引言
当前，在全球价值链分工背景下，制造业企业国内增加值已成为学术界判断企业参与国际贸易真实利得的重要标准。积极寻求新的技术升级，逐渐成为各国向全球价值链网络中心发展的主要战略。2020年7月，国家标准化管理委员会、中央网信办、国家发展和改革委员会、科技部以及工业和信息化部联合印发了《国家新一代人工智能标准体系建设指南》，明确提出“充分发挥人工智能发展的支撑引领作用，为高质量发展保驾护航”。由此可见，实现更高水平对外开放，高质量融入全球价值链，需要依托以人工智能等为代表的高新技术的支持，这也使本文的研究更具有实践意义。因此，正确评估人工智能对企业出口国内附加值率的影响，对增强全球价值链分工中中国企业的竞争力及促进出口转型升级具有理论价值和现实意义。
从文献来看，与本文相关的研究主要包括以下三类：第一，人工智能测度及其影响效应研究。现有对人工智能的测度主要集中于工业机器人的投入量和使用情况。工业机器人是人工智能技术成果赋能生产力的直接表现，尽管工业机器人的投入与应用在一定程度上反映了制造业的人工智能应用水平，但人工智能在制造业的应用中涉及工业化和信息化的融合，自动化生产还需要运用计算机技术和软件应用，仅用工业机器人的使用数量表征人工智能应用水平略显单一。就人工智能的影响效应而言，现有文献主要从就业效应、生产率效应等方面探究人工智能对产业的影响。人工智能的就业效应主要表现为劳动替代效应和劳动创造效应。人工智能的劳动生产率效应体现在人工智能对生产率的直接效应和智能化导致的技术溢出效应两方面，进而带动全社会劳动生产率的提高。此外，蔡跃洲等分析了人工智能对经济增长的影响机制，认为人工智能能够推动经济各部门的高质量增长。第二，全球价值链与出口国内附加值率的测度与影响因素研究。随着投入产出技术的发展以及微观数据可得性的提高，以Ｋｏｏｐｍａｎ等、Ｋｅｅ等为代表的学者关于国内附加值率的测度，为有关全球价值链的研究奠定了重要的量化基础，有关全球价值链测度的研究大量涌现。国内外学者分别从贸易自由化、研发创新、技术与知识溢出、外资进入、要素价格、融资约束OI0等视角对该问题进行了广泛研究。数字技术的应用显著推动了生产方式变革，但上述研究的前提均假设企业生产方式未发生显著变化。因此，探讨人工智能如何有效提升出口国内附加值率，有助于深入理解企业数字化转型推动高质量发展的内在机理，为相关政策提供支持。第三，数字化对贸易的影响研究。其中，人工智能对贸易影响的相关研究较少，现有研究集中于工业机器人使用对经济增长的影响方面。OI1数字化对全球价值链位置的影响效应研究主要包括两方面：一方面是互联网化的低成本效应对出口的影响研究；另一方面是数字化对全球价值链的影响研究。大多研究基于成本效应考察数字化对全球价值链位置的影响，而基于增加值视角探究人工智能赋能企业参与全球价值链分工行为的研究较少，且其作用机制有待进一步讨论。出口国内增加值率反映了企业参与国际分工的实际贸易利得和竞争力水平。人工智能作为一种内含前沿技术的资本品，一方面以资本深化的方式直接推动经济增长方式的转变，另一方面会对企业产生间接的技术外溢效应。分析人工智能将以何种方式影响企业出口国内附加值率、企业贸易利得、企业国际竞争力，对于理解人工智能对产业的支撑引领作用具有重要意义，这也是本文的研究价值所在。
