內容提要：人工智能作為數(shù)字經濟時代下的核心技術驅動力，能夠對企業(yè)生產、發(fā)展產生重大影響。通過爬取中國上市企業(yè)年報文本(2007-2019年)內容，構建了人工智能技術應用程度指標，并檢驗其對企業(yè)市場價值的影響。研究發(fā)現(xiàn)，人工智能技術應用能夠顯著提升企業(yè)市場價值，并展現(xiàn)出了較強的雙向行業(yè)溢出效應。特別地，非國有企業(yè)、高技術企業(yè)的人工智能技術應用更能夠帶來顯著的價值增升效果。機制檢驗發(fā)現(xiàn)，人工智能技術應用能帶來生產成本優(yōu)化、勞動雇傭結構升級、創(chuàng)新效率提升以及內外部預期改善，這些都有助于企業(yè)市場價值的提高。此外，還基于經濟政策不確定性水平進行深入探討，發(fā)現(xiàn)當其水平較高時，企業(yè)基于人工智能技術的應用能帶來更大的價值邊際驅動力。研究結論有助于中國未來的人工智能政策的制定和實施，為推動資本市場企業(yè)保值增值提供了新的經驗證據(jù)和政策建議。

一、 引 言

發(fā)展的本質在于捕捉驅動經濟報酬遞增的核心要素，而前沿技術變革是經濟新動能加速集聚的潛在驅動力。在“十四五”新階段，海量數(shù)據(jù)和前沿數(shù)字技術的雙向融合賦予創(chuàng)新轉型活動更大的加速度(蔡躍洲，2021)，原有依賴傳統(tǒng)有形生產要素驅動經濟發(fā)展的模式，將加快讓位于前沿科技的“乘數(shù)”“倍增”機制。在其中，人工智能作為典型的通用目的技術，是新時代構建長期性核心技術競爭優(yōu)勢的關鍵(湯鐸鐸等，2020)，也是提升經濟增長質量、效率和動力的重要工具。據(jù)《中國人工智能發(fā)展報告2020》顯示，2020年中國已成為人工智能技術專利申請量第一大國(占比達74.7%)；同年，人工智能核心產業(yè)規(guī)模達到3251億元，同比增長16.7%(數(shù)據(jù)源自《2021人工智能發(fā)展白皮書》)，已然成為數(shù)字經濟發(fā)展提質加速的核心動力。習近平總書記指出，“加快發(fā)展新一代人工智能是贏得全球科技競爭主動權的重要戰(zhàn)略抓手”。對此，中國政府對人工智能技術高度重視，并從政策層面持續(xù)為人工智能技術發(fā)展開拓空間(圖1)。特別地，自2020年新冠肺炎疫情全球大流行以來，兼具“供給—需求”的雙側沖擊本身也是新需求的催化劑，形成了數(shù)字化、智能化的演替新方向，人工智能技術的應用正逐步由拓展期進入深化期，全新的科技紅利將催生新業(yè)態(tài)、新模式，為企業(yè)轉型、產業(yè)優(yōu)化乃至經濟高質量發(fā)展添薪續(xù)力。

作為新時代新階段下最具革命性的數(shù)字化技術，人工智能將實現(xiàn)產品生產、財務決策等一系列工作任務的自動化(呂越等，2020)，大面積推廣的工業(yè)機器人則依照流線式的工藝開展高效率生產，不單促成了有效的勞動供給(Acemoglu和Restrepo，2020)，還實現(xiàn)了產出價格降低和勞動生產率增長的雙重擬合，由此顯著提升了企業(yè)生產率水平。在此基礎上，何宇等(2021)發(fā)現(xiàn)，中國依舊可以通過創(chuàng)新激勵政策、智能化技術培訓等一系列組合拳推動人工智能技術的發(fā)展，借助歷史機遇在新的賽道上進行追趕并有望完成“彎道超車”。然而，一個需要重點關注的現(xiàn)象是，同人工智能高速發(fā)展共存的特征事實，即是全球范圍內數(shù)十年來的經濟增長率放緩(Gordon，2018)。許多研究發(fā)現(xiàn)，人工智能技術發(fā)展對于生產效率和增加就業(yè)的“激勵型”發(fā)展路徑關注不多，反而是基于勞動力替代的“節(jié)約型”特征更為明顯，自動化技術在很大程度上削弱了勞動力在經濟增長中的貢獻比值(Acemoglu和Restrepo，2020)，形成了較為強烈的替代效應。甚至有研究認為，現(xiàn)階段人工智能尚未產生革命性的新業(yè)態(tài)新產業(yè)，對生產力的驅動作用也是緩慢的。從這個角度來看，實踐中人工智能產業(yè)的發(fā)展勢頭迅猛，同理論研究中基于人工智能技術應用績效觀點不一形成了鮮明對比。

習近平總書記曾倡議，“將‘新技術應用及其影響’作為一項重點工作深入研究，認真探索合作思路和舉措”。然而，目前的理論研究始終無法有效回應基于人工智能的經驗數(shù)據(jù)與應用實踐中的悖論。作為中國企業(yè)的核心力量，上市企業(yè)的人工智能技術應用績效如何？其中的差異化特征和影響機制是什么？上述問題的回答，在理論上有助于基于中國本土情境下回應人工智能技術應用的績效狀況；在實踐中能夠為企業(yè)更好地利用前沿數(shù)字技術提供建議，助力中國在新一輪科技革命中增強核心競爭力。有鑒于此，本文試圖構建“人工智能技術應用—上市企業(yè)市場價值”的框架，針對二者之間的關系存在性、結構特征以及機制等方面開展理論解讀和經驗分析。

本文的邊際貢獻在于：第一，采用年報文本大數(shù)據(jù)方式構造了企業(yè)人工智能技術應用程度變量，更為直觀地刻畫出中國上市企業(yè)在前沿技術上的應用狀況；第二，基于“人工智能技術應用—企業(yè)市場價值”的影響關系和溢出效應展開分析，并基于生產成本優(yōu)化、勞動雇傭結構升級、創(chuàng)新效率提升、內外預期改善四條路徑進行檢驗，豐富了對人工智能技術作用渠道的理解；第三，考慮到不確定性因素是當前全球經濟發(fā)展的重要特征，本文從經濟政策不確定性視角出發(fā)，分析人工智能技術應用對企業(yè)市場價值發(fā)揮作用的重要外部條件，為理解資本市場企業(yè)價值的動因提供了新的視角。

