收稿日期：2023-04-15" 修回日期：2023-07-19

基金項(xiàng)目：國家社會科學(xué)基金項(xiàng)目（23BGL063）

作者簡介：陳偉（1983-），男，湖北潛江人，博士，重慶工商大學(xué)工商管理學(xué)院副院長、教授、博士生導(dǎo)師，研究方向?yàn)榧夹g(shù)創(chuàng)新管理；鄧堯（1999-），男，重慶人，重慶工商大學(xué)工商管理學(xué)院碩士研究生，研究方向?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型與技術(shù)創(chuàng)新管理；楊柏（1971-），男，四川樂山人，博士，重慶工商大學(xué)工商管理學(xué)院院長、教授、博士生導(dǎo)師，研究方向?yàn)榧夹g(shù)創(chuàng)新管理；陳銀忠（1978-），男，福建泉州人，博士，四川外國語大學(xué)國際金融與貿(mào)易學(xué)院教授、碩士生導(dǎo)師，研究方向?yàn)橹圃鞓I(yè)服務(wù)化、技術(shù)創(chuàng)新管理。本文通訊作者：楊柏。

摘" 要：為探究人工智能是否對提升技術(shù)創(chuàng)新水平具有賦能效應(yīng)，基于2011—2020年30個(gè)省級行政區(qū)面板數(shù)據(jù)，運(yùn)用雙向固定效應(yīng)模型和中介效應(yīng)模型，實(shí)證分析人工智能對技術(shù)創(chuàng)新的影響以及創(chuàng)新環(huán)境的中介效應(yīng)。基準(zhǔn)回歸結(jié)果表明，人工智能能夠顯著賦能技術(shù)創(chuàng)新水平提升。中介效應(yīng)檢驗(yàn)結(jié)果表明，創(chuàng)新環(huán)境在人工智能賦能技術(shù)創(chuàng)新的過程中發(fā)揮部分中介作用，人工智能有助于優(yōu)化創(chuàng)新環(huán)境，聚集人才并吸引投資，從而促進(jìn)技術(shù)創(chuàng)新水平提升。異質(zhì)性分析結(jié)果表明，對于經(jīng)濟(jì)發(fā)展水平越高、技術(shù)越密集的地區(qū)，人工智能賦能技術(shù)創(chuàng)新水平提升的作用越明顯，區(qū)域間發(fā)展差距較大；對于3種不同創(chuàng)新類型，人工智能均表現(xiàn)出顯著促進(jìn)效應(yīng)，對發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利的促進(jìn)作用呈現(xiàn)由低到高的特點(diǎn)。非線性分析結(jié)果表明，人工智能賦能技術(shù)創(chuàng)新整體呈現(xiàn)邊際效應(yīng)遞減趨勢。

關(guān)鍵詞關(guān)鍵詞：人工智能；技術(shù)創(chuàng)新；技術(shù)賦能；創(chuàng)新環(huán)境

DOI：10.6049/kjjbydc.2023040175

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）""""" 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：F124.3

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-7348（2024）10-0057-10

0" 引言

目前，全球第四次工業(yè)革命加速演進(jìn)，世界競爭格局正在重塑，各國均將提高科技創(chuàng)新水平作為構(gòu)建競爭優(yōu)勢的核心戰(zhàn)略。人工智能（Artificial Intelligence，AI）作為繼互聯(lián)網(wǎng)之后的新一代“通用性技術(shù)”，被視為推進(jìn)第四次工業(yè)革命的關(guān)鍵（Dwivedi，2021）。為抓住人工智能帶來的發(fā)展機(jī)遇，世界各國紛紛將人工智能上升為國家重點(diǎn)發(fā)展戰(zhàn)略。中國也高度重視人工智能發(fā)展，2017年國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，指出“人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，能夠釋放歷次科技革命積蓄的巨大力量，催生新引擎、新技術(shù)、新業(yè)態(tài)等的誕生，要推動人工智能與各行業(yè)融合創(chuàng)新，全面增強(qiáng)科技創(chuàng)新基礎(chǔ)能力”；2021年《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》提出要高效布局人工智能基礎(chǔ)設(shè)施，提升“智能+”發(fā)展的行業(yè)賦能能力；2022年科技部印發(fā)《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》，指出要加快人工智能場景應(yīng)用，提升人工智能場景創(chuàng)新能力，推動經(jīng)濟(jì)高質(zhì)量發(fā)展。由此可見，人工智能日益呈現(xiàn)出強(qiáng)滲透性和高溢出性，正成為賦能創(chuàng)新水平提升的重要驅(qū)動力，對實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要推動作用，有關(guān)人工智能賦能技術(shù)創(chuàng)新的問題逐漸引起學(xué)術(shù)界和實(shí)務(wù)界的廣泛關(guān)注。

目前學(xué)術(shù)界關(guān)于人工智能賦能發(fā)展的研究主要集中于以下幾個(gè)方面：一是人工智能賦能經(jīng)濟(jì)增長，主要從技術(shù)進(jìn)步視角［1，2］、要素視角［3，4］和產(chǎn)業(yè)結(jié)構(gòu)視角［5， 6］探討人工智能對經(jīng)濟(jì)增長的影響；二是人工智能賦能產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，主要通過人工智能賦能傳統(tǒng)產(chǎn)業(yè)融合［7］、優(yōu)化消費(fèi)結(jié)構(gòu)［8］、促進(jìn)企業(yè)綠色轉(zhuǎn)型［9］，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級；三是人工智能對勞動就業(yè)方面的影響，主要包括人工智能對勞動收入份額［10，11］、勞動收入差距［12，13］和就業(yè)效應(yīng)［14，15］的影響；四是人工智能對創(chuàng)新的影響，如束超慧等（2022）運(yùn)用案例對人工智能賦能企業(yè)顛覆性創(chuàng)新的路徑進(jìn)行研究，提出人工智能賦能企業(yè)顛覆性創(chuàng)新的理論模型；張龍鵬等［16］與Liu等［17］利用制造業(yè)數(shù)據(jù)實(shí)證研究人工智能對技術(shù)創(chuàng)新的直接影響，發(fā)現(xiàn)人工智能有利于技術(shù)創(chuàng)新水平提高，且不同行業(yè)之間存在異質(zhì)性影響。

上述關(guān)于人工智能賦能技術(shù)創(chuàng)新的研究為本研究提供了良好的邏輯起點(diǎn)和理論借鑒，但還存在有待拓展之處：第一，上述研究探討了人工智能對技術(shù)創(chuàng)新的直接影響，但尚未對可能存在的非線性關(guān)系進(jìn)行討論。實(shí)際上，行為主體對人工智能技術(shù)的應(yīng)用可能存在“尋租”行為，從而對真正利用人工智能技術(shù)實(shí)施創(chuàng)新研發(fā)產(chǎn)生“擠出效應(yīng)”。在此背景下，人工智能對技術(shù)創(chuàng)新的影響可能是非線性且動態(tài)變化的。第二，創(chuàng)新環(huán)境是影響技術(shù)創(chuàng)新的重要外部因素，人工智能技術(shù)往往通過促進(jìn)地區(qū)基礎(chǔ)設(shè)施智能化轉(zhuǎn)型等實(shí)現(xiàn)對創(chuàng)新環(huán)境的改善，從而促進(jìn)區(qū)域技術(shù)創(chuàng)新，而現(xiàn)有研究尚未對創(chuàng)新環(huán)境在人工智能與技術(shù)創(chuàng)新關(guān)系中的作用機(jī)制作出探索。第三，相關(guān)研究探討了不同行業(yè)下人工智能對技術(shù)創(chuàng)新的異質(zhì)性影響，但尚未關(guān)注區(qū)域差異和創(chuàng)新類型差異帶來的影響，異質(zhì)性分析有待進(jìn)一步拓展。

