《现代财经-早读早分享》2025年元月9日周四（第3240期）

今天是2025年元月9日，星期四，农历腊月初十，美好的一天从阅读《现代财经-早读早分享》开始！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3228期）。原创不易，敬请尊重。谢谢鼓励。

  一、早读分享   

人工智能嵌入对中国“卡脖子”创新链布局重构及价值延伸的影响研究

  导读  

一、引言

创新链布局重构是深化创新驱动发展战略的关键一环。近年来,中国关键技术创新链面临“堵链断链”风险加剧、创新链技术跨境协同放缓、高新技术企业技术回岸和信息孤岛效应等挑战,由快速发展期转为布局重构期,呈现出本土化、多元化、集聚化和智能化等演进特征。党的二十大报告提出,加快实施创新驱动发展战略,推动创新链产业链资金链人才链深度融合。习近平总书记在十八届中央政治局第九次集体学习时的讲话中指出,要坚持科技面向经济社会发展的导向,围绕产业链部署创新链,围绕创新链完善资金链,消除科技创新中的“孤岛现象”。因此,推动创新链布局重构,实现价值延伸,是当前我国重要发展战略之一,而人工智能嵌入为此提供了新思路。

创新链布局重构旨在通过对现有创新链的结构、流程、资源配置等方面进行系统性调整和优化,提升创新链整体效能,推动关键核心技术领域的数字化转型、网络化协同与智能化变革。人工智能嵌入为推动创新链布局重构提供了新可能[1],促进关键技术创新链各节点的数智化转型升级,加快数据要素与创新链各节点的深度融合,赋能数智企业在数智驱动、跨界协同、联动交互、创产结合下重构创新链格局[2]。学者们从人工智能嵌入与创新链布局重构的特征事实[3]、变化趋势[4]、风险剖析[5]、效应识别[6]、机制理解[7]和路径选择[8]等方面进行了定性探讨,为人工智能嵌入推动创新链布局重构奠定了理论基础。同时,学界围绕人工智能嵌入推动创新链布局重构展开了以下三方面探索:一是人工智能嵌入有助于提升关键核心技术创新效率。中国关键科技领域面临“卡脖子”技术掣肘,创新链要素整合与生产分工脱节[9],高精尖领域缺乏前沿技术突破。现有研究表明人工智能嵌入可为创新链提供高效要素整合范式,增强垂直整合能力[10]。张虎等[11]与董直庆等[12]指出,人工智能嵌入推动算据、算力与算法动态融合,赋能利用式创新与探索式创新,形成数智创新生态,提升创新效率。据此,学者提出了人工智能驱动创新链升级理论[13]及具体路径[14]。二是人工智能嵌入推动创新链“长度”“广度”与“宽度”提升。人工智能为协同创新提供原生动力,通过串联智能算法提升创新链“长度”[15]。同时,人工智能与传统产业融合,拓展创新链覆盖范围,提升“广度”[16]。学者对此进行了多维度诠释,涉及区域创新主体联动[17]、产创节点合作[18]、关键技术垂直整合[19]、新旧动能转换[20]等,进一步拓展创新链“宽度”[21]。三是人工智能嵌入推动创新链布局合理化与高级化。中国关键核心创新链前沿技术面临“卡脖子”问题[22-23],重构创新链新布局成为新要求[24]。创新链布局重构上升为国家战略,研究由生产链集聚[25]转向创新链布局[26]。学者提出人工智能嵌入可打通创新链堵点,推进纵横协同[27],重组创新链,提升延展精度[28]。陶锋等[29]实证发现人工智能嵌入有效推动创新链布局优化,国外研究也得出相似结论[30-32]。然而,现有研究多停留在宏观、中观理论层面,缺乏对创新链布局重构的微观定量分析。

本文的边际贡献在于:一是提出了人工智能嵌入的网络连接效应、渗透赋能效应和价值创造效应,进一步解构人工智能嵌入通过要素空间融合与产业技术协同推动创新链布局重构的作用机制,并建立相应的数理模型进行理论分析。二是构建了人工智能嵌入程度和创新链布局重构效能等测度指标,进一步检验人工智能嵌入推动创新链布局重构的作用机制,揭示人工智能嵌入对中国“卡脖子”创新链布局重构及价值延伸的影响,为创新链布局重构提供了理论支撑和实践参考。三是拓展分析了人工智能嵌入对“卡脖子”创新链价值延伸长度和宽度的影响,为深化创新驱动发展战略,构筑中国核心创新体系提供了新的视角和思路。

二、理论分析与研究假说

(一)人工智能嵌入推动创新链布局重构的直接效应

人工智能嵌入赋能中国关键核心技术领域的数字技术创新,形成高技术产品智能化生产、信息化流通、数字化销售的一体化分工,推动创新链布局重构。其直接作用机制体现在网络连接、渗透赋能和价值创造三个方面。

