黃東兵，王靈均，周承緒，劉 駿

(1.貴州財經大學 西部現代化研究中心；2.貴州財經大學 工商學院；3.貴州財經大學 管科學院，貴州 貴陽 550025)

0 引言

中共十九大報告指出，我國經濟已由高速增長階段轉向高質量發(fā)展階段，實現經濟高質量發(fā)展成為我國邁入新時代的新追求。國家經濟增長方式轉變是集宏觀、中觀、微觀于一體的系統化工程，而企業(yè)作為宏觀經濟活動和中觀產業(yè)發(fā)展的微觀主體，其創(chuàng)新發(fā)展水平直接關系到經濟發(fā)展方式轉變、經濟結構優(yōu)化和新舊動能轉換的成敗。因此，經濟高質量發(fā)展必須落實到企業(yè)微觀層面[1]。既有文獻大多聚焦于行業(yè)及其它宏觀層面的高質量發(fā)展機制，對企業(yè)層面高質量發(fā)展機制的理解存在差異[2]。此外，制造業(yè)是實體經濟的主體，實體經濟高質量發(fā)展離不開制造企業(yè)的支撐。因此，制造企業(yè)如何實現高質量發(fā)展是亟待研究的重要課題。

近年來，我國制造業(yè)面臨人口紅利褪去、產品附加值低、國際競爭日趨激烈等挑戰(zhàn)，企業(yè)智能化轉型成為制造業(yè)高質量發(fā)展的重要方向。人工智能(AI)作為戰(zhàn)略性技術給經濟社會中的眾多領域帶來顛覆性變革，其核心內容是數字化、信息化基礎上的智能化發(fā)展。已有研究基于行業(yè)同質性假設，從經濟發(fā)展[3]、產業(yè)結構[4]和就業(yè)結構[5]3個方面，探討人工智能技術發(fā)展所帶來的變化。由于不同行業(yè)在市場、技術等方面存在差異，導致不同類型企業(yè)在生產過程中對技術的需求、依賴程度、創(chuàng)新意愿和難度、創(chuàng)新成果轉化與應用也不盡相同，上述差異往往導致AI技術對企業(yè)產生異質性影響[6]?；诖耍疚奶接慉I創(chuàng)新能力對處于不同行業(yè)、具有不同生產要素特征制造企業(yè)高質量發(fā)展的影響。

當前，企業(yè)外部環(huán)境充滿不確定性和風險。企業(yè)內嵌于環(huán)境中，從外部環(huán)境獲取資源和信息以實現技術創(chuàng)新，需要規(guī)避環(huán)境不確定性風險。因此，企業(yè)創(chuàng)新與外部情境密切相關?，F有文獻基于企業(yè)內部組織戰(zhàn)略[7]、知識流動[8]等視角初步研究AI創(chuàng)新影響機制，深入剖析組織外部情境下AI創(chuàng)新與企業(yè)高質量發(fā)展間復雜關系對現階段中國制造業(yè)的戰(zhàn)略意義。本文進一步研究行業(yè)競爭情境下AI創(chuàng)新對制造企業(yè)高質量發(fā)展的權變影響。

基于上述理論和現實背景，本文在以下方面進行探索，即基于組織外部競爭和內部生產要素視角，探討人工智能創(chuàng)新驅動制造企業(yè)高質量發(fā)展的內在機制和邊界條件，試圖解答以下問題：制造企業(yè)人工智能創(chuàng)新如何影響高質量發(fā)展？行業(yè)競爭對制造企業(yè)人工智能創(chuàng)新與高質量發(fā)展的關系是否具有影響？制造企業(yè)人工智能創(chuàng)新對高質量發(fā)展的影響是否具有行業(yè)異質性？不同生產要素特征的制造企業(yè)人工智能創(chuàng)新對高質量發(fā)展的影響是否存在差異？上述問題的解答有助于剖析人工智能的微觀權變效用，為企業(yè)制定AI創(chuàng)新戰(zhàn)略提供理論依據。

1 理論與假設

1.1 AI創(chuàng)新能力對高質量發(fā)展的影響

對于制造業(yè)而言，人口老齡化加劇、勞動力成本攀升以及新技術快速發(fā)展迫使制造企業(yè)實施智能化轉型以維持競爭優(yōu)勢。資源基礎觀認為，企業(yè)具有獨特、難以復制的資源與能力是核心競爭力提升的關鍵。因此，在人工智能領域，持續(xù)投入和技術積累能夠促進企業(yè)高質量發(fā)展，這也是企業(yè)愿意開展AI創(chuàng)新的理論支撐?；谖宕笮掳l(fā)展理念，本文認為，人工智能可以促進企業(yè)高質量發(fā)展。首先，從創(chuàng)新理念看，AI能夠有效提升制造企業(yè)創(chuàng)新能力[9]，企業(yè)將AI技術整合到業(yè)務中，從而獲取創(chuàng)新效益和競爭優(yōu)勢；從協調理念看，制造企業(yè)能夠采用AI技術提升信息處理能力[9]，通過對市場信息進行智能分析以輔助決策，從而快速優(yōu)化消費結構和產業(yè)結構；從綠色理念看，企業(yè)采用AI技術能夠提升環(huán)境管理效能并減少生產過程中的資源浪費[10]，例如智能識別和傳感器能優(yōu)精準防控廢棄物污染或甲烷泄漏，智能節(jié)水系統能減少企業(yè)用水量等；從開放理念看，人工智能基于云計算和自主學習技術能夠強化制造企業(yè)海外投資決策[11]，準確識別潛在海外投資風險，進一步增加對外開放發(fā)展成果；從共享理念看，企業(yè)采用人工智能技術創(chuàng)造新型共享平臺[12]，實現資源合作和協同創(chuàng)新?；谝陨戏治?，本文提出如下假設：

