人工智能(AI)能力如何促进可持续绿色创新?来自中国A股上市公司的证据

《Sustainability》:How Does Artificial Intelligence Capability Foster Sustainable Green Innovation? Evidence from Chinese Listed Firms

【字体: 大 中 小 】 时间:2026年07月05日 来源:Sustainability 4.1

编辑推荐:

  人工智能(AI)正日益被视为可持续发展的关键驱动力,但关于其在企业可持续绿色创新中作用的证据仍然有限。本研究基于资源编排理论(Resource Orchestration Theory)和信号理论(Signaling Theory),利用2014—2023年中

  
人工智能(AI)正日益被视为可持续发展的关键驱动力,但关于其在企业可持续绿色创新中作用的证据仍然有限。本研究基于资源编排理论(Resource Orchestration Theory)和信号理论(Signaling Theory),利用2014—2023年中国A股上市公司的面板数据,考察了AI能力对可持续绿色创新的影响。结果表明,较强的AI能力显著促进可持续绿色创新。AI投资(AI investment)发挥中介作用。然而,估计的间接效应为负,表明在创新收益充分实现之前,AI实施过程可能涉及资源重新配置和组织调整成本。环境投资(environmental investment)强化了AI能力的积极影响,而数字转型(digital transformation)则削弱了这一影响。稳健性检验证实了研究发现的可靠性。进一步分析表明,AI能力的积极效应在非国有企业、低技术企业和成长期企业中更为显著。通过揭示AI能力影响可持续绿色创新的机制和边界条件,本研究丰富了AI赋能可持续发展(AI-enabled sustainability)的文献,并为企业追求长期可持续发展提供了实践启示。
本研究基于资源编排理论与信号理论,利用2014—2023年中国A股上市公司面板数据,系统考察了人工智能(AI)能力对企业可持续绿色创新的影响机制与边界条件,相关成果发表于《Sustainability》。

研究背景方面,随着全球环境治理议程的推进,绿色创新已成为企业应对政策压力与市场期待的核心战略选择。与传统创新不同,绿色创新兼具经济价值与环境效益,其正外部性导致企业激励不足,亟需识别促进因素。中国作为"双碳"目标的提出方,绿色创新发展迅速,为研究提供了典型情境。与此同时,人工智能作为数字时代最具影响力的技术之一,通过数据处理、模式识别、预测分析等能力,为破解绿色创新中的信息不对称、技术不确定性与资源配置低效等障碍提供了新途径。然而,现有文献多聚焦AI对绿色创新的直接贡献,忽视了技术能力转化为创新成果的组织过程,且对资源调配机制与情境因素关注不足。

研究人员开展了三项核心研究:首先检验AI能力对可持续绿色创新的直接效应;其次识别AI投资的中介机制;最后考察环境投资与数字转型的调节作用。研究得出以下主要结论:AI能力显著促进可持续绿色创新;AI投资发挥竞争性中介作用,即AI能力提升虽驱动企业增加AI投资,但实施过程中的资源重配置与组织调整成本产生负向间接效应;环境投资正向调节AI能力与可持续绿色创新的关系,数字转型则负向调节该关系;上述效应在非国有企业、低技术企业与成长期企业中更为显著。该研究的重要意义在于:理论上拓展了资源编排理论在数字技术与可持续创新领域的应用,揭示了AI投资作为技术能力向创新绩效转化的关键组织机制;实践上为企业协调技术投资与组织变革、优化资源配置提供了决策参考。

技术方法层面,本研究样本为2014—2023年中国A股上市公司,数据来源包括CSMAR数据库、CNRDS平台、上交所与深交所年报及CNINFO网站。核心变量中,被解释变量可持续绿色创新(OIP)采用创新产出持久指数,基于连续三年绿色专利申请数据构建;核心解释变量AI能力(AIL/AIS)运用Python 3.11的Jieba分词包对年报进行文本挖掘,分别以精准词典与扩展词典测度;中介变量AI投资(AII)通过财务报表附注手工提取AI相关投资并取对数;调节变量环境投资(CEI)基于环保支出占总资产比重衡量,数字转型(DT)同样采用年报文本分析法。模型设定为面板固定效应(FE)模型,控制企业、年份与地区固定效应,采用企业聚类稳健标准误。诊断显示存在异方差、序列相关与截面相关,故选用聚类稳健标准误。

研究结果部分按以下结构展开:

基准回归结果表明AI能力显著促进可持续绿色创新。列(1)无控制变量时AIL系数为9.1778(p<0.01);加入企业层面控制变量后列(2)系数为9.1330(p<0.01);进一步控制三类固定效应后列(3)系数升至11.2413(p<0.01),经济意义上相当于样本均值29.34的38.3%,表明AI能力不仅是统计显著因素,更是兼具经济重要性的组织资源。

机制分析部分,中介效应检验显示:列(1)复现基准结果;列(2)表明AI能力显著提升AI投资(β=0.0747,p<0.01);列(3)引入AI投资后,其系数显著为负(β=?0.1957,p<0.01),而AI能力系数仍显著为正,形成竞争性中介。Bootstrap检验经5000次重抽样,间接效应为?0.0146,95%百分位置信区间[?0.0298, ?0.0028]、偏差校正区间[?0.0339, ?0.0045]均不含零,证实中介效应稳健。该发现反映AI实施需经资源重新配置与组织调整,短期成本可能抵消部分创新收益。

调节效应分析显示:环境投资与AI能力的交互项(AIL×CEI)系数显著为正(β=0.4700,p<0.05),表明环境投资强化AI能力的正向效应,符合信号理论预期,即环保承诺向利益相关方传递积极信号,并为AI技术应用于绿色创新提供互补资产;数字转型与AI能力的交互项(AIL×DT)系数显著为负(β=?1.8172,p<0.01),表明数字转型削弱AI能力的正向效应,可能源于技术路径依赖与探索—利用失衡。

异质性分析发现:按要素密集度划分,劳动密集型企业(β=13.0988)与资本密集型企业(β=12.9462)的AI效应高于技术密集型企业(β=9.6151);按区域划分,西部(β=12.6309)、中部(β=11.8750)依次高于东部(β=10.7616);按行业特征划分,低技术行业(β=12.8687)高于高技术行业(β=10.3263),高污染行业(β=13.3497)高于低污染行业(β=10.4651)。此外,非国有企业、低技术企业与成长期企业中AI效应更为显著。

内生性处理采用工具变量法,以同行业其他企业AI能力与地区光缆密度交互项作为工具变量,Cragg-Donald F统计量为61.62,拒绝弱工具变量假设;两阶段最小二乘(2SLS)第二阶段AIL系数仍显著为正(β=11.256,p<0.01)。稳健性检验包括替换AI能力测度为扩展词典指标(AIS),以及剔除直辖市样本,核心结论保持稳健。安慰剂检验将AIL随机分配后重复回归1000次,实际估计值(11.2413)远离安慰剂分布,排除随机因素驱动。

论文结论部分指出,本研究通过揭示AI能力影响可持续绿色创新的机制与边界条件,为企业实现高质量发展提供了理论与实践启示。结论强调:AI能力是企业可持续绿色创新的重要驱动因素,但其价值实现依赖于有效的资源编排与组织环境适配;AI投资作为中介机制兼具战略必要性与实施复杂性;环境投资与数字转型作为异质性条件,分别从互补强化与路径依赖角度影响AI能力的创新效能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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