人工智能赋能企业高质量发展

当代财经 ›› 2026, Vol. 0 ›› Issue (5): 19-31.

人工智能赋能企业高质量发展

欧阳嘉文^a, 梅国平^a, 何珏^b, 季凯文^c

江西师范大学 a. 管理科学与工程研究中心 b. 经济与管理学院 c. 政法学院,江西南昌 330022

收稿日期:2025-10-22 修回日期:2026-01-04 出版日期:2026-05-15 发布日期:2026-05-22
通讯作者: 梅国平,江西师范大学教授,博士生导师,应用数学博士,主要从事管理决策研究,联系方式mmmgggppp@sina.com。
作者简介:欧阳嘉文,江西师范大学博士研究生,主要从事管理决策研究;何珏,江西师范大学讲师,管理学博士,主要从事管理决策研究;季凯文,江西师范大学教授,博士生导师,管理学博士,主要从事产业经济研究。
基金资助:
国家社会科学基金重大招标项目“新一代人工智能对中国经济高质量发展的影响、趋向及应对战略研究”（20&ZD068）; 国家社会科学基金青年资助项目“数字经济发展影响我国劳动收入份额变动的机理及分配政策研究”（23GLC03306）; 江西省教育厅研究生创新基金项目“人工智能赋能家居产业高质量发展的机制与路径研究”（YC2024-B090）

High-Quality Development of Enterprises Enabled by Artificial Intelligence

Ouyang Jia-wen, Mei Guo-ping, He Jue, Ji Kai-wen

Jiangxi Normal University, Nanchang 330022, China

Received:2025-10-22 Revised:2026-01-04 Online:2026-05-15 Published:2026-05-22

摘要/Abstract

摘要： 人工智能如何驱动企业高质量发展,已成为数字经济时代的重要议题。现有研究对不同类型人工智能的作用差异及其传导机制关注不足。从人工智能技术异质性及其技术经济特征出发,可将人工智能划分为以替代与协同生产劳动力为特征的“节约型”技术以及以赋能研发劳动力为特征的“增强型”技术。基于2010—2023年中国A股上市公司数据,并结合专利文本分析构建两类人工智能技术指标的实证研究表明,两类人工智能技术均能显著提升企业营业收入与全要素生产率。机制分析表明,“节约型”技术主要通过替代低技能生产劳动力、协同高技能生产劳动力,促进企业劳动力技能水平和资源配置效率提升;“增强型”技术主要通过赋能研发活动、提高知识创造效率,增强企业研发创新能力。进一步分析表明,不同类型人工智能技术在企业内部作用环节、传导机制和经济后果上存在明显差异。上述结论说明,应根据人工智能功能属性实施分类治理,并通过优化人才结构与技术应用场景配置,更好地释放人工智能赋能企业高质量发展的潜力。

关键词: 人工智能, 企业高质量发展, “节约型”技术, “增强型”技术

Abstract: How artificial intelligence drives high-quality development of enterprises has become an important topic in the digital economy era. The existing studies have paid insufficient attention to the differences in the effects of different types of artificial intelligence and their transmission mechanisms. From the perspective of technological heterogeneity and techno-economic characteristics, artificial intelligence can be classified into saving technologies, characterized by substituting for and collaborating with production labor, and enhancing technologies, characterized by empowering R&D labor. An empirical research based on the data of Chinese A-share listed firms from 2010 to 2023, together with two artificial intelligence indicators constructed through patent text analysis, shows that both types of artificial intelligence technologies can significantly improve firms’ operating revenue and total factor productivity. The mechanism analysis shows that saving technologies mainly promote the improvement of firms’ labor skill levels and resource allocation efficiency by substituting for low-skilled production labor and collaborating with high-skilled production labor, whereas enhancing technologies mainly strengthen firms’ R&D innovation capability by empowering R&D activities and improving knowledge creation efficiency. Further analysis shows that different types of artificial intelligence technologies differ significantly in their internal application links, transmission mechanisms, and economic consequences within firms. These findings suggest that governance should be implemented according to the functional attributes of artificial intelligence, and that the potential of artificial intelligence in promoting high-quality enterprise development can be better released by optimizing talent structure and the allocation of technology application scenarios.

Key words: artificial intelligence, high-quality development of enterprises, conservation-oriented technology, enhanced technology

中图分类号:

F270

欧阳嘉文, 梅国平, 何珏, 季凯文. 人工智能赋能企业高质量发展[J]. 当代财经, 2026, 0(5): 19-31.

Ouyang Jia-wen, Mei Guo-ping, He Jue, Ji Kai-wen. High-Quality Development of Enterprises Enabled by Artificial Intelligence[J]. Contemporary Finance & Economics, 2026, 0(5): 19-31.

