台湾电信AI产业ESG披露的动态效率研究：基于DN-DDF模型的多阶段分析

本研究针对台湾高科技芯片产业迅猛发展背景下电信AI行业的环境、社会与治理(ESG)绩效评估难题，创新性地采用动态网络方向距离函数(DN-DDF)模型，对24家企业2018-2022年的运营效率进行三阶段(盈利性、可持续性、市场表现)分解。研究发现品牌终端企业效率最优(0.9071)，而下游电信公司效率最低(0.3994)，揭示ESG实践与市场价值间的动态关联，为平衡经济效益与可持续发展提供量化决策工具。

　　

在全球科技迅猛发展的浪潮中，信息通信技术(ICT)产业正经历前所未有的变革。作为全球半导体产业的领导者，台湾地区的高科技芯片产业近年来呈现爆发式增长，其中电信行业作为芯片的最大消费领域，在塑造人类生活和商业活动方面发挥着核心作用。然而，这种繁荣背后隐藏着严峻挑战——芯片生产过程中产生的有毒物质、巨大的能源消耗以及碳排放问题，使得环境可持续性成为行业发展的关键瓶颈。特别是在2019年全球疫情爆发后，电信基础设施的重要性与日俱增，但行业的环境足迹和社会责任履行情况却鲜有系统评估。

这一矛盾在人工智能(AI)技术赋能电信行业的背景下愈发凸显。台湾电信AI产业虽在全球占据重要地位，但其生产流程的环境风险与日俱增。传统企业绩效评估往往将环境、社会和治理(ESG)因素与经济效益割裂看待，缺乏能够同时衡量运营效率、可持续发展和市场价值的综合框架。现有研究多采用静态或单阶段的数据包络分析(DEA)方法，难以捕捉ESG实践的动态影响和跨阶段交互效应，导致效率评估存在系统性偏差。

为破解这一难题，铭传大学会计学系和东吴大学经济学系的研究团队开展了一项开创性研究。研究人员选取台湾24家电信AI产业链企业作为样本，涵盖关键半导体芯片、设计制造组装、品牌终端和下游电信服务四大板块，时间跨度为2018至2022年。研究创新性地采用动态网络方向距离函数(Dynamic Network Directional Distance Function, DN-DDF)模型，将企业运营分解为盈利性、可持续性和市场表现三个相互关联的阶段，首次实现了对电信AI产业ESG绩效的多维度、动态化评估。

研究团队运用了多项关键技术方法：通过非径向方向距离函数(NDDF)处理非期望产出，克服传统径向模型的局限；构建三阶段网络DEA框架，分别评估资源转化效率(员工、研发投入转化为营收和专利)、ESG转化效率(董事薪酬、社会福利支出转化为环境、社会和治理评分)以及市场转化效率(市场份额、毛利率转化为股价和每股收益)；引入跨期结转变量(carry-over)捕捉动态效应；采用TEJ和可持续发展报告等权威数据源确保数据质量。

研究结果揭示了令人瞩目的发现。整体动态效率分析显示，品牌终端企业表现最优(平均效率0.9071)，其中金宝电子(2312)、仁宝电脑(2324)和华硕(2357)连续五年保持满分效率；而下游电信企业效率最低(平均0.3994)，中华电信(2412)和台达电(1504)等公司亟待改进。分阶段效率值对比发现，市场阶段效率最高(0.8357)，盈利阶段次之(0.8105)，可持续性阶段最低(0.781)，凸显ESG实践仍是行业短板。

深入分析各阶段效率差异发现：在盈利性阶段，台积电(2330)等芯片企业虽营收领先，但鸿海(2317)存在员工冗余问题；可持续性阶段，联发科(2454)等企业在2019年后ESG效率显著提升，而中华电信在员工福利和社会支出方面投入产出失衡；市场阶段，尽管部分企业毛利率达标，但未能有效转化为股价增长，如台积电2022年股价低于目标值55.89%。

变量差距分析更发现关键改进点：研发投入普遍超额但专利产出不足，反映创新效率低下；中华电信的高管薪酬超出目标值270亿新台币，却未带来相应的ESG评分提升；环境评分方面，台积电和瑞昱半导体(2379)分别存在45.23和30.59分的差距；社会治理评分中，台达电和宏碁(2353)落后标准值20分以上。

这项发表在《Scientific Reports》的研究具有多重重要意义。方法论上，DN-DDF三阶段模型的构建突破了传统DEA的"黑箱"局限，为复杂系统的效率评估提供了新范式。实践层面，研究明确了台湾电信AI产业的结构性效率差异，指出品牌企业的整合优势与下游服务商的转型压力。政策启示方面，结果表明强制ESG披露和资源优化配置的必要性，特别是对高污染环节的监管强化。对企业而言，研究提供了平衡短期利润与长期可持续发展的量化决策框架，如通过专利产出优化提升研发效率，通过治理结构改革降低代理成本等。

该研究也存在若干局限：环境数据(如碳排放和水资源使用)的获取不完整可能影响评估精度；未考虑疫情等外部冲击对效率的阶段性影响；政策干预效果有待后续验证。未来研究可扩展至跨国比较，结合人工智能技术提升模型解释性，并追踪ESG政策实施后的企业行为变化。这些发现不仅为投资者提供了价值评估的新维度，也为政府制定产业政策提供了科学依据，推动电信AI产业向更高效、更可持续的方向发展。