人工智能技術(shù)與專精特新企業(yè)創(chuàng)新績效——基于風(fēng)險(xiǎn)承擔(dān)水平和融資約束視角

人工智能通過技術(shù)賦能推動(dòng)經(jīng)濟(jì)增長、產(chǎn)業(yè)變革與社會(huì)進(jìn)步，其深度應(yīng)用也將進(jìn)一步提高生產(chǎn)效率，優(yōu)化資源配置，并持續(xù)釋放創(chuàng)新潛力。專精特新企業(yè)積極應(yīng)用人工智能技術(shù)，對(duì)我國破解各種技術(shù)難題、實(shí)現(xiàn)高水平科技自立自強(qiáng)意義重大。基于2013—2022年937家中國專精特新上市企業(yè)的面板數(shù)據(jù)，實(shí)證檢驗(yàn)人工智能技術(shù)對(duì)創(chuàng)新績效的影響效應(yīng)。

結(jié)果顯示：人工智能技術(shù)能顯著促進(jìn)專精特新企業(yè)創(chuàng)新績效的提升，且該結(jié)論在經(jīng)過一系列內(nèi)生性和穩(wěn)健性檢驗(yàn)后依然成立；機(jī)制分析表明，人工智能技術(shù)通過提升企業(yè)風(fēng)險(xiǎn)承擔(dān)水平和緩解融資約束賦能專精特新企業(yè)創(chuàng)新；異質(zhì)性分析發(fā)現(xiàn)，人工智能技術(shù)對(duì)非國有、大規(guī)模、高科技及東部和西部地區(qū)專精特新企業(yè)創(chuàng)新績效的影響更為顯著。研究結(jié)論為理解人工智能技術(shù)賦能專精特新企業(yè)創(chuàng)新績效提供了新視角，同時(shí)為推動(dòng)專精特新企業(yè)智能化轉(zhuǎn)型提供了理論參考和決策建議。

數(shù)字經(jīng)濟(jì)時(shí)代，人工智能技術(shù)迅速發(fā)展，被視為增強(qiáng)經(jīng)濟(jì)競爭力和實(shí)現(xiàn)戰(zhàn)略突破的核心支柱。推動(dòng)人工智能與經(jīng)濟(jì)社會(huì)各領(lǐng)域深度融合，打造人工智能技術(shù)的先發(fā)優(yōu)勢并賦能創(chuàng)新活動(dòng)，是形成新質(zhì)生產(chǎn)力和促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。作為驅(qū)動(dòng)各行業(yè)變革的新生動(dòng)力，人工智能技術(shù)正全面滲透至企業(yè)運(yùn)營的全流程，從根本上重塑企業(yè)原有的運(yùn)營模式和創(chuàng)新方式，提高創(chuàng)新效率和有效性，進(jìn)而影響企業(yè)的創(chuàng)新質(zhì)量。

