文摘
人工智能公司是不同的从传统的劳动密集型和资本密集型企业,其核心竞争力在于技术,知识,和人力。展示企业的无形资产比例高的特点,强劲的盈利能力,快速增长。与此同时,也有高风险和高不确定性的特点。除了现有的盈利能力带来的现有价值,企业的价值也应该考虑潜在的盈利能力带来的潜在价值。企业价值是受许多因素影响如盈利能力、成长能力、创新能力和外部环境。传统的估值技术通常利用人工智能企业在目前的市场价值。传统估值方法忽略了动态和不确定性人工智能的企业价值评估,使静态和单一的预测未来收益,忽视企业管理灵活性的价值,无法评估人工智能企业的内在价值。基于投影寻踪方法,本文构造了一个现代高质量开发企业高质量的开发评价模型,用加速遗传算法实际的代码优化投影目标函数,并计算出最佳投影方向向量和投影值。收集到的样本数据可以导入到评价模型计算综合评价价值的高质量发展的现代高品质发展包括企业和各指标的权重。通过比较大小的综合评估值,可以计算每个样本的评估水平的高质量的发展。 The results show that the high-quality development level of China’s overall economy is on the rise, but the level of development is still low, and there is a large gap between the development level of the eastern region and the central and western regions. Using the systematic generalized moment estimation method, empirically, we analyse the impact of artificial intelligence on the high-quality economic development. The results show that artificial intelligence at the national level and in the central and western regions will significantly promote high-quality economic development, while artificial intelligence in the eastern region has a significant inhibitory effect on high-quality economic development.
1。介绍
人工智能的概念提出以来,大量的研究和探索进行了行业各界,大学和研究[1]。Alphago连续出现的、智能的声音,和其他成果,人工智能已成为一个不可阻挡的技术趋势。互联网的普及和计算机性能的提高也提供数据和技术支持人工智能的发展。目前,人工智能正逐渐从基础研究到应用程序在多个垂直领域,取得非凡的成就等领域的智能语音、智能医疗、和自动驾驶2]。从技术发展到逐渐商业化,今天的大规模应用,人工智能带来了劳动力的解放,人民生活水平的提高,经济的快速发展。目前,人工智能与经济不断融合,教育、交通、等领域,重塑人们的生产和生活3]。人工智能已经演变成一个基本技术在物联网时代,以及科技发展的驱动力。人工智能是一个新引擎,支持工业转型升级,传统产业改造和经济结构调整,它也已成为一个新的国际竞争力的焦点在当下的“大规模创业和创新”(4]。美国、日本和其他国家都提出了人工结果策略,和中国也提高到国家战略的高度。
人工智能行业已经成为中国经济发展的新引擎和金融市场的发展的重要力量(5]。然而,缺乏合适的评估人工智能企业的模式在当前的学术和实践圈,以及人工智能的价值特征的深入了解公司。了解人工智能公司的价值特点合理评估自己的价值具有重要意义。然而,当前理论界缺乏系统性研究人工智能公司的价值。人工智能企业不同于传统企业,其核心竞争力在于技术、知识和人力资源(6]。企业的无形资产比例高,盈利能力强,和快速增长。与此同时,他们也有高风险和高不确定性的特点。在确定企业的价值,未来盈利能力提供的预期值应给予特别的关注。的变量影响一个公司的价值更为复杂。除了传统的盈利能力之外,还有一些因素,如经济增长能力,创新能力和外部环境。这些差异使人工智能的价值企业隐含性的特点,波动性和完整性。这些研究有助于理论界与实务界的人工智能的价值更深入的了解公司。