本文以中国工业企业为研究对象，采用面板固定效应模型实证分析人工智能对企业出口国内增加值率的影响及其机制。本文可能的边际贡献：第一，丰富了全球价值链理论尤其是出口国内增加值率影响因素的文献。本文研究人工智能对全球价值链出口国内增加值率的影响，不仅符合众多企业加速数字化转型的事实特征，还拓展了全球价值链领域的研究视角。第二，深化了人工智能影响全球价值链出口国内增加值率的研究。本文构建了人工智能影响企业出口国内增加值率的理论模型，深化了该领域的理论研究。此外，本文通过构建人工智能复合型指标，全面衡量国内的人工智能水平，为相关实证研究的细化提供了微观指标支撑。第三，揭示了人工智能影响全球价值链出口国内附加值率的机制。本文从研发创新和中间产品两个角度，揭示了人工智能对全球价值链出口国内附加值率的影响机制，可为政府加快出台和实施人工智能政策提供经验证据。
一、理论框架与命题提出
本文参考Ｋｅｅ等的做法，将企业生产函数设为：
其中，Ｑ代表产出，φ代表生产率，ｉ表示企业，ｔ表示时间，α、β、γ分别代表资本（Ｋ）、劳动（Ｌ）和复合中间品（Ｍ）的要素份额，其中复合中间品是国内中间品ＭＤ和进口中间品ＭＩ的ＣＥＳ（ＣｏｎｓｔａｎｔＥｌａｓｔｉｃｉｔｙｏｆＳｕｂｓｔｉｔｕｔｉｏｎ）组合，ε＞１为二者的替代弹性。企业面临的资本、劳动、国内中间品、进口中间品以及复合中间品的要素价格分别为ｒ、ω、ＰＤ、ＰＩ、ＰＭ。企业在给定目标产量和要素价格情况下，通过选择资本、劳动和复合中间投入的不同组合实现成本最小化。
本文借鉴Ａｃｅｍｏｇｌｕ等的研究思想，假设人工智能参与国内中间品ＭＤ的生产，且ＭＤ的生产由一系列复杂程度不同的任务组成，任务间替代弹性为τ，复杂程度低于η的任务，由要素Ｋ以自动化
方式完成，份额为κ；复杂程度高于η的任务，由要素Ｌ以非自动化的方式完成，份额为１－κ。企业在短期内不会改变中间品的投入量，但可以调整要素Ｋ中的人工智能占比，则ＭＤ的均衡产出：
企业通过选择临界任务η实现中间品生产成本最小化。当人工智能的相对价格降低时，以自动化方式完成原临界任务η所支付的租金ωｋ将低于ωｌ，企业将选择复杂度更高的任务作为新的临界任务，从而提高自动化份额κ。随着生产自动化水平的提高，制造流程和生产工艺得以改进，产品标准化程度进一步提高，产品质量随之提升。对任意τ＞０，式（６）取值均为负，表明进口中间品占比将随κ的提高而降低，发生国产品替代。结合式（５），出口国内附加值率随进口中间品占比的下降而增加，因此，出口ＤＶＡＲ将随人工智能的应用而增加：
基于上述分析，本文提出以下假设：
假设１：人工智能应用可以促进企业出口国内附加值率的提升。
假设２：人工智能可以通过进口中间品质量效应促进国产替代，降低进口中间品占比，提升出口国内附加值率。
若企业在生产中投１单位复合要素的成本为Ωｉｔ，即式（２）可简化为ｃｉｔ＝Ωｉｔ／φｉｔ。在此基础上，式（５）可变换为。
企业生产技术水平φｉｔ越高，企业出口国内附加值率就越高。人工智能具有资本属性，其应用也会对企业的生产技术水平产生外溢效应，从而提高企业生产技术水平。人工智能应用对企业创新行为的促进作用体现在三方面：一是人工智能推动成本节约型创新。自动化设备和互联网软件应用替代了部分人力对生产环节的投入，减少了企业生产过程中劳动等可变要素的投入，增强了企业的研发动力，直接促进企业的创新行为。二是人工智能产生技术溢出效应。人工智能带来的技术溢出更多表现在其对生产制造的渗透融合，拓展了生产任务边界，引致了产品生产技术的进步，推动了产品的研发创新与更新迭代。三是人工智能改善企业创新禀赋。人工智能能够推动企业加强内部创新和管理监督，优化劳动力结构，增加对高级要素的需求，改善企业创新活动的要素禀赋，直接激励企业内部的创新活动。
假设３：人工智能技术应用可通过研发创新提升技术水平，进而提高企业出口国内附加值率。
二、数据、变量与特征事实
１.出口国内附加值率
本文借鉴张杰的测算方法，并结合贸易方式的差别，综合考虑进口中间品投入和进口资本品折旧，计算企业出口国内附加值率。
