人工智能如何提升企業(yè)全要素生產(chǎn)率

摘要：如何充分釋放人工智能對(duì)全要素生產(chǎn)率的提升效應(yīng)成為數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的核心議題。本文基于2010—2023年中國(guó)滬深A(yù)股上市公司數(shù)據(jù)，從技術(shù)創(chuàng)新和技術(shù)應(yīng)用雙重視角實(shí)證檢驗(yàn)人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響及作用機(jī)制。研究結(jié)果顯示：人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用均能提升企業(yè)全要素生產(chǎn)率；人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在高數(shù)據(jù)資產(chǎn)企業(yè)、輕資產(chǎn)模式企業(yè)、非國(guó)有企業(yè)中更明顯，人工智能技術(shù)創(chuàng)新對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在高新技術(shù)企業(yè)中更明顯，人工智能技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在非高新技術(shù)企業(yè)中更明顯；人工智能技術(shù)創(chuàng)新通過(guò)降低企業(yè)成本、優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)和促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率，但人工智能技術(shù)應(yīng)用通過(guò)降低企業(yè)成本和優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)提升企業(yè)全要素生產(chǎn)率；人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響存在短周期的時(shí)間滯后效應(yīng)。本文不僅豐富了人工智能對(duì)企業(yè)生產(chǎn)率影響方面的研究，而且對(duì)充分釋放人工智能賦能企業(yè)高質(zhì)量發(fā)展和精準(zhǔn)實(shí)施“人工智能+”政策有重要意義。

關(guān)鍵詞：人工智能；全要素生產(chǎn)率；技術(shù)創(chuàng)新；技術(shù)應(yīng)用

中圖分類號(hào)：F273.1；F425文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-176X（2025）01-0087-14

一、問(wèn)題的提出

作為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力，人工智能已成為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要力量。作為第四次工業(yè)革命的通用目的技術(shù)，人工智能在產(chǎn)品生產(chǎn)、物流運(yùn)輸、科學(xué)研究和公共治理等方面的普及應(yīng)用將全面重構(gòu)經(jīng)濟(jì)社會(huì)運(yùn)行方式。創(chuàng)新是發(fā)展新質(zhì)生產(chǎn)力的根本驅(qū)動(dòng)力，在新一輪科技革命背景下，人工智能是發(fā)展新質(zhì)生產(chǎn)力的引擎。如何充分釋放人工智能對(duì)全要素生產(chǎn)率的提升效應(yīng)成為數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的核心議題。一方面，關(guān)于人工智能對(duì)全要素生產(chǎn)率的理論研究還存在較大爭(zhēng)議。一種觀點(diǎn)認(rèn)為，人工智能通過(guò)推進(jìn)企業(yè)自動(dòng)化、驅(qū)動(dòng)新產(chǎn)業(yè)發(fā)展和賦能傳統(tǒng)產(chǎn)業(yè)提升全要素生產(chǎn)率。另一種觀點(diǎn)則認(rèn)為，人工智能并不會(huì)顯著提升全要素生產(chǎn)率，并且由于帶來(lái)壟斷、失業(yè)和收入不平等會(huì)惡化經(jīng)濟(jì)績(jī)效。另一方面，中國(guó)政府采取各種推進(jìn)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的政策。2024年《政府工作報(bào)告》提出：“深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展‘人工智能+’行動(dòng)，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。”但是，對(duì)于如何設(shè)計(jì)科學(xué)有效的政策來(lái)充分釋放人工智能賦能作用還處在探索階段，迫切需要基于理論機(jī)制分析提高政策的針對(duì)性和精準(zhǔn)性。因此，厘清人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響及作用機(jī)制成為有待深入研究的學(xué)術(shù)問(wèn)題。

關(guān)于人工智能對(duì)生產(chǎn)率影響的研究主要從宏觀視角進(jìn)行分析，并且得出了兩種相反的觀點(diǎn)。一方面，以Solow［1］、Acemoglu等［2］為代表的學(xué)者發(fā)現(xiàn)，人工智能技術(shù)應(yīng)用沒(méi)有大幅提升國(guó)家整體層面的生產(chǎn)率。Solow［1］提出了著名的“索洛悖論”，即數(shù)字技術(shù)的大規(guī)模應(yīng)用沒(méi)有提升美國(guó)生產(chǎn)率，同期反而出現(xiàn)生產(chǎn)率相對(duì)下降的情況。Acemoglu等［2］采用美國(guó)制造業(yè)機(jī)器人應(yīng)用的數(shù)據(jù)分析發(fā)現(xiàn)，信息技術(shù)的應(yīng)用沒(méi)有提高生產(chǎn)率。Parteka和Kordalska［3］采用經(jīng)濟(jì)合作與發(fā)展組織國(guó)家和非經(jīng)濟(jì)合作與發(fā)展組織國(guó)家的數(shù)據(jù)比較分析發(fā)現(xiàn)，人工智能與宏觀生產(chǎn)率增長(zhǎng)之間缺乏強(qiáng)有力的關(guān)系，人工智能在生產(chǎn)率增長(zhǎng)過(guò)程中的作用可以忽略不計(jì)。Acemoglu［4］基于美國(guó)制造業(yè)機(jī)器人應(yīng)用的數(shù)據(jù)分析發(fā)現(xiàn)，過(guò)去10年人工智能使全要素生產(chǎn)率提升了0.66%，未來(lái)10年人工智能對(duì)全要素生產(chǎn)率的提升作用預(yù)計(jì)不會(huì)超過(guò)0.53%。另一方面，以Cockburn等［5］115-124、Brynjolfsson等［6］為代表的學(xué)者發(fā)現(xiàn)，人工智能會(huì)極大地提升生產(chǎn)率，只不過(guò)這種效應(yīng)具有滯后性。Cockburn等［5］115發(fā)現(xiàn)，人工智能通過(guò)提高創(chuàng)新效率提升生產(chǎn)率。Brynjolfsson等［6］發(fā)現(xiàn)，人工智能對(duì)生產(chǎn)率的影響體現(xiàn)出典型的“J曲線”軌跡，即在初期人工智能對(duì)生產(chǎn)率的影響不顯著，但在后期人工智能會(huì)提升生產(chǎn)率。Gonzales［7］發(fā)現(xiàn)，人工智能對(duì)長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)具有積極影響，并且這種效應(yīng)在后期更明顯。

