制造企業(yè)人工智能創(chuàng)新如何賦能高質(zhì)量發(fā)展
——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)

黃東兵，王靈均，周承緒，劉 駿

(1.貴州財(cái)經(jīng)大學(xué) 西部現(xiàn)代化研究中心；2.貴州財(cái)經(jīng)大學(xué) 工商學(xué)院；3.貴州財(cái)經(jīng)大學(xué) 管科學(xué)院，貴州 貴陽(yáng) 550025)

0 引言

中共十九大報(bào)告指出，我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展成為我國(guó)邁入新時(shí)代的新追求。國(guó)家經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變是集宏觀、中觀、微觀于一體的系統(tǒng)化工程，而企業(yè)作為宏觀經(jīng)濟(jì)活動(dòng)和中觀產(chǎn)業(yè)發(fā)展的微觀主體，其創(chuàng)新發(fā)展水平直接關(guān)系到經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變、經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化和新舊動(dòng)能轉(zhuǎn)換的成敗。因此，經(jīng)濟(jì)高質(zhì)量發(fā)展必須落實(shí)到企業(yè)微觀層面[1]。既有文獻(xiàn)大多聚焦于行業(yè)及其它宏觀層面的高質(zhì)量發(fā)展機(jī)制，對(duì)企業(yè)層面高質(zhì)量發(fā)展機(jī)制的理解存在差異[2]。此外，制造業(yè)是實(shí)體經(jīng)濟(jì)的主體，實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展離不開(kāi)制造企業(yè)的支撐。因此，制造企業(yè)如何實(shí)現(xiàn)高質(zhì)量發(fā)展是亟待研究的重要課題。

近年來(lái)，我國(guó)制造業(yè)面臨人口紅利褪去、產(chǎn)品附加值低、國(guó)際競(jìng)爭(zhēng)日趨激烈等挑戰(zhàn)，企業(yè)智能化轉(zhuǎn)型成為制造業(yè)高質(zhì)量發(fā)展的重要方向。人工智能(AI)作為戰(zhàn)略性技術(shù)給經(jīng)濟(jì)社會(huì)中的眾多領(lǐng)域帶來(lái)顛覆性變革，其核心內(nèi)容是數(shù)字化、信息化基礎(chǔ)上的智能化發(fā)展。已有研究基于行業(yè)同質(zhì)性假設(shè)，從經(jīng)濟(jì)發(fā)展[3]、產(chǎn)業(yè)結(jié)構(gòu)[4]和就業(yè)結(jié)構(gòu)[5]3個(gè)方面，探討人工智能技術(shù)發(fā)展所帶來(lái)的變化。由于不同行業(yè)在市場(chǎng)、技術(shù)等方面存在差異，導(dǎo)致不同類型企業(yè)在生產(chǎn)過(guò)程中對(duì)技術(shù)的需求、依賴程度、創(chuàng)新意愿和難度、創(chuàng)新成果轉(zhuǎn)化與應(yīng)用也不盡相同，上述差異往往導(dǎo)致AI技術(shù)對(duì)企業(yè)產(chǎn)生異質(zhì)性影響[6]?；诖?，本文探討AI創(chuàng)新能力對(duì)處于不同行業(yè)、具有不同生產(chǎn)要素特征制造企業(yè)高質(zhì)量發(fā)展的影響。

當(dāng)前，企業(yè)外部環(huán)境充滿不確定性和風(fēng)險(xiǎn)。企業(yè)內(nèi)嵌于環(huán)境中，從外部環(huán)境獲取資源和信息以實(shí)現(xiàn)技術(shù)創(chuàng)新，需要規(guī)避環(huán)境不確定性風(fēng)險(xiǎn)。因此，企業(yè)創(chuàng)新與外部情境密切相關(guān)?，F(xiàn)有文獻(xiàn)基于企業(yè)內(nèi)部組織戰(zhàn)略[7]、知識(shí)流動(dòng)[8]等視角初步研究AI創(chuàng)新影響機(jī)制，深入剖析組織外部情境下AI創(chuàng)新與企業(yè)高質(zhì)量發(fā)展間復(fù)雜關(guān)系對(duì)現(xiàn)階段中國(guó)制造業(yè)的戰(zhàn)略意義。本文進(jìn)一步研究行業(yè)競(jìng)爭(zhēng)情境下AI創(chuàng)新對(duì)制造企業(yè)高質(zhì)量發(fā)展的權(quán)變影響。

基于上述理論和現(xiàn)實(shí)背景，本文在以下方面進(jìn)行探索，即基于組織外部競(jìng)爭(zhēng)和內(nèi)部生產(chǎn)要素視角，探討人工智能創(chuàng)新驅(qū)動(dòng)制造企業(yè)高質(zhì)量發(fā)展的內(nèi)在機(jī)制和邊界條件，試圖解答以下問(wèn)題：制造企業(yè)人工智能創(chuàng)新如何影響高質(zhì)量發(fā)展？行業(yè)競(jìng)爭(zhēng)對(duì)制造企業(yè)人工智能創(chuàng)新與高質(zhì)量發(fā)展的關(guān)系是否具有影響？制造企業(yè)人工智能創(chuàng)新對(duì)高質(zhì)量發(fā)展的影響是否具有行業(yè)異質(zhì)性？不同生產(chǎn)要素特征的制造企業(yè)人工智能創(chuàng)新對(duì)高質(zhì)量發(fā)展的影響是否存在差異？上述問(wèn)題的解答有助于剖析人工智能的微觀權(quán)變效用，為企業(yè)制定AI創(chuàng)新戰(zhàn)略提供理論依據(jù)。

1 理論與假設(shè)

