人工智能能否賦能區域技術創新

收稿日期：2023-04-15" 修回日期：2023-07-19

基金項目：國家社會科學基金項目（23BGL063）

作者簡介：陳偉（1983-），男，湖北潛江人，博士，重慶工商大學工商管理學院副院長、教授、博士生導師，研究方向為技術創新管理；鄧堯（1999-），男，重慶人，重慶工商大學工商管理學院碩士研究生，研究方向為企業數字化轉型與技術創新管理；楊柏（1971-），男，四川樂山人，博士，重慶工商大學工商管理學院院長、教授、博士生導師，研究方向為技術創新管理；陳銀忠（1978-），男，福建泉州人，博士，四川外國語大學國際金融與貿易學院教授、碩士生導師，研究方向為制造業服務化、技術創新管理。本文通訊作者：楊柏。

摘" 要：為探究人工智能是否對提升技術創新水平具有賦能效應，基于2011—2020年30個省級行政區面板數據，運用雙向固定效應模型和中介效應模型，實證分析人工智能對技術創新的影響以及創新環境的中介效應。基準回歸結果表明，人工智能能夠顯著賦能技術創新水平提升。中介效應檢驗結果表明，創新環境在人工智能賦能技術創新的過程中發揮部分中介作用，人工智能有助于優化創新環境，聚集人才并吸引投資，從而促進技術創新水平提升。異質性分析結果表明，對于經濟發展水平越高、技術越密集的地區，人工智能賦能技術創新水平提升的作用越明顯，區域間發展差距較大；對于3種不同創新類型，人工智能均表現出顯著促進效應，對發明專利、實用新型專利和外觀設計專利的促進作用呈現由低到高的特點。非線性分析結果表明，人工智能賦能技術創新整體呈現邊際效應遞減趨勢。

關鍵詞關鍵詞：人工智能；技術創新；技術賦能；創新環境

DOI：10.6049/kjjbydc.2023040175

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F124.3

文獻標識碼：A

文章編號：1001-7348（2024）10-0057-10

0" 引言

目前，全球第四次工業革命加速演進，世界競爭格局正在重塑，各國均將提高科技創新水平作為構建競爭優勢的核心戰略。人工智能（Artificial Intelligence，AI）作為繼互聯網之后的新一代“通用性技術”，被視為推進第四次工業革命的關鍵（Dwivedi，2021）。為抓住人工智能帶來的發展機遇，世界各國紛紛將人工智能上升為國家重點發展戰略。中國也高度重視人工智能發展，2017年國務院印發《新一代人工智能發展規劃》，指出“人工智能作為新一輪產業變革的核心驅動力，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、新業態等的誕生，要推動人工智能與各行業融合創新，全面增強科技創新基礎能力”；2021年《“十四五”數字經濟發展規劃》提出要高效布局人工智能基礎設施，提升“智能+”發展的行業賦能能力；2022年科技部印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》，指出要加快人工智能場景應用，提升人工智能場景創新能力，推動經濟高質量發展。由此可見，人工智能日益呈現出強滲透性和高溢出性，正成為賦能創新水平提升的重要驅動力，對實現經濟高質量發展具有重要推動作用，有關人工智能賦能技術創新的問題逐漸引起學術界和實務界的廣泛關注。

目前學術界關于人工智能賦能發展的研究主要集中于以下幾個方面：一是人工智能賦能經濟增長，主要從技術進步視角［1，2］、要素視角［3，4］和產業結構視角［5， 6］探討人工智能對經濟增長的影響；二是人工智能賦能產業結構優化升級，主要通過人工智能賦能傳統產業融合［7］、優化消費結構［8］、促進企業綠色轉型［9］，實現產業結構優化升級；三是人工智能對勞動就業方面的影響，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］和就業效應［14，15］的影響；四是人工智能對創新的影響，如束超慧等（2022）運用案例對人工智能賦能企業顛覆性創新的路徑進行研究，提出人工智能賦能企業顛覆性創新的理論模型；張龍鵬等［16］與Liu等［17］利用制造業數據實證研究人工智能對技術創新的直接影響，發現人工智能有利于技術創新水平提高，且不同行業之間存在異質性影響。

