人工智能對新質(zhì)生產(chǎn)力發(fā)展的影響研究

Doi：10.11835/j.issn.1008-5831.jg.2024.11.001

中圖分類號：F270.7;F061.1;F49;TP18 文獻標志碼：A 文章編號：1008-5831（2025）03-0075-15

引言

當前中國正面臨百年未有之大變局，外有美西方國家通過戰(zhàn)略遏制、技術(shù)封鎖、規(guī)則打壓等手段阻礙我國科技創(chuàng)新與產(chǎn)業(yè)發(fā)展，內(nèi)有疫后經(jīng)濟非常規(guī)恢復期的需求收縮、供給沖擊、預期轉(zhuǎn)弱的相互交織。在這樣內(nèi)外交困的歷史交匯點上，習近平總書記在新時代推動東北全面振興座談會上提出，“要積極培育新能源、新材料、先進制造、電子信息等戰(zhàn)略性新興產(chǎn)業(yè)，積極培育未來產(chǎn)業(yè)，加快形成新質(zhì)生產(chǎn)力，增強發(fā)展新動能”。隨后，2024年1月中央政治局首次集體學習“新質(zhì)生產(chǎn)力”的內(nèi)涵，再到2024年3月國務院《政府工作報告》首次將“加快發(fā)展新質(zhì)生產(chǎn)力\"列為首要任務。這一系列的信號表明，要在激烈的國際競爭中立于不敗之地，實現(xiàn)我國經(jīng)濟高質(zhì)量發(fā)展，加速形成新質(zhì)生產(chǎn)力極為重要且迫切[1]。

縱觀人類發(fā)展史，推動經(jīng)濟發(fā)展的主要推手是生產(chǎn)力，而科學技術(shù)是驅(qū)動生產(chǎn)力形成的關鍵，每一次科學技術(shù)的創(chuàng)新與突破都將推動舊生產(chǎn)力體系的瓦解、新生產(chǎn)力的形成?！罢羝麢C時代\"“電氣時代”“計算機信息時代”無不是通過重塑生產(chǎn)力推動社會發(fā)展。進入“數(shù)字時代”，以人工智能（AI）為特征的第四次工業(yè)革命正蓬勃發(fā)展，再一次推動著生產(chǎn)力的躍遷[2。學者圍繞新質(zhì)生產(chǎn)力的本質(zhì)特征與內(nèi)涵[3]，驅(qū)動新質(zhì)生產(chǎn)力形成的前置因素[4-5]，以及后置經(jīng)濟結(jié)果[6-7]，進行了大量研究。不難發(fā)現(xiàn)，有關人工智能及新質(zhì)生產(chǎn)力的相關話題研究與日俱增，但目前仍存在一定的局限性：（1）現(xiàn)有文獻多側(cè)重于從宏觀維度探索AI大模型、數(shù)字技術(shù)和算法等賦能新質(zhì)生產(chǎn)力發(fā)展的內(nèi)在邏輯與實現(xiàn)途徑[2.8-9]，卻未能從微觀層面，即從企業(yè)層面探討人工智能與新質(zhì)生產(chǎn)力發(fā)展的關系，更缺乏二者的定量分析;（2）Haefner等[10]基于 STST理論（Socio-technical-systems Theory）將人工智能區(qū)分為社會組件（social components）和技術(shù)組件（technicalcomponents），而現(xiàn)有研究多將其視為整體而未能有效地區(qū)分，也未能關注不同維度的人工智能能否驅(qū)動新質(zhì)生產(chǎn)力發(fā)展，通過何種渠道發(fā)揮驅(qū)動作用，以及不同維度是否存在差異？對這些問題尚未有明確的解答。

基于此，本文從微觀企業(yè)視角出發(fā)，探索人工智能及其不同維度驅(qū)動新質(zhì)生產(chǎn)力發(fā)展的理論與影響機制，以厘清二者之間的關系。本文可能的邊際貢獻有以下三點：第一，本文基于STST理論中社會一技術(shù)的分類原則將人工智能劃分為愿景與技術(shù)兩個維度，并運用機器學習方法構(gòu)建出適用于微觀企業(yè)層面的人工智能與新質(zhì)生產(chǎn)力指標，利用實證方法深人剖析二者之間的關系，豐富了人工智能的研究視角；第二，本文打開了人工智能驅(qū)動新質(zhì)生產(chǎn)力發(fā)展的“黑箱”，從勞動力技能結(jié)構(gòu)調(diào)整角度剖析人工智能對新質(zhì)生產(chǎn)力發(fā)展的機制，對數(shù)字經(jīng)濟時代下的生產(chǎn)力理論研究進行了有益補充;第三，本文加深了企業(yè)對人工智能與新質(zhì)生產(chǎn)力形成關系的認識與理解，為其發(fā)揮好人工智能賦能新質(zhì)生產(chǎn)力形成、助力高質(zhì)量發(fā)展提供理論指導。

一、理論基礎與研究假設

（一）人工智能與新質(zhì)生產(chǎn)力

當前，社會各界對人工智能及新質(zhì)生產(chǎn)力的相關話題給予了高度關注，并已涌現(xiàn)出大量成果。在人工智能主題方面，宏觀層面的文獻主題涵蓋人工智能對宏觀經(jīng)濟增長的影響[1-13]、對勞動力的影響[14-15] 對收入分配的影響[16-17]以及對產(chǎn)業(yè)結(jié)構(gòu)的影響[18];而微觀層面的文獻則主要集中在人工智能時代的企業(yè)管理變革[19、企業(yè)創(chuàng)新[20]、企業(yè)全要素生產(chǎn)率[21等方面的影響研究。任何嘗試過人工智能的企業(yè)都能很快發(fā)現(xiàn)，它們不僅能提高企業(yè)的效率和效益，還能為企業(yè)創(chuàng)造強大的新能力[22]，驅(qū)動企業(yè)形成新的生產(chǎn)力形態(tài)，即新質(zhì)生產(chǎn)力。新質(zhì)生產(chǎn)力以勞動者、勞動資料、勞動對象及其優(yōu)化組合的躍升作為基本內(nèi)涵，故新質(zhì)生產(chǎn)力的培育應以上述三要素的改善為著力點。鑒于此，人工智能驅(qū)動新質(zhì)生產(chǎn)力發(fā)展主要通過以下兩個方面實現(xiàn)。

