人工智能(AI)试点政策能否促进企业绿色创新持续性(Sustained Green Innovation)？——来自中国人工智能创新试验区(AI Innovation Pilot Zones, AIPZ)的准自然实验证据

《Economic Analysis and Policy》：Can AI Pilot Policies Foster Corporate Sustained Green Innovation? Quasi-Experimental Evidence from China

　　

摘要：持续绿色创新(Sustained Green Innovation)是实现绿色低碳发展的必要条件，但其常受资源约束、不确定性与路径依赖的限制。人工智能(Artificial Intelligence, AI)作为当代技术革命的基础性通用技术(General Purpose Technology, GPT)，有望为企业提升持续绿色创新能力提供新的刺激。研究人员利用中国人工智能创新试验区(AI Innovation Pilot Zones, AIPZ)政策的分批设立构建准自然实验，评估其对上市公司持续绿色创新的影响，并采用包含企业固定效应与年度固定效应的多期双重差分模型(Staggered Difference-in-Differences, Staggered DID)进行估计。研究发现，AIPZ政策显著提升了试点地区企业的持续绿色创新水平，该促进效应主要通过两条机制实现：增加研发资金(R&D Funding)投入与强化企业数字智能能力(Digital Intelligence Capabilities)。异质性分析表明，该正向效应在国有企业(State-Owned Enterprises, SOEs)、重污染行业企业及位于中国东部和西部地区的企业中更为显著。政策协同分析进一步显示，国家大数据综合试验区(National Big Data Comprehensive Pilot Zone)与大气污染防治重点区域(Air Pollution Control Key Zone)能放大AIPZ的政策效果，而智慧城市建设试点(Smart City/Smart Construction Pilot)则产生负向调节作用。本研究深化了对AI如何驱动企业绿色转型的理解，并为评估AI试点政策的持续性导向成效提供了实证依据。

论文解读：《Economic Analysis and Policy》刊发论文解读——人工智能创新试验区对企业持续绿色创新的影响研究

一、研究背景与问题提出

在全球气候风险加剧与环境规制趋严的背景下，绿色低碳发展已成为维持经济增长与提升产业竞争力的关键路径。企业作为绿色技术供给与减排行动的核心主体，其能否持续开展绿色创新(Sustained Green Innovation, 即企业在多个连续时期内保持稳定绿色研发投入并持续产出高质量、可扩散绿色技术)，而非仅进行一次性绿色专利申报，直接关系到绿色转型的实质成效。然而，持续绿色创新具有成本高、周期长、复杂度高的特征，极易受融资约束、短期绩效压力及外部冲击干扰，导致研发中断或陷入技术路径锁定(Path Dependence / Lock-in)，使得创新持续性难以保障。现有文献虽已从人工智能(Artificial Intelligence, AI)采纳与数字化转型角度证实AI可促进企业绿色创新数量或质量，但多聚焦短期专利产出，鲜少关注AI政策冲击对企业绿色创新持续性的因果影响，亦未充分识别其作用机制及多重政策并存时的协同或竞争关系。

中国自2019年起分批设立人工智能创新试验区(AI Innovation Pilot Zones, AIPZ)，通过算力与数据基础设施建设、财税激励、研发补助、人才引育及应用示范等政策组合降低AI应用门槛并强化创新投入，为考察AI导向的政策冲击如何影响企业持续绿色创新提供了理想的准自然实验(Quasi-Natural Experiment)。基于此，Kong和Xiong(2026)利用2014—2023年沪深A股上市公司面板数据及企业层面绿色专利信息，采用多期双重差分法(Staggered Difference-in-Differences, Staggered DID)识别AIPZ政策对企业持续绿色创新的因果效应，检验增加研发资金投入与强化数字智能能力(Digital Intelligence Capabilities)两条作用渠道，并分析不同所有制、污染强度、地理区位的异质性及与其他试点政策的协同/竞争调节效应。