基于投影寻踪方法,本文构建的评价模型高质量的现代高品质开发企业发展。首先,模型和遗传算法的投影寻踪理论原则的简要描述,构建模型解释的原则和理念,然后列出了每个评价指标的计算方法。本文解释了如何使用投影寻踪方法构造投影指标函数,计算出投影值以及如何使用加速遗传算法寻找最佳投影方向的来解决这个问题并给出详细的计算步骤。根据上述评价模型,综合评价价值可以直接计算,测试和评价模型的准确性可以通过比较组合权重方法的评价结果。中国经济过渡到新时代高质量增长的阶段,必须适当地用作压载和人工智能。本文的主要研究目标是如何评估高质量的经济发展和人工智能对高质量经济增长的影响。本文整理相关理论和文献人工智能和高质量的经济发展和定义的内涵。在此基础上,我们解释人工智能的机制在高质量的经济发展。我们进行统计分析人工智能在中国的现状和构建高质量的经济发展的评价体系。我们收集面板数据来自30个省、自治区、直辖市在中国和使用计量经济学理论和方法之间的关系进行实证研究。
2。相关工作
目前,对人工智能的研究已经成为一个热点问题,但相关研究人工智能企业的效率仍然是相对罕见,所以这部分的文献综述并不局限于人工智能企业的效率评价7]。人工智能,根据研究,是一个新的技术动能大小的产业升级,不仅增加有关部门但还支持产业结构升级8]。相关学者提供可行的意见和见解结合人工智能在中国的现状,基于客观地分析历史,全球人工智能发展的概述,和模式(9]。基于相关数据对中国人工智能产业的发展,研究表明,人工智能产业的规模,融资的规模,和专利的数量都对经济增长产生巨大的影响,证实了人工智能在促进经济的作用[10]。相关学者实证检验,人工智能可以促进制造企业的生产率(11]。基于人工智能中国上市公司的数据,Malmquist指数方法用于实证验证企业的全要素生产率。同年,人工智能企业的技术效率及其影响因素也测量。相关学者结合的融资数据37人工智能行业的上市公司,首先运用DEA方法分析其融资效率,并结合Malmquist反映人工智能上市公司的融资变化从动态的角度看,然后测试了各种因素对融资效率通过托比特书的方法。
有关学者认为,高科技企业的价值评估是必要的,如人工智能和建立估值模型,因为人工智能公司,作为社会发展的强大推动力,从传统的公司有许多差异,如无形资产;研发费用占比例相对较大(12]。有关学者认为,在评估中国人工智能高科技企业的价值,有必要制定适当的方法根据该公司的特点,行业规则和行业标准(13]。研究人员认为,高科技企业的价值评估,刚开始不应局限于公司发布的财务数据14]。确定公司的价值,一些非金融变量,如客户、供应商、和管理素质应该考虑。根据相关学者、EVA评估技术可以集成人工智能的特点企业拆分公司的成长阶段,降低估值的不确定性,并使评估值更接近公司的实际价值(15]。相关学者把亚太能源为例,选择了EVA估值法评估企业价值(16]。结果表明,EVA估值技术是适合确定人工智能高科技公司的价值,因为它准确地捕捉到人工智能等高新技术企业的特点。有关学者认为,结合绝对估值技术和相对估值方法来评估目标企业的价值可能提高评价的准确性在回顾在人工智能部分上市公司的年度报告(17]。相关学者获得人工智能的快速发展企业的特点和对社会的贡献通过人工智能的搜索和梳理相关文献[18]。
相关学者所做的研究价值的概念来源,指出未来收入的贴现值基本上反映了资本的价值,解释了企业价值创造的源泉(19]。与此同时,他们还解释了市场利率影响因素,进一步研究了资本和收入之间的关系。之后,研究人员解释利率的相关概念及影响因素,指出企业的价值可以确定根据预期收益折现方法(20.]。相关学者进行的研究对企业价值和讨论了资本结构对公司价值的影响(21]。他们认为资本结构与企业价值相关,第一次套利定价和不确定性因素分析应用于企业价值评估理论。相关学者认为目标资产的价格与对数正态分布的关系,首次提出了布莱克-斯科尔斯期权定价模型,为资产价值评估提供一个新的视角(22]。根据相关学者、企业经营者应该优先考虑价值管理和提高价值管理知识,以提高他们的竞争力在市场上23]。学者比较了EVA模型对自由现金流的折现率折现率,得出结论,这两个是相同的形式(24]。
3所示。人工智能企业价值评估
3.1。人工智能公司的特点
与传统的企业,劳动密集型和资本密集型的,人工智能企业的核心竞争力在于技术和人才等因素。电动汽车产业的发展速度,迅速更新的产品和服务。人工智能的企业体系结构如图1。
