王鈺 唐要家

摘 要：人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力，如何充分釋放人工智能促進(jìn)創(chuàng)新和經(jīng)濟(jì)高質(zhì)量發(fā)展的潛力是當(dāng)前的重要課題。本文基于2011—2019年中國(guó)滬深A(yù)股制造業(yè)上市公司數(shù)據(jù)，采用多維固定效應(yīng)模型實(shí)證研究了人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響及其作用機(jī)制。研究結(jié)果顯示：人工智能應(yīng)用能顯著拓展企業(yè)創(chuàng)新寬度；人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響在中小企業(yè)、市場(chǎng)競(jìng)爭(zhēng)力強(qiáng)、融資約束小和高科技行業(yè)的企業(yè)更明顯；人工智能應(yīng)用通過(guò)提高企業(yè)研發(fā)成功率、提升企業(yè)運(yùn)營(yíng)效率和增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)拓展企業(yè)創(chuàng)新寬度；人工智能應(yīng)用滯后則會(huì)制約企業(yè)拓展創(chuàng)新寬度。充分釋放人工智能應(yīng)用促進(jìn)高質(zhì)量創(chuàng)新潛力的政策重點(diǎn)是：構(gòu)建人工智能應(yīng)用拓展企業(yè)創(chuàng)新寬度的創(chuàng)新生態(tài)，形成人工智能應(yīng)用驅(qū)動(dòng)創(chuàng)新的市場(chǎng)環(huán)境和政策環(huán)境，增強(qiáng)企業(yè)技術(shù)迭代能力以實(shí)現(xiàn)可持續(xù)創(chuàng)新。

關(guān)鍵詞：人工智能應(yīng)用；企業(yè)創(chuàng)新寬度；研發(fā)成功率；運(yùn)營(yíng)效率；競(jìng)爭(zhēng)優(yōu)勢(shì)

中圖分類(lèi)號(hào)：F204 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-176X（2024）02-0038-13

一、問(wèn)題的提出

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力，如何充分釋放人工智能促進(jìn)創(chuàng)新和經(jīng)濟(jì)高質(zhì)量發(fā)展的潛力是當(dāng)前的重要課題。國(guó)家主席習(xí)近平在金磚國(guó)家領(lǐng)導(dǎo)人第十四次會(huì)晤上的講話(huà)中指出：“誰(shuí)能把握大數(shù)據(jù)、人工智能等新經(jīng)濟(jì)發(fā)展機(jī)遇，誰(shuí)就把準(zhǔn)了時(shí)代脈搏?！秉h的二十大報(bào)告提出：“高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家的首要任務(wù)?！?023年中央經(jīng)濟(jì)工作會(huì)議提出：“要大力推進(jìn)新型工業(yè)化，發(fā)展數(shù)字經(jīng)濟(jì)，加快推動(dòng)人工智能發(fā)展?！比斯ぶ悄軕?yīng)用是促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展及傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的重要抓手，創(chuàng)新是引領(lǐng)高質(zhì)量發(fā)展的第一動(dòng)力。關(guān)于人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)的影響已基本達(dá)成共識(shí)，即人工智能會(huì)提升生產(chǎn)率，進(jìn)而促進(jìn)經(jīng)濟(jì)增長(zhǎng)。人工智能應(yīng)用對(duì)經(jīng)濟(jì)增長(zhǎng)影響的研究主要是回答Solow［1］提出的“索洛悖論”，即人工智能應(yīng)用為什么沒(méi)有及時(shí)體現(xiàn)為生產(chǎn)率的大幅提升。Acemoglu等［2］指出，人工智能應(yīng)用帶來(lái)的生產(chǎn)率提升主要體現(xiàn)在IT密集行業(yè)而非制造業(yè)。但Aghion等［3］將人工智能作為自動(dòng)化技術(shù)引入經(jīng)濟(jì)增長(zhǎng)模型，結(jié)果發(fā)現(xiàn)，人工智能應(yīng)用水平的提高緩解了制約經(jīng)濟(jì)增長(zhǎng)的“鮑莫爾成本病”。Graetz和Michaels［4］使用國(guó)家層面數(shù)據(jù)估計(jì)了工業(yè)機(jī)器人應(yīng)用的經(jīng)濟(jì)貢獻(xiàn)，結(jié)果發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用使得勞動(dòng)生產(chǎn)率提高了0. 36%。楊光和侯鈺［5］指出，工業(yè)機(jī)器人不僅可以直接促進(jìn)經(jīng)濟(jì)增長(zhǎng)，還可以通過(guò)提升全要素生產(chǎn)率拉動(dòng)經(jīng)濟(jì)增長(zhǎng)。然而，陳楠和蔡躍洲［6］基于2010—2019年中國(guó)省際面板數(shù)據(jù)研究發(fā)現(xiàn)，人工智能顯著擴(kuò)大了中國(guó)經(jīng)濟(jì)增長(zhǎng)規(guī)模，但沒(méi)有提升經(jīng)濟(jì)增長(zhǎng)速度。這類(lèi)研究主要聚焦于經(jīng)濟(jì)增長(zhǎng)問(wèn)題本身，具體關(guān)注人工智能對(duì)宏觀層面生產(chǎn)效率的影響。雖然上述研究都指出了人工智能對(duì)生產(chǎn)率和經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用，但對(duì)人工智能促進(jìn)經(jīng)濟(jì)增長(zhǎng)機(jī)制的解釋相對(duì)不夠。人工智能主要是一種通用目的技術(shù)創(chuàng)新，人工智能應(yīng)用賦能創(chuàng)新是促進(jìn)生產(chǎn)率提升和經(jīng)濟(jì)增長(zhǎng)的根本動(dòng)力，但上述研究沒(méi)有對(duì)此進(jìn)行進(jìn)一步的分析。

關(guān)于人工智能影響創(chuàng)新的機(jī)制，主要包括提升研發(fā)效率、增強(qiáng)管理決策能力和促進(jìn)產(chǎn)品創(chuàng)新等機(jī)制。首先，Agrawal等［7］將知識(shí)創(chuàng)造過(guò)程視為重組已有知識(shí)的過(guò)程，人工智能的發(fā)展不僅幫助人們發(fā)現(xiàn)新知識(shí)，還幫助人們對(duì)已有知識(shí)進(jìn)行有效分組。Cockburn等［8］指出，人工智能技術(shù)極大地加快了研發(fā)速度，提升了研發(fā)效率。Agrawal等［9］指出，人工智能可以通過(guò)有效搜索和重新組合更廣泛的知識(shí)提高知識(shí)生產(chǎn)能力，從而加速經(jīng)濟(jì)增長(zhǎng)。Liu等［10］利用行業(yè)層面的機(jī)器人數(shù)據(jù)研究人工智能對(duì)中國(guó)制造業(yè)技術(shù)創(chuàng)新的影響，結(jié)果發(fā)現(xiàn)，機(jī)器人應(yīng)用通過(guò)加速知識(shí)創(chuàng)造和技術(shù)溢出、提高學(xué)習(xí)和吸收能力以及增加研發(fā)和人才投入促進(jìn)創(chuàng)新。其次，鄧悅和蔣琬儀［11］基于工業(yè)機(jī)器人數(shù)據(jù)實(shí)證檢驗(yàn)發(fā)現(xiàn)，人工智能通過(guò)增強(qiáng)企業(yè)管理能力促進(jìn)創(chuàng)新，具體體現(xiàn)在人工智能提高了管理效率和數(shù)字化管理能力，并推動(dòng)企業(yè)人力資本結(jié)構(gòu)年輕化和高技能化。Kakatkar等［12］通過(guò)案例分析指出，人工智能通過(guò)促進(jìn)信息反饋增強(qiáng)創(chuàng)新管理決策，進(jìn)而促進(jìn)企業(yè)創(chuàng)新。最后，Babina等［13］指出，人工智能應(yīng)用通過(guò)促進(jìn)產(chǎn)品創(chuàng)新提高企業(yè)市場(chǎng)價(jià)值。Tekic等［14］指出，人工智能技術(shù)應(yīng)用帶來(lái)的突破式創(chuàng)新將引致更多的產(chǎn)品創(chuàng)新、流程創(chuàng)新和商業(yè)模式創(chuàng)新，所以企業(yè)更加傾向于進(jìn)行突破式創(chuàng)新以獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

