人工智能如何賦能企業新質生產力

摘 要：提升智能化水平是企業加快形成新質生產力的關鍵舉措。選取2013—2022年A股上市公司為研究樣本，探討人工智能對企業新質生產力的賦能機制。結果發現：人工智能通過增強數字創新能力、提高供應鏈效率和降低信息不對稱程度賦能企業新質生產力。異質性分析發現，人工智能對不同類型企業新質生產力的賦能作用存在顯著差異。具體而言，在國有企業、勞動密集程度較高企業、高技術行業企業以及財政支持力度較大地區企業中，人工智能對新質生產力的賦能作用更顯著。結論揭示人工智能在企業運營過程中的賦能作用，為推動企業新質生產力發展提供有益參考。

關鍵詞：人工智能；新質生產力；數字創新能力；供應鏈效率

DOI：10.6049/kjjbydc.L2024XZ199 開放科學（資源服務）標識碼（OSID） 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F272 文獻標識碼：A

文章編號：1001-7348（2025）07-0001-08

0 引言

新質生產力是對傳統生產力的躍升，是生產力“新”和“質”的結合，以新要素、新技術和新產業為主導，更是生產力高質量、多質性和雙質效發展^[1-2]。科技創新是新質生產力發展的關鍵驅動要素，技術創新能促進傳統生產力質態轉變，進而創造生產力的新形態^[3]。作為新一代數字技術，人工智能促使生產方式、生產流程和生產模式發生顛覆性變化，加速生產要素向生產能力轉變，為新質生產力發展提供了新動能。因此，有必要探討人工智能對新質生產力的影響，深入分析其作用機制，為企業推進新質生產力發展提供理論指導。

現有人工智能研究聚焦宏觀層面，探討人工智能對宏觀經濟增長、產業結構升級、勞動力結構及收入等方面的影響^[4-6]。隨著企業智能化轉型的不斷推進，越來越多的學者開始關注人工智能對企業的影響。例如，Li amp; Branstetter^[7]研究發現，智能制造政策能夠提升企業生產效率；辛大楞和邱悅^[8]研究發現，人工智能通過融資效應和技能升級效應促進企業進口擴張；沈坤榮等^[9]研究發現，智能制造政策通過信息化、人力資本和資金渠道促進企業生產效率提升；馮婉昕^[10]實證檢驗國家人工智能先導區政策對企業金融配置的影響。部分研究以行業層面的工業機器人滲透度測量企業人工智能水平，探討人工智能政策對企業的影響，鮮有文獻利用機器學習構建企業人工智能指標體系以探究其對企業新質生產力的影響。

本文利用上市公司數據，實證檢驗人工智能對新質生產力的賦能路徑，從企業、行業和地區差異性3個層面進行異質性分析。本文創新之處如下：第一，探討人工智能對企業發展的影響。現有人工智能研究基于宏觀層面關注人工智能對地區、行業和勞動力市場的影響，微觀層面研究較少，本文利用文本分析和機器學習方法測度企業人工智能水平。第二，豐富企業新質生產力研究。本文利用上市公司數據實證分析人工智能對企業新質生產力的影響，以期拓展企業新質生產力研究。第三，為促進企業新質生產力發展提供理論支撐。目前，鮮有文獻分析人工智能技術如何賦能企業新質生產力發展。本文從技術、效率和信息3個方面探究人工智能如何賦能企業新質生產力，以期為企業加快發展新質生產力提供啟示。

1 理論分析與研究假設

從政治學視角看，新質生產力不僅是對馬克思主義生產力理論的繼承與發展，更是與數據要素深度融合的體現，其核心內涵在于勞動者、勞動對象與勞動資料的優化組合。新質生產力的提出不僅豐富了馬克思主義生產力理論內涵，也為實現中國式現代化提供了理論支撐與實踐指導。從經濟學視角看，新質生產力以科技創新為驅動要素，以戰略性新興產業和未來產業為主要載體，是高質量發展的推動力。根據熊彼特的創新與內生增長理論，技術進步所發揮的“創造性破壞”作用能夠促進經濟增長^[11]。人工智能技術有助于營造創造性破壞環境，在促進生產力和經濟高質量發展方面具有重大潛力。另外，人工智能技術能夠與經濟社會深度融合，促使生產要素和生產關系向智能化方向發展，為生產力發展提供高素質勞動者以及高技術含量生產資料，進而促進生產力躍升。

