人工智能應用對企業績效的影響研究

【中圖分類號】F272；TP18【文獻標志碼】A

【文章編號】1673-1069（2025）05-0043-04

1引言

企業績效是反映企業經營成果和市場競爭力的關鍵尺度。然而，企業面臨著前所未有的復雜經濟環境：地緣政治沖突、大國貿易摩擦等宏觀擾動因素持續重塑國際經濟格局。在此背景下，企業要實現績效的可持續提升面臨巨大挑戰。

近年來，人工智能技術呈現快速發展態勢，已成為驅動科技進步、產業結構優化升級以及生產力水平全面提升的關鍵動力。黨的二十大報告中也明確指出，人工智能是經濟社會高質量發展的新引擎。隨后，在黨的二十屆三中全會中也明確強調要將人工智能與新質生產力深度融合。因此，研究人工智能技術對企業績效的影響、新質生產力水平能否對企業運用人工智能的效果帶來賦能以及如何在人工智能時代持續提升企業績效水平無疑具有重要的政策含義與管理價值。

人工智能無論對宏觀經濟發展還是微觀的企業經營都有不可忽視的作用。一方面，陳彥斌等借助動態一般均衡模型展開探究，其研究表明，人工智能技術的運用能夠對整體經濟增長產生顯著的推動效應。林晨等的研究成果顯示，人工智能技術能夠提升實體經濟的資本占比，進而對中國的資本結構起到優化作用。此外，陳東等通過實證研究證明，人工智能的演進從整體層面推動了產業內部的包容性增長進程。另一方面，陳曉等的研究表明，人工智能能夠對企業內部的勞動力配置結構產生變革，具體表現為對不同類型勞動力的比例關系進行調節。王林輝等的研究指出，人工智能技術在企業的高技術部門催生了大量新型技術崗位。Goldfarbetal.的研究發現人工智能帶來了持續的技術創新和更多應用領域的創新。劉亮等的研究發現人工智能技術還對非重復性且需創造性思維的崗位具有戰略性的賦能作用。

盡管人工智能的價值已獲普遍認可，但在當今這個充滿機遇與挑戰的時代，人工智能技術的應用普及與企業持續提升績效表現的需求之間會摩擦出怎樣的火花，新質生產力在其中究竟會產生什么樣的效果，這不僅是政府部門迫切想了解的信息，也是企業在人工智能時代必須直面的問題，更是本文進行研究探討的價值所在。

2理論分析與假設提出

2.1人工智能和企業績效

人工智能對企業績效的優化可通過促進技術創新、優化生產流程以及構建人機協同機制3個維度得以實現。人工智能對技術創新具有顯著的驅動效應，智能制造技術對企業績效的短期與長期改善均呈現積極影響。人工智能技術的應用能夠實現生產流程的標準化與有序化，從而提升整體生產效率。人工智能技術不僅作為生產工具發揮關鍵作用，更在特定情境下承擔主要勞動職能，進而推動企業生產力實現質的飛躍。

基于上述分析，本研究構建以下理論假設：

H₁ ：人工智能技術的應用對企業績效具有顯著的正向提升效應。

2.2人工智能、新質生產力和企業績效

新質生產力通過構建人才支撐體系、強化政策激勵引導、優化創新生態這幾個方面，賦能企業人工智能技術應用與績效提升。一方面，新質生產力水平較高的企業或地區往往越具有培養高素質人才隊伍的條件。這也為企業構建能夠開發與應用人工智能技術的專業化、智能化的團隊提供便利。另一方面，為提升地區的新質生產力水平，地區會著重從政策上鼓勵企業推進數字化、智能化與信息化轉型[3]。此外，新質生產力發展水平較高的區域，能夠為企業創新發展營造更為有利的環境，促使企業在生產經營實踐中不斷提升新技術應用的頻次與強度，進而將其轉化為企業核心競爭優勢[4。這些最終都會推動企業競爭力和盈利水平的提升，強化人工智能技術對企業績效的促進作用。

