人工智能如何賦能企業(yè)新質(zhì)生產(chǎn)力

摘 要：提升智能化水平是企業(yè)加快形成新質(zhì)生產(chǎn)力的關(guān)鍵舉措。選取2013—2022年A股上市公司為研究樣本，探討人工智能對企業(yè)新質(zhì)生產(chǎn)力的賦能機(jī)制。結(jié)果發(fā)現(xiàn)：人工智能通過增強(qiáng)數(shù)字創(chuàng)新能力、提高供應(yīng)鏈效率和降低信息不對稱程度賦能企業(yè)新質(zhì)生產(chǎn)力。異質(zhì)性分析發(fā)現(xiàn)，人工智能對不同類型企業(yè)新質(zhì)生產(chǎn)力的賦能作用存在顯著差異。具體而言，在國有企業(yè)、勞動密集程度較高企業(yè)、高技術(shù)行業(yè)企業(yè)以及財政支持力度較大地區(qū)企業(yè)中，人工智能對新質(zhì)生產(chǎn)力的賦能作用更顯著。結(jié)論揭示人工智能在企業(yè)運(yùn)營過程中的賦能作用，為推動企業(yè)新質(zhì)生產(chǎn)力發(fā)展提供有益參考。

關(guān)鍵詞：人工智能；新質(zhì)生產(chǎn)力；數(shù)字創(chuàng)新能力；供應(yīng)鏈效率

DOI：10.6049/kjjbydc.L2024XZ199 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID） 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：F272 文獻(xiàn)標(biāo)識碼：A

文章編號：1001-7348（2025）07-0001-08

0 引言

新質(zhì)生產(chǎn)力是對傳統(tǒng)生產(chǎn)力的躍升，是生產(chǎn)力“新”和“質(zhì)”的結(jié)合，以新要素、新技術(shù)和新產(chǎn)業(yè)為主導(dǎo)，更是生產(chǎn)力高質(zhì)量、多質(zhì)性和雙質(zhì)效發(fā)展^[1-2]?？萍紕?chuàng)新是新質(zhì)生產(chǎn)力發(fā)展的關(guān)鍵驅(qū)動要素，技術(shù)創(chuàng)新能促進(jìn)傳統(tǒng)生產(chǎn)力質(zhì)態(tài)轉(zhuǎn)變，進(jìn)而創(chuàng)造生產(chǎn)力的新形態(tài)^[3]。作為新一代數(shù)字技術(shù)，人工智能促使生產(chǎn)方式、生產(chǎn)流程和生產(chǎn)模式發(fā)生顛覆性變化，加速生產(chǎn)要素向生產(chǎn)能力轉(zhuǎn)變，為新質(zhì)生產(chǎn)力發(fā)展提供了新動能。因此，有必要探討人工智能對新質(zhì)生產(chǎn)力的影響，深入分析其作用機(jī)制，為企業(yè)推進(jìn)新質(zhì)生產(chǎn)力發(fā)展提供理論指導(dǎo)。

現(xiàn)有人工智能研究聚焦宏觀層面，探討人工智能對宏觀經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)升級、勞動力結(jié)構(gòu)及收入等方面的影響^[4-6]。隨著企業(yè)智能化轉(zhuǎn)型的不斷推進(jìn)，越來越多的學(xué)者開始關(guān)注人工智能對企業(yè)的影響。例如，Li amp; Branstetter^[7]研究發(fā)現(xiàn)，智能制造政策能夠提升企業(yè)生產(chǎn)效率；辛大楞和邱悅^[8]研究發(fā)現(xiàn)，人工智能通過融資效應(yīng)和技能升級效應(yīng)促進(jìn)企業(yè)進(jìn)口擴(kuò)張；沈坤榮等^[9]研究發(fā)現(xiàn)，智能制造政策通過信息化、人力資本和資金渠道促進(jìn)企業(yè)生產(chǎn)效率提升；馮婉昕^[10]實(shí)證檢驗(yàn)國家人工智能先導(dǎo)區(qū)政策對企業(yè)金融配置的影響。部分研究以行業(yè)層面的工業(yè)機(jī)器人滲透度測量企業(yè)人工智能水平，探討人工智能政策對企業(yè)的影響，鮮有文獻(xiàn)利用機(jī)器學(xué)習(xí)構(gòu)建企業(yè)人工智能指標(biāo)體系以探究其對企業(yè)新質(zhì)生產(chǎn)力的影響。

本文利用上市公司數(shù)據(jù)，實(shí)證檢驗(yàn)人工智能對新質(zhì)生產(chǎn)力的賦能路徑，從企業(yè)、行業(yè)和地區(qū)差異性3個層面進(jìn)行異質(zhì)性分析。本文創(chuàng)新之處如下：第一，探討人工智能對企業(yè)發(fā)展的影響?，F(xiàn)有人工智能研究基于宏觀層面關(guān)注人工智能對地區(qū)、行業(yè)和勞動力市場的影響，微觀層面研究較少，本文利用文本分析和機(jī)器學(xué)習(xí)方法測度企業(yè)人工智能水平。第二，豐富企業(yè)新質(zhì)生產(chǎn)力研究。本文利用上市公司數(shù)據(jù)實(shí)證分析人工智能對企業(yè)新質(zhì)生產(chǎn)力的影響，以期拓展企業(yè)新質(zhì)生產(chǎn)力研究。第三，為促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展提供理論支撐。目前，鮮有文獻(xiàn)分析人工智能技術(shù)如何賦能企業(yè)新質(zhì)生產(chǎn)力發(fā)展。本文從技術(shù)、效率和信息3個方面探究人工智能如何賦能企業(yè)新質(zhì)生產(chǎn)力，以期為企業(yè)加快發(fā)展新質(zhì)生產(chǎn)力提供啟示。

1 理論分析與研究假設(shè)

