本文研究了人工智能（AI）技术的使用及其对企业增长和产品创新的经济影响。研究提出了一种基于员工简历的新方法来衡量企业层面的AI投资，并发现AI投资在各行业显著增加。投资于AI的公司在销售额、就业和市场估值方面均表现出更高的增长，而这一增长主要通过增加的产品创新实现。这种增长集中在较大企业，并伴随行业集中度的提高。最后研究强调，像AI这样的新技术通过产品创新有助于企业增长和超级明星企业的形成。

　　技术变革是推动投资机会和经济增长的关键因素，历史上多次技术革命都对经济发展产生了深远影响。在过去的十年中，AI技术取得了显著进展，并在商业领域得到了广泛应用。作为一种预测技术，AI使企业能够更快、更好地从大量数据中学习，从而显著改善商业决策。因此，AI被视为一种通用技术，能够通过提高生产力和产品创新在广泛的行业中促进增长。尽管AI技术潜力巨大，其能否真正转化为经济增长仍存在疑问。过去十年的生产率增长乏力，导致人们担心AI的好处可能被夸大，或者需要更长时间才能显现，而缺乏关于企业层面AI采用的全面数据，成为理解AI技术应用模式及其经济影响的主要障碍。

　　研究提出了一种新的基于人力资本的AI投资测量方法，通过劳动力市场中员工简历和招聘数据，全面分析AI技术的应用模式及其对企业和行业的潜在好处。特别是，研究探讨了AI投资是否通过提高产品创新能力，进而推动企业的销售、就业和市场估值的增长。通过分析大规模和多样化的数据集，研究希望揭示AI技术如何在企业内部积累和应用，以及这种技术投资对行业整体动态的影响。

　　本文引入了一种基于两套详细的人力资本数据的新颖方法来衡量企业层面的AI技术投资（Cognism的简历数据和Burning Glass Technologies的职位发布数据）研究了企业如何投资并受益于AI技术。

　　研究发现了AI投资与企业规模之间的正反馈循环：AI投资集中在最大的企业中，随着企业投资AI，它们的规模变得更大，销售额、就业和市场份额都在增加。这种由AI推动的增长似乎不是源于削减成本，而是因为投资AI的企业通过产品创新和增加产品供应来扩展业务。研究结果突显了AI技术采用与20世纪八九十年代信息技术（IT）采用之间的重要差异。许多先前的研究发现，IT投资与经济上显著的生产率提高有关，但在市场份额等企业增长指标上结果不一。相比之下，本文观察到AI投资企业的增长增加，伴随着产品创新的增加，但尚未发现企业层面生产率的提高。

　　研究结果还显示，与IT的扩散模式相比，AI在大企业中的采用率更高，且AI投资带来的收益更大。这些差异强调了AI相对于以前IT浪潮的独特特点：作为一种预测技术，AI通过更好、更快地从大数据中学习，促进了产品创新并创造了新的商业机会。

　　研究结果表明，AI的收益在很大程度上取决于谁拥有大数据——这是AI技术的关键投入。虽然数据是非竞争性的（数据可以被任何数量的企业同时使用），但最近的理论研究表明，出于对创造性破坏的担忧，企业可能会选择囤积它们拥有的数据，导致非竞争性数据的使用效率低下，而将数据产权赋予消费者可以产生接近最优的配置。

　　本文记录了2004年至2018年间前所未有的人工智能（AI）教授从大学向产业界的大规模“人才流失”现象。研究发现，受影响大学的学生创办的AI初创企业数量减少，融资金额也降低。“人才流失”效应对终身教授、顶尖大学教授以及深度学习领域的教授尤为显著。进一步的证据表明，未观察到的城市和大学层面的冲击不太可能是导致这些结果的原因。本文考虑了几种经济渠道来解释这些发现，最一致的解释是教授的离职减少了初创企业创始人的AI知识，而这种知识是成功创办和融资初创企业的重要因素。

　　AI初创企业在创新、就业和经济增长中扮演重要角色。根据AI Index 2022年年度报告，2021年全球AI初创企业的投资达到创纪录的935亿美元。AI已成为最具前途和创造性的通用技术之一，具有改变我们生活的每一个方面并促进经济增长的潜力。全球最大的一些公司和国家正在争夺AI领导地位。在此背景下，了解促进AI初创企业创业及吸引风险投资的因素尤为重要。

　　研究特别关注教授在学生创业成功中的重要性。大学教授在传授前沿知识和提供创业指导方面发挥关键作用。然而，近年来，由于产业界提供的高薪和更好的研究资源，越来越多的AI教授离开学术界。这种人才流失可能会显著影响学生创办成功AI初创企业的能力。

