人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的影響研究

[摘 要]以2012—2022年滬深A(yù)股制造業(yè)上市企業(yè)為研究對(duì)象，運(yùn)用固定效應(yīng)模型實(shí)證檢驗(yàn)了人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的影響。研究發(fā)現(xiàn)：第一，人工智能應(yīng)用能提高制造業(yè)企業(yè)供應(yīng)鏈效率，經(jīng)過一系列穩(wěn)健性檢驗(yàn)后結(jié)論依然成立。第二，人工智能應(yīng)用通過促進(jìn)技術(shù)創(chuàng)新、提升運(yùn)營(yíng)效率、降低客戶集中度提高制造業(yè)企業(yè)供應(yīng)鏈效率。第三，人工智能應(yīng)用對(duì)中小企業(yè)、融資成本高和人力資本質(zhì)量低的制造業(yè)企業(yè)供應(yīng)鏈效率促進(jìn)作用更顯著。因此，制造業(yè)企業(yè)應(yīng)抓住政策機(jī)遇，加強(qiáng)人工智能應(yīng)用，提高供應(yīng)鏈效率。

[關(guān)鍵詞]人工智能應(yīng)用；供應(yīng)鏈效率；技術(shù)創(chuàng)新；運(yùn)營(yíng)效率；客戶集中度

[中圖分類號(hào)]F273 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1671-8372（2025）01-0040-10

Research on the influence of artificial intelligence application on the supply chain efficiency of manufacturing enterprises

CHEN Yang1，MENG Zhao-yang1，LI Cong2

（1.School of Economics and Management，Qingdao University of Science and Technology，Qingdao 266061，China；

2. School of Economics，Qingdao University，Qingdao 266075，China）

Abstract：Taking Shanghai-Shenzhen A-share manufacturing enterprises from 2012 to 2022 as the research object，this study empirically tests the influence of artificial intelligence application on the supply chain efficiency of manufacturing enterprises by using fixed effect model. The results show that：first，the application of artificial intelligence can improve the supply chain efficiency of manufacturing enterprises，and the conclusion remains valid after a series of robustness tests；second，the application of artificial intelligence can improve the supply chain efficiency of manufacturing enterprises by promoting technological innovation，improving operational efficiency，and reducing customer concentration；third，the application of artificial intelligence has a more significant role in promoting the supply chain efficiency of small and medium-sized enterprises，manufacturing enterprises with high financing costs and low human capital quality. Therefore，manufacturing enterprises should seize the policy opportunity to increase the application of artificial intelligence and improve the efficiency of their supply chains.

Key words：artificial intelligence application；supply chain efficiency；technological innovation；operational efficiency；customer concentration

一、引言與文獻(xiàn)綜述

近年來，由于我國勞動(dòng)力價(jià)格優(yōu)勢(shì)逐漸消失、中美貿(mào)易摩擦升級(jí)、國內(nèi)本土企業(yè)崛起等，部分國家提出供應(yīng)鏈“去中國化”，全球產(chǎn)業(yè)鏈供應(yīng)鏈?zhǔn)湛s，影響了我國產(chǎn)業(yè)鏈供應(yīng)鏈的安全穩(wěn)定[1]。在全球經(jīng)濟(jì)格局深度調(diào)整的背景下，供應(yīng)鏈的暢通和高效對(duì)于企業(yè)的可持續(xù)發(fā)展至關(guān)重要。中國正積極參與建設(shè)新型全球供應(yīng)鏈，致力于推動(dòng)全球貿(mào)易合作與經(jīng)濟(jì)發(fā)展，共同構(gòu)建一個(gè)更加開放、包容、平衡、共贏的經(jīng)濟(jì)體系。國務(wù)院2024年《政府工作報(bào)告》提出了“實(shí)施制造業(yè)重點(diǎn)產(chǎn)業(yè)鏈高質(zhì)量發(fā)展行動(dòng)，著力補(bǔ)齊短板、拉長(zhǎng)長(zhǎng)板、鍛造新板，增強(qiáng)產(chǎn)業(yè)鏈供應(yīng)鏈韌性和競(jìng)爭(zhēng)力”的要求。然而，我國整體供應(yīng)鏈效率水平不高且存在較大的地區(qū)差異，東部地區(qū)的供應(yīng)鏈效率普遍高于中西部地區(qū)[2-3]。在此背景下，企業(yè)需密切關(guān)注供應(yīng)鏈效率這一衡量供應(yīng)鏈性能優(yōu)劣的關(guān)鍵指標(biāo)。企業(yè)供應(yīng)鏈效率的提高有助于企業(yè)自身降低庫存成本，優(yōu)化資源配置，提升綜合競(jìng)爭(zhēng)優(yōu)勢(shì)，還可進(jìn)一步推動(dòng)供應(yīng)鏈上下游的聯(lián)系，提高信息傳播效率，提升市場(chǎng)交易活躍度[4]。

伴隨外部不確定性增強(qiáng)和經(jīng)濟(jì)下行壓力增大，人工智能對(duì)我國制造業(yè)發(fā)展的作用日益突出[5-6]。國家“十四五”規(guī)劃明確提出，要“深入實(shí)施智能制造和綠色制造工程，發(fā)展服務(wù)型制造新模式，推動(dòng)制造業(yè)高端化智能化綠色化”。當(dāng)前，人工智能不再是對(duì)勞動(dòng)力的簡(jiǎn)單替代，不再是以往“自動(dòng)化進(jìn)程”的簡(jiǎn)單延續(xù)[7]，而是企業(yè)在廣度和深度上的進(jìn)一步應(yīng)用，企業(yè)運(yùn)營(yíng)模式正在發(fā)生重大轉(zhuǎn)變。因此，是否能夠以及如何通過人工智能的應(yīng)用來提升企業(yè)供應(yīng)鏈效率、保障供應(yīng)鏈的安全穩(wěn)定，是一個(gè)亟待研究的重要議題。

