人工智能與實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱?/h1>
2024-12-20 00:00:00韓青江李旭升陳雁云
產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論 2024年6期
關(guān)鍵詞：人工智能；實(shí)體經(jīng)濟(jì)；高質(zhì)量發(fā)展
DOI：10.19313/j.cnki.cn10-1223/f.20241018.001
一、引言
自改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)從1991-2010年間保持了持續(xù)的高增長(zhǎng)。尤其是2001年中國(guó)加入世貿(mào)組織以來(lái)，由于外需和內(nèi)需的迅速擴(kuò)大，中國(guó)制造業(yè)不斷壯大，實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資率持續(xù)上升。然而在2008年全球金融危機(jī)后，中國(guó)經(jīng)濟(jì)面臨制造業(yè)外需萎縮、內(nèi)需轉(zhuǎn)向房地產(chǎn)和金融市場(chǎng)以及實(shí)體投資率下降等挑戰(zhàn)。據(jù)《2022年上市公司投資性房地產(chǎn)研報(bào)》統(tǒng)計(jì)，2022年全部上市公司（包括A股和H股）的投資性房地產(chǎn)總額為63689.43億元，同比增長(zhǎng)9.9%。其中，制造業(yè)的投資性房地產(chǎn)占比為14.8%，僅次于房地產(chǎn)行業(yè)①。為了推動(dòng)實(shí)體經(jīng)濟(jì)健康發(fā)展，早在2017年，黨的十九大報(bào)告中就明確指出，要加快建設(shè)制造強(qiáng)國(guó)，加快發(fā)展先進(jìn)制造業(yè)，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)融合②。面對(duì)人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等新一代ICT（Informationand Communication Technology）引領(lǐng)的新一輪科技革命和產(chǎn)業(yè)革命，制造業(yè)企業(yè)亟需利用新技術(shù)擺脫未來(lái)潛在勞動(dòng)力不足、生產(chǎn)成本上升和產(chǎn)品利潤(rùn)率低等困境，奪取行業(yè)制高點(diǎn)，實(shí)現(xiàn)效益和質(zhì)量雙提升。根據(jù)艾瑞咨詢(xún)統(tǒng)計(jì)，相較于2020年，2021年全年中國(guó)制造業(yè)投融資市場(chǎng)迎來(lái)事件和金額的雙增長(zhǎng)，其中投融資事件數(shù)增長(zhǎng)46.5%，投融資金額增長(zhǎng)31.9%，主要來(lái)自于生產(chǎn)控制類(lèi)和AI 類(lèi)軟件。鑒于此，人工智能等技術(shù)發(fā)展將為實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱碧峁┬聶C(jī)遇。
為了說(shuō)明這一問(wèn)題，圖1 刻畫(huà)了2007-2022年中國(guó)A股非金融上市公司和制造業(yè)上市公司實(shí)物投資占比（實(shí)體投資率）和固定資產(chǎn)凈值占比以及美國(guó)非金融上市公司和制造業(yè)上市公司固定資產(chǎn)凈值占比的變化情況。其中，實(shí)體投資率的定義是企業(yè)“購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)”項(xiàng)目占總資產(chǎn)的比重。從圖1 中可以看到，中國(guó)制造業(yè)企業(yè)和非金融實(shí)體企業(yè)的實(shí)體投資率在2008年左右到達(dá)頂峰后，呈持續(xù)下降的趨勢(shì)。直到2017年，中國(guó)實(shí)體企業(yè)實(shí)體投資率開(kāi)始止跌回升，呈緩慢增長(zhǎng)趨勢(shì)。無(wú)獨(dú)有偶，美國(guó)制造業(yè)固定資產(chǎn)凈值占比也從2018年開(kāi)始呈上升趨勢(shì)。那么，是什么因素導(dǎo)致了國(guó)內(nèi)和國(guó)際制造業(yè)企業(yè)實(shí)體投資率的提升？人工智能等新一代信息技術(shù)發(fā)展與實(shí)體投資上升之間是否存在關(guān)聯(lián)？
關(guān)于企業(yè)實(shí)體投資的影響因素，現(xiàn)有文獻(xiàn)主要從內(nèi)生因素和外生因素兩類(lèi)視角來(lái)研究。內(nèi)生因素主要關(guān)注企業(yè)金融化和企業(yè)治理等。已有研究認(rèn)為，金融渠道的高收益和企業(yè)管理層的代理問(wèn)題會(huì)導(dǎo)致企業(yè)短視行為，進(jìn)而改變投資策略，將資本從實(shí)體經(jīng)濟(jì)投向金融業(yè)，導(dǎo)致資源不能支持企業(yè)設(shè)備更新和產(chǎn)品研發(fā)（Orhangazi，2008；Demir，2009；謝家智等，2014；Tori＆Onaran，2016）。張成思和張步曇（2016）研究了企業(yè)金融化對(duì)實(shí)體投資率下降的影響，發(fā)現(xiàn)經(jīng)濟(jì)金融化顯著降低了企業(yè)的實(shí)業(yè)投資率，并弱化了貨幣政策提振實(shí)體經(jīng)濟(jì)的效果。外生因素則關(guān)注政策環(huán)境、制度環(huán)境和技術(shù)創(chuàng)新等對(duì)企業(yè)實(shí)體投資率的影響。一是政策和制度環(huán)境會(huì)影響企業(yè)實(shí)體投資產(chǎn)生。已有研究發(fā)現(xiàn)，地區(qū)金融監(jiān)管對(duì)非金融企業(yè)從事虛擬經(jīng)濟(jì)（持有金融資產(chǎn)）具有顯著的抑制作用（馬思超和彭俞超，2019）。萬(wàn)良勇（2013）關(guān)注法治環(huán)境對(duì)企業(yè)投資的影響，發(fā)現(xiàn)法制水平與企業(yè)投資效率呈正相關(guān)。此外，也有學(xué)者發(fā)現(xiàn)稅收競(jìng)爭(zhēng)、國(guó)際資本流動(dòng)、地理溢出因素和經(jīng)濟(jì)政策不確定性等都會(huì)對(duì)企業(yè)實(shí)體投資產(chǎn)生影響（陳國(guó)進(jìn)和王少謙，2016；張成思和劉貫春，2018；張國(guó)慶和李曉春，2019；金龍等，2020；萬(wàn)曉瓊和孟祥慧，2021）。二是技術(shù)因素會(huì)影響實(shí)體投資，其中包括傳統(tǒng)產(chǎn)業(yè)技術(shù)升級(jí)和新興技術(shù)的影響。過(guò)去，學(xué)者們研究證實(shí)了一般性的技術(shù)進(jìn)步和知識(shí)外溢對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生影響進(jìn)而引起經(jīng)濟(jì)增長(zhǎng)方式的變化（顏鵬飛和王兵，2004；陳繼勇和盛楊懌，2008）。
近年來(lái)，人工智能等數(shù)字技術(shù)作為一種關(guān)鍵的新興技術(shù)，引起了廣泛的關(guān)注。林晨等（2020）通過(guò)構(gòu)建一般均衡模型，研究人工智能對(duì)優(yōu)化資本結(jié)構(gòu)、擴(kuò)大居民消費(fèi)的影響，發(fā)現(xiàn)人工智能可以提高實(shí)體經(jīng)濟(jì)的吸引力，擠出房地產(chǎn)和基建資本，進(jìn)而促進(jìn)居民消費(fèi)。此外，孫早和侯玉琳（2021）發(fā)現(xiàn)人工智能會(huì)促進(jìn)制造業(yè)全要素生產(chǎn)率的提升。而黃群慧等（2019）從行業(yè)、城市和企業(yè)層面研究了互聯(lián)網(wǎng)技術(shù)對(duì)制造業(yè)生產(chǎn)率的影響，得出了顯著促進(jìn)的結(jié)論。吳非等（2021）研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型提升了實(shí)體企業(yè)在資本市場(chǎng)的表現(xiàn)。田秀娟和李睿（2022）通過(guò)建立多部門(mén)熊彼特內(nèi)生增長(zhǎng)模型，發(fā)現(xiàn)數(shù)字技術(shù)賦能生產(chǎn)部門(mén)和金融部門(mén)，將長(zhǎng)期助力實(shí)體經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和高技術(shù)產(chǎn)業(yè)的發(fā)展。目前，人工智能與勞動(dòng)力結(jié)構(gòu)（Acemoglu & Restrepo，2020；閆雪凌等，2021）、產(chǎn)業(yè)結(jié)構(gòu)（郭凱明，2019；Aghion et al.，2017）和收入差距（郭凱明和向風(fēng)帆，2021）等方面的研究較為豐富。然而，關(guān)于人工智能技術(shù)對(duì)實(shí)體經(jīng)濟(jì)投資率的影響的討論卻較為匱乏，且具體影響機(jī)制尚需深入研究。
不難發(fā)現(xiàn)，以往研究多從企業(yè)內(nèi)生的因素和外生的制度環(huán)境等出發(fā)，論述影響實(shí)體投資的因素。雖然有少量文獻(xiàn)關(guān)注了人工智能等新一代信息技術(shù)對(duì)實(shí)體經(jīng)濟(jì)的影響，但多為理論層面的論證，缺乏企業(yè)層面直接探究的人工智能對(duì)實(shí)體投資率的影響，也缺乏從實(shí)證視角來(lái)揭示人工智能對(duì)實(shí)體投資影響的內(nèi)在路徑研究。人工智能不僅是新一代信息技術(shù)的代表，更是與各行各業(yè)結(jié)合產(chǎn)生新的價(jià)值和創(chuàng)新的平臺(tái)，其能幫助傳統(tǒng)企業(yè)在生產(chǎn)、銷(xiāo)售、服務(wù)和金融供應(yīng)鏈等方面形成智能制造的新生態(tài)，實(shí)現(xiàn)降本增效和轉(zhuǎn)型升級(jí)。因此，人工智能引領(lǐng)企業(yè)對(duì)ICT 資本的投資需求將促進(jìn)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱薄Ｅc此同時(shí)，人工智能賦能傳統(tǒng)金融，緩解信息不對(duì)稱(chēng)，拓展金融邊界，可提高中小企業(yè)資金可獲得性，滿(mǎn)足高技術(shù)企業(yè)實(shí)體投資的需要。鑒于此，本文嘗試從微觀(guān)企業(yè)視角研究人工智能對(duì)中國(guó)實(shí)體投資率的影響。本文可能的邊際貢獻(xiàn)在于：一是從宏觀(guān)和微觀(guān)兩個(gè)層面實(shí)證檢驗(yàn)了人工智能與企業(yè)實(shí)體投資的關(guān)系，論證了人工智能等新一代信息技術(shù)對(duì)中國(guó)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱钡挠绊?。二是?chuàng)新性地利用上市公司年報(bào)詞頻統(tǒng)計(jì)技術(shù)，統(tǒng)計(jì)了超過(guò)17 000 份年報(bào)的人工智能關(guān)鍵詞的詞頻，作為微觀(guān)層面人工智能水平的代理變量，為其他學(xué)者研究關(guān)于人工智能代理變量方面提供新的參考。三是從提升企業(yè)全要素生產(chǎn)率和企業(yè)投資回報(bào)以及緩解企業(yè)信息不對(duì)稱(chēng)的視角檢驗(yàn)了人工智能對(duì)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱钡挠绊憴C(jī)制，為人工智能驅(qū)動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的理論機(jī)制提供了詳細(xì)的論證，為多角度理解實(shí)體經(jīng)濟(jì)提供了新的支撐。
二、理論機(jī)制
（一）理論模型
當(dāng)前學(xué)界在一般均衡模型方面，主要采用兩種思路刻畫(huà)人工智能：一種是Acemoglu andRestrepo（2018）、Aghion et al.（2017）等關(guān)注人工智能在生產(chǎn)過(guò)程中扮演的自動(dòng)化和智能化角色，主要用于分析人工智能在產(chǎn)業(yè)結(jié)構(gòu)、勞動(dòng)力需求以及整體經(jīng)濟(jì)效率方面的作用；另一種是Prettner（2019）等將人工智能視為區(qū)別于傳統(tǒng)資本的智能資本并將其引入生產(chǎn)函數(shù)。本文借鑒Prettne（2019）和郭凱明等（2019）等的方法，將人工智能視為智能資本，建立一般均衡模型分析人工智能對(duì)實(shí)體投資率的影響。
由上述模型可知，當(dāng)人工智能對(duì)企業(yè)全要素生產(chǎn)率有正向影響時(shí)，即>0，最優(yōu)實(shí)物投資水平將提高。關(guān)于人工智能提升企業(yè)全要素生產(chǎn)率，Graetz & Michaels（2018）和陳彥斌等（2019）分別通過(guò)實(shí)證分析和理論模型證明了人工智能對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用。綜上所述，當(dāng)>0，且其他條件不變時(shí)，企業(yè)實(shí)物投資中用于人工智能技術(shù)的投入越多，企業(yè)全要素生產(chǎn)率水平就越高，且會(huì)促進(jìn)企業(yè)整體的實(shí)物投資水平的提升?；谏鲜龇治隹芍?，人工智能應(yīng)用將提升企業(yè)實(shí)體投資水平，且企業(yè)的全要素生產(chǎn)率的提升是重要的影響因素。本文首先提出如下假說(shuō)：
H1：人工智能將促進(jìn)企業(yè)實(shí)體投資水平，提高實(shí)體投資率。
（二）理論機(jī)制分析
本文從需求和供給兩個(gè)角度來(lái)論述人工智能與實(shí)體投資的關(guān)系，具體的機(jī)制傳導(dǎo)如圖2所示：
1. 需求端刺激實(shí)體投資
需求效應(yīng)是指人工智能發(fā)展通過(guò)影響相關(guān)企業(yè)對(duì)資本的需求進(jìn)而影響實(shí)體經(jīng)濟(jì)。當(dāng)前，人工智能作為一種生產(chǎn)要素，將深刻改變企業(yè)的傳統(tǒng)生產(chǎn)方式，提升企業(yè)全要素生產(chǎn)率和投資回報(bào)，在不同行業(yè)間催生出新業(yè)態(tài)和新模式，引致資本流向?qū)嶓w經(jīng)濟(jì)。
首先，人工智能可以提高企業(yè)全要素生產(chǎn)率，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)。從企業(yè)生產(chǎn)端來(lái)看，面對(duì)人力成本不斷上漲的趨勢(shì)，人工智能將改變傳統(tǒng)制造業(yè)企業(yè)勞動(dòng)密集型的生產(chǎn)方式，提高企業(yè)勞動(dòng)生產(chǎn)效率。具體到相關(guān)行業(yè)，汽車(chē)、醫(yī)療、金融、數(shù)字政府等都是人工智能的應(yīng)用領(lǐng)域，因此，大量工業(yè)機(jī)器人、數(shù)字機(jī)器人以及消費(fèi)機(jī)器人在實(shí)體行業(yè)中的應(yīng)用，勢(shì)必會(huì)引發(fā)企業(yè)對(duì)機(jī)器人等實(shí)體的投資需求。Graetz & Michaels（2018）在其研究中證實(shí)人工智能作為一種要素?cái)U(kuò)展型技術(shù)，對(duì)勞動(dòng)生產(chǎn)率具有正向的促進(jìn)作用。從企業(yè)研發(fā)端來(lái)看，人工智能與大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等技術(shù)的互動(dòng)將大大提高企業(yè)研發(fā)效率，促進(jìn)企業(yè)創(chuàng)新競(jìng)爭(zhēng)力，而在智能化賦能的過(guò)程中，人工智能作為資本投入密集型的要素（Sachs & Kotlikoff，2012；Nordhaus，2021），必定會(huì)引起大量資本流向?qū)嶓w企業(yè)。
