权小锋、李静蕾：人工智能与企业协同创新
——基于国家新一代人工智能创新发展试验区的准自然实验

本文由苏州大学商学院的权小锋和李静蕾合作完成，发表于2025年第8期的学术期刊。研究聚焦数字经济时代人工智能（Artificial Intelligence, AI）作为新质生产力核心驱动力对企业协同创新（Collaborative Innovation）的影响，通过准自然实验方法揭示了AI技术赋能创新的内在机制。

一、学术背景与研究目标

在国务院《新一代人工智能发展规划》（2017年）和党的二十大"人工智能+"行动的政策背景下，中国AI产业规模年均增长率超20%，企业数量达5100余家。然而，传统协同创新面临三大系统性矛盾：（1）主体间信任缺失导致合作短期化；（2）信息不对称影响契约公平性；（3）制度保障不足制约资源互补。研究旨在回答三个核心问题：

1. AI发展是否促进企业协同创新？

2. AI如何缓解协同创新痛点？

3. 不同企业/行业/地区特征下AI效应是否存在异质性？

二、研究方法与流程

1. 样本选择与数据来源

• 研究对象：2014-2022年沪深A股上市公司，剔除金融业、ST等非常规样本后保留26,325个观测值

• 核心数据：

  • 联合专利申请数据（国家知识产权局）

  • 试验区名单（科技部官网及地方政府公告）

  • 企业财务数据（CSMAR/CNRDS数据库）

  • 城市经济指标（《中国城市统计年鉴》）

2. 变量设计

• 被解释变量：

  • 协同创新1（联合专利申请总量+1取对数）

  • 协同创新2（联合发明专利申请量+1取对数）

• 核心解释变量：国家新一代人工智能创新发展试验区虚拟变量（覆盖18个城市）

• 控制变量：企业规模、资产负债率等8项企业指标；人口密度、财政支出等5项城市指标

3. 模型构建

采用多期渐进双重差分模型（DID）：

ln(collabpat)it = α + β1AIPZit + γXit + ωZct + ρi + τt + γjt + εict

创新性引入行业-时间固定效应（γjt）控制行业动态差异

4. 分析流程

(1) 基准回归：验证AI对协同创新的主效应

(2) 稳健性检验：

• PSM-DID（近邻1:3匹配）

• 平行趋势检验（事件研究法）

• 工具变量法（地形起伏度×电信业务量）

(3) 异质性分析：分组检验合作文化/行业密集度/政府关注度差异

(4) 机制检验：知识溢出/信息交流/协作成本三条路径

三、主要发现

1. 基准结果：

试验区政策使企业协同创新水平提升7.47%（专利总量）和5.65%（发明专利），PPML估计结果稳健

2. 异质性特征：

• 合作文化浓厚企业：效应强度提升2.3倍（β=0.093 vs 0.043）

• 劳动密集型行业：资本密集型行业的15.6倍差异（β=0.156 vs 0.001）

• 高政府关注地区：产生显著正向效应（β=0.064），低关注地区无统计学意义

3. 作用机制：

• 知识溢出：专利被引量增加23.7%（p<0.01）

• 信息交流：内部控制指数提升19.2%

• 协作成本：交易成本降低31.5%（通过文本分析测算）

四、理论贡献

1. 微观层面：首次揭示AI通过"算法透明性→知识可及性→协作去边界化"的作用链条

2. 方法论：创新性构建"合作文化指数"（MD&A文本关键词密度）

3. 政策启示：证实地方政府数字关注度的调节作用（财政支出弹性达0.311）

五、实践价值

1. 企业层面：建议劳动密集型企业优先部署AI协作平台

2. 产业层面：验证"龙头企业+中小微"协同网络的有效性（如百度飞桨平台案例）

3. 政策层面：为"东数西算"等国家战略提供实证支撑

研究局限：

1. 专利数据存在2-3年滞后期

2. 未区分AI技术细分领域差异

未来方向：

1. 探索大模型技术对创新范式的影响

2. 量化AI伦理治理对协同效率的制约作用

（注：文中所有计量结果均通过Cluster稳健标准误检验，显著性水平标注为*/**/***对应10%/5%/1%）