在數(shù)字化轉(zhuǎn)型背景下，人工智能技術(shù)創(chuàng)新對企業(yè)高質(zhì)量發(fā)展的影響備受關(guān)注。本文基于能力基礎(chǔ)觀，構(gòu)建包含效益水平、創(chuàng)新活力等六維度的企業(yè)高質(zhì)量發(fā)展指標(biāo)，利用中國上市企業(yè)數(shù)據(jù)，實(shí)證檢驗(yàn)人工智能技術(shù)創(chuàng)新的作用效果及內(nèi)外部情境的調(diào)節(jié)效應(yīng)。研究發(fā)現(xiàn)，人工智能技術(shù)創(chuàng)新通過培育核心能力、整體能力和動態(tài)能力，顯著提升企業(yè)高質(zhì)量發(fā)展水平，且在營商環(huán)境較差、企業(yè)成長性好、融資約束輕及業(yè)務(wù)復(fù)雜度高的情境下效應(yīng)更強(qiáng)。研究為企業(yè)利用人工智能技術(shù)驅(qū)動高質(zhì)量發(fā)展提供了理論與實(shí)踐參考。

　　中國經(jīng)濟(jì)已轉(zhuǎn)向高質(zhì)量發(fā)展階段，企業(yè)作為微觀主體，其高質(zhì)量發(fā)展是宏觀經(jīng)濟(jì)轉(zhuǎn)型的基礎(chǔ)。人工智能技術(shù)創(chuàng)新作為數(shù)字化技術(shù)的前沿領(lǐng)域，不僅能提升生產(chǎn)效率，還可能通過重塑企業(yè)能力體系驅(qū)動綜合發(fā)展。然而，現(xiàn)有研究多聚焦人工智能應(yīng)用或單維績效，缺乏對技術(shù)創(chuàng)新維度的深入分析，且未系統(tǒng)探討企業(yè)能力的中介作用及內(nèi)外部情境的調(diào)節(jié)效應(yīng)。本文基于能力基礎(chǔ)觀，構(gòu)建多維指標(biāo)體系，探究人工智能技術(shù)創(chuàng)新對企業(yè)高質(zhì)量發(fā)展的影響機(jī)制與邊界條件。

　　二、理論分析與研究假設(shè)

　　2.1 能力基礎(chǔ)觀與企業(yè)高質(zhì)量發(fā)展

　　能力基礎(chǔ)觀認(rèn)為，企業(yè)競爭優(yōu)勢源于核心能力、整體能力和動態(tài)能力的協(xié)同作用：

　　核心能力：人工智能技術(shù)創(chuàng)新通過深度學(xué)習(xí)、自然語言處理等技術(shù)，優(yōu)化人才識別、知識創(chuàng)造和技術(shù)整合效率，強(qiáng)化企業(yè)核心業(yè)務(wù)競爭力。

　　整體能力：借助智能數(shù)據(jù)分析和供應(yīng)鏈協(xié)同，人工智能技術(shù)創(chuàng)新延伸企業(yè)價值鏈，提升客戶管理、供應(yīng)鏈整合及內(nèi)部人力資源配置能力。

　　動態(tài)能力：通過市場信號感知、資源重構(gòu)等功能，人工智能技術(shù)創(chuàng)新增強(qiáng)企業(yè)應(yīng)對環(huán)境變化的敏捷性，維持競爭優(yōu)勢。

　　假設(shè)H1：人工智能技術(shù)創(chuàng)新能顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展。

　　2.2 調(diào)節(jié)效應(yīng)

　　營商環(huán)境：良好的營商環(huán)境提供資源支撐，但可能弱化企業(yè)創(chuàng)新的邊際需求;較差環(huán)境下，技術(shù)創(chuàng)新成為突破瓶頸的關(guān)鍵。

　　假設(shè)H2：營商環(huán)境負(fù)向調(diào)節(jié)人工智能技術(shù)創(chuàng)新與企業(yè)高質(zhì)量發(fā)展的關(guān)系。

