绿金论文 | 数智化转型与企业绿色创新“量质齐升”：来自中国的实证研究

来源：市场资讯

（来源：江苏省绿色金融高端智库）

摘要

数智化转型是实现数字经济与实体经济深度融合、推动企业高质量可持续发展的必然选择。然而，数智化转型的具体影响及潜在机制尚未得到充分探讨。本研究基于2010—2023年中国A股上市公司微观数据，采用固定效应模型系统考察了数智化转型对企业绿色创新的影响及其内部机制。回归结果表明，数智化转型不仅显著提升了企业绿色创新活动的整体水平，还对其绿色创新的数量和质量产生了正向促进作用。机制检验发现，提升要素配置水平、缓解融资约束能力、改善企业ESG表现是数智化转型影响企业绿色创新的主要路径。异质性分析表明，数智化转型对绿色创新的促进效应在东部和西部地区、环境规制强度较低的企业、国有企业以及技术密集型和劳动密集型企业中更为显著。本研究为企业和政策制定者利用数智化转型有效驱动绿色创新提供了有益参考。

研究背景及意义

环境退化和全球变暖已成为长期繁荣的决定性障碍，这一形势促使各国寻求替代性的经济增长模式。2020年，中国承诺在2030年前实现碳排放达峰，并于2060年前实现二氧化碳净零排放。然而，由于该国仍在完成其工业化转型，具有密集环境影响的重工业部门仍占主导地位。在此背景下，生态创新已成为缓解资源压力和生态约束的关键杠杆，它重新定义了主流的增长模式，刺激了经济动能，并支撑了长期可持续性。作为生态创新在工业实践和技术应用中的具体体现，绿色创新日益彰显其在环境保护与可持续发展中的重要性，成为调整能源结构和推动产业升级的关键手段。企业被要求保持长期可持续发展，并积极转型和优化现有生产方式。然而，当企业在信息不对称严重、信任赤字根深蒂固、委托代理关系存在利益冲突的复杂环境中运营时，这些因素往往会严重阻碍绿色创新的突破，从而影响整体可持续发展战略的有效实施。为系统应对这些挑战，有必要厘清"绿色创新"的核心概念。目前，这一概念仍显模糊：部分研究将其视为生态导向进步的首要催化剂，强调直接改善环境效益的技术进步，认为此类创新能够提升资源利用效率并改善环境质量；其他学者则将其解释为企业通过生态负责任的方式创造产品和市场的战略。依此视角，绿色创新被理解为旨在通过开发新技术和生产方式来减轻生态危害的系统性过程，包括污染和资源开采的负面影响。

作为经济活动的基本单元，企业在推进绿色创新中发挥着关键作用。然而，绿色倡议的高成本和不确定性往往会抑制企业的积极性。大数据分析、云计算平台、物联网和人工智能（AI）的突破为应对企业绿色创新中的成本约束和不确定性提供了变革性解决方案。随着数字化进程推进，AI及其他智能技术已成为关键驱动力，凝练了"数智化"的核心概念。该术语最早由北京大学知识联盟在2015年白皮书中提出，描述的是智能数字化与数字智能化赋能的融合——即数字化的高级阶段，数据与技术实现无缝结合。研究表明，这一转型为企业加速生态创新举措提供了关键支撑，展现出独特的优势和重要意义。作为数字化与智能化的深度融合，数智化转型结合先进的AI技术，构建了一个综合性框架。通过利用海量数据资源和复杂算法，它渗透到各行业的生产和管理流程中，实现对制造工作流程的智能优化与预测。这种方式提升了研发效率，并在企业绿色发展中发挥着关键作用。因此，研究数智化转型对企业绿色创新的影响，对于推进可持续发展至关重要。然而，现有研究主要集中于四个关键领域：（1）AI在绿色创新中的作用；（2）AI对减排的影响；（3）数智化转型对企业资源配置优化、碳减排、绿色创新以及可持续发展的影响。学术关注亦指向数智化转型的环境效应，包括其对企业绿色转型的影响、城市数字化对企业环境治理的影响，以及数智化转型与碳排放的关系。企业数智化转型与环境创新之间的交叉领域在文献中仍探索不足。此外，关于绿色创新对数智化转型的双维分析（创新质量与创新数量）存在研究空白。在中国推动数字化与绿色化融合发展的政策背景下，该领域已成为学术与政策研究的优先事项。同时，数智化转型的具体影响与机制仍研究不足。

