人工智能的技术创新效应及其实现机制*

胡蓉宁 王跃堂

引 言

新一代人工智能正加速向各种产业渗透,成为推动科技跨越发展、实现产业弯道超车、促进生产力整体跃升的驱动力量。人工智能技术在经济中的扩散正在改变创新过程、提升创新能力,并且随着时间的推移,将会成为新阶段创新驱动发展的主导因素之一。习近平总书记强调指出:“要培育具有重大引领带动作用的人工智能企业和产业,构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。要发挥人工智能在产业升级、产品开发、服务创新等方面的技术优势,促进人工智能同一、二、三产业深度融合,以人工智能技术推动各产业变革。”(1)习近平:《论科技自立自强》,中央文献出版社2023年版,第213—214页。党的二十大报告进一步明确提出:“推动战略性新兴产业融合集群发展,构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。”(2)习近平:《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》,人民出版社2022年版,第30页。因此,充分发挥人工智能技术对企业创新的赋能效应,成为我国实施创新驱动战略、实现高水平科技自立自强的重要议题。

人工智能是技术创新的产物,反过来,人工智能又影响技术创新的模式和路径。那么,人工智能是如何影响企业技术创新规模及其模式选择的呢?人工智能规模扩张和创新模式的交互作用会产生什么样的效果呢?为回应上述问题,本文拟通过将国际机器人联合会(International Federation of Robotics,IFR)提供的工业机器人数据与我国制造业上市公司的微观数据相匹配,实证检验人工智能对企业技术创新规模和模式的影响,进而探讨人工智能推动企业技术创新的实现机制。

人工智能的技术创新效应:规模扩张与模式优化

(一)人工智能对技术创新的规模扩张效应

1.技术扩张催生基础效应

人工智能作为新一代通用性技术,是创造新知识并将其转移和使用的动态过程,其规模扩张表现为技术扩张和产业扩张两条路径。人工智能产业链可以划分为上游、中游和下游三个部分,其中技术扩张主要集中在上游和中游部分,包括芯片、算力、半导体、CPO、光模块以及基于各类识别技术构建的软件产品、解决方案和技术平台等。人工智能的技术扩张动力,主要来源于大数据及其应用场景的广泛建设和半导体技术的日新月异。近年来,我国形成了雄厚的人工智能产业链技术基础。到2022年,直接从事人工智能技术研发的企业数量超过4200家,高端智能芯片制造、半导体架构设计、智能传感器等关键核心技术取得重要突破。在智能化应用场景建设领域,2022年,全国在用数据中心机架总规模超过650万标准机架,目前有超过35个城市正在建设或提出建设智算中心。大数据和人工智能的交互作用,使得企业间的空间与时间边界被打破,突破了知识分享的情景限制,(3)顾丽敏、李嘉:《人工智能对企业知识管理的影响研究》,《学海》2020年第6期。加速了人工智能技术研发企业之间的技术互动集成,实现了企业资源在生产过程中的远程控制与优化利用。人工智能技术的外部性将不可避免地在各企业和部门之间传播,引致技术的跨企业、跨部门应用和发展,有助于企业整合现有知识、提高产品创新能力。依托大数据算法、机器学习等技术,人工智能在替代人类劳动的同时,也打破了人类的认知局限性,极大提升了知识的吸收与利用效率。基于机器学习与神经网络等技术的发展,人工智能可以在分类与预测任务等领域实现“自动发现”,并从根本上改变科技界的概念方法和问题框架,具有成为“发明方法的发明”的潜力。(4)Cockburn I. M., Henderson R., Stern S., “The Impact of Artificial Intelligence on Innovation: An Exploratory Analysis”, Nber Chapters, 2018.所以,随着大规模数据集和机器学习等技术的普及,人工智能技术将有效推进关联技术快速扩张。

2．产业扩张推动规模效应

科技的新发现、新突破,在强大的经济社会需求牵引下,催生出一系列新兴产业,同时倒逼传统产业转型升级,进而推动全社会生产力实现周期性、跨越式发展。例如,以蒸汽机大规模使用为标志的第一次技术革命,以机械化代替手工劳动,使人类社会从农业社会步入工业化时代;以电力技术和内燃机为标志的第二次技术革命,推动人类社会步入电气化时代;以电子计算机和互联网为标志的第三次技术革命,极大地提高了信息处理能力,推动了信息产业的发展,拓展了人类社会发展空间。

随着以人工智能技术为标志的第四次技术革命不断深化,人工智能对企业中低技能劳动力的替代效应不断显现,其中,制造业是智能化替代效应最大的行业。“机器换人”在降低企业生产环节的劳动力需求、节约生产成本的同时,也极大地提高了企业绩效与竞争力,减少了对创新活动的挤出效应,使得企业能够将更多的资源投入研发活动,研发部门将致力于提升技术水平从而促进技术产业化发展。

