人工智能技術應用推進中國制造業升級研究*

米晉宏 江凌文 李正圖

一、引言

2019年10月召開的黨的十九屆四中全會通過的《中共中央關于堅持和完善中國特色社會主義制度、推進國家治理體系和治理能力現代化若干重大問題的決定》指出：“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制。”2020年3月中共中央、國務院出臺的《關于構建更加完善的要素市場化配置體制機制的意見》指出：“加快培育數據要素市場?！?020年5月中共中央、國務院出臺的《關于新時代加快完善社會主義市場經濟體制的意見》指出：“加快培育發展數據要素市場，建立數據資源清單管理機制，完善數據權屬界定、開放共享、交易流通等標準和措施，發揮社會數據資源價值。”這三個文件是指導新時代中國特色社會主義基本經濟制度和市場經濟體制健全完善的綱領性文件，其中關于數據是生產要素的論述，是本文研究圍繞人工智能技術應用是否推進我國制造業產業升級的指導思想。

在我國經濟體系和產業體系中，制造業高質量發展是我國經濟高質量發展的核心和基礎。在當今數字技術飛速發展的背景下，人工智能技術應用推進產業變革是當今世界高端先進制造業發展的重要驅動力量。習近平總書記指出：“人工智能是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的‘頭雁效應”，“加快發展新一代人工智能是我們贏得全球科技競爭主動權的重要戰略抓手”。吳朝暉：《搶占人工智能發展制高點》，《人民日報》2019年7月10日，第9版。既然如此，人工智能技術應用是如何推進制造業升級的呢？

已有研究表明人工智能可推動制造業高質量發展。波特首先提出，隨著產業升級，資本密集型和技術密集型產業將獲得更好的發展空間。M.E.Porter，The Competitive Advantage of Nations， Harvard Business Review， vol.68， no.2，1990，pp.73～93.Gereffi從微觀層面分析產業升級，指出產業升級是企業邁向資本和技術密集型經濟領域的過程。G.Gereffi， “International Trade and Industrial Upgrading in the Apparel Commodity Chain，”Journal of International Economics， vol.48，no.1， 1999，pp.37～70.桑瑜研究指出產業升級的路徑是“受價企業”向資本密集型升級，“覓價企業”向技術密集型升級。桑瑜：《產業升級路徑：基于競爭假設的分析框架及其推論》，《管理世界》2018年第1期。任保平、江小國等指出，實現制造業高質量發展包括：技術創新、工業化、培育新動能、加快發展先進制造業等，制造業的高質量發展需要通過制造業的結構升級和技術創新來實現高質量發展。任保平：《新時代我國制造業高質量發展需要堅持的六大戰略》，《人文雜志》2019年第7期;江小國、何建波、方蕾：《制造業高質量發展水平測度、區域差異與提升路徑》，《上海經濟研究》2019年第7期。

綜上表明，國內外現有文獻聚焦于制造業產業升級，提出“新一代人工智能為資本密集型和技術密集型的實體經濟發展提供技術支持”，任保平、宋文月：《新一代人工智能和實體經濟深度融合促進高質量發展的效應與路徑》，《西北大學學報》（哲學社會科學版）2019年第5期。但針對人工智能技術是否推動制造業產業升級的微觀研究較少。鑒于此，本文從微觀企業視角，研究人工智能技術應用如何推進制造業升級，揭示人工智能技術應用推進制造業轉型升級的內在機制，從微觀企業角度，運用中國制造業上市企業數據來實證分析人工智能技術應用推進制造業升級的內在機制和具體路徑。本文第二部分從技術和資本兩個角度構建制造業轉型升級的理論分析框架并提出研究假設，第三部分為實證模型及數據描述，第四部分為實證結果，第五部分為結論與建議。

二、 人工智能推進制造業升級的機理與研究假設

制造業的發展質量，在微觀層面上表現為制造業企業競爭力的強弱。從市場價格形成機制來看，企業要么接受市場價格，要么自主定價。前者稱為受價企業，后者稱為覓價企業。受價企業提高資本有機構成，降低產品單位成本，最終向資本密集型升級。而覓價企業不用降低成本也可以獲得超額剩余價值，但覓價權要求企業擁有“新”的核心技術。覓價企業為了獲得覓價權必須持續進行技術研發，最終向技術密集型升級?；谝延械难芯炕A，本文從成本競爭和覓價權競爭兩個方向，分析人工智能與實體經濟深度融合背景下，企業向資本密集型制造業和技術密集型制造業轉變的具體路徑。