二、 理論分析與假說提出

基于歷史觀的角度來看，技術創(chuàng)新實踐中存在四種最為重要的通用目的技術，它們分別是蒸汽機、電力、內燃機和數(shù)字技術。作為當前主流數(shù)字技術市場的中堅力量，人工智能技術的發(fā)展呈現(xiàn)出典型的網(wǎng)絡經濟特征，在數(shù)字經濟時代下突破了自身的發(fā)展臨界點，形成了高密度技術創(chuàng)新集成體系。具體來看，人工智能的發(fā)展歷經了數(shù)理邏輯推理、概率建模計算與深度學習三個階段，無論其背后的支撐技術基礎發(fā)生何種變化，都可以將其歸類為信息通信技術(ICT)。這種技術具有典型的滲透性(與實體經濟深度融合)、替代性(對非機械的生產要素替代)和協(xié)同性特征(提升多種生產要素匹配度)，由此形成了典型的經濟創(chuàng)造性價值(蔡躍洲和陳楠，2019)。新一代的人工智能在解決經濟社會實踐中的專屬復雜問題上具有較為突出的優(yōu)勢，其作用路徑就在于“化繁就簡”式地將系統(tǒng)性的復雜問題解構成為若干相對簡單的預測歸類任務，根據(jù)任務屬性的不同來配置差異化的算法進行識別和處理，從而提高了工作針對性和解決問題的效率。在數(shù)字經濟時代下，海量非結構化、非標準化數(shù)據(jù)積累以及計算機算力的跨越式演進，更是為人工智能技術應用的快速發(fā)展提供了數(shù)據(jù)基礎與技術條件，由此提高了人工智能技術對企業(yè)的影響力。從人工智能驅動企業(yè)價值的角度來看，本文認為存在如下四條機制。

1. 人工智能技術應用與生產成本優(yōu)化

從外部層面來看，人工智能技術能夠有效幫助企業(yè)基于宏觀、產業(yè)經濟要素和市場消費者偏好變化等來評估、預測企業(yè)所面臨的市場環(huán)境(Agrawal等，2019)，基于前沿數(shù)字技術形成的高精度預測結果能夠幫助企業(yè)達成高效率的決策，如根據(jù)市場產品需求變化即時調整生產、銷售、存儲計劃，以達到降低成本的合意效果(Bajari等，2019)。從內部層面來看，人工智能技術的應用能夠改善企業(yè)內部的組織間信息傳遞問題，通過自動分類、規(guī)整信息并實現(xiàn)預測和調整，如在實踐中企業(yè)可以借助人工智能技術應用來摸排和監(jiān)控企業(yè)內部能耗級別較高的部門機構(或生產項目)，據(jù)此針對高消耗部門進行約束調整(或重新編排生產項目)，實現(xiàn)成本的有效降低。特別地，人工智能技術的應用能夠有效驅動企業(yè)內部生產項目向自動化變革，用機器來替代一部分勞動力，實現(xiàn)人工成本降低和產出效率的提升，對于企業(yè)而言，實踐中的生產成本優(yōu)化，毫無疑問將提高企業(yè)的經營績效，從而有助于企業(yè)提升其在資本市場中的價值。由此本文認為，人工智能技術應用能實現(xiàn)生產成本優(yōu)化，進而促進企業(yè)市場價值的增長。

2. 人工智能技術應用與勞動雇傭結構升級

從勞動雇傭總規(guī)模視角來看，人工智能技術作為數(shù)字經濟時代下的核心變革技術，本質上是人類機器自動化生產歷史軌跡的延續(xù)(或更高級階段)，考慮到人類特有的高度復雜性和創(chuàng)造性，即便是目前的高位階的人工智能也只能基于人的部分功能(任務)進行替代或分擔，其邊界十分有限。歷史經驗也充分表明，在多次重大技術革命后引致“機器替代人”的悲觀預測，似乎從未變成現(xiàn)實(蔡躍洲和陳楠，2019)。即前沿技術應用并沒有威脅到實體經濟的總勞動雇傭需求，反而是新技術興起帶來了許多新行業(yè)、新崗位，帶動了微觀企業(yè)乃至全社會的勞動雇傭總量增升。特別是人工智能技術應用帶來的成本的降低，客觀上增加了企業(yè)利潤水平，引致了自身生產規(guī)模的擴張，企業(yè)有激勵擴大勞動雇傭總量來推動生產可能性邊界向外移動。Acemoglu和Restrepo(2020)還觀測到，某單一企業(yè)的人工智能技術應用還會溢出到其他行業(yè)中去，從而推動其他行業(yè)勞動雇傭需求的增加。從勞動雇傭結構視角來看，人工智能技術作為當前最為前沿的數(shù)字技術，會衍生出一系列的新工種和新技術崗位，其在客觀上對勞動力的吸納具有相當?shù)钠蛐裕话銜尸F(xiàn)要求雇傭大量具有數(shù)字化、智能化技術積累的高素質工作人群的具體現(xiàn)象，而對于低端技能勞動力群體而言往往側重不多，人工智能技術甚至還會在一定層面上進行替代，從而騰挪出更多空間來吸納高技能勞動力。由此，人工智能技術應用對企業(yè)的勞動力雇傭結構產生了顯著優(yōu)化效應。不難發(fā)現(xiàn)，企業(yè)勞動雇傭規(guī)模的擴張和雇傭結構優(yōu)化的雙重疊加效應，意味著企業(yè)可以利用人工智能技術來提升勞動生產要素的配置能力，最大限度釋放勞動生產力的價值驅動紅利。從這個角度來看，人工智能技術應用能實現(xiàn)勞動雇傭結構升級，進而促進企業(yè)市場價值的增長。

3. 人工智能技術應用與效率、創(chuàng)新的雙提升

從生產效率的角度來看，人工智能技術應用能夠在已有豐富數(shù)據(jù)要素積累下進行前瞻性分析，通過數(shù)據(jù)處理、方案識別、程序化管理和自動化糾錯，使得企業(yè)內部供應鏈的協(xié)同擬合度大幅度提升，強化了信息和知識在企業(yè)內部的流動速率(楊虎濤，2020)，提高了內部資源的利用效率。特別地，人工智能技術的應用能夠極大降低信息捕捉和分析成本，能夠有效發(fā)現(xiàn)市場新需求的結構變化，并推動自身生產配置方向的優(yōu)化調整，從而避免了無效生產和低效利用的可能，由此會顯著提升企業(yè)的生產率水平。更為重要的是，人工智能技術的應用必然伴隨著更多的資本積累深化(程文，2021)，此時的要素生產效率也會進一步提升。從創(chuàng)新產出的角度來看，人工智能技術本身就是內生創(chuàng)新型數(shù)字化技術，可以歸結為“發(fā)明方法的發(fā)明”。這類智能化技術具備了自我優(yōu)化的能力，能夠在海量的信息和方案中搜尋匹配的要素組合模式，將企業(yè)“大海撈針”式的研發(fā)效率進一步提升，增強企業(yè)從已有技術創(chuàng)新方案中提煉新路徑的能力(或說把握技術創(chuàng)新演變軌跡和重要節(jié)點)，也能夠針對特定創(chuàng)新活動的風險衍生狀況進行預測并作出反應方案。確實，形成一種創(chuàng)造新技術的新方法，往往能夠對企業(yè)創(chuàng)新模式產生更為深遠的影響，而人工智能技術的應用恰恰能夠將企業(yè)的創(chuàng)新能力進行深度提升。從另外一個角度來看，人工智能技術應用在信息處理學習和反饋回路上相比人腦而言有著巨大的優(yōu)勢，可以幫助研發(fā)人員擺脫低質量的重復性工作，能夠將注意力集中到更有創(chuàng)造性的研發(fā)活動中來，企業(yè)的技術創(chuàng)新產出效能提升也在情理之中。從這個角度來看，人工智能技術應用能實現(xiàn)效率與創(chuàng)新的雙提升，進而促進企業(yè)市場價值增長。

