摘  要：人工智能将引领新一代的科技革命，并引起世界主要国家重视，逐步成为国家经济发展的重要驱动力。本文采用倍差法，研究了企业规模及人工智能技术对企业全要素生产率（TFP）的影响效应，及其作用机制。研究结果表明（1）人工智能技术的应用会对企业全要素生产率的提升起到了促进作用。（2）企业规模的扩大对人工智能技术促进企业全要素生产率提升的效果有负面影响。（3）其影响渠道为劳动投入比例的扩大。并就人工智能技术的应用提出了政策建议。

关键词：人工智能;生产率;企业规模

引言：随着计算运算能力的提升，机器的学习能力的提升，大数据分析应用的日渐成熟等一系列的因素人工智能技术得到了快速的发展[1]。2000-2018年全球新增人工智能企业共13717家，其中2013-2018年5年间新增AI企业数为9892家，占比高达72.11%;2000-2018年全球AI融资规模共784.8亿美元，融资频次13318次，其中2013-2018年全球AI融资规模为720亿美元，融资频次11626次，融资规模占比高达91.74%，融资频次占比高达87.30%1。

世界主要国家都将人工智能视为新的经济发展机遇，我国也不例外。2013-2018年我国累计新增人工智能企业3362家，占比全球23.78%位居第二2。我国人工智能产业投资总额在2012年时仅有6亿元，而在2019年时796.9亿元，在短短的7年间翻了近133倍。在国务院发布《新一代人工智能发展规划》中提到，中国人工智能产业的竞争力将在2030年以前达到世界领先水平3。由此可见，人工智能俨然已经成为了一个投资界的“风口”，未来几年人工智能可能会变得越来越受资本的青睐。2013-2019年我国人工智能产业投资频数，从天使轮和A轮投资占比均超过80%到如今的不足20%4。不难看出资金正在流向相对更加成熟，相对规模更大的人工智能企业。然而这一资金的流向是否科学有效，却值得商榷。所以此时关于微观层面上人工智能产业数据的研究分析就显得尤为重要。

一、献综述与理论假说

1.文献综述

吴永和等[2]将人工智能技术发展分为：计算智能、感知智能与认知智能三个大的阶段，而当前人工智能技术仍处于感知智能向认知智能发展的阶段。人工智能可以算是一个新兴的技术，虽然近年我国因为一些政策的支持与投资者的追捧，越来越多的企业开始参与到了人工智能的应用中来，但人工智能在各个产业间的普及率依然很低，哪怕与人工智能契合度最高，率先应用人工智能技术的制造业，人工智能的普及率也不足2%。人工智能还有良好的发展前景。所以对已经现有人工智能企业的研究显得尤为重要。

Acemoglu和Resteepo[3]认为人工智能就是一种可以代替劳动力，从而实现已更低成本的资本自动化生产方式代替部分劳动力，从而提高生产率。埃森哲咨询公司于2017年的一份报告中不仅也证实了这点，还认为人工智能技术可以通过促进企业技术创新来提高企业生产率5。近年来有大量的学者以理论及实证研究表明了人工智能对企业生产率的提高起到促进作用，但是也有一些学者认为人工智能存在“生产率悖论”，即人工智能对企业生产率的提高起到负面作用。其中Gordon R[4]认为可能人工智能技术没成熟到可以对企业生产率产生促进作用。而对于造成人工智能“生产率悖论”的原因范晓男等[5]做出了更进一步的研究表明，市场份额业绩越好，企业规模越大，人工智能促进生产率提升作用越小。但是其选用我国全制造业所有A股上市公司2015-2017年企业数据作为样本数据，并用DID模型进行分析。正如前文所说我国制造業人工智能技术普及率不到2%，这样势必造成相对于处理组，对照组数据过于庞大的情况。对于这一点，侯志杰和朱承亮[6]有不同的做法。他们选取人知名人工智能企业2012-2017年的数据作为样本数据，并用OLS模型进行分析，最终结论为企业规模虽然对企业技术进步起到一定的负面影响，但因企业规模对技术效率存在着巨大影响，从而使得企业规模有利于企业生产率的提升。但是他们忽略了这些企业并非从2012年起就已经应用了人工智能技术。所以本文与上述研究不同，首先研究方法上本文采用DID模型，并且数据选取方面借鉴侯志杰和朱承亮的做法选取知名人工智能2011-2019年的企业数据，并对各个样本企业的企业年报进行关键词搜索的方法，使用”AI、人工智能、智能智能化、智能制造，智慧城市，智慧交通，智能芯片，智能机器人”等关键词，然后对搜索到的信息进行人工分析[]，应用人工智能技术以前的年份归为对照组，之后的年份作为处理组。这样做的优势在于可以规避对照组和处理组的体量不对等，又可以采用倍差法进行实证研究。其次，本文不仅研究企业规模对人工智能企业生产率产生积极或消极作用出发，并对造成这一结果的影响渠道进行说明。