供應(yīng)鏈效率通常反映了企業(yè)通過優(yōu)化資源配置、技術(shù)應(yīng)用及流程管理，實(shí)現(xiàn)物流成本最小化與利潤(rùn)最大化的能力[8-9]。已有研究表明，企業(yè)供應(yīng)鏈效率的影響因素大致可分為外部因素和內(nèi)部因素兩大類。關(guān)于外部影響因素，段文奇等認(rèn)為，貿(mào)易自由化有助于改善企業(yè)庫存管理，從而提高企業(yè)供應(yīng)鏈效率[10]；張晨霞等則認(rèn)為，市場(chǎng)分割會(huì)延長(zhǎng)企業(yè)采購提前期并提高提前期的不確定性，從而提高庫存、降低供應(yīng)鏈效率[11]。關(guān)于內(nèi)部影響因素，Brynjolfsson等、Ivanov等、戚聿東等都認(rèn)為，企業(yè)數(shù)字技術(shù)的應(yīng)用有利于加強(qiáng)供應(yīng)鏈上下游的有效對(duì)接，促進(jìn)供需匹配精準(zhǔn)度以及多方高效協(xié)同，進(jìn)而提升供應(yīng)鏈效率[12-14]；陸璐基于大數(shù)據(jù)分析的實(shí)證研究認(rèn)為，信息技術(shù)在企業(yè)的應(yīng)用對(duì)供應(yīng)鏈效率存在顯著正向影響[15]；Galbraith認(rèn)為，減少管理層級(jí)、授權(quán)一線員工決策，可加速供應(yīng)鏈異常事件的響應(yīng)速度，從而提高供應(yīng)鏈效率[16]。

有關(guān)人工智能應(yīng)用對(duì)經(jīng)濟(jì)發(fā)展影響的研究大致可分為宏觀和微觀兩個(gè)層面。宏觀層面主要涉及人工智能應(yīng)用對(duì)就業(yè)和產(chǎn)業(yè)發(fā)展的影響。Mokyr等、王永欽等研究認(rèn)為，機(jī)器人的使用催生了高新技術(shù)產(chǎn)業(yè)、服務(wù)業(yè)等更具比較優(yōu)勢(shì)的新工作崗位[17-18]；尹志鋒等則認(rèn)為，人工智能應(yīng)用引發(fā)就業(yè)結(jié)構(gòu)變化，可能導(dǎo)致結(jié)構(gòu)性失業(yè)[19]；劉鑫鑫等認(rèn)為，人工智能加速了制造業(yè)生產(chǎn)復(fù)蘇、推動(dòng)了制造業(yè)轉(zhuǎn)型和革新，并通過促進(jìn)產(chǎn)業(yè)集聚和科技創(chuàng)新間接作用于制造業(yè)韌性[20]。微觀層面主要涉及人工智能應(yīng)用對(duì)企業(yè)運(yùn)營(yíng)的影響。柯明等認(rèn)為，人工智能應(yīng)用可以通過降低勞動(dòng)力投入、外部銷售成本和內(nèi)部管理成本的方式提升企業(yè)全要素生產(chǎn)率，提高企業(yè)投入產(chǎn)出效率[21]；杜亞光等的實(shí)證研究表明，機(jī)器人的使用可以促進(jìn)客戶的穩(wěn)定性，從而有效提升企業(yè)價(jià)值[22]；Barreto等、江育俊等則認(rèn)為，人工智能應(yīng)用可通過完善企業(yè)物流的硬件設(shè)備、軟件平臺(tái)，提升數(shù)據(jù)服務(wù)水平，從而助力企業(yè)價(jià)值的提升[23-24]。

已有研究主要涉及供應(yīng)鏈效率的影響因素及人工智能應(yīng)用對(duì)就業(yè)、產(chǎn)業(yè)發(fā)展、企業(yè)運(yùn)營(yíng)等的影響，鮮有文獻(xiàn)關(guān)注人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的影響?；谝延醒芯靠梢哉J(rèn)為，人工智能應(yīng)用能夠?qū)ζ髽I(yè)供應(yīng)鏈效率產(chǎn)生積極作用。一方面，企業(yè)應(yīng)用人工智能可以全方位優(yōu)化資源配置，有效降低生產(chǎn)運(yùn)營(yíng)成本，縮短庫存周轉(zhuǎn)時(shí)間；另一方面，人工智能應(yīng)用有助于企業(yè)基于歷史數(shù)據(jù)優(yōu)化市場(chǎng)預(yù)測(cè)，設(shè)計(jì)出更符合客戶需求的產(chǎn)品，保障供應(yīng)鏈的穩(wěn)定。鑒于此，有必要基于制造業(yè)上市企業(yè)數(shù)據(jù)，實(shí)證研究人工智能應(yīng)用對(duì)企業(yè)供應(yīng)鏈效率的影響。本文的邊際貢獻(xiàn)為：首先，考慮到企業(yè)人工智能應(yīng)用與專利相關(guān)，將包含自動(dòng)、智能、人工智能等關(guān)鍵詞的專利作為企業(yè)人工智能應(yīng)用程度指標(biāo)，完善了在微觀層面對(duì)企業(yè)人工智能應(yīng)用程度的度量，可為后續(xù)研究奠定基礎(chǔ)。其次，關(guān)注人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的影響，在供應(yīng)鏈視角下豐富完善了人工智能應(yīng)用效果的實(shí)證研究。最后，從技術(shù)創(chuàng)新、運(yùn)營(yíng)效率和客戶集中度三個(gè)方面進(jìn)行機(jī)制分析，并從企業(yè)規(guī)模、融資成本、人力資本質(zhì)量三個(gè)角度進(jìn)行異質(zhì)性考察，有助于厘清人工智能應(yīng)用對(duì)企業(yè)供應(yīng)鏈效率的具體作用機(jī)制。

二、理論假設(shè)

供應(yīng)鏈效率是指企業(yè)通過優(yōu)化庫存周轉(zhuǎn)、物流路徑及需求響應(yīng)速度，實(shí)現(xiàn)從原材料采購到產(chǎn)品交付全流程的投入產(chǎn)出最大化[25]。其核心表征為庫存周轉(zhuǎn)天數(shù)縮短、訂單交付周期壓縮及運(yùn)營(yíng)成本占比下降[26]。人工智能應(yīng)用是指企業(yè)利用機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)、自然語言處理等技術(shù)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的智能決策與流程自動(dòng)化[12]。在供應(yīng)鏈管理中，具體表現(xiàn)為需求預(yù)測(cè)模型構(gòu)建、物流路徑動(dòng)態(tài)優(yōu)化及庫存水平實(shí)時(shí)監(jiān)控[23]。