相對(duì)于宏觀視角研究，人工智能對(duì)企業(yè)生產(chǎn)率影響的微觀研究相對(duì)不足。一種是人工智能技術(shù)創(chuàng)新對(duì)企業(yè)生產(chǎn)率的影響。Damioli等［8］采用全球在人工智能專利領(lǐng)域活躍的企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，人工智能專利會(huì)對(duì)企業(yè)勞動(dòng)生產(chǎn)率產(chǎn)生額外積極的影響，并且在小企業(yè)和服務(wù)業(yè)中更明顯。Marioni等［9］采用歐洲15個(gè)國(guó)家的企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，人工智能技術(shù)創(chuàng)新會(huì)提升企業(yè)生產(chǎn)率，并且由于外溢效應(yīng)和學(xué)習(xí)效應(yīng)，人工智能技術(shù)創(chuàng)新會(huì)同時(shí)提升領(lǐng)先企業(yè)和落后企業(yè)的生產(chǎn)率。還有學(xué)者采用中國(guó)上市公司數(shù)據(jù)進(jìn)行檢驗(yàn)，Zhai和Liu［10］發(fā)現(xiàn)，人工智能技術(shù)創(chuàng)新會(huì)提升企業(yè)生產(chǎn)率，并且在大企業(yè)、國(guó)有企業(yè)和勞動(dòng)密集產(chǎn)業(yè)中更明顯；任英華等［11］發(fā)現(xiàn)，人工智能技術(shù)創(chuàng)新通過(guò)推動(dòng)生產(chǎn)、營(yíng)銷、管理環(huán)節(jié)的降本增效提升企業(yè)全要素生產(chǎn)率；黃勃等［12］發(fā)現(xiàn)，人工智能等數(shù)字技術(shù)創(chuàng)新通過(guò)推動(dòng)企業(yè)降低內(nèi)部管控成本、提高資產(chǎn)運(yùn)營(yíng)效率和投資決策質(zhì)量、改善勞動(dòng)力資源提升企業(yè)全要素生產(chǎn)率。另一種是人工智能技術(shù)應(yīng)用對(duì)企業(yè)生產(chǎn)率的影響。B?ck等［13］采用芬蘭企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，人工智能技術(shù)應(yīng)用會(huì)提升企業(yè)生產(chǎn)率，在大企業(yè)中更明顯，并且企業(yè)生產(chǎn)率提升具有一定的滯后性。Czarnitzki等［14］采用德國(guó)企業(yè)層面數(shù)據(jù)分析發(fā)現(xiàn)，人工智能技術(shù)應(yīng)用在短期會(huì)對(duì)企業(yè)生產(chǎn)率產(chǎn)生積極影響。Babina等［15］采用美國(guó)企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，人工智能投資主要通過(guò)產(chǎn)品創(chuàng)新而非工藝創(chuàng)新提升企業(yè)生產(chǎn)率，并且更有利于具有豐富數(shù)據(jù)資源的大企業(yè)。還有學(xué)者采用中國(guó)上市公司數(shù)據(jù)進(jìn)行檢驗(yàn)，杜傳忠等［16］發(fā)現(xiàn)，人工智能技術(shù)應(yīng)用通過(guò)提高要素配置效率、降低企業(yè)成本和增強(qiáng)企業(yè)研發(fā)能力提升企業(yè)全要素生產(chǎn)率。

與已有研究相比，本文可能的邊際貢獻(xiàn)包括兩個(gè)方面。一方面，本文豐富了人工智能對(duì)企業(yè)生產(chǎn)率影響方面的研究。關(guān)于人工智能對(duì)企業(yè)生產(chǎn)率影響的微觀研究側(cè)重于技術(shù)創(chuàng)新或技術(shù)應(yīng)用視角，沒(méi)有分析二者的差異性和協(xié)同問(wèn)題。本文從人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用雙重視角進(jìn)行分析，從而設(shè)計(jì)更有針對(duì)性的“人工智能+”推進(jìn)政策。另一方面，本文提出人工智能通過(guò)降低企業(yè)成本、優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)和促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率，并且檢驗(yàn)了這三種機(jī)制在技術(shù)創(chuàng)新和技術(shù)應(yīng)用中的差異，深化了人工智能對(duì)企業(yè)全要素生產(chǎn)率提升效應(yīng)的機(jī)制解釋。

二、理論分析與研究假設(shè)

（一）理論模型

本文借鑒Prettner［17］和封進(jìn)等［18］的研究，將人工智能視為一種智能化資本納入生產(chǎn)函數(shù)，假設(shè)企業(yè)生產(chǎn)函數(shù)為：

Yi=AiF（Ki，Li，KAIi）（1）

其中，Yi表示企業(yè)i的產(chǎn)出，Ai表示企業(yè)i的技術(shù)水平，Ki表示傳統(tǒng)資本投入，Li表示勞動(dòng)力投入，KAIi表示人工智能的智能化資本投入。本文假設(shè)技術(shù)水平Ai受到人工智能的智能化資本投入KAIi的影響，即：

Ai=（KAIi）β（2）

其中，β表示人工智能的智能化資本對(duì)技術(shù)水平的彈性，且βgt;0。本文假設(shè)企業(yè)生產(chǎn)函數(shù)符合柯布—道格拉斯函數(shù)，且滿足規(guī)模報(bào)酬不變，則生產(chǎn)函數(shù)表示為：

Yi=（KAIi）βKαi（Li+θKAIi）1-α（3）

其中，α表示傳統(tǒng)資本產(chǎn)出彈性，且α∈（0，1）；θ表示人工智能的智能化資本對(duì)勞動(dòng)力的替代能力，且θ∈（0，1]。本文假設(shè)企業(yè)產(chǎn)品價(jià)格為p，傳統(tǒng)資本價(jià)格為r，勞動(dòng)力價(jià)格為w，人工智能的智能化資本價(jià)格為c，那么企業(yè)利潤(rùn)為：

πi=p（KAIi）βKαi（Li+θKAIi）1-α-rKi-wLi-cθKAIi（4）

根據(jù)企業(yè)利潤(rùn)最大化條件，可得到各生產(chǎn)要素報(bào)酬率。基于無(wú)套利原則，傳統(tǒng)資本要素報(bào)酬率和人工智能的智能化資本要素報(bào)酬率應(yīng)該相等，由此得到以下公式：

由上述模型可知，隨著人工智能的智能化資本投入增加，以及智能化資本對(duì)勞動(dòng)力替代程度的提高，企業(yè)生產(chǎn)率也會(huì)隨之提升。人工智能技術(shù)應(yīng)用主要體現(xiàn)為企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的自動(dòng)化，上述自動(dòng)化過(guò)程也是企業(yè)資本增強(qiáng)的過(guò)程，企業(yè)自動(dòng)化程度日益提高會(huì)顯著提升資本生產(chǎn)率，由此企業(yè)會(huì)用高生產(chǎn)率的資本替代低生產(chǎn)率的勞動(dòng)，企業(yè)資本與勞動(dòng)的結(jié)構(gòu)性調(diào)整會(huì)提升企業(yè)生產(chǎn)率。基于此，本文提出如下假設(shè)：

假設(shè)1：人工智能可以提升企業(yè)全要素生產(chǎn)率。

（二）人工智能提升企業(yè)全要素生產(chǎn)率的理論機(jī)制

⒈企業(yè)成本降低效應(yīng)