因此，本研究基于2010-2023年中国上市公司微观数据，深入考察数智化转型对绿色创新数量与质量的影响及其驱动机制，填补上述研究空白。本研究探讨两个核心问题：（1）数智化转型是否影响企业绿色创新？（2）数智化转型影响企业绿色创新的潜在机制是什么？此外，该效应是否因地理位置、环境规制强度、所有权结构和要素特征而异？研究结论不仅为提升绿色创新提供可操作策略，也为数智化转型的具体发展路径提供有价值的洞见。

本研究主要有三项贡献。第一，关于数智化转型情境下的绿色创新研究——目前在数量与质量分析方面均显匮乏——仍较为稀缺。为填补这一空白，本研究考察绿色创新数量与绿色创新质量，论证数智化转型如何使企业在数字时代实现"更多且更优"的绿色创新。在既有研究基础上，本研究创新性地将"可供性理论"应用于假设构建，并通过基准回归分析详细阐释其对绿色创新的影响。

第二，部分既有研究已探索数字化或智能化影响绿色创新发展的中介渠道，但数智化转型对绿色创新的中介机制尚未得到充分研究，且这些机制在绿色创新转型中的作用被忽视。因此，本研究从要素配置水平、融资约束和企业ESG（环境、社会与治理）绩效视角深入考察不同机制的影响，从而为阐明这些机制在绿色创新中的作用提供新的文献贡献。最后，本研究将数智化转型作为关键驱动力，积极推动和加速中国各地区、不同所有制结构、环境规制制度和要素禀赋差异下的企业绿色创新举措。这种异质性研究视角有助于提升企业环境绩效和长期可持续性。

研究亮点

（1）数智化转型显著提升了企业绿色创新的整体水平、数量与质量。

（2）数智化转型通过改善要素配置、缓解融资约束以及提升ESG绩效，促进了绿色创新。

（3）数智化转型对企业绿色创新具有异质性影响。

研究结果

研究假说：

H1：数字产业集聚对企业绿色创新具有显著的促进作用。

H2：数智化转型可以通过提高要素配置水平来促进企业绿色创新。

H3：数智化转型可以通过缓解融资约束促进企业绿色创新。

H4：数智化转型可以通过提升企业ESG绩效来促进企业绿色创新。

1.基准回归结果

参考已有文献，本研究对模型中的各变量进行了协方差检验。方差膨胀因子为1.45，显著小于临界值10。这证实了多重共线性程度较低，确保了模型估计结果的稳健性与可靠性。

表2汇总了基准回归结果。第（1）列报告了无条件的估计结果：仅将数智化转型对企业绿色创新进行回归。系数为0.0463，在1%水平上显著为正，证实了假说H1。第（2）列加入了完整的控制变量集；数智化转型系数保持为正且高度显著，这凸显了该效应的稳健性。第（3）列和第（4）列对影响进行了分解。第（3）列以绿色创新数量作为被解释变量，第（4）列采用绿色创新质量的指数。在这两种情况下，数智化转型系数均为正且统计显著，表明数智化转型同时扩大了绿色创意的数量规模，并提升了其技术与商业价值。从可供性理论机制视角来看，这种数量与质量协同提升源于企业对数字技术可供性的感知与利用。具体而言，数字技术的累积性可供性有助于优化企业信息处理效率，并精准强化绿色创新能力。这通过云平台、物联网传感器和高级分析得以实现，它们降低了搜寻成本，加速了知识重组，缩短了研发周期，从而带来绿色专利或产品数量的显著增加。同时，数字技术的变异性可供性支持企业重构商业模式和运营流程，促进突破性创新。这体现为大数据驱动的前瞻性分析使企业能够将创新轨迹与市场需求和技术前沿相对齐，而智能化管理系统进一步将环境标准嵌入研发（R&D）的每个阶段，从而提升绿色成果的平均新颖性和实用性。这表明，践行绿色发展的企业可以通过挖掘数智化转型所带来的可供性，系统性地提升其创新潜力。