當(dāng)供給遠(yuǎn)超市場(chǎng)需求時(shí)，企業(yè)的產(chǎn)品售不出去，資金進(jìn)不來，大量庫存的產(chǎn)生就會(huì)導(dǎo)致企業(yè)供應(yīng)鏈效率低下，甚至造成制造業(yè)企業(yè)供應(yīng)鏈斷裂[27]。因此，有效降低庫存容量，縮短庫存周轉(zhuǎn)天數(shù)能夠在降低企業(yè)的供應(yīng)鏈效率上發(fā)揮重要作用。制造業(yè)企業(yè)應(yīng)用人工智能技術(shù)有助于實(shí)現(xiàn)流程自動(dòng)化，可以降本增效，例如智能物流系統(tǒng)（無人搬運(yùn)、自動(dòng)化分揀等）可縮短運(yùn)輸周期，降低倉儲(chǔ)管理人力成本[13]。同時(shí)，基于歷史銷售數(shù)據(jù)與實(shí)時(shí)市場(chǎng)反饋，人工智能算法可動(dòng)態(tài)調(diào)整生產(chǎn)計(jì)劃與庫存配置，減少過量生產(chǎn)導(dǎo)致的資源閑置，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)決策，從而提高企業(yè)庫存管理能力[24，28]。此外，智能化能夠?qū)崿F(xiàn)需求響應(yīng)敏捷化，通過消費(fèi)者行為分析與需求預(yù)測(cè)模型，快速識(shí)別市場(chǎng)變化，降低“長(zhǎng)鞭效應(yīng)”引發(fā)的供需失衡風(fēng)險(xiǎn)，最終推動(dòng)制造業(yè)企業(yè)供應(yīng)鏈的高效運(yùn)行[29]。

據(jù)此，提出假設(shè)H1：人工智能應(yīng)用能提高制造業(yè)企業(yè)供應(yīng)鏈效率。

動(dòng)態(tài)能力理論強(qiáng)調(diào)，技術(shù)創(chuàng)新是企業(yè)適應(yīng)環(huán)境變化的核心路徑[30]。技術(shù)創(chuàng)新是指企業(yè)通過研發(fā)活動(dòng)形成新技術(shù)、新工藝或新產(chǎn)品，具體表現(xiàn)為專利產(chǎn)出增加、工藝流程改進(jìn)或產(chǎn)品迭代加速[31]。技術(shù)創(chuàng)新能夠通過提高企業(yè)供應(yīng)鏈運(yùn)作過程中的信息溝通和協(xié)作能力提升制造業(yè)企業(yè)的供應(yīng)鏈效率[32]。一方面，技術(shù)創(chuàng)新幫助企業(yè)運(yùn)用技術(shù)手段構(gòu)建網(wǎng)絡(luò)平臺(tái)，有助于實(shí)時(shí)監(jiān)控供應(yīng)鏈的各個(gè)環(huán)節(jié)，減少庫存積壓，縮短企業(yè)庫存周期[29]；另一方面，基于技術(shù)溢出效應(yīng)，人工智能專利積累推動(dòng)知識(shí)整合，加速供應(yīng)鏈上下游協(xié)同創(chuàng)新[33]，從而提高企業(yè)供應(yīng)鏈的知識(shí)存量、技術(shù)水平和管理能力，促使企業(yè)更有效率地創(chuàng)造出有價(jià)值的產(chǎn)品和服務(wù)[34]。企業(yè)通過人工智能應(yīng)用可增強(qiáng)知識(shí)多樣性、打破組織慣例、提高資源配置效率，從而促進(jìn)企業(yè)技術(shù)創(chuàng)新[33]。另外，資金的不足是阻礙企業(yè)進(jìn)行技術(shù)創(chuàng)新的重要因素。人工智能驅(qū)動(dòng)的精準(zhǔn)營(yíng)銷可擴(kuò)大客戶基數(shù)，增加銷售收入，為企業(yè)持續(xù)提供研發(fā)資金[35]。人工智能應(yīng)用也可提升企業(yè)聲譽(yù)而幫助企業(yè)獲得更多政府補(bǔ)貼和信用貸款，最終緩解企業(yè)技術(shù)創(chuàng)新面臨的資金不足[36]。

據(jù)此，提出假設(shè)H2a：人工智能應(yīng)用通過促進(jìn)技術(shù)創(chuàng)新提高制造業(yè)企業(yè)供應(yīng)鏈效率。

運(yùn)營(yíng)效率是指企業(yè)通過優(yōu)化資源配置與流程管理，實(shí)現(xiàn)單位產(chǎn)出的成本最小化與速度最大化，具體指標(biāo)包括勞動(dòng)生產(chǎn)率、設(shè)備利用率、訂單交付準(zhǔn)時(shí)率等[14]。企業(yè)運(yùn)營(yíng)效率的提高有助于提高企業(yè)利用和配置資源的效率，有效減少資源閑置問題，降低庫存周轉(zhuǎn)，從而提升供應(yīng)鏈效率[37]。企業(yè)運(yùn)營(yíng)效率低下會(huì)推高制造成本，削弱價(jià)格競(jìng)爭(zhēng)力并減少市場(chǎng)需求，進(jìn)而導(dǎo)致庫存積壓，最終降低供應(yīng)鏈整體效率[38-40]。人工智能應(yīng)用有助于制造業(yè)企業(yè)更新管理模式，優(yōu)化治理結(jié)構(gòu)，提升企業(yè)各部門之間的相互協(xié)作能力，從而提升企業(yè)運(yùn)營(yíng)效率[14，41]。首先，智能化轉(zhuǎn)型有助于企業(yè)優(yōu)化資金周轉(zhuǎn)，實(shí)時(shí)匹配訂單需求與產(chǎn)能，減少設(shè)備空轉(zhuǎn)，有效提升設(shè)備利用率[21]；其次，人工智能視覺質(zhì)檢降低次品率，減少返工與退貨成本，改善企業(yè)成本結(jié)構(gòu)[28]；最后，區(qū)塊鏈支持的供應(yīng)鏈金融平臺(tái)可以促進(jìn)上下游企業(yè)之間的相互配合，加速上下游資金結(jié)算，縮短應(yīng)付賬款周轉(zhuǎn)天數(shù)[22]。