其一，人工智能通過賦能生產(chǎn)工具智能化（勞動工具）驅(qū)動新質(zhì)生產(chǎn)力發(fā)展。生產(chǎn)工具是企業(yè)生產(chǎn)活動的基礎和前提，企業(yè)生產(chǎn)工具的強弱決定了其生產(chǎn)效率。人工智能是一種通用目的技術(shù)（GPT），能夠賦予企業(yè)生產(chǎn)的全流程向數(shù)字化、網(wǎng)絡化、智能化、精細化、定制化等方向發(fā)展。根據(jù)IDC的預測，到2025年預計有 35% 的企業(yè)將熟練掌握運用人工智能技術(shù)來開發(fā)數(shù)字產(chǎn)品和服務，從而有望實現(xiàn)比競爭對手高出1倍的收人增長[2]。其他研究也普遍發(fā)現(xiàn)了人工智能技術(shù)對生產(chǎn)率的積極作用。歐洲機器人與就業(yè)委員會在他們調(diào)查的3000家制造業(yè)企業(yè)中，發(fā)現(xiàn)工業(yè)機器人的使用顯著提升了企業(yè)生產(chǎn)率水平。Browder的研究表明，人工智能與其他形式的先進自動化，包括機器人和傳感器，可以促進大量后續(xù)創(chuàng)新，最終實現(xiàn)生產(chǎn)力增長[23]。

其二，人工智能拓展了更廣泛的生產(chǎn)資料（勞動資料）驅(qū)動新質(zhì)生產(chǎn)力的發(fā)展。得益于人工智能技術(shù)的延伸、深度的拓展、精度的提升和速度的加快，新型生產(chǎn)要素被源源不斷地創(chuàng)造出來，數(shù)據(jù)成為\"數(shù)字化時代\"最重要的生產(chǎn)資料。一方面，企業(yè)通過利用人工智能技術(shù)搜集海量大數(shù)據(jù)、關聯(lián)數(shù)據(jù)以及深度挖掘數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化成數(shù)字化資產(chǎn)，進一步釋放數(shù)據(jù)價值和驅(qū)動企業(yè)生產(chǎn)力[7;另一方面，數(shù)據(jù)與其他生產(chǎn)資料互聯(lián)互通，可以為企業(yè)的生產(chǎn)、監(jiān)測過程提供參考，并打通生產(chǎn)過程各個環(huán)節(jié)的信息阻礙，極大提升了溝通效率，利用智能一體化系統(tǒng)不斷地拓展企業(yè)生產(chǎn)的可能性邊界，進一步放大企業(yè)價值創(chuàng)造效應和生產(chǎn)效率。基于上述分析，本文提出以下假設H1。

H1：人工智能可以驅(qū)動新質(zhì)生產(chǎn)力發(fā)展。

值得一提的是，以往研究單純采用文本分析法構(gòu)建的人工智能指標顯得過于籠統(tǒng)，需要對人工智能指標作進一步的細化分析。Haefner等依據(jù)Socio-technical-systems Theory（STST）理論，將人工智能區(qū)分為技術(shù)組件（Technical Components）與社會組件（Social Components）兩部分[1o]。技術(shù)組件是企業(yè)實施和推廣人工智能參與企業(yè)生產(chǎn)運營的技術(shù)成分，而技術(shù)組件的成功實施需要創(chuàng)建一個完善社會情境，引導企業(yè)構(gòu)建人工智能愿景，為企業(yè)人工智能的實施和推動設定范圍和方向。根據(jù)Haefner等[0]的觀點，以往測算人工智能指標必然混雜了技術(shù)組件和社會組件的內(nèi)容。實施人工智能的第一步是創(chuàng)建人工智能愿景，這一愿景的設立往往會通過企業(yè)年報的形式呈現(xiàn)出來。當前人工智能正處在蓬勃發(fā)展階段，大量上市公司基于市值管理動機都有很強的意愿在其年報中披露計劃實施數(shù)字化改造、利用人工智能工具助力企業(yè)發(fā)展等信息，然而披露的信息與實際落地執(zhí)行之間會存在一定的差異，較多企業(yè)尚停留在愿景和形式層面未能起步[23]。

年報作為上市公司信息披露的重要窗口，越來越多地反映了企業(yè)在人工智能領域的布局和愿景，但實際執(zhí)行過程中卻面臨著諸多挑戰(zhàn)，主要涉及AI發(fā)展能力、AI團隊組織、法律與制度等內(nèi)容：一是人工智能技術(shù)本身具有復雜性，需要相應的技術(shù)儲備和人才支持才能實現(xiàn)有效應用[24]；二是企業(yè)內(nèi)部的管理體制、資源配置以及市場環(huán)境等因素也可能影響計劃的順利推進;三是數(shù)據(jù)安全和隱私保護等問題也是人工智能應用中不可忽視的風險點，且國內(nèi)關于人工智能相關法律、制度文件等極不完善，如《生成式人工智能服務管理辦法》等尚處于征求意見階段。鑒于此，本文認為人工智能技術(shù)，即Haefner等[10]所說的技術(shù)組件，更能揭示企業(yè)為發(fā)展和應用人工智能采取的真實行動，而單一考察人工智能愿景可能存在虛假成分。基于上述分析，本文提出以下假設H2。

H2：人工智能技術(shù)可以實質(zhì)性地驅(qū)動新質(zhì)生產(chǎn)力發(fā)展，而人工智能愿景的驅(qū)動作用有所夸大。

（二）勞動力技能結(jié)構(gòu)調(diào)整對人工智能與新質(zhì)生產(chǎn)力的中介效應

人工智能通過塑造新型高素質(zhì)生產(chǎn)主體（即勞動力）驅(qū)動新質(zhì)生產(chǎn)力發(fā)展。生產(chǎn)主體是企業(yè)生產(chǎn)活動中最活躍、最具有決定意義的主力[2]，而高素質(zhì)勞動主體的核心在于高技能勞動力的數(shù)量增加、質(zhì)量改善。從替代體力的蒸汽機到替代腦力的人工智能，技術(shù)進步對生產(chǎn)主體的替代在不斷泛化和深化。技術(shù)進步（尤其當前的數(shù)字技術(shù)、人工智能等新興技術(shù)）通常通過替代效應和創(chuàng)造效應影響企業(yè)的用工情況，推動生產(chǎn)主體從低技能向高技能過程轉(zhuǎn)變，這體現(xiàn)勞動者的干中學效應[25]，進而實現(xiàn)勞動力技能結(jié)構(gòu)的改善，最終會促進企業(yè)生產(chǎn)率增長。