從政治學(xué)視角看，新質(zhì)生產(chǎn)力不僅是對馬克思主義生產(chǎn)力理論的繼承與發(fā)展，更是與數(shù)據(jù)要素深度融合的體現(xiàn)，其核心內(nèi)涵在于勞動者、勞動對象與勞動資料的優(yōu)化組合。新質(zhì)生產(chǎn)力的提出不僅豐富了馬克思主義生產(chǎn)力理論內(nèi)涵，也為實(shí)現(xiàn)中國式現(xiàn)代化提供了理論支撐與實(shí)踐指導(dǎo)。從經(jīng)濟(jì)學(xué)視角看，新質(zhì)生產(chǎn)力以科技創(chuàng)新為驅(qū)動要素，以戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)為主要載體，是高質(zhì)量發(fā)展的推動力。根據(jù)熊彼特的創(chuàng)新與內(nèi)生增長理論，技術(shù)進(jìn)步所發(fā)揮的“創(chuàng)造性破壞”作用能夠促進(jìn)經(jīng)濟(jì)增長^[11]。人工智能技術(shù)有助于營造創(chuàng)造性破壞環(huán)境，在促進(jìn)生產(chǎn)力和經(jīng)濟(jì)高質(zhì)量發(fā)展方面具有重大潛力。另外，人工智能技術(shù)能夠與經(jīng)濟(jì)社會深度融合，促使生產(chǎn)要素和生產(chǎn)關(guān)系向智能化方向發(fā)展，為生產(chǎn)力發(fā)展提供高素質(zhì)勞動者以及高技術(shù)含量生產(chǎn)資料，進(jìn)而促進(jìn)生產(chǎn)力躍升。

具體到微觀企業(yè)層面，人工智能通過如下渠道賦能企業(yè)新質(zhì)生產(chǎn)力：其一，企業(yè)可以利用人工智能開展數(shù)字技術(shù)創(chuàng)新，實(shí)現(xiàn)技術(shù)賦能。其二，人工智能通過數(shù)據(jù)分析、預(yù)測與智能化決策等手段優(yōu)化供應(yīng)鏈流程，實(shí)現(xiàn)效率賦能。其三，人工智能能夠快速獲取和分析內(nèi)外部信息，降低企業(yè)信息不對稱程度，實(shí)現(xiàn)信息賦能。

（1）從技術(shù)創(chuàng)新賦能角度看，人工智能可為企業(yè)數(shù)字技術(shù)創(chuàng)新提供新的工具和手段，有助于企業(yè)基于海量數(shù)據(jù)和應(yīng)用場景提升數(shù)字技術(shù)創(chuàng)新能力，從而促進(jìn)新質(zhì)生產(chǎn)力發(fā)展。一是人工智能具有知識溢出效應(yīng)，在各領(lǐng)域應(yīng)用可衍生出新的技術(shù)和解決方案^[12-13]。企業(yè)利用人工智能進(jìn)行研發(fā)和創(chuàng)新，開發(fā)智能化產(chǎn)品，提升數(shù)字技術(shù)創(chuàng)新能力。二是企業(yè)借助人工智能實(shí)現(xiàn)智能化生產(chǎn)和供應(yīng)鏈管理，降低成本和提高競爭力，為創(chuàng)新活動營造良好環(huán)境^[14]。三是人工智能在數(shù)據(jù)資源利用方面具有顯著優(yōu)勢。通過數(shù)據(jù)分析、挖掘和預(yù)測等手段，企業(yè)能夠深入洞察市場趨勢和用戶需求，制定決策實(shí)現(xiàn)業(yè)務(wù)升級，為創(chuàng)新提供有力支持。例如，通過分析用戶行為，企業(yè)可以挖掘潛在創(chuàng)新機(jī)會。因此，本文認(rèn)為人工智能可以增強(qiáng)企業(yè)數(shù)字創(chuàng)新能力，為技術(shù)創(chuàng)新提供技術(shù)支持、管理支持和數(shù)據(jù)支持，進(jìn)而推動企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

（2）從效率賦能角度看，人工智能通過提升供應(yīng)鏈效率、資源配置效率和生產(chǎn)效率促進(jìn)新質(zhì)生產(chǎn)力發(fā)展。第一，人工智能應(yīng)用于實(shí)時數(shù)據(jù)處理和應(yīng)用場景，有助于企業(yè)實(shí)時收集、處理和分析數(shù)據(jù)，為供應(yīng)鏈運(yùn)營提供智能化決策支持^[15]。人工智能可自動調(diào)整庫存、生產(chǎn)、物流等環(huán)節(jié)資源配置，確保供應(yīng)鏈高效運(yùn)行。通過優(yōu)化資源配置，人工智能可降低企業(yè)運(yùn)營成本，提高生產(chǎn)效率。第二，人工智能可推動生產(chǎn)模式智能化轉(zhuǎn)變，實(shí)現(xiàn)生產(chǎn)精細(xì)化管理^[16]。工業(yè)智能機(jī)器人的引入使得生產(chǎn)線高度數(shù)字化和智能化，減少人工干預(yù)，從而大幅提高企業(yè)生產(chǎn)效率。通過大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，人工智能可準(zhǔn)確預(yù)測消費(fèi)者需求，有助于企業(yè)實(shí)現(xiàn)個性化生產(chǎn)，從而滿足市場多樣化需求。第三，人工智能可促進(jìn)“全鏈路”各參與者實(shí)現(xiàn)協(xié)同合作與資源共享^[17]。利用區(qū)塊鏈等先進(jìn)技術(shù)建立數(shù)據(jù)共享和數(shù)字孿生平臺，企業(yè)可實(shí)時了解供應(yīng)鏈運(yùn)行狀態(tài)，發(fā)現(xiàn)潛在問題并及時解決。數(shù)據(jù)共享協(xié)同合作網(wǎng)絡(luò)能夠增強(qiáng)供應(yīng)鏈的穩(wěn)定性，提高供應(yīng)鏈響應(yīng)速度和靈活性。因此，本文認(rèn)為，人工智能可提高供應(yīng)鏈效率，推動企業(yè)實(shí)現(xiàn)智能化生產(chǎn)運(yùn)營，從而提升企業(yè)生產(chǎn)效率。