2.稳健性检验与内生性分析

2.1.一阶滞后检验

数字化智能化升级很少能在一夜之间转化为绿色创新成果；其影响更可能逐步显现。为考虑这种惯性效应，本研究采用核心解释变量数智化转型的一期滞后项重新估计模型。如表3第（1）列所示，滞后的数智化转型系数仍为正且在高度显著性水平上显著。这一结果再次印证了数智化转型在提升企业绿色创新绩效方面稳健的前瞻驱动作用。

2.2.替换解释变量

为进一步验证数智化转型对绿色创新的长期效应，避免因短期数据波动导致有偏结论，本研究进一步替换被解释变量，采用企业持续绿色创新水平重新进行回归，结果如表3第（2）列所示。与基准回归中使用的年度绿色创新总量指标相比，持续绿色创新水平更能反映企业在更长周期内维持创新活力的能力，能够更全面地刻画数智化转型对企业绿色创新的持续性影响。回归结果显示，数智化转型的系数仍显著为正，与基准回归结果在符号和显著性上完全一致，仅在幅度上略有上升。这一结果表明，即使将上市公司绿色创新的观测视角从短期创新产出拓展至长期持续创新绩效，数智化转型对企业绿色创新的促进作用依然稳健，进一步验证了前文结论的可靠性。

此外，为进一步检验绿色创新质量测度的稳健性，本研究采用绿色发明专利占绿色专利总数的比重作为绿色创新质量的替代指标，重新估计模型进行回归。结果如表3第（3）列所示，数智化转型的系数仍然显著为正，表明基准结论并不依赖于实用新型专利这一具体选择。

2.3.剔除样本

为有效排除行政级别高、资源高度集中、政策倾斜明显、数字智能化水平领先的超大城市对研究结果的过度影响，本研究剔除北京、上海、天津、重庆四个直辖市的数据，并对其余样本进行回归，结果如表3第（4）列所示。剔除四个直辖市后，数智化转型对绿色创新的影响仍在1%的水平上显著为正，这进一步印证了研究结论的稳健性。

2.4.剔除相关政策影响

除数智化转型本身外，其他政策因素也可能在一定程度上影响企业开展绿色创新的进程。因此，为更全面地解释数智化转型如何作用于绿色创新，在研究中额外考虑了智能制造政策这一变量，并重新进行了回归分析，结果如表3第（5）列所示。即使在控制了智能制造政策效应后，数智化转型对企业绿色创新的正向影响仍在1%的水平上显著，这进一步证实了研究假说H1。

2.5.工具变量方法检验

基准回归结果可能受到反向因果和遗漏变量偏差所导致的内生性问题的干扰。在本研究中，采用工具变量方法以应对潜在的内生性问题。工具变量的设定借鉴了文献，该研究采用地形起伏度与时间虚拟变量的交互项作为工具变量。区域地形起伏度刻画了地形复杂程度，与企业数字智能化技术的采纳程度高度相关，满足了工具变量的相关性条件。同时，作为自然地理属性，地形在理论上与企业绿色创新决策外生，满足外生性条件。鉴于原始地形起伏度指标为截面数据且不随时间变化，遵循常见做法，将截面地形变量与一组完整的时间虚拟变量相乘，构建交互项工具变量（Relief×Year）。表4汇报了工具变量回归的结果。第（1）列展示了第一阶段回归的结果，交互项的系数在1%的水平上显著为正，表明地形更为崎岖的地区倾向于促进企业数字智能化发展。第（2）列展示了第二阶段回归的结果，证实即使在考虑潜在内生性后，数智化转型仍显著促进了企业绿色创新。具体而言，在量化数智化转型对企业绿色创新的影响程度时，发现数智化转型每增加1%，企业绿色创新将提升0.1287%。

