绿色人工智能（Green AI）正日益被推崇为实现可持续发展目标的关键技术，但关于这些技术如何在具有不同能力的企业间扩散，目前了解甚少。本研究探讨企业技术绩效如何影响其从学术界采纳绿色人工智能的强度，以及国家参与和契约形式如何调节这一过程。本研究基于2008年至2023年中国5201项学术界与产业界绿色人工智能专利许可协议的独特数据集，采用多层混合效应负二项模型和 Heckman 两阶段工具变量方法估计企业绩效与采纳强度之间的关系。研究人员识别出显著的 U 型关系，表明存在"缺失的中间层"现象，即中等能力企业的采纳强度低于平均水平。该模式仅在2016年后出现，由面向应用采纳而非能力构建的非独占性许可合同驱动，且集中于信息通信技术用于绿色化信息通信技术（ICT-for-greening-ICT）领域。国有企业表现出显著更高的采纳率，突显了国家在该使命导向型扩散中的协调作用。通过将绿色人工智能概念化为具有复合不确定性和数字—绿色技术子类别间显著扩散异质性的使命导向型通用技术（GPT），本研究推动了通用技术扩散理论、学术界—产业界技术转移和可持续创新政策研究的发展。
绿色人工智能作为使命导向型通用技术的扩散机制研究——基于中国学术界向产业界技术转移的实证分析
研究背景与问题提出
通用技术（General-Purpose Technologies, GPTs）从蒸汽机到互联网的扩散长期以来在创新经济学中占据核心地位，被认为是系统性经济转型的驱动力量。人工智能（AI）现已被广泛视为当前技术时代的标志性通用技术，而绿色人工智能——即将人工智能应用于可持续发展目标的技术类别——则成为全球气候与发展目标实现过程中尤为关键的技术方向。实证证据表明，绿色人工智能应用能够在部分行业显著降低能源消耗和碳排放。然而，尽管前景广阔，绿色人工智能从实验室向广泛工业应用的转化路径仍知之甚少。研究人员认为，这是因为其扩散逻辑不仅受传统经济激励塑造，还受到规范性社会目标的制约，这一双重性使其区别于标准通用技术。
中国独特的制度环境为研究使命导向型通用技术扩散提供了理想的"自然实验室"场景，其结合了集中化政策导向、多元所有权结构以及明确的"双转型"战略。作为世界最大碳排放国，中国面临巨大 decarbonization 压力，政府已将"双转型"——即产业 simultaneous digitalization and decarbonization ——通过2060年碳中和战略嵌入国家创新政策。绿色人工智能处于这两大转型的交汇点，已成为中国创新议程中的战略优先领域。然而，该技术在根本上不同于传统通用技术扩散模型：除经济价值外，它被明确要求服务于国家政策和国际协议定义的规范性可持续发展目标，这种双重使命使其成为研究人员所界定的"使命导向型通用技术"（mission-oriented GPT）。任何通用技术的扩散历来伴随着深度不确定性和巨额调整成本；对于使命导向型通用技术而言，这一挑战更为复杂，因为企业必须同时管理人工智能整合所固有的技术不确定性，以及绿色监管不断演化的规范性要求——研究人员将这种情形称为"复合不确定性"（compound uncertainty）。
由于绿色人工智能仍处于早期发展阶段，大学和研究机构构成其主要创新来源，使得学术界—产业界专利许可成为其扩散的关键渠道。在这一转移渠道中，企业必须独立吸收并商业化原本为科学目的而非工业目的设计的技术，而当该技术同时受制于国家"绿色"定义的不断变化时，这一负担更为加剧。核心研究问题在于：具有异质性能力和制度属性的企业如何在采纳学术界的使命导向型通用技术时应对这种复合不确定性？
现有文献中，大学技术转移、人工智能扩散模式和绿色技术采纳驱动因素三大研究领域各自独立发展，很少有研究整合这些脉络来分析绿色人工智能作为通用技术特殊类别的扩散。研究人员认为，从学术界采纳绿色人工智能要求企业面对双重挑战：根植于"人工智能"的技术挑战和根植于"绿色"的制度挑战。因此，有效的分析框架必须捕捉企业解决前者的能力和响应后者的动机。技术维度通过"技术绩效"（technological performance）——即企业专利权利要求所反映的实现发明产出和技术资产——来操作化；规范性维度则通过所有权结构来代理，这在中国制度情境下决定了企业与国家定义可持续发展目标的对齐程度。
研究设计与核心发现
为填补上述研究空白，本研究调查企业从学术界采纳绿色人工智能强度的决定因素。分析基于2008年至2023年间中国大学与企业间5201项绿色人工智能专利许可协议的独特数据集，扩展为包含1843家企业的15624个企业—年度观测值的面板数据。研究人员采用多层混合效应负二项模型估计采纳强度，并以Heckman两阶段工具变量方法作为补充。
