基于人工智能产业的融资效率分析——DEA模型视角_余倩.pdf

2023年第2期/一、引言近年来，我国政府大力推进科技创新，各大企业纷纷加大人工智能产业的研发投入，以创造更多的创新成果。1956年，美国学者McCarthy等首次提出了人工智能的概念，他的定义是：“基于人类的智力为基础，通过科技理论方法的协助，从而达到无限外延的一种技术。”人工智能的实质，就是将各种技术集成到生产全生命周期的每一个环节中，以替代或延长人的劳动，满足制造需求。我国是制造业的龙头，应该把人工智能作为发展的主攻方向，把科技、人工智能和制造业三者进行深度融合，促进制造业走向数字化、网络化及智能化发展，坚定不移地向着全球价值链中高端迈进，夯实制造化强国的基础。二、文献回顾许多学者长期关注企业融资与创新之间的关系。汪晓春（2002）指出，债务增长会让企业更加审慎地进行创新，从而使其在与竞争对手的竞争中处于劣势1。鞠晓生等（2013）发现，随着企业资金的限制越来越大，企业的创新能力也会变得更加平稳2。肖海莲等（2014）发现，探索性创新的投资会明显地被债务融资所束缚，而传统的创新则相对较少，不同来源的债务对于创新投资的制约程度也不尽相同：银行贷款与两项创新投资之间存在着显著的负相关，而传统的创新投资则可以将其用于研究3。戴跃强等（2007）认为，科技创新的投入与企业的资本结构存在着显著的负相关关系，它与企业的规模成正比，这在某种程度上也是熊彼特假设的有力佐证4。陈岩等（2016）运用3SLS分析法得出结论：流动负债会对创新投资造成负面效应，长期负债对企业的创新投资作用较小；国有企业的高投资、低效率的创新情况表明，委托代理冲突是国有企业面临的最大问题，因此从效率角度考虑，通过适当增加流动负债比率、减少长期负债比率，可以减少代理费用，进而增强企业的创新能力5。随着我国政府的大力支持，各大人工智能企业的规模不断扩大。如何充分利用现有的科研资源，提升企业的自主创新能力，成为我国制造业发展的一个重要课题。周开国等（2017）认为，随着技术的发展，技术的难度和结构的逐步提升，从利润最大化的角度出发，资金的约束会对企业的创新能力产生一定的制约作用，无论是对自主创新还是协同创新，都有不利的影响6。David等（2008）选取了日本企业作为样本，研究结果显示，负债结构和研发投入相匹配的企业要优于非匹配企业，并且随着监管的放宽，企业可以比较自由地获取各类负债，因此企业往往会调整负债结构和研发投入7。王玉泽等（2019）发现，企业的负债水平对创新投入和创新产出的影响呈倒“U”型，而对创新风险的影响表现为“U”型8。目前，我国对人工智能企业融资效率进行研究的学者很少，本研究采用DEA的包络分析方法进行实证分析，以提高融资效率、增强创新能力、规避资本结构对技术基于人工智能产业的融资效率分析DEA 模型视角 余 倩宋良荣摘要：运用 DEA 数据包络分析法（BCC、CCR 模型），对 20162020 年 20 家上市的人工智能企业融资效率进行研究，计算出企业的综合效率、纯技术效率和规模效率，并且绘出了相应的折线图，以此来评价企业的融资效率是否有效及发展趋势。人工智能企业的融资综合效率整体处于上升的趋势，纯技术效率和规模效率的数值接近有效水平。但是，纯技术效率和规模效率有一定的波动性，发展不稳定，说明企业正在努力改进融资规模和结构，加强技术创新，以谋求更高质量和更有效率的发展。关键词：人工智能；融资效率；DEA29DOI:10.16517/12-1034/f.2023.02.0092023年第2期/创新的负面效应。三、研究设计（一）DEA基本模型概述DEA是指利用DEA模型，在已知数据基础上，求出对应的生产边界，以评估多输入多输出决策单位的相对有效性。1978年，Charnes等提出第一个DEA模型CCR模型。后来，Banker等在1984年提出改变CCR模型中规模收益不变的假定，从而得到了另一个模型即BCC模型，用来评价决策单元的技术有效性。在DEA数据包络分析中，有效点在前沿面，其效率值为1；而无效点在前沿面之外，其效率介于0和1之间。DEA可以对分配效率和技术效率进行计算，而技术效率可以分为规模效率和纯技术效率。每一种模式都有两种模式：投入导向模式和产出导向模式。以产出为导向的DEA模式，以一定的投入因素为目标，以最大的产出为目标；反之，则为投入导向的DEA模式。由于企业的融资数据比较容易把握和获取，因此，选择投入导向的DEA模型来研究人工智能产业融资效率的影响。（二）DEA基本模型研究运用的DEA模型细分为两种类型：一是CCR模型，该模型假定规模报酬不变，主要用来测量技术效率；二是BCC模型，该模型假定规模报酬可变，主要测算纯技术效率，即技术效率与规模效率的比值。（三）相关评价指标的选定DEA是以目标决策为导向的数据评价方法，根据多项投入指标和产出指标，利用线性规划的方法，对于具有可比性的同类单位进行相对有效性评价。这里所研究的融资效率指标，在遵循数据包络分析的原理上选取了5项投入指标，分别为营业成本、外部融资、内部融资、研发费用及无形资产总额；3项产出指标，分别为营业收入、净利润及总资产报酬率。据此构建了融资效率的投入产出指标体系，如表1所示：营业成本作为企业考核指标的重要一环，反映了企业在生产经营的过程中付出的代价，是影响产出要素的重要变量，也能从侧面体现出企业对于资金的运用能力。外部融资反映企业从外部获取资金的能力，该项指标由债权融资和股权融资构成，可细分为长期借款、短期借款、实收资本（股本）及资本公积4者加总而来。内部融资反映了企业自身积累的能力，主要由历年的留存收益和未分配利润组成。研发费用是指研究与开发过程中所支付的费用，这里主要分析费用化支出部分，因为资本化的部分已经计入相关资产的成本。营业收入、净利润及总资产报酬率，能够折现出企业在融入资金后的经营成长情况。根据艾媒网、东方财富网、巨潮资讯网及同花顺的数据库信息，从人工智能的百强企业中筛选了20家上市公司为典型的研究样本，并对其20162020年公开发表的年度报告及相关数据进行研究。