人机协作如何影响企业的绿色技术创新

《Economic Analysis and Policy》：How human-AI collaboration affects corporate green technology innovation

　　姚文康|吴建祖|马青|杨文吉 中国甘肃省兰州市兰州大学管理学院，邮编730000

摘要：为探究人机协作对企业绿色技术创新的影响，本文基于双系统理论构建了人机协作指数。研究利用2011年至2023年中国上市制造企业的数据，结合经过微调的BERT语言模型与专利摘要分析方法。这一新指标在测量精度（AUC值分别为0.8309和0.5569）、解释力以及泛化能力方面均显著优于传统的基于词典的方法，为量化人机协作提供了更优的方法。鉴于绿色技术创新所面临的诸多挑战，如高度不确定性、知识复杂性以及双重外部性等，这些都需要更高水平的协同决策与知识整合，因此人机协作被证明是一种有效的解决方案。研究表明，人机协作能够显著推动企业绿色技术创新。新一代人工智能可弥补人类在处理与绿色创新相关的大量数据集时的不足，而人类的逻辑思维、想象力与创造力则能提升人工智能在数据处理与预测方面的准确性。这种互补的协同效应有助于降低绿色创新的成本与周期时间。机制分析表明，人机协作通过促进知识多样化、提高投资效率以及增强风险承担能力等三个主要途径推动绿色技术创新。进一步分析显示，人机协作在企业生命周期的不同阶段对绿色技术创新的促进作用存在显著差异。在创业与成长阶段，这种促进作用较强且逐渐增强；在成熟阶段则有所减弱；而在衰退与转型阶段又会再度加剧。本研究不仅为理解人机协作如何推动绿色技术创新提供了新的理论视角与实证支持，还为精确衡量人机协作带来了方法上的创新。

引言：中国已设定在2030年实现“碳达峰”、在2060年实现“碳中和”的目标。中国共产党第二十次全国代表大会的报告明确强调，要依据国家的能源资源状况，科学制定“双碳”目标的阶段性实施计划，不断推动能源系统向清洁化、低碳化、高效化方向发展。与此同时，人工智能技术近年来发展迅速，已成为推动产业优化升级以及培育新型高质量生产力的重要力量。中国已将人工智能作为推动经济增长和提高国际竞争力的一项重大国家战略。2025年的政府工作报告提出要“持续推进‘AI+”行动，更好地将数字技术与制造业优势相结合，支持大模型的广泛应用”。然而，目前制造业中的人工智能应用，其大型模型算法和智能机器人主要侧重于替代人力，而非提升人机协作的效率，这偏离了技术服务人类的初衷。人类与人工智能之间实现共赢的协作模式在推动企业绿色发展方面的潜力仍有待充分挖掘。从理论上讲，人类与人工智能可以基于“双系统”模型实现能源效率优化、知识共创以及低碳创新，从而直接支持制造业中绿色创新与节能工作的有效开展。因此，制造企业如何整合人工智能以实现人机协作、驱动新型高质量生产力发展并推动绿色高质量发展，已成为亟需研究的科学问题。