1.1 AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展的影響

對(duì)于制造業(yè)而言，人口老齡化加劇、勞動(dòng)力成本攀升以及新技術(shù)快速發(fā)展迫使制造企業(yè)實(shí)施智能化轉(zhuǎn)型以維持競(jìng)爭(zhēng)優(yōu)勢(shì)。資源基礎(chǔ)觀認(rèn)為，企業(yè)具有獨(dú)特、難以復(fù)制的資源與能力是核心競(jìng)爭(zhēng)力提升的關(guān)鍵。因此，在人工智能領(lǐng)域，持續(xù)投入和技術(shù)積累能夠促進(jìn)企業(yè)高質(zhì)量發(fā)展，這也是企業(yè)愿意開(kāi)展AI創(chuàng)新的理論支撐?；谖宕笮掳l(fā)展理念，本文認(rèn)為，人工智能可以促進(jìn)企業(yè)高質(zhì)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(shù)整合到業(yè)務(wù)中，從而獲取創(chuàng)新效益和競(jìng)爭(zhēng)優(yōu)勢(shì)；從協(xié)調(diào)理念看，制造企業(yè)能夠采用AI技術(shù)提升信息處理能力[9]，通過(guò)對(duì)市場(chǎng)信息進(jìn)行智能分析以輔助決策，從而快速優(yōu)化消費(fèi)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)；從綠色理念看，企業(yè)采用AI技術(shù)能夠提升環(huán)境管理效能并減少生產(chǎn)過(guò)程中的資源浪費(fèi)[10]，例如智能識(shí)別和傳感器能優(yōu)精準(zhǔn)防控廢棄物污染或甲烷泄漏，智能節(jié)水系統(tǒng)能減少企業(yè)用水量等；從開(kāi)放理念看，人工智能基于云計(jì)算和自主學(xué)習(xí)技術(shù)能夠強(qiáng)化制造企業(yè)海外投資決策[11]，準(zhǔn)確識(shí)別潛在海外投資風(fēng)險(xiǎn)，進(jìn)一步增加對(duì)外開(kāi)放發(fā)展成果；從共享理念看，企業(yè)采用人工智能技術(shù)創(chuàng)造新型共享平臺(tái)[12]，實(shí)現(xiàn)資源合作和協(xié)同創(chuàng)新?；谝陨戏治?，本文提出如下假設(shè)：

H1：制造企業(yè)AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展具有促進(jìn)作用。

1.2 行業(yè)競(jìng)爭(zhēng)對(duì)AI創(chuàng)新能力與高質(zhì)量發(fā)展關(guān)系的調(diào)節(jié)

探討AI創(chuàng)新效應(yīng)邊界條件是本文研究目的，權(quán)變理論認(rèn)為，企業(yè)活動(dòng)要與其所處外部環(huán)境相適應(yīng)。也就是說(shuō)，當(dāng)行業(yè)競(jìng)爭(zhēng)處于不同水平時(shí)，企業(yè)AI創(chuàng)新所產(chǎn)生的成本和收益是動(dòng)態(tài)變化的。具體而言，行業(yè)競(jìng)爭(zhēng)程度是指整個(gè)行業(yè)內(nèi)企業(yè)間的競(jìng)爭(zhēng)激烈程度，包含產(chǎn)品同質(zhì)化和價(jià)格競(jìng)爭(zhēng)兩個(gè)特征。其中，企業(yè)能夠通過(guò)AI創(chuàng)新獲取異質(zhì)性資源并在同質(zhì)化競(jìng)爭(zhēng)中脫穎而出，而人工智能創(chuàng)造的虛擬勞動(dòng)力作為新生產(chǎn)要素，能夠大幅降低生產(chǎn)成本，提高生產(chǎn)效率，從而幫助企業(yè)在價(jià)格競(jìng)爭(zhēng)中獲取較高的市場(chǎng)份額[13]。

首先，企業(yè)創(chuàng)新活動(dòng)會(huì)受外部行業(yè)影響，現(xiàn)有研究認(rèn)為，行業(yè)競(jìng)爭(zhēng)影響企業(yè)創(chuàng)新戰(zhàn)略，行業(yè)競(jìng)爭(zhēng)越激烈，企業(yè)創(chuàng)新強(qiáng)度[14]、創(chuàng)新擴(kuò)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(chǎng)競(jìng)爭(zhēng)條件下，企業(yè)需要應(yīng)對(duì)市場(chǎng)不確定性風(fēng)險(xiǎn)并開(kāi)發(fā)更多新業(yè)務(wù)，而AI技術(shù)能夠幫助企業(yè)及時(shí)識(shí)別和分析市場(chǎng)信息，促進(jìn)市場(chǎng)結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)協(xié)調(diào)發(fā)展[9]；再次，行業(yè)競(jìng)爭(zhēng)越激烈，企業(yè)越傾向于履行環(huán)境責(zé)任[16]和開(kāi)展海外投資活動(dòng)[17]，從而實(shí)現(xiàn)綠色發(fā)展和開(kāi)放發(fā)展；最后，行業(yè)競(jìng)爭(zhēng)能夠強(qiáng)化企業(yè)間合作研發(fā)意愿[18]并促進(jìn)績(jī)效提升[19]，激烈的市場(chǎng)競(jìng)爭(zhēng)是企業(yè)間形成共享合作平臺(tái)的必要條件[20]?；谝陨戏治?，本文提出如下假設(shè)：

H2：行業(yè)競(jìng)爭(zhēng)可以強(qiáng)化AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展的促進(jìn)作用。

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

近年來(lái)，我國(guó)產(chǎn)業(yè)體系不斷優(yōu)化升級(jí)，智能化和自動(dòng)化發(fā)展促使行業(yè)間聯(lián)系和差異日趨復(fù)雜。演化經(jīng)濟(jì)學(xué)派認(rèn)為，不同環(huán)境下企業(yè)經(jīng)濟(jì)活動(dòng)不可能遵循相同行為準(zhǔn)則，必然存在一定的行業(yè)異質(zhì)性。不同行業(yè)企業(yè)的市場(chǎng)類型和技術(shù)水平存在差異，具有不同研發(fā)重點(diǎn)和形式，其研發(fā)投入對(duì)企業(yè)績(jī)效的影響也不同。從市場(chǎng)角度看，完全競(jìng)爭(zhēng)市場(chǎng)需求的異質(zhì)性和多樣性較顯著，行業(yè)競(jìng)爭(zhēng)對(duì)企業(yè)研發(fā)活動(dòng)具有逃離競(jìng)爭(zhēng)效應(yīng)，即企業(yè)通過(guò)研發(fā)新產(chǎn)品逃離與行業(yè)內(nèi)其它企業(yè)競(jìng)爭(zhēng)[21]。但非完全競(jìng)爭(zhēng)市場(chǎng)中，產(chǎn)品生命周期較長(zhǎng)，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(shù)角度看，在高技術(shù)產(chǎn)業(yè)中，技術(shù)革新與老化速度較快，競(jìng)爭(zhēng)壁壘不斷被打破，企業(yè)面臨更多發(fā)展機(jī)遇和技術(shù)過(guò)時(shí)風(fēng)險(xiǎn)，而AI技術(shù)能夠有效提升制造企業(yè)技術(shù)研發(fā)能力[9]。相反，傳統(tǒng)制造業(yè)具有穩(wěn)定的技術(shù)發(fā)展軌跡，企業(yè)為了規(guī)避風(fēng)險(xiǎn)，傾向于從現(xiàn)有技術(shù)和產(chǎn)品中謀利(尹惠斌等，2014)，從而弱化AI創(chuàng)新對(duì)高質(zhì)量發(fā)展的影響?；谝陨戏治觯疚奶岢鋈缦录僭O(shè)：