1.网络连接效应

人工智能嵌入促进创新资源在不同节点间自由流动和高效利用,打破信息壁垒,引领数智生产网络交叉融合与创新,激发创新链生产模块自我感知与自主适应潜能,提升要素配置效率、数据匹配精度和关键技术创新动能,带动“卡脖子”创新链布局重构。同时,人工智能嵌入创新链数智生产网络,促进技术创新模态间的数据对齐与融合,提升技术连接效率,降低研发和要素流通成本,突破产业创新集聚技术门槛,推动“卡脖子”创新链布局重构。据此,提出如下假说。

H1 人工智能嵌入推动了“卡脖子”创新链布局重构。

2.渗透赋能效应

人工智能嵌入降低技术研发信息成本,缓解信息不对称等问题,实现数智化运算效率颠覆性突破,借助多模态学习和跨模态理解,赋能创新主体多维协同整合与优化配置,引领“卡脖子”创新链向技术与资本密集型“动能转换”,形成数据驱动、人机交互、跨界融合一体化发展模式,实现核心环节“精细制造”“柔性生产”。同时,人工智能嵌入创新链进行关键信息提取与核心内容转换,强化创新资源实时监控和动态调整,提高运行效率和创新能力,推动“卡脖子”创新链布局重构。据此,提出如下假说。

H2 人工智能嵌入推动“卡脖子”创新链布局重构从劳动密集型向技术与资本密集型“动能转换”。

3.价值创造效应

人工智能嵌入通过精准预测和模拟优化等手段,推动创新链各节点数据要素数智化清洗、过滤、整合,引致“卡脖子”创新链与“高精度”数据链融合,提高科技创新成果质量,构建各环节耦合联动的价值创造体系,推动前后端布局重构“动能涌现”。同时,人工智能嵌入利用高密度算法整合关键信息,降低新兴数智技术与市场经济价值间的不确定性,推动前后端价值嵌入、联通、输出,借助开源模型和开放算法,引导数字产业化与产业数字化联动,实现创新链与价值链动态优化与调整,推动“卡脖子”创新链布局重构。据此,提出如下假说。

H3 人工智能嵌入推动了“卡脖子”创新链前后端布局重构“动能涌现”。

(二)人工智能嵌入推动创新链布局重构的间接效应

关键领域“链主”企业通过核心技术创新,以要素空间融合为基础、产业技术协同为导向,赋能创新链布局重构,推动高技术产品价值增值,实现创新链价值延伸。人工智能嵌入对创新链布局重构的间接作用体现在创新集聚空间融合和创新产业技术协同两个方面。

1.创新要素空间融合

人工智能嵌入“卡脖子”创新链的产品开发系统,提升技术融合效率,引导关键数据要素定向流入内部组织架构,集聚关键要素、核心技术与优质产能,赋能高技术产品提质增效。同时,发达要素市场与高技术行业人工智能嵌入推动技术创新模型集成与训练增强,促进双循环关键数据要素在“卡脖子”创新链中指向性集聚,驱动各环节关键要素由静态链式集聚向动态空间融合转变,形成战略性新兴产业“卡脖子”创新链关键要素空间融合的关键驱动力,推动“卡脖子”创新链布局重构。据此,提出如下假说。

H4 发达要素市场与高技术行业成为人工智能嵌入推动“卡脖子”创新链布局重构的“催化剂”。

2.创新产业技术协同

人工智能嵌入引导传统产业创新链跨界协同,促进传统产业和新兴产业创新技术对接,推动关键核心产业横向技术溢出与纵向技术嵌入耦合,破除传统产业数字化转型的技术协同障碍,降低前端技术研发应用与后端价值延伸震荡所致的“长尾效应”,推动产业模式转换、重塑产业创新范式、深化产业技术协同。同时,人工智能嵌入最大化训练传统产业数据可能性,利用隐式密度模型形成技术文本到数据画像的生成式模型,实现传统产业创新范式演进,引导创新资源向关键领域和薄弱环节倾斜,推动“卡脖子”创新链布局重构。据此,提出如下假说。

H5 人工智能嵌入通过创新要素空间融合与创新产业技术协同推动了“卡脖子”创新链布局重构。

(三)理论模型

基于上述分析,将“卡脖子”创新链分为前端、中介与后端三个部分,构建创新链前后端生产函数,刻画创新链前后端产能输出,对创新链布局重构效能进行测算,探究人工智能嵌入推动“卡脖子”创新链布局重构问题,具体过程如下所示。

1.创新链前后端生产函数的构建

假设y表示数智化产成品数量,P表示创新链智能机器设备的生产能力,κ∈(0,1)表示人工智能渗透赋能水平,e表示关键要素产出弹性系数。由于关键要素属于技术密集型中间产品,其产量受生产要素变动影响,因此e>1且外生。根据李磊和马欢(2023)[33]的研究,构建创新链前端生产函数。

yF=e(PI)κ

(1)

其中,yF表示创新链前端的关键要素产量,I表示数字信息传播速率,进一步地,构建创新链后端生产函数。

yB=(aDYMYI)κ

(2)