H1：制造企業(yè)AI創(chuàng)新能力對高質量發(fā)展具有促進作用。

1.2 行業(yè)競爭對AI創(chuàng)新能力與高質量發(fā)展關系的調節(jié)

探討AI創(chuàng)新效應邊界條件是本文研究目的，權變理論認為，企業(yè)活動要與其所處外部環(huán)境相適應。也就是說，當行業(yè)競爭處于不同水平時，企業(yè)AI創(chuàng)新所產生的成本和收益是動態(tài)變化的。具體而言，行業(yè)競爭程度是指整個行業(yè)內企業(yè)間的競爭激烈程度，包含產品同質化和價格競爭兩個特征。其中，企業(yè)能夠通過AI創(chuàng)新獲取異質性資源并在同質化競爭中脫穎而出，而人工智能創(chuàng)造的虛擬勞動力作為新生產要素，能夠大幅降低生產成本，提高生產效率，從而幫助企業(yè)在價格競爭中獲取較高的市場份額[13]。

首先，企業(yè)創(chuàng)新活動會受外部行業(yè)影響，現有研究認為，行業(yè)競爭影響企業(yè)創(chuàng)新戰(zhàn)略，行業(yè)競爭越激烈，企業(yè)創(chuàng)新強度[14]、創(chuàng)新擴散效率[15]越高，就越有利于AI賦能創(chuàng)新發(fā)展；其次，激烈的市場競爭條件下，企業(yè)需要應對市場不確定性風險并開發(fā)更多新業(yè)務，而AI技術能夠幫助企業(yè)及時識別和分析市場信息，促進市場結構和消費結構協調發(fā)展[9]；再次，行業(yè)競爭越激烈，企業(yè)越傾向于履行環(huán)境責任[16]和開展海外投資活動[17]，從而實現綠色發(fā)展和開放發(fā)展；最后，行業(yè)競爭能夠強化企業(yè)間合作研發(fā)意愿[18]并促進績效提升[19]，激烈的市場競爭是企業(yè)間形成共享合作平臺的必要條件[20]?；谝陨戏治?，本文提出如下假設：

H2：行業(yè)競爭可以強化AI創(chuàng)新能力對高質量發(fā)展的促進作用。

1.3 AI創(chuàng)新能力對不同行業(yè)高質量發(fā)展的影響

近年來，我國產業(yè)體系不斷優(yōu)化升級，智能化和自動化發(fā)展促使行業(yè)間聯系和差異日趨復雜。演化經濟學派認為，不同環(huán)境下企業(yè)經濟活動不可能遵循相同行為準則，必然存在一定的行業(yè)異質性。不同行業(yè)企業(yè)的市場類型和技術水平存在差異，具有不同研發(fā)重點和形式，其研發(fā)投入對企業(yè)績效的影響也不同。從市場角度看，完全競爭市場需求的異質性和多樣性較顯著，行業(yè)競爭對企業(yè)研發(fā)活動具有逃離競爭效應，即企業(yè)通過研發(fā)新產品逃離與行業(yè)內其它企業(yè)競爭[21]。但非完全競爭市場中，產品生命周期較長，企業(yè)研發(fā)意愿[22]和研發(fā)效率較低[23]，由此限制AI創(chuàng)新效用發(fā)揮。從技術角度看，在高技術產業(yè)中，技術革新與老化速度較快，競爭壁壘不斷被打破，企業(yè)面臨更多發(fā)展機遇和技術過時風險，而AI技術能夠有效提升制造企業(yè)技術研發(fā)能力[9]。相反，傳統制造業(yè)具有穩(wěn)定的技術發(fā)展軌跡，企業(yè)為了規(guī)避風險，傾向于從現有技術和產品中謀利(尹惠斌等，2014)，從而弱化AI創(chuàng)新對高質量發(fā)展的影響?；谝陨戏治觯疚奶岢鋈缦录僭O：