1.人工智能推進企業向技術密集型制造業升級

人工智能促進企業進行研發投入，提高其研發效率并加強企業與市場的互動。張三峰等利用世界銀行提供的中國制造業企業調查數據證明，企業應用信息與通信技術會促進企業技術創新。張三峰、魏下海：《信息與通信技術是否降低了企業能源消耗——來自中國制造業企業調查數據的證據》，《中國工業經濟》2019年第2期。2018年《“人工智能+制造”產業發展研究報告》指出在制造業的技術領先型行業和市場變動型行業，人工智能的作用能夠提高研發效率，準確預測與響應市場。中國社會科學院工業經濟研究所、騰訊研究院：《“人工智能+制造”產業發展研究報告》，浙江出版集團數字傳媒有限公司，2018年，第55～58頁。信息技術與實體經濟深度融合，企業加大技術研發投資，或者購買核心技術，而非投資固定資產。市場化程度的提高可以改善資源配置效率，促進企業技術進步并提高其創新效率，戴魁早、劉友金：《市場化進程對創新效率的影響及行業差異——基于中國高技術產業的實證檢驗》，《財經研究》2013年第5期。且互聯網發展突破了產業集群在地理空間方面所受的約束，王莎莎、盧山冰、郭立宏：《“互聯網+”驅動下的產業變革分析》，《人文雜志》2019年第4期。更為有效地激勵了企業間專利的正溢出效應，周敏、馬書堯、寇宗來：《研發支出、溢出池與專利申請——基于中國工業上市企業的經驗研究》，《研究與發展管理》2019年第2期。因此，加強應用人工智能專利技術的制造業企業與市場的互動，可推動企業通過創新驅動實現升級。由此，人工智能推進了企業向技術密集型制造業升級。

2.人工智能推進企業向資本密集型制造業升級

人工智能提高了企業資本有機構成，提高了資本回報率，從而促進了資本積累。陳彥斌等構建含有人工智能和老齡化的動態一般均衡模型，并通過數值模擬實驗預測到：未來人工智能提高生產制造環節的智能化和自動化程度從而減少生產制造環節所需的勞動力，不斷投入大量資金加強對原有設備的更新，擴大對固定資產的投資。陳彥斌、林晨、陳小亮：《人工智能、老齡化與經濟增長》，《經濟研究》2019年第7期。而且，“機器代替人”可以提高資本回報率從而促進資本積累，張三峰等和金碚還指出，工業信息化、智能化不僅能促進企業自動化工業機器設備的更新，而且能提升企業生產制造的柔性化和產品精致化。張三峰、魏下海：《信息與通信技術是否降低了企業能源消耗——來自中國制造業企業調查數據的證據》，《中國工業經濟》2019年第2期;金碚：《工業的使命和價值——中國產業轉型升級的理論邏輯》，《中國工業經濟》2014年第9期。通過對上述研究文獻進行梳理和總結，本文構建了人工智能推進制造業產業升級的理論模型，具體如圖1：

圖1 人工智能促進制造業企業向技術密集型和資本密集型轉變

基于上述理論模型，再參照已有學者的實證研究結果：企業應用人工智能技術可以推進技術進步，可以減少技術創新的不確定性，降低創新成本，提高創新效率，任保平、宋文月：《新一代人工智能和實體經濟深度融合促進高質量發展的效應與路徑》，《西北大學學報》（哲學社會科學版）2019年第5期。而技術進步是制造業產業升級的根本動力。楊智峰、汪偉、吳化斌：《技術進步與中國工業結構升級》，《財經研究》2016年第11期。本文提出假設1：