上述關于人工智能賦能技術創新的研究為本研究提供了良好的邏輯起點和理論借鑒，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創新的直接影響，但尚未對可能存在的非線性關系進行討論。實際上，行為主體對人工智能技術的應用可能存在“尋租”行為，從而對真正利用人工智能技術實施創新研發產生“擠出效應”。在此背景下，人工智能對技術創新的影響可能是非線性且動態變化的。第二，創新環境是影響技術創新的重要外部因素，人工智能技術往往通過促進地區基礎設施智能化轉型等實現對創新環境的改善，從而促進區域技術創新，而現有研究尚未對創新環境在人工智能與技術創新關系中的作用機制作出探索。第三，相關研究探討了不同行業下人工智能對技術創新的異質性影響，但尚未關注區域差異和創新類型差異帶來的影響，異質性分析有待進一步拓展。

基于此，本文將人工智能、創新環境和技術創新納入同一分析框架，利用省級層面數據，從以下幾個方面展開探討：一是從直接影響和非線性影響兩個角度，對人工智能如何影響技術創新展開探索性研究，有助于打開人工智能影響技術創新的“黑箱”，豐富技術創新理論；二是加入創新環境作為機制變量，從中介路徑分析創新環境在人工智能影響技術創新中的作用機制，對人工智能影響技術創新的內在機理進行拓展；三是針對不同區域稟賦、不同創新類型進行異質性分析，有助于加深對人工智能賦能區域創新發展的理解，為區域協調發展與技術資源調配提供經驗依據。通過上述研究，以期為我國借助人工智能賦能效應優化創新環境，從而提高技術創新水平、實現創新驅動發展，提供理論借鑒和決策參考。

1" 理論分析與研究假設

1.1" 人工智能與技術創新

人工智能被視為繼互聯網之后的新一代“通用性技術”，是互聯網、云計算、大數據等信息技術的集大成者［16］。有所區別的是，人工智能在具有其它信息技術普遍特性的同時擁有其它信息技術所不具備的獨特技術特征。因此，本文從人工智能所具有的其它信息技術特征及其自身具備的獨特技術特征出發，對人工智能如何賦能技術創新展開論述。

首先，技術創新是產生新技術的一系列活動［17］，知識是技術創新的核心要素，有效的新知識是技術創新的基礎（Chen，2004）。無論是現有技術改進還是全新技術的誕生，都是知識整合與創造的過程。同其它信息技術一樣，人工智能也具有從外部吸收新知識并在主體間進行知識流動與分享的作用，通過吸收外部多元化知識，達到彌補企業內部創新資源、增強創新活力、重塑企業創新模式的目標。另外，借助人工智能領域的機器學習、深度學習、神經網絡算法等智能算法，能夠更有效地進行知識和數據的檢索處理，提高知識處理的準確性和可靠性［17］，彌補人類腦力的局限，加速新知識創建和舊知識重組過程，提高知識整合與創造效率，從而快速融合其它領域知識，縮短技術創新周期。

其次，作為一項通用技術，人工智能也具有基礎設施外溢性特征［4］。習近平總書記在中共中央政治局第九次集體學習上的講話中提到，“人工智能具有溢出帶動性很強的‘頭雁’效應”。這意味著人工智能的應用無可避免地會導致知識技術從高技術部門向低技術部門溢出，而知識技術溢出會改變創新主體的知識環境、降低創新成本與風險［18］，部門間知識技術溢出的不斷累積將推動創新活動的開展。另外，借助人工智能構建的知識傳播網絡，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滯，更有利于區域創新主體通過吸收和同化外部知識提高技術創新水平［19］。

最后，技術創新是一種十分耗費資源且具有較高風險的消耗性活動（Patel amp; Chrisman，2014），能否有效配置資源對成功實現創新研發具有重要影響，人工智能技術的應用則在很大程度上為優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據的搜集、篩選、加工、整理實現信息精準匹配，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新主體行為進行分析預測，緩解信息不對稱造成的資源錯配和低效率配置［9］。另一方面，人工智能技術在生產研發環節的應用能夠幫助企業決策，調整資源結構，及時發現并規避因為資源配置不當而引發的問題。同時，在人工智能設備支持下，資源的智能化配置和跨區域資源對接得以實現，資源配置效率進一步提升［20］，從而有利于實現技術創新研發，提高技術創新水平。基于以上分析，本文提出以下假設：