據(jù)此，提出假設(shè)H2b：人工智能應(yīng)用通過提升運(yùn)營(yíng)效率提高制造業(yè)企業(yè)供應(yīng)鏈效率。

客戶集中度是指企業(yè)前五大客戶的銷售額占總營(yíng)收的比重，反映市場(chǎng)需求來源的集中性與風(fēng)險(xiǎn)敞口[42]。交易成本理論認(rèn)為，客戶分散化可降低議價(jià)權(quán)失衡導(dǎo)致的效率損失[43]。市場(chǎng)拓展能使更多消費(fèi)者參與制造業(yè)產(chǎn)品的最終消費(fèi)活動(dòng)，消費(fèi)者數(shù)量的增多引致對(duì)產(chǎn)品數(shù)量、種類等需求的提升，市場(chǎng)需求端的擴(kuò)展會(huì)倒逼企業(yè)適應(yīng)性改進(jìn)供應(yīng)鏈系統(tǒng)，提高供應(yīng)鏈效率[44]。一方面，制造業(yè)企業(yè)對(duì)人工智能的應(yīng)用促進(jìn)了市場(chǎng)信息的公開化、透明化，有助于緩解供應(yīng)鏈上下游之間的信息不對(duì)稱，從而促進(jìn)上下游企業(yè)間的交易。人工智能應(yīng)用還能夠提高動(dòng)態(tài)定價(jià)能力，增強(qiáng)中小客戶吸引力[45]。另一方面，伴隨數(shù)字化技術(shù)如人工智能等的應(yīng)用，互聯(lián)網(wǎng)平臺(tái)迅速發(fā)展。制造業(yè)企業(yè)通過網(wǎng)絡(luò)平臺(tái)精準(zhǔn)識(shí)別客戶需求，提供個(gè)性化服務(wù)，在留住老客戶的同時(shí)，又能吸引更多新客戶，降低了企業(yè)對(duì)于個(gè)別客戶的依賴程度[42]。企業(yè)借助網(wǎng)絡(luò)平臺(tái)其服務(wù)范圍不再局限于線下消費(fèi)者，而是擴(kuò)展至整個(gè)國內(nèi)市場(chǎng)，甚至觸及全球的海外消費(fèi)者。換言之，人工智能的應(yīng)用會(huì)降低制造業(yè)企業(yè)的客戶集中度。

據(jù)此，提出假設(shè)H2c：人工智能應(yīng)用通過降低客戶集中度提高制造業(yè)企業(yè)供應(yīng)鏈效率。

綜上所述，構(gòu)建人工智能應(yīng)用影響制造業(yè)企業(yè)供應(yīng)鏈效率的理論機(jī)制（見圖1）。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性，選取2012—2022年在滬深A(yù)股上市的制造業(yè)企業(yè)作為研究樣本。上市企業(yè)的財(cái)務(wù)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和巨潮網(wǎng)，專利數(shù)據(jù)則來源于中國國家知識(shí)產(chǎn)權(quán)局。刪除ST、*ST和已退市的企業(yè)樣本，最終共獲得22361個(gè)觀測(cè)值。

（二）變量說明

1.被解釋變量

供應(yīng)鏈效率（SCE）為被解釋變量。供應(yīng)鏈效率體現(xiàn)為對(duì)供應(yīng)鏈的有效管理，而供應(yīng)鏈管理主要涉及協(xié)調(diào)供應(yīng)鏈中各參與者的信息、產(chǎn)品、資金等。庫存周轉(zhuǎn)天數(shù)是企業(yè)供應(yīng)鏈效率的重要衡量指標(biāo)，存貨周轉(zhuǎn)天數(shù)越短，說明企業(yè)供應(yīng)鏈效率越高。因此，參考劉駿等的方法[26]，用上市企業(yè)庫存周轉(zhuǎn)天數(shù)來衡量企業(yè)供應(yīng)鏈效率。

2.核心解釋變量

人工智能應(yīng)用（AI）為核心解釋變量。借鑒董直慶等的方法[46]、Mann等的思路[47]，根據(jù)中國國家知識(shí)產(chǎn)權(quán)局的數(shù)據(jù)，檢索樣本企業(yè)2012—2022年所申請(qǐng)專利中包含自動(dòng)、智能、人工智能等關(guān)鍵詞的條目，若有一條則該企業(yè)當(dāng)年人工智能應(yīng)用程度加1。

3.控制變量

為了解決由遺漏變量引起的內(nèi)生性問題，借鑒劉駿等、曾嶒等的研究方法[26，48]，加入一系列控制變量，包括企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)收益率（ROA）、凈資產(chǎn)收益率（ROE）、現(xiàn)金流比率（Cashflow）、產(chǎn)權(quán)性質(zhì)（SOE）、托賓q（TobinQ）、股權(quán)集中度（Top1）、毛利潤(rùn)（GrossProfit）。主要變量的含義如表1所示。

（三）計(jì)量模型

借鑒杜亞光、史丹等的方法[22，49]，設(shè)定以下基準(zhǔn)回歸模型：

（1）

式（1）中，i表示企業(yè)，t表示年份，SCEit 表示供應(yīng)鏈效率，AIit 表示企業(yè)的人工智能應(yīng)用程度，Controlsit表示一系列控制變量，δi表示企業(yè)固定效應(yīng)，σt 表示年份固定效應(yīng)，εit 表示隨機(jī)誤差項(xiàng)。

（四）變量描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果如表2所示。制造業(yè)企業(yè)供應(yīng)鏈效率的均值為4.665，標(biāo)準(zhǔn)差為0.805，最大值與最小值差距懸殊，說明樣本范圍內(nèi)不同企業(yè)的供應(yīng)鏈管理水平有極大差異。人工智能應(yīng)用的平均值為0.022，最大值與最小值分別為9.020、0，說明企業(yè)的人工智能應(yīng)用水平也存在較大的差異。其余控制變量的分布特征與以往研究文獻(xiàn)的分析基本相似。

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果分析

由表3基準(zhǔn)回歸結(jié)果可知，無論是否加入控制變量，人工智能應(yīng)用的回歸系數(shù)均顯著為負(fù)，說明制造業(yè)企業(yè)的人工智能應(yīng)用可以縮短庫存周轉(zhuǎn)天數(shù)，提高供應(yīng)鏈效率。制造業(yè)企業(yè)的人工智能應(yīng)用程度越高，庫存周轉(zhuǎn)天數(shù)就越短，供應(yīng)鏈效率就越高。人工智能應(yīng)用程度越高，制造業(yè)企業(yè)生產(chǎn)流程越高效，對(duì)外部需求的預(yù)見性也越高，就可以依據(jù)消費(fèi)者偏好調(diào)整生產(chǎn)策略，進(jìn)而提升庫存管理能力、提高供應(yīng)鏈效率。這說明人工智能的應(yīng)用有利于制造業(yè)企業(yè)供應(yīng)鏈效率的提高，假設(shè)H1得證。

