生成式AI驅(qū)動數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率的機(jī)制研究

摘要：生成式AI的廣泛應(yīng)用正深刻重塑數(shù)字創(chuàng)意產(chǎn)業(yè)，對全要素生產(chǎn)率的提升具有重要意義。文章基于2010-2023年中國上市數(shù)字創(chuàng)意產(chǎn)業(yè)企業(yè)的微觀數(shù)據(jù)，結(jié)合企業(yè)年報中的生成式AI相關(guān)詞頻信息，系統(tǒng)評估了生成式AI對產(chǎn)業(yè)全要素生產(chǎn)率的影響。研究結(jié)果表明，生成式AI顯著提升了數(shù)字創(chuàng)意產(chǎn)業(yè)的整體生產(chǎn)效率，并主要通過優(yōu)化數(shù)據(jù)要素配置、賦能新質(zhì)生產(chǎn)力及改善勞動力技能結(jié)構(gòu)三個核心渠道發(fā)揮作用。進(jìn)一步分析發(fā)現(xiàn)，該技術(shù)對創(chuàng)新投入較高的企業(yè)及國有企業(yè)的高質(zhì)量發(fā)展影響尤為顯著。文章的研究不僅拓展了全要素生產(chǎn)率影響因素的研究視角，也為推動生成式AI與數(shù)字創(chuàng)意產(chǎn)業(yè)的深度融合提供了理論支撐和現(xiàn)實(shí)啟示。

關(guān)鍵詞：生成式AI；數(shù)字創(chuàng)意產(chǎn)業(yè)；全要素生產(chǎn)率；數(shù)據(jù)要素配置；新質(zhì)生產(chǎn)力

一、引言

隨著生成式人工智能技術(shù)的深度滲透，其在重構(gòu)數(shù)字創(chuàng)意產(chǎn)業(yè)生產(chǎn)范式、優(yōu)化要素配置效率方面展現(xiàn)出顯著動能。作為數(shù)據(jù)驅(qū)動的智能技術(shù)，生成式AI通過創(chuàng)新生產(chǎn)工具鏈和重塑價值創(chuàng)造路徑，推動產(chǎn)業(yè)向智能化生產(chǎn)模式轉(zhuǎn)型。政策層面，《生成式人工智能服務(wù)管理暫行辦法》與《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》等文件構(gòu)建了技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展的制度框架，為探究AI技術(shù)經(jīng)濟(jì)效應(yīng)提供了現(xiàn)實(shí)背景。

現(xiàn)有研究主要沿兩條路徑展開：在應(yīng)用領(lǐng)域?qū)用?，學(xué)者揭示了生成式AI在數(shù)字出版（揭其濤、王奕諾，2024）、虛擬數(shù)字人（王照涵，2023）及文獻(xiàn)管理（安子棟等，2023）等場景中的價值創(chuàng)造機(jī)制；在產(chǎn)業(yè)影響層面，研究證實(shí)其具有激發(fā)創(chuàng)意潛能（Anantrasirichaiamp;Bull，2020）、提升運(yùn)營效率（Reznikov，2024）等正向效應(yīng)，但也面臨版權(quán)界定（Zhouamp;Lee，2024）和人機(jī)協(xié)同（Science Direct，2024）等治理挑戰(zhàn)。然而，現(xiàn)有文獻(xiàn)存在三方面局限：第一，偏重個案研究而缺乏系統(tǒng)性理論框架；第二，對要素配置優(yōu)化機(jī)制闡釋不足；第三，實(shí)證證據(jù)多基于截面數(shù)據(jù)，缺乏動態(tài)分析。

本研究基于2010-2023年中國數(shù)字創(chuàng)意產(chǎn)業(yè)上市企業(yè)面板數(shù)據(jù)，構(gòu)建動態(tài)面板模型，重點(diǎn)解析生成式AI通過數(shù)據(jù)要素重構(gòu)、生產(chǎn)力革新和勞動技能結(jié)構(gòu)升級三大渠道影響全要素生產(chǎn)率的內(nèi)在機(jī)制。相較于既有研究，本文的邊際貢獻(xiàn)在于：第一，構(gòu)建包含技術(shù)滲透、要素流動和制度環(huán)境的多維分析框架；第二，揭示不同技術(shù)應(yīng)用階段生產(chǎn)率效應(yīng)的異質(zhì)性特征。研究結(jié)論為完善AI治理體系和優(yōu)化產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型路徑提供政策啟示。