基于此，本文將人工智能、創(chuàng)新環(huán)境和技術(shù)創(chuàng)新納入同一分析框架，利用省級層面數(shù)據(jù)，從以下幾個(gè)方面展開探討：一是從直接影響和非線性影響兩個(gè)角度，對人工智能如何影響技術(shù)創(chuàng)新展開探索性研究，有助于打開人工智能影響技術(shù)創(chuàng)新的“黑箱”，豐富技術(shù)創(chuàng)新理論；二是加入創(chuàng)新環(huán)境作為機(jī)制變量，從中介路徑分析創(chuàng)新環(huán)境在人工智能影響技術(shù)創(chuàng)新中的作用機(jī)制，對人工智能影響技術(shù)創(chuàng)新的內(nèi)在機(jī)理進(jìn)行拓展；三是針對不同區(qū)域稟賦、不同創(chuàng)新類型進(jìn)行異質(zhì)性分析，有助于加深對人工智能賦能區(qū)域創(chuàng)新發(fā)展的理解，為區(qū)域協(xié)調(diào)發(fā)展與技術(shù)資源調(diào)配提供經(jīng)驗(yàn)依據(jù)。通過上述研究，以期為我國借助人工智能賦能效應(yīng)優(yōu)化創(chuàng)新環(huán)境，從而提高技術(shù)創(chuàng)新水平、實(shí)現(xiàn)創(chuàng)新驅(qū)動發(fā)展，提供理論借鑒和決策參考。

1" 理論分析與研究假設(shè)

1.1" 人工智能與技術(shù)創(chuàng)新

人工智能被視為繼互聯(lián)網(wǎng)之后的新一代“通用性技術(shù)”，是互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等信息技術(shù)的集大成者［16］。有所區(qū)別的是，人工智能在具有其它信息技術(shù)普遍特性的同時(shí)擁有其它信息技術(shù)所不具備的獨(dú)特技術(shù)特征。因此，本文從人工智能所具有的其它信息技術(shù)特征及其自身具備的獨(dú)特技術(shù)特征出發(fā)，對人工智能如何賦能技術(shù)創(chuàng)新展開論述。

首先，技術(shù)創(chuàng)新是產(chǎn)生新技術(shù)的一系列活動［17］，知識是技術(shù)創(chuàng)新的核心要素，有效的新知識是技術(shù)創(chuàng)新的基礎(chǔ)（Chen，2004）。無論是現(xiàn)有技術(shù)改進(jìn)還是全新技術(shù)的誕生，都是知識整合與創(chuàng)造的過程。同其它信息技術(shù)一樣，人工智能也具有從外部吸收新知識并在主體間進(jìn)行知識流動與分享的作用，通過吸收外部多元化知識，達(dá)到彌補(bǔ)企業(yè)內(nèi)部創(chuàng)新資源、增強(qiáng)創(chuàng)新活力、重塑企業(yè)創(chuàng)新模式的目標(biāo)。另外，借助人工智能領(lǐng)域的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)算法等智能算法，能夠更有效地進(jìn)行知識和數(shù)據(jù)的檢索處理，提高知識處理的準(zhǔn)確性和可靠性［17］，彌補(bǔ)人類腦力的局限，加速新知識創(chuàng)建和舊知識重組過程，提高知識整合與創(chuàng)造效率，從而快速融合其它領(lǐng)域知識，縮短技術(shù)創(chuàng)新周期。

其次，作為一項(xiàng)通用技術(shù)，人工智能也具有基礎(chǔ)設(shè)施外溢性特征［4］。習(xí)近平總書記在中共中央政治局第九次集體學(xué)習(xí)上的講話中提到，“人工智能具有溢出帶動性很強(qiáng)的‘頭雁’效應(yīng)”。這意味著人工智能的應(yīng)用無可避免地會導(dǎo)致知識技術(shù)從高技術(shù)部門向低技術(shù)部門溢出，而知識技術(shù)溢出會改變創(chuàng)新主體的知識環(huán)境、降低創(chuàng)新成本與風(fēng)險(xiǎn)［18］，部門間知識技術(shù)溢出的不斷累積將推動創(chuàng)新活動的開展。另外，借助人工智能構(gòu)建的知識傳播網(wǎng)絡(luò)，知識傳播和共享的成本降低，部門間知識傳播更加便利，能夠縮短知識溢出時(shí)滯，更有利于區(qū)域創(chuàng)新主體通過吸收和同化外部知識提高技術(shù)創(chuàng)新水平［19］。

最后，技術(shù)創(chuàng)新是一種十分耗費(fèi)資源且具有較高風(fēng)險(xiǎn)的消耗性活動（Patel amp; Chrisman，2014），能否有效配置資源對成功實(shí)現(xiàn)創(chuàng)新研發(fā)具有重要影響，人工智能技術(shù)的應(yīng)用則在很大程度上為優(yōu)化資源配置提供了解決方案。一方面，人工智能能夠通過對市場海量數(shù)據(jù)的搜集、篩選、加工、整理實(shí)現(xiàn)信息精準(zhǔn)匹配，不僅能夠降低人為搜集處理信息的成本，而且能夠通過智能算法對創(chuàng)新主體行為進(jìn)行分析預(yù)測，緩解信息不對稱造成的資源錯(cuò)配和低效率配置［9］。另一方面，人工智能技術(shù)在生產(chǎn)研發(fā)環(huán)節(jié)的應(yīng)用能夠幫助企業(yè)決策，調(diào)整資源結(jié)構(gòu)，及時(shí)發(fā)現(xiàn)并規(guī)避因?yàn)橘Y源配置不當(dāng)而引發(fā)的問題。同時(shí)，在人工智能設(shè)備支持下，資源的智能化配置和跨區(qū)域資源對接得以實(shí)現(xiàn)，資源配置效率進(jìn)一步提升［20］，從而有利于實(shí)現(xiàn)技術(shù)創(chuàng)新研發(fā)，提高技術(shù)創(chuàng)新水平?；谝陨戏治?，本文提出以下假設(shè)：

H1：人工智能能夠賦能技術(shù)創(chuàng)新水平提升。

1.2" 創(chuàng)新環(huán)境的中介作用機(jī)制

創(chuàng)新作為一種交互學(xué)習(xí)過程，根植并融入當(dāng)?shù)貜?fù)雜的環(huán)境之中［21］，創(chuàng)新環(huán)境能夠顯著改善創(chuàng)新效率、支撐創(chuàng)新活動和提升城市創(chuàng)新能力［22］。人工智能作為新一代“通用性”技術(shù)，其所具有的技術(shù)賦能效應(yīng)能夠改善地區(qū)創(chuàng)新環(huán)境，進(jìn)而提升技術(shù)創(chuàng)新水平。

首先，人工智能加速基礎(chǔ)設(shè)施向智能化轉(zhuǎn)變，改善地區(qū)創(chuàng)新環(huán)境?！叭斯ぶ悄?交通”融合所誕生的智慧交通提高交通運(yùn)營和調(diào)度效率，改善物流環(huán)境，有助于延伸產(chǎn)業(yè)鏈條，實(shí)現(xiàn)要素與條件的有效協(xié)同和配置，降低創(chuàng)新研發(fā)成本。智慧通信提高數(shù)據(jù)采集、計(jì)算和傳輸能力，以人工智能感知技術(shù)和網(wǎng)絡(luò)通信技術(shù)為主要手段的物聯(lián)網(wǎng)基礎(chǔ)設(shè)施進(jìn)一步實(shí)現(xiàn)人、機(jī)、物的泛在連接，提高數(shù)據(jù)協(xié)同處理效率和信息服務(wù)水平，從而推動技術(shù)融合創(chuàng)新。企業(yè)是創(chuàng)新主體，人才是創(chuàng)新第一資源，由“人工智能+政務(wù)”發(fā)展而來的智慧政務(wù)從源頭縮短企業(yè)審批流程和周期，降低區(qū)域內(nèi)企業(yè)創(chuàng)新的制度性交易成本（王曉曉，2021），有助于吸引更多新創(chuàng)企業(yè)落地，并聚集高素質(zhì)創(chuàng)新人才（黨琳，2021），推動區(qū)域技術(shù)創(chuàng)新水平提升。