其中，φ＝１，φ＝２，φ＝３分别表示一般贸易、加工贸易和混合贸易。ωｏ，ωｐ分别表示混合贸易企业中一般贸易和加工贸易的占比。
本文将测算得到的企业出口国内附加值率按照出口金额进行加权平均，根据企业出口贸易方式、所有权性质以及技术密集度分类绘图。由图１可见，首先，中国企业的平均出口国内附加值率在样本期内逐年递增，由２００４年的６４.２８％上升到２０１３年的８３.９４％；其次，一般贸易方式的企业出口国内附加值率最高，混合贸易次之，加工贸易最低；最后，从增长幅度来看，制造业企业出口国内附加值率总体逐年上升，混合贸易和加工贸易企业上升趋势更明显，分别提升了２２.２８％和１５.６５％，但一般贸易企业则相对稳定，说明中国出口国内附加值率的提升可能得益于混合贸易和加工贸易的促进作用。从企业所有权来看，外资企业的出口国内附加值率较低，但上升趋势更明显，表明外资企业在中国出口升级过程中日渐成为重要角色。与外资企业相比，本土企业的出口国内附加值率一直维持在较高的水平，尤其是在２０１０年之后，本土企业的出口国内附加值率表现出更快的增长态势。低技术行业的出口国内附加值率与中技术行业的出口国内附加值率相差并不明显，且二者的增长态势趋同。高技术行业的出口国内附加值率明显低于低、中技术行业。
２.人工智能
本文从基础建设、生产应用、竞争力和效益三方面构建省级人工智能水平指标。其中，二级指标包括：软件应用程度，即全口径的各省市软件产品收入占所有工业企业主营业务收入的比重。智能化设备投入情况，本文使用机器人安装密度表征工业企业智能化设备投入情况。其中，Ｌｃｋｔ为ｃ省份ｋ行业ｔ年的就业人数，Ｌｃｔ为ｃ省份ｔ年的就业人数，Ｒｏｂｋｔ为工业机器人ｋ行业的存量，Ｌｋｔ为全国ｋ行业的就业人数。
信息通信程度，采用各省份的互联网普及率表示。数据应用程度，以信息系统集成业务收入占工业企业主营业务收入的份额来表示。新产品生产情况，由于工业企业生产范围广泛，无法将代表自动化生产和智能技术的产品全部选取出来，因此本文以新产品销售收入占工业企业主营业务收入的份额来表示新产品生产情况。创新能力，采用国家专利申请授权量与Ｒ＆Ｄ人员全时当量比值来反映不同省份的创新能力。经济效益，以各省份的总资产贡献率和成本费用利用率反映经济效益。整合上述详细指标，本文采用主成分分析法测度各省份人工智能水平。主成分分析法可以用较少的复合变量代替原本的多指标变量，既能减少原始变量反映的重复信息，又能够保留有效信息。运用最大最小值法对原始指标进行标准化处理。接下来计算特征根和特征向量。以累计贡献率以及特征值是否大于１作为衡量标准确定主成分数量，计算各主成分载荷，并测算各系统得分值：
其中，ｗｉ为指标权重，ｍｍｘｉ为无量纲值。对归一化后的各省份软件应用程度、智能化设备投入情况、信息通信程度、数据应用程度、新产品生产能力、工业企业创新能力、工业企业经济效益进行ＫＭＯ和Ｂａｒｔｌｅｔｔ检验，ＫＭＯ值为０.５６，整体样本的显著性水平为０.０００，说明主成分分析法对于本文选取的人工智能指标具有适用性。根据主成分提取分析的结果可知，人工智能发展水平的３个主成分特征值超过１，且累积贡献率达到６５.４％，包含原始数据的大部分信息，符合主成分的选取标准。最后，依据线性加权求和公式，求解样本期间各省人工智能发展水平综合指数。
３.控制变量
参考相关过往研究，本文选取以下影响企业出口国内附加值率的控制变量。企业层面控制变量包括：资本集聚化水平（ｌｎｋｌ）：工业企业数据库中固定资产净值的年平均余额除以企业员工数量，取对数。企业年龄（ａｇｅ）：以企业存续年限加１作为代理变量。企业规模（ｌｎｅｍｐｌｏｙ）：以企业年末从业人数对数值表示，控制企业规模的潜在影响。融资约束（ｌｎＦｉｎ）：采用企业利息支出与固定资产比值来衡量。企业融资约束越小，企业利息支出与固定资产比值越大。行业层面控制变量为行业竞争程度（ｈｈｉ），以四位码行业主营业务收入计算的赫芬达尔指数衡量。ｈｈｉ值越小，表示企业面临的竞争程度越低。
