貼GOV。

三、實(shí)證分析

1.準(zhǔn)回歸結(jié)果及分析

本文使用Stata16軟件進(jìn)行估計(jì)，對企業(yè)微觀數(shù)據(jù)進(jìn)行預(yù)處理從而得到計(jì)量模型中所需的面板數(shù)據(jù)，進(jìn)行基準(zhǔn)回歸結(jié)果。

對照組和處理組負(fù)二項(xiàng)分布固定效應(yīng)面板數(shù)據(jù)的估計(jì)結(jié)果如表二所示。表二（1）列僅納入核心解釋變量，以此作為比較基礎(chǔ)。表二（2）列進(jìn)一步的引入控制變量。根據(jù)表二（1）、（2）的結(jié)果表明，負(fù)二項(xiàng)分布假設(shè)下，人工智能技術(shù)對企業(yè)全要素生產(chǎn)率起到統(tǒng)計(jì)上1%顯著水平正向影響，且與預(yù)期符號相符。這說明企業(yè)應(yīng)用人工智能技術(shù)后較應(yīng)用之前全要素生產(chǎn)率得到了提升，證明了假說一成立。

為了進(jìn)一步的研究企業(yè)規(guī)模對人工智能企業(yè)全要素生產(chǎn)率影響，我們首先構(gòu)建人工智能應(yīng)用虛擬變量DIFAI和企業(yè)規(guī)模FS組成交叉項(xiàng)DIFAI*FS，并用企業(yè)全要素生產(chǎn)率對交叉項(xiàng)進(jìn)行負(fù)二項(xiàng)固定效應(yīng)回歸。表二（3） 、（4）列為企業(yè)規(guī)模對人工智能企業(yè)全要素生產(chǎn)率影響負(fù)二項(xiàng)回歸分析結(jié)果。表二（3）列僅納入核心解釋變量，表二（4）列進(jìn)一步的引入控制變量。表二（3） 、（4）列交叉項(xiàng)DIFAI*FS系數(shù)均統(tǒng)計(jì)上為負(fù)且在1%水平上顯著，這證實(shí)企業(yè)規(guī)模的擴(kuò)大會使人工智能技術(shù)對企業(yè)全要素生產(chǎn)率的促進(jìn)作用削弱。故假說二成立。進(jìn)而我們對面板數(shù)據(jù)進(jìn)行進(jìn)一步分析。分別以企業(yè)應(yīng)用人工智能技術(shù)前后的數(shù)據(jù)6，用企業(yè)全要素生產(chǎn)率對企業(yè)規(guī)模在控制變量的情況下進(jìn)行回歸分析。研究表明，企業(yè)應(yīng)用人工智能技術(shù)前系數(shù)在統(tǒng)計(jì)上顯著為正，在應(yīng)用人工智能技術(shù)后系數(shù)統(tǒng)計(jì)上顯著為負(fù)。這一結(jié)果也從側(cè)面證實(shí)了假說二的成立。

2.性檢測

（1）內(nèi)生性檢測

本文采用DWH（異方差）檢驗(yàn)方法檢測數(shù)據(jù)內(nèi)生性，DWH（異方差）檢驗(yàn)方法檢測數(shù)據(jù)內(nèi)生性，由表三可以看出，所有控制標(biāo)量的P值均大于0.1，即并不存在內(nèi)生性。

（2）安慰劑檢測

關(guān)于安慰劑，本文選取了本文所涉及到的企業(yè)，其在未應(yīng)用人工智能技術(shù)時的數(shù)據(jù)作為樣本數(shù)據(jù)進(jìn)行了安慰劑檢測，最終如表四（1）所示企業(yè)規(guī)模FS系數(shù)為正且1%顯著，這些企業(yè)在沒有進(jìn)應(yīng)用人工智能技術(shù)時，企業(yè)規(guī)模擴(kuò)大對全要素生產(chǎn)率起到正向調(diào)節(jié)作用。這一結(jié)果側(cè)面的證實(shí)了假說二的成立。

（3）兩期倍差法

因?yàn)楸疚牡乃袠颖酒髽I(yè)，并非在同一年份應(yīng)用人工智能技術(shù)，所以本文為了便于分析，模型二采用的多期倍差法進(jìn)行的實(shí)證分析。但是多期倍差法可能存在內(nèi)生性及時間序列相關(guān)的問題，內(nèi)生性問題已經(jīng)檢測排除，現(xiàn)在我們重新將所有的樣本以是否應(yīng)用人工智能技術(shù)進(jìn)行分類，即DIFAI=0的98組樣本為對照組，DIFAI=1的107組樣本為處理組。進(jìn)行二期倍差法回歸。其結(jié)果如表四（2）中所示，交叉項(xiàng)系數(shù)為負(fù)且1%水平顯著，這說明假說二依然成立。這一結(jié)論與前文多期倍差法回歸時結(jié)果保持一致。

