人工智能对中国新能源汽车出口技术复杂度的影响研究

第第页共23页引言研究背景近年来，随着人们对环保及气候变化等问题的重视程度越来越高，传统的燃油汽车所造成的污染已经逐渐成为影响空气质量以及导致地球气温上升的主要因素。为了应对这一挑战，世界各国都在积极寻求解决这一难题的办法，各国纷纷将交通领域作为减少碳排放的重点，而新能源汽车的研发与推广成为关键突破口。新能源汽车由于具备环保节能、使用成本低和智能互联潜力大等诸多优点，同时符合当今世界发展的数字化科技化的潮流趋势，被各大发达国家和发展中国家列为未来汽车行业的发展方向，并将之视为本国发展经济的一项重要战略目标。新能源汽车是利用电或者其他非石油类能源驱动车辆前进的一种新型交通工具，相比以往的传统燃油车而言，它几乎不会产生任何有害物质从而大大减少了大气污染的程度；同时使用清洁能源也可以有效避免对石化资源过度消耗的情况发生。我国目前已经成为世界上新能源汽车产销规模最大的国家，同时也是新能源汽车产业发展最为迅速的地区之一。之所以新能源汽车产业能在短时间内取得如此大的成就，除了离不开政府的大力支持之外，还得益于众多企业在技术创新上的努力以及产业转型工作的稳步推进等多方面原因。此外，随着科学技术尤其是人工智能技术的不断发展进步，也给新能源汽车带来了全新的发展机遇：一方面，越来越多的人工智能新技术开始应用到新能源汽车上(如无人驾驶技术)，另一方面，以智能化为核心的车联网系统正逐步得到普及推广。这些都将极大地促进整个行业向前迈进一大步，并且也将进一步增强我们民族品牌在全球范围内的影响力。然而，在全球新能源汽车市场竞争日益激烈的背景下，中国新能源汽车企业想要在国际市场上脱颖而出，就必须不断提升自身的技术水平以提高市场竞争力。而出口技术复杂度作为衡量一个国家出口产品技术含量和竞争力的重要指标，对于新能源汽车产业出口尤为重要。然而，目前针对新能源汽车出口技术复杂度的研究尚显不足，尤其是人工智能对新能源汽车出口技术复杂度的影响尚处于起步阶段。因此，本文将选取人工智能作为主要研究对象，探究其对中国新能源汽车出口技术复杂度的影响。这一研究不仅有助于揭示人工智能技术如何推动新能源汽车产业的技术升级和竞争力提升，更将为中国新能源汽车产业的可持续发展提供有益的理论指导和实践参考。研究意义理论意义首先，本研究丰富了新能源汽车出口技术复杂度研究的理论视角。目前大多数研究集中在基础设施、工作结构和制度政策等领域，对于人工智能的探讨研究较为有限。本文将人工智能引入分析框架，进一步拓展新能源汽车出口技术复杂度影响因素的研究维度。其次，本研究有助于深入剖析人工智能与产业转型升级之间的内在关联。作为战略性新兴产业，与传统产业相比新能源汽车产业具有较高的出口技术复杂度与附加值。通过探讨人工智能对新能源汽车出口技术复杂度的影响，可以揭示人工智能技术在推动产业转型升级等方面的作用机制。实际意义首先，本研究对于提升新能源汽车出口竞争力及推动中国新能源汽车产业转型升级具有重要意义。研究成果可以为中国新能源汽车企业提供明确的技术创新方向与市场拓展策略，助力企业提升产品质量和技术含量。其次，本研究为政府决策提供了科学依据。研究结论可以为政府制定相关产业政策和科技创新政策提供新的思路，从而促进新能源汽车出口技术复杂度的提升，并推动新能源汽车产业向更高质量发展阶段迈进。研究思路本文围绕人工智能对中国新能源汽车出口技术复杂度的影响展开研究，按照先文献分析后实证检验的思路进行研究。在进行国内外相关文献后梳理和分析的基础上，参考相关学者在综合评价指标体系构建上的科学性、合理性和适用性，构建一套指标体系，再基于熵值法计算出中国的人工智能发展水平和新能源汽车出口技术复杂度，对当前中国人工智能发展水平和新能源汽车出口技术复杂度的现状进行了全面的分析；通过回归模型来验证论文研究内容，并通过稳健性检验进一步提高模型的可信度，从而得出结论，并提出政策建议。研究方法文献研究法本文通过文献研究法，深入分析了人工智能对中国新能源汽车出口技术复杂度的影响研究。首先，通过方法对比，明确目前研究中人工智能和出口技术复杂度各测度方法的利弊，并作出选择；其次，综合国内外有关人工智能经济效应的研究成果，构建起分析人工智能影响新能源汽车出口技术复杂度的理论框架，为后续研究提供坚实的理论基础。