其中,yB表示创新链后端的高技术产成品,a表示数字技术创新效率,D表示人工智能嵌入程度,YM和YI分为表示创新链中介的要素空间融合与产业技术协同效率。人工智能嵌入通过数智生产网络连接创新链前端、中介与后端,整合创新链前端产出的关键要素,统筹创新链中介的数字技术创新、要素空间融合与产业技术协同,渗透赋能创新链后端高技术产成品的生产制造。

2.创新链前后端产能输出的度量

假设LH表示高技能劳动投入,ω∈(0,1)表示数智生产网络效能,T为创新链价值创造效率,S为数字经济规模,dv为技术跨境交互成本,c为创新产业技术协同系数,得到创新链前端关键要素输出的表达式:ΘF=pYF-TSI-Fc。同时,令创新链高技术产品为计价物且价格为1,利用创新链前后端效能最大化得到创新链整体对高技术产品的反需求函数:ω(LH/y)1-ω=p,利用创新链整体生产效能最大化一阶条件,得到创新链前端数字信息传播速率与后端数字技术创新效率的表达式。

(3)

其中,1/(1-κω)为正且绝对值大于1。人工智能嵌入基于数智生产网络,引导智能机器设备和高技能劳动“靶向”集聚,通过创新链中介要素空间融合与产业技术协同,提升创新链前端数字信息传播速率和后端数字技术创新效率。

3.创新链布局重构效能的测算

假设存在智能机器设备生产率临界值,使得创新链前端关键要素和后端高技术产品输出相等,可得

(4)

由式(4)可知,在创新链智能机器设备生产率的临界值处,人工智能嵌入推动创新链前后端有效对接,赋能关键核心技术循环畅通,实现创新链整体生产效能最大化。在式(4)的基础上,推导创新链中介的要素空间融合和产业技术协同效率。

(5)

令P0+1和P0分别表示创新链智能机器设备生产率的最大和最小值。创新链智能机器设备生产率的临界值与区间下界之差表示智能机器设备对创新链生产制造渗透赋能的“可达区间”(即),将其长度与创新链智能机器设备生产率“整体区间”(即[P0,P0+1])的长度之比表示创新链布局重构效能。据此,写出其完全展开式

(6)

其中,P0为常数。由式(4)-(6)可知,数智生产网络效能、人工智能渗透赋能水平、创新链价值创造效率三者与“卡脖子”创新链布局重构效能的变动方向相同,并结合,可以得出人工智能嵌入的网络连接效应ω、渗透赋能效应κ和价值创造效应T直接推动了“卡脖子”创新链布局重构。同时,、且、,表明人工智能嵌入通过创新要素空间融合和创新产业技术协同间接推动了“卡脖子”创新链布局重构及其价值延伸。据此,提出如下假说。

H6 人工智能嵌入推动了“卡脖子”创新链价值延伸。

三、研究设计

(一)计量模型

结合上述理论机制分析,构建基准回归模型,对人工智能嵌入推动“卡脖子”创新链布局重构问题进行实证检验。具体模型如下式(7)所示。

ERLijt=α0+α1AIEijt+θXijt+λi+ρj+ϑt+εijt

(7)

其中,ERLijt表示i集群j行业t年的创新链布局重构效能;AIEijt表示i集群j行业t年的人工智能嵌入程度;Xijt表示一系列控制变量的组合,具体包括研发资本投入(Rd)、数字经济规模(Sca)、产业结构水平(Ind)、高技能劳动投入(Lab)、双向技术溢出水平(Lts);λi、ρj、ϑt分别表示集群、行业和年份固定效应;εijt为残差项。系数α1表示i集群j行业t年的人工智能嵌入程度对其创新链布局重构效能的影响程度,为本文重点关注系数。同时,构建中介效应模型,如式(8)所示。

Mijt=β0+β1AIEijt+ηXit+λi+ρj+ϑt+εijt

(8)

其中,Mijt表示中介变量,分别为要素空间融合效率(FSIE)、前向与后向产业技术协同效率(ITSE)。

(二)变量说明

1.被解释变量

创新链布局重构效能(ERL)。该指标评估创新链布局重构后所取得的成效和效率,反映了关键技术创新对创新链整体性能的提升水平。参考庞磊和阳晓伟(2023)[34]的研究,利用相关指标体系和统计数据,构建“卡脖子”创新链布局重构效能指标,包括三个指标,具体表达式如式(9)-(11)所示。

(9)

(10)

(11)

其中,ELRIF,ijt、ELRII,ijt和ELRIB,ijt分别表示i集群j行业创新链前端、中介和后端在t年的布局重构效能,k表示关键核心技术创新链,P表示创新链智能机器设备生产率,e表示关键要素产出弹性系数,a表示数字技术创新效率,θ表示技术转化效率,N表示数智化产成品数量,c表示创新产业技术协同系数,d表示创新链的数字技术异性,v表示创新链的关键要素流失系数,ΘF和ΘB分别表示创新链前端的关键要素输出和后端的高技术产品输出,YM和YI分别表示创新链中介要素空间融合效率与产业技术协同效率,在此基础上,对创新链前端、中介与后端布局重构效能取平均值,构建“卡脖子”创新链布局重构效能指标。