就人工智能（AI）的替代效應而言，人工智能最顯著的特征體現(xiàn)在機器設備的智能特征，能夠模仿人的行為進行“精神生產(chǎn)”，對一些常規(guī)高頻、重復的生產(chǎn)活動進行替代，進而會減少這類常規(guī)的低技能生產(chǎn)主體的需求[12.14]。就創(chuàng)造效應而言，人工智能技術(shù)會在高技術(shù)領域催生出大量新的技術(shù)崗位[12]，這類崗位要求生產(chǎn)主體具有更好的利用數(shù)字技術(shù)、認知性以及創(chuàng)新性的技能，能夠更好地提升企業(yè)的生產(chǎn)經(jīng)營活動。此外，人工智能技術(shù)又因與高技能勞動力的互補性而會增加企業(yè)對高技能勞動力的需求，最終會導致人工智能在不改變企業(yè)員工總量的情況下，不斷改善企業(yè)的勞動力素質(zhì)[26-27]，從而提升企業(yè)生產(chǎn)力。因此，本文認為人工智能有助于企業(yè)改善人力資本結(jié)構(gòu)，實現(xiàn)高技能勞動力的相對增加，對于培育自身新質(zhì)生產(chǎn)力至關重要?；谏鲜龇治?，本文提出以下假設H3。

H3：人工智能可以通過提高勞動力素質(zhì)，改善企業(yè)人力資本結(jié)構(gòu)，進而對新質(zhì)生產(chǎn)力發(fā)展產(chǎn)生積極影響。

二、研究設計

（一）研究樣本與數(shù)據(jù)來源

本文以2010—2022年中國A股上市公司作為研究樣本。其中，企業(yè)的基本信息、財務數(shù)據(jù)等來源于國泰安數(shù)據(jù)庫（CSMAR）;企業(yè)年報數(shù)據(jù)來源于新浪財經(jīng)網(wǎng)站;工業(yè)機器人數(shù)據(jù)來自IFR;勞動力結(jié)構(gòu)相關數(shù)據(jù)來源于銳思數(shù)據(jù)庫（RESSET）。同時，為了保證數(shù)據(jù)的質(zhì)量，本文對數(shù)據(jù)進行了如下處理：（1）剔除金融行業(yè)的樣本；（2）刪除了當年處于ST以及PT狀態(tài)的樣本;（3）剔除IPO未滿一年的樣本；（4）刪除所有者權(quán)益小于0的樣本；（5）為了減輕極端值的影響，本文對連續(xù)型變量進行了1% 的縮尾處理。

（二）變量說明①

1.人工智能愿景與人工智能技術(shù)

根據(jù)前文研究，此處借鑒Haefner等[10]的研究結(jié)論將人工智能指標分為人工智能愿景（社會組件）與人工智能技術(shù)（技術(shù)組件）兩個維度。實施人工智能的第一步是創(chuàng)建人工智能愿景，這一愿景的設立往往會通過企業(yè)年報的形式呈現(xiàn)出來，因此本文選取新浪財經(jīng)披露的上市公司年報數(shù)據(jù)，按照姚加權(quán)等21的測度方法構(gòu)建出人工智能愿景指標，記為AIvison。具體而言：首先，人工選取了以“人工智能\"\"機器學習\"\"物聯(lián)網(wǎng)\"在內(nèi)的73個詞語，生成人工智能詞典;其次，統(tǒng)計出上市公司年報中披露的人工智能關鍵詞數(shù)量;最后，對人工智能關鍵詞數(shù)量加1作對數(shù)處理。

為了刻畫企業(yè)在生產(chǎn)活動中使用人工智能技術(shù)，本文參考Acemoglu和Restrepo[12]的方法，使用國際機器人聯(lián)合會（IFR）發(fā)布的\"國家—行業(yè)—時間\"層面的工業(yè)機器人數(shù)據(jù)，測算出企業(yè)層面的工業(yè)機器人滲透度，作為人工智能技術(shù)的度量指標，記為AItech。

2.新質(zhì)生產(chǎn)力

有關新質(zhì)生產(chǎn)力的測度，現(xiàn)有文獻主要從宏觀與微觀兩個層面測度[28]。然而，這兩種測度方式可能會存在由于部分數(shù)據(jù)缺失嚴重，導致樣本選取具有較大誤差的缺陷。基于此，本文利用文本分析法測度新質(zhì)生產(chǎn)力，使上市公司的新質(zhì)生產(chǎn)力水平具有較強的可比性。

首先，本文根據(jù)“新質(zhì)生產(chǎn)力\"的本質(zhì)內(nèi)涵與特征，對年報文本進行初篩，發(fā)現(xiàn)截至上市公司2022年披露的年報中未出現(xiàn)\"新質(zhì)生產(chǎn)力\"詞頻，接著借鑒央視新聞關于新質(zhì)生產(chǎn)力的觀點，將“先進生產(chǎn)力\"以及新質(zhì)生產(chǎn)力的三個特征即“高科技”“高效能\"“高質(zhì)量\"作為種子詞匯。其次，依據(jù)四個種子詞匯，采用Word2Vec神經(jīng)網(wǎng)絡模型、機器學習等手段，獲取種子詞匯的相似詞集。此外，為了測度結(jié)果更加準確，本文僅對相似度較高的詞匯進行保留，剔除部分高科技公司名稱類的詞匯。從詞頻庫中可以發(fā)現(xiàn)，年報中有很多介紹企業(yè)產(chǎn)品與服務相關的詞匯，如“高性能”“低污染\"等；有表現(xiàn)企業(yè)創(chuàng)新性新質(zhì)生產(chǎn)力的詞匯，如\"創(chuàng)新性”“高附加值”;有表現(xiàn)企業(yè)智能化新質(zhì)生產(chǎn)力的詞匯，如\"先進生產(chǎn)力”;有表現(xiàn)企業(yè)綠色化新質(zhì)生產(chǎn)力的詞匯，如\"環(huán)保型”“低污染\"等，較為全面地刻畫了新質(zhì)生產(chǎn)力，最終共獲得包含“先進生產(chǎn)力\"\"高科技”“高效能\"\"高質(zhì)量\"在內(nèi)的55個詞語作為新質(zhì)生產(chǎn)力的詞典。最后，統(tǒng)計年度報告中種子詞匯與相似詞匯的出現(xiàn)詞頻數(shù)量，再進行 +1 取自然對數(shù)處理，以此表示新質(zhì)生產(chǎn)力，記為Creatq。

