人机协作对企业绿色创新泡沫的影响

《Finance Research Letters》：Impact of Human–AI Collaboration on Corporate Green Innovation Bubbles

　　

摘要

在实现双碳目标的压力以及人工智能技术快速发展的背景下，企业绿色创新日益呈现出泡沫化趋势——许多企业更注重创新的数量而非质量。本研究构建了人工智能与人力资本之间的耦合协调指标，探讨了其对企业绿色创新泡沫的影响及其作用机制。研究结果表明，人机协作能够有效抑制企业绿色创新泡沫的产生。机制分析显示，人机协作通过提升信息透明度与运营效率、缓解融资约束以及减少过度追求战略创新的行为，有助于推动企业开展高质量绿色创新。异质性分析表明，这种抑制效应在污染较轻的行业、非国有企业以及年度报告可读性较高的企业中更为显著。本研究为数字技术如何提升绿色创新的质量并控制绿色创新泡沫提供了实证依据。

引言

现代工业体系的发展离不开企业绿色技术创新能力的显著提升。然而，与传统创新活动相比，绿色创新面临着更高的技术风险和较长的投资回报周期，这些特点削弱了企业的内在动力，导致高质量绿色创新的转化率较低。在环境法规、产业政策以及资本市场带来的日益强大的制度压力下，企业不得不开展绿色创新活动，以改善环境表现并提升自身合法性（Zhang, 2026）。这种内部激励不足与外部压力巨大的结构性矛盾，使得许多企业采取战略性绿色创新行为，即优先追求创新成果的速度和数量，以快速满足利益相关方的期望，从而忽视创新质量，进而加剧了绿色创新泡沫的形成（Zhang et al., 2026; Zou and Park, 2025）。本质上，绿色创新泡沫反映了创新活动的扭曲现象，企业通过“速胜”策略大量生产低质量的创新成果，形成了重数量轻质量的发展模式（Yang et al., 2026; Tian et al., 2026）。这不仅导致社会创新资源的错配和浪费，还阻碍了经济从数量驱动向质量驱动的转型。

包括自动驾驶、ChatGPT以及协作机器人在内的人工智能技术，已迅速渗透到企业生产的各个环节，改变了组织的生产关系和决策模式。由人工智能驱动的智能协作模式——人机协作，已成为企业提升运营效率和创新能力的重要途径（Shahin et al., 2026; Wang et al., 2026）。2025年的政府工作报告提出了“AI+”计划，同年国务院发布了《关于进一步实施AI+计划的意见》，正式将人机协作确立为一种新的生产组织形式。这一举措标志着人工智能作为协作生产要素得到了制度层面的认可，推动了经济运作从传统的人控模式向更先进的人机协作模式转变。在这种结构转型中，企业的互动逻辑正从传统的人与人协作转向人机协作，这种协作模式结合了人类的创造力与人工智能的效率优势，从而重塑了企业的资源分配模式和创新决策机制。

本研究通过衡量企业人工智能发展与人力资本发展之间的耦合协调程度来界定人机协作，并分析其对绿色创新泡沫的影响。研究结果表明，人机协作能够显著降低企业绿色创新泡沫，推动企业绿色创新从追求数量转向注重质量。机制分析还显示，人机协作有助于缓解企业的融资约束，提升企业持续开展高质量绿色创新的能力，进而抑制绿色创新泡沫的形成。此外，异质性分析表明，人机协作的抑制效应在污染较轻的行业、非国有企业以及年度报告可读性较高的企业中更为明显。

本文主要有三方面的贡献。首先，从人机协作这一新视角出发，探讨了其与企业绿色创新泡沫之间的关系，丰富了数字经济、人工智能与绿色创新交叉领域的研究，为理解企业数字化转型所带来的经济效应提供了新的实证依据（Xu et al., 2024）。其次，本文从融资约束的角度分析了人机协作影响绿色创新泡沫的潜在机制，进一步拓展了企业金融领域中关于数字化转型、融资约束与企业创新行为之间关系的研究，为理解人机协作如何影响企业绿色创新提供了新的分析框架。最后，从实践层面来看，本文的研究结果为企业协调发展人工智能与人力资本、提升绿色创新质量提供了有益的参考，同时也为政府实施“AI+”计划、促进企业绿色创新的高质量发展提供了政策启示。

章节节选

研究假设

随着人工智能技术的快速发展，人机协作已成为提升企业运营效率和创新能力的重要组织模式（Sun and Song, 2025）。人机协作充分利用了人工智能在数据处理、信息分析及决策支持方面的优势，同时发挥人类员工在创造性判断和复杂问题解决方面的优势，从而提升企业的整体效率并优化资源分配。因此，人机协作有助于提升企业的创新能力。

数据

本研究以2015年至2024年间中国A股上市公司为研究对象。为确保数据的有效性和可比性，初始样本排除了金融类、ST类以及*ST类的企业。所有连续变量均通过第1百分位数和第9百分位数进行缩尾处理，以消除异常值。最终样本包含23,526个企业年度观测值。

本研究的核心解释变量是人机协作，它用于衡量企业人力资本与人工智能技术之间的协调程度。因为

基准回归分析

表2的结果显示，对于各类绿色创新泡沫指标而言，人机协作的系数均为负值，且显著性较高，这说明人机协作确实能够有效降低绿色创新泡沫。随着人工智能技术与企业人力资本之间协调程度的提高，企业在其绿色创新活动中越不会过分追求创新的数量而忽视质量。

在表2的第（2）列中，人机协作的回归系数为-0.153，而企业绿色创新泡沫的标准差为0.372。

机制分析

本文采用KZ指数来衡量企业的融资约束程度（Hadlock and Pierce, 2010）。表6的第（1）列显示，人机协作与融资约束之间的系数为负值且显著性较高，这说明人工智能技术与企业人力资本的整合能够提升企业的信息透明度与运营效率，进而增强企业获取外部融资资源的能力。

表6的第（2）列则进一步考虑了融资约束因素

行业分类的异质性分析

借鉴Tan等人的研究方法（2026），本研究根据行业的污染特征，将样本企业分为高污染行业（HP=1）和低污染行业（HP=0）。

表7显示，人机协作对绿色创新泡沫的抑制效应主要体现在低污染行业的企业中，而在高污染行业的企业中则不太明显。

首先，高污染行业的企业面临着更为严格的外部环境法规和政策要求

结论

研究结果表明，无论绿色创新泡沫属于何种类型，或是来自高质量还是低质量的绿色创新，人机协作都能显著降低其形成程度。这说明人工智能与人力资本的深度整合有助于推动企业绿色创新从追求数量转向注重质量。其次，机制分析表明，人机协作能够有效缓解企业的融资约束，而融资约束则是加剧绿色创新泡沫形成的重要因素。第三，异质性分析显示出不同类型企业在面对绿色创新泡沫时存在显著差异。

资金支持

本研究得到了广东省社会科学研究项目[项目编号：GD23XYJ35]的支持。

作者声明

刘彩云：负责数据收集与软件使用。

吴天阳*：负责数据整理工作。

CRediT作者贡献说明

刘彩云：负责正式分析、数据整理以及概念构建工作。吴天阳：负责数据整理以及概念构建工作。

Caiyun Liu|Tianyang Wu

广东金融学院信用管理学院，中国广州