睢 博， 雷宏振

(陜西師范大學 國際商學院， 陜西 西安 710119)

一、 問題的提出

為了實現(xiàn)數(shù)字化與實體經(jīng)濟的融合，國務院于2015年首次提出《中國制造2025》戰(zhàn)略，全面推進實施制造強國戰(zhàn)略。2019年3月，李克強在《政府工作報告》中強調，要圍繞推動制造業(yè)高質量發(fā)展，拓展“智能+”，為制造業(yè)轉型升級賦能?！笆奈濉币?guī)劃指出要“推動數(shù)字經(jīng)濟和實體經(jīng)濟深度融合。以數(shù)字化轉型整體驅動生產(chǎn)方式、生活方式和治理方式變革”。隨著實體經(jīng)濟投入數(shù)字化懷抱，眾多企業(yè)擁抱智能化技術。然而，工業(yè)智能化的轉型困難重重，工業(yè)智能化的實施能否真正提升技術創(chuàng)新？工業(yè)智能化與技術創(chuàng)新之間的作用機制又是什么？這些問題都需要進一步進行研究。

持續(xù)提升企業(yè)創(chuàng)新能力是我國實施創(chuàng)新驅動戰(zhàn)略的重要保障，已有研究分別從產(chǎn)業(yè)政策以及制度保護和產(chǎn)業(yè)集聚層面對企業(yè)創(chuàng)新的影響進行研究。[1-3]工業(yè)智能化對技術創(chuàng)新影響的研究開始于諸多學者對人工智能的相關研究。目前，人工智能的相關研究主要集中在人工智能對經(jīng)濟增長、就業(yè)以及收入分配的影響。在宏觀經(jīng)濟增長方面，由于人工智能具有ICT(Information and Communication Technology，即信息和通信技術)的基本技術—經(jīng)濟特征，因此，人工智能通過滲透性、替代性以及協(xié)同性等技術特征，實現(xiàn)產(chǎn)業(yè)結構升級，進而影響國民經(jīng)濟增長。[4-5]人工智能還通過“機器學習”不斷誘發(fā)新的技術進步，改變了勞動力結構和資本積累，促進全要素生產(chǎn)率提升和經(jīng)濟高質量發(fā)展。[6-8]在就業(yè)和收入分配方面，以自動化為代表的人工智能對于復雜程度較高的高端就業(yè)崗位以及部分低端就業(yè)崗位替代能力不強，由此導致中端就業(yè)崗位比重相對下降，出現(xiàn)所謂的就業(yè)極化。[9-11]人工智能技術對工作重復性高、創(chuàng)造性低的行業(yè)沖擊更大。[12]工業(yè)智能化通過網(wǎng)絡化和信息化，使得勞動力擺脫了重復的勞動。智能化與工業(yè)化的結合會對企業(yè)內部的勞動力結構產(chǎn)生巨大的沖擊，企業(yè)使用廉價資本替代勞動力的同時，也加速了勞動力與其他資本的結合程度。[11]工業(yè)智能化的實施克服了手工勞動計算的低效率，計算機通過設置好的軟件系統(tǒng)進行信息的搜集、分析以及處理，增加信息的搜集和處理能力；也使研發(fā)人員擺脫了簡單的、重復的數(shù)據(jù)搜集和處理工作，可以全身心地投入到更加復雜的、高級的研發(fā)設計工作之中，企業(yè)創(chuàng)新效率顯著提升。[13]智能技術對制造業(yè)的滲透與改造使得企業(yè)的信息共享和處理能力大幅提升，企業(yè)之間“認知距離”突破行業(yè)和地理的限制，降低了企業(yè)創(chuàng)新過程中的信息收集的成本，提升企業(yè)創(chuàng)新產(chǎn)出。[14]關于工業(yè)智能化的研究方向與人工智能方向大體一致。[15]需要說明的是，按照科技革命理論劃分，工業(yè)智能化是第三次工業(yè)革命的核心，強調以人工智能系統(tǒng)替代人類的腦力勞動，是工業(yè)化的新類型及高級階段。[16]

綜上所述，從研究思路來看，已有文獻討論了工業(yè)智能化對經(jīng)濟增長以及就業(yè)的影響，工業(yè)智能化的實施，改變了勞動力結構、提升全要素生產(chǎn)率，進而提升經(jīng)濟增長。上述研究結論暗含一個基本觀點：即工業(yè)智能化一定引致技術創(chuàng)新。然而，工業(yè)智能化轉型并非一蹴而就，工業(yè)智能化與技術創(chuàng)新之間的關系是什么？工業(yè)智能化的實施能否真正提升技術創(chuàng)新？工業(yè)智能化與技術創(chuàng)新之間的作用機制又是什么？對于上述問題鮮有提及，涉及企業(yè)層面的研究更少。由于中國工業(yè)智能化始于2015年，時間維度短，已有研究在宏觀層面使用因子分析法測度工業(yè)智能化水平，在微觀層面則利用企業(yè)是否使用工業(yè)機器人作為工業(yè)智能化的替代變量，缺乏對工業(yè)智能化的有效度量。[15-17]基于以上認識，本文從微觀企業(yè)視角，利用雙重差分法研究工業(yè)智能化與技術創(chuàng)新之間的關系，并進一步討論工業(yè)智能化與企業(yè)技術創(chuàng)新之間的作用機制，為提高企業(yè)創(chuàng)新產(chǎn)出提供依據(jù)和建議。

二、 研究假設的提出

工業(yè)智能化是現(xiàn)代工業(yè)在機械化、電氣化、自動化的基礎上，通過網(wǎng)絡化和信息化，實現(xiàn)智能化的過程。在這一過程中，計算機通過設置好的軟件系統(tǒng)進行信息的搜集、分析以及處理，進而控制機器進行有序的生產(chǎn)。工業(yè)智能化的實施擺脫了手工勞動局限，增加信息的搜集和處理能力，不僅將勞動力從簡單重復的工作中解放出來，而且打破了不同行業(yè)之間的限制，加速了知識的流動和整合。[16]由此可見，工業(yè)智能化的基本特征是實現(xiàn)計算機代替腦力勞動的高級化過程。智能技術的應用有助于企業(yè)生產(chǎn)效率的提升，降低生產(chǎn)成本，緩解企業(yè)創(chuàng)新過程中面臨的不確定性，從而釋放內部創(chuàng)新動力，激發(fā)企業(yè)創(chuàng)新的積極性。[17]工業(yè)智能系統(tǒng)在信息搜集廣度和處理速度方面比人的腦力勞動更具有優(yōu)勢。在企業(yè)進行研發(fā)創(chuàng)新時，當研發(fā)人員擺脫了簡單的、重復的數(shù)據(jù)搜集和處理工作后，可以全身心地投入到更加復雜的、高級的研發(fā)設計工作當中，企業(yè)創(chuàng)新效率顯著提升。[13]工業(yè)智能化代替研發(fā)人員從事基礎性工作的同時，也擴大了企業(yè)對知識的學習和應用能力。然而，傳統(tǒng)的產(chǎn)業(yè)理論認為知識的學習具有高度地方化的特征，知識的流動僅僅發(fā)生在相關聯(lián)的企業(yè)之間，完全不相干的企業(yè)之間不會產(chǎn)生知識的共享和外溢。企業(yè)之間的“認知距離”可能過大或者過小，難以達到最優(yōu)的“認知距離”。[18]一定“認知距離”范圍內的企業(yè)更容易發(fā)生的知識的外溢。[19]智能技術對制造業(yè)的滲透與改造使得企業(yè)的信息共享和處理能力的大幅提升，企業(yè)之間的“認知距離”突破了行業(yè)和地理的限制，降低了企業(yè)創(chuàng)新過程中的信息搜集的成本，提升企業(yè)信息搜集的效率。[14]除此以外，工業(yè)智能化引起的就業(yè)極化現(xiàn)象激發(fā)了企業(yè)對高技能勞動者的需求，企業(yè)的人力資本隨之增加。在先進技術和機器設備快速更新的時代，高人力資本勞動者對企業(yè)創(chuàng)新的促進作用更為重要。[20-21]基于此，我們提出假設1：實施工業(yè)智能化有利于企業(yè)的技術創(chuàng)新。

