技术经济

人工智能应用缓解新索洛悖论的机制研究——来自企业层面的经验证据

PDF下载

韩朝亮 ¹ , 曹志俊 ¹ , 王群勇 ²

技术经济 | 企业技术经济 2026,45(6): 64-80

收起

技术经济 |企业技术经济 2026 , 45 (6) : 64 -80

人工智能应用缓解新索洛悖论的机制研究——来自企业层面的经验证据

全屏

[Author(id=1322239917544030597, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, orderNo=0, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=null, emailSecond=null, emailThird=null, correspondingAuthor=0, authorType=1, ext={EN=AuthorExt(id=1322239917644693895, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239917544030597, language=EN, stringName=Chaoliang Han, firstName=Chaoliang, middleName=null, lastName=Han, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=¹, address=^1.School of Economics, Harbin University of Commerce, Harbin 150000, China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1322239917732774280, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239917544030597, language=CN, stringName=韩朝亮, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=¹, address=^1．哈尔滨商业大学经济学院，哈尔滨 150000, bio={"content":"

韩朝亮（1985—），博士，哈尔滨商业大学经济学院教授，博士研究生导师，研究方向：产业数字化转型与平台规制；

"}, bioImg=null, bioContent=

韩朝亮（1985—），博士，哈尔滨商业大学经济学院教授，博士研究生导师，研究方向：产业数字化转型与平台规制；

, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1322239917342703998, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, xref=1., ext=[AuthorCompanyExt(id=1322239917355286911, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917342703998, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^1.School of Economics, Harbin University of Commerce, Harbin 150000, China), AuthorCompanyExt(id=1322239917367869824, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917342703998, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^1．哈尔滨商业大学经济学院，哈尔滨 150000)])]), Author(id=1322239917808271754, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, orderNo=1, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=null, emailSecond=null, emailThird=null, correspondingAuthor=0, authorType=1, ext={EN=AuthorExt(id=1322239917887963532, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239917808271754, language=EN, stringName=Zhijun Cao, firstName=Zhijun, middleName=null, lastName=Cao, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=¹, address=^1.School of Economics, Harbin University of Commerce, Harbin 150000, China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1322239917959266701, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239917808271754, language=CN, stringName=曹志俊, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=¹, address=^1．哈尔滨商业大学经济学院，哈尔滨 150000, bio={"content":"

曹志俊（2000—），哈尔滨商业大学经济学院硕士研究生，研究方向：产业数字化转型与平台规制；

"}, bioImg=null, bioContent=

曹志俊（2000—），哈尔滨商业大学经济学院硕士研究生，研究方向：产业数字化转型与平台规制；

, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1322239917342703998, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, xref=1., ext=[AuthorCompanyExt(id=1322239917355286911, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917342703998, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^1.School of Economics, Harbin University of Commerce, Harbin 150000, China), AuthorCompanyExt(id=1322239917367869824, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917342703998, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^1．哈尔滨商业大学经济学院，哈尔滨 150000)])]), Author(id=1322239918022181263, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, orderNo=2, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=null, emailSecond=null, emailThird=null, correspondingAuthor=0, authorType=1, ext={EN=AuthorExt(id=1322239918110261649, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239918022181263, language=EN, stringName=Qunyong Wang, firstName=Qunyong, middleName=null, lastName=Wang, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=², address=^2.School of Economics, Nankai University, Tianjin 300000, China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1322239918177370514, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, authorId=1322239918022181263, language=CN, stringName=王群勇, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=², address=^2．南开大学经济学院，天津 300000, bio={"content":"

王群勇（1976—），博士，南开大学经济学院教授，博士研究生导师，研究方向：计量经济学理论与应用。

"}, bioImg=null, bioContent=

王群勇（1976—），博士，南开大学经济学院教授，博士研究生导师，研究方向：计量经济学理论与应用。

, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1322239917455950209, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, xref=2., ext=[AuthorCompanyExt(id=1322239917468533122, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917455950209, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^2.School of Economics, Nankai University, Tianjin 300000, China), AuthorCompanyExt(id=1322239917481116035, tenantId=1146029695717560320, journalId=1146120045056339983, articleId=1322239916633866619, companyId=1322239917455950209, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^2．南开大学经济学院，天津 300000)])])]

