人工智能技术应用推进中国制造业升级研究*

米晋宏 江凌文 李正图

一、引言

2019年10月召开的党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》指出：“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”2020年3月中共中央、国务院出台的《关于构建更加完善的要素市场化配置体制机制的意见》指出：“加快培育数据要素市场。”2020年5月中共中央、国务院出台的《关于新时代加快完善社会主义市场经济体制的意见》指出：“加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值。”这三个文件是指导新时代中国特色社会主义基本经济制度和市场经济体制健全完善的纲领性文件，其中关于数据是生产要素的论述，是本文研究围绕人工智能技术应用是否推进我国制造业产业升级的指导思想。

在我国经济体系和产业体系中，制造业高质量发展是我国经济高质量发展的核心和基础。在当今数字技术飞速发展的背景下，人工智能技术应用推进产业变革是当今世界高端先进制造业发展的重要驱动力量。习近平总书记指出：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁效应”，“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手”。吴朝晖：《抢占人工智能发展制高点》，《人民日报》2019年7月10日，第9版。既然如此，人工智能技术应用是如何推进制造业升级的呢？

已有研究表明人工智能可推动制造业高质量发展。波特首先提出，随着产业升级，资本密集型和技术密集型产业将获得更好的发展空间。M.E.Porter，The Competitive Advantage of Nations， Harvard Business Review， vol.68， no.2，1990，pp.73～93.Gereffi从微观层面分析产业升级，指出产业升级是企业迈向资本和技术密集型经济领域的过程。G.Gereffi， “International Trade and Industrial Upgrading in the Apparel Commodity Chain，”Journal of International Economics， vol.48，no.1， 1999，pp.37～70.桑瑜研究指出产业升级的路径是“受价企业”向资本密集型升级，“觅价企业”向技术密集型升级。桑瑜：《产业升级路径：基于竞争假设的分析框架及其推论》，《管理世界》2018年第1期。任保平、江小国等指出，实现制造业高质量发展包括：技术创新、工业化、培育新动能、加快发展先进制造业等，制造业的高质量发展需要通过制造业的结构升级和技术创新来实现高质量发展。任保平：《新时代我国制造业高质量发展需要坚持的六大战略》，《人文杂志》2019年第7期;江小国、何建波、方蕾：《制造业高质量发展水平测度、区域差异与提升路径》，《上海经济研究》2019年第7期。

综上表明，国内外现有文献聚焦于制造业产业升级，提出“新一代人工智能为资本密集型和技术密集型的实体经济发展提供技术支持”，任保平、宋文月：《新一代人工智能和实体经济深度融合促进高质量发展的效应与路径》，《西北大学学报》（哲学社会科学版）2019年第5期。但针对人工智能技术是否推动制造业产业升级的微观研究较少。鉴于此，本文从微观企业视角，研究人工智能技术应用如何推进制造业升级，揭示人工智能技术应用推进制造业转型升级的内在机制，从微观企业角度，运用中国制造业上市企业数据来实证分析人工智能技术应用推进制造业升级的内在机制和具体路径。本文第二部分从技术和资本两个角度构建制造业转型升级的理论分析框架并提出研究假设，第三部分为实证模型及数据描述，第四部分为实证结果，第五部分为结论与建议。

二、 人工智能推进制造业升级的机理与研究假设

制造业的发展质量，在微观层面上表现为制造业企业竞争力的强弱。从市场价格形成机制来看，企业要么接受市场价格，要么自主定价。前者称为受价企业，后者称为觅价企业。受价企业提高资本有机构成，降低产品单位成本，最终向资本密集型升级。而觅价企业不用降低成本也可以获得超额剩余价值，但觅价权要求企业拥有“新”的核心技术。觅价企业为了获得觅价权必须持续进行技术研发，最终向技术密集型升级。基于已有的研究基础，本文从成本竞争和觅价权竞争两个方向，分析人工智能与实体经济深度融合背景下，企业向资本密集型制造业和技术密集型制造业转变的具体路径。

