原文標題：人工智能應用的綠色創(chuàng )新效應研究
原文作者：梅冬州 張弘正 程琳
期刊：經(jīng)濟學(xué)動(dòng)態(tài)
關(guān)鍵詞：人工智能 綠色創(chuàng )新 新質(zhì)生產(chǎn)力 知識寬度 適應能力
一、研究背景
綠色創(chuàng )新是構建新發(fā)展格局的必由之路，人工智能是推動(dòng)引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅動(dòng)力。探究人工智能如何推動(dòng)企業(yè)綠色創(chuàng )新，對于明晰產(chǎn)業(yè)綠色升級的動(dòng)力機制具有重要意義。
本文基于2007—2022年中國A股制造業(yè)上市企業(yè)數據考察了人工智能應用對綠色創(chuàng )新的影響與機制。研究發(fā)現，人工智能應用顯著(zhù)推動(dòng)了企業(yè)綠色創(chuàng )新“提質(zhì)增量”。本文的研究為構建以綠色化、智能化為趨勢和特征的現代化產(chǎn)業(yè)體系提供了積極的啟示，并為人工智能推動(dòng)新質(zhì)生產(chǎn)力的形成與躍遷提供了現實(shí)經(jīng)驗。
二、理論分析與研究假設
人工智能作為技術(shù)進(jìn)步與資本積累的雙重角色，在綠色研發(fā)活動(dòng)中發(fā)揮了獨特的增量?jì)r(jià)值。具體來(lái)看，本文從知識寬度與適應能力兩個(gè)維度梳理人工智能應用賦能企業(yè)綠色創(chuàng )新的作用渠道。
第一，人工智能通過(guò)數據-算法-算力體系外源性擴展企業(yè)認知，以提升知識寬度并驅動(dòng)綠色創(chuàng )新：借助分布式爬蟲(chóng)與語(yǔ)義網(wǎng)絡(luò )抓取全球專(zhuān)利、期刊與行業(yè)報告，構建跨領(lǐng)域知識圖譜；利用自然語(yǔ)言處理和神經(jīng)網(wǎng)絡(luò )把能耗日志、工藝記錄、技工經(jīng)驗等非結構化隱性知識顯性化，形成可復用的標準化綠色知識庫；再通過(guò)遷移學(xué)習將傳統工藝共性模塊遷移到清潔生產(chǎn)情境，并以自動(dòng)化學(xué)習循環(huán)持續迭代技術(shù)圖譜，使研發(fā)人員快速識別多領(lǐng)域技術(shù)關(guān)聯(lián)，突破路徑依賴(lài)，最終協(xié)同智能機器人與高端設備，擴大高技能勞動(dòng)力的知識共享與協(xié)同效率，滿(mǎn)足綠色創(chuàng )新對多元技術(shù)融合的需求。
第二，人工智能以數據-算法-決策三維協(xié)同強化企業(yè)適應能力，進(jìn)而驅動(dòng)綠色創(chuàng )新：NLP實(shí)時(shí)解析全球環(huán)保政策并量化合規指標，深度學(xué)習追蹤消費者綠色偏好與競爭態(tài)勢，智能算法監測供應鏈排污與研發(fā)風(fēng)險并預警；仿真工具快速迭代綠色技術(shù)原型，區塊鏈溯源促進(jìn)供應鏈信息透明與戰略同步，使企業(yè)能在政策、市場(chǎng)與生態(tài)風(fēng)險的多變環(huán)境中迅速調整資源配置，縮短戰略響應周期，保持綠色產(chǎn)品與技術(shù)先發(fā)優(yōu)勢。
綜上所述，本文提出如下假設：
H1：人工智能應用能夠有效推動(dòng)企業(yè)綠色創(chuàng )新。
三、研究設計
（一）數據來(lái)源與樣本選擇
本文以2007—2022年中國A股制造業(yè)上市企業(yè)為研究對象。綠色專(zhuān)利數據來(lái)源于中國研究數據服務(wù)平臺（CNRDS）數據庫與國家知識產(chǎn)權局。人工智能應用數據來(lái)自國泰安（CSMAR）數據庫中財務(wù)報表附注披露的在建工程基本情況表。制造業(yè)上市企業(yè)的財務(wù)數據和基本特征均來(lái)自CSMAR。
（二）模型設定
本文以人工智能的引入作為準自然實(shí)驗，使用雙重差分法考察人工智能對企業(yè)綠色創(chuàng )新的影響，在有效避免因果識別中內生性問(wèn)題的同時(shí)，識別實(shí)驗沖擊的凈效應。由于各企業(yè)引入人工智能的時(shí)間存在差異，構建漸進(jìn)式雙重差分模型?；鶞驶貧w模型如下：