H3：制造企業(yè)AI創(chuàng)新能力對高質量發(fā)展的影響存在行業(yè)異質性。

1.4 AI創(chuàng)新能力對不同生產要素特征企業(yè)的影響

隨著環(huán)境資源約束收緊和人口紅利褪去，依賴大量生產要素投入的粗放型增長難以為繼。內生增長理論認為，內生技術進步是確保企業(yè)持續(xù)發(fā)展的決定性因素，由此推斷技術研發(fā)與異質性資源對企業(yè)高質量發(fā)展具有驅動作用。要實現我國制造企業(yè)高質量發(fā)展，必須由要素驅動、規(guī)模驅動向創(chuàng)新驅動轉變。本文認為，企業(yè)生產要素對人工智能創(chuàng)新驅動具有異質性影響。具體而言，勞動密集型企業(yè)績效增長主要來源于勞動力投入的規(guī)模效應，但人口老齡化加劇和用工成本上升迫使企業(yè)進行技術創(chuàng)新[24]，而人工智能技術創(chuàng)造的虛擬勞動力可以完成單調且重復的工作，進而提高企業(yè)生產效率，促進企業(yè)高質量發(fā)展[13]。技術密集型企業(yè)是人工智能技術創(chuàng)新的主要陣地，其技術創(chuàng)新強度越大，對自身高質量發(fā)展越有利[25]。此外，技術密集型企業(yè)本身具有較強的研發(fā)意愿和技術優(yōu)勢，AI技術研發(fā)難度較低[6]；資本密集型企業(yè)利潤增長依賴于大量資本投入和先進設備更新，對技術依賴程度較低[26]。因此，AI創(chuàng)新對企業(yè)高質量發(fā)展的影響可能較為有限。基于以上分析，本文在行業(yè)異質性的基礎上，進一步探討具有不同生產要素特征的制造企業(yè)AI創(chuàng)新能力對高質量發(fā)展的影響，并提出如下假設：

H4：勞動密集型企業(yè)AI創(chuàng)新能力對高質量發(fā)展具有促進作用。

H5：技術密集型企業(yè)AI創(chuàng)新能力對高質量發(fā)展具有促進作用。

H6：資本密集型企業(yè)AI創(chuàng)新能力對高質量發(fā)展的作用不顯著。

本文理論模型構建如圖1所示。

圖1 理論研究模型Fig.1 Theoretical research model

2 研究設計

2.1 數據來源

2015年國務院發(fā)布“中國制造2025”戰(zhàn)略，將智能制造作為主攻方向。自此，我國智能化加速發(fā)展[27]，制造業(yè)作為人工智能技術的重要應用領域，企業(yè)層面的創(chuàng)新相關數據更加完整(專利年申請量超過4 500件)?？紤]到人工智能發(fā)展進程，本文選取2015—2019年滬深A股制造業(yè)上市公司作為研究樣本，其中涉及的企業(yè)財務數據主要來自國泰安數據庫(CSMAR)，專利數據來自國家知識產權網專利數據庫(CNIPA)，行業(yè)數據來自東方財富數據庫(Eastmoney)。為剔除異常值對回歸結果的影響，本文對除虛擬變量外的連續(xù)變量進行1%的縮尾處理(Winsorize)。

為確保數據的科學性和代表性，本研究按照如下步驟對樣本進行嚴格篩選：①根據2020年第4季度證監(jiān)會行業(yè)分類文件，選擇含有C13-C43證券代碼的31類制造業(yè)上市公司；②為了避免異常值的影響，剔除經營不善的企業(yè)樣本，即將證券名稱中ST、*ST樣本刪除；③結合AI創(chuàng)新能力、高質量發(fā)展水平等變量數據缺失情況，進一步剔除數據不完整樣本，整理后得到時間長度為5年的非平衡面板數據集，包含來自26個子行業(yè)596家制造業(yè)上市公司，共計2 888條樣本數據，樣本特征如表1所示。

表1 樣本特征Tab.1 Sample characteristics

在主效應的基礎上，本研究進一步討論行業(yè)異質性及生產要素特征對主效應的影響。按照2020年第4季度證監(jiān)會行業(yè)分類文件，將已獲得的制造企業(yè)樣本分為26個子行業(yè)。為了避免誤差，剔除樣本企業(yè)數量不足10家或樣本量不足50個的子行業(yè)，整理獲得12個子行業(yè)，分別對其進行個體固定效應回歸。此外，本文參考張晴[28]、張艷萍(2022)的研究成果，依據所處子行業(yè)生產要素密集特征將制造企業(yè)分為勞動密集型企業(yè)、技術密集型企業(yè)和資本密集型企業(yè)，分別進行個體固定效應回歸，結果如表2所示。

表2 制造業(yè)子行業(yè)類型分類Tab.2 Classification of manufacturing industries

2.2 變量測量

2.2.1 因變量

本文因變量為企業(yè)高質量發(fā)展水平(HQD)?，F有研究對企業(yè)高質量發(fā)展衡量方式尚未達成共識，部分學者采用全要素生產率衡量企業(yè)高質量發(fā)展水平[1]。企業(yè)高質量發(fā)展不僅意味著自身價值實現，而且蘊含著其創(chuàng)造的社會價值。因此，單一指標不能全面衡量企業(yè)高質量發(fā)展水平。一些學者基于多維指標體系對企業(yè)高質量發(fā)展水平進行評價[29]，但本文認為，現有評價體系缺少系統指導思想作為支撐。本研究深刻把握新發(fā)展理念的基本內涵，遵循科學性、代表性、數據可得性、完備性等原則，從創(chuàng)新、協調、綠色、開放、共享5個維度構建制造企業(yè)高質量發(fā)展評價體系。