2.论假说

首先，本文确定人工智能是科学技术上的一次重大的进步。大多数的研究学者也认为人工智能会提高生产率。所以提出如下的假说：

假说一：人工智能技术对企业全要素生产率的提升起到促进作用。

但是鉴于新技术对生产率的促进作用往往会受到企业规模的约束和调节[7]，本文的样本企业均为我国A股上市并具有一定规模的企业，在规模越大的企业中，人工智能技术越不可能一次性普及到公司涉及到的所有部门或产业中，所以在规模大的企业中还可能引发“鲍莫尔成本病”，从而使得人工智能对生产率的促进作用被削弱。综上所述，提出如下的理论假说：

假说二：企业规模扩使得对人工智能对企业的全要素生产率提升效果削弱。即人工智能技术对企业规模越大的企业生产率促进作用越小。

二、研究设计

1.本数据选取及说明

首先，因中国统计局官网的国家数据中也未把人工智能定义为一个二位数或三位数行业。且前文中提到，中国的各行业人工智能普及率极低，最终决定本文的样本数据选取具有代表性的知名中国人工智能企业数据进行分析。

其次，本文为了数据的准确性，选取各样本公司在上海证券交易所及深圳证券交易所官网披露的企业年报作为数据来源。因上海及深圳证券交易所官网所披露的企业数据最早只能追溯到2010年，所以本文选取的数据年限为2010-2019年。

最终，我们选取Malmquist全要素生产率为本文中一个重要指标，计算Malmquist全要素生产率需要用到t-1及t期的各投入要素，分别以t-1及t期所对应的技术T为参数的距离函数。如果一年期的数据出现偏差将会直接影响到至少两期Malmquist的指数准确性，从而间接影响到全期Malmquist的指数准确性。所以我们剔除①所有在2010-2019年有退市或暂停上市;②非经营性损失[]造成企业巨额亏损状况及业绩极差的ST，ST*的企业。最终选定22家A股上市企业的205组样本作为研究对象。

2.模型的构建及说明

本文的研究课题为企业规模对人工智能企业的生产率影响，通过对数据的深入分析发现，所选定的22家A股上市公司其大部分在2014-2015年开始进行人工智能技术的应用。构建回归模型如下：

其中，i代表公司，t代表年份，代表变量及交叉变量系数，为误差项。

首先，本文的被解释变量为全要素生产率TFP，在这里我们参考R. Griffith et al.【7】的方法，用Malmquist生产率指数方法对企业的全要素生产率进行测算。具体方法如下：

其中i代表公司，t代表年份，Y为企业利润总额，L为劳动者数，K为资本存量，α为劳动附加价值，α=w/Y，w为劳动支出。

其次，本位的解释变量为人工智能应用虚拟变量DIFAI和企业规模FS。对企业是否完成人工智能技术应用进行分类并用人工智能应用虚拟变量DIFAI表示。若完成人工智能技术应用DIFAI=1，反之DIFAI=0。