具体地说,人工智能公司的特点可分为以下几方面:(1)技术和知识密集型的、快速更新:人工智能的发展是基于科学和技术的发展。基本的、技术和行业应用程序层所有依赖技术的研究和开发。与一般产品相比,人工智能产品需要专门的技术和更复杂的过程。企业的竞争力更多的体现在技术和知识等无形资产和有形资产的比例很低。专利和nonpatented技术占很大比例。人工智能公司通常有大量的知识产权,产品附加值。消费者继续追求高科技和智能产品。这是迫使企业加快产品升级和人工智能技术的升级。(2)人才集中和大型研发投资:跟上市场需求,高科技公司必须继续创造新的产品和技术。人工智能研究侧重于先进概念,想法,和应用程序。技术人才的要求很高,对高学历和高素质人才的需求很大,和投资在企业人才很大。为了提高企业的竞争力和满足产品和服务的需求升级,人工智能企业的研发费用占比例相对较大。企业花费大量成本的研究和开发新技术和专利。
3.2。人工智能企业的价值构成
3.2.1之上。现有值
企业利用现有资产创造价值,现有资产的价值是企业价值的基础。人工智能公司的当前值是未来现金流量的估计基于流动资产的盈利能力。除了企业的有形资产,无形资产在人工智能公司也占现有值的一个重要组成部分。具体来说,它包括知识产权和人力资本等方面。人工智能公司有更多的知识产权,如专利和商标权。知识产权的使用可以提高盈利能力。人力资本创造了企业创新成果的基础研究和技术的发展。此外,企业的客户基础,供应链连接、管理技能、企业文化,和其他因素造成了公司的竞争力,这是当前价值的基础。
3.2.2。潜在价值
人工智能公司的潜在盈利能力是一个重要的特性,所以潜在价值是企业价值的一个组成部分,不容忽视。早期研发投资和企业人力资本的形成都含有在未来获取巨额利润的可能性。人工智能公司的潜在价值源于公司的未来的不确定性。
高投资早期企业有机会获得多余的后期的市场回报。此外,人工智能企业管理更加灵活。由于人工智能行业的市场变化难以预测,企业的各种投资决策和研发项目动态和多级的特点。企业可以调整他们的决定根据市场环境和政策的改变。这反映出期权的价值在人工智能企业的发展,人工智能企业的潜在价值的一个组成部分。
3.3。人工智能的特点,企业价值评估
3.3.1。动态
人工智能公司的价值将继续改变内部和外部环境的变化,导致企业价值评价的动态特性。在公司内部,人工智能公司无形资产的比例相对较高。由于人工智能行业的快速发展和快速的产品更新迭代,专利权的价值和特殊的设备由企业将改变随着市场环境的变化。此外,人工智能公司的产品开发过程,包括研究和开发等多个阶段,试生产,大规模生产和重建。在整个项目过程中,业务将修改其决策的内部和外部环境,导致动态变化的项目的价值。人工智能企业决策是动态的和多级。例如,成功的研究和发展后,企业可以决定是否立即投入生产根据市场调研情况,决定投资在研发和市场开发政策条件。这种操作的灵活性意味着相应的选项值。在价值评估过程中,企业可以被视为一系列的选项值的组合,和决策动力学可以合理的价值评估。人工智能公司的复杂多变的外部环境也造成企业价值评价的动态。 Artificial intelligence products are technological products, most of which are priced relatively high, and market demand will fluctuate with the economic environment. In addition, many artificial intelligence companies rely on policy support, so changes in policy support will also affect corporate value evaluation. In summary, the value of artificial intelligence businesses is in a continuous state of flux and is influenced by a variety of variables, making value assessment of artificial intelligence enterprises dynamic and increasingly difficult.