假設1：工業智能化推動企業技術創新升級，進而使得企業向技術密集型制造業轉變。

企業固定資產的投資通過兩種方式進行：自有資金或信貸。自有資金可以保持企業獨立性和自由度，而通過信貸系統在企業間重新分配資金可以提高資金使用效率。G.Szakolczai， “Capital Taxes， Self-financing and Capital Transfer，” Acta Oeconomica， vol.10， no.3， 1973， pp.361～376.通過以上分析，人工智能化使“機器代替勞動力”對企業資本投入有正、負向效應，人工智能一方面提高了企業資本有機構成，另一方面減少了對資本和勞動力的依賴。正如Bahrin等所言，隨著工業4.0時代的到來，企業通過引入工業機器人，提高生產力，從而減少對資本和勞動力的依賴。M.A. K.Bahrin， M. F.Othman， N.N.Azli， et al.，“Industry 4.0： A Review on Industrial Automation and Robotic，”Jurnal Teknologi， vol.78，no.6， 2016，pp.137～143.但工業智能化是否優化了企業資本結構目前尚沒有實證文獻支撐，Rogers等提到，通過聯網設備、系統和設施實施“智能制造”需要企業大量的前期投資，這無疑會給企業帶來極大的融資壓力，但隨著智能系統日益完善，成本降低了，產品和服務實現多樣化，工業智能效率便逐步提高。Intelligent Efficiency： Opportunities， Barriers， and Solutions， 2013， EBJ， American Council for an Energy-Efficient Economy（ACEEE）.基于此，本文提出假設2：

假設2：工業智能化優化企業資本結構，短期內不利于提高企業經營業績，卻在長期使企業更具發展潛力，企業向資本密集型制造業轉變。

關于以上假設，有一點需要特別解釋。本文著眼于足夠長的時間段，探討人工智能等新技術到底推進制造業如何升級。企業有追逐利潤最大化的本性，因此本文假設企業持續獲得零利潤或者負利潤將會退出市場，故工業智能化必然會降低制造業企業的總成本，提高制造業企業的市盈率。

三、研究設計

1.模型構建

為研究人工智能技術如何推進制造業升級的內在機制和具體途徑，本文從企業技術創新能力、負債、未來發展潛力、資產收益及成本等角度展開討論。本文以專利擁有量衡量企業技術創新能力;李詩、洪濤、吳超鵬：《上市公司專利對公司價值的影響——基于知識產權保護視角》，《南開管理評論》2012年第6期;李匯東、唐躍軍、左晶晶：《用自己的錢還是用別人的錢創新？——基于中國上市公司融資結構與公司創新的研究》，《金融研究》2013年第2期;米晉宏、張書宇、黃勃：《專利擁有量、市場控制力與企業價值提升——基于上市公司專利數據的研究》，《上海經濟研究》2019年第3期。以企業資產負債率（負債總額/總資產）評估企業資本結構和負債風險;申廣軍、張延、王榮：《結構性減稅與企業去杠桿》，《金融研究》2018年第12期;鐘寧樺、劉志闊、何嘉鑫等：《我國企業債務的結構性問題》，《經濟研究》2016年第7期;溫軍、馮根福：《異質機構、企業性質與自主創新》，《經濟研究》2012年第3期;劉曉光、劉元春：《杠桿率、短債長用與企業表現》，《經濟研究》2019年第7期。以市盈率（股票價格/每股收益）衡量企業未來發展潛力，何誠穎：《中國股市市盈率分布特征及國際比較研究》，《經濟研究》2003年第9期;陳共榮、劉冉：《市盈率能否成為投資決策分析的有效指標——來自中國A股的經驗數據》，《會計研究》2011年第9期。這可以傳遞公司未來成長性信號;以總資產凈利率（凈利潤/總資產）和凈資產利潤率（凈利潤/凈資產）衡量企業業績;一般而言，企業的總資產凈利率和凈資產利潤率保持一致，反映了企業將生產要素轉化成經濟效益的能力，但在企業杠桿經營時出于股東利益最大化的考慮，二者可能會有所不同，因此本文采用兩種指標進行分析。參見劉曉光、劉元春：《杠桿率、短債長用與企業表現》，《經濟研究》2019年第7期。以Ln（企業總成本）衡量企業成本。孔玉生、朱乃平、孔慶根：《成本粘性研究：來自中國上市公司的經驗證據》，《會計研究》2007年第11期。具體如式（1）-（6）所示：

