張龍鵬 張雙志 胡燕娟

一、引言

在資本、勞動(dòng)力等生產(chǎn)要素的經(jīng)濟(jì)增長貢獻(xiàn)率減弱的背景下（劉偉、陳彥斌，2020；陸旸，2021），黨的十九大報(bào)告首次在官方層面明確提出要“提高全要素生產(chǎn)率”①資料來源：習(xí)近平：決勝全面建成小康社會(huì)奪取新時(shí)代中國特色社會(huì)主義偉大勝利——在中國共產(chǎn)黨第十九次全國代表大會(huì)上的報(bào)告，https://www.gov.cn/zhuanti/2017-10/27/content_5234876.htm。，黨的二十大報(bào)告再次強(qiáng)調(diào)要“著力提高全要素生產(chǎn)率”②資料來源：習(xí)近平：高舉中國特色社會(huì)主義偉大旗幟為全面建設(shè)社會(huì)主義現(xiàn)代化國家而團(tuán)結(jié)奮斗——在中國共產(chǎn)黨第二十次全國代表大會(huì)上的報(bào)告，https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm。，突出了“著力”二字，更加表明中國對(duì)提高全要素生產(chǎn)率的重視程度。提高全要素生產(chǎn)率是轉(zhuǎn)變中國經(jīng)濟(jì)增長動(dòng)力、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量和可持續(xù)發(fā)展的變革重點(diǎn)。但研究顯示，相對(duì)于資本和市場(chǎng)潛能，全要素生產(chǎn)率的經(jīng)濟(jì)增長貢獻(xiàn)率還比較低（程名望等，2019）。如何提高全要素生產(chǎn)率，增強(qiáng)其對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)率，便成為亟待解答的重大現(xiàn)實(shí)問題。在數(shù)字經(jīng)濟(jì)時(shí)代，已有文獻(xiàn)研究了互聯(lián)網(wǎng)、大數(shù)據(jù)、數(shù)字化轉(zhuǎn)型等對(duì)全要素生產(chǎn)率的影響（郭家堂、駱品亮，2016；邱子迅、周亞虹，2021；趙宸宇等，2021；郭吉濤、梁爽，2021），為我們從技術(shù)進(jìn)步和技術(shù)應(yīng)用的角度探索提高中國全要素生產(chǎn)率的路徑提供了很好的啟示。本文也將繼續(xù)在數(shù)字經(jīng)濟(jì)發(fā)展的背景下深入探討全要素生產(chǎn)率的影響因素。

隨著機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能核心技術(shù)的突破與發(fā)展，人工智能產(chǎn)業(yè)呈現(xiàn)出了快速發(fā)展的趨勢(shì)。Cockburn et al.（2018）指出，作為通用技術(shù)，人工智能能夠滲透到其他產(chǎn)業(yè)發(fā)展的各個(gè)環(huán)節(jié)。無論是在傳統(tǒng)產(chǎn)業(yè)領(lǐng)域，還是在新興產(chǎn)業(yè)領(lǐng)域，人工智能均得到了不同程度的應(yīng)用（郭凱明，2019；Cheng et al.，2019；張龍鵬、張雙志，2020），并對(duì)經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生了深刻的影響。黨的十九大報(bào)告明確提出“推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”①資料來源：習(xí)近平：決勝全面建成小康社會(huì)奪取新時(shí)代中國特色社會(huì)主義偉大勝利——在中國共產(chǎn)黨第十九次全國代表大會(huì)上的報(bào)告，https://www.gov.cn/zhuanti/2017-10/27/content_5234876.htm。，2021年中共中央政治局就推動(dòng)中國數(shù)字經(jīng)濟(jì)健康發(fā)展進(jìn)行第三十四次集體學(xué)習(xí)時(shí)再次強(qiáng)調(diào)要推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能同產(chǎn)業(yè)深度融合②資料來源：習(xí)近平主持中央政治局第三十四次集體學(xué)習(xí)：把握數(shù)字經(jīng)濟(jì)發(fā)展趨勢(shì)和規(guī)律推動(dòng)我國數(shù)字經(jīng)濟(jì)健康發(fā)展，https://www.gov.cn/xinwen/2021-10/19/content_5643653.htm?jump=true。?？梢姡苿?dòng)人工智能的廣泛和深入應(yīng)用已成為國家戰(zhàn)略。人工智能技術(shù)是互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù)的集大成者（張龍鵬、張雙志，2020），其應(yīng)用會(huì)產(chǎn)生更為重要和深遠(yuǎn)的經(jīng)濟(jì)社會(huì)影響。因此，本文致力于研究人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響，討論人工智能應(yīng)用如何更有效地推動(dòng)中國全要素生產(chǎn)率的提高。

自信息技術(shù)誕生以來，關(guān)于是否存在信息技術(shù)生產(chǎn)率悖論的爭論一直持續(xù)不斷。人工智能作為新一代信息技術(shù)的典型代表，其對(duì)全要素生產(chǎn)率的影響也自然受到了學(xué)者們的關(guān)注和研究。得益于工業(yè)機(jī)器人數(shù)據(jù)的完善，已有文獻(xiàn)主要基于制造業(yè)樣本，從機(jī)器人角度研究了人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響。Graetz and Michaels（2018）、Kromann et al.（2020）的跨國研究以及陳永偉、曾昭睿（2020）,Koch et al.（2021）基于中國、西班牙的研究均表明，機(jī)器人在制造業(yè)的應(yīng)用顯著地推動(dòng)了全要素生產(chǎn)率的提升。然而，也有學(xué)者指出，人工智能應(yīng)用不是全要素生產(chǎn)率提升的核心動(dòng)力（Cette et al.，2021；Park et al.，2021），甚至?xí)?duì)全要素生產(chǎn)率產(chǎn)生負(fù)向影響（郭敏、方夢(mèng)然，2018）。事實(shí)上，由于應(yīng)用程度、時(shí)滯效應(yīng)等因素，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響效應(yīng)不能從整體上一概而論。正如孫早、侯玉琳（2021）分別研究23 個(gè)行業(yè)所發(fā)現(xiàn)的，機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響在紡織服裝、通用設(shè)備等行業(yè)中顯著為正，在醫(yī)藥制造、計(jì)算機(jī)、儀器儀表制造等行業(yè)中不顯著，在煙草制造等行業(yè)中顯著為負(fù)。鄭瓊潔、王高鳳（2021）的研究也指出，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響存在顯著的地區(qū)異質(zhì)性?？傮w而言，長期來看，人工智能作為一種技術(shù)進(jìn)步，其應(yīng)用最終會(huì)帶來全要素生產(chǎn)率的提升。在人工智能應(yīng)用對(duì)全要素生產(chǎn)率影響的結(jié)論基本顯然的情況下，本文繼續(xù)實(shí)證研究人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響的目的在于三個(gè)方面：

第一，當(dāng)前的大多數(shù)研究主要是利用地區(qū)或行業(yè)層面數(shù)據(jù)來進(jìn)行，利用企業(yè)層面數(shù)據(jù)進(jìn)行實(shí)證分析的文獻(xiàn)相對(duì)較少，因此，本文希望利用中國上市公司數(shù)據(jù)對(duì)人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響進(jìn)行再分析，進(jìn)一步豐富這方面研究的維度。第二，現(xiàn)有文獻(xiàn)基本認(rèn)為，人工智能應(yīng)用可以通過技術(shù)創(chuàng)新來促進(jìn)全要素生產(chǎn)率提升，但沒有與企業(yè)價(jià)值鏈結(jié)合起來，然而不同企業(yè)價(jià)值鏈的人工智能應(yīng)用可能對(duì)技術(shù)創(chuàng)新的影響效應(yīng)不一致，從而對(duì)全要素生產(chǎn)率產(chǎn)生差異性的影響?；诖耍疚脑谄髽I(yè)價(jià)值鏈視角下，分析了人工智能應(yīng)用是如何通過技術(shù)創(chuàng)新來影響全要素生產(chǎn)率，同時(shí)構(gòu)建了人工智能在研發(fā)、生產(chǎn)、銷售等環(huán)節(jié)應(yīng)用的度量指標(biāo)，實(shí)證檢驗(yàn)了各個(gè)價(jià)值鏈環(huán)節(jié)的智能化發(fā)展對(duì)全要素生產(chǎn)率的影響。第三，不同行業(yè)企業(yè)價(jià)值鏈對(duì)人工智能應(yīng)用的需求是存在差異性的，那么不同行業(yè)不同企業(yè)價(jià)值鏈的智能化發(fā)展對(duì)全要素生產(chǎn)率的影響是否存在異質(zhì)性，是一個(gè)值得探討的話題。因此，本文根據(jù)價(jià)值鏈中主導(dǎo)環(huán)節(jié)的不同，將價(jià)值鏈區(qū)分為生產(chǎn)者驅(qū)動(dòng)型價(jià)值鏈與購買者驅(qū)動(dòng)型價(jià)值鏈，進(jìn)而討論價(jià)值鏈為生產(chǎn)者驅(qū)動(dòng)型的產(chǎn)業(yè)和購買者驅(qū)動(dòng)型的產(chǎn)業(yè)在不同價(jià)值鏈環(huán)節(jié)應(yīng)用人工智能對(duì)全要素生產(chǎn)率所產(chǎn)生的差異化影響。