創(chuàng)新是制造企業(yè)高質量發(fā)展的新動力。創(chuàng)新高質量發(fā)展要求企業(yè)轉換增長動能，加快從要素驅動、規(guī)模驅動向創(chuàng)新驅動轉變，形成以創(chuàng)新為第一動力的全新發(fā)展模式。發(fā)明專利作為知識產權的重要載體和表現形式，是創(chuàng)新驅動高質量發(fā)展成果。其中，企業(yè)專利申請數是指企業(yè)當年向國家知識產權局提交申請的專利數量，專利授權數是指企業(yè)當年已被國家知識產權局授權的專利數量，上述兩個指標通常被用于衡量企業(yè)創(chuàng)新活動成果產出。因此，本研究采用上述兩個指標衡量企業(yè)創(chuàng)新發(fā)展水平[29]。

協調是制造企業(yè)高質量發(fā)展的新目標。高質量發(fā)展的主線是供給側結構性改革，供需平衡是協調高質量發(fā)展的重點。企業(yè)應保持產業(yè)結構與消費結構間的彈性匹配和動態(tài)共享，避免因有效供給與實際需求不對稱而產生的供需錯配矛盾。存貨周轉率是企業(yè)一定時期內營業(yè)收入與存貨平均占有額的比值，能夠反映企業(yè)對產品供給與市場需求關系的協調。其它業(yè)務收入占比是其它業(yè)務收入與營業(yè)收入的比值，能夠反映企業(yè)對多元化產業(yè)關系的協調。因此，本研究采用存貨周轉率和其它業(yè)務占比衡量企業(yè)協調發(fā)展水平(張濤，2020)。

綠色是制造企業(yè)高質量發(fā)展的新思維。綠色高質量發(fā)展是指以較高的生產效率和環(huán)境友好、資源節(jié)約等可持續(xù)方式滿足人民需求的發(fā)展狀態(tài)。本研究參考《上市公司環(huán)境信息披露指南》，從環(huán)保意識和環(huán)保行為兩個方面構建綠色發(fā)展評價體系。其中，環(huán)保意識包括環(huán)保理念、環(huán)保目標以及在上市公司年報、社會責任報告、環(huán)境報告中披露環(huán)境相關信息，而環(huán)保行為包括環(huán)保教育培訓、環(huán)保專項行動、環(huán)保榮譽獎勵以及環(huán)保管理制度體系、環(huán)境事件應急機制、“三同時”制度披露。本研究將綠色發(fā)展指標進行量化匯總，最后得出綠色發(fā)展評價值，以此衡量企業(yè)綠色發(fā)展水平[29]。

開放是制造企業(yè)高質量發(fā)展的新態(tài)度。以更加開放的態(tài)度融入全球價值鏈，是推進制造業(yè)對外開放的戰(zhàn)略抉擇，也是新時代我國經濟高質量發(fā)展的內在要求。在當前逆全球化背景下，制造企業(yè)要解決高質量發(fā)展的外部性問題，就必須進一步制定國際化戰(zhàn)略，積極開拓海外市場，助力中國制造從“引進來”到“走出去”，實現更高水平的對外開放。海外業(yè)務收入和海外關聯公司利潤額能夠反映企業(yè)對外開放取得的經濟成果。因此，本研究采用上述兩個指標衡量企業(yè)開放發(fā)展水平[29]。

共享是制造企業(yè)高質量發(fā)展的新格局。共享理念嵌入于高質量發(fā)展基本理論框架中，推動中國特色社會主義共同富裕理論創(chuàng)新，是高質量發(fā)展的出發(fā)點和落腳點，也是對高質量發(fā)展價值導向的必然回應。企業(yè)共享發(fā)展表現為企業(yè)間合作共享與協同發(fā)展，而制造企業(yè)間共享體現在業(yè)務環(huán)節(jié)上的資源相互依賴，以及技術合作關系上。聯營、合營企業(yè)投資收益能夠反映企業(yè)間資本合作[30]，而聯合申請專利數量能夠反映企業(yè)間技術合作[31]。因此，本文采用上述兩個指標衡量企業(yè)共享發(fā)展水平。

綜合考慮制造企業(yè)高質量發(fā)展現實情況與數據的客觀性，本研究運用熵權法對指標進行賦權，并采用TOPSIS綜合評價法(逼近理想值排序法)進行計算，將最終得到的評價值作為企業(yè)高質量發(fā)展水平值，數據處理通過R語言軟件實現。制造企業(yè)高質量發(fā)展評價體系如表3所示。

表3 制造企業(yè)高質量發(fā)展評價體系Tab.3 High-quality development evaluation system of manufacturing companies

