王鈺 唐要家

摘 要：人工智能是引領新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，如何充分釋放人工智能促進創(chuàng)新和經(jīng)濟高質(zhì)量發(fā)展的潛力是當前的重要課題。本文基于2011—2019年中國滬深A股制造業(yè)上市公司數(shù)據(jù)，采用多維固定效應模型實證研究了人工智能應用對企業(yè)創(chuàng)新寬度的影響及其作用機制。研究結(jié)果顯示：人工智能應用能顯著拓展企業(yè)創(chuàng)新寬度；人工智能應用對企業(yè)創(chuàng)新寬度的影響在中小企業(yè)、市場競爭力強、融資約束小和高科技行業(yè)的企業(yè)更明顯；人工智能應用通過提高企業(yè)研發(fā)成功率、提升企業(yè)運營效率和增強企業(yè)競爭優(yōu)勢拓展企業(yè)創(chuàng)新寬度；人工智能應用滯后則會制約企業(yè)拓展創(chuàng)新寬度。充分釋放人工智能應用促進高質(zhì)量創(chuàng)新潛力的政策重點是：構(gòu)建人工智能應用拓展企業(yè)創(chuàng)新寬度的創(chuàng)新生態(tài)，形成人工智能應用驅(qū)動創(chuàng)新的市場環(huán)境和政策環(huán)境，增強企業(yè)技術迭代能力以實現(xiàn)可持續(xù)創(chuàng)新。

關鍵詞：人工智能應用；企業(yè)創(chuàng)新寬度；研發(fā)成功率；運營效率；競爭優(yōu)勢

中圖分類號：F204 文獻標識碼：A 文章編號：1000-176X（2024）02-0038-13

一、問題的提出

人工智能是引領新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，如何充分釋放人工智能促進創(chuàng)新和經(jīng)濟高質(zhì)量發(fā)展的潛力是當前的重要課題。國家主席習近平在金磚國家領導人第十四次會晤上的講話中指出：“誰能把握大數(shù)據(jù)、人工智能等新經(jīng)濟發(fā)展機遇，誰就把準了時代脈搏?！秉h的二十大報告提出：“高質(zhì)量發(fā)展是全面建設社會主義現(xiàn)代化國家的首要任務?！?023年中央經(jīng)濟工作會議提出：“要大力推進新型工業(yè)化，發(fā)展數(shù)字經(jīng)濟，加快推動人工智能發(fā)展?！比斯ぶ悄軕檬谴龠M經(jīng)濟高質(zhì)量發(fā)展及傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的重要抓手，創(chuàng)新是引領高質(zhì)量發(fā)展的第一動力。關于人工智能對經(jīng)濟增長的影響已基本達成共識，即人工智能會提升生產(chǎn)率，進而促進經(jīng)濟增長。人工智能應用對經(jīng)濟增長影響的研究主要是回答Solow［1］提出的“索洛悖論”，即人工智能應用為什么沒有及時體現(xiàn)為生產(chǎn)率的大幅提升。Acemoglu等［2］指出，人工智能應用帶來的生產(chǎn)率提升主要體現(xiàn)在IT密集行業(yè)而非制造業(yè)。但Aghion等［3］將人工智能作為自動化技術引入經(jīng)濟增長模型，結(jié)果發(fā)現(xiàn)，人工智能應用水平的提高緩解了制約經(jīng)濟增長的“鮑莫爾成本病”。Graetz和Michaels［4］使用國家層面數(shù)據(jù)估計了工業(yè)機器人應用的經(jīng)濟貢獻，結(jié)果發(fā)現(xiàn)，工業(yè)機器人應用使得勞動生產(chǎn)率提高了0. 36%。楊光和侯鈺［5］指出，工業(yè)機器人不僅可以直接促進經(jīng)濟增長，還可以通過提升全要素生產(chǎn)率拉動經(jīng)濟增長。然而，陳楠和蔡躍洲［6］基于2010—2019年中國省際面板數(shù)據(jù)研究發(fā)現(xiàn)，人工智能顯著擴大了中國經(jīng)濟增長規(guī)模，但沒有提升經(jīng)濟增長速度。這類研究主要聚焦于經(jīng)濟增長問題本身，具體關注人工智能對宏觀層面生產(chǎn)效率的影響。雖然上述研究都指出了人工智能對生產(chǎn)率和經(jīng)濟增長的促進作用，但對人工智能促進經(jīng)濟增長機制的解釋相對不夠。人工智能主要是一種通用目的技術創(chuàng)新，人工智能應用賦能創(chuàng)新是促進生產(chǎn)率提升和經(jīng)濟增長的根本動力，但上述研究沒有對此進行進一步的分析。

關于人工智能影響創(chuàng)新的機制，主要包括提升研發(fā)效率、增強管理決策能力和促進產(chǎn)品創(chuàng)新等機制。首先，Agrawal等［7］將知識創(chuàng)造過程視為重組已有知識的過程，人工智能的發(fā)展不僅幫助人們發(fā)現(xiàn)新知識，還幫助人們對已有知識進行有效分組。Cockburn等［8］指出，人工智能技術極大地加快了研發(fā)速度，提升了研發(fā)效率。Agrawal等［9］指出，人工智能可以通過有效搜索和重新組合更廣泛的知識提高知識生產(chǎn)能力，從而加速經(jīng)濟增長。Liu等［10］利用行業(yè)層面的機器人數(shù)據(jù)研究人工智能對中國制造業(yè)技術創(chuàng)新的影響，結(jié)果發(fā)現(xiàn)，機器人應用通過加速知識創(chuàng)造和技術溢出、提高學習和吸收能力以及增加研發(fā)和人才投入促進創(chuàng)新。其次，鄧悅和蔣琬儀［11］基于工業(yè)機器人數(shù)據(jù)實證檢驗發(fā)現(xiàn)，人工智能通過增強企業(yè)管理能力促進創(chuàng)新，具體體現(xiàn)在人工智能提高了管理效率和數(shù)字化管理能力，并推動企業(yè)人力資本結(jié)構(gòu)年輕化和高技能化。Kakatkar等［12］通過案例分析指出，人工智能通過促進信息反饋增強創(chuàng)新管理決策，進而促進企業(yè)創(chuàng)新。最后，Babina等［13］指出，人工智能應用通過促進產(chǎn)品創(chuàng)新提高企業(yè)市場價值。Tekic等［14］指出，人工智能技術應用帶來的突破式創(chuàng)新將引致更多的產(chǎn)品創(chuàng)新、流程創(chuàng)新和商業(yè)模式創(chuàng)新，所以企業(yè)更加傾向于進行突破式創(chuàng)新以獲得競爭優(yōu)勢。