４.数据来源
（１）中国工业企业数据库
本文对原始数据进行以下处理：参考Ｂｒａｎｄｔ等，采用序贯识别法生成新的企业代码，剔除资产总额、固定资产净值等主要财务指标缺失或违背一般公认会计准则的样本，删除就业人员数少于８人的样本等异常样本。保留制造业企业样本（行业代码１３—４３），并统一为２００２年版，对工业总产值和工业增加值以１９９８年为基期的工业品出厂价格指数进行平减，对中间品投入以１９９８年为基期的工业品购进价格指数进行平减。从２００８年开始，中国工业企业数据库中缺失了增加值和中间品投入等估算生产函数的重要变量，本文参考寇宗来等的方法补齐关键指标，采用永续盘存法计算资本存量。
（２）中国海关数据库
本文使用中国工业企业数据库和中国海关进出口数据库来测算企业出口国内附加值率。本文对样本数据进行如下处理：先后选用企业名称和年份、企业邮编、后七位电话号码与年份作为匹配变量对工业企业数据库和海关数据库进行匹配，得到２００４—２０１３年企业层面的合并数据。借鉴Ａｈｎ等的方法，将贸易代理商定义为企业名称中出现“进出口”“贸易”“经贸”“外经”和“科贸”等字样的企业，计算贸易中间商的进口额占全行业总进口额的比重，并对企业的实际进口额进行修正。利用联合国广义经济分类标准（ＢＥＣ）标识一般贸易企业进口的中间品信息。按照海关数据库中ＨＳ六位产品代码与ＢＥＣ产品代码进行匹配。将ＢＥＣ代码为“１１１”“１２１”“２１”“２２”“３１”“３２２”“４２”和“５３”的进口产品标识为中间品。标识ＢＥＣ代码为“４１”“５２１”的进口产品为出口企业的进口资本品。将企业国内中间投入含有的国外产品份额设定为５％，采用１０.９６％的折旧率估算企业进口资本品中的折旧部分，计算企业的出口国内附加值率。
（３）测度人工智能代理变量
所使用的数据来源于《中国劳动统计年鉴》《中国电子信息产业统计年鉴》《中国统计年鉴》和《中国科技统计年鉴》。参照孙早等的做法④，将各数据库统计口径统一至“规模以上工业企业”口径。
三、计量模型与实证结果
1.计量模型设定
本文在吕越等研究基础上,建立多维固定效应模型检验人工智能对企业出口国内附加值率的影响。具体回归模型如下：
DVARikt=β0+β1Intjt+∑controlikt+firmi+provj+industryk+yeart+ε
其中，被解释变量DVARikt表示行业k中企业i第t年的出口国内附加值率，Intjt代表省份j第t年的人工智能，∑controlikt表示本文选取的控制变量，包括资本集聚化水平(lnkl)、企业年龄加1的对数值(lnage)、企业规模(lnemploy)、融资约束(lnFin)、行业竞争程度(hhi)。此外，模型还控制了企业固定效应(firmi)、省份固定效应(provj)、行业固定效应(industryk)和年份固定效应(yeart),分别控制企业、省份、行业和年份等相关因素对企业出口国内附加值率的影响。εijkt为随机误差项，聚类在企业层面以避免可能出现的异方差和序列相关性问题。
2.基准检验结果
本文在对主解释变量与被解释变量的回归中逐步加入控制变量和不同维度固定效应，为使回归结果更准确，使用企业层面的聚类稳健标准误进行处理。由表1可以看到，核心解释变量Int的系数都在1%的水平上显著为正，被解释变量dvar与解释变量Int显著正相关，说明地区人工智能水平的提高显著增加了企业出口国内附加值率。同时，根据本文选取的控制变量在基准回归中的结果可以发现，企业规模并没有推动企业获得更高的国内增加值，资本要素密集度抑制了增加值率的增长。本文选取的企业外部融资能力lnFin为负向指标，在回归结果中呈现显著负向，说明企业从外部获取资金的能力越强，融资约束越小，越能为企业带来更高的出口国内附加值。
