人工智能对企业吸收能力的影响研究

Study on the Impact of Artificial Intelligence on Enterprise Absorptive Capacity

摘要: 企业吸收能力是优化管理和增强绩效的关键所在。本文基于2012~2022年我国A股上市公司的面板数据，采用双向固定效应模型，实证检验人工智能对企业吸收能力的效应和机理。研究发现：1) 人工智能显著促进企业吸收能力，在更换变量衡量方式、改变样本容量后依旧稳健；2) 异质性分析结果显示，人工智能只对东部地区企业吸收能力有显著正向影响，而对中西部地区无明显改善；3) 进一步机制检验结果表明，人工智能主要通过推广高新技术应用和降低信息滞后两个渠道助力企业吸收能力提升。

Abstract: Enterprises absorptive capacity is crucial for optimizing management and enhancing performance. This paper is based on panel data of A-share listed companies in China from 2012 to 2022, employing a two-way fixed effects model to empirically test the effects and mechanisms of artificial intelligence on enterprise absorption capacity. The results show as follows: 1) Artificial intelligence significantly promotes enterprise absorptive capacity, and the results remain robust after altering the measurement of variables and modifying sample sizes; 2) Heterogeneity analysis shows that the positive impact of artificial intelligence on the absorption capacity of enterprises in the eastern region is more pronounced compared to that of the central and western regions; 3) Mechanism test results further indicate that artificial intelligence mainly promotes enterprise absorptive capacity through two channels: promoting high-tech application and reducing information stickiness.

1. 引言

在当今快速变化的商业环境中，企业吸收能力已成为保持竞争优势的关键因素。企业吸收能力指的是企业识别、获取、消化和应用外部知识以提高生产效率的能力(庞兰心等，2019) [1]。这一能力不仅影响企业如何从外部环境中学习和适应，还直接关系到企业能否有效利用新兴技术、市场趋势和行业信息来推动自身的创新和发展。技术进步的不断深入使企业面临的信息和知识来源日益多样化，如何充分运用这些科技资源来有效吸收外部知识，是企业能否在激烈的市场竞争中立于不败之地的重要保障。

近年来，人工智能的迅猛发展为企业增强吸收能力提供了新契机，作为一种模拟人类智能的技术，其在数据分析、模式识别和决策支持方面的能力，使得企业能够更快速、更准确地处理和响应大量复杂的信息，不仅能够提高企业内部运营的效率，还可以加强企业与外部环境的互动，促进企业在更广阔的范围内寻找和吸收知识。那么，人工智能如何作为动因，又通过何种渠道影响企业吸收能力呢？现有文献主要集中在人工智能对企业运营效率的提升(吕大永等，2017；张佳倩，2021) [2] [3]，以及企业吸收能力对创新和绩效的影响等方面(李果和白云朴，2024；温兴琦等，2024) [4] [5]。尽管有关企业吸收能力和人工智能的研究已有一定的文献基础，但将两者结合起来，剖析人工智能与企业的吸收能力的内在联系的研究还相对较少，这正好为本文研究提供了扩展空间。

本文可能的边际贡献在于：(1) 在实证层面，本文聚焦于人工智能和企业吸收能力，使用文本分析方法将二者纳入同一框架进行实证检验，细致探讨其影响机理以打开机制黑箱，补足已有研究不够深入这一缺憾；(2) 在理论层面，本文从多个维度出发，具体分析企业吸收能力动因，特别为中西部地区企业如何改善企业吸收能力提供理论依据。

2. 理论机制与研究假说

人工智能人机协同技术的发展，不仅有利于企业传统技术的革新，使企业内部数据信息的即时共享成为现实，还显著增强了企业对信息的处理效率，促进知识的迅速扩散与广泛吸收，从而加速企业知识的内化过程。因此，人工智能应用可能提升企业的吸收能力，并且主要通过高新技术和信息滞后两条中介路径发挥作用。

一方面，人工智能支持企业进行组织结构和流程的智能化改造，这一改造过程通过引入先进的算法和自动化工具，提升企业的运营效率和决策质量，从而为企业释放了更多资源，使其能够投资于高新技术的研发与集成，构建更为现代化的技术环境。新工具、新流程和新业务模式的应用，进一步为企业提供了更为精准的人才需求分析，使企业能够更好地匹配岗位，吸引并留住人才，进而提升企业对外部知识、人才和技术的吸纳能力。

