摘 要：數(shù)字經(jīng)濟(jì)背景下，人工智能等數(shù)字技術(shù)能幫助企業(yè)實(shí)現(xiàn)全球價(jià)值鏈上游攀升、提升全球價(jià)值鏈韌性，是促使我國經(jīng)濟(jì)高質(zhì)量發(fā)展、有效抵御全球沖擊的重要抓手。文章采用微觀企業(yè)層面數(shù)據(jù)，探究企業(yè)人工智能出口對全球價(jià)值鏈上游攀升的影響效應(yīng)和作用機(jī)制，并進(jìn)一步探討了企業(yè)人工智能出口對全球價(jià)值鏈韌性的影響。研究發(fā)現(xiàn)：企業(yè)人工智能出口可有效促使企業(yè)向全球價(jià)值鏈上游攀升；經(jīng)穩(wěn)健性檢驗(yàn)、內(nèi)生性分析后，結(jié)果依然顯著。該影響效應(yīng)在不同貿(mào)易方式、企業(yè)所有制、不同行業(yè)及區(qū)域間具有顯著異質(zhì)性，表現(xiàn)為企業(yè)人工智能出口對一般貿(mào)易和混合貿(mào)易企業(yè)、外資及港澳臺企業(yè)、中高技術(shù)行業(yè)及東部地區(qū)企業(yè)的全球價(jià)值鏈上游攀升效應(yīng)更為突出。影響機(jī)制檢驗(yàn)表明，企業(yè)人工智能出口主要通過提高總體資源配置效率、增強(qiáng)研發(fā)創(chuàng)新促使企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)躍升。拓展性分析顯示，企業(yè)人工智能出口可顯著提升全球價(jià)值鏈韌性，主要體現(xiàn)在穩(wěn)定已有鏈條、增強(qiáng)其韌性和安全性上。文章立足全球價(jià)值鏈上游攀升和韌性提高視角，為如何借助人工智能穩(wěn)定高效地促使企業(yè)高質(zhì)量發(fā)展提供了有益借鑒。

關(guān)鍵詞：人工智能" 全球價(jià)值鏈上游攀升" 全球價(jià)值鏈韌性

DOI：10.19592/j.cnki.scje.420344

JEL分類號：C23， F15， L22， O31" "中圖分類號：F746

文獻(xiàn)標(biāo)識碼：A" "文章編號：1000 - 6249（2024）07 - 132 - 19

一、引 言

改革開放以來，中國依托勞動(dòng)力和大市場優(yōu)勢，逐步嵌入由跨國公司主導(dǎo)的全球生產(chǎn)分工體系。然而，在全球生產(chǎn)網(wǎng)絡(luò)中，中國主要依賴加工貿(mào)易從事低附加值任務(wù)環(huán)節(jié)，造成產(chǎn)品低端鎖定（呂越和鄧?yán)o，2020）、貿(mào)易大而不強(qiáng)的格局。高質(zhì)量發(fā)展要求下，我國亟須借助人工智能等數(shù)字技術(shù)轉(zhuǎn)變生產(chǎn)方式，推進(jìn)全球價(jià)值鏈（Global Value Chains，GVC）上游環(huán)節(jié)攀升。與此同時(shí)，貿(mào)易摩擦、逆全球化思潮及地緣沖突背景下，著力提高全球產(chǎn)業(yè)鏈供應(yīng)鏈的安全穩(wěn)定，提升全球價(jià)值鏈韌性水平成為又一值得關(guān)注的焦點(diǎn)。

當(dāng)今世界正進(jìn)入一個(gè)以“數(shù)字經(jīng)濟(jì)”“人工智能”“互聯(lián)網(wǎng)+”等為標(biāo)志的快速變革期，尤其是人工智能已成為各國構(gòu)筑核心競爭力、促使全球價(jià)值鏈升級（呂越等，2020）、增強(qiáng)全球價(jià)值鏈韌性的關(guān)鍵抓手（楊仁發(fā)和鄭媛媛，2023），更成為推進(jìn)自主創(chuàng)新和原始創(chuàng)新、加快新舊動(dòng)能轉(zhuǎn)換的重要戰(zhàn)略引擎。截至目前，已有美、德、日等20多個(gè)國家和地區(qū)將人工智能列入國家發(fā)展戰(zhàn)略。早在2015年，我國便首次提出“機(jī)器人革命”，并在黨的二十大報(bào)告中明確指出要“構(gòu)建新一代信息技術(shù)、人工智能、生物技術(shù)、新能源、新材料、高端裝備、綠色環(huán)保等一批新的增長引擎”。在此背景下，中國應(yīng)主動(dòng)抓住以“人工智能”為契機(jī)的戰(zhàn)略轉(zhuǎn)型期，開展生產(chǎn)制造方式變革。為此，本文深入微觀企業(yè)層面，探究企業(yè)人工智能出口對全球價(jià)值鏈上游攀升的影響效應(yīng)和作用機(jī)制，此外，考慮到全球生產(chǎn)分工高端生產(chǎn)環(huán)節(jié)存在分工難度大、參與多等特征（戴翔和王如雪，2021），還亟須破解企業(yè)向全球價(jià)值上游攀升“強(qiáng)鏈”基礎(chǔ)上的“固鏈”難題，將進(jìn)一步探究企業(yè)人工智能出口對全球價(jià)值鏈韌性的影響。這不僅對豐富企業(yè)層面人工智能與全球價(jià)值鏈的經(jīng)驗(yàn)研究具有重要理論意義，還可為中國實(shí)體經(jīng)濟(jì)創(chuàng)新發(fā)展注入新動(dòng)力、建立新優(yōu)勢，對我國快速融入新一代科技革命、加速產(chǎn)業(yè)變革、高水平融入全球生產(chǎn)分工體系具有重要現(xiàn)實(shí)意義。

人工智能作為一個(gè)迅速發(fā)展的學(xué)科，相關(guān)研究主要聚集于人工智能對就業(yè)、收入分配、全要素生產(chǎn)率、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級以及經(jīng)濟(jì)增長等方面的影響分析。一方面，人工智能的應(yīng)用范圍廣泛，涉及在線平臺，制造、健康、金融、批發(fā)零售等行業(yè)，以及政府等監(jiān)管部門（Agarwal et al.，2018；West，2018；Thompson，2019；Simonite，2020）。另一方面，與此相關(guān)的研究范圍也不斷擴(kuò)大，第一，人工智能能否替代和打擊就業(yè)便是首要研究主題，各維度視角下的爭論層出不窮（Michaels and Graetz，2015；Acemoglu and Restrepo，2018a；Frey and Osborne，2017；Graetz and Michaels，2018；孫早和侯玉琳，2019；姜昊和董直慶，2023；孫興和祝黃河，2024；林峰等，2023）。第二，人工智能與收入分配成為當(dāng)前探究經(jīng)濟(jì)學(xué)下“公平”課題的又一主要方向（陳東和秦子洋，2022；Acemoglu and Restrepo，2020；郭凱明，2019；Korinek and Stiglitz，2017），人工智能所引致的自動(dòng)化可能會通過增加資本占比、降低勞動(dòng)占比，進(jìn)一步壓低工資、誘發(fā)員工不平等問題（Acemoglu and Restrepo，2022；Acemoglu，2021）。第三，人工智能不僅可有效提高全要素生產(chǎn)率（Brynjolfsson et al.，2018），還可通過促使產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級（郭凱明，2019；劉燦雷等，2023），對經(jīng)濟(jì)發(fā)展產(chǎn)生放大、疊加及倍增作用（Aghion et al.，2017；Acemoglu and Restrepo，2018b），一系列研究層出不窮。

與本文最為相關(guān)的文獻(xiàn)主要集中于數(shù)字經(jīng)濟(jì)、人工智能應(yīng)用對全球價(jià)值鏈的影響研究。一是數(shù)字經(jīng)濟(jì)與全球價(jià)值鏈。數(shù)字經(jīng)濟(jì)背景下，數(shù)字技術(shù)和數(shù)據(jù)要素成為全球生產(chǎn)分工的重要助推力（Antràs，2020），這使數(shù)字經(jīng)濟(jì)發(fā)展不僅可有效增加全球價(jià)值鏈國內(nèi)生產(chǎn)鏈長（劉宇英和盛斌，2023；王嵐和程志宙，2024）、提升全球價(jià)值鏈韌性水平（楊仁發(fā)和鄭媛媛，2023；Gereffi，2018；Tang and Veelenturf，2019），還可驅(qū)動(dòng)全球價(jià)值鏈的地位提升（費(fèi)越等，2021；張艷萍等，2022；霍春輝等，2023），增強(qiáng)省內(nèi)價(jià)值鏈、國內(nèi)價(jià)值鏈與全球價(jià)值鏈的耦合協(xié)調(diào)（王彬等，2023）。二是宏觀層面人工智能應(yīng)用對全球價(jià)值鏈的研究。何宇等（2021）通過將人工智能技術(shù)應(yīng)用納入多國多階段全球價(jià)值鏈競爭模型，發(fā)現(xiàn)人工智能技術(shù)沖擊會抑制發(fā)展中國家全球價(jià)值鏈的上游升級和下游位置的保持，使其在全球價(jià)值鏈分工中處于不利地位，與發(fā)達(dá)國家的GVC位置差異增大。劉斌和潘彤（2020）及周洺竹等（2022）采用國際機(jī)器人聯(lián)合會（IFR）中國家-行業(yè)層面的工業(yè)機(jī)器人數(shù)據(jù)，發(fā)現(xiàn)工業(yè)機(jī)器人使用密度的提升可提高一國行業(yè)的全球價(jià)值鏈參與度和分工地位，還可對其他國家、行業(yè)產(chǎn)生溢出效應(yīng)。此外，呂越等（2020）、呂越等（2023）同樣采用IFR的行業(yè)層面機(jī)器人密集度，發(fā)現(xiàn)行業(yè)人工智能密集度不僅可提升制造業(yè)企業(yè)的全球價(jià)值鏈嵌入度，還可深化全球價(jià)值鏈網(wǎng)絡(luò)。