其次，人工智能帶來(lái)的企業(yè)投資回報(bào)率的上升會(huì)增加實(shí)體企業(yè)對(duì)資本的需求。人工智能將改進(jìn)勞動(dòng)生產(chǎn)率，提高企業(yè)投資回報(bào)，而回報(bào)率的提高必然促使企業(yè)家產(chǎn)生擴(kuò)大生產(chǎn)規(guī)模的動(dòng)機(jī)，進(jìn)而產(chǎn)生對(duì)實(shí)體投資的需求。特別地，人工智能是一項(xiàng)國(guó)家戰(zhàn)略規(guī)劃，政府將數(shù)以萬(wàn)億計(jì)的資本投入到人工智能、數(shù)字化等硬件基礎(chǔ)設(shè)施建設(shè)方面，如5G基站、超級(jí)計(jì)算機(jī)設(shè)備、大數(shù)據(jù)中心等，而國(guó)家數(shù)字化新型基礎(chǔ)設(shè)施建設(shè)將帶動(dòng)大量的上下游實(shí)體企業(yè)生產(chǎn)和投資需求。此外，人工智能作為通用型外溢性技術(shù)，其技術(shù)外溢性必將推動(dòng)諸如無(wú)人機(jī)、無(wú)人駕駛設(shè)備、虛擬現(xiàn)實(shí)和智能穿戴設(shè)備等相關(guān)未來(lái)產(chǎn)業(yè)的發(fā)展。而未來(lái)新興產(chǎn)業(yè)在初期需要大量研發(fā)投入和試產(chǎn)投入，因此，人工智能的不斷迭代更新，將為新興產(chǎn)業(yè)賦能，加速新興產(chǎn)業(yè)的成熟和應(yīng)用，進(jìn)而提高資本進(jìn)入未來(lái)產(chǎn)業(yè)的速度。
因此，從需求端視角看，人工智能將通過(guò)提高企業(yè)全要素生產(chǎn)率和企業(yè)投資回報(bào)率促進(jìn)實(shí)體經(jīng)濟(jì)對(duì)資本的需求。綜上所述，本文提出如下假說(shuō)：
H1a：人工智能將通過(guò)提高企業(yè)全要素生產(chǎn)率進(jìn)而促進(jìn)資本流向?qū)嶓w部門(mén)。
H1b：人工智能通過(guò)提高企業(yè)投資回報(bào)率促進(jìn)資本流向?qū)嶓w部門(mén)。
2. 供給端促進(jìn)實(shí)體投資
供給效應(yīng)是指人工智能與傳統(tǒng)金融深度融合，催生出一系列新產(chǎn)品、新市場(chǎng)和新組織，進(jìn)而促進(jìn)金融普惠化和數(shù)字化，改善金融信息不對(duì)稱(chēng)和傳統(tǒng)金融結(jié)構(gòu)引致的中小型實(shí)體企業(yè)資金供給增加的問(wèn)題。人工智能通過(guò)解決金融信息不對(duì)稱(chēng)以及監(jiān)管不嚴(yán)導(dǎo)致的虛假信息識(shí)別等問(wèn)題促進(jìn)對(duì)上市實(shí)體企業(yè)的資金供給。首先，銀企信息不對(duì)稱(chēng)一直是阻礙實(shí)體企業(yè)發(fā)展的重要因素（Caggese & Cunat，2013）。人工智能、大數(shù)據(jù)等底層技術(shù)可以爬取、存儲(chǔ)、分析海量的共享數(shù)據(jù)，將借款人的互聯(lián)網(wǎng)信息結(jié)構(gòu)化，提高銀企間的信息透明度，進(jìn)而免除大銀行所必需的、繁雜的審計(jì)流程，使優(yōu)質(zhì)的實(shí)體企業(yè)獲得貸款，解決企業(yè)融資困難的問(wèn)題（林毅夫和李永軍，2001）。其次，人工智能的運(yùn)用可以打擊上市公司財(cái)務(wù)造假，推動(dòng)建立信息互通機(jī)制，完善資本市場(chǎng)融資渠道。人工智能與大數(shù)據(jù)結(jié)合可以對(duì)上市公司歷史業(yè)務(wù)和行業(yè)數(shù)據(jù)以及財(cái)務(wù)經(jīng)營(yíng)信息進(jìn)行交叉對(duì)比，發(fā)現(xiàn)是否存在財(cái)務(wù)舞弊行為。最后，人工智能與大數(shù)據(jù)結(jié)合可以將上市公司經(jīng)營(yíng)涉及銀行、稅務(wù)、海關(guān)、能源用量等進(jìn)行信息共享，提升監(jiān)管部門(mén)打擊上市公司財(cái)務(wù)造假的能力，提高投資者對(duì)資本市場(chǎng)的參與意愿，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)。因此，從供給端視角看，人工智能會(huì)暢通資本流向?qū)嶓w的渠道，加快實(shí)體經(jīng)濟(jì)發(fā)展。綜上所述，本文提出如下假說(shuō)：
H1c：人工智能通過(guò)改善信息不對(duì)稱(chēng)暢通資本流向?qū)嶓w部門(mén)的渠道。
（二）變量定義和數(shù)據(jù)選取
在宏觀(guān)層面，本文以2010-2020年中國(guó)省級(jí)面板數(shù)據(jù)為依據(jù)，西藏自治區(qū)的數(shù)據(jù)缺失嚴(yán)重，故將其剔除。數(shù)據(jù)來(lái)源于“天眼查”企業(yè)數(shù)據(jù)庫(kù)、《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)經(jīng)濟(jì)普查數(shù)據(jù)》《中國(guó)金融統(tǒng)計(jì)年鑒》《中國(guó)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》《中國(guó)價(jià)格指數(shù)統(tǒng)計(jì)年鑒》等。在微觀(guān)層面，鑒于數(shù)據(jù)的可得性和人工智能的發(fā)展軌跡，本文選取2015-2021年中國(guó)滬深A(yù) 股上市公司并剔除數(shù)據(jù)中的ST、ST*、房地產(chǎn)和金融業(yè)相關(guān)企業(yè)樣本，最終得到17129家公司7年度觀(guān)測(cè)值。數(shù)據(jù)來(lái)源于Wind 數(shù)據(jù)庫(kù)和各上市公司年報(bào)。
各變量和數(shù)據(jù)處理方法如下所示，具體見(jiàn)表2：
（1）因變量：本文分別從省級(jí)和上市公司兩個(gè)層面構(gòu)造因變量。省級(jí)層面采用所有工業(yè)企業(yè)固定資產(chǎn)凈額增速和所有工業(yè)企業(yè)固定資產(chǎn)投資額占總固定資產(chǎn)投資額比重來(lái)衡量。為了真實(shí)反映實(shí)體部門(mén)固定資產(chǎn)存量和投資額，本文剔除價(jià)格因素，以2010年為基期構(gòu)造價(jià)格平減指數(shù)，對(duì)所有固定資產(chǎn)凈額和投資額均作了價(jià)格平減處理。上市公司層面采用企業(yè)現(xiàn)金流量表中“購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)”項(xiàng)目占總資產(chǎn)比重衡量。
（2）自變量：本文分別從省級(jí)層面和上市公司層面構(gòu)造了兩個(gè)自變量。省級(jí)層面參考李旭輝等（2021）的研究，從兩個(gè)維度、五個(gè)一級(jí)指標(biāo)和十六個(gè)二級(jí)指標(biāo)出發(fā)，利用熵值法構(gòu)造了省級(jí)人工智能發(fā)展水平。微觀(guān)企業(yè)層面，本文創(chuàng)新性地利用Python 文本分析技術(shù)，獲取了17129份上市公司年報(bào)；參考吳非等（2021）的方法對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的詞頻進(jìn)行統(tǒng)計(jì)，選取人工智能相關(guān)熱詞，用于衡量企業(yè)層面人工智能發(fā)展水平，詞匯表如表1 所示。此外，為了進(jìn)一步提高本文實(shí)證結(jié)果的穩(wěn)健性，本文利用“天眼查”數(shù)據(jù)庫(kù)進(jìn)行“人工智能”關(guān)鍵詞檢索，保留公司名稱(chēng)、產(chǎn)品服務(wù)或經(jīng)營(yíng)范圍中出現(xiàn)以上關(guān)鍵詞的樣本。此外，為了防止出現(xiàn)空殼公司，本文剔除了社保參保人數(shù)低于1人、注冊(cè)資本小于100 萬(wàn)以及吊銷(xiāo)和注銷(xiāo)的公司，構(gòu)造省級(jí)人工智能企業(yè)數(shù)量指標(biāo)。人工智能企業(yè)數(shù)量一定程度上能夠反映地區(qū)人工智能發(fā)展的真實(shí)情況，因此將其納入穩(wěn)健性檢驗(yàn)的范圍是合理的。
（3）控制變量：本文分別從省級(jí)層面和上市公司層面選擇控制變量。省級(jí)層面，本文選?、偻馍掏顿Y水平（FDI）：用各省份實(shí)際利用外資額占GDP 的比重衡量；②財(cái)政支出水平（GOV）：用各省份一般預(yù)算支出占GDP 的比重衡量；③金融發(fā)展水平（FIN）：用各省份存貸款余額占GDP的比重衡量；④全要素生產(chǎn)率（TFP）：以2010 年為基期，構(gòu)造了各省份全要素生產(chǎn)率來(lái)衡量；⑤工業(yè)發(fā)展水平（IND）：用各省份工業(yè)增加值占GDP 的比重衡量。上市公司層面，本文選取①凈資產(chǎn)收益率（ROE）：用企業(yè)當(dāng)年凈利潤(rùn)與股東權(quán)益余額的比值衡量；②資產(chǎn)負(fù)債率（LEV）：用企業(yè)當(dāng)年總負(fù)債與總資產(chǎn)的比值衡量；③現(xiàn)金流量（CASH）：用企業(yè)經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~與總資產(chǎn)的比值衡量；④營(yíng)業(yè)利潤(rùn)增長(zhǎng)率（OPG）：以企業(yè)當(dāng)年?duì)I業(yè)利潤(rùn)減去上一年?duì)I業(yè)利潤(rùn)差值除以上一年?duì)I業(yè)利潤(rùn)衡量；⑤企業(yè)規(guī)模（SIZE）：以企業(yè)當(dāng)年總資產(chǎn)的自然對(duì)數(shù)衡量；⑥企業(yè)年齡（AGE）：以企
業(yè)實(shí)際經(jīng)營(yíng)年限衡量。
（4）機(jī)制變量：本文從需求端和供給端探究人工智能影響實(shí)體投資的機(jī)制。從需求端，本文將企業(yè)全要素生產(chǎn)率和資產(chǎn)報(bào)酬率作為機(jī)制變量；在供給端，本文將數(shù)字金融和信息不對(duì)稱(chēng)作為機(jī)制變量。①企業(yè)全要素生產(chǎn)率（TFP）：本文采用OP 法和LP 法計(jì)算企業(yè)全要素生產(chǎn)率作為代理變量；②資產(chǎn)回報(bào)率（ROA）：本文將利潤(rùn)和財(cái)務(wù)費(fèi)用之合占企業(yè)總資產(chǎn)的比重作為代理變量；③信息不對(duì)稱(chēng)（ASY）：本文借鑒于蔚（2012）的方法，利用公司個(gè)股的交易資料來(lái)捕捉證券市場(chǎng)上非知情交易者與知情交易者關(guān)于企業(yè)價(jià)值的信息的不對(duì)稱(chēng)程度，并以此作為資金供給方與企業(yè)之間信息不對(duì)稱(chēng)程度的代理變量。
（三）描述性統(tǒng)計(jì)
本文選取2010-2020年中國(guó)省份數(shù)據(jù)和2015-2021年上市公司數(shù)據(jù)對(duì)假說(shuō)進(jìn)行驗(yàn)證，描述性統(tǒng)計(jì)結(jié)果如表3 所示，部分缺失數(shù)據(jù)用線(xiàn)性插值法補(bǔ)齊。
四、實(shí)證結(jié)果分析
（一）基準(zhǔn)回歸
根據(jù)上述計(jì)量模型，本文從省級(jí)和上市公司兩個(gè)層面檢驗(yàn)了人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量和投資的影響，基準(zhǔn)回歸結(jié)果見(jiàn)表4。表4 列（1）、列（2）報(bào)告了省級(jí)層面人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量增速的影響，在不加入控制變量和加入控制變量?jī)煞N情況下，估計(jì)系數(shù)分別為0.1817 和0.2558，且均在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高實(shí)體部門(mén)資本存量的積累速度。表4 列（3）、列（4）報(bào)告了省級(jí)層面人工智能對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資占比的影響，在不加入控制變量時(shí)，估計(jì)系數(shù)為0.172 9，且不顯著，而在加入控制變量后，估計(jì)系數(shù)為0.182 2，且在5%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高實(shí)體經(jīng)濟(jì)部門(mén)在固定資產(chǎn)投資方面的比重，使資本向?qū)嶓w部門(mén)傾斜。表4 列（5）、列（6）報(bào)告了企業(yè)微觀(guān)層面人工智能對(duì)實(shí)體投資的影響，與不加入控制變量相比，加入控制變量后的估計(jì)系數(shù)變?yōu)?.0024，且均在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高企業(yè)實(shí)體投資水平。從上述計(jì)量結(jié)果可知，人工智能可從促進(jìn)實(shí)體經(jīng)濟(jì)資本積累速度和實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資比重兩方面影響資本對(duì)實(shí)體的支撐，驗(yàn)證了本文的假說(shuō)1。
（二）內(nèi)生性處理
1．工具變量法
在上述計(jì)量模型中，雖然本文盡可能去控制那些影響實(shí)體投資的影響因素，但是實(shí)證結(jié)果仍有可能受到不可觀(guān)測(cè)因素的影響，此種遺漏變量將會(huì)導(dǎo)致本文核心解釋變量估計(jì)系數(shù)出現(xiàn)偏誤。此外，實(shí)體經(jīng)濟(jì)資本存量和固定資產(chǎn)投資額的變化也會(huì)影響人工智能的發(fā)展水平，即可能存在反向因果關(guān)系。為了緩解遺漏變量和雙向因果帶來(lái)的內(nèi)生性問(wèn)題，本文進(jìn)一步采用工具變量法進(jìn)行估計(jì)。
在宏觀(guān)層面，本文借鑒Acemoglu和Restrepo（2020）的做法，選擇德國(guó)工業(yè)機(jī)器人安裝密度（DE_AI）作為工具變量，以2010-2020年德國(guó)各行業(yè)工業(yè)機(jī)器人數(shù)量與2010年中國(guó)各省份分行業(yè)的就業(yè)人數(shù)比例相乘，構(gòu)建面板工具變量。選擇該工具變量的邏輯在于：其一，工業(yè)機(jī)器人作為當(dāng)前人工智能發(fā)展水平的衡量指標(biāo)之一，已出現(xiàn)在大量文獻(xiàn)中。其二，工業(yè)機(jī)器人作為人工智能在實(shí)體中的大規(guī)模應(yīng)用已成為不可避免的趨勢(shì)，相關(guān)國(guó)家的競(jìng)爭(zhēng)和合作將使人工智能呈現(xiàn)一定的相關(guān)性。中德作為制造業(yè)大國(guó)和人工智能領(lǐng)域的引領(lǐng)者，在工業(yè)機(jī)器人應(yīng)用領(lǐng)域必定具有趨同性和相關(guān)性。同時(shí)考慮到工具變量的外生性，本文利用2010 年中國(guó)各省份分行業(yè)就業(yè)人數(shù)作為歷史變量，進(jìn)而排除就業(yè)結(jié)構(gòu)變化對(duì)實(shí)體投資的影響。此外，沒(méi)有證據(jù)表明德國(guó)工業(yè)機(jī)器人使用會(huì)直接影響中國(guó)實(shí)體投資，其只能通過(guò)產(chǎn)業(yè)競(jìng)爭(zhēng)間接影響中國(guó)人工智能發(fā)展水平，從而與中國(guó)實(shí)體投資發(fā)生關(guān)聯(lián)。本文采用德國(guó)工業(yè)機(jī)器人安裝密度作為工具變量（DE_AI），通過(guò)兩階段最小二乘法估計(jì)人工智能對(duì)實(shí)體投資的影響，檢驗(yàn)結(jié)果如表5 所示。該工具變量基本滿(mǎn)足相關(guān)性和外生性條件，從而有效緩解了內(nèi)生性偏誤的影響。表5 中列（1）報(bào)告了人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量增速的影響，估計(jì)系數(shù)為0.4619，且在5%水平下通過(guò)顯著性檢驗(yàn)；表5 中列（2）報(bào)告了人工智能對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資占比的影響，估計(jì)系數(shù)為0.3739，且在1%水平下通過(guò)顯著性檢驗(yàn)。上述回歸結(jié)果表明，在緩解了潛在內(nèi)生性后本文結(jié)論依然成立，且相較于基準(zhǔn)回歸結(jié)果系數(shù)有所上升。