1.人工智能推进企业向技术密集型制造业升级

人工智能促进企业进行研发投入，提高其研发效率并加强企业与市场的互动。张三峰等利用世界银行提供的中国制造业企业调查数据证明，企业应用信息与通信技术会促进企业技术创新。张三峰、魏下海：《信息与通信技术是否降低了企业能源消耗——来自中国制造业企业调查数据的证据》，《中国工业经济》2019年第2期。2018年《“人工智能+制造”产业发展研究报告》指出在制造业的技术领先型行业和市场变动型行业，人工智能的作用能够提高研发效率，准确预测与响应市场。中国社会科学院工业经济研究所、腾讯研究院：《“人工智能+制造”产业发展研究報告》，浙江出版集团数字传媒有限公司，2018年，第55～58页。信息技术与实体经济深度融合，企业加大技术研发投资，或者购买核心技术，而非投资固定资产。市场化程度的提高可以改善资源配置效率，促进企业技术进步并提高其创新效率，戴魁早、刘友金：《市场化进程对创新效率的影响及行业差异——基于中国高技术产业的实证检验》，《财经研究》2013年第5期。且互联网发展突破了产业集群在地理空间方面所受的约束，王莎莎、卢山冰、郭立宏：《“互联网+”驱动下的产业变革分析》，《人文杂志》2019年第4期。更为有效地激励了企业间专利的正溢出效应，周敏、马书尧、寇宗来：《研发支出、溢出池与专利申请——基于中国工业上市企业的经验研究》，《研究与发展管理》2019年第2期。因此，加强应用人工智能专利技术的制造业企业与市场的互动，可推动企业通过创新驱动实现升级。由此，人工智能推进了企业向技术密集型制造业升级。

2.人工智能推进企业向资本密集型制造业升级

人工智能提高了企业资本有机构成，提高了资本回报率，从而促进了资本积累。陈彦斌等构建含有人工智能和老龄化的动态一般均衡模型，并通过数值模拟实验预测到：未来人工智能提高生产制造环节的智能化和自动化程度从而减少生产制造环节所需的劳动力，不断投入大量资金加强对原有设备的更新，扩大对固定资产的投资。陈彦斌、林晨、陈小亮：《人工智能、老龄化与经济增长》，《经济研究》2019年第7期。而且，“机器代替人”可以提高资本回报率从而促进资本积累，张三峰等和金碚还指出，工业信息化、智能化不仅能促进企业自动化工业机器设备的更新，而且能提升企业生产制造的柔性化和产品精致化。张三峰、魏下海：《信息与通信技术是否降低了企业能源消耗——来自中国制造业企业调查数据的证据》，《中国工业经济》2019年第2期;金碚：《工业的使命和价值——中国产业转型升级的理论逻辑》，《中国工业经济》2014年第9期。通过对上述研究文献进行梳理和总结，本文构建了人工智能推进制造业产业升级的理论模型，具体如图1：

图1 人工智能促进制造业企业向技术密集型和资本密集型转变

基于上述理论模型，再参照已有学者的实证研究结果：企业应用人工智能技术可以推进技术进步，可以减少技术创新的不确定性，降低创新成本，提高创新效率，任保平、宋文月：《新一代人工智能和实体经济深度融合促进高质量发展的效应与路径》，《西北大学学报》（哲学社会科学版）2019年第5期。而技术进步是制造业产业升级的根本动力。杨智峰、汪伟、吴化斌：《技术进步与中国工业结构升级》，《财经研究》2016年第11期。本文提出假设1：

假设1：工业智能化推动企业技术创新升级，进而使得企业向技术密集型制造业转变。

企业固定资产的投资通过两种方式进行：自有资金或信贷。自有资金可以保持企业独立性和自由度，而通过信贷系统在企业间重新分配资金可以提高资金使用效率。G.Szakolczai， “Capital Taxes， Self-financing and Capital Transfer，” Acta Oeconomica， vol.10， no.3， 1973， pp.361～376.通过以上分析，人工智能化使“机器代替劳动力”对企业资本投入有正、负向效应，人工智能一方面提高了企业资本有机构成，另一方面减少了对资本和劳动力的依赖。正如Bahrin等所言，随着工业4.0时代的到来，企业通过引入工业机器人，提高生产力，从而减少对资本和劳动力的依赖。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.但工業智能化是否优化了企业资本结构目前尚没有实证文献支撑，Rogers等提到，通过联网设备、系统和设施实施“智能制造”需要企业大量的前期投资，这无疑会给企业带来极大的融资压力，但随着智能系统日益完善，成本降低了，产品和服务实现多样化，工业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，本文提出假设2：