2.2.2 自變量

本研究自變量為企業(yè)AI創(chuàng)新能力。學者們在研究創(chuàng)新時，大多選擇采用創(chuàng)新投入衡量創(chuàng)新能力，但創(chuàng)新投入與創(chuàng)新產出間的關系較為復雜，所得結論并不能揭示創(chuàng)新本身與其它變量的關系[32]。本研究選擇上市公司人工智能相關專利數量衡量AI創(chuàng)新能力。雖然以專利衡量創(chuàng)新存在些許弊端(企業(yè)可能出于保護創(chuàng)新成果考慮而不申請重要專利)，但相比于其它測量方式具有很多優(yōu)勢，例如可以跨時空分析AI技術在經濟發(fā)展過程中的使用和擴散情況[33]。而且，專利數量作為一個較為實用的創(chuàng)新能力指標，具有一定的普遍性和公開性。

識別與AI技術相關的專利是一項復雜的工作。首先，現有研究尚未對人工智能構成和界限進行統一界定[33]。其次，與其它通用技術一樣，人工智能在本質上是橫向的，即跨越多個學科?；诖?，本研究通過關鍵詞對已有專利進行文本分析，最大程度地識別人工智能相關專利。國外學者總結了人工智能相關專利的英文關鍵詞[33]，筆者邀請具有留學經歷的信息系統領域專家將其翻譯為中文，并與知網知識詞條進行比對，最終確定158個人工智能中文關鍵詞?；陉P鍵詞，通過對2015—2019年目標上市公司所有專利進行文本分析，提取出專利標題或摘要中含有關鍵詞的專利共19 412條，剔除重復和失效專利后，得到1 648條有效數據。本研究專利數據均來自國家知識產權公共服務網(CNIPA)的專利檢索與分析系統。

2.2.3 調節(jié)變量

本研究調節(jié)變量為行業(yè)競爭程度。從現有研究看，反映行業(yè)競爭程度的指標主要有行業(yè)集中度、赫芬達爾指數、勒納指數、行業(yè)平均利潤率和行業(yè)內企業(yè)數目等，使用最多的是赫芬達爾指數(HHI)。參考連燕玲等(2019)的研究成果，采用赫芬達爾指數衡量行業(yè)競爭程度，首先基于各行業(yè)所有企業(yè)營業(yè)收入計算出每個企業(yè)所占市場份額，再計算出行業(yè)內所有企業(yè)市場份額的平方和，得到該行業(yè)當年HHI。HHI指數計算公式如下：

HHI=∑(Xi/X)2

(1)

其中，Xi為某行業(yè)i公司營業(yè)收入；X是某行業(yè)營業(yè)收入總和。需要說明的是，HHI是一個反向指標，HHI越小表示該行業(yè)競爭越激烈。此外，本研究參考姜付秀等[34]的測量方法進行穩(wěn)健性檢驗。

2.2.4 控制變量

資源基礎觀認為，企業(yè)是各種資源的集合體，資源基礎的異質性決定其競爭優(yōu)勢和發(fā)展?jié)摿?。為了排除企業(yè)基礎條件和財務狀況對高質量發(fā)展的影響，本文控制以下變量：首先，規(guī)模較大企業(yè)會將豐富的資源和資本投入到生產運營過程中，進而影響企業(yè)高質量發(fā)展[35]，因而選擇企業(yè)規(guī)模、企業(yè)資產作為控制變量。其次，現金流穩(wěn)定的企業(yè)往往具有較強的創(chuàng)新能力，因而選擇資產收益率作為控制變量[36]。最后，資產負債率較高的企業(yè)難以將大量資金用于研發(fā)新技術，不太可能通過額外投資促進高質量發(fā)展[32]，故將資產負債率作為控制變量。上述變量具體測量方法見表4。

表4 變量與測量方式Tab.4 Variables and measurement methods

3 實證分析

3.1 測量模型

本文數據是時間長度為5年的非平衡面板數據，包含不同數據來源(自變量來自國家知識產權網專利數據庫，其它數據主要來源于國泰安數據庫、東方財富數據庫)，不同來源的面板數據可以有效避免方法上的偏差[32]。綜合考慮本研究數據集，選用個體固定效應模型進行測量，主要原因在于：第一，各企業(yè)具有顯著異質性，而本文關注的是企業(yè)內差異(組內差異)而非企業(yè)間差異(組間差異)，因而選擇使用個體固定效應模型以消除組間差異。第二，采用固定效應模型處理未觀察到內部不隨時間變化的異質性。第三，分別進行F檢驗(p<0.01)和Hausman檢驗(p<0.01)，結果均顯著，說明相比于隨機效應模型和混合效應模型，固定效應模型更有效。具體回歸方程如下：

HQDit=β1assetit+β2sizeit+β3roait+β4levit+cit+eit

(2)

HQDit=β1assetit+β2sizeit+β3roait+β4levit+β5AIit+cit+eit

(3)

HQDit=β1assetit+β2sizeit+β3roait+β4levit+β5AIit+β6HHIit+β7AIit*HHIit+cit+eit

(4)