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

1.4 AI創(chuàng)新能力對(duì)不同生產(chǎn)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(chǎn)要素投入的粗放型增長(zhǎng)難以為繼。內(nèi)生增長(zhǎng)理論認(rèn)為，內(nèi)生技術(shù)進(jìn)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(shù)研發(fā)與異質(zhì)性資源對(duì)企業(yè)高質(zhì)量發(fā)展具有驅(qū)動(dòng)作用。要實(shí)現(xiàn)我國(guó)制造企業(yè)高質(zhì)量發(fā)展，必須由要素驅(qū)動(dòng)、規(guī)模驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變。本文認(rèn)為，企業(yè)生產(chǎn)要素對(duì)人工智能創(chuàng)新驅(qū)動(dòng)具有異質(zhì)性影響。具體而言，勞動(dòng)密集型企業(yè)績(jī)效增長(zhǎng)主要來(lái)源于勞動(dòng)力投入的規(guī)模效應(yīng)，但人口老齡化加劇和用工成本上升迫使企業(yè)進(jìn)行技術(shù)創(chuàng)新[24]，而人工智能技術(shù)創(chuàng)造的虛擬勞動(dòng)力可以完成單調(diào)且重復(fù)的工作，進(jìn)而提高企業(yè)生產(chǎn)效率，促進(jìn)企業(yè)高質(zhì)量發(fā)展[13]。技術(shù)密集型企業(yè)是人工智能技術(shù)創(chuàng)新的主要陣地，其技術(shù)創(chuàng)新強(qiáng)度越大，對(duì)自身高質(zhì)量發(fā)展越有利[25]。此外，技術(shù)密集型企業(yè)本身具有較強(qiáng)的研發(fā)意愿和技術(shù)優(yōu)勢(shì)，AI技術(shù)研發(fā)難度較低[6]；資本密集型企業(yè)利潤(rùn)增長(zhǎng)依賴于大量資本投入和先進(jìn)設(shè)備更新，對(duì)技術(shù)依賴程度較低[26]。因此，AI創(chuàng)新對(duì)企業(yè)高質(zhì)量發(fā)展的影響可能較為有限?；谝陨戏治?，本文在行業(yè)異質(zhì)性的基礎(chǔ)上，進(jìn)一步探討具有不同生產(chǎn)要素特征的制造企業(yè)AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展的影響，并提出如下假設(shè)：

H4：勞動(dòng)密集型企業(yè)AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展具有促進(jìn)作用。

H5：技術(shù)密集型企業(yè)AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展具有促進(jìn)作用。

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

本文理論模型構(gòu)建如圖1所示。

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

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

2015年國(guó)務(wù)院發(fā)布“中國(guó)制造2025”戰(zhàn)略，將智能制造作為主攻方向。自此，我國(guó)智能化加速發(fā)展[27]，制造業(yè)作為人工智能技術(shù)的重要應(yīng)用領(lǐng)域，企業(yè)層面的創(chuàng)新相關(guān)數(shù)據(jù)更加完整(專利年申請(qǐng)量超過(guò)4 500件)?？紤]到人工智能發(fā)展進(jìn)程，本文選取2015—2019年滬深A(yù)股制造業(yè)上市公司作為研究樣本，其中涉及的企業(yè)財(cái)務(wù)數(shù)據(jù)主要來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)(CSMAR)，專利數(shù)據(jù)來(lái)自國(guó)家知識(shí)產(chǎn)權(quán)網(wǎng)專利數(shù)據(jù)庫(kù)(CNIPA)，行業(yè)數(shù)據(jù)來(lái)自東方財(cái)富數(shù)據(jù)庫(kù)(Eastmoney)。為剔除異常值對(duì)回歸結(jié)果的影響，本文對(duì)除虛擬變量外的連續(xù)變量進(jìn)行1%的縮尾處理(Winsorize)。

為確保數(shù)據(jù)的科學(xué)性和代表性，本研究按照如下步驟對(duì)樣本進(jìn)行嚴(yán)格篩選：①根據(jù)2020年第4季度證監(jiān)會(huì)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(jīng)營(yíng)不善的企業(yè)樣本，即將證券名稱中ST、*ST樣本刪除；③結(jié)合AI創(chuàng)新能力、高質(zhì)量發(fā)展水平等變量數(shù)據(jù)缺失情況，進(jìn)一步剔除數(shù)據(jù)不完整樣本，整理后得到時(shí)間長(zhǎng)度為5年的非平衡面板數(shù)據(jù)集，包含來(lái)自26個(gè)子行業(yè)596家制造業(yè)上市公司，共計(jì)2 888條樣本數(shù)據(jù)，樣本特征如表1所示。

表1 樣本特征Tab.1 Sample characteristics

在主效應(yīng)的基礎(chǔ)上，本研究進(jìn)一步討論行業(yè)異質(zhì)性及生產(chǎn)要素特征對(duì)主效應(yīng)的影響。按照2020年第4季度證監(jiān)會(huì)行業(yè)分類文件，將已獲得的制造企業(yè)樣本分為26個(gè)子行業(yè)。為了避免誤差，剔除樣本企業(yè)數(shù)量不足10家或樣本量不足50個(gè)的子行業(yè)，整理獲得12個(gè)子行業(yè)，分別對(duì)其進(jìn)行個(gè)體固定效應(yīng)回歸。此外，本文參考張晴[28]、張艷萍(2022)的研究成果，依據(jù)所處子行業(yè)生產(chǎn)要素密集特征將制造企業(yè)分為勞動(dòng)密集型企業(yè)、技術(shù)密集型企業(yè)和資本密集型企業(yè)，分別進(jìn)行個(gè)體固定效應(yīng)回歸，結(jié)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(cè)量

2.2.1 因變量

本文因變量為企業(yè)高質(zhì)量發(fā)展水平(HQD)?，F(xiàn)有研究對(duì)企業(yè)高質(zhì)量發(fā)展衡量方式尚未達(dá)成共識(shí)，部分學(xué)者采用全要素生產(chǎn)率衡量企業(yè)高質(zhì)量發(fā)展水平[1]。企業(yè)高質(zhì)量發(fā)展不僅意味著自身價(jià)值實(shí)現(xiàn)，而且蘊(yùn)含著其創(chuàng)造的社會(huì)價(jià)值。因此，單一指標(biāo)不能全面衡量企業(yè)高質(zhì)量發(fā)展水平。一些學(xué)者基于多維指標(biāo)體系對(duì)企業(yè)高質(zhì)量發(fā)展水平進(jìn)行評(píng)價(jià)[29]，但本文認(rèn)為，現(xiàn)有評(píng)價(jià)體系缺少系統(tǒng)指導(dǎo)思想作為支撐。本研究深刻把握新發(fā)展理念的基本內(nèi)涵，遵循科學(xué)性、代表性、數(shù)據(jù)可得性、完備性等原則，從創(chuàng)新、協(xié)調(diào)、綠色、開(kāi)放、共享5個(gè)維度構(gòu)建制造企業(yè)高質(zhì)量發(fā)展評(píng)價(jià)體系。