假设2：工业智能化优化企业资本结构，短期内不利于提高企业经营业绩，却在长期使企业更具发展潜力，企业向资本密集型制造业转变。

关于以上假设，有一点需要特别解释。本文着眼于足够长的时间段，探讨人工智能等新技术到底推进制造业如何升级。企业有追逐利润最大化的本性，因此本文假设企业持续获得零利润或者负利润将会退出市场，故工业智能化必然会降低制造业企业的总成本，提高制造业企业的市盈率。

三、研究设计

1.模型构建

为研究人工智能技术如何推进制造业升级的内在机制和具体途径，本文从企业技术创新能力、负债、未来发展潜力、资产收益及成本等角度展开讨论。本文以专利拥有量衡量企业技术创新能力;李诗、洪涛、吴超鹏：《上市公司专利对公司价值的影响——基于知识产权保护视角》，《南开管理评论》2012年第6期;李汇东、唐跃军、左晶晶：《用自己的钱还是用别人的钱创新？——基于中国上市公司融资结构与公司创新的研究》，《金融研究》2013年第2期;米晋宏、张书宇、黄勃：《专利拥有量、市场控制力与企业价值提升——基于上市公司专利数据的研究》，《上海经济研究》2019年第3期。以企业资产负债率（负债总额/总资产）评估企业资本结构和负债风险;申广军、张延、王荣：《结构性减税与企业去杠杆》，《金融研究》2018年第12期;钟宁桦、刘志阔、何嘉鑫等：《我国企业债务的结构性问题》，《经济研究》2016年第7期;温军、冯根福：《异质机构、企业性质与自主创新》，《经济研究》2012年第3期;刘晓光、刘元春：《杠杆率、短债长用与企业表现》，《经济研究》2019年第7期。以市盈率（股票价格/每股收益）衡量企业未来发展潜力，何诚颖：《中国股市市盈率分布特征及国际比较研究》，《经济研究》2003年第9期;陈共荣、刘冉：《市盈率能否成为投资决策分析的有效指标——来自中国A股的经验数据》，《会计研究》2011年第9期。这可以传递公司未来成长性信号;以总资产净利率（净利润/总资产）和净资产利润率（净利润/净资产）衡量企业业绩;一般而言，企业的总资产净利率和净资产利润率保持一致，反映了企业将生产要素转化成经济效益的能力，但在企业杠杆经营时出于股东利益最大化的考虑，二者可能会有所不同，因此本文采用两种指标进行分析。参见刘晓光、刘元春：《杠杆率、短债长用与企业表现》，《经济研究》2019年第7期。以Ln（企业总成本）衡量企业成本。孔玉生、朱乃平、孔庆根：《成本粘性研究：来自中国上市公司的经验证据》，《会计研究》2007年第11期。具体如式（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）

本文主要解释变量即企业是否拥有人工智能专利（AI_Dummy），是基于企业是否拥有人工智能领域专利技术来定义。根据Dhars的文献中用到的德温特创新平台（Derwent Innovation）的方法，基于样本企业每年具体专利的IPC分类号，判断该专利是否属于人工智能领域的专利，从而获得企业是否拥有人工智能领域专利技术的信息。若企业拥有人工智能专利则取1，否则为0。（根据我国2008年新修订的《中华人民共和国专利法》第42条规定，我国发明专利的保护期为20年）参见Ridhma Dhars、莫京、孙运涛等：《人工智能在东南亚》，《科学观察》2018年第4期。从企业特征、企业表现、行业-城市特性三个角度引入控制变量，企业特征层面的控制变量包括企业是否是国企（SOE_Dummy）、企业年龄（Age）、企业是否是高新技术企业（Highteach_Dummy）判断企业是否属于高新技术企业，是基于我国于2008年颁布实施的《高新技术企业认定管理办法》对“高新技术企业”的定义。、企业规模（Lnasset）、企业价值（Lnvalue），其中若企业为国企则取值为1，反之为0。若企业有高新技术企业资质认定则Highteach_Dummy取值为1，反之为0。企业规模由企业总资产的自然对数来衡量;企业表现层面的控制变量，指的是总资产净利率（ROA）、企业利润的自然对数（Lnprofit）、净资产利润率（ROE）和资产负债率（Debt）;行业-城市特征层面的控制变量，指的是企业的市场集中度（HHI）、企业是否在东部城市（Eastern_Dummy）。钟凯、程小可、肖翔等：《宏观经济政策影响企业创新投资吗——基于融资约束与融资来源视角的分析》，《南开管理评论》2017年第6期;崔迎科：《农业上市公司非农化经营“陷阱”的实证研究——基于74家农业上市公司面板数据》，《农业技术经济》2013年第7期;刘晓光、刘元春：《杠杆率、短债长用与企业表现》，《经济研究》2019年第7期。市场集中度用赫芬达尔-赫希曼指数表示，是基于企业营业收入占比计算而得，若企业为东部城市则Eastern_Dummy取值为1，反之为0。其中，company_typeit为企业特征层面的控制变量;company_performanceit为企业表现层面的控制变量;industry_cityit为行业-城市特征层面的控制变量;industryit为行业特征层面的控制变量。