其中，i、t分別代表企業(yè)和時間，β1-7代表各變量回歸系數，cit為內生性，eit為誤差項。以企業(yè)資產、企業(yè)規(guī)模、資產收益率和資產負債率作為控制變量，回歸方程(2)單獨檢驗各控制變量與高質量發(fā)展的關系，回歸方程(3)檢驗AI創(chuàng)新能力與高質量發(fā)展的關系，回歸方程(4)檢驗行業(yè)競爭程度對AI創(chuàng)新能力與高質量發(fā)展關系的調節(jié)作用。此外，模型可能存在的內生性問題主要有反向因果和變量遺漏，故本文將因變量滯后一個時間單位以緩解反向因果帶來的內生性問題，并通過個體固定效應模型消除不隨時間變化的內生性問題。因此，本研究模型中的內生性問題并不嚴重。

3.2 假設檢驗

本研究在回歸分析前進行描述性統計分析(見表5)，結果表明，模型中自變量、因變量、調節(jié)變量和控制變量之間不存在明顯多重共線性問題，且變量間的相關性較為顯著，符合固定效應模型回歸要求。為了進一步討論共線性問題，本文進行VIF檢驗，結果表明，模型變量最大的VIF值為3.68，遠小于 10，說明共線性問題不會對研究結論形成干擾。

表5 描述性統計分析結果Tab.5 Results for the descriptive statistical analysis

根據研究設計，選擇個體固定效應進行回歸，結果如表6所示。其中，Model1為控制變量與高質量發(fā)展水平關系回歸，結果表明，各控制變量與高質量發(fā)展水平的關系較為顯著。在此基礎上，將自變量AI創(chuàng)新能力納入回歸模型，Model2結果表明，AI創(chuàng)新能力回歸系數為 9.06(βAI= 9.06, p<0.01)，即制造企業(yè)AI創(chuàng)新能力可以顯著促進自身高質量發(fā)展，假設H1得證。進一步地，將調節(jié)變量納入回歸方程，如Model3所示，AI創(chuàng)新能力與行業(yè)競爭程度的交互項系數為-9.56(βAI*HHI= -9.56, p<0.01)。研究設計中,行業(yè)競爭程度(HHI)為負向指標，Model3結果表明，行業(yè)競爭會強化AI創(chuàng)新能力對高質量發(fā)展的促進作用，假設H2得證。為了避免誤差，剔除樣本企業(yè)數量不足10或樣本量不足50的子行業(yè)，整理獲得12個子行業(yè)。分行業(yè)回歸后發(fā)現，共6個子行業(yè)AI創(chuàng)新能力可以顯著促進企業(yè)高質量發(fā)展(C26、C34、C35、C38、C39和C40)，沒有任何子行業(yè)AI創(chuàng)新能力和高質量發(fā)展的關系呈負相關關系。如表6中Model4-Model9所示，這6個子行業(yè)AI創(chuàng)新能力均顯著促進企業(yè)高質量發(fā)展，故假設H3得證。

表6 固定效應模型回歸結果Tab.6 Results for the fixed effect regression model

遵循研究設計，本文根據生產要素特征將制造企業(yè)分為勞動密集型企業(yè)、技術密集型企業(yè)和資本密集型企業(yè)，分別進行個體固定效應回歸，結果如表7所示。表7中Model1和Model2為勞動密集型企業(yè)回歸結果，Model3和Model4為技術密集型企業(yè)回歸結果，Model5和Model6為資本密集型企業(yè)回歸結果。結果顯示，勞動密集型企業(yè)AI創(chuàng)新能力可以顯著促進企業(yè)高質量發(fā)展(βAI= 69.00, p<0.05)，假設H4得證；技術密集型企業(yè)AI創(chuàng)新能力顯著促進企業(yè)高質量發(fā)展(βAI= 10.92, p<0.01)，假設H5得證；資本密集型企業(yè)AI創(chuàng)新能力對高質量發(fā)展的影響不顯著(βAI= -0.25, p > 0.10),故假設H6得證。

表7 不同要素密集型企業(yè)分析結果Tab.7 Results for the different factor intensive enterprises analysis

3.3 穩(wěn)健性檢驗

為了確保研究結果穩(wěn)健，本文通過更換測量模型、滯后自變量和替換調節(jié)變量等測算方法進行穩(wěn)健性檢驗，結果如表8所示。表8中Model1是個體時間固定效應模型回歸結果，更換后回歸結果沒有發(fā)生顯著性變化(βAI= 5.13, p<0.01)；Model2的測量模型為隨機效應模型，更換后結果沒有發(fā)生顯著性變化(βAI=8.79, p<0.01)；Model3的測量模型為混合效應模型，更換后結果與之前一致(βAI= 7.44, p<0.01)；Model4、Model5中自變量分別滯后一年和兩年，結果依然與前文一致，沒有發(fā)生顯著性變化(βAI= 10.05, p<0.01；βAI= 8.47, p<0.01)。本研究參考先前文獻[37]，選擇另一種行業(yè)競爭程度測量方式進行檢驗，結果如Model6-Model8所示。其中，Model6只替換調節(jié)變量測量方式，仍進行個體固定效應回歸，結果依然顯著。Model7、Model8分別采用個體時間固定效應模型和隨機效應模型替換Model6中的測量模型，結果依然顯著。因此，本研究假設再次得證，研究結果較為穩(wěn)健。