人工智能對創(chuàng)新的影響主要體現(xiàn)為創(chuàng)新質(zhì)量提高，而創(chuàng)新寬度是反映人工智能驅(qū)動創(chuàng)新質(zhì)量提高的重要維度。Wang和Von Tunzelmann［15］ 與Kaplan和Vakili［16］ 指出，創(chuàng)新寬度是區(qū)分突破式創(chuàng)新和漸進式創(chuàng)新的重要維度。與漸進式創(chuàng)新相比，突破式創(chuàng)新的主要特點在于，技術屬于全新技術領域，使得企業(yè)技術類型更加多樣，會明顯拓展企業(yè)創(chuàng)新寬度［17-18］。創(chuàng)新寬度代表了更大的持續(xù)創(chuàng)新空間和更高的創(chuàng)新質(zhì)量。人工智能技術可以突破“知識負擔”并高效率地重組知識，顯著降低研發(fā)不確定性，從而拓展創(chuàng)新寬度，實現(xiàn)質(zhì)量更高的創(chuàng)新突破［19］。Johnson等［20］指出，人工智能對創(chuàng)新的影響主要體現(xiàn)在拓展研發(fā)活動范圍。因此，拓展創(chuàng)新寬度是人工智能應用的根本特征，這也被稱為人工智能應用的“多面性特質(zhì)”［13］。本文參考Wang和Von Tunzelmann［15］與Zhong等［21］的企業(yè)創(chuàng)新寬度概念，將企業(yè)開發(fā)新技術領域視為企業(yè)拓展創(chuàng)新寬度。

本文主要從企業(yè)創(chuàng)新寬度角度解釋人工智能應用影響創(chuàng)新的作用機制，與以往文獻相比，本文可能的邊際貢獻主要體現(xiàn)在以下兩個方面：一方面，從企業(yè)創(chuàng)新寬度這一更加契合人工智能應用促進創(chuàng)新的新視角來解釋人工智能的創(chuàng)新驅(qū)動效應；另一方面，驗證了人工智能應用通過提高企業(yè)研發(fā)成功率、提升企業(yè)運營效率和增強企業(yè)競爭優(yōu)勢三種機制拓展企業(yè)創(chuàng)新寬度，從而揭示了人工智能促進企業(yè)創(chuàng)新寬度的內(nèi)在機理。

二、理論分析與研究假設

在創(chuàng)新經(jīng)濟學理論研究中，創(chuàng)新深度和創(chuàng)新寬度是反映創(chuàng)新質(zhì)量的兩個互補性維度。創(chuàng)新深度是指在既有知識范圍內(nèi)進行持續(xù)深入的創(chuàng)新；創(chuàng)新寬度指企業(yè)創(chuàng)新產(chǎn)出所涉及的知識和技術領域范圍的拓展。拓展創(chuàng)新寬度意味著企業(yè)選擇在全新的知識和技術領域進行創(chuàng)新活動，開發(fā)新技術，拓寬創(chuàng)新邊界。隨著人工智能技術的廣泛應用，人工智能技術重構(gòu)了企業(yè)創(chuàng)新模式，創(chuàng)新寬度成為創(chuàng)新質(zhì)量的主導維度［3，9］。拓展創(chuàng)新寬度所開發(fā)的全新知識和技術領域為企業(yè)持續(xù)創(chuàng)新奠定了基礎，所以拓展創(chuàng)新寬度所帶來的創(chuàng)新潛力更大［22］。

首先，人工智能應用帶來了創(chuàng)新激勵轉(zhuǎn)向。人工智能應用能迅速模仿創(chuàng)新寬度不變的創(chuàng)新，與此同時，創(chuàng)新寬度拓展的創(chuàng)新難以被競爭對手模仿，從而帶來更高的創(chuàng)新收益［14］。因此，人工智能應用使企業(yè)具有更強的激勵拓展創(chuàng)新寬度。其次，人工智能應用帶來的創(chuàng)新模式會引發(fā)更多的企業(yè)拓展創(chuàng)新寬度。人工智能應用所引發(fā)的創(chuàng)新本質(zhì)上是由數(shù)據(jù)和算法驅(qū)動的，而數(shù)據(jù)和算法具有資產(chǎn)通用性和非競爭性的獨特經(jīng)濟屬性，可以在多領域廣泛應用［23］。這意味著數(shù)據(jù)和算法驅(qū)動的創(chuàng)新具有顯著的范圍經(jīng)濟特點，多領域應用會使創(chuàng)新收益更高，所以人工智能應用本身會引發(fā)多領域的技術應用和創(chuàng)新。最后，人工智能應用所引發(fā)的消費者需求變化會拓展企業(yè)創(chuàng)新寬度。數(shù)字經(jīng)濟是規(guī)模經(jīng)濟、范圍經(jīng)濟與網(wǎng)絡效應相結(jié)合的一種新經(jīng)濟形態(tài)。在新經(jīng)濟形態(tài)下，拓展企業(yè)創(chuàng)新寬度能更好地滿足多樣化消費需求，且跨界經(jīng)營能顯著增加專利成果商業(yè)化應用的收益［24］，為拓展企業(yè)創(chuàng)新寬度提供了現(xiàn)實基礎。基于此，筆者提出如下假設：