基于上述分析，本研究構建以下理論假設：

H₂ ：新質生產力水平在人工智能技術對企業績效產生積極作用的過程中，具有顯著的正向調節效應。

3研究設計

3.1數據說明

研究選取2013-2023年的A股上市企業作為樣本。研究所需數據來自巨潮資訊網、國家知識產權局以及國泰安數據庫（CSMAR）。為保障研究結論的精確性和代表性，參考姚加權等的研究方法，對金融、信息傳輸、軟件與信息技術服務業、科學研究以及技術服務業領域的企業進行了剔除，并且對研究周期內ST、ST狀態的企業異常值進行了剔除，同時對數據缺失較為嚴重的觀測值也進行了刪除。

3.2變量定義

3.2.1人工智能

人工智能作為研究的解釋變量。參考姚加權等的相關研究對人工智能的度量方式，采用上市企業年報中人工智能詞頻加1取自然對數來度量企業的人工智能程度。

3.2.2企業績效

研究將企業績效作為被解釋變量，并參考吳曉云等的研究方法，選用資產回報率（ROA）作為其衡量指標。

3.2.3新質生產力水平

研究的調節變量為新質生產力水平。參考盧江的研究對新質生產力的測度方法，通過建立科技、綠色和數字新質生產力3個一級指標，并用改進的熵權-TOPSIS方法對指標進行賦權，測度了2013-2023年我國30個省級區域的新質生產力水平。

3.3模型構建

3.3.1主回歸模型構建

為探究人工智能作用于企業績效的影響路徑，本研究構建如下計量模型：

3.3.2調節效應模型構建

為研究地區新質生產力水平的調節效應，參考江艇的操作建議，在模型中加人了人工智能（AIA）和地區新質生產力水平（NPL）的交互項，具體模型如下：

Year+Ind+Pro+ε_i，t （2）

式（2）中，AIA為人工智能；NPL為新質生產力水平；i為公司： Ψ_t 代表年份； Controls_i，t 為控制變量； ε 為隨機誤差項；Year為年份固定效應； Ind 為行業固定效應； Pro 為省份固定效應。變量定義及說明如表1所示。

表1變量定義及說明

4實證結果與分析

4.1描述性統計

對研究樣本開展描述性統計分析，結果顯示解釋變量人工智能（AIA）的均值為0.98，最大值為4.89，最小值為0，中位數為0.69，標準差為1.24。而被解釋變量資產收益率（ROA）的均值為0.04，最大值為0.25，最小值為-0.37，中位數為0.04，標準差為0.07。這表明不同企業無論在人工智能的應用水平，還是在績效水平上都存在著較大的差異，甚至有企業可能存在沒有開始應用人工智能的情況。

4.2回歸結果分析

研究的結果如表2所示。其中，列（2）展示了在納人一系列控制變量并進一步控制年份、行業及省份的固定效應后，人工智能對企業績效的影響依然顯著，其影響系數為0.002，且在 1% 的置信水平下通過顯著性檢驗。而列（3）表明人工智能關鍵詞詞頻與地區新質生產力水平的交互項（ AIA×NPL ）回歸系數在 1% 的顯著性水平下呈現正向顯著關系。由此可見，人工智能對企業績效的影響依然顯著為正，而地區新質生產力水平的提升強化了人工智能對企業績效的正向影響，從而支持了假設 H₁，H_2°

表2人工智能對企業績效影響的基準回歸

注：表內數字為變量回歸系數，括號內數字為 χ_t 值，、**、***分別表示在 10%.5%.1% 的統計水平上顯著。

4.3內生性分析

研究在基準回歸時已經盡可能考慮了控制變量的問題，但考慮到公司績效與人工智能技術之間可能存在的反向因果關系，參考陳勁等的研究方法，選取滯后一期的企業年報中人工智能關鍵詞詞頻進一步對可能存在的反向因果問題進行檢驗。通過實施滯后一期的回歸檢驗后發現，人工智能對企業績效的正向作用依然在 1% 的水平上顯著，其影響系數達到0.001。這也進一步驗證了假設 H₁ 的成立，即人工智能的應用依然對企業績效的提升具有顯著的促進作用。

4.4穩健性檢驗

為進一步保證研究結果的穩健性，研究參考姚加權的研究方法，將解釋變量的年報人工智能關鍵詞詞頻替換為年報管理層討論與分析（MDamp;A）部分中的人工智能關鍵詞詞頻再次進行回歸檢驗。結果顯示，此時以年報管理層討論與分析（MDamp;A）部分中的人工智能關鍵詞詞頻衡量的人工智能對企業績效的影響結果在 1% 水平效果顯著，該結果支持了研究的基本結論。