最后，本文参考侯志杰和朱承亮【6】的研究，选取计量模型的控制标量，包括公司收益质量QOE，获益能力PRO，运营能力OPS及政府补贴GOV。

三、实证分析

1.准回归结果及分析

本文使用Stata16软件进行估计，对企业微观数据进行预处理从而得到计量模型中所需的面板数据，进行基准回归结果。

对照组和处理组负二项分布固定效应面板数据的估计结果如表二所示。表二（1）列仅纳入核心解释变量，以此作为比较基础。表二（2）列进一步的引入控制变量。根据表二（1）、（2）的结果表明，负二项分布假设下，人工智能技术对企业全要素生产率起到统计上1%显著水平正向影響，且与预期符号相符。这说明企业应用人工智能技术后较应用之前全要素生产率得到了提升，证明了假说一成立。

为了进一步的研究企业规模对人工智能企业全要素生产率影响，我们首先构建人工智能应用虚拟变量DIFAI和企业规模FS组成交叉项DIFAI*FS，并用企业全要素生产率对交叉项进行负二项固定效应回归。表二（3） 、（4）列为企业规模对人工智能企业全要素生产率影响负二项回归分析结果。表二（3）列仅纳入核心解释变量，表二（4）列进一步的引入控制变量。表二（3） 、（4）列交叉项DIFAI*FS系数均统计上为负且在1%水平上显著，这证实企业规模的扩大会使人工智能技术对企业全要素生产率的促进作用削弱。故假说二成立。进而我们对面板数据进行进一步分析。分别以企业应用人工智能技术前后的数据6，用企业全要素生产率对企业规模在控制变量的情况下进行回归分析。研究表明，企业应用人工智能技术前系数在统计上显著为正，在应用人工智能技术后系数统计上显著为负。这一结果也从侧面证实了假说二的成立。

2.性检测

（1）内生性检测

本文采用DWH（异方差）检验方法检测数据内生性，DWH（异方差）检验方法检测数据内生性，由表三可以看出，所有控制标量的P值均大于0.1，即并不存在内生性。

（2）安慰剂检测

关于安慰剂，本文选取了本文所涉及到的企业，其在未应用人工智能技术时的数据作为样本数据进行了安慰剂检测，最终如表四（1）所示企业规模FS系数为正且1%显著，这些企业在没有进应用人工智能技术时，企业规模扩大对全要素生产率起到正向调节作用。这一结果侧面的证实了假说二的成立。

（3）两期倍差法

因为本文的所有样本企业，并非在同一年份应用人工智能技术，所以本文为了便于分析，模型二采用的多期倍差法进行的实证分析。但是多期倍差法可能存在内生性及时间序列相关的问题，内生性问题已经检测排除，现在我们重新将所有的样本以是否应用人工智能技术进行分类，即DIFAI=0的98组样本为对照组，DIFAI=1的107组样本为处理组。进行二期倍差法回归。其结果如表四（2）中所示，交叉项系数为负且1%水平显著，这说明假说二依然成立。这一结论与前文多期倍差法回归时结果保持一致。

（4）企业性质

根据企业的实际控股人不同本文将样本划分为国有企业与非国有企业。由表四（3）、（4）可见对于非国有企业，假说一与假说二依然成立，且均保持统计上1%显著水平。对于国有企业，人工智能技术的应用对于企业全要素生产率的促进作用的显著水平有所下降，但依然在统计上5%水平显著，但是企业规模使人工智能技术对企业全要素生产率的促进作用效果削弱的结论变得不显著，即对于国有企业假说一依然成立，但是假说二不成立。造成这一现象的原因可能是因为作为本文样本的22家上市公司中仅有5家是国有控股公司，且只有46组样本数据，所以无法排除因为样本数据过少，系统性误差造成了这一现象。

四、进一步研究：影响渠道

通过上文的研究得出了企业规模的扩大削弱人工智能技术应用对企业全要素生产率的促进效果，下面本文将通过进一步的研究，确定企业规模的扩大通过什么渠道负面影响了人工智能技术应用对全要素生产率的促进效果。