假設1：人工智能應用能拓展企業(yè)創(chuàng)新寬度。

人工智能應用所帶來的企業(yè)研發(fā)成功率提高會拓展企業(yè)創(chuàng)新寬度。首先，人工智能應用打破了知識發(fā)現(xiàn)的認知維度約束。Cowen［25］與Gordon［26］指出，好的想法是一種稀缺品，知識發(fā)現(xiàn)從根本上制約了創(chuàng)新產(chǎn)出。Jones［27］指出，由于人處理知識信息能力的局限會產(chǎn)生“知識負擔”問題，越是寬領域的知識，這一問題越突出，從而制約創(chuàng)新寬度拓展。人工智能具有高效搜索和處理大范圍數(shù)據(jù)信息的能力，采用算法對數(shù)據(jù)信息進行運算分析并自動化決策。此時，機器成為重要的創(chuàng)新者。人工智能應用改變了傳統(tǒng)的人作為創(chuàng)新主體的創(chuàng)新模式，形成了人機交互的創(chuàng)新模式。人機交互打破了傳統(tǒng)的知識發(fā)現(xiàn)維度約束［23］，可以更高效地處理多領域知識信息，從而拓展企業(yè)創(chuàng)新寬度。其次，人工智能應用大幅降低了創(chuàng)新風險約束。因為拓展企業(yè)創(chuàng)新寬度的突破性更強，研發(fā)投入更多，所以導致企業(yè)拓展創(chuàng)新寬度的意愿較低。人工智能應用可以提供接近現(xiàn)實場景的創(chuàng)新測試訓練，且基于大數(shù)據(jù)的高效率分析有助于提高研發(fā)決策的科學性［12］和創(chuàng)新產(chǎn)出的通用性，從而顯著降低創(chuàng)新不確定性風險，由此導致拓展創(chuàng)新寬度具有高創(chuàng)新性和低風險性的特征［28］，有利于拓展企業(yè)創(chuàng)新寬度。最后，人工智能應用引發(fā)了開放式創(chuàng)新，打破了互補資源整合的外部約束。在傳統(tǒng)經(jīng)濟下，創(chuàng)新所需的互補資源整合面臨非常高的外部制度成本，而人工智能應用打破了組織間的邊界，可以在虛擬空間進行更廣范圍的數(shù)字化互補資源整合［29］，從而拓展企業(yè)創(chuàng)新寬度。基于此，筆者提出如下假設：

假設2a：人工智能應用通過提高企業(yè)研發(fā)成功率拓展企業(yè)創(chuàng)新寬度。

人工智能應用所帶來的運營效率提升會拓展企業(yè)創(chuàng)新寬度。首先，人工智能應用更有利于企業(yè)增加創(chuàng)新投入。在傳統(tǒng)經(jīng)濟下，高生產(chǎn)成本和低利潤回報限制了企業(yè)的研發(fā)經(jīng)費投入，高利潤的大企業(yè)更有能力進行創(chuàng)新活動［30］。數(shù)字經(jīng)濟時代，企業(yè)通過人工智能應用實現(xiàn)智能化生產(chǎn)，這會大幅提升企業(yè)運營效率，顯著降低企業(yè)生產(chǎn)成本，由此企業(yè)有充足的研發(fā)經(jīng)費，從而拓展企業(yè)創(chuàng)新寬度［31］。其次，人工智能應用改變了生產(chǎn)組織模式。人工智能應用推動企業(yè)進行全面且深入的數(shù)智化轉(zhuǎn)型，企業(yè)可以通過數(shù)字化數(shù)據(jù)和智能化虛擬空間將原本分散進行的業(yè)務流程整合在一起，也整合了企業(yè)所有的資源信息［32］。這種集成化的組織經(jīng)營模式提升了企業(yè)運營效率，從而拓展了企業(yè)創(chuàng)新寬度。最后，人工智能應用增強了企業(yè)創(chuàng)新彈性。人工智能技術顯著提高了企業(yè)運營決策效率，強大的數(shù)據(jù)分析能力使企業(yè)能在更大范圍內(nèi)迅速識別有利的商業(yè)機會［33］。為了迅速抓住多市場領域的商業(yè)機會，企業(yè)會增強其創(chuàng)新彈性［34］，從而拓展企業(yè)創(chuàng)新寬度?；诖耍P者提出如下假設：

假設2b：人工智能應用通過提升企業(yè)運營效率拓展企業(yè)創(chuàng)新寬度。

人工智能應用所帶來的競爭優(yōu)勢增強會拓展企業(yè)創(chuàng)新寬度。首先，人工智能應用強化了企業(yè)的創(chuàng)新競爭。數(shù)字經(jīng)濟時代，企業(yè)間競爭的關鍵在于動態(tài)創(chuàng)新［35］，拓展創(chuàng)新寬度有利于企業(yè)進一步增強競爭優(yōu)勢，因而企業(yè)有較強激勵拓展創(chuàng)新寬度。其次，人工智能應用加劇了企業(yè)間的生態(tài)競爭。人工智能應用不僅能增強企業(yè)單個業(yè)務部門的競爭優(yōu)勢，還能增強整體的生態(tài)競爭優(yōu)勢［33］。商業(yè)生態(tài)涉及多元主體、多維互補性資源和多領域業(yè)務，為了保持這種生態(tài)競爭優(yōu)勢，企業(yè)有較強激勵拓展創(chuàng)新寬度［36］。最后，人工智能應用會形成企業(yè)創(chuàng)新寬度自強化機制。人工智能賦能的優(yōu)勢企業(yè)往往掌握了大量的數(shù)據(jù)、數(shù)字技術和數(shù)字人才等創(chuàng)新資源［37］，從而具有較強的創(chuàng)新能力，同時跨界經(jīng)營帶來的各種創(chuàng)新資源的持續(xù)生成和整合優(yōu)化為拓展創(chuàng)新寬度提供了動力，由此不斷驅(qū)動優(yōu)勢企業(yè)拓展創(chuàng)新寬度。據(jù)此，筆者提出如下假設：

假設2c：人工智能應用通過增強企業(yè)競爭優(yōu)勢拓展企業(yè)創(chuàng)新寬度。

三、研究設計

（一） 變量選取

⒈被解釋變量

本文被解釋變量是企業(yè)創(chuàng)新寬度（Invhhi）。當前創(chuàng)新寬度測度是一個尚未解決的問題，在少有的創(chuàng)新寬度相關實證研究中，學者使用調(diào)查問卷數(shù)據(jù)測度創(chuàng)新寬度［38］，但基于個人偏好的問卷設計和小樣本數(shù)據(jù)難以客觀全面地反映企業(yè)創(chuàng)新寬度。為了相對客觀地衡量企業(yè)創(chuàng)新寬度，本文借鑒張杰和鄭文平［39］ 與沈坤榮等［18］ 的測度方法，采用企業(yè)專利所屬的國際專利分類（International Patent Classification，IPC） 號的大組信息內(nèi)部差異度衡量企業(yè)創(chuàng)新寬度。國際專利分類號的信息差異越大，意味著該創(chuàng)新專利涉及越多領域的復雜知識，更加難以被模仿，創(chuàng)新突破性更強，即表現(xiàn)為更廣的創(chuàng)新寬度。

本文參照赫芬達爾—赫希曼指數(shù)的思路，先測度企業(yè)單個專利創(chuàng)新寬度。具體測度方法如下：Invhhi_u = 1 - Σα2。其中，Invhhi_u表示企業(yè)單個專利創(chuàng)新寬度；α表示專利分類號中各大組分類所占比重。Invhhi_u數(shù)值越大，表示企業(yè)在各大組層面專利分類號之間存在的差異越明顯，也就是說企業(yè)為獲得該創(chuàng)新專利所使用的知識寬度越寬，該創(chuàng)新專利的質(zhì)量相對更好。然后根據(jù)企業(yè)—年份將企業(yè)單個專利創(chuàng)新寬度信息加總到企業(yè)層面。張杰和鄭文平［39］指出，由于企業(yè)專利分布不均且存在極端值問題，相對來說使用中位數(shù)加總方法更加適宜。因此，本文在基準回歸部分基于中位數(shù)法衡量企業(yè)創(chuàng)新寬度。

⒉解釋變量

本文解釋變量是人工智能應用（AI）。本文參考王永欽和董雯［40］ 與Acemoglu和Restrepo［41］的做法，使用巴蒂克工具變量法構(gòu)造中國制造業(yè)企業(yè)層面的機器人滲透度指標。具體測度方法如下：本文先構(gòu)建中國行業(yè)層面的機器人滲透度指標，PAIINjCtH = AIINjCtH /LjCtH= 2010。其中，PAIINjCtH表示中國j行業(yè)t年的機器人滲透度；AIINjCtH表示中國j行業(yè)t年的機器人存量；LjCtH= 2010表示中國j行業(yè)2010年（基期） 的就業(yè)人數(shù)。然后基于生產(chǎn)部門員工占比，將行業(yè)層面數(shù)據(jù)分解至企業(yè)層面，得到企業(yè)層面的機器人滲透度指標，PAIENiCjtH = （PSPijt = 2011 /ManuPSPt = 2011 ）（AIINjCtH /LjCtH= 2010 ）。其中，PAIENiCjtH表示j行業(yè)i企業(yè)t年的機器人滲透度，PSPijt = 2011表示當處于2011年（基期）時，j行業(yè)i企業(yè)的生產(chǎn)部門員工占比，ManuPSPt = 2011 表示2011年所有行業(yè)企業(yè)生產(chǎn)部門員工占比的中位數(shù)。

⒊中介變量

企業(yè)研發(fā)成功率（Success），本文參考孫薇和葉初升［42］的做法，采用企業(yè)當年申請的發(fā)明專利中最終被授權(quán)的比例衡量。企業(yè)運營效率（Operation），本文選取企業(yè)期間費用作為企業(yè)運營效率的代理變量，采用銷售費用、管理費用、財務費用之和與企業(yè)總資產(chǎn)的比值衡量企業(yè)期間費用。企業(yè)競爭優(yōu)勢（Compete），本文參考周志方等［43］的做法，采用企業(yè)營業(yè)收入增長率與行業(yè)營業(yè)收入增長率之差衡量。

⒋控制變量

市場規(guī)模（Size），采用企業(yè)總資產(chǎn)的自然對數(shù)衡量；股權(quán)制衡度（Balance），采用第二大股東到第五大股東持股比例之和與第一大股東持股比例的比值衡量； 第一大股東持股比例（Top1），采用第一大股東持股數(shù)量與總股數(shù)的比值衡量；企業(yè)年齡（Age），采用企業(yè)成立年限加1的自然對數(shù)衡量；市場結(jié)構(gòu)（Cr），采用行業(yè)內(nèi)最大的前十家企業(yè)的營業(yè)收入占行業(yè)營業(yè)收入的比值衡量；總資產(chǎn)凈利潤率（ROA），采用凈利潤與總資產(chǎn)平均余額的比值衡量；所有權(quán)性質(zhì)（SOE），國有企業(yè)取值為1，否則取值為0；高新技術企業(yè)（Hightech），如果是高新技術企業(yè)，取值為1，否則取值為0。

（二） 模型構(gòu)建

為了檢驗人工智能應用對企業(yè)創(chuàng)新寬度的影響，本文構(gòu)建如下計量模型：

Invhhiijt = α0 + α1AIijt + α2Xijt + μi + λj + δt + εijt （1）

其中，i、j和t分別表示企業(yè)、行業(yè)和年份；Xijt 表示上述一系列控制變量；μi、λj和δt分別表示企業(yè)固定效應、行業(yè)固定效應和年份固定效應；εijt 表示隨機擾動項。

（三） 數(shù)據(jù)來源

本文以2011—2019年中國滬深A股制造業(yè)上市公司數(shù)據(jù)為研究樣本，剔除當年被ST、*ST和PT的樣本，剔除關鍵指標缺失過多或明顯不合理的樣本，最終得到制造業(yè)27類子行業(yè)1 207個企業(yè)的8 141 個觀測值。本文相關數(shù)據(jù)主要來源于CSMAR 數(shù)據(jù)庫、CNRDS 數(shù)據(jù)庫、企業(yè)年報、IFR、NBER?CES、《中國統(tǒng)計年鑒》、《中國工業(yè)統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》，經(jīng)筆者手工搜集、整理和計算得到。表1是本文主要變量的描述性統(tǒng)計結(jié)果。

四、實證結(jié)果與分析

（一） 基準回歸結(jié)果

表2是人工智能應用對企業(yè)創(chuàng)新寬度影響的基準回歸結(jié)果。表2列（1） 僅控制了企業(yè)固定效應和年份固定效應，表2列（2） 在列（1） 基礎上引入行業(yè)固定效應，表2列（3） 在列（1） 基礎上引入控制變量，表2列（4） 同時引入控制變量以及企業(yè)固定效應、行業(yè)固定效應和年份固定效應。從上述回歸結(jié)果可以看出，人工智能應用的回歸系數(shù)均顯著為正，這表明人工智能應用增加了企業(yè)在新技術領域的專利數(shù)量，顯著拓展了企業(yè)創(chuàng)新寬度。假設1得到驗證。

（二） 內(nèi)生性處理

受數(shù)據(jù)可得性限制，本文使用巴蒂克工具變量法將行業(yè)層面數(shù)據(jù)分解到企業(yè)層面，通常企業(yè)層面的創(chuàng)新行為不會直接影響行業(yè)層面的人工智能應用，直覺上來看并沒有反向因果問題，并且Borusyak等［44］指出，巴蒂克工具變量的外生性可以來自份額的外生性或沖擊的外生性。本文初始份額基于生產(chǎn)部門員工占比，而沖擊部分相當于使用了行業(yè)層面的數(shù)據(jù)，使得人工智能應用的外生性要求更容易被滿足。本文人工智能應用已經(jīng)盡量滿足外生性要求，但基準回歸結(jié)果的可靠性仍會受到遺漏變量和反向因果問題的影響。對此，本文使用工具變量法緩解內(nèi)生性問題。

