善用其器：人工智能技术应用...十大数字中国建设的微观识别_邓云峰.pdf

善用其器:人工智能技术应用与公司市场价值 基于中共二十大数字中国建设的微观识别邓云峰张年华摘要:人工智能技术作为智能化制造的核心驱动力，为增进公司经营绩效和提升市场价值提供了持续动能。以 20072019 年中国 A 股上市公司年报为样本，利用大数据文本分析方法构建人工智能技术应用的代理指标体系，以检验人工智能技术应用对公司市场价值的影响。研究结果表明，人工智能技术应用对公司市场价值的提升具有促进作用，但因企业自身所在行业、所有制属性和所处区域异质性影响而不同。人工智能技术应用通过优化创新要素投入、提升公司营运效率、维护财务环境稳定和改善公司内外预期，驱动公司市场价值提升。进一步研究表明，人工智能技术应用在劳动力错配情景中也可有效助力公司发展。基于此，相关部门应完善人工智能技术相关基础设施建设，提升创新要素行业间配置效率，构建企业内外部多元联动保障机制，推动人工智能技术应用与实体企业生产经营相融合，助力数字中国建设。关键词:人工智能技术应用;公司价值;文本识别;劳动力错配中图分类号:F062 9文献标识码:A文章编号:20971346(2023)01010013一、引言人工智能技术(Artificial Intelligence，AI)作为 21 世纪三大尖端技术(基因工程、纳米科学、人工智能)之一，其应用正在深刻改变着微观经济主体的生产模式。近年来，世界各国纷纷将人工智能技术应用融入到国家发展战略规划中，中国尤其重视。党的二十大报告中指出要“加快建设数字中国”“构建新一代信息技术、人工智能等新的增长引擎”。如何抓住新工业革命的重大历史机遇窗口，深度强化人工智能技术与实体经济融合发展，是新时代新阶段下经济高质量发展的重要议题。从人工智能技术发展轨迹来看，2015 年国务院发布 中国制造 2025 首次提出“智能”概念，而后“人工智能”作为新的技术方向，20172019 年连续三年被写入全国“两会”政府工作报告中，国家各重要部委纷纷出台了一系列促进人工智能技术发展的重要政策，带来了人工智能发展的新浪潮。2021 人工智能发展收稿日期:20220530基金项目:国家自然科学基金青年项目(72202046)、国家社会科学基金一般项目(19BJY254)、广东省重点建设学科科研能力提升项目(2021ZDJS125)和广东区域金融政策研究中心委托课题(2021GDJD0101)。作者简介:邓云峰，华南理工大学经济与金融学院博士研究生，研究方向为企业数字化转型;张年华，通讯作者，上海财经大学金融学院博士研究生，研究方向为企业金融科技，1732268398 qq com。001白皮书 数据显示，截至 2020 年底，中国人工智能企业申请专利已达到 55 13 万项，居全球首位，人工智能核心产业规模已达到 3251 亿元。尤其自新冠肺炎疫情蔓延以来，经济、社会对人工智能等数字技术的需求更为广泛与强烈。如何更好地应用人工智能技术，发挥其经济引擎作用，并厘清人工智能技术应用对微观企业的作用及其机理，对推动数字中国微观建设与发展，助力产业结构转型升级，提升宏观经济发展动能有着重要指导意义。从自动化革命浪潮中应运而生的人工智能技术，历经了信息技术和数字技术发展的高级阶段(Harari，2017)。在现阶段中，信息数据的海量底蕴和高速增长态势，使得人工智能的算法优化和场景适配精度提升成为可能。从宏观层面来看，人工智能技术应用基于正向的知识扩散效应提高了经济系统的整体生产率水平(Duan et al，2019)，这种技术应用能够有效取代人力资本要素积累红利，以商品和服务的自动化、程序化生产提升市场竞争程度，进而促进经济的平稳增长(Aghion et al，2019)。从微观角度出发，人工智能技术在组织管理层面更是受到头部企业的青睐，新的人工智能技术提高了企业对于数据的预测能力(Miller S，2018)，在组织决策层面提高了企业的决策能力。