人工智能的技術創新效應及其實現機制*

胡蓉寧 王躍堂

引 言

新一代人工智能正加速向各種產業滲透,成為推動科技跨越發展、實現產業彎道超車、促進生產力整體躍升的驅動力量。人工智能技術在經濟中的擴散正在改變創新過程、提升創新能力,并且隨著時間的推移,將會成為新階段創新驅動發展的主導因素之一。習近平總書記強調指出:“要培育具有重大引領帶動作用的人工智能企業和產業,構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。要發揮人工智能在產業升級、產品開發、服務創新等方面的技術優勢,促進人工智能同一、二、三產業深度融合,以人工智能技術推動各產業變革?！?1)習近平:《論科技自立自強》,中央文獻出版社2023年版,第213—214頁。黨的二十大報告進一步明確提出:“推動戰略性新興產業融合集群發展,構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎?！?2)習近平:《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》,人民出版社2022年版,第30頁。因此,充分發揮人工智能技術對企業創新的賦能效應,成為我國實施創新驅動戰略、實現高水平科技自立自強的重要議題。

人工智能是技術創新的產物,反過來,人工智能又影響技術創新的模式和路徑。那么,人工智能是如何影響企業技術創新規模及其模式選擇的呢?人工智能規模擴張和創新模式的交互作用會產生什么樣的效果呢?為回應上述問題,本文擬通過將國際機器人聯合會(International Federation of Robotics,IFR)提供的工業機器人數據與我國制造業上市公司的微觀數據相匹配,實證檢驗人工智能對企業技術創新規模和模式的影響,進而探討人工智能推動企業技術創新的實現機制。

人工智能的技術創新效應:規模擴張與模式優化

(一)人工智能對技術創新的規模擴張效應

1.技術擴張催生基礎效應

人工智能作為新一代通用性技術,是創造新知識并將其轉移和使用的動態過程,其規模擴張表現為技術擴張和產業擴張兩條路徑。人工智能產業鏈可以劃分為上游、中游和下游三個部分,其中技術擴張主要集中在上游和中游部分,包括芯片、算力、半導體、CPO、光模塊以及基于各類識別技術構建的軟件產品、解決方案和技術平臺等。人工智能的技術擴張動力,主要來源于大數據及其應用場景的廣泛建設和半導體技術的日新月異。近年來,我國形成了雄厚的人工智能產業鏈技術基礎。到2022年,直接從事人工智能技術研發的企業數量超過4200家,高端智能芯片制造、半導體架構設計、智能傳感器等關鍵核心技術取得重要突破。在智能化應用場景建設領域,2022年,全國在用數據中心機架總規模超過650萬標準機架,目前有超過35個城市正在建設或提出建設智算中心。大數據和人工智能的交互作用,使得企業間的空間與時間邊界被打破,突破了知識分享的情景限制,(3)顧麗敏、李嘉:《人工智能對企業知識管理的影響研究》,《學?！?020年第6期。加速了人工智能技術研發企業之間的技術互動集成,實現了企業資源在生產過程中的遠程控制與優化利用。人工智能技術的外部性將不可避免地在各企業和部門之間傳播,引致技術的跨企業、跨部門應用和發展,有助于企業整合現有知識、提高產品創新能力。依托大數據算法、機器學習等技術,人工智能在替代人類勞動的同時,也打破了人類的認知局限性,極大提升了知識的吸收與利用效率?；跈C器學習與神經網絡等技術的發展,人工智能可以在分類與預測任務等領域實現“自動發現”,并從根本上改變科技界的概念方法和問題框架,具有成為“發明方法的發明”的潛力。(4)Cockburn I. M., Henderson R., Stern S., “The Impact of Artificial Intelligence on Innovation: An Exploratory Analysis”, Nber Chapters, 2018.所以,隨著大規模數據集和機器學習等技術的普及,人工智能技術將有效推進關聯技術快速擴張。

