第第頁共23頁引言研究背景近年來，隨著人們對(duì)環(huán)保及氣候變化等問題的重視程度越來越高，傳統(tǒng)的燃油汽車所造成的污染已經(jīng)逐漸成為影響空氣質(zhì)量以及導(dǎo)致地球氣溫上升的主要因素。為了應(yīng)對(duì)這一挑戰(zhàn)，世界各國都在積極尋求解決這一難題的辦法，各國紛紛將交通領(lǐng)域作為減少碳排放的重點(diǎn)，而新能源汽車的研發(fā)與推廣成為關(guān)鍵突破口。新能源汽車由于具備環(huán)保節(jié)能、使用成本低和智能互聯(lián)潛力大等諸多優(yōu)點(diǎn)，同時(shí)符合當(dāng)今世界發(fā)展的數(shù)字化科技化的潮流趨勢，被各大發(fā)達(dá)國家和發(fā)展中國家列為未來汽車行業(yè)的發(fā)展方向，并將之視為本國發(fā)展經(jīng)濟(jì)的一項(xiàng)重要戰(zhàn)略目標(biāo)。新能源汽車是利用電或者其他非石油類能源驅(qū)動(dòng)車輛前進(jìn)的一種新型交通工具，相比以往的傳統(tǒng)燃油車而言，它幾乎不會(huì)產(chǎn)生任何有害物質(zhì)從而大大減少了大氣污染的程度；同時(shí)使用清潔能源也可以有效避免對(duì)石化資源過度消耗的情況發(fā)生。我國目前已經(jīng)成為世界上新能源汽車產(chǎn)銷規(guī)模最大的國家，同時(shí)也是新能源汽車產(chǎn)業(yè)發(fā)展最為迅速的地區(qū)之一。之所以新能源汽車產(chǎn)業(yè)能在短時(shí)間內(nèi)取得如此大的成就，除了離不開政府的大力支持之外，還得益于眾多企業(yè)在技術(shù)創(chuàng)新上的努力以及產(chǎn)業(yè)轉(zhuǎn)型工作的穩(wěn)步推進(jìn)等多方面原因。此外，隨著科學(xué)技術(shù)尤其是人工智能技術(shù)的不斷發(fā)展進(jìn)步，也給新能源汽車帶來了全新的發(fā)展機(jī)遇：一方面，越來越多的人工智能新技術(shù)開始應(yīng)用到新能源汽車上(如無人駕駛技術(shù))，另一方面，以智能化為核心的車聯(lián)網(wǎng)系統(tǒng)正逐步得到普及推廣。這些都將極大地促進(jìn)整個(gè)行業(yè)向前邁進(jìn)一大步，并且也將進(jìn)一步增強(qiáng)我們民族品牌在全球范圍內(nèi)的影響力。然而，在全球新能源汽車市場競爭日益激烈的背景下，中國新能源汽車企業(yè)想要在國際市場上脫穎而出，就必須不斷提升自身的技術(shù)水平以提高市場競爭力。而出口技術(shù)復(fù)雜度作為衡量一個(gè)國家出口產(chǎn)品技術(shù)含量和競爭力的重要指標(biāo)，對(duì)于新能源汽車產(chǎn)業(yè)出口尤為重要。然而，目前針對(duì)新能源汽車出口技術(shù)復(fù)雜度的研究尚顯不足，尤其是人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響尚處于起步階段。因此，本文將選取人工智能作為主要研究對(duì)象，探究其對(duì)中國新能源汽車出口技術(shù)復(fù)雜度的影響。這一研究不僅有助于揭示人工智能技術(shù)如何推動(dòng)新能源汽車產(chǎn)業(yè)的技術(shù)升級(jí)和競爭力提升，更將為中國新能源汽車產(chǎn)業(yè)的可持續(xù)發(fā)展提供有益的理論指導(dǎo)和實(shí)踐參考。研究意義理論意義首先，本研究豐富了新能源汽車出口技術(shù)復(fù)雜度研究的理論視角。目前大多數(shù)研究集中在基礎(chǔ)設(shè)施、工作結(jié)構(gòu)和制度政策等領(lǐng)域，對(duì)于人工智能的探討研究較為有限。本文將人工智能引入分析框架，進(jìn)一步拓展新能源汽車出口技術(shù)復(fù)雜度影響因素的研究維度。其次，本研究有助于深入剖析人工智能與產(chǎn)業(yè)轉(zhuǎn)型升級(jí)之間的內(nèi)在關(guān)聯(lián)。作為戰(zhàn)略性新興產(chǎn)業(yè)，與傳統(tǒng)產(chǎn)業(yè)相比新能源汽車產(chǎn)業(yè)具有較高的出口技術(shù)復(fù)雜度與附加值。通過探討人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響，可以揭示人工智能技術(shù)在推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)等方面的作用機(jī)制。實(shí)際意義首先，本研究對(duì)于提升新能源汽車出口競爭力及推動(dòng)中國新能源汽車產(chǎn)業(yè)轉(zhuǎn)型升級(jí)具有重要意義。研究成果可以為中國新能源汽車企業(yè)提供明確的技術(shù)創(chuàng)新方向與市場拓展策略，助力企業(yè)提升產(chǎn)品質(zhì)量和技術(shù)含量。其次，本研究為政府決策提供了科學(xué)依據(jù)。研究結(jié)論可以為政府制定相關(guān)產(chǎn)業(yè)政策和科技創(chuàng)新政策提供新的思路，從而促進(jìn)新能源汽車出口技術(shù)復(fù)雜度的提升，并推動(dòng)新能源汽車產(chǎn)業(yè)向更高質(zhì)量發(fā)展階段邁進(jìn)。研究思路本文圍繞人工智能對(duì)中國新能源汽車出口技術(shù)復(fù)雜度的影響展開研究，按照先文獻(xiàn)分析后實(shí)證檢驗(yàn)的思路進(jìn)行研究。