其次，技術(shù)創(chuàng)新研發(fā)活動需要耗費(fèi)大量資金，企業(yè)僅僅依靠內(nèi)部資金難以完成創(chuàng)新研發(fā)（周煜皓，2017），外部融資成為企業(yè)獲取研發(fā)資金的重要渠道。然而，融資難一直是企業(yè)從事創(chuàng)新活動面臨的重要問題。其原因在于，相比其它投資項(xiàng)目，創(chuàng)新項(xiàng)目不確定性高、周期長且伴隨較高的投資風(fēng)險(xiǎn)，投資者難以作出投資決策。隨著人工智能技術(shù)嵌入到創(chuàng)新研發(fā)環(huán)節(jié)和投資決策中，憑借其強(qiáng)大的算法和數(shù)據(jù)處理能力，一方面能夠幫助企業(yè)提高研發(fā)過程中信息甄別和風(fēng)險(xiǎn)控制的準(zhǔn)確性與及時(shí)性，降低研發(fā)風(fēng)險(xiǎn)，提高融資成功率；另一方面，能夠緩解投資者與企業(yè)間的信息不對稱［23］，優(yōu)化投資決策環(huán)境，提高投資質(zhì)量，幫助研發(fā)企業(yè)獲取投資。在足夠資金的保障下，創(chuàng)新研發(fā)成功率得到提升，從而推動所在地區(qū)技術(shù)創(chuàng)新水平提高。

最后，快速變化的外部環(huán)境對技術(shù)創(chuàng)新帶來新的挑戰(zhàn)。一方面，創(chuàng)新主體難以僅憑自身資源和能力獨(dú)自完成研發(fā)活動；另一方面，技術(shù)迭代速度加快以及技術(shù)研發(fā)難度提高使得創(chuàng)新主體不得不打破現(xiàn)有內(nèi)生創(chuàng)新模式，轉(zhuǎn)向有助于內(nèi)外部資源整合的合作創(chuàng)新模式（阮鴻鵬，2022）。人工智能有助于賦能建立高效的區(qū)域聯(lián)合創(chuàng)新開放平臺，促進(jìn)不同區(qū)域創(chuàng)新主體間人才、技術(shù)等創(chuàng)新資源的交流與共享。通過區(qū)域聯(lián)合創(chuàng)新平臺，大幅降低區(qū)域創(chuàng)新主體間信息不對稱，使得信息交流更加便利與透明，從而優(yōu)化合作創(chuàng)新環(huán)境，實(shí)現(xiàn)區(qū)域技術(shù)協(xié)同創(chuàng)新?；谝陨戏治?，本文提出以下假設(shè)：

H2：人工智能能夠通過改善創(chuàng)新環(huán)境提升技術(shù)創(chuàng)新水平。

基于上述分析，人才和資金作為創(chuàng)新環(huán)境中的兩大關(guān)鍵因素，對于提高技術(shù)創(chuàng)新具有重要影響。因此，為了進(jìn)一步驗(yàn)證人工智能通過賦能創(chuàng)新環(huán)境促進(jìn)技術(shù)創(chuàng)新的中介機(jī)制，本文使用新建企業(yè)以及外來投資和風(fēng)險(xiǎn)投資分別代表人才與資金兩大子環(huán)境因素作為子機(jī)制變量進(jìn)行分析，并提出以下假設(shè)：

H2a：人工智能能夠改善基礎(chǔ)設(shè)施環(huán)境，吸引并聚集人才，進(jìn)而提升技術(shù)創(chuàng)新水平；

H2b：人工智能能夠改善投融資決策環(huán)境，助力區(qū)域內(nèi)企業(yè)獲取資金，進(jìn)而提升技術(shù)創(chuàng)新水平。

1.3" 非線性關(guān)系

數(shù)據(jù)、算法和算力是人工智能的核心三要素。其中，數(shù)據(jù)是人工智能的“飼料”，算法是人工智能的“推手”，而算力是人工智能的基礎(chǔ)設(shè)施，支撐算法和數(shù)據(jù)，進(jìn)而影響人工智能發(fā)展。據(jù)OpenAI的測算，從2012年開始，全球AI訓(xùn)練的計(jì)算量呈現(xiàn)指數(shù)級增長，遠(yuǎn)超算力增長速度。而算力源于芯片，我國AI芯片很大程度上依賴進(jìn)口，高算力芯片短缺。盡管人工智能的使用場景不斷豐富，但算力的制約可能導(dǎo)致人工智能對技術(shù)創(chuàng)新的賦能效應(yīng)減弱。另外，國家大力推動人工智能技術(shù)發(fā)展，發(fā)揮人工智能場景賦能效應(yīng)，在人工智能風(fēng)口下，由于政企信息不對稱可能導(dǎo)致部分企業(yè)利用人工智能獲取政府資金，卻未實(shí)質(zhì)性運(yùn)用人工智能技術(shù)開展創(chuàng)新研發(fā)（魏志華等，2015），從而產(chǎn)生“技術(shù)尋租”行為，導(dǎo)致對真正利用人工智能實(shí)現(xiàn)技術(shù)創(chuàng)新提升產(chǎn)生“擠出效應(yīng)”?；诖?，本文提出以下假設(shè)：

H3：人工智能對技術(shù)創(chuàng)新可能存在非線性影響，表現(xiàn)為人工智能賦能技術(shù)創(chuàng)新提升呈現(xiàn)邊際遞減的特征。

綜上所述，本文構(gòu)建理論模型，如圖1所示。

2" 研究設(shè)計(jì)

2.1" 計(jì)量模型

為了驗(yàn)證人工智能賦能技術(shù)創(chuàng)新的直接影響，構(gòu)建基準(zhǔn)計(jì)量模型如下：

Innov_auit=α+βAIit+ζ∑Controlit+ut+λi+εit（1）

式（1）中，Innov_au表示被解釋變量技術(shù)創(chuàng)新，使用專利授權(quán)總數(shù)的自然對數(shù)表征；AI表示解釋變量人工智能，使用各省工業(yè)機(jī)器人安裝數(shù)的自然對數(shù)表示；Control為控制變量，包括經(jīng)濟(jì)發(fā)展水平、高等教育水平、產(chǎn)業(yè)結(jié)構(gòu)和交通基礎(chǔ)設(shè)施等可能影響技術(shù)創(chuàng)新的其它因素；ut、λi分別表示i地區(qū)不可觀測的時(shí)間效應(yīng)和個(gè)體效應(yīng)；εit為隨機(jī)擾動項(xiàng)。

2.2" 數(shù)據(jù)來源與變量說明

本文選取2011—2020年中國30個(gè)省級行政區(qū)（不包括西藏及港澳臺）的面板數(shù)據(jù)作為研究樣本。數(shù)據(jù)主要來源于國家統(tǒng)計(jì)局、《中國統(tǒng)計(jì)年鑒》、國際機(jī)器人聯(lián)盟（IFR）、北京大學(xué)企業(yè)大數(shù)據(jù)研究中心，對少量缺失值使用移動平均法填補(bǔ)。為降低異常值和離群值可能導(dǎo)致的估計(jì)偏誤，對連續(xù)變量進(jìn)行異常值縮尾替換。對所有以貨幣為單位表示的數(shù)據(jù)使用GDP平減指數(shù)處理為實(shí)際值，以消除價(jià)格變動帶來的影響。另外，根據(jù)變量最終形式作對數(shù)化處理，減少異方差帶來的影響，變量描述性統(tǒng)計(jì)結(jié)果如表1所示。

