人工智能如何賦能企業競爭力提升

【中圖分類號】F275；F120 【文獻標識碼】A 【文章編號】1004-0994（2025）16-0022-9

一、引言

黨的二十大報告強調，要堅持以推動高質量發展為主題，推動經濟實現質的有效提升和量的合理增長。2023年中央經濟工作會議進一步指出，注意把握和處理好速度與質量的關系，持續推動經濟實現質的有效提升和量的合理增長。實現經濟高質量發展、保持經濟增長速度既是我國增強實力和強化信心的客觀要求，也是促進世界經濟發展的重要引擎（李海艦和李真真，2024）。當前，以人工智能等數字技術為代表的新技術革命正快速改變著人類社會并引起了產業變革，發展數字經濟已上升為國家戰略，人工智能則是國家戰略的重要組成部分。人工智能是一種先進的信息技術（IT）方法，它使得機器擁有類似人類的認知功能，如理解、學習、推理和交互。近年來，人工智能持續快速發展。根據麥肯錫全球研究院的報告，2030年人工智能有望為全球經濟貢獻13萬億美元的增量價值。人工智能的蓬勃發展已經深刻影響了產業發展，也關乎企業層面的高質量發展和核心競爭力提升。

推動我國宏觀層面的經濟高質量發展，應從根本上著眼于微觀企業層面高質量發展的實現。企業競爭力反映了企業在動態環境中，通過資源獲取、配置與轉化，實現持續價值創造的能力。企業競爭力在當今經濟環境中具有至關重要的作用，它不僅是企業生存和發展的關鍵，還是推動經濟增長和技術創新的重要動力（侯曼等，2024）。隨著數字化與智能化等技術的創新應用，企業競爭力面臨著新的挑戰與機遇。例如，我國高新技術企業雖然研發投入強度不斷提升，但是面臨專利壁壘困境，國際競爭力仍有待提高（杜傳忠等，2024）。當前，企業面臨著研發周期長、市場響應遲緩、供需信息不對稱以及生產成本居高不下等諸多困境，這些難題嚴重制約了企業市場競爭力的進一步提升。

人工智能的出現，為企業智能化轉型注入了強大動力，提升了企業的創新效率，優化了企業的資源配置方式，使其能夠并行實施多個研發流程，有效縮短原有的研發周期，從而滿足市場對智能化產品日益增長的需求，顯著提升企業的市場競爭力（潘藝和張金昌，2023）。大多數研究表明，工業機器人的應用提高了企業生產效率（何青等，2025），大幅降低了生產成本，通過智能化生產使企業能夠快速響應市場需求，從而提升產品競爭力與市場競爭力（陳東等，2024）。人工智能的應用深刻改變了行業的投入產出結構，催生了更為復雜且高效的生產網絡關系，進而顯著影響企業的市場競爭力（夏曉華等，2024）。在提升企業創新質量與拓展合作網絡的過程中，人工智能促進了合作式創新，并最終帶來企業市場勢力的增強。由上述研究可知，人工智能應用對企業競爭力的影響已經引起了廣泛的關注，為研究新一代信息技術如何幫助企業獲得競爭優勢提供了重要的啟發。但是，關于人工智能是否能夠促進企業競爭力提升，目前尚未得出一致結論。

鑒于此，本文基于我國滬深A股上市公司年報和專利文件的文本信息，構建人工智能的度量指標，進而探究人工智能與企業競爭力之間的關系以及作用機制，拓寬了企業競爭力的前置影響因素研究。并且，本文通過實證驗證了人工智能能夠通過提升技能溢價、優化人力資本結構提升企業競爭力，為企業進一步利用人工智能實現高質量、高水平增長提供了理論基礎和經驗證據。此外，本文基于企業內在特征和地區外部環境特征，對樣本進行異質性檢驗和比較，深化了對不同情境下人工智能與企業競爭力之間關系的差異的認知，為助推企業新質生產力的發展提供了實證依據和理論指導。

二、理論分析與研究假設

（一）人工智能與企業競爭力

企業競爭力是指企業在競爭性市場中，持續高效地提供產品或服務并實現盈利及自身發展的綜合能力（金碚，2001）。內生增長理論強調，經濟持續增長的核心動力來源于技術進步的內生性和知識溢出效應（Romer，1986）。而人工智能作為新型生產要素，通過算法迭代與數據沉淀形成知識資本，在極大地提升企業生產力水平的同時優化資源配置。人工智能不僅直接提升了企業生產效率，還通過持續創新突破了傳統要素的收益邊際，加速了內部知識的重組與外部技術的擴散，助力企業綜合發展能力的提升。

第一，人工智能可以為企業競爭力提供關鍵支撐，提升企業的運營效率，加速新產品或服務的開發，并推動商業模式創新。人工智能提升了機器設備的智能化水平，其憑借精準、高效、穩定的特性，確保生產流程的順暢運行，大幅降低人為操作誤差，實現生產環節的成本優化和企業盈利能力的提升，進而提升企業競爭力。人工智能助力企業集中規范動態管理數據和信息，使其能夠快速做出精準高效的商業決策（Abrardi等，2022），優化生產要素投入結構，持續提升生產效率，強化企業市場競爭優勢。人工智能的“人機協同\"模式還能抑制“人崗不匹配、崗位職責不清”等錯配現象，提升企業的自主創新能力，促使企業開發獨特的產品、服務或商業模式（Autor等，2003），形成差異化競爭優勢。