具體到微觀企業層面，人工智能通過如下渠道賦能企業新質生產力：其一，企業可以利用人工智能開展數字技術創新，實現技術賦能。其二，人工智能通過數據分析、預測與智能化決策等手段優化供應鏈流程，實現效率賦能。其三，人工智能能夠快速獲取和分析內外部信息，降低企業信息不對稱程度，實現信息賦能。

（1）從技術創新賦能角度看，人工智能可為企業數字技術創新提供新的工具和手段，有助于企業基于海量數據和應用場景提升數字技術創新能力，從而促進新質生產力發展。一是人工智能具有知識溢出效應，在各領域應用可衍生出新的技術和解決方案^[12-13]。企業利用人工智能進行研發和創新，開發智能化產品，提升數字技術創新能力。二是企業借助人工智能實現智能化生產和供應鏈管理，降低成本和提高競爭力，為創新活動營造良好環境^[14]。三是人工智能在數據資源利用方面具有顯著優勢。通過數據分析、挖掘和預測等手段，企業能夠深入洞察市場趨勢和用戶需求，制定決策實現業務升級，為創新提供有力支持。例如，通過分析用戶行為，企業可以挖掘潛在創新機會。因此，本文認為人工智能可以增強企業數字創新能力，為技術創新提供技術支持、管理支持和數據支持，進而推動企業新質生產力發展。

（2）從效率賦能角度看，人工智能通過提升供應鏈效率、資源配置效率和生產效率促進新質生產力發展。第一，人工智能應用于實時數據處理和應用場景，有助于企業實時收集、處理和分析數據，為供應鏈運營提供智能化決策支持^[15]。人工智能可自動調整庫存、生產、物流等環節資源配置，確保供應鏈高效運行。通過優化資源配置，人工智能可降低企業運營成本，提高生產效率。第二，人工智能可推動生產模式智能化轉變，實現生產精細化管理^[16]。工業智能機器人的引入使得生產線高度數字化和智能化，減少人工干預，從而大幅提高企業生產效率。通過大數據分析和機器學習算法，人工智能可準確預測消費者需求，有助于企業實現個性化生產，從而滿足市場多樣化需求。第三，人工智能可促進“全鏈路”各參與者實現協同合作與資源共享^[17]。利用區塊鏈等先進技術建立數據共享和數字孿生平臺，企業可實時了解供應鏈運行狀態，發現潛在問題并及時解決。數據共享協同合作網絡能夠增強供應鏈的穩定性，提高供應鏈響應速度和靈活性。因此，本文認為，人工智能可提高供應鏈效率，推動企業實現智能化生產運營，從而提升企業生產效率。

（3）從信息賦能角度看，人工智能有助于企業提升內外部信息收集、整合和處理能力，降低因信息不對稱帶來的風險和成本，進而推動企業新質生產力發展。一是從企業內部角度看，人工智能有助于企業更好地獲取和分析內部運營信息，進而優化資源配置^[18]。通過智能化數據分析和預測，人工智能可深度挖掘企業內部海量數據，為企業提供決策支持和業務洞察。基于數據分析結果，人工智能可實現運營預測與優化，幫助企業合理配置資源、降低成本，從而提高生產效率^[19]。二是從企業外部角度看，人工智能有助于企業更好地理解市場和客戶需求，提高信息透明度和可訪問性。借助智能化和數字化平臺，人工智能可以分析大量市場和客戶數據，提供市場洞察和客戶洞察，有助于企業準確了解市場趨勢和客戶需求。借助智能化客戶關系管理系統和數據挖掘技術，企業可實現客戶個性化服務與精準營銷，進而提高客戶滿意度和忠誠度^[20]。同時，人工智能有助于企業應對外部競爭和市場變化，降低外部信息獲取成本，提高自身市場適應能力和競爭優勢。總之，人工智能可賦予企業高效獲取信息的能力，降低生產經營中的信息不對稱程度，從而促進企業新質生產力發展。