韩朝亮¹, 曹志俊¹, 王群勇²

作者信息

^1．哈尔滨商业大学经济学院，哈尔滨 150000

^2．南开大学经济学院，天津 300000

作者简介:

韩朝亮（1985—），博士，哈尔滨商业大学经济学院教授，博士研究生导师，研究方向：产业数字化转型与平台规制；

曹志俊（2000—），哈尔滨商业大学经济学院硕士研究生，研究方向：产业数字化转型与平台规制；

王群勇（1976—），博士，南开大学经济学院教授，博士研究生导师，研究方向：计量经济学理论与应用。

A Study on the Mechanism of AI Application Alleviating the New Solow Paradox: Empirical Evidence from the Enterprise Level

Chaoliang Han¹, Zhijun Cao¹, Qunyong Wang²

Affiliations

^1.School of Economics, Harbin University of Commerce, Harbin 150000, China

^2.School of Economics, Nankai University, Tianjin 300000, China

出版时间: 2026-06-25 doi: 10.12404/j.issn.1002-980X.J26011912

文章导航

摘要

收起

通用人工智能应用正逐步在千行百业开展概念验证与场景探索，但其能否切实推动劳动生产率提升仍受质疑，因此人工智能应用能否缓解新索洛悖论成为社会关注的热点。基于2012—2023年A股上市公司数据，运用双重固定效应模型和双重机器学习模型，研究人工智能应用缓解新索洛悖论的机制。通过实证发现人工智能应用可以缓解新索洛悖论。机制分析表明，人工智能应用通过优化劳动力结构、减少组织冗余、强化组织能力来缓解新索洛悖论，且激励机制在其中发挥正向调节作用。异质性分析表明，非高技术行业比高技术行业人工智能的应用效果更为显著，东部和中部地区人工智能应用效果显著，而西部地区全要素生产率效能提升受到约束。此外，在行业异质性中，人工智能应用显著提升了制造业，服务业及电力、热力、燃气及水生产和供应业的全要素生产率；而在农业、采矿业和建筑业中，其全要素生产率提升效能受到约束。本文研究为企业应对新索洛悖论挑战、实现人工智能驱动企业全要素生产率跃升提供了实践启示与政策建议。

关键词

人工智能应用 / 企业全要素生产率 / 新索洛悖论 / 双重机器学习 / 组织冗余 / 激励机制

Abstract

收起

The application of general artificial intelligence is gradually undergoing concept verification and scenario exploration across various industries, yet whether it can effectively boost labor productivity remains questionable. Therefore, whether the application of artificial intelligence can mitigate the New Solow Paradox has become a topic of considerable concern. Based on data from A share listed companies spanning from 2012 to 2023, the two way fixed effects model and the double machine learning model were applied to examine the mechanism by which the application of artificial intelligence mitigates the New Solow Paradox. Empirical evidence reveals that artificial intelligence applications can mitigate the New Solow Paradox. Mechanism analysis indicates that artificial intelligence applications mitigate the New Solow Paradox by optimizing labor structure, reducing organizational redundancy, and strengthening organizational capability, with incentive mechanisms playing a positive moderating role in this process. Heterogeneity analysis reveals that the application effects of artificial intelligence are more pronounced in non-high-tech industries than in high-tech industries, and significantly enhance total factor productivity in the eastern and central regions, while their efficacy is constrained in the western region. Furthermore, in terms of sectoral heterogeneity, the application of artificial intelligence significantly improves total factor productivity in manufacturing, services, and the production and supply of electricity, heat, gas, and water, while its productivity enhancing effects are constrained in agriculture, mining, and construction. Practical implications and policy recommendations are offered for enterprises to cope with the challenges of the New Solow Paradox and achieve leapfrog growth of enterprise total factor productivity driven by artificial intelligence.