與已有研究相比，本文的邊際貢獻(xiàn)主要體現(xiàn)在：第一，研究視角上。已有文獻(xiàn)多集中于探究國家及行業(yè)層面人工智能對全球價(jià)值鏈的影響，本文采用更為細(xì)致的微觀企業(yè)層面數(shù)據(jù)，考察企業(yè)人工智能出口對全球價(jià)值鏈上游攀升及韌性的影響，可有效識別出企業(yè)層面的內(nèi)在機(jī)制及企業(yè)異質(zhì)性。第二，指標(biāo)構(gòu)建上。本文在已有機(jī)器人數(shù)據(jù)基礎(chǔ)上，對人工智能的測度范圍進(jìn)一步拓展，使其不僅涵蓋普遍使用的“機(jī)器人”信息，還依據(jù)人工智能的廣泛應(yīng)用場景，將包含“無人”“識別”“智能”和“自動(dòng)”等關(guān)鍵詞的HS8位碼產(chǎn)品信息囊括在內(nèi)，具體包含機(jī)器人類、無人駕駛及無人機(jī)類、自動(dòng)數(shù)據(jù)處理設(shè)備類以及智能識別類，更加精確地識別企業(yè)人工智能。此外，已有研究多集中于采用人工智能類產(chǎn)品的進(jìn)口這一進(jìn)口應(yīng)用視角展開測度，區(qū)別于此，本文立足可體現(xiàn)企業(yè)價(jià)值增值水平的人工智能設(shè)備出口視角展開研究。第三，研究內(nèi)容上。本文在探究企業(yè)人工智能出口對全球價(jià)值鏈上游攀升的影響及作用機(jī)制基礎(chǔ)上，進(jìn)一步探究其對全球價(jià)值鏈韌性的影響。立足全球價(jià)值鏈攀升和全球價(jià)值鏈韌性視角，不僅豐富了微觀企業(yè)層面人工智能對全球價(jià)值鏈的經(jīng)驗(yàn)研究，還為如何借助人工智能穩(wěn)定高效地促使企業(yè)高質(zhì)量發(fā)展提供了有益借鑒。

二、影響機(jī)制及研究假說

企業(yè)人工智能出口主要通過國際市場反向助推、改善資源配置結(jié)構(gòu)，提升資源配置效率。第一，依據(jù)新增長理論，激烈的國際市場競爭可反向促使出口企業(yè)提高生產(chǎn)效率，加快資源在物質(zhì)產(chǎn)品生產(chǎn)部門與知識產(chǎn)品生產(chǎn)部門之間的優(yōu)化配置（蒲阿麗和李平，2019），人工智能出口企業(yè)亦是如此。第二，人工智能出口企業(yè)在對智能化、自動(dòng)化設(shè)備的生產(chǎn)加工及出口過程中，可直接促使企業(yè)內(nèi)部加快對低技能勞動(dòng)的簡單替代、增強(qiáng)對高技術(shù)高資本密集型設(shè)備以及數(shù)字技術(shù)等資源的廣泛利用，這將提升企業(yè)資源配置效率（Acemoglu and Restrepo，2018a；Graetz and Michaels，2018）。

企業(yè)資源配置效率的提升一方面可通過加大對勞動(dòng)、資本及技術(shù)等生產(chǎn)要素的有效整合，促使企業(yè)進(jìn)入由生產(chǎn)效率提高所引致的工藝升級，逐步躍升至產(chǎn)品升級、功能升級，乃至鏈條升級階段（Gereffi，1999），促使企業(yè)向價(jià)值鏈上游攀升。另一方面，資源配置效率的提升還可有效替代低技能勞動(dòng)、創(chuàng)造高技能勞動(dòng)崗位，在鞏固提升原有生產(chǎn)環(huán)節(jié)基礎(chǔ)上，促使員工從事高附加值的非自動(dòng)化任務(wù)環(huán)節(jié)（Acemoglu，2021），加強(qiáng)對高技術(shù)、高附加值生產(chǎn)環(huán)節(jié)的探索，進(jìn)而促使企業(yè)向上游研發(fā)設(shè)計(jì)等高附加值環(huán)節(jié)攀升（齊俊妍和任奕達(dá)，2022）。

假說1：企業(yè)人工智能出口通過提高資源配置效率，促使企業(yè)向GVC上游攀升。

Aghion et al.（2017）曾指出，經(jīng)濟(jì)發(fā)展程度較高的經(jīng)濟(jì)體往往聚焦于人工智能等前沿技術(shù)創(chuàng)新及出口上，相對于此，欠發(fā)達(dá)國家偏向于進(jìn)口、學(xué)習(xí)和模仿前沿技術(shù)，且在激烈競爭中，更不利于其技術(shù)創(chuàng)新。本文企業(yè)人工智能出口主要是指，在全球生產(chǎn)分工體系中，中國企業(yè)對工業(yè)機(jī)器人、智能化設(shè)備等產(chǎn)品的生產(chǎn)及供給。人工智能出口企業(yè)為進(jìn)入國際市場，并在激烈的國際市場競爭下生存，將投入更多的時(shí)間、精力及財(cái)力等資源，用于對人工智能類新產(chǎn)品的設(shè)計(jì)、研發(fā)及生產(chǎn)制造，這將加速企業(yè)研發(fā)創(chuàng)新。

企業(yè)創(chuàng)新研發(fā)可有效促使企業(yè)向GVC上游攀升（齊俊妍和任奕達(dá)，2022）。這主要是因?yàn)椋旱谝?，從事研發(fā)創(chuàng)新的企業(yè)在跨越國外技術(shù)吸收門檻基礎(chǔ)上，可有效提高對國外技術(shù)溢出的獲取及吸收能力，并通過自主創(chuàng)新實(shí)現(xiàn)產(chǎn)品和功能升級，進(jìn)而促使企業(yè)向價(jià)值鏈高端攀升（屠年松和龔凱翔，2022）。第二，企業(yè)一旦開始自主創(chuàng)新，在研發(fā)資源和市場經(jīng)驗(yàn)加持下，可對貿(mào)易往來產(chǎn)品依偏好開展設(shè)計(jì)、進(jìn)行定制化創(chuàng)新，并在需求與供給兩方面的及時(shí)反饋下，加快產(chǎn)品的迭代升級（趙宸宇等，2021），逐步向全球生產(chǎn)分工的高附加值環(huán)節(jié)邁進(jìn)。第三，通過原始創(chuàng)新，可進(jìn)一步滿足國內(nèi)中間品及國外中間品的進(jìn)口需求（鄭江淮和鄭玉，2020），逐步拓寬潛在市場，增加全球價(jià)值鏈高附加值環(huán)節(jié)參與，并在數(shù)字技術(shù)的廣泛應(yīng)用下創(chuàng)造新的價(jià)值鏈分工節(jié)點(diǎn)（楊仁發(fā)和鄭媛媛，2023），助推企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)攀升。

假說2：企業(yè)人工智能出口可通過提升企業(yè)創(chuàng)新水平，促使企業(yè)向GVC上游攀升。

企業(yè)人工智能出口可提升全球價(jià)值鏈韌性水平。這主要體現(xiàn)在：第一，人工智能設(shè)備的出口可反向助推企業(yè)加大對數(shù)字技術(shù)的廣泛應(yīng)用，這將促使企業(yè)在受到外部沖擊時(shí)，利用數(shù)字技術(shù)實(shí)現(xiàn)各環(huán)節(jié)信息的快速傳遞、及時(shí)調(diào)整供需資源分配、削減價(jià)值鏈跨境次數(shù)，降低全球價(jià)值鏈沖擊后的斷鏈風(fēng)險(xiǎn)（王嵐和程志宙，2023），在對生產(chǎn)線整合重構(gòu)的同時(shí)，提升了全球價(jià)值鏈的穩(wěn)定性（Ivanov，2022）。第二，人工智能設(shè)備出口助推下的數(shù)字技術(shù)廣泛使用及數(shù)據(jù)要素流動(dòng)，可有效激發(fā)企業(yè)增加出口產(chǎn)品多樣性、實(shí)現(xiàn)出口市場多元化，進(jìn)而促使企業(yè)全球生產(chǎn)分工參與鏈條增加，有效提高全球價(jià)值鏈安全性（楊仁發(fā)和鄭媛媛，2023）。