2.数据描述与特征事实

本文选取2005-2015年沪深A股上市公司的面板数据，按照现阶段新一代信息技术与制造技术融合程度，将WIND行业分类中的“医药生物”“电子”“计算机”“综合” “通信”“家用电器” “有色金属” “机械设备”“电气设备”“纺织服装”“钢铁”“化工”“轻工制造”13个子行业，剔除ST股票，大多数文献研究实体企业都剔除了信息技术类企业，而随着信息技术应用日益广泛，许多制造业企业在各个流通环节注重信息技术，软件和硬件并重，故本文未剔除这一类子行业。根据《國民经济行业分类》（GB/T 4754-2017）。根据《国民经济行业分类》（GB/T 4754-2017），C门类（制造业）包括13～43大类。剔除非制造业企业，样本量为1025家上市企业。表1列示了本文各变量的描述性统计结果。制造业上市公司的专利数据以及财务数据皆来源于万得数据库（WIND）及国家知识产权局专利授权数据库。为避免极端值对实证结果的影响，本文对市盈率、净资产利润率与总资产净利率三个变量在3%和97%分位上进行缩尾处理（winsorize） 。

表1 描述性统计⑤

四、实证结果及分析

1.人工智能技术应用有效提升了制造业企业创新能力

实证研究发现，在表2的逐步回归结果中，第（1）（2）列仅控制了企业性质和企业规模，估计结果显示本文关注的解释变量AI_Dummy系数分别在1%和5%水平下显著为正，第（3）列中进一步控制了行业特征因素后，估计系数为144.700，且在5%水平下显著，这表明：人工智能技术应用显著地推动了制造业企业的技术进步，推进了制造业企业的技术创新，从而促进制造业升级。这一结论印证了假设1。

控制变量中，企业规模、市场控制能力对企业的创新力有正向促进作用。控制了企业规模后，企业是否为高新技术企业的系数由正变负且不显著，可能是由于企业扩大规模引起的负债增加，从而产生了负面作用。比如增加了破产成本并减少了公司未来现金流量导致投资不足等，汪辉：《上市公司债务融资，公司治理与市场价值》，《经济研究》2003年第8期。因此高新技术企业与公司专利拥有量的关系变得不显著甚至是负相关。与国有企业相比，非国有企业的创新效率更高，这与陈林等的研究结果保持一致。陈林、万攀兵、许莹盈：《混合所有制企业的股权结构与创新行为——基于自然实验与断点回归的实证检验》，《管理世界》2019年第10期。

