智能时代的绿色转型:人工智能如何推动企业的颠覆性绿色创新
《Energy Economics》:Green transformation in the era of intelligence: How artificial intelligence affects disruptive green innovation in firms
【字体:
大
中
小
】
时间:2025年12月22日
来源:Energy Economics 14.2
编辑推荐:
陈杰|杨丽霞|苏华煌
华侨大学经济与金融学院,福建省泉州市362021,中国
**摘要**
人工智能(AI)推动了颠覆性的技术突破,并在企业绿色创新(GI)方面引发了范式转变。本研究基于绿色专利引用网络构建了一个“绿色引用颠覆指数”,以衡量中国上市公司制造业中的颠覆
陈杰|杨丽霞|苏华煌
华侨大学经济与金融学院,福建省泉州市362021,中国
**摘要**
人工智能(AI)推动了颠覆性的技术突破,并在企业绿色创新(GI)方面引发了范式转变。本研究基于绿色专利引用网络构建了一个“绿色引用颠覆指数”,以衡量中国上市公司制造业中的颠覆性绿色创新(DGI)。研究结果显示,约有12.43%的企业实现了DGI。在实证分析中,我们将企业的DGI分解为两个维度:实现DGI的概率以及已经实现DGI的企业创新能力。结果发现,在控制了企业和年度固定效应以及其他协变量后,AI水平每提升一个单位,企业实现DGI的概率约增加4.33个百分点,其DGI能力提高约9.71个百分点。机制分析表明,AI通过能力提升和能力补偿促进了绿色技术的颠覆性突破。能力提升效应体现在AI吸引耐心资本并克服组织惰性,从而增强了企业从事DGI的内在能力;能力补偿效应则体现在AI强化了企业间的合作,使企业能够利用外部能力和资源。此外,我们发现AI驱动的合作呈现出逐步深化的趋势:AI首先通过管理层互锁关系加强基于关系的合作,随后通过共享所有权纽带在更长的时间范围内增强基于资本的合作,为DGI提供更实质性的外部支持。异质性分析表明,AI在环境法庭所在地区的企业中更显著地提升了其DGI能力,对高污染企业的效果也更为明显。此外,国有企业的实现DGI的概率更高,其创新能力也通过AI得到了更强的提升。本研究扩展了DGI的衡量框架,阐明了AI如何促成这种创新的机制,并提供了新的实证证据。
**引言**
全球气候风险的加剧使得各国在追求低碳发展方面达成了广泛共识。在环境法规日益严格和绿色转型不断深化的背景下,越来越多的企业将绿色创新(GI)视为维持竞争优势的关键战略选择(Tseng等人,2013;Shahzad等人,2021)。然而,沿着既定技术路径的渐进式创新容易受到“锁定效应”的影响,往往难以产生根本性的技术突破(Unruh,2000;Geels等人,2018)。相比之下,颠覆性绿色创新(DGI)突破了既定的技术路径,克服了路径依赖性,使企业能够解决关键技术瓶颈并提高资源效率。它还允许企业在绿色转型过程中重塑竞争优势。实际上,DGI通常涉及开发全新的技术或整合现有技术,以实现具有新颖性、前瞻性和正外部性的突破性创新(Huang等人,2024)。然而,Gupta和Barua(2018)以及Ai等人(2024)的研究指出,处于DGI早期阶段的企业往往缺乏足够的内部动力,受到高成本、高风险和技术障碍的限制。因此,缓解财务压力、决策阻力和技术瓶颈对于企业实现DGI的突破至关重要。