在進(jìn)行國內(nèi)外相關(guān)文獻(xiàn)后梳理和分析的基礎(chǔ)上，參考相關(guān)學(xué)者在綜合評(píng)價(jià)指標(biāo)體系構(gòu)建上的科學(xué)性、合理性和適用性，構(gòu)建一套指標(biāo)體系，再基于熵值法計(jì)算出中國的人工智能發(fā)展水平和新能源汽車出口技術(shù)復(fù)雜度，對(duì)當(dāng)前中國人工智能發(fā)展水平和新能源汽車出口技術(shù)復(fù)雜度的現(xiàn)狀進(jìn)行了全面的分析；通過回歸模型來驗(yàn)證論文研究內(nèi)容，并通過穩(wěn)健性檢驗(yàn)進(jìn)一步提高模型的可信度，從而得出結(jié)論，并提出政策建議。研究方法文獻(xiàn)研究法本文通過文獻(xiàn)研究法，深入分析了人工智能對(duì)中國新能源汽車出口技術(shù)復(fù)雜度的影響研究。首先，通過方法對(duì)比，明確目前研究中人工智能和出口技術(shù)復(fù)雜度各測度方法的利弊，并作出選擇；其次，綜合國內(nèi)外有關(guān)人工智能經(jīng)濟(jì)效應(yīng)的研究成果，構(gòu)建起分析人工智能影響新能源汽車出口技術(shù)復(fù)雜度的理論框架，為后續(xù)研究提供堅(jiān)實(shí)的理論基礎(chǔ)。實(shí)證分析法本文使用實(shí)證分析法研究了人工智能與中國新能源汽車出口技術(shù)復(fù)雜度的關(guān)系。通過基準(zhǔn)回歸和穩(wěn)健性檢驗(yàn)分析人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響，并得出相關(guān)結(jié)論與建議。文獻(xiàn)綜述關(guān)于出口技術(shù)復(fù)雜度的研究綜述出口技術(shù)復(fù)雜度是衡量一個(gè)國家出口產(chǎn)品技術(shù)深度與復(fù)雜性的關(guān)鍵指標(biāo)，它深刻反映了該國在全球出口市場中的競爭力水平。國內(nèi)外眾多學(xué)者對(duì)此開展了一系列研究。Hausmann在相關(guān)研究中率先引入"出口技術(shù)復(fù)雜度"這一學(xué)術(shù)概念，該指標(biāo)主要用于衡量一個(gè)國家貿(mào)易產(chǎn)品所具備的技術(shù)含量水平。SanjayaLall（2005）指出，一個(gè)國家的出口產(chǎn)品技術(shù)復(fù)雜度會(huì)隨著其收入水平的提升而增加，根據(jù)該國某類產(chǎn)品的出口量在世界總出口中的比例對(duì)人均收入進(jìn)行加權(quán)平均，即可計(jì)算出各個(gè)國家的出口技術(shù)復(fù)雜度REF_Ref4898\r\h[1]。Rodrik（2006）創(chuàng)造性地提出，出口技術(shù)復(fù)雜度是衡量一個(gè)國家在全球競爭力中所處位置的重要指標(biāo)，若一個(gè)國家在國際分工體系中占據(jù)較高位置，那么其出口產(chǎn)品往往具有更高的技術(shù)復(fù)雜度REF_Ref4954\r\h[2]。Hausmann（2007）進(jìn)一步豐富了出口技術(shù)復(fù)雜度的概念，提出了出口技術(shù)復(fù)雜度指數(shù)（EXPY），若該指數(shù)的值越高，則說明出口產(chǎn)品的技術(shù)含量越高REF_Ref5003\r\h[3]。董桂才和巨小超（2017）基于鉆石模型分析了工業(yè)機(jī)器人出口技術(shù)復(fù)雜度的影響因素，指出高級(jí)生產(chǎn)要素的豐富程度、國內(nèi)市場需求以及相關(guān)支持產(chǎn)業(yè)等都對(duì)工業(yè)機(jī)器人出口技術(shù)復(fù)雜度具有積極影響REF_Ref5081\r\h[10]。李宏和喬越（2021）通過雙重差分法評(píng)估了數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)出口技術(shù)復(fù)雜度的影響，結(jié)果顯示，數(shù)字化轉(zhuǎn)型顯著提高了制造業(yè)的出口技術(shù)復(fù)雜度，尤其對(duì)規(guī)模較小、融資約束較強(qiáng)的企業(yè)影響更為顯著REF_Ref5127\r\h[11]。張兵兵等（2023）研究進(jìn)一步發(fā)現(xiàn)人工智能能夠通過促進(jìn)企業(yè)創(chuàng)新和優(yōu)化要素配置結(jié)構(gòu)顯著提升出口技術(shù)復(fù)雜度，對(duì)一般貿(mào)易型企業(yè)、低融資約束行業(yè)企業(yè)及高市場化水平區(qū)域企業(yè)的出口技術(shù)復(fù)雜度提升作用更為顯著REF_Ref5179\r\h[12]。趙春明和褚婷婷（2024）指出，人工智能的快速發(fā)展顯著推動(dòng)了中國工業(yè)行業(yè)的出口技術(shù)復(fù)雜度，主要通過替代勞動(dòng)效應(yīng)和技術(shù)創(chuàng)新效應(yīng)發(fā)揮作用REF_Ref5228\r\h[13]。夏澤華等（2024）研究表明，創(chuàng)新基礎(chǔ)設(shè)施的建設(shè)通過技術(shù)溢出和競爭效應(yīng)，以及推動(dòng)技術(shù)創(chuàng)新和虛擬集聚，顯著提升了中國制造業(yè)的出口技術(shù)復(fù)雜度，尤其在高端技術(shù)領(lǐng)域REF_Ref5281\r\h[14]。胡穎和李維（2024）研究則表明，數(shù)字基礎(chǔ)設(shè)施對(duì)一國出口技術(shù)復(fù)雜度提升具有顯著促進(jìn)作用，在中低收入國家的促進(jìn)作用表現(xiàn)得更加顯著REF_Ref5333\r\h[15]。