綜上，本文提出如下研究假設：

H₁：人工智能對企業新質生產力發展發揮顯著賦能作用。

H₂：人工智能可增強企業數字技術創新能力、提高供應鏈效率和降低信息不對稱程度，從而賦能企業新質生產力發展。

2 研究設計

2.1 樣本來源

本文選取2013—2022年中國滬深A股上市公司為樣本，研究人工智能對企業新質生產力的影響。本文使用的企業年報數據來源于新浪財經網站；企業基本信息與財務數據來源于CSMAR和CNRDS數據庫。為確保數據質量，本文對數據作如下處理：①剔除金融行業和房地產行業樣本；②剔除ST和^*ST狀態的樣本；③剔除企業年齡小于1和終止上市的樣本；④剔除數據缺失樣本；⑤對連續變量進行上下1%縮尾處理。最終，得到12 880個觀測值。

2.2 變量說明

（1）被解釋變量：新質生產力（NP）。參考宋佳等^[21]的研究成果，本文基于生產力兩要素理論，從勞動力和生產工具兩個方面構建企業新質生產力評價指標體系。其中，勞動力由活勞動和勞動對象兩個二級指標構成，生產工具由硬科技和軟科技兩個二級指標構成。本文采用熵值法得到各指標權重，采用線性加權法測算企業新質生產力。

（2）解釋變量：人工智能（AI）。現有研究大多采用工業機器人滲透度測量企業人工智能，但工業機器人無法全面反映企業人工智能技術。借鑒姚加權等^[22]的測度方法，本文收集上市公司年報文本數據，利用機器學習生成式人工智能詞典，將年報中人工智能關鍵詞數量加1并取自然對數作為企業人工智能測度指標。

（3）控制變量。本文選取如下控制變量：企業年齡（age），以企業成立年齡的自然對數衡量；企業規模（asset），使用企業總資產的自然對數衡量；資產負債率（lev），通過負債總額占資產總額的比重反映企業財務杠桿；凈資產收益率（roe），采用凈利潤與凈資產的比值衡量；現金流比率（cashflow），采用經營活動現金流量凈額與總資產的比值衡量；股權集中度（top），采用第一大股東持股比例衡量；審計意見（opinion），若審計無保留意見為1，否則為0；獨立董事占比（indep），采用獨立董事人數占董事會總人數的比重衡量。

2.3 模型設計

為探究人工智能對新質生產力的影響，本文構建如下回歸模型：

NP_it=α₀+α₁AI_it+α₂Controls_it+year+ind+pro+ε_it（1）

其中，i、t分別表示個體公司和時間；NP表示新質生產力；AI表示人工智能指標；Controls表示一系列控制變量；year、ind、pro分別表示時間固定效應、行業固定效應和省份固定效應；ε表示隨機誤差項。為避免不同行業間存在的異方差問題，針對模型中回歸系數的標準誤差，本文進行聚類處理。

基于江艇^[23]的研究成果，本文構建傳導機制模型，檢驗人工智能賦能新質生產力的機制路徑，如式（2）所示。

MV_it=β₀+β₁AI_it+β₂Controls_it+year+ind+pro+ε_it（2）

其中，MV表示機制變量，分別代表人工智能賦能新質生產力的技術效應、效率效應和信息效應。

3 實證分析

3.1 描述性統計與相關性分析

相關變量描述性統計結果如表1所示。其中，NP的取值范圍為1.068～13.932，平均值為5.230，其最小值和最大值存在顯著差距，且最小值遠低于平均值。由此表明，不同上市公司新質生產力發展情況呈現較大差異。整體來看，上市公司新質生產力存在較大發展空間。AI的取值范圍介于0～1.415之間，平均值為0.133，表明大多數上市公司尚未應用人工智能技術。

表1顯示，人工智能（AI）與新質生產力（NP）的相關系數為0.254，且在1%水平上顯著，初步表明人工智能對企業新質生產力具有賦能作用。控制變量大多與企業新質生產力具有顯著相關性，表明控制變量選取具有合理性；絕大多數控制變量間的相關系數小于0.4，表明本文選取的控制變量具有代表性。此外，各主要變量的VIF值介于1.00～1.54之間，由此排除變量間多重共線性問題。

