技术经济

人工智能何以赋能做强做优做大实体经济？——基于国家新一代人工智能创新发展试验区的准自然实验和企业产能利用率的视角

PDF下载

季丁筠 ¹^,² , 刘书妤 ¹^,² , 马新啸 ¹^,²

技术经济 | AI时代的金融与会计问题研究：历史、制度与开放的视角 2026,45(7): 19-33

收起

技术经济 |AI时代的金融与会计问题研究：历史、制度与开放的视角 2026 , 45 (7) : 19 -33

人工智能何以赋能做强做优做大实体经济？——基于国家新一代人工智能创新发展试验区的准自然实验和企业产能利用率的视角

全屏

季丁筠¹^,², 刘书妤¹^,², 马新啸¹^,²

作者信息

^1．中国海洋大学管理学院，青岛 266100

^2．中国海洋大学中国企业营运资金管理研究中心，青岛 266100

通讯作者:

马新啸（1993—），博士，中国海洋大学管理学院副教授，博士研究生导师，研究方向：公司治理、企业经济。

作者简介:

季丁筠（2000—），中国海洋大学管理学院博士研究生，研究方向：公司治理、财务风险；

刘书妤（2004—），中国海洋大学管理学院硕士研究生，研究方向：公司治理、公司财务；

How Artificial Intelligence Empowers the Strengthening, Optimization, and Expansion of the Real EconomyA Quasi-natural Experiment Based on National New-generation Artificial Intelligence Innovation Development Zones and Enterprise Capacity Utilization

Dingyun Ji¹^,², Shuyu Liu¹^,², Xinxiao Ma¹^,²

Affiliations

^1.College of Management, Ocean University of China, Qindao 266100, China

^2.China Enterprise Working Capital Management Research Center, Ocean University of China, Qindao 266100, China

出版时间: 2026-07-25 doi: 10.12404/j.issn.1002-980X.J26032404

文章导航

摘要

收起

在数实融合的制度背景下，人工智能技术是推动实体企业产能利用率提升、实现做强做优做大目标的重要驱动力。以国家新一代人工智能创新发展试验区的设立为准自然实验，基于2010—2024年中国A股上市公司数据，考察人工智能技术对实体企业产能利用率的影响，主要发现：①国家新一代人工智能创新发展试验区的设立能够显著提升企业的产能利用率，经济意义测算表明提升约1.04%，有效赋能实体经济“提产增效”；②机制检验表明，人工智能技术应用能通过提升经营效率、促进技术更新与降低产销波动，进而提升实体企业的产能利用水平；③路径检验表明，人工智能试验区政策能够促进企业优化人才结构并提升专利产出；④基于企业特征的异质性分析表明，上述效果在民营企业、公司治理水平较高及企业规模较小的样本中更为突出；⑤基于外部制度环境的异质性分析表明，在市场化程度较高、企业位于非沿海地区及所属行业为战略性新兴行业的情境下，人工智能试验区政策对产能利用率的提升作用更为明显；⑥经济后果检验表明，人工智能试验区政策在驱动企业产能利用率提升后，能够显著增强企业经济效益、提高社会贡献并扩大就业规模。研究不仅对人工智能发展经济后果的学术研究作出创新拓展，也为党和国家以人工智能赋能做强做优做大实体经济提供政策参考。