假說3：企業(yè)人工智能出口可提高全球價(jià)值鏈穩(wěn)定性和安全性，提升全球價(jià)值鏈韌性水平。

三、模型構(gòu)建與變量選取

（一）模型構(gòu)建

為檢驗(yàn)企業(yè)人工智能出口對GVC上游攀升的影響，本文構(gòu)建如下計(jì)量模型：

[lngvcupit=α0+α1lnaiexpit+βcontrols+μi+νt+εit]" " " （1）

上式中，i為企業(yè)，t為年份；被解釋變量為企業(yè)GVC上游參與度1lngvcupit；lnaiexpit是指企業(yè)層面的人工智能出口，由企業(yè)人工智能出口額代替；controls為控制變量的集合，μi表示企業(yè)固定效應(yīng)，νt代表年份固定效應(yīng)，εit為擾動(dòng)項(xiàng)。

（二）變量選取

1.被解釋變量

企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)攀升，不僅是推進(jìn)企業(yè)自主創(chuàng)新和原始創(chuàng)新、加快高水平科技自立自強(qiáng)的關(guān)鍵所在，更是響應(yīng)黨的二十大報(bào)告中所強(qiáng)調(diào)的，實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略、加快建設(shè)制造強(qiáng)國的必經(jīng)之路。為此，借鑒蘇丹妮等（2020），對企業(yè)全球價(jià)值鏈上游參與度gvcup展開測算。

[gvcupijto=EXPtotalijto|BEC×1?IMPtotalijto|BECYijt×EXPtotalijto+Dijto|BEC+θ1j?θ2j×EXPtotalijtoEXPtotalijto×θ3jEXPtotalijto]" " " （2）

[gvcupijtp=EXPtotalijtp|BEC×1?IMPtotalijtp|BEC+Dijtp|BEC+θ1j?θ2j×EXPtotalijtpEXPtotalijtp×θ3jEXPtotalijtp]" " " " " "（3）

[gvcupijtm=ωo×EXPtotalijto|BEC×1?IMPtotalijto|BECYijt?EXPtotalijtp×EXPtotalijto+Dijto|BEC+θ1j?θ2j×EXPtotalijtoEXPtotalijto×θ3jEXPtotalijto][+ωp×EXPtotalijtp|BEC×1?IMPtotalijtp|BEC+Dijtp|BEC+θ1j?θ2j×EXPtotalijtpEXPtotalijtp×θ3jEXPtotalijtp]" "（4）

其中，i、j、t、o、p、m分別表示企業(yè)、所屬產(chǎn)業(yè)、年份、一般貿(mào)易、加工貿(mào)易和混合貿(mào)易，[EXPtotalijto|BEC]、[EXPtotalijtp|BEC]分別表示考慮了從中間貿(mào)易代理商間接進(jìn)口后的一般貿(mào)易企業(yè)、加工貿(mào)易企業(yè)在t年的總出口額，[IMPtotalijto|BEC]、[IMPtotalijtp|BEC]分別表示考慮了從中間貿(mào)易代理商間接進(jìn)口后的一般貿(mào)易企業(yè)、加工貿(mào)易企業(yè)在t年的中間品進(jìn)口總額，[Dijto|BEC]、[Dijtp|BEC]分別表示一般貿(mào)易企業(yè)和加工貿(mào)易企業(yè)的資本折舊累積額，[Yijt]表示企業(yè)的銷售額（國內(nèi)銷售額與出口交貨值之和），[θ1j]、[θ2j]、[θ3j]分別表示企業(yè)所在行業(yè)間接進(jìn)口比例、返回增加值比例以及企業(yè)中間產(chǎn)品的間接出口比例1，[ωo]、[ωp]分別表示混合貿(mào)易企業(yè)中一般貿(mào)易出口占比、加工貿(mào)易出口占比。綜上，（2）（3）（4）式分別為一般貿(mào)易、加工貿(mào)易和混合貿(mào)易企業(yè)的GVC上游參與度。

2.解釋變量

本文在陳東和秦子洋（2022），呂越等（2020），劉斌和潘彤（2020）等采用國家、行業(yè)工業(yè)機(jī)器人作為人工智能代理變量基礎(chǔ)上，將宏觀層面的人工智能指標(biāo)拓展至微觀企業(yè)層面。依據(jù)中國信通院及中國科學(xué)院發(fā)布的《人工智能發(fā)展白皮書》，對企業(yè)層面的人工智能展開識別，使其不僅需包含“機(jī)器人”等關(guān)鍵詞所涵蓋的HS產(chǎn)品編碼（李磊等，2021），還包含自助無人系統(tǒng)技術(shù)的其他產(chǎn)品（如無人駕駛車輛、無人機(jī)、無人車間等），以及以人臉識別和人臉支付為代表的智能人臉技術(shù)，以智能客服、語音助手等代表的系列智能產(chǎn)品。為此，拓展并嘗試構(gòu)建囊括“機(jī)器人類”“無人駕駛及無人機(jī)類”“自動(dòng)數(shù)據(jù)處理設(shè)備類”“智能識別類”HS8位碼上的企業(yè)人工智能出口指標(biāo)2。

如圖1所示，2000年—2013年我國制造業(yè)企業(yè)的人工智能進(jìn)口額lnaiimp和出口額lnaiexp均呈波動(dòng)上升趨勢。其中，人工智能進(jìn)口側(cè)企業(yè)多為以加工貿(mào)易為主的混合貿(mào)易企業(yè)，其生產(chǎn)制造環(huán)節(jié)長期依賴國外先進(jìn)自動(dòng)化設(shè)備進(jìn)口，進(jìn)口應(yīng)用視角更多地體現(xiàn)了國外人工智能技術(shù)的增值，并不能真實(shí)衡量出我國企業(yè)自身的人工智能水平。相對于此，企業(yè)人工智能出口多為進(jìn)口設(shè)備的增值出口，或自主創(chuàng)新式高附加值設(shè)備的出口，可有效反映出我國企業(yè)人工智能水平，為此，本文采用企業(yè)人工智能出口lnaiexpit作為本文的核心解釋變量。

此外，兩者之比由2000年的近7倍縮小至2013年的2.23倍，比值的大幅縮減，說明了我國以往存在長期依賴國外高端設(shè)備進(jìn)口現(xiàn)象，但伴隨國內(nèi)供給側(cè)和需求側(cè)的轉(zhuǎn)型升級，開始由長期依賴國外人工智能類設(shè)備進(jìn)口逐步向生產(chǎn)制造人工智能類設(shè)備出口為主導(dǎo)方向轉(zhuǎn)變。人工智能類設(shè)備的創(chuàng)新設(shè)計(jì)、生產(chǎn)制造及對外出口成為彰顯我國運(yùn)用數(shù)字技術(shù)、掌握企業(yè)人工智能水平，并向高質(zhì)量發(fā)展的重要一步。

3.控制變量

借鑒已有研究，本文加入如下企業(yè)和行業(yè)層面的控制變量：（1）企業(yè)規(guī)模（lnsize）：采用企業(yè)固定資產(chǎn)對數(shù)形式衡量。（2）企業(yè)年齡（lnage）：age=當(dāng)年年份-企業(yè)開業(yè)年份+1，將企業(yè)年齡為負(fù)的調(diào)整為0，將企業(yè)年齡超過100的調(diào)整為100，以消除異常記錄。（3）企業(yè)資本勞動(dòng)比（lnkl）：采用企業(yè)固定資產(chǎn)合計(jì)與年末從業(yè)人員比值的對數(shù)形式表示。（4）資產(chǎn)負(fù)債率（alr）：采用企業(yè)負(fù)債總額占資產(chǎn)總額的比重衡量。（5）融資能力（finance）：采用利息支出與固定資產(chǎn)的比值表示。（6）赫芬達(dá)爾指數(shù)（lnhhi）：[HHIjt=i∈jsaleit/salejt2=i∈jSit2]，Saleit代表企業(yè)i在t年的營業(yè)額，Salejt代表兩位碼行業(yè)j在t年的總營業(yè)額，Sit代表企業(yè)i在j行業(yè)t年的市場占有率，代表企業(yè)所在地區(qū)行業(yè)的市場集中度。（7）企業(yè)所有制虛擬變量（soe）：以企業(yè)登記注冊類型進(jìn)行劃分，國有和民營等本地企業(yè)為1，外資等企業(yè)為0。（8）加工貿(mào)易企業(yè)虛擬變量（process）：一般貿(mào)易企業(yè)為0，加工貿(mào)易和混合貿(mào)易企業(yè)為1。

（三）描述性統(tǒng)計(jì)分析

本文微觀企業(yè)數(shù)據(jù)主要來自2000—2013年中國工業(yè)企業(yè)數(shù)據(jù)庫和中國海關(guān)數(shù)據(jù)庫的匹配數(shù)據(jù)，樣本觀測值的描述性統(tǒng)計(jì)分析如表1所示。由表1可見，企業(yè)全球價(jià)值鏈上游參與度對數(shù)的平均值和標(biāo)準(zhǔn)差分別為-4.50、3.09，說明樣本企業(yè)間在GVC上游參與度水平上存在一定的個(gè)體差異；企業(yè)人工智能出口額對數(shù)的標(biāo)準(zhǔn)差達(dá)3.54，最大值、最小值分別為20.88和0，這表明企業(yè)間人工智能出口額差異較大。