实证分析法本文使用实证分析法研究了人工智能与中国新能源汽车出口技术复杂度的关系。通过基准回归和稳健性检验分析人工智能对新能源汽车出口技术复杂度的影响，并得出相关结论与建议。文献综述关于出口技术复杂度的研究综述出口技术复杂度是衡量一个国家出口产品技术深度与复杂性的关键指标，它深刻反映了该国在全球出口市场中的竞争力水平。国内外众多学者对此开展了一系列研究。Hausmann在相关研究中率先引入"出口技术复杂度"这一学术概念，该指标主要用于衡量一个国家贸易产品所具备的技术含量水平。SanjayaLall（2005）指出，一个国家的出口产品技术复杂度会随着其收入水平的提升而增加，根据该国某类产品的出口量在世界总出口中的比例对人均收入进行加权平均，即可计算出各个国家的出口技术复杂度REF_Ref4898\r\h[1]。Rodrik（2006）创造性地提出，出口技术复杂度是衡量一个国家在全球竞争力中所处位置的重要指标，若一个国家在国际分工体系中占据较高位置，那么其出口产品往往具有更高的技术复杂度REF_Ref4954\r\h[2]。Hausmann（2007）进一步丰富了出口技术复杂度的概念，提出了出口技术复杂度指数（EXPY），若该指数的值越高，则说明出口产品的技术含量越高REF_Ref5003\r\h[3]。董桂才和巨小超（2017）基于钻石模型分析了工业机器人出口技术复杂度的影响因素，指出高级生产要素的丰富程度、国内市场需求以及相关支持产业等都对工业机器人出口技术复杂度具有积极影响REF_Ref5081\r\h[10]。李宏和乔越（2021）通过双重差分法评估了数字化转型对制造业出口技术复杂度的影响，结果显示，数字化转型显著提高了制造业的出口技术复杂度，尤其对规模较小、融资约束较强的企业影响更为显著REF_Ref5127\r\h[11]。张兵兵等（2023）研究进一步发现人工智能能够通过促进企业创新和优化要素配置结构显著提升出口技术复杂度，对一般贸易型企业、低融资约束行业企业及高市场化水平区域企业的出口技术复杂度提升作用更为显著REF_Ref5179\r\h[12]。赵春明和褚婷婷（2024）指出，人工智能的快速发展显著推动了中国工业行业的出口技术复杂度，主要通过替代劳动效应和技术创新效应发挥作用REF_Ref5228\r\h[13]。夏泽华等（2024）研究表明，创新基础设施的建设通过技术溢出和竞争效应，以及推动技术创新和虚拟集聚，显著提升了中国制造业的出口技术复杂度，尤其在高端技术领域REF_Ref5281\r\h[14]。胡颖和李维（2024）研究则表明，数字基础设施对一国出口技术复杂度提升具有显著促进作用，在中低收入国家的促进作用表现得更加显著REF_Ref5333\r\h[15]。关于人工智能对制造业以及汽车产业影响的研究综述伴随人工智能技术的持续演进，该技术在制造业领域的应用范畴正日益拓展。人工智能技术凭借其高效智能的特点，促进了制造业的智能化发展，为汽车产业的转型升级注入动力。Hicks（1932）指出人工智能能通过优化要素结构促进出口技术复杂度升级。根据要素替代理论，资本与劳动力的相对价格变化导致资本劳动发生比发生改变REF_Ref29880\r\h[4]。段佳文（2022）研究表明，数字化投入通过供给和需求两种机制显著提高了我国制造业企业的出口技术复杂度。具体而言，数字化投入可以通过改善企业的生产效率和产品质量，推动企业在技术创新上的投入，从而提升其出口技术水平REF_Ref29949\r\h[16]。Liu等（2022）的研究表明，人工智能技术的应用显著提高了制造业企业的能源效率，从而降低了生产成本，增强了产品的市场竞争力REF_Ref30004\r\h[6]。袁其刚等（2023）研究指出，人工智能引领的科技革命促进了制造业企业的出口产品升级，尤其在劳动密集型和技术密集型企业中，人工智能显著提高了企业的出口技术复杂度，技术进步、优化要素结构及降低出口成本是其主要机制REF_Ref30050\r\h[18]。JanosFerencz等（2022）指出人工智能可以通过影响企业生产效率、贸易成本、供应链和比较优势等赋能贸易发展REF_Ref30132\r\h[5]。Leoni等（2022）研究发现，人工智能技术通过促进知识管理过程，提高了供应链的韧性和企业的整体绩效REF_Ref30181\r\h[7]。