　　本研究、收集了2004年至2018年间北美大学向产业界流失AI领域教授的数据。在此期间，共有211名AI教授部分或全部离开学术界，创办自己的初创企业或加入其他公司。这种学术界的AI人才流失在样本期末逐渐加剧。2018年，21所大学失去了40名AI教职人员，这些教职人员的引用次数平均占这些大学所有AI教授引用次数的19%。

　　研究表明了AI人才流失与北美大学生创办的AI初创企业数量之间的负相关关系，并且学生的AI初创企业在其大学经历AI人才流失后的许多年里筹集到的资金更少。

　　第一，教授离开学术界主要是因为产业界提供了显著更高的报酬、无与伦比的数据和计算资源。第二，研究仅观察到对AI初创企业的影响（即对同一大学的非AI初创企业没有影响）。第三，研究发现时变的城市层面冲击不太可能同时解释教职人员的离职和学生的创业活动。第四，研究表明这一效应仅适用于AI初创企业，且仅适用于未与学生重叠的终身教授、顶尖学校的教授和深度学习教授。第五，AI教授的离职与学生创业和融资决策之间存在显著的时间间隔。

　　由于AI初创企业推动了创新和增长，了解AI教授离职多年后初创企业数量和融资减少的原因是非常重要的。研究结果与知识转移渠道一致，AI人才流失有效地限制了AI知识从教授向未来创始人的转移。如果企业家能够筹集资金并雇佣具有深厚AI知识的员工，那么AI人才流失不应影响受影响大学的学生创办的AI初创企业数量。研究发现，AI人才流失后AI初创企业数量和融资显著减少，这表明创始人的AI学术知识对于初创企业的成功至关重要。研究还表明，AI初创企业比非AI初创企业更有可能拥有至少一名拥有博士学位的联合创始人，并且创始人的正式教育水平与其获得的融资金额之间存在正相关关系,这表明了AI学术知识是成功融资的重要因素。

　　学生可以从教授那里获得不同类型的知识，但研究发现深度学习教授的流失对初创企业的负面影响最为显著。这排除了AI人才流失通过减少学生的一般编程知识、项目管理或领导技能而影响初创企业的可能性。深度学习领域教授的流失对硕士和博士生有显著影响，但对本科生没有显著影响，这进一步证实了高级知识转移对创始人成功的重要性。支持知识转移渠道的另一个证据是，顶尖计算机科学系的大学中终身教授的AI人才流失负面影响更大。可以推测，这些院系的AI教授更可能进行前沿的AI研究。此外，这一结果仅对由拥有硕士或博士学位的企业家创办的初创企业显著。所有离开学术界的AI教授中，有62名教授最有可能转移对初创企业形成和融资有帮助的知识。这些教授企业家部分或全部离开学术界创办了自己的初创企业。研究基于教授离职后至2020年其初创企业筹集的资金量构建了一种新的教授知识适用性衡量标准。研究发现，离职教授的知识越适用，学生后来创办的AI初创企业就越少。

　　研究还表明，当教授的初创企业在学生毕业前筹集资金时，成为AI企业家的学生人数没有显著减少。这一结果表明，AI人才流失对初创企业形成和融资的负面影响不太可能是由于教授企业家雇佣了最优秀的学生。有几种替代解释：

　　第一，可以合理排除大学或城市层面冲击驱动结果的可能性。第二，研究表明，优秀的学生不太可能避开AI人才流失高的大学，因为在有AI人才流失的大学，新入学的博士生在入学一年内获得著名奖学金的可能性不低。第三，研究的发现与离职教授雇佣最优秀的学生并因此减少可用的人力资本以形成初创企业的可能性不太一致。第四，研究表明，一些未观察到的人才需求因素不太可能诱使教授离开大学，并同时引导最优秀的学生去公司工作。第五，研究认为教授不太可能通过与风险投资公司的联系来帮助学生，因为这样的介绍更可能有利于本地企业家，而研究发现受影响的初创企业并不位于大学所在的城市。

　　本文探讨了工作中自动化程度增加对家庭财富积累的影响。通过实证和理论分析，本文发现，自动化导致了家庭财富水平和财富分布相对位置的显著下降，这种负面影响不仅通过收入和储蓄渠道传导，还通过家庭的内生最优投资组合决策这一新机制发挥作用。具体而言，自动化增加了人力资本风险，促使家庭减少在股市的投资，从而导致财富水平和财富分布相对位置的下降。研究还表明，投资组合渠道放大了自动化程度提高所带来的不平等加剧的效应。