此外，經(jīng)表2相關(guān)性系數(shù)檢驗(yàn)結(jié)果可得，（1）除融資能力finance外，其余解釋變量均在1%顯著性水平上與企業(yè)全球價(jià)值鏈上游參與度lngvcup相關(guān)，而借鑒呂越等（2020），在企業(yè)全球價(jià)值鏈影響因素研究中，企業(yè)融資能力也應(yīng)被作為解釋變量考慮進(jìn)來。（2）解釋變量間的相關(guān)性系數(shù)均小于0.8，這說明解釋變量間不存在多重共線性問題1。

四、實(shí)證結(jié)果及分析

（一）基準(zhǔn)回歸

由表3列（1）—（4）結(jié)果可見，企業(yè)人工智能出口對GVC上游攀升的影響系數(shù)均在1%水平下顯著為正，在加入控制變量及雙向固定效應(yīng)后，企業(yè)人工智能出口額每增加1%可促使GVC上游參與度提升0.069%。這主要是因?yàn)?，企業(yè)人工智能出口，一方面源自進(jìn)口設(shè)備的加工利用，可有效提升生產(chǎn)效率及資源配置（Acemoglu and Restrepo，2018a；Graetz and Michaels，2018）；另一方面，激烈的競爭市場倒逼企業(yè)對人工智能類設(shè)備的研發(fā)創(chuàng)新、生產(chǎn)設(shè)計(jì)及出口，促使企業(yè)加強(qiáng)原始創(chuàng)新（Aghion et al.，2017）；企業(yè)資源配置效率的提高和自主創(chuàng)新能力的增強(qiáng)將促使企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)躍升。

（二）穩(wěn)健性檢驗(yàn)

1.更換核心解釋變量

本文將基準(zhǔn)回歸中的企業(yè)人工智能出口額更換為企業(yè)對人工智能產(chǎn)品的出口量lnaiexp_qty，展開穩(wěn)健性檢驗(yàn)，回歸結(jié)果如表4列（1）所示?；貧w結(jié)果表明，企業(yè)人工智能出口量可在1%顯著性水平上有效促使企業(yè)向全球價(jià)值鏈上游攀升，與基準(zhǔn)回歸結(jié)論一致。

2.剔除異常值

為規(guī)避異常值對檢驗(yàn)結(jié)果的影響，本文對所有連續(xù)變量進(jìn)行1%雙側(cè)縮尾處理，而后展開穩(wěn)健性檢驗(yàn)。回歸結(jié)果如表4列（2）所示，企業(yè)人工智能出口在1%水平上顯著為正，再次驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

3.考慮數(shù)據(jù)質(zhì)量問題

鑒于中國工業(yè)企業(yè)數(shù)據(jù)庫在2010年之后，將“規(guī)模以上”企業(yè)的統(tǒng)計(jì)范圍由500萬調(diào)整為2000萬。為保持統(tǒng)計(jì)范圍內(nèi)企業(yè)具有相同的統(tǒng)計(jì)標(biāo)準(zhǔn)，本文接下來僅采用2000—2009年的數(shù)據(jù)展開回歸，結(jié)果如表4列（3）所示，同樣證實(shí)了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（三）內(nèi)生性分析

本文所采用的固定效應(yīng)模型雖在一定程度上緩解了不隨時(shí)間及個(gè)體改變的變量被遺漏問題，但仍易存在逆向因果等造成的內(nèi)生性問題，鑒于此，采用兩種方式進(jìn)行處理。第一，借鑒Fisman and Svensson（2007）、蘇丹妮等（2020）的做法，構(gòu)建年份-城市-行業(yè)層面企業(yè)人工智能出口額的均值lnaiexpnew1，作為企業(yè)人工智能出口的工具變量。其內(nèi)在邏輯主要體現(xiàn)在：企業(yè)人工智能出口往往會受到周圍環(huán)境的影響，尤其易受同一城市同行業(yè)人工智能出口平均水平的影響，選用lnaiexpnew1作工具變量，可有效滿足IV應(yīng)具備的相關(guān)性要求。此外，盡管年份-城市-行業(yè)整體層面的人工智能出口平均水平會影響年份-城市-行業(yè)內(nèi)各企業(yè)的人工智能出口，但難以對單個(gè)企業(yè)的全球價(jià)值鏈上游環(huán)節(jié)參與度產(chǎn)生直接影響，滿足外生性條件。經(jīng)兩階段最小二乘法（2SLS）回歸后，表5列（1）的第一階段回歸結(jié)果顯示，該工具變量可在1%顯著性水平上替代企業(yè)人工智能出口額，且列（2）的第二階段回歸結(jié)果與基準(zhǔn)回歸結(jié)果一致，即核心解釋變量的系數(shù)在1%水平上顯著；此外，Kleibergen-Paap rk LM檢驗(yàn)在1%水平上拒絕了工具變量識別不足的原假設(shè)，Kleibergen-Paap rk Wald F統(tǒng)計(jì)量大于Stock-Yogo檢驗(yàn)在10%水平上的臨界值，拒絕了工具變量存在弱識別現(xiàn)象的原假設(shè)。第二，借鑒Lewbel（1997）基于誤差的異方差信息構(gòu)建工具變量的方法，本文采用核心解釋變量與其均值之差的三次方lnaiexpnew2，作為企業(yè)人工智能出口的工具變量，其優(yōu)勢體現(xiàn)在，僅依托核心解釋變量便可構(gòu)建出有效的工具變量，且該工具變量還充分保留了企業(yè)的異質(zhì)性特征。采用2SLS回歸后，表5列（3）—（4）第一階段和第二階段的回歸結(jié)果再次驗(yàn)證了處理內(nèi)生性問題后，核心結(jié)論依舊成立。

（四）異質(zhì)性分析

鑒于企業(yè)人工智能出口水平在不同貿(mào)易方式、不同所有制企業(yè)以及不同行業(yè)及區(qū)域間具有顯著差異1，為此，該部分將立足于企業(yè)貿(mào)易方式異質(zhì)性、企業(yè)所有制異質(zhì)性、行業(yè)異質(zhì)性以及區(qū)域異質(zhì)性四個(gè)維度，進(jìn)一步探究企業(yè)人工智能出口對企業(yè)向GVC上游攀升可能存在的差異化影響。

1.企業(yè)貿(mào)易方式異質(zhì)性分析

表6匯報(bào)了加工貿(mào)易企業(yè)、一般貿(mào)易企業(yè)以及混合貿(mào)易企業(yè)分類下，企業(yè)人工智能出口對企業(yè)向GVC上游攀升的影響結(jié)果。結(jié)果顯示，相對于加工貿(mào)易企業(yè)，一般貿(mào)易企業(yè)和混合貿(mào)易企業(yè)的人工智能出口均至少在5%水平上顯著促使企業(yè)向GVC上游攀升，且經(jīng)似無相關(guān)檢驗(yàn)得出的組間系數(shù)差異均至少在5%水平上顯著。這主要是因?yàn)?，加工貿(mào)易企業(yè)涉及到的企業(yè)人工智能類設(shè)備出口較少，且以來料加工、進(jìn)料加工為主，隸屬于低附加值的加工制造環(huán)節(jié)，對全球價(jià)值鏈上游研發(fā)設(shè)計(jì)等環(huán)節(jié)的影響較弱。而與此相對應(yīng)的，一般貿(mào)易企業(yè)和混合貿(mào)易企業(yè)不僅涵蓋的人工智能類設(shè)備企業(yè)較多，且多從事高附加值產(chǎn)品的生產(chǎn)制造及出口，在參與全球價(jià)值鏈過程中，有助于企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)攀升。

2.企業(yè)所有制異質(zhì)性分析

由表7可見，民營、外資及港澳臺企業(yè)的人工智能均至少在10%水平上顯著促使企業(yè)向GVC上游攀升，而國有企業(yè)核心解釋變量的影響效果不顯著。此外，國有企業(yè)與民營企業(yè)的組間系數(shù)無顯著差異，這可能與民營企業(yè)的系數(shù)顯著性較低有關(guān)；但相對于民營企業(yè)，外資及港澳臺企業(yè)的人工智能出口可顯著促使企業(yè)向全球價(jià)值鏈上游攀升。這主要是因?yàn)?，一方面，外資及港澳臺企業(yè)不僅企業(yè)數(shù)量眾多，而且人工智能類產(chǎn)品貿(mào)易額相對更多，在出口側(cè)不僅涵蓋企業(yè)內(nèi)高技術(shù)的吸收和學(xué)習(xí)效應(yīng)，還可通過替代低附加值勞動(dòng)有效提升企業(yè)的資源配置效率，促使企業(yè)向全球生產(chǎn)分工上游環(huán)節(jié)躍升。