4. 人工智能技術應用與內外部預期改善

從企業(yè)內部預期來看，人工智能技術作為更高位階的技術創(chuàng)新驅動力，更多地采用這類技術能夠在生產、管理、決策、創(chuàng)新等多個維度實現(xiàn)重大優(yōu)化，增強了企業(yè)的核心競爭力。前期研究指出，信息披露需求水平往往與企業(yè)的成長性水平呈正相關，企業(yè)內部的管理者所披露的信息也往往會具有更為濃厚的積極特性(吳非等，2021)。在此情境下，管理者會通過企業(yè)總結性質的年報文本更加主動地傳達有關企業(yè)利用人工智能技術(及其績效)的利好信號，從而增強了企業(yè)自身的積極預期和發(fā)展信心。從企業(yè)外部預期來看，在“十四五”規(guī)劃和遠景目標中，人工智能技術作為規(guī)劃中的前沿科技之首，展現(xiàn)出了相當?shù)闹匾院驼咧С旨t利。如若企業(yè)在生產發(fā)展實踐中采用了更多的人工智能技術，則會帶動企業(yè)外部的評價信息向好，減弱外部對于企業(yè)的不利評價和負面預期，從而顯著改善企業(yè)所面臨的外部輿論環(huán)境。進一步來看，在資本市場中的有效估值，離不開企業(yè)內外部所有信息集合形成的未來收益折現(xiàn)預期。從這個角度來看，人工智能技術應用能有效改善企業(yè)內外部的預期，進而促進企業(yè)市場價值增長。綜合上述討論，本文提出了如下核心假說：

假說：人工智能技術應用能夠顯著提升上市企業(yè)市場價值。

三、 研究設計

1. 數(shù)據(jù)來源

為研究人工智能技術應用對上市企業(yè)市場價值的影響，本文通過爬取中國上市企業(yè)財務指標和年報文本(2007-2019年)內容構建數(shù)據(jù)樣本，其中財務數(shù)據(jù)爬取自國泰安數(shù)據(jù)庫(CSMAR)、年報得自巨潮網(wǎng)。此外，本文對原始數(shù)據(jù)進行了如下清洗步驟：第一，剔除經營狀態(tài)存在異常的企業(yè)(ST、*ST、PT及期間退市企業(yè))；第二，剔除具有金融屬性的企業(yè)；第三，剔除當年進行IPO的樣本；第四，保留那些至少連續(xù)五年不存在數(shù)據(jù)缺失的樣本；第五，對所有連續(xù)型(非比值)變量進行上下1%的縮尾處理。

2. 變量設定

(1) 被解釋變量。上市企業(yè)市場價值(TobinQ)。在企業(yè)市場價值的測度上，本文采用了常見的刻畫公司績效和成長性指標(Morck等，1988； Bharadwaj等，1999)開展研究，即TobinQ=(總市值+總負債)/總資產。本文認為，傳統(tǒng)的上市企業(yè)財務指標更多地是映射出過往生產、創(chuàng)新等行為的績效，并不具備足夠的前瞻性特征。而人工智能技術應用更多地同企業(yè)未來的核心競爭力和價值有關，因此托賓Q值相對于上述傳統(tǒng)指標而言與本文所闡述的市場價值具有更高的匹配度。

(2) 核心解釋變量。人工智能技術應用(AI)。人工智能技術應用是一個較為抽象的概念，在上市企業(yè)年報中也沒有針對該技術應用進行專項的財務等信息數(shù)據(jù)的披露。囿于數(shù)據(jù)的可獲得性，以往對于人工智能發(fā)展的度量只能局限于籠統(tǒng)的“工業(yè)機器人”規(guī)模作為近似代理變量(李磊等，2021)。上述處理方法所面臨的問題在于，基于機器人安裝數(shù)量(投入金額)的數(shù)據(jù)大多停留在省級層面，無法直接精準對應到企業(yè)層面中，并且這類機器人的技術布局大多局限在中低端領域，同人工智能這種前沿的數(shù)字技術還存有一定的差異。更為重要的是，人工智能技術應用具有較強的滲透性(Pervasiveness)，會對企業(yè)研發(fā)、生產、管理等多個環(huán)節(jié)形成智能化的沖擊和改造優(yōu)化，而機器人的應用僅能在生產制造環(huán)節(jié)中刻畫其自動化水平，無法針對智能化的技術應用轉型進行有效度量。因此，采用機器人數(shù)據(jù)刻度可能會存在一定的偏差，也無法透視企業(yè)層面的人工智能技術演變規(guī)律。

本文認為，人工智能技術作為數(shù)字經濟時代下企業(yè)創(chuàng)新轉型發(fā)展的重要抓手，該領域的技術建設需要企業(yè)的重點關注和大力投入，這類信息會更傾向于體現(xiàn)在具有總結和戰(zhàn)略規(guī)劃的年報文本表達中。姚加權等(2020)的研究認為，企業(yè)年報文本信息作為典型的非結構化特征數(shù)據(jù)，具有多類別信息交叉和多元渠道輸出的特色，特別是在“高語境”為基本傳播特征的中國資本市場中，企業(yè)年報文本中蘊藏著極大的信息量。基于此，本文從上市企業(yè)年報文本數(shù)據(jù)中提取有關“人工智能”相關的關鍵詞詞頻來刻畫企業(yè)人工智能技術應用。

從變量設計的文本挖掘技術來看，本文基于Python爬蟲功能從巨潮資訊網(wǎng)下載歸集了滬深兩市A股上市企業(yè)的年度報告文本信息，為初步篩選形成數(shù)據(jù)池。在人工智能的特征詞確定上，本文基于吳非等(2021)的研究，鎖定了人工智能、商業(yè)智能、圖像理解、投資決策輔助系統(tǒng)、智能數(shù)據(jù)分析、機器學習、深度學習、智能機器人、語義搜索、生物識別技術、人臉識別、語音識別、身份驗證、自動駕駛、自然語言處理等15個特征詞。進一步地，利用Jieba分詞功能對數(shù)據(jù)池進行搜索、配對處理，得到了有關企業(yè)人工智能技術應用的分類關鍵詞詞頻。最后，將這些分類詞詞頻數(shù)進行加總，得到了最終的代理指標(對數(shù)化處理)。

