人工智能试验区能否促进企业智能化升级？来自中国上市公司的证据

《Economic Analysis and Policy》：Can Artificial Intelligence Pilot Zones Promote Firms’ Intelligent Upgrading? Evidence from Chinese Listed Firms

　　

摘要
本研究考察基于地方的人工智能政策是否促进了企业的智能升级。将中国新一代人工智能创新发展试验区（AIIDPZ）的设立视为准自然实验，我们利用 2014-2024 年中国 A 股上市制造企业面板数据，采用双重差分（DID）设计进行分析。结果显示，AIIDPZ 政策显著促进了企业的智能升级。机制分析表明，该政策通过三个主要渠道发挥作用：政策资源供给、区域技术供给和数字基础设施赋能。进一步的异质性分析显示，对于位于东部和中部地区的企业、资本密集型和技术密集型行业的企业，以及融资约束较高的企业，政策效应更强。这些发现为企业层面的证据提供了支持，说明基于地方的人工智能政策如何促进人工智能技术在制造业的扩散和应用，从而推动企业的智能升级。

引言
在新一轮科技革命和产业变革的背景下，人工智能、云计算和数字孪生等技术的快速发展，使得人工智能与制造企业的深度融合成为推动制造业智能升级的重要技术力量（Yu, 2024）。人工智能技术正在颠覆全球价值链中现有的分工模式，推动制造业从“要素驱动和经验驱动”模式向“模型驱动和智能驱动”模式转变。与传统“数字化”不同，人工智能驱动的智能升级更强调环境、人员、组织和技术的协同演化（Xia et al., 2024）。凭借人工智能的数据处理能力，企业可以显著提高产品质量、缩短交付时间并降低能源消耗成本。在此基础上，制造业的竞争优势来源逐渐超越简单的规模效应，转向感知市场不确定性、灵活响应、跨环节协调、资源配置以及持续迭代优化的能力（Taherizadeh & Beaudry, 2023）。企业层面的证据进一步表明，人工智能投资与销售、就业和市场估值的增长相关，这主要通过增加产品创新来实现（Babina et al., 2024）。

人工智能驱动的智能升级已成为增强产业竞争力、重构竞争结构、更有效地配置资源以及在全球范围内涌现多面市场和新型商业模式的主要途径（Volberda et al., 2021）。然而，人工智能的进步并不会自动转化为制造企业更大的生产能力。其经济价值最终取决于相关技术有效整合到生产和业务运营中。实现这一价值需要企业将互补的数据、技术、人力和组织资源结合与协调，形成集成化的人工智能能力（Mikalef & Gupta, 2021）。对于制造企业而言，智能升级通常需要同时投资资本、熟练人员及设备，并对生产流程、组织结构和应用场景进行系统性调整。高昂的调整成本、技术不确定性和信息不对称可能会制约制造企业进行智能升级的能力。因此，人工智能从研发阶段到实际应用的扩散，及其转化为企业生产力的过程，构成了智能经济发展的关键问题。

上述实际约束为政府引导人工智能扩散的努力提供了理论依据。与传统产业政策相比，区域针对性的人工智能政策不仅仅向特定类别的企业提供补贴或税收激励。相反，它们通过创新资源的集聚、数字基础设施的改善和应用场景的培养，改变企业运营的外部技术和制度环境。这些变化降低了企业的学习成本，促进了制造企业的智能升级。然而，此类政策的实际效果仍需进一步考察。区域政策可能通过资源集聚、知识溢出和公共基础设施的改善，为制造企业的智能升级创造有利条件。但是，它们也可能导致资源错配，未能引发传统制造企业生产和业务运营的有效变革。

中国新一代人工智能创新发展试验区（AIIDPZ）的设立为考察上述问题提供了具体的实证背景。自 2019 年以来，中国分批设立了 AIIDPZ，并鼓励不同地区在人工智能创新和产业应用方面开展政策实验。通过试点项目的地方管理，该政策整合了人工智能平台、科技财政支出、应用场景准入和产业发展生态系统。这些措施扩大了人工智能产业的规模，加速了人工智能技术向实体经济的渗透，并推进了制造企业的智能升级。

现有证据表明，AIIDPZ 政策减少了企业碳排放（Feng et al., 2026）和能源消耗（Guan et al., 2025），同时改善了 ESG 绩效（Huang et al., 2024）、绿色创新（Mijit et al., 2025）和绿色全要素生产率（Du et al., 2026）。这些研究记录了 AIIDPZ 政策的环境、创新和生产力效应。然而，仍存在三个重要缺口。首先，关于 AIIDPZ 政策是否促进了人工智能技术系统地整合到制造企业的研发、生产、供应链管理和组织决策过程中，从而促进企业智能升级的问题仍存在不确定性。智能升级与传统技术创新的区别在于，前者强调人工智能技术在企业生产和管理全过程的实际应用和整合。因此，考察企业的智能升级可以为基于地方的人工智能政策是否能够将技术进步和政策支持转化为企业层面的运营能力提供进一步的证据。其次，需要进一步调查 AIIDPZ 政策影响企业智能升级的渠道。政策资源供给、区域技术供给和数字基础设施赋能可能降低获取、采用和应用人工智能技术的成本和壁垒，从而将基于地方的人工智能政策与企业层面的智能升级联系起来。第三，企业在区域资源禀赋、融资约束获取限制和生产特征方面存在显著差异，这表明 AIIDPZ 政策的效果存在异质性。识别这些差异可以澄清政策效应的边界条件，并为更精准的人工智能政策提供实证依据。

