The Spillover Effects of Peer AI Rinsing on Corporate Green Innovation

📄 arXiv: 2603.18415v1 📥 PDF

作者: Li Wenxiu, Wen Zhanjie, Xia Jiechang, Guo Jingqiao

分类: cs.CY, cs.AI

发布日期: 2026-03-19

备注: Comments: 32 pages, 6 tables, empirical research on corporate finance & digital economy, using Chinese A-share listed companies data (2006-2024), incorporating agent-based modelling simulations, suitable for finance/innovation economics journals

💡 一句话要点

提出针对企业AI洗涤行为的政策工具以促进绿色创新

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: AI洗涤 绿色创新 语义分析 政策工具 企业行为 市场均衡 信息披露

📋 核心要点

  1. 核心问题：企业在年报中使用AI标签作为装饰，导致绿色创新受到挤出效应，现有研究未能充分揭示其影响机制。
  2. 方法要点：利用大型语言模型对年报文本进行语义分析，探讨AI洗涤行为对绿色创新的影响及其传递渠道。
  3. 实验或效果：研究发现AI洗涤显著抑制绿色创新，尤其在私营企业和中小企业中影响更为严重，提出政策建议以改善市场状况。

📝 摘要（中文）

在AI洗涤现象日益严重的背景下，越来越多企业将人工智能标签作为年报中的装饰，而非真正的转型驱动力。本文利用大型语言模型对2006至2024年间中国A股上市公司的年报文本进行语义分析，系统研究企业AI洗涤行为对绿色创新的影响。研究发现，企业AI洗涤对绿色创新产生显著的挤出效应，且这一负面关系通过产品市场和资本市场的双重渠道传递。此外，挤出效应在不同企业和行业中表现出异质性，私营企业、中小企业及竞争激烈行业的企业受到的负面影响更为严重。模拟结果表明，政策工具的组合能够有效改善市场均衡。基于此，本文建议政府设计针对性的支持工具，以“增强市场回报和缓解融资约束”，采用差异化监管策略，并建立结合“专业识别和声誉制裁”的信息披露机制，以遏制同业AI洗涤行为。

🔬 方法详解

问题定义：本文旨在解决企业AI洗涤行为对绿色创新的负面影响，现有研究未能深入探讨其机制及影响程度。

核心思路：通过大型语言模型对企业年报进行语义分析，揭示AI洗涤行为如何通过产品市场和资本市场影响绿色创新。

技术框架：研究流程包括数据收集、文本预处理、语义分析和影响评估，主要模块涵盖年报文本分析和挤出效应的量化。

关键创新：利用大型语言模型进行语义分析，系统性地揭示了AI洗涤对绿色创新的挤出效应及其异质性，填补了相关领域的研究空白。

关键设计：在文本分析中，采用特定的语义分析算法，结合行业特征和企业规模进行分类，确保结果的准确性和可靠性。

📊 实验亮点

研究表明，企业AI洗涤行为显著抑制绿色创新，尤其在私营企业和中小企业中影响更为明显。模拟结果显示，采用组合政策工具能够有效改善市场均衡，提升绿色创新的市场回报。

🎯 应用场景

该研究的潜在应用领域包括政策制定、企业战略规划和绿色金融。通过识别和遏制AI洗涤行为，政府和企业可以更有效地推动绿色创新，促进可持续发展。未来，研究结果可为相关政策的实施提供理论支持和实证依据。

📄 摘要（原文）

At a time when the phenomenon of 'AI washing' is quietly spreading, an increasing number of enterprises are using the label of artificial intelligence merely as a cosmetic embellishment in their annual reports, rather than as a genuine engine driving transformation. A test regarding the essence of innovation and the authenticity of information disclosure has arrived. This paper employs large language models to conduct semantic analysis on the text of annual reports from Chinese A-share listed companies from 2006 to 2024, systematically examining the impact of corporate AI washing behaviour on their green innovation. The research reveals that corporate AI washing exerts a significant crowding-out effect on green innovation, with this negative relationship transmitted through dual channels in both product and capital markets. Furthermore, this crowding-out effect exhibits heterogeneity across firms and industries, with private enterprises, small and medium-sized enterprises (SMEs), and firms in highly competitive sectors suffering more severe negative impacts from AI washing. Simulation results indicate that a combination of policy tools can effectively improve market equilibrium. Based on this, this paper proposes that the government should design targeted support tools to 'enhance market returns and alleviate financing constraints', adopt a differentiated regulatory strategy, and establish a disclosure mechanism combining 'professional identification and reputational sanctions' to curb such peer AI washing behaviour.