人工智能對(duì)創(chuàng)新的影響主要體現(xiàn)為創(chuàng)新質(zhì)量提高，而創(chuàng)新寬度是反映人工智能驅(qū)動(dòng)創(chuàng)新質(zhì)量提高的重要維度。Wang和Von Tunzelmann［15］ 與Kaplan和Vakili［16］ 指出，創(chuàng)新寬度是區(qū)分突破式創(chuàng)新和漸進(jìn)式創(chuàng)新的重要維度。與漸進(jìn)式創(chuàng)新相比，突破式創(chuàng)新的主要特點(diǎn)在于，技術(shù)屬于全新技術(shù)領(lǐng)域，使得企業(yè)技術(shù)類(lèi)型更加多樣，會(huì)明顯拓展企業(yè)創(chuàng)新寬度［17-18］。創(chuàng)新寬度代表了更大的持續(xù)創(chuàng)新空間和更高的創(chuàng)新質(zhì)量。人工智能技術(shù)可以突破“知識(shí)負(fù)擔(dān)”并高效率地重組知識(shí)，顯著降低研發(fā)不確定性，從而拓展創(chuàng)新寬度，實(shí)現(xiàn)質(zhì)量更高的創(chuàng)新突破［19］。Johnson等［20］指出，人工智能對(duì)創(chuàng)新的影響主要體現(xiàn)在拓展研發(fā)活動(dòng)范圍。因此，拓展創(chuàng)新寬度是人工智能應(yīng)用的根本特征，這也被稱(chēng)為人工智能應(yīng)用的“多面性特質(zhì)”［13］。本文參考Wang和Von Tunzelmann［15］與Zhong等［21］的企業(yè)創(chuàng)新寬度概念，將企業(yè)開(kāi)發(fā)新技術(shù)領(lǐng)域視為企業(yè)拓展創(chuàng)新寬度。

本文主要從企業(yè)創(chuàng)新寬度角度解釋人工智能應(yīng)用影響創(chuàng)新的作用機(jī)制，與以往文獻(xiàn)相比，本文可能的邊際貢獻(xiàn)主要體現(xiàn)在以下兩個(gè)方面：一方面，從企業(yè)創(chuàng)新寬度這一更加契合人工智能應(yīng)用促進(jìn)創(chuàng)新的新視角來(lái)解釋人工智能的創(chuàng)新驅(qū)動(dòng)效應(yīng)；另一方面，驗(yàn)證了人工智能應(yīng)用通過(guò)提高企業(yè)研發(fā)成功率、提升企業(yè)運(yùn)營(yíng)效率和增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)三種機(jī)制拓展企業(yè)創(chuàng)新寬度，從而揭示了人工智能促進(jìn)企業(yè)創(chuàng)新寬度的內(nèi)在機(jī)理。

二、理論分析與研究假設(shè)

在創(chuàng)新經(jīng)濟(jì)學(xué)理論研究中，創(chuàng)新深度和創(chuàng)新寬度是反映創(chuàng)新質(zhì)量的兩個(gè)互補(bǔ)性維度。創(chuàng)新深度是指在既有知識(shí)范圍內(nèi)進(jìn)行持續(xù)深入的創(chuàng)新；創(chuàng)新寬度指企業(yè)創(chuàng)新產(chǎn)出所涉及的知識(shí)和技術(shù)領(lǐng)域范圍的拓展。拓展創(chuàng)新寬度意味著企業(yè)選擇在全新的知識(shí)和技術(shù)領(lǐng)域進(jìn)行創(chuàng)新活動(dòng)，開(kāi)發(fā)新技術(shù)，拓寬創(chuàng)新邊界。隨著人工智能技術(shù)的廣泛應(yīng)用，人工智能技術(shù)重構(gòu)了企業(yè)創(chuàng)新模式，創(chuàng)新寬度成為創(chuàng)新質(zhì)量的主導(dǎo)維度［3，9］。拓展創(chuàng)新寬度所開(kāi)發(fā)的全新知識(shí)和技術(shù)領(lǐng)域?yàn)槠髽I(yè)持續(xù)創(chuàng)新奠定了基礎(chǔ)，所以拓展創(chuàng)新寬度所帶來(lái)的創(chuàng)新潛力更大［22］。

首先，人工智能應(yīng)用帶來(lái)了創(chuàng)新激勵(lì)轉(zhuǎn)向。人工智能應(yīng)用能迅速模仿創(chuàng)新寬度不變的創(chuàng)新，與此同時(shí)，創(chuàng)新寬度拓展的創(chuàng)新難以被競(jìng)爭(zhēng)對(duì)手模仿，從而帶來(lái)更高的創(chuàng)新收益［14］。因此，人工智能應(yīng)用使企業(yè)具有更強(qiáng)的激勵(lì)拓展創(chuàng)新寬度。其次，人工智能應(yīng)用帶來(lái)的創(chuàng)新模式會(huì)引發(fā)更多的企業(yè)拓展創(chuàng)新寬度。人工智能應(yīng)用所引發(fā)的創(chuàng)新本質(zhì)上是由數(shù)據(jù)和算法驅(qū)動(dòng)的，而數(shù)據(jù)和算法具有資產(chǎn)通用性和非競(jìng)爭(zhēng)性的獨(dú)特經(jīng)濟(jì)屬性，可以在多領(lǐng)域廣泛應(yīng)用［23］。這意味著數(shù)據(jù)和算法驅(qū)動(dòng)的創(chuàng)新具有顯著的范圍經(jīng)濟(jì)特點(diǎn)，多領(lǐng)域應(yīng)用會(huì)使創(chuàng)新收益更高，所以人工智能應(yīng)用本身會(huì)引發(fā)多領(lǐng)域的技術(shù)應(yīng)用和創(chuàng)新。最后，人工智能應(yīng)用所引發(fā)的消費(fèi)者需求變化會(huì)拓展企業(yè)創(chuàng)新寬度。數(shù)字經(jīng)濟(jì)是規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)與網(wǎng)絡(luò)效應(yīng)相結(jié)合的一種新經(jīng)濟(jì)形態(tài)。在新經(jīng)濟(jì)形態(tài)下，拓展企業(yè)創(chuàng)新寬度能更好地滿(mǎn)足多樣化消費(fèi)需求，且跨界經(jīng)營(yíng)能顯著增加專(zhuān)利成果商業(yè)化應(yīng)用的收益［24］，為拓展企業(yè)創(chuàng)新寬度提供了現(xiàn)實(shí)基礎(chǔ)?；诖?，筆者提出如下假設(shè)：