在微觀(guān)層面，鑒于李唐等（2020）和宋德勇等（2022）文獻(xiàn)中核心解釋變量與本文企業(yè)層面人工智能水平構(gòu)造方法相似，因此本文借鑒上述文獻(xiàn)做法，基于Lewbel（1997）的研究思路為企業(yè)人工智能水平構(gòu)造工具變量。 Lewbel（1997）提出的是一種不借助外部數(shù)據(jù)構(gòu)建有效內(nèi)部工具變量的方法，采用此方法構(gòu)造的工具變量在一定程度上可以緩解內(nèi)生性問(wèn)題。具體做法即采用企業(yè)人工智能水平與按照申萬(wàn)宏源二位數(shù)行業(yè)代碼和省份分類(lèi)的數(shù)字水平均值差額的三次方作為工具變量（Lewbel_IV）。本文采用該工具變量，通過(guò)兩階段最小二乘法估計(jì)人工智能對(duì)企業(yè)實(shí)體投資的影響，結(jié)果如表5 列（3）所示。該工具變量基本滿(mǎn)足相關(guān)性和外生性條件，有效緩解了內(nèi)生性問(wèn)題。微觀(guān)層面上，人工智能發(fā)展對(duì)企業(yè)實(shí)體投資的影響估計(jì)系數(shù)為0.001 3，且在1%水平下通過(guò)顯著性檢驗(yàn)，進(jìn)一步驗(yàn)證了本文的結(jié)論，即人工智能對(duì)企業(yè)實(shí)體投資具有促進(jìn)作用。
本文利用省級(jí)面板數(shù)據(jù)和企業(yè)面板數(shù)據(jù)，從宏觀(guān)和微觀(guān)兩個(gè)層面證實(shí)了人工智能能夠增強(qiáng)實(shí)體經(jīng)濟(jì)的吸引力，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)，提升實(shí)體經(jīng)濟(jì)投資占比，基本驗(yàn)證了林晨等（2020）提出的人工智能能夠優(yōu)化資本結(jié)構(gòu)、促進(jìn)實(shí)體經(jīng)濟(jì)占比的觀(guān)點(diǎn)。但是相較于他們的研究，本文創(chuàng)新性地使用實(shí)證數(shù)據(jù)驗(yàn)證了該影響效應(yīng)。在探討人工智能對(duì)實(shí)體投資的影響機(jī)制時(shí)，本文借鑒并擴(kuò)展了林晨等（2020）和郭凱明（2019）的理論框架，認(rèn)為人工智能不僅可以通過(guò)提高實(shí)體經(jīng)濟(jì)生產(chǎn)過(guò)程的智能化程度和催生出配套的創(chuàng)新產(chǎn)業(yè)吸引資本流向?qū)嶓w經(jīng)濟(jì)，還可以通過(guò)技術(shù)外溢性促進(jìn)傳統(tǒng)金融向數(shù)字金融轉(zhuǎn)變，暢通資金進(jìn)入實(shí)體渠道。由于現(xiàn)有文獻(xiàn)對(duì)人工智能對(duì)實(shí)體投資影響機(jī)制的分析較少，本文將在后續(xù)章節(jié)進(jìn)行深入分析。
2. 雙重差分估計(jì)（Differences-in-Difference，DID）
本文進(jìn)一步通過(guò)雙重差分方法來(lái)緩解潛在的內(nèi)生問(wèn)題。2017 年7 月8 日國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》（以下簡(jiǎn)稱(chēng)“35 號(hào)文”）①，旨在構(gòu)筑中國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)。因此，2017 年也被稱(chēng)為中國(guó)人工智能發(fā)展的元年。文件的出臺(tái)對(duì)各地區(qū)人工智能發(fā)展帶來(lái)了一定程度的沖擊，也為本文研究人工智能與實(shí)體投資受外生政策沖擊的影響提供了契機(jī)。
借鑒Vig（2013）和宋敏等（2021）的處理方法，本文從各地區(qū)對(duì)《新一代人工智能發(fā)展規(guī)劃》的異質(zhì)性反應(yīng)入手，構(gòu)建對(duì)照組和實(shí)驗(yàn)組，按照2017 年文件印發(fā)的年份各地區(qū)人工智能發(fā)展水平的中位數(shù)，將低于中位數(shù)的省份記為控制組賦值為0，高于中位數(shù)的省份記為實(shí)驗(yàn)組賦值為1。在時(shí)間變量的處理上，本文將2017 年之后的時(shí)間點(diǎn)賦值為1，之前則賦值為0。其中treated 是實(shí)驗(yàn)組，post 是時(shí)間節(jié)點(diǎn)變量，treated post 的估計(jì)系數(shù)表明了政策影響。
檢驗(yàn)結(jié)果如表6 所示。表6 列（1）中報(bào)告了35 號(hào)文對(duì)各地區(qū)人工智能發(fā)展水平的影響，其估計(jì)系數(shù)為0.062，且在1%水平下顯著，說(shuō)明受政策沖擊較大的地區(qū)相比于對(duì)照組而言，人工智能發(fā)展水平顯著提升了約6.2%。列（2）和列（3）報(bào)告了35 號(hào)文對(duì)實(shí)體部門(mén)資本流動(dòng)的影響，其中該政策對(duì)實(shí)體經(jīng)濟(jì)資本存量增速影響不大，對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資比重有顯著影響，即相比于對(duì)照組，受政策沖擊較大的地區(qū)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資提升了約3.96%。表6 結(jié)果表明，35 號(hào)文的出臺(tái)確實(shí)提升了地區(qū)人工智能發(fā)展水平，并進(jìn)一步影響了地區(qū)的實(shí)體投資。
此外，為了檢驗(yàn)政策沖擊回歸結(jié)果的穩(wěn)健性，本文利用政策實(shí)施前5 期和后3 期的數(shù)據(jù)，將35 號(hào)文對(duì)固定資產(chǎn)投資占比的影響進(jìn)行平行趨勢(shì)檢驗(yàn)。圖3 結(jié)果表明，在政策實(shí)施以前，固定資產(chǎn)投資占比呈現(xiàn)顯著下降的趨勢(shì)，政策實(shí)施后固定資產(chǎn)投資占比系數(shù)估計(jì)由負(fù)值變?yōu)檎?。這說(shuō)明，35 號(hào)文對(duì)實(shí)體投資產(chǎn)生了顯著的促進(jìn)作用，本文主要結(jié)論進(jìn)一步得到驗(yàn)證。
（三）穩(wěn)健性檢驗(yàn)
（1）替換人工智能衡量指標(biāo)。在省級(jí)層面，本文創(chuàng)新性地使用“天眼查”數(shù)據(jù)庫(kù)中各省份人工智能企業(yè)數(shù)量來(lái)衡量人工智能發(fā)展水平，對(duì)核心解釋變量進(jìn)行替換并檢驗(yàn)。表7 列（1）、（2）結(jié)果顯示，核心解釋變量系數(shù)變化不大且顯著，表明結(jié)果穩(wěn)健。在上市公司層面，考慮到利用人工智能關(guān)鍵詞構(gòu)建衡量指標(biāo)，本文剔除部分關(guān)鍵詞，重新統(tǒng)計(jì)構(gòu)建人工智能衡量指標(biāo)并檢驗(yàn)。表7 列（3）檢驗(yàn)結(jié)果顯示，核心解釋變量系數(shù)變化不大且顯著，表明結(jié)果穩(wěn)健。
（2）考慮到直轄市在經(jīng)濟(jì)發(fā)展水平和技術(shù)水平以及政策優(yōu)惠上要優(yōu)于其他省份，因此剔除直轄市樣本重新進(jìn)行檢驗(yàn)，結(jié)果如表7 列（4）（5）（6）所示，結(jié)果依然穩(wěn)健。
（3）考慮到技術(shù)從研究成果到規(guī)?；瘧?yīng)用存在一定的時(shí)間滯后效應(yīng)，本文利用滯后一期人工智能衡量指標(biāo)作為核心解釋變量進(jìn)行檢驗(yàn)，如表7 列（7）（8）（9）所示，結(jié)果依然穩(wěn)健。
五、機(jī)制分析
接下來(lái)，本文探究一個(gè)關(guān)鍵性問(wèn)題：人工智能影響實(shí)體投資的作用機(jī)制是什么？本文分別從需求端和供給端出發(fā)，探究全要素生產(chǎn)率、投資回報(bào)和信息不對(duì)稱(chēng)在人工智能促進(jìn)實(shí)體投資過(guò)程中發(fā)揮的機(jī)制效應(yīng)。
（一）人工智能、企業(yè)全要素生產(chǎn)率與企業(yè)實(shí)體投資
根據(jù)前文的理論分析，人工智能可能通過(guò)提高企業(yè)全要素生產(chǎn)率影響實(shí)體投資。為驗(yàn)證這一機(jī)制，本文采用LP和OP法測(cè)算企業(yè)全要素生產(chǎn)率（TFP）（G Steven et al.，1996；Levinsohn J &Petrin A，2003；魯曉東和連玉君，2012），用以驗(yàn)證人工智能對(duì)實(shí)體企業(yè)全要素生產(chǎn)率的影響。在檢驗(yàn)方法上，本文借鑒王鋒和葛星（2022）、田鴿和張勛（2022）的做法，先檢驗(yàn)人工智能對(duì)實(shí)體企業(yè)全要素生產(chǎn)率的影響，接著檢驗(yàn)全要素生產(chǎn)率對(duì)企業(yè)實(shí)體投資的影響，以驗(yàn)證全要素生產(chǎn)率在本文主效應(yīng)中的機(jī)制作用，結(jié)果如表8 所示。表8列（1）（2）報(bào)告了人工智能對(duì)企業(yè)全要素生產(chǎn)率影響的估計(jì)結(jié)果。結(jié)果顯示，TFP_OP 和TFP_LP的系數(shù)分別為0.0728和0.0996，且在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能提高了企業(yè)全要素生產(chǎn)率。接著對(duì)全要素生產(chǎn)率影響企業(yè)實(shí)體投資進(jìn)行檢驗(yàn)，表8列（5）結(jié)果表明，TFP_LP 的估計(jì)系數(shù)為0.0015，且在10%水平下通過(guò)顯著性檢驗(yàn)，這說(shuō)明人工智能通過(guò)全要素生產(chǎn)率促進(jìn)了企業(yè)實(shí)體投資，驗(yàn)證了本文假說(shuō)H1a。
（二）人工智能、投資回報(bào)與企業(yè)實(shí)體投資
人工智能對(duì)傳統(tǒng)實(shí)體的改造升級(jí)可能給企業(yè)帶來(lái)投資回報(bào)的提升，促進(jìn)企業(yè)實(shí)體投資意愿。因此，本文采用資產(chǎn)回報(bào)率（ROA）衡量企業(yè)投資回報(bào)，利用上述相同方法驗(yàn)證企業(yè)投資回報(bào)在其中發(fā)揮的作用。表8 列（3）報(bào)告了人工智能對(duì)企業(yè)投資回報(bào)率影響的估計(jì)結(jié)果，結(jié)果顯示投資回報(bào)率的估計(jì)系數(shù)為0.0056，且在5%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能提高了企業(yè)投資回報(bào)率。表8列（6）結(jié)果表明，投資回報(bào)率對(duì)企業(yè)實(shí)體投資的估計(jì)系數(shù)為0.0162，且在5%水平下通過(guò)顯著性檢驗(yàn)。這說(shuō)明人工智能提高了企業(yè)投資回報(bào)率，進(jìn)而促進(jìn)了企業(yè)實(shí)體投資，驗(yàn)證了本文假說(shuō)H1b。
（三）人工智能、信息不對(duì)稱(chēng)與企業(yè)實(shí)體投資
人工智能與大數(shù)據(jù)等技術(shù)結(jié)合能夠緩解金融信息不對(duì)稱(chēng)問(wèn)題暢通融資渠道進(jìn)而促進(jìn)資本流向?qū)嶓w。本文參考于蔚等（2012）的做法，基于金融市場(chǎng)微觀(guān)結(jié)構(gòu)相關(guān)文獻(xiàn)，以及個(gè)股詳細(xì)交易數(shù)據(jù)，提取流動(dòng)性比率、非流動(dòng)性比率以及反轉(zhuǎn)指標(biāo)的第一主成分來(lái)構(gòu)建信息不對(duì)稱(chēng)指標(biāo)，該指標(biāo)越大表明信息不對(duì)稱(chēng)越嚴(yán)重。表9 列（1）報(bào)告了人工智能對(duì)信息不對(duì)稱(chēng)影響的估計(jì)結(jié)果，信息不對(duì)稱(chēng)的估計(jì)系數(shù)為-0.0164，且在10%水平下通過(guò)顯著性檢驗(yàn)，說(shuō)明人工智能發(fā)展會(huì)抑制外部投資者與企業(yè)之間的信息不對(duì)稱(chēng)；表9 列（2）報(bào)告了信息不對(duì)稱(chēng)對(duì)企業(yè)實(shí)體投資的影響，估計(jì)系數(shù)為-0.0005，說(shuō)明信息不對(duì)稱(chēng)抑制了企業(yè)對(duì)實(shí)體的投資。這表明人工智能“賦能”會(huì)抑制企業(yè)與投資者之間的信息不對(duì)稱(chēng)，緩解信息不對(duì)稱(chēng)對(duì)實(shí)體投資的影響。
六、異質(zhì)性分析
（一）基于行業(yè)的異質(zhì)性分析
在省級(jí)層面，本文將實(shí)體經(jīng)濟(jì)部門(mén)定義為所有工業(yè)企業(yè)，即包括了采礦業(yè)、制造業(yè)以及水力、電力和熱力供應(yīng)業(yè)。因此，本文對(duì)因變量進(jìn)行行業(yè)分組，研究其異質(zhì)性，將實(shí)體經(jīng)濟(jì)部門(mén)中的制造業(yè)（M_lKS&M_rKS）和高技術(shù)制造業(yè)（G_lKS&G_rKS）區(qū)分開(kāi)來(lái)。根據(jù)《中國(guó)高技術(shù)統(tǒng)計(jì)年鑒》的定義，高技術(shù)制造業(yè)包含了儀表儀器制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、計(jì)算機(jī)電子通訊制造業(yè)、醫(yī)藥制造業(yè)以及專(zhuān)用設(shè)備制造業(yè)。行業(yè)異質(zhì)性分析結(jié)果如表10所示。從表10 列（1）和列（2）可知，人工智能對(duì)制造業(yè)資本存量增速和高技術(shù)制造業(yè)資本存量增速均產(chǎn)生了顯著的正向影響，與本文基準(zhǔn)結(jié)果相比，人工智能對(duì)制造業(yè)和高技術(shù)制造業(yè)資本存量的拉動(dòng)作用更加明顯，說(shuō)明在人工智能促進(jìn)資本流向?qū)嶓w過(guò)程中，制造業(yè)轉(zhuǎn)型升級(jí)、設(shè)備智能化以及新興產(chǎn)業(yè)的迅速崛起發(fā)揮了重要作用。從表10 列（3）和列（4）可知，人工智能對(duì)制造業(yè)固定資產(chǎn)投資和高技術(shù)制造業(yè)固定資產(chǎn)投資均產(chǎn)生了顯著的正向影響，表明人工智能促進(jìn)了固定資產(chǎn)投資流向制造業(yè)和高技術(shù)產(chǎn)業(yè)，但制造業(yè)固定資產(chǎn)投資流入大于高技術(shù)產(chǎn)業(yè)。
在企業(yè)層面，本文將實(shí)體企業(yè)分為第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)，探究人工智能對(duì)不同產(chǎn)業(yè)實(shí)體投資的影響。表10 列（5）（6）（7）分別報(bào)告了人工智能對(duì)各產(chǎn)業(yè)實(shí)體投資的影響，其中，第一產(chǎn)業(yè)估計(jì)系數(shù)為0.0087，未通過(guò)10%的顯著性檢驗(yàn)。第二產(chǎn)業(yè)估計(jì)系數(shù)為0.0032，且在1%水平下顯著。第三產(chǎn)業(yè)估計(jì)系數(shù)為0.0001，同樣未通過(guò)10%顯著性檢驗(yàn)。上述結(jié)果表明，人工智能引致實(shí)體投資在不同產(chǎn)業(yè)間存在差異，即人工智能促進(jìn)了第二產(chǎn)業(yè)實(shí)體投資，但不影響第一產(chǎn)業(yè)和第三產(chǎn)業(yè)實(shí)體投資，可能原因是第二產(chǎn)業(yè)的制造業(yè)是企業(yè)智能化改造和智能設(shè)備制造的主力軍，因而受人工智能影響最大。
（二）基于地區(qū)的異質(zhì)性分析
受區(qū)域經(jīng)濟(jì)發(fā)展不協(xié)調(diào)以及區(qū)域間技術(shù)創(chuàng)新水平差異的影響，人工智能水平在中國(guó)東部沿海和內(nèi)陸地區(qū)必然呈現(xiàn)出一定的差異。本文按照國(guó)家統(tǒng)計(jì)局的最新標(biāo)準(zhǔn)①，將樣本劃分為東部、中部、西部和東北部四個(gè)區(qū)域進(jìn)行異質(zhì)性分析，從企業(yè)層面研究區(qū)域間人工智能對(duì)實(shí)體投資的影響。由表11可知，東部和中部和東北部地區(qū)人工智能對(duì)企業(yè)實(shí)體投資促進(jìn)作用明顯，而西部地區(qū)人工智能對(duì)企業(yè)實(shí)體投資的促進(jìn)作用并未通過(guò)顯著性檢驗(yàn)。通過(guò)地區(qū)異質(zhì)性回歸結(jié)果證實(shí)了：由于東部、中部以及東北部地區(qū)制造業(yè)轉(zhuǎn)型升級(jí)早，技術(shù)創(chuàng)新能力強(qiáng)，因此其人工智能發(fā)展相比于西部地區(qū)更具優(yōu)勢(shì)，且更能促進(jìn)企業(yè)實(shí)體投資。