（1）技術(shù)創(chuàng)新（Innov_au）。關(guān)于技術(shù)創(chuàng)新，現(xiàn)有文獻(xiàn)主要通過專利申請數(shù)、專利授權(quán)數(shù)、新產(chǎn)品銷售額等指標(biāo)表征。然而，相比于專利申請數(shù)和新產(chǎn)品銷售額，專利授權(quán)數(shù)通過國家知識產(chǎn)權(quán)局的認(rèn)證審核，更能體現(xiàn)創(chuàng)新的真實(shí)質(zhì)量和數(shù)量。因此，本文選取各省份專利授權(quán)數(shù)表征該區(qū)域技術(shù)創(chuàng)新水平。同時(shí)，使用專利申請數(shù)（Innov_ap）替代專利授權(quán)數(shù)進(jìn)行穩(wěn)健性檢驗(yàn)。

（2）人工智能（AI）。各領(lǐng)域廣泛使用的工業(yè)機(jī)器人集成了大量人工智能技術(shù)，是人工智能技術(shù)應(yīng)用最直觀的體現(xiàn)，本文采用各省份工業(yè)機(jī)器人安裝量作為衡量人工智能的指標(biāo)。國際機(jī)器人聯(lián)盟（IFR）提供的工業(yè)機(jī)器人數(shù)據(jù)只包含國家和行業(yè)層面，并不包括省級層面，為了得到省級層面工業(yè)機(jī)器人安裝量，借鑒韓春民等（2020）對于工業(yè)機(jī)器人滲透度的處理思路，假設(shè)工業(yè)機(jī)器人分布程度在我國各區(qū)域具有一致性，計(jì)算全國層面工業(yè)機(jī)器人安裝密度，即每萬人工業(yè)機(jī)器人安裝量。得到全國工業(yè)機(jī)器人安裝密度后，省級工業(yè)機(jī)器人安裝量就取決于地區(qū)就業(yè)人數(shù)。目前全國已有多數(shù)省份將人工智能作為“十四五”階段的重點(diǎn)發(fā)展產(chǎn)業(yè)，已建成并運(yùn)行近20個(gè)國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)。試驗(yàn)區(qū)的目的在于積累可復(fù)制推廣的人工智能發(fā)展經(jīng)驗(yàn)，從而發(fā)揮對后發(fā)地區(qū)的引領(lǐng)帶動作用。在試驗(yàn)區(qū)引領(lǐng)帶動下，區(qū)域間工業(yè)機(jī)器人等人工智能的分布與應(yīng)用會趨于一致。因此，使用全國工業(yè)機(jī)器人安裝數(shù)除以全國就業(yè)人數(shù)得到全國層面工業(yè)機(jī)器人安裝密度后，將全國層面工業(yè)機(jī)器人安裝密度與地區(qū)就業(yè)人數(shù)相乘，得到各省工業(yè)機(jī)器人安裝量。這樣處理能夠更均衡地得到省級工業(yè)機(jī)器人安裝量，避免因?yàn)榈貐^(qū)屬性造成某一行業(yè)人數(shù)差距過大而導(dǎo)致估算偏誤。具體計(jì)算公式如下：

AIit=Lit×RobottLt（2）

式（2）中，AIit表示i地區(qū)t時(shí)期的工業(yè)機(jī)器人安裝量；Robott表示t時(shí)期全國工業(yè)機(jī)器人安裝總量；Lit表示i地區(qū)t時(shí)期的就業(yè)人員數(shù)；Lt表示t時(shí)期全國就業(yè)人員總數(shù)，Robott/Lt表示全國層面工業(yè)機(jī)器人安裝密度。為消除量綱的影響，對各省工業(yè)機(jī)器人安裝量作自然對數(shù)處理。

（3）創(chuàng)新環(huán)境（envir）。區(qū)域創(chuàng)新環(huán)境是影響技術(shù)創(chuàng)新水平提升的重要因素，為了全面衡量創(chuàng)新環(huán)境，本文選取北京大學(xué)企業(yè)大數(shù)據(jù)研究中心測算的中國區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)作為創(chuàng)新環(huán)境的代理變量。同時(shí)，將區(qū)域創(chuàng)新指數(shù)中的新建企業(yè)（firm）、外來投資（finv）和風(fēng)險(xiǎn)投資（vcpe）這3項(xiàng)分指數(shù)作為創(chuàng)新環(huán)境的子機(jī)制變量納入研究。

（4）控制變量。參考相關(guān)文獻(xiàn)關(guān)于控制變量的選取，本文在回歸分析中加入以下控制變量：經(jīng)濟(jì)發(fā)展水平（pgdp），區(qū)域經(jīng)濟(jì)發(fā)展水平會影響該地區(qū)相關(guān)設(shè)施建設(shè)和創(chuàng)新投入，本文使用地區(qū)當(dāng)年生產(chǎn)總值與年末常住人口的比重計(jì)算人均地區(qū)生產(chǎn)總值表示經(jīng)濟(jì)發(fā)展水平（劉保留等，2022）；高等教育水平（edu），技術(shù)創(chuàng)新需要高素質(zhì)的科技研發(fā)人才，地區(qū)教育水平越高，越有利于為地區(qū)創(chuàng)新活動的開展提供研發(fā)保障，本文使用每萬人高等學(xué)校在校生人數(shù)表示地區(qū)高等教育水平（董會忠等，2021）；產(chǎn)業(yè)結(jié)構(gòu)（structure），從經(jīng)驗(yàn)來看，地區(qū)產(chǎn)業(yè)結(jié)構(gòu)越高級，越有利于實(shí)現(xiàn)較高的技術(shù)創(chuàng)新水平，本文使用第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比重表示產(chǎn)業(yè)結(jié)構(gòu)（郭進(jìn)，2019）；交通基礎(chǔ)設(shè)施（infra），交通越便利越有利于科研人員跨區(qū)域流動，同時(shí)有助于優(yōu)化資源配置，進(jìn)而影響區(qū)域技術(shù)創(chuàng)新，本文使用每平方千米公路里程數(shù)表示，具體計(jì)算方法為各省份等級公路里程與各地區(qū)行政區(qū)域面積的比重（李雪等，2021）。

3" 實(shí)證分析

3.1" 回歸前檢驗(yàn)

3.1.1" 面板單位根檢驗(yàn)

本文使用2011—2020年我國30個(gè)省級行政區(qū)的面板數(shù)據(jù)進(jìn)行實(shí)證分析，為了防止因數(shù)據(jù)不平穩(wěn)造成的偽回歸問題，在實(shí)證分析前對數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。參考潘雄鋒等（2019）的做法，采用同質(zhì)單位根LLC和異質(zhì)單位根ADF兩種方法檢驗(yàn)數(shù)據(jù)平穩(wěn)性，結(jié)果如表2所示，所有變量無論是水平值還是一階差分均為平穩(wěn)序列，因此可以直接進(jìn)行實(shí)證分析。

3.1.2" 多重共線性檢驗(yàn)

為了排除多重共線性導(dǎo)致的回歸結(jié)果偏誤，計(jì)算所有變量的方差膨脹因子VIF。如果VIF值不超過10，則說明模型多重共線性問題對研究結(jié)果干擾不大。由表3可知，所有變量的VIF值遠(yuǎn)小于10，VIF均值為2.04，不存在嚴(yán)重的共線性問題。