二、 理論機(jī)制與研究假說

生成式AI作為通用目的技術(shù)（GPT），通過技術(shù)滲透效應(yīng)與要素重構(gòu)效應(yīng)雙重路徑驅(qū)動數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率（TFP）提升?；贏cemoglu和Restrepo（2018）的任務(wù)模型與內(nèi)生增長理論（Romer，1990），本文提出“技術(shù)滲透-要素重構(gòu)-效率躍遷”理論框架。生成式AI的直接效應(yīng)體現(xiàn)為技術(shù)對生產(chǎn)邊界的突破（Bresnahanamp;Trajtenberg，1995），間接效應(yīng)則通過數(shù)據(jù)要素配置優(yōu)化、新質(zhì)生產(chǎn)力形成、勞動力技能結(jié)構(gòu)升級三條文獻(xiàn)支撐的中介路徑實(shí)現(xiàn)。

（一）生成式AI對數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率的影響

生成式AI的通用性通過三方面重構(gòu)生產(chǎn)效率：一是內(nèi)容生產(chǎn)范式革新，基于自然語言處理（NLP）和多模態(tài)生成技術(shù)，生成式AI自動化完成高重復(fù)性任務(wù)，顯著縮短創(chuàng)意生產(chǎn)周期（Gens，2022）；二是邊際成本趨零化，內(nèi)容生成的邊際成本趨近于零（Agrawal，2019），突破傳統(tǒng)人力成本約束（Brynjolfsson，2023）；三是試錯成本壓縮，通過快速生成多樣化方案加速創(chuàng)意驗(yàn)證（Goldfarbamp;Tucker，2023）。

假設(shè)H1：生成式AI對數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率具有直接促進(jìn)作用。

（二）生成式AI對數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率的影響機(jī)制

一是數(shù)據(jù)要素配置優(yōu)化。生成式AI通過整合多源數(shù)據(jù)、降低流通成本及挖掘數(shù)據(jù)價值提升配置效率。文獻(xiàn)表明，跨平臺數(shù)據(jù)整合可優(yōu)化市場預(yù)測精度（王照涵，2023），區(qū)塊鏈技術(shù)可降低數(shù)據(jù)交易成本（安子棟等，2023），而AI驅(qū)動的需求挖掘顯著提升創(chuàng)意轉(zhuǎn)化率（Reznikov，2024）。

假設(shè)H2a：數(shù)據(jù)要素優(yōu)化是TFP增長的中介路徑。

二是新質(zhì)生產(chǎn)力形成。生成式AI通過智能化生產(chǎn)流程、數(shù)字資產(chǎn)創(chuàng)新及創(chuàng)意勞動力釋放催生新質(zhì)生產(chǎn)力。研究表明，AI自動化設(shè)計可降低70%的研發(fā)成本（Anantrasirichaiamp;Bull，2020），虛擬數(shù)字人應(yīng)用拓展商業(yè)服務(wù)場景（王照涵，2023），而人類與AI的協(xié)作模式可提升40%創(chuàng)新效率（ScienceDirect，2024）。

假設(shè)H2b：新質(zhì)生產(chǎn)力驅(qū)動TFP提升。

三是勞動力技能結(jié)構(gòu)升級。生成式AI通過低技能替代、高技能互補(bǔ)及新型崗位創(chuàng)造重構(gòu)勞動力市場。Acemoglu和Restrepo（2018）的“任務(wù)模型”表明，技術(shù)替代低技能任務(wù)可釋放資源投向高價值領(lǐng)域；Zhou和Lee（2024）指出，AI與高技能勞動力的互補(bǔ)效應(yīng)強(qiáng)化創(chuàng)新效能。

假設(shè)H2c：技能結(jié)構(gòu)升級促進(jìn)TFP增長。

三、研究設(shè)計與數(shù)據(jù)說明

（一）計量模型構(gòu)建

本文為研究生成式AI的應(yīng)用對數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率的影響，借鑒楊高舉（2013）和車樹林（2023）等相關(guān)文獻(xiàn)，構(gòu)建如下基本計量模型：

TFPit=α+βGAIit+∑γXit+μi+δt+εit

其中，TFPit表示企業(yè)i在年份t的全要素生產(chǎn)率，GAIit表示企業(yè)i在年份t的生成式AI指數(shù)。

（二）變量設(shè)定

1． 企業(yè)全要素生產(chǎn)率

采用Cobb-Douglas生產(chǎn)函數(shù)估算TFP，綜合反映技術(shù)進(jìn)步與要素配置效率（魯曉東、連玉君，2012）：

Yit=Ait·K■■·L■■

其中Yit，Kit，Lit分別表示企業(yè)i在t年的銷售收入、固定資產(chǎn)凈值與員工總數(shù)。參考謝謙等（2021），基于Olley-Pakes（1996）半?yún)?shù)法控制內(nèi)生性，提升估計穩(wěn)健性。

2． 核心解釋變量

本文的核心解釋變量生成式AI指數(shù)。采用文本分析法，借鑒了吳非和徐斯旸（2022）的測算思路，基于人工智能、商業(yè)智能、圖像理解等15個關(guān)鍵詞作為核心指標(biāo)。使用Python爬蟲與“jieba”分詞技術(shù)對2010-2023年A股上市企業(yè)的年報統(tǒng)計關(guān)鍵詞頻次，加1取對數(shù)生成指數(shù)。相較于專利法（尹志鋒等，2023）與技術(shù)滲透法（Acemogluamp;Restrepo，2020），該方法更適用于捕捉生成式AI的企業(yè)級應(yīng)用特征。

3． 企業(yè)控制變量

為降低遺漏變量誤差，本文納入以下企業(yè)控制變量：企業(yè)規(guī)模（ln_資產(chǎn)總額）；企業(yè)年齡（ln_企業(yè)年數(shù)）；總資產(chǎn)凈利潤率；資產(chǎn)負(fù)債率；總資產(chǎn)周轉(zhuǎn)率；股權(quán)集中度；獨(dú)立董事比例（Indep Ratio）。

（三）數(shù)據(jù)來源

樣本篩選：依據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)分類（2018）》等標(biāo)準(zhǔn)，篩選95家數(shù)字創(chuàng)意產(chǎn)業(yè)上市公司（2010-2023年），剔除ST/*ST樣本。數(shù)據(jù)來源：企業(yè)年報文本數(shù)據(jù)（生成式AI指數(shù)），財務(wù)與勞動力數(shù)據(jù)（RESSET、CSMAR數(shù)據(jù)庫）。數(shù)據(jù)處理：缺失值采用多重插補(bǔ)法填補(bǔ)，確保面板數(shù)據(jù)完整性。

四、基本估計結(jié)果及分析

（一）基準(zhǔn)回歸結(jié)果

固定效應(yīng)模型回歸結(jié)果中，生成式AI指數(shù)（GAI）的系數(shù)加入控制變量與未加入控制變量都在1%水平顯著為正（β=0.042/0.0299），表明GAI應(yīng)用每提升1單位，企業(yè)TFP平均增長4.16%與2.99%。這一結(jié)果驗(yàn)證了假設(shè)H1，即生成式AI對數(shù)字創(chuàng)意產(chǎn)業(yè)全要素生產(chǎn)率具有直接促進(jìn)作用。

（二） 內(nèi)生性檢驗(yàn)

為緩解反向因果與遺漏變量偏誤，采用工具變量法（IV）進(jìn)行處理。IV1采用滯后一期GAI指數(shù)；IV2使用GAI指數(shù)與均值的非線性三次方差值。結(jié)果顯示如表 1列（1）～（4）所示，第一階段F統(tǒng)計量gt;10，通過弱工具變量檢驗(yàn)。IV回歸結(jié)果顯示GAI系數(shù)絕對值高于基準(zhǔn)回歸（β_IV1=0.179，β_IV2=0.0754），表明基準(zhǔn)結(jié)果存在低估。

（三） 穩(wěn)健性檢驗(yàn)

1. 樣本選擇偏誤校正

針對企業(yè)引入生成式AI的自選擇問題，采用傾向得分匹配法（PSM）進(jìn)行樣本平衡。基于企業(yè)規(guī)模、年齡及資產(chǎn)收益率等變量進(jìn)行1：1最近鄰匹配后，標(biāo)準(zhǔn)化偏差均低于10%，樣本平衡性顯著改善。匹配后回歸如表 1列（6）所示，生成式AI對TFP仍存在顯著正向效應(yīng)（β=0.37），且企業(yè)規(guī)模與盈利能力呈現(xiàn)正向調(diào)節(jié)作用，而企業(yè)年齡與資產(chǎn)負(fù)債率則產(chǎn)生負(fù)向抑制效應(yīng)，表明模型對異質(zhì)性因素具有穩(wěn)健解釋力。

2. 核心變量替換

為避免測度偏差，分別采用OLS法與LP法重新估計TFP。結(jié)果如表 1所示，生成式AI的回歸系數(shù)方向與顯著性水平均與基準(zhǔn)模型一致（plt;0.01），證明不同測算方法下結(jié)論具有普適性。

3. 動態(tài)效應(yīng)檢驗(yàn)

為捕捉技術(shù)影響的時滯特征，引入滯后一期GAI（L.GAI）與前置一期TFP（F.TFP）進(jìn)行回歸。結(jié)果顯示，滯后項(xiàng)系數(shù)為0.103且顯著（plt;0.01），表明生成式AI對TFP的提升具有持續(xù)效應(yīng)；而前置項(xiàng)也通過顯著性檢驗(yàn)。上述檢驗(yàn)共同證實(shí)，生成式AI對全要素生產(chǎn)率的促進(jìn)作用具有統(tǒng)計穩(wěn)健性與動態(tài)持續(xù)性。

五、機(jī)制檢驗(yàn)與異質(zhì)性分析

（一）機(jī)制檢驗(yàn)

為驗(yàn)證生成式AI（GAI）對TFP的作用路徑，本文構(gòu)建中介效應(yīng)模型檢驗(yàn)數(shù)據(jù)要素配置優(yōu)化、新質(zhì)生產(chǎn)力形成與勞動力技能結(jié)構(gòu)升級三類機(jī)制。

Mit=γ0+γ1GAIit+∑γcXit+μi+δt+εit

其中Mit表示中介變量，包括數(shù)據(jù)要素配置（開放數(shù)林指數(shù)M1），新質(zhì)生產(chǎn)力（M2）和勞動力技能結(jié)構(gòu)（常規(guī)低技能勞動力M3和非常規(guī)高技能勞動力M4）。

1． 數(shù)據(jù)要素配置

基于開放數(shù)林指數(shù)（2017-2023年）衡量數(shù)據(jù)要素配置水平，回歸結(jié)果如表 2列（1）～（2）所示：GAI對數(shù)據(jù)配置有促進(jìn)效應(yīng)，GAI顯著提升開放森林指數(shù)（β=2.31，plt;0.01）；數(shù)據(jù)配置對TFP有驅(qū)動效應(yīng)，開放森林指數(shù)每提升1單位，TFP增長0.002（plt;0.01）。生成式AI通過優(yōu)化數(shù)據(jù)整合與流通效率，間接提升TFP，假設(shè)H2a成立。

2． 新質(zhì)生產(chǎn)力

本文借鑒于洋和陳放等（2024）、何繼新等（2024）的研究，構(gòu)建新質(zhì)生產(chǎn)力的衡量指標(biāo)。具體包括人均GDP、戰(zhàn)略性新興產(chǎn)業(yè)增加值占GDP的比重、大學(xué)生人數(shù)、機(jī)器人數(shù)量與總?cè)丝诘谋戎?、Ramp;D人員數(shù)量、智能計算中心建設(shè)、第三產(chǎn)業(yè)就業(yè)比重、新興產(chǎn)業(yè)產(chǎn)值占比及反映社會就業(yè)服務(wù)、工業(yè)創(chuàng)新、環(huán)保投入、專利申請、能源消耗等方面的數(shù)據(jù)?；赥OPSIS-熵權(quán)法計算新質(zhì)生產(chǎn)力綜合指標(biāo)，檢驗(yàn)發(fā)現(xiàn)結(jié)果如表 2列（3）～（4）所示：GAI對新質(zhì)生產(chǎn)力有激發(fā)效應(yīng)，GAI顯著提高新質(zhì)生產(chǎn)力指數(shù)（β=0.01，plt;0.05）；新質(zhì)生產(chǎn)力對TFP的傳導(dǎo)效應(yīng)為新質(zhì)生產(chǎn)力每提升1單位，TFP增長0.25（plt;0.1）。生成式AI通過推動智能化生產(chǎn)與數(shù)字資產(chǎn)創(chuàng)新，形成新質(zhì)生產(chǎn)力，假設(shè)H2b成立。

3． 勞動力技能結(jié)構(gòu)

基于常規(guī)低技能（生產(chǎn)/業(yè)務(wù)人員占比）與非常規(guī)高技能（技術(shù)/研發(fā)人員占比）劃分（李磊等，2021），回歸結(jié)果如表 2所示。低技能替代效應(yīng)中GAI顯著降低常規(guī)勞動力需求（β=-0.85，plt;0.01），并通過此路徑提升TFP（β=0.09）；高技能互補(bǔ)效應(yīng)中GAI顯著增加高技能勞動力占比（β=0.85，plt;0.01），進(jìn)一步強(qiáng)化TFP提升（β=0.09）。生成式AI通過“低技能替代-高技能互補(bǔ)”重構(gòu)勞動力結(jié)構(gòu)，驗(yàn)證假設(shè)H2c。

（二）調(diào)節(jié)效應(yīng)分析

企業(yè)創(chuàng)新能力對生成式AI（GAI）促進(jìn)TFP提升有顯著調(diào)節(jié)作用。以研發(fā)投入為創(chuàng)新能力代理變量，GAI×研發(fā)投入系數(shù)顯著為正（β=0.0175，plt;0.01），表明高研發(fā)投入企業(yè)能更高效吸收生成式AI技術(shù)，放大其生產(chǎn)率增益。這一結(jié)果符合“技術(shù)吸收能力”理論，即創(chuàng)新能力強(qiáng)的企業(yè)通過優(yōu)化技術(shù)轉(zhuǎn)化路徑，將AI的智能化優(yōu)勢轉(zhuǎn)化為實(shí)際生產(chǎn)力，驗(yàn)證了技術(shù)擴(kuò)散的非均衡特征。

（三）異質(zhì)性分析

生成式AI的TFP提升效應(yīng)存在所有制異質(zhì)性。GAI對所有企業(yè)TFP均顯著正向（plt;0.001），表明技術(shù)普惠性；國企的GAI回歸系數(shù)最高（β=0.1613），顯著高于民企與外企。交互項(xiàng)檢驗(yàn)進(jìn)一步顯示，GAI×國企系數(shù)顯著為正（β=0.09，plt;0.01），反映國企憑借政策支持與資源整合優(yōu)勢，更高效利用生成式AI實(shí)現(xiàn)技術(shù)紅利；國企的強(qiáng)政府關(guān)聯(lián)性可能加速AI技術(shù)落地，如優(yōu)先獲取算力基礎(chǔ)設(shè)施與數(shù)據(jù)資源，形成“政策-技術(shù)-效率”協(xié)同效應(yīng)。

六、 研究結(jié)論與政策啟示

本文基于2010-2023年中國A股數(shù)字創(chuàng)意產(chǎn)業(yè)上市企業(yè)數(shù)據(jù)，系統(tǒng)考察生成式AI對產(chǎn)業(yè)全要素生產(chǎn)率的影響機(jī)制。研究發(fā)現(xiàn)：第一，生成式AI通過優(yōu)化數(shù)據(jù)要素配置效率、重塑生產(chǎn)函數(shù)邊界及調(diào)整人力資本結(jié)構(gòu)三重路徑，顯著提升企業(yè)TFP約9%，該結(jié)論經(jīng)內(nèi)生性檢驗(yàn)及穩(wěn)健性檢驗(yàn)之后依然成立；第二，企業(yè)創(chuàng)新能力的調(diào)節(jié)效應(yīng)呈現(xiàn)顯著異質(zhì)性，研發(fā)強(qiáng)度每提高1個標(biāo)準(zhǔn)差，AI生產(chǎn)率增益擴(kuò)大1.7%；第三，所有制異質(zhì)性分析顯示，國有企業(yè)因數(shù)據(jù)資源優(yōu)勢及組織變革彈性，TFP提升幅度達(dá)民營企業(yè)的9%。

基于實(shí)證發(fā)現(xiàn)，提出以下政策體系：一是構(gòu)建AI驅(qū)動的創(chuàng)新生態(tài)系統(tǒng)。設(shè)立“生成式AI+創(chuàng)意”國家專項(xiàng)項(xiàng)目，重點(diǎn)突破多模態(tài)生成、情感計算等核心技術(shù)，在長三角、大灣區(qū)建設(shè)示范性“技術(shù)-場景-商業(yè)”閉環(huán)應(yīng)用場景。同步建立行業(yè)倫理治理框架，制定AI生成內(nèi)容溯源標(biāo)準(zhǔn)及數(shù)據(jù)合規(guī)指引。二是釋放數(shù)據(jù)要素乘數(shù)效應(yīng)。實(shí)施“文化數(shù)據(jù)新基建”工程，依托東數(shù)西算節(jié)點(diǎn)建設(shè)分布式文化大數(shù)據(jù)中心，構(gòu)建基于區(qū)塊鏈的數(shù)字資產(chǎn)確權(quán)流轉(zhuǎn)體系。建立分級數(shù)據(jù)安全監(jiān)管機(jī)制，推行隱私計算技術(shù)在創(chuàng)意數(shù)據(jù)要素市場的應(yīng)用。三是創(chuàng)新人力資本培育模式。實(shí)施“金字塔型”AI人才戰(zhàn)略，頂層引進(jìn)認(rèn)知科學(xué)等跨學(xué)科領(lǐng)軍人才，基層推行“數(shù)字工匠”認(rèn)證體系。建立區(qū)域數(shù)字技能共享平臺，完善人機(jī)協(xié)作的職業(yè)培訓(xùn)框架。四是深化國有企業(yè)AI賦能機(jī)制。將生成式AI應(yīng)用納入國企負(fù)責(zé)人考核體系，制定AI輔助創(chuàng)作覆蓋率階梯目標(biāo)。推動央企構(gòu)建開源算法平臺，通過算力共享機(jī)制帶動產(chǎn)業(yè)鏈創(chuàng)新協(xié)同。

參考文獻(xiàn)：

[1] 喻國明，李釩.生成式AI浪潮下平臺型媒體的規(guī)則重構(gòu)、價值邏輯與生態(tài)劇變[J].蘇州大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024，45（01）：167-175.

[2] 黃世威.生成式AI嵌入短視頻：生產(chǎn)變革、文本再造與審美偏移[J].電視研究，2024（04）：78-81.

[3]高永杰，呂欣.生成式AI技術(shù)進(jìn)化與圖像藝術(shù)生產(chǎn)范式革新[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2023，45（09）：159-168.

[4]何大安.生成式AI、企業(yè)競爭路徑與產(chǎn)業(yè)組織架構(gòu)[J].求索，2024（05）：61-71.

[5]陳悅嫣，賴俊明.生成式AI對提升制造業(yè)虛擬資產(chǎn)價格預(yù)測精準(zhǔn)性的研究[J].價格理論與實(shí)踐，2024（04）：21-27.

＊基金項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（項(xiàng)目編號：202410856016）。

（作者單位：上海工程技術(shù)大學(xué)管理學(xué)院）