为解决这些问题，本研究将 AIIDPZ 政策视为准自然实验，利用 2014-2024 年中国上市制造企业数据，考察 AIIDPZ 设立对企业层面智能升级的影响。实证结果显示，该政策显著促进了制造企业的智能升级。机制分析确定了三个主要渠道。通过政策资源供给渠道，AIIDPZ 政策加强了地方对科技的财政支持。通过区域技术供给渠道，它扩大了区域人工智能技术的供给。通过数字基础设施赋能渠道，它改善了区域数字基础设施的配置。这些效应降低了制造企业智能升级的成本。区域异质性分析显示，AIIDPZ 政策的正向效应对于东部和中部地区的制造企业强于西部地区的企业。行业异质性分析表明，该政策对资本密集型和技术密集型行业中企业的智能升级影响大于其他要素密集型行业的企业。企业层面的异质性分析进一步显示，对于融资约束较高的企业，其正向效应强于融资约束较低的企业。

本研究的潜在边际贡献有三方面。首先，本研究从制造企业智能升级的角度扩展了关于 AIIDPZ 经济效应的文献。此前关于 AIIDPZ 的研究主要集中在绿色发展、减少碳排放和 ESG 绩效上。本研究则考察该政策是否促进了人工智能在制造企业生产和业务运营中的应用。因此，它为区域人工智能政策的企业层面效应提供了新视角。其次，本研究丰富了关于企业层面智能升级决定因素的文献。现有研究大多将智能升级归因于内部治理、管理者特征或市场竞争。相比之下，本研究侧重于政府人工智能政策和区域技术环境在企业智能升级中的作用。第三，本研究通过政策资源供给渠道、区域技术供给渠道和数字基础设施赋能渠道确定了 AIIDPZ 政策的机制。它还考察了跨区域、行业要素密集度类别和企业特征的政策效应。这些分析阐明了区域人工智能试点项目转化为企业智能升级的条件和边界。

本研究其余部分安排如下。第 2 节介绍政策背景和理论分析。第 3 节描述数据来源、变量选择和模型设定。第 4 节报告基准回归结果并提供一系列稳健性检验。第 5 节考察潜在的政策渠道。第 6 节呈现异质性分析。第 7 节总结主要结论并提出相应的政策建议。

章节片段
政策背景
人工智能技术对传统实体经济具有显著的正向影响。它们可以提高企业预测消费者偏好的能力，增加信息透明度，并加强内部质量控制（Qian & Chen, 2026）。现有研究发现，人工智能等数字智能技术渗透率每增加 1%，全要素生产率就会提高 14.2%（Gao & Feng, 2023）。
人工智能技术的发展伴随着逐步的过渡...

数据资源
本研究使用 2014-2024 年中国 A 股上市制造企业作为研究样本。试点城市及其获批年份是根据中国科技部发布的 AIIDPZ 建设方案确定的。本研究使用的原始数据来源于 CSMAR 数据库和 CNRDS 数据库，而上市企业的年度报告则从上海证券交易所和深圳证券交易所的官方网站收集。

描述性统计
主要变量的描述性统计结果报告在表 2 中。制造企业智能升级水平的均值和标准差分别为 0.7940 和 1.0857，表明制造企业在智能升级方面存在显著差异。AIIDPZ 政策指标的均值为 0.2189，意味着 21.89% 的企业 - 年份观测值被归类为政策实施后的处理组观测值。此外，描述性统计还显示...

机制检验
实证结果显示，AIIDPZ 显著促进了制造企业的智能升级。根据前述理论分析，制造企业在追求智能升级时面临三大约束：政策资源短缺、技术供给不足和基础设施发展滞后。AIIDPZ 政策可能通过这三个渠道促进智能技术在制造企业中的扩散。为了进一步考察...

异质性分析
为了进一步考察 AIIDPZ 政策的影响在不同地区和企业间是否存在差异，本研究从三个视角进行异质性分析：地理位置、行业要素密集度和企业特征。表 8、表 9 报告了异质性分析的结果。
从区域异质性的角度来看（Rong et al., 2025），中国各地区在经济发展、数字基础设施、人才储备及相关条件方面存在显著差异...

结论与政策启示
利用 2014-2024 年中国上市制造企业数据，本研究将 AIIDPZ 政策视为准自然实验，考察区域人工智能政策对制造企业智能升级的影响。结果显示，AIIDPZ 的设立显著提高了制造企业的智能升级水平。机制分析表明，该政策主要通过政策资源供给渠道...

CRediT 作者贡献声明
张玉：写作 – 审阅与编辑，写作 – 初稿，资源，方法论，调查，资金获取，数据整理，概念化。沈琦：写作 – 审阅与编辑，写作 – 初稿，软件，方法论，形式分析，数据整理，概念化。

张玉 | 沈琦
山东科技大学人文与法学院，中国山东 青岛 266590