打开文本图片集

摘 要：在新一轮科技革命驱动和世界环境问题凸显的现实背景下，人工智能正在改变传统产业的底层逻辑和产业业态，加速产业绿色化转型。本文通过构建人工智能与制造业企业绿色化转型的评价指标，考察人工智能技术对制造业绿色化转型的影响。研究表明，人工智能能显著促进制造业绿色化转型，经一系列稳健性检验后，该结论依然成立。影响机制检验结果表明，人工智能通过缓解融资约束促进企业绿色化转型。

关键词：人工智能；绿色化转型；融资约束

一、引言

人工智能与制造业融合的不断深化不仅是实现高质量发展的重要途径，更是基于符合企业与环境协同发展要求的可持续发展模式。 在过去，中国制造业实现了高速发展，但同时也带来产业结构失调、环境污染严重等不可持续问题，经济发展方式亟待转变（万攀兵等，2021）［1］。党的二十大报告中明确提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节，对制造业高质量发展提出了明确的绿色转型要求。然而，由于绿色化转型成本过高，而企业又面临严重的融资约束和技术问限制等问题，因此我国绿色创新质量不高（戴翔和杨双至，2022）［2］。人工智能作为引领第四次技术革命的战略性技术，正在全面赋能实体经济推动产业智能化、绿色化转型（谷城和张树山，2023）［3］。加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题（郭凯明，2019）［4］。

目前，关于人工智能如何影响制造业绿色化转型主要存在两种观点。一种观点认为，人工智能可以提高企业绿色技术水平，改善生产效率，降低能耗和污染排放水平（杨光和侯钰，2020；Shapiro and Walker，2018）［5，］。同时，可以提高企业的融资效率，缓解企业融资约束，从而加快企业绿色化转型（谷城和张树山，2023）［7］。另一种观点则认为，人工智能技术更新迭代快且成本较高，可能会阻碍企业技术进步（Ouyang et al.，2020）［8］。

二、理论分析与研究假说

（一）人工智能与企业绿色化转型

Shapiro and Walker（2018）认为，人工智能作为一种特殊的技术进步，可以促进企业减排，助力绿色发展。因为人工智能的引入可以显著降低企业技术升级的门槛，提高企业的技术水平（杨光和侯钰，2020）［5］，而技术水平的提高则有利于改善企业的生产效率，降低能耗和污染排放水平，实现绿色化转型发展。同时，随着“人工智能+传统制造业”的不断深化，企业关键生产环节实现优化升级，生产周期得到大幅缩减（吴义爽等，2016）［11］，优化企业资源配置，提高资源利用率（权小锋和李闯，2020）［12］，赋予企业更加高效的绿色创新活动实现途径。据此，可以提出研究假说H1：

H1：人工智能可以显著促进企业绿色化转型。

（二）人工智能赋能制造业绿色化转型的机制：融资约束

企业开展绿色创新项目的大量资金投入，在短期内可能导致财务资源被挤占，使其陷入资金紧张局面（齐绍洲等，2018）［13］，在面临融资约束问题时，企业将主动削减绿色技术创新投入，降低绿色创新水平（靳毓等，2022）［14］。而人工智能等智能制造技术的引入，因为可以优化供应链上下游关系，能够显著提高企业的融资效率，缓解企业融资约束（谷城和张树山，2023）［7］。同时，我国大力发展人工智能，相继出台了一系列政策助力人工智能赋能制造业高质量发展，政府对相关企业会给予额外的政策优惠及创新资源（戚聿东和徐凯歌，2022）［15］，间接缓解企业的融资约束问题。据此，可以提出研究假说H2：

H2：人工智能可以通过缓解融资约束促进企业绿色化转型。

三、研究设计

3.1 样本选取与数据来源

本文选取2007-2022年中国A股上市公司为研究样本。其中，上市公司数据来源于CSMAR和WIND数据库，城市层面数据来源于2007年至2022年《中国城市统计年鉴》。为保证研究可行性，在初始样本的基础上对数据作如下处理：一是剔除金融类企业样本；二是剔除具有退市风险的企业样本；三是剔除主要变量存在缺失的样本；四是对所有连续型变量进行双侧1%的缩尾处理，避免异常值对实证结果的影响。

3.2 模型构建与变量定义

3.2.1 模型构建

参考吕越（2023）的做法［16］，本文构建回归模型如下：

其中，Ln（Patenti，t+1）为企业i在t年的绿色化转型水平，Ln（Roboti，t+1）为企业i在第t年的人工智能技术水平，Controls表示控制变量，φc和δt分别代表地区固定效应和年份固定效应，εi，t为随机误差项。

3.2.2 控制变量

参考现有文献做法［2］，本文引入如下控制变量Xi，t-1：企业规模（Size）、企业年龄（Age）、经济发展水平（GDP）、研发投入（Rd）。四、实证分析

4.1 基础回归

表2为地方人工智能对制造业绿色化转型的基准回归结果。第（1）列为不考虑其他因素影响下，Ln（Robot+1）估计系数在5%水平上显著为正，表明人工智能技术对企业绿色化转型具有正向促进作用。进一步地，第（2）列加入了公司层面和城市层面的控制变量，结果表明，Ln（Robot+1）回归系数依然在5%水平上显著为正。第（3）列为控制地区固定效应和年份固定效应的回归结果，结果表明，Ln（Robot+1）依然对企业绿色化转型具有显著促进作用。