（3）從信息賦能角度看，人工智能有助于企業(yè)提升內(nèi)外部信息收集、整合和處理能力，降低因信息不對稱帶來的風(fēng)險和成本，進(jìn)而推動企業(yè)新質(zhì)生產(chǎn)力發(fā)展。一是從企業(yè)內(nèi)部角度看，人工智能有助于企業(yè)更好地獲取和分析內(nèi)部運(yùn)營信息，進(jìn)而優(yōu)化資源配置^[18]。通過智能化數(shù)據(jù)分析和預(yù)測，人工智能可深度挖掘企業(yè)內(nèi)部海量數(shù)據(jù)，為企業(yè)提供決策支持和業(yè)務(wù)洞察?；跀?shù)據(jù)分析結(jié)果，人工智能可實(shí)現(xiàn)運(yùn)營預(yù)測與優(yōu)化，幫助企業(yè)合理配置資源、降低成本，從而提高生產(chǎn)效率^[19]。二是從企業(yè)外部角度看，人工智能有助于企業(yè)更好地理解市場和客戶需求，提高信息透明度和可訪問性。借助智能化和數(shù)字化平臺，人工智能可以分析大量市場和客戶數(shù)據(jù)，提供市場洞察和客戶洞察，有助于企業(yè)準(zhǔn)確了解市場趨勢和客戶需求。借助智能化客戶關(guān)系管理系統(tǒng)和數(shù)據(jù)挖掘技術(shù)，企業(yè)可實(shí)現(xiàn)客戶個性化服務(wù)與精準(zhǔn)營銷，進(jìn)而提高客戶滿意度和忠誠度^[20]。同時，人工智能有助于企業(yè)應(yīng)對外部競爭和市場變化，降低外部信息獲取成本，提高自身市場適應(yīng)能力和競爭優(yōu)勢?？傊?，人工智能可賦予企業(yè)高效獲取信息的能力，降低生產(chǎn)經(jīng)營中的信息不對稱程度，從而促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

綜上，本文提出如下研究假設(shè)：

H₁：人工智能對企業(yè)新質(zhì)生產(chǎn)力發(fā)展發(fā)揮顯著賦能作用。

H₂：人工智能可增強(qiáng)企業(yè)數(shù)字技術(shù)創(chuàng)新能力、提高供應(yīng)鏈效率和降低信息不對稱程度，從而賦能企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

2 研究設(shè)計

2.1 樣本來源

本文選取2013—2022年中國滬深A(yù)股上市公司為樣本，研究人工智能對企業(yè)新質(zhì)生產(chǎn)力的影響。本文使用的企業(yè)年報數(shù)據(jù)來源于新浪財經(jīng)網(wǎng)站；企業(yè)基本信息與財務(wù)數(shù)據(jù)來源于CSMAR和CNRDS數(shù)據(jù)庫。為確保數(shù)據(jù)質(zhì)量，本文對數(shù)據(jù)作如下處理：①剔除金融行業(yè)和房地產(chǎn)行業(yè)樣本；②剔除ST和^*ST狀態(tài)的樣本；③剔除企業(yè)年齡小于1和終止上市的樣本；④剔除數(shù)據(jù)缺失樣本；⑤對連續(xù)變量進(jìn)行上下1%縮尾處理。最終，得到12 880個觀測值。

2.2 變量說明

（1）被解釋變量：新質(zhì)生產(chǎn)力（NP）。參考宋佳等^[21]的研究成果，本文基于生產(chǎn)力兩要素理論，從勞動力和生產(chǎn)工具兩個方面構(gòu)建企業(yè)新質(zhì)生產(chǎn)力評價指標(biāo)體系。其中，勞動力由活勞動和勞動對象兩個二級指標(biāo)構(gòu)成，生產(chǎn)工具由硬科技和軟科技兩個二級指標(biāo)構(gòu)成。本文采用熵值法得到各指標(biāo)權(quán)重，采用線性加權(quán)法測算企業(yè)新質(zhì)生產(chǎn)力。

（2）解釋變量：人工智能（AI）。現(xiàn)有研究大多采用工業(yè)機(jī)器人滲透度測量企業(yè)人工智能，但工業(yè)機(jī)器人無法全面反映企業(yè)人工智能技術(shù)。借鑒姚加權(quán)等^[22]的測度方法，本文收集上市公司年報文本數(shù)據(jù)，利用機(jī)器學(xué)習(xí)生成式人工智能詞典，將年報中人工智能關(guān)鍵詞數(shù)量加1并取自然對數(shù)作為企業(yè)人工智能測度指標(biāo)。

（3）控制變量。本文選取如下控制變量：企業(yè)年齡（age），以企業(yè)成立年齡的自然對數(shù)衡量；企業(yè)規(guī)模（asset），使用企業(yè)總資產(chǎn)的自然對數(shù)衡量；資產(chǎn)負(fù)債率（lev），通過負(fù)債總額占資產(chǎn)總額的比重反映企業(yè)財務(wù)杠桿；凈資產(chǎn)收益率（roe），采用凈利潤與凈資產(chǎn)的比值衡量；現(xiàn)金流比率（cashflow），采用經(jīng)營活動現(xiàn)金流量凈額與總資產(chǎn)的比值衡量；股權(quán)集中度（top），采用第一大股東持股比例衡量；審計意見（opinion），若審計無保留意見為1，否則為0；獨(dú)立董事占比（indep），采用獨(dú)立董事人數(shù)占董事會總?cè)藬?shù)的比重衡量。

2.3 模型設(shè)計

為探究人工智能對新質(zhì)生產(chǎn)力的影響，本文構(gòu)建如下回歸模型：

NP_it=α₀+α₁AI_it+α₂Controls_it+year+ind+pro+ε_it（1）

其中，i、t分別表示個體公司和時間；NP表示新質(zhì)生產(chǎn)力；AI表示人工智能指標(biāo)；Controls表示一系列控制變量；year、ind、pro分別表示時間固定效應(yīng)、行業(yè)固定效應(yīng)和省份固定效應(yīng)；ε表示隨機(jī)誤差項(xiàng)。為避免不同行業(yè)間存在的異方差問題，針對模型中回歸系數(shù)的標(biāo)準(zhǔn)誤差，本文進(jìn)行聚類處理。

基于江艇^[23]的研究成果，本文構(gòu)建傳導(dǎo)機(jī)制模型，檢驗(yàn)人工智能賦能新質(zhì)生產(chǎn)力的機(jī)制路徑，如式（2）所示。