DeStefano和Timmis（2024）指出，在产品制造中应用机器人能够降低人为错误风险，保证产品被精确地制造出来，从而提升出口产品质量，且机器人应用对发展中国家出口产品质量升级的促进作用大于发达国家REF_Ref30233\r\h[8]。刘红英和钟华明（2023）的实证研究表明，工业机器人应用能够显著提升制造业的出口技术复杂度，尤其是在发达国家的中低端制造业中表现突出REF_Ref30314\r\h[19]。徐晔等（2022）的研究强调了人工智能在赋能制造业中的重要作用，研究发现智能制造的应用促使制造业向更高技术含量方向发展，进一步推动出口产品技术升级REF_Ref30363\r\h[17]。Gu等（2024）研究发现，人工智能的重要作用对于发展电动汽车市场至关重要，通过抓住人工智能指数(AII)和电动汽车指标(EVI)的动态相关性，定量分析得出短期内人工智能对电动汽车市场起到促进作用REF_Ref30406\r\h[9]。李猛和李涵（2024）指出，人工智能促进了中国制造企业专一化优势，提升了市场地位和份额，且机器人和机器学习技术、大型和技术密集型企业受益更显著，针对性支持人工智能技术应用有助于制造企业重塑竞争优势REF_Ref30455\r\h[20]。文献述评通过对已有文献的梳理分析，可以发现，国内外研究学者从出口技术复杂度的概念界定和人工智能的经济效应角度的研究较为丰富，可以为本文提供较为坚实的理论依据和支撑。但是，当前研究主要集中于人工智能对整个行业的影响，对于人工智能影响新能源汽车出口技术复杂度的相关研究仍然尚显不足。综上，本文选择从人工智能的视角出发，使用国家级时间序列数据探讨分析其对新能源汽车出口技术复杂度的影响，弥补现有研究的不足，为人工智能提高新能源汽车出口技术复杂度、促进新能源汽车出口及增强国际竞争力提供坚实的理论依据。人工智能发展与中国新能源汽车出口技术复杂度现状分析人工智能现状分析数据来源本文借鉴孙早和侯玉琳（2019）以及戴魁早等（2022）的指标体系构建方法REF_Ref30537\r\h[21]REF_Ref30644\r\h[22]，从基础建设、智能应用、创新与市场效益三个维度选取核心指标，构建综合指标，覆盖了智能经费投入、智能产品开发情况与创新能力等12个具体指标。以上数据的来源为《中国统计年鉴》《中国科技统计年鉴》，确保数据的权威性和准确性。为了准确客观地评估出中国的人工智能发展水平，本文采取熵值法进行各指标的测算，具体细分指标如表1所示。表SEQ表\*ARABIC1人工智能发展水平测算指标体系综合指标基础指标分项指标指标解释属性人工智能发展水平基础建设互联网基础投入光缆线路长度/省域面积＋智能经费投入高新技术企业R&D经费＋研发人才投入高新技术企业R&D人员＋智能设备投入计算机等进口额/所有工业企业主营业务收入＋智能应用软件开发与应用情况软件产品收入/工业企业主营业务收入＋智能产品开发情况嵌入式系统业务收入/工业企业主营业务收入＋智能企业发展情况各省智能制造企业的主营业务收入/全国智能制造企业的主营业务收入＋新产品生产情况新产品销售收入/工业企业主营业务收入＋创新与市场效益创新能力专利申请授权数量/R&D人员数＋市场利润高新技术制造业利润总额＋经济效益高新技术制造业主营业务收入/高新技术制造业从业人数＋社会效益单位GDP能源消耗情况（电力和煤炭）＋指标核算借鉴孙早和侯玉琳（2019）的做法，将表中的指标经过熵值法计算出权重，得到的人工智能发展水平，记为AI。步骤如下：第一步：数据标准化处理在各项指标的计量单位不统一的情况下，应对数据实施标准化处理，以消除熵值求解中对数无意义的情形，所有零值均以0.01替代处理。对于正向指标的标准化公式为：（1-1）对于负向指标的标准化公式为： （1-2）在公式（1-1）（1-2）中，Xij代表i时期j指标的原始数据，max(Xij)指代j项指标的最大值，min(Xij)表示j项指标的最小值，Yij则为j指标的标准化数值。本文对正向指标用式（1-1）处理。第二步：计算各指标的熵值熵值的大小直接影响权重的大小，熵值越小，表示该指标的变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大。