在控制變量中，產(chǎn)權(quán)性質(zhì)和毛利潤(rùn)的回歸系數(shù)均顯著為正，說明國有企業(yè)、毛利潤(rùn)較高企業(yè)的供應(yīng)鏈效率提升程度較高。國有企業(yè)能夠獲得更多的政策優(yōu)勢(shì)，毛利潤(rùn)較高的企業(yè)能夠抽出更多的資金來加大人工智能的應(yīng)用從而提高供應(yīng)鏈效率。而資產(chǎn)收益率和現(xiàn)金流比率的回歸系數(shù)顯著為負(fù)，說明降低資產(chǎn)收益率與現(xiàn)金流比率對(duì)于企業(yè)供應(yīng)鏈效率的提高有顯著促進(jìn)作用，與已有文獻(xiàn)結(jié)論類似[50]。

（二）穩(wěn)健性檢驗(yàn)

1.更換被解釋變量

為進(jìn)一步驗(yàn)證企業(yè)人工智能應(yīng)用能夠有效提高供應(yīng)鏈效率這一結(jié)論的穩(wěn)健性，更換企業(yè)供應(yīng)鏈效率的衡量指標(biāo)。因?yàn)闋I(yíng)業(yè)周期能夠反映企業(yè)整個(gè)經(jīng)營(yíng)活動(dòng)所花費(fèi)的時(shí)間，以營(yíng)業(yè)周期的自然對(duì)數(shù)（lnCycle）衡量供應(yīng)鏈效率，營(yíng)業(yè)周期越短，說明企業(yè)供應(yīng)鏈效率越高。表4列（1）結(jié)果顯示，人工智能應(yīng)用水平的系數(shù)為－0.237，在1％的水平上顯著為負(fù)，說明更換被解釋變量衡量方式后研究結(jié)果相似，研究結(jié)論穩(wěn)健。

2.更換核心解釋變量

借鑒張龍鵬等的方法[51]，以制造業(yè)上市企業(yè)年報(bào)中出現(xiàn)的與人工智能相關(guān)的關(guān)鍵詞次數(shù)（Frequency）作為衡量企業(yè)人工智能應(yīng)用的代理變量。其中，篩選出的人工智能關(guān)鍵詞主要包括計(jì)算機(jī)視覺、人工智能、圖像識(shí)別、知識(shí)圖譜、知識(shí)表示、人機(jī)對(duì)話、AI產(chǎn)品、人機(jī)交互、數(shù)據(jù)挖掘、自動(dòng)駕駛、智能零售、智能運(yùn)輸、智能計(jì)算等。表4列（2）結(jié)果顯示，關(guān)鍵詞次數(shù)的系數(shù)在1％的水平上顯著為負(fù)，說明研究結(jié)論穩(wěn)健。

3.滯后一期核心解釋變量

考慮到人工智能應(yīng)用的影響可能存在滯后性[52]，將解釋變量滯后一期進(jìn)行回歸。表4列（3）結(jié)果顯示，人工智能應(yīng)用水平系數(shù)在5％的水平上顯著為負(fù)，說明研究結(jié)論穩(wěn)健。

4.更換樣本區(qū)間

考慮到2020年和2021年受疫情影響，借鑒鄭景麗等的方法[53]，將2020和2021年的數(shù)據(jù)剔除后重新進(jìn)行回歸。表4列（4）結(jié)果顯示，人工智能應(yīng)用水平系數(shù)在1％的水平上顯著為負(fù)，說明研究結(jié)論穩(wěn)健。

5.剔除直轄市樣本

考慮到直轄市的經(jīng)濟(jì)發(fā)展規(guī)模、營(yíng)商環(huán)境等顯著優(yōu)于其他城市，其人工智能應(yīng)用與庫存周轉(zhuǎn)關(guān)系存在顯著差異，借鑒劉鑫鑫等的方法[20]，剔除北京、上海、重慶、天津四個(gè)直轄市樣本后重新進(jìn)行回歸。表4列（5）結(jié)果顯示，人工智能應(yīng)用水平系數(shù)在1％的水平上顯著為負(fù)，說明研究結(jié)論穩(wěn)健。

6.考慮企業(yè)上市時(shí)間

考慮到上市較早的企業(yè)大部分偏傳統(tǒng)類型，轉(zhuǎn)型升級(jí)速度較慢、水平較低，篩選出上市年份在2012年及以后的上市制造業(yè)企業(yè)重新進(jìn)行回歸。表4列（6）結(jié)果顯示，人工智能應(yīng)用水平系數(shù)在1％的水平上顯著為負(fù)，說明研究結(jié)論穩(wěn)健。

（三）機(jī)制檢驗(yàn)

1.技術(shù)創(chuàng)新渠道

借鑒余明桂等的研究方法[54]，采用研發(fā)投入占總資產(chǎn)的比例來評(píng)估制造業(yè)企業(yè)的技術(shù)創(chuàng)新水平（Innovation）。表5列（1）顯示，人工智能應(yīng)用對(duì)技術(shù)創(chuàng)新影響的系數(shù)在10％水平上顯著為正，說明人工智能應(yīng)用促進(jìn)了制造業(yè)企業(yè)技術(shù)創(chuàng)新。制造業(yè)企業(yè)應(yīng)用人工智能優(yōu)化資源配置，降低了物流、信用等成本，使得企業(yè)有更多資金用于技術(shù)創(chuàng)新。同時(shí)，企業(yè)通過技術(shù)創(chuàng)新獲得了更迅速、更詳細(xì)、更準(zhǔn)確的市場(chǎng)信息，推動(dòng)供應(yīng)鏈協(xié)同創(chuàng)新，縮短了庫存周轉(zhuǎn)，提高了供應(yīng)鏈效率。假設(shè)H2a得證。

2.運(yùn)營(yíng)效率渠道

采用勞動(dòng)生產(chǎn)率（Labour）和資本利用率（Capital）作為企業(yè)運(yùn)營(yíng)效率的表征指標(biāo)。表5列（2）顯示，人工智能應(yīng)用在1％水平上顯著提高了勞動(dòng)生產(chǎn)率；表5列（3）顯示，人工智能應(yīng)用在10％水平上顯著提高了資本利用率。人工智能應(yīng)用通過提高勞動(dòng)生產(chǎn)率和資本利用率改善企業(yè)管理模式和內(nèi)部治理水平，提高了企業(yè)運(yùn)營(yíng)效率。而企業(yè)運(yùn)營(yíng)效率的提升有助于優(yōu)化資源配置效率、降低產(chǎn)品制造成本，提高產(chǎn)品競(jìng)爭(zhēng)力，有效降低庫存周轉(zhuǎn)，最終提高供應(yīng)鏈效率。假設(shè)H2b得證。

3.客戶集中度渠道

參考陳劍等的研究[42]，采用企業(yè)前五大客戶銷售額占總營(yíng)收比重表征客戶集中度（Customer）。表5列（4）顯示，人工智能應(yīng)用在5％的水平上顯著降低了客戶集中度。人工智能應(yīng)用提高了企業(yè)信息透明度，利于上下游企業(yè)建立良好合作關(guān)系，也利于企業(yè)精準(zhǔn)捕捉客戶需求，有效維系老客戶并吸引新客戶，顯著擴(kuò)大市場(chǎng)規(guī)模。消費(fèi)者數(shù)量激增引致的對(duì)產(chǎn)品數(shù)量與種類的需求，極大促進(jìn)了制造業(yè)企業(yè)產(chǎn)品的生產(chǎn)和銷售，縮短企業(yè)庫存周轉(zhuǎn)時(shí)間，提高企業(yè)供應(yīng)鏈效率。假設(shè)H2c得證。

（四）異質(zhì)性分析

1. 基于企業(yè)規(guī)模的異質(zhì)性分析

將樣本企業(yè)中總資產(chǎn)大于樣本中位數(shù)的制造業(yè)企業(yè)設(shè)定為大型企業(yè)，其余為中小型企業(yè)。表6列（1）和列（2）顯示，人工智能應(yīng)用顯著降低了中小型制造業(yè)企業(yè)的庫存周轉(zhuǎn)天數(shù)，而對(duì)大型企業(yè)的供應(yīng)鏈效率提升不明顯。大型企業(yè)本身具有相對(duì)穩(wěn)定的上下游客戶關(guān)系，具有人才、資金優(yōu)勢(shì)，人工智能的應(yīng)用對(duì)這些大型企業(yè)供應(yīng)鏈效率的提升不是特別明顯。相對(duì)而言，中小型企業(yè)自身不具備大型企業(yè)的優(yōu)勢(shì)，應(yīng)用人工智能可以更有效地促進(jìn)技術(shù)創(chuàng)新、提升運(yùn)營(yíng)效率等，從而對(duì)供應(yīng)鏈效率的提高更明顯。

2. 基于融資成本的異質(zhì)性分析

參考王紅建等的研究[55]，利用財(cái)務(wù)狀況指數(shù)來衡量企業(yè)的融資成本。將財(cái)務(wù)狀況指數(shù)大于中位數(shù)的設(shè)為融資成本高的樣本，其余則為融資成本低的樣本。表6列（3）和列（4）顯示，人工智能應(yīng)用對(duì)融資成本高的企業(yè)的供應(yīng)鏈效率的影響作用明顯，而對(duì)融資成本低的企業(yè)影響不顯著。人工智能應(yīng)用能顯著優(yōu)化供應(yīng)鏈流程，優(yōu)化資源配置，而融資成本高的制造業(yè)企業(yè)通常對(duì)成本節(jié)約和效率提升的需求更為迫切，因而其人工智能的應(yīng)用對(duì)供應(yīng)鏈效率的影響更加顯著。

3. 基于人力資本質(zhì)量的異質(zhì)性分析

參考肖土盛等的做法[56]，計(jì)算各企業(yè)中研究生及以上學(xué)歷的員工數(shù)量占員工總數(shù)的比值并取中位數(shù)，大于中位數(shù)的設(shè)為人力資本質(zhì)量高的企業(yè)，其余則為人力資本質(zhì)量低的企業(yè)。表6列（5）和列（6）結(jié)果顯示，人工智能應(yīng)用顯著降低了人力資本質(zhì)量較低的企業(yè)的庫存周轉(zhuǎn)天數(shù)，提高了供應(yīng)鏈效率，而對(duì)人力資本質(zhì)量高的企業(yè)的庫存周轉(zhuǎn)天數(shù)影響不顯著。人力資本質(zhì)量較低的企業(yè)更加需要通過應(yīng)用人工智能來提升企業(yè)的管理、運(yùn)營(yíng)、銷售等水平，因而人工智能的應(yīng)用對(duì)其供應(yīng)鏈效率的影響更加顯著。

五、結(jié)論與政策建議

本文以滬深A(yù)股制造業(yè)上市企業(yè)為研究對(duì)象，實(shí)證檢驗(yàn)了人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的影響。主要結(jié)論為：首先，人工智能應(yīng)用有助于制造業(yè)企業(yè)降低庫存周轉(zhuǎn)天數(shù)，從而提高企業(yè)供應(yīng)鏈效率。在進(jìn)行一系列穩(wěn)健性檢驗(yàn)后，結(jié)論依然成立。其次，促進(jìn)技術(shù)創(chuàng)新、提升運(yùn)營(yíng)效率、降低客戶集中度是企業(yè)應(yīng)用人工智能提高供應(yīng)鏈效率的三條主要途徑。最后，人工智能應(yīng)用對(duì)制造業(yè)企業(yè)供應(yīng)鏈效率的促進(jìn)作用在中小企業(yè)、融資成本高、人力資本質(zhì)量低的企業(yè)更顯著。

基于上述結(jié)論，提出以下政策建議：

第一，政府應(yīng)當(dāng)鼓勵(lì)制造業(yè)企業(yè)加強(qiáng)人工智能應(yīng)用，特別是在供應(yīng)鏈管理領(lǐng)域。在鼓勵(lì)政策方面，制定稅收減免、資金補(bǔ)貼等措施，支持人工智能驅(qū)動(dòng)的循環(huán)經(jīng)濟(jì)模式，給予采用人工智能優(yōu)化碳足跡的企業(yè)綠色信貸利率優(yōu)惠，降低企業(yè)應(yīng)用人工智能的成本。在供應(yīng)鏈管理方面，建設(shè)供應(yīng)鏈人工智能風(fēng)險(xiǎn)防控體系，如制定供應(yīng)鏈敏感信息（客戶訂單、庫存數(shù)據(jù)等）的加密與脫敏標(biāo)準(zhǔn)、為極端情境（疫情、地緣沖突等）下的供應(yīng)鏈中斷風(fēng)險(xiǎn)制定動(dòng)態(tài)應(yīng)急預(yù)案。此外，開展跨境數(shù)據(jù)流通試點(diǎn)，推動(dòng)基于區(qū)塊鏈的跨境供應(yīng)鏈數(shù)據(jù)交換，深化人工智能與全球供應(yīng)鏈的融合。

第二，制造業(yè)企業(yè)應(yīng)當(dāng)通過人工智能應(yīng)用加大研發(fā)投入、提高運(yùn)營(yíng)效率、拓展市場(chǎng)邊界。企業(yè)與高校合作，通過產(chǎn)教融合，搭建人才共享平臺(tái)，建立人工智能工程師庫，完善人工智能人才培養(yǎng)與共享機(jī)制，降低人力資本壁壘，推動(dòng)技術(shù)創(chuàng)新。強(qiáng)化企業(yè)供應(yīng)鏈上下游的協(xié)同創(chuàng)新，深入實(shí)施數(shù)字化轉(zhuǎn)型，通過數(shù)據(jù)實(shí)時(shí)監(jiān)控緩解信息不對(duì)稱，降低管理和交易成本，以提高企業(yè)運(yùn)營(yíng)效率。應(yīng)用人工智能搭建供應(yīng)鏈網(wǎng)絡(luò)平臺(tái)，優(yōu)化資源配置，并通過精準(zhǔn)識(shí)別市場(chǎng)需求減少企業(yè)庫存周轉(zhuǎn)天數(shù)，提高企業(yè)供應(yīng)鏈效率。

第三，構(gòu)建分層次的人工智能賦能體系，有效發(fā)揮制造業(yè)智能化轉(zhuǎn)型對(duì)供應(yīng)鏈效率的積極作用。鼓勵(lì)大型龍頭企業(yè)開放人工智能對(duì)接平臺(tái)接口，為上下游企業(yè)提供低成本服務(wù)（如海爾卡奧斯模式“COSMOPlat”）。對(duì)首次部署智能倉儲(chǔ)、預(yù)測(cè)系統(tǒng)的企業(yè)給予30％～50%的成本補(bǔ)貼（如歐盟數(shù)字歐洲計(jì)劃“Digital Europe Programme”）。建立融資擔(dān)保機(jī)制，提供專項(xiàng)貸款，支持融資成本高的制造業(yè)企業(yè)應(yīng)用人工智能。人力資本質(zhì)量較低的制造業(yè)企業(yè)應(yīng)完善吸引、留住人才的管理制度，提高自主創(chuàng)新能力，避免關(guān)鍵領(lǐng)域被“卡脖子”。

［參考文獻(xiàn)］

王一鳴．百年大變局、高質(zhì)量發(fā)展與構(gòu)建新發(fā)展格局[J]．管理世界，2020（12）：1-12.

張任之.數(shù)字技術(shù)與供應(yīng)鏈效率：理論機(jī)制與經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)與管理研究，2022（5）：60-76.

吳俊紅.中國區(qū)域物流發(fā)展差異及其影響因素研究[D].成都：西南交通大學(xué)，2014.

沈坤榮，喬剛.供應(yīng)鏈創(chuàng)新、不確定性與企業(yè)資源配置：基于存貨調(diào)整視角[J]. 經(jīng)濟(jì)管理，2024（9）：49-68.

張鵬飛.中國經(jīng)濟(jì)下行壓力大的現(xiàn)狀及原因分析[J]. 金融經(jīng)濟(jì)，2015（16）：39-40.

蘭順正.“混合戰(zhàn)爭(zhēng)”大行其道 未來世界局勢(shì)更添復(fù)雜[J]. 坦克裝甲車輛，2022（8）：36-39.

蔡躍洲，陳楠.新技術(shù)革命下人工智能與高質(zhì)量增長(zhǎng)、高質(zhì)量就業(yè)[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019（5）：3-22.

FISHER M L. What is the right supply chain for your product？[J].Harvard Business Review，1997（2）：105-116.

CHOPRA S，MEINDL P. Supply Chain Management：Strategy，Planning，and Operation[M]. 7th ed. Hoboken：Pearson，2021.

段文奇，景光正.貿(mào)易便利化、全球價(jià)值鏈嵌入與供應(yīng)鏈效率：基于出口企業(yè)庫存的視角[J]. 中國工業(yè)經(jīng)濟(jì)，2021（2）：117-135.

張晨霞，俞萍萍.國內(nèi)市場(chǎng)分割與供應(yīng)鏈效率：基于企業(yè)庫存視角[J]. 國際商務(wù)（對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)），2022（3）：123-139.

Brynjolfsson E，McElheran K. The rapid adoption of data-driven decision-making[J]. American Economic Review，2016，106（5）：133-139.

Ivanov D，Dolgui A，Sokolov B. The impact of digital technology and industry 4.0 on the ripple effect and supply chain risk analytics[J]. International Journal of Production Research，2019，57（3）：829-846.

戚聿東，蔡呈偉.數(shù)字化對(duì)制造業(yè)企業(yè)績(jī)效的多重影響及其機(jī)理研究[J].學(xué)習(xí)與探索，2020（7）：108-119.

陸璐.基于信息技術(shù)的流通經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型對(duì)供應(yīng)鏈效率的影響：以大數(shù)據(jù)分析為中介效應(yīng)研究[J]. 商業(yè)經(jīng)濟(jì)研究，2024（14）：97-100.

GALBRAITH J R. Designing organizations：Strategy，structure，and process at the business unit and enterprise levels[M]. 3rd ed. San Francisco：Jossey-Bass，2014.

Mokyr J，Vickers C，Ziebarth N L. The history of technological anxiety and the future of economic growth：is this time different？[J]. Journal of Economic Perspectives，2015（3）：31-50.

王永欽，董雯.機(jī)器人的興起如何影響中國勞動(dòng)力市場(chǎng)：來自制造業(yè)上市公司的證據(jù)[J]. 經(jīng)濟(jì)研究，2020（10）：159-175.

尹志鋒，曹愛家，郭家寶，等.基于專利數(shù)據(jù)的人工智能就業(yè)效應(yīng)研究：來自中關(guān)村企業(yè)的微觀證據(jù)[J]. 中國工業(yè)經(jīng)濟(jì)，2023（5）：137-154.

劉鑫鑫，韓先鋒.人工智能與制造業(yè)韌性：內(nèi)在機(jī)制與實(shí)證檢驗(yàn)[J]. 經(jīng)濟(jì)管理，2023（11）：48-67.

柯明，楊雙至，戴翔.人工智能推動(dòng)企業(yè)出口升級(jí)了嗎[J]. 國際貿(mào)易問題，2023（8）：125-142.

杜亞光，何瑛，金振，等.人工智能與企業(yè)客戶穩(wěn)定性：基于中國工業(yè)機(jī)器人應(yīng)用的證據(jù)[J]. 經(jīng)濟(jì)問題，2024（2）：48-56.

Barreto L，Amaral A，Pereira T．Industry 4.0 implications in logistics：an overview[J]．Procedia manufacturing，2017，13：1245-1252．

江育俊.人工智能在供應(yīng)鏈領(lǐng)域的應(yīng)用可行性研究[J].智慧中國，2024（Z1）：84-86.

Hendricks K B，Singhal V R. Association between supply chain glitches and operating performance[J]. Management Science，2005，51（5）：695-711.

劉駿，張義坤.數(shù)字化轉(zhuǎn)型能提高企業(yè)供應(yīng)鏈效率嗎：來自中國制造業(yè)上市公司年報(bào)文本分析的證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2023（6）：73-86.

王永進(jìn)，匡霞，邵文波.信息化、企業(yè)柔性與產(chǎn)能利用率[J].世界經(jīng)濟(jì)，2017（1）：67-90.

權(quán)小鋒，李闖.智能制造與成本粘性：來自中國智能制造示范項(xiàng)目的準(zhǔn)自然實(shí)驗(yàn)[J].經(jīng)濟(jì)研究，2022（4）：68-84.

Lee H H，Zhou J，Hsu P H．The role of innovation in inventory turnover performance[J]．Decision support systems，2015，76：35-44．

Teece D J，Pisano G，Shuen A. Dynamic capabilities and strategic management[J]. Strategic Management Journal，1997，18（7）：509-533.

Aghion P，Van R J，Zingales L. Innovation and institutional ownership[J]. American Economic Review，2016，106（1）：277-304.

楊新玉.數(shù)字化創(chuàng)新對(duì)制造企業(yè)供應(yīng)鏈效率的影響研究[D].太原：山西財(cái)經(jīng)大學(xué)，2024.

李玉花，林雨昕，李丹丹.人工智能技術(shù)應(yīng)用如何影響企業(yè)創(chuàng)新[J].中國工業(yè)經(jīng)濟(jì)，2024（10）：155-173.

蔣云鳳.協(xié)同創(chuàng)新對(duì)可持續(xù)供應(yīng)鏈績(jī)效的影響機(jī)理研究[D].太原：太原理工大學(xué)，2017.

鞠曉生，盧荻，虞義華．融資約束、營(yíng)運(yùn)資本管理與企業(yè)創(chuàng)新可持續(xù)性[J]．經(jīng)濟(jì)研究，2013（1）：4-16．

BRAMMER S，PAVELIN S. Corporate reputation and social performance：the importance of fit[J]. Journal of Management Studies，2006，43（3）：435-455.

HITT M A，IRELAND R D，HOSKISSON R E. Strategic Management：Concepts and Cases[M]. 12th ed. Boston，MA：Cengage Learning，2016.

PORTER M E. Competitive Advantage：Creating and Sustaining Superior Performance[M]. New York：Free Press，1985.

Goldfarb A，Tucker C. Digital economics[J]. Journal of Economic Literature，2019，57（1）：3-43.

劉益，李恒. 質(zhì)量管理實(shí)踐對(duì)供應(yīng)鏈協(xié)同績(jī)效的影響[J]. 管理工程學(xué)報(bào)，2017（1）：56-65.

KAMBLE S S，GUNASEKARAN A，SHARMA R. Understanding the determinants of digital supply chain adoption in the food and beverage industry：an empirical study[J]. Business Process Management Journal，2018，24（3）：654-670.

陳劍，黃朔，劉運(yùn)輝.從賦能到使能：數(shù)字化環(huán)境下的企業(yè)運(yùn)營(yíng)管理[J].管理世界，2020（2）：117-128.

Williamson O E. The economic institutions of capitalism[M]. New York：Free Press，1985：78-95.

SIMCHI-LEVI D，KAMINSKY P，SIMCHI-LEVI E. Operations and supply chain management：the core[J]. Management Science，2020，66（5）：1987-2004.

WEBER T A，NEUHOFF K. Carbon markets and technological innovation[J]. Journal of Environmental Economics and Management，2010，60（2）：115-132.

董直慶，姜浩，王林輝.“頭部化”抑或“均等化”：人工智能技術(shù)會(huì)改變企業(yè)規(guī)模分部嗎[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023（2）：113-135.

Mann K，Püttmann L. Benign effects of automation：new evidence from patent texts[J]. Review of Economics and Statistics，2023，105（3）：562-579.

曾嶒，唐松.新冠疫情下國有企業(yè)的經(jīng)濟(jì)穩(wěn)定器作用：基于供應(yīng)鏈扶持的視角[J]. 經(jīng)濟(jì)研究，2023（3）：78-96.

史丹，葉云嶺.人工智能、就業(yè)結(jié)構(gòu)與高質(zhì)量發(fā)展[J].當(dāng)代財(cái)經(jīng)，2023（5）：3-14.

李萬利，劉虎春，龍志能，等.企業(yè)數(shù)字化轉(zhuǎn)型與供應(yīng)鏈地理分布[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023（8）：90-110.

張龍鵬，鐘易霖.價(jià)值鏈視角下人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響：基于中國A股上市公司的實(shí)證研究[J]. 經(jīng)濟(jì)體制改革，2023（4）：106-113.

吳非，胡慧芷，林慧妍，等．企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)：來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J]．管理世界，2021（7）：130-144．

鄭景麗，王喜虹，張雪梅.人工智能如何影響勞動(dòng)收入份額：基于產(chǎn)業(yè)結(jié)構(gòu)與企業(yè)升級(jí)的機(jī)制探討[J]. 南開經(jīng)濟(jì)研究，2024（4）：3-22.

余明桂，范蕊，鐘慧潔．中國產(chǎn)業(yè)政策與企業(yè)技術(shù)創(chuàng)新[J]．中國工業(yè)經(jīng)濟(jì)，2016（12）：5-22.

王紅建，曹瑜強(qiáng)，楊慶，等.實(shí)體企業(yè)金融化促進(jìn)還是抑制了企業(yè)創(chuàng)新：基于中國制造業(yè)上市公司的經(jīng)驗(yàn)研究[J]. 南開管理評(píng)論，2017（1）：155-166.

肖土盛，吳雨珊，亓文韜．?dāng)?shù)字化的翅膀能否助力企業(yè)高質(zhì)量發(fā)展：來自企業(yè)創(chuàng)新的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)管理，2022（5）：41-62.

[責(zé)任編輯 張桂霞]