第二，人工智能可以緩解外部的信息不對稱，助力企業把握市場需求變化，提升投資決策質量，為企業價值的持續增長奠定基礎。人工智能通過實時捕捉市場動態、消費者數據及競爭對手行為，將碎片化信息轉化為決策依據，助力企業調整生產規劃與銷售模型，制定更加有效的競爭策略，提升企業長期競爭力。企業借助人工智能的深度數據分析能力，能夠精準識別消費者偏好，提供便捷、高效和個性化的服務，實現供需匹配效率的躍升（章培培，2024），在收入、市場份額及客戶群體等方面提升競爭力（Prentice等，202O）。人工智能驅動的數字助手和預測性分析模塊，能幫助企業預判市場變化，減少信息滯后損耗，在快速變化的市場中保持競爭力。

第三，人工智能可以重塑生產組織模式，加速產業轉型升級，有利于企業向“微笑曲線”兩端的高附加值環節攀升。一方面，“人工智能 + ”驅動企業創新模式變革與市場拓展，促進企業價值鏈上游研發創新和價值鏈下游服務運營優化。企業依托產業鏈關聯數據的持續積累與分析，以數據驅動為核心實現精準決策，優化產品制造流程與業務管理，從而為企業轉型升級開拓新的空間，提升整體競爭力（胡俊和杜傳忠，2020）。在價值鏈下游，通過實時監測平臺洞察市場需求，指導產品創新與市場策略制定，擴大銷售與市場份額。另一方面，人工智能的前瞻性引領有利于企業深化價值鏈嵌入與自主創新能力提升。它借助數字化平臺促進知識、技術和資源流動，有效內化價值鏈頭部企業的先進技術和知識，實現數據要素與價值鏈的融合（王婧卜和褚希偉，2025），激發數據、技術、人才的增長合力，形成創新協同效應，保持企業長期增長活力。

因此，本文提出假設1：

假設1：人工智能有利于提升企業競爭力。

（二）人工智能、技能溢價和企業競爭力

技能溢價能力是指勞動者憑借自身特定技能、知識和經驗而獲得高于平均水平報酬的能力，體現為技術進步所導致的高技能勞動力與低技能勞動力間的工資差異（郭凱明和羅敏，2021）。從人力資本理論的內在邏輯看，技能溢價本質上反映了特定技術條件下勞動力市場的動態供需匹配結果。在人工智能驅動的技術范式轉型中，技能溢價機制對勞動力市場的影響呈現出非對稱性。高技能勞動者憑借其技術優勢和市場稀缺性，往往能夠獲得更高的經濟回報和更大的競爭優勢（陳東和郭文光，2024）。高技能勞動者將技能溢價轉化為組織的敏捷性和創新勢能，縮短技術迭代周期，推動產品和服務升級，優化市場響應能力，進而實現企業競爭力的全面提升，使企業在動態競爭環境中保持領先地位。

首先，人工智能驅動的技能偏向性技術變革，會直接影響技能溢價的形成。人工智能的普及改變了企業勞動力技能的需求結構，自主創新使得企業對研發人員、高級管理者等知識型勞動力的需求激增，技能供需缺口提升了高技能勞動力的薪酬，提升了勞動者的復雜決策、創新管理等軟技能價值（Acemoglu和Restrepo，2018）。高技能勞動者憑借其稀缺性和不可替代性，在勞動力市場中獲得了更強的議價能力。人工智能相關崗位憑借其高薪酬和良好的前景吸引相關人才（陳楠等，2021），推動了勞動力市場專業化與知識化水平的提升。人工智能與高技能勞動者的互補效應加速了技能溢價分化：高技能勞動者通過與人工智能深度協作，提升了邊際生產率并獲得高薪，而低技能勞動者因技術替代面臨工資停滯或下降，進一步擴大了技能溢價的分化程度。人工智能在替代常規性勞動崗位的過程中，催生了技術密集型就業創造效應，促使企業配置更多非常規技能人才，推動企業從以常規任務為主的模式向以技術管理和創新為核心的模式轉型（陳琳等，2024），強化了技能溢價的主導地位。

其次，技能溢價對企業競爭力的提升體現在技術迭代與市場適應的雙重協同效應上。在技術迭代維度，高技能勞動者通過加速技術吸收與知識溢出縮短技術迭代周期（劉叢等，2025），提升企業創新效率，實現人力資本與技術資本深度融合，構建企業長期競爭優勢。擁有高技能勞動力儲備的企業能夠更快地適應市場變化，迅速調整策略并把握機遇，在技術創新和產品質量方面形成顯著競爭優勢（孫慧等，2025），實現企業價值的長期增長。在市場適應維度，技能溢價作為動態適應成本，擴大了高技能人才的規模，緩解了生產企業長期面臨的知識型和技術型勞動力短缺問題，助力企業向高附加值、高技術含量的產業轉型，依托人力資本優勢向產業鏈高端攀升，持續鞏固市場地位、提升盈利能力。