假設(shè)1：人工智能應(yīng)用能拓展企業(yè)創(chuàng)新寬度。

人工智能應(yīng)用所帶來(lái)的企業(yè)研發(fā)成功率提高會(huì)拓展企業(yè)創(chuàng)新寬度。首先，人工智能應(yīng)用打破了知識(shí)發(fā)現(xiàn)的認(rèn)知維度約束。Cowen［25］與Gordon［26］指出，好的想法是一種稀缺品，知識(shí)發(fā)現(xiàn)從根本上制約了創(chuàng)新產(chǎn)出。Jones［27］指出，由于人處理知識(shí)信息能力的局限會(huì)產(chǎn)生“知識(shí)負(fù)擔(dān)”問(wèn)題，越是寬領(lǐng)域的知識(shí)，這一問(wèn)題越突出，從而制約創(chuàng)新寬度拓展。人工智能具有高效搜索和處理大范圍數(shù)據(jù)信息的能力，采用算法對(duì)數(shù)據(jù)信息進(jìn)行運(yùn)算分析并自動(dòng)化決策。此時(shí)，機(jī)器成為重要的創(chuàng)新者。人工智能應(yīng)用改變了傳統(tǒng)的人作為創(chuàng)新主體的創(chuàng)新模式，形成了人機(jī)交互的創(chuàng)新模式。人機(jī)交互打破了傳統(tǒng)的知識(shí)發(fā)現(xiàn)維度約束［23］，可以更高效地處理多領(lǐng)域知識(shí)信息，從而拓展企業(yè)創(chuàng)新寬度。其次，人工智能應(yīng)用大幅降低了創(chuàng)新風(fēng)險(xiǎn)約束。因?yàn)橥卣蛊髽I(yè)創(chuàng)新寬度的突破性更強(qiáng)，研發(fā)投入更多，所以導(dǎo)致企業(yè)拓展創(chuàng)新寬度的意愿較低。人工智能應(yīng)用可以提供接近現(xiàn)實(shí)場(chǎng)景的創(chuàng)新測(cè)試訓(xùn)練，且基于大數(shù)據(jù)的高效率分析有助于提高研發(fā)決策的科學(xué)性［12］和創(chuàng)新產(chǎn)出的通用性，從而顯著降低創(chuàng)新不確定性風(fēng)險(xiǎn)，由此導(dǎo)致拓展創(chuàng)新寬度具有高創(chuàng)新性和低風(fēng)險(xiǎn)性的特征［28］，有利于拓展企業(yè)創(chuàng)新寬度。最后，人工智能應(yīng)用引發(fā)了開(kāi)放式創(chuàng)新，打破了互補(bǔ)資源整合的外部約束。在傳統(tǒng)經(jīng)濟(jì)下，創(chuàng)新所需的互補(bǔ)資源整合面臨非常高的外部制度成本，而人工智能應(yīng)用打破了組織間的邊界，可以在虛擬空間進(jìn)行更廣范圍的數(shù)字化互補(bǔ)資源整合［29］，從而拓展企業(yè)創(chuàng)新寬度。基于此，筆者提出如下假設(shè)：

假設(shè)2a：人工智能應(yīng)用通過(guò)提高企業(yè)研發(fā)成功率拓展企業(yè)創(chuàng)新寬度。

人工智能應(yīng)用所帶來(lái)的運(yùn)營(yíng)效率提升會(huì)拓展企業(yè)創(chuàng)新寬度。首先，人工智能應(yīng)用更有利于企業(yè)增加創(chuàng)新投入。在傳統(tǒng)經(jīng)濟(jì)下，高生產(chǎn)成本和低利潤(rùn)回報(bào)限制了企業(yè)的研發(fā)經(jīng)費(fèi)投入，高利潤(rùn)的大企業(yè)更有能力進(jìn)行創(chuàng)新活動(dòng)［30］。數(shù)字經(jīng)濟(jì)時(shí)代，企業(yè)通過(guò)人工智能應(yīng)用實(shí)現(xiàn)智能化生產(chǎn)，這會(huì)大幅提升企業(yè)運(yùn)營(yíng)效率，顯著降低企業(yè)生產(chǎn)成本，由此企業(yè)有充足的研發(fā)經(jīng)費(fèi)，從而拓展企業(yè)創(chuàng)新寬度［31］。其次，人工智能應(yīng)用改變了生產(chǎn)組織模式。人工智能應(yīng)用推動(dòng)企業(yè)進(jìn)行全面且深入的數(shù)智化轉(zhuǎn)型，企業(yè)可以通過(guò)數(shù)字化數(shù)據(jù)和智能化虛擬空間將原本分散進(jìn)行的業(yè)務(wù)流程整合在一起，也整合了企業(yè)所有的資源信息［32］。這種集成化的組織經(jīng)營(yíng)模式提升了企業(yè)運(yùn)營(yíng)效率，從而拓展了企業(yè)創(chuàng)新寬度。最后，人工智能應(yīng)用增強(qiáng)了企業(yè)創(chuàng)新彈性。人工智能技術(shù)顯著提高了企業(yè)運(yùn)營(yíng)決策效率，強(qiáng)大的數(shù)據(jù)分析能力使企業(yè)能在更大范圍內(nèi)迅速識(shí)別有利的商業(yè)機(jī)會(huì)［33］。為了迅速抓住多市場(chǎng)領(lǐng)域的商業(yè)機(jī)會(huì)，企業(yè)會(huì)增強(qiáng)其創(chuàng)新彈性［34］，從而拓展企業(yè)創(chuàng)新寬度?；诖耍P者提出如下假設(shè)：

假設(shè)2b：人工智能應(yīng)用通過(guò)提升企業(yè)運(yùn)營(yíng)效率拓展企業(yè)創(chuàng)新寬度。

人工智能應(yīng)用所帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)增強(qiáng)會(huì)拓展企業(yè)創(chuàng)新寬度。首先，人工智能應(yīng)用強(qiáng)化了企業(yè)的創(chuàng)新競(jìng)爭(zhēng)。數(shù)字經(jīng)濟(jì)時(shí)代，企業(yè)間競(jìng)爭(zhēng)的關(guān)鍵在于動(dòng)態(tài)創(chuàng)新［35］，拓展創(chuàng)新寬度有利于企業(yè)進(jìn)一步增強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)，因而企業(yè)有較強(qiáng)激勵(lì)拓展創(chuàng)新寬度。其次，人工智能應(yīng)用加劇了企業(yè)間的生態(tài)競(jìng)爭(zhēng)。人工智能應(yīng)用不僅能增強(qiáng)企業(yè)單個(gè)業(yè)務(wù)部門(mén)的競(jìng)爭(zhēng)優(yōu)勢(shì)，還能增強(qiáng)整體的生態(tài)競(jìng)爭(zhēng)優(yōu)勢(shì)［33］。商業(yè)生態(tài)涉及多元主體、多維互補(bǔ)性資源和多領(lǐng)域業(yè)務(wù)，為了保持這種生態(tài)競(jìng)爭(zhēng)優(yōu)勢(shì)，企業(yè)有較強(qiáng)激勵(lì)拓展創(chuàng)新寬度［36］。最后，人工智能應(yīng)用會(huì)形成企業(yè)創(chuàng)新寬度自強(qiáng)化機(jī)制。人工智能賦能的優(yōu)勢(shì)企業(yè)往往掌握了大量的數(shù)據(jù)、數(shù)字技術(shù)和數(shù)字人才等創(chuàng)新資源［37］，從而具有較強(qiáng)的創(chuàng)新能力，同時(shí)跨界經(jīng)營(yíng)帶來(lái)的各種創(chuàng)新資源的持續(xù)生成和整合優(yōu)化為拓展創(chuàng)新寬度提供了動(dòng)力，由此不斷驅(qū)動(dòng)優(yōu)勢(shì)企業(yè)拓展創(chuàng)新寬度。據(jù)此，筆者提出如下假設(shè)：

假設(shè)2c：人工智能應(yīng)用通過(guò)增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)拓展企業(yè)創(chuàng)新寬度。

三、研究設(shè)計(jì)