Key words

artificial intelligence application / enterprise total factor productivity / New Solow Paradox / double machine learning / organizational redundancy / incentive mechanism

引用本文

韩朝亮, 曹志俊, 王群勇. 人工智能应用缓解新索洛悖论的机制研究——来自企业层面的经验证据. 技术经济, 2026 , 45 (6) : 64 -80 . DOI: 10.12404/j.issn.1002-980X.J26011912

Chaoliang Han, Zhijun Cao, Qunyong Wang. A Study on the Mechanism of AI Application Alleviating the New Solow Paradox: Empirical Evidence from the Enterprise Level[J]. Journal of Technology Economics, 2026 , 45 (6) : 64 -80 . DOI: 10.12404/j.issn.1002-980X.J26011912

基金

收起

国家社会科学基金一般项目“人工智能行业模型跨域研发应用的激励机制研究”(25BJY229)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

黄旭，董志强．人工智能对劳动力市场极化的影响与对策［J］．系统工程理论与实践，2024，44（1）：272-298．

[2]

胡小勇，林梓柔，刘晓红．人工智能融入教育：全球态势与中国路向［J］．电化教育研究，2024，45（12）：13-22．

[3]

陈欣然，李国正，崔一迪，等．基于专利计量的全球人工智能技术在医疗健康领域应用发展态势分析［J］．科技管理研究，2021，41 （3）：139-147．

[4]

郗胡平．人工智能赋能经济高质量发展［J］．宏观经济管理，2024（9）：19-27，38．

[5]

SOLOW R. We'd better watch out[J]. New York Times Book Review, 1987(36): 36.

[6]

蔡跃洲，付一夫．全要素生产率增长中的技术效应与结构效应——基于中国宏观和产业数据的测算及分解［J］．经济研究，2017，52 （1）：72-88．

[7]

GORDON R J. Why has economic growth slowed when innovation appears to be accelerating?[J]. National Bureau of Economic Research, 2018: 24554(4): 1-42.

[8]

BRYNJOLFSSON E, ROCK D, SYVERSON C. Artificial intelligence and the modern productivity paradox: A clash of expectations and statistics[M] . Chicago: University of Chicago Press, 2019.

[9]

程文．人工智能、索洛悖论与高质量发展：通用目的技术扩散的视角［J］．经济研究，2021，56（10）：22-38．

[10]

GRAETZ G, MICHAELS G. Robots at work[J]. The Review of Economics and Statistics, 2018, 100(5): 753-768.

[11]

姜伟，李萍．人工智能与全要素生产率：“技术红利”还是“技术鸿沟” ［J］．统计与信息论坛，2022，37（5）：26-35．

[12]

张龙鹏，钟易霖．价值链视角下人工智能应用对全要素生产率的影响——基于中国A股上市公司的实证研究［J］．经济体制改革，2023 （4）：106-113．

[13]

宁楠，惠宁．人工智能驱动制造业新质生产力发展——基于全要素生产率的视角［J］．经济问题探索，2025（1）：1-22．

[14]

刘传明，马青山．网络基础设施建设对全要素生产率增长的影响研究——基于“宽带中国”试点政策的准自然实验［J］．中国人口科学，2020（3）：75-88, 127-128．

[15]

李金城，王林辉．工业智能化会引发新索洛悖论吗？——来自城市层面的经验证据［J］．东南大学学报（哲学社会科学版），2023，25 （6）：66-76, 144．

[16]

MELACHROINOS A K. Book review: Total factor productivity: A short biography[J]. Progress in Development Studies, 2001, 1(4): 357-358.

[17]

ROMER P M. Increasing returns and long-run growth[J]. Journal of Political Economy, 1986, 94(5): 1002-1037.

[18]

谢萌萌，夏炎，潘教峰，等．人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究［J］．中国管理科学，2020，28 （12）：54-66．

[19]

FURMAN J, SEAMANS R. AI and the economy[J]. Innovation Policy and the Economy, 2019, 19(1): 161-191.

[20]

ACEMOGLU D. Directed technical change[J]. Review of Economic Studies, 2002, 69(4): 781-809.

[21]

潘丽群，李静，余梦琳．人工智能如何影响劳动力需求和结构？——基于上市公司年报数据的实证检验［J］．经济与管理研究，2024，45（10）：77-98．

[22]

王林辉，胡晟明，董直庆．人工智能技术会诱致劳动收入不平等吗——模型推演与分类评估［J］．中国工业经济，2020（4）：97-115．

[23]

BECKER G, MURPHY K. The division of labor, coordination costs, and knowledge[J]. The Quarterly Journal of Economics, 1992, 107(4): 1137-1160.