（三）基于企業(yè)規(guī)模的異質(zhì)性分析
人工智能的發(fā)展往往在企業(yè)的規(guī)模方面也會(huì)表現(xiàn)出差異，因此，本文根據(jù)《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》，將工業(yè)企業(yè)劃分為大型、中型和小型三類(lèi)，進(jìn)行異質(zhì)性分析。回歸結(jié)果如表12所示。
列（1）（2）（3）分別報(bào)告了人工智能對(duì)大中小型工業(yè)企業(yè)資本存量增速的影響。從回歸系數(shù)可知，大型企業(yè)智能化改造的動(dòng)機(jī)比中小型企業(yè)更為強(qiáng)烈，一方面是大型企業(yè)更容易獲得智能改造所需資金，另一方面是大型企業(yè)面臨的智能化轉(zhuǎn)型需求更為迫切。此外，中型企業(yè)的系數(shù)也要高于小型企業(yè)，表明企業(yè)規(guī)模會(huì)影響人工智能導(dǎo)致的資本存量增速。
七、進(jìn)一步討論
前文分析了人工智能通過(guò)提高企業(yè)全要素生產(chǎn)率、投資回報(bào)率以及改善信息不對(duì)稱(chēng)來(lái)促進(jìn)資本流向?qū)嶓w部門(mén)。然而資本流向?qū)嶓w離不開(kāi)市場(chǎng)化的金融體系支撐。吳曉求（2020）提出，當(dāng)前中國(guó)應(yīng)構(gòu)建以市場(chǎng)為主導(dǎo)的現(xiàn)代金融體系，以滿(mǎn)足經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的需求，而發(fā)達(dá)的資本市場(chǎng)是市場(chǎng)化金融體系的重要特征。因此，本部分將探究市場(chǎng)化金融體系能否在人工智能引致實(shí)體投資過(guò)程中發(fā)揮資金流動(dòng)的加速和放大作用。此外，關(guān)于實(shí)體企業(yè)金融化的討論也不絕于耳，而隨著人工智能賦能實(shí)體經(jīng)濟(jì)的影響持續(xù)擴(kuò)大，企業(yè)金融資產(chǎn)配置在人工智能引致實(shí)體投資中是發(fā)揮“擠出”作用還是“蓄水池”作用，也是本部分要討論的重點(diǎn)。
（一）市場(chǎng)化金融體系的調(diào)節(jié)作用
本文認(rèn)為，市場(chǎng)化的金融體系可通過(guò)豐富融資渠道和弱化資產(chǎn)泡沫放大人工智能引領(lǐng)實(shí)體投資的作用。一方面，當(dāng)前中國(guó)的產(chǎn)業(yè)結(jié)構(gòu)正從資本密集型轉(zhuǎn)向創(chuàng)新密集型，人工智能發(fā)展正給微觀(guān)實(shí)體企業(yè)帶來(lái)全要素生產(chǎn)率和創(chuàng)新能力的持續(xù)提升，由此帶來(lái)的企業(yè)融資需求特征，從原有的大型金融國(guó)企壟斷的信貸抵押資金需求，轉(zhuǎn)向以新興企業(yè)未來(lái)投資收益現(xiàn)值為支撐的股權(quán)融資需求；另一方面，金融體系市場(chǎng)化能夠豐富金融市場(chǎng)產(chǎn)品，弱化資產(chǎn)泡沫形成的風(fēng)險(xiǎn)，為資金流向?qū)嶓w提供有力的支撐。當(dāng)前中國(guó)房地產(chǎn)市場(chǎng)泡沫的積累與金融市場(chǎng)缺乏保險(xiǎn)和保值的金融工具息息相關(guān)，完善的金融市場(chǎng)能夠擠出抵押品不足和風(fēng)險(xiǎn)對(duì)沖工具稀缺帶來(lái)的資產(chǎn)泡沫化，促進(jìn)資本向?qū)嶓w流動(dòng)（Caballero and Krishnamurthy，2006；Caballero et al.，2008）。
綜上所述，本文選取非金融企業(yè)境內(nèi)股票融資額占社會(huì)融資規(guī)模的比重衡量金融體系市場(chǎng)化水平，該指標(biāo)既能準(zhǔn)確反映以市場(chǎng)為主導(dǎo)的現(xiàn)代金融體系的特征和功能，又能直觀(guān)表達(dá)資本市場(chǎng)作為實(shí)體部門(mén)資金蓄水池在資本供給方面給予的作用大小。在基礎(chǔ)回歸模型中，本文加入MFpAI 的交互項(xiàng)，并觀(guān)察交互項(xiàng)系數(shù)的變化，如果該系數(shù)顯著為正，則表示金融市場(chǎng)化放大了人工智能引致的實(shí)體投資水平。表13 列報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果。列（1）和列（2）交互項(xiàng)系數(shù)分別為2.2780和1.5760，且在1%水平下顯著，說(shuō)明金融市場(chǎng)越發(fā)達(dá)，人工智能促進(jìn)資本流向?qū)嶓w的作用越強(qiáng)。因此，加快構(gòu)建以資本市場(chǎng)為核心的現(xiàn)代金融體系是適應(yīng)當(dāng)前中國(guó)產(chǎn)業(yè)創(chuàng)新和制造業(yè)升級(jí)的重要舉措，相關(guān)部門(mén)必須引起重視。
（二）企業(yè)金融資產(chǎn)配置水平的調(diào)節(jié)作用
當(dāng)前，企業(yè)資產(chǎn)可以分為兩類(lèi)：實(shí)體資產(chǎn)和金融資產(chǎn)。一方面，當(dāng)金融資產(chǎn)配置過(guò)度時(shí)會(huì)對(duì)企業(yè)經(jīng)營(yíng)和生產(chǎn)造成不利影響（Stockhammer，2004），減少企業(yè)用于實(shí)體投資的資金（王永欽等，2016；杜勇等，2017）；另一方面，金融資產(chǎn)配置對(duì)于企業(yè)預(yù)防現(xiàn)金流沖擊和滿(mǎn)足融資需求起到了“蓄水池”作用（Keynes，1936）。人工智能作為巨大的發(fā)展機(jī)遇，會(huì)吸引大量具有進(jìn)取精神的企業(yè)家不斷投入資金和人才。本文認(rèn)為在人工智能大背景下，企業(yè)出于預(yù)防和儲(chǔ)蓄的目的進(jìn)行金融資產(chǎn)配置不但不會(huì)擠出實(shí)體投資，反而會(huì)穩(wěn)定企業(yè)資金水平，為促進(jìn)企業(yè)智能化改造和實(shí)體投資發(fā)揮資金“蓄水池”作用。
基于此，本文選取金融資產(chǎn)占總資產(chǎn)的比重衡量企業(yè)金融資產(chǎn)配置水平①，該指標(biāo)能從微觀(guān)層面探究企業(yè)金融資產(chǎn)配置是否對(duì)人工智能促進(jìn)企業(yè)實(shí)體投資產(chǎn)生正向調(diào)節(jié)作用。根據(jù)調(diào)節(jié)效應(yīng)模型，本文關(guān)注FIVfAI 的交互項(xiàng)系數(shù)變化，如果該系數(shù)顯著為正，則表明企業(yè)金融資產(chǎn)配置放大了人工智能對(duì)企業(yè)實(shí)體投資的促進(jìn)作用。表13列（3）報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果，在不引入人工智能作為交乘項(xiàng)前，金融資產(chǎn)配置對(duì)實(shí)體投資率顯著抑制，而人工智能與金融資產(chǎn)配置的交互項(xiàng)系數(shù)為0.0053且在5%水平下顯著，表明在人工智能賦能實(shí)體企業(yè)過(guò)程中，企業(yè)金融資產(chǎn)配置水平越高，人工智能對(duì)實(shí)體投資的促進(jìn)作用越強(qiáng)。因此，豐富投融資產(chǎn)品種類(lèi)以滿(mǎn)足企業(yè)金融資產(chǎn)配置需求，是促進(jìn)實(shí)體企業(yè)穩(wěn)健經(jīng)營(yíng)的必要舉措。
八、結(jié)論和政策建議
（一）結(jié)論
本文從宏觀(guān)和微觀(guān)兩個(gè)層面考察人工智能對(duì)實(shí)體經(jīng)濟(jì)的影響，分別利用2010-2020年省級(jí)面板數(shù)據(jù)和2015-2021年上市公司微觀(guān)數(shù)據(jù)，構(gòu)建了人工智能發(fā)展水平衡量指標(biāo)，探究了人工智能對(duì)實(shí)體投資的影響，考察了金融發(fā)展在人工智能引致資本流向?qū)嶓w中的機(jī)制效應(yīng)，為人工智能環(huán)境下中國(guó)資本結(jié)構(gòu)優(yōu)化、實(shí)體經(jīng)濟(jì)健康發(fā)展提供了實(shí)證支撐。研究發(fā)現(xiàn)：①無(wú)論在宏觀(guān)還是微觀(guān)層面，人工智能發(fā)展均顯著促進(jìn)了資本流向?qū)嶓w經(jīng)濟(jì)，即人工智能提高了實(shí)體部門(mén)資本存量增長(zhǎng)率和企業(yè)實(shí)體投資占比。在考慮內(nèi)生性問(wèn)題以及更換人工智能發(fā)展指標(biāo)、剔除相關(guān)樣本等一系列穩(wěn)健性檢驗(yàn)后，該結(jié)論仍然成立。②機(jī)制分析表明，人工智能可以通過(guò)促進(jìn)全要素生產(chǎn)率、投資回報(bào)率和降低信息不對(duì)稱(chēng)來(lái)推動(dòng)資本流向?qū)嶓w。③異質(zhì)性分析結(jié)果表明，在不同行業(yè)中，人工智能對(duì)高技術(shù)制造業(yè)的實(shí)體投資促進(jìn)作用相比一般制造業(yè)更為明顯；在不同地區(qū)中，人工智能促進(jìn)實(shí)體投資過(guò)程，東中部地區(qū)促進(jìn)效應(yīng)明顯優(yōu)于西部和東北部地區(qū)；在不同企業(yè)規(guī)模中，人工智能對(duì)大型工業(yè)企業(yè)的實(shí)體投資促進(jìn)效應(yīng)最為明顯。④進(jìn)一步討論結(jié)果表明，資本市場(chǎng)發(fā)展水平和企業(yè)金融資產(chǎn)配置水平越高，人工智能引致的實(shí)體投資的作用越強(qiáng)。
（二）政策啟示
本文根據(jù)結(jié)論得出如下政策啟示：
（1）加大人工智能基礎(chǔ)設(shè)施投入，完善人工智能支持政策體系。新一代人工智能與實(shí)體經(jīng)濟(jì)深度融合是中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和現(xiàn)代經(jīng)濟(jì)體系建設(shè)的必由之路，然而當(dāng)前中國(guó)人工智能基礎(chǔ)設(shè)施如大數(shù)據(jù)中心、AI 芯片、云計(jì)算中心、數(shù)據(jù)采集等仍不足以支撐實(shí)體企業(yè)智能升級(jí)。因此，各級(jí)政府應(yīng)加強(qiáng)對(duì)人工智能基礎(chǔ)設(shè)施的投入。此外，人工智能支持政策體系的完善勢(shì)在必行。其一，應(yīng)設(shè)立人工智能創(chuàng)新基金，為有潛力的實(shí)體企業(yè)提供資金支持，對(duì)在人工智能領(lǐng)域有突出貢獻(xiàn)的企業(yè)，提供相應(yīng)的稅收優(yōu)惠政策。其二，應(yīng)鼓勵(lì)高校和培訓(xùn)機(jī)構(gòu)開(kāi)設(shè)與人工智能相關(guān)的課程和培訓(xùn)項(xiàng)目，鼓勵(lì)企業(yè)引進(jìn)國(guó)內(nèi)外優(yōu)秀人才，提升企業(yè)在人工智能領(lǐng)域的研發(fā)和應(yīng)用能力。其三，應(yīng)搭建產(chǎn)學(xué)研合作平臺(tái)，促進(jìn)實(shí)體企業(yè)、高校和研究機(jī)構(gòu)之間的深度合作，推動(dòng)人工智能技術(shù)的轉(zhuǎn)化和應(yīng)用。其四，推動(dòng)建立數(shù)據(jù)共享平臺(tái)，鼓勵(lì)企業(yè)間數(shù)據(jù)的開(kāi)放共享，促進(jìn)合作創(chuàng)新。最后，應(yīng)建立“政府-企業(yè)”對(duì)接制度，各級(jí)政府應(yīng)組建產(chǎn)業(yè)專(zhuān)家團(tuán)隊(duì)，深入實(shí)地了解企業(yè)的運(yùn)營(yíng)情況、現(xiàn)有技術(shù)水平以及智能化改造的需求，幫助企業(yè)克服智能化改造中的困難，推動(dòng)企業(yè)更快地實(shí)現(xiàn)智能化升級(jí)。
（2）加強(qiáng)人工智能賦能實(shí)體企業(yè)，穩(wěn)步推進(jìn)企業(yè)自身轉(zhuǎn)型升級(jí)。以制造業(yè)為核心的實(shí)體企業(yè)率先實(shí)現(xiàn)智能化是增強(qiáng)中國(guó)制造國(guó)際競(jìng)爭(zhēng)力的必然路徑。當(dāng)前，企業(yè)在智能化改造中面臨著一系列問(wèn)題，如技術(shù)選型難、人才短缺、資金投入不足等。因此，其一，應(yīng)制定明確的智能化戰(zhàn)略，根據(jù)自身需求和現(xiàn)有技術(shù)水平，確定定制化的技術(shù)整合規(guī)劃，包括評(píng)估哪些任務(wù)適合人工智能執(zhí)行、哪些需要人類(lèi)的判斷和創(chuàng)造力。其二，應(yīng)優(yōu)化生產(chǎn)全流程。在產(chǎn)品研發(fā)環(huán)節(jié)，運(yùn)用數(shù)字化、信息化手段搭建產(chǎn)品智能設(shè)計(jì)平臺(tái)，滿(mǎn)足客戶(hù)需求；在產(chǎn)品生產(chǎn)環(huán)節(jié)，實(shí)現(xiàn)機(jī)械重復(fù)勞動(dòng)的機(jī)器換人；在產(chǎn)品供應(yīng)鏈管理和產(chǎn)品服務(wù)環(huán)節(jié)，建立定制化機(jī)器學(xué)習(xí)系統(tǒng)，精確計(jì)算產(chǎn)品利潤(rùn)，推進(jìn)智能化售后服務(wù)。其三，應(yīng)關(guān)注員工培訓(xùn)和變革管理，為員工提供必要的技術(shù)適應(yīng)培訓(xùn)，使其能夠理解和運(yùn)用新的人工智能工具，同時(shí)探索靈活用工模式，鼓勵(lì)跨部門(mén)協(xié)作，將人工智能和人類(lèi)的優(yōu)勢(shì)結(jié)合起來(lái)，在引入新技術(shù)時(shí)，企業(yè)應(yīng)確保員工的權(quán)益不受損害。最后，應(yīng)積極探索多元化的融資渠道，如銀行貸款、股權(quán)融資、債券發(fā)行等，以滿(mǎn)足智能化投資的資金需求。
（3）以人工智能為突破口，加速金融科技創(chuàng)新，強(qiáng)化金融對(duì)中小實(shí)體企業(yè)的支撐。中小企業(yè)是實(shí)體經(jīng)濟(jì)的生力軍，在促進(jìn)就業(yè)、激發(fā)創(chuàng)新、刺激增長(zhǎng)等方面發(fā)揮重要作用，人工智能、大數(shù)據(jù)等底層通用技術(shù)“賦能”金融可以改善實(shí)體企業(yè)面臨的融資約束、信息不對(duì)稱(chēng)等問(wèn)題。因此，其一，應(yīng)加快以大數(shù)據(jù)共享、智能風(fēng)險(xiǎn)分析為基石的新型企業(yè)征信體系建設(shè)。其二，應(yīng)利用人工智能算法，開(kāi)發(fā)適合中小企業(yè)的智能金融產(chǎn)品，如智能風(fēng)險(xiǎn)管理工具、供應(yīng)鏈金融方案等，滿(mǎn)足不同企業(yè)的融資需求，提高金融服務(wù)的精準(zhǔn)性。其三，應(yīng)加大數(shù)字金融復(fù)合人才的培養(yǎng)，培養(yǎng)一批能夠利用人工智能、大數(shù)據(jù)等技術(shù)服務(wù)實(shí)體企業(yè)的金融人才。最后，應(yīng)強(qiáng)化人工智能在資本市場(chǎng)監(jiān)管、企業(yè)財(cái)務(wù)審查、信貸監(jiān)管等方面的應(yīng)用，營(yíng)造良好的融資環(huán)境。
產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論2024年6期
- 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論的其它文章
- 政府創(chuàng)新目標(biāo)激勵(lì)企業(yè)創(chuàng)新了嗎？
- 外部科技活動(dòng)強(qiáng)度與企業(yè)創(chuàng)新產(chǎn)出
- 大數(shù)據(jù)稅收征管與企業(yè)稅負(fù)粘性
- 科技金融政策對(duì)數(shù)實(shí)產(chǎn)業(yè)技術(shù)融合的影響研究
