创新无国界？技术扩散的地理学

无边界创新？技术扩散的地理格局 乌尔泽尔·鲍曼，佐伊·科尔伦，埃斯特尔·法亚，安纳莉萨·费拉诺，里卡多·佩雷斯-特鲁吉亚，尤迪特·拉里加 免责声明：本文不应被视为代表欧洲中央银行（ECB）的观点。文中表达的观点是作者的个人观点，并不一定反映欧洲中央银行（ECB）的观点。 摘要 创新如何跨越地理边界扩散？为了解答这个问题，我们开展了一项涉及欧盟十二个国家、3300家企业的大规模实地实验。我们调查了企业对其国内同类企业中已投资人工智能（AI）的比例的认知，以及德国、法国和意大利同类企业中相应的比例。我们随机向样本中的一半企业提供了关于国内外AI投资情况的准确信息。我们发现，企业严重低估了竞争对手当前的国内及海外AI投资，并且它们会根据信息处理情况更新对竞争对手未来AI投资的预期。该处理还导致企业自身预期的AI投资率出现统计学上显著的提升。我们发现国内存在强烈的战略互补性：国内同行中预期投资AI的比例每增加1个百分点（1 pp），会提高企业自身预期AI投资率0.570个百分点。这种互补性在国际间不存在：外国同行中预期投资AI的比例增加对企业自身预期AI投资率的影响在统计学上不显著。总体而言，我们的证据表明，AI投资的创新扩散和战略互补性在国内远强于国际。 JEL分类：O33, D22, C93, L21。关键词：创新扩散，人工智能，田野实验，调查数据。 非技术性摘要 新技术在企业间的扩散是生产力增长的核心驱动力。尽管作为通用目的技术的人工智能（AI）正在迅速扩张，但其采用在不同企业和国家之间，包括在欧元区等一体化经济区域内部，仍然是不均衡的。理解为何AI投资仍集中在某些企业和地区，而其他地方则相对滞后，对于经济研究和政策制定都至关重要。 本文考察了同业竞争压力是否会影响企业投资人工智能的决策，以及这种压力是否会因竞争对手是位于国内还是国外而有所不同。为解答这些问题，我们设计了一项大规模实地实验，该实验整合于企业融资获取情况调查（SAFE），该调查是由欧洲中央银行和欧盟委员会联合开展的一项常规企业层面调查。该实验覆盖了十二个欧元区国家的约3300家企业，并于2025年第四季度实施。 该实验设计利用了这样一个事实：企业会形成关于竞争对手AI采用程度的认知，而这些认知往往与现实存在显著偏差。最初，调查通过问卷征询了每家企业对其所在行业内规模相当的企业——即规模相似且经营于同一领域的企业——到2025年中叶投资AI的份额认知。调查同时收集了德国、法国和意大利这三个最大欧元区经济体中企业相应投资率的估算数据。随后，将受访企业随机分为两组，其中一半企业随机获知了关于这些投资率的准确、事实性信息，该信息源自上一轮SAFE调查。在获取信息后，要求企业更新其对竞争对手未来AI投资的预期，并报告其计划在未来十二个月内拟分配给AI投资的自身投资份额。 研究发现突出了三点关键结果。首先，企业系统性地低估了其竞争对手在国内外对人工智能的投资程度。平均而言，实际投资率与企业先前认知之间的差距超过二十个百分点，并且在几乎所有国家都偏向低估。此外，企业倾向于错误地认知其在欧洲的相对位置，系统性地认为人工智能投资比数据显示的更为集中在前三个最大经济体。这种扭曲即使在其本国的人工智能采用率高于欧元区平均水平时仍然存在。其次，提供准确信息有意义地改变了企业的认知。收到事实性信号的企业以贝叶斯学习的方式调整了其对竞争对手人工智能投资的预期。这些认知调整的幅度与...相关。 直接反映了所提供信息与公司先前认知之间的差距。公司赋予新信息的权重与在其他环境下进行的类似信息提供实验的结果一致。第三，也是最重要的一点，本文确定了更新后的认知如何转化为投资计划的调整。通过一项随机对照试验，我们发现提供关于竞争对手过去人工智能投资的真实信息会导致公司调高对未来采用的预期。具体而言，预期国内竞争对手投资人工智能的份额每增加一个百分点，会使该公司自身的预期人工智能投资率提高约0.57个百分点。