2．產業擴張推動規模效應

科技的新發現、新突破,在強大的經濟社會需求牽引下,催生出一系列新興產業,同時倒逼傳統產業轉型升級,進而推動全社會生產力實現周期性、跨越式發展。例如,以蒸汽機大規模使用為標志的第一次技術革命,以機械化代替手工勞動,使人類社會從農業社會步入工業化時代;以電力技術和內燃機為標志的第二次技術革命,推動人類社會步入電氣化時代;以電子計算機和互聯網為標志的第三次技術革命,極大地提高了信息處理能力,推動了信息產業的發展,拓展了人類社會發展空間。

隨著以人工智能技術為標志的第四次技術革命不斷深化,人工智能對企業中低技能勞動力的替代效應不斷顯現,其中,制造業是智能化替代效應最大的行業?！皺C器換人”在降低企業生產環節的勞動力需求、節約生產成本的同時,也極大地提高了企業績效與競爭力,減少了對創新活動的擠出效應,使得企業能夠將更多的資源投入研發活動,研發部門將致力于提升技術水平從而促進技術產業化發展。

當然,人工智能在產生勞動力替代效應的同時,也產生了勞動力創造效應。智能資本的積累與深化,增加了對非常規、工作任務難度大的高技能勞動力的需求,即派生了對勞動力需求的“補充效應” 。一方面,人工智能技術發展本身催生了一大批適應人工智能技術要求的高技能勞動力,創造了一系列新的工作崗位。另一方面,由于智能化通過替代低技能勞動力,提升了對關聯產業高技能勞動力的需求,造成了就業結構整體的“極化”特征。高技能勞動力的增加不僅提升了企業整體的勞動力知識和技能水平,而且伴隨著技術擴散效應以及對先進技術的吸收、改造和二次創新能力的提升,也進一步促進了人工智能關聯產業的迅速擴張。高技能勞動力的規模擴大也提高了產業化水平與企業先進技術的匹配程度,為企業帶來自主創新優勢與規模效應。

(二)人工智能對技術創新的模式優化效應:從單一創新模式到雙元創新平衡

技術創新模式通常分為漸進式創新和突破式創新,前者強調利用現有的產業資源和技術儲備進行技術改造,后者強調拓展新的領域。漸進式創新與突破式創新對知識有不同的訴求。漸進式創新是對現有知識、技術與流程進行重新組合或挖掘的一種完善型創新,有助于降低新產品研發和推廣風險,在創新擴散與市場化中發揮著重要作用。突破式創新代表了一種以往未被發現的新功能或新技術,是對企業現有知識、技術與流程的全面突破,其結果會顯著改變工藝流程或消費模式。創新的二元特征容易使企業陷入技術創新路徑單一的困境,遭到競爭對手的技術限制,從而使傳統技術創新模式面臨更多的風險和不確定性。

隨著人工智能技術的推廣應用,數據成為和資本、勞動力同樣重要的生產要素。由于人工智能在數據處理方面具有巨大優勢,在增加了企業信息獲取深度的同時也拓展了其廣度,能夠同時促進漸進式創新與突破式創新,使得二元特征向協同性、平衡性方向轉化,從而形成二元平衡的技術創新模式。一方面,人工智能通過對企業已有知識、技術和市場數據以及專門知識進行挖掘,促進了對現有知識的理解與再利用。另一方面,人工智能的靈活性使企業能夠快速地在不同知識源之間轉換,從而獲得多樣化的知識,提高知識重組效率。在此過程中,企業受益于不同來源知識的深度連接和整合,積累了關于彼此特色資源、技術訣竅、設計能力、組織慣例以及綜合信息和長期目標的全面互惠知識 ,使得過去單一的漸進式創新或突破式創新有了兼容的條件,催生出雙元平衡的創新模式。這種平衡型技術創新有利于企業實現創造性與效率性的有效結合,通過敏銳地感知需求變化,加強對行業經驗與專業技術的積累,降低創新成果商業化的市場不確定性。同時,企業通過提高知識探索的深度與廣度而提升知識利用與開發的熟練、專業及精益程度,從而不斷提升創新的收益與效率,促進雙元平衡技術創新。