3.3.2。完整性
企业价值评估需要考虑资产组合的协同效应来增加企业的价值。一个企业的价值评估不应局限于财务报表,但应综合考虑各种因素,比如macroenvironment,行业特点和企业特征。据彭罗斯的企业成长理论,企业是各种资源的集合,它的核心竞争力源于其内部人力和物质资源。人力资源,技术和其他资源的人工智能公司大多是公司的特殊资源。人类的价值和专利技术,不同的公司很难比较,他们很难模仿和异构。人工智能公司使用各种资源形成自己的独特的能力,而这些能力和资源已经成为其长期竞争力的来源。因此,人工智能的价值企业有形资产的协同作用的结果,无形资产,知识、技术、人力资源和整体效果。在确定人工智能公司的价值是很重要的不仅包括实物资产,技术和人力资本等无形资产,以及协同创造价值的分配和使用不同的资源。
4所示。建立一个定量模型规范的高质量发展的现代企业
4.1。投影寻踪方法
的投影寻踪(PP)方法是一种多元统计方法在现代统计数据,可以有效地解决高维数据分析的问题。这种方法是基于样本数据和项目原始高维数据在低维数据按照一定的规则。追逐投影技术的目标是让尽可能多的原始样本数据的结构或功能是可行的,以及获得的最佳投影值投影指标函数。投影指标函数模型的构建是基于这个想法,来衡量特征程度的原始数据。常用的投影指标控制因素包括标准差和地方密度。两种最常见的应用程序模型的投影寻踪技术集群的投影寻踪评价模型和投影追求等级评价模型。了集群的投影寻踪评价模型主要用于分析数据的结构特点和计算低维投影值;等级评价的投影寻踪模型,另一方面,不仅分析样本数据,也可以组合的实际等级分类标准输出仿真研究进一步意识到数据挖掘系统的结果。其数据的高质量发展当代高质量发展企业和等级分类标准,缺乏权威的代表了集群的投影寻踪评价模型被用于这项研究。
4.2。应用投影寻踪模型结合遗传算法的思想
加速遗传算法(AGA)是一个一步从传统的遗传算法。加速遗传算法优于传统的遗传算法收敛,全局优化性能和适应性。加速遗传算法,它是基于标准遗传算法的全局搜索,调整变量改变空间的大小通过使用信息的优化准则函数包含在迭代过程中生成的优秀个人最佳点附近的每个变量的方向。可能改进加速遗传算法的适应性的大小变量区间优化问题如果优秀个体的数量,和群的数量大小适当设置。图2描述了更快的遗传算法程序。
建立评价模型使用投影寻踪技术,使用实际的代码和优化问题是解决加速遗传算法。构建模型的投影寻踪的目的是高维数据投射到低维子空间,通过优化目标函数的投影,投影方向找到最能揭示了原始数据的特点,和计算最佳投影值。其中,优化目标函数投影的过程可以实现通过加速遗传算法,用MATLAB编程方法来自动找到最好的低维投影矢量方向和投影高维数据在计算机上的价值。
评价指标的权向量是最优投影方向向量的投影寻踪模型计算。权重值计算相结合从样本数据的分析获得的客观权重的加权组合技术来生成组合权重和评估价值,和投影寻踪模型的计算结果可以验证和修改。
相结合的综合评价结果加权法和综合评价的投影寻踪模型比较,两个结果的一致性分析,比较两者之间的差异,通过比较组合重量和投影方向向量。如果两者之间有很大的差距,有必要研究差异的原因在主观和客观权重,然后调整评价模型中的目标函数和参数找到一个投影方向,更好地反映原始数据的特征。图3显示了施工过程的投影寻踪模型基于加速遗传算法实际的代码。
4.3。建设和解决投影寻踪模型与遗传算法相结合
所选企业可以直接计算和获得各种指标数据根据自己的条件,和所有上述指标是正指标。不同的指标有不同的单位和数量;也就是说,他们有不同的维度。为了消除每个索引值的维度和统一的范围变化的每个索引值,范围转换方法可用于规范化。具体方法如下公式所示:
一维投影值
每个样本的综合评价计算值。通过比较的大小 ,样本集的比较和分析数据可以实现。
投影指标函数
投影指标函数只是影响投影方向向量当数据。因此,最优方向向量可以通过解决问题来解决投影指标函数最大化:
解决投影指标函数的过程在上面的公式是一个复杂的非线性优化问题。相对简单和有效的使用加速遗传算法来解决上述问题。
使用获得的最优投影方向向量 ,可以计算每个样本的投影值,也就是说,样本的综合评价结果,可以排序的投影值来判断每个样本的质量。此外,组合权重评价指标的组合权重方法决定的
它满足
然后,综合评价的价值 - - - - - -th样本可以计算如下:
5。实证分析
5.1。基于实证分析结果在国家层面
5.1.1。数据的描述性统计
本文对选择的数据进行描述性统计,以便有一个初步的理解数据。我们使用Stata15.0软件计算出高质量的现代企业的发展指数。具体的数据描述性统计结果如图4。
5.1.2中。数据的健壮性测试
为了避免伪回归,有必要进行鲁棒性测试数据带入模型回归之前,确保每个变量序列的变化是稳定的。摘要有限责任公司使用测试和Fisher-PP测试,和Stata15.0软件用于测试每个变量的鲁棒性。结果如图所示5。
从图可以看出5这一每个变量的稳定性试验值小于0.05,所以每个变量是健壮的,可以带进模型进行回归分析。