其中，下標i和t分別表示企業(yè)個(gè)體與年份；被解釋變量GRP表示綠色技術(shù)創(chuàng )新，包含總體的綠色技術(shù)創(chuàng )新（lnGRS）和綠色技術(shù)創(chuàng )新質(zhì)量（lnGRQ）；Treati為人工智能引入的分組虛擬變量，若企業(yè)在樣本時(shí)段內引入人工智能，則Treati取值為1，為處理組，否則為0，為對照組；Postt為人工智能引入的時(shí)間虛擬變量，若企業(yè)i在某年引入人工智能，則Postt在該年及以后的年份取值為1，該年之前的年份取值為0；μi表示個(gè)體固定效應；δt表示年份固定效應；εit表示隨機誤差項。系數β1為本研究的重點(diǎn)關(guān)注對象，若β1顯著(zhù)為正，則表示人工智能對企業(yè)綠色創(chuàng )新有顯著(zhù)的正向作用。為避免企業(yè)層面的聚集效應對標準誤差的影響，使用企業(yè)層面聚類(lèi)的穩健標準誤。
四、實(shí)證結果與分析
（一）基準回歸分析
基準回歸結果如表1所示。列（1）和列（2）顯示，不論是否加入控制變量，Treat×Post的估計系數均在1%的水平上顯著(zhù)為正。列（2）顯示，加入控制變量后Treat×Post的估計系數為0.097，即人工智能引入后，處理組企業(yè)每年度的綠色專(zhuān)利申請總量增加了9.7%，表明人工智能應用顯著(zhù)推動(dòng)了企業(yè)綠色創(chuàng )新數量。列（3）和列（4）顯示，不論是否加入控制變量，Treat×Post的估計系數均在1%的水平上顯著(zhù)為正。列（4）顯示，加入控制變量后其系數為0.076，即人工智能引入后，處理組企業(yè)每年度的綠色發(fā)明專(zhuān)利申請數量增加了7.6%，表明人工智能的應用顯著(zhù)推動(dòng)了企業(yè)綠色創(chuàng )新質(zhì)量。由實(shí)證結果可知，人工智能應用實(shí)現了企業(yè)綠色創(chuàng )新的“提質(zhì)增量”，假設H1成立。
（二）事件研究法
1.雙向固定效應模型（TWFE）事件研究法
本文進(jìn)一步采取基于雙向固定效應模型（TWFE）的事件研究法評估人工智能應用對企業(yè)綠色創(chuàng )新的動(dòng)態(tài)處理效應，并檢驗引入人工智能前處理組與對照組企業(yè)綠色創(chuàng )新的變動(dòng)是否滿(mǎn)足平行趨勢假定。參考黃卓等（2024）、王敏和李敏麗（2024）的研究，構建如下模型進(jìn)行平行趨勢與動(dòng)態(tài)效應檢驗：
動(dòng)態(tài)效應檢驗如圖1所示。由圖1可知，在引入人工智能之前，處理組和對照組的綠色專(zhuān)利總量和綠色發(fā)明專(zhuān)利數量隨時(shí)間變化趨勢基本沒(méi)有顯著(zhù)的分化。但是在引入人工智能之后，處理組企業(yè)的綠色專(zhuān)利總量與綠色發(fā)明專(zhuān)利數量均有了顯著(zhù)的提高，尤其在第四期及以后，相比對照組企業(yè)有了大幅的提升。此外，不論對綠色創(chuàng )新數量還是綠色創(chuàng )新質(zhì)量，隨著(zhù)人工智能工程建設的不斷推動(dòng)，回歸的估計系數值逐漸增大。這意味著(zhù)，人工智能的深入發(fā)展對綠色創(chuàng )新存在動(dòng)態(tài)且長(cháng)期的正向持續性影響。
2.異質(zhì)性處理效應檢驗
緩解異質(zhì)性處理效應后的估計量動(dòng)態(tài)效應檢驗結果如圖2和圖3所示，其中加入傳統TWFE動(dòng)態(tài)效應檢驗作為對比，繪制為五圖合一的形式。不難發(fā)現，引入人工智能后企業(yè)綠色創(chuàng )新能力有了明顯的提升。
（三）內生性檢驗
1.引入人工智能項目企業(yè)選取的隨機性問(wèn)題