⒈基于美國機器人數(shù)據(jù)的工具變量

本文參考王永欽和董雯［40］的做法，基于美國行業(yè)層面工業(yè)機器人數(shù)據(jù)構(gòu)建中國企業(yè)層面機器人滲透度的工具變量： PAIENUSijt = （PSPijt = 2011 /ManuPSPt = 2011 ）（AIINjUtS /LjUtS= 1990 ）。其中，PAIENUSijt表示基于美國機器人數(shù)據(jù)的中國j行業(yè)i企業(yè)t年的機器人滲透度；AIINjUtS表示美國j行業(yè)t 年的工業(yè)機器人存量或安裝值；LjUtS= 1990 表示美國j 行業(yè)1990 年（基期） 的就業(yè)人數(shù)；AIINjUtS /LjUtS= 1990表示美國j行業(yè)t年的機器人滲透度。

中國和美國的人工智能發(fā)展水平和趨勢具有相似性，因而滿足工具變量的相關性要求。同時中國企業(yè)自主選擇創(chuàng)新寬度的行為受美國機器人應用水平的直接影響較弱，因而基本滿足工具變量排他性要求。表3 列（1） 和列（2） 匯報了基于美國機器人數(shù)據(jù)的工具變量回歸結(jié)果，Kleibergen?Paap rk LM值拒絕了工具變量識別不足假設、Cragg?Donald Wald F值拒絕了弱工具變量假設，因而本文選取的工具變量相對合理。利用工具變量法緩解內(nèi)生性問題后，人工智能應用仍能拓展企業(yè)創(chuàng)新寬度，證實了本文基準回歸結(jié)果的穩(wěn)健性。

⒉基于行業(yè)機器人適應度的工具變量

本文參考Bonfiglioli等［45］與綦建紅和張志彤［46］的做法，將企業(yè)所在行業(yè)機器人適應度指標（Suitability） 作為人工智能應用的工具變量，具體采用投資機器人數(shù)據(jù)衡量。該工具變量反映了行業(yè)內(nèi)企業(yè)應用機器人的適應度，高機器人適應度的行業(yè)更加適合應用人工智能技術，由此說明該工具變量和人工智能應用具有強相關性。與此同時，本文被解釋變量企業(yè)創(chuàng)新寬度是企業(yè)層面指標，行業(yè)機器人適應度工具變量屬于行業(yè)層面指標，所以二者基本沒有直接關聯(lián)，滿足排他性要求。表3列（3） 和列（4） 的回歸結(jié)果顯示，工具變量選取相對合理可靠，人工智能應用能拓展企業(yè)創(chuàng)新寬度，再次證實了本文基準回歸結(jié)果的穩(wěn)健性。

（三） 穩(wěn)健性檢驗①

⒈更換被解釋變量的衡量方式

其一，基準回歸中企業(yè)創(chuàng)新寬度是根據(jù)中位數(shù)法測算的，此處采用均值法測算企業(yè)創(chuàng)新寬度（Invhhi1）。其二，前文從國際專利分類號的大組信息內(nèi)部差異度方面衡量企業(yè)創(chuàng)新寬度，考慮到國際專利分類號主要由部、大類、小類、大組和小組構(gòu)成，呈分類等級遞降關系，其中大組信息只是國際專利分類號中相對細化的一種分類標準，本文進一步測度了基于更加細化的分類標準小組和基于更加寬泛的分類標準小類的企業(yè)創(chuàng)新寬度（Invhhi2和Invhhi3）。其三，與獨立創(chuàng)新相比，較高的企業(yè)聯(lián)合創(chuàng)新水平在一定程度上說明了企業(yè)創(chuàng)新所含專利類型的復雜度，本文參考李萬利等［47］的做法，采用企業(yè)聯(lián)合申請專利數(shù)量加1的自然對數(shù)衡量企業(yè)創(chuàng)新寬度（Jointinv）。替換被解釋變量衡量方式的回歸結(jié)果均支持人工智能應用顯著拓展企業(yè)創(chuàng)新寬度這一結(jié)論。

⒉更換解釋變量的衡量方式

本文采用每年的機器人安裝量衡量人工智能應用（AI2）。替換解釋變量衡量方式的結(jié)果顯示，人工智能應用能拓展企業(yè)創(chuàng)新寬度，這表明本文基準回歸結(jié)果是穩(wěn)健的。

⒊剔除直轄市樣本

直轄市的政策環(huán)境可能不同于其他地區(qū)，存在干擾回歸結(jié)果的可能。本文采用剔除直轄市的樣本進行回歸，人工智能應用的回歸系數(shù)仍顯著為正，與基準回歸結(jié)果一致。

⒋增加控制變量

數(shù)字經(jīng)濟的迅速發(fā)展催生出新技術和新業(yè)態(tài)，本文參考唐要家等［35］的做法，采用企業(yè)數(shù)字化轉(zhuǎn)型水平（Dig） 來表征數(shù)字經(jīng)濟對企業(yè)的影響，并在回歸中加以控制，觀察在增加該控制變量后回歸結(jié)果是否發(fā)生顯著變化。引入企業(yè)數(shù)字化轉(zhuǎn)型水平的回歸結(jié)果顯示，人工智能應用能拓展企業(yè)創(chuàng)新寬度。這表明數(shù)字經(jīng)濟發(fā)展不會造成本文回歸結(jié)果的系統(tǒng)性偏差，在考慮數(shù)字經(jīng)濟發(fā)展的影響后，本文的結(jié)論仍具有穩(wěn)健性。

（四） 異質(zhì)性分析

⒈企業(yè)規(guī)模異質(zhì)性

人工智能應用對不同規(guī)模企業(yè)拓展創(chuàng)新寬度的影響可能不同。本文按照企業(yè)規(guī)模中位數(shù)，將高于中位數(shù)的企業(yè)劃分為大企業(yè)，取值為1，否則劃分為中小企業(yè)，取值為0。表4列（1） 和列（2） 的回歸結(jié)果顯示，人工智能應用的回歸系數(shù)均顯著為正，中小企業(yè)人工智能應用的回歸系數(shù)大于大企業(yè)，且通過了組間差異檢驗，這表明人工智能應用對拓展中小企業(yè)創(chuàng)新寬度的影響更明顯?？赡艿脑蚴?，大企業(yè)固定資產(chǎn)多，而中小企業(yè)能更靈活地整合資源，進行開放式創(chuàng)新。