3.异质性分析

3.1.区域异质性分析

鉴于数智化转型对绿色创新的影响可能取决于地区特定条件，本研究将全样本划分为东部、中部和西部三个子样本。相应的估计结果见表5。在东部地区，数智化转型的系数为0.0176，且边际显著（p<0.10），表明存在适度的正向效应。具体而言，在量化数智化转型型对绿色创新指数的影响程度时，本研究发现数智化转型每提高1%，企业绿色创新将提升0.0176%。在西部地区，估计系数上升至0.0699，且在1%的水平上高度显著，表明其促进作用远强于东部。相比之下，中部地区的系数为−0.0030，统计上与零无显著差异，这意味着该地区的数字智能化升级要么未产生可辨识的收益，甚至可能挤出绿色创新投入。总体而言，数字智能化转型显著提升了东部——尤其是西部——地区企业的绿色创新绩效，但在中部省份却收效甚微，甚至略有负面影响。

其原因可能在于：从经济发展水平和产业结构视角来看，东部地区经济发达，产业多元且高端化，企业资源丰富、技术实力雄厚，吸收和应用数字智能化成果的能力较强。西部地区尽管经济发展相对滞后，但在国家政策扶持下，数字智能化转型为企业提供了"弯道超车"的可能性，这激励其采用环境友好型且高效的生产方式，从而推动绿色创新进步。中部地区出现负向影响，可能由于其正处于产业结构转型的关键阶段，传统产业占比较高，转型面临成本压力与技术瓶颈；部分企业因资本匮乏而难以推进转型；员工对新技术应用的接受能力有限；且市场竞争环境复杂。因此，企业倾向于关注短期收益，忽视了绿色创新水平的提升。

值得注意的是，此类异质性效应还可能受到地区间城市数字化水平的调节作用影响。地方数字基础设施、互联网普及率以及智慧城市建设等方面的差异，会进一步放大或制约数智化转型向绿色创新成果的转化，这有助于解释东、中、西部地区之间呈现出的不均衡格局。

3.2.环境监管强度的异质性

波特假说认为，加强环境规制可以起到激励作用而非束缚：这种外部压力的增加迫使企业重新审视其生产流程，并最终推动技术升级。在中国，公众和政治层面对环境质量日益增长的关切促使地方政府不断提高环境规制的严格程度。面对更严厉的处罚和更高的预期违规成本，企业再也不能将污染视为事后考虑的问题。相反，它们有强烈的动机重新设计生产技术，例如减少排放、节约资源，同时开发新的绿色产品或工艺，以保持合规性和竞争力。因此，通过汇总相关关键词的频率构建了一个省级环境规制代理变量。然后，本研究以样本中位数为界将样本分为高规制和低规制子样本，以考察数智化转型对绿色创新的影响在不同规制强度下的差异。

表6第（1）-（2）列显示，数智化转型在所有规制环境下均对绿色创新产生显著的正向影响。然而，在环境监管低于中位数的省份，这种促进作用明显更大。具体而言，在低规制环境下，数智化转型每增加1%，企业绿色创新增加0.0454%。注意力分配理论为这一发现提供了一个广义解释视角。该理论将稀缺注意力资源在竞争性需求之间的战略性分配概念化，其中行动者会优先处理关键问题并减少干扰，以提高决策有效性。在城市治理背景下，这种注意力分配策略从根本上塑造了政策议程和资源配置模式。与高规制强度省份相比，低规制省份在传统环境治理中面临双重挑战：中央监管缺位和公众参与不足，政府注意力常被短期经济增长目标所分散。数字监测技术的引入显著降低了环境信息获取成本，使中央政府能够通过数据审计进行远程监督，迫使地方政府将稀缺的注意力资源重新分配到环境议程上。在这个阶段，企业面临的并非"更少的规制压力"，而是高规制地区由注意力驱动的选择性执法：在政府环境注意力基线已经较高的地区，数字化产生的"增量效应"呈现出边际收益递减。此外，公众环境参与的数字激活效应在低规制地区更为关键。低规制省份的环境非政府组织往往发展不足，传统信访渠道成本高且转化率低。数字平台通过将分散的公众环境需求聚合为可量化的治理指标，打破了这些障碍。相比之下，在高规制地区，政府已将环境治理置于优先地位，公众参与的边际贡献下降，导致数字赋能效应相对较弱。