(三)規模擴張與模式優化對技術創新的交互作用

一般認為,企業規模越大,技術創新投入越多,就越有能力采用突破式創新模式,所取得的技術成果也越有創新性。當然,由于大企業中存在某種程度的管理低效率,創新投資失敗的風險也較大。另一方面,中小企業由于受到資本及高技能勞動力條件的限制,大多采用漸進式技術創新模式。然而,相關數據表明,中小企業在漸進式創新模式下的創新績效并不顯著低于大企業的突破式創新模式。究其原因,一是由于受技術創新環境及知識產權保護力度不足的影響,中小企業對非連續性、偶發性技術創新的捕獲能力比大企業強。二是中小企業決策機制靈活多樣,一旦遇到市場風險,相對容易調整技術創新方向,從而降低創新失敗的概率。三是大企業更容易出現技術創新成果的外溢和擴散,而中小企業更方便通過承接技術擴散而提高經濟效益。

近年來,隨著大數據的積累、理論算法的革新、芯片計算能力的提高以及網絡設備的完善,人工智能推動創新模式進入了一個嶄新的發展階段。中小企業得益于大數據和高技術人才的積累,也能夠從事突破性、原始性技術創新;大企業受益于多元知識的交叉積累和大數據分析,在深耕多元化技術創新模式的同時,也能拓展專業化技術創新路徑?？傊?人工智能技術有助于企業突破傳統的二元創新模式,從而促進雙元平衡技術創新模式的發展。

人工智能對技術創新規模和模式的影響:基于制造業上市公司數據的實證檢驗

(一)模型設定與變量選擇

1.模型設定

為檢驗人工智能對企業創新活動的影響,本文構建如下基準回歸模型:

lninnoit=α1+β1lnAIit+γ1Xit+εit

(1)

lnincrementalit=α2+β2lnAIit+γ2Xit+εit

(2)

lnradicalit=α3+β3lnAIit+γ3Xit+εit

(3)

其中,lninnoit、lnincrementalit、lnradicalit分別表示i企業第t年技術創新規模、漸進式創新、突破式創新的對數;lnAIit表示i企業第t年人工智能水平的對數;X為影響創新活動的其他控制變量;αi、βi、γi是待估計系數,其中βi是本文關心的核心系數;εit為隨機誤差項。

2.主要指標與數據說明

本文采用專利申請數據測度企業的技術創新規模,以克服企業創新投入、R&D經費支出等代理變量無法衡量企業實際創新程度所產生的估計偏誤。在此基礎上,采用實用新型與外觀設計專利申請數量之和取自然對數衡量企業的漸進式創新,采用發明專利申請數量并取自然對數衡量企業的突破式創新。(5)鑒于部分企業專利數量為0,參考張陳宇等的做法,將專利數量統一加1后,再進行對數化處理。張陳宇、孫浦陽、謝娟娟:《生產鏈位置是否影響創新模式選擇——基于微觀角度的理論與實證》,《管理世界》2020年第1期。借鑒既有研究,構建如下模型測算企業雙元創新平衡指數:

(4)

其中,balance為企業雙元創新平衡指數,取值越大,說明兩種創新的平衡程度越高。

人工智能利用機器學習、深度學習和計算機視覺等技術,通過編程與算法實現對人類能力的模仿。但人工智能的研究尚處于初級階段,且囿于機器學習、深度學習和計算機視覺等技術的非物質性,目前仍缺少可以刻畫所有地區或行業人工智能水平的數據。對于制造業企業而言,先進的機器人技術是其實現智能化升級的關鍵因素,也是人工智能技術應用的重要載體。IFR認定的工業機器人是“三個或更多軸上可編程的自動控制、可重新編程的多用途機械手,可以固定或移動以用于工業自動化應用”。也就是說,此工業機器人是可以通過編程來執行多項手動任務而無需人工干預的機器。因此,工業機器人可以相對準確地反映制造業企業的人工智能水平。同時,相對于其他行業智能資本的非物質性,工業機器人的物理特性使得它們更容易被追蹤與觀測。在現有研究中,工業機器人被普遍當作制造業人工智能水平的代理變量。(6)Acemoglu D., Restrepo P., “The Wrong Kind of AI? Artificial Intelligence and the Future of Labour Demand”, Cambridge Journal of Regions Economy and Society, Vol.13, No.1, 2020, pp.25-35.