MV_it=β₀+β₁AI_it+β₂Controls_it+year+ind+pro+ε_it（2）

其中，MV表示機(jī)制變量，分別代表人工智能賦能新質(zhì)生產(chǎn)力的技術(shù)效應(yīng)、效率效應(yīng)和信息效應(yīng)。

3 實(shí)證分析

3.1 描述性統(tǒng)計與相關(guān)性分析

相關(guān)變量描述性統(tǒng)計結(jié)果如表1所示。其中，NP的取值范圍為1.068～13.932，平均值為5.230，其最小值和最大值存在顯著差距，且最小值遠(yuǎn)低于平均值。由此表明，不同上市公司新質(zhì)生產(chǎn)力發(fā)展情況呈現(xiàn)較大差異。整體來看，上市公司新質(zhì)生產(chǎn)力存在較大發(fā)展空間。AI的取值范圍介于0～1.415之間，平均值為0.133，表明大多數(shù)上市公司尚未應(yīng)用人工智能技術(shù)。

表1顯示，人工智能（AI）與新質(zhì)生產(chǎn)力（NP）的相關(guān)系數(shù)為0.254，且在1%水平上顯著，初步表明人工智能對企業(yè)新質(zhì)生產(chǎn)力具有賦能作用?？刂谱兞看蠖嗯c企業(yè)新質(zhì)生產(chǎn)力具有顯著相關(guān)性，表明控制變量選取具有合理性；絕大多數(shù)控制變量間的相關(guān)系數(shù)小于0.4，表明本文選取的控制變量具有代表性。此外，各主要變量的VIF值介于1.00～1.54之間，由此排除變量間多重共線性問題。

3.2 基準(zhǔn)回歸結(jié)果

基準(zhǔn)回歸結(jié)果如表2所示。列（1）為被解釋變量與解釋變量間的直接回歸結(jié)果，列（2）為僅控制固定效應(yīng)的回歸結(jié)果，列（3）只考慮控制變量對回歸結(jié)果的影響，列（4）綜合控制控制變量及年份、行業(yè)和省份固定效應(yīng)。結(jié)果顯示，在加入控制變量與控制固定效應(yīng)前后，人工智能（AI）回歸系數(shù)均在1%水平上顯著為正。由此表明，人工智能可以推動企業(yè)新質(zhì)生產(chǎn)力發(fā)展，假設(shè)H₁得到驗(yàn)證。

3.3 穩(wěn)健性檢驗(yàn)

3.3.1 替換被解釋變量

本文將企業(yè)全要素生產(chǎn)率（TFP）作為新質(zhì)生產(chǎn)力的替代指標(biāo)，并采用LP方法計算全要素生產(chǎn)率。表3列（1）顯示，人工智能應(yīng)用對企業(yè)新質(zhì)生產(chǎn)力發(fā)揮顯著賦能作用。

3.3.2 替換解釋變量

參考王永欽和董雯^[24]的研究，本文用企業(yè)工業(yè)機(jī)器人滲透度（AI-ROB）衡量人工智能，回歸結(jié)果如表3列（2）所示。結(jié)果表明，基準(zhǔn)回歸結(jié)果具有穩(wěn)健性。此外，上市公司年報中MDamp;A部分為非財務(wù)信息分析的重點(diǎn)，包含企業(yè)發(fā)展方向和重要決策并涉及人工智能技術(shù)的討論。因此，本文采用上市公司年報MDamp;A部分人工智能關(guān)鍵詞數(shù)量加1后取自然對數(shù)測度企業(yè)人工智能（AI-MDA）。表3列（2）顯示，AI-MDA的系數(shù)在1%水平上顯著為正，由此支持假設(shè)H₁。

3.3.3 變更樣本

為降低異常年份對研究結(jié)果的影響，本文剔除2020—2022年數(shù)據(jù)，回歸結(jié)果如表3列（3）所示。為消除企業(yè)所在城市對回歸結(jié)果的潛在干擾，本文剔除4個直轄市樣本數(shù)據(jù)進(jìn)行回歸分析，結(jié)果如表3列（4）所示。上述結(jié)果表明，在剔除異常樣本后，人工智能對企業(yè)新質(zhì)生產(chǎn)力發(fā)展仍然發(fā)揮顯著促進(jìn)作用。

3.3.4 傾向得分匹配法

本文采用傾向得分匹配法（Propensity Score Matching，簡稱PSM）緩解樣本自選擇偏差帶來的問題。首先，根據(jù)企業(yè)年報中是否涉及人工智能關(guān)鍵詞，將樣本細(xì)分為處理組與控制組。其次，在不進(jìn)行樣本放回的前提下，采用1∶1最近鄰匹配方法將所有控制變量作為協(xié)變量進(jìn)行匹配。再次，進(jìn)行平衡性檢驗(yàn)。結(jié)果顯示，所有協(xié)變量標(biāo)準(zhǔn)化后的偏離程度均有效控制在5%以下并通過T檢驗(yàn)，表明匹配效果良好。最后，基于匹配后的樣本數(shù)據(jù)進(jìn)行回歸分析，證實(shí)基準(zhǔn)回歸模型的穩(wěn)健性，結(jié)果如表3列（5）所示。

3.3.5 工具變量法

為確保研究結(jié)果的穩(wěn)健性，本文采用工具變量法進(jìn)行內(nèi)生性檢驗(yàn)。參考戴翔和王如雪^[25]的研究方法，選取解釋變量滯后一期作為工具變量，采用兩階段最小二乘（2SLS）方法進(jìn)行回歸分析，結(jié)果如表4列（1）（2）所示。列（1）顯示，工具變量系數(shù)顯著為正，同時Cragg-Donald Wald F 統(tǒng)計量超過10，表明工具變量選擇合理，不存在弱工具變量問題。列（2）顯示，AI系數(shù)在1%水平上顯著為正，假設(shè)H₁再次得到驗(yàn)證。

3.3.6 PSM-DID檢驗(yàn)

本文以《中國制造2025》中提出的重點(diǎn)產(chǎn)業(yè)智能轉(zhuǎn)型為準(zhǔn)實(shí)驗(yàn)，采用PSM-DID方法緩解模型中的內(nèi)生性問題，并構(gòu)建DID模型如式（3）所示。