当然,人工智能在产生劳动力替代效应的同时,也产生了劳动力创造效应。智能资本的积累与深化,增加了对非常规、工作任务难度大的高技能劳动力的需求,即派生了对劳动力需求的“补充效应” 。一方面,人工智能技术发展本身催生了一大批适应人工智能技术要求的高技能劳动力,创造了一系列新的工作岗位。另一方面,由于智能化通过替代低技能劳动力,提升了对关联产业高技能劳动力的需求,造成了就业结构整体的“极化”特征。高技能劳动力的增加不仅提升了企业整体的劳动力知识和技能水平,而且伴随着技术扩散效应以及对先进技术的吸收、改造和二次创新能力的提升,也进一步促进了人工智能关联产业的迅速扩张。高技能劳动力的规模扩大也提高了产业化水平与企业先进技术的匹配程度,为企业带来自主创新优势与规模效应。

(二)人工智能对技术创新的模式优化效应:从单一创新模式到双元创新平衡

技术创新模式通常分为渐进式创新和突破式创新,前者强调利用现有的产业资源和技术储备进行技术改造,后者强调拓展新的领域。渐进式创新与突破式创新对知识有不同的诉求。渐进式创新是对现有知识、技术与流程进行重新组合或挖掘的一种完善型创新,有助于降低新产品研发和推广风险,在创新扩散与市场化中发挥着重要作用。突破式创新代表了一种以往未被发现的新功能或新技术,是对企业现有知识、技术与流程的全面突破,其结果会显著改变工艺流程或消费模式。创新的二元特征容易使企业陷入技术创新路径单一的困境,遭到竞争对手的技术限制,从而使传统技术创新模式面临更多的风险和不确定性。

随着人工智能技术的推广应用,数据成为和资本、劳动力同样重要的生产要素。由于人工智能在数据处理方面具有巨大优势,在增加了企业信息获取深度的同时也拓展了其广度,能够同时促进渐进式创新与突破式创新,使得二元特征向协同性、平衡性方向转化,从而形成二元平衡的技术创新模式。一方面,人工智能通过对企业已有知识、技术和市场数据以及专门知识进行挖掘,促进了对现有知识的理解与再利用。另一方面,人工智能的灵活性使企业能够快速地在不同知识源之间转换,从而获得多样化的知识,提高知识重组效率。在此过程中,企业受益于不同来源知识的深度连接和整合,积累了关于彼此特色资源、技术诀窍、设计能力、组织惯例以及综合信息和长期目标的全面互惠知识 ,使得过去单一的渐进式创新或突破式创新有了兼容的条件,催生出双元平衡的创新模式。这种平衡型技术创新有利于企业实现创造性与效率性的有效结合,通过敏锐地感知需求变化,加强对行业经验与专业技术的积累,降低创新成果商业化的市场不确定性。同时,企业通过提高知识探索的深度与广度而提升知识利用与开发的熟练、专业及精益程度,从而不断提升创新的收益与效率,促进双元平衡技术创新。

(三)规模扩张与模式优化对技术创新的交互作用

一般认为,企业规模越大,技术创新投入越多,就越有能力采用突破式创新模式,所取得的技术成果也越有创新性。当然,由于大企业中存在某种程度的管理低效率,创新投资失败的风险也较大。另一方面,中小企业由于受到资本及高技能劳动力条件的限制,大多采用渐进式技术创新模式。然而,相关数据表明,中小企业在渐进式创新模式下的创新绩效并不显著低于大企业的突破式创新模式。究其原因,一是由于受技术创新环境及知识产权保护力度不足的影响,中小企业对非连续性、偶发性技术创新的捕获能力比大企业强。二是中小企业决策机制灵活多样,一旦遇到市场风险,相对容易调整技术创新方向,从而降低创新失败的概率。三是大企业更容易出现技术创新成果的外溢和扩散,而中小企业更方便通过承接技术扩散而提高经济效益。

近年来,随着大数据的积累、理论算法的革新、芯片计算能力的提高以及网络设备的完善,人工智能推动创新模式进入了一个崭新的发展阶段。中小企业得益于大数据和高技术人才的积累,也能够从事突破性、原始性技术创新;大企业受益于多元知识的交叉积累和大数据分析,在深耕多元化技术创新模式的同时,也能拓展专业化技术创新路径。总之,人工智能技术有助于企业突破传统的二元创新模式,从而促进双元平衡技术创新模式的发展。