　　資源豐裕度：高成長性和低融資約束的企業(yè)具備更充足資源支持創(chuàng)新轉(zhuǎn)化，強(qiáng)化技術(shù)創(chuàng)新的正向效應(yīng)。

　　假設(shè)H3a：企業(yè)成長性正向調(diào)節(jié)二者關(guān)系;假設(shè)H3b：融資約束負(fù)向調(diào)節(jié)二者關(guān)系。

　　業(yè)務(wù)復(fù)雜度：復(fù)雜業(yè)務(wù)結(jié)構(gòu)加劇資源協(xié)調(diào)難度，人工智能技術(shù)創(chuàng)新通過優(yōu)化資源分配和監(jiān)督機(jī)制，緩解管理效率問題。

　　假設(shè)H4：業(yè)務(wù)復(fù)雜度正向調(diào)節(jié)二者關(guān)系。

　　三、研究設(shè)計

　　3.1 樣本與數(shù)據(jù)

　　選取20162022年A股上市企業(yè)，剔除金融、ST類企業(yè)及數(shù)據(jù)缺失樣本，最終得到4000家企業(yè)的18082個觀測值。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫、國家知識產(chǎn)權(quán)局等。

　　3.2 變量測量

　　被解釋變量：企業(yè)高質(zhì)量發(fā)展(Hqd)，從效益水平、創(chuàng)新活力、綠色發(fā)展、開放程度、價值共享、風(fēng)險管控六維度構(gòu)建指標(biāo)體系，采用熵權(quán)法賦權(quán)計算綜合得分。

　　解釋變量：人工智能技術(shù)創(chuàng)新(AI)，以企業(yè)人工智能相關(guān)專利申請量加1的自然對數(shù)衡量。

　　調(diào)節(jié)變量：營商環(huán)境(BusEnvr)、企業(yè)成長性(Growth)、融資約束(FinConst)、業(yè)務(wù)復(fù)雜度(BusComp)。

　　控制變量：企業(yè)規(guī)模、年齡、股權(quán)結(jié)構(gòu)、治理特征及地區(qū)經(jīng)濟(jì)指標(biāo)等。

　　3.3 模型設(shè)定

　　基準(zhǔn)模型： [Hqd_{i,t} = alpha_0 + alpha_1 AI_{i,t1} + ext{Controls}_{i,t1} + lambda_{ind} + lambda_t + varepsilon_{i,t}]

　　調(diào)節(jié)效應(yīng)模型： [Hqd_{i,t} = alpha_0 + alpha_1 AI_{i,t1} + alpha_2 ext

　　3.3 模型設(shè)定

　　調(diào)節(jié)效應(yīng)模型：

　　[Hqd_{i,t} = alpha_0 + alpha_1 AI_{i,t1} + alpha_2 ext{Moderator}_{i,t1} + alpha_3 AI_{i,t1} imes ext{Moderator}_{i,t1} + ext{Controls}_{i,t1} + lambda_{ind} + lambda_t + varepsilon_{i,t}]

　　其中，( ext{Moderator}) 代表營商環(huán)境、企業(yè)成長性、融資約束及業(yè)務(wù)復(fù)雜度等調(diào)節(jié)變量。

　　四、實(shí)證結(jié)果分析

　　4.1 描述性統(tǒng)計

　　高質(zhì)量發(fā)展(Hqd)：均值0.448，標(biāo)準(zhǔn)差0.091，企業(yè)間差異顯著。

　　人工智能技術(shù)創(chuàng)新(AI)：均值0.197，標(biāo)準(zhǔn)差0.570，表明企業(yè)間技術(shù)創(chuàng)新水平分化明顯。

　　相關(guān)性分析：AI與Hqd顯著正相關(guān)((p<0.01))，變量間無嚴(yán)重多重共線性。

　　4.2 基準(zhǔn)回歸結(jié)果

　　表5顯示，無論是否控制變量，AI系數(shù)均顯著為正((eta=0.0076)，(p<0.01))，支持假設(shè)H1，即人工智能技術(shù)創(chuàng)新顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展。