4.2 稳健性检验

4.2.1 更换不同的核心变量代理变量

本文借鉴解学梅和朱琪玮（2021）的做法［18］，根据五年规划、《环境保护法》、《企业环境行为评价技术指南》、《绿色制造标准化白皮书》等政策文件，从宣传倡议、战略理念、技术创新、排污治理和监测管理5个方面，选取共113个企业绿色化转型关键词。统计各个关键词在上市企业年报文本中出现的频率，形成绿色化转型词频数，用该词频数加1取自然对数刻画企业绿色化转型指数（Ln（Green+1））。同时，借鉴金陈飞等（2020）的做法［19］，手工整理了各城市的人工智能企业，采用区位熵构建了人工智能企业集聚指数，并以此作为人工智能的另一代理变量（Ln（Robot_c+1））。表3回归结果显示，结果均稳健，假设1成立。

五、机制检验

参考宋敏等（2021）的做法［20］，本文通过公式（3）来计算上市公司的SA指数，并将其作为融资约束的衡量指标FC。

其中，size为企业总资产的对数，age为企业存续时间。SA指数为负，对其取绝对值，绝对值越大说明融资约束程度越高。表4汇报了回归结果，第（1）列表示人工智能对制造业绿色化转型的总效应。第（2）列为人工智能技术对融资约束的影响，回归系数在5%水平上显著为负，说明人工智能技术可以有效缓解企业融资约束。第（3）列为人工智能和融资约束对企业绿色化转型的联合效应，Ln（Robot+1）的回归系数在1%水平上显著为正，而FC回归系数在1%的水平上显著为负，表明人工智能可以通过缓解融资约束促进企业绿色化转型，假设2成立。

六、研究结论及政策建议

本文在我国推动人工智能赋能实体和促进绿色经济和实体经济深度融合背景下，研究人工智能能否有效促进制造业绿色化转型。研究发现，人工智能可以显著促进制造业绿色化转型。通过影响机制检验，发现人工智能可以通过缓解融资约束促进制造业绿色化转型。基于丰富研究结论，本文具有以下政策启示：

首先，商业银行应积极运用数字技术建立金融信息共享服务平台，准确评估企业的融资风险和融资需求，提高企业识别准确率，提供更多元的金融产品和服务。

最后，金融机构应当积极运用人工智能技术提高对创新型企业的识别精度，同时增进技术共享和溢出，为绿色化转型夯实基础。

参考文献

[1] 万攀兵， 杨冕， 陈林. 环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角[J]. 中国工业经济， 2021（09）：118-136.

[2] 戴翔， 杨双至. 数字赋能、数字投入来源与制造业绿色化转型[J]. 中国工业经济， 2022（09）：83-101.

[3] 谷城， 张树山. 智能制造何以实现企业绿色创新“增量提质”[J]. 产业经济研究， 2023（01）：129-142.

[4] 郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动[J]. 管理世界， 2019，35（07）：60-77.

[5] 杨光， 侯钰. 工业机器人的使用、技术升级与经济增长[J]. 中国工业经济， 2020（10）：138-156.

[7] 谷城， 张树山. 智能制造何以实现企业绿色创新“增量提质”[J]. 产业经济研究， 2023（01）：129-142.

[8] Ouyang X， Li Q， Du K. How Does Environmental Regulation Promote Technological Innovations in the Industrial Sector？Evidence from Chinese Provincial Panel Data[J]. Energy Policy， 2020，139：111310.

[11] 吴义爽， 盛亚， 蔡宁. 基于互联网+的大规模智能定制研究——青岛红领服饰与佛山维尚家具案例[J]. 中国工业经济， 2016（04）：127-143.

[12] 权小锋， 李闯. 智能制造与成本粘性——来自中国智能制造示范项目的准自然实验[J]. 经济研究， 2022，57（04）：68-84.

[13] 齐绍洲， 林屾， 崔静波. 环境权益交易市场能否诱发绿色创新？——基于我国上市公司绿色专利数据的证据[J]. 经济研究， 2018，53（12）：129-143.

[14] 靳毓， 文雯， 何茵. 数字化转型对企业绿色创新的影响——基于中国制造业上市公司的经验证据[J]. 财贸研究， 2022，33（07）：69-83.

[15] 戚聿东， 徐凯歌. 智能制造的本质[J]. 北京师范大学学报（社会科学版）， 2022（03）：93-103.

[16] 吕越， 马明会， 陈泳昌， 等. 人工智能赋能绿色发展[J]. 中国人口·资源与环境， 2023，33（10）：100-111.

[17] 张杰， 郑文平. 创新追赶战略抑制了中国专利质量么？[J]. 经济研究， 2018，53（05）：28-41.

[18] 解学梅， 朱琪玮. 企业绿色创新实践如何破解“和谐共生”难题？[J]. 管理世界， 2021，37（01）：128-149.

[19] 金陈飞， 吴杨， 池仁勇， 等. 人工智能提升企业劳动收入份额了吗？[J]. 科学学研究， 2020，38（01）：54-62.

[20] 宋敏， 司海涛， 周鹏， 等. 金融科技发展能否促进银行创新？——信息赋能与产业竞争的视角[J]. 南开管理评论， 2023：1-29.

作者简介：（通讯作者）邓碧亿，男，苏州科技大学商学院硕士研究生，研究方向：创新战略与技术产业政策；王倪旎，女，苏州科技大学商学院本科生，研究方向：财务管理；陈卓然，女，苏州科技大学商学院本科生，研究方向：人力资源管理；郝良峰，男，经济学博士，苏州科技大学商学院副教授，中南财经政法大学经济学院博士后，硕士生导师，研究方向：区域与产业经济发展。本文获得国家社会科学基金一般项目（23BGL017）的资助。

1.江苏省研究生科研与实践创新计划项目

项目编号：KYCX23_3358

2.苏州科技大学校大学生创新创业训练计划项目

项目编号：202310332201X

基金项目：国家社会科学基金一般项目，制造业智能化与绿色化深度融合的机制和路径研究 项目编号：23BGL017