另一方面，人工智能可以极大优化企业数据驱动的决策过程，加快对信息的响应速度，从而降低信息滞后。信息滞后是指信息从何获取、分析再到决策的传递过程中的时间滞后，阻碍最新数据获取和分析的及时性，最后导致企业吸收过时知识的信息风险。因此，人工智能通过降低信息滞后加速了企业知识的内化过程，确保企业能够及时把握关键信息，提升吸收能力。

基于以上理论分析，提出如下研究假设：

H1：人工智能促进企业吸收能力；

H2：人工智能通过推动高新技术促进企业吸收能力；

H3：人工智能通过降低信息滞后促进企业吸收能力。

3. 模型、变量与数据

为检验人工智能对企业吸收能力的影响和机理，本文参考李果和白云朴(2024) [4]的计量方法，构建固定效应模型如下：

$Absoca={\alpha }_0+{\alpha }_{1}A{I}_{it}+{\alpha }_2{X}_{it}+{\delta }_i+{\lambda }_t+{\epsilon }_{it}$ (1)

$M_{it}={\beta }_0+{\beta }_{1}A{I}_{it}+{\beta }_2{X}_{it}+{\delta }_i+{\lambda }_t+{\epsilon }_{it}$ (2)

$Absoc{a}_{it}={\gamma }_0+{\gamma }_1{M}_{it}+{\gamma }_2{X}_{it}+{\delta }_i+{\lambda }_t+{\epsilon }_{it}$ (3)

其中，i、t分别表示企业和年份；$Absoc{a}_{it}$ 表示企业吸收能力，采用研发人员占比(Abs)衡量；$A{I}_{it}$ 表示人工智能，基准回归使用上市公司人工智能专利申请数量加1的自然对数衡量；$X_{it}$ 表示控制变量集，包括净资产收益率(Roa)、资产负债率(Lev)、固定资产水平(PPE)、员工数目(Lnl)，分别采用净利润占比、总负债占比、固定资产占比、企业员工总人数取对数来衡量；$M_{it}$ 表示中介变量，包括两个衡量指标，其一是高新技术(Tech)，根据上市公司资质认定信息中三年有效期内企业是否为高新技术企业赋值0和1，其二是信息滞后(Delay)，参考吕大永等(2017) [2]的第一个价格滞后反应指标衡量；同时本文还控制了企业固定效应${\delta }_i$ 和年份固定效应${\lambda }_t$ ，${\epsilon }_{it}$ 是随机扰动项。

另外，实证研究所用样本选取2012~2021年我国A股上市公司的面板数据，人工智能数据来自国家知识产权局，其他数据来自国泰安数据库。

4. 实证分析与结果讨论

4.1. 基准回归

Hausman检验结果显示固定效应模型要显著优于混合模型和随机效应模型，因此本文采用固定效应方法进行实证检验。表1第(1)列显示，AI的估计系数在1%的水平下显著为正，表明人工智能对企业吸收能力有促进作用，前文假设H1得到验证。其中可能的原因有二：首先，人工智能的应用能够加速企业内部技术的迭代和创新，通过数据分析、自动化流程和智能化决策推动高新技术发展，进一步助力企业吸收外部知识和新兴技术；其次，人工智能通过自动化和优化企业内部流程，减少了信息传递的时间滞后，加快了知识的及时流通和应用。同时促使企业不断学习、整合和吸收外部知识从而实时响应市场变化，以保持竞争力。总之，无论是在企业内部高新技术应用还是与外部合作伙伴的信息互动中，人工智能都显著提升了企业的吸收能力。

4.2. 稳健性检验

为验证上述结果的可靠性与准确性，本文采用更换变量衡量方式和改变样本容量这两种做法进行稳健性检验。首先，借鉴姚加权等(2024) [6]的做法更换核心解释变量，采用上市公司年报中人工智能关键词数量加1的自然对数进一步测度人工智能(AI)，回归结果见表1列(2)；其次，参考温兴琦等(2024) [5]的做法更换被解释变量，将企业吸收能力重新采用研发投入在营业收入中占比(rad)来衡量，检验结果见表1列(3)；最后，本文将样本窗口期前后缩短了两年排除高新科技企业认定的时效影响，同时对样本缩尾处理，避免极端专利数据，回归结果见表1列(4)。综上，表1列(2)~列(4)结果均表明人工智能(AI)系数均至少在5%的水平下显著为正，说明人工智能的应用有利于企业吸收能力的提升，稳健性检验结果与基准回归结果保持一致，进一步验证前文假设H1。

Table 1. Model regression results I

表1. 模型回归结果I

变量	(1) Abs	(2) Abs	(3) rad	(4) Abs
AI	0.247^***	0.474^***	0.073^*	0.229^***
	(0.000)	(0.000)	(0.067)	(0.005)
控制变量	控制	控制	控制	控制
时间个体	固定	固定	固定	固定
N	20,918	20,918	25,774	13,897
R^2	0.040	0.043	0.049	0.048