人工智能是一種通用目的技術(shù)，通過(guò)資本替代勞動(dòng)、促進(jìn)企業(yè)高效科學(xué)決策和優(yōu)化生產(chǎn)經(jīng)營(yíng)流程降低企業(yè)成本，從而提升企業(yè)全要素生產(chǎn)率。其一，人工智能在企業(yè)的具體應(yīng)用體現(xiàn)為工業(yè)機(jī)器人的大規(guī)模應(yīng)用和實(shí)現(xiàn)大規(guī)模的自動(dòng)化。從生產(chǎn)要素配置來(lái)說(shuō)，企業(yè)智能化實(shí)際上是一種資本增強(qiáng)型技術(shù)進(jìn)步，會(huì)大幅提升高效率智能化資本在生產(chǎn)中的作用，從而提升企業(yè)生產(chǎn)率［19］。其二，人工智能可以有效緩解信息不完全問(wèn)題，促進(jìn)企業(yè)更好地進(jìn)行生產(chǎn)經(jīng)營(yíng)決策，降低企業(yè)成本，從而提升企業(yè)生產(chǎn)率［15］。基于大數(shù)據(jù)的人工智能可以對(duì)未來(lái)產(chǎn)品供需狀況進(jìn)行精準(zhǔn)預(yù)測(cè)，促使企業(yè)精準(zhǔn)采購(gòu)原材料，減少庫(kù)存積壓和缺貨風(fēng)險(xiǎn)，并且通過(guò)算法實(shí)現(xiàn)對(duì)市場(chǎng)需求的精準(zhǔn)預(yù)測(cè)，最終實(shí)現(xiàn)供需匹配。其三，人工智能使企業(yè)可以對(duì)生產(chǎn)過(guò)程進(jìn)行實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)生產(chǎn)全流程和全生命周期管理，從而大幅度減少資源浪費(fèi)。人工智能會(huì)促進(jìn)企業(yè)生產(chǎn)經(jīng)營(yíng)組織流程的變革，優(yōu)化生產(chǎn)工藝流程，從而實(shí)現(xiàn)資源優(yōu)化配置。基于此，本文提出如下假設(shè)：

假設(shè)2a：人工智能通過(guò)降低企業(yè)成本提升企業(yè)全要素生產(chǎn)率。

⒉企業(yè)勞動(dòng)力結(jié)構(gòu)優(yōu)化效應(yīng)

人工智能會(huì)促進(jìn)企業(yè)勞動(dòng)力結(jié)構(gòu)優(yōu)化，從而提升企業(yè)全要素生產(chǎn)率。首先，人工智能對(duì)勞動(dòng)力結(jié)構(gòu)的影響更多地體現(xiàn)為技能偏向性，即人工智能技術(shù)進(jìn)步會(huì)使企業(yè)增加高技能勞動(dòng)者，相對(duì)減少低技能勞動(dòng)者，從而優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)［20-21］。高技能勞動(dòng)者增加會(huì)顯著提升企業(yè)運(yùn)用人工智能技術(shù)的能力，從而對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生積極影響。其次，Autor等［22］發(fā)現(xiàn)，自動(dòng)化主要是替代程序化常規(guī)任務(wù)崗位，會(huì)增加對(duì)從事非程序化創(chuàng)造任務(wù)的勞動(dòng)力的需求。人工智能既會(huì)產(chǎn)生對(duì)低技能、從事程序化常規(guī)任務(wù)勞動(dòng)力的替代效應(yīng)，也會(huì)產(chǎn)生對(duì)高技能、從事非程序化創(chuàng)造任務(wù)勞動(dòng)力的抑制替代效應(yīng)，優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)，從而對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生積極影響。基于此，本文提出如下假設(shè)：

假設(shè)2b：人工智能通過(guò)優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)提升企業(yè)全要素生產(chǎn)率。

⒊企業(yè)創(chuàng)新促進(jìn)效應(yīng)

人工智能是一種自動(dòng)化技術(shù)，也是一種發(fā)明技術(shù)，會(huì)顯著提升研發(fā)活動(dòng)效率［5］119-124，通過(guò)促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率。首先，人工智能可以為創(chuàng)新測(cè)試提供接近現(xiàn)實(shí)的場(chǎng)景模擬，幫助企業(yè)在不確定的情況下作出創(chuàng)新研發(fā)決策［23］，降低創(chuàng)新不確定性風(fēng)險(xiǎn)，提高企業(yè)創(chuàng)新意愿，從而提升企業(yè)全要素生產(chǎn)率。其次，人工智能是一種“發(fā)明方法的發(fā)明”［24］，能夠產(chǎn)生新知識(shí)，緩解科研人員進(jìn)行創(chuàng)新所面臨的“知識(shí)負(fù)擔(dān)”［25］，從而促進(jìn)企業(yè)創(chuàng)新。同時(shí)，人工智能在科研領(lǐng)域的應(yīng)用會(huì)形成一種人機(jī)交互的創(chuàng)新模式，可以提高創(chuàng)新效率，從而提升企業(yè)全要素生產(chǎn)率。最后，人工智能引發(fā)了開放式創(chuàng)新，突破了單個(gè)企業(yè)創(chuàng)新資源和創(chuàng)新能力的局限，通過(guò)整合互補(bǔ)性外部資源更好地創(chuàng)新［26］。人工智能實(shí)現(xiàn)了不同組織間的知識(shí)共享、協(xié)同創(chuàng)新和價(jià)值共創(chuàng)，通過(guò)促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率。基于此，本文提出如下假設(shè)：

假設(shè)2c：人工智能通過(guò)促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率。

三、研究設(shè)計(jì)

（一）變量定義

⒈被解釋變量

本文的被解釋變量是企業(yè)全要素生產(chǎn)率（TFP_LP）。已有研究對(duì)企業(yè)全要素生產(chǎn)率的測(cè)算廣泛采用Olley和Pakes［27］的OP法和Levinsohn和Petrin［28］的LP法。LP法采用中間產(chǎn)品的投入作為代理變量，能夠有效避免數(shù)據(jù)截?cái)鄦?wèn)題，因而本文基準(zhǔn)回歸中采用LP法測(cè)算企業(yè)全要素生產(chǎn)率。

⒉解釋變量

本文的解釋變量是人工智能技術(shù)創(chuàng)新（AI_Inno）和人工智能技術(shù)應(yīng)用（AI_appli1）。根據(jù)創(chuàng)新經(jīng)濟(jì)學(xué)對(duì)創(chuàng)新的定義，技術(shù)創(chuàng)新的核心是產(chǎn)出新的技術(shù)，專利產(chǎn)出是人工智能技術(shù)創(chuàng)新最重要的衡量指標(biāo)，并且相較于研發(fā)支出等指標(biāo)，專利可以更好地反映樣本期內(nèi)企業(yè)在技術(shù)創(chuàng)新領(lǐng)域的投入和已具備的知識(shí)存量［12］，因而可以采用企業(yè)專利數(shù)量衡量人工智能技術(shù)創(chuàng)新［8］。專利數(shù)據(jù)中的國(guó)際專利分類號(hào)（IPC）直接刻畫了研發(fā)活動(dòng)所屬的技術(shù)領(lǐng)域，能夠精確地識(shí)別出人工智能領(lǐng)域的創(chuàng)新產(chǎn)出。本文借鑒Zhai和Liu［10］的研究，根據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)分類與國(guó)際專利分類參照關(guān)系表（2021）》中的IPC，將屬于人工智能的專利識(shí)別出來(lái)，采用企業(yè)當(dāng)年人工智能專利申請(qǐng)數(shù)量加1的自然對(duì)數(shù)衡量人工智能技術(shù)創(chuàng)新。同時(shí)，本文借鑒姚加權(quán)等［29］的研究，根據(jù)企業(yè)年報(bào)文本內(nèi)容，對(duì)與人工智能相關(guān)的關(guān)鍵詞詞頻進(jìn)行統(tǒng)計(jì)，用企業(yè)當(dāng)年年報(bào)中人工智能關(guān)鍵詞數(shù)量加1的自然對(duì)數(shù)衡量人工智能技術(shù)應(yīng)用。

