构建效率桥梁:人工智能创新、高增长企业与行业竞争——基于治理视角

《Journal of Innovation & Knowledge》:Building the efficiency bridge: Artificial intelligence innovation, high-growth firms and industry competition through governance

【字体: 大 中 小 】 时间:2026年01月30日 来源:Journal of Innovation & Knowledge 14.0

编辑推荐:

  高增长企业是经济活力的重要驱动力,但维持其快速增长仍是一项严峻挑战。尽管研究人员普遍认为人工智能(Artificial Intelligence, AI)创新是关键的竞争优势,但人工智能创新促进高增长企业的具体机制仍未得到充分探索。研究人员基于技术可供性实现理

  
高增长企业是经济活力的重要驱动力,但维持其快速增长仍是一项严峻挑战。尽管研究人员普遍认为人工智能(Artificial Intelligence, AI)创新是关键的竞争优势,但人工智能创新促进高增长企业的具体机制仍未得到充分探索。研究人员基于技术可供性实现理论(technology affordance actualisation theory),分析了来自中国2007年至2022年的20,178个企业-年度观测数据,以探究这一关系。结果表明,人工智能创新主要通过提升企业效率来驱动高增长。特别地,研究人员识别出一个关键的权变因素:行业竞争强度负向调节了人工智能创新对企业效率的影响。一项新颖的发现表明,董事会规模决定了这一调节效应是否持续存在。具体而言,行业竞争仅在小型董事会规模的企业中削弱了效率提升,从而阻碍了高增长。相比之下,大型董事会消除了这一负向效应,使得人工智能创新即使在竞争压力下也能推动企业迈向高增长状态。本研究通过阐明行业竞争的权变作用,并确立董事会规模作为决定人工智能创新成功促进高增长的关键治理机制,在理论上推进了相关文献。
**论文解读文章**

**一、研究背景与问题提出**

高增长企业(High-Growth Firms, HGFs)——经济合作与发展组织(OECD)将其定义为连续三年年均收入增长率超过20%的企业——是创造就业和经济活力的重要引擎,吸引了实践界、政策界和学术界的广泛关注。然而,维持高增长面临巨大挑战:全球仅有12%的企业能达到这一水平,在新兴经济体中比例更低,这主要源于资源约束和环境限制。现有文献主要将高增长归因于稀缺资源、企业属性或有利的环境因素,常将其描绘为资源充裕的现有企业的特权。然而,这种资源中心视角忽略了一个关键的理论空白:它无法解释像字节跳动(ByteDance)和Scale AI这样缺乏传统优势却实现超高速增长的“边缘玩家”的崛起。在当今竞争激烈且资源受限的背景下,是什么使这些企业成为高增长企业?这一问题仍未得到充分探索。

人工智能(Artificial Intelligence, AI)创新作为关键竞争优势,提供了一个有前景但尚不明确的解决方案。尽管近期研究开始考察AI对企业发展的影响,但主要关注短期结果,如企业绩效和就业。对于AI创新是否以及如何促进高增长企业所特有的持续快速增长——这一过程反映了企业的持续竞争优势——存在显著的研究空白。因此,本研究旨在回答一个关键问题:旨在实现高增长状态的企业如何从AI创新中获益?

**二、研究设计与方法**

为回答上述问题,研究人员基于技术可供性实现理论(technology affordance actualisation theory),构建了一个概念模型,探究AI创新如何通过企业效率(Firm Efficiency, FE)的中介作用促进高增长,以及行业竞争(Industry Competition)的调节作用。研究采用2007年至2022年中国上海和深圳证券交易所上市制造业企业的20,178个企业-年度观测数据,数据来源包括中国股票市场与会计研究数据库(CSMAR)、中国研究数据服务平台(CNRDS)以及中国国家统计局。主要关键方法包括:1)使用AI发明专利申请数量衡量AI创新(AII),依据中国国家知识产权局发布的《关键数字技术专利分类体系(2023)》进行匹配;2)使用Levinsohn & Petrin(2003)方法估计企业全要素生产率(Total Factor Productivity, TFP)作为企业效率(FE)的代理变量,该方法利用中间投入品作为代理变量,可避免样本损失;3)使用赫芬达尔-赫希曼指数(Herfindahl–Hirschman Index, HHI)的负值衡量行业竞争强度;4)采用固定效应回归模型,并控制行业、年份和省份固定效应,同时将稳健标准误聚类在行业-年份层面以处理潜在内生性问题。