（1-3）（1-4）（1-5）其中，Pij表示第j项指标下i时期占该指标的比重，Eij表示第j项指标的熵值，其中k＞0,。第三步：计算各指标的权重（1-6）（1-7）其中Wij表示第j项指标下的权值。第四步：计算人工智能发展指数的综合得分（1-8）现状分析随着人工智能的兴起，产业技术迎来了快速发展。在生产和服务过程中，人工智能凭借自动化技术和智能决策能力，不仅提升了效率，还不断催生新技术和新产品。它优化了产业链，让上下游企业协同更紧密，借助数据分析进一步提高产品和服务质量。图1展示了2011年—2023年中国人工智能发展水平的情况，总体来看，中国人工智能发展水平呈现出稳步上升的趋势，这一趋势反映了中国在人工智能领域的快速发展和不断增强的创新能力。这得益于政府对人工智能产业的政策扶持，如投资基金、税收优惠和算力补贴等。同时，中国拥有非常丰富的工业基础和大规模的制造业，为工业互联网、制造业的信息化、人工智能和大模型的应用提供了条件。图SEQ图\*ARABIC1：人工智能发展水平数据来源：《中国统计年鉴》、《中国科技统计年鉴》中国新能源汽车出口技术复杂度现状分析数据来源本文基于中国深沪A股新能源汽车上市企业的数据样本进行研究，选择的样本区间为2012-2023年。新能源汽车企业的划分依据来自于华西证券公布的A股主板上市新能源汽车概念股名单，以及行业类型属于汽车制造业的深沪A股上市企业。为确保数据的可靠性，剔除以下上市企业数据样本：①样本期内被ST、PT的样本；②财务状况异常的数据样本；③数据缺失的样本。在剔除一系列样本后，最终得到90家新能源汽车上市企业，共1080个样本观测值。以上数据来源为国研网对外贸易数据库。指标核算首先，参考Hausmannetal.（2007）的研究，测算具体产品q的出口技术复杂度：（2-1）等式（2-1）中，q表示一种HS96编码的产品，c代表一个国或一地区，xcq表示国家或地区c的产品q出口额，Xc是国家或地区c的出口总额，pcgdpc表示国家或地区c的人均GDP水平。其次，参考周申（2006）的研究，将HS96编码转化为国民经济行业分类2位码。然后根据下式，计算得到行业层面的出口产品技术复杂度：（2-2）等式（2-2）中，xjq/xcq表示c国j行业q产品出口占c国j行业总出口的比重。最后，根据高翔和袁凯华（2020）的研究REF_Ref5854\r\h[24]，使用全要素生产率调整行业出口技术复杂度，从而获得企业出口技术复杂度，计算公式为：（2-3）其中，全要素生产率（TFP）的测算参考鲁晓东和连玉君（2012）的研究REF_Ref30840\r[25]，通过LP法计算得到。EXPYi为企业i出口技术复杂度，取对数处理得到lnEXPYi。现状分析根据上文的计算公式，测算出2012年—2023年中国新能源企业出口技术复杂度水平，取90家新能源上市企业每年出口技术复杂度的之和的均值代表当年中国新能源汽车出口技术复杂度的水平。如图2所示，2012年—2023年中国新能源汽车出口技术复杂度是曲折上升的变化趋势。2012年—2013年出现小幅增长的的趋势，这归因于补贴等支持政策的落实和产品技术性能的逐渐成熟，新能源汽车行业进入增长期。2013年—2016年出口技术复杂度从49512元下降至46663元，这与补贴政策的调整有关，在补贴持续丰厚的背景下，部分厂商出现骗补行为，同时，新能源汽车补贴实际退坡率大于规划补贴退坡率，企业并未做好相应的准备，生产经营策略调整不当，生产压力增大，产品价格也会受其影响有所波动。2016年—2019年出口技术复杂度从46663元上升至48813元，这一时期，我国新能源汽车产业在动力电池、驱动电机及电控模块等核心技术领域进步明显，发展中的技术不断抬高了复杂度门槛，国内新能源车产业链的整合与完善，涉及原料供应、零件加工、车辆总装等阶段，为技术复杂度的提升提供了基础。图2：2012-2023我国新能源汽车出口技术复杂度数据来源：国研网对外贸易数据库2020年出口技术复杂度降为47014元，根据财政部官方的解读，2019年补贴金额按2018年基准削减50%，2020年末前达成退坡要求，退坡幅度同当前整车成本总体下降比例基本一致，但可能对新能源汽车企业的研发投入和技术创新产生了一定的影响，进而影响了出口技术复杂度。2020年以后，出口技术复杂度呈现持续上升态势，这得益于新能源汽车产业的技术创新和产业链的持续完善。