⒊中介變量

企業(yè)成本（Cost），本文借鑒倪克金和劉修巖［30］的研究，采用營(yíng)業(yè)成本與營(yíng)業(yè)收入之比衡量；企業(yè)勞動(dòng)力結(jié)構(gòu)（Labor），本文借鑒王永欽和董雯［31］的研究，采用研究生及以上學(xué)歷員工數(shù)與總員工數(shù)之比衡量；企業(yè)創(chuàng)新（Innovation），本文借鑒You等［32］的研究，采用企業(yè)專利申請(qǐng)數(shù)量衡量，但為了避免與解釋變量重復(fù)，具體采用企業(yè)專利申請(qǐng)量減去企業(yè)人工智能專利申請(qǐng)數(shù)量并加1取自然對(duì)數(shù)衡量。

⒋控制變量

本文選取如下控制變量：研發(fā)投入（Ramp;D），采用研發(fā)投入與營(yíng)業(yè)收入之比衡量；總資產(chǎn)周轉(zhuǎn)率（ATO），采用營(yíng)業(yè)收入與平均資產(chǎn)總額之比衡量，平均資產(chǎn)總額采用資產(chǎn)合計(jì)期末余額與資產(chǎn)合計(jì)上年期末余額之和除以2計(jì)算得到；總資產(chǎn)凈利潤(rùn)率（ROA），采用凈利潤(rùn)與平均資產(chǎn)總額之比衡量；資產(chǎn)負(fù)債率（LEV），采用總負(fù)債與總資產(chǎn)之比衡量；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)之比衡量；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之比衡量。

（二）模型構(gòu)建

為檢驗(yàn)人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響，本文構(gòu)建如下計(jì)量模型：

TFP_LPit=α0+α1AI_Innoit/AI_appli1it+α2Xit+μi+λt+εit（8）

其中，i和t分別表示企業(yè)和年份，Xit表示上述一系列控制變量，μi和λt分別表示企業(yè)固定效應(yīng)和年份固定效應(yīng)，εit表示隨機(jī)誤差項(xiàng)。

（三）數(shù)據(jù)來(lái)源

本文研究樣本為2010—2023年中國(guó)滬深A(yù)股上市公司。根據(jù)世界知識(shí)產(chǎn)權(quán)組織（WIPO）發(fā)布的《2023世界知識(shí)產(chǎn)權(quán)指數(shù)》，中國(guó)專利申請(qǐng)從2010年開始激增，考慮到2010年之前專利數(shù)量不足，因而本文研究樣本期為2010—2023年。本文對(duì)數(shù)據(jù)進(jìn)行以下處理：剔除當(dāng)年被ST、*ST和PT的樣本，剔除金融行業(yè)的樣本，剔除關(guān)鍵指標(biāo)缺失過(guò)多的樣本；對(duì)連續(xù)變量進(jìn)行1%和99%的縮尾處理，以減少異常值的影響。本文相關(guān)數(shù)據(jù)主要來(lái)源于CSMAR數(shù)據(jù)庫(kù)、中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局、國(guó)家統(tǒng)計(jì)局和上市公司年報(bào)。表1是本文主要變量的描述性統(tǒng)計(jì)結(jié)果。

四、實(shí)證結(jié)果與分析

（一）基準(zhǔn)回歸結(jié)果

表2是人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率影響的基準(zhǔn)回歸結(jié)果。表2列（1）和列（3）僅引入解釋變量、企業(yè)固定效應(yīng)和年份固定效應(yīng)，表2列（2）和列（4）在此基礎(chǔ)上引入上述一系列控制變量，并且使用企業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤的回歸結(jié)果。表2列（2）和列（4）的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新的系數(shù)為0.0544，且在1%水平上顯著；人工智能技術(shù)應(yīng)用的系數(shù)為0.0713，且在1%水平上顯著，表明人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用均能提升企業(yè)全要素生產(chǎn)率。假設(shè)1得到驗(yàn)證。

（二）內(nèi)生性處理

人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用與企業(yè)全要素生產(chǎn)率之間可能存在反向因果關(guān)系。為解決反向因果問(wèn)題，本文使用工具變量法進(jìn)行內(nèi)生性處理。本文借鑒Zhao等［33］的研究，以省級(jí)光纜密度作為工具變量。一方面，光纜是人工智能的首選材料，其密度水平與人工智能發(fā)展水平有顯著正向關(guān)系，滿足工具變量的相關(guān)性要求。另一方面，省級(jí)光纜密度與單個(gè)企業(yè)全要素生產(chǎn)率之間不存在直接的相關(guān)關(guān)系，滿足工具變量的外生性要求。因此，本文分別采用省級(jí)光纜密度與相同省份同年度同行業(yè)除本企業(yè)外其他企業(yè)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用均值的交互項(xiàng)構(gòu)建工具變量（IV_1和IV_2）。內(nèi)生性處理結(jié)果如表3所示。表3列（1）和列（3）中上述工具變量的系數(shù)均為正，且至少在5%水平上顯著，驗(yàn)證了工具變量的相關(guān)性要求，并且Kleibergen?PaaprkLM值拒絕了工具變量識(shí)別不足的假設(shè)，Cragg?DonaldWaldF值拒絕了弱工具變量的假設(shè)。表3列（2）和列（4）中人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)分別為1.2688和0.6389，且均在1%水平上顯著，表明在利用工具變量解決了內(nèi)生性問(wèn)題后，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率有顯著正向影響的假設(shè)依然穩(wěn)健。

（三）穩(wěn)健性檢驗(yàn)①

⒈替換被解釋變量

其一，不同測(cè)算方法可能會(huì)對(duì)回歸結(jié)果產(chǎn)生差異，本文采用OP法、OLS法和FE法測(cè)算企業(yè)全要素生產(chǎn)率。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著。其二，由于人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的影響可能會(huì)存在時(shí)滯效應(yīng)，本文選擇滯后一期的被解釋變量重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著，與基準(zhǔn)回歸結(jié)果一致。

