《Sage Open》：AI-Related Disclosure and Enterprise Sustainable Development: Evidence From Chinese Manufacturing Enterprises
编辑推荐：
尽管企业可持续发展日益受到关注，但鲜有研究系统考察企业人工智能相关战略披露与经济、环境和社会三重底线（Triple Bottom Line, TBL）绩效之间的关联。本研究利用2014年至2023年中国A股上市制造业企业的面板数据填补了这一空白。研究发现，人工
尽管企业可持续发展日益受到关注，但鲜有研究系统考察企业人工智能相关战略披露与经济、环境和社会三重底线（Triple Bottom Line, TBL）绩效之间的关联。本研究利用2014年至2023年中国A股上市制造业企业的面板数据填补了这一空白。研究发现，人工智能相关披露强度与企业可持续发展呈正相关。进一步分析提供了提示性证据，表明这种关联与内部组织能力和外部利益相关者关注（尤其是媒体报道和分析师跟踪）有关。研究结果为数字可持续性文献做出贡献，并为政策制定者和企业领导者提供实践启示。
一、研究背景、问题与意义
随着气候变化、资源稀缺和社会不平等等全球性挑战日益严峻，可持续发展已成为政府、产业界和学术界关注的核心议题。可持续发展强调经济增长、环境保护和社会福祉的协调实现。作为全球最大的制造业国家，中国面临将工业实践与可持续发展目标对齐的日益增长的压力。为此，政府出台了“双碳”目标和新型工业化战略等政策，强调资源效率、减排、绿色创新和高质量产业发展。人工智能（Artificial Intelligence, AI）已成为这一转型的关键技术驱动力。然而，关于AI相关战略强调是否以及如何与企业经济、环境和社会多维度的可持续发展相关联，现有理解仍不充分，尤其是在新兴制造业经济体中。
现有关于AI经济后果的研究大致可分为两类：一类聚焦效率提升，认为AI通过自动化和预测分析提高生产率、降低生产成本并优化资源配置；另一类强调创新驱动效应，认为AI促进生态创新、组织升级和商业模式转型。此外，已有研究表明AI对绿色技术绩效和环境导向的技术进步具有积极影响。尽管如此，现有文献仍存在若干重要缺口：第一，已有研究主要关注生产率、创新效率或财务绩效，对AI在企业经济、环境和社会维度上可持续发展的综合影响关注相对有限；第二，AI影响可持续性的机制尚未得到充分探索，现有研究未能充分解释AI如何同时强化内部组织能力并回应外部利益相关者压力；第三，来自新兴制造业经济体的实证证据仍然相对有限。
为弥补上述缺口，本研究基于三重底线视角，整合内部能力构建与外部利益相关者关注，构建了多层次分析框架，试图回答三个研究问题：（1）AI相关披露强度是否与企业可持续发展相关联？（2）哪些内部能力和外部关注渠道与这种关联一致？（3）这种估计关联是否因行业和地区而异？
二、研究内容与主要结论
研究人员利用2014年至2023年中国A股上市制造业企业的面板数据，通过文本挖掘年报构建AI相关披露强度指标，采用熵权法构建涵盖经济、环境和社会的综合可持续发展指数。实证结果显示，AI相关披露强度与企业可持续发展呈正相关。渠道分析提供了两条潜在路径的提示性证据：内部路径包括创新、生产和管理能力，外部路径体现在媒体报道和分析师跟踪。进一步分析表明，这种正相关在重污染行业中更为显著。分样本估计显示，东部地区企业存在统计上显著的正相关，而正式系数差异检验揭示了更为细致的区域差异模式。
本研究在三个方面做出贡献：第一，通过构建同时纳入经济、环境和社会维度的综合可持续发展框架，拓展了AI与企业可持续性的文献；第二，开发了将AI相关披露强度与内部组织能力和外部利益相关者关注联系起来的综合分析框架，并提供与这些拟议渠道一致的提示性证据；第三，聚焦中国制造业企业，为经历数字和可持续双重转型的新兴经济体提供了新的企业层面证据。