我們以中國制造業上市公司為樣本,采用工業機器人裝備量衡量制造業企業的人工智能水平。由于IFR采用的行業分類標準與中國的國民經濟行業分類標準不一致,將其提供的工業機器人數據與中國的行業分類標準進行匹配,并對企業數據加以合并。

3.變量選擇與數據來源

中介變量:創新資本投入用企業R&D經費支出的對數(lnrdinv)表示;高技能勞動力用R&D人員投入的對數(lnrdstaff)表示。

控制變量:企業規模(lnsize),采用期初資產總和的自然對數進行度量;資產負債率(lev),采用企業年初總負債與年初資產總額的比值表征;托賓Q(Q),采用企業的托賓Q值刻畫;經營績效(roa),采用企業總資產收益率表征;公司年限(lnage),采用企業成立時間的自然對數表征;公司成長性(gr),采用企業營業收入增長率度量;管理層持股(mgr),采用管理層持有的股份占總發行股份的比例度量;賬面市值比(bm),采用股東權益與企業市值的比例刻畫。

采用的行業工業機器人數據源自IFR,上市公司相關數據來自WIND數據庫。

(二)實證結果與分析

1.基準回歸結果

表1報告了人工智能影響企業技術創新的基準回歸結果。從列(1)—(8)來看,人工智能對創新規模、漸進式創新、突破式創新和雙元創新平衡的影響系數均在1%水平上顯著為正,說明人工智能不僅能夠促進企業創新規模擴張,而且能夠促進企業創新模式優化。人工智能對企業漸進式創新和突破式創新均有顯著促進作用,可能是因為人工智能本身屬于一種工具性技術革命,不僅能夠提升企業在原有領域深化創新的效率,而且能夠拓展企業創新范圍。從控制變量來看,企業規模對企業創新規模和創新模式均有顯著正向影響,這在一定程度上驗證了“大企業在創新方面更具優勢”的觀點,也可能與本文研究樣本大多為規模較大的制造業上市公司有關。

表1 基準回歸結果

2.穩健性檢驗

人工智能與企業創新活動可能存在雙向因果關系,為解決由此導致的內生性問題,利用美國工業機器人裝備量作為工具變量(IV),采用兩階段最小二乘法(2SLS)對模型進行重新估計。一方面,美國的人工智能水平處于國際領先地位,其對人工智能的投資和應用可能會加劇中國企業面臨的國際競爭,從而倒逼中國企業提升人工智能水平,滿足工具變量的“相關性”要求。另一方面,美國制造業的人工智能水平沒有其他渠道直接影響中國企業的創新活動,滿足工具變量的“排他性”約束。表2回歸結果顯示,工具變量的不可識別檢驗、弱工具變量檢驗、穩健弱識別檢驗均在1%水平上拒絕原假設,說明工具變量具有合理性。列(1)結果顯示,工具變量與中國制造業人工智能水平顯著正相關,驗證了工具變量的“相關性”要求。列(2)—(5)結果顯示,人工智能與創新規模、漸進式創新、突破式創新、雙元創新平衡的系數均顯著為正,說明前文結論具有穩健性。需要指出,不同的人工智能規模和技術創新模式交互作用,引致了企業差異化的技術創新戰略和創新路徑。產品專業化的企業會選擇同質性創新路徑,大企業會選擇突破式技術創新和多元化技術創新路徑。人工智能規模越大、技術實力越雄厚的企業,越傾向于選擇雙元平衡技術創新模式,走多元化技術創新道路。