關(guān)于人工智能對(duì)制造業(yè)以及汽車產(chǎn)業(yè)影響的研究綜述伴隨人工智能技術(shù)的持續(xù)演進(jìn)，該技術(shù)在制造業(yè)領(lǐng)域的應(yīng)用范疇正日益拓展。人工智能技術(shù)憑借其高效智能的特點(diǎn)，促進(jìn)了制造業(yè)的智能化發(fā)展，為汽車產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)注入動(dòng)力。Hicks（1932）指出人工智能能通過優(yōu)化要素結(jié)構(gòu)促進(jìn)出口技術(shù)復(fù)雜度升級(jí)。根據(jù)要素替代理論，資本與勞動(dòng)力的相對(duì)價(jià)格變化導(dǎo)致資本勞動(dòng)發(fā)生比發(fā)生改變REF_Ref29880\r\h[4]。段佳文（2022）研究表明，數(shù)字化投入通過供給和需求兩種機(jī)制顯著提高了我國制造業(yè)企業(yè)的出口技術(shù)復(fù)雜度。具體而言，數(shù)字化投入可以通過改善企業(yè)的生產(chǎn)效率和產(chǎn)品質(zhì)量，推動(dòng)企業(yè)在技術(shù)創(chuàng)新上的投入，從而提升其出口技術(shù)水平REF_Ref29949\r\h[16]。Liu等（2022）的研究表明，人工智能技術(shù)的應(yīng)用顯著提高了制造業(yè)企業(yè)的能源效率，從而降低了生產(chǎn)成本，增強(qiáng)了產(chǎn)品的市場競爭力REF_Ref30004\r\h[6]。袁其剛等（2023）研究指出，人工智能引領(lǐng)的科技革命促進(jìn)了制造業(yè)企業(yè)的出口產(chǎn)品升級(jí)，尤其在勞動(dòng)密集型和技術(shù)密集型企業(yè)中，人工智能顯著提高了企業(yè)的出口技術(shù)復(fù)雜度，技術(shù)進(jìn)步、優(yōu)化要素結(jié)構(gòu)及降低出口成本是其主要機(jī)制REF_Ref30050\r\h[18]。JanosFerencz等（2022）指出人工智能可以通過影響企業(yè)生產(chǎn)效率、貿(mào)易成本、供應(yīng)鏈和比較優(yōu)勢等賦能貿(mào)易發(fā)展REF_Ref30132\r\h[5]。Leoni等（2022）研究發(fā)現(xiàn)，人工智能技術(shù)通過促進(jìn)知識(shí)管理過程，提高了供應(yīng)鏈的韌性和企業(yè)的整體績效REF_Ref30181\r\h[7]。DeStefano和Timmis（2024）指出，在產(chǎn)品制造中應(yīng)用機(jī)器人能夠降低人為錯(cuò)誤風(fēng)險(xiǎn)，保證產(chǎn)品被精確地制造出來，從而提升出口產(chǎn)品質(zhì)量，且機(jī)器人應(yīng)用對(duì)發(fā)展中國家出口產(chǎn)品質(zhì)量升級(jí)的促進(jìn)作用大于發(fā)達(dá)國家REF_Ref30233\r\h[8]。劉紅英和鐘華明（2023）的實(shí)證研究表明，工業(yè)機(jī)器人應(yīng)用能夠顯著提升制造業(yè)的出口技術(shù)復(fù)雜度，尤其是在發(fā)達(dá)國家的中低端制造業(yè)中表現(xiàn)突出REF_Ref30314\r\h[19]。徐曄等（2022）的研究強(qiáng)調(diào)了人工智能在賦能制造業(yè)中的重要作用，研究發(fā)現(xiàn)智能制造的應(yīng)用促使制造業(yè)向更高技術(shù)含量方向發(fā)展，進(jìn)一步推動(dòng)出口產(chǎn)品技術(shù)升級(jí)REF_Ref30363\r\h[17]。Gu等（2024）研究發(fā)現(xiàn)，人工智能的重要作用對(duì)于發(fā)展電動(dòng)汽車市場至關(guān)重要，通過抓住人工智能指數(shù)(AII)和電動(dòng)汽車指標(biāo)(EVI)的動(dòng)態(tài)相關(guān)性，定量分析得出短期內(nèi)人工智能對(duì)電動(dòng)汽車市場起到促進(jìn)作用REF_Ref30406\r\h[9]。李猛和李涵（2024）指出，人工智能促進(jìn)了中國制造企業(yè)專一化優(yōu)勢，提升了市場地位和份額，且機(jī)器人和機(jī)器學(xué)習(xí)技術(shù)、大型和技術(shù)密集型企業(yè)受益更顯著，針對(duì)性支持人工智能技術(shù)應(yīng)用有助于制造企業(yè)重塑競爭優(yōu)勢REF_Ref30455\r\h[20]。文獻(xiàn)述評(píng)通過對(duì)已有文獻(xiàn)的梳理分析，可以發(fā)現(xiàn)，國內(nèi)外研究學(xué)者從出口技術(shù)復(fù)雜度的概念界定和人工智能的經(jīng)濟(jì)效應(yīng)角度的研究較為豐富，可以為本文提供較為堅(jiān)實(shí)的理論依據(jù)和支撐。但是，當(dāng)前研究主要集中于人工智能對(duì)整個(gè)行業(yè)的影響，對(duì)于人工智能影響新能源汽車出口技術(shù)復(fù)雜度的相關(guān)研究仍然尚顯不足。綜上，本文選擇從人工智能的視角出發(fā)，使用國家級(jí)時(shí)間序列數(shù)據(jù)探討分析其對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響，彌補(bǔ)現(xiàn)有研究的不足，為人工智能提高新能源汽車出口技術(shù)復(fù)雜度、促進(jìn)新能源汽車出口及增強(qiáng)國際競爭力提供堅(jiān)實(shí)的理論依據(jù)。