3.2" 基準(zhǔn)回歸分析

在回歸前，運(yùn)用F檢驗(yàn)、LM檢驗(yàn)和穩(wěn)健Hausman檢驗(yàn)進(jìn)行回歸模型選擇，結(jié)果顯示，F(xiàn)檢驗(yàn)和LM檢驗(yàn)都在1%水平上顯著拒絕使用混合回歸的原假設(shè)，同時(shí)，穩(wěn)健Hausman檢驗(yàn)在1%水平上拒絕使用隨機(jī)效應(yīng)模型。因此，本文采用固定效應(yīng)模型進(jìn)行回歸分析。

表4中列（1）顯示在僅控制個(gè)體固定效應(yīng)且未加入控制變量和時(shí)間固定效應(yīng)的情況下人工智能對技術(shù)創(chuàng)新的回歸結(jié)果，回歸系數(shù)在1%水平上顯著為正，表明人工智能對技術(shù)創(chuàng)新具有顯著正向影響。列（2）在列（1）的基礎(chǔ)上加入控制變量，回歸系數(shù)仍顯著為正。列（3）同時(shí)加入控制變量、個(gè)體和時(shí)間固定效應(yīng)，人工智能對技術(shù)創(chuàng)新的回歸系數(shù)為0.699，在1%水平上顯著，說明人工智能能夠顯著賦能技術(shù)創(chuàng)新水平提升，因此，假設(shè)H1得到驗(yàn)證。另外，根據(jù)列（3）的結(jié)果可以發(fā)現(xiàn)，控制變量中的經(jīng)濟(jì)發(fā)展水平（pgdp）、高等教育水平（edu）和產(chǎn)業(yè)結(jié)構(gòu)（structure）均對技術(shù)創(chuàng)新具有顯著正向影響。交通基礎(chǔ)設(shè)施（infra）的回歸系數(shù)為負(fù)但不顯著，與相關(guān)研究結(jié)論不符。本文認(rèn)為可能是由于交通基礎(chǔ)設(shè)施水平發(fā)展的不平衡性，導(dǎo)致更多創(chuàng)新資源由沿途城市向發(fā)達(dá)地區(qū)聚集，使得創(chuàng)新資源外流，從而產(chǎn)生創(chuàng)新資源“虹吸效應(yīng)”［24］，導(dǎo)致交通基礎(chǔ)設(shè)施對技術(shù)創(chuàng)新沒有表現(xiàn)出正向影響，甚至在統(tǒng)計(jì)上呈現(xiàn)不顯著的負(fù)向作用。

3.3" 穩(wěn)健性檢驗(yàn)

為了保證基準(zhǔn)回歸結(jié)果的穩(wěn)健性，開展以下穩(wěn)健性檢驗(yàn)。第一，更換被解釋變量。專利授權(quán)數(shù)和專利申請數(shù)作為衡量技術(shù)創(chuàng)新的指標(biāo)各有優(yōu)劣，因此，將被解釋變量替換為專利申請數(shù)，與基準(zhǔn)回歸互為檢驗(yàn)，回歸結(jié)果見表5列（1）。第二，直轄市所處地位特殊，隸屬于中央政府管制，具有明顯的區(qū)位優(yōu)勢和經(jīng)濟(jì)政治優(yōu)勢，無論是經(jīng)濟(jì)發(fā)展還是資源獲取都較其它省份更為特殊，因此，本文剔除直轄市樣本，排除其可能對回歸結(jié)果產(chǎn)生的干擾，回歸結(jié)果見表5列（2）。第三，為了避免方程聯(lián)立內(nèi)生性造成回歸結(jié)果誤差，參考汪偉等（2015）的研究，將解釋變量和控制變量滯后一期，使用被解釋變量當(dāng)期值進(jìn)行回歸，回歸結(jié)果見表5列（3）。從穩(wěn)健性檢驗(yàn)結(jié)果來看，人工智能對技術(shù)創(chuàng)新的回歸系數(shù)至少在5%水平上顯著為正，與基準(zhǔn)回歸保持一致，說明基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

3.4" 內(nèi)生性檢驗(yàn)

由于影響人工智能賦能技術(shù)創(chuàng)新提升的因素比較復(fù)雜，雖然在基準(zhǔn)回歸中加入一些控制變量進(jìn)行回歸且進(jìn)行了穩(wěn)健性檢驗(yàn)，但是，仍無法排除由于解釋變量和被解釋變量之間存在反向因果關(guān)系可能導(dǎo)致的內(nèi)生性問題。因此，本文使用兩階段工具變量最小二乘法（IV-2SLS）進(jìn)行內(nèi)生性檢驗(yàn)?？紤]到工具變量選擇的相關(guān)性和排他性原則，本文選擇解釋變量滯后一階（L.AI）和日本工業(yè)機(jī)器人（Japan_AI）作為工具變量。采用解釋變量滯后一階作為工具變量是學(xué)界通用做法，此處不再論述。在樣本研究區(qū)間內(nèi)，日本工業(yè)機(jī)器人安裝量與中國工業(yè)機(jī)器人安裝量具有相似趨勢，將同時(shí)期日本工業(yè)機(jī)器人安裝量通過就業(yè)份額作為權(quán)重賦值中國各省份，滿足工具變量選取的相關(guān)性原則，同時(shí)，由日本工業(yè)機(jī)器人數(shù)據(jù)所得到的各省工業(yè)機(jī)器人安裝量與中國技術(shù)創(chuàng)新水平無直接關(guān)系，滿足工具變量選取的排他性原則。2SLS工具變量回歸結(jié)果如表6所示，列（1）和列（3）為對應(yīng)工具變量第一階段的回歸結(jié)果，列（2）和列（4）為對應(yīng)工具變量的系數(shù)估計(jì)。Kleibergen-PaapWald rk LM在1%水平上顯著，拒絕工具變量不可識別的原假設(shè)。Cragg-Donald Wald F和Kleibergen-Paap Wald rk F統(tǒng)計(jì)量的值均大于Stock-Yogo弱識別檢驗(yàn)10%水平上的臨界值16.38，說明工具變量的選擇是合理的?？紤]內(nèi)生性問題后，人工智能對技術(shù)創(chuàng)新的回歸系數(shù)仍然在1%水平上顯著為正，說明基準(zhǔn)回歸結(jié)果是可靠的。

4" 機(jī)制分析

為了進(jìn)一步探究人工智能通過創(chuàng)新環(huán)境影響技術(shù)創(chuàng)新的內(nèi)在機(jī)制，本文從主流的3種中介效應(yīng)檢驗(yàn)方法（因果逐步回歸法、Sobel檢驗(yàn)法和Bootstrap抽樣法）中選擇檢驗(yàn)效力最強(qiáng)的Bootstrap抽樣法進(jìn)行創(chuàng)新環(huán)境的中介效應(yīng)檢驗(yàn)，結(jié)果如表7所示。

使用Bootstrap抽樣檢驗(yàn)500次，結(jié)果表明中介變量創(chuàng)新環(huán)境（envir）以及子中介變量新建企業(yè)（firm）、外來投資（finv）和風(fēng)險(xiǎn)投資（vcpe）的系數(shù)均至少在5%水平上顯著，直接效應(yīng)、中介效應(yīng)和總效應(yīng)的置信區(qū)間均不包含0，表明上述變量的中介效應(yīng)顯著。中介變量創(chuàng)新環(huán)境以及子中介變量新建企業(yè)、外來投資和風(fēng)險(xiǎn)投資在人工智能對技術(shù)創(chuàng)新的影響中均發(fā)揮部分中介作用，中介效應(yīng)占總效應(yīng)的比例分別為49.41%、23.17%、31.18%、14.07%。中介效應(yīng)結(jié)果表明，人工智能能夠改善創(chuàng)新環(huán)境，進(jìn)而提升區(qū)域技術(shù)創(chuàng)新水平，子機(jī)制變量亦通過檢驗(yàn)，因此，假設(shè)H2、H2a、H2b得證。