(3) 控制變量。參考既有文獻，本文納入了一系列可能對核心關系具有影響的變量。具體包括，企業(yè)總資產的對數(shù)值(Lnasset)、杠桿率水平(Lev)、營業(yè)盈利能力(Profit，營業(yè)利潤與營業(yè)收入之比)、年齡及其平方項(Age、Age2)、第一大股東股權集中度(Share)、兩職合一(Mega，董事長與總經理兼任時取1，否則為0)、審計意見(Audit，審計單位出具標準無保留意見取0，否則為1)、機構持股占比(Institution)、股票換手率(Turnover)等變量。

3. 模型設定與實證策略

為檢驗企業(yè)人工智能技術應用對市場價值的影響，本文設定了模型(1)加以檢驗：

TobinQi,t=φ0+φ1AIi,t-1+∑βCVsi,t+∑γInd+∑μYear+εi,t

(1)

其中，TobinQ為本文的被解釋變量，AI為本文的核心解釋變量，CVs則包括了前述的控制變量組，ε為隨機誤差項。有鑒于核心變量間影響效應的傳導可能存在一定時滯，本文采用滯后1期的人工智能技術應用變量進行回歸，以期緩解變量間互為因果的擾動。另外，時序上的宏觀經濟環(huán)境變化趨勢以及行業(yè)特質信息會干擾到“人工智能技術應用—企業(yè)市場價值”之間的關系，為避免上述對模型結果的沖擊，本文構建雙重固定效應模型(“時間—行業(yè)”)來吸收不可觀測因素的影響。

四、 實證結果與經濟解釋

1. 基準回歸

表1對人工智能技術應用與上市企業(yè)價值的基本關系展開實證研究。結果發(fā)現(xiàn)，在未納入控制變量集的檢驗中，人工智能技術變量(L.AI)的回歸系數(shù)為0.051且通過了5%的統(tǒng)計顯著性檢驗。在納入控制變量集后，相關核心變量的回歸系數(shù)彈性并未發(fā)生較大變化(0.049)，統(tǒng)計顯著性由5%提升至1%；同時從經濟意義來看，人工智能技術應用水平每增加1單位標準差(0.5116)，使得企業(yè)價值的平均提升幅度相當于樣本標準差的1.54%(0.049×0.5116÷1.6296)。基于上述分析可以發(fā)現(xiàn)，人工智能技術應用能夠有效帶來上市企業(yè)價值水平的提升，應用強度越大，其在股票市場上的價值越高。這為本文的核心假說提供了堅實的經驗證據(jù)支持。

表1 人工智能技術應用與上市企業(yè)價值

習近平總書記指出，“人工智能是引領這一輪科技革命和產業(yè)變革的戰(zhàn)略性技術，具有溢出帶動性很強的‘頭雁’效應”。這一效應可能帶來外部企業(yè)的學習或模仿效應，進而影響企業(yè)市場價值，對這種溢出效應的檢驗則十分必要。具體來看，人工智能技術應用除了會對自身產生影響，也有可能會將這種效應溢出到外部企業(yè)中去。類似地，外部其他企業(yè)的人工智能技術應用也可能會對本企業(yè)產生影響。有鑒于此，本部分內容主要從上述兩個方向的溢出效應來探索人工智能技術應用對企業(yè)市場價值的影響。首先，從“本企業(yè)對外部其他企業(yè)的溢出效應”維度展開檢驗。基于企業(yè)市場價值(TobinQ)，計算出同一行業(yè)內除了自身企業(yè)外所有企業(yè)的市場價值均值(TobinQ-Ind-1)，及其他各行業(yè)所有企業(yè)的市場價值均值(TobinQ-Ind-2)。其次，從“外部企業(yè)對本企業(yè)的溢出效應”維度展開檢驗?；谌斯ぶ悄芗夹g應用(AI)，計算得出同一行業(yè)內除自身企業(yè)外所有企業(yè)的人工智能技術應用均值(AI-Ind-1)，以及其他各行業(yè)所有企業(yè)的人工智能技術應用均值(AI-Ind-2)。

表2實證結果發(fā)現(xiàn)，本企業(yè)人工智能技術應用無論是對于本行業(yè)內的其他企業(yè)市場價值，抑或是其他各行業(yè)企業(yè)的市場價值都具有高度顯著的正向影響(回歸(1)和回歸(2))，表明企業(yè)自身開展人工智能技術應用后所產生的經濟福利，能夠外溢至其他企業(yè)中(并且這種外溢效應對于本行業(yè)內其他企業(yè)而言更為突出)。從另一個角度來看，行業(yè)內部其他企業(yè)的人工智能技術應用能夠帶動本企業(yè)的市場價值提升(回歸(3))，即便將行業(yè)口徑放大至外部其他行業(yè)企業(yè)的人工智能技術應用來看(回歸(4))，上述結論也同樣成立(并且外部其他行業(yè)企業(yè)的人工智能技術應用所能形成的價值帶動效應更大)。表2的實證研究，發(fā)現(xiàn)了企業(yè)人工智能技術應用對市場價值具有顯著正向且雙向溢出的效果，從而為理解人工智能技術應用的經濟后果提供了更加豐富的視角和經驗證據(jù)。

2. 穩(wěn)健性檢驗與內生性處理

本文的穩(wěn)健性檢驗由以下幾個部分構成。第一，延長時間窗口，考察人工智能技術應用在口徑更大的時間區(qū)間內的價值驅動效果。第二，剔除部分樣本，針對樣本中某些不可觀測卻可能實際影響核心關系的因素(樣本)進行剔除。第三，邊際效應分析，考察人工智能技術應用的單位變動所能造成的影響。第四，分位數(shù)識別檢驗，考察在不同的市場價值分位點上人工智能技術的影響。第五，更替變量結構，通過不同口徑的變量換算和回歸進行二次驗證。第六，內生性檢驗，采用工具變量法來減弱模型的內生性問題。

(1) 延長回歸時間窗口。表3的實證檢驗主要基于延長“被解釋變量—核心解釋變量”之間的時間窗口來識別其中可能的動態(tài)效應。在具體的處理上，本文首先針對人工智能技術應用變量進行了滯后2～4 期的處理，其次針對企業(yè)市場價值變量進行前置2～4期處理。實證結果發(fā)現(xiàn)，在人工智能技術應用的三組滯后項回歸中，人工智能技術的回歸系數(shù)均為正值(0.051、0.045、0.064)且至少通過了5%的統(tǒng)計顯著性檢驗；在企業(yè)市場價值的三組前置項回歸中，人工智能技術的回歸系數(shù)變化差異并不明顯(0.058、0.050、0.056)，也同樣呈現(xiàn)出穩(wěn)健的顯著水平。這兩部分實證結果充分表明，人工智能技術的應用具有較強的可持續(xù)特征，其對上市企業(yè)市場價值的驅動作用能在較長的時間段內維持，并形成了有效的正向疊加。從這個角度來看，重視人工智能技術的應用，對于企業(yè)市場價值潛力的增長而言有著非常重要的作用。

表3 穩(wěn)健性檢驗I：延長回歸時間窗口

(2) 剔除部分樣本。在表4的檢驗中，著重將某些特殊的樣本進行刪節(jié)，以排除某些不可觀測因素對核心關系的干擾。本文從“時間—地區(qū)—企業(yè)”三個層面對總樣本進行調整。一是從時間維度刪節(jié)樣本，考慮到樣本期(2007-2019年)中存在兩個重大外部不利金融沖擊(國際金融危機，2008年；中國股災，2015年)，這類沖擊會顯著干擾到資本市場上市企業(yè)的價值軌跡。因此，本文在回歸(1)中僅保留了2010年以后的數(shù)據(jù)集(考慮到金融危機的后效性，下同)，在回歸(2)中進一步剔除了2015年(含)以后的數(shù)據(jù)集。二是從空間維度刪節(jié)樣本，考慮到直轄市地區(qū)存在較強的政治、經濟特殊性，該類地區(qū)企業(yè)的技術應用和價值決定往往與其特殊的地域屬性有密切關聯(lián)，進一步地，東部地區(qū)的經濟發(fā)展成熟度較高，這往往也可能導致“人工智能技術應用—企業(yè)市場價值”中存在較強的內生性問題。有鑒于此，本文在回歸(3)和回歸(4)中分別剔除了直轄市和東部地區(qū)樣本企業(yè)。三是從企業(yè)維度刪節(jié)樣本?？紤]到本文的人工智能技術應用指標是基于上市企業(yè)年報文本大數(shù)據(jù)識別而來，而年報文本所透露的信息極有可能會“言過其實”抑或是“謹言慎行”，這些都不利于準確刻畫企業(yè)的人工智能技術應用水平。為了最大限度提升文本識別的質量，本文選擇了信息披露質量較高的年報樣本作為分析載體。在回歸(5)中，本文僅保留了那些經由證監(jiān)會年報披露質量考核級別為A、B級的樣本，在回歸(6)中，則將年報鎖定在經由“四大會計事務所”審計的樣本中。經由上述樣本刪節(jié)變換后不難發(fā)現(xiàn)，原有核心結論“人工智能技術應用有助于提升上市企業(yè)市場價值”的核心結論依舊沒有發(fā)生任何改變。

表4 穩(wěn)健性檢驗II：剔除部分樣本

(3) 邊際效應分析。在前述實證檢驗中確證了人工智能技術應用對企業(yè)市場價值的正向效果，但尚未解讀人工智能技術應用可能具有的邊際彈性。于此，本文基于人工智能技術應用(AI)進行了邊際分析(詳細的實證結果可參見圖2)。從圖例可以發(fā)現(xiàn)，在每一個邊際變動點上，其對企業(yè)市場價值的影響都保持著一個穩(wěn)定的正斜率。這意味著，隨著人工智能技術應用從較低程度(即圖2的左半部分)到較大程度(圖2的右半部分)，其對企業(yè)價值促進作用的邊際彈性逐漸上升。應當說，本部分的研究結論，同“越高的人工智能技術應用水平帶來了越高的市場價值”的核心假說在邏輯上是保持一致的。

圖2 穩(wěn)健性檢驗III：基于邊際效應的分析 圖3 穩(wěn)健性檢驗IV：分位數(shù)檢驗

(4) 分位數(shù)檢驗。隨著企業(yè)市場價值水平的提升，不同市場價值水平下的企業(yè)表現(xiàn)和行為可能存在較大的不同。對此，本身針對企業(yè)市場價值進行分位數(shù)層面的分析。從數(shù)據(jù)分析結果來看(圖3)，人工智能技術應用在條件分布的差異化分位點上，對企業(yè)市場價值形成了不同的作用強度。但需要注意的是，作用強度的擬合線及其置信區(qū)間始終在橫軸上方(這意味著人工智能技術應用一直保持著正向效果)，并且隨著企業(yè)市場價值分位點逐步上升，這種作用強度所帶來的價值驅動效應還有顯著增強的趨勢，從而展現(xiàn)出了一定的“錦上添花”的效果，這也為本文的核心結論提供了證據(jù)支持。

(5) 更替核心變量計算口徑。在表5的檢驗中，其最大的變化在于調整了變量的計算口徑，以重新核驗原有的核心基本關系。從核心解釋變量來看，針對原有的人工智能技術應用詞頻加總數(shù)，本文進一步考慮了年報文本的長短差異，以消除其中可能存在的規(guī)模效應。具體來看，針對AI的詞頻總數(shù)，本文將其分別除以年報中的詞匯數(shù)和句子數(shù)，得到AI-W(人工智能詞匯數(shù)與年報詞匯數(shù)之比)和AI-S(人工智能詞匯數(shù)與年報語句數(shù)之比)。從被解釋變量來看，本文還采用了凈資產收益率(ROE)來刻畫企業(yè)價值。特別地，借鑒了杜勇等(2017)的研究，以(營業(yè)利潤-投資收益-公允價值變動收益+對聯(lián)營企業(yè)和合營企業(yè)的投資收益)/總資產的方式刻畫了企業(yè)的未來主業(yè)發(fā)展業(yè)績(Perf)。實證結果發(fā)現(xiàn)，經由上述變量口徑的調整后，原有核心結論依舊沒有發(fā)生任何改變。

表5 穩(wěn)健性檢驗V：更替核心變量計算口徑

(6) 內生性檢驗：工具變量法。在表6中呈現(xiàn)的是采用工具變量后的回歸結果，本文具體采用的工具變量為同一區(qū)域內上市企業(yè)數(shù)量。本文認為該變量同時滿足相關性與排他性這兩個工具變量的基本要求：一方面特定區(qū)域內的上市企業(yè)數(shù)量越多(意味著集聚越大)，此類企業(yè)往往會面臨更加激烈的競爭，為了獲得更大的市場份額，企業(yè)往往有動力采用前沿數(shù)字技術(包括人工智能技術)來增強自身核心競爭力；另一方面轄域內的企業(yè)數(shù)目同企業(yè)在資本市場中的價值并沒有顯著關聯(lián)。綜上所述，本文基于“城市—省份”兩個口徑捕捉到了地區(qū)上市企業(yè)規(guī)模數(shù)量作為本部分研究的工具變量。

研究發(fā)現(xiàn)(表6)，工具變量的有效性得到了回歸結果的保證，其識別既無過度也無不足。同時在兩種口徑的工具變量調整下，具體回歸結果與基準模型基本一致(且顯著)。這表明，經過內生性的處理，原有的核心結論依舊是確當?shù)摹?/p>

表6 內生性處理：工具變量法

3. 異質性檢驗

本文認為，具有不同屬性特征的企業(yè)，自身在利用前沿數(shù)字技術時會存在一定的差異偏好，使得在相同強度的人工智能技術應用轉化成為企業(yè)價值時，可能會有非對稱的效果，基于這種差異的探討，有助于形成更具針對性的政策導向。有鑒于此，本文在全樣本的基礎上，以企業(yè)的產權屬性和科技屬性進行了分樣本的實證檢驗。

(1) 產權屬性差異檢驗。表7針對企業(yè)產權屬性特征差異(國有，非國有)展開了實證檢驗。研究發(fā)現(xiàn)，人工智能技術應用指標在國有企業(yè)組別中的回歸系數(shù)為-0.025，但t值偏小，無法通過任何慣常水平下的統(tǒng)計顯著性檢驗；而在非國有企業(yè)組別中，人工智能技術應用則有著明顯的價值驅動效應(L.AI的回歸系數(shù)為0.076且通過了1%的統(tǒng)計顯著性檢驗)。在交互項識別檢驗中，L.AI×L.SOE的系數(shù)為負值且通過了5%的統(tǒng)計顯著性檢驗，這也表明產權性質在其中扮演著負向調節(jié)的作用。

表7 異質性檢驗I：產權屬性差異檢驗

進一步地，本文采用預測邊際法進行異質性檢驗(圖4)。研究發(fā)現(xiàn)，對于兩類企業(yè)而言，隨著人工智能技術應用水平的提升，其對市場價值的預測邊際值都呈現(xiàn)上升趨勢。但具體來看，非國有企業(yè)預測邊際值的擬合線在更高的起點上有著相對陡峭的斜率，且置信區(qū)間更窄(意味著實證結果更加可靠)。上述多重手段均表明，人工智能技術對于非國有企業(yè)而言具有更為顯著的價值驅動效應。

圖4 企業(yè)產權屬性差異下人工智能技術應用對市場價值的非對稱效果

本文認為，國有企業(yè)基于國家信譽嵌入形成的制度優(yōu)勢，有助于國有企業(yè)保障其優(yōu)勢競爭地位，這類企業(yè)往往無需面對激烈的市場競爭，本身所具有的創(chuàng)新動能相對較弱，對于轉型創(chuàng)新領域的前沿技術也往往運用不足，這使得國有企業(yè)無法借助這類技術來服務企業(yè)自身的發(fā)展。相比之下，非國有企業(yè)往往需要通過有效競爭來占領市場份額，維系自身的生存與發(fā)展，借助于前沿技術增強核心競爭力，成為這類企業(yè)重點關注的領域。因此，非國有企業(yè)的人工智能技術應用相對更好，能夠在資本市場中形成有效的正向反饋回路，助推市場價值水平的顯著提升。

(2) 科技屬性差異檢驗。表8針對企業(yè)科技屬性特征差異(高科技，非高科技)展開了實證檢驗。研究發(fā)現(xiàn)，人工智能技術應用指標在高科技企業(yè)組別中的回歸系數(shù)顯著為正，而在非高科技企業(yè)組別中，人工智能技術應用指標并未通過統(tǒng)計顯著性檢驗(t值僅為1.18)。在交互項識別檢驗中，L.AI×L.HT的系數(shù)同樣顯著為正，這也表明科技屬性在其中扮演著正向調節(jié)的作用。

表8 異質性檢驗II：科技屬性差異檢驗

進一步地，本文采用預測邊際法進行異質性檢驗(圖5)。研究發(fā)現(xiàn)，對于兩類企業(yè)而言，隨著人工智能應用水平的提升，其對市場價值的邊際預測值都保持正斜率狀態(tài)。但具體來看，高科技企業(yè)的預測邊際值的擬合線在更高的起點上有著更為陡峭的斜率，且置信區(qū)間更窄。上述多重手段均表明，人工智能技術對于高科技企業(yè)而言具有更為顯著的價值驅動效應。

圖5 企業(yè)科技屬性差異下人工智能技術應用對市場價值的非對稱效果

本文認為，高科技企業(yè)本身的科技創(chuàng)新特色導向與前沿的人工智能技術之間本就存在較大的相容性，作為數(shù)字經濟時代下的重要發(fā)展方向，人工智能技術也往往為高技術企業(yè)所重點關注。更為重要的是，高技術企業(yè)本身的組織架構、決策模式乃至創(chuàng)新的基礎軟硬件條件都更為適配前沿技術研發(fā)、應用和拓展，其在人工智能技術的使用和效力釋放上具有更為明顯的優(yōu)勢，能夠將其有效轉化成為企業(yè)的真實價值(績效)。相比之下，非高技術企業(yè)本身的發(fā)展導向就不在于銳意創(chuàng)新，自身的客觀條件與人工智能技術應用之間也存在一定的錯配。由此，這類企業(yè)的企業(yè)價值難以得到人工智能技術應用的有效驅動。

五、 人工智能技術應用對企業(yè)價值的影響機制

前述實證檢驗基于人工智能技術應用與企業(yè)價值的關系及其異質性特征展開，雖內容豐富，但并未打開其中的機制黑箱。因此在本部分中將針對這一機制進行識別和確證。順延前文理論邏輯，本文從“生產成本優(yōu)化”“勞動雇傭結構升級”“創(chuàng)新效率提升”以及“內外預期改善”四個維度進行識別檢驗。

1. 生產成本優(yōu)化路徑

在表征“生產成本優(yōu)化”這一路徑的變量中，本文選取營業(yè)成本率(O-Cost)與管理費用率(M-Cost)作為機制變量。具體來看，營業(yè)成本基于營業(yè)成本/ 營業(yè)收入計算得出；管理費用率則通過管理費用/主營業(yè)務收入得到。

在表9的實證檢驗中，采用遞進式的方法(首先不納入控制變量，進而再引入，下文同)開展研究。結果發(fā)現(xiàn)，無論是在以營業(yè)成本率抑或是管理費用率為機制變量的檢驗中，人工智能技術變量的回歸系數(shù)均為負值且顯著性水平都較高，說明人工智能技術應用能夠有效降低企業(yè)的營業(yè)成本和管理費用。本文認為，人工智能技術的應用能夠在大量數(shù)據(jù)中開展建模和學習，不單能夠降低企業(yè)內部不同部門之間的信息傳導不對稱性，還能尋找到適配企業(yè)特征的生產、管理的最優(yōu)路徑，通過自動化的方式提高效率并減少生產管理活動中的差錯，降低經營管理實踐中的摩擦(如銷售和生產儲備之間的錯配等)，由此釋放出更多的人力資本來開展更具戰(zhàn)略性的生產工作，由此顯著降低了企業(yè)在經營管理過程中衍生出的各類成本。不難理解，成本率的降低為企業(yè)的生產發(fā)展打開了更廣闊的空間，也為企業(yè)在資本市場中的表現(xiàn)奠定了成本基礎，帶來了企業(yè)價值的提升。

表9 機制識別檢驗I：營業(yè)成本與管理費用

2. 勞動雇傭結構升級

在表征“勞動雇傭結構升級”這一路徑的變量中，本文選取企業(yè)雇傭員工總規(guī)模(LnEmployee)與雇傭員工結構(Employee-stru)。具體來看，企業(yè)雇傭員工總規(guī)模以企業(yè)勞動力總雇傭人數(shù)的對數(shù)值進行測度(王永欽和董雯，2020)；企業(yè)雇傭員工結構則參照了已有文獻的做法(Acemoglu，2002；寧光杰和林子亮，2014)，以員工的本科學歷為界限，高于本科學歷的員工劃分為高技能員工組別，低于本科學歷的則歸類到低技能員工組別中，并采用本科及以上學歷的員工數(shù)與專科及以下學歷的員工數(shù)的比值來刻畫勞動雇傭結構的優(yōu)化程度。

在表10的實證檢驗中發(fā)現(xiàn)，人工智能技術的應用對于企業(yè)的員工雇傭總規(guī)模而言并未產生所謂“替代效應”。相反，L.AI的回歸系數(shù)均為正值且呈現(xiàn)出高度顯著的狀態(tài)，這意味著人工智能技術應用顯著增加了企業(yè)的勞動雇傭規(guī)模。進一步從勞動雇傭結構來看，人工智能技術應用指標顯著提升了高技能員工的占比強度，帶來了勞動雇傭結構的顯著優(yōu)化。本文認為，人工智能技術的應用能夠有效實現(xiàn)降成本和提效率，為激勵企業(yè)擴張?zhí)峁┝丝陀^條件，企業(yè)將有著更大的需求雇傭更多勞動力來進行生產。特別地，人工智能技術應用會創(chuàng)造出更多類型的生產業(yè)態(tài)，從而有更多的工作崗位需求。進一步地，人工智能技術的應用也會提升企業(yè)對于高技能崗位互補的勞動力需求，使得企業(yè)內部勞動雇傭的結構得到優(yōu)化和提升。順延上述邏輯，當企業(yè)實現(xiàn)了雇傭總規(guī)模和結構的雙重優(yōu)化時，意味著企業(yè)對自身的勞動要素稟賦配置和使用都達到了一個較好的水平，這能夠顯著改善企業(yè)的經營績效，有助于企業(yè)市場價值水平的提升。

表10 機制識別檢驗II：企業(yè)雇傭員工規(guī)模與雇傭結構

3. 創(chuàng)新效率提升路徑

在表征“創(chuàng)新效率提升”這一路徑的變量中，本文選取企業(yè)全要素生產率(TFP)和發(fā)明專利創(chuàng)新產出(Lnpati)作為機制變量。具體來看，采用Levinsohn和Petrin(2003)的LP法來計算全要素生產率；并使用特定企業(yè)當年專利申請數(shù)量表征其創(chuàng)新水平(龍小寧和林志帆，2018)。

在表11的實證檢驗中發(fā)現(xiàn)，人工智能技術的應用一方面有效提升了企業(yè)的全要素生產率，另一方面也增強了企業(yè)的創(chuàng)新動能(L.AI在這兩個組別中的回歸系數(shù)均為正值且高度顯著)。本文認為，人工智能技術的應用能夠在海量數(shù)據(jù)的基礎上幫助企業(yè)預測最優(yōu)決策，并基于自動化轉型實現(xiàn)低端生產要素的節(jié)約和替代，實現(xiàn)生產要素的最優(yōu)配置和重新排產，改善了生產效率。順延上述邏輯，人工智能技術的應用會強化要素之間的耦合效果，實現(xiàn)“降成本”和“提效率”的雙重優(yōu)化，這為企業(yè)內部的技術創(chuàng)新提供了良好的技術基礎和生產條件。顯然當企業(yè)全要素生產率上升則意味著企業(yè)的生產質量和要素配置能力得以加強，這反映在資本市場中，便是其價值水平的提升。同理，在企業(yè)擁有了更強的創(chuàng)新潛能時，自身的核心競爭力往往更加強化，由此也能為企業(yè)市場價值增升帶來內在驅動力。

表11 機制識別檢驗III：全要素生產率與技術創(chuàng)新

4. 內外預期改善路徑

在表征“內外預期改善”這一路徑的變量中，本文選取年報正向語調(Tone-P)與新聞負面評價占比(News-N)。具體來看，年報正向語調是在歸集企業(yè)年報文本信息基礎上，參考Loughran和McDonald(2011)形成的LM詞典，鎖定年報中的詞匯性質和總詞匯數(shù)，并計算出企業(yè)正向的積極凈語調Tone-P=(積極詞匯數(shù)—消極詞匯數(shù))/年報詞匯數(shù)得來；新聞負面評價占比則借鑒了杜金岷等(2020)的方法，基于《中國重要報紙全文數(shù)據(jù)庫》進行報道基調的分類，計算出負面報道占據(jù)總報告的比重來進行刻畫。

在表12的實證檢驗中發(fā)現(xiàn)，一方面，人工智能技術的應用使得企業(yè)年報的語調更加積極樂觀；另一方面，人工智能技術應用也降低了外部網(wǎng)絡新聞對企業(yè)的負面評價比例。這是因為，人工智能技術作為數(shù)字經濟時代下的一個關鍵性突破技術，由該項技術應用形成的鏈式創(chuàng)新日益活躍，無論是政府部門、產業(yè)部門抑或是科研部門，都將人工智能技術作為提升核心競爭力的重要抓手。企業(yè)基于人工智能技術開展應用，會使得企業(yè)內部對未來的預期向好，也會消解部分外界對企業(yè)抱有的負面評價。從這個角度來看，上市企業(yè)市場價值的一個重要影響因素即在于市場主體的預期，當這種預期在內外部都具有顯著改善時，能夠帶來企業(yè)價值的有效提升。