創(chuàng)新是制造企業(yè)高質(zhì)量發(fā)展的新動(dòng)力。創(chuàng)新高質(zhì)量發(fā)展要求企業(yè)轉(zhuǎn)換增長(zhǎng)動(dòng)能，加快從要素驅(qū)動(dòng)、規(guī)模驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變，形成以創(chuàng)新為第一動(dòng)力的全新發(fā)展模式。發(fā)明專利作為知識(shí)產(chǎn)權(quán)的重要載體和表現(xiàn)形式，是創(chuàng)新驅(qū)動(dòng)高質(zhì)量發(fā)展成果。其中，企業(yè)專利申請(qǐng)數(shù)是指企業(yè)當(dāng)年向國(guó)家知識(shí)產(chǎn)權(quán)局提交申請(qǐng)的專利數(shù)量，專利授權(quán)數(shù)是指企業(yè)當(dāng)年已被國(guó)家知識(shí)產(chǎn)權(quán)局授權(quán)的專利數(shù)量，上述兩個(gè)指標(biāo)通常被用于衡量企業(yè)創(chuàng)新活動(dòng)成果產(chǎn)出。因此，本研究采用上述兩個(gè)指標(biāo)衡量企業(yè)創(chuàng)新發(fā)展水平[29]。

協(xié)調(diào)是制造企業(yè)高質(zhì)量發(fā)展的新目標(biāo)。高質(zhì)量發(fā)展的主線是供給側(cè)結(jié)構(gòu)性改革，供需平衡是協(xié)調(diào)高質(zhì)量發(fā)展的重點(diǎn)。企業(yè)應(yīng)保持產(chǎn)業(yè)結(jié)構(gòu)與消費(fèi)結(jié)構(gòu)間的彈性匹配和動(dòng)態(tài)共享，避免因有效供給與實(shí)際需求不對(duì)稱而產(chǎn)生的供需錯(cuò)配矛盾。存貨周轉(zhuǎn)率是企業(yè)一定時(shí)期內(nèi)營(yíng)業(yè)收入與存貨平均占有額的比值，能夠反映企業(yè)對(duì)產(chǎn)品供給與市場(chǎng)需求關(guān)系的協(xié)調(diào)。其它業(yè)務(wù)收入占比是其它業(yè)務(wù)收入與營(yíng)業(yè)收入的比值，能夠反映企業(yè)對(duì)多元化產(chǎn)業(yè)關(guān)系的協(xié)調(diào)。因此，本研究采用存貨周轉(zhuǎn)率和其它業(yè)務(wù)占比衡量企業(yè)協(xié)調(diào)發(fā)展水平(張濤，2020)。

綠色是制造企業(yè)高質(zhì)量發(fā)展的新思維。綠色高質(zhì)量發(fā)展是指以較高的生產(chǎn)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?fàn)顟B(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(shí)和環(huán)保行為兩個(gè)方面構(gòu)建綠色發(fā)展評(píng)價(jià)體系。其中，環(huán)保意識(shí)包括環(huán)保理念、環(huán)保目標(biāo)以及在上市公司年報(bào)、社會(huì)責(zé)任報(bào)告、環(huán)境報(bào)告中披露環(huán)境相關(guān)信息，而環(huán)保行為包括環(huán)保教育培訓(xùn)、環(huán)保專項(xiàng)行動(dòng)、環(huán)保榮譽(yù)獎(jiǎng)勵(lì)以及環(huán)保管理制度體系、環(huán)境事件應(yīng)急機(jī)制、“三同時(shí)”制度披露。本研究將綠色發(fā)展指標(biāo)進(jìn)行量化匯總，最后得出綠色發(fā)展評(píng)價(jià)值，以此衡量企業(yè)綠色發(fā)展水平[29]。

開(kāi)放是制造企業(yè)高質(zhì)量發(fā)展的新態(tài)度。以更加開(kāi)放的態(tài)度融入全球價(jià)值鏈，是推進(jìn)制造業(yè)對(duì)外開(kāi)放的戰(zhàn)略抉擇，也是新時(shí)代我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)在要求。在當(dāng)前逆全球化背景下，制造企業(yè)要解決高質(zhì)量發(fā)展的外部性問(wèn)題，就必須進(jìn)一步制定國(guó)際化戰(zhàn)略，積極開(kāi)拓海外市場(chǎng)，助力中國(guó)制造從“引進(jìn)來(lái)”到“走出去”，實(shí)現(xiàn)更高水平的對(duì)外開(kāi)放。海外業(yè)務(wù)收入和海外關(guān)聯(lián)公司利潤(rùn)額能夠反映企業(yè)對(duì)外開(kāi)放取得的經(jīng)濟(jì)成果。因此，本研究采用上述兩個(gè)指標(biāo)衡量企業(yè)開(kāi)放發(fā)展水平[29]。

共享是制造企業(yè)高質(zhì)量發(fā)展的新格局。共享理念嵌入于高質(zhì)量發(fā)展基本理論框架中，推動(dòng)中國(guó)特色社會(huì)主義共同富裕理論創(chuàng)新，是高質(zhì)量發(fā)展的出發(fā)點(diǎn)和落腳點(diǎn)，也是對(duì)高質(zhì)量發(fā)展價(jià)值導(dǎo)向的必然回應(yīng)。企業(yè)共享發(fā)展表現(xiàn)為企業(yè)間合作共享與協(xié)同發(fā)展，而制造企業(yè)間共享體現(xiàn)在業(yè)務(wù)環(huán)節(jié)上的資源相互依賴，以及技術(shù)合作關(guān)系上。聯(lián)營(yíng)、合營(yíng)企業(yè)投資收益能夠反映企業(yè)間資本合作[30]，而聯(lián)合申請(qǐng)專利數(shù)量能夠反映企業(yè)間技術(shù)合作[31]。因此，本文采用上述兩個(gè)指標(biāo)衡量企業(yè)共享發(fā)展水平。