5" 拓展討論

5.1" 異質(zhì)性分析

5.1.1" 區(qū)域異質(zhì)性分析

考慮到省級行政區(qū)所處地理位置和要素稟賦結(jié)構(gòu)的異質(zhì)性，本文將研究樣本劃分為東部地區(qū)和中西部地區(qū)、沿海地區(qū)和非沿海地區(qū)，以及技術(shù)密集區(qū)和非技術(shù)密集區(qū)三組進(jìn)行區(qū)域異質(zhì)性分析。其中，技術(shù)密集區(qū)的劃分方式參考鈔小靜等［10］的研究，具體計(jì)算公式如下：

L=∑3i=1yi×i=y1×1+y2×2+y3×3（1≤L≤3）（3）

其中，yi表示第i產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比重，L表示最終用于劃分是否為技術(shù)密集區(qū)的產(chǎn)業(yè)結(jié)構(gòu)升級程度值。如果某一省份樣本期間的平均L大于所有省份樣本期間的平均L，則定義為技術(shù)密集區(qū)。根據(jù)測算結(jié)果，將北京、天津、山西、遼寧、上海、江蘇、浙江、山東、廣東、重慶10個(gè)地區(qū)劃分為技術(shù)密集區(qū)，其它地區(qū)則歸類為非技術(shù)密集區(qū)。區(qū)域異質(zhì)性回歸結(jié)果如表8所示，東部地區(qū)、沿海地區(qū)和技術(shù)密集區(qū)人工智能對技術(shù)創(chuàng)新在1%水平上顯著為正，中西部地區(qū)、非沿海地區(qū)和非技術(shù)密集區(qū)回歸系數(shù)雖然為正但不顯著，說明不同發(fā)展水平地區(qū)人工智能賦能技術(shù)創(chuàng)新提升具有顯著區(qū)域異質(zhì)性。本文認(rèn)為，人工智能作為繼互聯(lián)網(wǎng)之后的新一代“通用性技術(shù)”，對經(jīng)濟(jì)社會發(fā)展各個(gè)方面都具有深遠(yuǎn)影響，東部、沿海地區(qū)以及技術(shù)密集區(qū)對于人工智能未來前景的認(rèn)識和嗅覺高于其它地區(qū)，因此，率先一步對人工智能發(fā)展作出規(guī)劃和實(shí)施行動，并取得一定成效。反觀其它地區(qū)，由于發(fā)展相對滯后且缺乏足夠資源投入人工智能領(lǐng)域，導(dǎo)致現(xiàn)階段無法發(fā)揮出人工智能對技術(shù)創(chuàng)新的賦能效應(yīng)。

5.1.2" 創(chuàng)新異質(zhì)性

根據(jù)我國專利法對專利類型的劃分，發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利3種專利類型在資源投入、創(chuàng)新程度等方面存在較大差異（Fang，2017）。其中，發(fā)明專利、實(shí)用新型專利、外觀設(shè)計(jì)專利的創(chuàng)新程度依次遞減（Tian，2020）。因此，人工智能賦能技術(shù)創(chuàng)新提升可能對不同創(chuàng)新類型產(chǎn)生異質(zhì)性影響。采用Invent表示發(fā)明專利授權(quán)量，Utility表示實(shí)用新型專利授權(quán)量，Design表示實(shí)用外觀設(shè)計(jì)專利授權(quán)量。人工智能對3種創(chuàng)新類型影響的回歸結(jié)果如表9所示，人工智能對不同創(chuàng)新類型的回歸系數(shù)都至少在5%水平上顯著為正，表明人工智能對3種創(chuàng)新類型均具有顯著賦能提升效應(yīng)，且表現(xiàn)出對外觀設(shè)計(jì)專利更高的邊際效應(yīng)。這是因?yàn)榛谌斯ぶ悄艿脑O(shè)計(jì)工具在一些設(shè)計(jì)元素的應(yīng)用上更為先進(jìn)，利用人工智能的自然語言處理、圖像識別等技術(shù)能夠很大程度上簡化設(shè)計(jì)流程。另外，相較于其它兩類專利，外觀設(shè)計(jì)專利需要的創(chuàng)新資源更少，創(chuàng)新周期更短，創(chuàng)新主體能夠更早通過專利獲取創(chuàng)新收益。因此，人工智能表現(xiàn)為對外觀設(shè)計(jì)專利更高的邊際效應(yīng)具有技術(shù)上和效益上的合理性。

5.2" 非線性關(guān)系

為了驗(yàn)證二者之間是否存在非線性關(guān)系，參考Hansen（1999）的研究，構(gòu)建如下面板門檻模型：

Innovit=α+β1AIit×I（AIit≤γ1）+β2AIit×I（γ1lt;AIit≤γ2）+β3AIit×I（γ2lt;AIit）+ζ∑Controlit+ut+λi+εit（4）

其中，Innov表示被解釋變量，包括Innov_au與Innov_ap，γi（i=1， 2， 3）為門檻值，γ1lt;γ2lt;γ3，I（.）為示性函數(shù)，當(dāng)括號內(nèi)條件滿足時(shí)為1，否則為0，其余變量含義與前文相同。

以專利授權(quán)數(shù)和專利申請數(shù)為被解釋變量的門檻效應(yīng)檢驗(yàn)結(jié)果如表10所示，人工智能賦能技術(shù)創(chuàng)新具有顯著的雙重門檻效應(yīng)和單一門檻效應(yīng)。各門檻區(qū)間的系數(shù)估計(jì)值均在1%水平上顯著為正，且隨著門檻區(qū)間的上移，系數(shù)逐漸下降，表明人工智能賦能技術(shù)創(chuàng)新水平提升的邊際效應(yīng)呈現(xiàn)遞減趨勢。因此，假設(shè)H3得到驗(yàn)證。

6" 結(jié)論與啟示

6.1 "主要結(jié)論

本文基于2011—2020年中國30個(gè)省級行政區(qū)的樣本數(shù)據(jù)，采用雙向固定效應(yīng)模型和中介效應(yīng)模型分析并檢驗(yàn)人工智能對提升技術(shù)創(chuàng)新水平的賦能效應(yīng)以及創(chuàng)新環(huán)境在其中的中介效應(yīng)，得到以下結(jié)論：

（1）人工智能能夠顯著賦能區(qū)域技術(shù)創(chuàng)新水平提升。人工智能的技術(shù)賦能效應(yīng)能夠加速知識整合和創(chuàng)造、促進(jìn)知識溢出、優(yōu)化資源配置，進(jìn)而實(shí)現(xiàn)技術(shù)創(chuàng)新水平提升。

（2）人工智能對技術(shù)創(chuàng)新的促進(jìn)作用會通過創(chuàng)新環(huán)境這一中介機(jī)制發(fā)揮作用，子中介變量包括新建企業(yè)、外來投資和風(fēng)險(xiǎn)投資。

（3）異質(zhì)性分析結(jié)果顯示，人工智能在東部地區(qū)、沿海地區(qū)和技術(shù)密集區(qū)對技術(shù)創(chuàng)新具有顯著的賦能促進(jìn)效應(yīng)，在中西部地區(qū)、非沿海地區(qū)和非技術(shù)密集區(qū)雖然回歸系數(shù)為正，但尚未表現(xiàn)出顯著促進(jìn)效應(yīng)；人工智能對3種創(chuàng)新類型均具有顯著的賦能提升效應(yīng)，且表現(xiàn)出對外觀設(shè)計(jì)專利更高的邊際效應(yīng)。