人工智能的概念便是用机器代替人，这一技术虽然从很大程度上改变了传统的生产方式，甚至经过日后的发展，可能达到完全的无人工参与生产模式。但是大多数的研究学者均是认为人工智能仅是作为一种技术的进步，而非新的生产要素影响着生产率。其中大部分人认为人工智能是一种资本扩展性技术（Sachs & Kotlikoof ;Graetz & Michaels ），还有一小部分人认为人工智能是一种劳动扩展性技术（Bessen），但是归根结底，人工智能只是一种技术的进步。而50年代，全要素生产率概念的提出者诺贝尔经济学奖获得者罗伯特·M·索洛（Robert Merton Solow）将所有非劳动，资本这两个要素的投入以外的所有影响全要素生产率的因素均归结为技术进步。综上所述本文的两个，本文的两个解释变量，人工智能应用虚拟变量DIFAI和企业规模FS，只是通过对人工或资本的代替效应，亦或通过提高人工、资本的使用效率，从而达到影响生产率。所以接下来我们通过劳动投入，劳动边际效率，资本投入与资本使用效率确定企业规模的扩大通过什么渠道负面影响了人工智能技术应用对全要素生产率的促进效果。构建如下的回归模型来进一步检验企业规模的扩大通过什么渠道负面影响了全要素生产率：

Z分别表示①劳动投入，本文以当期年度的劳动支出的自然数对数表示。②劳动边际效率，本以当期年度的企业经营增加值与劳动支出之比表示，企业经营增加值=企业税前利润+劳动支出。③资本投入，本文以上一期的企业物质资本存量的自然数对数表示。④资本使用效率，以当期年度的企业经营增加值与上期企业物质资本存量之比表示。

由表五（2）列三交叉项的系数统计上为正且显著，我们可以得出如下的结论人工智能企业的企业规模扩张可以通过提高劳动边际效率从而提高人工智能技术对生产率提升的促进效果。而根据表五（4）列可知，企业规模扩张并未通过改变资本使用效率达到这一效果。而劳动边际效益的提高意味着，企业原有的劳动及资本的配置平衡被打破。根据收益递减曲线，我们可知此时企业应该加大资本投入，亦或减少劳动投入使得企业重新回归最优劳动及资本的配置平衡。从而达到提高企业生产率的效果。表五（3）列的三交叉项的系数统计上为正且显著也证实了这一点。表五（1）列三交叉项的系数统计上为负且显著，通过扩大劳动投入从而增大企业规模会削弱人工智能技术促进企业生产率提升的效果。进而我们通过对本文样本面板数据进一步分析发现，22家企业中仅有佳都科技，浪潮信息及机器人3家公司在应用人工智能技术后资本存量的增长率超过了劳动支出的增长率，即应用人工智能技术后，22家企业中仅有三家提高了资本投入比例。其余企业均在人工智能技术应用后，反而不同程度的提高了劳动投入比例。22家企业劳动支出增长率平均是资本存量增长率的1.51倍，其中科大智能甚至达到了3.74倍，浪潮软件达到了2.59倍。而这一结论与Acemoglu D&Restrepo P【1】提出的人工智能等技术的过度应用，会导致企业资本与劳动配置平衡被打破，进而有可能引起资本与劳动配置不当，从而对生产率的提升起到负面的影响观点一致。

综上所述，人工智能技术的应用，会通过提高企业劳动边际效益，从而提高企业生产率。企业因在扩大企业规模时增大了劳动投入比例，削弱人工智能技术对企业生产率的促进效果。即企业规模扩大对人工智能技术促进企业生产率效果负面影响的渠道是劳动投入比例的增加。