- 網(wǎng)絡(luò)基礎(chǔ)設(shè)施能否驅(qū)動(dòng)數(shù)據(jù)資產(chǎn)信息披露
- 企業(yè)ESG表現(xiàn)的產(chǎn)業(yè)鏈溢出效應(yīng)研究
關(guān)鍵詞：人工智能；實(shí)體經(jīng)濟(jì)；高質(zhì)量發(fā)展
DOI：10.19313/j.cnki.cn10-1223/f.20241018.001
一、引言
自改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)從1991-2010年間保持了持續(xù)的高增長(zhǎng)。尤其是2001年中國(guó)加入世貿(mào)組織以來(lái)，由于外需和內(nèi)需的迅速擴(kuò)大，中國(guó)制造業(yè)不斷壯大，實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資率持續(xù)上升。然而在2008年全球金融危機(jī)后，中國(guó)經(jīng)濟(jì)面臨制造業(yè)外需萎縮、內(nèi)需轉(zhuǎn)向房地產(chǎn)和金融市場(chǎng)以及實(shí)體投資率下降等挑戰(zhàn)。據(jù)《2022年上市公司投資性房地產(chǎn)研報(bào)》統(tǒng)計(jì)，2022年全部上市公司（包括A股和H股）的投資性房地產(chǎn)總額為63689.43億元，同比增長(zhǎng)9.9%。其中，制造業(yè)的投資性房地產(chǎn)占比為14.8%，僅次于房地產(chǎn)行業(yè)①。為了推動(dòng)實(shí)體經(jīng)濟(jì)健康發(fā)展，早在2017年，黨的十九大報(bào)告中就明確指出，要加快建設(shè)制造強(qiáng)國(guó)，加快發(fā)展先進(jìn)制造業(yè)，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)融合②。面對(duì)人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等新一代ICT（Informationand Communication Technology）引領(lǐng)的新一輪科技革命和產(chǎn)業(yè)革命，制造業(yè)企業(yè)亟需利用新技術(shù)擺脫未來(lái)潛在勞動(dòng)力不足、生產(chǎn)成本上升和產(chǎn)品利潤(rùn)率低等困境，奪取行業(yè)制高點(diǎn)，實(shí)現(xiàn)效益和質(zhì)量雙提升。根據(jù)艾瑞咨詢(xún)統(tǒng)計(jì)，相較于2020年，2021年全年中國(guó)制造業(yè)投融資市場(chǎng)迎來(lái)事件和金額的雙增長(zhǎng)，其中投融資事件數(shù)增長(zhǎng)46.5%，投融資金額增長(zhǎng)31.9%，主要來(lái)自于生產(chǎn)控制類(lèi)和AI 類(lèi)軟件。鑒于此，人工智能等技術(shù)發(fā)展將為實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱碧峁┬聶C(jī)遇。
為了說(shuō)明這一問(wèn)題，圖1 刻畫(huà)了2007-2022年中國(guó)A股非金融上市公司和制造業(yè)上市公司實(shí)物投資占比（實(shí)體投資率）和固定資產(chǎn)凈值占比以及美國(guó)非金融上市公司和制造業(yè)上市公司固定資產(chǎn)凈值占比的變化情況。其中，實(shí)體投資率的定義是企業(yè)“購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)”項(xiàng)目占總資產(chǎn)的比重。從圖1 中可以看到，中國(guó)制造業(yè)企業(yè)和非金融實(shí)體企業(yè)的實(shí)體投資率在2008年左右到達(dá)頂峰后，呈持續(xù)下降的趨勢(shì)。直到2017年，中國(guó)實(shí)體企業(yè)實(shí)體投資率開(kāi)始止跌回升，呈緩慢增長(zhǎng)趨勢(shì)。無(wú)獨(dú)有偶，美國(guó)制造業(yè)固定資產(chǎn)凈值占比也從2018年開(kāi)始呈上升趨勢(shì)。那么，是什么因素導(dǎo)致了國(guó)內(nèi)和國(guó)際制造業(yè)企業(yè)實(shí)體投資率的提升？人工智能等新一代信息技術(shù)發(fā)展與實(shí)體投資上升之間是否存在關(guān)聯(lián)？
關(guān)于企業(yè)實(shí)體投資的影響因素，現(xiàn)有文獻(xiàn)主要從內(nèi)生因素和外生因素兩類(lèi)視角來(lái)研究。內(nèi)生因素主要關(guān)注企業(yè)金融化和企業(yè)治理等。已有研究認(rèn)為，金融渠道的高收益和企業(yè)管理層的代理問(wèn)題會(huì)導(dǎo)致企業(yè)短視行為，進(jìn)而改變投資策略，將資本從實(shí)體經(jīng)濟(jì)投向金融業(yè)，導(dǎo)致資源不能支持企業(yè)設(shè)備更新和產(chǎn)品研發(fā)（Orhangazi，2008；Demir，2009；謝家智等，2014；Tori＆Onaran，2016）。張成思和張步曇（2016）研究了企業(yè)金融化對(duì)實(shí)體投資率下降的影響，發(fā)現(xiàn)經(jīng)濟(jì)金融化顯著降低了企業(yè)的實(shí)業(yè)投資率，并弱化了貨幣政策提振實(shí)體經(jīng)濟(jì)的效果。外生因素則關(guān)注政策環(huán)境、制度環(huán)境和技術(shù)創(chuàng)新等對(duì)企業(yè)實(shí)體投資率的影響。一是政策和制度環(huán)境會(huì)影響企業(yè)實(shí)體投資產(chǎn)生。已有研究發(fā)現(xiàn)，地區(qū)金融監(jiān)管對(duì)非金融企業(yè)從事虛擬經(jīng)濟(jì)（持有金融資產(chǎn)）具有顯著的抑制作用（馬思超和彭俞超，2019）。萬(wàn)良勇（2013）關(guān)注法治環(huán)境對(duì)企業(yè)投資的影響，發(fā)現(xiàn)法制水平與企業(yè)投資效率呈正相關(guān)。此外，也有學(xué)者發(fā)現(xiàn)稅收競(jìng)爭(zhēng)、國(guó)際資本流動(dòng)、地理溢出因素和經(jīng)濟(jì)政策不確定性等都會(huì)對(duì)企業(yè)實(shí)體投資產(chǎn)生影響（陳國(guó)進(jìn)和王少謙，2016；張成思和劉貫春，2018；張國(guó)慶和李曉春，2019；金龍等，2020；萬(wàn)曉瓊和孟祥慧，2021）。二是技術(shù)因素會(huì)影響實(shí)體投資，其中包括傳統(tǒng)產(chǎn)業(yè)技術(shù)升級(jí)和新興技術(shù)的影響。過(guò)去，學(xué)者們研究證實(shí)了一般性的技術(shù)進(jìn)步和知識(shí)外溢對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生影響進(jìn)而引起經(jīng)濟(jì)增長(zhǎng)方式的變化（顏鵬飛和王兵，2004；陳繼勇和盛楊懌，2008）。
近年來(lái)，人工智能等數(shù)字技術(shù)作為一種關(guān)鍵的新興技術(shù)，引起了廣泛的關(guān)注。林晨等（2020）通過(guò)構(gòu)建一般均衡模型，研究人工智能對(duì)優(yōu)化資本結(jié)構(gòu)、擴(kuò)大居民消費(fèi)的影響，發(fā)現(xiàn)人工智能可以提高實(shí)體經(jīng)濟(jì)的吸引力，擠出房地產(chǎn)和基建資本，進(jìn)而促進(jìn)居民消費(fèi)。此外，孫早和侯玉琳（2021）發(fā)現(xiàn)人工智能會(huì)促進(jìn)制造業(yè)全要素生產(chǎn)率的提升。而黃群慧等（2019）從行業(yè)、城市和企業(yè)層面研究了互聯(lián)網(wǎng)技術(shù)對(duì)制造業(yè)生產(chǎn)率的影響，得出了顯著促進(jìn)的結(jié)論。吳非等（2021）研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型提升了實(shí)體企業(yè)在資本市場(chǎng)的表現(xiàn)。田秀娟和李睿（2022）通過(guò)建立多部門(mén)熊彼特內(nèi)生增長(zhǎng)模型，發(fā)現(xiàn)數(shù)字技術(shù)賦能生產(chǎn)部門(mén)和金融部門(mén)，將長(zhǎng)期助力實(shí)體經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和高技術(shù)產(chǎn)業(yè)的發(fā)展。目前，人工智能與勞動(dòng)力結(jié)構(gòu)（Acemoglu & Restrepo，2020；閆雪凌等，2021）、產(chǎn)業(yè)結(jié)構(gòu)（郭凱明，2019；Aghion et al.，2017）和收入差距（郭凱明和向風(fēng)帆，2021）等方面的研究較為豐富。然而，關(guān)于人工智能技術(shù)對(duì)實(shí)體經(jīng)濟(jì)投資率的影響的討論卻較為匱乏，且具體影響機(jī)制尚需深入研究。
不難發(fā)現(xiàn)，以往研究多從企業(yè)內(nèi)生的因素和外生的制度環(huán)境等出發(fā)，論述影響實(shí)體投資的因素。雖然有少量文獻(xiàn)關(guān)注了人工智能等新一代信息技術(shù)對(duì)實(shí)體經(jīng)濟(jì)的影響，但多為理論層面的論證，缺乏企業(yè)層面直接探究的人工智能對(duì)實(shí)體投資率的影響，也缺乏從實(shí)證視角來(lái)揭示人工智能對(duì)實(shí)體投資影響的內(nèi)在路徑研究。人工智能不僅是新一代信息技術(shù)的代表，更是與各行各業(yè)結(jié)合產(chǎn)生新的價(jià)值和創(chuàng)新的平臺(tái)，其能幫助傳統(tǒng)企業(yè)在生產(chǎn)、銷(xiāo)售、服務(wù)和金融供應(yīng)鏈等方面形成智能制造的新生態(tài)，實(shí)現(xiàn)降本增效和轉(zhuǎn)型升級(jí)。因此，人工智能引領(lǐng)企業(yè)對(duì)ICT 資本的投資需求將促進(jìn)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱薄Ｅc此同時(shí)，人工智能賦能傳統(tǒng)金融，緩解信息不對(duì)稱(chēng)，拓展金融邊界，可提高中小企業(yè)資金可獲得性，滿(mǎn)足高技術(shù)企業(yè)實(shí)體投資的需要。鑒于此，本文嘗試從微觀(guān)企業(yè)視角研究人工智能對(duì)中國(guó)實(shí)體投資率的影響。本文可能的邊際貢獻(xiàn)在于：一是從宏觀(guān)和微觀(guān)兩個(gè)層面實(shí)證檢驗(yàn)了人工智能與企業(yè)實(shí)體投資的關(guān)系，論證了人工智能等新一代信息技術(shù)對(duì)中國(guó)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱钡挠绊?。二是?chuàng)新性地利用上市公司年報(bào)詞頻統(tǒng)計(jì)技術(shù)，統(tǒng)計(jì)了超過(guò)17 000 份年報(bào)的人工智能關(guān)鍵詞的詞頻，作為微觀(guān)層面人工智能水平的代理變量，為其他學(xué)者研究關(guān)于人工智能代理變量方面提供新的參考。三是從提升企業(yè)全要素生產(chǎn)率和企業(yè)投資回報(bào)以及緩解企業(yè)信息不對(duì)稱(chēng)的視角檢驗(yàn)了人工智能對(duì)實(shí)體經(jīng)濟(jì)“脫虛向?qū)崱钡挠绊憴C(jī)制，為人工智能驅(qū)動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的理論機(jī)制提供了詳細(xì)的論證，為多角度理解實(shí)體經(jīng)濟(jì)提供了新的支撐。
二、理論機(jī)制
（一）理論模型
當(dāng)前學(xué)界在一般均衡模型方面，主要采用兩種思路刻畫(huà)人工智能：一種是Acemoglu andRestrepo（2018）、Aghion et al.（2017）等關(guān)注人工智能在生產(chǎn)過(guò)程中扮演的自動(dòng)化和智能化角色，主要用于分析人工智能在產(chǎn)業(yè)結(jié)構(gòu)、勞動(dòng)力需求以及整體經(jīng)濟(jì)效率方面的作用；另一種是Prettner（2019）等將人工智能視為區(qū)別于傳統(tǒng)資本的智能資本并將其引入生產(chǎn)函數(shù)。本文借鑒Prettne（2019）和郭凱明等（2019）等的方法，將人工智能視為智能資本，建立一般均衡模型分析人工智能對(duì)實(shí)體投資率的影響。
由上述模型可知，當(dāng)人工智能對(duì)企業(yè)全要素生產(chǎn)率有正向影響時(shí)，即>0，最優(yōu)實(shí)物投資水平將提高。關(guān)于人工智能提升企業(yè)全要素生產(chǎn)率，Graetz & Michaels（2018）和陳彥斌等（2019）分別通過(guò)實(shí)證分析和理論模型證明了人工智能對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用。綜上所述，當(dāng)>0，且其他條件不變時(shí)，企業(yè)實(shí)物投資中用于人工智能技術(shù)的投入越多，企業(yè)全要素生產(chǎn)率水平就越高，且會(huì)促進(jìn)企業(yè)整體的實(shí)物投資水平的提升?；谏鲜龇治隹芍?，人工智能應(yīng)用將提升企業(yè)實(shí)體投資水平，且企業(yè)的全要素生產(chǎn)率的提升是重要的影響因素。本文首先提出如下假說(shuō)：
H1：人工智能將促進(jìn)企業(yè)實(shí)體投資水平，提高實(shí)體投資率。
（二）理論機(jī)制分析
本文從需求和供給兩個(gè)角度來(lái)論述人工智能與實(shí)體投資的關(guān)系，具體的機(jī)制傳導(dǎo)如圖2所示：
1. 需求端刺激實(shí)體投資
需求效應(yīng)是指人工智能發(fā)展通過(guò)影響相關(guān)企業(yè)對(duì)資本的需求進(jìn)而影響實(shí)體經(jīng)濟(jì)。當(dāng)前，人工智能作為一種生產(chǎn)要素，將深刻改變企業(yè)的傳統(tǒng)生產(chǎn)方式，提升企業(yè)全要素生產(chǎn)率和投資回報(bào)，在不同行業(yè)間催生出新業(yè)態(tài)和新模式，引致資本流向?qū)嶓w經(jīng)濟(jì)。
首先，人工智能可以提高企業(yè)全要素生產(chǎn)率，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)。從企業(yè)生產(chǎn)端來(lái)看，面對(duì)人力成本不斷上漲的趨勢(shì)，人工智能將改變傳統(tǒng)制造業(yè)企業(yè)勞動(dòng)密集型的生產(chǎn)方式，提高企業(yè)勞動(dòng)生產(chǎn)效率。具體到相關(guān)行業(yè)，汽車(chē)、醫(yī)療、金融、數(shù)字政府等都是人工智能的應(yīng)用領(lǐng)域，因此，大量工業(yè)機(jī)器人、數(shù)字機(jī)器人以及消費(fèi)機(jī)器人在實(shí)體行業(yè)中的應(yīng)用，勢(shì)必會(huì)引發(fā)企業(yè)對(duì)機(jī)器人等實(shí)體的投資需求。Graetz & Michaels（2018）在其研究中證實(shí)人工智能作為一種要素?cái)U(kuò)展型技術(shù)，對(duì)勞動(dòng)生產(chǎn)率具有正向的促進(jìn)作用。從企業(yè)研發(fā)端來(lái)看，人工智能與大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等技術(shù)的互動(dòng)將大大提高企業(yè)研發(fā)效率，促進(jìn)企業(yè)創(chuàng)新競(jìng)爭(zhēng)力，而在智能化賦能的過(guò)程中，人工智能作為資本投入密集型的要素（Sachs & Kotlikoff，2012；Nordhaus，2021），必定會(huì)引起大量資本流向?qū)嶓w企業(yè)。