綜合考慮制造企業(yè)高質(zhì)量發(fā)展現(xiàn)實(shí)情況與數(shù)據(jù)的客觀性，本研究運(yùn)用熵權(quán)法對(duì)指標(biāo)進(jìn)行賦權(quán)，并采用TOPSIS綜合評(píng)價(jià)法(逼近理想值排序法)進(jìn)行計(jì)算，將最終得到的評(píng)價(jià)值作為企業(yè)高質(zhì)量發(fā)展水平值，數(shù)據(jù)處理通過(guò)R語(yǔ)言軟件實(shí)現(xiàn)。制造企業(yè)高質(zhì)量發(fā)展評(píng)價(jià)體系如表3所示。

表3 制造企業(yè)高質(zhì)量發(fā)展評(píng)價(jià)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(xué)者們?cè)谘芯縿?chuàng)新時(shí)，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(chǎn)出間的關(guān)系較為復(fù)雜，所得結(jié)論并不能揭示創(chuàng)新本身與其它變量的關(guān)系[32]。本研究選擇上市公司人工智能相關(guān)專利數(shù)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(hù)創(chuàng)新成果考慮而不申請(qǐng)重要專利)，但相比于其它測(cè)量方式具有很多優(yōu)勢(shì)，例如可以跨時(shí)空分析AI技術(shù)在經(jīng)濟(jì)發(fā)展過(guò)程中的使用和擴(kuò)散情況[33]。而且，專利數(shù)量作為一個(gè)較為實(shí)用的創(chuàng)新能力指標(biāo)，具有一定的普遍性和公開(kāi)性。

識(shí)別與AI技術(shù)相關(guān)的專利是一項(xiàng)復(fù)雜的工作。首先，現(xiàn)有研究尚未對(duì)人工智能構(gòu)成和界限進(jìn)行統(tǒng)一界定[33]。其次，與其它通用技術(shù)一樣，人工智能在本質(zhì)上是橫向的，即跨越多個(gè)學(xué)科?；诖耍狙芯客ㄟ^(guò)關(guān)鍵詞對(duì)已有專利進(jìn)行文本分析，最大程度地識(shí)別人工智能相關(guān)專利。國(guó)外學(xué)者總結(jié)了人工智能相關(guān)專利的英文關(guān)鍵詞[33]，筆者邀請(qǐng)具有留學(xué)經(jīng)歷的信息系統(tǒng)領(lǐng)域?qū)＜覍⑵浞g為中文，并與知網(wǎng)知識(shí)詞條進(jìn)行比對(duì)，最終確定158個(gè)人工智能中文關(guān)鍵詞。基于關(guān)鍵詞，通過(guò)對(duì)2015—2019年目標(biāo)上市公司所有專利進(jìn)行文本分析，提取出專利標(biāo)題或摘要中含有關(guān)鍵詞的專利共19 412條，剔除重復(fù)和失效專利后，得到1 648條有效數(shù)據(jù)。本研究專利數(shù)據(jù)均來(lái)自國(guó)家知識(shí)產(chǎn)權(quán)公共服務(wù)網(wǎng)(CNIPA)的專利檢索與分析系統(tǒng)。

2.2.3 調(diào)節(jié)變量

本研究調(diào)節(jié)變量為行業(yè)競(jìng)爭(zhēng)程度。從現(xiàn)有研究看，反映行業(yè)競(jìng)爭(zhēng)程度的指標(biāo)主要有行業(yè)集中度、赫芬達(dá)爾指數(shù)、勒納指數(shù)、行業(yè)平均利潤(rùn)率和行業(yè)內(nèi)企業(yè)數(shù)目等，使用最多的是赫芬達(dá)爾指數(shù)(HHI)。參考連燕玲等(2019)的研究成果，采用赫芬達(dá)爾指數(shù)衡量行業(yè)競(jìng)爭(zhēng)程度，首先基于各行業(yè)所有企業(yè)營(yíng)業(yè)收入計(jì)算出每個(gè)企業(yè)所占市場(chǎng)份額，再計(jì)算出行業(yè)內(nèi)所有企業(yè)市場(chǎng)份額的平方和，得到該行業(yè)當(dāng)年HHI。HHI指數(shù)計(jì)算公式如下：

HHI=∑(Xi/X)2

(1)

其中，Xi為某行業(yè)i公司營(yíng)業(yè)收入；X是某行業(yè)營(yíng)業(yè)收入總和。需要說(shuō)明的是，HHI是一個(gè)反向指標(biāo)，HHI越小表示該行業(yè)競(jìng)爭(zhēng)越激烈。此外，本研究參考姜付秀等[34]的測(cè)量方法進(jìn)行穩(wěn)健性檢驗(yàn)。

2.2.4 控制變量

資源基礎(chǔ)觀認(rèn)為，企業(yè)是各種資源的集合體，資源基礎(chǔ)的異質(zhì)性決定其競(jìng)爭(zhēng)優(yōu)勢(shì)和發(fā)展?jié)摿?。為了排除企業(yè)基礎(chǔ)條件和財(cái)務(wù)狀況對(duì)高質(zhì)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(huì)將豐富的資源和資本投入到生產(chǎn)運(yùn)營(yíng)過(guò)程中，進(jìn)而影響企業(yè)高質(zhì)量發(fā)展[35]，因而選擇企業(yè)規(guī)模、企業(yè)資產(chǎn)作為控制變量。其次，現(xiàn)金流穩(wěn)定的企業(yè)往往具有較強(qiáng)的創(chuàng)新能力，因而選擇資產(chǎn)收益率作為控制變量[36]。最后，資產(chǎn)負(fù)債率較高的企業(yè)難以將大量資金用于研發(fā)新技術(shù)，不太可能通過(guò)額外投資促進(jìn)高質(zhì)量發(fā)展[32]，故將資產(chǎn)負(fù)債率作為控制變量。上述變量具體測(cè)量方法見(jiàn)表4。