　　4.3 調(diào)節(jié)效應(yīng)

　　營商環(huán)境(BusEnvr)：交互項(xiàng)系數(shù)顯著為負(fù)((eta=0.0092)，(p<0.1))，表明營商環(huán)境較差時，AI對高質(zhì)量發(fā)展的促進(jìn)作用更強(qiáng)，與假設(shè)H2一致。

　　企業(yè)成長性(Growth)與融資約束(FinConst)：Growth交互項(xiàng)顯著正((eta=0.0045)，(p<0.1))，F(xiàn)inConst交互項(xiàng)顯著負(fù)((eta=0.0124)，(p<0.01))，驗(yàn)證假設(shè)H3a和H3b。

　　業(yè)務(wù)復(fù)雜度(BusComp)：交互項(xiàng)系數(shù)顯著正((eta=0.0002)，(p<0.01))，支持假設(shè)H4。

　　4.4 穩(wěn)健性檢驗(yàn)

　　傾向得分匹配(PSM)：匹配后AI系數(shù)仍顯著為正((eta=0.0084)，(p<0.01))。

　　工具變量法：采用滯后電話普及率與互聯(lián)網(wǎng)端口數(shù)交乘作為工具變量，兩階段回歸顯示AI擬合值系數(shù)顯著正((eta=0.0438)，(p<0.1))，排除弱工具變量問題。

　　安慰劑檢驗(yàn)與變量替換：隨機(jī)分配AI值或替換Hqd測度方法(如TOPSIS、全要素生產(chǎn)率)，結(jié)果穩(wěn)健。

　　五、結(jié)論與啟示

　　5.1 研究結(jié)論

　　1. 直接效應(yīng)：人工智能技術(shù)創(chuàng)新通過培育核心能力、整體能力和動態(tài)能力，顯著提升企業(yè)高質(zhì)量發(fā)展水平。

　　2. 調(diào)節(jié)效應(yīng)：

　　外部營商環(huán)境較差時，AI的促進(jìn)作用更顯著;

　　企業(yè)成長性高、融資約束輕或業(yè)務(wù)復(fù)雜度高時，AI的正向效應(yīng)更強(qiáng)。

　　3. 理論貢獻(xiàn)：拓展了人工智能技術(shù)創(chuàng)新的經(jīng)濟(jì)后果研究，豐富了能力基礎(chǔ)觀的實(shí)證應(yīng)用，完善了企業(yè)高質(zhì)量發(fā)展的多維測度體系。

　　5.2 實(shí)踐啟示

　　倡議層面：企業(yè)應(yīng)重視人工智能技術(shù)創(chuàng)新的倡議投入，尤其在資源豐裕或業(yè)務(wù)復(fù)雜時，需強(qiáng)化技術(shù)與業(yè)務(wù)的深度融合。

　　環(huán)境適配：在營商環(huán)境薄弱地區(qū)，企業(yè)需更依賴技術(shù)創(chuàng)新突破發(fā)展瓶頸;在資源充足時，需優(yōu)化資源配置以最大化AI效能。

　　管理策略：結(jié)合業(yè)務(wù)復(fù)雜度，利用AI優(yōu)化資源分配與監(jiān)督機(jī)制，提升動態(tài)響應(yīng)能力。

　　5.3 研究局限與展望

　　未區(qū)分人工智能技術(shù)創(chuàng)新與應(yīng)用的差異，未來可對比兩者效應(yīng);

　　能力機(jī)制未通過實(shí)證檢驗(yàn)，后續(xù)可結(jié)合問卷調(diào)查深入分析;

　　可探索更多調(diào)節(jié)變量(如行業(yè)特征、政策支持)對AI效能的影響。

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學(xué)術(shù)顧問，解答疑問同時給出解決方案 。