表8 穩(wěn)健性檢驗結果Tab.8 Results for the robustness test

4 進一步分析：AI雙元創(chuàng)新效應

上文結果表明，制造企業(yè)AI創(chuàng)新對高質量發(fā)展具有促進作用，而行業(yè)競爭能夠強化這一促進作用。必須注意的是，專利間應用價值差異導致專利數目與企業(yè)實際AI創(chuàng)新能力存在一定的偏差，企業(yè)AI創(chuàng)新能力有待進一步細化。雙元創(chuàng)新理論將企業(yè)創(chuàng)新活動分為探索式創(chuàng)新和利用式創(chuàng)新，其中，探索式創(chuàng)新是指追求新的方法、業(yè)務和流程，研發(fā)新的技術和產品，而利用式創(chuàng)新是指在現有技術和市場的基礎上，更新既有產品和服務。參考先前研究[38]，本文以IPC分類的發(fā)明專利和實用新型專利構建AI雙元創(chuàng)新，并通過個體固定效應模型進一步檢驗AI雙元創(chuàng)新與高質量發(fā)展、行業(yè)競爭間的關系，結果如表9所示。表9中Model1加入AI探索式創(chuàng)新(TS)和利用式創(chuàng)新(LY)，結果表明，AI探索式創(chuàng)新和利用式創(chuàng)新回歸系數分別為 8.29、 9.91(βTS= 8.29,p<0.01；βLY= 9.91, p<0.05)，即AI探索式創(chuàng)新和利用式創(chuàng)新均能顯著促進企業(yè)高質量發(fā)展。由于回歸系數及其顯著性存在差異，為檢驗AI探索式創(chuàng)新和利用式創(chuàng)新對高質量發(fā)展的影響是否存在顯著差異，本文采用Z檢驗考察AI探索式創(chuàng)新和利用式創(chuàng)新間的回歸系數，Z檢驗具體公式如下：

表9 AI雙元創(chuàng)新效應分析結果Tab.9 Results for the AI dual innovation effect analysis

(5)

式中，b1、b2分別代表AI探索式創(chuàng)新和利用式創(chuàng)新回歸系數，SEb1、SEb2分別為AI探索式創(chuàng)新和利用式創(chuàng)新的標準差。本文選擇Z = 1.96(置信度 = 95%)作為臨界值，經計算Z值為0.46。Z檢驗結果表明，AI探索式創(chuàng)新和利用式創(chuàng)新對高質量發(fā)展的影響不存在顯著差異。將調節(jié)變量納入回歸方程，如Model2所示，AI探索式創(chuàng)新和行業(yè)競爭程度的交互項系數為 -10.36(βTS*HHI= -10.36, p<0.01)，結果表明，行業(yè)競爭能夠顯著強化AI探索式創(chuàng)新對高質量發(fā)展的促進作用。同理，如 Model3所示，AI利用式創(chuàng)新和行業(yè)競爭程度的交互項系數為 -21.04(βLY*HHI= -21.04, p<0.05)，即行業(yè)競爭能夠顯著強化AI利用式創(chuàng)新對高質量發(fā)展的促進作用。在此基礎上，分別通過更換測量模型、滯后自變量和替換調節(jié)變量等測算方法檢驗研究結果的穩(wěn)健性。Model4是隨機效應模型回歸結果，替換后結果與之前結果保持一致(βTS= 8.74, p<0.01；βLY= 8.32, p<0.01)；Model5中AI探索式創(chuàng)新和利用式創(chuàng)新均滯后一年，研究結果依然穩(wěn)健(βTS= 8.20, p<0.01；βLY= 9.87,p<0.10)；Model6、Model7在替換另一種行業(yè)競爭程度測量方式后，結果均未發(fā)生顯著性變化(βTS*HHI= -10.59, p<0.01；βLY*HHI= -22.76, p<0.05)。

5 結語

5.1 結論

本文基于組織外部競爭和內部生產要素視角，利用個體固定效應非平衡面板模型，探討人工智能創(chuàng)新驅動制造企業(yè)高質量發(fā)展的內在機制和邊界條件，并基于2015—2019年596家制造業(yè)上市公司數據進行實證分析，得出以下主要結論：

(1)人工智能創(chuàng)新能夠有效促進制造企業(yè)高質量發(fā)展，且AI雙元創(chuàng)新效應無顯著差異。因此，制造企業(yè)應加強AI技術創(chuàng)新，加快AI技術在運營管理方面的應用，提升企業(yè)數字化、智能化發(fā)展水平，為AI創(chuàng)新賦能高質量發(fā)展提供硬件基礎。盡管國內外學者們已經證實，人工智能可以有效提升制造企業(yè)生產率[13]，但本土情境下，高質量發(fā)展不能完全由單一指標加以衡量，人工智能創(chuàng)新賦能企業(yè)高質量發(fā)展有待實證檢驗。本文揭示AI創(chuàng)新在制造企業(yè)高質量發(fā)展過程中的積極作用，拓展人工智能應用邊界，可為企業(yè)智能化轉型升級提供實證支持。此外，與現有指標體系相比[29]，本文嚴格遵循五大發(fā)展理念構建制造企業(yè)高質量發(fā)展評價體系，進一步拓展了微觀視角下高質量發(fā)展分析框架。