参考文献

[1] 安同良, 吴致冶. 企业人工智能技术水平的分层测度及其创新效应——基于全球知识网络视角[J]. 中国工业经济, 2025, (6): 81-100.
[2] 蔡跃洲, 陈楠. 新技术革命下人工智能与高质量增长、高质量就业[J]. 数量经济技术经济研究, 2019, (5): 3-22.
[3] 陈洪章, 黎绍凯, 汤晓军. 工业机器人应用与企业服务化转型[J]. 当代财经, 2024, (7): 116-131.
[4] 陈明生, 杨思敏. 人工智能发展、旧分工消除与全体人民精神生活共同富裕的实现[J]. 社会科学研究, 2025, (6): 66-74.
[5] 戴魁早, 黄姿, 梁银笛. 数智技术、技术要素市场与服务型制造[J]. 中国工业经济, 2025, (1): 137-155.
[6] 丁志帆, 丁胜. 数字化转型、人力资本结构与企业发展质量: 理论机制与实证检验[J]. 宏观质量研究, 2024, (6): 30-43.
[7] 董直庆, 姜昊, 王林辉. “头部化” 抑或 “均等化” : 人工智能技术会改变企业规模分布吗?[J]. 数量经济技术经济研究, 2023, (2): 113-135.
[8] 韩文龙, 陈其煜, 张瑞生. 人工智能推动劳动过程变革的内在机理与影响研究[J]. 江西财经大学学报, 2025, (6): 38-52.
[9] 黄勃, 李海彤, 刘俊岐, 等. 数字技术创新与中国企业高质量发展——来自企业数字专利的证据[J]. 经济研究, 2023, (3): 97-115.
[10] 刘备, 邱兆轩, 任保平. 人工智能与企业高质量发展: 来自国家新一代人工智能创新发展试验区的经验证据[J]. 中国软科学, 2025, (6): 166-176.
[11] 刘志伟, 张秋生. 人工智能与企业投资效率提升[J/OL]. 财经论丛, 2025-10-09[2025-10-15]. DOI: 10.13762/j.cnki.cjlc.20250930.003.
[12] 梅国平, 何珏, 汪寿阳, 等. AI重塑经济高质量发展: “节约型” 与 “增强型” 技术的双重逻辑[J]. 系统工程理论与实践, 2025, (11): 3532-3553.
[13] 欧进锋, 叶祥松. 人工智能驱动制造业高质量发展的多维效应及作用机制研究[J]. 审计与经济研究, 2025, (4): 104-115.
[14] 彭一鸣, 徐进功. 生成式人工智能赋能新质生产力发展: 内在机理、现实挑战与应对策略[J/OL]. 江西财经大学学报, 2025-09-03[2025-10-17]. DOI: 10.13676/j.cnki.cn36-1224/f.20250902.001.
[15] 苏涛永, 郭鑫, 李雅洁. 人工智能促进企业持续性创新了吗?——基于人力资本结构与知识吸收能力视角[J]. 商业经济与管理, 2025, (4): 71-86.
[16] 王林辉, 胡晟明, 董直庆. 人工智能技术、任务属性与职业可替代风险: 来自微观层面的经验证据[J]. 管理世界, 2022, (7): 60-79.
[17] 王文涛, 修博文. 人工智能如何重塑劳动力市场: 创造还是替代?[J]. 首都经济贸易大学学报, 2025, (6): 67-81.
[18] 王晓丹, 周十同, 石玉堂. 人工智能的就业效应——基于双重机器学习的因果推断[J]. 商业经济与管理, 2025, (7): 32-49.
[19] 王治, 罗云磊, 谭欢. 社会责任文本信息操纵会影响企业高质量发展吗——基于自然语言处理方法的经验证据[J]. 会计研究, 2025, (7): 18-31.
[20] 吴小龙, 肖静华, 吴记. 当创意遇到智能: 人与AI协同的产品创新案例研究[J]. 管理世界, 2023, (5): 112-126+144+207.
[21] 杨仁发, 杨梅君. 数字化转型的持续性创新效应研究[J]. 数量经济技术经济研究, 2025, (2): 109-129.
[22] 姚加权, 张锟澎, 郭李鹏, 等. 人工智能如何提升企业生产效率? ——基于劳动力技能结构调整的视角[J]. 管理世界, 2024, (2): 101-116+133+233.
[23] 于翔, 牛彪. 企业数据资源与人力资本交互的价值创造效应研究[J]. 当代财经, 2025, (6): 139-149.
[24] 张俊瑞, 王倩雯, 曹泽勇, 等. “主动模仿” 与 “被动应对” : 企业数据资产信息披露同群效应研究[J]. 中国软科学, 2025, (10): 128-138.
[25] 赵恒春. 情绪劳动:人工智能时代人类劳动的价值指向——一项基于网络主播的实证研究[J]. 河南师范大学学报(哲学社会科学版), 2025, (3): 80-88.
[26] Acemoglu D, Restrepo P.The race between man and machine: Implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018, 108(6): 1488-1542.
[27] Acemoglu D, Restrepo P.Tasks, automation, and the rise in US wage inequality[J]. Econometrica, 2022, 90(5): 1973-2016.
[28] Autor D, Chin C, Salomons A, et al.New frontiers: The origins and content of new work, 1940—2018[J]. The Quarterly Journal of Economics, 2024, 139(3): 1399-1465.
[29] Babina T, Fedyk A, He A, et al.Artificial intelligence, firm growth, and product innovation[J]. Journal of Financial Economics, 2024, 151: 103745.
[30] Baqaee D R, Farhi E, Sangani K.The darwinian returns to scale[J]. Review of Economic Studies, 2024, (3): 1373-1405.
[31] Brynjolfsson E, Li D, Raymond L.Generative AI at work[J]. The Quarterly Journal of Economics, 2025, (2): 889-942.
[32] Hsieh C T, Klenow P J.Misallocation and manufacturing TFP in China and India[J]. The Quarterly Journal of Economics, 2009, 124(4): 1403-1448.
[33] Levinsohn J, Petrin A.Estimating production functions using inputs to control for unobservables[J]. The Review of Economic Studies, 2003, 70(2): 317-341.
[34] Noy S, Zhang W.Experimental evidence on the productivity effects of generative artificial intelligence[J]. Science, 2023, 381(6654): 187-192.