这20家公司分别为：主攻自动生产线和智能工厂的海康威视、环旭电子、全志科技、华中数控及欧比特；主攻数字化、智能装备解决方案的纳思达、大华股份、韦尔股份、中科曙光及科大讯飞；负责信息处理与传输的用友网络、狄耐克、中国长城、浪潮及优博讯；负责信息感知和采集的智莱科技、中兴通讯、赛微电子、亿联网络及远望谷。四、人工智能企业融资效率的测算在收集了20家企业的年报信息及相关数据后，根据前面提到的投入和产出指标，建立DEA数据包络模型。由于人工智能企业在生产经营过程中的投入要素比较容易把握，因此，主要用以投入导向为主体的CCR和BCC基本模型，运用DEA-SOLVERPro5软件测算20162020年20家人工智能企业的综合效率、纯技术效率及规模效率，据此得出融资效率水平，判断是否有效。（一）描述性统计分析根据20家人工智能企业数据可得相关的投入产出指标的描述性统计分析结果，如表2所示。表 1人工智能企业融资效率的投入产出指标体系类型编号指标名称指标定义投入指标X1营业成本利润表的营业成本X2外部融资长期借款短期借款股本资本公积X3内部融资留存收益未分配利润X4研发费用研究与开发过程中所支付的费用X5无形资产总额资产负债表中无形资产数值产出指标Y1营业收入利润表的营业收入Y2净利润利润表的净利润Y3总资产报酬率税后净利润平均总资产投资与融资TOUZIYURONGZI302023年第2期/从表3可以很清晰地看到人工智能企业融资综合效率，就整体而言，20162020年综合效率值为0.9173，小于1，说明我国人工智能企业融资效率还没有达到DEA有效的状态，企业在日常经营活动中还有进一步改善的空间。目前，人工智能行业的发展越来越深入，我国的人工智能发展走过了最开始的“摸着石头过河”阶段，现在已经逐渐走向正轨。然而，由于种种因素的影响，目前仍然处于发展的初级阶段。人工智能及创新驱动等战略的实施，大大地促进和规范了我国人工智能业的发展，在经营过程中，越来越多的企业广泛使用智能技术和智能由表2可以看出，我国人工智能行业的发展参差不齐，不同企业之间营业成本、筹资成本及盈利规模还存在较大差距，产出指标的净利润均值为11.56亿元，而标准差高达5.07亿元。从内部融资和外部融资的最大值和最小值来看，企业之间的融资能力差距较大，进而影响了企业的融资效率。企业所处发展阶段不同，涉及的行业不同，使得融资效率有差异。（二）人工智能企业的融资综合效率根据以上的分析，在假定规模效益不变的情况下，运用以投入为导向的CCR模型来计算我国人工智能企业的融资综合效率。采用20162020年所得综合效率的平均值，表示该企业的综合效率，避免出现数据的片面性。20家人工智能企业20162020年样本的综合效率测算结果，如表3所示：维度最大值最小值标准差投入139.6898.9415.8092.3752.5616.2858.2332.0410.8517.786.404.3212.868.761.56产出199.22141.4424.4717.185.655.0711.016.621.76指标名称平均值营业成本（亿元）114.37外部融资（亿元）69.97内部融资（亿元）44.71研发费用（亿元）13.31无形资产（亿元）11.43营业收入（亿元）162.79净利润（亿元）11.56总资产报酬率8.33表 2人工智能企业投入产出情况统计表 320162020 年人工智能企业融资综合效率企业2016年2017年2018年2019年2020年平均值海康威视1.00001.00000.96241.00001.00000.9925环旭电子1.00001.00001.00001.00001.00001.0000全志科技0.67600.74560.69780.73120.80110.7303华中数控0.92200.72660.79210.89701.00000.8675欧比特0.75960.79370.79410.87920.93470.8323纳思达1.00000.83811.00001.00001.00000.9676大华股份1.00000.98030.96381.00001.00000.9888韦尔股份0.96260.96361.00001.00001.00000.9852中科曙光0.96400.94720.87940.90970.90410.9209科大讯飞0.91050.89270.86730.91040.97450.9111用友网络1.00001.00001.00001.00001.00001.0000中国长城1.00000.81560.72790.75300.87180.8337浪潮信息0.92021.00001.00001.00001.00000.9840优博讯0.74760.77211.00000.78130.88220.8366狄耐克1.00001.00001.00001.00001.00001.0000智莱科技1.00001.00001.00001.00001.00001.0000中兴通讯1.00000.99211.00001.00001.00000.9984赛微电子0.65670.75660.82470.75220.78140.7543远望谷0.58340.73320.68161.00000.71890.7434亿联网络1.00001.00001.00001.00001.00001.0000年份平均值0.90510.89790.90960.93070.94340.9173312023年第2期/企业2016年2017年2018年2019年2020年平均值海康威视1.00001.00001.00001.00001.00001.0000环旭电子1.00001.00001.00001.00001.00001.0000全志科技1.00000.75900.69980.73031.00000.8378华中数控1.00000.81210.7974