H1：人工智能能夠賦能技術創新水平提升。

1.2" 創新環境的中介作用機制

創新作為一種交互學習過程，根植并融入當地復雜的環境之中［21］，創新環境能夠顯著改善創新效率、支撐創新活動和提升城市創新能力［22］。人工智能作為新一代“通用性”技術，其所具有的技術賦能效應能夠改善地區創新環境，進而提升技術創新水平。

首先，人工智能加速基礎設施向智能化轉變，改善地區創新環境。“人工智能+交通”融合所誕生的智慧交通提高交通運營和調度效率，改善物流環境，有助于延伸產業鏈條，實現要素與條件的有效協同和配置，降低創新研發成本。智慧通信提高數據采集、計算和傳輸能力，以人工智能感知技術和網絡通信技術為主要手段的物聯網基礎設施進一步實現人、機、物的泛在連接，提高數據協同處理效率和信息服務水平，從而推動技術融合創新。企業是創新主體，人才是創新第一資源，由“人工智能+政務”發展而來的智慧政務從源頭縮短企業審批流程和周期，降低區域內企業創新的制度性交易成本（王曉曉，2021），有助于吸引更多新創企業落地，并聚集高素質創新人才（黨琳，2021），推動區域技術創新水平提升。

其次，技術創新研發活動需要耗費大量資金，企業僅僅依靠內部資金難以完成創新研發（周煜皓，2017），外部融資成為企業獲取研發資金的重要渠道。然而，融資難一直是企業從事創新活動面臨的重要問題。其原因在于，相比其它投資項目，創新項目不確定性高、周期長且伴隨較高的投資風險，投資者難以作出投資決策。隨著人工智能技術嵌入到創新研發環節和投資決策中，憑借其強大的算法和數據處理能力，一方面能夠幫助企業提高研發過程中信息甄別和風險控制的準確性與及時性，降低研發風險，提高融資成功率；另一方面，能夠緩解投資者與企業間的信息不對稱［23］，優化投資決策環境，提高投資質量，幫助研發企業獲取投資。在足夠資金的保障下，創新研發成功率得到提升，從而推動所在地區技術創新水平提高。

最后，快速變化的外部環境對技術創新帶來新的挑戰。一方面，創新主體難以僅憑自身資源和能力獨自完成研發活動；另一方面，技術迭代速度加快以及技術研發難度提高使得創新主體不得不打破現有內生創新模式，轉向有助于內外部資源整合的合作創新模式（阮鴻鵬，2022）。人工智能有助于賦能建立高效的區域聯合創新開放平臺，促進不同區域創新主體間人才、技術等創新資源的交流與共享。通過區域聯合創新平臺，大幅降低區域創新主體間信息不對稱，使得信息交流更加便利與透明，從而優化合作創新環境，實現區域技術協同創新。基于以上分析，本文提出以下假設：

H2：人工智能能夠通過改善創新環境提升技術創新水平。

基于上述分析，人才和資金作為創新環境中的兩大關鍵因素，對于提高技術創新具有重要影響。因此，為了進一步驗證人工智能通過賦能創新環境促進技術創新的中介機制，本文使用新建企業以及外來投資和風險投資分別代表人才與資金兩大子環境因素作為子機制變量進行分析，并提出以下假設：