表2 人工智能技术应用对制造业企业价值的影响

2.人工智能技术应用优化了制造业企业资本结构

如表2所示，列（4）（5）（6）显示了企业资本结构模型基本回归结果。列（4）控制了企业特征变量，列（5）进一步控制了企业表现方面的主要变量，列（6）在模型中补充了行业-城市特征层面的控制变量。由回归结果可知，主要解释变量——企业是否拥有人工智能专利（AI_Dummy）对企业资产负债率的影响为负，分别为-0.010、-0.012、-0.011，在控制企业特征和企业表现后均通过在10%水平下的显著性检验。换言之，应用人工智能专利企业杠杆率显著低于未应用人工智能专利技术的企业，说明随着人工智能等数字技术的应用，制造业企业发展迅速，企业的经营能力更加稳定，融资效率也能得到提升。而且工业智能化调整了企业轻重资产的资本结构，企业对内资源整合能力提高，对外市场竞争力加强，企业资本更为“轻便化”。未应用人工智能专利的制造业企业的高资产负债率源于其依赖于大型设备，投入成本过大，因此自有资金不足时外部融资便尤为重要，且资金流动慢亦加大了企业财务杠杆。总而言之，工业智能技术优化了制造业企业的资本结构，促进了应用人工智能专利技术的制造业企业获利，而激烈的竞争淘汰了资本密集度低的低端制造业企业，葛顺奇、罗伟：《跨国公司进入与中国制造业产业结构——基于全球价值链视角的研究》，《经济研究》2015年第11期。制造业企业逐步向资本密集型转变。基于此，假设2的内容得到验证。

基准回归中，除了企业的市场集中度、企业规模和总资产净利率以外，其他变量的估计系数均为负值。企业规模越大，企业所在产业集中度越高，公司治理的矛盾就越突出，企业面临的融資约束越大。窦炜、刘星：《债务杠杆、所有权特征与中国上市公司投资行为研究》，《经济与管理研究》2011年第2期。总资产净利率高说明企业价值高、业绩好，银行借款给它们的风险较小，故这些制造业企业借款压力较小。而业绩好也代表企业有增加融资和扩大投资的需求，这与汪辉的结论一致。汪辉：《上市公司债务融资、公司治理与市场价值》，《经济研究》2003年第8期。成立时间久、企业利润越高、处于东部地区的企业杠杆率水平更低，这说明有经验积累、高利润企业成长机会多，所处发达地区使得企业可以利用现有的良好融资环境，寻求外部资金的需求越少，财务杠杆便更低，这一结果与先行文献结论保持基本一致。张会丽、陆正飞：《控股水平、负债主体与资本结构适度性》，《南开管理评论》2013年第5期。

3.人工智能技术应用提高了制造业企业的市场估值

如上表2所示，回归结果分为列（7）（8）（9），列（7）控制了企业特征变量，列（8）进一步控制了企业表现方面的主要变量，列（9）在模型中补充了行业-城市特征层面的控制变量。结果表明，企业是否拥有人工智能专利（AI_Dummy）对企业市盈率的效应显著为正，估计系数分别为16.110、15.530、14600，且皆通过了1%水平的显著性检验。可能原因有：拥有人工智能专利技术的制造业企业成长性较好，溢价率高，市场投资者对其所在市场看好，这在长期也将促进企业向资本密集型转变。该结论对假设2进行了进一步的验证。已有学者发现长期预期增长往往与市盈率相关，Beneda研究发现上市公司高市盈率股票的平均收益率要优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.这些结果表明了市盈率反映了投资者对上市公司未来增长机会的看法。

企业规模、资产负债率、净资产利润率对企业市盈率有负向作用。从企业规模来说，大企业的股票流通盘大，不易被价格操纵，总体市盈率往往不高;从企业资产负债率来说，资产负债率较低的企业往往具备一定财务弹性，故市盈率较高。陈占锋的研究也表明，中国A股市盈率大小与流通股本呈反向关系。净资产利润率高的企业，通过自有资本获取效益的能力越强，运营效益越好。陈占锋：《上海股票市场A股泡沫问题：市盈率测量与综合解释》，《世界经济》2002年第7期。公司股票市盈率高低不仅仅由股票收益率单一驱动，朱武祥、邓海峰：《股票市盈率中隐含的竞争优势持续期》，《经济研究》1999年第12期。有学者认为，股票收益率与市盈率之间存在负相关关系。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.可能原因是投资者关注短期套利，较少关注能长期影响企业未来发展的因素，这一结论与Penman、陈共荣等的研究相吻合。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;陈共荣、刘冉：《市盈率能否成为投资决策分析的有效指标——来自中国A股的经验数据》，《会计研究》2011年第9期。但净资产利润率估计系数皆不显著，说明净资产利润率对企业市盈率的抑制作用不明显。东部地区的企业市盈率越高，这说明投资者对发达地区的企业兴趣更大。高新技术企业市盈率相对较高，原因在于：一是根据市场投资者对公司未来盈利和成长性进行投资的“成长性预期”理论，高新技术企业市盈率高是因为投资者预期公司未来成长性空间较大，从而实施投资以期在股票市场获利;二是中国股票市场A股存在泡沫，当企业业绩不佳时，股票每股收益低下会直接导致市盈率偏高。