相比之下，关于外国竞争对手投资的新认知对公司自身的人工智能投资计划没有统计学上的显著影响。这种不对称性在各种稳健性检验和子样本中均成立。 这些发现对人工智能扩散的地理格局和欧洲经济政策具有重要启示。首先，它们表明信息摩擦——例如企业低估同行采用趋势的倾向——可能导致人工智能投资不足，而这种不足与财务约束或技术壁垒无关。其次，国内与国外竞争压力之间的显著不对称性意味着，即使在单一市场内部，创新方面的跨境溢出效应仍然有限。尽管企业会观察并更新对国外竞争对手的认知，但这些认知似乎并未驱动行为变化。第三，研究结果有助于解释为何人工智能采用的地域差异可能持续存在：如果企业主要响应国内同行的行为，那么高采用率与低采用率国家之间的差距很可能是自我强化的。 从政策角度来看，我们的研究结果表明，仅靠经济激励可能不足以加速人工智能在整个欧元区的扩散。例如，开展信息宣传活动以提高企业对同行采用情况和新技术的更广泛认知，这类补充措施可能代表成本效益高的工具，用以刺激投资，特别是在采用进展缓慢的国家或部门。更广泛地说，研究结果凸显了跨境竞争压力作为创新趋同驱动力的局限性，强调了国内营商环境以及欧洲市场和知识创新的深度融合的持续重要性。 1 简介 人工智能的兴起和知识经济的扩张对增长可能产生深远影响。这使理解创新及其空间扩散的潜在决定因素至关重要。战略互补性——即一项创新活动的边际效益在另一项活动存在时增加的观点——是一个关键因素，因为人工智能是一项通用技术，很少能独立产生价值。其有效采用取决于与其他采用者学习互补性；此外，来自竞争对手的压力充当战略催化剂，迫使企业创新。这些见解塑造了关于技术扩散的有影响力的研究，从应对地方竞争压力的水稻杂交品种的采用（Griliches, 1960, 1987）到贸易和跨境知识流动在塑造创新和企业动态中的作用（Keller and Yeaple, 2013）。更广泛地说，该文献表明，来自国外的知识溢出可能对增长尤其有价值，因为它们更有可能体现真正新颖的思想。然而，如果外国竞争对手面临进入本地市场的文化、语言或实际障碍，那么同样的外国溢出可能会对企业行为产生较弱的压力。因此，在实践中，同样的信号——例如，竞争对手正在投资一项新技术——可能会根据这些竞争对手是本国还是外国而导致企业做出不同的反应。 我们从关于不完全信息下策略性互动的简单模型开始，以指导我们的研究设计。在Angeletos和Pavan（2004）的基础上，我们将他们的框架应用于技术投资背景，并将其扩展到多国环境。企业选择在新技术上投入多少，但无法完全观察到其潜在的生产力。相反，它们根据嘈杂的信息以及对竞争对手选择的预期来形成信念。因此，企业的最优投资不仅取决于其对人工智能回报的自我评估，还取决于它预期竞争对手会投入多少。这些预期通过两个主要渠道产生影响。首先，存在一个竞争渠道：如果竞争对手投资更多，企业也可能想投资更多以避免落后。其次，存在一个学习渠道：类似企业的行为可能会揭示该技术潜在盈利能力的信息。 该模型预测，企业应对其他企业的投资决策信息做出反应，并且这种反应的规模可能关键地取决于这些企业是本国企业还是外国企业。如果本国企业比外国企业是更紧密的竞争对手，那么竞争渠道意味着，企业应对本国企业的投资反应应比对外国企业的投资反应更强烈。如果在本国企业之间的生产率相关性高于外国企业之间，那么学习渠道得出同样的预测：本国投资应比外国投资更具信息量。因此，关于本国和外国信息的相关效应 投资为跨境市场所存在的技术与竞争摩擦提供了检验。 我们研究人工智能投资与使用，这是企业投资决策既昂贵又重要的领域。有效使用人工智能通常需要技能提升和组织变革，但它也能提高生产力、扩大销售额并增加企业市场价值（Babina等人，2024）。因此，政策制定者越来越将人工智能视为增长和产业竞争力的关键驱动力。我们的实证背景是一个涵盖十二个欧盟国家的大规模实地实验。这一背景为研究国内与国外竞争压力提供了天然实验室。