　　近年来，随着数字技术的迅猛发展，尤其是机器人技术和其他相关技术的重大进步，自动化的影响已成为学术界和政策制定者关注的焦点。据国际机器人联合会（IFR）数据显示，过去十年间全球工业机器人的数量几乎增加了三倍，且预计未来十年将继续以类似的速度增长。自动化的广泛应用和人工智能能力的重大进展引发了许多重要问题，特别是对个人经济状况的深远影响。

　　尽管已有文献表明xk星空体育，自动化对生产率有积极的影响，但其对工资、就业机会的负面影响以及与劳动收入风险和工资不平等增加的相关性也日益显著，也有研究表明工业机器人的普及降低了美国地方劳动力市场的整体就业和工资水平。然而，这些研究主要集中在自动化对劳动力市场的直接影响，对其如何通过家庭金融决策影响财富积累的研究相对较少。

　　本研究旨在填补这一空白，通过实证和理论分析，深入探讨自动化对家庭财富积累的影响，并揭示其背后的经济机制。研究特别关注家庭如何因自动化引发的风险变化调整其金融资产配置，进而影响其财富水平和分布位置。研究不仅探讨了自动化对收入和储蓄行为的直接影响，还首次提出并验证了投资组合决策的变化这一新机制，解释了自动化对财富积累的负面效应。本研究不仅为理解自动化对个人经济福祉的全方位影响提供了新视角，还为政策制定者提供了关于如何缓解自动化带来的财富不平等的实证依据。

　　在实证分析中，研究采用了行业级别的机器人使用数据和瑞典的大规模个体面板数据，数据涵盖了1999年至2007年期间约30万户家庭的详细财富记录和劳动力市场结果。为了度量自动化的重要性，研究使用了工业机器人的采用率，将工业机器人定义为可重新编程且能够适应执行不同任务的完全自主的机器。具体而言，研究结合了行业级别的机器人使用数据与个体面板数据，以探讨工作场所机器人使用增加对家庭金融行为和财富结果的影响。

　　研究采用工具变量（IV）法，利用其他11个西欧国家的机器人密度中位变化作为工具变量，识别瑞典行业内机器人使用的外生变化。实证分析的结果显示，工作场所机器人使用增加显著降低了家庭财富积累，即使在控制了丰富的家庭特征、行业因素和地方经济条件之后，仍然发现这种显著的负面影响。

　　研究考虑了工业机器人可能影响家庭财富积累的多种解释。除了收入和储蓄渠道外，研究结果指出了一种更为复杂的机制，本文称之为投资组合渠道。具体而言，研究显示出更高程度的自动化暴露导致家庭金融财富水平较低，主要原因是这些家庭在应对人力资本风险增加时，减少或完全取消了其股票市场的投资。研究仔细审查了其他替代机制，包括劳动收入变化或家庭储蓄行为的变化。众多发现强烈表明，研究中工业机器人对家庭财富积累的负面影响不仅仅是收入或储蓄效应的产物，而且是由投资组合渠道驱动的。

　　本文还研究了自动化程度增加的潜在分配效应，发现自动化对股票市场参与和财富积累的负面影响仅在教育程度较低的家庭中显现，而在教育程度较高的家庭中未发现类似影响。这些结果表明，快速的自动化可能进一步扩大高技能和低技能个体之间的财富差距。

　　在理论分析中，研究构建并求解了一个生命周期模型，该模型结合了消费和投资组合选择，同时考虑了自动化风险和内生的股票市场参与。模型扩展了劳动力收入过程中机器人化冲击的影响。星空体育app下载具体来说，收入过程的水平和风险均取决于预先的机器人暴露和事后的机器人冲击。

　　模型通过校准以匹配数据中高、中、低机器人暴露家庭的财富积累，结果表明模型能很好地再现这三组家庭的资产配置。然后，研究进行了反事实分析，分离出投资组合渠道在解释不同家庭财富积累差异中的作用，结果发现，为应对机器人化冲击而进行的投资组合再平衡产生了15%的财富差异，证实这确实是推动财富积累差异的重要机制，与实证结果一致。

　　金正恩宴请普京菜单曝光，龙虾、松露、杜鹃花酒等顶级料理，还赠送一对朝鲜国国犬

　　“三巫日”英伟达继续拉低标普纳指，道指全周涨1.5%为5月来最佳，钯金一度涨12%

　　与中坚力量共成长，2024建信信托艺术大奖评委会特别奖获奖艺术家凌海鹏

　　当爸爸真的把女儿捧在手心，原来掌上明珠是这个意思，爸爸：远嫁只能十公里内

　　8岁小女孩在网上自学古典舞跳的有模有样~ 网友：从她脸上看到了“天赋”两个字！