3.勞動力技能結(jié)構(gòu)調(diào)整

參照姚加權(quán)等[21]研究，勞動力分為非常規(guī)高技能勞動力以及常規(guī)低技能勞動力。常規(guī)低技能勞動力包含生產(chǎn)、業(yè)務、市場和財務人員，非常規(guī)高技能勞動力包含技術(shù)和研發(fā)人員?；诖?，勞動力技能結(jié)構(gòu)調(diào)整以非常規(guī)高技能勞動人數(shù)（H_Labor）與常規(guī)低技能勞動人數(shù)（N_Labor）比值來衡量，該數(shù)值越大表明企業(yè)的高技能勞動力占比越大，勞動的生產(chǎn)效率就越高。

4.控制變量

參考已有文獻的研究，本文選取企業(yè)規(guī)模（Size）、企業(yè)資產(chǎn)負債率（Lev）、企業(yè)總資產(chǎn)收益率（Roa）企業(yè)流動性（Liquid）、現(xiàn)金流比例（Cashflow）、固定資產(chǎn)比率（Fiexd）、企業(yè)年齡（FirmAge）、股權(quán)集中度（Top1）所有權(quán)性質(zhì)（Soe）作為控制變量。

選擇以企業(yè)規(guī)模、企業(yè)年齡、股權(quán)集中度及所有權(quán)性質(zhì)這四個體現(xiàn)企業(yè)不同維度特征的一類指標作為控制變量。（1）企業(yè)規(guī)模用企業(yè)雇傭人員數(shù)量衡量，數(shù)量越大，企業(yè)的規(guī)模越大。一般而言，企業(yè)的員工數(shù)量越大，企業(yè)所具有的人力資源就越大，企業(yè)的生產(chǎn)力就高。（2）企業(yè)年齡是企業(yè)自成立至今的年限。企業(yè)年限越長，企業(yè)更有可能積累足夠的研發(fā)資金和技術(shù)人才，從而推動技術(shù)突破和創(chuàng)新。這些技術(shù)突破和創(chuàng)新成果可以應用于企業(yè)的生產(chǎn)和管理中，提升企業(yè)的生產(chǎn)效率和產(chǎn)品質(zhì)量，進而推動新質(zhì)生產(chǎn)力的形成和發(fā)展。（3）股權(quán)集中度，是指第一大股東所占的股份數(shù)量，該指標用以衡量企業(yè)股權(quán)集中或分散的程度，股權(quán)過度集中可能導致大股東濫用權(quán)力、損害小股東利益等問題，從而影響企業(yè)的整體發(fā)展。（4）所有權(quán)性質(zhì)，是衡量企業(yè)所有權(quán)的歸屬特征，分為國有企業(yè)和非國有企業(yè)。相對于民營企業(yè)而言，國有企業(yè)可能因存在管理層冗余、政策性負擔、委托代理問題而導致創(chuàng)新動力不足、生產(chǎn)效率低下，而私營企業(yè)則可能因更直接的經(jīng)濟激勵而具有更強的創(chuàng)新動力，企業(yè)生產(chǎn)效率則相對更高。

選擇企業(yè)資產(chǎn)負債率、企業(yè)總資產(chǎn)收益率、企業(yè)流動性、現(xiàn)金流比例以及固定資產(chǎn)比率等衡量企業(yè)生產(chǎn)經(jīng)營狀況所需要的財務資金與設備狀況的指標作為控制變量。（1）企業(yè)資產(chǎn)負債率用以衡量企業(yè)利用債務資金進行經(jīng)營活動的能力，反映了在總資產(chǎn)中借債規(guī)模的大小。不同的資產(chǎn)負債率水平會影響企業(yè)的融資成本和融資結(jié)構(gòu)。資產(chǎn)負債率較高意味著企業(yè)面臨較高的融資成本。此外，因為債權(quán)人會要求更高的風險溢價，進而可能會限制企業(yè)在創(chuàng)新活動上的資金投人，進而抑制企業(yè)生產(chǎn)效率。（2）企業(yè)流動性是流動資產(chǎn)除以總資產(chǎn)的比值，用于衡量企業(yè)短期資產(chǎn)變現(xiàn)用于償還短期債務的能力。過高的流動性也可能導致資金利用效率低下、資源浪費等問題，可能會忽視對長期創(chuàng)新項目的投入而導致企業(yè)生產(chǎn)效率低下。（3）企業(yè)總資產(chǎn)收益率通常被視為衡量企業(yè)利用其總資產(chǎn)創(chuàng)造利潤能力的重要指標，企業(yè)如果追求短期利潤，長期而言可能因缺乏技術(shù)創(chuàng)新和產(chǎn)業(yè)升級而導致無法提升新質(zhì)生產(chǎn)力。（4）現(xiàn)金流比例。高現(xiàn)金流量比率意味著企業(yè)擁有足夠的現(xiàn)金儲備，能夠隨時應對各種資金需求，包括研發(fā)投人、設備更新、市場開拓等，這些都是提升新質(zhì)生產(chǎn)力所必需的。因而企業(yè)的現(xiàn)金流比率越高，對企業(yè)新質(zhì)生產(chǎn)的提升效應越顯著。5）固定資產(chǎn)比例。固定資產(chǎn)是企業(yè)長期投資的部分，當固定資產(chǎn)占總資產(chǎn)比例越高，相對的企業(yè)流動資金就少，會影響企業(yè)的短期償債能力、提升財務風險，這可能會限制企業(yè)在短期內(nèi)的研發(fā)投入和市場拓展能力，進而影響新質(zhì)生產(chǎn)力的提升。

此外，為了緩解由于不同行業(yè)所導致的異方差問題，本文對模型中回歸系數(shù)的標準誤進行了行業(yè)層面的聚類（cluster）處理。所有變量的定義與測度方法如表1所示。