3.2 基準回歸結果

基準回歸結果如表2所示。列（1）為被解釋變量與解釋變量間的直接回歸結果，列（2）為僅控制固定效應的回歸結果，列（3）只考慮控制變量對回歸結果的影響，列（4）綜合控制控制變量及年份、行業和省份固定效應。結果顯示，在加入控制變量與控制固定效應前后，人工智能（AI）回歸系數均在1%水平上顯著為正。由此表明，人工智能可以推動企業新質生產力發展，假設H₁得到驗證。

3.3 穩健性檢驗

3.3.1 替換被解釋變量

本文將企業全要素生產率（TFP）作為新質生產力的替代指標，并采用LP方法計算全要素生產率。表3列（1）顯示，人工智能應用對企業新質生產力發揮顯著賦能作用。

3.3.2 替換解釋變量

參考王永欽和董雯^[24]的研究，本文用企業工業機器人滲透度（AI-ROB）衡量人工智能，回歸結果如表3列（2）所示。結果表明，基準回歸結果具有穩健性。此外，上市公司年報中MDamp;A部分為非財務信息分析的重點，包含企業發展方向和重要決策并涉及人工智能技術的討論。因此，本文采用上市公司年報MDamp;A部分人工智能關鍵詞數量加1后取自然對數測度企業人工智能（AI-MDA）。表3列（2）顯示，AI-MDA的系數在1%水平上顯著為正，由此支持假設H₁。

3.3.3 變更樣本

為降低異常年份對研究結果的影響，本文剔除2020—2022年數據，回歸結果如表3列（3）所示。為消除企業所在城市對回歸結果的潛在干擾，本文剔除4個直轄市樣本數據進行回歸分析，結果如表3列（4）所示。上述結果表明，在剔除異常樣本后，人工智能對企業新質生產力發展仍然發揮顯著促進作用。

3.3.4 傾向得分匹配法

本文采用傾向得分匹配法（Propensity Score Matching，簡稱PSM）緩解樣本自選擇偏差帶來的問題。首先，根據企業年報中是否涉及人工智能關鍵詞，將樣本細分為處理組與控制組。其次，在不進行樣本放回的前提下，采用1∶1最近鄰匹配方法將所有控制變量作為協變量進行匹配。再次，進行平衡性檢驗。結果顯示，所有協變量標準化后的偏離程度均有效控制在5%以下并通過T檢驗，表明匹配效果良好。最后，基于匹配后的樣本數據進行回歸分析，證實基準回歸模型的穩健性，結果如表3列（5）所示。

3.3.5 工具變量法

為確保研究結果的穩健性，本文采用工具變量法進行內生性檢驗。參考戴翔和王如雪^[25]的研究方法，選取解釋變量滯后一期作為工具變量，采用兩階段最小二乘（2SLS）方法進行回歸分析，結果如表4列（1）（2）所示。列（1）顯示，工具變量系數顯著為正，同時Cragg-Donald Wald F 統計量超過10，表明工具變量選擇合理，不存在弱工具變量問題。列（2）顯示，AI系數在1%水平上顯著為正，假設H₁再次得到驗證。

3.3.6 PSM-DID檢驗

本文以《中國制造2025》中提出的重點產業智能轉型為準實驗，采用PSM-DID方法緩解模型中的內生性問題，并構建DID模型如式（3）所示。

NP_it=λ₀+λ₁treat×post+λ₂Controls_it+year+ind+pro+ε_it" （3）

其中，treat表示企業所在行業是否屬于十大重點領域行業，若是則賦值為1，否則為0；若年份大于或等于2015年（《中國制造2025》由國務院于2015年印發）則post=1，否則為0。本文將樣本劃分為處理組和控制組，將所有控制變量作為協變量。表4列（3）（4）為匹配前后的回歸結果，treat×post的系數在匹配前后均顯著為正。由此表明，在考慮內生性問題后，人工智能依然能夠促進企業新質生產力發展。

4 作用機制檢驗

4.1 技術賦能機制檢驗

人工智能通過智能算法優化、自適應系統以及智能輔助工具提升企業數字技術創新能力。數字技術持續創新能夠降低經濟活動中的搜索、傳遞、跟蹤以及驗證成本，進而促進企業新質生產力發展。

本文根據國家統計局發布的《數字經濟及其核心產業統計分類（2021）》，匹配專利主分類號，精確計算上市公司數字專利申請數量，以數字專利申請數量加1后取自然對數衡量數字技術創新能力（Dig）^[26]。表5列（1）顯示，人工智能通過促進數字技術創新賦能企業新質生產力。經過檢驗發現，Sobel檢驗的P值遠小于0.05，上述結果證實數字技術創新中介效應存在。

4.2 效率賦能機制檢驗

人工智能技術正全方位滲透并重塑企業全業務流程，提升供應鏈各環節數字化水平，實現資源互聯互通、彈性互補和有效配置，從而提升供應鏈運作效率^[27]。

參考張倩肖和段義學^[28]的研究，本文基于庫存周轉角度刻畫企業供應鏈效率（Effi）。表5列（2）顯示，AI系數在1%水平上顯著為正，表明供應鏈效率在人工智能與企業新質生產力之間發揮顯著中介作用。為進一步驗證上述中介效應，本文進行Sobel檢驗，結果顯示P值遠小于0.05。由上述結果可知，人工智能通過提高供應鏈效率賦能企業新質生產力。

4.3 信息賦能機制檢驗

通過人工智能技術可以快速獲取和分析企業生產經營數據信息，提高企業信息處理能力，進而降低內部信息不對稱程度^[9]。信息透明度提高有助于企業提升運營效率，與外部組織實現協同創新，進而促進企業新質生產力發展。

參考于蔚等^[29]的研究方法，本文采用計算流動性比率指標、非流動性比率指標和反轉指標的第一主成分綜合衡量信息不對稱程度（Asy），數值越大，表明企業信息不對稱程度越高。表5列（3）顯示，人工智能能顯著降低信息不對稱程度，推動企業新質生產力發展。

5 進一步分析

5.1 企業特征對人工智能賦能新質生產力的影響

5.1.1 產權性質

與非國有企業相比，國有企業與政府聯系更緊密，通常能夠迅速響應政府政策導向。此外，國有企業擁有豐富的資源和較強的風險承擔能力，上述優勢使其在市場競爭中占據有利地位。根據不同產權性質，本文對樣本進行分類，即國有企業組和非國有企業組，檢驗結果如表6所示。列（1）（2）顯示，AI系數均顯著為正。通過對比分析發現，在國有企業組，AI回歸系數更大。Chow檢驗結果表明，組間系數差異統計顯著性水平達到0.007。由此表明，人工智能對新質生產力的影響在國有企業組和非國有企業組差異顯著。這意味著人工智能可以賦能國有企業和非國有企業新質生產力，但對國有企業新質生產力的賦能效果更顯著。

5.1.2 勞動密集程度

勞動力密集程度較高企業自動化水平較低，因而對勞動力需求量較大。企業通過引入智能設備和優化人力資本結構提升創新能力與運營效率。因此，本文認為人工智能對勞動密集程度較高企業的影響更顯著。借鑒黃勃等^[26]的研究方法，采用企業員工總數與固定資產總額的比值衡量勞動密集程度。基于這一指標中位數，本文將樣本劃分為勞動力密集程度高組和勞動力密集程度低組。表6列（3）（4）顯示，AI系數顯著為正，表明人工智能對不同勞動密集程度企業新質生產力均發揮顯著賦能作用。由Chow檢驗得到的組間系數差異P值可知，相較于勞動密程度較低企業，人工智能對勞動密集程度較高企業新質生產力的賦能作用更顯著。

5.2 行業特征對人工智能賦能新質生產力的影響

參考彭紅星和毛新述^[30]的研究，根據中國證監會發布的《上市公司行業分類指引》（2012年修訂），本文將樣本劃分為高技術行業企業與非高技術行業企業，檢驗結果如表7所示。表7列（1）（2）顯示，人工智能對新質生產力的賦能作用主要聚焦于高技術行業。

