文献名称：Feng, F., Li, J., Zhang, F., & Sun, J. (2024). The impact of artificial intelligence on green innovation efficiency: Moderating role of dynamic capability. International Review of Economics & Finance, 96, 103649.

研究问题：

全球对可持续发展的迫切需求，促使绿色创新成为应对环境挑战的关键机制。与此同时，人工智能的迅速发展改变了各行业的业务运营。因此，可持续发展目标和技术进步的交叉为探索人工智能在增强绿色创新努力方面的潜力提供了肥沃的土壤。然而，人工智能采用与绿色创新效率之间的关系仍不明确，尤其是在新兴经济体。此外，人工智能最有效地推动绿色创新的条件也没有得到很好的理解。本研究旨在通过考察人工智能的采用对中国企业绿色创新效率的影响来解决这些问题，并特别关注动态能力如何调节这种关系。

研究模型示意图：

 

论文摘要：

环境问题加剧了对可持续创新的关注，人工智能（AI）成为潜在的驱动力。然而，人工智能的采用与绿色创新效率之间的关系，特别是在新兴经济体，仍然不清楚。解决这一差距至关重要，因为它可以揭示在快速增长的市场中加强可持续发展的途径。在这里，我们调查了人工智能如何影响中国企业的绿色创新效率，并检验了动态能力的调节作用。本文使用26,117家中国A股上市公司（2008-2022年）的面板数据，采用一种基于文本的新的人工智能采用测度，通过专利申请和研发支出来评估绿色创新效率。我们的研究结果揭示了人工智能的采用与绿色创新效率之间存在显着的正相关关系，动态能力增强了这种影响。这种影响在非国有企业和高科技企业中更为强烈。这些结果证明了人工智能作为可持续发展催化剂的潜力，并强调了组织能力在实现这些好处方面的重要性。我们的研究有助于不断发展的关于技术驱动的可持续发展的讨论，为在不同经济背景下利用人工智能进行绿色创新的理论和实践提供了见解。

研究空白：

以往的研究探讨了技术进步与创新成果之间的关系，以及可持续性在企业战略中的重要性。研究表明，AI可以优化资源分配，改善决策过程，加快研发周期。同样，动态能力的概念也与快速变化的环境中提高组织绩效和适应性有关。然而，人工智能采用、动态能力和绿色创新效率之间的相互作用在很大程度上仍未得到探索，尤其是在中国等新兴经济体的背景下。本研究通过调查人工智能的采用如何影响绿色创新效率，以及这种关系是如何通过企业的动态调整来解决这一差距的。

理论视角：

动态能力在企业如何利用新技术和适应不断变化的环境需求方面发挥着关键作用。其包括感知机会、获取资源和重新配置运营的能力，在采用人工智能进行绿色创新的背景下尤为重要。它们使企业能够有效地将人工智能技术整合到其运营中，并推动可持续的创新成果。本文将动态能力分为吸收能力、创新能力、适应能力，来探讨其在人工智能对绿色创新成果影响的调节作用。

主要假设：

H1：人工智能的采用与企业的绿色创新效率正相关。

H2：动态能力对人工智能采用与绿色创新效率之间的关系具有正向调节作用。

H2a：吸收能力强化了人工智能采用与绿色创新效率之间的正向关系。

H2b：创新能力增强了人工智能采用对绿色创新效率的积极影响。

H2c：适应能力放大了人工智能采用对绿色创新效率的积极影响。

假设论据：

• 人工智能在优化资源分配、增强决策过程、加快以环境为中心的创新研发周期方面具有一定的潜力，从而促进了企业绿色创新绩效。
• 动态能力能够使企业如何在快速变化的环境中保持竞争优势。在采用人工智能进行绿色创新的背景下，动态能力使企业能够有效地将人工智能技术整合到其运营中，并推动可持续的创新成果。本研究将动态能力分为三个方面：吸收能力、创新能力、适应能力。吸收能力能够将外部知识转化为创新成果。例如，具有高吸收能力的企业可以更有效地利用人工智能来增强其可持续性实践。吸收能力高的企业在理解和实施人工智能技术促进绿色创新方面更为有效。创新能力反映了企业开发新产品和新工艺的能力。在人工智能和绿色创新的背景下，强大的创新能力使企业能够有效地将人工智能融入其绿色创新流程，从而产生新颖的可持续解决方案。适应能力是指企业识别和利用新兴市场机会的能力。具有强大适应能力的公司可以快速调整其战略和运营，以利用新的人工智能技术进行绿色创新。

研究变量：

解释变量：绿色创新效率。本文使用绿色创新产出与投入的比率来衡量。产出部分通过绿色专利申请总数的自然对数进行量化，包括发明、实用新型和外观设计专利。投入方面使用研究和开发（R&D）支出作为替代。

被解释变量：人工智能。本文采用基于文本的测量方法来捕获人工智能（AI）在公司中的采用和整合。开发了一个全面的人工智能相关术语列表，包括“人工智能”，“机器学习”，“深度学习”，“神经网络”和“大数据分析”。通过使用自然语言处理技术，统计了这些关键词在每家公司的公司披露中的出现次数。为了考虑文档长度的变化，本文将原始计数标准化为总字数。并确定最终AI指标是总归一化AI关键词频率的自然对数加1，减轻了偏度，并允许包含零AI提及的公司。

调节变量：动态能力。本研究考察了动态能力的三个方面：吸收能力、创新能力和适应能力。通过研发强度来衡量吸收能力，计算方法是研发支出与总销售额的比率。创新能力的评估采用了一种综合衡量方法。将研发强度和技术人员占劳动力的比例结合起来，对这些指标进行了标准化和归纳。这一方法包括创新潜力的财务承诺和人力资本方面。通过分析在研发、资本支出和广告方面的资源分配的可变性来测量适应能力。

研究层面：企业层面

样本对象：面板数据

回归模型：基线回归模型、调节效应模型

研究结论：

本研究探讨了中国企业采用人工智能和绿色创新效率之间的复杂关系，揭示了动态能力在这一过程中的关键作用。研究结果显示，人工智能对可持续创新成果产生了显著的积极影响，并受到吸收能力、创新能力和适应性等关键组织属性的调节。该研究强调了企业类型之间的重要区别，非国有和高科技企业在其绿色创新努力中展示了人工智能的更大好处。

研究贡献：

本研究在几个方面对现有文献做出了贡献。首先，它弥合了人工智能研究与绿色创新研究之间的差距，为新兴技术如何推动可持续创新提供了见解。此外，它扩大了我们对动态能力在调节技术采用有效性方面的作用的理解。最后，通过关注中国的背景，它为新兴经济体寻求利用人工智能促进可持续发展的政策制定者和实践者提供了宝贵的见解。

阅读感想：

在可持续发展背景下，如何衡量经济增长与环境保护至关重要。与此同时，技术进步（人工智能）为可持续发展提供了机遇。本文认为人工智能在促进绿色创新效率上发挥了这几个方面作用：优化资源配置、增强了企业的战略感知能力和及时决策能力、提高环境监测的准确性和及时性、优化产品设计中的可持续性、使供应链可持续化等。

通过异质性分析发现，非国有企业和高科技企业在AI推动绿色创新方面表现得更为突出。这个结论可以为政策制定者和企业管理者提供差异化建议指导。

本文将动态能力分为三个方面（吸收能力、创新能力、适应能力）来考察其在人工智能对绿色创新效率影响的调节作用，但在研究假设部分未深入研究这种关系的具体机制，未来可以深入探讨。