同时，人工智能技术能够有效降低生产成本，重塑商业模式和生态(Agrawal et al，2018)，为微观经济主体转型升级提供了潜在驱动力(张龙鹏和张双志，2020)。基于此，本文认为人工智能运用会带来公司价值的提升。但需要正视的问题是，有关人工智能技术应用的经济增长效应，并非没有异议，比如有研究认为，现阶段人工智能尚未产生革命性的新业态，对生产力的驱动作用也是缓慢的(Dorn et al，2017;Mokyr，2018)，突出表现在人工智能技术应用高速发展和全球经济增长速率减缓“异象”长期性并存(Gordon，2018)。上述分析可见，理论层面有关人工智能技术应用效率尚未达成一致结论。从微观层面阐释人工智能技术应用，特别是其对于公司价值影响的探讨有待深入，以之为当前加快数字化中国政策实施提供理论支撑。与已有研究文献相比，本文可能的边际贡献是:第一，应用文本大数据识别的方式，构建了公司人工智能技术应用的代理变量，从不同视角刻画上市公司对于前沿技术的应用情况;第二，考虑到人口红利逐渐衰减和“机器替人”的背景环境，在原始范式中进一步探讨劳动力错配情景下人工智能如何为公司带来新的突破和发展。二、理论分析与假说提出人工智能所具备的四大“技术经济”特征(渗透性、替代性、协同性和创造性)，可以将复杂问题分解为更易处理的简单任务，再分门别类交与不同领域的算法系统进行处理，进而提升解决问题的效率和精准度。基于此，本文认为，人工智能技术应用能够协助企业生产与运营，进而助力上市公司市场价值的提升。本文从以下四个角度探讨人工智能技术应用驱动上市公司市场价值的作用机制。(一)人工智能技术与创新要素资源投入已有理论研究证实企业创新驱动了企业经营绩效(Aw et al，2007;Doraszelski and Jau-mandreu，2013)，那么人工智能技术应用也理应促进公司市场价值提升。从研发投入来看，受益于人工智能技术应用的分析决策能力，公司研发对于市场将更具有前瞻性，降低了研发成果商业化的风险(Bresnahan and Trajtenberg，1995)，释放技术外溢效应，提升技术创新带动能力和劳动生产率。人工智能技术的这种颠覆性创新模式将从根源上促使公司加大101善用其器:人工智能技术应用与公司市场价值对创新研发的投入。从创新人才引进来看，人才是创新活动开展和创新资源运用的主体，机器学习虽然使低级重复性工作自动化，但也属于生产要素中劳动工具范畴，本质上仍是工具而不是人力(Acemoglu and estrepo，2020)，这背后高级研发人员的支持不可或缺。公司应用人工智能技术，同期需要不断地进行设备维护、技术更新，客观上需要具有智能化知识的高素质劳动力，促使公司加大相关人才引进，进一步提高公司创新能力。人工智能技术应用使公司更注重创新要素资源投入，优化创新要素配置，无疑将提升公司市场价值。(二)人工智能技术与营运效率从生产成本角度来看，一方面，用户需求已经成为数字经济时代下企业组织生产和制定战略的目标取向，人工智能技术与大数据相结合，可快速收集和处理市场信息并精准预测市场走向，有助于公司制定相应的生产决策和方案，弱化决策失误和经济波动风险(何玉长和方坤，2018)，减少由市场错配影响生产、运输、仓储等环节产生的成本;另一方面，人工智能运用于生产管理层面，通过对方案的筛选与纠错，提升公司精细化管理和精准操作能力，避免人力失误引发的可能损失，减少资源浪费，降低公司生产成本。从运营效率角度，人工智能技术应用，通过有效的信息获取和信息反馈为提升生产营运管理效率奠定了基础。常规的信息处理手段存在主观性强、非标准化、时间滞后等问题，导致公司决策在效率和精准度上存在一定纰漏。人工智能技术应用可以突破信息投放制约，提供高效、标准化的信息管理手段，优化决策思路，降低公司运作成本，整体上提升公司营运效率。(三)人工智能技术与财务稳定当前人工智能技术已呈现出跨界融合、人机协同、群智开放等特征，从信息流层面改变公司的短视行为，为抑制真实盈余管理提供契机(陈德球和胡晴，2022)。从外部来看，人工智能技术可大幅度消弭信息传递障碍、改变信息传播方式和提升信息传递效率，使得公司与公司间、公司与市场间的信息披露更加充分。在此情境下，管理层披露企业信息的意愿提升，从而抑制公司管理者进行盈余管理的动机(陈冬梅等，2020)。从内部来看，人工智能技术应用，能够促进企业组织架构更趋于扁平化，员工与管理层级间信息传递更加高效，管理层隐匿造假机会将大幅减少，从而减少企业盈余管理行为发生(张嘉伟等，2022)。更进一步地，在政策推动和引导下，应用人工智能技术的上市公司会得到融资政策、政府补助等优惠，与此同时市场更青睐高度智能制造产品，降低公司资金风险，无疑为公司财务稳定带来保障。(四)人工智能技术与内外部预期人工智能技术应用将从生产、管理、决策等多层面实现优化，总体提升公司核心竞争力。已有研究表明，具有更高成长性的公司会对企业信息披露有更高的要求，内部管理者的信息披露意愿和行为往往更为积极(吴非等，2021)。在此情境下，公司内部管理者会更主动地通过年报总结文件来传达出公司对于人工智能技术的应用情况，增强公司发展信心和提升内部向好预期。从外部来看，公司借助年报披露来释放积极信号，会进一步吸引媒体注意力，带动公司外部的信息好评，削弱外部环境可能存在的对于公司的负面评价和预期。这种正向效应可能提升公司的“曝光度”，改善外部舆论环境，引发积极的市场关注，对提升公司市场价值大有裨益。基于上述分析，本文提出研究假说:人工智能技术应用能显著提升公司市场价值。201三、研究设计(一)数据来源为探讨人工智能技术应用对公司市场价值的影响，本文选取以下数据:一是国泰安数据库(CSMA)沪深 A 股上市公司 20072019 年的财务数据及特征信息。为了确保有足够长的观察期，只保留关键变量至少存续五年连贯的企业样本;二是从巨浪资讯网中获取企业年报，通过文本识别方式提取变量。为提高数据质量，对基础数据进行了相应地清洗工作。(二)变量设定1 被解释变量。上市公司市场价值(TobinQ)。传统财务会计类指标仅注重账面价值，较为缺乏前瞻性。既有文献常用托宾 Q 来刻画公司绩效和成长性(Morck et al，1988)，其计算方式为 TobinQ=(总市值+总负债)/总资产。相比较而言，托宾 Q 更能反映对已有资产的估值和对未来潜力的预期，与人工智能技术应用研究更为契合，故而本文采用托宾 Q 作为上市公司市场价值的代理变量。2 核心解释变量。人工智能技术应用(AI)。目前在上市企业财报中没有针对人工智能技术应用的具体信息披露，难以从财报中找到一个指标来指代这一变量。囿于微观数据获取局限性，现有文献针对人工智能技术应用多采用工业机器人数量或“机器换人”试点政策作为代理变量(王林辉等，2020)。上述方法可能存在的问题是，基于工业机器人安装数量或研发投入金额等相关数据无法精确对接至企业层面，且采用的工业机器人多数应用于中低端制造业，难以指代人工智能技术应用的整体水平。而“机器换人”试点政策主要聚焦于中小企业，政策实施年限较短(20152017)，更多用于刻画生产制造过程中的自动化现象，无法很好地表征企业智能化转型。为了尽可能精准地刻画出企业对人工智能技术的应用程度，本文参考吴非等(2021)和张叶青等(2021)的研究经验，采用文本分析法从上市企业披露的年报文本中抓取关键词、统计词频，以此作为代理变量。在变量设计的文本挖掘方面，本文采用 Python 爬虫技术从巨浪资讯网下载沪深两市 A股上市企业的年报文本信息，并基于特定的关键词词库来进行文本识别和词频计数。在词库构建上，借鉴吴非等(2021)的研究，选择人工智能技术相关维度的一系列特征词，通过Jieba 分词功能对数据池进行搜索和配对处理，获得人工智能技术应用的关键词词频，在此基础上将这些词频进行加总，最终得到本文所使用的代理指标变量。3 控制变量。参考已有文献，本文控制了一系列可能影响核心解释变量验证结果的公司特征变量。包括企业总资产