因此，本文提出假設2：

假設2：人工智能通過提升技能溢價提升企業競爭力。

（三）人工智能、人力資本結構和企業競爭力

人力資本結構與企業發展需求之間的匹配，是企業應對技術沖擊的核心競爭力。人工智能在企業中的廣泛應用實現了對傳統產業全方位、全鏈條的改造，引發了勞動者的崗位替代與就業擠壓，對員工的技術水平和教育稟賦提出了更高的要求。其通過深度優化人力資本結構，能夠促進不同技能與教育層次勞動力的專業化分工，降低企業生產成本，釋放企業創新勢能，進而提升企業競爭力。

一方面，人工智能的就業創造效應和補償效應驅動既有崗位轉型升級，促進了人力資本結構的優化升級。人工智能的發展催生了新興職業，大幅增加了對AI專家、數據科學家等高精尖人才的需求，倒逼低教育水平或低技能勞動者自主學習、高教育水平或高技能勞動者提質攀升，推動勞動力向高技能層次集聚（李健斌和周浩，2025）?！盁o人化\"和“少人化\"生產模式提升了企業對數字技能與創新能力的邊際需求，促使企業在人才招聘和培訓中增加知識型勞動力占比。人工智能帶來的“降成本”紅利激勵企業注重技術升級，驅動現有勞動者主動學習人工智能、大數據分析等前沿技術，提升勞動力整體技能水平。人工智能能夠融合業務數據與知識圖譜，增強員工的信息處理能力，強化“干中學\"效應（黃浩權等，2024），助力員工個體技能改進。

另一方面，企業人力資本結構優化增加了高知識和高技能人力資本供給，提升了勞動力的整體素質與創新能力，進而提高了企業運營效率和市場競爭力。高學歷、高技能員工能將前沿技術與自身知識相結合，高效吸收應用新知識，優化創新資源配置，進而提升企業創新水平（尹洪英和李闖，2022），增強企業競爭力。受教育程度較高的勞動者靈活性更強、掌握新技術的速度更快，能更好地適應新組織模式，促進企業的協同創新（牛子恒和金環，2024）。高技能群體的知識溢出效應可優化資源配置，推動部門間的協作與配合（于翔等，2024），提升企業的運營效率。當高技能員工占比超過臨界值時，企業科技成果轉化效率將產生非線性躍升，最終使得人力資本升級并帶動生產率提升，促進企業競爭力的提升。

因此，本文提出假設3：

假設3：人工智能通過優化人力資本結構提升企業競爭力。

三、研究設計

（一）數據來源與變量定義

本文樣本來自我國滬深A股上市公司，綜合國泰安（CSMAR）數據庫、IRPDB知識產權數據庫等多個數據庫原始數據和新浪財經網站的企業年報，地區層面樣本數據來自歷年《中國城市統計年鑒》，樣本時間區間為2011～2020 年。本文對數據進行了如下處理：剔除金融類公司和房地產樣本；剔除經營狀況異常的公司及年報格式無法識別的樣本；為緩解極端值的影響，對連續變量的上下 1% 進行縮尾處理。最終，得到企業樣本觀測值17281條。

1.被解釋變量：企業競爭力（Grow）。本文以企業主營業務收入的自然對數作為衡量企業競爭力（Grow）的核心指標。該指標反映了企業核心業務在特定時期內的收入總額，能有效刻畫企業競爭力的增長速率與規模特征。

2.解釋變量：人工智能（AI）。本文借鑒姚加權等（2024）的做法，利用機器學習技術中的Word2vec模型，基于大量文本數據訓練并生成一個專門的AI詞典。詞典涉及73個詞語，具體包括：人工智能、計算機視覺、圖像識別、知識圖譜、智能教育、增強現實、智能政務、特征提取、商業智能、智能養老、支持向量機、知識表示、模式識別、物聯網、人機對話、AI產品、人機交互、數據挖掘、智慧銀行、智能客服、虛擬現實、自動駕駛、無人駕駛、智慧金融、大數據營銷、長短期記憶、智能芯片、邊緣計算、云計算、深度神經網絡、AI芯片、深度學習、特征識別、智能保險、智能零售、智能醫療、智能運輸、智能家居、循環神經網絡、大數據風控、機器人流程自動化、可穿戴產品、大數據平臺、增強智能、大數據運營、機器翻譯、神經網絡、語音合成、人機協同、智能農業、智能音箱、卷積神經網絡、問答系統、強化學習、大數據分析、自然語言處理、大數據管理、智能計算、語音交互、機器學習、生物識別、語音識別、智能監管、智能投顧、智能語音、聲紋識別、人臉識別、智能體、大數據處理、分布式計算、智能傳感器、智能搜索、智能環保。在此基礎上，分別基于上市公司年報和專利文本構建人工智能（AI）指標，用上市公司年報中人工智能關鍵詞總詞頻數加1取自然對數進行衡量。