基于上述實(shí)證原因，本文借助上市公司年報(bào)文本，通過提取與人工智能應(yīng)用相關(guān)的關(guān)鍵詞，構(gòu)造度量企業(yè)人工智能應(yīng)用的指標(biāo)，進(jìn)而實(shí)證檢驗(yàn)人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響。本文首先在企業(yè)層面實(shí)證人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響；其次借助技術(shù)創(chuàng)新視角分析人工智能應(yīng)用影響全要素生產(chǎn)率的機(jī)制；最后在技術(shù)創(chuàng)新視角的基礎(chǔ)上，進(jìn)一步結(jié)合企業(yè)價(jià)值鏈視角，實(shí)證分析人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響。

二、研究假設(shè)提出

信息技術(shù)的發(fā)展促使企業(yè)在不同產(chǎn)業(yè)間實(shí)現(xiàn)了技術(shù)、產(chǎn)品、業(yè)務(wù)和市場(chǎng)等多個(gè)層次的交叉和融合，進(jìn)而引發(fā)了產(chǎn)業(yè)融合理論的誕生（吳穎等，2004）。馬健（2002）將產(chǎn)業(yè)融合界定為，由于技術(shù)進(jìn)步和放松管制，發(fā)生在產(chǎn)業(yè)邊界和交叉處的技術(shù)融合，改變了原有產(chǎn)業(yè)產(chǎn)品的特征和市場(chǎng)需求，導(dǎo)致產(chǎn)業(yè)的企業(yè)之間競爭合作關(guān)系發(fā)生改變，從而導(dǎo)致產(chǎn)業(yè)界限的模糊化甚至重劃產(chǎn)業(yè)界限。Cockburn et al.（2018）在理論上說明了由于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等關(guān)鍵技術(shù)的發(fā)展，人工智能技術(shù)具備了通用技術(shù)的特征。根據(jù)產(chǎn)業(yè)融合理論，作為通用技術(shù)的人工智能技術(shù)必然會(huì)滲透到其他產(chǎn)業(yè)中，從而引發(fā)產(chǎn)業(yè)滲透、產(chǎn)業(yè)交叉和產(chǎn)業(yè)重組（胡漢輝、邢華，2003）。產(chǎn)業(yè)融合理論認(rèn)為，通用技術(shù)在產(chǎn)業(yè)中的應(yīng)用是一個(gè)熊彼特式的創(chuàng)造性破壞，進(jìn)而帶來新產(chǎn)品和新服務(wù)的出現(xiàn)（聶子龍、李浩，2003；吳穎等，2004）。馬?。?002）也認(rèn)為，高技術(shù)融入到其他產(chǎn)業(yè)中，是一個(gè)價(jià)值創(chuàng)造的過程，產(chǎn)業(yè)融合是推動(dòng)傳統(tǒng)產(chǎn)業(yè)創(chuàng)新的重要方式和手段。將產(chǎn)業(yè)融合理論的理論推斷延伸到人工智能應(yīng)用領(lǐng)域，我們可以認(rèn)為，人工智能技術(shù)在其他產(chǎn)業(yè)中的應(yīng)用也必然會(huì)推動(dòng)這些產(chǎn)業(yè)的技術(shù)創(chuàng)新。張龍鵬、張雙志（2020）的經(jīng)驗(yàn)研究也證實(shí)了人工智能與產(chǎn)業(yè)的融合發(fā)展具有顯著的技術(shù)創(chuàng)新效應(yīng)。人工智能應(yīng)用所產(chǎn)生的技術(shù)創(chuàng)新效應(yīng)會(huì)成為推動(dòng)全要素生產(chǎn)率增長的重要源泉。全要素生產(chǎn)率是指資本、勞動(dòng)力等要素投入之外的技術(shù)進(jìn)步、效率改善和非恒定規(guī)模報(bào)酬所導(dǎo)致的產(chǎn)出增加（郭慶旺、賈俊雪，2005；左暉、艾丹祥，2022）。一系列的實(shí)證研究表明了技術(shù)創(chuàng)新顯著地提升了全要素生產(chǎn)率（Griliches，1986；Tientao et al.，2016；程惠芳、陸嘉俊，2014）。涂正革、肖耿（2005）的研究更是指出，前沿技術(shù)進(jìn)步已經(jīng)成為全要素生產(chǎn)率增長的最重要?jiǎng)恿?。基于上述分析，提出研究假設(shè)1：

H1：人工智能應(yīng)用能夠帶來顯著的技術(shù)創(chuàng)新效應(yīng)，進(jìn)而推動(dòng)全要素生產(chǎn)率增長。

Milgrom and Roberts（1990）的企業(yè)信息化互補(bǔ)機(jī)制強(qiáng)調(diào)，企業(yè)的信息化、人力資本、互補(bǔ)型組織變革只有相互補(bǔ)充，才能取得預(yù)期的良好企業(yè)績效。何小鋼等（2019）的研究指出，大企業(yè)的信息技術(shù)應(yīng)用對(duì)企業(yè)生產(chǎn)率的促進(jìn)效應(yīng)強(qiáng)于中小企業(yè)，這得益于大企業(yè)具有雄厚的資金和技術(shù)優(yōu)勢(shì)來打造與信息技術(shù)應(yīng)用相匹配的企業(yè)環(huán)境。因此，我們認(rèn)為，規(guī)模較大的企業(yè)擁有更多的互補(bǔ)性資源與人工智能應(yīng)用形成協(xié)同效應(yīng)，對(duì)企業(yè)技術(shù)創(chuàng)新產(chǎn)生更強(qiáng)的促進(jìn)效應(yīng)，從而有助于全要素生產(chǎn)率實(shí)現(xiàn)更大幅度的提升。技術(shù)密集度高的企業(yè)聚集了一批高技能的勞動(dòng)者。人工智能應(yīng)用可以幫助這些高技能勞動(dòng)者從程序化的任務(wù)中釋放出來（何小鋼等，2019），使得高技能勞動(dòng)者能夠有更多精力投入創(chuàng)新性活動(dòng)。同時(shí)，高技能勞動(dòng)者可以更好地利用人工智能技術(shù)從事技術(shù)創(chuàng)新活動(dòng)。由此可以推斷，對(duì)于技術(shù)密集度高的企業(yè)而言，人工智能應(yīng)用的全要素生產(chǎn)率提升效應(yīng)更為顯著。基于企業(yè)的異質(zhì)性分析，可以得到研究假設(shè)2：

H2：隨著企業(yè)規(guī)模的擴(kuò)大和技術(shù)密集度的上升，人工智能應(yīng)用將會(huì)帶來更為顯著的技術(shù)創(chuàng)新效應(yīng)，從而實(shí)現(xiàn)全要素生產(chǎn)率更大幅度的提升。