二、主要研究方法

研究人员选取2014—2023年中国沪深A股非金融类上市公司为初始样本，匹配国家知识产权局企业绿色发明专利与实用新型专利数据以构建企业持续绿色创新(SustG_Iit)指标(通常测度企业连续多年拥有绿色专利申请或绿色专利产出持续性的哑变量/计数指标)；将城市入选AIPZ批次时间作为处理时点，构造多期双重差分虚拟变量DID_AIit(试点城市且年份≥入选年份取1，否则取0)。基准回归设定双向固定效应(Two-Way Fixed Effects, TWFE)模型，控制企业层面特征(资产负债率、资产收益率、企业规模、企业年龄、现金流等)及企业固定效应(χ_i)与年度固定效应(η_t)，标准误聚类至企业层面。机制检验以企业研发经费投入(R&D Expenditure)及研发人员占比或数字化智能化相关代理变量(数字智能能力)为被解释变量，代入相同DID框架检验中介渠道；异质性分组回归按产权性质(国有/非国有)、行业污染程度(重污染/非重污染)、地域(东/中/西部)进行；政策协同/调节效应通过引入AIPZ虚拟变量与国家大数据综合试验区、大气污染防治重点区域、智慧城市建设试点的交互项进行检验；并行开展平行趋势检验、安慰剂检验(Placebo Test)、PSM-DID及排除同期其他政策干扰等稳健性检验。

三、研究结果

China's AI Innovation Pilot Zones（中国人工智能创新试验区政策背景与假说）

中国政府自2019年起分批次批复设立AIPZ，整合算力数据基建、财政补贴、研发支持与应用示范等一揽子措施。理论上，公共数字基础设施接入可提升企业运营效率与决策质量，政府配套支持缓解融资约束并通过政策诱导监督强化环境治理，技术与制度互补有助于降低阻碍绿色创新持续性的资源约束与不确定性。研究人员据此提出AIPZ能促进企业持续绿色创新及相应机制假说。

Baseline model（基准模型）

设定SustG_Iit= α + β₁DID_AIit+ ΣλControl_sit+ χ_i+ η_t+ ε_it，其中i为企业，t为年度，DID_AIit为AIPZ处理变量。

Baseline estimates（基准回归结果）

列(1)—(4)各规格下DID_AI系数均为正且在统计上显著(p < 0.05或p < 0.01)，表明AIPZ政策显著提高了试点城市企业持续绿色创新水平，支持主假设。

Mechanism analysis（机制检验）

以M_it代表机制变量(研发资金投入以R&D支出及R&D人员占比度量，数字智能能力以企业数字化/智能化相关指标代理)代入M_it= α + β₁DID_AIit+ ΣλControl_sit+ χ_i+ η_t+ ε_it。结果显示AIPZ显著提升企业R&D资金投入与数字智能能力，且二者在AIPZ促进持续绿色创新的中介效应显著，证实"增加创新资源投入"与"强化数字智能能力"为两条核心传导渠道。

Heterogeneity analysis（异质性分析）

分组回归发现：AIPZ对持续绿色创新的促进作用在国有企业(State-Owned Enterprises, SOEs)、重污染行业(Heavily Polluting Industries)企业、以及位于中国东部地区与西部地区企业中更为明显；中部地区与非重污染行业及非国有企业相对不显著或较弱。

Policy Synergy / Moderating Effects（政策协同与调节效应）

引入交叉项后发现：国家大数据综合试验区(National Big Data Comprehensive Pilot Zone)与大气污染防治重点区域(Air Pollution Control Key Zone)与AIPZ的交互项系数为正且显著，说明上述政策与AIPZ存在互补协同，放大AIPZ对持续绿色创新的促进效果；而智慧城市建设试点(Smart Construction/Smart City Pilot)与AIPZ的交互项系数为负且显著，表明智慧城市建设试点在此情境下对AIPZ效应产生竞争性削弱(负向调节)。

Robustness Checks（稳健性检验）

通过平行趋势