核心发现呈现统计显著的U型采纳模式，表明能力光谱两端的企业比中间企业采纳更为密集，即存在"缺失的中间层"现象。在所有模型设定中，国有企业表现出显著高于其他所有权类型的采纳强度，突显了国家在使命导向型技术扩散中的协调作用。三项机制分析分解了这一总体模式，为复合不确定性解释提供直接支持：第一，时间分割分析揭示U型在早期探索阶段（2008—2015年）不存在，仅在成熟阶段（2016—2023年）当规范性监管强化后才出现；第二，契约渠道分解显示U型集中于非独占性许可（"应用采纳"路径），而独占性许可遵循单调递增的能力梯度；第三，基于Lema和Perez提出的双转型技术（Twin Transition Technology, TTT）框架，研究人员将绿色人工智能按数字—绿色整合负担性质分为三个子类别：TTT1（ICT绿色化ICT，如节能计算）、TTT2（人工智能用于核心绿色部门，如智能电网）、TTT3（ICT绿色化更广泛经济，如排放监测），U型在TTT1中最为显著，该子类别对采纳者施加最高的复合不确定性。
关键技术方法
本研究的数据来源于IncoPat全球专利数据集旗舰版本，该数据集整合了中国国家知识产权局（CNIPA）和德温特创新索引的专利数据，并独特地提供了传统专利数据库所不具备的完整法律协议信息。样本为2008年至2023年间中国大学或研究机构（许可方）与中国企业（被许可方）之间的绿色人工智能专利许可协议，最终构成5201项双边学术—产业专利许可记录，涉及395所大学和1843家不同被许可企业。技术绩效的测量采用企业当年提交的发明和实用新型专利家族的权利要求数量，并进行标准化处理和一年滞后处理。因变量为年度新增绿色人工智能专利许可数量，并按契约类型（独占/非独占）和技术子类别（TTT1/TTT2/TTT3）进行分解。估计策略采用多层混合效应负二项模型以处理计数数据的过度离散和层级结构（观测值嵌套于企业内）。为应对样本选择偏差，采用Heckman两阶段程序，以全国行业年度同伴采纳率为工具变量（第一阶段显著性β=1.706, p<0.01）；为控制内生性问题，纳入年份、省份固定效应和行业虚拟变量，并对所有连续变量进行3%缩尾处理。
研究结果
基准结果：U型采纳模式。表3呈现了逐步估计结果。模型1（基础模型）中，线性项显著为负（β₁=−0.327, p<0.01），平方项显著为正（β₂=0.110, p<0.01），初步支持U型关系。模型2引入企业层面控制变量后模式持续。模型4（完整模型）中，平方项在5%水平显著（β₂=0.066, p<0.05），确认U型采纳模式。估计转折点位于技术绩效约0.71个标准差处。Lind-Mehlum检验确认下端斜率为负（p=0.088）且上端斜率显著为正（p=0.006），转折点处于观测样本范围内，稳健支持假设H1。
Heckman两阶段稳健性检验。第一阶段的工具变量高度显著，确认强工具相关性。第二阶段纳入逆米尔斯比率（IMR）后，技术绩效平方项仍显著（β₂=0.039, p<0.05），U型模式在纠正选择偏差和内生性后依然稳健。IMR系数显著为负（β=−1.086, p<0.05），证实选择偏差存在且纠正必要。
时间偶然性：U型何时出现？表5确认预测：早期阶段（2008—2015年）二次项不显著（β₂=−0.041），不存在U型；成熟阶段（2016—2023年）二次项显著为正（β₂=0.064, p<0.05），U型恰在复合不确定性成为约束时出现。β₂从早期到成熟的符号反转表明，在规范性监管结晶化之前，绿色人工智能采纳遵循主要经济逻辑；2016年后U型的出现与国家作为采纳—选择者角色通过双转型框架下"绿色"类别的形式化而强化相吻合。
契约渠道机制检验（假设H2）。表6呈现估计结果。独占性许可（模型1）中，线性项显著为正（β₁=0.418, p<0.05），二次项不显著（β₂=−0.053），证实假设H2a。垄断性正向模式与独占性许可作为能力建设渠道的功能一致：寻求独占商业化权利的企业具备吸收、适应和商业化早期学术技术的技术深度。上市企业系数大而显著（β=1.218, p<0.05），表明上市企业更积极参与独占许可，利用独占安排构建专有技术平台以产生股权市场奖励的可识别创新资产。外资/港澳台投资企业系数为正且显著（β=0.588, p<0.05），与排他性模型形成惊人对比，表明外资企业在无法获得专有控制时大量退出许可市场。国有企业效应不显著（β=−0.099），说明在能力建设渠道中，所有权类型不能预测采纳，国家协调角色不延伸至独占性许可安排。