人工智能对技术创新规模和模式的影响:基于制造业上市公司数据的实证检验

(一)模型设定与变量选择

1.模型设定

为检验人工智能对企业创新活动的影响,本文构建如下基准回归模型:

lninnoit=α1+β1lnAIit+γ1Xit+εit

(1)

lnincrementalit=α2+β2lnAIit+γ2Xit+εit

(2)

lnradicalit=α3+β3lnAIit+γ3Xit+εit

(3)

其中,lninnoit、lnincrementalit、lnradicalit分别表示i企业第t年技术创新规模、渐进式创新、突破式创新的对数;lnAIit表示i企业第t年人工智能水平的对数;X为影响创新活动的其他控制变量;αi、βi、γi是待估计系数,其中βi是本文关心的核心系数;εit为随机误差项。

2.主要指标与数据说明

本文采用专利申请数据测度企业的技术创新规模,以克服企业创新投入、R&D经费支出等代理变量无法衡量企业实际创新程度所产生的估计偏误。在此基础上,采用实用新型与外观设计专利申请数量之和取自然对数衡量企业的渐进式创新,采用发明专利申请数量并取自然对数衡量企业的突破式创新。(5)鉴于部分企业专利数量为0,参考张陈宇等的做法,将专利数量统一加1后,再进行对数化处理。张陈宇、孙浦阳、谢娟娟:《生产链位置是否影响创新模式选择——基于微观角度的理论与实证》,《管理世界》2020年第1期。借鉴既有研究,构建如下模型测算企业双元创新平衡指数:

(4)

其中,balance为企业双元创新平衡指数,取值越大,说明两种创新的平衡程度越高。

人工智能利用机器学习、深度学习和计算机视觉等技术,通过编程与算法实现对人类能力的模仿。但人工智能的研究尚处于初级阶段,且囿于机器学习、深度学习和计算机视觉等技术的非物质性,目前仍缺少可以刻画所有地区或行业人工智能水平的数据。对于制造业企业而言,先进的机器人技术是其实现智能化升级的关键因素,也是人工智能技术应用的重要载体。IFR认定的工业机器人是“三个或更多轴上可编程的自动控制、可重新编程的多用途机械手,可以固定或移动以用于工业自动化应用”。也就是说,此工业机器人是可以通过编程来执行多项手动任务而无需人工干预的机器。因此,工业机器人可以相对准确地反映制造业企业的人工智能水平。同时,相对于其他行业智能资本的非物质性,工业机器人的物理特性使得它们更容易被追踪与观测。在现有研究中,工业机器人被普遍当作制造业人工智能水平的代理变量。(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.

我们以中国制造业上市公司为样本,采用工业机器人装备量衡量制造业企业的人工智能水平。由于IFR采用的行业分类标准与中国的国民经济行业分类标准不一致,将其提供的工业机器人数据与中国的行业分类标准进行匹配,并对企业数据加以合并。

3.变量选择与数据来源

中介变量:创新资本投入用企业R&D经费支出的对数(lnrdinv)表示;高技能劳动力用R&D人员投入的对数(lnrdstaff)表示。

控制变量:企业规模(lnsize),采用期初资产总和的自然对数进行度量;资产负债率(lev),采用企业年初总负债与年初资产总额的比值表征;托宾Q(Q),采用企业的托宾Q值刻画;经营绩效(roa),采用企业总资产收益率表征;公司年限(lnage),采用企业成立时间的自然对数表征;公司成长性(gr),采用企业营业收入增长率度量;管理层持股(mgr),采用管理层持有的股份占总发行股份的比例度量;账面市值比(bm),采用股东权益与企业市值的比例刻画。

采用的行业工业机器人数据源自IFR,上市公司相关数据来自WIND数据库。

(二)实证结果与分析

1.基准回归结果

表1报告了人工智能影响企业技术创新的基准回归结果。从列(1)—(8)来看,人工智能对创新规模、渐进式创新、突破式创新和双元创新平衡的影响系数均在1%水平上显著为正,说明人工智能不仅能够促进企业创新规模扩张,而且能够促进企业创新模式优化。人工智能对企业渐进式创新和突破式创新均有显著促进作用,可能是因为人工智能本身属于一种工具性技术革命,不仅能够提升企业在原有领域深化创新的效率,而且能够拓展企业创新范围。从控制变量来看,企业规模对企业创新规模和创新模式均有显著正向影响,这在一定程度上验证了“大企业在创新方面更具优势”的观点,也可能与本文研究样本大多为规模较大的制造业上市公司有关。