⒉市場競爭力異質(zhì)性

人工智能應用對企業(yè)創(chuàng)新的影響與市場競爭力密不可分。一般而言，市場競爭力越強，企業(yè)獲得創(chuàng)新收益的可能性越高，因而越有激勵拓展企業(yè)創(chuàng)新寬度。本文根據(jù)市場結(jié)構(gòu)中位數(shù)進行分組回歸，考察人工智能應用在不同市場競爭力下對企業(yè)創(chuàng)新寬度的影響。表4列（3） 和列（4）的回歸結(jié)果顯示，人工智能應用的回歸系數(shù)均顯著為正，市場競爭力強的企業(yè)人工智能應用的回歸系數(shù)遠大于市場競爭力弱的企業(yè)，且通過了組間差異檢驗，這表明人工智能應用對市場競爭力強的企業(yè)創(chuàng)新寬度的影響更明顯。

⒊融資約束異質(zhì)性

人工智能應用能提高企業(yè)研發(fā)成功率。在研發(fā)資金充裕的企業(yè)，人工智能算法和數(shù)據(jù)積累更充足，提高研發(fā)成功率的能力更突出，更有利于拓展企業(yè)創(chuàng)新寬度。而且人工智能應用需要數(shù)字化人才、基礎設施硬件與數(shù)字化軟件的協(xié)同作用。強融資約束導致企業(yè)缺少資金，不敢也不能進行互補性投資，因而人工智能應用對企業(yè)創(chuàng)新寬度的影響相對不敏感。本文以SA指數(shù)和KZ指數(shù)衡量企業(yè)所面臨的融資約束，企業(yè)融資約束程度高于融資約束中位數(shù)的，取值為1，否則取值為0。表5列（1） —列（4） 的回歸結(jié)果顯示，分組回歸通過了組間系數(shù)差異檢驗，人工智能應用對融資約束小的企業(yè)創(chuàng)新寬度的影響更明顯。

⒋行業(yè)異質(zhì)性

對于正處于技術快速變化行業(yè)中的企業(yè)，人工智能應用拓展其創(chuàng)新寬度的作用可能更大。這些企業(yè)更需要及時追蹤市場和技術變化以應對市場競爭，因而人工智能應用可以提升信息傳遞效率。本文以是否屬于高科技行業(yè)進行分組，高科技行業(yè)，取值為1，否則取值為0。表5列（5）和列（6） 的回歸結(jié)果顯示，在高科技行業(yè)，人工智能應用顯著拓展了企業(yè)創(chuàng)新寬度，在非高科技行業(yè)，人工智能應用對企業(yè)創(chuàng)新寬度的影響不顯著。

五、機制檢驗與進一步分析

（一） 機制檢驗

根據(jù)前文所述，人工智能應用主要通過提高企業(yè)研發(fā)成功率、提升企業(yè)運營效率和增強企業(yè)競爭優(yōu)勢拓展企業(yè)創(chuàng)新寬度。本文參考劉夢莎等［48］的做法，重點檢驗人工智能應用對上述一系列中介變量的影響，構(gòu)建如下計量模型：

Medijt = β0 + β1AIijt + β2Xijt + μi + λj + δt + εijt （2）

其中，Medijt 表示上述一系列中介變量，其他變量的含義同模型（1）。

機制檢驗結(jié)果如表6所示。表6列（1） 的回歸結(jié)果顯示，人工智能應用能顯著提高企業(yè)研發(fā)成功率，從而拓展了企業(yè)創(chuàng)新寬度。假設2a得到驗證。表6列（2） 的回歸結(jié)果顯示，人工智能應用顯著降低了企業(yè)期間費用，即提高了企業(yè)運營效率，從而拓展了企業(yè)創(chuàng)新寬度。假設2b得到驗證。表6列（3） 的回歸結(jié)果顯示，人工智能應用顯著增強了企業(yè)競爭優(yōu)勢，從而拓展了企業(yè)創(chuàng)新寬度。假設2c得到驗證。

（二） 進一步分析

為了考察人工智能應用對企業(yè)創(chuàng)新寬度的動態(tài)影響。一方面，本文參考王永欽和董雯［40］的做法，引入滯后一期的制造業(yè)機器人滲透度變量，采用分布滯后模型檢驗人工智能應用對企業(yè)創(chuàng)新寬度的動態(tài)影響，回歸結(jié)果如表7列（1） 所示；另一方面，考慮到中國制造業(yè)應用機器人的數(shù)據(jù)時長相對有限，本文參考王曉娟等［49］的做法，選取美國制造業(yè)機器人滲透度AI_US作為代理變量，采用分布滯后模型檢驗人工智能應用對企業(yè)創(chuàng)新寬度的動態(tài)影響，回歸結(jié)果如表7列（2）所示。滯后一期的人工智能應用對企業(yè)創(chuàng)新寬度的影響顯著為負，這可能是由于技術更新過快，如果沒有及時更新人工智能應用，會導致人工智能迅速過期貶值，從而無法拓展企業(yè)創(chuàng)新寬度。如果上述推斷成立，那么高新技術企業(yè)應該更容易出現(xiàn)上述情況。因此，本文按是否屬于高新技術企業(yè)進行分組回歸，表7列（3） 和列（4） 分別是高新技術企業(yè)和非高新技術企業(yè)的回歸結(jié)果。滯后一期的人工智能應用對高新技術企業(yè)創(chuàng)新寬度的影響顯著為負，對非高新技術企業(yè)的影響不顯著。因此，未及時更新迭代的人工智能應用會制約企業(yè)拓展創(chuàng)新寬度。

六、研究結(jié)論與政策啟示

人工智能應用飛速發(fā)展將極大地提升企業(yè)創(chuàng)新績效，通過人工智能應用促進創(chuàng)新是實現(xiàn)數(shù)字經(jīng)濟高質(zhì)量發(fā)展的關鍵所在。本文基于2011—2019年中國滬深A股制造業(yè)上市公司數(shù)據(jù)，采用多維固定效應模型實證研究了人工智能應用對企業(yè)創(chuàng)新寬度的影響及其作用機制。研究結(jié)果顯示：人工智能應用能顯著拓展企業(yè)創(chuàng)新寬度；人工智能應用對企業(yè)創(chuàng)新寬度的影響在中小企業(yè)、市場競爭力強、融資約束小和高科技行業(yè)的企業(yè)更明顯；人工智能應用通過提高企業(yè)研發(fā)成功率、提升企業(yè)運營效率和增強企業(yè)競爭優(yōu)勢拓展企業(yè)創(chuàng)新寬度；人工智能應用滯后則會制約企業(yè)拓展創(chuàng)新寬度。根據(jù)上述研究結(jié)論，筆者得到如下政策啟示：