人机协作指的是人类大脑智力与人工智能通过特定的设计机制紧密配合，共同完成特定目标任务的过程（Jain等人，2021）。与传统的人工智能应用及替代效应不同，人机协作是基于新一代人工智能技术的。它将人类的经验、创造力与思维能力与人工智能的计算能力及数据处理能力相结合，共同完成任务并实现相互提升。在技术创新的背景下，人机协作是生成式人工智能的一种具体赋能方式（Hitsuwari等人，2023）。这一过程依赖于人类的干预来产生最优的预测性能（Revilla等人，2023），注重人类专家与人工智能系统之间的实时互动与知识共创，帮助企业及时应对环境及绿色相关的风险。在人机协作模型中，基于信息处理的双过程理论（Zou等人，2024），新一代人工智能可以通过大数据分析及逻辑推理生成超出人类专家能力的预测信息，这有助于企业预测绿色技术创新产品的质量并降低创新成本。反之，人类管理者则可以利用人类基于启发式的信息处理方式，凭借其在想象力、创造力、逻辑思维以及经验方面的优势进行干预，从而实现对绿色技术创新及绿色相关政策的最佳预测。尽管普遍认为人工智能技术有助于推动绿色发展（D’Cruz等人，2022；Chen等人，2024），但技术发展迅速是为了服务人类，人类在技术应用中的重要性不容忽视。现有文献主要关注人工智能相关技术的引入，却忽视了“人在回路”概念的重要性。因此，关于人机协作过程如何影响企业绿色技术创新的研究还远远不够。进一步研究人机协作不仅符合让人类“参与其中”的伦理理念，还有助于从技术角度揭示人机协作在企业绿色技术创新中的独特作用。例如，通过强大的信息分析能力、决策方案生成能力以及风险预测能力，人机协作能够提升企业预测产品与市场趋势的能力（Puranam，2021），进而推动绿色产品开发的重大突破，最终解决绿色技术创新中的双重外部性难题。虽然现有文献已广泛探讨了人工智能技术的应用，但针对人机协作指标的有效衡量仍需深入研究。以往的研究主要考察了人工智能的技术效应，如机器人的安装与应用（Wang & Dong，2020）、利用人工智能应用关键词衡量企业智能化水平（Zheng等人，2024）以及人工智能职业暴露指数（AIOE）（Felten等人，2021）。此外，还有研究分析了由人工智能驱动的现象，如人工智能领域的外生技术进步（Huang等人，2024）以及技术带来的工作不稳定性（Tu等人，2023）。还有一些研究探索了人机协作的机制，如关于人机协同作用的多案例研究（Wu等人，2022）。尽管有一些学者基于协调理论研究了人机协作的形成机制，从人机互补的角度探讨了不同的协作模式及其影响因素（Qiu等人，2024），并对人机协作对产品开发机会的影响进行了案例研究（Zou等人，2024），但大多数此类研究仍局限于定性研究范畴。基于此，本文利用2011年至2023年中国上市制造企业的数据，借助BERT语言模型构建了一个人机协作的新指标，并深入探讨了人机协作对企业绿色技术创新的真正影响。研究结果表明，人机协作对企业绿色技术创新具有显著的促进作用。经过一系列的内生性处理与稳健性检验后，本文的结论依然成立。机制检验显示，人机协作通过促进企业知识多样化、提高投资效率以及增强风险承担能力等途径推动绿色技术创新。进一步分析表明，受企业生命周期的影响，人机协作对绿色技术创新的促进作用存在显著差异。具体而言，在创业、成长以及衰退阶段，人机协作在推动绿色技术创新方面的作用更为显著；而在成熟与淘汰阶段，这种促进作用则逐渐减弱。

