从优化到颠覆：人工智能驱动的创新在塑造企业市场竞争力中的作用

《Journal of Engineering and Technology Management》：From optimization to disruption: The role of AI-driven innovation in shaping firms’ market competitiveness

AI驱动的创新对市场竞争力的影响机制及行业特征调节效应研究。基于动态能力理论与信号理论，分析12年中国上市公司面板数据，发现AI驱动的激进创新比渐进创新更具竞争力提升效应，且在集中度高、技术非密集型行业通过媒体关注、缓解财务约束、降低成本粘性三重路径产生显著作用。

　　

徐家伟|张宝峰|李浩辉|卢建军|余玉冰

中国农业大学经济管理学院，北京，中国

摘要

企业越来越多地投资于人工智能（AI），以提高市场适应性。尽管先前的研究揭示了AI的优化潜力，但AI驱动的创新是否能够带来颠覆性变革仍不清楚。本研究探讨了AI驱动的创新与市场竞争力之间的机制。回归结果表明，AI驱动的激进创新比渐进式创新具有更强的效果，这表明AI的角色正从优化转向颠覆。AI驱动的创新在集中度较高、非技术密集型行业中表现更为显著，并通过积极的媒体关注、缓解的财务约束以及降低的成本粘性来发挥作用。我们的研究结果表明，管理者应根据行业背景平衡AI驱动的激进创新和渐进式创新组合。

引言

人工智能（AI）技术及其在商业中的应用正在不断重塑竞争格局，为众多行业带来颠覆性变革（Babina等人，2024年；Beta等人，2025年；Yang等人，2024年）。根据经合组织对AI的定义，“AI系统是一种基于机器的系统，它根据接收到的输入，推断如何生成输出，如预测、内容、建议或决策，从而影响物理或虚拟环境。不同的AI系统在部署后的自主性和适应性水平上有所不同。”认识到AI的重要性，各国政府已经出台了政策来鼓励AI的研究和商业化，旨在在全球AI竞赛中占据领先地位。美国和欧盟分别发布了《为人工智能的未来做准备》和《欧洲的人工智能报告》（Zhai和Liu，2023年）。随后，中国于2017年发布了《下一代人工智能发展计划》，概述了到2030年的AI发展战略目标、任务和具体措施。与AI相关的投资和创新活动越来越受到关注，特别是在市场竞争的背景下，AI正在重塑行业规则、颠覆现有市场结构，并推动决策、市场洞察力和客户服务等领域的更新（Verganti等人，2020年）。因此，企业越来越倾向于加强AI驱动的创新，以建立独特的竞争优势并提高市场响应能力。

AI投资是一个长期的战略过程。首先，AI通过提供数据驱动的洞察力，帮助领导者在不确定的环境中做出明智的决策（Purdy和Williams，2023年）。AI还为管理者提供了新的分析视角，有助于系统地比较不同选项的优缺点，并在多重约束下评估权衡，从而加强战略思维和支持领导力发展（Farri和Rosani，2025年）。AI不仅增强了个体决策者的能力，还促进了跨部门的集体决策，使得可以进行协作的战略调整（Bitton和Haas，2025年）。这种集体决策的优化使企业能够在复杂任务场景中迅速响应。关于AI在组织战略中的长期作用，当前的研究主要强调了AI投资的积极绩效结果。例如，引入AI可以优化企业内部的劳动力分配，减少拥有大学学位或更低学历的员工比例，同时增加企业对高技能人才的招聘偏好（Zhai和Liu，2023年）。AI驱动的人力资本结构优化可以显著降低成本（Zhai和Liu，2023年），提高劳动生产率（Czarnitzki等人，2023年；Kopka和Fornahl，2024年），并加速企业的产品和流程创新产出（Rammer等人，2022年）。

然而，尽管先前的研究广泛探讨了AI驱动的创新对企业内部各个方面的影响，但关于AI如何影响企业对外部市场变化的响应和适应性的理论共识仍然缺乏（Sullivan和Wamba，2024年）。这一局限性主要体现在关于AI驱动的创新对企业市场绩效影响的研究结果不一致上。一方面，一些研究表明AI通过显著改善客户服务和增强营销能力来提升企业的市场绩效（Itani等人，2024年；Ku和Chen，2024年）；另一方面，Lui等人（2022年）指出，AI投资的公告会对企业的市场价值产生负面影响，这种现象在IT能力较弱或信用评级较低的企业中更为明显。波士顿咨询集团的一项全球调查显示，只有26%的组织从AI投资中获得了明确且可见的回报（De Cremer等人，2025年）。这些反例表明，AI投资的回报是一个长期过程，导致显著的不稳定性。因此，AI投资可能会引起市场和投资者的悲观反应。这些不一致的研究结果突显了AI驱动的创新与企业市场绩效之间关系的不确定性，给理解AI在市场竞争中的作用带来了重大挑战。因此，有必要拓宽对AI的研究视角，深入分析AI驱动的创新对企业市场绩效的影响路径和结果。