專精特新企業(yè)是指聚焦細(xì)分市場，具備專業(yè)化生產(chǎn)技術(shù)壁壘與精益管理能力，通過差異化特色產(chǎn)品及持續(xù)性技術(shù)創(chuàng)新實(shí)現(xiàn)高質(zhì)量發(fā)展的中小企業(yè)群體。黨的二十屆四中全會(huì)將加快高水平科技自立自強(qiáng)、引領(lǐng)發(fā)展新質(zhì)生產(chǎn)力作為戰(zhàn)略任務(wù)進(jìn)行專章部署，充分體現(xiàn)了黨中央對(duì)科技創(chuàng)新的高度重視和殷切希望。在全球經(jīng)濟(jì)增速放緩、貿(mào)易保護(hù)主義盛行的國際形勢下，掌握高精尖技術(shù)并不斷提升自主創(chuàng)新能力是我國的必然選擇。2021年1月，財(cái)政部、工業(yè)和信息化部聯(lián)合印發(fā)《關(guān)于支持“專精特新”中小企業(yè)高質(zhì)量發(fā)展的通知》，旨在支持中小企業(yè)創(chuàng)新，切實(shí)提升其自主創(chuàng)新能力，強(qiáng)化其創(chuàng)新主體地位，助力經(jīng)濟(jì)高質(zhì)量發(fā)展。專精特新企業(yè)不僅展現(xiàn)出強(qiáng)勁的創(chuàng)新活力和發(fā)展?jié)撃埽€有助于提升我國產(chǎn)業(yè)鏈供應(yīng)鏈的穩(wěn)定性，從根本上增強(qiáng)經(jīng)濟(jì)韌性。然而，專精特新企業(yè)高質(zhì)量創(chuàng)新發(fā)展面臨一定的現(xiàn)實(shí)阻礙：其一，風(fēng)險(xiǎn)承受能力普遍較弱，有限的資源與較大的生存壓力易引發(fā)管理層風(fēng)險(xiǎn)規(guī)避傾向，而高度專業(yè)化的技術(shù)路徑依賴與狹窄的市場定位會(huì)進(jìn)一步削弱其風(fēng)險(xiǎn)分散能力；其二，存在“融資難、融資貴”困境，由于自身可抵押資產(chǎn)較少、內(nèi)部股權(quán)融資機(jī)制尚未完善等問題，企業(yè)難以獲得有效資金支持以開展創(chuàng)新活動(dòng)。因此，尋求推動(dòng)專精特新企業(yè)創(chuàng)新發(fā)展的長效機(jī)制成為關(guān)鍵議題。人工智能技術(shù)可以促進(jìn)企業(yè)的突破式創(chuàng)新和漸進(jìn)式創(chuàng)新，顯著提升企業(yè)的創(chuàng)新質(zhì)量和創(chuàng)新績效，并通過降低探索性學(xué)習(xí)的不確定性成本，提升解決方案的可行性。鑒于專精特新企業(yè)發(fā)展高度依賴持續(xù)創(chuàng)新，探討人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的影響，對(duì)提升企業(yè)創(chuàng)新質(zhì)量和國家整體科技創(chuàng)新水平具有重要的理論和實(shí)踐意義。

現(xiàn)有針對(duì)專精特新企業(yè)創(chuàng)新績效影響因素的研究大多聚焦公司治理、政策支持及產(chǎn)業(yè)環(huán)境等層面。企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型、聘用學(xué)術(shù)型高管、政府政策支持、擴(kuò)大本土市場需求等均對(duì)專精特新企業(yè)創(chuàng)新績效具有顯著的促進(jìn)作用；也有學(xué)者基于研發(fā)投入、研發(fā)能力、企業(yè)規(guī)模、資本結(jié)構(gòu)、股權(quán)結(jié)構(gòu)、融資環(huán)境及市場競爭力等7個(gè)前因條件，總結(jié)出專精特新中小企業(yè)創(chuàng)新績效的提升路徑。然而，鮮有學(xué)者探討人工智能技術(shù)應(yīng)用對(duì)專精特新企業(yè)創(chuàng)新績效的具體影響。