本文的贡献主要体现在以下三个方面：(1)本文提供了一种衡量企业人机协作的方法，为该领域的文献研究奠定了坚实的实证基础。现有文献存在诸如人工智能的测量对象不一致且模糊、测量方法不科学不准确，从而导致被测变量可能存在偏差、不同研究结果的可比性较低以及计量经济学结果的重复性较差等问题。本文借鉴前人的方法，基于机器学习以及BERT大型语言模型的微调，为衡量人机协作指标提供了新的视角。与传统的基于词典的方法或专利计数方法相比，该方法具有对象定义清晰、指标全面、精度更高以及可重复性强等优点。事实上，那些以专利总数作为智能应用指标的各种研究，往往无法区分智能发展的具体水平，也无法判断人类在该过程中是否发挥了作用。这一局限性可能导致研究结果仅仅描述经济现象，而无法把握其本质。因此，在人工智能相关研究领域，本文为解决上述问题提供了可行的方案，有助于从研究方法应用的角度推进对企业人工智能的深入研究。(2)随着全球智能化与数字化的快速发展，人工智能已成为一个新兴的研究领域，而企业人机协作则是这一领域的重要组成部分。近年来，国内外学者从多个角度研究了人工智能与数字技术对企业绿色转型以及绿色技术创新的影响，包括数字技术升级（Cao等人，2023；Sun，2024；Wang等人，2023）、人工智能的应用（Cui，2024；Gu & Zhang，2023）、机器人的应用（Acemoglu & Restrepo，2020）以及数字化转型（Ma等人，2023）。然而，作为人类与人工智能发展过程中的必然趋势，人机协作对绿色技术创新的影响尚未得到研究。本文基于双系统理论，利用上市公司的专利摘要数据以及基于BERT的中文微调技术，识别并构建了企业人机协作指标，进而探讨了其对绿色技术创新的影响。这种方法更能体现人机协作的协同效率对企业绿色技术创新的影响。这些研究结果对于制造企业而言，在人机协作与绿色技术创新方面具有一定的参考价值，同时也为相关政府部门制定政策提供了依据。(3)本文进一步探讨了人机协作影响企业绿色技术创新的内在机制。现有文献主要通过技术溢出以及资源配置改善等机制来研究人工智能技术应用所带来的后果，但却未能捕捉到人机协作的独特特征。本文认为，人机协作在促进知识多样化、提高投资效率以及增强企业风险承担能力等方面发挥着重要作用，进而推动企业绿色技术创新。此外，在理论层面，本文也为双系统理论的相关研究提供了额外的实证证据。

片段摘录：人机协作与绿色技术创新(1)人机协作的概念定义与人工智能的替代效应不同——后者以人工智能技术为核心，旨在通过替代人力来降低成本、提高效率——人机协作指的是人类智力与人工智能通过特定的设计机制紧密配合，共同完成特定目标任务的过程（Jain等人，2021）。其重点在于人类智力与新一代人工智能的相互提升，从而共同完成任务。

数据来源与样本选择：本文以2011年至2023年间上海证券交易所和深圳证券交易所的A股上市公司作为研究样本。上市公司的专利摘要数据来源于IRPDB数据库和Cn Open Data数据库；绿色技术创新相关的专利数据来自中国研究数据服务平台（CNRDS）；而企业基本信息及相关控制变量的数据则取自中国股市与会计研究（CSMAR）数据库。

主要回归结果：(1)人机协作对绿色技术创新的影响：本文采用BERT模型来衡量人机协作，该方法能够在考虑上下文的情况下识别出这种协作关系。与基于人机协作词典的方法不同，该方法不会从摘要中“断章取义”。例如，考虑这样一段文字：“本发明属于显示技术领域，公开了一种光学触摸屏，包括：一种基底……”

机制分析：先前的分析表明，人机协作使得人类能够专注于自己擅长的领域，比如思维、决策以及创造力等方面。在这一过程中，它提升了企业的投资与生产效率，加速了技术知识的整合与创造，同时还增强了企业承担风险的能力，从而推动企业在绿色技术领域的创新。本文将探讨人类与人工智能协作影响绿色发展的三种路径。主要结论在于：在人工智能技术快速发展以及各行业加速优化升级的背景下，制造企业再也无法仅依靠传统的差异化策略或低水平的模仿创新来保持持续的竞争优势。中国共产党第二十次全国代表大会明确提出要“培育一批以新一代信息技术为代表的新增长引擎”。未引用参考文献：Brynjolfsson和Mitchell，2017；Chen等人，2024；Devlin等人，2018；Hitsuwari等人，2022；Li等人，2021；Li等人，2024；Ma等人，2022；Ning和Guo，2021；Orsatti等人，2019；Zhang等人，2025。CRediT作者贡献说明：姚文康：写作——审阅与编辑、写作——初稿撰写、可视化、验证、研究、正式分析、数据整理、概念构建。吴建祖：概念构建、写作——审阅与编辑。马青：方法论、写作——审阅与编辑。杨文吉：方法论、写作——审阅与编辑。