表1各變量定義

（三）計量模型

為了檢驗人工智能對新質(zhì)生產(chǎn)力的影響，本文構(gòu)建了如下基準模型：

其中：i和t分別代表企業(yè)與年份，Creatq為新質(zhì)生產(chǎn)力，AIvion為人工智能愿景指標，AItech為人工智能技術(shù)指標。根據(jù)前文假說H1，本文預計 α₁ 與 β₁ 的回歸系數(shù)顯著為正。 ε 為隨機誤差項，Industry、Province ，Year 分別代表行業(yè)固定效應、省份固定效應以及年度固定效應。

為了檢驗人工智能是否會通過調(diào)整勞動力技能結(jié)構(gòu)對新質(zhì)生產(chǎn)力發(fā)生影響，參照溫忠麟的中介模型，構(gòu)建如下模型對此進行檢驗②：

其中，Labstr為企業(yè)勞動力技能結(jié)構(gòu)調(diào)整指標，其余變量與基準回歸模型相同。根據(jù)上述分析，本文預計模型（3）—（4）中 γ₁ 與 δ_?1 回歸系數(shù)顯著為正，模型（5）—（6）中 ρ₁ 與 φ₁ 回歸系數(shù)顯著為正數(shù)。

三、實證結(jié)果與分析

（一）描述性統(tǒng)計

對本文的主要變量進行描述性統(tǒng)計，結(jié)果如表2所示。其中，新質(zhì)生產(chǎn)力Creatq均值為3.05，方差為0.89，最大值與最小值差距較大，意味著不同企業(yè)新質(zhì)生產(chǎn)力水平存在一定差距，這為深入挖掘影響新質(zhì)生產(chǎn)力的因素提供了思路。另外，核心解釋變量人工智能愿景AIvion的均值為0.13，而人工智能技術(shù)AItech的均值為6.81，標準差為4.06。數(shù)據(jù)顯示大部分企業(yè)在披露人工智能愿景方面差距較小，而真正將人工智能技術(shù)落地卻存在很大差距，這也為進一步分析這兩個維度對新質(zhì)生產(chǎn)力的影響提供了一定的思路。

表2各主要變量的描述性統(tǒng)計

② 中介模型一共分為三步，第一步為本文的基準模型，故在中介模型部分只列舉模型的第二步與第三步。

（二）基準回歸結(jié)果分析

為了檢驗人工智能是否會對新質(zhì)生產(chǎn)力產(chǎn)生正向效應，本文對模型（1）—（2）進行檢驗回歸，結(jié)果如表3所示。方程（1）與（3）為未加入控制變量與加入控制變量后，AIvion對Creatq回歸系數(shù)為0.971與0.767，且均在 1% 水平下顯著為正;方程（2）與（4）為未加入控制變量與加入控制變量后，AItech對Creatq的回歸系數(shù)為0.023與0.015，且在 1% 水平下顯著為正。以上結(jié)果表明，在其他因素一定的情況下，人工智能愿景與人工智能技術(shù)均會顯著促進新質(zhì)生產(chǎn)力的發(fā)展，即假說H1得證。但進一步分析可以發(fā)現(xiàn)，人工智能技術(shù)的正向效應要小于人工智能愿景 （0.023lt;0.971，0.015lt; 0.767），意味著人工智能愿景可能會夸大其對新質(zhì)生產(chǎn)力的影響，即假說H2得證。因此，企業(yè)培養(yǎng)新質(zhì)生產(chǎn)力不應該讓人工智能僅停留在\"口號\"階段，而應該讓人工智能技術(shù)落地，這樣才能真正促進新質(zhì)生產(chǎn)力發(fā)展。

表3人工智能對新質(zhì)生產(chǎn)力的影響

注：1.括號內(nèi)為穩(wěn)健標準誤;2.*、**、***分別為 10% （204 5% 、 1% 的顯著性水平。下表同。

四、穩(wěn)健性檢驗

新質(zhì)生產(chǎn)力會受到多方面的影響，當樣本選擇存在偏差或由于反向因果關系造成的內(nèi)生性問題，均會對上述回歸結(jié)果造成干擾，因此本文通過工具變量以及傾向匹配得分兩種方法來緩解內(nèi)生性問題。此外，變量的測度偏誤也會扭曲估計系數(shù)的真實性，從而會導致回歸結(jié)果不可信，為此本文替換關鍵核心變量，再次對基準回歸進行檢驗，以確保上述結(jié)果的穩(wěn)健性。

（一）工具變量檢驗

工具變量IV的選擇有兩個條件：“嚴外生性\"與“強相關性”。為此，本文采用同一年度、同一行業(yè)其他企業(yè)的人工智能愿景指標的均值（IV1）與人工智能技術(shù)的均值（IV2）分別作為人工智能愿景與人工智能技術(shù)的工具變量。同一年度、同一行業(yè)其他企業(yè)的人工智能愿景均值與人工智能技術(shù)的均值與該企業(yè)的人工智能指標具有很強的相關性，但卻不能影響該企業(yè)的生產(chǎn)活動，故滿足工具變量的\"嚴外生性”與“強相關性”。

為了緩解反向因果關系所導致的內(nèi)生性問題，本文利用上述工具變量對基準模型重新進行回歸，結(jié)果如表4所示。第一階段回歸方程（1）—（2）顯示IV1對AIvion以及IV2對AItech的回歸系數(shù)顯著為負;第二階段回歸方程（3）—（4）顯示AIvion以及AItech對新質(zhì)生產(chǎn)力的影響依然顯著為正。同時，該工具變量在不可識別檢驗中，在列（3）與（4）中Kleibergen-Paap rkLM統(tǒng)計量為2389.384與2 619.585，統(tǒng)計量 P 值為0.00，強烈地拒絕不可識別的原假設;弱工具變量檢驗顯示，Kleibergen-PaaprkWaldF統(tǒng)計量為2551.709與2796.086，其真實顯著性水平不超過 10% ，說明本文的工具變量不僅在理論上是合適的，在統(tǒng)計上也具有合理性，這在一定程度上消除了反向因果的內(nèi)生性問題，表明基準回歸結(jié)論依然成立。