（4）人工智能對技術(shù)創(chuàng)新的促進(jìn)效應(yīng)呈現(xiàn)邊際遞減的非線性特征，說明人工智能賦能技術(shù)創(chuàng)新存在“最優(yōu)區(qū)間”。

6.2" 研究啟示

（1）構(gòu)建技術(shù)創(chuàng)新平臺，發(fā)揮人工智能技術(shù)的知識效應(yīng)。政府應(yīng)積極引入人工智能技術(shù)項(xiàng)目和資金，通過項(xiàng)目縱橫向連接同區(qū)域和不同區(qū)域的高校、產(chǎn)業(yè)、研發(fā)機(jī)構(gòu)，借助人工智能技術(shù)創(chuàng)新平臺，整合不同主體間知識資源，強(qiáng)化知識溢出和知識創(chuàng)造，通過產(chǎn)學(xué)研融合提升技術(shù)創(chuàng)新水平。另外，政府應(yīng)進(jìn)一步加強(qiáng)人工智能基礎(chǔ)研究，加大對芯片供應(yīng)鏈研發(fā)企業(yè)的經(jīng)費(fèi)投入，突破關(guān)鍵核心技術(shù)限制，打破人工智能賦能技術(shù)創(chuàng)新的算力制約。同時(shí)，嚴(yán)格考察創(chuàng)新主體對政府資金的使用情況，落實(shí)政府專項(xiàng)資金專項(xiàng)使用，減少尋租行為，弱化創(chuàng)新擠出效應(yīng)。

（2）深化人工智能技術(shù)應(yīng)用，改善區(qū)域創(chuàng)新環(huán)境。首先，加速推動基礎(chǔ)設(shè)施智能化轉(zhuǎn)型，賦能技術(shù)創(chuàng)新水平提升。利用人工智能技術(shù)的大數(shù)據(jù)處理計(jì)算能力，實(shí)現(xiàn)對基礎(chǔ)設(shè)施信息數(shù)據(jù)的智能感知分析，例如通過“人工智能+政務(wù)”構(gòu)建智慧政務(wù)服務(wù)平臺，簡化資料審核流程，實(shí)現(xiàn)自動化行政審批。其次，在企業(yè)項(xiàng)目決策中應(yīng)用人工智能技術(shù)，論證項(xiàng)目風(fēng)險(xiǎn)，為投資者在項(xiàng)目選擇上提供良好投資決策條件。構(gòu)建基于人工智能技術(shù)的智能風(fēng)險(xiǎn)預(yù)警平臺，從資產(chǎn)、現(xiàn)金、交易等多維度刻畫區(qū)域內(nèi)企業(yè)風(fēng)險(xiǎn)畫像，對區(qū)域內(nèi)企業(yè)進(jìn)行風(fēng)險(xiǎn)評級和預(yù)警，為金融機(jī)構(gòu)和投資者構(gòu)建良好的投融資決策環(huán)境。最后，積極構(gòu)建基于人工智能技術(shù)的區(qū)域間合作創(chuàng)新網(wǎng)絡(luò)，實(shí)現(xiàn)跨區(qū)域跨領(lǐng)域資源整合，淡化合作邊界，優(yōu)化合作創(chuàng)新環(huán)境，突破技術(shù)創(chuàng)新瓶頸。

（3）推進(jìn)區(qū)域協(xié)同發(fā)展，強(qiáng)化實(shí)質(zhì)創(chuàng)新產(chǎn)出。區(qū)域異質(zhì)性分析結(jié)果顯示，人工智能對技術(shù)創(chuàng)新的促進(jìn)作用在東部地區(qū)、沿海地區(qū)、技術(shù)密集區(qū)等發(fā)展領(lǐng)先地區(qū)更為顯著，區(qū)域發(fā)展呈現(xiàn)較大差距。因此，基礎(chǔ)相對薄弱的地區(qū)政府應(yīng)結(jié)合地區(qū)優(yōu)勢，完善人工智能發(fā)展的頂層設(shè)計(jì)和制度保障，加強(qiáng)基礎(chǔ)設(shè)施智能化轉(zhuǎn)型的資金和政策支持，創(chuàng)新人工智能技術(shù)應(yīng)用場景。領(lǐng)先地區(qū)應(yīng)依托人工智能技術(shù)基礎(chǔ)優(yōu)勢，著力提升人工智能技術(shù)應(yīng)用水平，率先承擔(dān)關(guān)鍵技術(shù)攻關(guān)任務(wù)，完善人工智能技術(shù)應(yīng)用體系建設(shè)，為周邊地區(qū)和基礎(chǔ)薄弱地區(qū)提供可復(fù)制推廣的發(fā)展經(jīng)驗(yàn)。政府應(yīng)發(fā)揮政策引導(dǎo)效應(yīng)，積極促進(jìn)人工智能硬件設(shè)施如人工智能大數(shù)據(jù)中心、人工智能創(chuàng)新試驗(yàn)區(qū)等向基礎(chǔ)薄弱地區(qū)聚集，實(shí)現(xiàn)區(qū)域分工協(xié)同，充分發(fā)揮人工智能技術(shù)的創(chuàng)新賦能效應(yīng)。另外，雖然人工智能對外觀設(shè)計(jì)專利具有更高的促進(jìn)效應(yīng)，但創(chuàng)新實(shí)力的體現(xiàn)依然取決于實(shí)質(zhì)創(chuàng)新產(chǎn)出的累積。因此，相關(guān)企業(yè)應(yīng)合理調(diào)整人工智能資源分配與應(yīng)用模式，強(qiáng)化人工智能技術(shù)對實(shí)質(zhì)創(chuàng)新產(chǎn)出的積極影響。

參考文獻(xiàn)：

［1］" ACEMOGLU D， RESTREPO P. Secular stagnation？ the effect of aging on economic growth in the age of automation［J］. American Economic Review， 2017， 107（5）： 174-179.

［2］" 陳楠， 蔡躍洲. 人工智能、承接能力與中國經(jīng)濟(jì)增長——新“索洛悖論”和基于AI專利的實(shí)證分析［J］. 經(jīng)濟(jì)學(xué)動態(tài)， 2022， 63（11）： 39-57.

［3］" ZHAO P， GAO Y， SUN X. How does artificial intelligence affect green economic growth——evidence from China［J］. Science of The Total Environment， 2022，834（8）： 1-14.

［4］" 郭凱明. 人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動［J］. 管理世界， 2019， 35（7）： 60-77，202-203.

［5］" 周杰琦， 陳達(dá)， 夏南新. 人工智能對綠色經(jīng)濟(jì)增長的作用機(jī)制與賦能效果——產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化視角［J］. 科技進(jìn)步與對策， 2023， 40（4）： 45-55.

［6］" 王智毓， 馮華. 科技服務(wù)業(yè)發(fā)展對中國經(jīng)濟(jì)增長的影響研究［J］. 宏觀經(jīng)濟(jì)研究， 2020， 42（6）： 102-113，121.

［7］" 胡晟明， 王林輝， 趙賀. 人工智能應(yīng)用、人機(jī)協(xié)作與勞動生產(chǎn)率［J］. 中國人口科學(xué)， 2021， 35（5）： 48-62，127.

［8］" OLAN F， SUKLAN J， ARAKPOGUN E O， et al. Advancing consumer behavior： the role of artificial intelligence technologies and knowledge sharing［J］. IEEE Transactions on Engineering Management， 2021， 99（6）： 1-13.

［9］" 師博. 人工智能促進(jìn)新時(shí)代中國經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級的路徑選擇［J］. 西北大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版）， 2019， 49（5）： 14-20.