Patent=α+β1·company_typeit+β2·industry_cityit+ε（1）

Debt=α+β1·company_typeit+β2·company_performanceit+β3·industry_cityit+ε（2）

PE=α+β1·company_typeit+β2·company_performanceit+β3·industry_cityit+ε（3）

ROA=α+β1·company_typeit+β2·company_performanceit+β3·industryit+ε（4）

ROE=α+β1·company_typeit+β2·company_performanceit+β3·industryit+ε（5）

Lncosts=α+β1·company_typeit+β2·company_performanceit+β3·industry_cityit+ε（6）

本文主要解釋變量即企業是否擁有人工智能專利（AI_Dummy），是基于企業是否擁有人工智能領域專利技術來定義。根據Dhars的文獻中用到的德溫特創新平臺（Derwent Innovation）的方法，基于樣本企業每年具體專利的IPC分類號，判斷該專利是否屬于人工智能領域的專利，從而獲得企業是否擁有人工智能領域專利技術的信息。若企業擁有人工智能專利則取1，否則為0。（根據我國2008年新修訂的《中華人民共和國專利法》第42條規定，我國發明專利的保護期為20年）參見Ridhma Dhars、莫京、孫運濤等：《人工智能在東南亞》，《科學觀察》2018年第4期。從企業特征、企業表現、行業-城市特性三個角度引入控制變量，企業特征層面的控制變量包括企業是否是國企（SOE_Dummy）、企業年齡（Age）、企業是否是高新技術企業（Highteach_Dummy）判斷企業是否屬于高新技術企業，是基于我國于2008年頒布實施的《高新技術企業認定管理辦法》對“高新技術企業”的定義。、企業規模（Lnasset）、企業價值（Lnvalue），其中若企業為國企則取值為1，反之為0。若企業有高新技術企業資質認定則Highteach_Dummy取值為1，反之為0。企業規模由企業總資產的自然對數來衡量;企業表現層面的控制變量，指的是總資產凈利率（ROA）、企業利潤的自然對數（Lnprofit）、凈資產利潤率（ROE）和資產負債率（Debt）;行業-城市特征層面的控制變量，指的是企業的市場集中度（HHI）、企業是否在東部城市（Eastern_Dummy）。鐘凱、程小可、肖翔等：《宏觀經濟政策影響企業創新投資嗎——基于融資約束與融資來源視角的分析》，《南開管理評論》2017年第6期;崔迎科：《農業上市公司非農化經營“陷阱”的實證研究——基于74家農業上市公司面板數據》，《農業技術經濟》2013年第7期;劉曉光、劉元春：《杠桿率、短債長用與企業表現》，《經濟研究》2019年第7期。市場集中度用赫芬達爾-赫希曼指數表示，是基于企業營業收入占比計算而得，若企業為東部城市則Eastern_Dummy取值為1，反之為0。其中，company_typeit為企業特征層面的控制變量;company_performanceit為企業表現層面的控制變量;industry_cityit為行業-城市特征層面的控制變量;industryit為行業特征層面的控制變量。

2.數據描述與特征事實

本文選取2005-2015年滬深A股上市公司的面板數據，按照現階段新一代信息技術與制造技術融合程度，將WIND行業分類中的“醫藥生物”“電子”“計算機”“綜合” “通信”“家用電器” “有色金屬” “機械設備”“電氣設備”“紡織服裝”“鋼鐵”“化工”“輕工制造”13個子行業，剔除ST股票，大多數文獻研究實體企業都剔除了信息技術類企業，而隨著信息技術應用日益廣泛，許多制造業企業在各個流通環節注重信息技術，軟件和硬件并重，故本文未剔除這一類子行業。根據《國民經濟行業分類》（GB/T 4754-2017）。根據《國民經濟行業分類》（GB/T 4754-2017），C門類（制造業）包括13～43大類。剔除非制造業企業，樣本量為1025家上市企業。表1列示了本文各變量的描述性統計結果。制造業上市公司的專利數據以及財務數據皆來源于萬得數據庫（WIND）及國家知識產權局專利授權數據庫。為避免極端值對實證結果的影響，本文對市盈率、凈資產利潤率與總資產凈利率三個變量在3%和97%分位上進行縮尾處理（winsorize） 。