其中2023年出口技术复杂度达到了759亿元，核心在于三大合力：政策加码提高造车标准，倒逼企业升级技术；电池续航和智能驾驶等关键技术突破，提升产品竞争力；自主掌控完整产业链，保障质量并优化成本。此外，中国新能源汽车企业还通过海外并购、投资建厂、技术合作等方式加速全球化布局，提升出口技术复杂度，进一步增强了国际市场的竞争力。ADDINCNKISM.UserStyle人工智能对新能源汽车出口技术复杂度影响的实证分析模型构建本文主要研究人工智能发展水平对新能源汽车出口技术复杂度的影响。为了将影响新能源汽车出口技术复杂度的主要因素和作为重要解释途径的人工智能发展水平尽可能全面反映在回归模型中，本文构建使用OLS方法的面板数据回归模型，具体模型构建如下：（3-1）等式（3-1）中，下标i表示企业，t表示时间，0是常数项；AIit是解释变量，表示企业i所在省份在t年的人工智能发展水平；lnEXPYit是被解释变量，表示新能源汽车企业i在t年的出口技术复杂度，其系数1反映人工智能发展对出口技术复杂度的影响；Controlsit代表作用于新能源汽车企业出口技术复杂度的一系列控制变量。μi作为企业固定效应，刻画企业间不随时间变化的差异。λt作为年份固定效应，捕捉不同年份不随企业个体变化的差异。ɛit为随机误差项。本文使用的控制变量的变量说明见表2。表SEQ表\*ARABIC2控制变量说明变量类型变量名称变量符号变量定义企业层面企业规模Size使用企业总资产取自然对数衡量企业年龄lnage使用企业上市年龄取对数衡量财务杠杆Lev使用企业资产负债率衡量总资产净利润率ROA使用企业总资产取自然对数衡量托宾Q值TobinQ使用企业市场价值与资产重置成本的比值衡量资产结构Tang使用企业固定资产净额与存货净额之和除以总资产衡量省级层面经济发展水平GDP使用省份人均GDP衡量第二产业占比Strind使用省份第二产业产值与GDP的比值衡量第三产业占比Strsev使用省份第三产业产值与GDP的比值衡量政府财政收入Revenue使用省份政府财政收入取对数衡量政府财政支出Cost使用省份政府财政支出取对数衡量实证分析结果描述性统计本部分整理选取了中国深沪A股新能源汽车上市企业的数据样本进行研究，选择的样本区间为2012年-2023年，共1080个样本观测值。针对人工智能对中国新能源汽车出口技术复杂度的影响，利用STATA工具，得出指标的描述性统计。各变量的描述性统计结果如表3所示。表SEQ表\*ARABIC3描述性统计variable观测值均值标准差中位数最小值最大值lnEXPY108011.64332.992010.805810.415929.0294AI10800.22150.13180.19000.02620.6435Size108019.72157.703722.10190.000027.6376Age10801.87201.08512.07940.00003.4340Lev10800.46450.20320.47170.00001.4608ROA10800.03340.07380.0353-1.12720.2608TobinQ10801.39061.03051.26460.000011.2240Tang10800.21540.10540.21160.00000.5489GDP108011.23950.440211.24949.959012.2075Strind108041.58187.159143.200014.900053.8200Strsev108052.28928.649051.300034.500084.8000Revenue10808.46040.64948.61786.01489.5543Cost10808.93000.48028.98606.81539.8273数据来源：根据数据计算整理所得由表3数据可得，新能源汽车企业出口技术复杂度的统计特征如下：均值为11.6433，标准差为2.9920，中位数为10.8058，最小值为10.4159，最大值29.0294，这表明能源汽车企业的出口技术复杂度水平存在较大差异。人工智能均值为0.2215，标准差为0.1318，中位数为0.1900，最小值为0.0262，最大值为0.6435，表明不同省份的人工智能发展水平也存在较大差异。