（一） 變量選取

⒈被解釋變量

本文被解釋變量是企業(yè)創(chuàng)新寬度（Invhhi）。當(dāng)前創(chuàng)新寬度測(cè)度是一個(gè)尚未解決的問(wèn)題，在少有的創(chuàng)新寬度相關(guān)實(shí)證研究中，學(xué)者使用調(diào)查問(wèn)卷數(shù)據(jù)測(cè)度創(chuàng)新寬度［38］，但基于個(gè)人偏好的問(wèn)卷設(shè)計(jì)和小樣本數(shù)據(jù)難以客觀全面地反映企業(yè)創(chuàng)新寬度。為了相對(duì)客觀地衡量企業(yè)創(chuàng)新寬度，本文借鑒張杰和鄭文平［39］ 與沈坤榮等［18］ 的測(cè)度方法，采用企業(yè)專(zhuān)利所屬的國(guó)際專(zhuān)利分類(lèi)（International Patent Classification，IPC） 號(hào)的大組信息內(nèi)部差異度衡量企業(yè)創(chuàng)新寬度。國(guó)際專(zhuān)利分類(lèi)號(hào)的信息差異越大，意味著該創(chuàng)新專(zhuān)利涉及越多領(lǐng)域的復(fù)雜知識(shí)，更加難以被模仿，創(chuàng)新突破性更強(qiáng)，即表現(xiàn)為更廣的創(chuàng)新寬度。

本文參照赫芬達(dá)爾—赫希曼指數(shù)的思路，先測(cè)度企業(yè)單個(gè)專(zhuān)利創(chuàng)新寬度。具體測(cè)度方法如下：Invhhi_u = 1 - Σα2。其中，Invhhi_u表示企業(yè)單個(gè)專(zhuān)利創(chuàng)新寬度；α表示專(zhuān)利分類(lèi)號(hào)中各大組分類(lèi)所占比重。Invhhi_u數(shù)值越大，表示企業(yè)在各大組層面專(zhuān)利分類(lèi)號(hào)之間存在的差異越明顯，也就是說(shuō)企業(yè)為獲得該創(chuàng)新專(zhuān)利所使用的知識(shí)寬度越寬，該創(chuàng)新專(zhuān)利的質(zhì)量相對(duì)更好。然后根據(jù)企業(yè)—年份將企業(yè)單個(gè)專(zhuān)利創(chuàng)新寬度信息加總到企業(yè)層面。張杰和鄭文平［39］指出，由于企業(yè)專(zhuān)利分布不均且存在極端值問(wèn)題，相對(duì)來(lái)說(shuō)使用中位數(shù)加總方法更加適宜。因此，本文在基準(zhǔn)回歸部分基于中位數(shù)法衡量企業(yè)創(chuàng)新寬度。

⒉解釋變量

本文解釋變量是人工智能應(yīng)用（AI）。本文參考王永欽和董雯［40］ 與Acemoglu和Restrepo［41］的做法，使用巴蒂克工具變量法構(gòu)造中國(guó)制造業(yè)企業(yè)層面的機(jī)器人滲透度指標(biāo)。具體測(cè)度方法如下：本文先構(gòu)建中國(guó)行業(yè)層面的機(jī)器人滲透度指標(biāo)，PAIINjCtH = AIINjCtH /LjCtH= 2010。其中，PAIINjCtH表示中國(guó)j行業(yè)t年的機(jī)器人滲透度；AIINjCtH表示中國(guó)j行業(yè)t年的機(jī)器人存量；LjCtH= 2010表示中國(guó)j行業(yè)2010年（基期） 的就業(yè)人數(shù)。然后基于生產(chǎn)部門(mén)員工占比，將行業(yè)層面數(shù)據(jù)分解至企業(yè)層面，得到企業(yè)層面的機(jī)器人滲透度指標(biāo)，PAIENiCjtH = （PSPijt = 2011 /ManuPSPt = 2011 ）（AIINjCtH /LjCtH= 2010 ）。其中，PAIENiCjtH表示j行業(yè)i企業(yè)t年的機(jī)器人滲透度，PSPijt = 2011表示當(dāng)處于2011年（基期）時(shí)，j行業(yè)i企業(yè)的生產(chǎn)部門(mén)員工占比，ManuPSPt = 2011 表示2011年所有行業(yè)企業(yè)生產(chǎn)部門(mén)員工占比的中位數(shù)。

⒊中介變量

企業(yè)研發(fā)成功率（Success），本文參考孫薇和葉初升［42］的做法，采用企業(yè)當(dāng)年申請(qǐng)的發(fā)明專(zhuān)利中最終被授權(quán)的比例衡量。企業(yè)運(yùn)營(yíng)效率（Operation），本文選取企業(yè)期間費(fèi)用作為企業(yè)運(yùn)營(yíng)效率的代理變量，采用銷(xiāo)售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用之和與企業(yè)總資產(chǎn)的比值衡量企業(yè)期間費(fèi)用。企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)（Compete），本文參考周志方等［43］的做法，采用企業(yè)營(yíng)業(yè)收入增長(zhǎng)率與行業(yè)營(yíng)業(yè)收入增長(zhǎng)率之差衡量。

⒋控制變量

市場(chǎng)規(guī)模（Size），采用企業(yè)總資產(chǎn)的自然對(duì)數(shù)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的比值衡量； 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)的比值衡量；企業(yè)年齡（Age），采用企業(yè)成立年限加1的自然對(duì)數(shù)衡量；市場(chǎng)結(jié)構(gòu)（Cr），采用行業(yè)內(nèi)最大的前十家企業(yè)的營(yíng)業(yè)收入占行業(yè)營(yíng)業(yè)收入的比值衡量；總資產(chǎn)凈利潤(rùn)率（ROA），采用凈利潤(rùn)與總資產(chǎn)平均余額的比值衡量；所有權(quán)性質(zhì)（SOE），國(guó)有企業(yè)取值為1，否則取值為0；高新技術(shù)企業(yè)（Hightech），如果是高新技術(shù)企業(yè)，取值為1，否則取值為0。

（二） 模型構(gòu)建

為了檢驗(yàn)人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響，本文構(gòu)建如下計(jì)量模型：

Invhhiijt = α0 + α1AIijt + α2Xijt + μi + λj + δt + εijt （1）

其中，i、j和t分別表示企業(yè)、行業(yè)和年份；Xijt 表示上述一系列控制變量；μi、λj和δt分別表示企業(yè)固定效應(yīng)、行業(yè)固定效應(yīng)和年份固定效應(yīng)；εijt 表示隨機(jī)擾動(dòng)項(xiàng)。

（三） 數(shù)據(jù)來(lái)源

本文以2011—2019年中國(guó)滬深A(yù)股制造業(yè)上市公司數(shù)據(jù)為研究樣本，剔除當(dāng)年被ST、*ST和PT的樣本，剔除關(guān)鍵指標(biāo)缺失過(guò)多或明顯不合理的樣本，最終得到制造業(yè)27類(lèi)子行業(yè)1 207個(gè)企業(yè)的8 141 個(gè)觀測(cè)值。本文相關(guān)數(shù)據(jù)主要來(lái)源于CSMAR 數(shù)據(jù)庫(kù)、CNRDS 數(shù)據(jù)庫(kù)、企業(yè)年報(bào)、IFR、NBER?CES、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)城市統(tǒng)計(jì)年鑒》，經(jīng)筆者手工搜集、整理和計(jì)算得到。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是人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度影響的基準(zhǔn)回歸結(jié)果。表2列（1） 僅控制了企業(yè)固定效應(yīng)和年份固定效應(yīng)，表2列（2） 在列（1） 基礎(chǔ)上引入行業(yè)固定效應(yīng)，表2列（3） 在列（1） 基礎(chǔ)上引入控制變量，表2列（4） 同時(shí)引入控制變量以及企業(yè)固定效應(yīng)、行業(yè)固定效應(yīng)和年份固定效應(yīng)。從上述回歸結(jié)果可以看出，人工智能應(yīng)用的回歸系數(shù)均顯著為正，這表明人工智能應(yīng)用增加了企業(yè)在新技術(shù)領(lǐng)域的專(zhuān)利數(shù)量，顯著拓展了企業(yè)創(chuàng)新寬度。假設(shè)1得到驗(yàn)證。

（二） 內(nèi)生性處理

受數(shù)據(jù)可得性限制，本文使用巴蒂克工具變量法將行業(yè)層面數(shù)據(jù)分解到企業(yè)層面，通常企業(yè)層面的創(chuàng)新行為不會(huì)直接影響行業(yè)層面的人工智能應(yīng)用，直覺(jué)上來(lái)看并沒(méi)有反向因果問(wèn)題，并且Borusyak等［44］指出，巴蒂克工具變量的外生性可以來(lái)自份額的外生性或沖擊的外生性。本文初始份額基于生產(chǎn)部門(mén)員工占比，而沖擊部分相當(dāng)于使用了行業(yè)層面的數(shù)據(jù)，使得人工智能應(yīng)用的外生性要求更容易被滿(mǎn)足。本文人工智能應(yīng)用已經(jīng)盡量滿(mǎn)足外生性要求，但基準(zhǔn)回歸結(jié)果的可靠性仍會(huì)受到遺漏變量和反向因果問(wèn)題的影響。對(duì)此，本文使用工具變量法緩解內(nèi)生性問(wèn)題。

⒈基于美國(guó)機(jī)器人數(shù)據(jù)的工具變量

本文參考王永欽和董雯［40］的做法，基于美國(guó)行業(yè)層面工業(yè)機(jī)器人數(shù)據(jù)構(gòu)建中國(guó)企業(yè)層面機(jī)器人滲透度的工具變量： PAIENUSijt = （PSPijt = 2011 /ManuPSPt = 2011 ）（AIINjUtS /LjUtS= 1990 ）。其中，PAIENUSijt表示基于美國(guó)機(jī)器人數(shù)據(jù)的中國(guó)j行業(yè)i企業(yè)t年的機(jī)器人滲透度；AIINjUtS表示美國(guó)j行業(yè)t 年的工業(yè)機(jī)器人存量或安裝值；LjUtS= 1990 表示美國(guó)j 行業(yè)1990 年（基期） 的就業(yè)人數(shù)；AIINjUtS /LjUtS= 1990表示美國(guó)j行業(yè)t年的機(jī)器人滲透度。

中國(guó)和美國(guó)的人工智能發(fā)展水平和趨勢(shì)具有相似性，因而滿(mǎn)足工具變量的相關(guān)性要求。同時(shí)中國(guó)企業(yè)自主選擇創(chuàng)新寬度的行為受美國(guó)機(jī)器人應(yīng)用水平的直接影響較弱，因而基本滿(mǎn)足工具變量排他性要求。表3 列（1） 和列（2） 匯報(bào)了基于美國(guó)機(jī)器人數(shù)據(jù)的工具變量回歸結(jié)果，Kleibergen?Paap rk LM值拒絕了工具變量識(shí)別不足假設(shè)、Cragg?Donald Wald F值拒絕了弱工具變量假設(shè)，因而本文選取的工具變量相對(duì)合理。利用工具變量法緩解內(nèi)生性問(wèn)題后，人工智能應(yīng)用仍能拓展企業(yè)創(chuàng)新寬度，證實(shí)了本文基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

⒉基于行業(yè)機(jī)器人適應(yīng)度的工具變量

本文參考Bonfiglioli等［45］與綦建紅和張志彤［46］的做法，將企業(yè)所在行業(yè)機(jī)器人適應(yīng)度指標(biāo)（Suitability） 作為人工智能應(yīng)用的工具變量，具體采用投資機(jī)器人數(shù)據(jù)衡量。該工具變量反映了行業(yè)內(nèi)企業(yè)應(yīng)用機(jī)器人的適應(yīng)度，高機(jī)器人適應(yīng)度的行業(yè)更加適合應(yīng)用人工智能技術(shù)，由此說(shuō)明該工具變量和人工智能應(yīng)用具有強(qiáng)相關(guān)性。與此同時(shí)，本文被解釋變量企業(yè)創(chuàng)新寬度是企業(yè)層面指標(biāo)，行業(yè)機(jī)器人適應(yīng)度工具變量屬于行業(yè)層面指標(biāo)，所以二者基本沒(méi)有直接關(guān)聯(lián)，滿(mǎn)足排他性要求。表3列（3） 和列（4） 的回歸結(jié)果顯示，工具變量選取相對(duì)合理可靠，人工智能應(yīng)用能拓展企業(yè)創(chuàng)新寬度，再次證實(shí)了本文基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（三） 穩(wěn)健性檢驗(yàn)①

⒈更換被解釋變量的衡量方式

其一，基準(zhǔn)回歸中企業(yè)創(chuàng)新寬度是根據(jù)中位數(shù)法測(cè)算的，此處采用均值法測(cè)算企業(yè)創(chuàng)新寬度（Invhhi1）。其二，前文從國(guó)際專(zhuān)利分類(lèi)號(hào)的大組信息內(nèi)部差異度方面衡量企業(yè)創(chuàng)新寬度，考慮到國(guó)際專(zhuān)利分類(lèi)號(hào)主要由部、大類(lèi)、小類(lèi)、大組和小組構(gòu)成，呈分類(lèi)等級(jí)遞降關(guān)系，其中大組信息只是國(guó)際專(zhuān)利分類(lèi)號(hào)中相對(duì)細(xì)化的一種分類(lèi)標(biāo)準(zhǔn)，本文進(jìn)一步測(cè)度了基于更加細(xì)化的分類(lèi)標(biāo)準(zhǔn)小組和基于更加寬泛的分類(lèi)標(biāo)準(zhǔn)小類(lèi)的企業(yè)創(chuàng)新寬度（Invhhi2和Invhhi3）。其三，與獨(dú)立創(chuàng)新相比，較高的企業(yè)聯(lián)合創(chuàng)新水平在一定程度上說(shuō)明了企業(yè)創(chuàng)新所含專(zhuān)利類(lèi)型的復(fù)雜度，本文參考李萬(wàn)利等［47］的做法，采用企業(yè)聯(lián)合申請(qǐng)專(zhuān)利數(shù)量加1的自然對(duì)數(shù)衡量企業(yè)創(chuàng)新寬度（Jointinv）。替換被解釋變量衡量方式的回歸結(jié)果均支持人工智能應(yīng)用顯著拓展企業(yè)創(chuàng)新寬度這一結(jié)論。

⒉更換解釋變量的衡量方式

本文采用每年的機(jī)器人安裝量衡量人工智能應(yīng)用（AI2）。替換解釋變量衡量方式的結(jié)果顯示，人工智能應(yīng)用能拓展企業(yè)創(chuàng)新寬度，這表明本文基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

⒊剔除直轄市樣本

直轄市的政策環(huán)境可能不同于其他地區(qū)，存在干擾回歸結(jié)果的可能。本文采用剔除直轄市的樣本進(jìn)行回歸，人工智能應(yīng)用的回歸系數(shù)仍顯著為正，與基準(zhǔn)回歸結(jié)果一致。

⒋增加控制變量

數(shù)字經(jīng)濟(jì)的迅速發(fā)展催生出新技術(shù)和新業(yè)態(tài)，本文參考唐要家等［35］的做法，采用企業(yè)數(shù)字化轉(zhuǎn)型水平（Dig） 來(lái)表征數(shù)字經(jīng)濟(jì)對(duì)企業(yè)的影響，并在回歸中加以控制，觀察在增加該控制變量后回歸結(jié)果是否發(fā)生顯著變化。引入企業(yè)數(shù)字化轉(zhuǎn)型水平的回歸結(jié)果顯示，人工智能應(yīng)用能拓展企業(yè)創(chuàng)新寬度。這表明數(shù)字經(jīng)濟(jì)發(fā)展不會(huì)造成本文回歸結(jié)果的系統(tǒng)性偏差，在考慮數(shù)字經(jīng)濟(jì)發(fā)展的影響后，本文的結(jié)論仍具有穩(wěn)健性。

（四） 異質(zhì)性分析

⒈企業(yè)規(guī)模異質(zhì)性

人工智能應(yīng)用對(duì)不同規(guī)模企業(yè)拓展創(chuàng)新寬度的影響可能不同。本文按照企業(yè)規(guī)模中位數(shù)，將高于中位數(shù)的企業(yè)劃分為大企業(yè)，取值為1，否則劃分為中小企業(yè)，取值為0。表4列（1） 和列（2） 的回歸結(jié)果顯示，人工智能應(yīng)用的回歸系數(shù)均顯著為正，中小企業(yè)人工智能應(yīng)用的回歸系數(shù)大于大企業(yè)，且通過(guò)了組間差異檢驗(yàn)，這表明人工智能應(yīng)用對(duì)拓展中小企業(yè)創(chuàng)新寬度的影響更明顯?？赡艿脑蚴牵笃髽I(yè)固定資產(chǎn)多，而中小企業(yè)能更靈活地整合資源，進(jìn)行開(kāi)放式創(chuàng)新。

⒉市場(chǎng)競(jìng)爭(zhēng)力異質(zhì)性

人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新的影響與市場(chǎng)競(jìng)爭(zhēng)力密不可分。一般而言，市場(chǎng)競(jìng)爭(zhēng)力越強(qiáng)，企業(yè)獲得創(chuàng)新收益的可能性越高，因而越有激勵(lì)拓展企業(yè)創(chuàng)新寬度。本文根據(jù)市場(chǎng)結(jié)構(gòu)中位數(shù)進(jìn)行分組回歸，考察人工智能應(yīng)用在不同市場(chǎng)競(jìng)爭(zhēng)力下對(duì)企業(yè)創(chuàng)新寬度的影響。表4列（3） 和列（4）的回歸結(jié)果顯示，人工智能應(yīng)用的回歸系數(shù)均顯著為正，市場(chǎng)競(jìng)爭(zhēng)力強(qiáng)的企業(yè)人工智能應(yīng)用的回歸系數(shù)遠(yuǎn)大于市場(chǎng)競(jìng)爭(zhēng)力弱的企業(yè)，且通過(guò)了組間差異檢驗(yàn)，這表明人工智能應(yīng)用對(duì)市場(chǎng)競(jìng)爭(zhēng)力強(qiáng)的企業(yè)創(chuàng)新寬度的影響更明顯。

⒊融資約束異質(zhì)性

人工智能應(yīng)用能提高企業(yè)研發(fā)成功率。在研發(fā)資金充裕的企業(yè)，人工智能算法和數(shù)據(jù)積累更充足，提高研發(fā)成功率的能力更突出，更有利于拓展企業(yè)創(chuàng)新寬度。而且人工智能應(yīng)用需要數(shù)字化人才、基礎(chǔ)設(shè)施硬件與數(shù)字化軟件的協(xié)同作用。強(qiáng)融資約束導(dǎo)致企業(yè)缺少資金，不敢也不能進(jìn)行互補(bǔ)性投資，因而人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響相對(duì)不敏感。本文以SA指數(shù)和KZ指數(shù)衡量企業(yè)所面臨的融資約束，企業(yè)融資約束程度高于融資約束中位數(shù)的，取值為1，否則取值為0。表5列（1） —列（4） 的回歸結(jié)果顯示，分組回歸通過(guò)了組間系數(shù)差異檢驗(yàn)，人工智能應(yīng)用對(duì)融資約束小的企業(yè)創(chuàng)新寬度的影響更明顯。

⒋行業(yè)異質(zhì)性

對(duì)于正處于技術(shù)快速變化行業(yè)中的企業(yè)，人工智能應(yīng)用拓展其創(chuàng)新寬度的作用可能更大。這些企業(yè)更需要及時(shí)追蹤市場(chǎng)和技術(shù)變化以應(yīng)對(duì)市場(chǎng)競(jìng)爭(zhēng)，因而人工智能應(yīng)用可以提升信息傳遞效率。本文以是否屬于高科技行業(yè)進(jìn)行分組，高科技行業(yè)，取值為1，否則取值為0。表5列（5）和列（6） 的回歸結(jié)果顯示，在高科技行業(yè)，人工智能應(yīng)用顯著拓展了企業(yè)創(chuàng)新寬度，在非高科技行業(yè)，人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響不顯著。

五、機(jī)制檢驗(yàn)與進(jìn)一步分析

（一） 機(jī)制檢驗(yàn)

根據(jù)前文所述，人工智能應(yīng)用主要通過(guò)提高企業(yè)研發(fā)成功率、提升企業(yè)運(yùn)營(yíng)效率和增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)拓展企業(yè)創(chuàng)新寬度。本文參考劉夢(mèng)莎等［48］的做法，重點(diǎn)檢驗(yàn)人工智能應(yīng)用對(duì)上述一系列中介變量的影響，構(gòu)建如下計(jì)量模型：

Medijt = β0 + β1AIijt + β2Xijt + μi + λj + δt + εijt （2）

其中，Medijt 表示上述一系列中介變量，其他變量的含義同模型（1）。

機(jī)制檢驗(yàn)結(jié)果如表6所示。表6列（1） 的回歸結(jié)果顯示，人工智能應(yīng)用能顯著提高企業(yè)研發(fā)成功率，從而拓展了企業(yè)創(chuàng)新寬度。假設(shè)2a得到驗(yàn)證。表6列（2） 的回歸結(jié)果顯示，人工智能應(yīng)用顯著降低了企業(yè)期間費(fèi)用，即提高了企業(yè)運(yùn)營(yíng)效率，從而拓展了企業(yè)創(chuàng)新寬度。假設(shè)2b得到驗(yàn)證。表6列（3） 的回歸結(jié)果顯示，人工智能應(yīng)用顯著增強(qiáng)了企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)，從而拓展了企業(yè)創(chuàng)新寬度。假設(shè)2c得到驗(yàn)證。

（二） 進(jìn)一步分析

為了考察人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的動(dòng)態(tài)影響。一方面，本文參考王永欽和董雯［40］的做法，引入滯后一期的制造業(yè)機(jī)器人滲透度變量，采用分布滯后模型檢驗(yàn)人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的動(dòng)態(tài)影響，回歸結(jié)果如表7列（1） 所示；另一方面，考慮到中國(guó)制造業(yè)應(yīng)用機(jī)器人的數(shù)據(jù)時(shí)長(zhǎng)相對(duì)有限，本文參考王曉娟等［49］的做法，選取美國(guó)制造業(yè)機(jī)器人滲透度AI_US作為代理變量，采用分布滯后模型檢驗(yàn)人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的動(dòng)態(tài)影響，回歸結(jié)果如表7列（2）所示。滯后一期的人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響顯著為負(fù)，這可能是由于技術(shù)更新過(guò)快，如果沒(méi)有及時(shí)更新人工智能應(yīng)用，會(huì)導(dǎo)致人工智能迅速過(guò)期貶值，從而無(wú)法拓展企業(yè)創(chuàng)新寬度。如果上述推斷成立，那么高新技術(shù)企業(yè)應(yīng)該更容易出現(xiàn)上述情況。因此，本文按是否屬于高新技術(shù)企業(yè)進(jìn)行分組回歸，表7列（3） 和列（4） 分別是高新技術(shù)企業(yè)和非高新技術(shù)企業(yè)的回歸結(jié)果。滯后一期的人工智能應(yīng)用對(duì)高新技術(shù)企業(yè)創(chuàng)新寬度的影響顯著為負(fù)，對(duì)非高新技術(shù)企業(yè)的影響不顯著。因此，未及時(shí)更新迭代的人工智能應(yīng)用會(huì)制約企業(yè)拓展創(chuàng)新寬度。