2.解释变量

人工智能嵌入程度(AIE)。该指标衡量人工智能技术通过数智产业及企业的智能生产设备,推动颠覆性技术创新与先进制造技术深度融合,对关键核心领域高技术增加值产生的提升作用。参考《人工智能指数报告》《中国数字经济发展研究报告》《中国人工智能计算力发展评估报告》和《全球数字经济发展指数报告》,选取24个二级指标和6个一级指标,按照各个二级指标所对应的权重进行测度,以此构建人工智能嵌入程度指标。

3.中介变量

(1)要素空间融合效率(FSIE)。要素空间融合效率是指数据要素在创新链各个节点之间进行传导,渗透赋能各个生产环节,形成“互利共生、优势互补”垂直专业化生产体系的综合效率。借鉴韩峰和姜竹青(2023)[35]的研究,收集各个集群与行业层面关键核心技术产业的创新链前端关键要素产量与后端高技术产成品,构建要素空间融合效率指标,如式(12)所示。

(12)

其中,FSIEijt表示i集群j行业创新链整体在t年的要素空间融合效率,IAF,ijt、IAI,ijt和IAB,ijt分别表示i集群j行业创新链前端、中介与后端在t年的要素空间融合效率,分母中的2n2表示该式经过标准化处理。

(2)产业技术协同效率(ITSE)。产业技术协同效率是指创新链各个节点之间通过关键核心科技的研发与创新,进行技术吸收、转化、应用与溢出,以此对全要素生产率产生的提升作用。借鉴陈爱贞等(2021)[36]的研究,将创新链前端关键要素产量与后端高技术产成品相加,除以跨境技术交互成本并乘以创新链中介的产业技术协同效率,构建产业技术协同效率指标,在此基础上,假设NSCF,ijt、NSCI,ijt和NSCB,ijt分别表示i集群j行业创新链前端、中介和后端在t年的生产阶段数,构建创新链产业技术协同效率表达式:。同时,将产业技术协同效率(ITSE)指标细分为前、后向产业技术协同效率,如式(13)所示。

(13)

其中,ITSExy,ijt为关键核心技术协同矩阵的x行y列元素,ITSExt(y)和ITSEyt(x)分别表示前、后向产业技术协同效率。

4.控制变量

基于现有研究,选取中国各省份的研发资本投入(Rd)、数字经济规模(Sca)、产业结构水平(Ind)、高技能劳动投入(Lab)和双向技术溢出水平(Ind)作为人工智能嵌入推动“卡脖子”创新链布局重构的控制变量。主要变量及其测度方法如表2所示。

(三)数据来源

结合《数字经济及其核心产业统计分类(2021)》,利用wind、国泰安等数据库,匹配得到2013—2023年62个数智创新集群所属35个数字核心产业的三维面板数据。创新链布局重构效能数据来源于《国家创新能力评价指标体系》《中国科技统计年鉴》、中国研究数据服务平台和世界银行发展指标数据库,缺失数据采用回归插补法和函数插值法补全。同时,人工智能嵌入程度数据来源于《人工智能指数报告》《中国数字经济发展研究报告》《中国人工智能计算力发展评估报告》和《全球数字经济发展指数报告》,中介变量要素空间融合效率和产业技术协同效率的数据来源于中国研究数据服务平台。此外,控制变量数据来源于中经网、锐思数据库、中国工业企业数据库和国家统计局官网。主要变量描述性统计如表3所示。

四、实证分析

(一)基准回归检验

构建行业、年份和数智创新集群的三重固定效应模型,对人工智能嵌入推动“卡脖子”创新链布局重构问题进行实证检验,回归结果如表4所示。总体层面,列(1)-(8)人工智能嵌入程度的回归系数为正,在1%水平上显著,表明人工智能嵌入有效地推动了“卡脖子”创新链布局重构。具体来看,列(1)-(4)为采用双向固定效应的回归结果,加入控制变量并逐步加入固定效应,发现人工智能嵌入程度的回归系数为正,在1%水平上显著,表明人工智能嵌入程度越高,对“卡脖子”创新链布局重构效能的提升作用越强。同时,列(5)-(8)为采用分位数回归法的回归结果,人工智能嵌入在20%、40%、60%、80%百分位数上为正,在1%水平上显著,表明随着百分位数的增加,人工智能嵌入对创新链布局重构的推动作用呈现逐步增强的趋势,假说H1得以验证。

(二)内生性检验

采用工具变量和组内差分两种方法对内生性问题进行处理,分别选取人工智能嵌入程度的滞后一期(IV1)、1984年各数智企业创新集群邮局数与互联网宽带端口数的交乘项(IV2)和固定电话数与光缆密度的交乘项(IV3)作为工具变量,进行两阶段最小二乘法,回归结果如下表5所示。