上述结果表明，本文研究的样本选取涵盖范围较广，能够有效研究人工智能对新能源汽车企业出口技术复杂度的影响。相关性分析为确保后续回归结果的准确性，避免变量间可能存在的多重共线性导致的偏差，本文对所选的所有变量进行了相关性检验，结果如表4所示。可以看出，大部分变量之间的相关系数绝对值不超过0.6，表明变量之间不存在严重的多重共线性。表SEQ表\*ARABIC4自变量、因变量和控制变量间的相关性分析VariablesAIlnEXPYSizeAgeLevROATobinQTangGDPStrindStrsevRevenueCostAI1.0lnEXPY0.25***1.0Size0.06**0.105***1.0Age-0.0440.142***0.72***1.0Lev-0.096***0.063**0.301***0.43***1.0ROA-0.007-0.059*-0.229***-0.317***-0.317***1.0TobinQ0.213***0.112***0.459***0.331***-0.042-0.096***1.0Tang0.0180.0160.013-0.166***0.118***0.0430.0171.0GDP0.639***0.248***0.169***0.105***-0.005-0.0470.149***-0.0401.0Strind0.047-0.130***-0.288***-0.369***-0.160***0.189***-0.080***0.066**-0.374***1.0Strsev0.204***0.140***0.232***0.246***0.105***-0.118***0.106***-0.081***0.694***-0.873***1.0Revenue0.840***0.156***0.021-0.122***-0.139***0.078**0.186***0.0330.723***0.057*0.293***1.0Cost0.814***0.239***0.158***0.037-0.07**-0.0050.257***0.073**0.577***0.0420.171***0.89***1.0***p<0.01,**p<0.05,*p<0.1数据来源：根据数据计算整理所得基准回归分析基于前文理论分析和构建的基准回归模型，表5中列（1）-（3）显示了人工智能（AI）对新能源汽车企业出口技术复杂度（lnEXPY）影响的基准回归结果，三列回归均控制企业和时间固定效应。其中，列（1）的回归结果未引入控制变量；列（2）在列（1）的基础上，补充了企业层面的控制变量；列（3）则是在列（2）的基础上，进一步引入了省级层面控制变量。具体结果如表5所示。表SEQ表\*ARABIC5人工智能对新能源汽车企业出口技术复杂度的基准回归(1)(2)(3)VARIABLESlnEXPYlnEXPYlnEXPYAI6.0207**(2.28)4.1749*(1.79)5.7648**(2.17)Size-0.0075(-1.03)-0.0117(-1.64)Age1.0061***(4.83)1.0673***(5.00)Lev0.4003(0.81)0.3707(0.75)ROA0.1642(0.29)0.1203(0.20)TobinQ0.1405*(1.75)0.1515*(1.95)Tang0.6680(0.76)0.7460(0.83)GDP1.2606(0.70)Strind-0.0947(-0.97)Strsev-0.0869(-0.77)Revenue-0.2052(-0.19)Cost-1.3140(-0.86)Constant10.3097***(17.66)8.4525***(11.81)15.8317(0.70)Observations1,0801,0801,080R-squared0.73440.74760.7492FirmFEYESYESYESYearFEYESYESYES***p<0.01,**p<0.05,*p<0.1数据来源：根据数据计算整理所得根据表5可知，在不引入控制变量的条件下，针对出口技术复杂度，AI对新能源汽车企业的回归系数为6.0207，满足5%显著性要求；纳入企业层级控制变量后，实证分析得出4.1749的回归系数，10%置信水平下显著；当企业层面与省级层面变量均纳入模型时，统计结果显示5.7648的回归系数，满足5%显著性要求，不管是否添加控制变量，人工智能显著推动了新能源汽车企业出口技术复杂度的增长，人工智能为新能源汽车企业出口技术复杂度增长提供了有力支持，AI能发挥技术创新的知识外溢作用，驱动新能源汽车产业从要素驱动向创新驱动转变，从而成为提升企业出口技术含量与国际竞争力的关键抓手，也将对新能源汽车产业高质量发展起到重要的推动作用。