（二）替換核心變量的檢驗

為進一步確保研究結(jié)果的穩(wěn)健性，本文重新度量新質(zhì)生產(chǎn)力指標以及人工智能指標，再次對基準模型進行回歸，具體步驟如下：（1）參照宋佳等[5的測度方法，采用熵值法衡量出被解釋變量新質(zhì)生產(chǎn)力的替代指標，回歸結(jié)果如表5中列（1）—（2）所示。（2）為了能夠準確評估人工智能指標的兩個維度，本文從兩個方面著手尋找替代指標。一是針對人工愿景替代變量依然采取文本分析方法進行測算，具體參照姚加權(quán)等[21的方法，統(tǒng)計出上市公司年報MDamp;A部分人工智能的關鍵詞數(shù)量并加1的自然對數(shù)（AIvion_1）作為人工智能愿景替代指標;二是針對人工智能技術(shù)指標，本文采用人工智能投入占無形資產(chǎn)投入百分比來衡量（AItech_1），占比越大表明企業(yè)對人工智能技術(shù)的重視及使用程度越高，能夠很好地替代工業(yè)機器人滲透度。核心解釋變量替換后的回歸結(jié)果如表5中列（3）一（4）所示。綜上可以看出，各個方程回歸結(jié)果依然支持基準回歸結(jié)果。

（三）勞動力結(jié)構(gòu)調(diào)整的中介機制檢驗

通過上述檢驗結(jié)果發(fā)現(xiàn)，人工智能對新質(zhì)生產(chǎn)力產(chǎn)生了積極的影響，這一發(fā)現(xiàn)不禁引發(fā)深入思考：人工智能是通過哪些渠道對新質(zhì)生產(chǎn)力產(chǎn)生影響呢？根據(jù)前文提出的研究假設H3，本文認為人工智能可以通過提高勞動力素質(zhì)、改善企業(yè)的勞動力技能結(jié)構(gòu)從而對新質(zhì)生產(chǎn)力產(chǎn)生影響。因此，檢驗人工智能對新質(zhì)生產(chǎn)力的影響是否基于“勞動力技能結(jié)構(gòu)\"調(diào)整而發(fā)揮作用。中介效應模型的逐步回歸檢驗結(jié)果如表6所示：列（1）—（2），Labstr的回歸系數(shù)顯著為正，表明不管是人工智能愿景還是人工智能技術(shù)都顯著提高了勞動力技能水平，推動了勞動力技能從低向高轉(zhuǎn)變。當模型（1）—（2）中加人Labstr后，回歸結(jié)果如表6的列（3）—（4）所示?？梢郧逦乜闯?，Labstr、AIvion與AItech的回歸系數(shù)依然顯著為正，但與基準模型（3）—（4）中的AIvion與AItech的回歸系數(shù)顯著性相比，有了明顯下降;同時由Sobel和Goodman檢驗得知，部分中介效應存在，驗證了人工智能會通過賦能勞動力從低技能向高技能水平轉(zhuǎn)變，進而對新質(zhì)生產(chǎn)力發(fā)生積極影響。

表4工具變量檢驗

五、進一步研究

人工智能對新質(zhì)生產(chǎn)力的影響可能會因企業(yè)產(chǎn)權(quán)性質(zhì)、所處行業(yè)以及所在地區(qū)特征而存在差異。為此，本部分將進一步從企業(yè)的內(nèi)部因素與所處外部環(huán)境對二者之間的關系進行分析，以期望有更加全面的認識。

（一）企業(yè)自身內(nèi)部性質(zhì)的影響：高新技術(shù)企業(yè)資質(zhì)分析

人工智能對新質(zhì)生產(chǎn)力的影響可能會因行業(yè)差異而有所不同。相較于非高技術(shù)行業(yè)，高技術(shù)行業(yè)在人力資本、技術(shù)積累以及對前沿技術(shù)的敏銳度等方面具有天然的優(yōu)勢，更加有利于人工智能技術(shù)的落地與應用。同時，具有高新技術(shù)企業(yè)資質(zhì)還可以享有豐富的稅收減免與財政補貼政策，能夠有效地補償人工智能技術(shù)研發(fā)以及技術(shù)應用所產(chǎn)生的成本，從而使企業(yè)能夠通過人工智能獲得更為可觀的經(jīng)濟回報。而這種正向反饋進一步加大人工智能投資，最終促進新質(zhì)生產(chǎn)力提升。為了驗證上述推論，本文根據(jù)樣本是否得到高新技術(shù)企業(yè)認定資質(zhì)，對樣本進行分組檢驗，表7列（1）—（2）為高技術(shù)行業(yè)樣本，列（3）—（4）為非高技術(shù)行業(yè)樣本，結(jié)果表明：在高技術(shù)行業(yè)中人工智能對新質(zhì)生產(chǎn)力影響更大，該結(jié)論為我國的產(chǎn)業(yè)發(fā)展提供了方向。

表5替代指標的穩(wěn)健性檢驗

表6勞動力技能調(diào)整的機制檢驗

表7行業(yè)異質(zhì)性分析

（二）企業(yè)所處外部環(huán)境的影響：數(shù)字基礎設施環(huán)境分析

人工智能技術(shù)的實施需要主體所在生態(tài)系統(tǒng)的數(shù)字基礎設施（Digital Infrastructure）作保障[10]。企業(yè)所處地區(qū)數(shù)字技術(shù)設施越好，人工智能技術(shù)可能發(fā)揮的效應就越強。為了驗證上述推論，本文借鑒黃勃等2的方法，采用企業(yè)所在城市的互聯(lián)網(wǎng)接入端口數(shù)量與居民人數(shù)之比的年度中位數(shù)作為數(shù)字基礎設施發(fā)展水平進行分組檢驗。表8列（1）—（2）為高數(shù)字基礎設施樣本，列（3）—（4）為低數(shù)字基礎設施樣本，結(jié)果表明：與低數(shù)字基礎設施地區(qū)相比，數(shù)字基礎設施發(fā)展水平較高的地區(qū)，人工智能對新質(zhì)生產(chǎn)力發(fā)揮的正向效應更強，這也為當?shù)卣块T加大數(shù)字基礎設施投資，促進人工智能發(fā)展提供了理論依據(jù)。

表8數(shù)字基礎設施環(huán)境的異質(zhì)性分析

此外，對比人工智能技術(shù)（AItech）與人工智能愿景（AIvion）在高新技術(shù)企業(yè)資質(zhì)、數(shù)字基礎設施環(huán)境兩個方面的差異，結(jié)果均顯示人工智能愿景的相關系數(shù)更大。此處的分析，也是對Haefner等[10]所提觀點的一個驗證，即高新技術(shù)企業(yè)資質(zhì)、數(shù)字基礎設施環(huán)境均屬于社會組件，技術(shù)組件的成功實施需要創(chuàng)建一個完善的社會情境，引導企業(yè)構(gòu)建人工智能愿景，為企業(yè)人工智能的實施和推動設定范圍和方向。