表5显示了工具变量法和组内差分法的回归结果,各组工具变量回归中Kleibergen-Paap rk LM的P值为0.00,并且F统计量大于10,说明工具变量的选取符合标准。在考虑人工智能嵌入与“卡脖子”创新链布局重构之间可能存在的内生性问题后,人工智能嵌入程度的系数为正,在1%水平上显著,表明在借助工具变量解决部分内生性问题后,人工智能嵌入仍能显著推动“卡脖子”创新链布局重构,这与前文结果完全一致。此外,采用组内差分变换的方法对内生性问题进行处理,回归结果如表5列(4)所示,人工智能嵌入程度的系数为正,在1%水平上显著,表明借助组内差分法处理内生性问题后,人工智能嵌入推动创新链布局重构,假说H1仍然成立。

(三)稳健性检验

为了检验实证结果的稳健性,采用四种方法对人工智能嵌入推动创新链布局重构的实证结果进行稳健性检验。一是去除新冠疫情影响,截取2010—2019年的企业样本,重新进行回归;二是去除中美贸易摩擦影响,剔除2018—2023年的企业样本后重新进行回归;三是去除《“十四五”智能制造发展规划》相关政策影响,剔除2022—2023年的企业样本,重新进行回归;四是剔除直辖市企业重新进行回归。回归结果如表6列(1)-(4)所示。人工智能嵌入程度的系数均为正,且至少在10%水平上显著,验证实证结果稳健性。

(四)中介效应检验

采用要素空间融合效率,以及前后向产业技术协同效率作为中介变量,对人工智能嵌入推动“卡脖子”创新链布局重构的中介效应进行实证检验,回归结果如表7所示。列(1)人工智能嵌入对要素空间融合效率影响的回归系数为6.74,在5%水平上显著,表明人工智能嵌入通过创新要素空间融合有效地推动了“卡脖子”创新链布局重构。同时,列(2)-(3)中人工智能嵌入对创新链前、后向产业技术协同效率影响的估计系数分别为1.77和0.96,在1%水平上显著,表明人工智能嵌入通过创新产业技术协同推动“卡脖子”创新链布局重构。据此,人工智能嵌入通过两个路径推动“卡脖子”创新链布局重构:一是整合创新链各环节关键要素,智能分析核心数据,促进关键生产要素由链式输送向空间融合转变,构建产创联动体系[37-38];二是赋能创新链原始创新节点,利用嵌入式AI分析开发应用前端算法,加快核心生产技术数智化迭代升级,同时引导关联产业信息技术靶向输送,提升前后向产业技术协同效率,推动关键核心技术对接[39-40]。据此,假说H5得到验证。

(五)异质性检验

1.产业异质性

将“卡脖子”创新链关联产业分为劳动密集型、资本密集型和技术密集型,探究人工智能嵌入推动“卡脖子”创新链布局重构的产业异质性,回归结果如表8所示。列(1)表明全产业人工智能嵌入有效地推动了“卡脖子”创新链布局重构,该作用在1%水平上显著,列(2)-(4)为异质性要素集聚产业人工智能嵌入对“卡脖子”创新链布局重构的影响。具体而言,列(2)人工智能嵌入程度的回归系数为负,在5%水平上显著,表明劳动密集型产业的人工智能嵌入抑制了“卡脖子”创新链布局重构;同时,列(3)-(4)人工智能嵌入程度的回归系数为正,至少在5%水平上显著且前者大于后者,表明资本密集型、技术密集型的人工智能嵌入推动了“卡脖子”创新链布局重构,且资本密集型的推动作用大于技术密集型。对于劳动密集型产业,发达国家占据高技术环节,发展中国家主要依靠传统机械制造,难以突破人工智能赋能下的技术门槛;而资本密集型产业通过人工智能嵌入提高研发资本利用率和技术溢出水平,推动“卡脖子”创新链布局重构;但技术密集型产业缺少关键核心技术原始创新能力,亟需突破技术掣肘,因此人工智能嵌入对其推动作用有限。假说H2得到验证。

2.创新链位置异质性

将创新链分为前端、中介与后端三个部分,考察人工智能嵌入对“卡脖子”创新链不同位置布局重构的影响,回归结果如表9所示。人工智能嵌入对“卡脖子”创新链前端布局重构的推动作用强于后端,对创新链中介布局重构的推动作用不显著。据此,人工智能嵌入对创新链不同环节布局重构的推动作用有所差异。其中,对创新链前端布局重构的推动作用略大于后端,主要通过提升信息通信与自主研发效率,整合关键要素,促进关键技术创新转化为新质生产力;而创新链后端利用人工智能嵌入加快关键技术领域数字化转型,实现高技术产成品对薄弱环节的精准输送和靶向嵌入,推动创新链布局重构;然而,人工智能嵌入提升创新链海量数据处理效率,推动前后端数智交互对接,降低中介关键要素和核心技术的枢纽作用,因此对创新链中介布局重构的推动作用不明显。假说H3得到验证。