（4）企業(yè)性質(zhì)

根據(jù)企業(yè)的實(shí)際控股人不同本文將樣本劃分為國有企業(yè)與非國有企業(yè)。由表四（3）、（4）可見對于非國有企業(yè)，假說一與假說二依然成立，且均保持統(tǒng)計(jì)上1%顯著水平。對于國有企業(yè)，人工智能技術(shù)的應(yīng)用對于企業(yè)全要素生產(chǎn)率的促進(jìn)作用的顯著水平有所下降，但依然在統(tǒng)計(jì)上5%水平顯著，但是企業(yè)規(guī)模使人工智能技術(shù)對企業(yè)全要素生產(chǎn)率的促進(jìn)作用效果削弱的結(jié)論變得不顯著，即對于國有企業(yè)假說一依然成立，但是假說二不成立。造成這一現(xiàn)象的原因可能是因?yàn)樽鳛楸疚臉颖镜?2家上市公司中僅有5家是國有控股公司，且只有46組樣本數(shù)據(jù)，所以無法排除因?yàn)闃颖緮?shù)據(jù)過少，系統(tǒng)性誤差造成了這一現(xiàn)象。

四、進(jìn)一步研究：影響渠道

通過上文的研究得出了企業(yè)規(guī)模的擴(kuò)大削弱人工智能技術(shù)應(yīng)用對企業(yè)全要素生產(chǎn)率的促進(jìn)效果，下面本文將通過進(jìn)一步的研究，確定企業(yè)規(guī)模的擴(kuò)大通過什么渠道負(fù)面影響了人工智能技術(shù)應(yīng)用對全要素生產(chǎn)率的促進(jìn)效果。

人工智能的概念便是用機(jī)器代替人，這一技術(shù)雖然從很大程度上改變了傳統(tǒng)的生產(chǎn)方式，甚至經(jīng)過日后的發(fā)展，可能達(dá)到完全的無人工參與生產(chǎn)模式。但是大多數(shù)的研究學(xué)者均是認(rèn)為人工智能僅是作為一種技術(shù)的進(jìn)步，而非新的生產(chǎn)要素影響著生產(chǎn)率。其中大部分人認(rèn)為人工智能是一種資本擴(kuò)展性技術(shù)（Sachs & Kotlikoof ;Graetz & Michaels ），還有一小部分人認(rèn)為人工智能是一種勞動擴(kuò)展性技術(shù)（Bessen），但是歸根結(jié)底，人工智能只是一種技術(shù)的進(jìn)步。而50年代，全要素生產(chǎn)率概念的提出者諾貝爾經(jīng)濟(jì)學(xué)獎獲得者羅伯特·M·索洛（Robert Merton Solow）將所有非勞動，資本這兩個要素的投入以外的所有影響全要素生產(chǎn)率的因素均歸結(jié)為技術(shù)進(jìn)步。綜上所述本文的兩個，本文的兩個解釋變量，人工智能應(yīng)用虛擬變量DIFAI和企業(yè)規(guī)模FS，只是通過對人工或資本的代替效應(yīng)，亦或通過提高人工、資本的使用效率，從而達(dá)到影響生產(chǎn)率。所以接下來我們通過勞動投入，勞動邊際效率，資本投入與資本使用效率確定企業(yè)規(guī)模的擴(kuò)大通過什么渠道負(fù)面影響了人工智能技術(shù)應(yīng)用對全要素生產(chǎn)率的促進(jìn)效果。構(gòu)建如下的回歸模型來進(jìn)一步檢驗(yàn)企業(yè)規(guī)模的擴(kuò)大通過什么渠道負(fù)面影響了全要素生產(chǎn)率：

Z分別表示①勞動投入，本文以當(dāng)期年度的勞動支出的自然數(shù)對數(shù)表示。②勞動邊際效率，本以當(dāng)期年度的企業(yè)經(jīng)營增加值與勞動支出之比表示，企業(yè)經(jīng)營增加值=企業(yè)稅前利潤+勞動支出。③資本投入，本文以上一期的企業(yè)物質(zhì)資本存量的自然數(shù)對數(shù)表示。④資本使用效率，以當(dāng)期年度的企業(yè)經(jīng)營增加值與上期企業(yè)物質(zhì)資本存量之比表示。