為了解決本文實(shí)驗場(chǎng)景中可能存在的選擇偏差及其導致的內生性問(wèn)題，本文使用PSM方法為每一個(gè)處理組樣本匹配特定的對照組樣本，使得準自然實(shí)驗近似隨機。第一，采用1∶2近鄰匹配的方法為處理組企業(yè)匹配適宜的對照樣本。第二，進(jìn)行平衡性檢驗。匹配后協(xié)變量取值在處理組和對照組之間無(wú)明顯的差異，說(shuō)明匹配后的樣本適用于進(jìn)行雙重差分回歸。隨后，本文使用匹配后的樣本進(jìn)行DID回歸，包括權重不為空樣本回歸（PSM1）、滿(mǎn)足共同支撐假設樣本回歸（PSM2）和頻數加權回歸（PSM3）。結果如表2所示，Treat×Post的系數均在1%的水平上顯著(zhù)為正，且與基準回歸系數值大小較為接近。這說(shuō)明在解決部分樣本選擇偏差問(wèn)題后，基準回歸結果仍然穩健。
2.引入人工智能項目時(shí)間的隨機性問(wèn)題
本文在既有控制變量的基礎上納入其他可能影響企業(yè)進(jìn)行人工智能建設的關(guān)鍵因素，然后，為了避免控制事后變量可能導致的回歸估計偏誤，本文將上述變量作為前定變量與時(shí)間趨勢項進(jìn)行交乘并納入回歸方程，以解決可能存在的內生性問(wèn)題。前文數據統計顯示，處理組企業(yè)中有85.59%（730家）在2015年及以后第一次引入人工智能建設項目。因此，在總樣本中剔除2015年以前引入人工智能建設項目企業(yè)（133家）的全部樣本，將2014年上述變量作為前定控制變量與時(shí)間趨勢三階多項式f（t）的交互項納入回歸方程，具體形式如式（3）所示：
相關(guān)結果如表3列（5）和列（6）所示，在考慮時(shí)變混淆因子后，核心結果仍然穩健。
（四）穩健性檢驗
本研究通過(guò)安慰劑檢驗、熵平衡檢驗、替換核心變量、剔除某些行業(yè)樣本、剔除其他因素的干擾以及考慮綠色創(chuàng )新的長(cháng)周期性之后，發(fā)現人工智能對綠色創(chuàng )新的積極作用仍十分顯著(zhù)，與基準回歸結果基本一致。
五、機制路徑的識別檢驗
（一）人工智能應用與知識寬度
本文以專(zhuān)利IPC前四位小類(lèi)去重計數衡量企業(yè)綠色知識寬度：先抓取企業(yè)當年全部綠色發(fā)明和實(shí)用新型專(zhuān)利，按小類(lèi)去重后得“綠色知識寬度”GIW1，對發(fā)明專(zhuān)利單獨計算得GIW1_N，并以部層面去重做穩健性檢驗GIW2、GIW2_N，回歸顯示Treat×Post在1%顯著(zhù)為正，說(shuō)明人工智能顯著(zhù)拓寬了企業(yè)綠色創(chuàng )新的技術(shù)領(lǐng)域范圍。
（二）人工智能應用與適應能力
以研發(fā)、資本和銷(xiāo)售三個(gè)方面支出的變異系數來(lái)反映企業(yè)資源配置的靈活程度，進(jìn)而度量企業(yè)的適應能力（ACV）。將該系數取負值以保持與適應能力方向一致，調整后的變異系數值越大，則企業(yè)適應能力越強?；貧w結果如表5列（5）所示，Treat×Post的系數在1%的水平上顯著(zhù)為正，這說(shuō)明人工智能應用顯著(zhù)提高了企業(yè)適應能力。
六、異質(zhì)性分析
（一）基于企業(yè)微觀(guān)特征的異質(zhì)性分析
1.企業(yè)技術(shù)要素密集程度
分組檢驗表明，人工智能顯著(zhù)提升了技術(shù)密集型企業(yè)綠色創(chuàng )新數量和質(zhì)量，而對非技術(shù)密集型企業(yè)僅提升數量、對質(zhì)量無(wú)顯著(zhù)作用，原因在于前者知識稟賦與人才優(yōu)勢充足、對AI底層技術(shù)吸收強，后者多依賴(lài)外包設備、缺乏底層技術(shù)掌控，凸顯了AI底層布局對綠色創(chuàng )新質(zhì)量的關(guān)鍵意義。
2.企業(yè)綠色改造需求
重污染企業(yè)受信貸限制、硬件薄弱和人才短缺掣肘，AI僅顯著(zhù)提升其綠色創(chuàng )新數量而非質(zhì)量，非重污染企業(yè)則在1%水平同步提升數量與質(zhì)量，凸顯融資約束與信息化基礎對重污染企業(yè)綠色轉型的關(guān)鍵作用。
（二）基于綠色創(chuàng )新應用領(lǐng)域的異質(zhì)性分析
將綠色專(zhuān)利細分為經(jīng)營(yíng)管理與設計、生產(chǎn)節能、末端治理三類(lèi)后發(fā)現，人工智能對三類(lèi)綠色創(chuàng )新均呈正向作用，但力度依次遞減：生產(chǎn)節能最大，因AI與能源效率提升天然契合；經(jīng)營(yíng)管理與設計次之，源于數字技術(shù)重塑流程帶來(lái)的結構化綠色轉型；末端治理最弱，因其經(jīng)濟回報低、政府主導、資源投入不足。