3.控制變量?；陉悥|和郭文光（2024）、謝杰等（2022）等文獻，選取企業規模（size）、企業年齡（age）、資產負債率（debt）、盈利能力（ROA）、資本勞動比（lnKL）、貿易開放度（trade）作為企業層面的控制變量，選取市場化指數（market）作為行業層面的控制變量，選取地區人均產值（pgdp）作為地區層面的控制變量。其中：企業規模（size）用員工總數的自然對數表示；企業年齡（age）用當年年份減去企業成立年份加1來計算；資產負債率（debt）用總負債除以總資產表示；盈利能力（ROA）用凈利潤除以總資產表示；資本勞動比（InKL）用企業固定資產凈值除以企業員工總數并取自然對數計算；貿易開放度（trade）用企業外貿交易額除以主營業務收人表示；市場化指數（market）根據省級市場化指數，以各行業產值在各省總產值中的占比為權重計算而得；地區人均產值 （pgdp） 用所在省份人均GDP的自然對數表示。

（二）模型設定

本文構建基準回歸模型（1），用以檢驗人工智能對企業競爭力的影響。

Grow_it=α₀+α₁AI_it+γ₁Controls_it+γ_i+δ_t+ε_it

其中，i代表企業，t代表年份， Grow_it 代表企業競爭力， AI_it 代表人工智能，Controls代表一系列控制變量，λ_i 、 F_t 分別代表企業和年份固定效應， ε_it 是隨機擾動項。

四、實證分析

（一）描述性統計

表1為變量的描述性統計結果。被解釋變量企業競爭力（Grow）的平均值為12.370，接近其中位數12.210，說明大多數觀測值都集中在中位數（p50）附近，表明樣本中企業競爭力的分布相對集中與均衡。解釋變量人工智能（AI）的平均值為0.060，遠小于最大值1.929，反映出樣本企業的人工智能水平整體不高，還有較大的提升空間。

（二）基準回歸

表2為基準回歸結果。列（1）為人工智能和企業競爭力之間的直接回歸結果，AI的回歸系數為0.3130，且在1% 的水平上顯著。列（2）加人了控制變量，可以看出，AI的回歸系數為0.1150，且在 1% 的水平上顯著，表明人工智能每增加 1% ，將促使企業競爭力提升 0.1150% ，驗證了假設1，即人工智能能夠顯著提升企業競爭力。人工智能通過優化研發流程、提高生產效率和促進技術創新，顯著提升了企業的競爭力。

表1 描述性統計

表2 基準回歸結果

注：括號內為穩健標準誤， *?**，** 分別代表 10%5% 和 1% 的顯著性水平，下同。

（三）內生性檢驗

1.工具變量法?？紤]到人工智能與企業競爭力之間可能存在逆向因果關系，本文進一步采用工具變量法來緩解內生性問題。一是借鑒李建成等（2024）的做法，將采用國泰安數據庫中的管理層數字職務設立、管理層數字創新意識和管理層數字創新程度指標，通過熵權法計算得到的高管數字化意識作為工具變量一（IV1）。高管的數字化意識會直接影響公司在采納人工智能技術方面的決策，滿足相關性要求。高管的數字化意識與個人的教育背景、經歷相關，與企業競爭力不直接相關，滿足外生性要求。二是借鑒周銘山等（2017）的做法，選取同地區同行業層面企業數字化轉型的平均水平作為工具變量二（IV2）。行業數字化轉型水平有利于提高公司對人工智能技術投資和應用的可能性，滿足相關性要求。同地區同行業的數字化轉型水平與企業層面的競爭力關聯較弱，滿足外生性要求。三是借鑒肖土盛等（2022）的研究，扣除企業自身的數字化水平，將企業注冊所在省份同行業同年度企業數字化水平的均值作為工具變量三（IV3），其前一期值作為工具變量四（IV4）。同一省份和同行業的企業數字化水平均值反映了特定地區和行業內的數字經濟水平，其會對企業的人工智能發展水平產生影響，滿足相關性要求?？鄢髽I自身的數字化水平，滿足外生性要求。

表3列（1） ～ 列（4）分別是將以上變量作為工具變量的第二階段回歸結果，結果顯示：Kleibergen-PaaprkLM統計量均在 1% 的水平上顯著，拒絕工具變量識別不足的原假設；Cragg-Donald WaldF統計量均大于Stock-Yogo弱工具變量識別F檢驗在 10% 的顯著性水平上的臨界值16.38，拒絕弱工具變量的原假設；AI的回歸系數均在 1% 的水平上顯著為正，表明在使用工具變量后，本文結論依然穩健。

表3 工具變量法檢驗

2.傾向得分匹配法。考慮到樣本自選擇偏差問題，表4列（1）為采用核匹配法的回歸結果，使用1：1有放回的方法對共同取值范圍內的個體進行核匹配。列（2）為采用半徑匹配法的回歸結果，以各項控制變量衡量的企業特征為基準，進行logit回歸來估計傾向得分，0.005是最大允許的校準寬度。匹配后大多數協變量t檢驗p值都大于0.05，說明匹配效果良好。匹配后的回歸結果顯示，AI的回歸系數均在 1% 的水平上顯著為正，說明在緩解自選擇偏差問題后，本文的研究結論依然穩健。