作为当今最具变革性的技术之一,AI可以降低信息成本、提高决策质量并减少协调摩擦(Csaszar等人,2024;Kanazawa等人,2025),从而促进企业的绿色创新。具体而言,AI可以通过以下三个渠道影响DGI:首先,AI通过自动化数据分析和动态监测提高企业信息披露的可靠性,减少信息不对称性(Cao等人,2024),使投资者能够更好地评估企业的创新潜力和长期回报,从而吸引追求长期价值的耐心资本,并缓解与DGI相关的融资约束;其次,通过实时数据整合、可视化分析和情景模拟,AI缩短了决策链条,减少了内部信息摩擦,使企业能够及时识别技术转型机会并调整战略方向,从而缓解由组织僵化造成的决策惯性;第三,通过改进知识检索和匹配算法,AI降低了企业间合作的协调成本,提高了信息和资源整合的效率(Deng,2025),从而加强了企业间的合作伙伴关系,提升了协作创新成果,并促进了关键绿色技术的突破。
作为世界上最大的发展中国家和制造业中心,中国面临着减少排放的压力以及AI快速发展的关键阶段。这一双重背景为研究AI如何塑造企业的创新决策和技术路径提供了独特的制度和产业环境。它还为了解新兴经济体如何在向低碳经济转型的过程中重塑绿色创新的驱动力提供了宝贵的见解。
与本研究相关的文献可以分为三个主要类别:第一类研究颠覆性创新的概念。根据Dai等人(2015)和Acemoglu等人(2022)的观点,这种创新涉及脱离现有知识体系并对主流技术进行创造性破坏。此外,Cui等人(2025)认为DGI通常涉及脱离现有的技术路径,这一过程本质上具有高度不确定性和复杂性。第二类研究绿色创新的衡量及其影响因素。大多数研究使用绿色专利(GP)数量和GP引用频率等指标来评估企业的绿色创新绩效(Zhao和Qian,2024;Lin和Zhu,2025)。关于影响因素,现有研究主要考察了环境法规、财政补贴、绿色信贷和企业特定特征对绿色创新的影响(Hu等人,2021;Wang等人,2023;Zhang等人,2023;Han等人,2024)。第三类研究AI对企业绿色发展的影响。例如,Mijit等人(2025)基于AI试点区的准自然实验发现相关政策显著提升了企业的绿色治理绩效。同时,Dong等人(2025)和Xu与Lin(2025)从企业治理的角度探讨了AI对绿色创新的积极影响。
尽管现有研究在定义颠覆性创新概念、衡量绿色创新及识别其决定因素方面取得了进展,但它们在定量识别DGI以及阐明AI对其影响机制方面仍有不足。大多数研究使用绿色专利数量或绿色创新投资等指标来衡量绿色创新,而很少从技术演变或知识网络结构的视角探讨创新是否真正打破了现有范式或引发了技术路径的转变。因此,传统指标往往无法区分渐进式的绿色改进和颠覆性的创新。同时,现有研究主要关注AI对整体创新产出或环境绩效的影响,而对AI如何推动技术范式转变和促进绿色创新的特定机制关注较少。为了解决这些局限性,本研究基于绿色专利引用网络构建了一个“绿色引用颠覆指数”(GCD),从知识联系和技术路径重构的角度识别DGI,并进一步探讨了AI如何塑造企业的绿色创新。考虑到DGI的高成本、长周期性和显著的不确定性,我们将AI促进绿色创新的机制概括为能力提升和能力补偿。前者体现在AI吸引耐心资本并克服组织惰性,从而增强企业从事绿色创新的内在能力;后者体现在AI强化企业间合作,使企业能够获得互补的知识、资源和风险分担支持。实证结果表明,AI显著提高了企业实现绿色创新的概率以及实现绿色创新企业的创新强度,这些结论对各种检验都具有稳健性。我们还发现,AI最初通过管理层联系促进基于关系的合作,随后随着信任和协调的加深,加强了基于资本的合作,从而为绿色创新提供了持续的外部支持。此外,异质性分析得出三个关键发现:首先,在有环境法庭的地区,AI更有效地提高了企业实现绿色创新的概率及其能力;其次,对于国有企业(SOEs),AI更有效地提高了实现绿色创新的概率和能力;第三,AI对高污染企业绿色创新能力的提升效果更为显著。