⒉替換解釋變量

其一，本文重新構(gòu)建人工智能技術(shù)創(chuàng)新變量（AI_dummy），如果企業(yè)當(dāng)年人工智能專利數(shù)量大于等于1，人工智能技術(shù)創(chuàng)新取值為1，否則取值為0，并且采用人工智能技術(shù)創(chuàng)新（AI_dummy）重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新的系數(shù)為正，且在1%水平上顯著。其二，本文基于專利名稱關(guān)鍵詞識(shí)別方法得到企業(yè)人工智能專利申請(qǐng)數(shù)量，將企業(yè)人工智能專利申請(qǐng)數(shù)量加1取自然對(duì)數(shù)得到人工智能技術(shù)創(chuàng)新（AI_Word），并且重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新的系數(shù)為正，且在1%水平上顯著。其三，考慮到上市公司年報(bào)中關(guān)鍵詞的選取對(duì)識(shí)別企業(yè)人工智能技術(shù)應(yīng)用的影響，本文借鑒姚加權(quán)等［29］的研究，采用擴(kuò)展詞匯方式計(jì)算得到人工智能技術(shù)應(yīng)用（AI_appli2），并且重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)應(yīng)用的系數(shù)為正，且在1%水平上顯著。

⒊剔除特殊樣本

其一，與數(shù)字相關(guān)產(chǎn)業(yè)的企業(yè)可能會(huì)擁有相對(duì)較高的數(shù)字技術(shù)研發(fā)能力，從而這些企業(yè)的人工智能技術(shù)水平相對(duì)其他企業(yè)較高，本文借鑒任英華等［11］的研究，剔除計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)及儀器儀表制造業(yè)樣本后重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著。其二，由于中國(guó)直轄市的經(jīng)濟(jì)環(huán)境具有較大的特殊性，直轄市的企業(yè)在知識(shí)技術(shù)溢出效應(yīng)等方面與其他企業(yè)存在較大差異，本文借鑒倪克金和劉修巖［30］的研究，剔除直轄市樣本后重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著。

⒋增加控制變量

考慮到遺漏變量的內(nèi)生性問(wèn)題，本文進(jìn)一步增加控制變量，以觀察回歸結(jié)果是否會(huì)發(fā)生顯著變化。其一，較大規(guī)模的企業(yè)相對(duì)于中小企業(yè)會(huì)有一定的人工智能研發(fā)優(yōu)勢(shì)。本文借鑒任英華［11］的研究，采用企業(yè)員工總數(shù)的自然對(duì)數(shù)衡量企業(yè)規(guī)模（Size），作為控制變量引入后重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著。其二，數(shù)字經(jīng)濟(jì)催生新技術(shù)、新業(yè)態(tài)和新模式，企業(yè)數(shù)字化轉(zhuǎn)型程度也會(huì)影響人工智能的創(chuàng)新研發(fā)和場(chǎng)景適用。本文統(tǒng)計(jì)上市公司年報(bào)中與人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)、數(shù)字技術(shù)應(yīng)用相關(guān)的關(guān)鍵詞詞頻總數(shù)并加1取自然對(duì)數(shù)，用來(lái)衡量企業(yè)數(shù)字化轉(zhuǎn)型程度（Dig），作為控制變量引入后重新進(jìn)行回歸。回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著。

（四）異質(zhì)性分析

⒈數(shù)據(jù)資產(chǎn)異質(zhì)性

數(shù)據(jù)是人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的關(guān)鍵投入要素，數(shù)據(jù)資產(chǎn)豐富的企業(yè)能夠?yàn)槿斯ぶ悄芗夹g(shù)創(chuàng)新和技術(shù)應(yīng)用提供高質(zhì)量的數(shù)據(jù)供給，提升人工智能的質(zhì)量和應(yīng)用性，有助于提升企業(yè)全要素生產(chǎn)率。本文借鑒路征等［34］的研究，采用ln（市場(chǎng)價(jià)值-固定資產(chǎn)-金融資產(chǎn)-無(wú)形資產(chǎn)）衡量數(shù)據(jù)資產(chǎn)，如果企業(yè)擁有的數(shù)據(jù)資產(chǎn)高于中位數(shù)，為高數(shù)據(jù)資產(chǎn)企業(yè)，否則為非高數(shù)據(jù)資產(chǎn)企業(yè)。表4是數(shù)據(jù)資產(chǎn)異質(zhì)性回歸結(jié)果。表4的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著，但高數(shù)據(jù)資產(chǎn)企業(yè)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均大于非高數(shù)據(jù)資產(chǎn)企業(yè)，且通過(guò)了組間系數(shù)差異檢驗(yàn)，表明人工智能對(duì)高數(shù)據(jù)資產(chǎn)企業(yè)全要素生產(chǎn)率的影響更明顯。

⒉資產(chǎn)運(yùn)營(yíng)模式異質(zhì)性

輕資產(chǎn)企業(yè)運(yùn)營(yíng)靈活，其更容易根據(jù)市場(chǎng)需求和技術(shù)發(fā)展優(yōu)化業(yè)務(wù)和運(yùn)營(yíng)策略。因此，在引入人工智能時(shí)，輕資產(chǎn)企業(yè)可以更快地對(duì)市場(chǎng)變化作出響應(yīng)，實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)效率和全要素生產(chǎn)率的提升。本文借鑒邵建軍和張世焦［35］的研究，根據(jù)輕資產(chǎn)占比情況將企業(yè)資產(chǎn)運(yùn)營(yíng)模式分為重資產(chǎn)模式和輕資產(chǎn)模式。其中，輕資產(chǎn)占比=（無(wú)形資產(chǎn)+商譽(yù)）/總資產(chǎn)，企業(yè)輕資產(chǎn)占比在70%以上，為輕資產(chǎn)模式企業(yè)，否則為重資產(chǎn)模式企業(yè)。表5是資產(chǎn)運(yùn)營(yíng)模式異質(zhì)性回歸結(jié)果。表5的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著，但輕資產(chǎn)模式企業(yè)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)更大，且通過(guò)了組間系數(shù)差異檢驗(yàn)，表明人工智能對(duì)輕資產(chǎn)運(yùn)營(yíng)模式企業(yè)全要素生產(chǎn)率的影響更明顯。

⒊企業(yè)產(chǎn)權(quán)性質(zhì)異質(zhì)性

產(chǎn)權(quán)性質(zhì)不同，企業(yè)的創(chuàng)新行為、目標(biāo)和經(jīng)營(yíng)環(huán)境也不同，從而影響企業(yè)全要素生產(chǎn)率。本文將企業(yè)分為國(guó)有企業(yè)和非國(guó)有企業(yè)，對(duì)于產(chǎn)權(quán)性質(zhì)模糊的企業(yè)，根據(jù)實(shí)際控股人性質(zhì)進(jìn)行劃分。表6是企業(yè)產(chǎn)權(quán)性質(zhì)異質(zhì)性回歸結(jié)果。表6的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且在1%水平上顯著，但非國(guó)有企業(yè)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均大于國(guó)有企業(yè)，且通過(guò)了組間系數(shù)差異檢驗(yàn)，表明人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)非國(guó)有企業(yè)全要素生產(chǎn)率的影響更明顯。這可能是因?yàn)榉菄?guó)有企業(yè)處在充分競(jìng)爭(zhēng)的市場(chǎng)，創(chuàng)新是其獲得競(jìng)爭(zhēng)優(yōu)勢(shì)和高利潤(rùn)回報(bào)的主要途徑，有較強(qiáng)的激勵(lì)通過(guò)智能化實(shí)現(xiàn)高效率發(fā)展。

