人工智能应用如何影响制造企业创新绩效？

摘要/Abstract

摘要： 人工智能在技术研发领域的应用为制造企业带来了前所未有的创新机遇和突破。本文基于动态能力理论和企业创新理论构建了人工智能应用赋能制造企业创新绩效的理论分析框架,利用2013—2021年我国制造业A股上市企业面板数据,运用文本挖掘技术构建人工智能应用综合测度指标,实证检验人工智能在制造企业技术研发领域的应用对企业创新绩效的影响效应及其作用机制。结果发现,人工智能应用显著提升了制造企业创新绩效,且该结论在一系列稳健性检验后依然成立。中介效应检验表明,动态能力在人工智能应用提升制造企业创新绩效的过程中发挥部分中介作用。异质性检验结果显示,人工智能应用对制造企业创新绩效的促进作用在国有企业、大企业、高新技术行业企业以及人工智能应用程度较高地区的企业中更为显著。本研究为理解人工智能赋能制造企业创新绩效提供了新视角,同时为推动制造企业智能化转型提供了理论基础和决策参考。

关键词: 人工智能, 创新绩效, 动态能力, 文本分析

Abstract: The application of artificial intelligence (AI) in technology research and development has brought unprecedented innovation opportunities and challenges to manufacturing companies. Based on the dynamic capability theory and the enterprise innovation theory, this paper constructs a theoretical analysis framework of AI application affecting enterprises' innovation performance, utilizes the data from A-share listed enterprises in China's manufacturing industry from 2013 to 2021, uses the text mining technology to construct a comprehensive measurement index for the degree of application of AI, and empirically test the impact of AI on enterprises' innovation performance and its functioning mechanism in the field of technology R&D of manufacturing enterprises. The results indicate that the application of AI has significantly improved the innovation performance of manufacturing enterprises, and this conclusion still holds after a series of robustness tests. In addition, dynamic capabilities play a partial mediating role in the process of improving the innovation performance of manufacturing firms through AI. The heterogeneity test results indicate that the improvement effect of AI on the innovation performance of enterprises is more significant for state-owned enterprises, large enterprises, enterprises in high-tech industries, and enterprises in regions with a higher degree of AI application. The results of the study provide a new perspective for understanding the innovation performance of manufacturing enterprises empowered by AI, and a theoretical basis and decision-making reference for promoting the intelligent transformation of enterprises.

Key words: Artificial Intelligence, Innovation Performance, Dynamic Capability, Text Analysis

中图分类号:

F273.1

李果, 白云朴. 人工智能应用如何影响制造企业创新绩效？[J]. 财经论丛, 2024, 40(12): 102-112.

LI Guo, BAI Yunpu. How does Application of Artificial Intelligence Affect the Innovation Performance of Manufacturing Enterprises?[J]. Collected Essays on Finance and Economics, 2024, 40(12): 102-112.