三、主要技术方法
本研究采用以下关键方法：其一，AI相关披露强度通过文本挖掘方法构建，基于AI关键词词典对企业年报进行关键词频次统计，取自然对数加一作为测量指标；其二，企业可持续发展指数采用熵权法构建，综合经济绩效（以总资产收益率（Return on Assets, ROA）衡量）、环境绩效（来自中证ESG评级的环境得分）和社会绩效（企业社会责任指数）三个维度；其三，创新能力以年度发明专利申请数加一取自然对数衡量；其四，生产能力采用Levinsohn和Petrin（2003）的LP方法构建企业全要素生产率（Total Factor Productivity, TFP）指标；其五，管理能力以管理费用与销售费用之和占营业收入的比率衡量，该指标为负向指标；其六，分析师跟踪数以跟踪企业的分析师机构数加一取自然对数衡量；其七，媒体关注度以企业年度网络媒体报道数量加一取自然对数衡量。数据来源包括国泰安数据库（CSMAR）、中证ESG评级、国家知识产权局（CNIPA）、中国研究数据服务平台（CNRDS）、万得数据库和中国统计年鉴。样本期间为2014至2023年，最终样本包含18,949个企业-年度观测值。
四、研究结果
（一）基准回归结果
固定效应模型估计结果显示，AI相关披露强度与可持续发展指数在1%显著性水平上正相关，支持假设H1。从经济规模看，AI相关披露强度每增加一个单位，可持续发展指数增加0.010，约占样本均值的1.59%和标准差的4.41%。分维度结果显示，AI相关披露强度与环境绩效在5%水平上显著正相关，与社会绩效在1%水平上显著正相关，而经济绩效系数为正但统计上不显著。
（二）稳健性与内生性检验
通过排除直辖市样本、排除2015年政策里程碑之前的样本、排除数字产业相关行业样本等特殊样本处理，以及调整固定效应设定、改变聚类方式、加入行业集中度（HHI）和城市GDP增长率等额外控制变量，AI相关披露强度的系数在1%水平上保持显著为正。采用一期滞后AI披露指标的回归结果同样显著为正。倾向得分匹配（Propensity Score Matching, PSM）分析采用1:4最近邻匹配和核匹配方法，匹配后样本回归结果仍显示显著正相关。
（三）内部能力渠道分析
AI相关披露强度与创新能力和生产能力呈显著正相关，与管理费用率呈显著负相关，表明AI相关披露强度与更高的管理效率相关联。这些结果与假设H2a、H2b和H2c一致。
（四）外部关注渠道分析
AI相关披露强度与媒体关注度和分析师跟踪数均呈显著正相关，支持假设H3a和H3b。这表明AI相关披露可能吸引外部利益相关者的关注，通过声誉压力和资本市场监督促进企业改善可持续发展绩效。
（五）异质性分析
进一步分析表明，AI相关披露强度与可持续发展的正相关在重污染行业中更为显著。分样本估计显示，东部地区企业存在统计上显著的正相关，而系数差异检验揭示了更细致的区域差异模式。
五、讨论与结论
研究结果与AI相关战略活动可能与企业可持续商业实践改善相关联的观点一致。内部组织能力（创新、生产和管理能力）和外部利益相关者关注（媒体报道和分析师跟踪）是两条与AI相关披露强度关联的潜在渠道。研究未表明AI相关披露直接导致更好的可持续性结果，而是识别了可能有助于解释数字化转型与可持续性之间联系的有意义的关联。研究结果对寻求将AI整合到长期可持续战略中的企业管理者，以及对鼓励负责任数字化转型的政策制定者具有参考价值。研究局限性在于，文本测量指标捕捉的是AI相关披露强度和战略强调，而非实际AI实施的规模、深度或技术成熟度，且观测性研究设计无法正式识别因果中介效应。