人工智能發(fā)展與中國新能源汽車出口技術(shù)復(fù)雜度現(xiàn)狀分析人工智能現(xiàn)狀分析數(shù)據(jù)來源本文借鑒孫早和侯玉琳（2019）以及戴魁早等（2022）的指標(biāo)體系構(gòu)建方法REF_Ref30537\r\h[21]REF_Ref30644\r\h[22]，從基礎(chǔ)建設(shè)、智能應(yīng)用、創(chuàng)新與市場效益三個(gè)維度選取核心指標(biāo)，構(gòu)建綜合指標(biāo)，覆蓋了智能經(jīng)費(fèi)投入、智能產(chǎn)品開發(fā)情況與創(chuàng)新能力等12個(gè)具體指標(biāo)。以上數(shù)據(jù)的來源為《中國統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》，確保數(shù)據(jù)的權(quán)威性和準(zhǔn)確性。為了準(zhǔn)確客觀地評(píng)估出中國的人工智能發(fā)展水平，本文采取熵值法進(jìn)行各指標(biāo)的測算，具體細(xì)分指標(biāo)如表1所示。表SEQ表\*ARABIC1人工智能發(fā)展水平測算指標(biāo)體系綜合指標(biāo)基礎(chǔ)指標(biāo)分項(xiàng)指標(biāo)指標(biāo)解釋屬性人工智能發(fā)展水平基礎(chǔ)建設(shè)互聯(lián)網(wǎng)基礎(chǔ)投入光纜線路長度/省域面積＋智能經(jīng)費(fèi)投入高新技術(shù)企業(yè)R&D經(jīng)費(fèi)＋研發(fā)人才投入高新技術(shù)企業(yè)R&D人員＋智能設(shè)備投入計(jì)算機(jī)等進(jìn)口額/所有工業(yè)企業(yè)主營業(yè)務(wù)收入＋智能應(yīng)用軟件開發(fā)與應(yīng)用情況軟件產(chǎn)品收入/工業(yè)企業(yè)主營業(yè)務(wù)收入＋智能產(chǎn)品開發(fā)情況嵌入式系統(tǒng)業(yè)務(wù)收入/工業(yè)企業(yè)主營業(yè)務(wù)收入＋智能企業(yè)發(fā)展情況各省智能制造企業(yè)的主營業(yè)務(wù)收入/全國智能制造企業(yè)的主營業(yè)務(wù)收入＋新產(chǎn)品生產(chǎn)情況新產(chǎn)品銷售收入/工業(yè)企業(yè)主營業(yè)務(wù)收入＋創(chuàng)新與市場效益創(chuàng)新能力專利申請(qǐng)授權(quán)數(shù)量/R&D人員數(shù)＋市場利潤高新技術(shù)制造業(yè)利潤總額＋經(jīng)濟(jì)效益高新技術(shù)制造業(yè)主營業(yè)務(wù)收入/高新技術(shù)制造業(yè)從業(yè)人數(shù)＋社會(huì)效益單位GDP能源消耗情況（電力和煤炭）＋指標(biāo)核算借鑒孫早和侯玉琳（2019）的做法，將表中的指標(biāo)經(jīng)過熵值法計(jì)算出權(quán)重，得到的人工智能發(fā)展水平，記為AI。步驟如下：第一步：數(shù)據(jù)標(biāo)準(zhǔn)化處理在各項(xiàng)指標(biāo)的計(jì)量單位不統(tǒng)一的情況下，應(yīng)對(duì)數(shù)據(jù)實(shí)施標(biāo)準(zhǔn)化處理，以消除熵值求解中對(duì)數(shù)無意義的情形，所有零值均以0.01替代處理。對(duì)于正向指標(biāo)的標(biāo)準(zhǔn)化公式為：（1-1）對(duì)于負(fù)向指標(biāo)的標(biāo)準(zhǔn)化公式為： （1-2）在公式（1-1）（1-2）中，Xij代表i時(shí)期j指標(biāo)的原始數(shù)據(jù)，max(Xij)指代j項(xiàng)指標(biāo)的最大值，min(Xij)表示j項(xiàng)指標(biāo)的最小值，Yij則為j指標(biāo)的標(biāo)準(zhǔn)化數(shù)值。本文對(duì)正向指標(biāo)用式（1-1）處理。第二步：計(jì)算各指標(biāo)的熵值熵值的大小直接影響權(quán)重的大小，熵值越小，表示該指標(biāo)的變異程度越大，提供的信息量越多，在綜合評(píng)價(jià)中所能起到的作用也越大。（1-3）（1-4）（1-5）其中，Pij表示第j項(xiàng)指標(biāo)下i時(shí)期占該指標(biāo)的比重，Eij表示第j項(xiàng)指標(biāo)的熵值，其中k＞0,。第三步：計(jì)算各指標(biāo)的權(quán)重（1-6）（1-7）其中Wij表示第j項(xiàng)指標(biāo)下的權(quán)值。第四步：計(jì)算人工智能發(fā)展指數(shù)的綜合得分（1-8）現(xiàn)狀分析隨著人工智能的興起，產(chǎn)業(yè)技術(shù)迎來了快速發(fā)展。在生產(chǎn)和服務(wù)過程中，人工智能憑借自動(dòng)化技術(shù)和智能決策能力，不僅提升了效率，還不斷催生新技術(shù)和新產(chǎn)品。它優(yōu)化了產(chǎn)業(yè)鏈，讓上下游企業(yè)協(xié)同更緊密，借助數(shù)據(jù)分析進(jìn)一步提高產(chǎn)品和服務(wù)質(zhì)量。圖1展示了2011年—2023年中國人工智能發(fā)展水平的情況，總體來看，中國人工智能發(fā)展水平呈現(xiàn)出穩(wěn)步上升的趨勢，這一趨勢反映了中國在人工智能領(lǐng)域的快速發(fā)展和不斷增強(qiáng)的創(chuàng)新能力。這得益于政府對(duì)人工智能產(chǎn)業(yè)的政策扶持，如投資基金、稅收優(yōu)惠和算力補(bǔ)貼等。同時(shí)，中國擁有非常豐富的工業(yè)基礎(chǔ)和大規(guī)模的制造業(yè)，為工業(yè)互聯(lián)網(wǎng)、制造業(yè)的信息化、人工智能和大模型的應(yīng)用提供了條件。