六、研究結(jié)論與政策啟示

人工智能應(yīng)用飛速發(fā)展將極大地提升企業(yè)創(chuàng)新績(jī)效，通過(guò)人工智能應(yīng)用促進(jìn)創(chuàng)新是實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵所在。本文基于2011—2019年中國(guó)滬深A(yù)股制造業(yè)上市公司數(shù)據(jù)，采用多維固定效應(yīng)模型實(shí)證研究了人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響及其作用機(jī)制。研究結(jié)果顯示：人工智能應(yīng)用能顯著拓展企業(yè)創(chuàng)新寬度；人工智能應(yīng)用對(duì)企業(yè)創(chuàng)新寬度的影響在中小企業(yè)、市場(chǎng)競(jìng)爭(zhēng)力強(qiáng)、融資約束小和高科技行業(yè)的企業(yè)更明顯；人工智能應(yīng)用通過(guò)提高企業(yè)研發(fā)成功率、提升企業(yè)運(yùn)營(yíng)效率和增強(qiáng)企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)拓展企業(yè)創(chuàng)新寬度；人工智能應(yīng)用滯后則會(huì)制約企業(yè)拓展創(chuàng)新寬度。根據(jù)上述研究結(jié)論，筆者得到如下政策啟示：

第一，構(gòu)建人工智能應(yīng)用拓展企業(yè)創(chuàng)新寬度的創(chuàng)新生態(tài)。人工智能是高質(zhì)量創(chuàng)新的重要驅(qū)動(dòng)力，應(yīng)深入推進(jìn)企業(yè)智能化轉(zhuǎn)型，全面重構(gòu)企業(yè)研發(fā)創(chuàng)新組織方式，形成有利于多元知識(shí)整合、生產(chǎn)和開(kāi)發(fā)應(yīng)用的戰(zhàn)略規(guī)劃與組織文化。健全數(shù)據(jù)開(kāi)放共享制度，為人工智能算法測(cè)試訓(xùn)練提供充足的多維度高質(zhì)量數(shù)據(jù)集。打破制約互補(bǔ)性創(chuàng)新資源整合的各種制度壁壘，打造開(kāi)放創(chuàng)新生態(tài)。積極培育人工智能驅(qū)動(dòng)創(chuàng)新成果的多領(lǐng)域商業(yè)化應(yīng)用，推動(dòng)范圍經(jīng)濟(jì)驅(qū)動(dòng)的新產(chǎn)業(yè)和新模式的發(fā)展，為拓展企業(yè)創(chuàng)新寬度提供多領(lǐng)域應(yīng)用場(chǎng)景。

第二，形成人工智能應(yīng)用驅(qū)動(dòng)創(chuàng)新的市場(chǎng)環(huán)境和政策環(huán)境。建立公私合作的創(chuàng)新經(jīng)費(fèi)投入體制，政府應(yīng)設(shè)立專(zhuān)項(xiàng)基金推動(dòng)基礎(chǔ)性或行業(yè)性的創(chuàng)新活動(dòng)，同時(shí)積極發(fā)展風(fēng)險(xiǎn)投資，引導(dǎo)和鼓勵(lì)各類(lèi)社會(huì)資本投入，為人工智能驅(qū)動(dòng)的創(chuàng)新提供穩(wěn)定持續(xù)的資本保障。完善反壟斷常態(tài)化措施，持續(xù)加強(qiáng)和改進(jìn)反壟斷執(zhí)法，禁止各種基于大數(shù)據(jù)和人工智能的壟斷行為，保護(hù)市場(chǎng)的競(jìng)爭(zhēng)性，從而促進(jìn)企業(yè)創(chuàng)新。避免實(shí)施一刀切的智能化轉(zhuǎn)型政策，應(yīng)對(duì)不同行業(yè)和企業(yè)實(shí)行差別化的智能化轉(zhuǎn)型政策，應(yīng)根據(jù)不同行業(yè)人工智能應(yīng)用的創(chuàng)新寬度拓展效應(yīng)來(lái)分層推進(jìn)，并加大中小企業(yè)人工智能技術(shù)應(yīng)用的支持力度，形成不同類(lèi)型企業(yè)協(xié)同創(chuàng)新組織體系。

第三，增強(qiáng)企業(yè)技術(shù)迭代能力以實(shí)現(xiàn)可持續(xù)創(chuàng)新。為了避免人工智能應(yīng)用滯后阻礙企業(yè)拓展創(chuàng)新寬度，應(yīng)持續(xù)提升企業(yè)技術(shù)更新迭代能力，形成自強(qiáng)化的迭代升級(jí)機(jī)制。企業(yè)應(yīng)建立人工智能應(yīng)用戰(zhàn)略規(guī)劃，重視人工智能應(yīng)用與升級(jí)能力建設(shè)，注重人工智能專(zhuān)業(yè)人才儲(chǔ)備和企業(yè)員工人工智能技能培訓(xùn)，穩(wěn)步推進(jìn)人工智能技術(shù)應(yīng)用提升，形成人工智能技術(shù)更新迭代的自強(qiáng)化機(jī)制。

參考文獻(xiàn)：

［1］ SOLOW R. Wed better watch out［J］. New York times book review，1987，12（36）：1-2.

［2］ ACEMOGLU D， AUTOR D， DORN D， et al. Return of the Solow paradox？IT， productivity， and employment inUS manufacturing［J］.The American economic review，2014，104（5）：394-399.

［3］ AGHION P， JONES B F， JONES C I. Artificial intelligence and economic growth［C］//AGRAWAL A， GANS J，GOLDFARB A. Economics of artificial intelligence： an agenda. Chicago： University of Chicago Press，2019：237-282.

［4］ GRAETZ G， MICHAELS G. Robots at work［J］. Review of economics and statistics，2018，100（5）：753-768.

［5］ 楊光，侯鈺.工業(yè)機(jī)器人的使用、技術(shù)升級(jí)與經(jīng)濟(jì)增長(zhǎng)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（10）：138-156.

［6］ 陳楠，蔡躍洲.人工智能、承接能力與中國(guó)經(jīng)濟(jì)增長(zhǎng)——新“索洛悖論”和基于AI專(zhuān)利的實(shí)證分析［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2022（11）：39-57.

［7］ AGRAWAL A， GANS J S， GOLDFARB A. Prediction， judgment and complexity： a theory of decision making andartificial intelligence［R］. NBER Working Papers No.3103156，2018.

［8］ COCKBURN I M， HENDERSON R， STERN S. The impact of artificial intelligence on innovation： an exploratoryanalysis［C］// AGRAWAL A， GANS J， GOLDFARB A. Economics of artificial intelligence： an agenda. Chicago：University of Chicago Press，2019：115-152.

［9］ AGRAWAL A， GANS J S， GOLDFARB A. Artificial intelligence： the ambiguous labor market impact of automatingprediction［J］. Journal of economic perspectives，2019，33（2）：31-50.