(2)行業(yè)競爭能夠強化人工智能創(chuàng)新對制造企業(yè)高質量發(fā)展的積極影響。因此，企業(yè)應根據自身及所處行業(yè)競爭環(huán)境制定AI創(chuàng)新規(guī)劃，以市場為導向合理配置資源，建立以人工智能為核心的競爭優(yōu)勢，進而推動自身高質量發(fā)展。已有文獻從內部組織戰(zhàn)略角度探討研發(fā)投入對AI創(chuàng)新與績效關系的調節(jié)作用[7]，但創(chuàng)新是一項復雜決策，組織外部情境對企業(yè)創(chuàng)新活動的影響不可忽視(連燕玲等，2019)。因此，本文引入行業(yè)競爭作為調節(jié)變量，考察外部競爭對AI創(chuàng)新賦能高質量發(fā)展的影響，結果表明，外部競爭有助于企業(yè)發(fā)揮AI創(chuàng)新效應，從理論上豐富人工智能創(chuàng)新情境變量，為人工智能領域研究提供了新的視角。

(3)制造業(yè)不同子行業(yè)的人工智能創(chuàng)新對高質量發(fā)展具有差異化影響。因此，制造企業(yè)應充分考慮自身AI技術開發(fā)難度、應用前景及所在行業(yè)發(fā)展階段，分階段、按步驟地實現AI創(chuàng)新。在初期，專注現有核心業(yè)務，通過應用領域和規(guī)模較小的AI項目積累經驗，逐步實現復雜商業(yè)模式智能化轉型。既有文獻基于省級面板數據證實，人工智能發(fā)展對不同行業(yè)全要素生產率的影響存在差異[39]。本研究基于微觀企業(yè)數據進一步探討AI創(chuàng)新賦能高質量發(fā)展的行業(yè)異質性，結果表明，智能化發(fā)展并非無往不利，尤其是對于那些缺乏技術基因的傳統產業(yè)。AI創(chuàng)新賦能高質量發(fā)展效果最顯著的6個子行業(yè)均為國家統計局劃定的高技術產業(yè)(C26、C34、C35、C38、C39和C40)?，F階段，AI技術在高技術產業(yè)應用較為廣泛，而傳統制造業(yè)大量企業(yè)有待進一步轉型升級。這一現象揭示了AI創(chuàng)新效應的行業(yè)異質性，拓展了人工智能領域研究框架。

(4)生產要素特征對企業(yè)人工智能創(chuàng)新和高質量發(fā)展具有顯著異質性影響，其中，勞動密集型企業(yè)和技術密集型企業(yè)AI創(chuàng)新能夠促進企業(yè)高質量發(fā)展，而資本密集型企業(yè)AI創(chuàng)新對企業(yè)高質量發(fā)展的影響并不顯著。因此，勞動密集型企業(yè)應積極發(fā)揮AI替代效應，提高勞動生產率，加快生產要素結構轉型；技術密集型企業(yè)應繼續(xù)發(fā)揮AI創(chuàng)新效應，增強核心競爭優(yōu)勢，加強AI先進技術研發(fā)與合作；資本密集型企業(yè)應優(yōu)化資本要素配置，合理規(guī)劃AI創(chuàng)新投入，促進AI創(chuàng)新成果轉化。現有文獻表明，相較于資本型產業(yè)，智能化發(fā)展對勞動密集型產業(yè)生產率的影響更為顯著[27]。本文進一步研究不同生產要素下企業(yè)AI創(chuàng)新效應差異，發(fā)現勞動密集型企業(yè)和技術密集型企業(yè)能更好地發(fā)揮AI創(chuàng)新效應，對創(chuàng)新賦能高質量發(fā)展存在行業(yè)異質性這一單維度結論進行了有益的補充，進一步拓展了AI創(chuàng)新應用邊界。

5.2 局限與展望

本研究存在以下不足之處：首先，未能體現最具創(chuàng)新活力的中小企業(yè)發(fā)展情況。目前，人工智能發(fā)展處于初級階段，中小企業(yè)AI專利數據難以統計。因此，本文選擇A股上市公司作為研究對象。其次，本文采用專利數量衡量AI創(chuàng)新能力，忽略了AI應用能力。未來研究可以基于問卷數據衡量企業(yè)AI應用能力，并考察AI應用能力在AI創(chuàng)新與高質量發(fā)展間的中介效應。最后，現有企業(yè)高質量發(fā)展度量指標具有主觀性，國內外學者們的衡量標準不統一，本文對企業(yè)高質量發(fā)展水平的衡量方法不可避免地受限。在考慮數據可得性的前提下，后續(xù)研究可以結合更多指標全面探討企業(yè)高質量發(fā)展。