圖SEQ圖\*ARABIC1：人工智能發(fā)展水平數(shù)據(jù)來源：《中國統(tǒng)計(jì)年鑒》、《中國科技統(tǒng)計(jì)年鑒》中國新能源汽車出口技術(shù)復(fù)雜度現(xiàn)狀分析數(shù)據(jù)來源本文基于中國深滬A股新能源汽車上市企業(yè)的數(shù)據(jù)樣本進(jìn)行研究，選擇的樣本區(qū)間為2012-2023年。新能源汽車企業(yè)的劃分依據(jù)來自于華西證券公布的A股主板上市新能源汽車概念股名單，以及行業(yè)類型屬于汽車制造業(yè)的深滬A股上市企業(yè)。為確保數(shù)據(jù)的可靠性，剔除以下上市企業(yè)數(shù)據(jù)樣本：①樣本期內(nèi)被ST、PT的樣本；②財(cái)務(wù)狀況異常的數(shù)據(jù)樣本；③數(shù)據(jù)缺失的樣本。在剔除一系列樣本后，最終得到90家新能源汽車上市企業(yè)，共1080個(gè)樣本觀測值。以上數(shù)據(jù)來源為國研網(wǎng)對(duì)外貿(mào)易數(shù)據(jù)庫。指標(biāo)核算首先，參考Hausmannetal.（2007）的研究，測算具體產(chǎn)品q的出口技術(shù)復(fù)雜度：（2-1）等式（2-1）中，q表示一種HS96編碼的產(chǎn)品，c代表一個(gè)國或一地區(qū)，xcq表示國家或地區(qū)c的產(chǎn)品q出口額，Xc是國家或地區(qū)c的出口總額，pcgdpc表示國家或地區(qū)c的人均GDP水平。其次，參考周申（2006）的研究，將HS96編碼轉(zhuǎn)化為國民經(jīng)濟(jì)行業(yè)分類2位碼。然后根據(jù)下式，計(jì)算得到行業(yè)層面的出口產(chǎn)品技術(shù)復(fù)雜度：（2-2）等式（2-2）中，xjq/xcq表示c國j行業(yè)q產(chǎn)品出口占c國j行業(yè)總出口的比重。最后，根據(jù)高翔和袁凱華（2020）的研究REF_Ref5854\r\h[24]，使用全要素生產(chǎn)率調(diào)整行業(yè)出口技術(shù)復(fù)雜度，從而獲得企業(yè)出口技術(shù)復(fù)雜度，計(jì)算公式為：（2-3）其中，全要素生產(chǎn)率（TFP）的測算參考魯曉東和連玉君（2012）的研究REF_Ref30840\r[25]，通過LP法計(jì)算得到。EXPYi為企業(yè)i出口技術(shù)復(fù)雜度，取對(duì)數(shù)處理得到lnEXPYi?，F(xiàn)狀分析根據(jù)上文的計(jì)算公式，測算出2012年—2023年中國新能源企業(yè)出口技術(shù)復(fù)雜度水平，取90家新能源上市企業(yè)每年出口技術(shù)復(fù)雜度的之和的均值代表當(dāng)年中國新能源汽車出口技術(shù)復(fù)雜度的水平。如圖2所示，2012年—2023年中國新能源汽車出口技術(shù)復(fù)雜度是曲折上升的變化趨勢。2012年—2013年出現(xiàn)小幅增長的的趨勢，這歸因于補(bǔ)貼等支持政策的落實(shí)和產(chǎn)品技術(shù)性能的逐漸成熟，新能源汽車行業(yè)進(jìn)入增長期。2013年—2016年出口技術(shù)復(fù)雜度從49512元下降至46663元，這與補(bǔ)貼政策的調(diào)整有關(guān)，在補(bǔ)貼持續(xù)豐厚的背景下，部分廠商出現(xiàn)騙補(bǔ)行為，同時(shí)，新能源汽車補(bǔ)貼實(shí)際退坡率大于規(guī)劃補(bǔ)貼退坡率，企業(yè)并未做好相應(yīng)的準(zhǔn)備，生產(chǎn)經(jīng)營策略調(diào)整不當(dāng)，生產(chǎn)壓力增大，產(chǎn)品價(jià)格也會(huì)受其影響有所波動(dòng)。2016年—2019年出口技術(shù)復(fù)雜度從46663元上升至48813元，這一時(shí)期，我國新能源汽車產(chǎn)業(yè)在動(dòng)力電池、驅(qū)動(dòng)電機(jī)及電控模塊等核心技術(shù)領(lǐng)域進(jìn)步明顯，發(fā)展中的技術(shù)不斷抬高了復(fù)雜度門檻，國內(nèi)新能源車產(chǎn)業(yè)鏈的整合與完善，涉及原料供應(yīng)、零件加工、車輛總裝等階段，為技術(shù)復(fù)雜度的提升提供了基礎(chǔ)。圖2：2012-2023我國新能源汽車出口技術(shù)復(fù)雜度數(shù)據(jù)來源：國研網(wǎng)對(duì)外貿(mào)易數(shù)據(jù)庫2020年出口技術(shù)復(fù)雜度降為47014元，根據(jù)財(cái)政部官方的解讀，2019年補(bǔ)貼金額按2018年基準(zhǔn)削減50%，2020年末前達(dá)成退坡要求，退坡幅度同當(dāng)前整車成本總體下降比例基本一致，但可能對(duì)新能源汽車企業(yè)的研發(fā)投入和技術(shù)創(chuàng)新產(chǎn)生了一定的影響，進(jìn)而影響了出口技術(shù)復(fù)雜度。2020年以后，出口技術(shù)復(fù)雜度呈現(xiàn)持續(xù)上升態(tài)勢，這得益于新能源汽車產(chǎn)業(yè)的技術(shù)創(chuàng)新和產(chǎn)業(yè)鏈的持續(xù)完善。其中2023年出口技術(shù)復(fù)雜度達(dá)到了759億元，核心在于三大合力：政策加碼提高造車標(biāo)準(zhǔn)，倒逼企業(yè)升級(jí)技術(shù)；電池續(xù)航和智能駕駛等關(guān)鍵技術(shù)突破，提升產(chǎn)品競爭力；自主掌控完整產(chǎn)業(yè)鏈，保障質(zhì)量并優(yōu)化成本。