其次，人工智能帶來(lái)的企業(yè)投資回報(bào)率的上升會(huì)增加實(shí)體企業(yè)對(duì)資本的需求。人工智能將改進(jìn)勞動(dòng)生產(chǎn)率，提高企業(yè)投資回報(bào)，而回報(bào)率的提高必然促使企業(yè)家產(chǎn)生擴(kuò)大生產(chǎn)規(guī)模的動(dòng)機(jī)，進(jìn)而產(chǎn)生對(duì)實(shí)體投資的需求。特別地，人工智能是一項(xiàng)國(guó)家戰(zhàn)略規(guī)劃，政府將數(shù)以萬(wàn)億計(jì)的資本投入到人工智能、數(shù)字化等硬件基礎(chǔ)設(shè)施建設(shè)方面，如5G基站、超級(jí)計(jì)算機(jī)設(shè)備、大數(shù)據(jù)中心等，而國(guó)家數(shù)字化新型基礎(chǔ)設(shè)施建設(shè)將帶動(dòng)大量的上下游實(shí)體企業(yè)生產(chǎn)和投資需求。此外，人工智能作為通用型外溢性技術(shù)，其技術(shù)外溢性必將推動(dòng)諸如無(wú)人機(jī)、無(wú)人駕駛設(shè)備、虛擬現(xiàn)實(shí)和智能穿戴設(shè)備等相關(guān)未來(lái)產(chǎn)業(yè)的發(fā)展。而未來(lái)新興產(chǎn)業(yè)在初期需要大量研發(fā)投入和試產(chǎn)投入，因此，人工智能的不斷迭代更新，將為新興產(chǎn)業(yè)賦能，加速新興產(chǎn)業(yè)的成熟和應(yīng)用，進(jìn)而提高資本進(jìn)入未來(lái)產(chǎn)業(yè)的速度。
因此，從需求端視角看，人工智能將通過(guò)提高企業(yè)全要素生產(chǎn)率和企業(yè)投資回報(bào)率促進(jìn)實(shí)體經(jīng)濟(jì)對(duì)資本的需求。綜上所述，本文提出如下假說(shuō)：
H1a：人工智能將通過(guò)提高企業(yè)全要素生產(chǎn)率進(jìn)而促進(jìn)資本流向?qū)嶓w部門(mén)。
H1b：人工智能通過(guò)提高企業(yè)投資回報(bào)率促進(jìn)資本流向?qū)嶓w部門(mén)。
2. 供給端促進(jìn)實(shí)體投資
供給效應(yīng)是指人工智能與傳統(tǒng)金融深度融合，催生出一系列新產(chǎn)品、新市場(chǎng)和新組織，進(jìn)而促進(jìn)金融普惠化和數(shù)字化，改善金融信息不對(duì)稱(chēng)和傳統(tǒng)金融結(jié)構(gòu)引致的中小型實(shí)體企業(yè)資金供給增加的問(wèn)題。人工智能通過(guò)解決金融信息不對(duì)稱(chēng)以及監(jiān)管不嚴(yán)導(dǎo)致的虛假信息識(shí)別等問(wèn)題促進(jìn)對(duì)上市實(shí)體企業(yè)的資金供給。首先，銀企信息不對(duì)稱(chēng)一直是阻礙實(shí)體企業(yè)發(fā)展的重要因素（Caggese & Cunat，2013）。人工智能、大數(shù)據(jù)等底層技術(shù)可以爬取、存儲(chǔ)、分析海量的共享數(shù)據(jù)，將借款人的互聯(lián)網(wǎng)信息結(jié)構(gòu)化，提高銀企間的信息透明度，進(jìn)而免除大銀行所必需的、繁雜的審計(jì)流程，使優(yōu)質(zhì)的實(shí)體企業(yè)獲得貸款，解決企業(yè)融資困難的問(wèn)題（林毅夫和李永軍，2001）。其次，人工智能的運(yùn)用可以打擊上市公司財(cái)務(wù)造假，推動(dòng)建立信息互通機(jī)制，完善資本市場(chǎng)融資渠道。人工智能與大數(shù)據(jù)結(jié)合可以對(duì)上市公司歷史業(yè)務(wù)和行業(yè)數(shù)據(jù)以及財(cái)務(wù)經(jīng)營(yíng)信息進(jìn)行交叉對(duì)比，發(fā)現(xiàn)是否存在財(cái)務(wù)舞弊行為。最后，人工智能與大數(shù)據(jù)結(jié)合可以將上市公司經(jīng)營(yíng)涉及銀行、稅務(wù)、海關(guān)、能源用量等進(jìn)行信息共享，提升監(jiān)管部門(mén)打擊上市公司財(cái)務(wù)造假的能力，提高投資者對(duì)資本市場(chǎng)的參與意愿，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)。因此，從供給端視角看，人工智能會(huì)暢通資本流向?qū)嶓w的渠道，加快實(shí)體經(jīng)濟(jì)發(fā)展。綜上所述，本文提出如下假說(shuō)：
H1c：人工智能通過(guò)改善信息不對(duì)稱(chēng)暢通資本流向?qū)嶓w部門(mén)的渠道。
（二）變量定義和數(shù)據(jù)選取
在宏觀(guān)層面，本文以2010-2020年中國(guó)省級(jí)面板數(shù)據(jù)為依據(jù)，西藏自治區(qū)的數(shù)據(jù)缺失嚴(yán)重，故將其剔除。數(shù)據(jù)來(lái)源于“天眼查”企業(yè)數(shù)據(jù)庫(kù)、《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)經(jīng)濟(jì)普查數(shù)據(jù)》《中國(guó)金融統(tǒng)計(jì)年鑒》《中國(guó)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》《中國(guó)價(jià)格指數(shù)統(tǒng)計(jì)年鑒》等。在微觀(guān)層面，鑒于數(shù)據(jù)的可得性和人工智能的發(fā)展軌跡，本文選取2015-2021年中國(guó)滬深A(yù) 股上市公司并剔除數(shù)據(jù)中的ST、ST*、房地產(chǎn)和金融業(yè)相關(guān)企業(yè)樣本，最終得到17129家公司7年度觀(guān)測(cè)值。數(shù)據(jù)來(lái)源于Wind 數(shù)據(jù)庫(kù)和各上市公司年報(bào)。
各變量和數(shù)據(jù)處理方法如下所示，具體見(jiàn)表2：
（1）因變量：本文分別從省級(jí)和上市公司兩個(gè)層面構(gòu)造因變量。省級(jí)層面采用所有工業(yè)企業(yè)固定資產(chǎn)凈額增速和所有工業(yè)企業(yè)固定資產(chǎn)投資額占總固定資產(chǎn)投資額比重來(lái)衡量。為了真實(shí)反映實(shí)體部門(mén)固定資產(chǎn)存量和投資額，本文剔除價(jià)格因素，以2010年為基期構(gòu)造價(jià)格平減指數(shù)，對(duì)所有固定資產(chǎn)凈額和投資額均作了價(jià)格平減處理。上市公司層面采用企業(yè)現(xiàn)金流量表中“購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)”項(xiàng)目占總資產(chǎn)比重衡量。
（2）自變量：本文分別從省級(jí)層面和上市公司層面構(gòu)造了兩個(gè)自變量。省級(jí)層面參考李旭輝等（2021）的研究，從兩個(gè)維度、五個(gè)一級(jí)指標(biāo)和十六個(gè)二級(jí)指標(biāo)出發(fā)，利用熵值法構(gòu)造了省級(jí)人工智能發(fā)展水平。微觀(guān)企業(yè)層面，本文創(chuàng)新性地利用Python 文本分析技術(shù)，獲取了17129份上市公司年報(bào)；參考吳非等（2021）的方法對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的詞頻進(jìn)行統(tǒng)計(jì)，選取人工智能相關(guān)熱詞，用于衡量企業(yè)層面人工智能發(fā)展水平，詞匯表如表1 所示。此外，為了進(jìn)一步提高本文實(shí)證結(jié)果的穩(wěn)健性，本文利用“天眼查”數(shù)據(jù)庫(kù)進(jìn)行“人工智能”關(guān)鍵詞檢索，保留公司名稱(chēng)、產(chǎn)品服務(wù)或經(jīng)營(yíng)范圍中出現(xiàn)以上關(guān)鍵詞的樣本。此外，為了防止出現(xiàn)空殼公司，本文剔除了社保參保人數(shù)低于1人、注冊(cè)資本小于100 萬(wàn)以及吊銷(xiāo)和注銷(xiāo)的公司，構(gòu)造省級(jí)人工智能企業(yè)數(shù)量指標(biāo)。人工智能企業(yè)數(shù)量一定程度上能夠反映地區(qū)人工智能發(fā)展的真實(shí)情況，因此將其納入穩(wěn)健性檢驗(yàn)的范圍是合理的。
（3）控制變量：本文分別從省級(jí)層面和上市公司層面選擇控制變量。省級(jí)層面，本文選?、偻馍掏顿Y水平（FDI）：用各省份實(shí)際利用外資額占GDP 的比重衡量；②財(cái)政支出水平（GOV）：用各省份一般預(yù)算支出占GDP 的比重衡量；③金融發(fā)展水平（FIN）：用各省份存貸款余額占GDP的比重衡量；④全要素生產(chǎn)率（TFP）：以2010 年為基期，構(gòu)造了各省份全要素生產(chǎn)率來(lái)衡量；⑤工業(yè)發(fā)展水平（IND）：用各省份工業(yè)增加值占GDP 的比重衡量。上市公司層面，本文選取①凈資產(chǎn)收益率（ROE）：用企業(yè)當(dāng)年凈利潤(rùn)與股東權(quán)益余額的比值衡量；②資產(chǎn)負(fù)債率（LEV）：用企業(yè)當(dāng)年總負(fù)債與總資產(chǎn)的比值衡量；③現(xiàn)金流量（CASH）：用企業(yè)經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~與總資產(chǎn)的比值衡量；④營(yíng)業(yè)利潤(rùn)增長(zhǎng)率（OPG）：以企業(yè)當(dāng)年?duì)I業(yè)利潤(rùn)減去上一年?duì)I業(yè)利潤(rùn)差值除以上一年?duì)I業(yè)利潤(rùn)衡量；⑤企業(yè)規(guī)模（SIZE）：以企業(yè)當(dāng)年總資產(chǎn)的自然對(duì)數(shù)衡量；⑥企業(yè)年齡（AGE）：以企
業(yè)實(shí)際經(jīng)營(yíng)年限衡量。
（4）機(jī)制變量：本文從需求端和供給端探究人工智能影響實(shí)體投資的機(jī)制。從需求端，本文將企業(yè)全要素生產(chǎn)率和資產(chǎn)報(bào)酬率作為機(jī)制變量；在供給端，本文將數(shù)字金融和信息不對(duì)稱(chēng)作為機(jī)制變量。①企業(yè)全要素生產(chǎn)率（TFP）：本文采用OP 法和LP 法計(jì)算企業(yè)全要素生產(chǎn)率作為代理變量；②資產(chǎn)回報(bào)率（ROA）：本文將利潤(rùn)和財(cái)務(wù)費(fèi)用之合占企業(yè)總資產(chǎn)的比重作為代理變量；③信息不對(duì)稱(chēng)（ASY）：本文借鑒于蔚（2012）的方法，利用公司個(gè)股的交易資料來(lái)捕捉證券市場(chǎng)上非知情交易者與知情交易者關(guān)于企業(yè)價(jià)值的信息的不對(duì)稱(chēng)程度，并以此作為資金供給方與企業(yè)之間信息不對(duì)稱(chēng)程度的代理變量。
（三）描述性統(tǒng)計(jì)
本文選取2010-2020年中國(guó)省份數(shù)據(jù)和2015-2021年上市公司數(shù)據(jù)對(duì)假說(shuō)進(jìn)行驗(yàn)證，描述性統(tǒng)計(jì)結(jié)果如表3 所示，部分缺失數(shù)據(jù)用線(xiàn)性插值法補(bǔ)齊。
四、實(shí)證結(jié)果分析
（一）基準(zhǔn)回歸
根據(jù)上述計(jì)量模型，本文從省級(jí)和上市公司兩個(gè)層面檢驗(yàn)了人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量和投資的影響，基準(zhǔn)回歸結(jié)果見(jiàn)表4。表4 列（1）、列（2）報(bào)告了省級(jí)層面人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量增速的影響，在不加入控制變量和加入控制變量?jī)煞N情況下，估計(jì)系數(shù)分別為0.1817 和0.2558，且均在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高實(shí)體部門(mén)資本存量的積累速度。表4 列（3）、列（4）報(bào)告了省級(jí)層面人工智能對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資占比的影響，在不加入控制變量時(shí)，估計(jì)系數(shù)為0.172 9，且不顯著，而在加入控制變量后，估計(jì)系數(shù)為0.182 2，且在5%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高實(shí)體經(jīng)濟(jì)部門(mén)在固定資產(chǎn)投資方面的比重，使資本向?qū)嶓w部門(mén)傾斜。表4 列（5）、列（6）報(bào)告了企業(yè)微觀(guān)層面人工智能對(duì)實(shí)體投資的影響，與不加入控制變量相比，加入控制變量后的估計(jì)系數(shù)變?yōu)?.0024，且均在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能可顯著提高企業(yè)實(shí)體投資水平。從上述計(jì)量結(jié)果可知，人工智能可從促進(jìn)實(shí)體經(jīng)濟(jì)資本積累速度和實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資比重兩方面影響資本對(duì)實(shí)體的支撐，驗(yàn)證了本文的假說(shuō)1。
（二）內(nèi)生性處理
1．工具變量法
在上述計(jì)量模型中，雖然本文盡可能去控制那些影響實(shí)體投資的影響因素，但是實(shí)證結(jié)果仍有可能受到不可觀(guān)測(cè)因素的影響，此種遺漏變量將會(huì)導(dǎo)致本文核心解釋變量估計(jì)系數(shù)出現(xiàn)偏誤。此外，實(shí)體經(jīng)濟(jì)資本存量和固定資產(chǎn)投資額的變化也會(huì)影響人工智能的發(fā)展水平，即可能存在反向因果關(guān)系。為了緩解遺漏變量和雙向因果帶來(lái)的內(nèi)生性問(wèn)題，本文進(jìn)一步采用工具變量法進(jìn)行估計(jì)。
在宏觀(guān)層面，本文借鑒Acemoglu和Restrepo（2020）的做法，選擇德國(guó)工業(yè)機(jī)器人安裝密度（DE_AI）作為工具變量，以2010-2020年德國(guó)各行業(yè)工業(yè)機(jī)器人數(shù)量與2010年中國(guó)各省份分行業(yè)的就業(yè)人數(shù)比例相乘，構(gòu)建面板工具變量。選擇該工具變量的邏輯在于：其一，工業(yè)機(jī)器人作為當(dāng)前人工智能發(fā)展水平的衡量指標(biāo)之一，已出現(xiàn)在大量文獻(xiàn)中。其二，工業(yè)機(jī)器人作為人工智能在實(shí)體中的大規(guī)模應(yīng)用已成為不可避免的趨勢(shì)，相關(guān)國(guó)家的競(jìng)爭(zhēng)和合作將使人工智能呈現(xiàn)一定的相關(guān)性。中德作為制造業(yè)大國(guó)和人工智能領(lǐng)域的引領(lǐng)者，在工業(yè)機(jī)器人應(yīng)用領(lǐng)域必定具有趨同性和相關(guān)性。同時(shí)考慮到工具變量的外生性，本文利用2010 年中國(guó)各省份分行業(yè)就業(yè)人數(shù)作為歷史變量，進(jìn)而排除就業(yè)結(jié)構(gòu)變化對(duì)實(shí)體投資的影響。此外，沒(méi)有證據(jù)表明德國(guó)工業(yè)機(jī)器人使用會(huì)直接影響中國(guó)實(shí)體投資，其只能通過(guò)產(chǎn)業(yè)競(jìng)爭(zhēng)間接影響中國(guó)人工智能發(fā)展水平，從而與中國(guó)實(shí)體投資發(fā)生關(guān)聯(lián)。本文采用德國(guó)工業(yè)機(jī)器人安裝密度作為工具變量（DE_AI），通過(guò)兩階段最小二乘法估計(jì)人工智能對(duì)實(shí)體投資的影響，檢驗(yàn)結(jié)果如表5 所示。該工具變量基本滿(mǎn)足相關(guān)性和外生性條件，從而有效緩解了內(nèi)生性偏誤的影響。表5 中列（1）報(bào)告了人工智能對(duì)實(shí)體經(jīng)濟(jì)資本存量增速的影響，估計(jì)系數(shù)為0.4619，且在5%水平下通過(guò)顯著性檢驗(yàn)；表5 中列（2）報(bào)告了人工智能對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資占比的影響，估計(jì)系數(shù)為0.3739，且在1%水平下通過(guò)顯著性檢驗(yàn)。上述回歸結(jié)果表明，在緩解了潛在內(nèi)生性后本文結(jié)論依然成立，且相較于基準(zhǔn)回歸結(jié)果系數(shù)有所上升。
在微觀(guān)層面，鑒于李唐等（2020）和宋德勇等（2022）文獻(xiàn)中核心解釋變量與本文企業(yè)層面人工智能水平構(gòu)造方法相似，因此本文借鑒上述文獻(xiàn)做法，基于Lewbel（1997）的研究思路為企業(yè)人工智能水平構(gòu)造工具變量。 Lewbel（1997）提出的是一種不借助外部數(shù)據(jù)構(gòu)建有效內(nèi)部工具變量的方法，采用此方法構(gòu)造的工具變量在一定程度上可以緩解內(nèi)生性問(wèn)題。具體做法即采用企業(yè)人工智能水平與按照申萬(wàn)宏源二位數(shù)行業(yè)代碼和省份分類(lèi)的數(shù)字水平均值差額的三次方作為工具變量（Lewbel_IV）。本文采用該工具變量，通過(guò)兩階段最小二乘法估計(jì)人工智能對(duì)企業(yè)實(shí)體投資的影響，結(jié)果如表5 列（3）所示。該工具變量基本滿(mǎn)足相關(guān)性和外生性條件，有效緩解了內(nèi)生性問(wèn)題。微觀(guān)層面上，人工智能發(fā)展對(duì)企業(yè)實(shí)體投資的影響估計(jì)系數(shù)為0.001 3，且在1%水平下通過(guò)顯著性檢驗(yàn)，進(jìn)一步驗(yàn)證了本文的結(jié)論，即人工智能對(duì)企業(yè)實(shí)體投資具有促進(jìn)作用。
本文利用省級(jí)面板數(shù)據(jù)和企業(yè)面板數(shù)據(jù)，從宏觀(guān)和微觀(guān)兩個(gè)層面證實(shí)了人工智能能夠增強(qiáng)實(shí)體經(jīng)濟(jì)的吸引力，促進(jìn)資本流向?qū)嶓w經(jīng)濟(jì)，提升實(shí)體經(jīng)濟(jì)投資占比，基本驗(yàn)證了林晨等（2020）提出的人工智能能夠優(yōu)化資本結(jié)構(gòu)、促進(jìn)實(shí)體經(jīng)濟(jì)占比的觀(guān)點(diǎn)。但是相較于他們的研究，本文創(chuàng)新性地使用實(shí)證數(shù)據(jù)驗(yàn)證了該影響效應(yīng)。在探討人工智能對(duì)實(shí)體投資的影響機(jī)制時(shí)，本文借鑒并擴(kuò)展了林晨等（2020）和郭凱明（2019）的理論框架，認(rèn)為人工智能不僅可以通過(guò)提高實(shí)體經(jīng)濟(jì)生產(chǎn)過(guò)程的智能化程度和催生出配套的創(chuàng)新產(chǎn)業(yè)吸引資本流向?qū)嶓w經(jīng)濟(jì)，還可以通過(guò)技術(shù)外溢性促進(jìn)傳統(tǒng)金融向數(shù)字金融轉(zhuǎn)變，暢通資金進(jìn)入實(shí)體渠道。由于現(xiàn)有文獻(xiàn)對(duì)人工智能對(duì)實(shí)體投資影響機(jī)制的分析較少，本文將在后續(xù)章節(jié)進(jìn)行深入分析。
2. 雙重差分估計(jì)（Differences-in-Difference，DID）
本文進(jìn)一步通過(guò)雙重差分方法來(lái)緩解潛在的內(nèi)生問(wèn)題。2017 年7 月8 日國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》（以下簡(jiǎn)稱(chēng)“35 號(hào)文”）①，旨在構(gòu)筑中國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)。因此，2017 年也被稱(chēng)為中國(guó)人工智能發(fā)展的元年。文件的出臺(tái)對(duì)各地區(qū)人工智能發(fā)展帶來(lái)了一定程度的沖擊，也為本文研究人工智能與實(shí)體投資受外生政策沖擊的影響提供了契機(jī)。
借鑒Vig（2013）和宋敏等（2021）的處理方法，本文從各地區(qū)對(duì)《新一代人工智能發(fā)展規(guī)劃》的異質(zhì)性反應(yīng)入手，構(gòu)建對(duì)照組和實(shí)驗(yàn)組，按照2017 年文件印發(fā)的年份各地區(qū)人工智能發(fā)展水平的中位數(shù)，將低于中位數(shù)的省份記為控制組賦值為0，高于中位數(shù)的省份記為實(shí)驗(yàn)組賦值為1。在時(shí)間變量的處理上，本文將2017 年之后的時(shí)間點(diǎn)賦值為1，之前則賦值為0。其中treated 是實(shí)驗(yàn)組，post 是時(shí)間節(jié)點(diǎn)變量，treated post 的估計(jì)系數(shù)表明了政策影響。
檢驗(yàn)結(jié)果如表6 所示。表6 列（1）中報(bào)告了35 號(hào)文對(duì)各地區(qū)人工智能發(fā)展水平的影響，其估計(jì)系數(shù)為0.062，且在1%水平下顯著，說(shuō)明受政策沖擊較大的地區(qū)相比于對(duì)照組而言，人工智能發(fā)展水平顯著提升了約6.2%。列（2）和列（3）報(bào)告了35 號(hào)文對(duì)實(shí)體部門(mén)資本流動(dòng)的影響，其中該政策對(duì)實(shí)體經(jīng)濟(jì)資本存量增速影響不大，對(duì)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資比重有顯著影響，即相比于對(duì)照組，受政策沖擊較大的地區(qū)實(shí)體經(jīng)濟(jì)固定資產(chǎn)投資提升了約3.96%。表6 結(jié)果表明，35 號(hào)文的出臺(tái)確實(shí)提升了地區(qū)人工智能發(fā)展水平，并進(jìn)一步影響了地區(qū)的實(shí)體投資。
此外，為了檢驗(yàn)政策沖擊回歸結(jié)果的穩(wěn)健性，本文利用政策實(shí)施前5 期和后3 期的數(shù)據(jù)，將35 號(hào)文對(duì)固定資產(chǎn)投資占比的影響進(jìn)行平行趨勢(shì)檢驗(yàn)。圖3 結(jié)果表明，在政策實(shí)施以前，固定資產(chǎn)投資占比呈現(xiàn)顯著下降的趨勢(shì)，政策實(shí)施后固定資產(chǎn)投資占比系數(shù)估計(jì)由負(fù)值變?yōu)檎?。這說(shuō)明，35 號(hào)文對(duì)實(shí)體投資產(chǎn)生了顯著的促進(jìn)作用，本文主要結(jié)論進(jìn)一步得到驗(yàn)證。
（三）穩(wěn)健性檢驗(yàn)
（1）替換人工智能衡量指標(biāo)。在省級(jí)層面，本文創(chuàng)新性地使用“天眼查”數(shù)據(jù)庫(kù)中各省份人工智能企業(yè)數(shù)量來(lái)衡量人工智能發(fā)展水平，對(duì)核心解釋變量進(jìn)行替換并檢驗(yàn)。表7 列（1）、（2）結(jié)果顯示，核心解釋變量系數(shù)變化不大且顯著，表明結(jié)果穩(wěn)健。在上市公司層面，考慮到利用人工智能關(guān)鍵詞構(gòu)建衡量指標(biāo)，本文剔除部分關(guān)鍵詞，重新統(tǒng)計(jì)構(gòu)建人工智能衡量指標(biāo)并檢驗(yàn)。表7 列（3）檢驗(yàn)結(jié)果顯示，核心解釋變量系數(shù)變化不大且顯著，表明結(jié)果穩(wěn)健。
（2）考慮到直轄市在經(jīng)濟(jì)發(fā)展水平和技術(shù)水平以及政策優(yōu)惠上要優(yōu)于其他省份，因此剔除直轄市樣本重新進(jìn)行檢驗(yàn)，結(jié)果如表7 列（4）（5）（6）所示，結(jié)果依然穩(wěn)健。
（3）考慮到技術(shù)從研究成果到規(guī)?；瘧?yīng)用存在一定的時(shí)間滯后效應(yīng)，本文利用滯后一期人工智能衡量指標(biāo)作為核心解釋變量進(jìn)行檢驗(yàn)，如表7 列（7）（8）（9）所示，結(jié)果依然穩(wěn)健。
五、機(jī)制分析
接下來(lái)，本文探究一個(gè)關(guān)鍵性問(wèn)題：人工智能影響實(shí)體投資的作用機(jī)制是什么？本文分別從需求端和供給端出發(fā)，探究全要素生產(chǎn)率、投資回報(bào)和信息不對(duì)稱(chēng)在人工智能促進(jìn)實(shí)體投資過(guò)程中發(fā)揮的機(jī)制效應(yīng)。
（一）人工智能、企業(yè)全要素生產(chǎn)率與企業(yè)實(shí)體投資
根據(jù)前文的理論分析，人工智能可能通過(guò)提高企業(yè)全要素生產(chǎn)率影響實(shí)體投資。為驗(yàn)證這一機(jī)制，本文采用LP和OP法測(cè)算企業(yè)全要素生產(chǎn)率（TFP）（G Steven et al.，1996；Levinsohn J &Petrin A，2003；魯曉東和連玉君，2012），用以驗(yàn)證人工智能對(duì)實(shí)體企業(yè)全要素生產(chǎn)率的影響。在檢驗(yàn)方法上，本文借鑒王鋒和葛星（2022）、田鴿和張勛（2022）的做法，先檢驗(yàn)人工智能對(duì)實(shí)體企業(yè)全要素生產(chǎn)率的影響，接著檢驗(yàn)全要素生產(chǎn)率對(duì)企業(yè)實(shí)體投資的影響，以驗(yàn)證全要素生產(chǎn)率在本文主效應(yīng)中的機(jī)制作用，結(jié)果如表8 所示。表8列（1）（2）報(bào)告了人工智能對(duì)企業(yè)全要素生產(chǎn)率影響的估計(jì)結(jié)果。結(jié)果顯示，TFP_OP 和TFP_LP的系數(shù)分別為0.0728和0.0996，且在1%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能提高了企業(yè)全要素生產(chǎn)率。接著對(duì)全要素生產(chǎn)率影響企業(yè)實(shí)體投資進(jìn)行檢驗(yàn)，表8列（5）結(jié)果表明，TFP_LP 的估計(jì)系數(shù)為0.0015，且在10%水平下通過(guò)顯著性檢驗(yàn)，這說(shuō)明人工智能通過(guò)全要素生產(chǎn)率促進(jìn)了企業(yè)實(shí)體投資，驗(yàn)證了本文假說(shuō)H1a。
（二）人工智能、投資回報(bào)與企業(yè)實(shí)體投資
人工智能對(duì)傳統(tǒng)實(shí)體的改造升級(jí)可能給企業(yè)帶來(lái)投資回報(bào)的提升，促進(jìn)企業(yè)實(shí)體投資意愿。因此，本文采用資產(chǎn)回報(bào)率（ROA）衡量企業(yè)投資回報(bào)，利用上述相同方法驗(yàn)證企業(yè)投資回報(bào)在其中發(fā)揮的作用。表8 列（3）報(bào)告了人工智能對(duì)企業(yè)投資回報(bào)率影響的估計(jì)結(jié)果，結(jié)果顯示投資回報(bào)率的估計(jì)系數(shù)為0.0056，且在5%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明人工智能提高了企業(yè)投資回報(bào)率。表8列（6）結(jié)果表明，投資回報(bào)率對(duì)企業(yè)實(shí)體投資的估計(jì)系數(shù)為0.0162，且在5%水平下通過(guò)顯著性檢驗(yàn)。這說(shuō)明人工智能提高了企業(yè)投資回報(bào)率，進(jìn)而促進(jìn)了企業(yè)實(shí)體投資，驗(yàn)證了本文假說(shuō)H1b。
（三）人工智能、信息不對(duì)稱(chēng)與企業(yè)實(shí)體投資
人工智能與大數(shù)據(jù)等技術(shù)結(jié)合能夠緩解金融信息不對(duì)稱(chēng)問(wèn)題暢通融資渠道進(jìn)而促進(jìn)資本流向?qū)嶓w。本文參考于蔚等（2012）的做法，基于金融市場(chǎng)微觀(guān)結(jié)構(gòu)相關(guān)文獻(xiàn)，以及個(gè)股詳細(xì)交易數(shù)據(jù)，提取流動(dòng)性比率、非流動(dòng)性比率以及反轉(zhuǎn)指標(biāo)的第一主成分來(lái)構(gòu)建信息不對(duì)稱(chēng)指標(biāo)，該指標(biāo)越大表明信息不對(duì)稱(chēng)越嚴(yán)重。表9 列（1）報(bào)告了人工智能對(duì)信息不對(duì)稱(chēng)影響的估計(jì)結(jié)果，信息不對(duì)稱(chēng)的估計(jì)系數(shù)為-0.0164，且在10%水平下通過(guò)顯著性檢驗(yàn)，說(shuō)明人工智能發(fā)展會(huì)抑制外部投資者與企業(yè)之間的信息不對(duì)稱(chēng)；表9 列（2）報(bào)告了信息不對(duì)稱(chēng)對(duì)企業(yè)實(shí)體投資的影響，估計(jì)系數(shù)為-0.0005，說(shuō)明信息不對(duì)稱(chēng)抑制了企業(yè)對(duì)實(shí)體的投資。這表明人工智能“賦能”會(huì)抑制企業(yè)與投資者之間的信息不對(duì)稱(chēng)，緩解信息不對(duì)稱(chēng)對(duì)實(shí)體投資的影響。
六、異質(zhì)性分析
（一）基于行業(yè)的異質(zhì)性分析
在省級(jí)層面，本文將實(shí)體經(jīng)濟(jì)部門(mén)定義為所有工業(yè)企業(yè)，即包括了采礦業(yè)、制造業(yè)以及水力、電力和熱力供應(yīng)業(yè)。因此，本文對(duì)因變量進(jìn)行行業(yè)分組，研究其異質(zhì)性，將實(shí)體經(jīng)濟(jì)部門(mén)中的制造業(yè)（M_lKS&M_rKS）和高技術(shù)制造業(yè)（G_lKS&G_rKS）區(qū)分開(kāi)來(lái)。根據(jù)《中國(guó)高技術(shù)統(tǒng)計(jì)年鑒》的定義，高技術(shù)制造業(yè)包含了儀表儀器制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、計(jì)算機(jī)電子通訊制造業(yè)、醫(yī)藥制造業(yè)以及專(zhuān)用設(shè)備制造業(yè)。行業(yè)異質(zhì)性分析結(jié)果如表10所示。從表10 列（1）和列（2）可知，人工智能對(duì)制造業(yè)資本存量增速和高技術(shù)制造業(yè)資本存量增速均產(chǎn)生了顯著的正向影響，與本文基準(zhǔn)結(jié)果相比，人工智能對(duì)制造業(yè)和高技術(shù)制造業(yè)資本存量的拉動(dòng)作用更加明顯，說(shuō)明在人工智能促進(jìn)資本流向?qū)嶓w過(guò)程中，制造業(yè)轉(zhuǎn)型升級(jí)、設(shè)備智能化以及新興產(chǎn)業(yè)的迅速崛起發(fā)揮了重要作用。從表10 列（3）和列（4）可知，人工智能對(duì)制造業(yè)固定資產(chǎn)投資和高技術(shù)制造業(yè)固定資產(chǎn)投資均產(chǎn)生了顯著的正向影響，表明人工智能促進(jìn)了固定資產(chǎn)投資流向制造業(yè)和高技術(shù)產(chǎn)業(yè)，但制造業(yè)固定資產(chǎn)投資流入大于高技術(shù)產(chǎn)業(yè)。
在企業(yè)層面，本文將實(shí)體企業(yè)分為第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)，探究人工智能對(duì)不同產(chǎn)業(yè)實(shí)體投資的影響。表10 列（5）（6）（7）分別報(bào)告了人工智能對(duì)各產(chǎn)業(yè)實(shí)體投資的影響，其中，第一產(chǎn)業(yè)估計(jì)系數(shù)為0.0087，未通過(guò)10%的顯著性檢驗(yàn)。第二產(chǎn)業(yè)估計(jì)系數(shù)為0.0032，且在1%水平下顯著。第三產(chǎn)業(yè)估計(jì)系數(shù)為0.0001，同樣未通過(guò)10%顯著性檢驗(yàn)。上述結(jié)果表明，人工智能引致實(shí)體投資在不同產(chǎn)業(yè)間存在差異，即人工智能促進(jìn)了第二產(chǎn)業(yè)實(shí)體投資，但不影響第一產(chǎn)業(yè)和第三產(chǎn)業(yè)實(shí)體投資，可能原因是第二產(chǎn)業(yè)的制造業(yè)是企業(yè)智能化改造和智能設(shè)備制造的主力軍，因而受人工智能影響最大。
（二）基于地區(qū)的異質(zhì)性分析
受區(qū)域經(jīng)濟(jì)發(fā)展不協(xié)調(diào)以及區(qū)域間技術(shù)創(chuàng)新水平差異的影響，人工智能水平在中國(guó)東部沿海和內(nèi)陸地區(qū)必然呈現(xiàn)出一定的差異。本文按照國(guó)家統(tǒng)計(jì)局的最新標(biāo)準(zhǔn)①，將樣本劃分為東部、中部、西部和東北部四個(gè)區(qū)域進(jìn)行異質(zhì)性分析，從企業(yè)層面研究區(qū)域間人工智能對(duì)實(shí)體投資的影響。由表11可知，東部和中部和東北部地區(qū)人工智能對(duì)企業(yè)實(shí)體投資促進(jìn)作用明顯，而西部地區(qū)人工智能對(duì)企業(yè)實(shí)體投資的促進(jìn)作用并未通過(guò)顯著性檢驗(yàn)。通過(guò)地區(qū)異質(zhì)性回歸結(jié)果證實(shí)了：由于東部、中部以及東北部地區(qū)制造業(yè)轉(zhuǎn)型升級(jí)早，技術(shù)創(chuàng)新能力強(qiáng)，因此其人工智能發(fā)展相比于西部地區(qū)更具優(yōu)勢(shì)，且更能促進(jìn)企業(yè)實(shí)體投資。