七、進(jìn)一步研究
（一）人工智能對持續綠色創(chuàng )新的影響
以綠色專(zhuān)利申請量的環(huán)比增長(cháng)率衡量持續綠色創(chuàng )新發(fā)現，Treat×Post在5%水平顯著(zhù)為正，表明人工智能不僅帶動(dòng)當期漸進(jìn)綠色改進(jìn)，還通過(guò)拓寬知識寬度儲備多元技術(shù)能力，促成后續突破性躍遷，顯著(zhù)提升企業(yè)持續綠色創(chuàng )新能力。
（二）人工智能與企業(yè)漂綠行為
為了分析人工智能應用所引起的環(huán)保行為變化，本文建立如下模型：
被解釋變量Y為企業(yè)漂綠程度，其余各項如控制變量、固定效應維度等均與式（1）相同。本文利用企業(yè)在同行業(yè)間的相對策略性環(huán)境披露程度來(lái)衡量企業(yè)漂綠程度，計算公式如下：
表7列(2)~(4)顯示，人工智能在1%水平上顯著(zhù)抑制企業(yè)漂綠及行業(yè)同構壓力，但對行業(yè)內漂綠同構無(wú)顯著(zhù)影響；列(4)表明綠色創(chuàng )新在10%以上水平顯著(zhù)抑制地區漂綠同構，說(shuō)明AI雖難破行業(yè)同構，卻可通過(guò)區域差異緩解漂綠。
八、研究結論與政策啟示
基于2007—2022年A股制造企業(yè)的多期DID證據，本文發(fā)現人工智能顯著(zhù)增加并提升綠色創(chuàng )新數量與質(zhì)量，其機制在于拓寬知識寬度、增強適應能力；技術(shù)密集、非重污染企業(yè)受益更大，且對經(jīng)營(yíng)管理、設計及生產(chǎn)節能類(lèi)創(chuàng )新的推動(dòng)依次遞減，同時(shí)提高持續創(chuàng )新并抑制漂綠。鑒此，政策應通過(guò)財稅優(yōu)惠、示范基地、工業(yè)互聯(lián)網(wǎng)平臺與復合型人才培養，加快AI與制造業(yè)深度融合，并依托數據治理、供應鏈協(xié)同和市場(chǎng)化機制重構企業(yè)綠色創(chuàng )新生態(tài)，加速綠色低碳轉型。
九、原文摘要
綠色創(chuàng )新是構建新發(fā)展格局的必由之路，人工智能是推動(dòng)引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅動(dòng)力。探究人工智能如何推動(dòng)企業(yè)綠色創(chuàng )新，對于明晰產(chǎn)業(yè)綠色升級的動(dòng)力機制具有重要意義。本文基于2007—2022年中國A股制造業(yè)上市企業(yè)數據考察了人工智能應用對綠色創(chuàng )新的影響與機制。研究發(fā)現，人工智能應用顯著(zhù)推動(dòng)了企業(yè)綠色創(chuàng )新“提質(zhì)增量”。機制分析顯示，擴寬企業(yè)知識寬度與提升適應能力是企業(yè)人工智能應用推動(dòng)綠色創(chuàng )新的重要機制。在異質(zhì)性分析中，基于企業(yè)微觀(guān)特征來(lái)看，人工智能應用對綠色創(chuàng )新的推動(dòng)作用在技術(shù)密集型企業(yè)和非重污染企業(yè)更明顯；基于綠色創(chuàng )新的應用領(lǐng)域來(lái)看，人工智能應用對經(jīng)營(yíng)管理與設計類(lèi)、生產(chǎn)節能類(lèi)綠色創(chuàng )新具有更為顯著(zhù)的推動(dòng)作用。進(jìn)一步研究發(fā)現，人工智能應用有效提升了企業(yè)進(jìn)行綠色創(chuàng )新的持續性并且抑制了企業(yè)的漂綠行為。本文的研究為構建以綠色化、智能化為趨勢和特征的現代化產(chǎn)業(yè)體系提供了積極的啟示，并為人工智能推動(dòng)新質(zhì)生產(chǎn)力的形成與躍遷提供了現實(shí)經(jīng)驗。
作者：
聶煒欣 中央財經(jīng)大學(xué)金融學(xué)院碩士研究生
指導老師：
王 遙 中央財經(jīng)大學(xué)綠色金融國際研究院院長(cháng)