［10］" 鈔小靜， 周文慧. 人工智能對勞動收入份額的影響研究——基于技能偏向性視角的理論闡釋與實(shí)證檢驗(yàn)［J］. 經(jīng)濟(jì)與管理研究， 2021， 42（2）： 82-94.

［11］" QIAN C， ZHU C， HUANG D H， et al. Examining the influence mechanism of artificial intelligence development on labor income share through numerical simulations［J］. Technological Forecasting and Social Change， 2023， 188（3）： 1-10.

［12］" 黃志， 程翔. 人工智能對勞動收入水平和收入差距的影響——理論解讀與實(shí)證檢驗(yàn)［J］. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理， 2023， 43（1）： 78-95.

［13］" XIE M， DING L， XIA Y， et al. Does artificial intelligence affect the pattern of skill demand？ evidence from Chinese manufacturing firms［J］. Economic Modelling， 2021， 96（3）： 295-309.

［14］" 崔艷. 人工智能對制造業(yè)就業(yè)的影響及應(yīng)對研究：來自微觀企業(yè)和勞動者調(diào)查數(shù)據(jù)［J］. 當(dāng)代經(jīng)濟(jì)管理， 2022， 44（3）： 59-66.

［15］" TRAJTENBERG M. AI as the next GPT： a political-economy perspective［J］. National Bureau of Economic Research， 2018， 2（14）： 1-11.

［16］" 張龍鵬， 張雙志. 技術(shù)賦能：人工智能與產(chǎn)業(yè)融合發(fā)展的技術(shù)創(chuàng)新效應(yīng)［J］. 財(cái)經(jīng)科學(xué)， 2020， 64（6）： 74-88.

［17］" LIU J， CHANG H， FORREST J Y L， et al. Influence of artificial intelligence on technological innovation： evidence from the panel data of China′s manufacturing sectors［J］. Technological Forecasting and Social Change， 2020， 158（6）： 1-11.

［18］" 陶長琪， 彭永樟. 制度鄰近下知識勢能對區(qū)域技術(shù)創(chuàng)新效率的空間溢出效應(yīng)［J］. 當(dāng)代財(cái)經(jīng)， 2018， 39（2）： 15-25.

［19］" 張騫， 吳曉飛. 信息化對區(qū)域創(chuàng)新能力的影響——馬太效應(yīng)存在嗎［J］. 科學(xué)決策， 2018， 25（7）： 1-21.

［20］" 師博. 人工智能助推經(jīng)濟(jì)高質(zhì)量發(fā)展的機(jī)理詮釋［J］. 改革， 2020， 33（1）： 30-38.

［21］" 詹紹文， 曹楨. 文化產(chǎn)業(yè)園區(qū)創(chuàng)新要素、創(chuàng)新環(huán)境與創(chuàng)新績效：一個(gè)有調(diào)節(jié)的中介作用模型［J］. 技術(shù)經(jīng)濟(jì)， 2019， 38（9）： 58-64.

［22］" 韓璐， 陳松， 梁玲玲. 數(shù)字經(jīng)濟(jì)、創(chuàng)新環(huán)境與城市創(chuàng)新能力［J］. 科研管理， 2021， 42（4）： 35-45.

［23］" 張一林， 郁蕓君， 陳珠明. 人工智能、中小企業(yè)融資與銀行數(shù)字化轉(zhuǎn)型［J］. 中國工業(yè)經(jīng)濟(jì)， 2021， 39（12）： 69-87.

［24］" 諸竹君， 黃先海， 王煌. 交通基礎(chǔ)設(shè)施改善促進(jìn)了企業(yè)創(chuàng)新嗎——基于高鐵開通的準(zhǔn)自然實(shí)驗(yàn)［J］. 金融研究， 2019， 62（11）： 153-169.

（責(zé)任編輯：萬賢賢）

Can Artificial Intelligence Empower Regional Technological Innovation？ The Mediating Effect of Innovation Environment

Chen Wei1，2， Deng Yao2， Yang Bai1，2， Chen Yinzhong3

（1.Research Center for Enterprise Management， Chongqing Technology and Business University;2.School of Business Administration， Chongqing Technology and Business University， Chongqing 400067， China;3.College of Finance and Economics， Sichuan International Studies University， Chongqing 400031， China）

Abstract：At present， the global “fourth” industrial revolution is accelerating， the world’s competitive landscape is being reshaped， and improving technological innovation has become the core strategy for countries to seek competitive advantages. Artificial intelligence （AI）， as a new generation of “general-purpose technology” after the Internet， is regarded as the key to promoting the “fourth” industrial revolution， and its increasingly strong penetration and high spillover are becoming an important driving force to enable technological innovation. The current research has explored the direct impact of artificial intelligence on technological innovation， but there has been no discussion on the possible nonlinear relationships; the mechanism of the role of innovation environment in the relationship between artificial intelligence and technological innovation has not been explored yet; and the impact of regional differences and innovation type differences has not yet been paid attention to， and heterogeneity analysis is warranted.

This study selects the number of patent authorizations from each province to represent the level of technological innovation in the region， uses the number of patent applications to replace the number of patent authorizations for robustness testing， and takes the installation volume of industrial robots in each province as an indicator to measure artificial intelligence. Using the sample data of 30 provincial-level administrative regions in China from 2011 to 2020， the study analyzes and tests the empowering effect of AI on enhancing technological innovation and the mediating effect of the innovation environment using a two-way fixed-effect model and a mediating-effect model.

The results reveal that， first of all， AI can significantly empower the enhancement of regional technological innovation. The empowering effect of AI can accelerate knowledge integration and creation， promote knowledge spillover， optimize resource allocation， and thus improve technological innovation. Secondly， the facilitation effect of AI on technological innovation works through the intermediary mechanism of innovation environment and is further tested by the mediating effects of sub-mediating variables such as new enterprises， foreign investment and venture capital. Thirdly， in the heterogeneity analysis， it is found that AI has a significant empowerment promotion effect on technological innovation in eastern regions， coastal regions and technology-intensive regions， and has not yet shown a significant promotion effect in Midwest regions， non-coastal regions， and non-technology-intensive regions， although the regression coefficients are positive. AI has a significant empowerment-boosting effect on all three innovation types and shows a higher marginal effect on design patents. Finally， the promotion of AI in technological innovation shows a marginally decreasing non-linear characteristic， which indicates that there is an “optimal interval” of AI-empowered technological innovation enhancement.

The implications arising from the study are listed. （1） The government should integrate knowledge resources between different subjects with the help of the AI technological innovation platform， strengthen knowledge spillover and knowledge creation， and enhance technological innovation through industry-university-research integration. In addition， the government should further strengthen basic AI research， make a strict investigation of the use of government funds for innovation and provide special government funds to reduce the innovation crowding-out effect of rent-seeking behavior. （2） It is essential to accelerate the intelligent transformation of infrastructure to empower technological innovation， apply AI technology in enterprise project decision-making， project risk demonstration， build an intelligent risk warning platform based on AI technology to carve a multi-dimensional risk portrait of enterprises in the region from assets， cash， and transactions， and build an inter-regional cooperation and innovation network based on AI technology to realize cross-regional and cross-field resource integration. （3） Because of the regional heterogeneity of the promotion of AI in technological innovation， governments in regions with relatively weak foundations should improve the top-level design and institutional guarantee of AI development and strengthen the financial and policy support for intelligent transformation of infrastructure. Then the leading regions should focus on improving the level of AI technology application， and take the lead in undertaking key technology research tasks. Finally， the government should play a policy-guiding role in actively promoting AI hardware facilities， such as AI data centers and AI innovation pilot zones， to enrich the areas with weak foundation， realize regional division of labor synergy， and give play to the innovation empowerment effect of AI technology.

Key Words：AI; Technological Innovation; Technology Empowerment; Innovation Environment