表4 變量與測(cè)量方式Tab.4 Variables and measurement methods

3 實(shí)證分析

3.1 測(cè)量模型

本文數(shù)據(jù)是時(shí)間長(zhǎng)度為5年的非平衡面板數(shù)據(jù)，包含不同數(shù)據(jù)來(lái)源(自變量來(lái)自國(guó)家知識(shí)產(chǎn)權(quán)網(wǎng)專利數(shù)據(jù)庫(kù)，其它數(shù)據(jù)主要來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)、東方財(cái)富數(shù)據(jù)庫(kù))，不同來(lái)源的面板數(shù)據(jù)可以有效避免方法上的偏差[32]。綜合考慮本研究數(shù)據(jù)集，選用個(gè)體固定效應(yīng)模型進(jìn)行測(cè)量，主要原因在于：第一，各企業(yè)具有顯著異質(zhì)性，而本文關(guān)注的是企業(yè)內(nèi)差異(組內(nèi)差異)而非企業(yè)間差異(組間差異)，因而選擇使用個(gè)體固定效應(yīng)模型以消除組間差異。第二，采用固定效應(yīng)模型處理未觀察到內(nèi)部不隨時(shí)間變化的異質(zhì)性。第三，分別進(jìn)行F檢驗(yàn)(p<0.01)和Hausman檢驗(yàn)(p<0.01)，結(jié)果均顯著，說(shuō)明相比于隨機(jī)效應(yīng)模型和混合效應(yīng)模型，固定效應(yīng)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(shí)間，β1-7代表各變量回歸系數(shù)，cit為內(nèi)生性，eit為誤差項(xiàng)。以企業(yè)資產(chǎn)、企業(yè)規(guī)模、資產(chǎn)收益率和資產(chǎn)負(fù)債率作為控制變量，回歸方程(2)單獨(dú)檢驗(yàn)各控制變量與高質(zhì)量發(fā)展的關(guān)系，回歸方程(3)檢驗(yàn)AI創(chuàng)新能力與高質(zhì)量發(fā)展的關(guān)系，回歸方程(4)檢驗(yàn)行業(yè)競(jìng)爭(zhēng)程度對(duì)AI創(chuàng)新能力與高質(zhì)量發(fā)展關(guān)系的調(diào)節(jié)作用。此外，模型可能存在的內(nèi)生性問(wèn)題主要有反向因果和變量遺漏，故本文將因變量滯后一個(gè)時(shí)間單位以緩解反向因果帶來(lái)的內(nèi)生性問(wèn)題，并通過(guò)個(gè)體固定效應(yīng)模型消除不隨時(shí)間變化的內(nèi)生性問(wèn)題。因此，本研究模型中的內(nèi)生性問(wèn)題并不嚴(yán)重。

3.2 假設(shè)檢驗(yàn)

本研究在回歸分析前進(jìn)行描述性統(tǒng)計(jì)分析(見(jiàn)表5)，結(jié)果表明，模型中自變量、因變量、調(diào)節(jié)變量和控制變量之間不存在明顯多重共線性問(wèn)題，且變量間的相關(guān)性較為顯著，符合固定效應(yīng)模型回歸要求。為了進(jìn)一步討論共線性問(wèn)題，本文進(jìn)行VIF檢驗(yàn)，結(jié)果表明，模型變量最大的VIF值為3.68，遠(yuǎn)小于 10，說(shuō)明共線性問(wèn)題不會(huì)對(duì)研究結(jié)論形成干擾。

表5 描述性統(tǒng)計(jì)分析結(jié)果Tab.5 Results for the descriptive statistical analysis

根據(jù)研究設(shè)計(jì)，選擇個(gè)體固定效應(yīng)進(jìn)行回歸，結(jié)果如表6所示。其中，Model1為控制變量與高質(zhì)量發(fā)展水平關(guān)系回歸，結(jié)果表明，各控制變量與高質(zhì)量發(fā)展水平的關(guān)系較為顯著。在此基礎(chǔ)上，將自變量AI創(chuàng)新能力納入回歸模型，Model2結(jié)果表明，AI創(chuàng)新能力回歸系數(shù)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(jìn)自身高質(zhì)量發(fā)展，假設(shè)H1得證。進(jìn)一步地，將調(diào)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(jìng)爭(zhēng)程度的交互項(xiàng)系數(shù)為-9.56(βAI*HHI= -9.56, p<0.01)。研究設(shè)計(jì)中,行業(yè)競(jìng)爭(zhēng)程度(HHI)為負(fù)向指標(biāo)，Model3結(jié)果表明，行業(yè)競(jìng)爭(zhēng)會(huì)強(qiáng)化AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展的促進(jìn)作用，假設(shè)H2得證。為了避免誤差，剔除樣本企業(yè)數(shù)量不足10或樣本量不足50的子行業(yè)，整理獲得12個(gè)子行業(yè)。分行業(yè)回歸后發(fā)現(xiàn)，共6個(gè)子行業(yè)AI創(chuàng)新能力可以顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展(C26、C34、C35、C38、C39和C40)，沒(méi)有任何子行業(yè)AI創(chuàng)新能力和高質(zhì)量發(fā)展的關(guān)系呈負(fù)相關(guān)關(guān)系。如表6中Model4-Model9所示，這6個(gè)子行業(yè)AI創(chuàng)新能力均顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展，故假設(shè)H3得證。

表6 固定效應(yīng)模型回歸結(jié)果Tab.6 Results for the fixed effect regression model

遵循研究設(shè)計(jì)，本文根據(jù)生產(chǎn)要素特征將制造企業(yè)分為勞動(dòng)密集型企業(yè)、技術(shù)密集型企業(yè)和資本密集型企業(yè)，分別進(jìn)行個(gè)體固定效應(yīng)回歸，結(jié)果如表7所示。表7中Model1和Model2為勞動(dòng)密集型企業(yè)回歸結(jié)果，Model3和Model4為技術(shù)密集型企業(yè)回歸結(jié)果，Model5和Model6為資本密集型企業(yè)回歸結(jié)果。結(jié)果顯示，勞動(dòng)密集型企業(yè)AI創(chuàng)新能力可以顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展(βAI= 69.00, p<0.05)，假設(shè)H4得證；技術(shù)密集型企業(yè)AI創(chuàng)新能力顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展(βAI= 10.92, p<0.01)，假設(shè)H5得證；資本密集型企業(yè)AI創(chuàng)新能力對(duì)高質(zhì)量發(fā)展的影響不顯著(βAI= -0.25, p > 0.10),故假設(shè)H6得證。

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

3.3 穩(wěn)健性檢驗(yàn)