3.行業(yè)異質(zhì)性分析

由表8列（1）—（3）可見，相對于低技術(shù)行業(yè)，中等技術(shù)和高技術(shù)行業(yè)的企業(yè)人工智能出口可至少在10%水平上顯著促使企業(yè)向GVC上游攀升，組間系數(shù)差異均至少在5%水平上顯著。這主要源于企業(yè)人工智能進(jìn)出口集中分布于中、高技術(shù)行業(yè)，且相對于低技術(shù)行業(yè)，中、高技術(shù)行業(yè)的人工智能類設(shè)備多用于智能類研發(fā)設(shè)計(jì)、高端制造等環(huán)節(jié)，在出口側(cè)將直接促使企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)遷移。而低技術(shù)行業(yè)的自動(dòng)化設(shè)備主要用于替代低附加值勞動(dòng)密集環(huán)節(jié)，對全球價(jià)值鏈上游環(huán)節(jié)影響較弱。

4.區(qū)域異質(zhì)性分析

由表8列（4）—（5）可見，相對于中西部地區(qū)而言，東部地區(qū)的企業(yè)人工智能出口可顯著促使企業(yè)向全球價(jià)值鏈上游攀升，且兩組間系數(shù)差異在10%水平上顯著。這主要是因?yàn)?，相對于中西部地區(qū)，東部地區(qū)不僅交通便利、更接近國外市場，利于人工智能類設(shè)備出口，還具有豐富的資金及技術(shù)資源，在人工智能出口促使企業(yè)向全球價(jià)值鏈上游攀升過程中可有效補(bǔ)充高技術(shù)資源，影響效果更顯著。

五、影響機(jī)制檢驗(yàn)

基準(zhǔn)回歸結(jié)果證實(shí)了企業(yè)人工智能出口可有效促使企業(yè)向全球價(jià)值鏈上游攀升，本部分將對前文研究假說中提出的企業(yè)人工智能出口通過提高資源配置效率、提升企業(yè)創(chuàng)新水平，促使企業(yè)向GVC上游攀升兩條影響路徑展開檢驗(yàn)。參考對機(jī)制檢驗(yàn)的建議，在中介變量對企業(yè)全球價(jià)值鏈上游攀升因果關(guān)系（Acemoglu，2021；屠年松和龔凱翔，2022；齊俊妍和任奕達(dá)，2022；鄭江淮和鄭玉，2020）較為直觀的前提下，接下來將重點(diǎn)關(guān)注企業(yè)人工智能出口對中介變量的影響，為此，構(gòu)建如下計(jì)量模型并展開檢驗(yàn)。

（一）模型構(gòu)建

[intervarit=θ0+θ1lnaiexpit+δcontrols+μi+νt+εit]" " " " "（5）

上式中，intervarit代表中介變量，具體為企業(yè)總體資源配置效率（rae）以及企業(yè)研發(fā)創(chuàng)新（lninnov）。其中，借鑒蒲阿麗和李平（2019），立足于勞動(dòng)、資本及其他資源三個(gè)維度綜合測度企業(yè)總體資源配置效率，具體如表9所示。此外，企業(yè)研發(fā)創(chuàng)新采用企業(yè)新產(chǎn)品產(chǎn)值與工業(yè)總產(chǎn)值的比值衡量。

表9 企業(yè)總體資源配置效率的測算方法

[變量 定義及測度 企業(yè)勞動(dòng)配置效率 勞動(dòng)配置效率=企業(yè)勞動(dòng)生產(chǎn)率/所有企業(yè)勞動(dòng)生產(chǎn)率平均值

其中，企業(yè)勞動(dòng)生產(chǎn)率=全部職工人數(shù)/企業(yè)工業(yè)總產(chǎn)值 企業(yè)資本配置效率 資本配置效率=企業(yè)資本生產(chǎn)率/所有企業(yè)資本生產(chǎn)率平均值

其中，企業(yè)資本生產(chǎn)率=企業(yè)資本存量/企業(yè)工業(yè)總產(chǎn)值 企業(yè)其他資源配置效率 其他資源配置效率=企業(yè)其他資源生產(chǎn)率/所有企業(yè)其他資源生產(chǎn)率平均值

其中，企業(yè)其他資源生產(chǎn)率為采用LP方法計(jì)算的企業(yè)TFP 企業(yè)總體資源配置效率 勞動(dòng)配置效率、資本配置效率及其他資源配置效率的算術(shù)平均值 ]

（二）檢驗(yàn)結(jié)果及分析

表10報(bào)告了影響機(jī)制的檢驗(yàn)結(jié)果。由列（1）可見，企業(yè)人工智能出口可在5%水平上顯著促使企業(yè)總體資源配置效率的提升。這表明，企業(yè)人工智能出口不僅可通過借助自動(dòng)化設(shè)備實(shí)現(xiàn)對簡單重復(fù)生產(chǎn)組裝環(huán)節(jié)的替代，還可通過引入智能類及數(shù)據(jù)處理類設(shè)備的生產(chǎn)制造及研發(fā)利用，有效提升企業(yè)總體資源配置效率。而資源配置效率的提升不僅可促使企業(yè)進(jìn)入工藝升級、產(chǎn)品升級、功能升級及鏈條升級路徑中，還可通過替代低技能勞動(dòng)、促使高技術(shù)員工從事高附加值技術(shù)環(huán)節(jié)，促使企業(yè)向全球價(jià)值鏈上游環(huán)節(jié)攀升（Acemoglu，2021；齊俊妍和任奕達(dá)，2022），證實(shí)了前文假說1。

由列（2）可見，企業(yè)人工智能出口對企業(yè)研發(fā)創(chuàng)新的作用效果在5%水平上顯著為正。這表明，國外的多樣化需求及激烈的競爭，將反向促使企業(yè)從事初創(chuàng)性、定制化以及更高附加值的人工智能類產(chǎn)品的設(shè)計(jì)、生產(chǎn)制造及出口，由此，企業(yè)將加大對自身創(chuàng)新研發(fā)環(huán)節(jié)的投入及新產(chǎn)品的產(chǎn)出。而企業(yè)研發(fā)創(chuàng)新力度的加大將直接促使企業(yè)在全球生產(chǎn)分工中，不斷向研發(fā)設(shè)計(jì)、高端制造等上游環(huán)節(jié)遷移（鄭江淮和鄭玉，2020），證實(shí)了前文假說2。

六、拓展性分析：企業(yè)人工智能出口對全球價(jià)值鏈韌性的影響分析

在以數(shù)字經(jīng)濟(jì)為特征的快速變革期，人工智能已成為促使企業(yè)融入全球價(jià)值鏈（呂越等，2020）、增強(qiáng)全球價(jià)值鏈韌性的關(guān)鍵抓手（楊仁發(fā)和鄭媛媛，2023）。具體體現(xiàn)在：人工智能可促使企業(yè)高效整合資源，推動(dòng)研發(fā)創(chuàng)新，使企業(yè)向全球價(jià)值鏈上游攀升，更多地以高附加值環(huán)節(jié)參與全球生產(chǎn)分工體系，起到“強(qiáng)鏈”的作用（呂越和張杰，2024）。此外，企業(yè)向全球價(jià)值鏈上游攀升過程中，更多地以中間品及原材料供給者的身份參與全球生產(chǎn)分工，這可有效降低對關(guān)鍵原材料中間品的外部依賴，直接提升全球價(jià)值鏈的安全性和穩(wěn)定性，增強(qiáng)全球價(jià)值鏈韌性水平（呂越和張杰，2024）。

當(dāng)前，“逆全球化”、貿(mào)易摩擦乃至貿(mào)易脫鉤對全球生產(chǎn)分工體系提出了新的挑戰(zhàn)，全球價(jià)值鏈進(jìn)入重塑期。鑒于全球生產(chǎn)分工高端生產(chǎn)環(huán)節(jié)存在分工難度大、參與多等特征（戴翔和王如雪，2021），為此，企業(yè)通過向全球價(jià)值鏈上游環(huán)節(jié)攀升達(dá)到“強(qiáng)鏈”效果的同時(shí)（呂越和張杰，2024），還亟須破解“固鏈”難題——提升全球價(jià)值鏈韌性，尤其是企業(yè)向全球價(jià)值鏈上游攀升基礎(chǔ)上能否實(shí)現(xiàn)全球價(jià)值鏈韌性的提升。為此，本文從穩(wěn)定性和安全性兩個(gè)視角衡量全球價(jià)值鏈韌性，探究企業(yè)人工智能出口對全球價(jià)值鏈韌性的影響效應(yīng)。

首先，全球價(jià)值鏈的穩(wěn)定性主要體現(xiàn)在，當(dāng)全球生產(chǎn)分工體系遭遇沖擊時(shí)，能夠通過在一定范圍內(nèi)的短暫波動(dòng)，有效抵御沖擊，快速恢復(fù)原始狀態(tài)；或遭遇沖擊后，已有鏈條通過較大幅度正向波動(dòng)，使全球價(jià)值鏈變得更加堅(jiān)韌。據(jù)此，第一，通過測度GVC上游參與度與樣本期均值之差，構(gòu)建GVC上游參與度波動(dòng)項(xiàng)，以衡量企業(yè)向全球價(jià)值鏈上游攀升同時(shí)，能否保持全球價(jià)值鏈的穩(wěn)定性。第二，借鑒Braun and Larrain（2005），通過波動(dòng)項(xiàng)與其標(biāo)準(zhǔn)差的關(guān)系，將穩(wěn)定性劃分為三個(gè)階段：危機(jī)階段、穩(wěn)定階段及繁榮階段，具體如下所示：