稳健性检验替换解释变量考虑到人工智能发展水平的数据测算方式较为复杂，同时省级数据存在缺失或异常，容易导致误差积累。因此本文对人工智能发展水平的指标进行了替换。参考孟凡生和崔静文（2022）的研究，本文运用熵值法构建企业层面智能化转型指标，对解释变量进行替换。具体而言，本文从软件智能化投资占比、硬件智能化投资占比、智能技术水平和智能技术应用深度四个方面采用熵值法计算出企业智能化转型指数。其中，列（1）和列（2）分别为未引入控制变量和引入控制变量的回归结果。回归结果如表6所示。表SEQ表\*ARABIC6稳健性检验(1)(2)VARIABLESlnEXPYlnEXPYAI217.5419***10.4696**(3.01)(2.06)Constant11.4496***9.0078(178.11)(0.39)Observations1,0801,080R-squared0.73380.7480ControlsNOYESFirmFEYESYESYearFEYESYES***p<0.01,**p<0.05,*p<0.1数据来源：根据数据计算整理所得从表6稳健性检验的回归结果可知，在替换解释变量为企业智能化转型水平（AI2）后，其回归系数在列（1）和列（2）分别为17.5419和10.4696，在1%和5%的水平上显著。检验结果表明，无论是否引入控制变量，回归结果的方向和显著性均与基准回归一致，表明人工智能对我国新能源汽车出口技术复杂度的影响依然显著，这证实了本文基准回归结论具有较强的稳健性。加入省份固定效应不同省份的人工智能发展水平和新能源汽车企业发展情况可能存在较大差异，这些差异可能会对基准回归结果产生影响。为了进一步验证基准回归结果的稳健性，本文加入省份固定效应来控制不同省份可能对回归结果造成的影响。其中，列（1）未引入控制变量，列（2）引入了控制变量。回归结果见表7。表SEQ表\*ARABIC7加入省份的固定效应(1)(2)VARIABLESlnEXPYlnEXPYAI6.0207**(2.26)5.7648**(2.15)Constant10.3097***(17.49)15.8317(0.69)Observations1,0801,080R-squared0.73440.7492ControlsNOYESFirmFEYESYESProvinceFEYESYESYearFEYESYES***p<0.01,**p<0.05,*p<0.1数据来源：根据数据计算整理所得从表7中可以发现，引入省份固定效应后，人工智能发展水平的回归系数在列（1）和列（2）中分别为6.0207和5.7648，均在5%的水平上显著。研究结果表明，在引入省份固定效应后，人工智能仍然显著的提升了新能源汽车企业出口技术复杂度，基准回归结果仍然稳健。剔除直辖市样本不同城市的数字基础设施建设水平和新能源产业政策支持情况存在明显差异，特别是“北京、天津、上海、重庆”四个直辖市，其政策优势更为明显。为了避免直辖市样本数据对基准回归结果产生的偏误，本文在样本中剔除了四个直辖市的企业数据。重新估计模型，回归结果如表8。表SEQ表\*ARABIC8剔除直辖市样本(1)(2)VARIABLESlnEXPYlnEXPYAI7.0704**(2.40)6.5537**(2.19)Constant10.0136***(14.82)16.4320(0.64)Observations899899R-squared0.72280.7409ControlsNOYESFirmFEYESYESYearFEYESYES***p<0.01,**p<0.05,*p<0.1数据来源：根据数据计算整理所得根据表8，列（1）排除了控制变量的干扰，回归分析中，AI发展变量的系数在5%水平上呈现统计显著的正值，控制变量引入后的检验结果见列，人工智能发展指标的回归系数在5%水平上持续显著为正，不论是否纳入控制变量，人工智能变量的回归结果在5%水平上呈现稳定的正向显著性，实证结果证实，基准回归的结论依然稳健可靠。