此外，中國新能源汽車企業(yè)還通過海外并購、投資建廠、技術(shù)合作等方式加速全球化布局，提升出口技術(shù)復(fù)雜度，進(jìn)一步增強(qiáng)了國際市場的競爭力。ADDINCNKISM.UserStyle人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度影響的實(shí)證分析模型構(gòu)建本文主要研究人工智能發(fā)展水平對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響。為了將影響新能源汽車出口技術(shù)復(fù)雜度的主要因素和作為重要解釋途徑的人工智能發(fā)展水平盡可能全面反映在回歸模型中，本文構(gòu)建使用OLS方法的面板數(shù)據(jù)回歸模型，具體模型構(gòu)建如下：（3-1）等式（3-1）中，下標(biāo)i表示企業(yè)，t表示時(shí)間，0是常數(shù)項(xiàng)；AIit是解釋變量，表示企業(yè)i所在省份在t年的人工智能發(fā)展水平；lnEXPYit是被解釋變量，表示新能源汽車企業(yè)i在t年的出口技術(shù)復(fù)雜度，其系數(shù)1反映人工智能發(fā)展對(duì)出口技術(shù)復(fù)雜度的影響；Controlsit代表作用于新能源汽車企業(yè)出口技術(shù)復(fù)雜度的一系列控制變量。μi作為企業(yè)固定效應(yīng)，刻畫企業(yè)間不隨時(shí)間變化的差異。λt作為年份固定效應(yīng)，捕捉不同年份不隨企業(yè)個(gè)體變化的差異。?it為隨機(jī)誤差項(xiàng)。本文使用的控制變量的變量說明見表2。表SEQ表\*ARABIC2控制變量說明變量類型變量名稱變量符號(hào)變量定義企業(yè)層面企業(yè)規(guī)模Size使用企業(yè)總資產(chǎn)取自然對(duì)數(shù)衡量企業(yè)年齡lnage使用企業(yè)上市年齡取對(duì)數(shù)衡量財(cái)務(wù)杠桿Lev使用企業(yè)資產(chǎn)負(fù)債率衡量總資產(chǎn)凈利潤率ROA使用企業(yè)總資產(chǎn)取自然對(duì)數(shù)衡量托賓Q值TobinQ使用企業(yè)市場價(jià)值與資產(chǎn)重置成本的比值衡量資產(chǎn)結(jié)構(gòu)Tang使用企業(yè)固定資產(chǎn)凈額與存貨凈額之和除以總資產(chǎn)衡量省級(jí)層面經(jīng)濟(jì)發(fā)展水平GDP使用省份人均GDP衡量第二產(chǎn)業(yè)占比Strind使用省份第二產(chǎn)業(yè)產(chǎn)值與GDP的比值衡量第三產(chǎn)業(yè)占比Strsev使用省份第三產(chǎn)業(yè)產(chǎn)值與GDP的比值衡量政府財(cái)政收入Revenue使用省份政府財(cái)政收入取對(duì)數(shù)衡量政府財(cái)政支出Cost使用省份政府財(cái)政支出取對(duì)數(shù)衡量實(shí)證分析結(jié)果描述性統(tǒng)計(jì)本部分整理選取了中國深滬A股新能源汽車上市企業(yè)的數(shù)據(jù)樣本進(jìn)行研究，選擇的樣本區(qū)間為2012年-2023年，共1080個(gè)樣本觀測值。針對(duì)人工智能對(duì)中國新能源汽車出口技術(shù)復(fù)雜度的影響，利用STATA工具，得出指標(biāo)的描述性統(tǒng)計(jì)。各變量的描述性統(tǒng)計(jì)結(jié)果如表3所示。表SEQ表\*ARABIC3描述性統(tǒng)計(jì)variable觀測值均值標(biāo)準(zhǔn)差中位數(shù)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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得由表3數(shù)據(jù)可得，新能源汽車企業(yè)出口技術(shù)復(fù)雜度的統(tǒng)計(jì)特征如下：均值為11.6433，標(biāo)準(zhǔn)差為2.9920，中位數(shù)為10.8058，最小值為10.4159，最大值29.0294，這表明能源汽車企業(yè)的出口技術(shù)復(fù)雜度水平存在較大差異。人工智能均值為0.2215，標(biāo)準(zhǔn)差為0.1318，中位數(shù)為0.1900，最小值為0.0262，最大值為0.6435，表明不同省份的人工智能發(fā)展水平也存在較大差異。上述結(jié)果表明，本文研究的樣本選取涵蓋范圍較廣，能夠有效研究人工智能對(duì)新能源汽車企業(yè)出口技術(shù)復(fù)雜度的影響。相關(guān)性分析為確保后續(xù)回歸結(jié)果的準(zhǔn)確性，避免變量間可能存在的多重共線性導(dǎo)致的偏差，本文對(duì)所選的所有變量進(jìn)行了相關(guān)性檢驗(yàn)，結(jié)果如表4所示?？梢钥闯?，大部分變量之間的相關(guān)系數(shù)絕對(duì)值不超過0.6，表明變量之間不存在嚴(yán)重的多重共線性。表SEQ表\*ARABIC4自變量、因變量和控制變量間的相關(guān)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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得基準(zhǔn)回歸分析基于前文理論分析和構(gòu)建的基準(zhǔn)回歸模型，表5中列（1）-（3）顯示了人工智能（AI）對(duì)新能源汽車企業(yè)出口技術(shù)復(fù)雜度（lnEXPY）影響的基準(zhǔn)回歸結(jié)果，三列回歸均控制企業(yè)和時(shí)間固定效應(yīng)。