⒋行業(yè)技術(shù)密度異質(zhì)性

本文根據(jù)《上市公司資質(zhì)認(rèn)定信息文件》“認(rèn)定項(xiàng)目類型”判斷企業(yè)是否為“高新技術(shù)企業(yè)”，將企業(yè)分為高新技術(shù)企業(yè)和非高新技術(shù)企業(yè)。表7是行業(yè)技術(shù)密度異質(zhì)性回歸結(jié)果。表7的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用的系數(shù)均為正，且至少在5%水平上顯著，但高新技術(shù)企業(yè)人工智能技術(shù)創(chuàng)新的系數(shù)大于非高新技術(shù)企業(yè)，且通過(guò)了組間系數(shù)差異檢驗(yàn)，表明高新技術(shù)企業(yè)人工智能技術(shù)創(chuàng)新對(duì)企業(yè)全要素生產(chǎn)率的影響更明顯。這可能是因?yàn)楦咝录夹g(shù)企業(yè)在人力資本、技術(shù)積累和數(shù)據(jù)處理能力等方面具有較強(qiáng)的優(yōu)勢(shì)，更有利于企業(yè)進(jìn)行創(chuàng)新活動(dòng)和完成創(chuàng)新成果的轉(zhuǎn)化［12］，從而提升企業(yè)全要素生產(chǎn)率。非高新技術(shù)企業(yè)人工智能技術(shù)應(yīng)用的系數(shù)大于高新技術(shù)企業(yè)，且通過(guò)了組間系數(shù)差異檢驗(yàn)，表明非高新技術(shù)企業(yè)人工智能技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率促進(jìn)效應(yīng)更明顯，這可能是因?yàn)榉歉咝录夹g(shù)企業(yè)在人工智能方面與高新技術(shù)企業(yè)之間存在較大差距，從而在引入人工智能后帶來(lái)更明顯的全要素生產(chǎn)率提升。

五、機(jī)制檢驗(yàn)與進(jìn)一步分析

（一）機(jī)制檢驗(yàn)

根據(jù)前文理論分析部分，本文借鑒王鈺和唐要家［26］的研究，構(gòu)建如下計(jì)量模型：

Mediait=β0+β1AI_innoit/AI_appliit+β2Xit+μi+λt+εit（9）

其中，Mediait表示上述一系列中介變量，其他變量含義同式（8）。

表8列（1）至列（3）是人工智能技術(shù)創(chuàng)新機(jī)制檢驗(yàn)結(jié)果。表8列（1）的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新能降低企業(yè)成本，從而提升企業(yè)全要素生產(chǎn)率。假設(shè)2a得到驗(yàn)證。表8列（2）的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新對(duì)企業(yè)勞動(dòng)力結(jié)構(gòu)有正向影響，從而提升企業(yè)全要素生產(chǎn)率。假設(shè)2b得到驗(yàn)證。表8列（3）的回歸結(jié)果顯示，人工智能技術(shù)創(chuàng)新對(duì)企業(yè)創(chuàng)新有正向影響，從而提升企業(yè)全要素生產(chǎn)率。假設(shè)2c得到驗(yàn)證。

表8列（4）至列（6）是人工智能技術(shù)應(yīng)用機(jī)制檢驗(yàn)結(jié)果。表8列（4）的回歸結(jié)果顯示，人工智能技術(shù)應(yīng)用能降低企業(yè)成本，從而提升企業(yè)全要素生產(chǎn)率。假設(shè)2a得到驗(yàn)證。表8列（5）的回歸結(jié)果顯示，人工智能技術(shù)應(yīng)用能優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)，從而提升企業(yè)全要素生產(chǎn)率。假設(shè)2b得到驗(yàn)證。表8列（6）的回歸結(jié)果顯示，人工智能技術(shù)應(yīng)用對(duì)企業(yè)創(chuàng)新的影響不顯著。假設(shè)2c未得到驗(yàn)證。

（二）進(jìn)一步分析

關(guān)于人工智能對(duì)企業(yè)全要素生產(chǎn)率影響的滯后效應(yīng)存在兩種觀點(diǎn)。一是人工智能與企業(yè)全要素生產(chǎn)率之間呈現(xiàn)J型關(guān)系［6，13］，即人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響在初期不顯著，甚至為負(fù)向影響，而在后期則會(huì)產(chǎn)生正向影響，并且滯后效應(yīng)的持續(xù)時(shí)間較短。二是人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響存在一個(gè)較長(zhǎng)的滯后期［36］，因?yàn)榧夹g(shù)擴(kuò)散應(yīng)用需要更為復(fù)雜和漫長(zhǎng)的組織結(jié)構(gòu)調(diào)整。為進(jìn)一步研究人工智能對(duì)企業(yè)全要素生產(chǎn)率的動(dòng)態(tài)影響，本文使用多期DID模型進(jìn)行檢驗(yàn)。本文借鑒王冠宇和馬野青［37］的研究，根據(jù)樣本期內(nèi)企業(yè)是否擁有人工智能專利將企業(yè)劃分為處理組和對(duì)照組，將至少擁有一個(gè)人工智能專利的企業(yè)作為處理組，treat取值為1，否則為對(duì)照組，取值為0。然后本文構(gòu)造年份虛擬變量T，企業(yè)首次擁有人工智能專利及其之后年份取值為1，否則取值為0。本文用Tt表示企業(yè)擁有人工智能專利之后的第t年，如果當(dāng)年為企業(yè)擁有專利的第t年，該變量取值為1，否則取值為0。本文構(gòu)建如下多期動(dòng)態(tài)DID模型：

TFPit=γ0+γ1treati×T+γ2Xit+μi+λt+εit（10）

TFPit=γ0+γ1Σt=0nβttreati×Tt+γ2Xit+μi+λt+εit（11）

其中，treati×T和Σt=0nβttreati×Tt表示人工智能處理效應(yīng)，其他變量含義同式（8）；式（10）用來(lái)估計(jì)人工智能對(duì)企業(yè)全要素生產(chǎn)率的總效應(yīng)；式（11）用來(lái)估計(jì)人工智能對(duì)企業(yè)全要素生產(chǎn)率的動(dòng)態(tài)效應(yīng)。