非独占性许可（模型2）中，线性项显著为负（β₁=−0.206, p<0.05），二次项高度显著（β₂=0.093, p<0.01），完全证实假设H2b。U型集中于应用采纳渠道，被许可方在没有独占安排有时提供协作支持的情况下承担全部整合负担。二次项系数（0.093）大于汇总模型的0.066，确认非独占渠道是复合不确定性对能力—采纳关系产生最显著效应的场所。国有企业优势在此显现（POE: β=−0.420, p<0.10），与国家通过广泛获取的应用采纳路径而非独占性能力建设计划来引导使命导向型技术一致。环境压力（LnSO
2）高度显著（β=0.238, p<0.01），表明监管压力驱动企业向快速、广泛获取的技术采纳以用于合规目的，而非向深度能力建设计划。
技术子类别异质性检验（假设H3）。表7呈现各TTT子类别的分模型结果。TTT1（模型1）中，线性项显著为负（β₁=−0.311, p<0.05），二次项为正且高度显著（β₂=0.141, p<0.01），产生所有设定中最显著的U型。确切U检验确认下端斜率为−0.441（p=0.008），上端斜率为0.838（p<0.001），转折点牢固处于经验数据范围内，强力支持假设H3a。该模式与双重激励机制一致：成本降低的环境效益吸引能力两端采纳者，而数字与环境不确定性域的完全重叠抑制中间范围。二次项幅度具有启示意义：0.141约为汇总模型（0.066）的2.1倍，表明复合不确定性不成比例地集中于该子类别，而非在绿色人工智能中均匀分布。上市状态为负且边际显著（β=−0.896, p<0.10），与TTT3相反，表明与公共可见性相关的上市状态阻碍对高整合负担技术的承诺。
TTT2（模型2）中，线性项为正且边际显著（β₁=0.262, p<0.10），二次项不显著（β₂=−0.038），与假设H3b大体一致。在绿色经济核心部门技术中，由于规范性标准已编纂且稳定，采纳价值随技术经验积累而上升，产生正向能力梯度而非U型。区别于其他两个子类别的是制度变量行为：所有权、上市状态或环境压力控制无一达到显著性。这暗示TTT2运行于更纯粹的能力驱动采纳逻辑，当相关专长为技术性而非监管性时，国家典型的制度获取优势不转化为差异采纳。
TTT3（模型3）中，线性项（β₁=−0.078）和二次项（β₂=0.055）均不显著，与假设H3c一致。相反，采纳主要受制度位置塑造：上市状态为正且显著（β=0.844, p<0.05），表明公开可见企业面临更强的可持续性披露和利益相关者审查，无论内部技术绩效如何都鼓励采纳模块化监测和报告应用。所有权效应依然显著（POE: β=−0.394, p<0.05; Foreign/HKMT: β=−0.646, p<0.05），强化TTT3扩散更紧密关联制度对齐和监管暴露而非企业能力。
讨论与结论
本研究将绿色人工智能概念化为使命导向型通用技术，考察企业技术绩效如何塑造其从学术界采纳该技术的强度。使用5201项绿色人工智能专利许可协议扩展为15624个企业—年观测值的新数据集，研究人员识别出与"缺失的中间层"一致的U型采纳模式——中等能力企业以低于平均的强度采纳。三项机制分析显示该模式具有时间偶然性（2016年后出现）、契约渠道集中性（集中于非独占性许可）和技术特异性（在TTT1技术中最显著）。Heckman两阶段工具变量方法在纠正选择偏差和内生性后确认了这些发现的稳健性。
研究结论指出，更广泛的理论贡献在于"使命导向型通用技术"概念为分析同时受市场和规范逻辑支配的技术提供了新的理论工具。随着绿色人工智能在中国"双转型"战略下持续发展，理解阻碍中等能力企业的复合不确定性，并设计政策以弥合这一"缺失的中间层"，对于将技术承诺转化为可持续产业转型至关重要。理论层面，U型采纳模式推进了通用技术理论，证明使命导向型技术产生与标准通用技术质的不同扩散动态，扩展了Goldfarb以及Bresnahan和Trajtenberg的标准通用技术扩散模型；三项机制测试构成对U型曲线的系统"解包"，将契约渠道识别为能力构建与应用采纳之间理论分歧的可观察"表现"；通过开发和实证验证TTT分类法，证明绿色人工智能并非单一技术类别，而是包含具有结构性不同扩散动态的领域。政策层面，研究发现对三类受众具有启示："缺失的中间层"企业需要政府协调的示范项目和共享技术验证平台；国有企业应确保制度获取优势转化为真实技术能力而非合规驱动的合法性信号；大学—产业技术转移生态系统应发展技术成熟度评估协议，将契约类型与被许可方能力匹配，并为非独占许可提供协作整合支持以降低复合不确定性负担。