其中，列（1）的回歸結(jié)果未引入控制變量；列（2）在列（1）的基礎(chǔ)上，補(bǔ)充了企業(yè)層面的控制變量；列（3）則是在列（2）的基礎(chǔ)上，進(jìn)一步引入了省級(jí)層面控制變量。具體結(jié)果如表5所示。表SEQ表\*ARABIC5人工智能對(duì)新能源汽車企業(yè)出口技術(shù)復(fù)雜度的基準(zhǔn)回歸(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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得根據(jù)表5可知，在不引入控制變量的條件下，針對(duì)出口技術(shù)復(fù)雜度，AI對(duì)新能源汽車企業(yè)的回歸系數(shù)為6.0207，滿足5%顯著性要求；納入企業(yè)層級(jí)控制變量后，實(shí)證分析得出4.1749的回歸系數(shù)，10%置信水平下顯著；當(dāng)企業(yè)層面與省級(jí)層面變量均納入模型時(shí)，統(tǒng)計(jì)結(jié)果顯示5.7648的回歸系數(shù)，滿足5%顯著性要求，不管是否添加控制變量，人工智能顯著推動(dòng)了新能源汽車企業(yè)出口技術(shù)復(fù)雜度的增長，人工智能為新能源汽車企業(yè)出口技術(shù)復(fù)雜度增長提供了有力支持，AI能發(fā)揮技術(shù)創(chuàng)新的知識(shí)外溢作用，驅(qū)動(dòng)新能源汽車產(chǎn)業(yè)從要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變，從而成為提升企業(yè)出口技術(shù)含量與國際競爭力的關(guān)鍵抓手，也將對(duì)新能源汽車產(chǎn)業(yè)高質(zhì)量發(fā)展起到重要的推動(dòng)作用。穩(wěn)健性檢驗(yàn)替換解釋變量考慮到人工智能發(fā)展水平的數(shù)據(jù)測算方式較為復(fù)雜，同時(shí)省級(jí)數(shù)據(jù)存在缺失或異常，容易導(dǎo)致誤差積累。因此本文對(duì)人工智能發(fā)展水平的指標(biāo)進(jìn)行了替換。參考孟凡生和崔靜文（2022）的研究，本文運(yùn)用熵值法構(gòu)建企業(yè)層面智能化轉(zhuǎn)型指標(biāo)，對(duì)解釋變量進(jìn)行替換。具體而言，本文從軟件智能化投資占比、硬件智能化投資占比、智能技術(shù)水平和智能技術(shù)應(yīng)用深度四個(gè)方面采用熵值法計(jì)算出企業(yè)智能化轉(zhuǎn)型指數(shù)。其中，列（1）和列（2）分別為未引入控制變量和引入控制變量的回歸結(jié)果?；貧w結(jié)果如表6所示。表SEQ表\*ARABIC6穩(wěn)健性檢驗(yàn)(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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得從表6穩(wěn)健性檢驗(yàn)的回歸結(jié)果可知，在替換解釋變量為企業(yè)智能化轉(zhuǎn)型水平（AI2）后，其回歸系數(shù)在列（1）和列（2）分別為17.5419和10.4696，在1%和5%的水平上顯著。檢驗(yàn)結(jié)果表明，無論是否引入控制變量，回歸結(jié)果的方向和顯著性均與基準(zhǔn)回歸一致，表明人工智能對(duì)我國新能源汽車出口技術(shù)復(fù)雜度的影響依然顯著，這證實(shí)了本文基準(zhǔn)回歸結(jié)論具有較強(qiáng)的穩(wěn)健性。加入省份固定效應(yīng)不同省份的人工智能發(fā)展水平和新能源汽車企業(yè)發(fā)展情況可能存在較大差異，這些差異可能會(huì)對(duì)基準(zhǔn)回歸結(jié)果產(chǎn)生影響。為了進(jìn)一步驗(yàn)證基準(zhǔn)回歸結(jié)果的穩(wěn)健性，本文加入省份固定效應(yīng)來控制不同省份可能對(duì)回歸結(jié)果造成的影響。其中，列（1）未引入控制變量，列（2）引入了控制變量?；貧w結(jié)果見表7。表SEQ表\*ARABIC7加入省份的固定效應(yīng)(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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得從表7中可以發(fā)現(xiàn)，引入省份固定效應(yīng)后，人工智能發(fā)展水平的回歸系數(shù)在列（1）和列（2）中分別為6.0207和5.7648，均在5%的水平上顯著。研究結(jié)果表明，在引入省份固定效應(yīng)后，人工智能仍然顯著的提升了新能源汽車企業(yè)出口技術(shù)復(fù)雜度，基準(zhǔn)回歸結(jié)果仍然穩(wěn)健。剔除直轄市樣本不同城市的數(shù)字基礎(chǔ)設(shè)施建設(shè)水平和新能源產(chǎn)業(yè)政策支持情況存在明顯差異，特別是“北京、天津、上海、重慶”四個(gè)直轄市，其政策優(yōu)勢更為明顯。為了避免直轄市樣本數(shù)據(jù)對(duì)基準(zhǔn)回歸結(jié)果產(chǎn)生的偏誤，本文在樣本中剔除了四個(gè)直轄市的企業(yè)數(shù)據(jù)。重新估計(jì)模型，回歸結(jié)果如表8。