关键词

国家新一代人工智能创新发展试验区 / 产能利用率 / 数实融合 / 人工智能 / 经营效率 / 技术更新 / 实体经济

Abstract

收起

In the context of the system of digital and real integration, artificial intelligence technology is an important driving force to promote the productivity utilization of real enterprises and achieve the goal of becoming A quasi-natural experiment was conducted based on the establishment of National New Generation Artificial Intelligence Innovation and Development Pilot Zones. Data from Chinese A-share listed companies from 2010 to 2024 were analyzed. The main findings are as follows. First, the establishment of the pilot zones significantly improved enterprise capacity utilization, with an estimated economic increase of approximately 1.04%. Effective empowerment of the real economy toward output enhancement and efficiency improvement was thereby achieved. Second, mechanism tests indicated that artificial intelligence application improved capacity utilization through three channels: operational efficiency enhancement, technology upgrading facilitation, and production-sales fluctuation reduction. Third, pathway tests showed that the pilot policy promoted the optimization of talent structures and increased patent outputs. Fourth, heterogeneity analyses based on enterprise characteristics revealed that the above effects were more pronounced among private enterprises, firms with higher corporate governance levels, and smaller-scale enterprises. Fifth, heterogeneity analyses based on external institutional environments showed that the policy's positive effect on capacity utilization was stronger under conditions of higher marketization, non-coastal regional locations, and operation in strategic emerging industries. Sixth, economic consequence tests indicated that after driving capacity utilization improvement, the pilot policy significantly enhanced corporate economic performance, increased social contributions, and expanded employment scale. An innovative extension was made to the academic literature on the economic consequences of artificial intelligence development. Policy references were also provided for the Party and the state regarding the empowerment, strengthening, and expansion of the real economy through artificial intelligence.

Key words

national new-generation artificial intelligence innovation and development pilot zone / capacity utilization / number real fusion / artificial intelligence / operational efficiency / technology update / real economy

引用本文

季丁筠, 刘书妤, 马新啸. 人工智能何以赋能做强做优做大实体经济？——基于国家新一代人工智能创新发展试验区的准自然实验和企业产能利用率的视角. 技术经济, 2026 , 45 (7) : 19 -33 . DOI: 10.12404/j.issn.1002-980X.J26032404

Dingyun Ji, Shuyu Liu, Xinxiao Ma. How Artificial Intelligence Empowers the Strengthening, Optimization, and Expansion of the Real EconomyA Quasi-natural Experiment Based on National New-generation Artificial Intelligence Innovation Development Zones and Enterprise Capacity Utilization[J]. Journal of Technology Economics, 2026 , 45 (7) : 19 -33 . DOI: 10.12404/j.issn.1002-980X.J26032404

基金

收起

国家自然科学基金青年科学基金项目“国有企业与民营资本组建混合战略联盟的动因、效果及作用机理研究”(72302224)
山东省自然科学基金青年项目“山东省国有集团差异化管控提升混合所有制国企核心竞争力的效果与机理研究”(ZR2024QG094)
中国博士后科学基金第18批特别资助“集团差异化治理对混合所有制国有企业财务决策的影响研究”(2025T180188)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

MIN H. Artificial intelligence in supply chain management: Theory and applications[J]. International Journal of Logistics: Research and Applications, 2010, 13(1): 13-39.

[2]

韩国高，陈庭富，刘田广．数字化转型与企业产能利用率——来自中国制造企业的经验发现［J］．财经研究，2022，48（9）：154-168．

[3]

王永进，匡霞，邵文波．信息化、企业柔性与产能利用率［J］．世界经济，2017，40（1）：67-90．

[4]

黄卓，陶云清，刘兆达，等．智能制造如何提升企业产能利用率——基于产消合一的视角［J］．管理世界，2024，40（5）：40-59．

[5]

曾江洪，王小雨．数字技术创新如何提升制造业企业产能利用率——来自企业关键数字技术专利的证据［J］．技术经济，2026，45（1）：120-130．

[6]

HSIEH C T, KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. The Quarterly Journal of Economics, 2009, 124(4): 1403-1448.

[7]

于斌斌，刘晓佳．数字技术重塑企业地理格局——基于资本结构优化和技能结构重塑的视角［J］．经济研究，2026，61（2）：167-189．

[8]

BOUSDEKIS A, LEPENIOTI K, APOSTOLOU D, et al. A review of data-driven decision-making methods for industry 4.0 maintenance applications[J]. Electronics, 2021, 10(7): 828.