[stdlngvcupi=1T?1t=1Tlngvcupit?1Tt=1Tlngvcupit12]" " " （6）

[lngvcupvolitlngvcupvolitlt;?stdlngvcupi?stdlngvcupi≤lngvcupvolit≤stdlngvcupistdlngvcupilt;lngvcupvolit]" " " （7）

上式（6）中，[stdlngvcupi]為GVC上游參與度的樣本標(biāo)準(zhǔn)差，T為樣本期14年。John et al.（2008）曾用樣本標(biāo)準(zhǔn)差衡量波動(dòng)的穩(wěn)定性，但因單一企業(yè)在T時(shí)間段內(nèi)的標(biāo)準(zhǔn)差為同一數(shù)值，無法體現(xiàn)各年間的波動(dòng)差異。故本文借鑒Braun and Larrain（2005），按照公式（7）將GVC上游參與度的波動(dòng)項(xiàng)劃分為三個(gè)階段：若波動(dòng)項(xiàng)為負(fù)且小于其標(biāo)準(zhǔn)差的負(fù)值，則企業(yè)向GVC上游攀升過程中缺乏韌性，陷入危機(jī)階段；若波動(dòng)項(xiàng)的絕對值介于標(biāo)準(zhǔn)差絕對值范圍內(nèi)，則其波動(dòng)保持在穩(wěn)定階段，可有效抵御沖擊；若波動(dòng)項(xiàng)為正且大于其標(biāo)準(zhǔn)差，則企業(yè)向GVC上游攀升過程中富有韌性，處于繁榮階段，不僅可有效抵御沖擊且可在沖擊中使鏈條更加堅(jiān)韌。

其次，全球價(jià)值鏈的安全性主要體現(xiàn)在，企業(yè)在全球價(jià)值鏈參與過程中，尤其是向上游環(huán)節(jié)躍升過程中，做到與較強(qiáng)企業(yè)之間的差距逐步縮小，這樣不僅能增加企業(yè)GVC高附加值環(huán)節(jié)參與，還可預(yù)防被邊緣化的風(fēng)險(xiǎn)。為此，構(gòu)建如下公式（8）衡量其安全性：

[lngvcupgapijt=maxlngvcupjt?lngvcupijt]" " " " " " （8）

上式中，i、j、t分別為企業(yè)、行業(yè)以及年份，[maxlngvcupjt]為企業(yè)所屬行業(yè)中的GVC上游參與度的最大值，[lngvcupgapijt]為j行業(yè)中的企業(yè)i在t年的GVC上游參與差距，該數(shù)值越小則與行業(yè)內(nèi)頂尖的差距越小。

表11列（1）—（4）為企業(yè)人工智能出口對全球價(jià)值鏈穩(wěn)定性的影響結(jié)果，列（5）—（6）為企業(yè)人工智能出口對全球價(jià)值鏈的安全性的影響結(jié)果。其中，列（1）—（2）中，被解釋變量為GVC上游參與度波動(dòng)項(xiàng)lngvcupvol，結(jié)果顯示，企業(yè)人工智能出口可顯著促使GVC上游參與度正向波動(dòng)，有效抵御外界沖擊。為進(jìn)一步破解此種促進(jìn)作用主要源于對哪個(gè)階段的影響，本文構(gòu)建離散被解釋變量多值選擇模型，以GVC上游參與度波動(dòng)項(xiàng)所處各階段作為被解釋變量，并對危機(jī)階段、穩(wěn)定階段和繁榮階段分別賦值為1、2、3?；貧w時(shí)，以GVC上游參與度波動(dòng)項(xiàng)處于危機(jī)階段為基準(zhǔn)，表11列（3）—（4）檢驗(yàn)結(jié)果發(fā)現(xiàn)，企業(yè)人工智能出口對GVC上游參與度的小幅穩(wěn)定波動(dòng)的促進(jìn)效果不顯著，但可顯著提升其大幅度正向波動(dòng)，這表明企業(yè)人工智能出口促使GVC上游參與度正向波動(dòng)主要源于對繁榮階段的提升作用，在抵御沖擊之余還使鏈條更加堅(jiān)韌。此外，表11列（5）—（6）結(jié)果顯示，企業(yè)人工智能出口可顯著縮小與行業(yè)內(nèi)GVC上游參與度最大值之間的差距。綜上可見，企業(yè)人工智能出口的增加可促使企業(yè)偏向于采用高附加值、高技術(shù)產(chǎn)品鏈接國際市場，不僅可通過精準(zhǔn)匹配、提前預(yù)防，穩(wěn)定國際供需網(wǎng)絡(luò)，有效抵御全球價(jià)值鏈沖擊；還可通過人工智能技術(shù)的溢出效應(yīng)，促使學(xué)習(xí)效應(yīng)及多樣化供給效應(yīng)發(fā)揮，進(jìn)而使鏈條更加堅(jiān)韌、安全，驗(yàn)證了前文假說3。

為檢驗(yàn)企業(yè)人工智能出口對全球價(jià)值鏈韌性影響結(jié)果的穩(wěn)健性1，本文將依次采用更換解釋變量（更換為企業(yè)人工智能產(chǎn)品的出口量lnaiexp_qty）和剔除異常值（雙側(cè)縮尾1%）兩種方法，展開穩(wěn)健性檢驗(yàn)。由表12列（1）—（4）穩(wěn)健性檢驗(yàn)結(jié)果可見，企業(yè)人工智能出口均在1%水平上顯著促使GVC上游參與度正向波動(dòng)，顯著縮小企業(yè)與行業(yè)內(nèi)GVC上游參與度最大值之間的差距，驗(yàn)證了表11回歸結(jié)果的穩(wěn)健性。

此外，為避免企業(yè)人工智能出口對全球價(jià)值鏈韌性影響中，因反向因果等造成的內(nèi)生性問題，采用前文兩種工具變量（年份-城市-行業(yè)層面企業(yè)人工智能出口額的均值lnaiexpnew1、核心解釋變量與其均值之差的三次方lnaiexpnew2）展開內(nèi)生性檢驗(yàn)。由表13列（1）—（4）2SLS的第二階段回歸結(jié)果可見，經(jīng)內(nèi)生性處理后，企業(yè)人工智能出口可顯著提升全球價(jià)值鏈韌性的核心結(jié)論依舊成立。

七、結(jié)論與政策啟示

以加工貿(mào)易為主的低附加值嵌入已難以滿足高質(zhì)量經(jīng)濟(jì)發(fā)展需求，亟須借助人工智能等現(xiàn)代數(shù)字技術(shù)轉(zhuǎn)變生產(chǎn)模式，促使企業(yè)向全球價(jià)值鏈上游攀升，并不斷增強(qiáng)其全球價(jià)值鏈韌性。為此，本文采用2000—2013年中國工業(yè)企業(yè)數(shù)據(jù)庫和中國海關(guān)數(shù)據(jù)庫匹配的微觀企業(yè)數(shù)據(jù)集，探究企業(yè)人工智能出口對全球價(jià)值鏈上游攀升的影響效應(yīng)和作用機(jī)制，并在此基礎(chǔ)上，進(jìn)一步探究其對全球價(jià)值鏈韌性的影響。研究結(jié)論主要體現(xiàn)在：第一，企業(yè)人工智能出口可有效促使企業(yè)向GVC上游攀升；經(jīng)穩(wěn)健性檢驗(yàn)、內(nèi)生性分析后，結(jié)果依然顯著。第二，企業(yè)人工智能出口對GVC上游攀升的影響在不同貿(mào)易方式、不同所有制、不同技術(shù)行業(yè)及不同區(qū)域間均具有顯著差異，其中，對一般貿(mào)易和混合貿(mào)易企業(yè)、外資及港澳臺企業(yè)、中高技術(shù)行業(yè)及東部地區(qū)企業(yè)的GVC上游攀升效應(yīng)最為突出。第三，影響機(jī)制結(jié)果顯示，企業(yè)人工智能出口可通過提高總體資源配置效率、增強(qiáng)企業(yè)研發(fā)創(chuàng)新，進(jìn)而促使企業(yè)向GVC上游攀升。第四，拓展性分析顯示，企業(yè)人工智能出口可顯著提升其全球價(jià)值鏈韌性，主要體現(xiàn)在提高了全球價(jià)值鏈的穩(wěn)定性和安全性。