表4 傾向得分匹配法檢驗

（四）穩健性檢驗

1.替換變量。表5列示了替換變量進行穩健性檢驗的結果。列（1）采用上市公司年報“管理層討論與分析”（MDamp;A）部分人工智能關鍵詞詞頻總數加1的自然對數作為人工智能的替代指標AI_MDA；列（2）參考吳非等（2021）的方法，采用企業年報中人工智能相關詞匯頻數的自然對數作為人工智能的替代指標lnAITech；列（3）采用分年度分行業人工智能均值作為人工智能的替代指標AI2。結果表明，采用以上三種方法計算的人工智能的回歸系數都在 1% 的水平上顯著為正，研究結論依然成立。列（4）是對企業競爭力（Grow）指標進行替代性衡量。采用分年度分行業企業競爭力均值作為替代指標Grow2，結果表明，AI的回歸系數在 1% 的水平上顯著為正，研究結論依然成立。

表5 替換變量檢驗

2.剔除樣本。信息披露質量高的企業在財務報告、市場溝通和投資者關系管理上更加透明，可縮小信息差距，緩解市場擔憂，避免因信息隱瞞或誤導引發的偏差。表6列（1）和列（2）分別保留了深交所信息披露結果考評為優秀和良好的上市公司樣本，剔除了因信息披露等問題受到處罰的樣本；考慮到信息產業的經營范疇因涉及數字技術相關業務而高估企業人工智能水平，列（3）剔除了信息產業；同時，創業板作為創新創業企業聚集地，其公司主要集中在節能環保、電子、計算機等新興產業領域，列（4）剔除了創業板公司；并且，人工智能加快了制造業向產業價值鏈高端攀升的速度，高端制造業數據要素的附加值提高，列（5）排除了高端制造業。從表6列（1）～列（5）的結果可以看出，AI的回歸系數均在 1% 的水平上顯著為正，說明在改變樣本范圍后，本文的研究結論依然成立。

表6 剔除樣本檢驗

3.排除政策和疫情影響。首先，直轄市和省會城市在經濟發展和政策實施上與其他城市存在顯著差異。為確保研究結果的普遍性和可比性，表7列（1）刪除了4個直轄市和27個省會城市的樣本企業。其次，最低工資標準可能會影響勞動市場的供需關系和工資水平，排除最低工資標準可以更清晰地觀察人工智能本身對人力資本結構的影響，表7列（2）進一步控制了企業所在地的最低工資標準（L_wage）。再次，鑒于2020年疫情對我國小微企業和大中型企業經營帶來沖擊，數據可能表現出極端的波動或異常，表7列（3）剔除了2020年的數據。最后，鑒于“寬帶中國”政策的實施會推動網絡基礎設施的建設，進而可能影響數字經濟的發展和企業對人工智能的運用與投資，表7列（4）排除了 2014～2016 年全國120個“寬帶中國\"示范城市的樣本企業。可以看出，AI的回歸系數均在 1% 的水平上顯著為正，表明在控制異常城市、工資制度、異常年份和政府政策的影響后，本文的研究結果依然穩健。

五、機制檢驗

人工智能可以為企業帶來人力資本賦能功能，通過大數據分析、機器學習和自然語言處理等技術，著力提升管理者和員工之間的協作效能，使各環節的關鍵數據在業務鏈條中快速流轉互通，提升人力資本管理的效率和質量。本文分別從技能溢價、人力資本結構的角度考察人工智能影響企業人力資本結構的作用機制。借鑒溫忠麟和葉寶娟（2014）的中介效應三步法思路，在基準模型（1）的基礎上增加模型（2）和模型（3）。

表7 排除政策和疫情檢驗

其中，MV是中介變量，分別代入技能溢價、人力資本結構變量。模型（2）中AI的系數 σ_σσ₁ 表示人工智能對MV（技能溢價、人力資本結構）的影響。模型（3）中AI的系數 τ₁ 表示人工智能對企業競爭力的直接效應， τ₂ 表示控制人工智能后，MV對企業競爭力的影響。其余變量的含義與模型（1）相同。

（一）提升技能溢價機制

技能溢價能力通常指的是勞動者因其擁有的特定技能、知識和經驗而獲得高于平均水平工資或報酬的能力。本文借鑒陳東和郭文光（2024）的方法計算技能溢價，并取自然對數，如公式（4）所示：

其中： PREM_it 為技能溢價； 表示企業i在t年的整體平均工資，用企業應付員工工資總額除以企業在職員工人數衡量； 表示低技能勞動力的平均工資，用企業所在年份一地區一行業維度下最低的企業平均工資衡量； θ_it^H 為企業內部高技能勞動力占比。