参考文献

[1]李海舰, 李真真. 中国制造业的高质量发展: “五维一体”求解[J]. 学习与探索, 2024, (9): 94-105, 176.
[2]李雪松, 党琳, 赵宸宇. 数字化转型、融入全球创新网络与创新绩效[J]. 中国工业经济, 2022, (10): 43-61.
[3]Tekic Z., Füller J. Managing Innovation in the Era of AI[J]. Technology in Society, 2023, 73: 102254.
[4]刘斌, 潘彤. 人工智能对制造业价值链分工的影响效应研究[J]. 数量经济技术经济研究, 2020, (10): 24-44.
[5]Kakatkar C., Bilgram V., Füller J. Innovation Analytics: Leveraging Artificial Intelligence in the Innovation Process[J]. Business Horizons, 2020, 63(2): 171-181.
[6]Rammer C., Fernández G. P., Czarnitzki D. Artificial Intelligence and Industrial Innovation: Evidence from German Firm-level Data[J]. Research Policy, 2022, 51(7): 104555.
[7]胡蓉宁, 王跃堂. 人工智能的技术创新效应及其实现机制[J]. 江海学刊, 2023, (6): 99-105, 255.
[8]王钰, 唐要家. 人工智能应用如何影响企业创新宽度？[J]. 财经问题研究, 2024, (2): 38-50.
[9]孟凡生, 徐野, 赵刚. “智能+”对制造企业创新绩效的影响机制研究[J]. 科研管理, 2022, (9): 109-118.
[10]杜传忠, 王晓蕾. 智能制造对制造企业创新效率的非线性影响——基于制造业服务化的调节效应[J]. 四川大学学报(哲学社会科学版), 2024, (1): 37-51, 208-209.
[11]Zhang D., Mishra S., Brynjolfsson E., et al. The AI Index 2021 Annual Report[J]. ArXiv Preprint ArXiv: 2103. 06312, 2021.
[12]Haefner N., Wincent J., Parida V., et al. Artificial Intelligence and Innovation Management: A Review, Framework, and Research Agenda[J]. Technological Forecasting and Social Change, 2021, 162: 120392.
[13]束超慧, 王海军, 金姝彤, 等. 人工智能赋能企业颠覆性创新的路径分析[J]. 科学学研究, 2022, (10): 1884-1894.
[14]Li C., Xu Y., Zheng H., et al. Artificial Intelligence, Resource Reallocation, and Corporate Innovation Efficiency: Evidence from China's Listed Companies[J]. Resources Policy, 2023, 81: 103324.
[15]睢博, 雷宏振. 工业智能化能促进企业技术创新吗?——基于中国2010—2019年上市公司数据的分析[J]. 陕西师范大学学报(哲学社会科学版), 2021, (3): 130-140.
[16]李逸飞, 苏盖美, 牛芮, 等. 智能化与制造业企业创新[J]. 经济与管理研究, 2023, (8): 3-16.
[17]陈凤仙. 人工智能发展水平测度方法研究进展[J]. 经济学动态, 2022, (2): 142-158.
[18]Sullivan Y., Wamba S. F. Artificial Intelligence and Adaptive Response to Market Changes: A Strategy to Enhance Firm Performance and Innovation[J]. Journal of Business Research, 2024, 174: 114500.
[19]吴航. 动态能力视角下企业创新绩效提升机制研究: 以战略导向为调节[J]. 中国地质大学学报(社会科学版), 2015, (1): 132-139.
[20]Sesabo Y. J., Kato M. P., Emmanuel C. J. Innovation in Micro and Small Businesses: How Inbound Open Innovation and Dynamic Capabilities Work Together to Explain Innovation Performance[J]. International Journal of Innovation, 2023, 11(1): e22945-e22945.
[21]Wang C. L., Ahmed P. K. Dynamic Capabilities: A Review and Research Agenda[J]. International Journal of Management Reviews, 2007, 9(1): 31-51.
[22]张吉昌, 龙静. 数字化转型、动态能力与企业创新绩效——来自高新技术上市企业的经验证据[J]. 经济与管理, 2022, (3): 74-83.
[23]张远, 李焕杰. 企业智能化转型对内部劳动力结构转换的影响研究[J]. 中国人力资源开发, 2022, (1): 98-118.
[24]叶传盛, 陈传明. 产学研协同、知识吸收能力与企业创新绩效[J]. 科技管理研究, 2022, (3): 184-194.
[25]周锋, 顾晓敏, 韩慧媛, 等. 质量管理实践、吸收能力与创新绩效——基于船舶企业智能制造视角[J]. 科技进步与对策, 2021, (7): 67-75.
[26]张树满, 张羽飞, 原长弘. 产学研联盟组合伙伴地理集中度如何影响企业创新绩效——中介效应与调节效应分析[J]. 管理工程学报, 2023, (2): 35-47.
[27]李梅, 朱韵, 赵乔, 等. 研发国际化、动态能力与企业创新绩效[J]. 中国软科学, 2022, (6): 169-180.
[28]钟凤英, 冷冰洁. 员工持股计划、内部控制与创新绩效[J]. 经济问题, 2022, (8): 120-128.
[29]李丹丹. 政府研发补贴对企业创新绩效的影响研究——基于企业规模和产权异质性视角[J]. 经济学报, 2022, (1): 141-161.
[30]罗锋, 杨丹丹, 梁新怡. 区域创新政策如何影响企业创新绩效?——基于珠三角地区的实证分析[J]. 科学学与科学技术管理, 2022, (2): 68-86.
[31]马永红, 李保祥. 数字经济、区域高校知识转移与高技术企业创新绩效[J]. 系统管理学报, 2022, (3): 522-533.
[32]张羽飞, 原长弘, 张树满. 共建产学研创新联合体对科技中小企业创新绩效的影响研究[J]. 管理学报, 2023, (1): 76-85.
[33]王永钦, 董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究, 2020, (10): 159-175.
[34]王泽宇. 企业人工智能技术强度与内部劳动力结构转化研究[J]. 经济学动态, 2020, (11): 67-83.
[35]Yu F., Wang L., Li X. The Effects of Government Subsidies on New Energy Vehicle Enterprises: The Moderating Role of Intelligent Transformation[J]. Energy Policy, 2020, 141: 111463.
[36]祁怀锦, 曹修琴, 刘艳霞. 数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J]. 改革, 2020, (4): 50-64.
[37]李婉红, 王帆. 智能化转型、成本粘性与企业绩效——基于传统制造企业的实证检验[J]. 科学学研究, 2022, (1): 91-102.
[38]赵凤, 王铁男, 王宇. 开放式创新中的外部技术获取与产品多元化: 动态能力的调节作用研究[J]. 管理评论, 2016, (6): 76-85, 99.
[39]杨林, 和欣, 顾红芳. 高管团队经验、动态能力与企业战略突变: 管理自主权的调节效应[J]. 管理世界, 2020, (6): 168-188, 201, 252.
[40]温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, (5): 731-745.
[41]Hermano V., Martin-Cruz N. The Project-based Firm: A Theoretical Framework for Building Dynamic Capabilities[J]. Sustainability, 2020, 12(16): 6639.