六、研究結(jié)論與建議

以人工智能為引領的新一輪科技革命，正在全球范圍內(nèi)掀起一場舊有生產(chǎn)力不斷被打破、新質(zhì)生產(chǎn)力不斷形成的生產(chǎn)力變革。在此背景下，本文采用2010—2022年中國上市公司A股數(shù)據(jù)，構(gòu)建人工智能愿景與人工智能技術(shù)指標，綜合考察人工智能對新質(zhì)生產(chǎn)力發(fā)展的影響。實證結(jié)果表明，人工智能顯著促進新質(zhì)生產(chǎn)力的發(fā)展，控制內(nèi)生性以及穩(wěn)健性后檢驗結(jié)果依然成立，此外還證實了人工智能愿景相對于人工智能技術(shù)而言，前者可能存在夸大效應，即人工智能技術(shù)的正向效應要小于人工智能愿景。在傳導機制方面，人工智能通過調(diào)整勞動力技能結(jié)構(gòu)，提升勞動力效率進而對新質(zhì)生產(chǎn)力產(chǎn)生積極影響。進一步研究發(fā)現(xiàn)，高科技行業(yè)特征、完善的數(shù)字技術(shù)設施均會對人工智能與新質(zhì)生產(chǎn)力發(fā)展產(chǎn)生積極影響。本研究結(jié)論對于發(fā)展人工智能技術(shù)進而培育新質(zhì)生產(chǎn)力形成具有重要的政策啟示意義。

第一，堅定不移走科技發(fā)展之路，不斷加大對人工智能技術(shù)創(chuàng)新投人，以高水平科技自立自強為新質(zhì)生產(chǎn)力的形成和發(fā)展奠定堅實基礎。政策制定者在制定人工智能技術(shù)規(guī)劃時，應充分認識到人工智能技術(shù)對培育新質(zhì)生產(chǎn)力的戰(zhàn)略價值。通過啟動國家級的人工智能基礎研究項目等舉措，集中優(yōu)勢資源攻克關鍵核心技術(shù)，加速構(gòu)建新一代人工智能的核心技術(shù)體系。同時，進一步加強重點科研機構(gòu)與大型科技企業(yè)之間的合作，形成優(yōu)勢互補，完善產(chǎn)學研一體化的創(chuàng)新體系，共同推動人工智能技術(shù)的創(chuàng)新與進步，為企業(yè)形成新質(zhì)生產(chǎn)力賦能。

第二，大力培養(yǎng)創(chuàng)新型復合型數(shù)字化人才，不斷壯大新質(zhì)生產(chǎn)力需求的新型勞動者隊伍，為新質(zhì)生產(chǎn)力發(fā)展提供有力的人才保障。需持續(xù)推動人才體制機制的創(chuàng)新，完善人才的引進、培育、任用及評估體系。尤其針對人工智能前沿科技領域中的高端及稀缺人才，應構(gòu)建國際交流平臺，拓寬引進路徑，并優(yōu)化相關人才引進服務。同時，要深化高校、職業(yè)院校和企業(yè)之間的合作，加強產(chǎn)學研融通，為企業(yè)輸入多樣化、多背景、高素質(zhì)、高技能的人才。

第三，加快營造“軟環(huán)境\"與\"硬環(huán)境”為人工智能技術(shù)應用提供沃土，助力人工智能產(chǎn)業(yè)發(fā)展。一方面，政府部門應當多出臺有利于人工智能發(fā)展的相關制度與政策等\"軟環(huán)境”，充分激發(fā)各企業(yè)主體的積極性與能動性，推動人工智能產(chǎn)業(yè)的快速發(fā)展和廣泛應用;另一方面，政府部門應當加快完善有關人工智能應用的數(shù)字基礎設施等“硬環(huán)境”，增強對新型基礎設施，包括信息、融合及創(chuàng)新設施的投資強度，充分利用人工智能作為驅(qū)動力，促進新質(zhì)生產(chǎn)力的高效提升。

參考文獻：

[1]周文，許凌云.論新質(zhì)生產(chǎn)力：內(nèi)涵特征與重要著力點[J].改革，2023（10）：1-13.

[2」黃再勝.AI大模型賦能新質(zhì)生產(chǎn)力加快發(fā)展：內(nèi)在機理、現(xiàn)實障礙與實踐進路[J].改革與戰(zhàn)略，2024（2）：1-12.

[3]黃群慧，盛方富.新質(zhì)生產(chǎn)力系統(tǒng)：要素特質(zhì)、結(jié)構(gòu)承載與功能取向[J].改革，2024（2）：15-24.

[4]尹西明，陳勁，王華峰，劉冬梅.強化科技創(chuàng)新引領加快發(fā)展新質(zhì)生產(chǎn)力[J/OL].科學學與科學技術(shù)管理，1-10[2025-02-06].http：//kns.cnki.net/kcms/detail/12.1117. g3.20240221.1012.002.html.

[5]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)驗證據(jù)[J].當代經(jīng)濟管理，2024（6）：1-11.

[6]杜傳忠，疏爽，李澤浩.新質(zhì)生產(chǎn)力促進經(jīng)濟高質(zhì)量發(fā)展的機制分析與實現(xiàn)路徑[J].經(jīng)濟縱橫，2023（12）：20-28.

[7]米加寧，李大宇，董昌其．算力驅(qū)動的新質(zhì)生產(chǎn)力：本質(zhì)特征、基礎邏輯與國家治理現(xiàn)代化[J].公共管理學報，2024（2）：1-14，170.

[8]蔣萬勝，王嘉妮.人工智能對現(xiàn)代社會生產(chǎn)力發(fā)展的影響：基于馬克思勞動過程三要素思想的分析[J].西北工業(yè)大學學報（社會科學版），2023（2）：10-18.

[9］姚樹潔，王潔菲.數(shù)字經(jīng)濟推動新質(zhì)生產(chǎn)力發(fā)展的理論邏輯及實現(xiàn)路徑[J].煙臺大學學報（哲學社會科學版），2024（2）：1-12.