企業(yè)的主要價(jià)值鏈活動(dòng)包括產(chǎn)品研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷等環(huán)節(jié)（張龍鵬、周立群，2016）。根據(jù)前文的分析，人工智能技術(shù)也會(huì)應(yīng)用到這些企業(yè)價(jià)值鏈環(huán)節(jié)，推動(dòng)企業(yè)的技術(shù)創(chuàng)新，從而促進(jìn)全要素生產(chǎn)率的提升。人工智能在研發(fā)設(shè)計(jì)和市場(chǎng)營銷環(huán)節(jié)的應(yīng)用可以推動(dòng)企業(yè)的產(chǎn)品創(chuàng)新來提升全要素生產(chǎn)率。大多數(shù)研發(fā)設(shè)計(jì)活動(dòng)本質(zhì)上是智力勞動(dòng)密集型活動(dòng)，需要靠研發(fā)人員不斷地搜索和試驗(yàn)，并且搜索和試驗(yàn)的邊際成本不斷上升（Cockburn et al.，2018）。應(yīng)用人工智能可以實(shí)現(xiàn)搜索和試驗(yàn)的快速化、海量化，并能得到更佳的產(chǎn)品設(shè)計(jì)方案（Paul et al.，2021），這加快了企業(yè)的產(chǎn)品創(chuàng)新進(jìn)程。通過深度學(xué)習(xí)、圖計(jì)算、知識(shí)圖譜等人工智能技術(shù)，企業(yè)可以基于客戶大數(shù)據(jù)信息更加精準(zhǔn)地展開客戶畫像。與基于一般信息技術(shù)的客戶畫像不同，人工智能技術(shù)下的客戶畫像不僅能呈現(xiàn)客戶認(rèn)知方面的信息，更能挖掘深層次的感知信息（王烽權(quán)等，2020）?；诖髷?shù)據(jù)、人工智能的用戶數(shù)據(jù)和需求分析，為持續(xù)改進(jìn)產(chǎn)品質(zhì)量和實(shí)施產(chǎn)品創(chuàng)新提供了條件，有助于形成數(shù)據(jù)驅(qū)動(dòng)的企業(yè)與用戶產(chǎn)品互動(dòng)創(chuàng)新（Ghasemaghaei et al.，2017；肖靜華等，2020）。劉啟仁、黃建忠（2016），韓孟孟等（2020）的研究也進(jìn)一步證實(shí)了企業(yè)的產(chǎn)品創(chuàng)新對(duì)生產(chǎn)率提升具有顯著的推動(dòng)作用。人工智能在生產(chǎn)制造中的應(yīng)用有助于加速智慧工廠、數(shù)字孿生工廠等新型加工制造組織的發(fā)展，也是一個(gè)資本、技術(shù)替代勞動(dòng)力的過程，這會(huì)對(duì)生產(chǎn)制造流程帶來根本性創(chuàng)新和變革（Szalavetz，2019；陽鎮(zhèn)等，2022；程虹、袁璐雯，2020）。Graetz and Michaels（2018）的研究表明，機(jī)器人在制造領(lǐng)域的應(yīng)用帶來了企業(yè)生產(chǎn)效率的提升。劉丹鷺、魏守華（2013）的研究也揭示了，企業(yè)的流程創(chuàng)新對(duì)生產(chǎn)率提升有顯著的推動(dòng)作用。綜上所述，本文的研究假設(shè)3為：

H3：人工智能在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷等企業(yè)價(jià)值鏈中的應(yīng)用能夠促進(jìn)全要素生產(chǎn)率的提升，并且技術(shù)創(chuàng)新依然是一個(gè)重要的正向影響機(jī)制。

進(jìn)一步，根據(jù)價(jià)值鏈中主導(dǎo)環(huán)節(jié)的不同，Gereffi（1999）等人將價(jià)值鏈劃分為了生產(chǎn)者驅(qū)動(dòng)型價(jià)值鏈與購買者驅(qū)動(dòng)型價(jià)值鏈。生產(chǎn)者驅(qū)動(dòng)型價(jià)值鏈?zhǔn)怯缮a(chǎn)者投資推動(dòng)市場(chǎng)需求，形成生產(chǎn)供應(yīng)鏈的垂直分工體系（尚濤，2015）。對(duì)于這類價(jià)值鏈，最核心的環(huán)節(jié)在于產(chǎn)品設(shè)計(jì)、關(guān)鍵核心零部件的研發(fā)與生產(chǎn)，研發(fā)設(shè)計(jì)、生產(chǎn)制造環(huán)節(jié)的人工智能應(yīng)用更能促進(jìn)全要素生產(chǎn)率的提升。在購買者驅(qū)動(dòng)型價(jià)值鏈中，以國際大型品牌商、零售商等為代表的購買者通過全球外包體系，建立國際品牌流通網(wǎng)絡(luò)，其戰(zhàn)略性環(huán)節(jié)在設(shè)計(jì)、市場(chǎng)銷售。價(jià)值鏈為購買者驅(qū)動(dòng)型的產(chǎn)業(yè)更依賴于商業(yè)資本、品牌與市場(chǎng)能力提升對(duì)價(jià)值鏈的控制能力（尚濤，2015），人工智能在市場(chǎng)營銷環(huán)節(jié)的應(yīng)用有助于增強(qiáng)產(chǎn)業(yè)的該種控制能力，因此市場(chǎng)營銷環(huán)節(jié)的人工智能應(yīng)用更能提升企業(yè)全要素生產(chǎn)率?？梢?，對(duì)于不同價(jià)值鏈類型的產(chǎn)業(yè)，人工智能在各價(jià)值鏈環(huán)節(jié)的應(yīng)用對(duì)全要素生產(chǎn)率的影響效應(yīng)存在差異性，由此得到研究假設(shè)4：

H4：對(duì)于價(jià)值鏈為生產(chǎn)者驅(qū)動(dòng)型的產(chǎn)業(yè)，研發(fā)設(shè)計(jì)、生產(chǎn)制造環(huán)節(jié)的人工智能應(yīng)用更能促進(jìn)企業(yè)全要素生產(chǎn)率的提升；對(duì)于價(jià)值鏈為購買者驅(qū)動(dòng)型的產(chǎn)業(yè)，市場(chǎng)營銷環(huán)節(jié)的人工智能應(yīng)用的全要素生產(chǎn)率提升效應(yīng)更大。

三、數(shù)據(jù)、變量與模型

（一）數(shù)據(jù)來源

研究樣本為2007年到2019年中國A 股所有上市公司。隨著2006年深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的提出，人工智能進(jìn)入了感知和認(rèn)知智能的新階段（張龍鵬、張雙志，2020），這使得人工智能與經(jīng)濟(jì)社會(huì)的融合逐漸普遍，因此，將深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)提出后的2007年作為研究的起始年份。初始樣本中，剔除了以下樣本：金融保險(xiǎn)類公司，ST、*ST、PT公司，主要變量缺失的公司。度量上市公司人工智能應(yīng)用的數(shù)據(jù)來源于上市公司年報(bào)，其他變量度量需要的數(shù)據(jù)來自國泰安（CSMAR）數(shù)據(jù)庫。

（二）變量說明

1.全要素生產(chǎn)率

Olley and Pakes（1996）發(fā)展的OP 方法和Levinsohn and Petrin（2003）發(fā)展的LP 方法是估計(jì)企業(yè)全要素生產(chǎn)率常用的方法。OP方法和LP方法都可在一定程度上解決同時(shí)性偏差和樣本選擇偏差問題，并有效緩解內(nèi)生性問題。本文利用OP方法估計(jì)的上市公司全要素生產(chǎn)率展開實(shí)證研究，同時(shí)使用LP方法估計(jì)的全要素生產(chǎn)率進(jìn)行穩(wěn)健性檢驗(yàn)。按照Olley and Pakes（1996）的基本思路，同時(shí)參考魯曉東、連玉君（2012），張沁琳、沈洪濤（2020）的估計(jì)模型，本文基于OP方法的全要素生產(chǎn)率測(cè)算模型如式（1）所示。