由上述可知，应用人工智能技术的企业创新能力较高，人工智能技术的发展优化了制造业企业的资本结构。同时，在市场有效的前提下，人工智能技术应用提高了制造业市场流动性，扩大了其直接融资规模，有效提振了市场对制造业企业的发展信心。长期来看，应用人工智能技术的企业具有较大的增长潜力，随着大数据、云计算、移动互联网等互联网新兴技术迅猛发展，人工智能将广泛在各行各业得到迅速的应用，特别是与传统制造业的无缝衔接，实现融合发展。随着软件技术和硬件技术日臻成熟，中国市场将涌现一批新型人工智能制造业企业。随着人工智能技术与制造业的深度融合，会不断降低成本、提升性能，激烈的竞争也将会逐步淘汰资本密集度低的低端制造业企业，制造业企业逐步向资本密集型转变。但企业持续经营依赖短期盈利能力，企业短期的研发投入带来较大的初始投入成本，且技术研发本身充满不确定性。为此，本文进一步实证研究人工智能技术与制造业深度融合短期内对企业盈利能力的影响。

4.人工智能技术与制造业深度融合短期内降低了制造业企业盈利能力

企业盈利模型回归结果见表3。列（1）（4）（7）控制了企业特征层面的变量，列（2）（5）（8）控制了企业表现层面的变量，列（3）（6）（9）控制了行业特征层面的变量。由表3可知，以总资产净利率、净资产利润率为因变量的回归模型中，企业是否拥有人工智能专利（AI_Dummy）的系数皆显著为负，说明人工智能技术与制造技术融合程度越高，企业利用资产产生的经济效益反而下降;公司净资产利润率反映的是该公司已完成投资项目的获利能力，朱武祥、邓海峰：《股票市盈率中隐含的竞争优势持续期》，《经济研究》1999年第12期。回归结果说明工业智能化并没有提高其资金效益并且使其盈利能力获得改善。主要原因可能是企业向人工智能方向转型初期，人工智能专利技术应用的一次性投入较高，因此对制造业企业短期盈利能力和业绩成长能力产生消极效应，随着人工智能等技术领域的日臻成熟，企业逐步完成产业转型，制造业人工智能化的优势才能逐步显现。

从控制变量的估计结果来看，企业年龄、规模、市场控制地位对企业获利能力有抑制效应。企业财务杠杆对净资产利润率有显著的正向促进作用，对总资产净利率则有明显的抑制作用，说明受股东利益最大化的投融资动机驱使，企业会选择杠杆融资。企业价值高的制造业企业则相对拥有更高总资产净利率和净资产利润率，说明企业价值高的企业盈利能力和资产利用率较高。控制了企业特征、表现和行业特征后，企业是否国企的估计系数由正变负，但仍不显著。

表3 人工智能技术应用对制造业企业绩效的影响

以Ln（企业总成本）为因变量的回归模型中，企业是否拥有人工智能专利（AI_Dummy）的哑变量估计系数皆显著为正，分别为0.058、0.047、0.069。此结论表明使用人工智能专利技术的企业面临高初始成本，新技术使用的过程中存在短期增加成本的效应。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：企业采用新技术存在不确定性，这就无可避免地增加企业成本，会对企业的盈利或者企业价值造成负面影响，A.Pavlova， “Adjustment Costs， Learning-by-doing， and Technology Adoption under Uncertainty，”SSRN Working Paper， 2001，pp.1～35.应用人工智能专利技术的制造业企业成本控制能力需要进一步提升。

从控制变量的估计结果来看，高负债企业总成本往往较高，主要体现为代理总成本的增加。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.净资产收益率高的公司可以降低企业总成本，当收入下降时，这类企业具有较高的成本控制要求和控制水平，有能力在短时间内调整资源，并可以及时获得市场信息，来做出成本调整决策。孔玉生、朱乃平、孔庆根：《成本粘性研究：来自中国上市公司的经验证据》，《会计研究》2007年第11期。