[10]HAEFNER N，PARIDA V，GASSMANNO，et al. Implementing andscaling artificial intellgence：Areview，framework，ndresearch agenda[J]. Technological Forecasting and Social Change，2O23，197： 122878.

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

[12]ACEMOGLUD，RESTREPOP.Robots and jobs： Evidence fromUS labor markets[J].Journal of Political Economy，2020，128（6）：2188-2244.

[13］陳東，秦子洋.人工智能與包容性增長：來自全球工業(yè)機器人使用的證據(jù)[J].經(jīng)濟研究，2022（4）：85-102.

[14]王永欽，董雯．機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)濟研究，2020（10）：159-175.

[15]郭凱明，王鈺冰，龔六堂．勞動供給轉(zhuǎn)變、有為政府作用與人工智能時代開啟[J].管理世界，2023（6）：1-21.

[16] GRAETZ G，MICHAELS G. Robots at work[J].The Review of Economics and Statistics，2018，10O（1）：753-768.

[17]王林輝，胡晟明，董直慶.人工智能技術(shù)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(yè)經(jīng)濟，2020（4）：97-115.

[18]劉斌，潘彤.人工智能對制造業(yè)價值鏈分工的影響效應研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020（10）：24-44.

[19]GCANIN H， WAGNER M.Artificial intellgenceparadigm for customer experience management in next-generationnetworks：Challenges and perspectives[J]. IEEE Network，2019，33（2） ：188-194.

[20]BABINAT，F(xiàn)EDYKA，HEA，etal.Artificialinteligence，firmgrowth，andproductinnovationJ].JournalofinancialEconomics，2024，151：103745.

[21]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（2）：101-116，133，117-122.

[22]CHUI M，ROBERTSR，YEE L D. Generative AI Is here：How Tools like ChatGPT Could Change your Business.McKinsey QuantumBlack[EB/OL].[2024-05-10].htps：//www.mckinsey.com/capabilities/quantumblack/our-insights/generative-ai-is-here-how-toolslike-chatgpt-could-change-your-busines.

[23]BROWDERRE，KOCH H，LONG AN，etal.Learning toinnovatewith bigdataanalyticsininterorganizationalrelationships[J].Academy of ManagementDiscoveries，2022，8（1）：139-166.

[24]王軍，常紅.人工智能對勞動力市場影響研究進展[J].經(jīng)濟學動態(tài)，2021（8）：146-160.

[25]黃浩權(quán)，戴天仕，沈軍.人工智能發(fā)展、干中學效應與技能溢價：基于內(nèi)生技術(shù)進步模型的分析[J].中國工業(yè)經(jīng)濟，2024（2）：99-117.

[26]MOLL B，RACHEL L，RESTREPO P. Uneven growth： Automation’s impact on income and wealth inequality[R].NBERWorking Papers，2021，No.28440.

[27]吳一平，陳家和，李鵬飛．自動化技術(shù)應用與企業(yè)人力資本結(jié)構(gòu)：基于供應鏈視角的研究[J].財經(jīng)研究，2023（7）：4-18.

[28]盧江，郭子昂，王煜萍．新質(zhì)生產(chǎn)力發(fā)展水平、區(qū)域差異與提升路徑[J].重慶大學學報（社會科學版），2024（3）：1-17.

[29]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)濟研究，2023（3）：97-115.

A study of the impact of artificial intelligence on the development of new quality productivity ： Evidence from Chinese micro firm level

CHEN Yulei1，TONG Xiaoge1，RAN Maosheng2，HAN Wei1 （1. School of Business，Southwest University of Political Science and Law，Chongqing 40o12o， P.R. China;

2.School of Economics and BusinessAdministration，Chongqing University， Chongqing 40oo44，P.R. China） Abstract： The rapid development of artificial intellgence is sparking a productivity revolution，promoting

the transition of traditional productivity to new quality productivity.In this context，based on the social

technical systems theory （STST），this paper dividesartificial inteligence into two dimensions：visionand

technology，constructs indicatorsforartificial inteligencevisionandartificial intellgence technology，and explores the intrinsic correlation between artificial intelligence and the development of new quality productive forces using data from China’s A-share listed companies from 2010 to 2022. The empirical results show that： 1） Artificial intellgence significantly promotes the development of newquality productive forces，and the test resultsafter controlling for endogeneityand robustness are consistent with the benchmark test results.In addition，this paper confirms that compared with artificial intelligence technology，artificial intellgence vision mayhaveanexaggeration efect，that is，the positive effectof artificial intelligence technology is smaller than thatof artificial intellgence vision，which means that enterprises should notletartificial intellgence stayat the slogan stage when cultivating new productive forces，but should promote the implementation of artificial intelligence technology，soas to truly promote the development of enterprises’new quality productive forces.2） In terms of transmission mechanism，this paper opens the black box of artificial intelligence driving the development of new quality productive forces，and analyzes the mechanism of artificial intelligence on the development of new quality productive forces from the perspective of labor skillstructure adjustment. The study finds thatboth artificial intellgence visionand artificial intellgence technology significantly improve laborskillleveland promote the transformationof laborskill structure fromlow-skilledtohigh-skiled，thatis， artificial inteligence can empower labor skill improvement，and then have a positive impact on new quality productive forces.3）Further research showsthat the characteristics of high-tech industries are more conducive to thelanding andapplication of artificial intellgence technology，andthe better the digital technologyfacilities in the area where the enterprise is located，the stronger the positive effect thatartificial intelligence technology may exert，that is，both aspects will strengthen the positive role of artificial inteligence in promoting new quality productive forces.The research conclusions of this paper have important policy implications for promoting enterprises to formnew qualityproductiveforces withhigh technology，high eficiency，and highquality，as well as the development of the artificial intelligence industry，as follows： First， we mustunswervingly follow the path of technological development，continuously increase investment in artificial intelligence technology innovation， and lay a solid foundation for the formation and development of new quality productive forces with independent and self-reliant technology;Second，we must vigorously cultivate innovative and compound digital talents， continuously expand the new labor force，and provide a strong talent guarantee for the development of new quality productive forces; Third，we must accelerate the creation of soft environment and hard environment to provide fertile soil for the application of artificial intelligence technologyand help the development of the artificial intelligence industry.

Key words：artificial intelligence vision;artificial intelligence technology；new quality productivity workforce skill structure; high-tech industries; digital technology facilities

（責任編輯 傅旭東）