表1 描述性統計⑤

四、實證結果及分析

1.人工智能技術應用有效提升了制造業企業創新能力

實證研究發現，在表2的逐步回歸結果中，第（1）（2）列僅控制了企業性質和企業規模，估計結果顯示本文關注的解釋變量AI_Dummy系數分別在1%和5%水平下顯著為正，第（3）列中進一步控制了行業特征因素后，估計系數為144.700，且在5%水平下顯著，這表明：人工智能技術應用顯著地推動了制造業企業的技術進步，推進了制造業企業的技術創新，從而促進制造業升級。這一結論印證了假設1。

控制變量中，企業規模、市場控制能力對企業的創新力有正向促進作用。控制了企業規模后，企業是否為高新技術企業的系數由正變負且不顯著，可能是由于企業擴大規模引起的負債增加，從而產生了負面作用。比如增加了破產成本并減少了公司未來現金流量導致投資不足等，汪輝：《上市公司債務融資，公司治理與市場價值》，《經濟研究》2003年第8期。因此高新技術企業與公司專利擁有量的關系變得不顯著甚至是負相關。與國有企業相比，非國有企業的創新效率更高，這與陳林等的研究結果保持一致。陳林、萬攀兵、許瑩盈：《混合所有制企業的股權結構與創新行為——基于自然實驗與斷點回歸的實證檢驗》，《管理世界》2019年第10期。

表2 人工智能技術應用對制造業企業價值的影響

2.人工智能技術應用優化了制造業企業資本結構

如表2所示，列（4）（5）（6）顯示了企業資本結構模型基本回歸結果。列（4）控制了企業特征變量，列（5）進一步控制了企業表現方面的主要變量，列（6）在模型中補充了行業-城市特征層面的控制變量。由回歸結果可知，主要解釋變量——企業是否擁有人工智能專利（AI_Dummy）對企業資產負債率的影響為負，分別為-0.010、-0.012、-0.011，在控制企業特征和企業表現后均通過在10%水平下的顯著性檢驗。換言之，應用人工智能專利企業杠桿率顯著低于未應用人工智能專利技術的企業，說明隨著人工智能等數字技術的應用，制造業企業發展迅速，企業的經營能力更加穩定，融資效率也能得到提升。而且工業智能化調整了企業輕重資產的資本結構，企業對內資源整合能力提高，對外市場競爭力加強，企業資本更為“輕便化”。未應用人工智能專利的制造業企業的高資產負債率源于其依賴于大型設備，投入成本過大，因此自有資金不足時外部融資便尤為重要，且資金流動慢亦加大了企業財務杠桿?？偠灾?，工業智能技術優化了制造業企業的資本結構，促進了應用人工智能專利技術的制造業企業獲利，而激烈的競爭淘汰了資本密集度低的低端制造業企業，葛順奇、羅偉：《跨國公司進入與中國制造業產業結構——基于全球價值鏈視角的研究》，《經濟研究》2015年第11期。制造業企業逐步向資本密集型轉變?；诖?，假設2的內容得到驗證。

基準回歸中，除了企業的市場集中度、企業規模和總資產凈利率以外，其他變量的估計系數均為負值。企業規模越大，企業所在產業集中度越高，公司治理的矛盾就越突出，企業面臨的融資約束越大。竇煒、劉星：《債務杠桿、所有權特征與中國上市公司投資行為研究》，《經濟與管理研究》2011年第2期。總資產凈利率高說明企業價值高、業績好，銀行借款給它們的風險較小，故這些制造業企業借款壓力較小。而業績好也代表企業有增加融資和擴大投資的需求，這與汪輝的結論一致。汪輝：《上市公司債務融資、公司治理與市場價值》，《經濟研究》2003年第8期。成立時間久、企業利潤越高、處于東部地區的企業杠桿率水平更低，這說明有經驗積累、高利潤企業成長機會多，所處發達地區使得企業可以利用現有的良好融資環境，尋求外部資金的需求越少，財務杠桿便更低，這一結果與先行文獻結論保持基本一致。張會麗、陸正飛：《控股水平、負債主體與資本結構適度性》，《南開管理評論》2013年第5期。