傳統(tǒng)經(jīng)濟理論認為，勞動投入是經(jīng)濟增長的重要動力源泉之一。隨著我國進入老齡化社會，人口紅利逐漸消失。[8]勞動力市場供給不足引發(fā)勞動力市場價格持續(xù)上升。[22]勞動力成本的上升迫使企業(yè)尋找先進的技術和設備，提高企業(yè)生產(chǎn)效率，降低企業(yè)成本。[23]一方面，智能技術能夠將簡單重復的勞動通過計算機程序實現(xiàn)，與工業(yè)化的結合對企業(yè)內部勞動力結構發(fā)生巨大的沖擊，企業(yè)使用更加廉價的資本替代傳統(tǒng)勞動力，工業(yè)智能化的勞動力“替代效應”隨之發(fā)生。[11]企業(yè)內部從事一線工作的中技能勞動者在整體就業(yè)中的比重不斷下降，人們逐步擺脫了重復的低技能勞動，降低了企業(yè)低技能勞動力的需求。由于高技能勞動者從事大量復雜的、無序的工作，高技能勞動力受到的沖擊反而較小，在整體就業(yè)中的占比重逐漸增加。[10]另一方面，工業(yè)智能化導致了勞動力“互補效應”。工業(yè)智能化加速了勞動力與其他資本的結合程度，工業(yè)智能技術的應用促使企業(yè)生產(chǎn)人員“干中學”的效果得到加強，研發(fā)人員搜尋信息和學習知識的能力大幅提升。在研發(fā)投入既定的前提下，高技能勞動者對新知識的學習和應用效果更好，更加適合采用智能技術吸收外界紛雜無序的信息，將其轉化為自身所需的技術，生產(chǎn)新的產(chǎn)品。[21]無論是勞動力的“替代效應”還是“互補效應”，都暗含伴隨著工業(yè)智能化的實施，企業(yè)的勞動力結構發(fā)生了改變，高技能勞動力在整體就業(yè)中占比逐漸增加?；诖耍覀兲岢黾僭O2：實施工業(yè)智能化會改變企業(yè)的勞動力結構，進而提升企業(yè)技術創(chuàng)新水平。

融資約束是影響企業(yè)創(chuàng)新的重要因素之一，工業(yè)智能化使得企業(yè)使用更加廉價的資本代替勞動力，通過數(shù)據(jù)共享與組織柔性化提高了企業(yè)的生產(chǎn)效率，稱為工業(yè)智能化的“生產(chǎn)力效應”。[14]企業(yè)的大部分勞動者從重復性的勞動中釋放出來，企業(yè)的勞動力成本降低，節(jié)約了企業(yè)的自有資金，使企業(yè)轉而投向更加復雜的、高端的技術研發(fā)中，緩解了企業(yè)在研發(fā)過程中的融資約束。[24]除此以外，智能技術的應用將企業(yè)價值鏈中的研發(fā)、生產(chǎn)和銷售等環(huán)節(jié)緊密地聯(lián)系在一起，打破企業(yè)在上述環(huán)節(jié)的地理界限和行業(yè)邊界，會降低交易費用，促使企業(yè)將剩余的資金用于研發(fā)。由于知識的流動僅僅發(fā)生在相關聯(lián)的企業(yè)之間，采用智能化技術為不同企業(yè)之間交流建立了平臺，企業(yè)可以通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算進行信息、知識的交換和存儲，企業(yè)搜尋信息和學習知識的能力大幅度提升，提高了企業(yè)的知識溢出水平，降低企業(yè)研發(fā)過程中的不確定性，緩解企業(yè)面臨的融資約束，提升企業(yè)創(chuàng)新水平?；诖耍岢黾僭O3：實施工業(yè)智能化緩解了企業(yè)的融資約束，進而促進企業(yè)技術創(chuàng)新水平的提升。

三、 實證分析

(一) 變量選取與模型構建

1. 變量的選取

第一，被解釋變量。借鑒阿塔納索夫(J. Atanassov)等人以及溫軍和馮根福的研究，使用企業(yè)發(fā)明專利申請量和企業(yè)當年發(fā)明專利授權量反映企業(yè)的創(chuàng)新產(chǎn)出。分別記為Patentapply和Patentsq。[25-26]

第二， 解釋變量的選取。由于工業(yè)智能化的提出較晚，國內工業(yè)智能化數(shù)據(jù)匱乏，采用雙重差分法(Difference-in-difference)構建測度指標Zngyit×dit。先構建虛擬變量Zngyi，表示i企業(yè)是否實施工業(yè)智能化，實施的企業(yè)為1，其余為0；dit表示i企業(yè)實施工業(yè)智能化的年份，實施年份為1，其余為0。因此，Zngyit×dit表示t年工業(yè)智能企業(yè)是否實施工業(yè)智能化轉型，1表示實施，其余為0。

第三，控制變量。其一，公司特征變量。使用企業(yè)研發(fā)投入占營業(yè)收入比重表示企業(yè)的研發(fā)強度，記為Rmd。一般來說，企業(yè)規(guī)模越大，創(chuàng)新能力越強。借鑒漢森(Hansen)和希爾(Hill)的做法，采用公司總資產(chǎn)的對數(shù)值衡量企業(yè)規(guī)模，表示為Size。[27]使用凈資產(chǎn)負債率、流動比率和速動比率反映企業(yè)的償債能力，分別記為Jzcfzl、Ldbl、Sdbl；使用總資產(chǎn)周轉率反映企業(yè)營運能力，記為Laz；使用主營業(yè)務比率和管理費用與營業(yè)總收入之比反映企業(yè)的成長能力，分別記為Zyywbl、Glfybyysr。其二，行業(yè)特征變量。不同的行業(yè)具有不同的競爭程度、不同的產(chǎn)品模式和不同的技術升級換代速度，資產(chǎn)規(guī)模和企業(yè)價值均具有顯著差異。因此，為了控制行業(yè)差異對企業(yè)價值的影響，本文借鑒大衛(wèi)(David)等的做法，用行業(yè)凈資產(chǎn)負債率，行業(yè)凈資產(chǎn)收益率來反映企業(yè)的行業(yè)特征，分別記為Indus1和Indus2。[28]

2. 模型構建

第一，泊松回歸。由于企業(yè)專利數(shù)據(jù)符合泊松分布的假設，普通面板OLS估計會造成研究結果出現(xiàn)偏差，本文使用固定效應計數(shù)模型(HHG)驗證工業(yè)智能化對企業(yè)技術創(chuàng)新的影響[29]，其模型的設定形式如下：

E(Ptentit|xi1,xj1,…,xiT,c)=E(patentit|xit,ci

(1)

式(1)表示嚴格外生假定下HHG模型，i代表企業(yè)個體，t代表年份。其中，Patentit為被解釋變量，表示企業(yè)創(chuàng)新產(chǎn)出，xit為控制變量。Patentit服從均值為cim(xit,β0)的泊松分布。

第二，雙重差分?？紤]到工業(yè)智能化對企業(yè)創(chuàng)新的影響是一個長期過程，本文采用雙重差分法。由于被解釋變量為非負整數(shù)型數(shù)據(jù)，本文使用混合截面計數(shù)模型進行回歸，構建模型(2)：

E(patentit|xit,ci)=exp(β1zngyit+β2dit+β3zngyit×dit+xitβ+αi)

(2)

其中，Zngyi表示i企業(yè)是否實施工業(yè)智能化，dit表示i企業(yè)實施工業(yè)智能化的年份，Zngyit×dit表示工業(yè)智能化企業(yè)是否實施工業(yè)智能化轉型。由于不同企業(yè)實施工業(yè)智能化的時間并不相同。因此，本文使用異時性雙重差分處理微觀企業(yè)面板數(shù)據(jù)，構建模型(3)：

E(patentit|xit,ci)=exp(β1zngyit×dit+xitβ+αi)

(3)

為了刻畫工業(yè)智能化對企業(yè)創(chuàng)新的滯后影響，構建包含工業(yè)智能化滯后虛擬變量的模型(4)：

E(patentit|xit,ci)=exp(β1zngyit×dit+β2after1it+β3after2it+xitβ+αi)

(4)

其中，after1和after2分別表示工業(yè)智能化實施的時間滯后1期和滯后2期。

第三，傾向得分匹配。為了處理內生性問題，本文借鑒溫軍等人的研究方法，采用傾向得分匹配(PSM)方法為每個工業(yè)智能化企業(yè)匹配適宜的非工業(yè)智能化企業(yè)，盡可能使工業(yè)智能化的選擇過程由非隨機化向隨機化逼近，以減少企業(yè)創(chuàng)新水平對選擇過程的影響，從而緩解“反事實樣本數(shù)據(jù)”的缺失和內生性問題，保證回歸結果的有效性和準確性。[30]

(二) 數(shù)據(jù)來源與描述性統(tǒng)計分析

本文選擇滬深兩市全部A股上市公司的數(shù)據(jù)作為研究樣本。其中，企業(yè)發(fā)明專利申請量和專利授權量、企業(yè)研發(fā)強度指標均來自國泰安數(shù)據(jù)庫，其他上市公司財務指標來自萬得數(shù)據(jù)庫。由于上市部分財務指標以及專利數(shù)據(jù)無法更新到2020年，本文最終選取2010—2019年的上市公司作為研究對象。在樣本選取過程中，其一，剔除金融行業(yè)數(shù)據(jù)；其二，為了控制極端值的影響，對模型中的所有連續(xù)變量在1%的水平上進行縮尾處理；其三，剔除報告日與首發(fā)日的年份差額為負數(shù)的樣本；其四，剔除資產(chǎn)負債率大于100%的含有奇異值的樣本。最終確定的研究觀測值為1 878個。

表1表示相關變量的統(tǒng)計性描述，企業(yè)創(chuàng)新產(chǎn)出分別使用發(fā)明專利的申請量(Patentapply)和授權量(Patentsq)表示，企業(yè)當年發(fā)明專利申請和授權量的均值分別為8.116和11.681，標準差為27.540和37.944，表明企業(yè)發(fā)明申請和授權專利的變化比較大，企業(yè)間創(chuàng)新產(chǎn)出波動比較大；研發(fā)投入(Rmd)的均值為3.859，標準差為3.020，表明企業(yè)研發(fā)投入波動也較大。專利和研發(fā)數(shù)據(jù)的波動反映企業(yè)創(chuàng)新行為存在較大的差異。

表1 相關變量的統(tǒng)計性描述

(三) 基礎回歸

表1表示工業(yè)智能化對企業(yè)創(chuàng)新的回歸結果，模型(1)—(4)反映工業(yè)智能化對企業(yè)專利授權的影響。模型(5)—(8)反映工業(yè)智能化對企業(yè)專利申請的影響。從整體上看，泊松回歸的wald統(tǒng)計量和LL統(tǒng)計量結果良好，模型整體的擬合結果良好。模型(1)—(2)反映靜態(tài)條件下實施工業(yè)智能化對企業(yè)專利授權的影響。在控制時間效應和個體效應時，模型(1)中Zngy×d的回歸系數(shù)在1%的水平上顯著，然而，Zngy×d的系數(shù)為負，表示工業(yè)智能化在當期對企業(yè)專利授權的影響顯著為負。將工業(yè)智能化的時間滯后項引入模型(2)中，時間滯后項after1和after2的回歸系數(shù)均在1%的水平上顯著，且after1和after2的系數(shù)均為正。模型(2)的結果表明在滯后1期和滯后2期時，工業(yè)智能化的實施促進了企業(yè)專利授權的增加。模型(3)—(4)分別表示動態(tài)條件下工業(yè)智能化對企業(yè)專利授權的影響，模型(3)—(4)中Zngy×d、after1和after2的回歸系數(shù)在顯著性和方向上與靜態(tài)實證結果基本一致。比較模型(4)中after1和after2的系數(shù)，動態(tài)條件下工業(yè)智能化對企業(yè)專利授權的正向作用在滯后一期最為明顯，在滯后二期正向作用逐漸減弱。

模型(5)—(6)反映靜態(tài)條件下實施工業(yè)智能化對企業(yè)專利申請的影響。在控制時間效應和個體效應時，模型(5)中Zngy×d的回歸系數(shù)在1%的水平上顯著為正，表示當期工業(yè)智能化的實施顯著促進了企業(yè)專利申請。將工業(yè)智能化的時間滯后項引入模型(6)中，時間滯后1期的回歸系數(shù)均在1%的水平上顯著為正，滯后2期的回歸系數(shù)為正，但是在10%的水平上不顯著。比較模型(6)中不同時期工業(yè)智能化對企業(yè)專利申請的影響，引入工業(yè)智能化的時間滯后項之后，工業(yè)智能化對企業(yè)專利申請的當期正向作用減弱，滯后1期的正向作用最為明顯，滯后2期的正向作用并不顯著。模型(7)—(8)分別表示動態(tài)條件下工業(yè)智能化對企業(yè)專利申請的影響，模型(7)—(8)中Zngy×d和after1的回歸系數(shù)在顯著性和方向上與靜態(tài)實證結果基本一致。模型(8)中，工業(yè)智能化滯后2期的回歸系數(shù)為負，且在10%的水平上不顯著。比較模型(8)中不同時期的工業(yè)智能化對企業(yè)專利申請的影響，Zngy×d、after1和after2的系數(shù)在動態(tài)條件下工業(yè)智能化對企業(yè)專利申請的正作用在滯后1期最為明顯，在滯后2期并不顯著，且為負向作用。

從整體上看，工業(yè)智能化的實施促進了企業(yè)創(chuàng)新，假設1成立。這種正向促進作用在工業(yè)智能化實施滯后1期最為明顯。值得注意的是，比較工業(yè)智能化對企業(yè)專利申請和專利授權的影響，工業(yè)智能化對企業(yè)專利授權的正向作用在滯后1期和滯后2期顯著，工業(yè)智能化對企業(yè)專利申請的正向作用在當期和滯后1期顯著。工業(yè)智能化對企業(yè)專利授權和專利申請影響差異的原因可能是專利授權本身具有一定的滯后性。智能技術的應用使企業(yè)員工擺脫了重復的低技能勞動，增強企業(yè)吸收知識和應用知識的能力，增加企業(yè)間的知識溢出，降低企業(yè)研發(fā)中的不確定性。[18]工業(yè)智能化的應用促進了企業(yè)的創(chuàng)新，企業(yè)專利申請顯著提升。企業(yè)的專利申請并不一定最終被認可，只要經(jīng)過一定的程序審核，被國家專利認定機構認可的專利才能稱為專利授權。

(四) 基于傾向得分匹配的內生性處理

使用雙重差分(DID)方法分析工業(yè)智能化對企業(yè)技術創(chuàng)新影響時，存在兩個隱含的問題。一是存在“反事實樣本數(shù)據(jù)”缺失。現(xiàn)有數(shù)據(jù)僅能反映工業(yè)智能化實施后的企業(yè)創(chuàng)新水平，并不能反映企業(yè)未實施工業(yè)智能化的情況。二是工業(yè)智能化與企業(yè)創(chuàng)新之間可能存在一定的內生性。工業(yè)智能化的實施可能會影響企業(yè)創(chuàng)新，而企業(yè)創(chuàng)新的變化，反過來影響企業(yè)工業(yè)智能化的選擇，單純依靠雙重差分方法容易造成結果偏差。為了減少“反事實樣本數(shù)據(jù)”缺失和內生性造成的結果偏差，借鑒溫軍和馮根福的研究，使用傾向得分匹配(PSM)對工業(yè)智能化企業(yè)進行匹配，盡可能降低引發(fā)結果的偏差，保證回歸結果的有效性和準確性。[26]

通過構建影響企業(yè)是否實施工業(yè)智能化的logit模型，獲得處理組和控制組的傾向性得分，按照鄰近匹配規(guī)則進行一對一匹配。匹配完成后，對變量匹配效果進行檢驗。表3表示2015年實施工業(yè)智能化時處理組和控制組的控制變量變化情況。大部分變量匹配前后的標準化偏差小于10%，不存在顯著性差異。值得注意的是，Zyywbl匹配后的標準化偏差有所上升，然而處理組和控制組的標準化偏差上升幅度不大。從整體上看，按照鄰近匹配規(guī)則進行一對一匹配后，大部分控制變量的實驗組和控制組之間差異不在顯著，傾向得分匹配效果比較理想。

表2 工業(yè)智能化對企業(yè)創(chuàng)新的回歸結果

表3 經(jīng)過最鄰匹配處理后的控制組和處理組的偏差變化情況(2015年)

使用泊松模型對匹配后的樣本進行分析，檢驗工業(yè)智能化對企業(yè)創(chuàng)新的影響，結果見表4。表4與基準模型表2的形式一致，比較表3和表4的實證結果，我們發(fā)現(xiàn)匹配前后工業(yè)智能化對企業(yè)創(chuàng)新的影響基本一致。值得注意的是，工業(yè)智能化對企業(yè)專利授權的滯后1期和滯后2期影響在匹配后均有所增強，而對企業(yè)專利申請的影響在滯后2期有所減弱。上述結果表明，在控制影響企業(yè)是否實施工業(yè)智能化的因素后，對企業(yè)專利授權和專利申請的影響存在一定的差異，且這種差異存在一定的時滯性。從整體上看，匹配后工業(yè)智能化對企業(yè)創(chuàng)新的影響與匹配前無顯著差異，工業(yè)智能化對企業(yè)創(chuàng)新產(chǎn)生了正向促進作用，假設1成立。

表4 PSM后工業(yè)智能化對企業(yè)創(chuàng)新的回歸結果

(五) 工業(yè)智能化對企業(yè)創(chuàng)新影響的作用機制探討

進一步對工業(yè)智能化對企業(yè)創(chuàng)新影響的作用機制進行分析，通過對已有文獻的梳理和理論分析，本文重點關注工業(yè)智能化實施過程中的人力資本機制和融資約束機制。

首先，對勞動力結構進行檢驗。借鑒阿西莫格魯(Acemoglu D )等的勞動力分類標準，使用上市公司碩士以上職工人數(shù)占企業(yè)總人數(shù)比重表示企業(yè)的勞動力結構。[31]比較不同勞動力水平的工業(yè)智能化對企業(yè)創(chuàng)新的影響。表5反映勞動力結構作用機制下工業(yè)智能化對企業(yè)創(chuàng)新的影響。模型(1)—(2)表示勞動力結構作用機制下工業(yè)智能化對企業(yè)專利授權的影響。在模型(1)中，基期工業(yè)智能化的實施對高勞動力水平企業(yè)的專利授權產(chǎn)生正向影響，然而工業(yè)智能化對低勞動力水平企業(yè)創(chuàng)新的負向作用大于前者，因此基期工業(yè)智能化對企業(yè)專利授權的勞動力結構機制并不成立。同理，在模型(2)中，滯后1期工業(yè)智能化對企業(yè)專利授權的勞動力結構機制是成立的，假設2成立。基期和滯后2期工業(yè)智能化對企業(yè)專利授權的作用機制并不成立。依次分析模型(3)和(4)中工業(yè)智能化對企業(yè)專利申請的影響，模型(3)中，基期工業(yè)智能化對企業(yè)專利申請的勞動力機制不成立。在模型(4)中，工業(yè)智能化滯后1期對企業(yè)專利授權的勞動力結構機制是成立的，假設2成立。然而，基期和滯后2期工業(yè)智能化對企業(yè)專利授權的作用機制不成立。從整體上看，在滯后1期時，工業(yè)智能化對企業(yè)創(chuàng)新的勞動力結構機制是成立的，假設2成立。