式（1）中，i、t 分別表示上市公司、年份；Y 表示企業(yè)的增加值，用上市公司主營業(yè)務(wù)收入表示；K 表示資本存量，用固定資產(chǎn)原值、工程物資與在建工程之和表示；L 為企業(yè)的員工人數(shù)；Age 表示企業(yè)年齡，用當(dāng)年年份減去上市公司注冊(cè)時(shí)間得到；SOE 為產(chǎn)權(quán)性質(zhì)虛擬變量，國有企業(yè)賦值為1，否則為0；Export表示上市公司是否有海外收入，如果有賦值為1，否則為0；Year、Ind、Pro分別表示時(shí)間、行業(yè)、省份虛擬變量。在利用OP方法估計(jì)中，狀態(tài)變量為ln K、Age；代理變量為企業(yè)投資，用購建固定資產(chǎn)、無形資產(chǎn)等支付的現(xiàn)金表示；自由變量有l(wèi)n L、Year、Ind、Pro；控制變量為SOE、Export。另外，如果上市公司簡稱和所處行業(yè)同時(shí)發(fā)生變化，則退出變量設(shè)為1，否則為0。

2.人工智能應(yīng)用

本文使用兩個(gè)指標(biāo)衡量企業(yè)的人工智能應(yīng)用水平。首先，參考張葉青等（2021）、趙宸宇等（2021）的研究，通過統(tǒng)計(jì)上市公司年報(bào)文本中出現(xiàn)的與人工智能相關(guān)的關(guān)鍵詞的次數(shù)作為上市公司人工智能整體應(yīng)用程度的代理變量。當(dāng)年企業(yè)年報(bào)中出現(xiàn)的與人工智能相關(guān)的關(guān)鍵詞越多，表明該年人工智能在企業(yè)中的應(yīng)用傾向和程度也就越高。在統(tǒng)計(jì)與人工智能相關(guān)的關(guān)鍵詞時(shí)，本文關(guān)注的是人工智能、智能、AI、Artificial Intelligence 等關(guān)鍵詞。根據(jù)對(duì)企業(yè)年報(bào)文本的分析，我們發(fā)現(xiàn)統(tǒng)計(jì)這些關(guān)鍵詞已經(jīng)能夠在很大程度上反映了企業(yè)的人工智能應(yīng)用情況。例如，“智能”關(guān)鍵詞后面通常會(huì)緊跟“制造”“生產(chǎn)”“倉儲(chǔ)”“物流”“管理”“終端”等關(guān)鍵詞，進(jìn)而表明人工智能在這些企業(yè)活動(dòng)領(lǐng)域的應(yīng)用。其次，根據(jù)孫文遠(yuǎn)、劉于山（2023）的研究，采用企業(yè)機(jī)器設(shè)備的人均價(jià)值作為人工智能應(yīng)用的另一個(gè)度量指標(biāo)，該指標(biāo)具體為企業(yè)固定資產(chǎn)報(bào)表中公布的機(jī)器賬面價(jià)值除以員工總數(shù)的值。為了綜合衡量企業(yè)人工智能應(yīng)用水平，本文將上述兩個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，然后視為同等重要的指標(biāo)，進(jìn)而求和得到一個(gè)綜合度量指標(biāo)。

由于本文還將從企業(yè)價(jià)值鏈的角度實(shí)證分析人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響，因此我們借助上市公司年報(bào)中人工智能詞頻數(shù)據(jù)的統(tǒng)計(jì)，構(gòu)造人工智能在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷三個(gè)環(huán)節(jié)應(yīng)用的度量指標(biāo)。在價(jià)值鏈視角下構(gòu)造人工智能應(yīng)用指標(biāo)不能僅是簡單直接識(shí)別相關(guān)的關(guān)鍵詞，例如，如果企業(yè)推動(dòng)人工智能在研發(fā)設(shè)計(jì)中的應(yīng)用，不一定直接使用“智能研發(fā)”“智能設(shè)計(jì)”等這樣的關(guān)鍵詞，因此，我們需要新的思路構(gòu)造人工智能在企業(yè)價(jià)值鏈中應(yīng)用的度量指標(biāo)。通常而言，企業(yè)會(huì)在一句話中描述其推動(dòng)人工智能在價(jià)值鏈中應(yīng)用的情況，因此，我們將上市公司的年報(bào)文本按每句話進(jìn)行分割，如果一句話中同時(shí)出現(xiàn)了與人工智能、企業(yè)價(jià)值鏈相關(guān)的關(guān)鍵詞，就認(rèn)為企業(yè)推動(dòng)了人工智能在價(jià)值鏈中的應(yīng)用，相應(yīng)的度量指標(biāo)就加1?；谶@樣的思路，本文構(gòu)建了研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化、市場(chǎng)營銷智能化三個(gè)指標(biāo)，用以分別衡量人工智能在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷三個(gè)環(huán)節(jié)的應(yīng)用程度。由于詞頻數(shù)據(jù)離散程度較大且存在為零的情況，因此實(shí)證研究中我們將變量加1后取自然對(duì)數(shù)。

3.技術(shù)創(chuàng)新

關(guān)于技術(shù)創(chuàng)新的度量，一般我們會(huì)使用研發(fā)投入、專利等數(shù)據(jù)。考慮到研發(fā)投入與人工智能應(yīng)用之間存在較為明顯的內(nèi)生性問題，因?yàn)橛行┢髽I(yè)的研發(fā)投入會(huì)用于人工智能技術(shù)創(chuàng)新，從而推動(dòng)企業(yè)的人工智能應(yīng)用，本文利用企業(yè)獨(dú)立申請(qǐng)發(fā)明專利的數(shù)量來衡量企業(yè)的技術(shù)創(chuàng)新水平。為了進(jìn)一步緩解人工智能應(yīng)用與技術(shù)創(chuàng)新之間的內(nèi)生性問題，本文在統(tǒng)計(jì)企業(yè)獨(dú)立申請(qǐng)發(fā)明專利的數(shù)量時(shí)，先剔除掉了與人工智能相關(guān)的發(fā)明專利。另外，本文沒有使用所有類型專利獨(dú)立申請(qǐng)數(shù)量來測(cè)度技術(shù)創(chuàng)新水平的原因在于，相比實(shí)用新型專利和外觀設(shè)計(jì)專利，發(fā)明專利的創(chuàng)新質(zhì)量更高，更能代表企業(yè)的技術(shù)創(chuàng)新能力。

4.控制變量

為了緩解遺漏重要解釋變量所帶來的內(nèi)生性問題，參考張沁琳、沈洪濤（2020），鄭寶紅、張兆國（2018）關(guān)于上市公司全要素生產(chǎn)率影響因素的研究，控制了以下研究變量。①企業(yè)年齡（Age）。年齡用當(dāng)年年份減去企業(yè)注冊(cè)時(shí)間得到，由于有些企業(yè)年齡為0，因此研究將數(shù)值加1后取自然對(duì)數(shù)。②企業(yè)規(guī)模（Size）。企業(yè)規(guī)模為平均每個(gè)員工擁有的資產(chǎn)額，實(shí)證中取自然對(duì)數(shù)。③產(chǎn)權(quán)性質(zhì)（SOE）。如果上市公司的最終控制人是國有單位，則產(chǎn)權(quán)性質(zhì)賦值為1，否則為0。④財(cái)務(wù)杠桿（Lev）。財(cái)務(wù)杠桿利用總負(fù)債占總資產(chǎn)的比重衡量。⑤大股東持股比率（Top1）。大股東持股比率為上市公司第一大股東持股比率。

基于上述研究變量的度量說明，表1匯報(bào)了變量的描述性統(tǒng)計(jì)特征。

表1 變量的描述性統(tǒng)計(jì)

（三）實(shí)證模型設(shè)定

采用如式（2）所示的基準(zhǔn)模型檢驗(yàn)人工智能在上市公司中的應(yīng)用對(duì)全要素生產(chǎn)率的影響。

式（2）中，i、t 分別代表上市公司、年份。TFP 表示上市公司的全要素生產(chǎn)率。AI 表示人工智能在上市公司的整體應(yīng)用程度以及在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷等價(jià)值鏈環(huán)節(jié)的應(yīng)用程度。Ctr為企業(yè)層面的控制變量。η、θ分別代表企業(yè)固定效應(yīng)和年份固定效應(yīng)。?為隨機(jī)誤差項(xiàng)。α1是本文關(guān)注的估計(jì)系數(shù)，如果其顯著為正，則說明人工智能應(yīng)用能夠促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