**主要贡献**
本研究的主要贡献可以归纳为三个方面:首先,我们提出了一种新的企业层面绿色创新衡量方法。基于Funk和Owen-Smith(2017)的方法,本研究构建了一个基于前向和后向引用的绿色专利引用网络,识别专利之间的知识联系,并利用这些联系来衡量企业的绿色创新。与现有衡量方法相比,本研究构建的GCD更准确地评估了企业的绿色创新,捕捉了重构绿色技术路径的突破性活动,代表了当前方法论的重要扩展。其次,本研究探讨了AI如何影响企业的绿色创新,这一主题尚未得到足够的学术关注。它系统地评估了AI对制造企业绿色创新的影响,突出了其在重塑技术路径和克服创新约束中的作用,为绿色技术的进步和可持续发展的推动提供了理论见解和实证证据。第三,本研究扩展了对AI如何推动绿色创新机制的分析。虽然现有研究主要考察了环境法规、财政补贴、绿色信贷和企业特定特征等促进因素,但很少有人研究AI在引导资本流动、引发组织变革和加强合作网络中的作用。本研究确定了AI促进绿色创新的两个机制:能力提升和能力补偿。前者通过吸引耐心资本和克服组织惰性来增强企业从事绿色创新的内在能力;后者通过强化企业间合作,使企业能够获得互补的知识、资源和风险分担支持。
**节选内容**
AI与企业的颠覆性绿色创新
绿色创新是环境目标与经济发展之间的关键纽带。它不仅提高了区域资源效率和环境治理能力,还为发展绿色产业和改造传统行业提供了技术支持。与渐进式技术创新相比,颠覆性创新在打破路径依赖性和解决关键技术瓶颈方面具有更大的潜力。
**模型设计**
本研究采用回归模型(1)来考察AI对绿色创新的影响:
$$Y_{it} = \alpha_0 + \alpha_1 \cdot FAI_{it} + \sum_{\beta_j} \cdot Controls + \mu_t + \lambda_i + \epsilon_{it}$$
其中,$Y_{it}$包括两个变量:$DGI dummy_{it}$(企业在年份t是否实施绿色创新)和$DGI_{it}$(企业在年份t的绿色创新程度)。前者为1表示企业在年份t实施了绿色创新,否则为0。$FAI_{it}$表示企业的人工智能水平。Controls表示一系列控制变量,包括现金流比率、企业年龄、杠杆率、资产回报率、企业规模、Tobin's Q值、CEO双重性等。
**基准回归结果**
表3展示了不包含控制变量的基准回归结果(第(1)和(3)列),以及包含企业年和年度固定效应的结果(第(2)和(4)列)。在所有情况下,FAI的系数在1%的水平上均呈正相关。这些估计表明,企业层面的AI水平每提升一个单位,实现绿色创新的概率增加4.3%,绿色创新能力增加9.7%。
**结论与启示**
随着企业越来越多地将AI整合到生产和管理中,资源配置和技术探索正在发生变革,这反过来推动了创新模式的演变。本研究使用2003年至2019年的数据,考察了AI对中国上市公司制造业绿色创新的影响。主要发现如下:(1)AI显著促进了企业参与绿色创新,并提高了它们在这领域的创新能力。这些结果对内生性具有稳健性。
**作者贡献声明**
陈杰:撰写——原始草稿、软件开发、方法论设计、调查、数据分析、概念构建。
杨丽霞:撰写——审核与编辑、监督、资源协调、资金筹集、概念构建。
苏华煌:数据整理、概念构建。
**参与同意书**
不适用。
**出版同意书**
不适用。
**伦理审批**
我们确认无需伦理审批。
**利益冲突声明**
作者声明没有利益冲突。
**致谢**
我们感谢华侨大学中央高校基本科研资金和哲学与社会科学青年教师学术发展计划[编号25SKGC-QT01]的财政支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号