（三）基于企業(yè)規(guī)模的異質(zhì)性分析
人工智能的發(fā)展往往在企業(yè)的規(guī)模方面也會(huì)表現(xiàn)出差異，因此，本文根據(jù)《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》，將工業(yè)企業(yè)劃分為大型、中型和小型三類(lèi)，進(jìn)行異質(zhì)性分析。回歸結(jié)果如表12所示。
列（1）（2）（3）分別報(bào)告了人工智能對(duì)大中小型工業(yè)企業(yè)資本存量增速的影響。從回歸系數(shù)可知，大型企業(yè)智能化改造的動(dòng)機(jī)比中小型企業(yè)更為強(qiáng)烈，一方面是大型企業(yè)更容易獲得智能改造所需資金，另一方面是大型企業(yè)面臨的智能化轉(zhuǎn)型需求更為迫切。此外，中型企業(yè)的系數(shù)也要高于小型企業(yè)，表明企業(yè)規(guī)模會(huì)影響人工智能導(dǎo)致的資本存量增速。
七、進(jìn)一步討論
前文分析了人工智能通過(guò)提高企業(yè)全要素生產(chǎn)率、投資回報(bào)率以及改善信息不對(duì)稱(chēng)來(lái)促進(jìn)資本流向?qū)嶓w部門(mén)。然而資本流向?qū)嶓w離不開(kāi)市場(chǎng)化的金融體系支撐。吳曉求（2020）提出，當(dāng)前中國(guó)應(yīng)構(gòu)建以市場(chǎng)為主導(dǎo)的現(xiàn)代金融體系，以滿(mǎn)足經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的需求，而發(fā)達(dá)的資本市場(chǎng)是市場(chǎng)化金融體系的重要特征。因此，本部分將探究市場(chǎng)化金融體系能否在人工智能引致實(shí)體投資過(guò)程中發(fā)揮資金流動(dòng)的加速和放大作用。此外，關(guān)于實(shí)體企業(yè)金融化的討論也不絕于耳，而隨著人工智能賦能實(shí)體經(jīng)濟(jì)的影響持續(xù)擴(kuò)大，企業(yè)金融資產(chǎn)配置在人工智能引致實(shí)體投資中是發(fā)揮“擠出”作用還是“蓄水池”作用，也是本部分要討論的重點(diǎn)。
（一）市場(chǎng)化金融體系的調(diào)節(jié)作用
本文認(rèn)為，市場(chǎng)化的金融體系可通過(guò)豐富融資渠道和弱化資產(chǎn)泡沫放大人工智能引領(lǐng)實(shí)體投資的作用。一方面，當(dāng)前中國(guó)的產(chǎn)業(yè)結(jié)構(gòu)正從資本密集型轉(zhuǎn)向創(chuàng)新密集型，人工智能發(fā)展正給微觀(guān)實(shí)體企業(yè)帶來(lái)全要素生產(chǎn)率和創(chuàng)新能力的持續(xù)提升，由此帶來(lái)的企業(yè)融資需求特征，從原有的大型金融國(guó)企壟斷的信貸抵押資金需求，轉(zhuǎn)向以新興企業(yè)未來(lái)投資收益現(xiàn)值為支撐的股權(quán)融資需求；另一方面，金融體系市場(chǎng)化能夠豐富金融市場(chǎng)產(chǎn)品，弱化資產(chǎn)泡沫形成的風(fēng)險(xiǎn)，為資金流向?qū)嶓w提供有力的支撐。當(dāng)前中國(guó)房地產(chǎn)市場(chǎng)泡沫的積累與金融市場(chǎng)缺乏保險(xiǎn)和保值的金融工具息息相關(guān)，完善的金融市場(chǎng)能夠擠出抵押品不足和風(fēng)險(xiǎn)對(duì)沖工具稀缺帶來(lái)的資產(chǎn)泡沫化，促進(jìn)資本向?qū)嶓w流動(dòng)（Caballero and Krishnamurthy，2006；Caballero et al.，2008）。
綜上所述，本文選取非金融企業(yè)境內(nèi)股票融資額占社會(huì)融資規(guī)模的比重衡量金融體系市場(chǎng)化水平，該指標(biāo)既能準(zhǔn)確反映以市場(chǎng)為主導(dǎo)的現(xiàn)代金融體系的特征和功能，又能直觀(guān)表達(dá)資本市場(chǎng)作為實(shí)體部門(mén)資金蓄水池在資本供給方面給予的作用大小。在基礎(chǔ)回歸模型中，本文加入MFpAI 的交互項(xiàng)，并觀(guān)察交互項(xiàng)系數(shù)的變化，如果該系數(shù)顯著為正，則表示金融市場(chǎng)化放大了人工智能引致的實(shí)體投資水平。表13 列報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果。列（1）和列（2）交互項(xiàng)系數(shù)分別為2.2780和1.5760，且在1%水平下顯著，說(shuō)明金融市場(chǎng)越發(fā)達(dá)，人工智能促進(jìn)資本流向?qū)嶓w的作用越強(qiáng)。因此，加快構(gòu)建以資本市場(chǎng)為核心的現(xiàn)代金融體系是適應(yīng)當(dāng)前中國(guó)產(chǎn)業(yè)創(chuàng)新和制造業(yè)升級(jí)的重要舉措，相關(guān)部門(mén)必須引起重視。
（二）企業(yè)金融資產(chǎn)配置水平的調(diào)節(jié)作用
當(dāng)前，企業(yè)資產(chǎn)可以分為兩類(lèi)：實(shí)體資產(chǎn)和金融資產(chǎn)。一方面，當(dāng)金融資產(chǎn)配置過(guò)度時(shí)會(huì)對(duì)企業(yè)經(jīng)營(yíng)和生產(chǎn)造成不利影響（Stockhammer，2004），減少企業(yè)用于實(shí)體投資的資金（王永欽等，2016；杜勇等，2017）；另一方面，金融資產(chǎn)配置對(duì)于企業(yè)預(yù)防現(xiàn)金流沖擊和滿(mǎn)足融資需求起到了“蓄水池”作用（Keynes，1936）。人工智能作為巨大的發(fā)展機(jī)遇，會(huì)吸引大量具有進(jìn)取精神的企業(yè)家不斷投入資金和人才。本文認(rèn)為在人工智能大背景下，企業(yè)出于預(yù)防和儲(chǔ)蓄的目的進(jìn)行金融資產(chǎn)配置不但不會(huì)擠出實(shí)體投資，反而會(huì)穩(wěn)定企業(yè)資金水平，為促進(jìn)企業(yè)智能化改造和實(shí)體投資發(fā)揮資金“蓄水池”作用。
基于此，本文選取金融資產(chǎn)占總資產(chǎn)的比重衡量企業(yè)金融資產(chǎn)配置水平①，該指標(biāo)能從微觀(guān)層面探究企業(yè)金融資產(chǎn)配置是否對(duì)人工智能促進(jìn)企業(yè)實(shí)體投資產(chǎn)生正向調(diào)節(jié)作用。根據(jù)調(diào)節(jié)效應(yīng)模型，本文關(guān)注FIVfAI 的交互項(xiàng)系數(shù)變化，如果該系數(shù)顯著為正，則表明企業(yè)金融資產(chǎn)配置放大了人工智能對(duì)企業(yè)實(shí)體投資的促進(jìn)作用。表13列（3）報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果，在不引入人工智能作為交乘項(xiàng)前，金融資產(chǎn)配置對(duì)實(shí)體投資率顯著抑制，而人工智能與金融資產(chǎn)配置的交互項(xiàng)系數(shù)為0.0053且在5%水平下顯著，表明在人工智能賦能實(shí)體企業(yè)過(guò)程中，企業(yè)金融資產(chǎn)配置水平越高，人工智能對(duì)實(shí)體投資的促進(jìn)作用越強(qiáng)。因此，豐富投融資產(chǎn)品種類(lèi)以滿(mǎn)足企業(yè)金融資產(chǎn)配置需求，是促進(jìn)實(shí)體企業(yè)穩(wěn)健經(jīng)營(yíng)的必要舉措。
八、結(jié)論和政策建議
（一）結(jié)論
本文從宏觀(guān)和微觀(guān)兩個(gè)層面考察人工智能對(duì)實(shí)體經(jīng)濟(jì)的影響，分別利用2010-2020年省級(jí)面板數(shù)據(jù)和2015-2021年上市公司微觀(guān)數(shù)據(jù)，構(gòu)建了人工智能發(fā)展水平衡量指標(biāo)，探究了人工智能對(duì)實(shí)體投資的影響，考察了金融發(fā)展在人工智能引致資本流向?qū)嶓w中的機(jī)制效應(yīng)，為人工智能環(huán)境下中國(guó)資本結(jié)構(gòu)優(yōu)化、實(shí)體經(jīng)濟(jì)健康發(fā)展提供了實(shí)證支撐。研究發(fā)現(xiàn)：①無(wú)論在宏觀(guān)還是微觀(guān)層面，人工智能發(fā)展均顯著促進(jìn)了資本流向?qū)嶓w經(jīng)濟(jì)，即人工智能提高了實(shí)體部門(mén)資本存量增長(zhǎng)率和企業(yè)實(shí)體投資占比。在考慮內(nèi)生性問(wèn)題以及更換人工智能發(fā)展指標(biāo)、剔除相關(guān)樣本等一系列穩(wěn)健性檢驗(yàn)后，該結(jié)論仍然成立。②機(jī)制分析表明，人工智能可以通過(guò)促進(jìn)全要素生產(chǎn)率、投資回報(bào)率和降低信息不對(duì)稱(chēng)來(lái)推動(dòng)資本流向?qū)嶓w。③異質(zhì)性分析結(jié)果表明，在不同行業(yè)中，人工智能對(duì)高技術(shù)制造業(yè)的實(shí)體投資促進(jìn)作用相比一般制造業(yè)更為明顯；在不同地區(qū)中，人工智能促進(jìn)實(shí)體投資過(guò)程，東中部地區(qū)促進(jìn)效應(yīng)明顯優(yōu)于西部和東北部地區(qū)；在不同企業(yè)規(guī)模中，人工智能對(duì)大型工業(yè)企業(yè)的實(shí)體投資促進(jìn)效應(yīng)最為明顯。④進(jìn)一步討論結(jié)果表明，資本市場(chǎng)發(fā)展水平和企業(yè)金融資產(chǎn)配置水平越高，人工智能引致的實(shí)體投資的作用越強(qiáng)。
（二）政策啟示
本文根據(jù)結(jié)論得出如下政策啟示：
（1）加大人工智能基礎(chǔ)設(shè)施投入，完善人工智能支持政策體系。新一代人工智能與實(shí)體經(jīng)濟(jì)深度融合是中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和現(xiàn)代經(jīng)濟(jì)體系建設(shè)的必由之路，然而當(dāng)前中國(guó)人工智能基礎(chǔ)設(shè)施如大數(shù)據(jù)中心、AI 芯片、云計(jì)算中心、數(shù)據(jù)采集等仍不足以支撐實(shí)體企業(yè)智能升級(jí)。因此，各級(jí)政府應(yīng)加強(qiáng)對(duì)人工智能基礎(chǔ)設(shè)施的投入。此外，人工智能支持政策體系的完善勢(shì)在必行。其一，應(yīng)設(shè)立人工智能創(chuàng)新基金，為有潛力的實(shí)體企業(yè)提供資金支持，對(duì)在人工智能領(lǐng)域有突出貢獻(xiàn)的企業(yè)，提供相應(yīng)的稅收優(yōu)惠政策。其二，應(yīng)鼓勵(lì)高校和培訓(xùn)機(jī)構(gòu)開(kāi)設(shè)與人工智能相關(guān)的課程和培訓(xùn)項(xiàng)目，鼓勵(lì)企業(yè)引進(jìn)國(guó)內(nèi)外優(yōu)秀人才，提升企業(yè)在人工智能領(lǐng)域的研發(fā)和應(yīng)用能力。其三，應(yīng)搭建產(chǎn)學(xué)研合作平臺(tái)，促進(jìn)實(shí)體企業(yè)、高校和研究機(jī)構(gòu)之間的深度合作，推動(dòng)人工智能技術(shù)的轉(zhuǎn)化和應(yīng)用。其四，推動(dòng)建立數(shù)據(jù)共享平臺(tái)，鼓勵(lì)企業(yè)間數(shù)據(jù)的開(kāi)放共享，促進(jìn)合作創(chuàng)新。最后，應(yīng)建立“政府-企業(yè)”對(duì)接制度，各級(jí)政府應(yīng)組建產(chǎn)業(yè)專(zhuān)家團(tuán)隊(duì)，深入實(shí)地了解企業(yè)的運(yùn)營(yíng)情況、現(xiàn)有技術(shù)水平以及智能化改造的需求，幫助企業(yè)克服智能化改造中的困難，推動(dòng)企業(yè)更快地實(shí)現(xiàn)智能化升級(jí)。
（2）加強(qiáng)人工智能賦能實(shí)體企業(yè)，穩(wěn)步推進(jìn)企業(yè)自身轉(zhuǎn)型升級(jí)。以制造業(yè)為核心的實(shí)體企業(yè)率先實(shí)現(xiàn)智能化是增強(qiáng)中國(guó)制造國(guó)際競(jìng)爭(zhēng)力的必然路徑。當(dāng)前，企業(yè)在智能化改造中面臨著一系列問(wèn)題，如技術(shù)選型難、人才短缺、資金投入不足等。因此，其一，應(yīng)制定明確的智能化戰(zhàn)略，根據(jù)自身需求和現(xiàn)有技術(shù)水平，確定定制化的技術(shù)整合規(guī)劃，包括評(píng)估哪些任務(wù)適合人工智能執(zhí)行、哪些需要人類(lèi)的判斷和創(chuàng)造力。其二，應(yīng)優(yōu)化生產(chǎn)全流程。在產(chǎn)品研發(fā)環(huán)節(jié)，運(yùn)用數(shù)字化、信息化手段搭建產(chǎn)品智能設(shè)計(jì)平臺(tái)，滿(mǎn)足客戶(hù)需求；在產(chǎn)品生產(chǎn)環(huán)節(jié)，實(shí)現(xiàn)機(jī)械重復(fù)勞動(dòng)的機(jī)器換人；在產(chǎn)品供應(yīng)鏈管理和產(chǎn)品服務(wù)環(huán)節(jié)，建立定制化機(jī)器學(xué)習(xí)系統(tǒng)，精確計(jì)算產(chǎn)品利潤(rùn)，推進(jìn)智能化售后服務(wù)。其三，應(yīng)關(guān)注員工培訓(xùn)和變革管理，為員工提供必要的技術(shù)適應(yīng)培訓(xùn)，使其能夠理解和運(yùn)用新的人工智能工具，同時(shí)探索靈活用工模式，鼓勵(lì)跨部門(mén)協(xié)作，將人工智能和人類(lèi)的優(yōu)勢(shì)結(jié)合起來(lái)，在引入新技術(shù)時(shí)，企業(yè)應(yīng)確保員工的權(quán)益不受損害。最后，應(yīng)積極探索多元化的融資渠道，如銀行貸款、股權(quán)融資、債券發(fā)行等，以滿(mǎn)足智能化投資的資金需求。
（3）以人工智能為突破口，加速金融科技創(chuàng)新，強(qiáng)化金融對(duì)中小實(shí)體企業(yè)的支撐。中小企業(yè)是實(shí)體經(jīng)濟(jì)的生力軍，在促進(jìn)就業(yè)、激發(fā)創(chuàng)新、刺激增長(zhǎng)等方面發(fā)揮重要作用，人工智能、大數(shù)據(jù)等底層通用技術(shù)“賦能”金融可以改善實(shí)體企業(yè)面臨的融資約束、信息不對(duì)稱(chēng)等問(wèn)題。因此，其一，應(yīng)加快以大數(shù)據(jù)共享、智能風(fēng)險(xiǎn)分析為基石的新型企業(yè)征信體系建設(shè)。其二，應(yīng)利用人工智能算法，開(kāi)發(fā)適合中小企業(yè)的智能金融產(chǎn)品，如智能風(fēng)險(xiǎn)管理工具、供應(yīng)鏈金融方案等，滿(mǎn)足不同企業(yè)的融資需求，提高金融服務(wù)的精準(zhǔn)性。其三，應(yīng)加大數(shù)字金融復(fù)合人才的培養(yǎng)，培養(yǎng)一批能夠利用人工智能、大數(shù)據(jù)等技術(shù)服務(wù)實(shí)體企業(yè)的金融人才。最后，應(yīng)強(qiáng)化人工智能在資本市場(chǎng)監(jiān)管、企業(yè)財(cái)務(wù)審查、信貸監(jiān)管等方面的應(yīng)用，營(yíng)造良好的融資環(huán)境。
產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論2024年6期
- 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論的其它文章
- 政府創(chuàng)新目標(biāo)激勵(lì)企業(yè)創(chuàng)新了嗎？
- 外部科技活動(dòng)強(qiáng)度與企業(yè)創(chuàng)新產(chǎn)出
- 大數(shù)據(jù)稅收征管與企業(yè)稅負(fù)粘性
- 科技金融政策對(duì)數(shù)實(shí)產(chǎn)業(yè)技術(shù)融合的影響研究
- 網(wǎng)絡(luò)基礎(chǔ)設(shè)施能否驅(qū)動(dòng)數(shù)據(jù)資產(chǎn)信息披露
- 企業(yè)ESG表現(xiàn)的產(chǎn)業(yè)鏈溢出效應(yīng)研究