5結論與建議

5.1結論

本研究選取2013-2023年A股上市企業作為樣本，通過實證研究的方法，研究了人工智能影響企業績效的內在運行機理，并探討新質生產力在這一影響過程中所發揮的調節效應。研究結論如下：第一，在如今數智化的時代背景下，人工智能的應用會有效提升企業的績效表現；第二，在人工智能顯著提升企業績效表現的過程中，新質生產力水平強化了這一影響。

5.2建議

基于研究的結論，從政府和企業層面提出如下幾點建議：

在政府層面，可采取以下措施： ① 通過設立專項激勵基金與實施稅收優惠政策，建立企業人工智能技術應用的激勵機制； ② 在重點產業園區構建 AI+ 新質生產力\"開放創新平臺，整合數據要素與智能算法資源，降低技術應用成本；③ 建立跨區域協同發展機制，促進先進技術經驗向新質生產力欠發達地區擴散，實現技術普惠與企業效率提升的雙重目標。

在企業層面，建議采取以下策略： ① 重點在客戶服務、生產質檢等高價值業務場景部署人工智能技術，優化運營流程； ② 通過系統性數字技能培訓，構建人機協同的高效團隊，提升人力資本與新質生產力的適配性； ③ 聯合高校及科技企業共建人工智能聯合實驗室，促進技術成果轉化與行業智能化解決方案開發，形成創新協同網絡。

【參考文獻】

【1】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（07）：47-63.

【2】林晨，陳小亮，陳偉澤，等.人工智能、經濟增長與居民消費改善：資本結構優化的視角[J].中國工業經濟，2020（02）：61-83.

【3】陳東，秦子洋.人工智能與包容性增長—來自全球工業機器人使用的證據[J].經濟研究，2022，57（04）：85-102.

【4】陳曉，鄭玉璐，姚笛.工業智能化、勞動力就業結構與經濟增長質量——基于中介效應模型的實證檢驗[J].華東經濟管理，2020，34（10）：56-64.

【5】王林輝，胡晟明，董直慶.人工智能技術會誘致勞動收入不平等嗎——模型推演與分類評估[J].中國工業經濟，2020（04）：97-115.

【6]Goldfarb Avi，Taska Bledi， TeodoridisFlorenta.Could machinelearning be a general purposetechnology？ A comparison ofemerging technologies using data from online job postings [J].Research Policy，2023，52（1）.

【7】劉亮，胡國良.人工智能與全要素生產率一證偽“生產率悖論\"的中國證據[J].江海學刊，2020（03）：118-123.

【8】吳淑娟，吳海民.我國智能全要素生產率及其影響因素研究[J].經濟體制改革，2019（05）：97-103.

【9]RodneyRunyan，CorneliaDroge，JaneSwinney.EntrepreneurialOrientation versus Small Business Orientation：What Are Their RelationshipstoFirm Performance？[J].Journal of Small BusinessManagement，2008，46（4）.

【10]楊虎濤.人工智能如何為高質量發展\"賦能\"—ICT時代的啟示與AI時代的應對之道[J].人文雜志，2020（05）：31-42.

【11】吳沁沁，周代數.人工智能技術創新對企業新質生產力的賦能效應研究[J].新疆社會科學，2025（01）：43-57+187.

【12】于茜，惠寧.專精特新企業的新質生產力：理論邏輯與實踐路徑[』]經濟學家，2025（04）：46-56.

【13】盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑[J].重慶大學學報（社會科學版），2024，30（03）：1-17.

【14】巫強，黃孚，汪沛.人工智能技術與企業創新績效——兼論新質生產力的賦能作用[J].財經問題研究，2024（10）：67-80.

【15】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（02）：101-116+133+117-122.

【16】吳曉云，王峰.銀行戰略群組的新業務戰略對績效影響因素的實證研究——基于中國銀行業16家上市銀行的面板數據[J].金融研究，2012（09）：48-61.

【17】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（05）：100-120.

【18】陳勁，彭剛東，韓衛冬，等.人工智能對實體經濟融資效率的影響研究：理論機制與實證檢驗[J].中南大學學報（社會科學版），2024，30（06）：104-118.