人工智能研发合作对企业价值的绩效影响：基于中国上市公司的实证研究

本研究针对企业间人工智能(AI)研发合作日益普及但绩效影响机制不明的问题，通过分析2016-2023年中国上市公司415项AI合作公告，首次实证揭示了语言/文本理解类AI合作、与顶级技术企业结盟对提升企业价值的显著促进作用，同时发现企业数字化能力会削弱这种正向效应。该研究为AI战略合作的价值评估提供了信号理论新视角，发表于《Technovation》，对优化企业创新资源配置具有重要指导意义。

　　

在第四次工业革命浪潮中，人工智能(AI)正以雷霆之势重塑全球产业格局。据预测，2027年全球AI市场规模将达4236亿美元，其中中国市场贡献381亿美元。然而这个充满诱惑的赛道却暗藏荆棘——高昂的研发成本、复杂的技术壁垒、快速迭代的算法需求，让单打独斗的企业举步维艰。面对这种困境，越来越多的企业选择抱团取暖，通过研发合作(R&D collaboration)分担风险、共享资源。但令人困惑的是：为什么有些AI合作能带来股价飙升，有些却反响平平？这个"黑箱"问题成为横亘在管理者面前的战略迷思。

为解开这个谜题，国家社会科学基金重大项目支持的研究团队开展了一项开创性研究。他们采用事件研究法(event study methodology)，系统分析了2016-2023年间中国上市公司发布的415项AI研发合作公告，首次从信号理论(signaling theory)视角揭示了合作价值差异的内在机制。研究发现，AI合作公告能带来平均0.26%的异常收益(AR)，三天累计异常回报(CAR)使企业市值平均增长1659.44万元。但更关键的是，这种"财富效应"存在显著差异：涉及语言/文本理解(language/text understanding)的合作项目，其价值提升效果是其他AI类型的1.8倍；与华为等顶级技术企业(top-tier technology partners)的合作，能产生更强的市场信心；而颇具讽刺意味的是，企业自身数字化能力(digitalization capabilities)每提升1个单位，合作带来的价值增益反而下降14.3%。

研究团队运用多元回归模型和双重差分法(DID)等计量经济学方法，通过构建VIF<10的变量体系确保结果稳健性。样本筛选严格遵循文献标准，以"人工智能/AI"和"合作*/联盟"为关键词，从上市公司公告库抓取初始数据，经人工复核后形成最终样本。为控制内生性，研究还进行了PSM匹配和工具变量分析。

主要发现部分揭示：语言理解类AI合作之所以更受资本市场青睐，源于其更明确的应用场景和商业化路径；与顶尖企业合作则传递出技术可靠性的强信号；而数字化能力产生的"替代效应"说明，内部实力雄厚的企业从外部合作中获得的边际收益递减。异质性分析显示，这种价值差异在科技型中小企业和高研发强度企业中尤为显著。

这项发表于《Technovation》的研究具有多重理论贡献：首先，将信号理论引入AI合作研究，提出"信号特征双维度"模型（信息内容message和信号强度strength）；其次，丰富了新兴技术合作绩效的情境边界条件；最后，为中国情境下的创新生态系统研究提供了新证据。实践层面，研究为企业的AI合作战略提供了精准导航——选择技术门槛高、应用明确的项目，优先与行业龙头组建"梦之队"，同时注意平衡内外创新能力。正如研究者所言："在AI竞赛中，选对跑道比盲目冲刺更重要，找对伙伴比单练绝技更有效。"

该研究也存在若干局限：样本仅覆盖上市公司，未能反映中小企业动态；AI技术更迭迅速，长期效果有待追踪；未区分不同合作模式（如产学研联盟）的差异。未来研究可拓展至跨文化比较，或结合专利数据深化技术溢出效应分析。无论如何，这项研究为解码AI合作的价值密码迈出了关键一步，在创新管理领域留下了鲜明的中国印记。