表2 穩健性檢驗回歸結果

3.機制檢驗

借鑒技術可供性理論關于“核心技術產出—技術產業化潛在能力—技術產業規?！洜I效益”的邏輯思路,構建“人工智能技術研發—人工智能市場化—人工智能產業規?！髽I創新績效”的中介模型,探討人工智能影響創新的作用機制。在數字經濟背景下,人工智能技術具有便捷、快速、大容量等特性,促使企業對越來越多的傳統生產要素進行數字化,將傳統的硬的物件變成軟的工業軟件,以現代數字化生產要素替代傳統生產要素。實現這一過程最關鍵的兩個要素是創新資本和人才,因此,本文選擇創新資本投入和高技能勞動力作為中介變量。

表3 機制檢驗回歸結果

表3的Panel A報告了以創新資本投入為中介變量的檢驗結果。Panel A列(2)、(5)、(8)、(11)為人工智能對創新資本投入的影響結果,lnAI的系數顯著為正,說明人工智能對創新資本投入有顯著促進作用。Panel A列(3)、(6)、(9)、(12)的檢驗結果顯示,lnAI和lnrdinv的系數均顯著為正,說明創新資本投入對人工智能與創新規模、漸進式創新、突破式創新、雙元創新平衡間關系存在部分中介效應,人工智能通過提升創新資本投入對創新規模、漸進式創新、突破式創新、雙元創新平衡產生的中介效應占其總效應的比重分別為39.62%、32.74%、31.62%、15.37%。以高技能勞動力為中介變量的檢驗結果詳見表3的Panel B。同樣,Panel B的檢驗結果表明,高技能勞動力對人工智能與創新規模、漸進式創新、突破式創新、雙元創新平衡間關系也存在部分中介效應,人工智能通過培養高技能勞動力對創新規模、漸進式創新、突破式創新、雙元創新平衡產生的中介效應占其總效應的比重分別為37.44%、30.57%、33.88%、18.75%?？梢?人工智能企業主要通過創新資本投入和高技能勞動力的中介要素滲透,完成“人工智能技術研發—人工智能市場化—人工智能產業規?！髽I創新績效”的作用過程。

結論與政策建議

(一)研究結論

本文通過將國際機器人聯合會提供的工業機器人數據與中國制造業上市公司微觀數據相匹配,實證檢驗人工智能對企業技術創新規模與模式的影響及其作用機制,結果表明,人工智能有利于提升企業技術創新規模,并且促進了企業的漸進式創新、突破式創新與雙元創新平衡;人工智能的作用機制是通過創新資本投入和高技能勞動力對傳統生產要素的滲透,把傳統生產要素轉化為數字化生產要素,從而促進企業創新。

(二)政策建議

首先,完善基礎性研究激勵機制,取得更多突破性技術創新成果。持續加大基礎性研究投入力度,提高基礎性研究經費占比,同時強化知識產權保護,促進技術創新人才和資本自由流動,建立加強基礎研究的長效機制。其次,企業要運用人工智能技術對已有知識、技術和市場數據進行挖掘,通過彎道超車、后發趕超等技術路徑,推動產品升級,助推產業變革,培育新動能。再次,將加大創新資本投入和培養高技能勞動力作為人工智能賦能企業創新的重要抓手。一方面,拓展多元化創新資本投入渠道,在擴大創新資本投入規模的同時,持續優化投入結構、提升利用效率。另一方面,千方百計加大人力資本投資力度,自主培養與外源引進相結合,建設規模宏大、結構合理的高技能勞動力隊伍。最后,針對人工智能技術創新過程中的生產要素數字化轉化效應,加快以人工智能、云計算、大數據中心、5G等領域為核心的新技術設施建設。同時,加大數字技術投入,提升企業技術密集度,提高對人工智能技術的消化吸收能力。