表5 工業(yè)智能化對企業(yè)創(chuàng)新勞動力結構機制檢驗

其次，對融資約束機制進行檢驗。借鑒吳秋生和黃賢環(huán)的研究成果，使用SA指數(shù)衡量企業(yè)的融資約束。[32]表6反映融資約束作用機制下工業(yè)智能化對企業(yè)創(chuàng)新的影響。模型(1)—(2)表示融資約束機制下工業(yè)智能化對企業(yè)專利授權的影響。在模型(1)中，基期工業(yè)智能化的實施對高融資約束企業(yè)的專利授權產(chǎn)生負向影響，且工業(yè)智能化對低融資約束企業(yè)的創(chuàng)新的負向作用大于前者。因此，基期工業(yè)智能化對企業(yè)專利授權的融資約束機制不成立。同理，模型(2)中工業(yè)智能化滯后1期和滯后2期時，工業(yè)智能化對企業(yè)專利授權的融資約束機制成立，假設3成立。依次分析模型(3)和(4)中工業(yè)智能化對企業(yè)專利申請的影響。模型(3)基期工業(yè)智能化對企業(yè)專利申請的融資約束機制不成立。在模型(4)中，工業(yè)智能化對企業(yè)專利申請的融資約束機制均不成立。從整體上看，工業(yè)智能化對企業(yè)創(chuàng)新的融資約束機制僅對企業(yè)專利授權產(chǎn)生作用，且融資約束機制在工業(yè)智能化滯后1期和2期存在。

表6 工業(yè)智能化對企業(yè)創(chuàng)新融資約束機制檢驗

四、 研究結論與政策建議

本文研究了工業(yè)智能化對企業(yè)創(chuàng)新的影響，研究結論如下： 第一，工業(yè)智能化對企業(yè)創(chuàng)新產(chǎn)生正向作用，且工業(yè)智能化存在一定的時滯性； 第二，工業(yè)智能化的實施會優(yōu)化企業(yè)的勞動力結構，進而促進企業(yè)的創(chuàng)新水平提升； 第三，工業(yè)智能化對企業(yè)創(chuàng)新的融資約束機制僅對企業(yè)專利授權產(chǎn)生作用，且融資約束機制存在時滯性。針對上述結論，本文提出以下幾點建議：

第一，企業(yè)在進行工業(yè)智能化轉型時，需要保持更多的耐心，工業(yè)智能化對企業(yè)創(chuàng)新的促進作用并非一蹴而就，創(chuàng)新需要一定的周期才能實現(xiàn)；企業(yè)需要不斷加強高技能人才的引進和培養(yǎng)，為實施工業(yè)智能促進企業(yè)創(chuàng)新提供智力支持。第二，由于工業(yè)智能化的人力資本機制暗含了人力資本積累是工業(yè)智能化順利實施的關鍵所在，政府應當加大對相關人員的培訓，提高勞動者的人力資本水平。第三，政府有針對性地出臺有效的金融支持政策，緩解企業(yè)在工業(yè)智能化轉型和研發(fā)過程中的融資約束。

總之，通過企業(yè)和政府的不懈努力，工業(yè)智能化必將推動企業(yè)創(chuàng)新水平的提升，為經(jīng)濟高質量發(fā)展提供充足的動力。