5.3 地區特征對人工智能賦能新質生產力的影響

本文采用財政一般預算支出占地區生產總值的比重衡量財政支持力度，并依據該指標中位數將樣本細分為財政支持力度較強組和財政支持力度較弱組，結果如表7列（3）（4）所示。結果發現，在財政支持力度較大地區，人工智能對企業新質生產力的賦能作用更顯著。上述結果說明，政府應加大基礎設施投資力度，引導企業應用數字技術促進企業新質生產力發展。

6 結語

6.1 研究結論

本文基于2013—2022年上市公司數據分析人工智能技術對企業新質生產力的影響，得出以下主要結論：

（1）我國上市公司新質生產力發展存在較大差異，上市公司整體新質生產力發展程度偏低，存在較大發展空間。

（2）人工智能對企業新質生產力發揮顯著賦能作用。

（3）機制檢驗表明，人工智能通過增強數字技術創新能力、提高供應鏈效率和降低信息不對稱程度賦能企業新質生產力。

（4）異質性分析表明，在企業特征層面，人工智能對國有企業和勞動密集程度較高企業新質生產力的賦能作用更顯著。在行業和地區特征層面，在高技術行業和財政支持力度較大地區，人工智能對企業新質生產力的賦能效果更好。

6.2 政策建議

（1）引導和支持企業智能化發展，加快新質生產力生成。我國上市公司人工智能應用差距較大，多數上市公司并未應用人工智能技術。因此，有必要推動企業智能化發展，幫助企業解決轉型過程中“無法轉型”“缺乏轉型能力”等問題。一是構建資金支持體系。設立智能化產業發展基金或專項資金，引導企業加強智能技術研發和應用投入。二是推動產學研深度融合。引導企業與高校、科研機構等開展深度合作，共同推進智能化技術研發與應用，加快新技術孵化與轉化。三是拓展示范項目。政府可與部分領先企業開展合作，拓展智能化生產示范項目，通過成功案例鼓勵其它企業跟進。

（2）利用人工智能技術重塑企業生產經營模式，推動新質生產力發展。機制檢驗結果表明，數字技術創新能力、供應鏈效率和信息透明度是人工智能賦能新質生產力的重要途徑。因此，企業需要利用人工智能技術重塑生產經營模式，賦能新質生產力發展。首先，企業應利用人工智能強化數字技術創新能力，積極開展技術研發，探索新的數字技術應用場景和解決方案，包括研發新的軟件、硬件、算法、平臺等，滿足市場需求以提升自身競爭力。其次，借助數據分析和人工智能技術，提升企業供應鏈運行效率。借助人工智能技術分析海量數據，企業能夠精準預測市場需求，實現供應鏈全面可視化與高效管理。人工智能可以優化庫存管理、物流路徑和配送策略，以及供應商關系管理體系，提高供應鏈運行效率，進而助力企業新質生產力發展。企業應采用先進數字技術獲取市場需求信息以及業務流程和提高生產效率。同時，通過數字平臺構建協同創新網絡，實現數據和資源共享，降低信息不對稱程度。最后，企業應加強內部管理，將人工智能與企業發展戰略相融合，增強內部控制和組織韌性，從而推動企業業務創新與可持續發展。

（3）政府應加大財政支持力度，注重新質生產力可持續發展。一是推行創新券和補貼政策，激勵企業加大科技研發投入，推動新技術應用，最終提升產業創新能力。二是實施稅收優惠政策，對符合條件的高新技術企業、創新型企業給予稅收優惠，降低企業創新成本，從而促進新質生產力發展。三是建設科技園區，加強科技園區建設和發展，提供場地租金補貼、設施設備補貼、科技服務補貼等支持措施，為企業新質生產力發展營造良好環境。

6.3 不足與展望

在本研究的基礎上，未來可以對行業進一步細分，如探究人工智能對制造行業、服務行業和高污染行業新質生產力的影響。此外，可基于資源錯配和資源編排等視角，深入分析人工智能賦能新質生產力的作用路徑。

參考文獻：

[1] 蔣永穆，喬張媛.新質生產力：邏輯、內涵及路徑[J].社會科學研究，2024，46（1）：10-18，211.

[2] 任保平，豆淵博.新質生產力：文獻綜述與研究展望[J].經濟與管理評論，2024，40（3）：5-16.