為了確保研究結(jié)果穩(wěn)健，本文通過(guò)更換測(cè)量模型、滯后自變量和替換調(diào)節(jié)變量等測(cè)算方法進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表8所示。表8中Model1是個(gè)體時(shí)間固定效應(yīng)模型回歸結(jié)果，更換后回歸結(jié)果沒(méi)有發(fā)生顯著性變化(βAI= 5.13, p<0.01)；Model2的測(cè)量模型為隨機(jī)效應(yīng)模型，更換后結(jié)果沒(méi)有發(fā)生顯著性變化(βAI=8.79, p<0.01)；Model3的測(cè)量模型為混合效應(yīng)模型，更換后結(jié)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(jié)果依然與前文一致，沒(méi)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(xiàn)[37]，選擇另一種行業(yè)競(jìng)爭(zhēng)程度測(cè)量方式進(jìn)行檢驗(yàn)，結(jié)果如Model6-Model8所示。其中，Model6只替換調(diào)節(jié)變量測(cè)量方式，仍進(jìn)行個(gè)體固定效應(yīng)回歸，結(jié)果依然顯著。Model7、Model8分別采用個(gè)體時(shí)間固定效應(yīng)模型和隨機(jī)效應(yīng)模型替換Model6中的測(cè)量模型，結(jié)果依然顯著。因此，本研究假設(shè)再次得證，研究結(jié)果較為穩(wěn)健。

表8 穩(wěn)健性檢驗(yàn)結(jié)果Tab.8 Results for the robustness test

4 進(jìn)一步分析：AI雙元?jiǎng)?chuàng)新效應(yīng)

上文結(jié)果表明，制造企業(yè)AI創(chuàng)新對(duì)高質(zhì)量發(fā)展具有促進(jìn)作用，而行業(yè)競(jìng)爭(zhēng)能夠強(qiáng)化這一促進(jìn)作用。必須注意的是，專利間應(yīng)用價(jià)值差異導(dǎo)致專利數(shù)目與企業(yè)實(shí)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(jìn)一步細(xì)化。雙元?jiǎng)?chuàng)新理論將企業(yè)創(chuàng)新活動(dòng)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(wù)和流程，研發(fā)新的技術(shù)和產(chǎn)品，而利用式創(chuàng)新是指在現(xiàn)有技術(shù)和市場(chǎng)的基礎(chǔ)上，更新既有產(chǎn)品和服務(wù)。參考先前研究[38]，本文以IPC分類的發(fā)明專利和實(shí)用新型專利構(gòu)建AI雙元?jiǎng)?chuàng)新，并通過(guò)個(gè)體固定效應(yīng)模型進(jìn)一步檢驗(yàn)AI雙元?jiǎng)?chuàng)新與高質(zhì)量發(fā)展、行業(yè)競(jìng)爭(zhēng)間的關(guān)系，結(jié)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(jié)果表明，AI探索式創(chuàng)新和利用式創(chuàng)新回歸系數(shù)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(jìn)企業(yè)高質(zhì)量發(fā)展。由于回歸系數(shù)及其顯著性存在差異，為檢驗(yàn)AI探索式創(chuàng)新和利用式創(chuàng)新對(duì)高質(zhì)量發(fā)展的影響是否存在顯著差異，本文采用Z檢驗(yàn)考察AI探索式創(chuàng)新和利用式創(chuàng)新間的回歸系數(shù)，Z檢驗(yàn)具體公式如下：

表9 AI雙元?jiǎng)?chuàng)新效應(yīng)分析結(jié)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(shù)，SEb1、SEb2分別為AI探索式創(chuàng)新和利用式創(chuàng)新的標(biāo)準(zhǔn)差。本文選擇Z = 1.96(置信度 = 95%)作為臨界值，經(jīng)計(jì)算Z值為0.46。Z檢驗(yàn)結(jié)果表明，AI探索式創(chuàng)新和利用式創(chuàng)新對(duì)高質(zhì)量發(fā)展的影響不存在顯著差異。將調(diào)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(jìng)爭(zhēng)程度的交互項(xiàng)系數(shù)為 -10.36(βTS*HHI= -10.36, p<0.01)，結(jié)果表明，行業(yè)競(jìng)爭(zhēng)能夠顯著強(qiáng)化AI探索式創(chuàng)新對(duì)高質(zhì)量發(fā)展的促進(jìn)作用。同理，如 Model3所示，AI利用式創(chuàng)新和行業(yè)競(jìng)爭(zhēng)程度的交互項(xiàng)系數(shù)為 -21.04(βLY*HHI= -21.04, p<0.05)，即行業(yè)競(jìng)爭(zhēng)能夠顯著強(qiáng)化AI利用式創(chuàng)新對(duì)高質(zhì)量發(fā)展的促進(jìn)作用。在此基礎(chǔ)上，分別通過(guò)更換測(cè)量模型、滯后自變量和替換調(diào)節(jié)變量等測(cè)算方法檢驗(yàn)研究結(jié)果的穩(wěn)健性。Model4是隨機(jī)效應(yīng)模型回歸結(jié)果，替換后結(jié)果與之前結(jié)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(jié)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(jìng)爭(zhēng)程度測(cè)量方式后，結(jié)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(jié)語(yǔ)

5.1 結(jié)論

本文基于組織外部競(jìng)爭(zhēng)和內(nèi)部生產(chǎn)要素視角，利用個(gè)體固定效應(yīng)非平衡面板模型，探討人工智能創(chuàng)新驅(qū)動(dòng)制造企業(yè)高質(zhì)量發(fā)展的內(nèi)在機(jī)制和邊界條件，并基于2015—2019年596家制造業(yè)上市公司數(shù)據(jù)進(jìn)行實(shí)證分析，得出以下主要結(jié)論：

(1)人工智能創(chuàng)新能夠有效促進(jìn)制造企業(yè)高質(zhì)量發(fā)展，且AI雙元?jiǎng)?chuàng)新效應(yīng)無(wú)顯著差異。因此，制造企業(yè)應(yīng)加強(qiáng)AI技術(shù)創(chuàng)新，加快AI技術(shù)在運(yùn)營(yíng)管理方面的應(yīng)用，提升企業(yè)數(shù)字化、智能化發(fā)展水平，為AI創(chuàng)新賦能高質(zhì)量發(fā)展提供硬件基礎(chǔ)。盡管國(guó)內(nèi)外學(xué)者們已經(jīng)證實(shí)，人工智能可以有效提升制造企業(yè)生產(chǎn)率[13]，但本土情境下，高質(zhì)量發(fā)展不能完全由單一指標(biāo)加以衡量，人工智能創(chuàng)新賦能企業(yè)高質(zhì)量發(fā)展有待實(shí)證檢驗(yàn)。本文揭示AI創(chuàng)新在制造企業(yè)高質(zhì)量發(fā)展過(guò)程中的積極作用，拓展人工智能應(yīng)用邊界，可為企業(yè)智能化轉(zhuǎn)型升級(jí)提供實(shí)證支持。此外，與現(xiàn)有指標(biāo)體系相比[29]，本文嚴(yán)格遵循五大發(fā)展理念構(gòu)建制造企業(yè)高質(zhì)量發(fā)展評(píng)價(jià)體系，進(jìn)一步拓展了微觀視角下高質(zhì)量發(fā)展分析框架。