NP_it=λ₀+λ₁treat×post+λ₂Controls_it+year+ind+pro+ε_it" （3）

其中，treat表示企業(yè)所在行業(yè)是否屬于十大重點(diǎn)領(lǐng)域行業(yè)，若是則賦值為1，否則為0；若年份大于或等于2015年（《中國制造2025》由國務(wù)院于2015年印發(fā)）則post=1，否則為0。本文將樣本劃分為處理組和控制組，將所有控制變量作為協(xié)變量。表4列（3）（4）為匹配前后的回歸結(jié)果，treat×post的系數(shù)在匹配前后均顯著為正。由此表明，在考慮內(nèi)生性問題后，人工智能依然能夠促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

4 作用機(jī)制檢驗(yàn)

4.1 技術(shù)賦能機(jī)制檢驗(yàn)

人工智能通過智能算法優(yōu)化、自適應(yīng)系統(tǒng)以及智能輔助工具提升企業(yè)數(shù)字技術(shù)創(chuàng)新能力。數(shù)字技術(shù)持續(xù)創(chuàng)新能夠降低經(jīng)濟(jì)活動中的搜索、傳遞、跟蹤以及驗(yàn)證成本，進(jìn)而促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

本文根據(jù)國家統(tǒng)計局發(fā)布的《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》，匹配專利主分類號，精確計算上市公司數(shù)字專利申請數(shù)量，以數(shù)字專利申請數(shù)量加1后取自然對數(shù)衡量數(shù)字技術(shù)創(chuàng)新能力（Dig）^[26]。表5列（1）顯示，人工智能通過促進(jìn)數(shù)字技術(shù)創(chuàng)新賦能企業(yè)新質(zhì)生產(chǎn)力。經(jīng)過檢驗(yàn)發(fā)現(xiàn)，Sobel檢驗(yàn)的P值遠(yuǎn)小于0.05，上述結(jié)果證實(shí)數(shù)字技術(shù)創(chuàng)新中介效應(yīng)存在。

4.2 效率賦能機(jī)制檢驗(yàn)

人工智能技術(shù)正全方位滲透并重塑企業(yè)全業(yè)務(wù)流程，提升供應(yīng)鏈各環(huán)節(jié)數(shù)字化水平，實(shí)現(xiàn)資源互聯(lián)互通、彈性互補(bǔ)和有效配置，從而提升供應(yīng)鏈運(yùn)作效率^[27]。

參考張倩肖和段義學(xué)^[28]的研究，本文基于庫存周轉(zhuǎn)角度刻畫企業(yè)供應(yīng)鏈效率（Effi）。表5列（2）顯示，AI系數(shù)在1%水平上顯著為正，表明供應(yīng)鏈效率在人工智能與企業(yè)新質(zhì)生產(chǎn)力之間發(fā)揮顯著中介作用。為進(jìn)一步驗(yàn)證上述中介效應(yīng)，本文進(jìn)行Sobel檢驗(yàn)，結(jié)果顯示P值遠(yuǎn)小于0.05。由上述結(jié)果可知，人工智能通過提高供應(yīng)鏈效率賦能企業(yè)新質(zhì)生產(chǎn)力。

4.3 信息賦能機(jī)制檢驗(yàn)

通過人工智能技術(shù)可以快速獲取和分析企業(yè)生產(chǎn)經(jīng)營數(shù)據(jù)信息，提高企業(yè)信息處理能力，進(jìn)而降低內(nèi)部信息不對稱程度^[9]。信息透明度提高有助于企業(yè)提升運(yùn)營效率，與外部組織實(shí)現(xiàn)協(xié)同創(chuàng)新，進(jìn)而促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

參考于蔚等^[29]的研究方法，本文采用計算流動性比率指標(biāo)、非流動性比率指標(biāo)和反轉(zhuǎn)指標(biāo)的第一主成分綜合衡量信息不對稱程度（Asy），數(shù)值越大，表明企業(yè)信息不對稱程度越高。表5列（3）顯示，人工智能能顯著降低信息不對稱程度，推動企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

5 進(jìn)一步分析

5.1 企業(yè)特征對人工智能賦能新質(zhì)生產(chǎn)力的影響

5.1.1 產(chǎn)權(quán)性質(zhì)

與非國有企業(yè)相比，國有企業(yè)與政府聯(lián)系更緊密，通常能夠迅速響應(yīng)政府政策導(dǎo)向。此外，國有企業(yè)擁有豐富的資源和較強(qiáng)的風(fēng)險承擔(dān)能力，上述優(yōu)勢使其在市場競爭中占據(jù)有利地位。根據(jù)不同產(chǎn)權(quán)性質(zhì)，本文對樣本進(jìn)行分類，即國有企業(yè)組和非國有企業(yè)組，檢驗(yàn)結(jié)果如表6所示。列（1）（2）顯示，AI系數(shù)均顯著為正。通過對比分析發(fā)現(xiàn)，在國有企業(yè)組，AI回歸系數(shù)更大。Chow檢驗(yàn)結(jié)果表明，組間系數(shù)差異統(tǒng)計顯著性水平達(dá)到0.007。由此表明，人工智能對新質(zhì)生產(chǎn)力的影響在國有企業(yè)組和非國有企業(yè)組差異顯著。這意味著人工智能可以賦能國有企業(yè)和非國有企業(yè)新質(zhì)生產(chǎn)力，但對國有企業(yè)新質(zhì)生產(chǎn)力的賦能效果更顯著。

5.1.2 勞動密集程度

勞動力密集程度較高企業(yè)自動化水平較低，因而對勞動力需求量較大。企業(yè)通過引入智能設(shè)備和優(yōu)化人力資本結(jié)構(gòu)提升創(chuàng)新能力與運(yùn)營效率。因此，本文認(rèn)為人工智能對勞動密集程度較高企業(yè)的影響更顯著。借鑒黃勃等^[26]的研究方法，采用企業(yè)員工總數(shù)與固定資產(chǎn)總額的比值衡量勞動密集程度。基于這一指標(biāo)中位數(shù)，本文將樣本劃分為勞動力密集程度高組和勞動力密集程度低組。表6列（3）（4）顯示，AI系數(shù)顯著為正，表明人工智能對不同勞動密集程度企業(yè)新質(zhì)生產(chǎn)力均發(fā)揮顯著賦能作用。由Chow檢驗(yàn)得到的組間系數(shù)差異P值可知，相較于勞動密程度較低企業(yè)，人工智能對勞動密集程度較高企業(yè)新質(zhì)生產(chǎn)力的賦能作用更顯著。