3.地区与行业异质性

按照要素市场发达指数将样本划分为要素市场发达地区和非要素市场发达地区,探究人工智能嵌入推动“卡脖子”创新链布局重构的地区异质性,回归结果如表10所示。无论是要素市场发达地区还是非要素市场发达地区,人工智能嵌入有效地推动了“卡脖子”创新链布局重构,且要素市场发达地区的推动作用大于非要素市场发达地区。要素市场发达地区利用人工智能嵌入更有利于推动“卡脖子”创新链布局重构:一方面,人工智能嵌入整合资源要素,集聚高技能劳动力和研发资本,促进创新链各环节有机衔接循环;另一方面,人工智能嵌入结合政府靶向扶持和要素引导,渗透赋能创新链各环节,促进“链主”企业数字化转型,提升高技术产品生产率。此外,人工智能嵌入借助要素市场“优胜劣汰”机制,推动关键要素、研发资本、数字技术、数字产业协同发展,加快创新链、产业链、资金链、人才链良性循环,推动“卡脖子”创新链布局重构。进一步地,不同行业人工智能嵌入对创新链布局重构的推动作用存在差异,参考现有研究,根据《国民经济行业分类(2017)》,将创新链关联行业划分为高技术行业和低技术行业,考察人工智能嵌入推动“卡脖子”创新链布局重构的行业异质性,回归结果如列(3)-(4)所示。可以得出,高技术行业人工智能嵌入推动了“卡脖子”创新链布局重构,低技术行业的推动作用不显著。高技术行业较低技术行业更能发挥人工智能嵌入优势,推动创新链布局重构。高技术行业善用高技术劳动力与研发资本,人工智能嵌入整合传统生产要素与新兴数据要素,以超级计算、云计算和边缘运算等强大算力支持创新链数据处理分析,增强数据感知、传输、储存和运算能力,推动高技术行业创新链布局重构。假说H4得到验证。

表1 人工智能嵌入程度的指标体系框架

表2 主要变量与测度方法

表3 变量描述性统计

表4 基准回归结果

注:*、**和***分别表示在10%、5%和1%的水平上显著,括号内为标准误。下同。

表5 内生性检验结果

表6 稳健性检验结果

表7 中介效应检验结果

表8 产业异质性回归结果

表9 数字投入来源异质性回归结果

表10 地区、行业位置异质性回归结果

五、拓展分析

人工智能嵌入整合高技术创新资源,提高智能设备效率,为传统产业创新链提供数据支持,缩短生产技术创新周期,加快数字化转型,推进“卡脖子”技术自主创新,实现创新链价值延伸。同时,促进跨领域技术合作与双循环产销融合,颠覆传统产业封闭式创新体系,提高关键技术竞争力和创新引导力,增强价值创造环节动态延伸能力,拓宽价值延伸范围。为探究人工智能嵌入对创新链价值延伸推动作用,构建价值延伸长度和宽度指标。

(1)创新链价值延伸长度(LCV)。参考杨仁发和郑媛媛(2023)[41]的方法,构建创新链价值转换效率指标,在此基础上,对创新链价值延伸长度进行测度,具体如式(14)所示。

(14)

其中,VCEijt表示i集群j行业创新链在t年的价值转换效率,LCVijt表示i集群j行业创新链在t年的价值延伸长度,T表示观测基期。

(2)创新链价值延伸宽度(WCV)。参考杨仁发和郑媛媛(2023)[41]的方法,构建创新链价值延伸宽度指标,具体如式(15)所示。

WCVijt=Λc[(yF,ijt)P+(yB,ijt)P]

(15)

其中,WCVijt表示i集群j行业创新链在t年的价值延伸宽度,Λ表示创新链价值延伸效能。据此,对人工智能嵌入推动“卡脖子”创新链价值延伸问题进行实证检验,回归结果如表11所示。

表11 人工智能嵌入对“卡脖子”创新链价值延伸影响的检验结果

通过上述回归结果,各列中人工智能嵌入的回归系数为正,在1%水平上显著,表明人工智能嵌入有效地提升了“卡脖子”创新链价值延伸的长度和宽度,加入控制变量后该结果并未发生明显变化。同时,前两列中人工智能嵌入的回归系数大于后两列,说明人工智能嵌入对“卡脖子”创新链价值延伸长度的提升作用强于价值延伸宽度。人工智能嵌入对“卡脖子”创新链价值延伸长度和宽度的提升作用有所差异。创新链价值延伸长度涵盖前后端高技术产能输出效率、中介环节要素加工与技术协同耦合作用,以及各环节技术联通转化交互效率。人工智能嵌入推进中介技术协同,提升价值延伸长度。而价值延伸宽度综合考量创新产业技术协同下前后端高技术产品生产能力。人工智能嵌入虽提升智能设备生产率,赋能高技术产品制造,但受数字技术异性和关键要素流失影响,导致前端关键要素与后端高技术产品输出损耗,对价值延伸宽度提升作用有限。因此,人工智能嵌入对价值延伸长度的提升作用强于宽度,假说H6得到验证。