由表五（2）列三交叉項(xiàng)的系數(shù)統(tǒng)計(jì)上為正且顯著，我們可以得出如下的結(jié)論人工智能企業(yè)的企業(yè)規(guī)模擴(kuò)張可以通過提高勞動邊際效率從而提高人工智能技術(shù)對生產(chǎn)率提升的促進(jìn)效果。而根據(jù)表五（4）列可知，企業(yè)規(guī)模擴(kuò)張并未通過改變資本使用效率達(dá)到這一效果。而勞動邊際效益的提高意味著，企業(yè)原有的勞動及資本的配置平衡被打破。根據(jù)收益遞減曲線，我們可知此時企業(yè)應(yīng)該加大資本投入，亦或減少勞動投入使得企業(yè)重新回歸最優(yōu)勞動及資本的配置平衡。從而達(dá)到提高企業(yè)生產(chǎn)率的效果。表五（3）列的三交叉項(xiàng)的系數(shù)統(tǒng)計(jì)上為正且顯著也證實(shí)了這一點(diǎn)。表五（1）列三交叉項(xiàng)的系數(shù)統(tǒng)計(jì)上為負(fù)且顯著，通過擴(kuò)大勞動投入從而增大企業(yè)規(guī)模會削弱人工智能技術(shù)促進(jìn)企業(yè)生產(chǎn)率提升的效果。進(jìn)而我們通過對本文樣本面板數(shù)據(jù)進(jìn)一步分析發(fā)現(xiàn)，22家企業(yè)中僅有佳都科技，浪潮信息及機(jī)器人3家公司在應(yīng)用人工智能技術(shù)后資本存量的增長率超過了勞動支出的增長率，即應(yīng)用人工智能技術(shù)后，22家企業(yè)中僅有三家提高了資本投入比例。其余企業(yè)均在人工智能技術(shù)應(yīng)用后，反而不同程度的提高了勞動投入比例。22家企業(yè)勞動支出增長率平均是資本存量增長率的1.51倍，其中科大智能甚至達(dá)到了3.74倍，浪潮軟件達(dá)到了2.59倍。而這一結(jié)論與Acemoglu D&Restrepo P【1】提出的人工智能等技術(shù)的過度應(yīng)用，會導(dǎo)致企業(yè)資本與勞動配置平衡被打破，進(jìn)而有可能引起資本與勞動配置不當(dāng)，從而對生產(chǎn)率的提升起到負(fù)面的影響觀點(diǎn)一致。

綜上所述，人工智能技術(shù)的應(yīng)用，會通過提高企業(yè)勞動邊際效益，從而提高企業(yè)生產(chǎn)率。企業(yè)因在擴(kuò)大企業(yè)規(guī)模時增大了勞動投入比例，削弱人工智能技術(shù)對企業(yè)生產(chǎn)率的促進(jìn)效果。即企業(yè)規(guī)模擴(kuò)大對人工智能技術(shù)促進(jìn)企業(yè)生產(chǎn)率效果負(fù)面影響的渠道是勞動投入比例的增加。

五、結(jié)論與政策建議

（1）結(jié)論

本文基于2010-2019年人工智能企業(yè)上市公司面板數(shù)據(jù)，對企業(yè)應(yīng)用人工智能技術(shù)及企業(yè)規(guī)模對人工智能企業(yè)的全要素生產(chǎn)率的影響進(jìn)行了研究。前文通過理論分析表明，①人工智能技術(shù)的應(yīng)用會對企業(yè)全要素生產(chǎn)率的提升起到了促進(jìn)作用，②企業(yè)規(guī)模的擴(kuò)大對人工智能技術(shù)促進(jìn)企業(yè)全要素生產(chǎn)率提升的效果有負(fù)面影響。進(jìn)而本文通過進(jìn)一步的研究，人工智能技術(shù)促進(jìn)了企業(yè)勞動邊際效率的提升。進(jìn)而改變了企業(yè)原有的勞動，資本最優(yōu)配置平衡。企業(yè)因在擴(kuò)大企業(yè)規(guī)模時增大了勞動投入比例，削弱人工智能技術(shù)對企業(yè)生產(chǎn)率的促進(jìn)效果。