5.2 行業(yè)特征對人工智能賦能新質(zhì)生產(chǎn)力的影響

參考彭紅星和毛新述^[30]的研究，根據(jù)中國證監(jiān)會發(fā)布的《上市公司行業(yè)分類指引》（2012年修訂），本文將樣本劃分為高技術(shù)行業(yè)企業(yè)與非高技術(shù)行業(yè)企業(yè)，檢驗(yàn)結(jié)果如表7所示。表7列（1）（2）顯示，人工智能對新質(zhì)生產(chǎn)力的賦能作用主要聚焦于高技術(shù)行業(yè)。

5.3 地區(qū)特征對人工智能賦能新質(zhì)生產(chǎn)力的影響

本文采用財政一般預(yù)算支出占地區(qū)生產(chǎn)總值的比重衡量財政支持力度，并依據(jù)該指標(biāo)中位數(shù)將樣本細(xì)分為財政支持力度較強(qiáng)組和財政支持力度較弱組，結(jié)果如表7列（3）（4）所示。結(jié)果發(fā)現(xiàn)，在財政支持力度較大地區(qū)，人工智能對企業(yè)新質(zhì)生產(chǎn)力的賦能作用更顯著。上述結(jié)果說明，政府應(yīng)加大基礎(chǔ)設(shè)施投資力度，引導(dǎo)企業(yè)應(yīng)用數(shù)字技術(shù)促進(jìn)企業(yè)新質(zhì)生產(chǎn)力發(fā)展。

6 結(jié)語

6.1 研究結(jié)論

本文基于2013—2022年上市公司數(shù)據(jù)分析人工智能技術(shù)對企業(yè)新質(zhì)生產(chǎn)力的影響，得出以下主要結(jié)論：

（1）我國上市公司新質(zhì)生產(chǎn)力發(fā)展存在較大差異，上市公司整體新質(zhì)生產(chǎn)力發(fā)展程度偏低，存在較大發(fā)展空間。

（2）人工智能對企業(yè)新質(zhì)生產(chǎn)力發(fā)揮顯著賦能作用。

（3）機(jī)制檢驗(yàn)表明，人工智能通過增強(qiáng)數(shù)字技術(shù)創(chuàng)新能力、提高供應(yīng)鏈效率和降低信息不對稱程度賦能企業(yè)新質(zhì)生產(chǎn)力。

（4）異質(zhì)性分析表明，在企業(yè)特征層面，人工智能對國有企業(yè)和勞動密集程度較高企業(yè)新質(zhì)生產(chǎn)力的賦能作用更顯著。在行業(yè)和地區(qū)特征層面，在高技術(shù)行業(yè)和財政支持力度較大地區(qū)，人工智能對企業(yè)新質(zhì)生產(chǎn)力的賦能效果更好。

6.2 政策建議

（1）引導(dǎo)和支持企業(yè)智能化發(fā)展，加快新質(zhì)生產(chǎn)力生成。我國上市公司人工智能應(yīng)用差距較大，多數(shù)上市公司并未應(yīng)用人工智能技術(shù)。因此，有必要推動企業(yè)智能化發(fā)展，幫助企業(yè)解決轉(zhuǎn)型過程中“無法轉(zhuǎn)型”“缺乏轉(zhuǎn)型能力”等問題。一是構(gòu)建資金支持體系。設(shè)立智能化產(chǎn)業(yè)發(fā)展基金或?qū)ｍ?xiàng)資金，引導(dǎo)企業(yè)加強(qiáng)智能技術(shù)研發(fā)和應(yīng)用投入。二是推動產(chǎn)學(xué)研深度融合。引導(dǎo)企業(yè)與高校、科研機(jī)構(gòu)等開展深度合作，共同推進(jìn)智能化技術(shù)研發(fā)與應(yīng)用，加快新技術(shù)孵化與轉(zhuǎn)化。三是拓展示范項(xiàng)目。政府可與部分領(lǐng)先企業(yè)開展合作，拓展智能化生產(chǎn)示范項(xiàng)目，通過成功案例鼓勵其它企業(yè)跟進(jìn)。

（2）利用人工智能技術(shù)重塑企業(yè)生產(chǎn)經(jīng)營模式，推動新質(zhì)生產(chǎn)力發(fā)展。機(jī)制檢驗(yàn)結(jié)果表明，數(shù)字技術(shù)創(chuàng)新能力、供應(yīng)鏈效率和信息透明度是人工智能賦能新質(zhì)生產(chǎn)力的重要途徑。因此，企業(yè)需要利用人工智能技術(shù)重塑生產(chǎn)經(jīng)營模式，賦能新質(zhì)生產(chǎn)力發(fā)展。首先，企業(yè)應(yīng)利用人工智能強(qiáng)化數(shù)字技術(shù)創(chuàng)新能力，積極開展技術(shù)研發(fā)，探索新的數(shù)字技術(shù)應(yīng)用場景和解決方案，包括研發(fā)新的軟件、硬件、算法、平臺等，滿足市場需求以提升自身競爭力。其次，借助數(shù)據(jù)分析和人工智能技術(shù)，提升企業(yè)供應(yīng)鏈運(yùn)行效率。借助人工智能技術(shù)分析海量數(shù)據(jù)，企業(yè)能夠精準(zhǔn)預(yù)測市場需求，實(shí)現(xiàn)供應(yīng)鏈全面可視化與高效管理。人工智能可以優(yōu)化庫存管理、物流路徑和配送策略，以及供應(yīng)商關(guān)系管理體系，提高供應(yīng)鏈運(yùn)行效率，進(jìn)而助力企業(yè)新質(zhì)生產(chǎn)力發(fā)展。企業(yè)應(yīng)采用先進(jìn)數(shù)字技術(shù)獲取市場需求信息以及業(yè)務(wù)流程和提高生產(chǎn)效率。同時，通過數(shù)字平臺構(gòu)建協(xié)同創(chuàng)新網(wǎng)絡(luò)，實(shí)現(xiàn)數(shù)據(jù)和資源共享，降低信息不對稱程度。最后，企業(yè)應(yīng)加強(qiáng)內(nèi)部管理，將人工智能與企業(yè)發(fā)展戰(zhàn)略相融合，增強(qiáng)內(nèi)部控制和組織韌性，從而推動企業(yè)業(yè)務(wù)創(chuàng)新與可持續(xù)發(fā)展。

（3）政府應(yīng)加大財政支持力度，注重新質(zhì)生產(chǎn)力可持續(xù)發(fā)展。一是推行創(chuàng)新券和補(bǔ)貼政策，激勵企業(yè)加大科技研發(fā)投入，推動新技術(shù)應(yīng)用，最終提升產(chǎn)業(yè)創(chuàng)新能力。二是實(shí)施稅收優(yōu)惠政策，對符合條件的高新技術(shù)企業(yè)、創(chuàng)新型企業(yè)給予稅收優(yōu)惠，降低企業(yè)創(chuàng)新成本，從而促進(jìn)新質(zhì)生產(chǎn)力發(fā)展。三是建設(shè)科技園區(qū)，加強(qiáng)科技園區(qū)建設(shè)和發(fā)展，提供場地租金補(bǔ)貼、設(shè)施設(shè)備補(bǔ)貼、科技服務(wù)補(bǔ)貼等支持措施，為企業(yè)新質(zhì)生產(chǎn)力發(fā)展?fàn)I造良好環(huán)境。

6.3 不足與展望

在本研究的基礎(chǔ)上，未來可以對行業(yè)進(jìn)一步細(xì)分，如探究人工智能對制造行業(yè)、服務(wù)行業(yè)和高污染行業(yè)新質(zhì)生產(chǎn)力的影響。此外，可基于資源錯配和資源編排等視角，深入分析人工智能賦能新質(zhì)生產(chǎn)力的作用路徑。

參考文獻(xiàn)：

[1] 蔣永穆，喬張媛.新質(zhì)生產(chǎn)力：邏輯、內(nèi)涵及路徑[J].社會科學(xué)研究，2024，46（1）：10-18，211.

[2] 任保平，豆淵博.新質(zhì)生產(chǎn)力：文獻(xiàn)綜述與研究展望[J].經(jīng)濟(jì)與管理評論，2024，40（3）：5-16.

[3] 周文，許凌云.再論新質(zhì)生產(chǎn)力：認(rèn)識誤區(qū)、形成條件與實(shí)現(xiàn)路徑[J].改革，2024，41（3）：26-37.

[4] 陳彥斌，林晨，陳小亮.人工智能、老齡化與經(jīng)濟(jì)增長[J].經(jīng)濟(jì)研究，2019，54（7）：47-63.

[5] 柴正猛，張培鐸，韓先鋒.工業(yè)智能化能成為產(chǎn)業(yè)結(jié)構(gòu)升級的新動能嗎[J].科技進(jìn)步與對策，2024，41（19）：56-66.

[6] 趙儒煜，高明宇.工業(yè)智能化如何影響勞動力技能結(jié)構(gòu)[J].財經(jīng)科學(xué)，2024，68（2）：107-118.

[7] LI G， BRANSTETTER L G. Does \"Made in China 2025\" work for China？ evidence from Chinese listed firms[J]. Research Policy， 2024， 53（6）： 105009.

[8] 辛大楞，邱悅.人工智能對進(jìn)口擴(kuò)張的影響研究：來自中國微觀企業(yè)層面的證據(jù)[J].世界經(jīng)濟(jì)研究，2023，39（11）：11-25，135.

[9] 沈坤榮，喬剛，林劍威.智能制造政策與中國企業(yè)高質(zhì)量發(fā)展[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2024，41（2）：5-25.

[10] 馮婉昕.人工智能與企業(yè)金融資產(chǎn)配置——來自國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)的經(jīng)驗(yàn)證據(jù)[J].當(dāng)代財經(jīng)，2024，45（4）：141-152.

[11] AGHION P， HOWITT P. A Model of growth through creative destruction [J]. Econometrica， 1992， 60（2）： 323-351.

[12] 黃東兵，王靈均，周承緒，等.制造企業(yè)人工智能創(chuàng)新如何賦能高質(zhì)量發(fā)展——來自中國上市公司的經(jīng)驗(yàn)證據(jù)[J].科技進(jìn)步與對策，2022，39（8）：110-120.

[13] 王磊，肖倩，鄧芳芳.人工智能對中國制造業(yè)創(chuàng)新的影響研究——來自工業(yè)機(jī)器人應(yīng)用的證據(jù)[J].財經(jīng)論叢，2023，39（9）：14-24.

[14] 張夏恒，肖林.數(shù)字化轉(zhuǎn)型賦能新質(zhì)生產(chǎn)力涌現(xiàn)：邏輯框架、現(xiàn)存問題與優(yōu)化策略[J].學(xué)術(shù)界，2024，39（1）：73-85.

[15] 武憲云，蘇敬勤，楊道虹，等.數(shù)字技術(shù)可供性實(shí)現(xiàn)下的數(shù)字化轉(zhuǎn)型企業(yè)組織慣性構(gòu)建機(jī)制研究[J].科研管理，2024，45（5）：34-42.

[16] WAN J， LI X， DAI H N， et al. Artificial-intelligence-driven customized manufacturing factory： key technologies， applications， and challenges[J]. Proceedings of the IEEE， 2020， 109（4）： 377-398.

[17] 吳群，陳倩.基于智能制造的新質(zhì)生產(chǎn)力形成邏輯與躍遷路徑研究[J].當(dāng)代財經(jīng)，2024，45（9）：3-12.

[18] DOU R， ZHUANG G， LIU X， et al. Potential of AI for service performance of manufacturers： analytical and empirical insights[J]. Advanced Engineering Informatics， 2024， 60（1）： 102383.

[19] 尹洪英，李闖.智能制造賦能企業(yè)創(chuàng)新了嗎——基于中國智能制造試點(diǎn)項(xiàng)目的準(zhǔn)自然試驗(yàn)[J].金融研究，2022，65（10）：98-116.