進(jìn)一步，為了檢驗(yàn)人工智能整體應(yīng)用及其在企業(yè)價(jià)值鏈中的應(yīng)用是否通過技術(shù)創(chuàng)新來影響全要素生產(chǎn)率，本文根據(jù)MacKinnon et al.（1995）、Selig and Preacher（2009）的研究，構(gòu)建了如式（3）和式（4）所示的中介效應(yīng)模型。

式（3）和式（4）中，Innovation 表示上市公司的技術(shù)創(chuàng)新水平。如果β1、γ2均顯著，說明人工智能整體應(yīng)用及其在價(jià)值鏈中的應(yīng)用對(duì)全要素生產(chǎn)率的影響至少有一部分是通過技術(shù)創(chuàng)新來實(shí)現(xiàn)的。當(dāng)然，β1、γ2中至少有一個(gè)不顯著時(shí)，根據(jù)MacKinnon et al.（1995）的研究，我們需要進(jìn)行Sobel檢驗(yàn)（Sobel，1982，1986），以明確是否存在中介效應(yīng)。

四、基本回歸與穩(wěn)健性檢驗(yàn)

（一）基本回歸

基于式（2）所示的實(shí)證模型，利用普通最小二乘法（OLS）估計(jì)了人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響，回歸結(jié)果如表2所示。如第（1）列所示，在未加入控制變量、企業(yè)和年份固定效應(yīng)的情況下，人工智能應(yīng)用的估計(jì)系數(shù)在1%的顯著性水平上為正，表明人工智能應(yīng)用與全要素生產(chǎn)率之間存在顯著的正相關(guān)關(guān)系。由于遺漏重要解釋變量會(huì)引發(fā)內(nèi)生性問題，使得我們難以得到確切的因果關(guān)系，因此第（2）列和第（3）列依次加入了企業(yè)和年份固定效應(yīng)、控制變量。由第（3）列的估計(jì)結(jié)果可知，在加入控制變量和控制企業(yè)、年份固定效應(yīng)的情況下，人工智能應(yīng)用的估計(jì)系數(shù)在1%的顯著性水平上為正，這表明人工智能應(yīng)用顯著提高了企業(yè)的全要素生產(chǎn)率，推動(dòng)人工智能與實(shí)體經(jīng)濟(jì)深度融合是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要路徑。

表2 基本回歸結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.更換關(guān)鍵變量度量

首先，更換全要素生產(chǎn)率的度量。由于并非每家企業(yè)每年都有正的投資，使用OP方法估計(jì)會(huì)導(dǎo)致投資額為零的企業(yè)不能被估計(jì)，帶來研究樣本的丟失，LP方法使用中間投入代替投資作為不可觀測(cè)的生產(chǎn)率沖擊的代理變量使用（魯曉東、連玉君，2012），可有效解決OP 方法的這一問題。雖然上市公司基本每年都會(huì)有正的投資，基于OP方法的全要素生產(chǎn)率的估計(jì)不會(huì)存在上述問題，但為了說明基本回歸研究結(jié)論的穩(wěn)健性，我們基于魯曉東、連玉君（2012）的研究，使用LP 方法重新估計(jì)上市公司的全要素生產(chǎn)率，表3 第（1）列匯報(bào)了更換全要素生產(chǎn)率度量方式的回歸結(jié)果。由表可知，重新使用LP 方法估計(jì)全要素生產(chǎn)率后，上市公司人工智能應(yīng)用依然促進(jìn)了全要素生產(chǎn)率的提升。

表3 更換關(guān)鍵變量度量

其次，更換人工智能應(yīng)用的度量?；净貧w中人工智能應(yīng)用詞頻提取根據(jù)的是較窄范圍的人工智能關(guān)鍵詞，這就會(huì)遺漏其他與人工智能應(yīng)用相關(guān)的關(guān)鍵詞，從而產(chǎn)生變量測(cè)度的偏差。為了說明人工智能關(guān)鍵詞的提取不會(huì)造成研究結(jié)論的改變，本文參考張龍鵬、張雙志（2020）關(guān)于人工智能關(guān)鍵詞的提取思路，從智能、云、數(shù)據(jù)、物聯(lián)、機(jī)器學(xué)習(xí)五個(gè)維度，從更加廣泛的角度，在上市公司年報(bào)文本中重新提取了與人工智能相關(guān)的關(guān)鍵詞，進(jìn)而參照變量定義部分的思路，構(gòu)造新的人工智能應(yīng)用度量指標(biāo)。表3 第（2）列報(bào)告了更換人工智能應(yīng)用度量方式的回歸結(jié)果。估計(jì)結(jié)果顯示，人工智能應(yīng)用的估計(jì)系數(shù)在1%的顯著性水平上為正，這表明人工智能關(guān)鍵詞的提取范圍不會(huì)影響基本回歸所呈現(xiàn)的研究結(jié)論。

最后，同時(shí)更換全要素生產(chǎn)率和人工智能應(yīng)用的度量。表3 第（3）列匯報(bào)了同時(shí)更換被解釋變量和核心解釋變量的估計(jì)結(jié)果。結(jié)果顯示，人工智能應(yīng)用的估計(jì)系數(shù)為正，且通過了1%的顯著性檢驗(yàn)，進(jìn)一步表明關(guān)鍵變量的度量方式?jīng)]有對(duì)研究結(jié)論產(chǎn)生影響。

2.內(nèi)生性處理

首先，處理遺漏重要解釋變量?；净貧w雖然加入了企業(yè)層面的控制變量以及控制了企業(yè)、年份固定效應(yīng)，但上市公司的人工智能應(yīng)用和全要素生產(chǎn)率還會(huì)受到其他共同因素的影響，如一些不同地區(qū)隨時(shí)間變化的因素以及不同行業(yè)隨時(shí)間變化的因素。如果遺漏這些重要解釋變量，可能會(huì)帶來內(nèi)生性問題。為處理該問題，表4第（1）列在控制企業(yè)固定效應(yīng)和年份固定效應(yīng)的基礎(chǔ)上，進(jìn)一步控制了“城市—年份固定效應(yīng)”和“行業(yè)—年份固定效應(yīng)”。這里的城市為地級(jí)行政區(qū)、行業(yè)為2012年版上市公司行業(yè)分類指引中的二位碼行業(yè)。第（1）列的估計(jì)結(jié)果顯示，控制了“城市—年份固定效應(yīng)”和“行業(yè)—年份固定效應(yīng)”后，人工智能應(yīng)用的估計(jì)系數(shù)依然顯著為正，表明基本回歸所顯示的研究結(jié)論沒有受到遺漏共同影響因素的影響。

表4 內(nèi)生性處理

其次，利用人工智能應(yīng)用滯后一期變量再回歸。基本回歸結(jié)果還會(huì)受到雙向因果關(guān)系所帶來的內(nèi)生性問題的影響，全要素生產(chǎn)率高的企業(yè)可能更傾向于推動(dòng)人工智能的應(yīng)用。為消除該類內(nèi)生性問題，本文利用人工智能應(yīng)用的滯后一期再次檢驗(yàn)人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響，回歸結(jié)果如表4 第（2）列所示。估計(jì)結(jié)果顯示，人工智能應(yīng)用滯后一期的估計(jì)系數(shù)為正，并且通過了1%的顯著性檢驗(yàn)，由此表明企業(yè)的人工智能應(yīng)用后續(xù)會(huì)對(duì)全要素生產(chǎn)率產(chǎn)生顯著的提升效應(yīng)。