總效應(yīng)treat×T的系數(shù)為0.0722，且在1%水平上顯著，表明總體樣本期內(nèi)人工智能對(duì)企業(yè)全要素生產(chǎn)率有正向影響。表9是進(jìn)一步分析回歸結(jié)果。動(dòng)態(tài)效應(yīng)結(jié)果顯示，人工智能處理當(dāng)期和之后第一期系數(shù)為負(fù)，第二、三期為正，但不顯著，從第四期才呈現(xiàn)顯著為正的效果，表明人工智能在短期內(nèi)對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)效應(yīng)并不顯著，甚至為負(fù)，長(zhǎng)期促進(jìn)效應(yīng)顯著為正，驗(yàn)證了人工智能與企業(yè)全要素生產(chǎn)率的J型關(guān)系，并且相比于蒸汽機(jī)、電力、計(jì)算機(jī)等已有通用目的技術(shù)，人工智能極大縮短了全要素生產(chǎn)率提升效應(yīng)的滯后期。人工智能對(duì)企業(yè)全要素生產(chǎn)率正向影響滯后期縮短的原因可能有如下三點(diǎn)。一是人工智能具有典型的軟件化特征，技術(shù)應(yīng)用不需要大規(guī)模長(zhǎng)周期的固定資本建設(shè)，所以相較于前三次通用目的技術(shù)的普及應(yīng)用，人工智能的速度更快。二是人工智能技術(shù)具有突出的通用性，能夠較快地在各行業(yè)廣泛應(yīng)用。三是人工智能對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)很大程度上受到勞動(dòng)者技能的影響，由于中國(guó)長(zhǎng)期重視教育和人力資本投入，較高的勞動(dòng)者技能為全要素生產(chǎn)率提升提供了重要基礎(chǔ)，從而使得人工智能的企業(yè)全要素生產(chǎn)率提升效應(yīng)得以更快實(shí)現(xiàn)。

六、研究結(jié)論與政策建議

人工智能是發(fā)展新質(zhì)生產(chǎn)力的引擎，對(duì)實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。本文基于2010—2023年中國(guó)滬深A(yù)股上市公司數(shù)據(jù)，采用雙向固定效應(yīng)模型實(shí)證檢驗(yàn)了人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的影響及作用機(jī)制。研究結(jié)果顯示：人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用均能提升企業(yè)全要素生產(chǎn)率；人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在高數(shù)據(jù)資產(chǎn)企業(yè)、輕資產(chǎn)模式企業(yè)和非國(guó)有企業(yè)中更明顯，人工智能技術(shù)創(chuàng)新對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在高新技術(shù)企業(yè)中更明顯，人工智能技術(shù)應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)在非高新技術(shù)企業(yè)中更明顯；人工智能技術(shù)創(chuàng)新通過(guò)降低企業(yè)成本、優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)和促進(jìn)企業(yè)創(chuàng)新提升企業(yè)全要素生產(chǎn)率，而人工智能技術(shù)應(yīng)用通過(guò)降低企業(yè)成本和優(yōu)化企業(yè)勞動(dòng)力結(jié)構(gòu)提升企業(yè)全要素生產(chǎn)率；人工智能對(duì)企業(yè)全要素生產(chǎn)率的影響存在短周期的時(shí)間滯后效應(yīng)。基于以上研究結(jié)論，本文提出如下政策建議。

第一，協(xié)同推進(jìn)人工智能技術(shù)創(chuàng)新和技術(shù)應(yīng)用，全面釋放人工智能提升企業(yè)全要素生產(chǎn)率的巨大潛能。強(qiáng)化高質(zhì)量數(shù)據(jù)供給，加強(qiáng)算力設(shè)施建設(shè)，培養(yǎng)和吸引高端人工智能人才，為技術(shù)創(chuàng)新提供堅(jiān)實(shí)的要素投入、基礎(chǔ)設(shè)施支持和人力資本保障；在發(fā)揮技術(shù)創(chuàng)新的引領(lǐng)作用的同時(shí)，注重技術(shù)應(yīng)用的賦能作用，以增強(qiáng)人工智能技術(shù)創(chuàng)新主體的產(chǎn)業(yè)化應(yīng)用綜合服務(wù)能力。

第二，細(xì)化“人工智能+”政策設(shè)計(jì)，根據(jù)不同類型企業(yè)精準(zhǔn)施策。發(fā)揮數(shù)據(jù)要素賦能作用，積極推進(jìn)數(shù)據(jù)資產(chǎn)化；鼓勵(lì)企業(yè)向平臺(tái)化、生態(tài)化組織模式轉(zhuǎn)型，積極培育產(chǎn)業(yè)互聯(lián)網(wǎng)平臺(tái)；營(yíng)造公平競(jìng)爭(zhēng)的市場(chǎng)環(huán)境和營(yíng)商環(huán)境，充分發(fā)揮非國(guó)有企業(yè)的作用；注重提高傳統(tǒng)行業(yè)企業(yè)人工智能應(yīng)用的能力，實(shí)現(xiàn)高新技術(shù)企業(yè)與非高新技術(shù)企業(yè)協(xié)同發(fā)展。

第三，強(qiáng)化企業(yè)智能化轉(zhuǎn)型的互補(bǔ)性要素供給和組織結(jié)構(gòu)重構(gòu)，縮短人工智能提升企業(yè)全要素生產(chǎn)率的滯后期。建立行業(yè)或地區(qū)的公共性數(shù)據(jù)平臺(tái)，創(chuàng)新產(chǎn)學(xué)研合作體制，形成勞動(dòng)者全職業(yè)周期的動(dòng)態(tài)技能培訓(xùn)體制；構(gòu)建互補(bǔ)性企業(yè)合作的智能化生態(tài)體系，更好地整合利用生態(tài)內(nèi)不同企業(yè)的互補(bǔ)性資源；穩(wěn)步推進(jìn)企業(yè)建立與智能化相適應(yīng)的組織結(jié)構(gòu)和管理體制，充分釋放人工智能對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)。

參考文獻(xiàn)：

［1］SOLOWR.We’dbetterwatchout［J］.TheNewYorktimesbookreview，1987，12（36）：1-2.

［2］ACEMOGLUD，AUTORD，DORND，etal.ReturnoftheSolowparadox？IT，productivity，andemploymentinUSmanufacturing［J］.TheAmericaneconomicreview，2014，104（5）：394-399.

［3］PARTEKAA，KORDALSKAA.Artificialintelligenceandproductivity：globalevidencefromAIpatentandbibliometricdata［J］.Technovation，2023，125（7）：102764.

［4］ACEMOGLUD.ThesimplemacroeconomicsofAI［R］.NBERWorkingPaperNo.w32487，2024.

［5］COCKBURNIM，HENDERSONR，STERNS.Theimpactofartificialintelligenceoninnovation：anexploratoryanalysis［M］.Chicago：UniversityofChicagoPress，2019.

［6］BRYNJOLFSSONE，ROCKD，SYVERSONC.TheProductivityJ?Curve：howintangiblescomplementgeneralpurposetechnologies［J］.Americaneconomicjournal：macroeconomics，2021，13（1）：333-372.

［7］GONZALESJT.ImplicationsofAIinnovationoneconomicgrowth：apaneldatastudy［J］.Journalofeconomicstructures，2023，12（13）：1-37.