表8為提升技能溢價機制的檢驗結果。列（1）的被解釋變量為PREM1，根據教育類型劃分勞動力技能的高低，其中擁有本科和大專及以上學歷的員工為高技能勞動力，本科和大專以下學歷的員工為低技能勞動力。列（3）的被解釋變量為PREM2，根據技能類型劃分勞動力技能的高低，其中技術研發、管理、財務和營銷等人員為高技能勞動力，一般性生產人員、行政輔助性職員及后勤人員等其他員工為低技能勞動力。從人工智能對技能溢價的影響來看，AI的回歸系數分別為0.9450和0.9041，且在 1% 的水平上顯著，說明人工智能顯著提升了技能溢價。從技能溢價對企業競爭力的影響來看，PREM1和PREM2的回歸系數都在 1% 的水平上顯著為正，表明技能溢價有利于提升企業競爭力。技能溢價通過提供經濟激勵，促使員工持續學習和創新，帶動生產效率和產品質量的提升，進而提升企業競爭力。此外，Sobel檢驗得知，中介效應占比分別為 3.3780% 和 3.6850% ，說明人工智能通過與技能溢價形成互補，進而提升企業競爭力，假設2成立。

表8 提升技能溢價機制檢驗

（二）優化人力資本結構機制

人工智能作為革命性的新技術，促進了新質生產力發展所需的高級人才投人和研發投入，推動了人力資本結構的高級化。本文借鑒肖土盛等（2022）的研究，從教育和技能兩個維度構建人力資本結構指標：對于教育維度，使用碩士及以上教育背景的人員占比測量企業人力資本教育結構的高級化（High-Edu）；對于技能維度，將科技人員、市場與銷售人員、財務人員作為非常規高技能人員，使用企業高技能人員占比測算人力資本技能結構的高級化（ ΔHigh-Skill ）。表9為優化人力資本結構機制的檢驗結果，從人工智能對人力資本結構的影響來看，AI的回歸系數均在 1% 的水平上顯著為正，說明人工智能有利于推動人力資本教育結構和技能結構的優化升級。從人力資本結構對企業競爭力的影響來看，High_Edu和High_Skill的回歸系數均在 1% 的水平上顯著為正，說明人力資本教育結構或技能結構的優化有助于提升企業競爭力。此外，Sobel檢驗得知，中介效應占比分別為 31.5632% 和24.0102% ，說明人工智能通過優化人力資本教育結構和技能結構，進而提升企業競爭力，假設3成立。

表9

優化人力資本結構機制檢驗

六、進一步拓展

（一）企業特征異質性

1.全要素生產率的異質性。本文采用基于數據包絡分析法（DEA）的Malmquist指數法計算全要素生產率，并根據其中位數將樣本分為全要素生產率高和全要素生產率低兩組進行分組回歸，結果如表10列（1）和列（2）所示?？梢钥闯觯涸谌厣a率低的樣本中，AI的回歸系數不顯著；而在全要素生產率高的樣本中，AI的回歸系數為0.0846，且在 1% 的水平上顯著。這說明人工智能系統有助于維持高效的生產流程，通過知識管理和再利用，提高企業的創新能力和生產效率。原因在于：全要素生產率高的企業憑借其技術基礎、管理能力和數據資源等內部優勢，疊加地方政府數據開放水平高、人力資本質量高等外部有利條件，能有效篩選并匹配符合自身需求的人工智能技術，并將其深度整合至核心價值鏈，從而顯著提升競爭力；相反，全要素生產率低的企業由于內部基礎薄弱，難以跨越人工智能應用的資源門檻，導致其投入難以轉化為實際生產力。

2.數字化轉型程度的異質性。本文借鑒吳非等（2021）的研究，基于Python爬蟲文本識別功能，采用關鍵詞“搜索一配對一加總”的方法來衡量數字化轉型程度，并根據其中位數將樣本分為數字化轉型程度高和數字化轉型程度低兩組，進行分組回歸，結果如表10列（3）和列（4）所示?？梢钥闯觯涸跀底只D型程度低的樣本中，AI的回歸系數不顯著；在數字化轉型程度高的樣本中，AI的回歸系數顯著為正。原因在于：數字化轉型程度高的企業依托完善的數字基礎設施、高質量數據資產及柔性組織架構，能夠將人工智能深度嵌入業務流程，產生顯著的“乘數效應”，驅動生產率持續提升；數字化轉型程度低的企業由于數據匱乏及組織僵化，很難突破人工智能應用的資源壁壘與協同瓶頸，導致人工智能對企業競爭力的提升效應微弱或不顯著。

表10

表11 地區異質性檢驗

注：費舍爾組合檢驗結果表明，中部地區和東部地區的組間差異系數為-0.008，P值為0.430，證明分組是沒有差異的，因此將東部地區和中部地區放在一起進行分析。

3.技術創新水平的異質性。本文采用企業申請專利總數加1取自然對數衡量技術創新水平，并根據其中位數將樣本分為技術創新水平高和技術創新水平低兩組，進行分組回歸，結果如表10列（5）和列（6）所示。可以看出：在技術創新水平低的樣本中，AI的回歸系數為負且不顯著；在技術創新水平高的樣本中，AI的回歸系數在1% 的水平上顯著為正。原因在于：高技術創新企業基于深厚的技術積累、優質的人力資本及產業鏈協同優勢，能夠將人工智能轉化為“創新加速器\"和\"競爭力杠桿”，實現生產效率與市場價值的雙提升；低技術創新企業則因技術吸收能力弱、人力資本不足及創新轉化機制缺失，導致技術投人難以突破能力閾值。

（二）地區異質性

本文將樣本分為西部以及東部和中部進行地區異質性檢驗，結果如表11所示。其中，東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、山東、福建、廣東和海南，中部地區包括內蒙古、吉林、黑龍江、山西、河南、安徽、江西、湖北和湖南，西部地區包括廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。從表11可以看出：東部和中部地區AI的回歸系數為0.1158，且在 1% 的水平上顯著；西部地區AI的回歸系數不顯著。這表明東部和中部地區人工智能對企業競爭力的驅動作用更大，而西部地區人工智能發展對企業競爭力的助推效果沒有完全發揮出來。原因可能在于：東部地區作為我國經濟最發達的區域，人工智能產業集聚，具有溢出帶動性很強的“頭雁\"效應，從技術開發到市場推廣各個環節銜接緊密，使得人工智能能夠快速落地應用，工廠的生產效率提高，進而提升了企業競爭力；中部地區的土地和勞動力成本相對較低，有利于吸引企業投資人工智能并進行轉型升級，也能夠提升企業競爭力；西部地區則整體技術基礎設施相對落后，人才短缺，創新環境相對不完善，這些因素對人工智能的應用構成了阻礙，難以促進企業競爭力的提升。

七、結論和建議

（一）結論

本文基于 2011～2020 年我國滬深A股上市公司數據，利用機器學習方法刻畫了人工智能指標，并在構建模型的基礎上實證考察了人工智能對企業競爭力的影響及其作用機制。研究發現，人工智能顯著提升了企業競爭力。在經過一系列內生性和穩健性檢驗后，該結論依然成立。影響機制檢驗結果表明，人工智能能夠通過提升技能溢價、優化人力資本結構提升企業競爭力。進一步分析發現：在企業特征層面，人工智能對企業競爭力的影響在全要素生產率、數字化轉型程度和技術創新水平較高的企業中更為明顯；在地區特征層面，位于我國東部和中部地區的企業運用人工智能更有利于企業競爭力的提升，西部地區的企業則效果不明顯。

基于以上分析結論，為進一步發揮人工智能促進我國企業競爭力提升的作用，可重點采取以下對策：

（二）建議

1.加快新型數字基礎設施建設，推動人工智能與企業進行深度融合。政府可加大對算力基礎設施的投資，建設大數據中心國家樞紐節點，降低企業應用人工智能的接入成本與技術門檻。對突破性、原創性技術研發給予政策支持與對口幫扶，鼓勵企業圍繞數字化轉型需求，開展智能傳感器研發，激發其開發和應用人工智能的積極性。在應用創新上，構建自主可控的大模型生態，引導企業從應用場景、知識庫建設、智能體打造等方面積極擁抱人工智能。在人才培養方面，將人工智能納入教育體系，從基礎教育到高等教育、職業培訓，全方位培養跨學科復合型人才。

2.正確認識人工智能提高技能溢價的效應，處理好技能溢價和就業吸納的關系。一方面，客觀認識人工智能帶來的技能溢價效應，通過鼓勵人工智能發展提升行業和社會的高技能人力資本占比，利用可接受范圍內的薪酬差距激勵企業員工提高勞動技能水平，逐步實現與人工智能相匹配的勞動力供給升級。另一方面，出臺預防性政策，避免企業內部因人工智能應用出現收入兩極分化的問題，并依據市場環境、經濟形勢及時調整最低工資制度，平衡好技能溢價與就業吸納之間的關系。

3.加大技能培訓力度，實現企業人力資本結構升級。企業要大力培養人工智能領域的高技術人才，充分發揮其創新與管理能力。對于低技能勞動者，加強就業后再培訓，積極支持職工轉崗技能培訓，優化企業技能結構。此外，還應認識到僅靠企業招聘和內部培養難以在短時間內實現企業人力資本結構升級，政府可從政策層面提供產學研合作、招才引智、技術并購等多種渠道，助力企業實現勞動力技能結構調整和人力資本結構升級。

4.引導企業堅定數字化轉型的戰略方向，提高技術創新能力和新質生產力水平。鑒于我國上市公司人工智能水平差異較大，政府可從產業政策、財政補貼方面，重點支持中小企業接入工業互聯網平臺與智能算力基礎設施，為企業數字化轉型提供動力。企業自身也要結合數字化、智能化發展條件、需求與未來方向，針對性地運用人工智能前沿技術，提升創新能力，發展新質生產力，實現高水平自立自強。

5.因地制宜推動人工智能技術與實體經濟融合發展。促進人工智能與實體經濟融合，需充分考慮地區特性、資源狀況、市場需求與發展潛力，實現技術與地區經濟社會發展的和諧統一。東部地區可深化人工智能、大數據、區塊鏈等技術的融合，探索新的應用領域，通過中心輻射模式帶動區域發展；中部地區可加強數據資源整合與供給，對有創新潛力的項目給予財政支持，培育領軍企業；西部地區則可利用資源優勢，深人實施“東數西算”工程，發展數據計算和存儲能力，推進創新驅動和人才培養戰略，縮小與東部地區在人工智能發展上的差距。

【主要參考文獻】

陳東，郭文光.數字化轉型如何影響勞動技能溢價—一基于A股上市公司

數據的經驗研究[J].數量經濟技術經濟研究，2024（3）：173～192.陳東，姚笛，鄭玉璐.工業機器人應用、超級明星企業與勞動收入份額變動：

“利好”與“隱憂\"并存[J].中國工業經濟，2024（5）：97～115.陳琳，高悅蓬，余林徽.人工智能如何改變企業對勞動力的需求？一一來自

招聘平臺大數據的分析[J].管理世界，2024（6）：74～93.陳楠，劉湘麗，樊圍國等.人工智能影響就業的多重效應與影響機制：綜述

與展望[J].中國人力資源開發，2021（11）：125～139.杜傳忠，曹效喜，劉書彤.人工智能與高新技術企業競爭力：機制與效應[J].