[3] 周文，許凌云.再論新質生產力：認識誤區、形成條件與實現路徑[J].改革，2024，41（3）：26-37.

[4] 陳彥斌，林晨，陳小亮.人工智能、老齡化與經濟增長[J].經濟研究，2019，54（7）：47-63.

[5] 柴正猛，張培鐸，韓先鋒.工業智能化能成為產業結構升級的新動能嗎[J].科技進步與對策，2024，41（19）：56-66.

[6] 趙儒煜，高明宇.工業智能化如何影響勞動力技能結構[J].財經科學，2024，68（2）：107-118.

[7] LI G， BRANSTETTER L G. Does \"Made in China 2025\" work for China？ evidence from Chinese listed firms[J]. Research Policy， 2024， 53（6）： 105009.

[8] 辛大楞，邱悅.人工智能對進口擴張的影響研究：來自中國微觀企業層面的證據[J].世界經濟研究，2023，39（11）：11-25，135.

[9] 沈坤榮，喬剛，林劍威.智能制造政策與中國企業高質量發展[J].數量經濟技術經濟研究，2024，41（2）：5-25.

[10] 馮婉昕.人工智能與企業金融資產配置——來自國家人工智能創新應用先導區的經驗證據[J].當代財經，2024，45（4）：141-152.

[11] AGHION P， HOWITT P. A Model of growth through creative destruction [J]. Econometrica， 1992， 60（2）： 323-351.

[12] 黃東兵，王靈均，周承緒，等.制造企業人工智能創新如何賦能高質量發展——來自中國上市公司的經驗證據[J].科技進步與對策，2022，39（8）：110-120.

[13] 王磊，肖倩，鄧芳芳.人工智能對中國制造業創新的影響研究——來自工業機器人應用的證據[J].財經論叢，2023，39（9）：14-24.

[14] 張夏恒，肖林.數字化轉型賦能新質生產力涌現：邏輯框架、現存問題與優化策略[J].學術界，2024，39（1）：73-85.

[15] 武憲云，蘇敬勤，楊道虹，等.數字技術可供性實現下的數字化轉型企業組織慣性構建機制研究[J].科研管理，2024，45（5）：34-42.

[16] WAN J， LI X， DAI H N， et al. Artificial-intelligence-driven customized manufacturing factory： key technologies， applications， and challenges[J]. Proceedings of the IEEE， 2020， 109（4）： 377-398.

[17] 吳群，陳倩.基于智能制造的新質生產力形成邏輯與躍遷路徑研究[J].當代財經，2024，45（9）：3-12.

[18] DOU R， ZHUANG G， LIU X， et al. Potential of AI for service performance of manufacturers： analytical and empirical insights[J]. Advanced Engineering Informatics， 2024， 60（1）： 102383.

[19] 尹洪英，李闖.智能制造賦能企業創新了嗎——基于中國智能制造試點項目的準自然試驗[J].金融研究，2022，65（10）：98-116.

[20] MANSER PAYNE E H， DAHL A J， PELTIER J. Digtal servitization value co-creation framework for AI services： a research agenda for digital transformation in financial service ecosystems[J]. Journal of Research in Interactive Marketing， 2021， 15（2）： 200-222.

[21] 宋佳，張金昌，潘藝.ESG發展對企業新質生產力影響的研究——來自中國A股上市企業的經驗證據[J].當代經濟管理，2024，46（6）：1-11.

[22] 姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率——基于勞動力技能結構調整的視角[J].管理世界，2024，40（2）：101-116，133.

[23] 江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022，40（5）：100-120.

[24] 王永欽，董雯.機器人的興起如何影響中國勞動力市場——來自制造業上市公司的證據[J].經濟研究，2020，55（10）：159-175.

[25] 戴翔，王如雪.人工智能條件下人口老齡化對全球價值鏈攀升的影響[J].經濟管理，2023，45（3）：28-43.

[26] 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據[J].經濟研究，2023，58（3）：97-115.

[27] 譚永生.數字賦能助推現代化產業體系建設研究[J].宏觀經濟研究，2024，46（1）：75-86.

[28] 張倩肖，段義學.數字賦能、產業鏈整合與全要素生產率[J].經濟管理，2023，45（4）：5-21.

[29] 于蔚，汪淼軍，金祥榮.政治關聯和融資約束：信息效應與資源效應[J].經濟研究，2012，47（9）：125-139.

[30] 彭紅星，毛新述.政府創新補貼、公司高管背景與研發投入——來自我國高科技行業的經驗證據[J].財貿經濟，2017，38（3）：147-161.

（責任編輯：張 悅）

How Artificial Intelligence Empowers New Quality Productive Forces of Enterprises

Xu Hongdan， Wang Jiuhe

（School of Economics and Management， Yanshan University， Qinhuangdao 066004， China）

Abstract：Elevating the level of intelligence is a pivotal measure for enterprises to expedite the formation of new quality productive forces. As a new generation of digital technology， artificial intelligence has realized subversive innovation in production methods， production processes and models， accelerated the transformation of production factors to production capacity， and provided new momentum for developing new quality productivity. However， most existing research on artificial intelligence focuses on the macro level. More literature needs to be examining how artificial intelligence technology empowers the development of enterprises' new quality productive forces.

Therefore， this paper delves into artificial intelligence's empowerment path for enterprises' new quality productive forces. This study focuses on A-share listed companies from 2013 to 2022 to explore the impact of artificial intelligence on the new quality of productive forces within enterprises and the mechanisms that facilitate this influence. Drawing on the theoretical insights， it develops a regression model to assess the effects of AI and further examines the mechanisms through three key lenses： technology empowerment， efficiency empowerment， and information empowerment. To ensure the robustness of the findings， the study performs a series of rigorous checks. These include substituting variable indicators， applying the Propensity Score Matching （PSM） technique， conducting Two-Stage Least Squares （2SLS） regression analysis， and employing a quasi-experimental design centered on the smart transformation of pivotal industries. The results consistently demonstrate the robustness and reliability of our conclusions. Lastly， the empowering effect of artificial intelligence on new quality productive forces can significantly differ because of the distinct internal characteristics and external environment of enterprises. Consequently， the study conducts a heterogeneity analysis of the main effects across three core dimensions of enterprise-level，industry-level，and regional differences.

The study finds that artificial intelligence significantly enhances the development of enterprises' new quality productive forces. Mechanism analysis further reveals that this enhancement is achieved by strengthening digital innovation capabilities， improving the efficiency of supply chain， and mitigating the information asymmetry. Heterogeneity analysis demonstrates that there exist notable disparities in the enabling effects of artificial intelligence on new quality productive forces among different types of enterprises. Specifically， state-owned enterprises， labor-intensive enterprises， those situated in high-tech industries， and those located in regions with substantial fiscal support all exhibit more prominent improvements in their quality new productive forces， being empowered by artificial intelligence. This paper enhances the comprehension of the role of artificial intelligence in the production process at the micro-enterprise level， thereby providing valuable insights for promoting the efficient development of enterprises' new quality productive forces.

The innovations of this paper lie in the following three aspects： Firstly， this paper studies the impact of artificial intelligence level on enterprise development in micro-enterprises. Existing research on artificial intelligence primarily focuses on macro-level effects， such as its influence on regions， industries， and labor markets， with relatively scarce studies at the micro-enterprise level. Furthermore， previous works often measured the artificial intelligence level of enterprises using industrial robot penetration rates， whereas this paper employs text analysis and machine learning methods to construct an artificial intelligence index for enterprises. Secondly， this paper enriches the research on new quality productive forces in enterprises. As a newly proposed concept， the new quality productive forces have predominantly been studied qualitatively， exploring its connotations， characteristics， and formation logic. By leveraging data from listed companies， this paper empirically analyzes the influence of artificial intelligence technology on enterprises' new quality productive forces. Thirdly， this paper provides theoretical support for promoting the enhancement and development of enterprises' new quality productive forces. This paper delves into the mechanisms through which artificial intelligence empowers new quality productive forces from the perspectives of technology， efficiency， and information. The heterogeneous effect on the main effect is further discussed in relation" to the differences at enterprise ，industry and regional levels. It offers valuable insights for upgrading enterprises' new quality productive forces.

Key Words：Artificial Intelligence; New Quality Productive Forces; Digital Innovation Capability; Supply Chain Efficiency