［8］DAMIOLIG，VANROYV，VERTESYD.Theimpactofartificialintelligenceonlaborproductivity［J］.Eurasianbusinessreview，2021，11（1）：1-25.

［9］MARIONILDS，RINCON?AZNARA，VENTURINIF.Productivityperformance，distancetofrontierandAIinnovation：firm?levelevidencefromEurope［J］.Journalofeconomicbehaviorandorganization，2024，228（12）：106762

［10］ZHAIS，LIUZ.Artificialintelligencetechnologyinnovationandfirmproductivity：evidencefromChina［J］.Financeresearchletters，2023，58（8）：104437.

［11］任英華，劉宇釗，李海彤.人工智能技術(shù)創(chuàng)新與企業(yè)全要素生產(chǎn)率［J］.經(jīng)濟(jì)管理，2023，45（9）：50-67.

［12］黃勃，李海彤，劉俊岐，等.數(shù)字技術(shù)創(chuàng)新與中國(guó)企業(yè)高質(zhì)量發(fā)展——來(lái)自企業(yè)數(shù)字專利的證據(jù)［J］.經(jīng)濟(jì)研究，2023，58（3）：97-115.

［13］B?CKA，HAJIKHANIA，J?GERA，etal.ReturnoftheSolow?paradoxinAI？AI?adoptionandfirmproductivity［R］.LundUniversityCIRCLEPapersinInnovationStudiesNo.2022/01，2022.

［14］CZARNITZKID，F(xiàn)ERNáNDEZGP，RAMMERC.Artificialintelligenceandfirm?levelproductivity［J］.Journalofeconomicbehavioramp;organization，2023，211（7）：188-205.

［15］BABINAT，F(xiàn)EDYKA，HEA，etal.Artificialintelligence，firmgrowth，andproductinnovation［J］.Journaloffinancialeconomics，2024，151（1）：103745.

［16］杜傳忠，曹效喜，任俊慧.人工智能影響我國(guó)全要素生產(chǎn)率的機(jī)制與效應(yīng)研究［J］.南開經(jīng)濟(jì)研究，2024（2）：3-24.

［17］PRETTNERK.Anoteontheimplicationsofautomationforeconomicgrowthandthelaborshare［J］.Macroeconomicdynamics，2019，23（3）：1294-1301.

［18］封進(jìn)，趙發(fā)強(qiáng)，宋弘.失之東隅，收之桑榆：智能時(shí)代下老齡化發(fā)展與勞動(dòng)生產(chǎn)率變化［J］.社會(huì)科學(xué)，2024，（8）：142-155.

［19］ACEMOGLUD，RESTREPOP.Automationandnewtasks：howtechnologydisplacesandreinstateslabor［J］.Journalofeconomicperspectives，2019，33（2）：3-30.

［20］ACEMOGLUD，AUTORD.Skills，tasksandtechnologies：implicationsforemploymentandearnings［J］.Handbookoflaboreconomics，2011，4：1043-1171.

［21］ACEMOGLUD，RESTREPOP.Robotsandjobs：evidencefromUSlabormarkets［J］.Journalofpoliticaleconomy，2020，128（6）：2188-2244.

［22］AUTORDH，LEVYF，MURNANERJ.Theskillcontentofrecenttechnologicalchange：anempiricalexploration［J］.Thequarterlyjournalofeconomics，2003，118（4）：1279-1333.

［23］KAKATKARC，BILGRAMV，F(xiàn)üLLERJ.Innovationanalytics：leveragingartificialintelligenceintheinnovationprocess［J］.Businesshorizons，2020，63（2）：171-181.

［24］AGRAWALA，MCHALEJ，OETTLA.Findingneedlesinhaystacks：artificialintelligenceandrecombinantgrowth［M］//AGRAWALA，GANSJ，GOLDFARBA.Theeconomicsofartificialintelligence：anagenda.Chicago：UniversityofChicagoPress，2018：149-174.

［25］JONESBF.Theburdenofknowledgeandthe“deathoftherenaissanceman”：isinnovationgettingharder？［J］.Reviewofeconomicstudies，2009，76（1）：283-317.

［26］王鈺，唐要家.人工智能應(yīng)用如何影響企業(yè)創(chuàng)新寬度？［J］.財(cái)經(jīng)問(wèn)題研究，2024（2）：38-50.

［27］OLLEYGS，PAKESA.Thedynamicsofproductivityinthetelecommunicationsequipmentindustry［J］.Econometrica，1996，64（6）：1263-1297.

［28］LEVINSOHNJ，PETRINA.Estimatingproductionfunctionsusinginputstocontrolforunobservables［J］.Reviewofeconomicstudies，2003，70（2）：317-341.

［29］姚加權(quán)，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動(dòng)力技能結(jié)構(gòu)調(diào)整的視角［J］.管理世界，2024，40（2）：101-116+133.

［30］倪克金，劉修巖.數(shù)字化轉(zhuǎn)型與企業(yè)成長(zhǎng)：理論邏輯與中國(guó)實(shí)踐［J］.經(jīng)濟(jì)管理，2021，43（12）：79-97.

［31］王永欽，董雯.機(jī)器人的興起如何影響中國(guó)勞動(dòng)力市場(chǎng)？——來(lái)自制造業(yè)上市公司的證據(jù)［J］.經(jīng)濟(jì)研究，2020，55（10）：159-175.

［32］YOUS，ZHOUK，JIAL.Howdoeshumancapitalfosterproductinnovation？Thecontingentrolesofindustryclusterfeatures［J］.Journalofbusinessresearch，2021，130（9）：335-347.

［33］ZHAOP，GAOY，SUNX.Howdoesartificialintelligenceaffectgreeneconomicgrowth？EvidencefromChina［J］.Scienceofthetotalenvironment，2022，834（33）：155306.

［34］路征，周婷，王理，等.數(shù)據(jù)資產(chǎn)與企業(yè)發(fā)展——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2023，（4）：128-142.

［35］邵建軍，張世焦.輕資產(chǎn)運(yùn)營(yíng)企業(yè)會(huì)傾向于內(nèi)源性融資嗎？［J］.財(cái)會(huì)通訊，2019（24）：101-104.

［36］JUHáSZR，SQUICCIARINIMP，VOIGTL?NDERN.Technologyadoptionandproductivitygrowth：evidencefromindustrializationinFrance［J］.Journalofpoliticaleconomy，2024，132（10）：3215-3259.

［37］王冠宇，馬野青.技術(shù)壁壘、創(chuàng)新激勵(lì)與企業(yè)全要素生產(chǎn)率——基于動(dòng)態(tài)視角的理論與實(shí)證分析［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023，45（11）：86-99.

（責(zé)任編輯：孫艷）

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“常態(tài)化監(jiān)管下數(shù)據(jù)與算法反壟斷監(jiān)管研究”（23BJY003）；教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目“數(shù)字經(jīng)濟(jì)數(shù)據(jù)?算法?平臺(tái)三位一體關(guān)系與反壟斷政策創(chuàng)新研究”（22JJD790008）