［10］ LIU J， CHANG H， FORREST J Y L， et al. Influence of artificial intelligence on technological innovation：evidence from the panel data of Chinas manufacturing sectors［J］. Technological forecasting and social change，2020，158（9）：120142.

［11］ 鄧悅，蔣琬儀.工業(yè)機(jī)器人、管理能力與企業(yè)技術(shù)創(chuàng)新［J］.中國(guó)軟科學(xué)，2022（11）：129-141.

［12］ KAKATKAR C， BILGRAM V， F?LLER J. Innovation analytics： leveraging artificial intelligence in the innovationprocess［J］. Business horizons，2020，63（2）：171-181.

［13］ BABINA T， FEDYK A， HE A， et al. Artificial intelligence， firm growth， and product innovation［J］. Journal offinancial economics，2024，151（1）：103745.

［14］ TEKIC Z， COSIC I， KATALINIC B. Manufacturing and the rise of artificial intelligence： innovation challenges［C］//KATAILNIC B. Proceedings of the 30th DAAAM international symposium. Vienna： DAAAM InternationalPress，2019：192-196.

［15］ WANG Q， VON TUNZELMANN N. Complexity and the functions of the firm： breadth and depth［J］. Researchpolicy，2000，29（8）：805-818.

［16］ KAPLAN S， VAKILI K. The double?edged sword of recombination in breakthrough innovation［J］. Strategicmanagement journal，2015，36（10）：1435-1457.

［17］ BYUN S K， OH J M， XIA H. Incremental vs. breakthrough innovation：the role of technology spillovers［J］.Management science，2021，67（3）：1779-1802.

［18］ 沈坤榮，林劍威，傅元海.網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)、信息可得性與企業(yè)創(chuàng)新邊界［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2023（1）：57-75.

［19］ GRASHOF N， KOPKA A. Artificial intelligence and radical innovation： an opportunity for all companies？［J］.Small business economics，2023，61（2）：771-797.

［20］ JOHNSON P C， LAURELL C， OTS M， et al. Digital innovation and the effects of artificial intelligence on firmsresearch and development?automation or augmentation， exploration or exploitation？［J］. Technological forecastingand social change，2022，179（6）：121636.

［21］ ZHONG W， MA Z， TONG T W， et al. Customer concentration， executive attention， and firm search behavior［J］.Academy of management journal，2021，64（5）：1625-1647.

［22］ ACEMOGLU D， AKCIGIT U， CELIK M A. Radical and incremental innovation： the roles of firms， managers， andinnovators［J］. American economic journal：macroeconomics，2022，14（3）：199-249.

［23］ VERGANTI R， VENDRAMINELLI L， IANSITI M. Innovation and design in the age of artificial intelligence ［J］.Journal of product innovation management，2020，37（3）：212-227.

［24］ JACOBIDES M G， CENNAMO C， GAWER A. Towards a theory of ecosystems［J］. Strategic management journal，2018，39（8）：2255-2276.

［25］ COWEN T. The great stagnation： how America ate all the low-hanging fruit of modern history， got sick， and will（eventually） feel better［M］. New York：Dutton Press，2011：1-11.

［26］ GORDON R. The rise and fall of American growth： the U.S. standard of living since the civil war［M］. Princeton：Princeton University Press，2016：533-566.

［27］ JONES B F. The burden of knowledge and the“ death of the renaissance man”：is innovation getting harder？［J］.The review of economic studies，2009，76（1）：283-317.

［28］ TRUONG Y， PAPAGIANNIDIS S. Artificial intelligence as an enabler for innovation： a review and future researchagenda［J］. Technological forecasting and social change，2022，183（10）：121852.

［29］ DENG Y， CHEN L， LIM K. AI in innovation： how does AI impact recombinant complexity？［C］// SONJA T.Academy of management proceedings. New York： Academy of Management，2023，（2）：13359.

［30］ SCHUMPETER J A. Capitalism， socialism and democracy［M］. New York： Harper Press，1942：59-156.

［31］ RAMMER C， FERN?NDEZ G P， CZARNITZKI D. Artificial intelligence and industrial innovation： evidence fromGerman firm?level data［J］. Research policy，2022，51（7）：104555.

［32］ 賈少謙，單宇.科技企業(yè)數(shù)字服務(wù)化過(guò)程中的資源集成機(jī)制——基于單案例的探索性研究［J］.財(cái)經(jīng)問(wèn)題研究，2024（1）：86-100.

［33］ 焦豪.數(shù)字平臺(tái)生態(tài)觀：數(shù)字經(jīng)濟(jì)時(shí)代的管理理論新視角［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2023（7）：122-141.

［34］ 楊金玉，彭秋萍，葛震霆.數(shù)字化轉(zhuǎn)型的客戶(hù)傳染效應(yīng)——供應(yīng)商創(chuàng)新視角［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2022（8）：156-174.

［35］ 唐要家，王鈺，唐春暉.數(shù)字經(jīng)濟(jì)、市場(chǎng)結(jié)構(gòu)與創(chuàng)新績(jī)效［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2022（10）：62-80.

［36］ SANTORO G， VRONTIS D， THRASSOU A， et al. The internet of things：building a knowledge managementsystem for open innovation and knowledge management capacity［J］. Technological forecasting and social change，2018，136（11）：347-354.

［37］ HAMILTON J R， TEE S W， MAXWELL S J. AI and firm competitiveness［R］. Proceedings of the InternationalConference on Electronic Business，2023.

［38］ DEL CARPIO GALLEGOS J， OSTOS MARI?O J， BREMSER K. The influence of absorptive capacity， sources ofinformation and technological acquisition in the technological innovation breadth of manufacturing companies［J］.European accounting and management review，2018，4（2）：1-28.

［39］ 張杰，鄭文平.創(chuàng)新追趕戰(zhàn)略抑制了中國(guó)專(zhuān)利質(zhì)量么？［J］.經(jīng)濟(jì)研究，2018（5）：28-41.

［40］ 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（10）：159-175.

［41］ ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from U. S. labor markets［J］. Journal of politicaleconomy，2020，128（6）：2188-2244.

［42］ 孫薇，葉初升.政府采購(gòu)何以牽動(dòng)企業(yè)創(chuàng)新——兼論需求側(cè)政策“拉力”與供給側(cè)政策“推力”的協(xié)同［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2023（1）：1-19.

［43］ 周志方，張明月，張凌燕，等.碳風(fēng)險(xiǎn)管理會(huì)“差異促進(jìn)”企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)嗎？［J］.西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021（3）：81-92.

［44］ BORUSYAK K， HULL P， JARAVEL X. Quasi?experimental shift?share research designs［J］. Review of economicstudies，2022，89（1）：181-213.

［45］ BONFIGLIOLI A， CRIN? R， FADINGER H， et al. Robot imports and firm?level outcomes［R］. CESifo WorkingPaper Series No.8741，2020.

［46］ 綦建紅，張志彤.機(jī)器人應(yīng)用與出口產(chǎn)品范圍調(diào)整：效率與質(zhì)量能否兼得［J］.世界經(jīng)濟(jì)，2022（9）：3-31.

［47］ 李萬(wàn)利，潘文東，袁凱彬.企業(yè)數(shù)字化轉(zhuǎn)型與中國(guó)實(shí)體經(jīng)濟(jì)發(fā)展［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022（9）：5-25.

［48］ 劉夢(mèng)莎，邵淇，阮青松.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)債務(wù)融資成本的影響研究［J］.財(cái)經(jīng)問(wèn)題研究，2023（1）：63-72.

［49］ 王曉娟，朱喜安，王穎.工業(yè)機(jī)器人應(yīng)用對(duì)制造業(yè)就業(yè)的影響效應(yīng)研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022（4）：88-106.

（責(zé)任編輯：孫艷）