值得注意的是，对低监管环境与供应链在企业绿色合规中作用的比较分析，能够进一步阐明在不同监管强度下数智化转型的差异化效应。从理论上看，供应链对企业施加了"横向"合规约束——核心企业通常会为上下游合作伙伴制定统一的绿色标准，以维护品牌形象和ESG绩效，而这种治理机制独立于区域监管强度。这种横向治理效应根本上源于核心客户在供应链中的议价能力：当供应商所处行业竞争较为激烈，或对关键客户表现出较强的依赖性时，即便缺乏强有力的正式监管框架，核心企业仍能通过订单约束和伙伴关系维护策略有效传递绿色合规要求。在监管力度较弱的省份，由于正式制度约束有限，基于供应链的合规措施可能与数智化转型形成互补性协同效应。数字技术通过实时环境绩效追踪，增强了供应链绿色标准的透明度与可执行性，有效将核心客户群体的绿色需求传导至整个供应链。这在一定程度上弥补了正式监管的不足，形成了企业绿色创新的"双重驱动力"。然而，在监管严格的地区，供应链合规要求与正式监管约束的重叠可能引发企业间的资源竞争：有限的财务资源和管理资源必须同时满足政府监管要求和供应链可持续性标准。这可能导致数智化转型投资及其实际应用资源被分流，从而削弱数字技术赋能对绿色创新的边际影响。正式环境规制、横向供应链治理与数字赋能之间的异质性互动，不仅进一步解释了数智化转型效应的区域差异，也表明供应链治理作为重要的非正式制度安排，能够对正式环境规制形成有效补充。

然而，这一发现似乎与波特假说的经典预期相矛盾，该假说认为严格的规制应能激发更强的创新补偿效应。为解释这一表面矛盾，本研究从技术创新的前沿边界和创新类型的异质性两个维度提供理论澄清。首先，高度受规制企业的"天花板效应"源于边际收益递减和合规资源的锁定效应。波特假说对创新激励施加了阈值约束：当企业长期承受严格监管时，其绿色技术已接近行业前沿，导致进一步技术突破的成本呈指数级上升，而数智化转型的边际收益自然递减。与此同时，持续的高合规成本将大量资源锁定在"维持性创新"中，削弱了企业进行探索性绿色试验的战略灵活性。这导致数智化转型主要服务于流程优化而非突破性创新。这并非否定波特假说，而是揭示了其边界条件——在技术饱和阶段，规制驱动的创新潜力趋于耗竭。其次，低规制企业享有"后发优势"和"制度套利机会"，这在技术追赶阶段动态地体现了波特假说。处于监管宽松地区的企业技术基础相对薄弱，使其能够绕过渐进式路径，直接采用前沿的绿色智能解决方案，实现跨越式创新。此外，较低的合规压力赋予企业更大的资源配置自主权，使其能够进行主动性的技术试验，而非被动应对监管合规。这种战略性创新模式最终释放了更大的数字潜力。

3.3.企业所有权异质性

所有权结构塑造了管理层激励和资源可获得性。因此，企业可能对数字化智能化升级产生差异化反应。为捕捉这种异质性，将样本分为国有企业和非国有企业并重新估计模型。表6第（3）列和第（4）列呈现了结果。国有企业的数智化转型系数为0.0301，在5%水平上显著，表明其对绿色创新存在明显的正向效应。从定量上看，数智化转型每增加1%，企业绿色创新相应上升0.0301%。相比之下，非国有企业的对应估计值为0.0154，且在统计上不显著。这表明数智化转型的收益表现出明显的所有权偏误，这些收益的绝大部分集中于国有企业。这种情况可能源于国有企业在资源配置、政策支持和内部管理方面的独特优势，使其能够在数智化转型过程中更有效地推动绿色创新。反之，非国有企业往往资源较少、政策支撑不足，在数智化转型中可能面临更大障碍，因此其绿色创新的提升效果不那么明显。

然而，更深层的驱动力可能源于其独特的治理结构优化。正如文献在其混合所有制改革研究中所揭示的，国有企业内部形成的股权制衡模式，以及通过非国有股东参与高管治理所引入的市场化监督机制，显著提升了企业创新效率。这种治理优势在数智化转型背景下显得尤为关键：均衡的股权结构有助于避免"一股独大"所导致的短视行为，为长期导向的绿色创新投资提供制度保障。同时，非国有股东参与高管治理带来了更专业的管理能力和高效的执行力，使数字技术能够精准配置到绿色创新活动中。相比之下，非国有企业不仅面临资源约束、政策支持不足等瓶颈，还缺乏这种多维度的治理框架。这导致其在数智化转型过程中难以有效将技术投入转化为绿色创新产出，从而创新能力提升相对有限。

3.4.因子特征异质性

生产要素的异质性同样具有不可忽视的重要性。在现实经济活动中，不同企业所拥有的生产要素在质量和数量上存在显著差异，这种差异导致了各企业要素集聚程度的不一致。因此，本研究进一步考察了在不同生产要素质量条件下，数智化转型对绿色创新水平的异质性影响，结果如表7所示。数字产业转型对技术密集型企业和劳动密集型企业的创新水平具有显著的正向影响，而对资本密集型企业的绿色创新水平则呈现正向但不显著的影响。这一结果可能源于：技术和劳动密集型企业通常更依赖技术创新和工艺优化来提升生产效率和产品质量，而数字产业转型恰好能够在这一方面提供有力支撑。此外，资本密集型企业往往已经达到较高的设备和资本投入水平，数字产业转型的边际收益可能相对较低，导致短期内难以显现显著效果。另外，资本密集型企业在进行数字产业转型时可能面临较高的转型成本和更为复杂的技术整合挑战，因而其绿色创新水平未能得到显著提升。

4.机制分析

表8第（2）列至第（4）列呈现了数智化转型通过不同机制变量对绿色创新的具体影响。具体而言，第（2）列展示了数智化转型对全要素生产率的直接影响。数智化转型的估计系数为0.0027，且在1%的显著性水平上通过了统计检验，这表明数智化转型能够显著提升企业的全要素生产率。第（3）列聚焦于数智化转型对企业融资约束的影响，其估计系数显著为负，表明企业数智化转型能够显著缓解其所面临的融资约束水平，这有助于企业获得更为宽松的融资环境，进而促进其可持续健康发展。数智化转型显著缓解融资约束。这一效应在不同地区均保持一致，即使在控制城市固定效应（包括数字金融等所有市级层面因素）后，结果依然稳健。研究结果表明，企业数智化转型通过增强信息治理能力直接影响融资约束，而非仅仅依赖外部数字金融服务的可得性。相比之下，第（4）列从企业ESG绩效视角分析了数智化转型对企业ESG表现的具体影响。结果表明，数智化转型能够通过提升企业ESG绩效进而促进企业绿色创新。这一发现揭示了数智化转型在推动企业可持续发展方面的潜在价值，为"数字创新技术→ESG绩效改善→绿色创新"这一传导机制提供了直接的经验证据支持。上述结果支持了研究假说H2、H3和H4。

研究展望

本研究存在若干局限性，同时也为后续研究提供了方向。运用Python爬取了2010年至2023年中国A股上市公司的年度报告，并构建了文本语料库。然而，用于识别数字智能术语的词表可能引入了选择偏误。更重要的是，尽管本研究的数据涵盖至2023年，但未能充分捕捉近年来人工智能的快速演进——尤其是2022年以来生成式人工智能与大语言模型的出现及广泛应用，这些技术已深刻重塑了企业数字智能实践，但在本研究基于年度报告的文本测度中未能得到充分反映。未来研究应通过三角验证多种数据来源，以获得对企业数字化更为精细和可靠的度量。此外，鉴于各国在数智化转型与绿色创新方面的路径存在显著差异，跨国比较研究设计有助于揭示情境因素如何塑造数字—绿色关联。再者，为确保绿色创新的真实性，未来研究可开发并验证监测工具，以区分真正的绿色创新活动与象征性或表演性实践，从而提升有关数字—绿色关联的研究发现之准确性。

初审：袁立夫

审核：徐彩瑶

排版编辑：陈 楠

文献推荐人：陈 楠