欧洲单一市场被明确设计为让企业面临跨境竞争，从而促进创新与增长。与此同时，人工智能的扩散在不同国家和企业间仍极不均衡，表明即使在一体化经济区域内，扩散的重要障碍依然存在。 我们将信息提供实验嵌入到由欧洲中央银行和欧洲委员会长期进行的《企业融资获取情况调查》（SAFE）中。SAFE为实施该实验提供了一个独特且协调一致的国际调查基础设施。由于我们的设计随机化了关于国内外企业投资决策的定制化信息，我们在较早的调查波次中包含了一系列问题，以构建后续将进行随机化的信息。更具体地说，我们使用较早SAFE波次的数据，为每个国家-行业-规模单元格计算到2025年6月为止已投资于人工智能的企业占比。然后，我们使用这些数据在信息提供实验中，该实验在实验波次中实施。 实验首先引出企业关于国内投资的先验信念：即同行业、同规模等级且来自同一国家的类似企业中，已投资于人工智能的企业所占的比例。然后引出企业关于外国投资的先验信念：即同行业、同规模等级且来自欧盟三大经济体——德国、法国和意大利（以下简称“三大经济体”）的类似企业中，已投资于人工智能的企业所占的比例。在信息提供阶段，一半企业被随机分配到控制组，不接收额外信息。另一半企业被分配到实验组，接收关于国内和外国企业已投资于人工智能的比例的信息，该信息是在实验前测量的。随后，我们引出企业关于国内和外国投资率的后验信念。最后，我们测量每家企业的预期人工智能投资率，定义为企业在未来十二个月内预期分配给人工智能的总投资份额。该设计使我们能够追踪从信息到信念再到预期行为的完整链条。 在以下十二个欧盟国家：奥地利、比利时、芬兰、法国、德国、希腊、爱尔兰、意大利、荷兰、葡萄牙、斯洛伐克和西班牙。该调查的规模提供了强大的统计能力，用以记录企业对其国内和国外同行的认知，并区分国内和国外观念对企业自身投资选择的影响。 我们从记录这十二个欧盟国家在人工智能投资和使用方面的显著不均衡性开始。截至2025年6月，某些国家的人工智能投资远比其他国家普遍。投资人工智能的企业比例平均约为28%，但范围从希腊的20%到奥地利的48%。在三大巨头（25%）中，投资人工智能的企业比例略低于其他九个国家（29%）。当前人工智能的使用在国家间也存在着不均衡性。企业在使用强度上存在巨大差异：30%报告没有使用人工智能，32%报告使用频率非常低，29%报告中度使用，只有9%报告显著使用人工智能。事实上，我们所研究的十二个欧盟国家在人工智能使用和投资方面，无论是在总体水平还是在企业间扩散的不均衡性上，都与美国的状况大体相当（Baslandze等人，2026；Bonney等人，2026；Yotzov等人，2026）。 我们随后表明，企业对竞争对手的AI投资持有巨大且系统性的偏见。大多数企业都低估了国内外竞争对手的AI投资，且往往存在显著差距。平均而言，企业低估国内竞争对手AI投资14个百分点，低估国外竞争对手AI投资7个百分点。虽然国内和国外的误判呈正相关，但它们远非完全相关。这表明，每一方都包含相当大的独立变动，使我们能够分别识别它们的影响。 国家层面的细分揭示了两种额外的模式。首先，在人工智能实际投资较高的国家，低估现象尤为严重，这表明企业的认知相对于真实的跨国差异被压缩了。其次，企业系统性地高估了三大巨头（big-3）的相对地位：他们认为三大巨头的AI投资额高于其所在国家的企业，尽管三大巨头与其他九个国家的平均投资份额相似。这些模式表明了一种更广泛的核心-边缘误解，即企业认为人工智能投资集中在一小部分技术先进的经济体，尽管在实践中其分布更为广泛。 我们表明，企业会根据信息处理方式更新其信念。最初低估竞争对手人工智能投资的企业会向上修正其信念，高估的企业会向下修正，而具有准确先验信念的企业更新较少。与基线低估现象一致，事实性信息使国内外后验信念分别提高了4.3个基点和3.3个基点。我们使用实验数据来估计一个简单的贝叶斯学习模型，该模型用于形成预期。隐含的学习权重为0.35（针对国内）。 预期和0.36的