[20] MANSER PAYNE E H， DAHL A J， PELTIER J. Digtal servitization value co-creation framework for AI services： a research agenda for digital transformation in financial service ecosystems[J]. Journal of Research in Interactive Marketing， 2021， 15（2）： 200-222.

[21] 宋佳，張金昌，潘藝.ESG發(fā)展對企業(yè)新質(zhì)生產(chǎn)力影響的研究——來自中國A股上市企業(yè)的經(jīng)驗(yàn)證據(jù)[J].當(dāng)代經(jīng)濟(jì)管理，2024，46（6）：1-11.

[22] 姚加權(quán)，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產(chǎn)效率——基于勞動力技能結(jié)構(gòu)調(diào)整的視角[J].管理世界，2024，40（2）：101-116，133.

[23] 江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J].中國工業(yè)經(jīng)濟(jì)，2022，40（5）：100-120.

[24] 王永欽，董雯.機(jī)器人的興起如何影響中國勞動力市場——來自制造業(yè)上市公司的證據(jù)[J].經(jīng)濟(jì)研究，2020，55（10）：159-175.

[25] 戴翔，王如雪.人工智能條件下人口老齡化對全球價值鏈攀升的影響[J].經(jīng)濟(jì)管理，2023，45（3）：28-43.

[26] 黃勃，李海彤，劉俊岐，等.數(shù)字技術(shù)創(chuàng)新與中國企業(yè)高質(zhì)量發(fā)展——來自企業(yè)數(shù)字專利的證據(jù)[J].經(jīng)濟(jì)研究，2023，58（3）：97-115.

[27] 譚永生.數(shù)字賦能助推現(xiàn)代化產(chǎn)業(yè)體系建設(shè)研究[J].宏觀經(jīng)濟(jì)研究，2024，46（1）：75-86.

[28] 張倩肖，段義學(xué).數(shù)字賦能、產(chǎn)業(yè)鏈整合與全要素生產(chǎn)率[J].經(jīng)濟(jì)管理，2023，45（4）：5-21.

[29] 于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應(yīng)與資源效應(yīng)[J].經(jīng)濟(jì)研究，2012，47（9）：125-139.

[30] 彭紅星，毛新述.政府創(chuàng)新補(bǔ)貼、公司高管背景與研發(fā)投入——來自我國高科技行業(yè)的經(jīng)驗(yàn)證據(jù)[J].財貿(mào)經(jīng)濟(jì)，2017，38（3）：147-161.

（責(zé)任編輯：張 悅）

How Artificial Intelligence Empowers New Quality Productive Forces of Enterprises

Xu Hongdan， Wang Jiuhe

（School of Economics and Management， Yanshan University， Qinhuangdao 066004， China）

Abstract：Elevating the level of intelligence is a pivotal measure for enterprises to expedite the formation of new quality productive forces. As a new generation of digital technology， artificial intelligence has realized subversive innovation in production methods， production processes and models， accelerated the transformation of production factors to production capacity， and provided new momentum for developing new quality productivity. However， most existing research on artificial intelligence focuses on the macro level. More literature needs to be examining how artificial intelligence technology empowers the development of enterprises' new quality productive forces.

Therefore， this paper delves into artificial intelligence's empowerment path for enterprises' new quality productive forces. This study focuses on A-share listed companies from 2013 to 2022 to explore the impact of artificial intelligence on the new quality of productive forces within enterprises and the mechanisms that facilitate this influence. Drawing on the theoretical insights， it develops a regression model to assess the effects of AI and further examines the mechanisms through three key lenses： technology empowerment， efficiency empowerment， and information empowerment. To ensure the robustness of the findings， the study performs a series of rigorous checks. These include substituting variable indicators， applying the Propensity Score Matching （PSM） technique， conducting Two-Stage Least Squares （2SLS） regression analysis， and employing a quasi-experimental design centered on the smart transformation of pivotal industries. The results consistently demonstrate the robustness and reliability of our conclusions. Lastly， the empowering effect of artificial intelligence on new quality productive forces can significantly differ because of the distinct internal characteristics and external environment of enterprises. Consequently， the study conducts a heterogeneity analysis of the main effects across three core dimensions of enterprise-level，industry-level，and regional differences.

The study finds that artificial intelligence significantly enhances the development of enterprises' new quality productive forces. Mechanism analysis further reveals that this enhancement is achieved by strengthening digital innovation capabilities， improving the efficiency of supply chain， and mitigating the information asymmetry. Heterogeneity analysis demonstrates that there exist notable disparities in the enabling effects of artificial intelligence on new quality productive forces among different types of enterprises. Specifically， state-owned enterprises， labor-intensive enterprises， those situated in high-tech industries， and those located in regions with substantial fiscal support all exhibit more prominent improvements in their quality new productive forces， being empowered by artificial intelligence. This paper enhances the comprehension of the role of artificial intelligence in the production process at the micro-enterprise level， thereby providing valuable insights for promoting the efficient development of enterprises' new quality productive forces.

The innovations of this paper lie in the following three aspects： Firstly， this paper studies the impact of artificial intelligence level on enterprise development in micro-enterprises. Existing research on artificial intelligence primarily focuses on macro-level effects， such as its influence on regions， industries， and labor markets， with relatively scarce studies at the micro-enterprise level. Furthermore， previous works often measured the artificial intelligence level of enterprises using industrial robot penetration rates， whereas this paper employs text analysis and machine learning methods to construct an artificial intelligence index for enterprises. Secondly， this paper enriches the research on new quality productive forces in enterprises. As a newly proposed concept， the new quality productive forces have predominantly been studied qualitatively， exploring its connotations， characteristics， and formation logic. By leveraging data from listed companies， this paper empirically analyzes the influence of artificial intelligence technology on enterprises' new quality productive forces. Thirdly， this paper provides theoretical support for promoting the enhancement and development of enterprises' new quality productive forces. This paper delves into the mechanisms through which artificial intelligence empowers new quality productive forces from the perspectives of technology， efficiency， and information. The heterogeneous effect on the main effect is further discussed in relation" to the differences at enterprise ，industry and regional levels. It offers valuable insights for upgrading enterprises' new quality productive forces.

Key Words：Artificial Intelligence; New Quality Productive Forces; Digital Innovation Capability; Supply Chain Efficiency