最后，進(jìn)行工具變量回歸。工具變量回歸是解決內(nèi)生性問題的有效方式，本文也將尋找合適的工具變量，再次檢驗(yàn)人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響。Kolko（2012），秦芳等（2022），劉傳明、馬青山（2020）等學(xué)者在研究信息基礎(chǔ)設(shè)施、數(shù)字經(jīng)濟(jì)的經(jīng)濟(jì)績效時(shí)，選擇了一個(gè)區(qū)域的平均海拔高度、地形起伏度（海拔的標(biāo)準(zhǔn)差）等地理變量作為信息基礎(chǔ)設(shè)施、數(shù)字經(jīng)濟(jì)的工具變量。借鑒已有研究的思路，本文利用地級(jí)行政區(qū)的平均高程構(gòu)造企業(yè)人工智能應(yīng)用的工具變量。高程指的是某點(diǎn)沿鉛垂線方向到絕對(duì)基面的距離，其與企業(yè)人工智能應(yīng)用具有相關(guān)性。在高程越高的地區(qū)，信息基礎(chǔ)設(shè)施的建設(shè)和維護(hù)成本越高，這會(huì)制約信息技術(shù)的普及和應(yīng)用，也進(jìn)而會(huì)制約企業(yè)的人工智能應(yīng)用程度。另外，高程是長期歷史所形成的天然地理?xiàng)l件，與其他時(shí)變經(jīng)濟(jì)指標(biāo)并不直接相關(guān)，滿足工具變量的外生性要求。企業(yè)人工智能應(yīng)用是一個(gè)時(shí)變變量，而區(qū)域平均高程不隨時(shí)間變化，因此，參考Duflo and Pande（2007），王群勇、陸鳳芝（2021）的研究，采用地級(jí)行政區(qū)的平均高程與時(shí)間交叉項(xiàng)作為企業(yè)人工智能應(yīng)用的工具變量。在確定工具變量的基礎(chǔ)上，表4 第（3）列利用兩階段最小二乘法（2SLS）重新估計(jì)了人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響。估計(jì)結(jié)果顯示，人工智能應(yīng)用的估計(jì)系數(shù)顯著為正。此外，未識(shí)別檢驗(yàn)和弱識(shí)別檢驗(yàn)均通過了顯著性檢驗(yàn)，說明工具變量不存在未識(shí)別問題和弱識(shí)別問題，選擇的工具變量是有效的?；诠ぞ咦兞康墓烙?jì)結(jié)果表明，基本回歸結(jié)果未受到內(nèi)生性問題的影響，依舊能夠認(rèn)為人工智能應(yīng)用能夠顯著提升企業(yè)的全要素生產(chǎn)率。

五、技術(shù)創(chuàng)新視角下的實(shí)證分析

（一）技術(shù)創(chuàng)新機(jī)制分析

在基本回歸和穩(wěn)健性檢驗(yàn)的基礎(chǔ)上，本文從技術(shù)創(chuàng)新的角度研究人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響機(jī)制?；谑剑?）和式（4）所顯示的實(shí)證思路，技術(shù)創(chuàng)新機(jī)制的實(shí)證結(jié)果如表5 所示。第（1）列到第（3）列討論的是人工智能應(yīng)用對(duì)技術(shù)創(chuàng)新的影響。從第（1）列來看，人工智能應(yīng)用的估計(jì)系數(shù)在1%的顯著性水平上為正，說明人工智能應(yīng)用能夠推動(dòng)企業(yè)的技術(shù)創(chuàng)新，主要表現(xiàn)為發(fā)明專利申請(qǐng)數(shù)量的上升，這與張龍鵬、張雙志（2020）的研究結(jié)論是一致的。對(duì)于技術(shù)創(chuàng)新能力強(qiáng)的企業(yè)而言，有可能會(huì)傾向于人工智能應(yīng)用，這種反向因果關(guān)系會(huì)影響第（1）列所示的實(shí)證結(jié)果。為處理這一內(nèi)生性問題，第（2）列重新檢驗(yàn)了人工智能應(yīng)用滯后一期對(duì)技術(shù)創(chuàng)新的影響，第（3）列也利用地級(jí)行政區(qū)平均高程作為工具變量進(jìn)行了再檢驗(yàn)，這兩列的回歸結(jié)果顯示人工智能應(yīng)用的估計(jì)系數(shù)依然顯著為正，從而表明內(nèi)生性問題沒有影響人工智能應(yīng)用促進(jìn)企業(yè)技術(shù)創(chuàng)新這一結(jié)論。在明確人工智能應(yīng)用對(duì)技術(shù)創(chuàng)新有正向影響的基礎(chǔ)上，第（4）列同時(shí)檢驗(yàn)了人工智能應(yīng)用與技術(shù)創(chuàng)新對(duì)企業(yè)全要素生產(chǎn)率的影響，人工智能應(yīng)用與技術(shù)創(chuàng)新的估計(jì)系數(shù)均顯著為正，這說明技術(shù)創(chuàng)新是人工智能應(yīng)用影響全要素生產(chǎn)率的一個(gè)渠道。由于人工智能應(yīng)用與技術(shù)創(chuàng)新的度量單位不一致，因此第（5）列將兩個(gè)變量標(biāo)準(zhǔn)化后重新檢驗(yàn)，從而明確人工智能應(yīng)用與技術(shù)創(chuàng)新對(duì)全要素生產(chǎn)率的影響孰大孰小。由估計(jì)結(jié)果可知，人工智能應(yīng)用的影響效應(yīng)要大于技術(shù)創(chuàng)新，說明人工智能應(yīng)用是促進(jìn)全要素生產(chǎn)率提升更為重要的因素。結(jié)合表2 到表5 的實(shí)證結(jié)果，我們認(rèn)為人工智能應(yīng)用可以通過促進(jìn)企業(yè)技術(shù)創(chuàng)新來提升全要素生產(chǎn)率，研究假設(shè)1得以驗(yàn)證。

（二）技術(shù)創(chuàng)新視角下的異質(zhì)性分析

表6 的第（1）列和第（2）列討論了不同規(guī)模企業(yè)人工智能應(yīng)用影響全要素生產(chǎn)率的異質(zhì)性。研究根據(jù)2019年上市公司的員工人數(shù)，將員工人數(shù)大于均值的上市公司歸為大企業(yè)組，企業(yè)規(guī)模變量賦值為1，員工人數(shù)小于或等于均值的上市公司則歸為中小企業(yè)組，企業(yè)規(guī)模變量賦值為0。第（1）列中，人工智能應(yīng)用與企業(yè)規(guī)模的交乘項(xiàng)顯著為正，這說明人工智能應(yīng)用的全要素生產(chǎn)率提升效應(yīng)在大企業(yè)中更大。前文的理論分析指出，規(guī)模較大的企業(yè)擁有更多的互補(bǔ)性資源與人工智能應(yīng)用形成協(xié)同效應(yīng)，對(duì)企業(yè)技術(shù)創(chuàng)新產(chǎn)生更強(qiáng)的促進(jìn)效應(yīng)，從而有助于全要素生產(chǎn)率實(shí)現(xiàn)更大幅度的提升，第（2）列的回歸結(jié)果也證實(shí)了這一觀點(diǎn)。人工智能應(yīng)用與企業(yè)規(guī)模交乘項(xiàng)的估計(jì)系數(shù)均顯著為正，說明人工智能應(yīng)用更為顯著地推動(dòng)了大企業(yè)的技術(shù)創(chuàng)新。

表6 技術(shù)創(chuàng)新視角下的異質(zhì)性分析

表6的第（3）列和第（4）列研究了不同技術(shù)密集度企業(yè)人工智能應(yīng)用影響全要素生產(chǎn)率的異質(zhì)性。本文根據(jù)2019年上市公司的研發(fā)投入強(qiáng)度①研發(fā)投入強(qiáng)度為研發(fā)經(jīng)費(fèi)支出占總資產(chǎn)規(guī)模的比重。，將研發(fā)投入強(qiáng)度大于均值的企業(yè)視為高技術(shù)密集度企業(yè)，技術(shù)密集度變量賦值為1，研發(fā)投入強(qiáng)度小于或等于均值的企業(yè)視為低技術(shù)密集度企業(yè)，技術(shù)密集度變量賦值為0。從第（3）列的估計(jì)結(jié)果看，人工智能應(yīng)用與技術(shù)密集度的交乘項(xiàng)顯著為正，說明企業(yè)技術(shù)密集度越高，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的提升效應(yīng)越大。第（4）列的估計(jì)結(jié)果進(jìn)一步地說明，人工智能應(yīng)用更能推動(dòng)高技術(shù)密集度企業(yè)的技術(shù)創(chuàng)新，從而實(shí)現(xiàn)企業(yè)全要素生產(chǎn)率更大幅度的提升。