本文的政策啟示主要體現(xiàn)在：

第一，把握快速變革期，為經(jīng)濟(jì)高質(zhì)量發(fā)展注入新動(dòng)能。把握以“人工智能”為契機(jī)的快速變革期和戰(zhàn)略轉(zhuǎn)型期，將人工智能引入到更多的制造行業(yè)和企業(yè)中去，在替代低技術(shù)勞動(dòng)力、提高資源配置效率的同時(shí)，通過“人工智能與制造業(yè)的深度融合”，促使“中國制造”向“中國智造”轉(zhuǎn)型升級。此外，在第一、三產(chǎn)業(yè)層面，積極引入人工智能設(shè)備、產(chǎn)品和技術(shù)，促使向高端農(nóng)業(yè)、優(yōu)質(zhì)數(shù)智化服務(wù)轉(zhuǎn)型，并以此為基礎(chǔ)，促進(jìn)人工智能加持下的新業(yè)態(tài)、新模式的萌芽和發(fā)展，最終促使我國產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，經(jīng)濟(jì)高質(zhì)量發(fā)展。

第二，多措并舉，切實(shí)解決核心技術(shù)“卡脖子”難題。發(fā)達(dá)國家對核心技術(shù)、關(guān)鍵零部件輸出持管制態(tài)度，眾多企業(yè)被列入美國實(shí)體清單。在此背景下，為切實(shí)增強(qiáng)我國的科技創(chuàng)新能力、快速進(jìn)入全球數(shù)字變革調(diào)整期，政府既可加大對核心技術(shù)研發(fā)的精準(zhǔn)支持，還可在加快建設(shè)全國統(tǒng)一大市場基礎(chǔ)上，爭取全球數(shù)字經(jīng)濟(jì)規(guī)則制定話語權(quán)。企業(yè)方面，應(yīng)在強(qiáng)化企業(yè)創(chuàng)新主體地位基礎(chǔ)上，立足自身發(fā)展需要，加大研發(fā)投入，積極引進(jìn)高端人才，建立產(chǎn)學(xué)研實(shí)驗(yàn)基地以及構(gòu)建創(chuàng)新產(chǎn)業(yè)鏈條等，多措并舉，提升我國人工智能進(jìn)出口水平，促使企業(yè)向全球價(jià)值鏈上游攀升。

第三，發(fā)揮人工智能對全球價(jià)值鏈韌性的提升作用。企業(yè)人工智能不僅體現(xiàn)在通過人工智能類設(shè)備的進(jìn)出口鏈接國際生產(chǎn)分工網(wǎng)絡(luò)，還體現(xiàn)在人工智能技術(shù)的學(xué)習(xí)效應(yīng)和溢出效應(yīng)上。有效發(fā)揮在全球生產(chǎn)分工體系中的精準(zhǔn)匹配、提前預(yù)防作用，穩(wěn)定全球價(jià)值鏈；并通過差異化供需鏈接、多樣化匹配，使全球價(jià)值鏈更加堅(jiān)韌、安全。此外，通過人工智能引進(jìn)的優(yōu)化利用，以更高質(zhì)量、更高附加值的產(chǎn)品和服務(wù)融入到國內(nèi)大循環(huán)體系中，并以不斷增強(qiáng)的國內(nèi)優(yōu)勢，提升我國人工智能出口水平，最終以國內(nèi)循環(huán)促國際循環(huán)，促使國內(nèi)、國際生產(chǎn)分工體系穩(wěn)定、安全。

參考文獻(xiàn)

陳東、秦子洋，2022，“人工智能與包容性增長——來自全球工業(yè)機(jī)器人使用的證據(jù)”，《經(jīng)濟(jì)研究》，第4期，第85-102頁。

戴翔、王如雪，2021，“中國開展OFDI有助于固鏈和強(qiáng)鏈嗎？”，《財(cái)經(jīng)論叢》，第12期，第3-14頁。

費(fèi)越、張勇、丁仙、吳波，2021，“數(shù)字經(jīng)濟(jì)促進(jìn)我國全球價(jià)值鏈地位升級——來自中國制造業(yè)的理論與證據(jù)”，《中國軟科學(xué)》，第S1期，第68-75頁。

郭凱明，2019，“人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動(dòng)收入份額變動(dòng)”，《管理世界》，第7期，第60-77+202-203頁。

何宇、陳珍珍、張建華，2021，“人工智能技術(shù)應(yīng)用與全球價(jià)值鏈競爭”，《中國工業(yè)經(jīng)濟(jì)》，第10期，第117-135頁。

霍春輝、呂夢曉、許曉娜，2023，“數(shù)字技術(shù)與制造企業(yè)全球價(jià)值鏈地位攀升——打開數(shù)字技術(shù)賦能的‘黑箱’”，《南方經(jīng)濟(jì)》，第3期，第11-28頁。

姜昊、董直慶，2023，“人工智能技術(shù)應(yīng)用會存在選擇性偏向嗎？——行業(yè)屬性與就業(yè)偏向”，《南方經(jīng)濟(jì)》，第12期，第37-61頁。

李磊、王小霞、包群，2021，“機(jī)器人的就業(yè)效應(yīng)：機(jī)制與中國經(jīng)驗(yàn)”，《管理世界》，第9期，第104-119頁。

林峰、潘麗群、李宏兵，2023，“工業(yè)機(jī)器人的使用是否提振了創(chuàng)業(yè)活力？——來自跨國數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)”，《南開經(jīng)濟(jì)研究》，第10期，第145-164頁。

劉斌、潘彤，2020，“人工智能對制造業(yè)價(jià)值鏈分工的影響效應(yīng)研究”，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》，第10期，第24-44頁。

劉燦雷、張靜、高超，2023，“中國產(chǎn)業(yè)智能化與智能產(chǎn)業(yè)發(fā)展——政策驅(qū)動(dòng)視角”，《南開經(jīng)濟(jì)研究》，第7期，第126-145頁。

劉宇英、盛斌，2023，“數(shù)字經(jīng)濟(jì)與全球價(jià)值鏈國內(nèi)鏈長”，《財(cái)經(jīng)研究》，第4期，第35-49頁。

呂越、鄧?yán)o，2020，“全球價(jià)值鏈下的中國企業(yè)‘產(chǎn)品鎖定’破局——基于產(chǎn)品多樣性視角的經(jīng)驗(yàn)證據(jù)”，《管理世界》，第8期，第83-98頁。

呂越、谷瑋、包群，2020，“人工智能與中國企業(yè)參與全球價(jià)值鏈分工”，《中國工業(yè)經(jīng)濟(jì)》，第5期，第80-98頁。

呂越、谷瑋、尉亞寧、包群，2023，“人工智能與全球價(jià)值鏈網(wǎng)絡(luò)深化”，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》，第1期，第128-151頁。

呂越、張杰，2024，“人工智能與產(chǎn)業(yè)鏈韌性提升”，《西安交通大學(xué)學(xué)報(bào)（社會科學(xué)版）》，第2期，第29-38頁。

蒲阿麗、李平，2019，“出口、市場化與資源配置效率的行業(yè)異質(zhì)性分析”，《改革》，第9期，第93-102頁。

齊俊妍、任奕達(dá)，2022，“數(shù)字經(jīng)濟(jì)發(fā)展、制度質(zhì)量與全球價(jià)值鏈上游度”，《國際經(jīng)貿(mào)探索》，第1期，第51-67頁。

蘇丹妮、盛斌、邵朝對、陳帥，2020，“全球價(jià)值鏈、本地化產(chǎn)業(yè)集聚與企業(yè)生產(chǎn)率的互動(dòng)效應(yīng)”，《經(jīng)濟(jì)研究》，第3期，第100-115頁。

孫興、祝黃河，2024，“人工智能時(shí)代’機(jī)器換人’現(xiàn)象的審思”，《江西社會科學(xué)》，第5期，第152-161頁。

孫早、侯玉琳，2019，“工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)”，《中國工業(yè)經(jīng)濟(jì)》，第5期，第61-79頁。

屠年松、龔凱翔，2022，“‘引進(jìn)來’‘走出去’的技術(shù)溢出對制造業(yè)價(jià)值鏈的效應(yīng)研究——基于研發(fā)能力和產(chǎn)業(yè)集聚的門限回歸檢驗(yàn)”，《暨南學(xué)報(bào)（哲學(xué)社會科學(xué)版）》，第7期，第64-79頁。

王彬、高敬峰、宋玉潔，2023，“數(shù)字經(jīng)濟(jì)對三重價(jià)值鏈協(xié)同發(fā)展的影響”，《統(tǒng)計(jì)研究》，第1期，第18-32頁。

王嵐、程志宙，2023，“數(shù)字化投入、本土市場規(guī)模與服務(wù)業(yè)價(jià)值鏈復(fù)雜程度”，《國際貿(mào)易問題》，第8期，第71-87頁。

王嵐、程志宙，2024，“服務(wù)業(yè)數(shù)字投入、本土市場規(guī)模與國內(nèi)分工深化——兼論產(chǎn)業(yè)鏈外部風(fēng)險(xiǎn)”，《經(jīng)濟(jì)學(xué)動(dòng)態(tài)》，第4期，第49-69頁。

楊仁發(fā)、鄭媛媛，2023，“數(shù)字經(jīng)濟(jì)發(fā)展對全球價(jià)值鏈分工演進(jìn)及韌性影響研究”，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》，第8期，第69-89頁。

張艷萍、凌丹、劉慧嶺，2022，“數(shù)字經(jīng)濟(jì)是否促進(jìn)中國制造業(yè)全球價(jià)值鏈升級？”，《科學(xué)學(xué)研究》，第1期，第57-68頁。

趙宸宇、王文春、李雪松，2021，“數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率”，《財(cái)貿(mào)經(jīng)濟(jì)》，第7期，第114-129頁。

鄭江淮、鄭玉，2020，“新興經(jīng)濟(jì)大國中間產(chǎn)品創(chuàng)新驅(qū)動(dòng)全球價(jià)值鏈攀升——基于中國經(jīng)驗(yàn)的解釋”，《中國工業(yè)經(jīng)濟(jì)》，第5期，第61-79頁。

周洺竹、綦建紅、張志彤，2022，“人工智能對全球價(jià)值鏈分工位置的雙重影響”，《財(cái)經(jīng)研究》，第10期，第34-48+93頁。

Acemoglu， D.， 2021， “Harms of AI”， NBER Working Paper， No. w29247.