(2)行業(yè)競(jìng)爭(zhēng)能夠強(qiáng)化人工智能創(chuàng)新對(duì)制造企業(yè)高質(zhì)量發(fā)展的積極影響。因此，企業(yè)應(yīng)根據(jù)自身及所處行業(yè)競(jìng)爭(zhēng)環(huán)境制定AI創(chuàng)新規(guī)劃，以市場(chǎng)為導(dǎo)向合理配置資源，建立以人工智能為核心的競(jìng)爭(zhēng)優(yōu)勢(shì)，進(jìn)而推動(dòng)自身高質(zhì)量發(fā)展。已有文獻(xiàn)從內(nèi)部組織戰(zhàn)略角度探討研發(fā)投入對(duì)AI創(chuàng)新與績(jī)效關(guān)系的調(diào)節(jié)作用[7]，但創(chuàng)新是一項(xiàng)復(fù)雜決策，組織外部情境對(duì)企業(yè)創(chuàng)新活動(dòng)的影響不可忽視(連燕玲等，2019)。因此，本文引入行業(yè)競(jìng)爭(zhēng)作為調(diào)節(jié)變量，考察外部競(jìng)爭(zhēng)對(duì)AI創(chuàng)新賦能高質(zhì)量發(fā)展的影響，結(jié)果表明，外部競(jìng)爭(zhēng)有助于企業(yè)發(fā)揮AI創(chuàng)新效應(yīng)，從理論上豐富人工智能創(chuàng)新情境變量，為人工智能領(lǐng)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(duì)高質(zhì)量發(fā)展具有差異化影響。因此，制造企業(yè)應(yīng)充分考慮自身AI技術(shù)開(kāi)發(fā)難度、應(yīng)用前景及所在行業(yè)發(fā)展階段，分階段、按步驟地實(shí)現(xiàn)AI創(chuàng)新。在初期，專注現(xiàn)有核心業(yè)務(wù)，通過(guò)應(yīng)用領(lǐng)域和規(guī)模較小的AI項(xiàng)目積累經(jīng)驗(yàn)，逐步實(shí)現(xiàn)復(fù)雜商業(yè)模式智能化轉(zhuǎn)型。既有文獻(xiàn)基于省級(jí)面板數(shù)據(jù)證實(shí)，人工智能發(fā)展對(duì)不同行業(yè)全要素生產(chǎn)率的影響存在差異[39]。本研究基于微觀企業(yè)數(shù)據(jù)進(jìn)一步探討AI創(chuàng)新賦能高質(zhì)量發(fā)展的行業(yè)異質(zhì)性，結(jié)果表明，智能化發(fā)展并非無(wú)往不利，尤其是對(duì)于那些缺乏技術(shù)基因的傳統(tǒng)產(chǎn)業(yè)。AI創(chuàng)新賦能高質(zhì)量發(fā)展效果最顯著的6個(gè)子行業(yè)均為國(guó)家統(tǒng)計(jì)局劃定的高技術(shù)產(chǎn)業(yè)(C26、C34、C35、C38、C39和C40)?，F(xiàn)階段，AI技術(shù)在高技術(shù)產(chǎn)業(yè)應(yīng)用較為廣泛，而傳統(tǒng)制造業(yè)大量企業(yè)有待進(jìn)一步轉(zhuǎn)型升級(jí)。這一現(xiàn)象揭示了AI創(chuàng)新效應(yīng)的行業(yè)異質(zhì)性，拓展了人工智能領(lǐng)域研究框架。

(4)生產(chǎn)要素特征對(duì)企業(yè)人工智能創(chuàng)新和高質(zhì)量發(fā)展具有顯著異質(zhì)性影響，其中，勞動(dòng)密集型企業(yè)和技術(shù)密集型企業(yè)AI創(chuàng)新能夠促進(jìn)企業(yè)高質(zhì)量發(fā)展，而資本密集型企業(yè)AI創(chuàng)新對(duì)企業(yè)高質(zhì)量發(fā)展的影響并不顯著。因此，勞動(dòng)密集型企業(yè)應(yīng)積極發(fā)揮AI替代效應(yīng)，提高勞動(dòng)生產(chǎn)率，加快生產(chǎn)要素結(jié)構(gòu)轉(zhuǎn)型；技術(shù)密集型企業(yè)應(yīng)繼續(xù)發(fā)揮AI創(chuàng)新效應(yīng)，增強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)，加強(qiáng)AI先進(jìn)技術(shù)研發(fā)與合作；資本密集型企業(yè)應(yīng)優(yōu)化資本要素配置，合理規(guī)劃AI創(chuàng)新投入，促進(jìn)AI創(chuàng)新成果轉(zhuǎn)化?，F(xiàn)有文獻(xiàn)表明，相較于資本型產(chǎn)業(yè)，智能化發(fā)展對(duì)勞動(dòng)密集型產(chǎn)業(yè)生產(chǎn)率的影響更為顯著[27]。本文進(jìn)一步研究不同生產(chǎn)要素下企業(yè)AI創(chuàng)新效應(yīng)差異，發(fā)現(xiàn)勞動(dòng)密集型企業(yè)和技術(shù)密集型企業(yè)能更好地發(fā)揮AI創(chuàng)新效應(yīng)，對(duì)創(chuàng)新賦能高質(zhì)量發(fā)展存在行業(yè)異質(zhì)性這一單維度結(jié)論進(jìn)行了有益的補(bǔ)充，進(jìn)一步拓展了AI創(chuàng)新應(yīng)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(xiàn)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(jí)階段，中小企業(yè)AI專利數(shù)據(jù)難以統(tǒng)計(jì)。因此，本文選擇A股上市公司作為研究對(duì)象。其次，本文采用專利數(shù)量衡量AI創(chuàng)新能力，忽略了AI應(yīng)用能力。未來(lái)研究可以基于問(wèn)卷數(shù)據(jù)衡量企業(yè)AI應(yīng)用能力，并考察AI應(yīng)用能力在AI創(chuàng)新與高質(zhì)量發(fā)展間的中介效應(yīng)。最后，現(xiàn)有企業(yè)高質(zhì)量發(fā)展度量指標(biāo)具有主觀性，國(guó)內(nèi)外學(xué)者們的衡量標(biāo)準(zhǔn)不統(tǒng)一，本文對(duì)企業(yè)高質(zhì)量發(fā)展水平的衡量方法不可避免地受限。在考慮數(shù)據(jù)可得性的前提下，后續(xù)研究可以結(jié)合更多指標(biāo)全面探討企業(yè)高質(zhì)量發(fā)展。