3.人工智能技術應用提高了制造業企業的市場估值

如上表2所示，回歸結果分為列（7）（8）（9），列（7）控制了企業特征變量，列（8）進一步控制了企業表現方面的主要變量，列（9）在模型中補充了行業-城市特征層面的控制變量。結果表明，企業是否擁有人工智能專利（AI_Dummy）對企業市盈率的效應顯著為正，估計系數分別為16.110、15.530、14600，且皆通過了1%水平的顯著性檢驗?？赡茉蛴校簱碛腥斯ぶ悄軐＠夹g的制造業企業成長性較好，溢價率高，市場投資者對其所在市場看好，這在長期也將促進企業向資本密集型轉變。該結論對假設2進行了進一步的驗證。已有學者發現長期預期增長往往與市盈率相關，Beneda研究發現上市公司高市盈率股票的平均收益率要優于低市盈率股票的收益率。N.Beneda， “Growth Stocks Outperform Value Stocks Over the Long Term，”Journal of Asset Management， vol.3，no.2， 2002，pp.112～123; K.Anderson， C.Brooks.，“The Long-term Price-earnings Ratio，”Journal of Business Finance and Accounting， vol.33，no.7， 2006，pp.1063～1086; P.M.Fairfield，“P/E， P/B and the Present Value of Future Dividends，”Financial Analysts Journal， vol.50， no.4，1994，pp.23～31.這些結果表明了市盈率反映了投資者對上市公司未來增長機會的看法。

企業規模、資產負債率、凈資產利潤率對企業市盈率有負向作用。從企業規模來說，大企業的股票流通盤大，不易被價格操縱，總體市盈率往往不高;從企業資產負債率來說，資產負債率較低的企業往往具備一定財務彈性，故市盈率較高。陳占鋒的研究也表明，中國A股市盈率大小與流通股本呈反向關系。凈資產利潤率高的企業，通過自有資本獲取效益的能力越強，運營效益越好。陳占鋒：《上海股票市場A股泡沫問題：市盈率測量與綜合解釋》，《世界經濟》2002年第7期。公司股票市盈率高低不僅僅由股票收益率單一驅動，朱武祥、鄧海峰：《股票市盈率中隱含的競爭優勢持續期》，《經濟研究》1999年第12期。有學者認為，股票收益率與市盈率之間存在負相關關系。E.F.Fama， K.R.French，“The Cross-section of Expected Stock Returns，”The Journal of Finance，vol.47，no.2，1992， pp.427～465.可能原因是投資者關注短期套利，較少關注能長期影響企業未來發展的因素，這一結論與Penman、陳共榮等的研究相吻合。S.H.Penman， “The Articulation of Price-earnings Ratios and Market-to-book Ratios and the Evaluation of Growth，”Journal of Accounting Research， vol.34，no.2，1996，pp.235～259;陳共榮、劉冉：《市盈率能否成為投資決策分析的有效指標——來自中國A股的經驗數據》，《會計研究》2011年第9期。但凈資產利潤率估計系數皆不顯著，說明凈資產利潤率對企業市盈率的抑制作用不明顯。東部地區的企業市盈率越高，這說明投資者對發達地區的企業興趣更大。高新技術企業市盈率相對較高，原因在于：一是根據市場投資者對公司未來盈利和成長性進行投資的“成長性預期”理論，高新技術企業市盈率高是因為投資者預期公司未來成長性空間較大，從而實施投資以期在股票市場獲利;二是中國股票市場A股存在泡沫，當企業業績不佳時，股票每股收益低下會直接導致市盈率偏高。