（2）政策建議

大多數(shù)的研究學(xué)者認(rèn)為，人工智能將引領(lǐng)新一代的科技革命，勢必造成傳統(tǒng)產(chǎn)業(yè)模式的變革，甚至能夠改變?nèi)藗儌鹘y(tǒng)的生活方式。正如研究結(jié)果表明，人工智能技術(shù)的應(yīng)用會提高企業(yè)的全要素生產(chǎn)率，應(yīng)當(dāng)提倡企業(yè)應(yīng)用積極應(yīng)用人工技能技術(shù)。但是正如人工智能技術(shù)的初衷，用機(jī)器代替人工。本文的研究結(jié)果也表明為了更好了利用人工智能技術(shù)帶來的生產(chǎn)率提升作用，企業(yè)應(yīng)該擴(kuò)大資本投入或者相應(yīng)的減少勞動投入，如若處理不當(dāng)會削弱人工智能技術(shù)對企業(yè)生產(chǎn)率的促進(jìn)作用，甚至反而會引發(fā)生產(chǎn)率下降。并基于考慮到人工智能技術(shù)時近年來才得到的飛速發(fā)展，人工智能技術(shù)遠(yuǎn)未達(dá)到成熟階段，且應(yīng)用的成功案例過少，市場上缺乏各產(chǎn)業(yè)與人工智能技術(shù)深度融合的經(jīng)驗(yàn)。提出以下建議：

①加速推動多產(chǎn)業(yè)，中小型企業(yè)優(yōu)先應(yīng)用人工智能技術(shù)，為軟硬件人工智能技術(shù)提供充分實(shí)踐應(yīng)用的平臺。在實(shí)踐中尋找經(jīng)驗(yàn)，完善人工智能技術(shù)與企業(yè)融合的具體措施，在逐步推廣至整個行業(yè)。

②扶持人工智能技術(shù)研發(fā)型企業(yè)及機(jī)構(gòu)，促進(jìn)人工智能技術(shù)的多元化，成熟化發(fā)展，并且降低人工智能技術(shù)應(yīng)用成本。同時加強(qiáng)人工智能專業(yè)在高校間的普及，源源不斷地為社會輸送人工智能技術(shù)性人才。并加強(qiáng)企業(yè)與高校間的互動，由企業(yè)向高校提出訴求，讓高校的人工智能研究更實(shí)用化。

③加快勞動集約型產(chǎn)業(yè)的發(fā)展，以應(yīng)對將來有可能發(fā)生的因人工智能技術(shù)的應(yīng)用，而造成的勞動力過剩的風(fēng)險。

注釋：

[1]全球人工智能發(fā)展報告（2018）烏鎮(zhèn)智庫 2019.04

[2]中國人工智能產(chǎn)業(yè)發(fā)展指數(shù)-2019 國家工業(yè)信息安全發(fā)展研究中心人工智能所）

[3]新一代人工智能發(fā)展規(guī)劃通知，www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

[4]全球人工智能發(fā)展報告（2018）烏鎮(zhèn)智庫 2019.04

[5]參見2017年埃森哲發(fā)布的《人工智能：經(jīng)濟(jì)發(fā)展新動力》咨詢報告， https：//www.accenture.com/us-en/insight-artificial-intelligence-future-growth.

[6]應(yīng)用人工智能技術(shù)前即DIFAI=0的數(shù)據(jù)為98組，應(yīng)用人工智能技術(shù)后即DIFAI=1的數(shù)據(jù)為107組

參考文獻(xiàn)：

[1]曹靜，周亞林.人工智能對經(jīng)濟(jì)的影響研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動態(tài)，2018（01）：103-115.

[2]吳永和，劉博文，馬曉玲.構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J].遠(yuǎn)程教育雜志，2017，35（05）：27-39.

[3]Daron Acemoglu and Pascual Restrepo. The Race between Man and Machine： Implications of Technology for Growth， Factor Shares， and Employment[J]. American Economic Review，2018，108（6）. PP.1488～1542.

[4]Robert J. Gordon. The Demise of U.S. Economic Growth： Restatement， Rebuttal， and Reflections[J].National Bureau of Economic Research，2014（11） . PP.95～98.

[5]范曉男，孟繁琨，鮑曉娜，曲剛.人工智能對制造企業(yè)是否存在“生產(chǎn)率悖論”[J].科技進(jìn)步與對策，2020，37（14）：125-134.

[6]侯志杰，朱承亮.中國人工智能企業(yè)全要素生產(chǎn)率及其影響因素[J].企業(yè)經(jīng)濟(jì)，2018，37（11）：55-62.

[7]R. Griffith， S. Redding and John V.R. “MAPPING THE TWO FACES OF R&D： PRODUCTIVITY GROWTH IN A PANEL OF OECD INDUSTRIES” The Review of Economics and Statistics， Vol. 86， No 4（Nov. 2004）. PP.883～895

作者簡介：王驍彬（1990—），男，陜西西安人，西安交通投資集團(tuán)有限公司市場開發(fā)主管，主要研究方向?yàn)榻?jīng)濟(jì)增長與可持續(xù)發(fā)展。