在激烈的市场竞争背景下，企业必须与外部市场持续互动，并培养动态能力，以有效应对快速变化的环境。这与动态能力观和信号理论的核心原则高度契合。从动态能力观的角度来看，企业必须主动且灵活地重新配置资源、能力和战略，以不断适应市场需求和技术进步，从而维持其竞争优势（Teece等人，1997年）。AI驱动的创新是提高企业适应性和决策效率的关键工具，从而增强其动态能力。另一方面，信号理论提供了一个视角，强调企业如何向市场传递信号（Connelly等人，2011年），从而影响外部利益相关者对企业的认知和预期。通过展示其与AI相关的创新能力，企业向市场传达了其竞争优势和未来潜力。一个实际的例子是著名的时尚零售商North Face，它成功利用AI技术帮助客户浏览和选择产品，从而优化了个性化服务（Hossain等人，2022年）。这种由AI驱动的服务也向外部市场传达了企业在技术创新和客户服务方面的优势。因此，从动态能力理论和信号理论的角度来看，AI驱动的创新同时具备了构建动态能力和传递信号的功能。

此外，外部环境条件显著影响企业的能力构建过程和对市场需求的响应（Sullivan和Wamba，2024年），从而为动态能力和信号传递的有效性创造了关键条件（Dahlke等人，2024年）。Itani等人（2024年）指出，基于AI的数据分析可以使企业将行业动荡带来的挑战和障碍转化为增加销售收入的机会。这表明，AI驱动的创新对企业市场竞争力的影响受到其所处行业特征的影响。在竞争激烈的行业中，AI可能发挥更重要的作用（Itani等人，2024年；Sullivan和Wamba，2024年），因为AI驱动的创新带来的技术进步和资源优化对于建立企业的动态响应能力和市场适应性至关重要。基于此，本研究进一步探讨了行业集中度和行业技术特征作为AI驱动的创新与企业市场竞争力之间关系的两个关键行业因素。行业集中度反映了企业所处的市场环境的结构和竞争动态，而行业技术特征代表了行业的整体技术发展水平。这两个因素分别对应于行业的结构和技术维度，有助于解释在不同市场条件下AI驱动的创新对企业市场竞争力的差异化影响。

基于上述理论讨论，本研究旨在解决以下关键问题：AI驱动的创新在多大程度上影响企业的市场竞争力？这种影响是否与行业集中度和行业技术水平有关？为了解决这个问题，本文利用动态能力理论和信号理论构建了一个理论框架。本研究调查并分析了12年来中国上市公司的面板数据，试图深入探讨在不同行业条件下AI驱动的创新与企业市场竞争力之间的关系。我们的研究不仅为AI驱动的创新对企业市场竞争力影响的机制和边界条件提供了新的见解，也为管理者在做出与AI相关的决策提供了宝贵的启示。

部分摘录

信号理论和动态能力观

信号理论解释了信号发送者与接收者之间的信号传递，特别是在信息不对称的情况下（Connelly等人，2011年）。信号发送者拥有完整的信息，而接收者则拥有不完整的信息（Song等人，2023年；Smith等人，2025年）。信号发送者向接收者发送信号，使后者能够做出更明智的决策（Song等人，2023年）。基于信号理论，

数据来源

本研究采用基于面板数据的固定效应模型来检验研究假设。这种方法有效处理了时间和行业之间的异质性，允许同时观察多个企业在不同时间点的行为和特征。此外，面板数据与本研究中强调的AI驱动创新的动态性质高度兼容。与横截面数据和其他实证方法相比，

替代措施

我们通过更换自变量和因变量的测量方法进行了稳健性测试（表5）。首先，AI驱动创新的衡量标准被替换为企业在某一年提交的所有AI驱动创新应用的数量，包括那些尚未获得批准的应用。这考虑到了企业可能在运营中使用这些未获批准的AI技术的可能性，从而反映了AI驱动创新的整体水平。其次，

主要发现

基于信号理论和动态能力观，本研究揭示了AI驱动的创新影响企业市场竞争力的机制，以及在不同行业特征下的异质性效应。本研究主要得出了三个重要的实证发现。

首先，我们发现具有更多AI驱动创新成果的企业表现出更高的市场竞争力。这表明AI驱动的创新是提高企业

局限性和未来研究

本研究存在一些局限性。本研究探讨了企业层面的AI驱动创新效应。未来可以进行跨层面的研究。例如，可以进一步研究AI驱动创新与供应链之间的关系。研究AI驱动创新在跨国供应链中的作用，为企业国际市场战略提供重要见解。此外，研究结果

伦理

我们的研究不需要进一步的伦理委员会批准，因为它不涉及动物或人类临床试验，也不违反伦理规范。

资助

本项工作得到了中国教育部人文社会科学基金（项目编号：25YJA630055和24YJC630282）、北京自然科学基金（项目编号：9262007）以及国家自然科学基金（项目编号：72188101）的支持。

CRediT作者贡献声明

张宝峰：项目管理、资金获取、正式分析、概念化。李浩辉：可视化、概念化。徐家伟：写作——审稿与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目管理、正式分析、数据整理、概念化。余玉冰：项目管理、方法论、概念化。卢建军：验证、监督、项目管理。

利益冲突声明

本手稿的提交不存在利益冲突，已获批准发表。

致谢

作者还要感谢中国农业大学和宁波大学提供的帮助。