由上述可知，應用人工智能技術的企業創新能力較高，人工智能技術的發展優化了制造業企業的資本結構。同時，在市場有效的前提下，人工智能技術應用提高了制造業市場流動性，擴大了其直接融資規模，有效提振了市場對制造業企業的發展信心。長期來看，應用人工智能技術的企業具有較大的增長潛力，隨著大數據、云計算、移動互聯網等互聯網新興技術迅猛發展，人工智能將廣泛在各行各業得到迅速的應用，特別是與傳統制造業的無縫銜接，實現融合發展。隨著軟件技術和硬件技術日臻成熟，中國市場將涌現一批新型人工智能制造業企業。隨著人工智能技術與制造業的深度融合，會不斷降低成本、提升性能，激烈的競爭也將會逐步淘汰資本密集度低的低端制造業企業，制造業企業逐步向資本密集型轉變。但企業持續經營依賴短期盈利能力，企業短期的研發投入帶來較大的初始投入成本，且技術研發本身充滿不確定性。為此，本文進一步實證研究人工智能技術與制造業深度融合短期內對企業盈利能力的影響。

4.人工智能技術與制造業深度融合短期內降低了制造業企業盈利能力

企業盈利模型回歸結果見表3。列（1）（4）（7）控制了企業特征層面的變量，列（2）（5）（8）控制了企業表現層面的變量，列（3）（6）（9）控制了行業特征層面的變量。由表3可知，以總資產凈利率、凈資產利潤率為因變量的回歸模型中，企業是否擁有人工智能專利（AI_Dummy）的系數皆顯著為負，說明人工智能技術與制造技術融合程度越高，企業利用資產產生的經濟效益反而下降;公司凈資產利潤率反映的是該公司已完成投資項目的獲利能力，朱武祥、鄧海峰：《股票市盈率中隱含的競爭優勢持續期》，《經濟研究》1999年第12期?；貧w結果說明工業智能化并沒有提高其資金效益并且使其盈利能力獲得改善。主要原因可能是企業向人工智能方向轉型初期，人工智能專利技術應用的一次性投入較高，因此對制造業企業短期盈利能力和業績成長能力產生消極效應，隨著人工智能等技術領域的日臻成熟，企業逐步完成產業轉型，制造業人工智能化的優勢才能逐步顯現。

從控制變量的估計結果來看，企業年齡、規模、市場控制地位對企業獲利能力有抑制效應。企業財務杠桿對凈資產利潤率有顯著的正向促進作用，對總資產凈利率則有明顯的抑制作用，說明受股東利益最大化的投融資動機驅使，企業會選擇杠桿融資。企業價值高的制造業企業則相對擁有更高總資產凈利率和凈資產利潤率，說明企業價值高的企業盈利能力和資產利用率較高。控制了企業特征、表現和行業特征后，企業是否國企的估計系數由正變負，但仍不顯著。

表3 人工智能技術應用對制造業企業績效的影響

以Ln（企業總成本）為因變量的回歸模型中，企業是否擁有人工智能專利（AI_Dummy）的啞變量估計系數皆顯著為正，分別為0.058、0.047、0.069。此結論表明使用人工智能專利技術的企業面臨高初始成本，新技術使用的過程中存在短期增加成本的效應。D.Faems， M.D.Visser，? P.Andries， et al.，“Technology Alliance Portfolios and Financial Performance： Value-enhancing and Cost-increasing Effects of Open Innovation，”Journal of Product Innovation Management， vol.27，no.6， 2010，pp.785～796.正如Pavlova指出的：企業采用新技術存在不確定性，這就無可避免地增加企業成本，會對企業的盈利或者企業價值造成負面影響，A.Pavlova， “Adjustment Costs， Learning-by-doing， and Technology Adoption under Uncertainty，”SSRN Working Paper， 2001，pp.1～35.應用人工智能專利技術的制造業企業成本控制能力需要進一步提升。

從控制變量的估計結果來看，高負債企業總成本往往較高，主要體現為代理總成本的增加。D.Yazdanfar， P.Oehman， “Debt Financing and Firm Performance： An Empirical Study Based on Swedish Data，”Journal of Risk Finance， vol.16，no.1， 2015，pp.102～118; D.Margaritis， M.Psillaki， “Capital Structure and Firm Efficiency，”Journal of Business Finance and Accounting， vol.34，no.9， 2007，pp.1447～1469.凈資產收益率高的公司可以降低企業總成本，當收入下降時，這類企業具有較高的成本控制要求和控制水平，有能力在短時間內調整資源，并可以及時獲得市場信息，來做出成本調整決策?？子裆?、朱乃平、孔慶根：《成本粘性研究：來自中國上市公司的經驗證據》，《會計研究》2007年第11期。