5.1.3。实证结果与分析
经济增长是一个连续和动态变化的过程。一方面,前一时期的发展成果也会影响当期的经济发展。后来经济发展,另一方面,是每个前的发展成果的整合时代,如图所示的经济原则和现实生活的情况。因此,解释变量是给定一个一年期滞后;然而,这导致解释变量与随机干扰项关联,导致内生的问题。在这种情况下,OLS、LSDV和gl估计都将提供移动的和不一致的参数估计。本文利用投影寻踪模型加上一个遗传算法来估计增加模型的总体估计效率来解决这个问题,提高人工智能之间的回归结果的一致性和高质量的经济发展。图6描述了人工智能在高质量的经济增长的影响。
5.2。根据实证结果分析在分区域的水平
5.2.1。数据的描述性统计
数据的基本理解,使用描述性统计数据选择在东部,中心,分别和西部。我们使用占据15.0软件计算出高品质的现代企业发展指数东部,中部,西部。每个地区的特定数据的描述性统计结果如图7。
5.2.2。数据的健壮性测试
为了避免伪回归,有必要进行鲁棒性测试数据带入模型回归之前,确保每个变量序列的变化是稳定的。摘要LLC测试和Fisher-PP测试,和占据15.0软件用于测试的可靠性东部,中部,和西方的变量,分别。结果如图所示8。从图可以看出8这一的健壮性测试变量的值在每个区域小于0.05中,每个区域的变量是健壮的,可以纳入模型进行回归分析。
5.2.3。实证结果与分析
两步Sys-GMM方法用于估计模型来提高模型的总体评估效率。具体的回归分析结果如表所示1。
从回归结果表1我们可以看到,AR (1)东方价值观、中部和西部都小于0.1,AR (2)值都大于0.1,所以零假设被接受和不存在序列相关性剩余物品。与此同时,汉森的值测试在东部,中部,西部都大于0.1。试验结果表明,零假设被接受,辅助变量是有效的,没有过分识别的问题。
6。结论
本文结合了投影寻踪技术与MATLAB建立一个软件来计算重量和综合评价相结合对当代高质量发展企业价值。根据这个计算模型,现代高质量开发企业可以进行自我评价的高质量发展水平根据自己的条件,找出自己的不足,并寻求改善的方法。行业协会和政府部门还可以使用它来定量评估高质量的现代高品质开发企业的发展水平。人工智能在国家层面上,经济发展对高质量有重大的积极影响。人工智能的每附加一个单位﹐将大大促进中国经济的高质量发展0.0191单位。它证实了人工智能的作用在创新的机理分析,协调、绿色,开放和共享的开发。从地区的角度来看,人工智能在中西部地区为高质量的经济发展在国家层面上是一样的。它有一个显著的有益的影响。在中部和西部地区,每个增加人工智能将提高高质量的经济增长到0.1708和0.0357,分别。它表明,人工智能在中西部地区仍未开发的潜力。 Artificial intelligence has a substantial negative impact on high-quality economic growth in the eastern region, suggesting that the eastern region, as a pilot demonstration location for China’s reform and opening up, has a high level of marketization and artificial intelligence. The enormous leverage and high degree of artificial intelligence must be taken into account. China’s economic development impetus has not yet shifted from growth-driven to innovation-driven, and the new development idea has not yet been changed in the ideological awareness of the general public. A future work will be focused on maintaining a positive economic growth trend, popularising and cultivating new development ideas, and taking into consideration coordination, the environment, and people’s livelihood.
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持的一般工程江苏省高校哲学社会科学研究:研究的改进路径下的中小民营企业投资效率高质量的开发(项目编号:2020 sja2383),和大学科研项目南京邮电大学通达学院:经济政策的不确定性的影响研究的高质量发展企业:传导机制、异质性特征和改善路径(项目编号:XK205XS21006)。