Acemoglu， D. and Restrepo， P.， 2018a， “Artificial Intelligence， Automation， and Work”， The Economics of Artificial Intelligence： An Agenda， Chicago： University of Chicago Press， 197-236.

Acemoglu， D. and Restrepo， P.， 2018b， “The Race Between Man and Machine： Implications of Technology for Growth， Factor Shares， and Employment”， American Economic Review， 108（6）： 1488-1542.

Acemoglu， D. and Restrepo， P.， 2020， “The Wrong Kind of AI？ Artificial Intelligence and The Future of Labor Demand”， Cambridge Journal of Regions， Economy and Society， 13（1）： 25-35.

Acemoglu， D. and Restrepo， P.， 2022， “Tasks， Automation， and The Rise in US Wage Inequality”， Econometrica， 90（5）： 1973-2016.

Aghion， P.， Jones， B.F. and Jones， C. I.， 2017， “Artificial Intelligence and Economic Growth”， NBER Working Paper， No. w23928.

Agrawal， A.， Gans， J. and Goldfarb， A.， 2018， “Prediction Machines： The Simple Economics of Artificial Intelligence”， Boston： Harvard Business Press.

Antràs， P.， 2020， “Conceptual Aspects of Global Value Chains”， The World Bank Economic Review， 34（3）： 551-574.

Braun， M. and Larrain， B.， 2005， “Finance and The Business Cycle： International， Inter-Industry Evidence”， Journal of Finance， 60（3）：1097-1128.

Brynjolfsson， E.， Rock， D. and Syverson， C.， 2018， “Artificial Intelligence and The Modern Productivity Paradox： A Clash of Expectations and Statistics”， The Economics of Artificial Intelligence： An Agenda， Chicago： University of Chicago Press， 23-57.

Fisman， R. and Svensson， J.， 2007， “Are Corruption and Taxation Really Harmful to Growth？ Firm Level Evidence”， Journal of Development Economics， 83（1）： 63-75.

Frey， C.B. and Osborne， M.A.， 2017， “The Future of Employment： How Susceptible Are Jobs To Computerisation？”， Technological Forecasting and Social Change， 114： 254-280.

Gereffi， G.， 1999， “International Trade and Industrial Upgrading in The Apparel Commodity Chain”， Journal of International Economics， 48（1）： 37-70.

Gereffi， G.， 2018， “Global Value Chains and Development： Redefining the Contours of 21st Century Capitalism”， Cambridge： Cambridge University Press.

Graetz， G. and Michaels， G.， 2018， “Robots at Work”， Review of Economics and Statistics， 100（5）： 753-768.

Ivanov， D.， 2022， “Viable Supply Chain Model： Integrating Agility， Resilience and Sustainability Perspectives—Lessons from And Thinking Beyond The COVID-19 Pandemic”， Annals of Operations Research， 319（1）： 1411-1431.

John， K.， Litov， L. and Yeung， B.， 2008， “Corporate Governance and Risk-Taking”， Journal of Finance， 63（4）： 1679-1728.

Korinek， A. and Stiglitz， J.E.， 2017， “Artificial Intelligence， Worker-Replacing Technological Progress and Income Distribution”， NBER Working Paper， No. w24174.

Lewbel， A.， 1997， “Constructing Instruments for Regressions with Measurement Error When No Additional Data are Available， With an Application to Patents and Ramp;D”， Econometrica， 65（5）： 1201-1213.

Michaels， G. and Graetz， G.， 2015， “Estimating the Impact of Robots on Productivity and Employment”， Center for Economic Performance.

Simonite， T.， 2020， “Algorithms Were Supposed to Fix the Bail System. They Haven't”， https：//www. wired. com/story/algorithms-supposed-fix-bail-system-they-havent/gt;. Acesso em， 28： e43057.

Tang， C.S. and Veelenturf， L.P.， 2019， “The Strategic Role of Logistics in The Industry 4.0 Era”， Transportation Research Part E： Logistics and Transportation Review， 129：1-11.

Thompson， D.， 2019， “Should We Be Afraid of AI in the Criminal-Justice System？”， The Atlantic.https：//www.theatlantic.com/ideas/archive/2019/06/should-we-be-afraid-of-aiin-the-criminal-justice-system/592084.

West， D.M.， 2018， “The Future of Work： Robots， AI， And Automation”， Washington， DC： Brookings Institution Press.

The Impact of Enterprise's Artificial Intelligence Exports on Moving Up

and Resilience of Global Value Chain

Zhao Wentao" Wang Lan

Abstract： In the context of digital economy， how to move up the global value chain and enhance global value chain resilience with the help of digital technologies such as artificial intelligence is an important starting point to promote the high-quality development of China's economy and effectively resist global shocks. This paper explores the impact and mechanism of artificial intelligence （AI） exports on moving up the global value chain （GVC） at the micro enterprise level， and further explores the impact of AI exports on global value chain resilience. It is found that enterprise’s AI exports can effectively promote to move up the GVC， which are still significant after robustness test and endogeneity analysis. Moreover， it has heterogeneous effects on different trade modes， enterprise ownerships， industries and areas， as shown by the fact that enterprise’s AI exports are more likely to promote general trade and mixed trade enterprises， foreign investment and Hong Kong， Macao and Taiwan enterprises， medium and high-tech industries and enterprises in eastern regions to move up the GVC. The influence mechanism of enterprise’s AI exports on moving up the GVC is mainly reflected in two ways： improving overall resource allocation efficiency， enhancing Ramp;D and innovation. The extended analysis shows that enterprise’s AI exports can significantly improve GVC resilience by stabilizing existing chains and enhancing their resilience and security. It provides useful reference for how to promote enterprise’s high-quality development with the help of artificial intelligence based on the perspective of moving up the GVC and GVC resilience.

Keywords： Artificial Intelligence; Moving up of Global Value Chains; Global Value Chain Resilience

（責(zé)任編輯：徐久香）

*趙文濤（通訊作者），天津財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，E-mail：zwt1202@163.com，通訊地址：天津市河西區(qū)珠江道25號天津財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，郵編：300222；王嵐，天津財(cái)經(jīng)大學(xué)數(shù)字經(jīng)濟(jì)與管理學(xué)院，E-mail：lovelyclare2006@126.com。

基金項(xiàng)目：本文受國家社會科學(xué)基金青年項(xiàng)目“新發(fā)展格局下雙重價(jià)值鏈耦合對中國產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的影響及對策研究”（22CJY015）、國家社會科學(xué)基金一般項(xiàng)目“數(shù)字貿(mào)易規(guī)則對全球價(jià)值鏈重構(gòu)的影響及其優(yōu)化路徑研究”（21BGJ025）、天津財(cái)經(jīng)大學(xué)優(yōu)秀青年教師支持計(jì)劃的資助。

1本文全球價(jià)值鏈上游參與即全球價(jià)值鏈的前向參與。

1借鑒Wang et al.（2013）對出口增加值的分解方法，利用WIOD數(shù)據(jù)測算所得。其中，企業(yè)所在行業(yè)間接進(jìn)口比例[θ1j]是指行業(yè)中間品出口中來自直接進(jìn)口國和其他國家的國外增加值所占比例，由出口增加值分解中的FVA_INT測算所得。返回增加值比例[θ2j]是指經(jīng)過通過中間品進(jìn)口返回國內(nèi)的本國增加值部分所占比例，由出口增加值分解中的RDV_INT測算所得。企業(yè)中間產(chǎn)品的間接出口比例[θ3j]是指行業(yè)出口的中間品被直接進(jìn)口國利用，并進(jìn)而出口至第三國，被第三國吸收的國內(nèi)增加值比例，由出口增加值分解中的DVA_INTrex測算所得。

2篇幅所限，具體步驟留存?zhèn)渌鳌?/p>

1感謝審稿專家對檢驗(yàn)多重共線性的寶貴建議。

1篇幅所限，企業(yè)人工智能出口的典型特征事實(shí)分析留存?zhèn)渌鳌?/p>

1感謝審稿專家對補(bǔ)充穩(wěn)健性檢驗(yàn)和內(nèi)生性檢驗(yàn)的寶貴建議。