六、研究结论与政策启示

人工智能嵌入重塑技术创新体系,推动创新链要素整合和技术研发提质增效。基于“卡脖子”创新链视角,聚焦人工智能嵌入推动创新链布局重构及价值延伸问题,研究发现:人工智能嵌入有效提升了中国“卡脖子”创新链布局重构,但存在产业、创新链位置以及地区与行业异质性。其中,资本密集型产业推动作用大于技术密集型,而劳动密集型产业则呈现抑制效应;创新链前端推动作用强于后端,中介作用不显著;要素市场发达地区、高技术行业的推动作用更为突出。此外,人工智能嵌入还有效促进了“卡脖子”创新链价值延伸。基于此,得出以下政策启示。

第一,提升智能制造发展质量。加快突破人工智能嵌入系统的规划设计、建模仿真、分析优化等技术,创新拓展智能制造新模式新业态,推动创新要素空间融合与创新产业技术协同,培育壮大高端智能装备、工业机器人、工业软件、增材制造等新兴产业,推动创新链布局重构。

第二,提升存量创新发展水平。增强人工智能嵌入赋能传统制造业,建设数字化车间、智能工厂、互联工厂等智能制造新模式,推进产业新旧动能转换,通过嫁接大规模个性化定制、全生命周期管理、网络协同制造、云平台等智能制造新业态促进资本密集型与技术密集型产业创新协同,推动创新链布局重构。

第三,扩大新兴产业增量规模。面向装备、单元、车间、工厂等制造载体,构建与人工智能嵌入相匹配的数据字典和信息模型,加强数据共享和平台共建,带动产业化促进组织建设,加快创新成果转移转化,引领战略性新兴产业创新链前中后端深度融合,推动创新链价值延伸。

参考文献

[1]钞小静,沈路,廉园梅.人工智能技术对制造业就业的产业关联溢出效应研究[J].现代财经(天津财经大学学报),2022,42(12):3-20.

[2]宋华,韩梦玮,沈凌云.人工智能在供应链韧性塑造中的作用——基于迈创全球售后供应链管理实践的案例研究[J].中国工业经济,2024(5):174-192.

[3]黄浩权,戴天仕,沈军.人工智能发展、干中学效应与技能溢价——基于内生技术进步模型的分析[J].中国工业经济,2024(2):99-117.

[4]吕越,张昊天,高恺琳.人工智能时代的中国产业链“延链补链”——基于制造业企业智能设备进口的微观证据[J].中国工业经济,2024(1):56-74.

[5]申明浩,庞钰标.数字技术创新赋能企业资本跨区域流动——兼议全国统一大市场建设[J].现代财经(天津财经大学学报),2024,44(5):3-21.

[6]CHEN K M,CHEN X Q,WANG Z A,et al.Does artificial intelligence promote common prosperity within enterprises? — Evidence from Chinese-listed companies in the service industry [J].Technological Forecasting and Social Change,2024,200(3):1-9.

[7]陈强远,殷赏,程芸倩,等.围绕创新链布局产业链:基于中关村科技园周边新企业进入的分析[J].中国工业经济,2024(1):75-92.

[8]LENG J W,ZHU X F,HUANG Z Q,et al.Unlocking the power of industrial artificial intelligence towards Industry 5.0:insights,pathways,and challenges [J].Journal of Manufacturing Systems,2024,73(4):349-363.

[9]吕越,谷玮,尉亚宁,等.人工智能与全球价值链网络深化[J].数量经济技术经济研究,2023,40(1):128-151.

[10]陈东,秦子洋.人工智能与包容性增长——来自全球工业机器人使用的证据[J].经济研究,2022,57(4):85-102.

[11]张虎,高子桓,韩爱华.企业数字化转型赋能产业链关联:理论与经验证据[J].数量经济技术经济研究,2023,40(5):46-67.

[12]董直庆,姜昊,王林辉.“头部化”抑或“均等化”:人工智能技术会改变企业规模分布吗?[J].数量经济技术经济研究,2023,40(2):113-135.

[13]陈琳,高悦蓬,余林徽.人工智能如何改变企业对劳动力的需求?——来自招聘平台大数据的分析[J].管理世界,2024,40(6):74-93.

[14]程文.人工智能、索洛悖论与高质量发展:通用目的技术扩散的视角[J].经济研究,2021,56(10):22-38.

[15]LI M X,WAN Z Z,ZOU T R,et al.Artificial intelligence enabled self-powered wireless sensing for smart industry [J].Chemical Engineering Journal,2024,492(7):1-12.

[16]张晓兰,黄伟熔.我国产业链创新链融合发展的趋势特征、经验借鉴与战略要点[J].经济纵横,2023(1):93-101.