4.3. 异质性分析

本文依据国家统计局对东部、中部和西部的划分标准，从东部、中西部两个地区角度探讨人工智能对企业吸收能力的影响效应，估计结果见表2列(1)~列(2)所示。从系数显著性来看，人工智能对东部地区企业吸收能力的影响显著为正，而中西部地区的人工智能的系数显著为负并且不显著，这表明人工智能对中西部地区企业的吸收能力不存在提升作用。人工智能对企业吸收能力效应在东部地区和中西部地区之间存在差异，可能的原因有二：第一，东部地区企业的数字素养普遍高于中西部，对于新鲜事物的接受能力更强且更愿意探索智能技术，并且东部地区吸引掌握人工智能技术的高端人才，能够精准分析企业需求。因此，东部地区的企业具备更有利的条件来应用和优化人工智能技术，从而提高企业吸收能力；第二，中西部地区在资源和资本的活跃度、人才吸引和集聚上相对滞后，这在一定程度上限制了高新技术的采纳和实施，从而无法像东部地区企业那样迅速受益于人工智能的发展。

4.4. 中介效应检验

在实证检验人工智能可以提高企业吸收能力的基础上，根据前文理论进一步采用分段检验方法验证人工智能是否通过高新技术、信息滞后两个中介变量作用于企业吸收能力。

首先，检验高新技术的中介效应。第一步根据公式(2)做人工智能对高新技术的回归，判断人工智能系数是否显著，第二步根据公式(3)做高新技术对企业吸收能力的回归，判断高新技术的系数是否显著。机制检验结果汇报于表2列(3)~列(4)，可以发现人工智能(AI)系数和高新技术(Tech)系数均在1%的显著性水平上为正，这表明人工智能的广泛应用使企业在生产、管理等环节的效率显著提升，从而促使企业加大对技术创新的投入并逐渐向高新技术企业转型。此外，成为高新技术企业不仅能够增强企业的市场竞争力，还能进一步提升其吸引高端人才和外部投资的能力，最终提升整体企业吸收能力。前文假设H2得到验证。

其次，检验信息滞后传导机制。同样根据公式(2)和公式(3)，依次先做人工智能对信息滞后的回归判断人工智能的系数是否显著，再做信息滞后对企业吸收能力的回归来判断信息滞后系数是否显著。机制检验结果汇报于表2列(5)~列(6)，以发现人工智能(AI)系数和信息滞后(Delay)系数均在1%的显著性水平上为负，这表明人工智能降低了信息在获取和处理过程中的滞后阻碍，这种信息滞后效应的减少使企业能够在价格、需求变化等方面的反应速度显著提高，信息的丰富性和准确性进一步增强了企业吸收能力。前文假设H3得到验证。

Table 2. Model regression results II

表2. 模型回归结果II

变量	(1)东	(2)中西	(3) Tech	(4) Abs	(5) Delay	(6) Abs
AI	0.307^***	−0.005	0.014^***		−0.003^***
	(0.000)	(0.969)	(0.000)		(0.009)
Tech				0.617^***
				(0.000)
Delay						−0.747^**
						(0.049)
控制变量	控制	控制	控制	控制	控制	控制
时间个体	固定	固定	固定	固定	固定	固定
N	15,313	5605	23,432	18,583	23,432	18,583
R^2	0.035	0.073	0.015	0.036	0.254	0.035

5. 结论与政策启示

本文基于2012~2022年我国A股上市公司的面板数据，采用双向固定效应实证检验人工智能对企业吸收能力的效应和机理，结果发现人工智能显著促进企业吸收能力的同时存在地区异质性，人工智能对东部地区企业吸收能力有显著促进效应，而在中西部地区无显著影响。进一步机制检验结果表明，人工智能主要通过推广高新技术和降低信息滞后两个渠道增强企业吸收能力。

根据上述结论，本文谨慎提出以下政策建议：1) 建议政府和企业加大在人工智能领域的研发投入，推动人工智能技术在东部地区的广泛应用，以进一步提升企业的吸收能力和市场竞争力。2) 建议制定相关政策，通过提供培训和教育资源，提高中西部地区企业和员工对人工智能技术的理解和应用能力，缩小地区间在人工智能应用方面的差距。同时，鼓励东部地区与中西部地区在人工智能领域的合作与交流，促进技术与知识的均衡发展。

基金项目

北京建筑大学2024年研究生创新项目(项目编号：PG2024153)。