**三、研究结果**

**假设1:AI创新与高增长企业**
实证结果显示,AI创新(AII)对高增长状态(HGF)的回归系数为正且显著(β = 1.1745,p < 0.001),表明AI创新显著提升了企业达到高增长状态的概率。假设1得到支持。

**假设2:企业效率的中介作用**
AI创新(AII)对企业效率(FE)的回归系数显著为正(β = 0.1210,p < 0.001),表明AI创新提升了企业效率。在同时纳入AI创新和企业效率的回归中,两者的系数均显著为正(AII: β = 1.1300,p < 0.001;FE: β = 1.3867,p < 0.001),表明企业效率在AI创新与高增长之间起中介作用。Sobel检验和Bootstrap检验进一步验证了中介效应的显著性(间接效应估计值为0.0076,p < 0.001)。假设2得到支持。

**假设3:行业竞争的调节作用**
AI创新与行业竞争(HHI)的交互项(AII×HHI)对企业效率(FE)的回归系数为负且显著(β = ?0.3102,p < 0.01),表明行业竞争负向调节了AI创新对企业效率的提升作用。简单斜率分析显示,在低行业竞争水平下,AI创新对效率的促进效应更强(βLow_HHI = 0.1482,p < 0.001;βHigh_HHI = 0.1011,p < 0.001)。假设3得到支持。

**假设4:被调节的中介效应**
尽管行业竞争显著调节了“AI创新→企业效率”路径,但其对“AI创新→企业效率→高增长”这一间接效应的调节作用不显著(β = 0.7340,p > 0.1)。被调节的中介效应分析(Edwards & Lambert, 2007)也表明,在高低行业竞争水平下,间接效应强度的差异不具有统计显著性(Δ = 0.0005,p > 0.1)。假设4未得到支持。

**事后分析:董事会规模的边界条件**
为解释假设4不成立的原因,研究人员引入董事会规模(Board Size)作为关键边界条件。将样本按董事会规模中位数分为高、低两组。结果显示,在小型董事会规模组中,AI创新与行业竞争的交互项对企业效率的负向调节效应显著(β = ?0.5221,p < 0.01),且被调节的中介效应显著(间接效应在低行业竞争下显著,在高行业竞争下不显著)。在大型董事会规模组中,上述交互项不显著(β = ?0.2180,p > 0.1),且被调节的中介效应不显著。这表明,行业竞争对AI创新效率提升效应的削弱作用仅发生在小型董事会规模的企业中,而大型董事会能够抵消这一负向效应,使得AI创新即使在竞争压力下也能推动企业高增长。

**四、结论与讨论**

本研究基于技术可供性实现理论,探讨了AI创新对高增长企业的影响。研究结论如下:第一,AI创新对企业达到高增长状态具有显著的正向影响,企业效率在这一关系中起关键中介作用。第二,行业竞争负向调节了AI创新与企业效率之间的直接关系,但并未显著改变间接中介路径的整体强度。第三,董事会规模是这些关系的关键边界条件:当董事会规模较小时,行业竞争会削弱AI创新对效率的提升作用,进而阻碍高增长;而当董事会规模较大时,这一负向效应被抵消,AI创新能够充分发挥促进高增长的作用。

研究贡献在于:首先,基于技术可供性实现理论,为高增长企业的前因研究提供了新视角,回应了学者关于识别在激烈竞争和资源匮乏时代企业如何实现高增长的呼吁。其次,拓展了AI失败文献,揭示了行业竞争在特定治理结构下会限制AI创新的效率提升效应。实践启示方面,建议政策制定者实施企业层面的激励措施(如财政补贴、税收减免)以支持AI创新,并加大AI基础设施投资、培养AI人才;建议管理者优化董事会结构,引入技术人才以提升AI创新战略决策的专业性。

(注:本文发表于《Journal of Innovation》。)
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号