3.稳健性检验
(1)极端值影响
考虑数据极端值的影响，本文将企业的出口国内附加值率进行双边缩尾5%的处理，再按照基础回归中的模型进行实证检验。由表2的回归结果可知，在对被解释变量的数据结构进行双边缩尾处理后，极端值的干扰减少，核心解释变量Int的回归结果依然正向显著，该结果与表1基本一致，说明在调整数据结构的情况下，人工智能水平的提升显著提高了企业出口国内增加值率，基本假设结论依然稳健。
(2)更换估计方法
除了异常值造成的数据离散程度偏误，企业出口国内附加值率数值介于0和1之间，样本数据呈现明显的双侧受限特点，连续型的被解释变量因为截留而只能选取一定范围的值，造成估计结果有偏。为此，本文采用受限因变量(Tobit)模型解决上述问题，被解释变量(dvar)的上下限分别设为1和0。由表1可知，国内附加值率的估计系数值并没有发生明显波动，也没有改变显著性，与表2结果基本一致，回归结果稳健可靠。
(3)替换被解释变量
本文采用不同方法测算出口国内附加值率指标，进行稳健性检验。回归结果如表2所示，在对企业出口国内附加值率指标进行替换后，核心解释变量的方向和显著性与表1基本一致，结果稳健成立。
4.内生性检验
本文的解释变量和被解释变量可能存在由遗漏变量和反向因果引致的内生性问题，导致估计结果有偏，因此采用工具变量检验和系统GMM,缓解内生性问题对因果识别的影响。
(1)工具变量法
本文拟选用与中国制造业智能化水平发展程度相近的国家的人工智能指标作为工具变量，原因有二：首先，目标国的机器人应用在一段时期内与中国的机器人应用变化相似，其生产投入情况会对中国的人工智能行业产生影响，满足工具变量与内生变量的相关性。其次，目标国的工业机器人的发展程度不会对中国的出口国内附加值率产生影响，符合工具变量的外生性条件。本文选取美国、日本、德国、瑞典、韩国的工业机器人安装密度，利用各省份行业就业占比将五国的工业机器人密度分解至各省份，再取结果平均值。国外第t年的工业机器人存量分解至i省的计算公式为：
其中，J是各行业合集，Li,j,t表示i省份j行业t年的就业人数，Li,t表i省份t年的总就业人数，Lj,t表示j行业t年的就业人数，ImRobjt表示五国j行业t年的机器人数量。在此基础上，本文使用如下方法计算工具变量：
其中，n代表上述5个国家。本文使用工具变量IVRobit进行最小二乘(2SLS)估计，可以看出，人工智能的估计系数在1%的水平上显著为正，其与基准回归的系数仅存在微小差别，说明基准回归结果稳健可靠。
(2)系统GMM的估计方法
在动态面板模型中，选取出口国内附加值率合适的滞后期数作为工具变量。本文采用Arellano-
Bond检验来验证扰动项差分的自相关问题，选用适用度更广泛的Hansen检验对工具变量有效性进行检验。如表2所示，滞后一期的国内附加值率系数估计值显著为正，且在1%的显著性水平下通过了检验，表明当期的出口国内增加值率会对下一期的出口国内增加值率产生影响。省份层面的人工智能系数估计值依然为正，再次验证了本文的研究假设。
5.异质性分析
(1)区分企业所有权类型