第一，構(gòu)建人工智能應用拓展企業(yè)創(chuàng)新寬度的創(chuàng)新生態(tài)。人工智能是高質(zhì)量創(chuàng)新的重要驅(qū)動力，應深入推進企業(yè)智能化轉(zhuǎn)型，全面重構(gòu)企業(yè)研發(fā)創(chuàng)新組織方式，形成有利于多元知識整合、生產(chǎn)和開發(fā)應用的戰(zhàn)略規(guī)劃與組織文化。健全數(shù)據(jù)開放共享制度，為人工智能算法測試訓練提供充足的多維度高質(zhì)量數(shù)據(jù)集。打破制約互補性創(chuàng)新資源整合的各種制度壁壘，打造開放創(chuàng)新生態(tài)。積極培育人工智能驅(qū)動創(chuàng)新成果的多領域商業(yè)化應用，推動范圍經(jīng)濟驅(qū)動的新產(chǎn)業(yè)和新模式的發(fā)展，為拓展企業(yè)創(chuàng)新寬度提供多領域應用場景。

第二，形成人工智能應用驅(qū)動創(chuàng)新的市場環(huán)境和政策環(huán)境。建立公私合作的創(chuàng)新經(jīng)費投入體制，政府應設立專項基金推動基礎性或行業(yè)性的創(chuàng)新活動，同時積極發(fā)展風險投資，引導和鼓勵各類社會資本投入，為人工智能驅(qū)動的創(chuàng)新提供穩(wěn)定持續(xù)的資本保障。完善反壟斷常態(tài)化措施，持續(xù)加強和改進反壟斷執(zhí)法，禁止各種基于大數(shù)據(jù)和人工智能的壟斷行為，保護市場的競爭性，從而促進企業(yè)創(chuàng)新。避免實施一刀切的智能化轉(zhuǎn)型政策，應對不同行業(yè)和企業(yè)實行差別化的智能化轉(zhuǎn)型政策，應根據(jù)不同行業(yè)人工智能應用的創(chuàng)新寬度拓展效應來分層推進，并加大中小企業(yè)人工智能技術應用的支持力度，形成不同類型企業(yè)協(xié)同創(chuàng)新組織體系。

第三，增強企業(yè)技術迭代能力以實現(xiàn)可持續(xù)創(chuàng)新。為了避免人工智能應用滯后阻礙企業(yè)拓展創(chuàng)新寬度，應持續(xù)提升企業(yè)技術更新迭代能力，形成自強化的迭代升級機制。企業(yè)應建立人工智能應用戰(zhàn)略規(guī)劃，重視人工智能應用與升級能力建設，注重人工智能專業(yè)人才儲備和企業(yè)員工人工智能技能培訓，穩(wěn)步推進人工智能技術應用提升，形成人工智能技術更新迭代的自強化機制。

參考文獻：

［1］ SOLOW R. Wed better watch out［J］. New York times book review，1987，12（36）：1-2.

［2］ ACEMOGLU D， AUTOR D， DORN D， et al. Return of the Solow paradox？IT， productivity， and employment inUS manufacturing［J］.The American economic review，2014，104（5）：394-399.

［3］ AGHION P， JONES B F， JONES C I. Artificial intelligence and economic growth［C］//AGRAWAL A， GANS J，GOLDFARB A. Economics of artificial intelligence： an agenda. Chicago： University of Chicago Press，2019：237-282.

［4］ GRAETZ G， MICHAELS G. Robots at work［J］. Review of economics and statistics，2018，100（5）：753-768.

［5］ 楊光，侯鈺.工業(yè)機器人的使用、技術升級與經(jīng)濟增長［J］.中國工業(yè)經(jīng)濟，2020（10）：138-156.

［6］ 陳楠，蔡躍洲.人工智能、承接能力與中國經(jīng)濟增長——新“索洛悖論”和基于AI專利的實證分析［J］.經(jīng)濟學動態(tài)，2022（11）：39-57.

［7］ AGRAWAL A， GANS J S， GOLDFARB A. Prediction， judgment and complexity： a theory of decision making andartificial intelligence［R］. NBER Working Papers No.3103156，2018.

［8］ COCKBURN I M， HENDERSON R， STERN S. The impact of artificial intelligence on innovation： an exploratoryanalysis［C］// AGRAWAL A， GANS J， GOLDFARB A. Economics of artificial intelligence： an agenda. Chicago：University of Chicago Press，2019：115-152.

［9］ AGRAWAL A， GANS J S， GOLDFARB A. Artificial intelligence： the ambiguous labor market impact of automatingprediction［J］. Journal of economic perspectives，2019，33（2）：31-50.

［10］ LIU J， CHANG H， FORREST J Y L， et al. Influence of artificial intelligence on technological innovation：evidence from the panel data of Chinas manufacturing sectors［J］. Technological forecasting and social change，2020，158（9）：120142.

［11］ 鄧悅，蔣琬儀.工業(yè)機器人、管理能力與企業(yè)技術創(chuàng)新［J］.中國軟科學，2022（11）：129-141.

［12］ KAKATKAR C， BILGRAM V， F?LLER J. Innovation analytics： leveraging artificial intelligence in the innovationprocess［J］. Business horizons，2020，63（2）：171-181.

［13］ BABINA T， FEDYK A， HE A， et al. Artificial intelligence， firm growth， and product innovation［J］. Journal offinancial economics，2024，151（1）：103745.

［14］ TEKIC Z， COSIC I， KATALINIC B. Manufacturing and the rise of artificial intelligence： innovation challenges［C］//KATAILNIC B. Proceedings of the 30th DAAAM international symposium. Vienna： DAAAM InternationalPress，2019：192-196.

［15］ WANG Q， VON TUNZELMANN N. Complexity and the functions of the firm： breadth and depth［J］. Researchpolicy，2000，29（8）：805-818.

［16］ KAPLAN S， VAKILI K. The double?edged sword of recombination in breakthrough innovation［J］. Strategicmanagement journal，2015，36（10）：1435-1457.

［17］ BYUN S K， OH J M， XIA H. Incremental vs. breakthrough innovation：the role of technology spillovers［J］.Management science，2021，67（3）：1779-1802.

［18］ 沈坤榮，林劍威，傅元海.網(wǎng)絡基礎設施建設、信息可得性與企業(yè)創(chuàng)新邊界［J］.中國工業(yè)經(jīng)濟，2023（1）：57-75.

［19］ GRASHOF N， KOPKA A. Artificial intelligence and radical innovation： an opportunity for all companies？［J］.Small business economics，2023，61（2）：771-797.

［20］ JOHNSON P C， LAURELL C， OTS M， et al. Digital innovation and the effects of artificial intelligence on firmsresearch and development?automation or augmentation， exploration or exploitation？［J］. Technological forecastingand social change，2022，179（6）：121636.

［21］ ZHONG W， MA Z， TONG T W， et al. Customer concentration， executive attention， and firm search behavior［J］.Academy of management journal，2021，64（5）：1625-1647.

［22］ ACEMOGLU D， AKCIGIT U， CELIK M A. Radical and incremental innovation： the roles of firms， managers， andinnovators［J］. American economic journal：macroeconomics，2022，14（3）：199-249.

［23］ VERGANTI R， VENDRAMINELLI L， IANSITI M. Innovation and design in the age of artificial intelligence ［J］.Journal of product innovation management，2020，37（3）：212-227.

［24］ JACOBIDES M G， CENNAMO C， GAWER A. Towards a theory of ecosystems［J］. Strategic management journal，2018，39（8）：2255-2276.

［25］ COWEN T. The great stagnation： how America ate all the low-hanging fruit of modern history， got sick， and will（eventually） feel better［M］. New York：Dutton Press，2011：1-11.

［26］ GORDON R. The rise and fall of American growth： the U.S. standard of living since the civil war［M］. Princeton：Princeton University Press，2016：533-566.

［27］ JONES B F. The burden of knowledge and the“ death of the renaissance man”：is innovation getting harder？［J］.The review of economic studies，2009，76（1）：283-317.

［28］ TRUONG Y， PAPAGIANNIDIS S. Artificial intelligence as an enabler for innovation： a review and future researchagenda［J］. Technological forecasting and social change，2022，183（10）：121852.

［29］ DENG Y， CHEN L， LIM K. AI in innovation： how does AI impact recombinant complexity？［C］// SONJA T.Academy of management proceedings. New York： Academy of Management，2023，（2）：13359.

［30］ SCHUMPETER J A. Capitalism， socialism and democracy［M］. New York： Harper Press，1942：59-156.

［31］ RAMMER C， FERN?NDEZ G P， CZARNITZKI D. Artificial intelligence and industrial innovation： evidence fromGerman firm?level data［J］. Research policy，2022，51（7）：104555.

［32］ 賈少謙，單宇.科技企業(yè)數(shù)字服務化過程中的資源集成機制——基于單案例的探索性研究［J］.財經(jīng)問題研究，2024（1）：86-100.

［33］ 焦豪.數(shù)字平臺生態(tài)觀：數(shù)字經(jīng)濟時代的管理理論新視角［J］.中國工業(yè)經(jīng)濟，2023（7）：122-141.

［34］ 楊金玉，彭秋萍，葛震霆.數(shù)字化轉(zhuǎn)型的客戶傳染效應——供應商創(chuàng)新視角［J］.中國工業(yè)經(jīng)濟，2022（8）：156-174.

［35］ 唐要家，王鈺，唐春暉.數(shù)字經(jīng)濟、市場結(jié)構(gòu)與創(chuàng)新績效［J］.中國工業(yè)經(jīng)濟，2022（10）：62-80.

［36］ SANTORO G， VRONTIS D， THRASSOU A， et al. The internet of things：building a knowledge managementsystem for open innovation and knowledge management capacity［J］. Technological forecasting and social change，2018，136（11）：347-354.

［37］ HAMILTON J R， TEE S W， MAXWELL S J. AI and firm competitiveness［R］. Proceedings of the InternationalConference on Electronic Business，2023.

［38］ DEL CARPIO GALLEGOS J， OSTOS MARI?O J， BREMSER K. The influence of absorptive capacity， sources ofinformation and technological acquisition in the technological innovation breadth of manufacturing companies［J］.European accounting and management review，2018，4（2）：1-28.

［39］ 張杰，鄭文平.創(chuàng)新追趕戰(zhàn)略抑制了中國專利質(zhì)量么？［J］.經(jīng)濟研究，2018（5）：28-41.

［40］ 王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù)［J］.經(jīng)濟研究，2020（10）：159-175.

［41］ ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from U. S. labor markets［J］. Journal of politicaleconomy，2020，128（6）：2188-2244.

［42］ 孫薇，葉初升.政府采購何以牽動企業(yè)創(chuàng)新——兼論需求側(cè)政策“拉力”與供給側(cè)政策“推力”的協(xié)同［J］.中國工業(yè)經(jīng)濟，2023（1）：1-19.

［43］ 周志方，張明月，張凌燕，等.碳風險管理會“差異促進”企業(yè)競爭優(yōu)勢嗎？［J］.西安交通大學學報（社會科學版），2021（3）：81-92.

［44］ BORUSYAK K， HULL P， JARAVEL X. Quasi?experimental shift?share research designs［J］. Review of economicstudies，2022，89（1）：181-213.

［45］ BONFIGLIOLI A， CRIN? R， FADINGER H， et al. Robot imports and firm?level outcomes［R］. CESifo WorkingPaper Series No.8741，2020.

［46］ 綦建紅，張志彤.機器人應用與出口產(chǎn)品范圍調(diào)整：效率與質(zhì)量能否兼得［J］.世界經(jīng)濟，2022（9）：3-31.

［47］ 李萬利，潘文東，袁凱彬.企業(yè)數(shù)字化轉(zhuǎn)型與中國實體經(jīng)濟發(fā)展［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2022（9）：5-25.

［48］ 劉夢莎，邵淇，阮青松.數(shù)字化轉(zhuǎn)型對企業(yè)債務融資成本的影響研究［J］.財經(jīng)問題研究，2023（1）：63-72.

［49］ 王曉娟，朱喜安，王穎.工業(yè)機器人應用對制造業(yè)就業(yè)的影響效應研究［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2022（4）：88-106.

（責任編輯：孫艷）