總資產凈利率和凈資產利潤率作為會計業績，更多地衡量了企業的短期業績。辛清泉、林斌、王彥超：《政府控制、經理薪酬與資本投資》，《經濟研究》2007年第8期。因此，雖然人工智能領域專利技術的應用會對制造業企業的短期業績產生消極效應，但不能忽略人工智能化在長期對企業業績有有效的激勵效果。長期來看，結合市盈率，企業進入金融市場的行為受市場投資者偏好的驅使，其成長能力給市場發送了積極信號，人們對企業未來發展潛力有較高期待。

五、結論與建議

本文利用中國制造業上市企業數據，實證研究發現人工智能技術應用能夠推進制造業企業向技術密集型和資本密集型企業轉變，進而推進制造業轉型升級，更能推進國民經濟從高速增長向高質量發展轉變。具體而言，一方面，人工智能技術推動企業技術創新，實現數據要素在制造業中更有效率、更大規模的運用，推進制造業的升級;另一方面，雖然人工智能技術的應用對企業的總資產凈利率、凈資產利潤率造成消極效應，提高了企業總成本，但長期看，隨著人工智能技術與制造技術融合程度提高，優化了企業的資本結構，提高了企業的市場估值，提高了企業生產率和競爭力。另外，人工智能變革有效提高了制造業企業的成長性，促進了制造業升級。根據本文的研究結論， 同時結合我國的各項政策，本文認為，我國各級政府和各類企業應當高度重視數據作為生產要素的功能和作用，推進并參考數據要素市場化機制體制的構建和完善的相應機制，可以從如下幾點開展工作：

1.加快人工智能技術在制造業領域的應用，推進中國制造業企業向技術密集型制造業升級。第一，中國先進制造業企業在制造業企業中所占的比例較小，李金華：《中國先進制造業的發展現實與未來路徑思考》，《人文雜志》2020年第1期。須制定更加完善的戰略新興產業政策，繼續優化制造業產業結構，提高先進制造業企業比重，重點鼓勵和支持人工智能技術在企業產品研發、生產、銷售等環節的應用;第二，加強先進生產方式創新，構建和完善數據要素市場化配置體制機制，加快推進企業生產設備自動化和產品智能化，建立以數字技術和人工智能技術為核心的制造業通用技術系統;第三，加強專利保護，全面提高制造業企業的綜合競爭力;第四，核心人才短缺或成為制約人工智能技術應用的短板，應抓準機會加快引進和培育相關領域人才、專家。

2.加快人工智能技術在制造業領域的應用，推進中國制造業企業向資本密集型制造業轉型。第一，進一步加強金融對制造業升級的支持和服務作用，充分發揮科創板的資本市場改革“試驗田”作用，使科創板成為資本要素與數據要素、技術要素優化配置的重要平臺，推動先進制造業發展;楊可方、李世杰、楊朝軍：《金融結構與中國產業升級的關聯機制研究》，《管理世界》2018年第8期。第二，加快數字技術和人工智能技術在企業運營管理方面的應用，深入挖掘數據背后的價值，構建新型商業模式，王海杰、宋姍姍：《互聯網背景下制造業平臺型企業商業模式創新研究——基于企業價值生態系統構建的視角》，《管理學刊》2019年第1期。有效改善信息不對稱問題，完善員工績效管理制度、庫存管理制度、財務管理制度，調整制造業企業的資本結構，使企業資本更為“輕便化”，提高企業內部資源整合能力和外部市場競爭力;第三，促進產業鏈上下游企業深度合作，鼓勵龍頭企業充分利用資本力量，發展先進技術集群和知識集群，提高先進制造業企業的全要素生產率。

責任編輯：韓海燕

* 基金項目：上海市2020年“科技創新行動計劃”軟科學重點項目“重大突發公共衛生事件對上海中小企業的影響及對策——基于全要素生產力測算研究”（20692191100）;國家社會科學基金重點項目“堅持和完善中國特色社會主義基本經濟制度研究”（20AZD011）;國家自然科學基金項目“中國P2P金融的市場微觀結構研究——基于經濟網絡分析的方法”（71503165）