五、结论与政策建议

（1）结论

本文基于2010-2019年人工智能企业上市公司面板数据，对企业应用人工智能技术及企业规模对人工智能企业的全要素生产率的影响进行了研究。前文通过理论分析表明，①人工智能技术的应用会对企业全要素生产率的提升起到了促进作用，②企业规模的扩大对人工智能技术促进企业全要素生产率提升的效果有负面影响。进而本文通过进一步的研究，人工智能技术促进了企业劳动边际效率的提升。进而改变了企业原有的劳动，资本最优配置平衡。企业因在扩大企业规模时增大了劳动投入比例，削弱人工智能技术对企业生产率的促进效果。

（2）政策建议

大多数的研究学者认为，人工智能将引领新一代的科技革命，势必造成传统产业模式的变革，甚至能够改变人们传统的生活方式。正如研究结果表明，人工智能技术的应用会提高企业的全要素生产率，应当提倡企业应用积极应用人工技能技术。但是正如人工智能技术的初衷，用机器代替人工。本文的研究结果也表明为了更好了利用人工智能技术带来的生产率提升作用，企业应该扩大资本投入或者相应的减少劳动投入，如若处理不当会削弱人工智能技术对企业生产率的促进作用，甚至反而会引发生产率下降。并基于考虑到人工智能技术时近年来才得到的飞速发展，人工智能技术远未达到成熟阶段，且应用的成功案例过少，市场上缺乏各產业与人工智能技术深度融合的经验。提出以下建议：

①加速推动多产业，中小型企业优先应用人工智能技术，为软硬件人工智能技术提供充分实践应用的平台。在实践中寻找经验，完善人工智能技术与企业融合的具体措施，在逐步推广至整个行业。

②扶持人工智能技术研发型企业及机构，促进人工智能技术的多元化，成熟化发展，并且降低人工智能技术应用成本。同时加强人工智能专业在高校间的普及，源源不断地为社会输送人工智能技术性人才。并加强企业与高校间的互动，由企业向高校提出诉求，让高校的人工智能研究更实用化。

③加快劳动集约型产业的发展，以应对将来有可能发生的因人工智能技术的应用，而造成的劳动力过剩的风险。

注释：

[1]全球人工智能发展报告（2018）乌镇智库 2019.04

[2]中国人工智能产业发展指数-2019 国家工业信息安全发展研究中心人工智能所）

[3]新一代人工智能发展规划通知，www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

[4]全球人工智能发展报告（2018）乌镇智库 2019.04

[5]参见2017年埃森哲发布的《人工智能：经济发展新动力》咨询报告， https：//www.accenture.com/us-en/insight-artificial-intelligence-future-growth.

[6]应用人工智能技术前即DIFAI=0的數据为98组，应用人工智能技术后即DIFAI=1的数据为107组

参考文献：

[1]曹静，周亚林.人工智能对经济的影响研究进展[J].经济学动态，2018（01）：103-115.

[2]吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志，2017，35（05）：27-39.

[3]Daron Acemoglu and Pascual Restrepo. The Race between Man and Machine： Implications of Technology for Growth， Factor Shares， and Employment[J]. American Economic Review，2018，108（6）. PP.1488～1542.

[4]Robert J. Gordon. The Demise of U.S. Economic Growth： Restatement， Rebuttal， and Reflections[J].National Bureau of Economic Research，2014（11） . PP.95～98.

[5]范晓男，孟繁琨，鲍晓娜，曲刚.人工智能对制造企业是否存在“生产率悖论”[J].科技进步与对策，2020，37（14）：125-134.

[6]侯志杰，朱承亮.中国人工智能企业全要素生产率及其影响因素[J].企业经济，2018，37（11）：55-62.

[7]R. Griffith， S. Redding and John V.R. “MAPPING THE TWO FACES OF R&D： PRODUCTIVITY GROWTH IN A PANEL OF OECD INDUSTRIES” The Review of Economics and Statistics， Vol. 86， No 4（Nov. 2004）. PP.883～895

作者简介：王骁彬（1990—），男，陕西西安人，西安交通投资集团有限公司市场开发主管，主要研究方向为经济增长与可持续发展。