H2a：人工智能能夠改善基礎設施環境，吸引并聚集人才，進而提升技術創新水平；

H2b：人工智能能夠改善投融資決策環境，助力區域內企業獲取資金，進而提升技術創新水平。

1.3" 非線性關系

數據、算法和算力是人工智能的核心三要素。其中，數據是人工智能的“飼料”，算法是人工智能的“推手”，而算力是人工智能的基礎設施，支撐算法和數據，進而影響人工智能發展。據OpenAI的測算，從2012年開始，全球AI訓練的計算量呈現指數級增長，遠超算力增長速度。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致人工智能對技術創新的賦能效應減弱。另外，國家大力推動人工智能技術發展，發揮人工智能場景賦能效應，在人工智能風口下，由于政企信息不對稱可能導致部分企業利用人工智能獲取政府資金，卻未實質性運用人工智能技術開展創新研發（魏志華等，2015），從而產生“技術尋租”行為，導致對真正利用人工智能實現技術創新提升產生“擠出效應”。基于此，本文提出以下假設：

H3：人工智能對技術創新可能存在非線性影響，表現為人工智能賦能技術創新提升呈現邊際遞減的特征。

綜上所述，本文構建理論模型，如圖1所示。

2" 研究設計

2.1" 計量模型

為了驗證人工智能賦能技術創新的直接影響，構建基準計量模型如下：

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

式（1）中，Innov_au表示被解釋變量技術創新，使用專利授權總數的自然對數表征；AI表示解釋變量人工智能，使用各省工業機器人安裝數的自然對數表示；Control為控制變量，包括經濟發展水平、高等教育水平、產業結構和交通基礎設施等可能影響技術創新的其它因素；ut、λi分別表示i地區不可觀測的時間效應和個體效應；εit為隨機擾動項。

2.2" 數據來源與變量說明

本文選取2011—2020年中國30個省級行政區（不包括西藏及港澳臺）的面板數據作為研究樣本。數據主要來源于國家統計局、《中國統計年鑒》、國際機器人聯盟（IFR）、北京大學企業大數據研究中心，對少量缺失值使用移動平均法填補。為降低異常值和離群值可能導致的估計偏誤，對連續變量進行異常值縮尾替換。對所有以貨幣為單位表示的數據使用GDP平減指數處理為實際值，以消除價格變動帶來的影響。另外，根據變量最終形式作對數化處理，減少異方差帶來的影響，變量描述性統計結果如表1所示。

（1）技術創新（Innov_au）。關于技術創新，現有文獻主要通過專利申請數、專利授權數、新產品銷售額等指標表征。然而，相比于專利申請數和新產品銷售額，專利授權數通過國家知識產權局的認證審核，更能體現創新的真實質量和數量。因此，本文選取各省份專利授權數表征該區域技術創新水平。同時，使用專利申請數（Innov_ap）替代專利授權數進行穩健性檢驗。

（2）人工智能（AI）。各領域廣泛使用的工業機器人集成了大量人工智能技術，是人工智能技術應用最直觀的體現，本文采用各省份工業機器人安裝量作為衡量人工智能的指標。國際機器人聯盟（IFR）提供的工業機器人數據只包含國家和行業層面，并不包括省級層面，為了得到省級層面工業機器人安裝量，借鑒韓春民等（2020）對于工業機器人滲透度的處理思路，假設工業機器人分布程度在我國各區域具有一致性，計算全國層面工業機器人安裝密度，即每萬人工業機器人安裝量。得到全國工業機器人安裝密度后，省級工業機器人安裝量就取決于地區就業人數。目前全國已有多數省份將人工智能作為“十四五”階段的重點發展產業，已建成并運行近20個國家新一代人工智能創新發展試驗區。試驗區的目的在于積累可復制推廣的人工智能發展經驗，從而發揮對后發地區的引領帶動作用。在試驗區引領帶動下，區域間工業機器人等人工智能的分布與應用會趨于一致。因此，使用全國工業機器人安裝數除以全國就業人數得到全國層面工業機器人安裝密度后，將全國層面工業機器人安裝密度與地區就業人數相乘，得到各省工業機器人安裝量。這樣處理能夠更均衡地得到省級工業機器人安裝量，避免因為地區屬性造成某一行業人數差距過大而導致估算偏誤。具體計算公式如下：

AIit=Lit×RobottLt（2）

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

（3）創新環境（envir）。區域創新環境是影響技術創新水平提升的重要因素，為了全面衡量創新環境，本文選取北京大學企業大數據研究中心測算的中國區域創新創業指數作為創新環境的代理變量。同時，將區域創新指數中的新建企業（firm）、外來投資（finv）和風險投資（vcpe）這3項分指數作為創新環境的子機制變量納入研究。

（4）控制變量。參考相關文獻關于控制變量的選取，本文在回歸分析中加入以下控制變量：經濟發展水平（pgdp），區域經濟發展水平會影響該地區相關設施建設和創新投入，本文使用地區當年生產總值與年末常住人口的比重計算人均地區生產總值表示經濟發展水平（劉保留等，2022）；高等教育水平（edu），技術創新需要高素質的科技研發人才，地區教育水平越高，越有利于為地區創新活動的開展提供研發保障，本文使用每萬人高等學校在校生人數表示地區高等教育水平（董會忠等，2021）；產業結構（structure），從經驗來看，地區產業結構越高級，越有利于實現較高的技術創新水平，本文使用第二產業生產總值占地區生產總值的比重表示產業結構（郭進，2019）；交通基礎設施（infra），交通越便利越有利于科研人員跨區域流動，同時有助于優化資源配置，進而影響區域技術創新，本文使用每平方千米公路里程數表示，具體計算方法為各省份等級公路里程與各地區行政區域面積的比重（李雪等，2021）。

3" 實證分析

3.1" 回歸前檢驗

3.1.1" 面板單位根檢驗

本文使用2011—2020年我國30個省級行政區的面板數據進行實證分析，為了防止因數據不平穩造成的偽回歸問題，在實證分析前對數據進行單位根檢驗。參考潘雄鋒等（2019）的做法，采用同質單位根LLC和異質單位根ADF兩種方法檢驗數據平穩性，結果如表2所示，所有變量無論是水平值還是一階差分均為平穩序列，因此可以直接進行實證分析。

3.1.2" 多重共線性檢驗

為了排除多重共線性導致的回歸結果偏誤，計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果干擾不大。由表3可知，所有變量的VIF值遠小于10，VIF均值為2.04，不存在嚴重的共線性問題。

3.2" 基準回歸分析

在回歸前，運用F檢驗、LM檢驗和穩健Hausman檢驗進行回歸模型選擇，結果顯示，F檢驗和LM檢驗都在1%水平上顯著拒絕使用混合回歸的原假設，同時，穩健Hausman檢驗在1%水平上拒絕使用隨機效應模型。因此，本文采用固定效應模型進行回歸分析。

表4中列（1）顯示在僅控制個體固定效應且未加入控制變量和時間固定效應的情況下人工智能對技術創新的回歸結果，回歸系數在1%水平上顯著為正，表明人工智能對技術創新具有顯著正向影響。列（2）在列（1）的基礎上加入控制變量，回歸系數仍顯著為正。列（3）同時加入控制變量、個體和時間固定效應，人工智能對技術創新的回歸系數為0.699，在1%水平上顯著，說明人工智能能夠顯著賦能技術創新水平提升，因此，假設H1得到驗證。另外，根據列（3）的結果可以發現，控制變量中的經濟發展水平（pgdp）、高等教育水平（edu）和產業結構（structure）均對技術創新具有顯著正向影響。交通基礎設施（infra）的回歸系數為負但不顯著，與相關研究結論不符。本文認為可能是由于交通基礎設施水平發展的不平衡性，導致更多創新資源由沿途城市向發達地區聚集，使得創新資源外流，從而產生創新資源“虹吸效應”［24］，導致交通基礎設施對技術創新沒有表現出正向影響，甚至在統計上呈現不顯著的負向作用。

3.3" 穩健性檢驗

為了保證基準回歸結果的穩健性，開展以下穩健性檢驗。第一，更換被解釋變量。專利授權數和專利申請數作為衡量技術創新的指標各有優劣，因此，將被解釋變量替換為專利申請數，與基準回歸互為檢驗，回歸結果見表5列（1）。第二，直轄市所處地位特殊，隸屬于中央政府管制，具有明顯的區位優勢和經濟政治優勢，無論是經濟發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果產生的干擾，回歸結果見表5列（2）。第三，為了避免方程聯立內生性造成回歸結果誤差，參考汪偉等（2015）的研究，將解釋變量和控制變量滯后一期，使用被解釋變量當期值進行回歸，回歸結果見表5列（3）。從穩健性檢驗結果來看，人工智能對技術創新的回歸系數至少在5%水平上顯著為正，與基準回歸保持一致，說明基準回歸結果是穩健的。

3.4" 內生性檢驗

由于影響人工智能賦能技術創新提升的因素比較復雜，雖然在基準回歸中加入一些控制變量進行回歸且進行了穩健性檢驗，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系可能導致的內生性問題。因此，本文使用兩階段工具變量最小二乘法（IV-2SLS）進行內生性檢驗。考慮到工具變量選擇的相關性和排他性原則，本文選擇解釋變量滯后一階（L.AI）和日本工業機器人（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界通用做法，此處不再論述。在樣本研究區間內，日本工業機器人安裝量與中國工業機器人安裝量具有相似趨勢，將同時期日本工業機器人安裝量通過就業份額作為權重賦值中國各省份，滿足工具變量選取的相關性原則，同時，由日本工業機器人數據所得到的各省工業機器人安裝量與中國技術創新水平無直接關系，滿足工具變量選取的排他性原則。2SLS工具變量回歸結果如表6所示，列（1）和列（3）為對應工具變量第一階段的回歸結果，列（2）和列（4）為對應工具變量的系數估計。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。Cragg-Donald Wald F和Kleibergen-Paap Wald rk F統計量的值均大于Stock-Yogo弱識別檢驗10%水平上的臨界值16.38，說明工具變量的選擇是合理的。考慮內生性問題后，人工智能對技術創新的回歸系數仍然在1%水平上顯著為正，說明基準回歸結果是可靠的。

4" 機制分析

為了進一步探究人工智能通過創新環境影響技術創新的內在機制，本文從主流的3種中介效應檢驗方法（因果逐步回歸法、Sobel檢驗法和Bootstrap抽樣法）中選擇檢驗效力最強的Bootstrap抽樣法進行創新環境的中介效應檢驗，結果如表7所示。

使用Bootstrap抽樣檢驗500次，結果表明中介變量創新環境（envir）以及子中介變量新建企業（firm）、外來投資（finv）和風險投資（vcpe）的系數均至少在5%水平上顯著，直接效應、中介效應和總效應的置信區間均不包含0，表明上述變量的中介效應顯著。中介變量創新環境以及子中介變量新建企業、外來投資和風險投資在人工智能對技術創新的影響中均發揮部分中介作用，中介效應占總效應的比例分別為49.41%、23.17%、31.18%、14.07%。中介效應結果表明，人工智能能夠改善創新環境，進而提升區域技術創新水平，子機制變量亦通過檢驗，因此，假設H2、H2a、H2b得證。

5" 拓展討論

5.1" 異質性分析

5.1.1" 區域異質性分析

考慮到省級行政區所處地理位置和要素稟賦結構的異質性，本文將研究樣本劃分為東部地區和中西部地區、沿海地區和非沿海地區，以及技術密集區和非技術密集區三組進行區域異質性分析。其中，技術密集區的劃分方式參考鈔小靜等［10］的研究，具體計算公式如下：

L=∑3i=1yi×i=y1×1+y2×2+y3×3（1≤L≤3）（3）

其中，yi表示第i產業產值占總產值的比重，L表示最終用于劃分是否為技術密集區的產業結構升級程度值。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，則定義為技術密集區。根據測算結果，將北京、天津、山西、遼寧、上海、江蘇、浙江、山東、廣東、重慶10個地區劃分為技術密集區，其它地區則歸類為非技術密集區。區域異質性回歸結果如表8所示，東部地區、沿海地區和技術密集區人工智能對技術創新在1%水平上顯著為正，中西部地區、非沿海地區和非技術密集區回歸系數雖然為正但不顯著，說明不同發展水平地區人工智能賦能技術創新提升具有顯著區域異質性。本文認為，人工智能作為繼互聯網之后的新一代“通用性技術”，對經濟社會發展各個方面都具有深遠影響，東部、沿海地區以及技術密集區對于人工智能未來前景的認識和嗅覺高于其它地區，因此，率先一步對人工智能發展作出規劃和實施行動，并取得一定成效。反觀其它地區，由于發展相對滯后且缺乏足夠資源投入人工智能領域，導致現階段無法發揮出人工智能對技術創新的賦能效應。

5.1.2" 創新異質性

根據我國專利法對專利類型的劃分，發明專利、實用新型專利和外觀設計專利3種專利類型在資源投入、創新程度等方面存在較大差異（Fang，2017）。其中，發明專利、實用新型專利、外觀設計專利的創新程度依次遞減（Tian，2020）。因此，人工智能賦能技術創新提升可能對不同創新類型產生異質性影響。采用Invent表示發明專利授權量，Utility表示實用新型專利授權量，Design表示實用外觀設計專利授權量。人工智能對3種創新類型影響的回歸結果如表9所示，人工智能對不同創新類型的回歸系數都至少在5%水平上顯著為正，表明人工智能對3種創新類型均具有顯著賦能提升效應，且表現出對外觀設計專利更高的邊際效應。這是因為基于人工智能的設計工具在一些設計元素的應用上更為先進，利用人工智能的自然語言處理、圖像識別等技術能夠很大程度上簡化設計流程。另外，相較于其它兩類專利，外觀設計專利需要的創新資源更少，創新周期更短，創新主體能夠更早通過專利獲取創新收益。因此，人工智能表現為對外觀設計專利更高的邊際效應具有技術上和效益上的合理性。

5.2" 非線性關系

為了驗證二者之間是否存在非線性關系，參考Hansen（1999）的研究，構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，當括號內條件滿足時為1，否則為0，其余變量含義與前文相同。

以專利授權數和專利申請數為被解釋變量的門檻效應檢驗結果如表10所示，人工智能賦能技術創新具有顯著的雙重門檻效應和單一門檻效應。各門檻區間的系數估計值均在1%水平上顯著為正，且隨著門檻區間的上移，系數逐漸下降，表明人工智能賦能技術創新水平提升的邊際效應呈現遞減趨勢。因此，假設H3得到驗證。

6" 結論與啟示

6.1 "主要結論

本文基于2011—2020年中國30個省級行政區的樣本數據，采用雙向固定效應模型和中介效應模型分析并檢驗人工智能對提升技術創新水平的賦能效應以及創新環境在其中的中介效應，得到以下結論：

（1）人工智能能夠顯著賦能區域技術創新水平提升。人工智能的技術賦能效應能夠加速知識整合和創造、促進知識溢出、優化資源配置，進而實現技術創新水平提升。

（2）人工智能對技術創新的促進作用會通過創新環境這一中介機制發揮作用，子中介變量包括新建企業、外來投資和風險投資。

（3）異質性分析結果顯示，人工智能在東部地區、沿海地區和技術密集區對技術創新具有顯著的賦能促進效應，在中西部地區、非沿海地區和非技術密集區雖然回歸系數為正，但尚未表現出顯著促進效應；人工智能對3種創新類型均具有顯著的賦能提升效應，且表現出對外觀設計專利更高的邊際效應。

（4）人工智能對技術創新的促進效應呈現邊際遞減的非線性特征，說明人工智能賦能技術創新存在“最優區間”。

6.2" 研究啟示

（1）構建技術創新平臺，發揮人工智能技術的知識效應。政府應積極引入人工智能技術項目和資金，通過項目縱橫向連接同區域和不同區域的高校、產業、研發機構，借助人工智能技術創新平臺，整合不同主體間知識資源，強化知識溢出和知識創造，通過產學研融合提升技術創新水平。另外，政府應進一步加強人工智能基礎研究，加大對芯片供應鏈研發企業的經費投入，突破關鍵核心技術限制，打破人工智能賦能技術創新的算力制約。同時，嚴格考察創新主體對政府資金的使用情況，落實政府專項資金專項使用，減少尋租行為，弱化創新擠出效應。

（2）深化人工智能技術應用，改善區域創新環境。首先，加速推動基礎設施智能化轉型，賦能技術創新水平提升。利用人工智能技術的大數據處理計算能力，實現對基礎設施信息數據的智能感知分析，例如通過“人工智能+政務”構建智慧政務服務平臺，簡化資料審核流程，實現自動化行政審批。其次，在企業項目決策中應用人工智能技術，論證項目風險，為投資者在項目選擇上提供良好投資決策條件。構建基于人工智能技術的智能風險預警平臺，從資產、現金、交易等多維度刻畫區域內企業風險畫像，對區域內企業進行風險評級和預警，為金融機構和投資者構建良好的投融資決策環境。最后，積極構建基于人工智能技術的區域間合作創新網絡，實現跨區域跨領域資源整合，淡化合作邊界，優化合作創新環境，突破技術創新瓶頸。

（3）推進區域協同發展，強化實質創新產出。區域異質性分析結果顯示，人工智能對技術創新的促進作用在東部地區、沿海地區、技術密集區等發展領先地區更為顯著，區域發展呈現較大差距。因此，基礎相對薄弱的地區政府應結合地區優勢，完善人工智能發展的頂層設計和制度保障，加強基礎設施智能化轉型的資金和政策支持，創新人工智能技術應用場景。領先地區應依托人工智能技術基礎優勢，著力提升人工智能技術應用水平，率先承擔關鍵技術攻關任務，完善人工智能技術應用體系建設，為周邊地區和基礎薄弱地區提供可復制推廣的發展經驗。政府應發揮政策引導效應，積極促進人工智能硬件設施如人工智能大數據中心、人工智能創新試驗區等向基礎薄弱地區聚集，實現區域分工協同，充分發揮人工智能技術的創新賦能效應。另外，雖然人工智能對外觀設計專利具有更高的促進效應，但創新實力的體現依然取決于實質創新產出的累積。因此，相關企業應合理調整人工智能資源分配與應用模式，強化人工智能技術對實質創新產出的積極影響。

參考文獻：

［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、承接能力與中國經濟增長——新“索洛悖論”和基于AI專利的實證分析［J］. 經濟學動態， 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. 人工智能發展、產業結構轉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， 夏南新. 人工智能對綠色經濟增長的作用機制與賦能效果——產業結構優化視角［J］. 科技進步與對策， 2023， 40（4）： 45-55.

［6］" 王智毓， 馮華. 科技服務業發展對中國經濟增長的影響研究［J］. 宏觀經濟研究， 2020， 42（6）： 102-113，121.

［7］" 胡晟明， 王林輝， 趙賀. 人工智能應用、人機協作與勞動生產率［J］. 中國人口科學， 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. 人工智能促進新時代中國經濟結構轉型升級的路徑選擇［J］. 西北大學學報（哲學社會科學版）， 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證檢驗［J］. 經濟與管理研究， 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——理論解讀與實證檢驗［J］. 經濟理論與經濟管理， 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. 人工智能對制造業就業的影響及應對研究：來自微觀企業和勞動者調查數據［J］. 當代經濟管理， 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. 技術賦能：人工智能與產業融合發展的技術創新效應［J］. 財經科學， 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域技術創新效率的空間溢出效應［J］. 當代財經， 2018， 39（2）： 15-25.

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

［20］" 師博. 人工智能助推經濟高質量發展的機理詮釋［J］. 改革， 2020， 33（1）： 30-38.

［21］" 詹紹文， 曹楨. 文化產業園區創新要素、創新環境與創新績效：一個有調節的中介作用模型［J］. 技術經濟， 2019， 38（9）： 58-64.

［22］" 韓璐， 陳松， 梁玲玲. 數字經濟、創新環境與城市創新能力［J］. 科研管理， 2021， 42（4）： 35-45.

［23］" 張一林， 郁蕓君， 陳珠明. 人工智能、中小企業融資與銀行數字化轉型［J］. 中國工業經濟， 2021， 39（12）： 69-87.

［24］" 諸竹君， 黃先海， 王煌. 交通基礎設施改善促進了企業創新嗎——基于高鐵開通的準自然實驗［J］. 金融研究， 2019， 62（11）： 153-169.

（責任編輯：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