表SEQ表\*ARABIC8剔除直轄市樣本(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數(shù)據(jù)來源：根據(jù)數(shù)據(jù)計(jì)算整理所得根據(jù)表8，列（1）排除了控制變量的干擾，回歸分析中，AI發(fā)展變量的系數(shù)在5%水平上呈現(xiàn)統(tǒng)計(jì)顯著的正值，控制變量引入后的檢驗(yàn)結(jié)果見列，人工智能發(fā)展指標(biāo)的回歸系數(shù)在5%水平上持續(xù)顯著為正，不論是否納入控制變量，人工智能變量的回歸結(jié)果在5%水平上呈現(xiàn)穩(wěn)定的正向顯著性，實(shí)證結(jié)果證實(shí)，基準(zhǔn)回歸的結(jié)論依然穩(wěn)健可靠。通過采用替換解釋變量、加入省份固定效應(yīng)、剔除直轄市樣本這三種方法，都得出回歸結(jié)果的方向和顯著性均與基準(zhǔn)回歸一致，表明人工智能對(duì)我國新能源汽車出口技術(shù)復(fù)雜度的影響顯著，證實(shí)了本文基準(zhǔn)回歸結(jié)論具有較強(qiáng)的穩(wěn)健性。結(jié)論與建議研究結(jié)論基于對(duì)人工智能發(fā)展水平與新能源汽車出口技術(shù)復(fù)雜度的現(xiàn)狀剖析，本文構(gòu)建面板數(shù)據(jù)回歸模型，開展基準(zhǔn)回歸分析，并進(jìn)行穩(wěn)健性檢驗(yàn)，探究人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度的影響，得出了以下結(jié)論：（1）人工智能對(duì)新能源汽車出口技術(shù)復(fù)雜度產(chǎn)生明顯正向作用，人工智能的發(fā)展程度與新能源汽車出口技術(shù)復(fù)雜度呈正相關(guān)關(guān)系。（2）人工智能通過技術(shù)創(chuàng)新的知識(shí)外溢效應(yīng)，驅(qū)動(dòng)新能源汽車產(chǎn)業(yè)從要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變。（3）人工智能的應(yīng)用有助于提升新能源汽車產(chǎn)業(yè)的國際競爭力。政策建議基于以上研究，本文提出一系列對(duì)策建議，力求實(shí)現(xiàn)人工智能技術(shù)與新能源汽車產(chǎn)業(yè)的優(yōu)勢互補(bǔ)，優(yōu)化中國新能源汽車產(chǎn)業(yè)的全球競爭地位，引領(lǐng)中國新能源汽車產(chǎn)業(yè)進(jìn)入更高層次的發(fā)展階段。首先，加大對(duì)人工智能基礎(chǔ)設(shè)施建設(shè)的投資，為人工智能技術(shù)的應(yīng)用提供堅(jiān)實(shí)基礎(chǔ)。政府應(yīng)加速推進(jìn)5G網(wǎng)絡(luò)的部署，擴(kuò)大其覆蓋范圍并提升網(wǎng)絡(luò)質(zhì)量，以滿足車聯(lián)網(wǎng)、自動(dòng)駕駛等高帶寬、低延遲應(yīng)用的需求。特別是在偏遠(yuǎn)地區(qū)，政府可通過資金支持與補(bǔ)貼政策，激勵(lì)運(yùn)營商加大網(wǎng)絡(luò)建設(shè)力度。此外，需推動(dòng)大數(shù)據(jù)中心與云計(jì)算平臺(tái)等基礎(chǔ)設(shè)施的建設(shè)，為企業(yè)提供高效的數(shù)據(jù)存儲(chǔ)與計(jì)算服務(wù)，從而降低運(yùn)營成本。同時(shí)，應(yīng)促進(jìn)人工智能算法與算力的開源開放，推動(dòng)科研機(jī)構(gòu)與高校開放算法資源，發(fā)展開源硬件平臺(tái)，并建立算力共享機(jī)制。其次，構(gòu)建跨學(xué)科融合的人才培養(yǎng)與引進(jìn)體系，為人工智能與新能源汽車產(chǎn)業(yè)協(xié)同發(fā)展提供智力保障。要加強(qiáng)高校和科研院所的人工智能學(xué)科建設(shè)，通過系統(tǒng)培養(yǎng)，輸送有復(fù)合創(chuàng)新能力的高端人才；另一方面，要深化校企合作育人模式，共同打造產(chǎn)學(xué)研一體的實(shí)訓(xùn)平臺(tái)，針對(duì)性地培養(yǎng)符合產(chǎn)業(yè)技術(shù)更新需求的應(yīng)用型人才。同時(shí)，還要完善國際化人才引進(jìn)政策，利用柔性引才方式和科研激勵(lì)措施，吸引海外頂尖人才回國，參與關(guān)鍵技術(shù)研發(fā)。最后，推動(dòng)企業(yè)深度參與國際競爭，增強(qiáng)中國新能源汽車產(chǎn)業(yè)的全球競爭力。政府可以出臺(tái)出口退稅、減稅等鼓勵(lì)性措施和設(shè)立出口專項(xiàng)基金，減輕企業(yè)開拓市場的壓力，強(qiáng)化其研發(fā)能力及開拓力度。推動(dòng)企業(yè)樹立國際生產(chǎn)標(biāo)準(zhǔn)和規(guī)范，獲取國際市場相關(guān)證書，滿足國內(nèi)外消費(fèi)者需求；并組織企業(yè)在海外參加世界一流的汽車展會(huì)，搭建出海銷售服務(wù)網(wǎng)點(diǎn)，加強(qiáng)品牌曝光度與影響力。進(jìn)一步推進(jìn)中外合作和交流活動(dòng)，吸引優(yōu)秀境外人才，打造具有國際競爭力的人才培養(yǎng)基地。并配合提供及時(shí)準(zhǔn)確的目標(biāo)國家市場情況報(bào)告，專業(yè)指導(dǎo)性出海咨詢服務(wù)，包括金融政策的支持等，幫助中國企業(yè)解決各種貿(mào)易壁壘挑戰(zhàn)與風(fēng)險(xiǎn)問題。

參考文獻(xiàn)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