本文通过中国工业企业数据库中登记注册类型信息来区分企业性质。国有企业是指登记注册类型为110、120、130、141、143、151的企业，其余注册类型的企业为非国有企业，主要包括民营企业和外资企业。如表3所示，回归结果显示，提升人工智能对国有企业的国内出口附加值率没有较大影响，但显著提升了非国有企业的国内出口附加值率。可能的解释是，国有企业与政府的关系较紧密，企业内控机制更完善，预算约束更紧张①,面对生产经营的不确定性时，更倾向于采取试探和防御策略，非国有企业对研发投资的意愿以及创新投入的强度均高于国有企业②,因而人工智能对非国有企业的影响也更显著。
(2)区分贸易方式
如表3所示，人工智能对一般贸易企业的出口国内附加值率影响不大，但显著促进了混合贸易企业出口国内附加值率的提升，证实了人工智能对不同贸易方式企业的出口国内附加值率影响不同的假设。目前来看，针对就业结构而言，人工智能在制造业的应用会取代低端劳动力。因此，与一般贸易企业相比，混合贸易企业的出口生产需要更多的中低端劳动力，人工智能对企业生产的赋能程度更高，混合贸易企业中的劳动力替代效应更明显，所带来的影响也更明显。
原因是工业机器人的使用通过替代部分劳动力岗位对制造业产生影响，可执行重复性劳动的工业机器人替代了中低技能的人工劳动。人工智能对生产率的提升效应主要体现在劳动投入较密集的企业，且就业规模和机器人应用程度呈正比。因此，人工智能对劳动密集型企业的出口国内附加值率产生了更显著的影响。
（４）区分所在地
本文按照行政区划将样本分为东部地区、中部地区、西部地区进行分样本回归。如表４所示，按照企业地理位置信息分地区的分样本回归结果显示，人工智能仅对东部地区企业出口国内附加值率存在显著提升作用，对中西部地区影响不明显，证实了人工智能对不同地区企业的出口国内附加值率影响不同。这可能是因为，相比其他地区，东部地区上下游配套产业完善发展、要素流动充分，价值链分工体系的质量和效率更有竞争力。由此看出，在一定客观条件下，人工智能才能发挥其对企业出口国内增加值率的促进作用。
６.机制检验
ｘ本文分析了人工智能通过资本品进入生产函数，对国内中间品产生质量效应，从而形成国产替代，提高了企业出口国内附加值率。同时，人工智能还通过技术溢出对企业产生技术创新效应，进一步提高企业的出口国内附加值率。本文参考江艇的研究对上述两种渠道效应进行了检验。
（１）技术创新效应
关于研发创新指标的度量，通常有两种方法：一是从创新投入视角出发，采用研发经费和投入来衡量；二是从创新产出视角出发，采取新产品产值、专利申请或授权数来衡量。与新产品产值和研发投入相比，专利申请数能够更加准确地反映创新能力。④因此，本文采用各省份的发明专利申请数来衡量其创新能力，专利的申请数据来自中国经济金融研究数据库（ＣＳＭＡＲ数据库）。人工智能通过影响研发创新，作用于企业出口国内附加值率的作用机制。表5第(1)ℴ(2)列汇报了研发创新效应检验结果。第(1)列结果显示，人工智能Int的系数显著为正，人工智能显著提升了专利申请数，即提高了研发创新水平。第(2)列研发创新变量patent估计系数显著为正，说明研发创新显著提升了企业出口国内附加值率，即研发创新水平越高，国内价值增值越大，出口国内附加值率水平越高。因此，第(1)ℴ(2)列说明，存在“人工智能—研发创新规模—出口国内附加值率”的链式结构。表1和表5说明，总体上人工智能对企业出口国内附加值率的影响为正，即人工智能化程度的提高，可提高企业国内附加值率。人工智能对企业出口国内附加值率存在正向影响，本文命题2成立。
(2)国内中间品替代效应