［9]

洪傲然，冯梓煜，王永贵．企业数字创新对其海外经营绩效的影响研究［J/OL］．南开管理评论，1-26［2026-04-13］．https://link.cnki.net/urlid/12.1288.F.20260328.1738.002．

[10]

巫强，曹长帅，汪阳昕．企业数据要素应用能力与供应链韧性：广度与深度的差异化机制［J］．中国工业经济，2026（3）：170-193．

[11]

NWEJE U, TAIWO M. Leveraging artificial intelligence for predictive supply chain management, focus on how AI-driven tools are revolutionizing demand forecasting and inventory optimization[J]. International Journal of Science and Research Archive, 2025, 14(1): 230-250.

[12]

唐晓华，景文治．人工智能赋能下现代柔性生产与制造业智能化升级研究［J］．软科学，2021，35（8）：30-38．

[13]

王鹏，肖晋．创新政策、产业结构升级与城市经济韧性——基于国家创新型城市建设的准自然实验［J］．技术经济，2025，44（11）：141-154．

[14]

ARTHUR W B. Competing technologies, increasing returns, and lock-in by historical events[J]. The Economic Journal, 1989, 99(394): 116-131.

[15]

陈晔婷，何思源，刘金涛，等．政策赋能、数据要素配置与新质生产力［J］．统计与决策，2024，40（19）：31-37．

[16]

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．

[17]

AGRAWAL A, GANS J, GOLDFARB A. Prediction machines, updated and expanded: The simple economics of artificial intelligence[M] . Boston: Harvard Business Press, 2022.

[18]

马丽娜，周佳男．人工智能数字员工如何赋能绿色技术创新？［J］．外国经济与管理，2026，48（5）：75-92．

[19]

史明聪，惠宁，卢山冰．人工智能如何驱动制造企业关键核心技术创新？［J］．现代财经（天津财经大学学报），2026，46（3）：3-20．

[20]

权小锋，李静蕾．人工智能与企业协同创新——基于国家新一代人工智能创新发展试验区的准自然实验［J］．经济研究，2025，60（8）：72-93．

[21]

LEE H L, PADMANABHAN V, WHANG S. Information distortion in a supply chain: The bullwhip effect[J]. Management Science, 1997, 43(4): 546-558.

[22]

王振宇，侯培林．反“内卷式”竞争及财税作用机制的合理构建［J］．税务研究，2026（5）：13-20．

[23]

胡青，徐梦周．人工智能时代数字消费对区域创新能力的影响机制研究［J］．学习与探索，2026（2）：110-118．

[24]

张海柱，李志新．生成式人工智能嵌入政府治理的不确定性风险及其应对［J/OL］．北京工业大学学报（社会科学版），1-11［2026-05-21］．https://link.cnki.net/urlid/11.4558.G.20260518.1707.010．

[25]

陈涛琴，李栋栋，洪剑峭．客户盈余质量与供应商投资效率分析——基于A股上市公司的经验研究［J］．南开管理评论，2021，24（3）：193-203.

[26]

陈蕾，周锴，董惠敏．人工智能创新发展缓解了供应链长鞭效应吗？［J］．经济与管理研究，2026，47（5）：98-114．

[27]

邓慧慧，刘宇佳，王强．人工智能发展如何提升供应链韧性？——基于上市公司的经验证据［J］．浙江大学学报（人文社会科学版），2024，54（6）：5-23．

[28]

李雪松，赵宸宇，聂菁．对外投资与企业异质性产能利用率［J］．世界经济，2017，40（5）：73-97．

[29]

惠丽丽，谢获宝．智能制造、创新文化与企业成本粘性［J］．管理评论，2024，36（5）：178-193．

[30]

杜勇，孙帆，胡红燕．共同机构所有权与企业产能利用率［J］．财经研究，2022，48（10）：49-63, 168．

[31]

李晓，李渊，袁淳．专利质押与企业商业信用融资［J］．会计研究，2025（7）：138-150．

[32]

于翔，牛彪，苑泽明．价值链视角下“人数”协同对企业高质量发展的影响研究［J］．科研管理，2025，46（3）：60-68．

[33]

赵桂芹，仲赛末．监管压力、监管宽容与财险公司风险承担［J］．财经研究，2019，45（7）：112-124．

[34]

谢贞发，朱东霞．政府投资基金、交易不确定性与企业协同分工［J］．经济学动态，2026（3）：152-176．

[35]

张霞，劳智博．人工智能如何缩小企业内部薪酬差距？——基于国家新一代人工智能创新发展试验区的准自然实验［J］．技术经济，2026，45（3）：98-112．

[36]

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．

[37]

辛大楞．金融市场发展、跨境资本流动与国家金融安全研究[M] ．北京：中国社会科学出版社，2023．

[38]

谢红军，齐翔．数字技术与企业价值——基于数字并购场景的研究［J］．管理世界，2025，41（10）：146-175．

[39]

蔡宏波，韩金镕．数字技术应用与企业出口表现——以中关村国家自主创新示范区企业为例［J］．管理世界，2024，40（5）：58-75．

[40]

明雷，黄远标，吴一凡．监管处罚与银行高质量发展：基于银行效率的视角［J］．世界经济，2025，48（3）：146-179．

[41]

周茜，许晓芳，陆正飞．去杠杆，究竟谁更积极与稳妥？［J］．管理世界，2020，36（8）：127-148．

[42]

钟娟，丁怡帆，林子昂，等．人工智能应用与企业客户配置多元化：基于人工智能创新应用先导区的准自然实验［J］．外国经济与管理，2025，47（6）：18-35．

[43]

张超，蒋天颖．点“数”能否成“金” ——数据要素对新质生产力发展的影响研究［J］．调研世界，2025（12）：39-51．

[44]

刘松竹，肖生鹏，梁运文．人工智能与中国制造业企业高质量发展［J］．江汉论坛，2022（7）：24-31．

[45]

耿晔强，赵欢．人工智能技术与中国企业出口竞争策略［J］．商业研究，2025（5）：75-85．

[46]

江永洪，赵锴．人工智能技术与制造业企业产品市场竞争力［J］．商业研究，2025（4）：1-10．

[47]

王钰涵，步丹璐．外资控股、设备进口与中国关键技术发展［J］．会计研究，2023（9）：134-148．

[48]

王小华，宋檬，杨亦兰．金融科技、金融监管与企业高质量发展［J］．财经问题研究，2023（4）：87-99．

[49]

马新啸，汤泰劼，郑国坚．非国有股东治理与国有企业的税收规避和纳税贡献——基于混合所有制改革的视角［J］．管理世界，2021，37（6）：128-141，8．

[50]

考秀梅，谢申祥，占宽．供应链数字化的“稳就业”效应［J］．科学学研究，2026，44（1）：75-85．

2026年第45卷第7期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.12404/j.issn.1002-980X.J26032404

接收时间：2026-03-26
首发时间：2026-10-28
出版时间：2026-07-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2026-03-26

基金

国家自然科学基金青年科学基金项目“国有企业与民营资本组建混合战略联盟的动因、效果及作用机理研究”(72302224)

山东省自然科学基金青年项目“山东省国有集团差异化管控提升混合所有制国企核心竞争力的效果与机理研究”(ZR2024QG094)

中国博士后科学基金第18批特别资助“集团差异化治理对混合所有制国有企业财务决策的影响研究”(2025T180188)

作者信息

^1．中国海洋大学管理学院，青岛 266100

^2．中国海洋大学中国企业营运资金管理研究中心，青岛 266100

通讯作者:

马新啸（1993—），博士，中国海洋大学管理学院副教授，博士研究生导师，研究方向：公司治理、企业经济。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/jsyjj/CN/10.12404/j.issn.1002-980X.J26032404

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