表6 的估計(jì)結(jié)果表明，規(guī)模較大的企業(yè)、技術(shù)密集度較高的企業(yè)應(yīng)用人工智能可以帶來更為顯著的技術(shù)創(chuàng)新效應(yīng)，實(shí)現(xiàn)全要素生產(chǎn)率的提升，通過異質(zhì)性分析進(jìn)一步論證了人工智能應(yīng)用與全要素生產(chǎn)率之間的因果關(guān)系，也驗(yàn)證了本文的研究假設(shè)2。

六、技術(shù)創(chuàng)新與企業(yè)價(jià)值鏈視角下的實(shí)證分析

（一）企業(yè)價(jià)值鏈智能化對(duì)全要素生產(chǎn)率影響

表7 考察了人工智能在具體價(jià)值鏈中的應(yīng)用對(duì)全要素生產(chǎn)率的影響。從第（1）列到第（3）列的估計(jì)結(jié)果來看，研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化、市場(chǎng)營銷智能化的估計(jì)系數(shù)均在1%的顯著性水平上為正，說明從企業(yè)價(jià)值鏈的角度來看，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的促進(jìn)作用依然顯著存在，我們要深入推進(jìn)人工智能技術(shù)在企業(yè)的研發(fā)、生產(chǎn)、營銷等所有價(jià)值鏈環(huán)節(jié)的深度一體化應(yīng)用。從估計(jì)系數(shù)大小來看，市場(chǎng)營銷智能化估計(jì)系數(shù)要較大一些，分別比研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化的估計(jì)系數(shù)高30.3%、32.9%，這表明市場(chǎng)營銷的智能化發(fā)展更能促進(jìn)企業(yè)全要素生產(chǎn)率的提升，這主要是因?yàn)槭袌?chǎng)營銷環(huán)節(jié)會(huì)產(chǎn)生大規(guī)模的客戶數(shù)據(jù)，人工智能在市場(chǎng)營銷環(huán)節(jié)的應(yīng)用有助于企業(yè)能夠更加充分地挖掘客戶數(shù)據(jù)，形成數(shù)據(jù)驅(qū)動(dòng)的技術(shù)創(chuàng)新，帶來更加顯著的全要素生產(chǎn)率提升效應(yīng)，這一觀點(diǎn)也將在接下來的實(shí)證研究中得以驗(yàn)證。

表7 企業(yè)價(jià)值鏈智能化影響全要素生產(chǎn)率的回歸結(jié)果

（二）企業(yè)價(jià)值鏈智能化與技術(shù)創(chuàng)新對(duì)全要素生產(chǎn)率的影響

表8第（1）列到第（3）列研究了企業(yè)價(jià)值鏈智能化對(duì)技術(shù)創(chuàng)新的影響。由表可知，人工智能在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷等企業(yè)價(jià)值鏈環(huán)節(jié)中的應(yīng)用均能顯著地推動(dòng)企業(yè)的技術(shù)創(chuàng)新。同時(shí)，我們也發(fā)現(xiàn)，市場(chǎng)營銷智能化的估計(jì)系數(shù)比研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化的估計(jì)系數(shù)分別高13.2%、13.4%，說明與研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化相比，市場(chǎng)營銷智能化的技術(shù)創(chuàng)新效應(yīng)要更為明顯，這從技術(shù)創(chuàng)新的角度說明了市場(chǎng)營銷智能化更能促進(jìn)全要素生產(chǎn)率提升的原因。表8 第（4）列到第（6）列同時(shí)討論了企業(yè)價(jià)值鏈智能化發(fā)展和技術(shù)創(chuàng)新對(duì)全要素生產(chǎn)率的影響。由表可知，企業(yè)價(jià)值鏈智能化和技術(shù)創(chuàng)新的估計(jì)系數(shù)均顯著為正。表7 和表8 的估計(jì)結(jié)果聯(lián)合說明，在企業(yè)價(jià)值鏈視角下，人工智能在具體價(jià)值鏈中的應(yīng)用能夠通過技術(shù)創(chuàng)新實(shí)現(xiàn)企業(yè)全要素生產(chǎn)率的顯著提升，并且市場(chǎng)營銷環(huán)節(jié)的人工智能應(yīng)用對(duì)全要素生產(chǎn)率的提升更為明顯，從而驗(yàn)證了研究假設(shè)3。

表8 企業(yè)價(jià)值鏈智能化與技術(shù)創(chuàng)新影響全要素生產(chǎn)率的回歸結(jié)果

（三）技術(shù)創(chuàng)新與企業(yè)價(jià)值鏈視角下的異質(zhì)性分析

本文認(rèn)為，對(duì)于價(jià)值鏈為生產(chǎn)者驅(qū)動(dòng)型的產(chǎn)業(yè)和價(jià)值鏈為購買者驅(qū)動(dòng)型的產(chǎn)業(yè)而言，人工智能在不同企業(yè)價(jià)值鏈環(huán)節(jié)的應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的影響是有差異的。準(zhǔn)確界定哪些產(chǎn)業(yè)價(jià)值鏈?zhǔn)巧a(chǎn)者驅(qū)動(dòng)型，哪些是購買者驅(qū)動(dòng)型，這是本節(jié)實(shí)證研究的關(guān)鍵。由于有些產(chǎn)業(yè)既有生產(chǎn)者驅(qū)動(dòng)型特征，也有購買者驅(qū)動(dòng)型特征，我們較難將所有產(chǎn)業(yè)都區(qū)分為生產(chǎn)者驅(qū)動(dòng)型或購買者驅(qū)動(dòng)型，因此本節(jié)選擇具有典型特征的產(chǎn)業(yè)展開實(shí)證分析。電子信息產(chǎn)業(yè)的價(jià)值鏈大體分為研發(fā)設(shè)計(jì)、關(guān)鍵核心零部件生產(chǎn)、加工組裝、銷售等環(huán)節(jié)，是典型的生產(chǎn)者驅(qū)動(dòng)型價(jià)值鏈（Gereffi，1999），高附加值環(huán)節(jié)在上游環(huán)節(jié)的研發(fā)設(shè)計(jì)、關(guān)鍵核心零部件生產(chǎn)等。紡織服裝產(chǎn)業(yè)的價(jià)值鏈包括棉花、紡布、紡紗等原材料的生產(chǎn)和供應(yīng)，打樣、裁剪、鎖鈕等服裝生產(chǎn)環(huán)節(jié)，款式和概念設(shè)計(jì)、面料開發(fā)、大規(guī)模生產(chǎn)及試驗(yàn)等服裝設(shè)計(jì)研發(fā)以及品牌銷售，是典型的購買者驅(qū)動(dòng)型價(jià)值鏈（Gereffi，1999），高附加值環(huán)節(jié)在下游環(huán)節(jié)的設(shè)計(jì)研發(fā)、品牌銷售等?；陔娮有畔a(chǎn)業(yè)與紡織服裝產(chǎn)業(yè)價(jià)值鏈類型的典型性，本文接下來利用電子信息產(chǎn)業(yè)與紡織服裝產(chǎn)業(yè)的上市公司數(shù)據(jù)，分析對(duì)于不同價(jià)值鏈類型的產(chǎn)業(yè)，各價(jià)值鏈環(huán)節(jié)的智能化對(duì)企業(yè)全要素生產(chǎn)率所產(chǎn)生的差異化影響，表9匯報(bào)了相應(yīng)的估計(jì)結(jié)果。

表9 企業(yè)價(jià)值鏈智能化影響全要素生產(chǎn)率的異質(zhì)性回歸結(jié)果

從電子信息產(chǎn)業(yè)樣本的估計(jì)結(jié)果看，研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化、市場(chǎng)營銷智能化的估計(jì)系數(shù)均顯著為正，這表明推動(dòng)電子信息企業(yè)全價(jià)值鏈的智能化發(fā)展對(duì)全要素生產(chǎn)率提升具有顯著的正向作用。從具體的影響效應(yīng)大小來看，研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化的估計(jì)系數(shù)明顯大于市場(chǎng)營銷智能化的估計(jì)系數(shù)，說明推動(dòng)電子信息企業(yè)研發(fā)設(shè)計(jì)、生產(chǎn)制造環(huán)節(jié)的智能化發(fā)展更能促進(jìn)企業(yè)全要素生產(chǎn)率的上升。在紡織服裝產(chǎn)業(yè)的上市公司樣本中，紡織服裝企業(yè)研發(fā)設(shè)計(jì)與生產(chǎn)制造智能化的估計(jì)系數(shù)沒有通過顯著性檢驗(yàn)；市場(chǎng)營銷智能化的估計(jì)系數(shù)顯著為正，且大于研發(fā)設(shè)計(jì)智能化、生產(chǎn)制造智能化的估計(jì)系數(shù)?；貧w結(jié)果表明，對(duì)于紡織服裝企業(yè)而言，市場(chǎng)營銷環(huán)節(jié)的智能化發(fā)展對(duì)全要素生產(chǎn)率具有更為顯著的促進(jìn)作用。如表10 所示，造成上述異質(zhì)性的原因在于，研發(fā)設(shè)計(jì)、生產(chǎn)制造智能化更能促進(jìn)電子信息企業(yè)的技術(shù)創(chuàng)新，市場(chǎng)營銷智能化更能促進(jìn)紡織服裝企業(yè)的技術(shù)創(chuàng)新。

表10 企業(yè)價(jià)值鏈智能化影響技術(shù)創(chuàng)新的異質(zhì)性回歸結(jié)果

表9和表10的回歸結(jié)果表明，從提升企業(yè)全要素生產(chǎn)率的角度來看，對(duì)于電子信息產(chǎn)業(yè)這類生產(chǎn)者驅(qū)動(dòng)型價(jià)值鏈的產(chǎn)業(yè)，需要推進(jìn)企業(yè)全價(jià)值鏈的智能化發(fā)展，尤其是研發(fā)設(shè)計(jì)、生產(chǎn)制造智能化；對(duì)于紡織服裝這類購買者驅(qū)動(dòng)型價(jià)值鏈的產(chǎn)業(yè)，重點(diǎn)在于促進(jìn)市場(chǎng)營銷環(huán)節(jié)的智能化發(fā)展。表9和表10的估計(jì)結(jié)果也說明了研究假設(shè)4的成立。

七、研究結(jié)論與政策啟示

鑒于當(dāng)前文獻(xiàn)主要探討的是人工智能在產(chǎn)業(yè)或企業(yè)中的整體應(yīng)用對(duì)全要素生產(chǎn)率的影響，忽視了人工智能在具體價(jià)值鏈中的應(yīng)用對(duì)全要素生產(chǎn)率所產(chǎn)生的影響，因此本文借助上市公司年報(bào)文本，創(chuàng)新性地構(gòu)造了人工智能在價(jià)值鏈中應(yīng)用的度量指標(biāo)，從而在企業(yè)價(jià)值鏈和技術(shù)創(chuàng)新的雙重視角下，基于2007年到2019年中國上市公司微觀數(shù)據(jù)研究了人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響效應(yīng)與機(jī)制。從技術(shù)創(chuàng)新的視角看，人工智能應(yīng)用能夠通過促進(jìn)技術(shù)創(chuàng)新實(shí)現(xiàn)全要素生產(chǎn)率的提升；人工智能應(yīng)用對(duì)大企業(yè)、高技術(shù)企業(yè)全要素生產(chǎn)率的提升效應(yīng)更大，這主要是因?yàn)槿斯ぶ悄軕?yīng)用在這些企業(yè)樣本中表現(xiàn)出更為顯著的技術(shù)創(chuàng)新效應(yīng)。在技術(shù)創(chuàng)新視角的基礎(chǔ)上融合企業(yè)價(jià)值鏈視角后，我們發(fā)現(xiàn)，人工智能在研發(fā)設(shè)計(jì)、生產(chǎn)制造、市場(chǎng)營銷等環(huán)節(jié)的應(yīng)用也均能通過技術(shù)創(chuàng)新顯著地促進(jìn)企業(yè)全要素生產(chǎn)率的提升，并且市場(chǎng)營銷智能化的技術(shù)創(chuàng)新效應(yīng)更為明顯一些，從而更能促進(jìn)全要素生產(chǎn)率的提升；對(duì)于價(jià)值鏈為生產(chǎn)者驅(qū)動(dòng)型的產(chǎn)業(yè)，研發(fā)設(shè)計(jì)、生產(chǎn)制造環(huán)節(jié)的人工智能應(yīng)用更能促進(jìn)企業(yè)全要素生產(chǎn)率的提升；對(duì)于價(jià)值鏈為購買者驅(qū)動(dòng)型的產(chǎn)業(yè)，市場(chǎng)營銷環(huán)節(jié)的人工智能應(yīng)用的全要素生產(chǎn)率提升效應(yīng)更大。

誠然，本文的研究也存在一定的局限性，主要體現(xiàn)在人工智能應(yīng)用的度量上。雖然本文已經(jīng)參考現(xiàn)有文獻(xiàn)的做法，使用上市公司年報(bào)中的人工智能詞頻數(shù)據(jù)和企業(yè)機(jī)器設(shè)備的人均價(jià)值，構(gòu)造了衡量人工智能應(yīng)用的綜合指標(biāo)，但企業(yè)人工智能應(yīng)用涉及到的維度比較多，因此后續(xù)我們還需要不斷地完善指標(biāo)度量，從而更加準(zhǔn)確地考察企業(yè)的人工智能應(yīng)用。此外，本文也只用人工智能文本詞頻數(shù)據(jù)考察了企業(yè)價(jià)值鏈的智能化發(fā)展，下一步我們也將收集上市公司的專利文本數(shù)據(jù)，結(jié)合專利文本綜合衡量人工智能在企業(yè)價(jià)值鏈的應(yīng)用水平。

基于本文的研究結(jié)論，我們可以得到如下的政策啟示。第一，推進(jìn)企業(yè)的全價(jià)值鏈智能化發(fā)展，從創(chuàng)新、資金、人才、治理等方面形成支持企業(yè)應(yīng)用人工智能提升研發(fā)、生產(chǎn)和服務(wù)的智能化水平的政策體系，特別地，探索建立與人工智能產(chǎn)業(yè)發(fā)展相適應(yīng)的產(chǎn)品準(zhǔn)入制度，從而推進(jìn)人工智能產(chǎn)品在企業(yè)價(jià)值鏈中的應(yīng)用。第二，不同產(chǎn)業(yè)智能化發(fā)展的需求和重點(diǎn)是存在異質(zhì)性的，因此，政府部門需要針對(duì)不同產(chǎn)業(yè)領(lǐng)域企業(yè)智能化轉(zhuǎn)型需求的重點(diǎn)，分行業(yè)出臺(tái)企業(yè)智能化轉(zhuǎn)型指導(dǎo)方案，形成重點(diǎn)行業(yè)企業(yè)全價(jià)值鏈智能化轉(zhuǎn)型路線圖，統(tǒng)籌推進(jìn)各項(xiàng)工作開展。第三，政府部門一方面可以政府購買服務(wù)或補(bǔ)貼等形式，推動(dòng)數(shù)字化服務(wù)商為中小企業(yè)智能化轉(zhuǎn)型提供診斷評(píng)估、規(guī)劃設(shè)計(jì)、解決方案、培訓(xùn)指導(dǎo)等一體化服務(wù)，降低數(shù)字化服務(wù)商的服務(wù)成本和企業(yè)智能化轉(zhuǎn)型成本；另一方面可通過設(shè)立數(shù)字經(jīng)濟(jì)發(fā)展專項(xiàng)資金、制定數(shù)字人才專項(xiàng)發(fā)展規(guī)劃等方式，強(qiáng)化資金和人才的要素保障，解決中小企業(yè)智能轉(zhuǎn)型過程中面臨的資金和人才短缺等問題。