表1 基准回归结果

2.稳健性检验

人工智能与企业创新活动可能存在双向因果关系,为解决由此导致的内生性问题,利用美国工业机器人装备量作为工具变量(IV),采用两阶段最小二乘法(2SLS)对模型进行重新估计。一方面,美国的人工智能水平处于国际领先地位,其对人工智能的投资和应用可能会加剧中国企业面临的国际竞争,从而倒逼中国企业提升人工智能水平,满足工具变量的“相关性”要求。另一方面,美国制造业的人工智能水平没有其他渠道直接影响中国企业的创新活动,满足工具变量的“排他性”约束。表2回归结果显示,工具变量的不可识别检验、弱工具变量检验、稳健弱识别检验均在1%水平上拒绝原假设,说明工具变量具有合理性。列(1)结果显示,工具变量与中国制造业人工智能水平显著正相关,验证了工具变量的“相关性”要求。列(2)—(5)结果显示,人工智能与创新规模、渐进式创新、突破式创新、双元创新平衡的系数均显著为正,说明前文结论具有稳健性。需要指出,不同的人工智能规模和技术创新模式交互作用,引致了企业差异化的技术创新战略和创新路径。产品专业化的企业会选择同质性创新路径,大企业会选择突破式技术创新和多元化技术创新路径。人工智能规模越大、技术实力越雄厚的企业,越倾向于选择双元平衡技术创新模式,走多元化技术创新道路。

表2 稳健性检验回归结果

3.机制检验

借鉴技术可供性理论关于“核心技术产出—技术产业化潜在能力—技术产业规模—经营效益”的逻辑思路,构建“人工智能技术研发—人工智能市场化—人工智能产业规模—企业创新绩效”的中介模型,探讨人工智能影响创新的作用机制。在数字经济背景下,人工智能技术具有便捷、快速、大容量等特性,促使企业对越来越多的传统生产要素进行数字化,将传统的硬的物件变成软的工业软件,以现代数字化生产要素替代传统生产要素。实现这一过程最关键的两个要素是创新资本和人才,因此,本文选择创新资本投入和高技能劳动力作为中介变量。

表3 机制检验回归结果

表3的Panel A报告了以创新资本投入为中介变量的检验结果。Panel A列(2)、(5)、(8)、(11)为人工智能对创新资本投入的影响结果,lnAI的系数显著为正,说明人工智能对创新资本投入有显著促进作用。Panel A列(3)、(6)、(9)、(12)的检验结果显示,lnAI和lnrdinv的系数均显著为正,说明创新资本投入对人工智能与创新规模、渐进式创新、突破式创新、双元创新平衡间关系存在部分中介效应,人工智能通过提升创新资本投入对创新规模、渐进式创新、突破式创新、双元创新平衡产生的中介效应占其总效应的比重分别为39.62%、32.74%、31.62%、15.37%。以高技能劳动力为中介变量的检验结果详见表3的Panel B。同样,Panel B的检验结果表明,高技能劳动力对人工智能与创新规模、渐进式创新、突破式创新、双元创新平衡间关系也存在部分中介效应,人工智能通过培养高技能劳动力对创新规模、渐进式创新、突破式创新、双元创新平衡产生的中介效应占其总效应的比重分别为37.44%、30.57%、33.88%、18.75%。可见,人工智能企业主要通过创新资本投入和高技能劳动力的中介要素渗透,完成“人工智能技术研发—人工智能市场化—人工智能产业规模—企业创新绩效”的作用过程。

结论与政策建议

(一)研究结论

本文通过将国际机器人联合会提供的工业机器人数据与中国制造业上市公司微观数据相匹配,实证检验人工智能对企业技术创新规模与模式的影响及其作用机制,结果表明,人工智能有利于提升企业技术创新规模,并且促进了企业的渐进式创新、突破式创新与双元创新平衡;人工智能的作用机制是通过创新资本投入和高技能劳动力对传统生产要素的渗透,把传统生产要素转化为数字化生产要素,从而促进企业创新。

(二)政策建议

首先,完善基础性研究激励机制,取得更多突破性技术创新成果。持续加大基础性研究投入力度,提高基础性研究经费占比,同时强化知识产权保护,促进技术创新人才和资本自由流动,建立加强基础研究的长效机制。其次,企业要运用人工智能技术对已有知识、技术和市场数据进行挖掘,通过弯道超车、后发赶超等技术路径,推动产品升级,助推产业变革,培育新动能。再次,将加大创新资本投入和培养高技能劳动力作为人工智能赋能企业创新的重要抓手。一方面,拓展多元化创新资本投入渠道,在扩大创新资本投入规模的同时,持续优化投入结构、提升利用效率。另一方面,千方百计加大人力资本投资力度,自主培养与外源引进相结合,建设规模宏大、结构合理的高技能劳动力队伍。最后,针对人工智能技术创新过程中的生产要素数字化转化效应,加快以人工智能、云计算、大数据中心、5G等领域为核心的新技术设施建设。同时,加大数字技术投入,提升企业技术密集度,提高对人工智能技术的消化吸收能力。