本文采用省级层面一般贸易出口中间品质量代表国内中间品质量，测算方法分为两步：第一步，测算产品层面的出口产品质量。本文采用事后推理法测算企业的出口产品质量，在产品质量的测算过程中加入了对不同种类产品水平差异和价格内生性的考量。第二步，借用省份地理信息以出口金额为权重，对出口产品质量进行加权平均，计算省级层面的国内中间品质量。人工智能通过影响国内中间品质量作用于企业出口国内附加值率的作用机制，检验结果见表5。表5第(3)列结果显示，人工智能Int的系数显著为正，人工智能显著提升了国内中间产品质量。第(4)列国内中间产品质量quality估计系数显著为正，说明国内中间产品质量显著提高了企业出口国内附加值率，即国内中间产品质量水平越高，国内价值增值越大，出口国内附加值率越高。表2和表5说明，借助工业机器人应用和软件技术适配，企业增加了高质量中间品的需求，推动了企业出口国内附加值率水平的提高。本文命题3成立。
四、结论及政策含义
人工智能是制造业转型升级的重要驱动力量，也是提升制造业附加值水平和促进其高质量发展的重要路径。本文基于企业异质性理论与增加值模型，构建了分析人工智能影响企业出口国内附加值率的统一框架，为提升企业出口国内附加值率、提高福利水平，提供了契合性的优化路径。本文的主要结论如下：
第一，基于数字基础建设、生产力应用、竞争力和效益四个方面构建的人工智能代理变量，显著增加了制造业企业出口国内附加值率。第二，人工智能通过正向的技术创新效应和国内中间产品质量效应提高了企业出口国内附加值率。第三，本文基于要素密集度、区域特征以及贸易方式等进行异质性检验，结果表明，人工智能应用显著提升了非国有企业、混合所有制贸易企业的出口国内附加值率，且人工智能对提升劳动密集型企业的出口国内附加值率影响最为明显。通过分区域考察可知，人工智能仅对东部省份企业出口国内附加值率存在显著提升作用，表明上下游配套产业完善程度、要素流动有效性等因素对人工智能发挥其对企业出口国内附加值率的促进作用至关重要，这一研究结论与沈国兵的研究结论一致。
人工智能技术的应用有助于提高企业出口产品的质量和技术含量，增强产品国际市场竞争力，提高产品的附加值率。本文提出如下政策建议：
第一，深入认识人工智能对企业出口国内附加值率的影响效应，构建企业智能化转型长效机制。首先，出台相关政策，建立人工智能技术应用标准和规范，支持人工智能技术在企业生产中的推广与应用，包括资金支持、税收优惠等，帮助企业加快智能化转型升级，提升企业生产效率、产品质量和实现可持续发展，提高产品的附加值率。其次，加强人才培养，加大对人工智能领域人才的培养力度，提高企业对人工智能技术的需求满足率，推动人工智能技术在企业的应用，提高产品附加值。第二，通过人工智能的应用改进生产技术，并向整个产业链扩散，形成技术外溢效应。强化技术创新和知识共享是促进技术外溢效应的有效途径，加强与行业内其他企业、研究机构的合作，促进技术创新的协同发展，提高产业的技术水平和竞争力，从而推动企业自身技术升级和提高产品附加值率。一方面，建设创新生态圈，为企业提供良好的创新环境和政策支持，引导企业加大对技术创新的投入，形成产品创新、质量提升和产业转型升级的良性循环。另一方面，推动高校、科研机构等研究单位和制造业企业对接，促进相关创新成果的快速转化。以政府引导、企业参与的方式，搭建技术共享平台，推动技术扩散和应用。第三，在东部地区，人工智能的应用对提高企业出口国内附加值率的效果更显著。一方面，重视区域发展差异对人工智能技术应用效果的影响，并采取差异化的政策手段，通过加大对中西部地区的科技创新支持力度、建设更加完善的科技创新体系、加强东部地区与中西部地区之间的技术交流与合作，促进区域间的均衡发展；另一方面，积极改善西部地区营商环境。通过简化企业办事流程，提高行政效率，减少企业经营成本。同时，建立健全完善的知识产权保护体系，保护企业技术创新成果，提高人工智能技术的应用和创新动力，缩小与东部地区差距，夯实人工智能推动高质量发展的产业基础与制度基础。