商業經濟與管理， 2024（2）：30～49 郭凱明，羅敏.有偏技術進步、產業結構轉型與工資收入差距[J].中國工業

經濟，2021（3）：24～41.何青，陳東堯，劉爾卓.工業機器人與新質生產力：效率改善還是產品創新

[J].學習與實踐，2025（5）：54～66.侯曼，弓嘉悅，馮海利.組織韌性、企業競爭力對企業高質量發展的影響—基于環境不確定性的調節[J].科技管理研究，2024（17）：168～179.胡俊，杜傳忠.人工智能推動產業轉型升級的機制、路徑及對策[J].經濟縱

橫，2020（3）：94～101.黃浩權，戴天仕，沈軍.人工智能發展、干中學效應與技能溢價一一基于內

生技術進步模型的分析[J].中國工業經濟， 2024（2）：99～117 .金碚.論企業競爭力的性質[J].中國工業經濟，2001（10）：5～10.李海艦，李真真.數字化轉型對企業高質量發展和高速度增長的影響

基于“質量變革、效率變革、動力變革\"視角的檢驗[J].中國農村經濟，2024（4）：

120～140.李建成，李亦舟，謝麗萍.數字化時代的熊彼特：企業家精神與技術擴散[J].

技術經濟，2024（9）：45～55.李健斌，周浩.人工智能、資本-技能互補與企業全要素生產率[J].經濟評

論，2025（1）：20～36.劉叢，王薇，謝斌等.科技人才、技術擴散與經濟轉型：留學生對近代中國工

業發展的影響[J].經濟學（季刊），2025（1）：1～17.牛子恒，金環.智能制造、人力資本結構與企業全要素生產率[J].經濟體制

改革，2024（5）：88～96.潘藝，張金昌.數字化轉型與企業競爭力：契機還是危機？—來自中國A

股上市企業的經驗證據[J].產業經濟研究，2023（3）：87～99.孫慧，羅添，夏學超.人工智能如何影響企業創新質量[J」.產業經濟評論，

2025（2）：5～26.王婧卜，褚希偉.人工智能嵌入、創新鏈產業鏈融合與制造業全球價值鏈地

位[J].新疆社會科學，2025（2）：54～65.溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014

（5）：731～745.吳非，胡慧芷，林慧妍等.企業數字化轉型與資本市場表現一一來自股票流

動性的經驗證據[J].管理世界，2021（7）：130～144+10.夏曉華，陳哲昂，巫佳潞.人工智能供給約束、技術異質性與國際比較優勢

[J].中國工業經濟，2024（9）：5～23.肖土盛，孫瑞琦，袁淳等.企業數字化轉型、人力資本結構調整與勞動收入

份額[J].管理世界，2022（12）：220～237.謝杰，過重陽，陳科杰等.最低工資、工業自動化與技能溢價[J].中國工業

經濟，2022（9）：102～120.姚加權，張錕澎，郭李鵬等.人工智能如何提升企業生產效率？一一基于勞

動力技能結構調整的視角[J].管理世界，2024（2）：101～116+133+117～122.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（10）：98～116.于翔，牛彪，苑澤明.數據資產、人力資本升級與企業價值[J].中南財經政

法大學學報.2024（2）：109～122.章培培·人工智能應用對新零售企業創新可持續性的影響效應與作用機理

[J].商業經濟研究，2024（12）：152～155.周銘山，張倩倩，楊丹.創業板上市公司創新投入與市場表現：基于公司內

外部的視角[J].經濟研究，2017（11）：135～149.AbrardiL.，Cambini C.，RondiL..Artificial intelligence，firmsand consumer

behavior：A survey[J].Journal ofEconomic Surveys，2022（4）：969～991.AcemogluD.，RestrepoP..Low-skill and high-skillautomation[J].Journal

ofHuman Capital，2018（2）：204～232.AutorD.H.，Levy F.，MurnaneR.J..The skill content of recent techno-

logical change：An empirical exploration[J].TheQuarterlyJournal ofEconomics，

2003（4）：1279～1333.Prentice C.，DominiqueLopesS.，WangX..The impact ofartificial intelli-

genceand employee service quality on customer satisfactionand loyalty[J].Jour-

nal ofHospitalityMarketingamp; Management，2020（7）：739～756.Romer P.M.. Increasing returns and long-run growth[J].Journal of Politi-

cal Econ0my，1986（5）：1002～1037.

（責任編輯·校對：陳晶喻晨）