通过采用替换解释变量、加入省份固定效应、剔除直辖市样本这三种方法，都得出回归结果的方向和显著性均与基准回归一致，表明人工智能对我国新能源汽车出口技术复杂度的影响显著，证实了本文基准回归结论具有较强的稳健性。结论与建议研究结论基于对人工智能发展水平与新能源汽车出口技术复杂度的现状剖析，本文构建面板数据回归模型，开展基准回归分析，并进行稳健性检验，探究人工智能对新能源汽车出口技术复杂度的影响，得出了以下结论：（1）人工智能对新能源汽车出口技术复杂度产生明显正向作用，人工智能的发展程度与新能源汽车出口技术复杂度呈正相关关系。（2）人工智能通过技术创新的知识外溢效应，驱动新能源汽车产业从要素驱动向创新驱动转变。（3）人工智能的应用有助于提升新能源汽车产业的国际竞争力。政策建议基于以上研究，本文提出一系列对策建议，力求实现人工智能技术与新能源汽车产业的优势互补，优化中国新能源汽车产业的全球竞争地位，引领中国新能源汽车产业进入更高层次的发展阶段。首先，加大对人工智能基础设施建设的投资，为人工智能技术的应用提供坚实基础。政府应加速推进5G网络的部署，扩大其覆盖范围并提升网络质量，以满足车联网、自动驾驶等高带宽、低延迟应用的需求。特别是在偏远地区，政府可通过资金支持与补贴政策，激励运营商加大网络建设力度。此外，需推动大数据中心与云计算平台等基础设施的建设，为企业提供高效的数据存储与计算服务，从而降低运营成本。同时，应促进人工智能算法与算力的开源开放，推动科研机构与高校开放算法资源，发展开源硬件平台，并建立算力共享机制。其次，构建跨学科融合的人才培养与引进体系，为人工智能与新能源汽车产业协同发展提供智力保障。要加强高校和科研院所的人工智能学科建设，通过系统培养，输送有复合创新能力的高端人才；另一方面，要深化校企合作育人模式，共同打造产学研一体的实训平台，针对性地培养符合产业技术更新需求的应用型人才。同时，还要完善国际化人才引进政策，利用柔性引才方式和科研激励措施，吸引海外顶尖人才回国，参与关键技术研发。最后，推动企业深度参与国际竞争，增强中国新能源汽车产业的全球竞争力。政府可以出台出口退税、减税等鼓励性措施和设立出口专项基金，减轻企业开拓市场的压力，强化其研发能力及开拓力度。推动企业树立国际生产标准和规范，获取国际市场相关证书，满足国内外消费者需求；并组织企业在海外参加世界一流的汽车展会，搭建出海销售服务网点，加强品牌曝光度与影响力。进一步推进中外合作和交流活动，吸引优秀境外人才，打造具有国际竞争力的人才培养基地。并配合提供及时准确的目标国家市场情况报告，专业指导性出海咨询服务，包括金融政策的支持等，帮助中国企业解决各种贸易壁垒挑战与风险问题。

参考文献SanjayaL,JohnW,**kangZ.The‘Sophistication’ofExports:ANewTradeMeasure[J].WorldDevelopment,2006,34(2):222-237.Rodrik.WhataccountsfortherisingsophisticationofChina'sexports?[M].China'sGrowingRoleinWorldTrade.UniversityofChicagoPress,2006:63-104.HausmannR,HwangJ,RodrikD.Whatyouexportmatters[J].Journalofeconomicgrowth,2007,12:1-25.HicksJ.Thetheoryofwages[M].Springer,1963.FerenczJ,GonzálezJL,GarcíaIO.ArtificialIntelligenceandinternationaltrade:Somepreliminaryimplications[J].2022.LiuJ,QianY,YangY,etal.Canartificialintelligenceimprovetheenergyefficiencyofmanufacturingcompanies?Evi