表12 機制識別檢驗IV：年報正向語調與新聞負面評價

六、人工智能技術應用影響企業(yè)價值的外部條件：經濟政策不確定性視角

自2008年以來，一系列重大的政治經濟事件對中國經濟增長帶來了結構性的影響，使得經濟環(huán)境不確定性陡增；加之2020年新冠肺炎疫情爆發(fā)和蔓延，更是沖擊了市場中“供給—需求”兩端的穩(wěn)定。這一不確定性的壓力或許能提升競爭強度，倒逼企業(yè)變革，甚至激發(fā)其對前沿技術應用(如人工智能)的需求。Knight(1921)的“不確定性主張”認為，不確定性本質上是企業(yè)利潤的源頭，這種不確定性下蘊含的巨大收益，是企業(yè)創(chuàng)新變革的潛在驅動力。面對數(shù)字經濟高質量發(fā)展的新趨勢新導向，以及不確定性環(huán)境下衍生出的人工智能技術新需求，顯然會對企業(yè)的市場價值造成影響。基于現(xiàn)有文獻來看，經濟政策不確定性能夠借助激勵和選擇效應來驅動企業(yè)創(chuàng)新(顧夏銘等，2018)。也有文獻認為不確定性下的企業(yè)會更加偏好脫實向虛并抑制創(chuàng)新，從而降低了企業(yè)生產效率(王麗納等，2020)。在理論上，現(xiàn)有文獻對于經濟政策不確定性下的企業(yè)創(chuàng)新發(fā)展持有的觀點并不一致，在這種情景下對企業(yè)市場價值的影響并不明確，而在實踐中，不確定性高企的大環(huán)境將在很長一段時間內成為全球發(fā)展的重要態(tài)勢?；诖耍凇叭斯ぶ悄芗夹g應用—企業(yè)市場價值”關系中嵌入經濟政策不確定性元素，具有深刻的理論意義和實踐指導價值。

為了回答上述問題，本文借鑒Baker等(2016)的方法，手動計算相關指數(shù)來衡量中國經濟政策不確定性(EPU)，并開展邊際預測值檢驗(圖6)。研究發(fā)現(xiàn)，在不確定性水平較低的區(qū)域，人工智能技術應用對企業(yè)市場價值的邊際效應處在低位；反之人工智能技術應用對企業(yè)市場價值的邊際驅動力則開始顯著上升。整體來看，隨著經濟政策不確定性的增加，人工智能技術應用對企業(yè)價值的邊際效應也是逐步增加的，并且在這一貫的過程中，這種邊際效應都保持著較為顯著的狀態(tài)(置信區(qū)間較窄)。本文認為，在經濟政策不確定性較大的情形下，企業(yè)有著較大的動機應用前沿的人工智能新技術，以求在不確定環(huán)境中尋求到新的利潤點，這顯著帶動了前沿技術的開發(fā)、應用和拓展，并由此對企業(yè)的長遠發(fā)展和市場價值起到了顯著的裨益。本部分實證結果從外部宏觀環(huán)境的不確定性特征出發(fā)，進一步論證了人工智能技術的應用能夠深度打開企業(yè)發(fā)展空間，在新時代構建新發(fā)展格局的重大戰(zhàn)略目標下，為企業(yè)發(fā)展轉型指明了方向。

圖6 人工智能技術應用、經濟政策不確定性與企業(yè)市場價值

七、研究結論和政策建議

人工智能技術作為數(shù)字經濟時代下前沿技術發(fā)展的重要抓手，會對中國企業(yè)產生重要影響。本文基于中國上市企業(yè)2007-2019年的年報文本信息，鎖定了與人工智能技術應用有關的詞頻圖譜，并基于大數(shù)據(jù)爬蟲技術構建上市企業(yè)人工智能技術應用的刻度指標。在此基礎上，本文研究了人工智能技術應用對上市企業(yè)市場價值的影響、結構特征、渠道機制以及外部重要條件等問題，為理解人工智能與實體經濟的深度融合提供了經驗數(shù)據(jù)的支撐。

研究發(fā)現(xiàn)，第一，企業(yè)人工智能技術的應用能夠顯著提升企業(yè)價值，本文通過延長回歸時間窗口、邊際分析、分位數(shù)分析、變更變量計算口徑以及工具變量法等一系列處理方式，進一步確證了前述核心結論的穩(wěn)健性。特別地，企業(yè)的人工智能技術應用對企業(yè)價值的提升作用還有顯著的雙向行業(yè)溢出效應。第二，不同特征的企業(yè)在受到人工智能技術驅動時的市場價值具有異質性影響。具體來看，非國有和高科技類別的企業(yè)在人工智能技術應用的驅動下，其市場價值呈現(xiàn)出顯著的上升趨勢，反之則并無明顯的變動。第三，人工智能技術應用能夠有效優(yōu)化生產成本(營業(yè)成本、管理成本的雙降低)，促進企業(yè)內部勞動雇傭結構升級(規(guī)?？偭俊⒏呒寄軉T工占比的雙提升)，提升效率與創(chuàng)新水平(全要素生產率與專利申請的雙提升)，改善企業(yè)內外部預期(年報文本積極語調提升與新聞負面評價減少)，為上市企業(yè)市場價值水平提升提供基礎。第四，人工智能的驅動作用將受到經濟政策不確定性水平的顯著影響。當其水平較高時，人工智能技術應用對企業(yè)市場價值的驅動力反而更為強勁。

上述結論具有如下政策意涵與啟示：第一，人工智能技術的應用切實強化了企業(yè)的市場價值，推動前沿人工智能技術與實體企業(yè)的深度融合，具有高度的實踐價值。中國政府應當順應數(shù)字經濟發(fā)展大趨勢，抓住可信前沿數(shù)字技術突破的關鍵機遇期，為企業(yè)創(chuàng)新轉型提供良好支撐。應進一步加快數(shù)字政府、數(shù)字社會建設步伐，通過數(shù)字中國建設來撬動微觀企業(yè)的前沿數(shù)字技術的研發(fā)、應用與拓展。應進一步加大對人工智能技術基礎研發(fā)領域的支持，運用多類別政策工具(稅收、金融、保險等)，支持上市企業(yè)開展技術攻關和科技成果轉移轉化。第二，實行差異化的政策分類供給，以針對性地最大限度釋放人工智能所蘊含的技術紅利。一方面，要加強對企業(yè)特征稟賦差異的識別，針對非國有企業(yè)和高科技企業(yè)進行專項的大力度技術研發(fā)支持和政策鼓勵，優(yōu)化其人工智能技術的創(chuàng)新和應用模式，從根本上提高人工智能技術應用的績效。另一方面，要積極引導國有企業(yè)、非高科技企業(yè)進行前沿技術應用的初步探索，打破體制機制障礙，在科學技術研發(fā)創(chuàng)新、平臺建設等內容上進行引導支持。政府部門在制定有關人工智能技術應用的鼓勵政策時，特別需要考量企業(yè)屬性差異所帶來的影響，提供更具有精準導向的政策支持。第三，重點打造新型技術基礎設施建設，以促進企業(yè)人工智能技術應用的擴散，推動數(shù)字經濟高質量發(fā)展。政府部門應將基礎設施建設導向逐步向物聯(lián)網(wǎng)、人工智能等領域傾斜，最大限度降低人工智能技術在各企業(yè)、各行業(yè)中研發(fā)、應用和拓展的成本，從而加快人工智能技術外溢效應的擴散，打通人工智能技術作用于上市企業(yè)的渠道機制，推動企業(yè)內部生產、技術結構的優(yōu)化升級，為企業(yè)高質量發(fā)展提供全新技術驅動力。