[24]

李春利，高良谋．第四次工业革命背景下技术-组织-管理范式研究［J］．当代经济管理，2023，45（11）：23-31．

[25]

金国峰，杨毅豪，潘英杰．人工智能对企业新质生产力的影响研究——基于技术创新理论的中介效应分析［J］．调研世界，2025（6）：3-16．

[26]

MAKARIUS E E, MUKHERJEE D, FOX J D, et al. Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization[J]. Journal of Business Research, 2020, 120: 262-273.

[27]

戚聿东，肖旭．数字经济时代的企业管理变革［J］．管理世界，2020，36（6）：135-152, 250．

[28]

谢卫红，林漫，郑迪文，等．人工智能技术如何促进制造企业转型升级？——基于数据要素与内部控制的链式中介作用［J］．技术经济，2025，44（4）：72-88．

[29]

许勤，黄好，赵曙明．人工智能视角下人力资源管理强度对员工创新行为的影响机制研究［J］．管理学报，2025，22（5）：848-857．

[30]

王思明．基于企业核心能力的企业员工激励机制研究［J］．中国软科学，2021（S1）：253-259．

[31]

尹美群，盛磊，李文博．高管激励、创新投入与公司绩效——基于内生性视角的分行业实证研究［J］．南开管理评论，2018，21（1）：109-117．

[32]

张晶，陆承俊，纳夏．高管激励、独立董事与企业创新质量［J］．云南社会科学，2022（3）：74-83．

[33]

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，2014，22（5）：731-745．

[34]

OLLEY G S, PAKES A. The dynamics of productivity in the telecommunications equipment industry[J]. Econometrica, 1996, 64(6): 1263-1297.

[35]

LEVINSOHN J, PETRIN A. Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies, 2003, 70(2): 317-341.

[36]

陈东，姚笛．人工智能扩大了企业间的工资差距吗？——来自中国工业企业的证据［J］．经济科学，2022（3）：127-142．

[37]

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，2024，40（2）：101-116, 133, 117-122．

[38]

龚静，尹忠明，何悦．制造企业数字化转型对其创新绩效的影响效应及机制分析——基于2558家制造企业的经验证据［J］．投资研究，2023，42（12）：21-38．

[39]

黄晓凤，朱潇玉，王金红．人工智能提升了中国制造业企业的全要素生产率吗［J］．财经科学，2023（1）：138-148．

[40]

李健斌，周浩．人工智能、资本-技能互补与企业全要素生产率［J］．经济评论，2025（1）：20-36．

[41]

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，2020，55（10）：159-175．

[42]

陈琳，高悦蓬，余林徽．人工智能如何改变企业对劳动力的需求？——来自招聘平台大数据的分析［J］．管理世界，2024，40（6）：74-93．

[43]

许志勇，王瑾，张娜，等．资产结构错配、激励机制与企业双元创新［J］．南开管理评论，2024，27（3）：106-119．

[44]

张涛，李均超．网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断［J］．数量经济技术经济研究，2023，40 （4）：113-135．

[45]

CHERNOZHUKOV V, CHETVERIKOV D, DEMIRER M, et al. Double/debiased machine learning for treatment and structural parameters[J]. Econometrics Journal, 2018, 21(1): C1-C68.

[46]

曾国安，苏诗琴，彭爽．企业杠杆行为与技术创新［J］．中国工业经济，2023（8）：155-173．

[47]

沈小波，陈语，林伯强．技术进步和产业结构扭曲对中国能源强度的影响［J］．经济研究，2021，56（2）：157-173．

2026年第45卷第6期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.12404/j.issn.1002-980X.J26011912

接收时间：2026-01-19
首发时间：2026-10-28
出版时间：2026-06-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2026-01-19

基金

国家社会科学基金一般项目“人工智能行业模型跨域研发应用的激励机制研究”(25BJY229)

作者信息

^1．哈尔滨商业大学经济学院，哈尔滨 150000

^2．南开大学经济学院，天津 300000

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/jsyjj/CN/10.12404/j.issn.1002-980X.J26011912

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT