加载中...
AI Investment of Chinese Firms: Findings Based on Large-Scale Job Posting Data
本文构建了涵盖近10万项技能维度的中国劳动力技能大词典，并将其与大规模企业招聘数据进行匹配，从人力资本视角量化测度我国企业的人工智能投入强度。经三种方法交叉验证，该指标能够有效识别企业间人工智能发展水平的差异。在此基础上，本文系统对比了基于年报等公开文本信息挖掘的人工智能测度指标与基于人力资本投入的测度指标，研究发现，二者分别捕捉了企业人工智能发展的不同维度，基于公开披露文本的测度更多反映企业在人工智能领域的前瞻性布局与技术定位。最后，本文以人工智能技术进步作为外生冲击开展资产定价分析，结果表明，投资者在评估企业人工智能水平时，更容易受到公开披露信息的影响；相比之下，对企业实际投入信息的分析，更多建立在企业已进行相关披露的基础之上。本文研究对更好地测算我国企业人工智能投入提供了参考。
Abstract
This paper constructs a Chinese labor skill dictionary covering nearly 100,000 skill dimensions and matches it with large-scale firm job posting data to quantify the intensity of AI investment of Chinese firms from a human capital perspective. Cross-validated by three methods, this indicator effectively identifies differences in AI development levels across firms. On this basis, the paper systematically compares AI measurement indicators based on mining public texts such as annual reports with those based on human capital investment, finding that the two capture different dimensions of firm AI development; indicators based on publicly disclosed texts reflect more of firms' forward-looking layout and technological positioning in AI. Finally, using AI technological progress as an exogenous shock for asset pricing analysis, the results show that investors are more susceptible to publicly disclosed information when assessing firm AI levels; in contrast, analysis of actual firm investment information is more often based on prior relevant disclosures. This research provides a reference for better measuring AI investment of Chinese firms.
AI投入指标经评级、专利和资本市场三重验证可靠
评级验证显示，赛迪AI百强企业AI Ratio均值0.0617，显著高于未上榜企业的0.0097；专利验证表明AI Ratio每增加一个标准差，AI专利申请量显著增加；资本市场验证显示，高AI Ratio组合在ChatGPT发布窗口期内的超额收益显著为正且优于低组合，且系数在控制行业、规模和信息环境后仍稳健。
AI投入与披露仅微弱正相关，存在大量言行不一企业
以年报MD&A中AI关键词占比衡量披露强度，回归显示AI Ratio对其系数约为3.09-5.82，在1%水平显著，但拟合优度较低。进一步分组发现，在至少披露过AI的样本中，“只说不做”企业占比高达64%，表明个体层面的披露与投入差异普遍。
“只说不做”企业披露与生产率无关，存在粉饰嫌疑
在全样本及剔除“只说不做”企业后，AI披露强度与GMM法全要素生产率显著正相关；但在“只说不做”子样本中，系数不显著甚至为负，说明缺乏实际投入支撑的披露难以转化为真实效率提升。
AI披露具有前瞻性，可预测下期投入，并非纯粉饰
当期有AI披露的企业，下期进行AI招聘的概率平均提高9.2个百分点（边际效应）。即便仅考虑上期“只说不做”企业，其下期开始AI招聘的概率也比无披露企业高8.3%，表明披露可能领先于实际投入。
业务关联度对披露解释力高于投入，披露含关联信息
基于主营业务文本与AI关键词相似度构造业务关联度指标，其机械变动平均可解释8.2%的披露变化，仅解释2.1%的投入变化，说明披露更多反映企业业务与AI技术的关联，而非纯粹的实际投入。
投资者对AI披露反应更快，且仅在披露高时认可投入
在ChatGPT事件窗口中，高披露股票无论投入高低均获显著溢价；但高投入溢价仅在高披露组内显著，且在短期窗口内（首周）即显现，低披露组需长期才缓慢体现，表明投资者遵循“先看披露、后看投入”的信息处理路径。
核心解释变量
核心解释变量为企业人工智能投入强度（AI Ratio），基于招聘数据测算，为企业当年人工智能相关岗位数占全部岗位数比例
被解释变量
被解释变量为人工智能专利申请量（lnAI）、累计异常收益（CAR）等
样本与数据
样本为2015-2022年中国上市公司，招聘数据来自智联招聘（CnOpenData整理），年报数据来自巨潮资讯，专利数据来自国家知识产权局，财务和股价数据来自CSMAR
识别方法 / 模型设定
以ChatGPT发布作为人工智能技术外生冲击，采用事件研究法比较不同AI投入企业股价表现差异
内生性及稳健性检验
调整ChatGPT窗口期（以2022年11月30日为起点），以不同分组方式测算AI Ratio，以及多种固定效应和控制变量设定
A股上市公司招聘数据
上市公司可支持的研究问题：提供人工智能相关岗位的招聘数据，可用于微观层面直接度量企业人工智能人才需求。
A股上市公司AI岗位线上招聘数据
AI岗位可支持的研究问题：获取A股上市公司AI岗位招聘数据，可结合财务业绩分析人工智能投入与公司绩效关系。
新媒体运营岗位线上招聘数据
新媒体运营可支持的研究问题：提供新媒体运营等岗位的招聘行情，可作为其他技能需求分析的对照或拓展。
A股上市公司财务报表数据
A股可支持的研究问题：提供上市公司财务报表数据，可控制公司财务特征以精确估计股票收益对人工智能投入的反应。
中国全部专利申请与授权数据
专利申请可支持的研究问题：获取专利申请与授权数据，可基于关键数字技术专利分类识别企业人工智能专利产出。