总资产净利率和净资产利润率作为会计业绩，更多地衡量了企业的短期业绩。辛清泉、林斌、王彦超：《政府控制、經理薪酬与资本投资》，《经济研究》2007年第8期。因此，虽然人工智能领域专利技术的应用会对制造业企业的短期业绩产生消极效应，但不能忽略人工智能化在长期对企业业绩有有效的激励效果。长期来看，结合市盈率，企业进入金融市场的行为受市场投资者偏好的驱使，其成长能力给市场发送了积极信号，人们对企业未来发展潜力有较高期待。

五、结论与建议

本文利用中国制造业上市企业数据，实证研究发现人工智能技术应用能够推进制造业企业向技术密集型和资本密集型企业转变，进而推进制造业转型升级，更能推进国民经济从高速增长向高质量发展转变。具体而言，一方面，人工智能技术推动企业技术创新，实现数据要素在制造業中更有效率、更大规模的运用，推进制造业的升级;另一方面，虽然人工智能技术的应用对企业的总资产净利率、净资产利润率造成消极效应，提高了企业总成本，但长期看，随着人工智能技术与制造技术融合程度提高，优化了企业的资本结构，提高了企业的市场估值，提高了企业生产率和竞争力。另外，人工智能变革有效提高了制造业企业的成长性，促进了制造业升级。根据本文的研究结论， 同时结合我国的各项政策，本文认为，我国各级政府和各类企业应当高度重视数据作为生产要素的功能和作用，推进并参考数据要素市场化机制体制的构建和完善的相应机制，可以从如下几点开展工作：

1.加快人工智能技术在制造业领域的应用，推进中国制造业企业向技术密集型制造业升级。第一，中国先进制造业企业在制造业企业中所占的比例较小，李金华：《中国先进制造业的发展现实与未来路径思考》，《人文杂志》2020年第1期。须制定更加完善的战略新兴产业政策，继续优化制造业产业结构，提高先进制造业企业比重，重点鼓励和支持人工智能技术在企业产品研发、生产、销售等环节的应用;第二，加强先进生产方式创新，构建和完善数据要素市场化配置体制机制，加快推进企业生产设备自动化和产品智能化，建立以数字技术和人工智能技术为核心的制造业通用技术系统;第三，加强专利保护，全面提高制造业企业的综合竞争力;第四，核心人才短缺或成为制约人工智能技术应用的短板，应抓准机会加快引进和培育相关领域人才、专家。

2.加快人工智能技术在制造业领域的应用，推进中国制造业企业向资本密集型制造业转型。第一，进一步加强金融对制造业升级的支持和服务作用，充分发挥科创板的资本市场改革“试验田”作用，使科创板成为资本要素与数据要素、技术要素优化配置的重要平台，推动先进制造业发展;杨可方、李世杰、杨朝军：《金融结构与中国产业升级的关联机制研究》，《管理世界》2018年第8期。第二，加快数字技术和人工智能技术在企业运营管理方面的应用，深入挖掘数据背后的价值，构建新型商业模式，王海杰、宋姗姗：《互联网背景下制造业平台型企业商业模式创新研究——基于企业价值生态系统构建的视角》，《管理学刊》2019年第1期。有效改善信息不对称问题，完善员工绩效管理制度、库存管理制度、财务管理制度，调整制造业企业的资本结构，使企业资本更为“轻便化”，提高企业内部资源整合能力和外部市场竞争力;第三，促进产业链上下游企业深度合作，鼓励龙头企业充分利用资本力量，发展先进技术集群和知识集群，提高先进制造业企业的全要素生产率。

责任编辑：韩海燕

* 基金项目：上海市2020年“科技创新行动计划”软科学重点项目“重大突发公共卫生事件对上海中小企业的影响及对策——基于全要素生产力测算研究”（20692191100）;国家社会科学基金重点项目“坚持和完善中国特色社会主义基本经济制度研究”（20AZD011）;国家自然科学基金项目“中国P2P金融的市场微观结构研究——基于经济网络分析的方法”（71503165）