[17]刘钧霆,李若曦,王子睿.双向FDI协调发展对全球价值链分工地位升级的空间溢出效应研究——基于跨国面板数据的空间杜宾模型检验[J].现代财经(天津财经大学学报),2023,43(5):50-66.

[18]张洪胜,杜雨彤,张小龙.产业数字化与国内大循环[J].经济研究,2024,59(5):97-115.

[19]TAZIM A,CHITRA L K,SUMAIYA B N,et al.Modeling the artificial intelligence-based imperatives of industry 5.0 towards resilient supply chains:a post-COVID-19 pandemic perspective [J].Computers &Industrial Engineering,2023,177(3):1-12.

[20]龙如银,叶景,杨家慧.生产要素价格对产业结构优化影响的空间分异研究[J].江南大学学报人文社会科学版,2022,21(1):57-71.

[21]SOURABH B,KANNAN G,SURAJIT G D,et al.Applications of artificial intelligence in closed-loop supply chains:systematic literature review and future research agenda [J].Transportation Research Part E:Logistics and Transportation Review,2024,184(4):1-27.

[22]陈露,刘修岩.产业空间共聚、知识溢出与创新绩效——兼议区域产业多样化集群建设路径[J].经济研究,2024,59(4):78-95.

[23]庞磊,丁文丽.数字经济提升了产业链关键环节的控制能力吗?——基于数字产业化和产业数字化的对比研究[J].科学学研究,2024,42(3):541-553.

[24]章秀琴,施旭东.国内国际双循环联动、生产要素流动与出口工业产品质量升级[J].现代财经(天津财经大学学报),2023,43(8):49-63.

[25]TIAN H N,ZHAO L Y,LI Y F,et al.Can enterprise green technology innovation performance achieve “corner overtaking” by using artificial intelligence? — Evidence from Chinese manufacturing enterprises [J].Technological Forecasting and Social Change,2023,194(9):1-14.

[26]AYMAN W A.Drivers of generative artificial intelligence to fostering exploitative and exploratory innovation:a TOE framework [J].Technology in Society,2023,75(11):1-12.

[27]杨林,李敏.改革开放以来中国企业技术创新主体地位演变历程、机理及态势[J].江南大学学报人文社会科学版,2023,22(3):27-43.

[28]赵晶,孙泽君,程栖云,等.中小企业如何依托“专精特新”发展实现产业链补链强链——基于数码大方的纵向案例研究[J].中国工业经济,2023(7):180-200.

[29]陶锋,王欣然,徐扬,等.数字化转型、产业链供应链韧性与企业生产率[J].中国工业经济,2023(5):118-136.

[30]DRAGOS M O,RAZVAN R,DANIEL R.Mapping the conceptual structure of innovation in artificial intelligence research:a bibliometric analysis and systematic literature review [J].Journal of Innovation &Knowledge,2024,9(1):1-15.

[31]SAUMYARANJAN S,SATISH K,NAVEEN D,et al.Artificial intelligence capabilities,open innovation,and business performance—Empirical insights from multinational B2B companies [J].Industrial Marketing Management,2024,117(2):28-41.

[32]SALMAN B,MARCO C,DAWOOD Q.Artificial intelligence and corporate innovation:a review and research agenda [J].Technological Forecasting and Social Change,2023,188(3):1-32.

[33]李磊,马欢.从“生产回岸”谈“稳外资”——基于发达国家机器人使用驱动的分析[J].管理世界,2023,39(10):41-59.

[34]庞磊,阳晓伟.中国产业链关键环节自主可控何以实现?——对高新技术企业集聚效应与技术创新的考察[J].南方经济,2023(5):107-126.

[35]韩峰,姜竹青.集聚网络视角下企业数字化的生产率提升效应研究[J].管理世界,2023,39(11):54-77.

[36]陈爱贞,陈凤兰,何诚颖.产业链关联与企业创新[J].中国工业经济,2021(9):80-98.

[37]范合君,吴婷,何思锦.企业数字化的产业链联动效应研究[J].中国工业经济,2023(3):115-132.

[38]中国社会科学院经济研究所课题组,黄群慧,杨耀武,等.结构变迁、效率变革与发展新质生产力[J].经济研究,2024,59(4):4-23.

[39]姚加权,张锟澎,郭李鹏,等.人工智能如何提升企业生产效率?——基于劳动力技能结构调整的视角[J].管理世界,2024,40(2):101-116.

[40]杨汝岱,李艳,孟珊珊.企业数字化发展、全要素生产率与产业链溢出效应[J].经济研究,2023,58(11):44-61.

[41]杨仁发,郑媛媛.数字经济发展对全球价值链分工演进及韧性影响研究[J].数量经济技术经济研究,2023,40(8):69-89.

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第3240

期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤

审核审校：蔡双立  方菲  胡少龙

长按以下二维码，关注《现代财经》公众微信号（modern-finance)

欣赏和阅读《现代财经》2024年第12期，敬请点击以下阅读原文