企業(yè)風(fēng)險(xiǎn)承擔(dān)水平反映其對(duì)風(fēng)險(xiǎn)的偏好程度和控制能力。風(fēng)險(xiǎn)承擔(dān)水平較高的企業(yè)能夠接受較大的投資風(fēng)險(xiǎn)，在投資項(xiàng)目時(shí)擁有更高的靈活度。現(xiàn)有研究普遍認(rèn)為，企業(yè)風(fēng)險(xiǎn)承擔(dān)水平的提升對(duì)創(chuàng)新績效有積極作用。融資約束則是影響企業(yè)創(chuàng)新的另一重要因素。融資約束限制了企業(yè)獲取資金的渠道，在一定程度上制約了企業(yè)創(chuàng)新能力和市場競爭力的提升。大量文獻(xiàn)證實(shí)，融資約束對(duì)企業(yè)創(chuàng)新水平和創(chuàng)新績效的提升具有顯著的抑制作用，不利于企業(yè)的漸進(jìn)式創(chuàng)新和激進(jìn)式創(chuàng)新。然而，現(xiàn)有研究存在兩方面不足：一是缺乏對(duì)人工智能技術(shù)如何影響專精特新企業(yè)風(fēng)險(xiǎn)承擔(dān)水平及融資約束的探討。雖有研究強(qiáng)調(diào)了數(shù)字經(jīng)濟(jì)和數(shù)字化轉(zhuǎn)型對(duì)企業(yè)風(fēng)險(xiǎn)承擔(dān)水平具有積極影響，且可通過提高企業(yè)信息透明度、降低融資成本等緩解融資約束，但作為數(shù)字化轉(zhuǎn)型核心的人工智能技術(shù)，對(duì)企業(yè)風(fēng)險(xiǎn)承擔(dān)水平與融資約束的影響機(jī)制尚未被深入挖掘。二是缺乏對(duì)企業(yè)風(fēng)險(xiǎn)承擔(dān)水平和融資約束在人工智能技術(shù)影響專精特新企業(yè)創(chuàng)新績效過程中的中介作用的揭示。人工智能技術(shù)既可通過數(shù)字化賦能企業(yè)創(chuàng)新能力，也能通過增加知識(shí)多樣性、提高資源配置效率、促進(jìn)知識(shí)溢出等方式，對(duì)企業(yè)創(chuàng)新產(chǎn)生積極影響。現(xiàn)有研究多從信息處理能力、動(dòng)態(tài)適應(yīng)性等視角解析其影響機(jī)制，較少將企業(yè)風(fēng)險(xiǎn)承擔(dān)水平和融資約束納為中介變量展開探討。綜上所述，人工智能技術(shù)與企業(yè)創(chuàng)新績效的作用關(guān)系及影響路徑仍存在諸多前沿性問題，亟待深入探索。

據(jù)此，本文基于風(fēng)險(xiǎn)偏好理論和動(dòng)態(tài)能力理論，依托937家專精特新企業(yè)5 430個(gè)觀測值，探討人工智能技術(shù)對(duì)企業(yè)創(chuàng)新績效的影響效應(yīng)。本文可能的邊際貢獻(xiàn)如下：①闡明人工智能技術(shù)對(duì)專精特新企業(yè)風(fēng)險(xiǎn)承擔(dān)水平和融資約束的影響，完善人工智能技術(shù)研究的理論框架，推動(dòng)其與專精特新企業(yè)管理實(shí)踐的深度融合；②結(jié)合風(fēng)險(xiǎn)偏好和動(dòng)態(tài)能力理論，深入剖析專精特新企業(yè)人工智能技術(shù)應(yīng)用對(duì)其創(chuàng)新績效的影響效應(yīng)及其中介機(jī)制，從而對(duì)既有研究形成重要補(bǔ)充；③將公司產(chǎn)權(quán)、規(guī)模、行業(yè)及區(qū)域等因素納入模型進(jìn)行異質(zhì)性分析，為專精特新企業(yè)差異化發(fā)展指明方向。

1 理論分析與研究假設(shè)

1.1 人工智能技術(shù)與專精特新企業(yè)創(chuàng)新績效

人工智能技術(shù)是指以深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)與生成模型等機(jī)器學(xué)習(xí)算法為核心，通過數(shù)據(jù)驅(qū)動(dòng)方式模擬人類學(xué)習(xí)、推理、決策等認(rèn)知功能的技術(shù)集合體。企業(yè)主要借助自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)，輔助或替代人腦完成預(yù)測或決策。而專精特新企業(yè)具有專業(yè)化、精細(xì)化、特色化和新穎化等典型特征，是積極應(yīng)用人工智能技術(shù)以加速自身創(chuàng)新的活躍群體。

人工智能技術(shù)可以通過智能化手段優(yōu)化傳統(tǒng)業(yè)務(wù)流程和操作方式，釋放人力資源，推動(dòng)跨部門協(xié)作與信息共享，減少重復(fù)勞動(dòng)和資源浪費(fèi)，進(jìn)而提升專精特新企業(yè)內(nèi)部的資源配置效率；同時(shí)，人工智能技術(shù)的應(yīng)用還能促進(jìn)企業(yè)多類型資源的創(chuàng)新整合，提高企業(yè)對(duì)市場動(dòng)態(tài)的適應(yīng)能力，增強(qiáng)企業(yè)韌性。高韌性企業(yè)通常具備較強(qiáng)的學(xué)習(xí)適應(yīng)能力，能夠快速吸收新技術(shù)或新方法，加速技術(shù)創(chuàng)新進(jìn)程。此外，人工智能技術(shù)重塑了市場現(xiàn)有的資源分配秩序，改變了市場競爭模式，倒逼企業(yè)持續(xù)尋求新的方法來解決技術(shù)開發(fā)過程中的問題，從而提高其創(chuàng)新效率。數(shù)據(jù)驅(qū)動(dòng)決策通過客觀分析突破決策者的理性局限，精準(zhǔn)識(shí)別需求、預(yù)控風(fēng)險(xiǎn)，提升創(chuàng)新成功率并激發(fā)組織的創(chuàng)新動(dòng)力。人工智能技術(shù)可以幫助專精特新企業(yè)有效識(shí)別和處理外部信息，支撐適配的技術(shù)管理決策。專精特新企業(yè)的發(fā)展高度依賴自主創(chuàng)新能力，而人工智能技術(shù)可以通過優(yōu)化容錯(cuò)機(jī)制和增強(qiáng)知識(shí)吸收能力，提升其創(chuàng)新持續(xù)性。持續(xù)創(chuàng)新的企業(yè)能夠及時(shí)捕捉市場需求和競爭環(huán)境的變化，不斷在現(xiàn)有技術(shù)基礎(chǔ)上深入研發(fā)，從而保持技術(shù)領(lǐng)先，提升創(chuàng)新績效。基于此，提出如下假設(shè)。

H1：人工智能技術(shù)的應(yīng)用對(duì)專精特新企業(yè)創(chuàng)新績效具有顯著的正向影響。

1.2 風(fēng)險(xiǎn)承擔(dān)水平的中介作用

企業(yè)風(fēng)險(xiǎn)承擔(dān)水平是指其為追求更高利潤而愿意承擔(dān)由此帶來的收益波動(dòng)和潛在負(fù)面后果的意愿程度。專精特新企業(yè)專注于細(xì)分市場，其核心競爭力在于創(chuàng)新，而創(chuàng)新活動(dòng)往往伴隨高風(fēng)險(xiǎn)。風(fēng)險(xiǎn)偏好理論認(rèn)為，風(fēng)險(xiǎn)厭惡型企業(yè)會(huì)因低估收益效用或高估損失概率而規(guī)避風(fēng)險(xiǎn)。大數(shù)據(jù)分析與技術(shù)預(yù)測模型等人工智能技術(shù)能夠顯著降低創(chuàng)新環(huán)境的不確定性，幫助專精特新企業(yè)更精準(zhǔn)地識(shí)別技術(shù)機(jī)會(huì)與市場窗口，從而削弱管理者對(duì)創(chuàng)新風(fēng)險(xiǎn)的過度規(guī)避傾向；同時(shí)，智能知識(shí)管理系統(tǒng)能夠加速內(nèi)外部知識(shí)的獲取、吸收與重組，顯著提升知識(shí)整合效率，助力專精特新企業(yè)突破知識(shí)基礎(chǔ)相對(duì)狹窄的瓶頸。隨著人工智能技術(shù)應(yīng)用的深入，企業(yè)風(fēng)險(xiǎn)監(jiān)控與資源柔性配置能力增強(qiáng)，形成“可控風(fēng)險(xiǎn)區(qū)間”，進(jìn)而提升專精特新企業(yè)對(duì)創(chuàng)新失敗的承受力，激勵(lì)其從事更高風(fēng)險(xiǎn)的突破式創(chuàng)新，提升對(duì)高風(fēng)險(xiǎn)項(xiàng)目的投資意愿。企業(yè)風(fēng)險(xiǎn)承擔(dān)水平越高，其對(duì)不確定性高、回報(bào)周期長的項(xiàng)目的創(chuàng)新投入意愿就越強(qiáng)。專精特新企業(yè)的組織敏捷性及其在核心技術(shù)和細(xì)分領(lǐng)域的經(jīng)驗(yàn)積累，使其在承擔(dān)創(chuàng)新風(fēng)險(xiǎn)時(shí)具備獨(dú)特優(yōu)勢。較強(qiáng)的風(fēng)險(xiǎn)承擔(dān)能力可推動(dòng)企業(yè)突破前沿技術(shù)、開拓新市場并激發(fā)人才創(chuàng)造力，進(jìn)而在細(xì)分領(lǐng)域形成技術(shù)壁壘，占據(jù)市場先機(jī)，提高組織效能，最終將風(fēng)險(xiǎn)承擔(dān)能力轉(zhuǎn)化為可持續(xù)增長的創(chuàng)新績效。

人工智能技術(shù)通過數(shù)據(jù)驅(qū)動(dòng)的資源整合與敏捷響應(yīng)，提升企業(yè)應(yīng)對(duì)不確定性的能力。基于人工智能技術(shù)的智能生產(chǎn)與供應(yīng)鏈優(yōu)化可提升企業(yè)運(yùn)營效率，進(jìn)而釋放更多資源投入高風(fēng)險(xiǎn)創(chuàng)新活動(dòng)。人工智能技術(shù)還可通過降低風(fēng)險(xiǎn)感知與提升決策信心，推動(dòng)企業(yè)從“風(fēng)險(xiǎn)規(guī)避”轉(zhuǎn)向“理性冒險(xiǎn)”，并借助智能決策來強(qiáng)化企業(yè)的風(fēng)險(xiǎn)控制能力。動(dòng)態(tài)能力的提升賦予企業(yè)承擔(dān)風(fēng)險(xiǎn)的實(shí)力，而風(fēng)險(xiǎn)偏好的優(yōu)化則增強(qiáng)企業(yè)承擔(dān)風(fēng)險(xiǎn)的意愿，二者協(xié)同推動(dòng)創(chuàng)新績效的提升。人工智能技術(shù)憑借強(qiáng)大的數(shù)據(jù)處理和分析能力，能夠幫助專精特新企業(yè)精準(zhǔn)識(shí)別風(fēng)險(xiǎn)和機(jī)遇，進(jìn)而提升其風(fēng)險(xiǎn)承擔(dān)水平，促進(jìn)創(chuàng)新績效提升。具體而言，人工智能技術(shù)通過處理海量數(shù)據(jù)，增強(qiáng)企業(yè)感知機(jī)會(huì)與威脅的敏銳度，憑借對(duì)市場數(shù)據(jù)、技術(shù)趨勢的深度挖掘與分析，精準(zhǔn)預(yù)測市場變化與技術(shù)發(fā)展方向，幫助專精特新企業(yè)提前識(shí)別潛在風(fēng)險(xiǎn)，進(jìn)而為其加大創(chuàng)新投入提供決策依據(jù)與信心支撐。此外，人工智能技術(shù)還能優(yōu)化專精特新企業(yè)決策流程，基于模擬和仿真等技術(shù)對(duì)創(chuàng)新項(xiàng)目的潛在風(fēng)險(xiǎn)和收益進(jìn)行精準(zhǔn)評(píng)估，有效緩解市場不確定性引發(fā)的風(fēng)險(xiǎn)恐懼。依據(jù)可靠的決策建議，專精特新企業(yè)將更積極地承擔(dān)風(fēng)險(xiǎn)，探索新的業(yè)務(wù)模式并開展產(chǎn)品與服務(wù)創(chuàng)新，最終實(shí)現(xiàn)創(chuàng)新績效的持續(xù)提升。基于此，提出如下假設(shè)。

H2：人工智能技術(shù)的應(yīng)用通過提高企業(yè)風(fēng)險(xiǎn)承擔(dān)水平來提升專精特新企業(yè)創(chuàng)新績效。

1.3 融資約束的中介作用

融資約束是指信息不對(duì)稱與代理沖突等問題引發(fā)的資源獲取障礙，即企業(yè)外部融資成本高于內(nèi)部資本成本而產(chǎn)生的融資限制。融資約束反映了企業(yè)獲取外部資金的難度與成本，不僅限制了企業(yè)獲取資金的渠道，還在一定程度上影響企業(yè)的創(chuàng)新能力和市場競爭力。我國中小板企業(yè)的創(chuàng)新持續(xù)性明顯受到外部融資約束的制約，表現(xiàn)為創(chuàng)新投資高度依賴內(nèi)源性現(xiàn)金流，而外源融資渠道不暢則導(dǎo)致創(chuàng)新動(dòng)能衰減。當(dāng)企業(yè)無法獲得足夠的資金支持時(shí)，其往往會(huì)改變發(fā)展戰(zhàn)略并減少創(chuàng)新投資。

專精特新企業(yè)的融資困境，本質(zhì)上緣于其核心資產(chǎn)的無形化、創(chuàng)新過程的高度不確定性以及技術(shù)價(jià)值的專有性等特征共同導(dǎo)致的內(nèi)外部信息不對(duì)稱。風(fēng)險(xiǎn)偏好理論認(rèn)為，金融機(jī)構(gòu)的風(fēng)險(xiǎn)厭惡行為主要源自信息不對(duì)稱下的靜態(tài)風(fēng)險(xiǎn)評(píng)估；而動(dòng)態(tài)能力理論強(qiáng)調(diào)，企業(yè)應(yīng)具備應(yīng)對(duì)不確定性的動(dòng)態(tài)調(diào)整能力。智能化技術(shù)賦能企業(yè)構(gòu)建財(cái)務(wù)與非財(cái)務(wù)信息的融合披露機(jī)制，借助機(jī)器學(xué)習(xí)算法對(duì)專利文本、研發(fā)記錄、供應(yīng)鏈數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)進(jìn)行深度挖掘與智能分析，將企業(yè)內(nèi)隱的技術(shù)能力與外顯的創(chuàng)新潛力轉(zhuǎn)化為可量化、可驗(yàn)證的信用資產(chǎn)，進(jìn)而提升價(jià)值信息的透明度與可信度。通過自然語言處理與知識(shí)圖譜技術(shù)，人工智能系統(tǒng)能夠解析非結(jié)構(gòu)化數(shù)據(jù)，生成客觀的技術(shù)競爭力評(píng)估與動(dòng)態(tài)風(fēng)險(xiǎn)畫像，為專精特新企業(yè)提供高效的價(jià)值信號(hào)傳遞工具，大幅降低外部投資者的信息甄別成本；同時(shí)，算法決策的自動(dòng)化能夠消解傳統(tǒng)信貸審批的時(shí)滯黏性，縮短信貸決策周期，從而降低融資成本。此外，人工智能技術(shù)能夠打通企業(yè)與風(fēng)險(xiǎn)投資、產(chǎn)業(yè)基金等股權(quán)融資渠道之間的信息壁壘，精準(zhǔn)匹配企業(yè)技術(shù)優(yōu)勢與投資者偏好，提高融資對(duì)接效率。通過對(duì)企業(yè)動(dòng)態(tài)能力提升與風(fēng)險(xiǎn)偏好優(yōu)化的協(xié)同賦能，人工智能技術(shù)構(gòu)建起“信息透明化—評(píng)估精準(zhǔn)化—融資多元化—風(fēng)險(xiǎn)可控化”的融資支持體系，有效破解專精特新企業(yè)的融資瓶頸。隨著融資約束的緩解，企業(yè)信貸可得性增強(qiáng)且資本成本降低，能夠直接提升專精特新企業(yè)的研發(fā)投入規(guī)模與強(qiáng)度；穩(wěn)定的資金支持有助于引進(jìn)高端創(chuàng)新人才與先進(jìn)研發(fā)設(shè)備；改善后的現(xiàn)金流狀況還能增強(qiáng)企業(yè)對(duì)外部知識(shí)資源的吸收能力，促進(jìn)創(chuàng)新生態(tài)的構(gòu)建，從而提升專精特新企業(yè)的創(chuàng)新績效。基于此，提出如下假設(shè)。

H3：人工智能技術(shù)的應(yīng)用通過緩解企業(yè)融資約束來提升專精特新企業(yè)創(chuàng)新績效。

綜上，本文構(gòu)建了如圖1所示的理論框架。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來源

本文以我國A股專精特新上市企業(yè)為研究對(duì)象，數(shù)據(jù)采集時(shí)間為2013—2022年。為避免異常值帶來的誤差，對(duì)樣本數(shù)據(jù)進(jìn)行以下處理：首先，剔除ST、*ST類上市公司樣本；其次，剔除金融業(yè)上市公司樣本；再次，剔除關(guān)鍵變量數(shù)據(jù)缺失較多的樣本企業(yè)；最后，剔除研究周期內(nèi)具有唯一觀測值的樣本企業(yè)。同時(shí)，對(duì)所有連續(xù)型變量實(shí)施1%分位數(shù)的雙邊縮尾處理。經(jīng)過上述處理后，最終獲得涵蓋937家專精特新企業(yè)的5 430個(gè)樣本觀測值。樣本數(shù)據(jù)來源于巨潮資訊網(wǎng)、中國研究數(shù)據(jù)服務(wù)平臺(tái)（CNRDS）及國泰安數(shù)據(jù)庫（CSMAR）。

2.2 變量度量

2.2.1 被解釋變量：企業(yè)創(chuàng)新績效（Innov）。

鑒于專精特新企業(yè)專注于細(xì)分領(lǐng)域且所面臨的模仿風(fēng)險(xiǎn)較低，其專利申報(bào)數(shù)量往往高于其他類型企業(yè)。本文采用專精特新企業(yè)獨(dú)立和聯(lián)合申請(qǐng)的發(fā)明專利總數(shù)（加1后取對(duì)數(shù)），作為企業(yè)創(chuàng)新績效水平的衡量指標(biāo)。

2.2.2 核心解釋變量：人工智能技術(shù)（AIT）。

本文借鑒姚加權(quán)等的研究，運(yùn)用年報(bào)文本分析法，通過統(tǒng)計(jì)企業(yè)年報(bào)文本中“計(jì)算機(jī)視覺”“圖像識(shí)別”等73個(gè)預(yù)設(shè)人工智能關(guān)鍵詞的出現(xiàn)頻次，構(gòu)建專精特新企業(yè)人工智能技術(shù)應(yīng)用水平的衡量指標(biāo)。具體而言，該指標(biāo)為企業(yè)年報(bào)中人工智能關(guān)鍵詞總數(shù)量加1后的自然對(duì)數(shù)值。

2.2.3 中介變量：企業(yè)風(fēng)險(xiǎn)承擔(dān)水平（RiskT）和融資約束（SA）

借鑒宋建波等的研究，采用盈余波動(dòng)性指標(biāo)來衡量企業(yè)風(fēng)險(xiǎn)承擔(dān)水平。本文基于盈余回報(bào)率ROA來計(jì)算盈余波動(dòng)性。其中，ROA為公司息稅前利潤（EBIT）與年末總資產(chǎn)（Asset）的比值。為消除行業(yè)系統(tǒng)性波動(dòng)的影響，將企業(yè)當(dāng)年盈余回報(bào)率與同期所處行業(yè)盈余回報(bào)率平均值的差值作為經(jīng)行業(yè)調(diào)整的盈余回報(bào)率（AdjRoa）。最后，以三年期滾動(dòng)窗口（t-1年至t+1年），計(jì)算企業(yè)經(jīng)行業(yè)調(diào)整后的盈余回報(bào)率在該窗口內(nèi)的標(biāo)準(zhǔn)差，并將其作為企業(yè)盈余波動(dòng)性指標(biāo)。該指標(biāo)數(shù)值越大，表明企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平越高。參考Faccio等的研究，將該變量乘以100，以優(yōu)化回歸系數(shù)的顯示效果，且該操作不影響結(jié)果的顯著性水平。具體計(jì)算公式如下。

式（1）中，X代表樣本企業(yè)所處行業(yè)的企業(yè)總數(shù)。

融資約束的代表性測度方法有KZ指數(shù)、WW指數(shù)及SA指數(shù)等。本文參考鞠曉生等的做法，選取SA指數(shù)衡量企業(yè)的融資約束水平。該方法在計(jì)算企業(yè)融資約束水平時(shí)，僅需使用企業(yè)規(guī)模與企業(yè)年齡兩個(gè)相對(duì)穩(wěn)定且外生性較強(qiáng)的變量，能有效規(guī)避潛在的內(nèi)生性問題。SA指數(shù)值越大，表明企業(yè)面臨的融資約束問題越嚴(yán)重。具體計(jì)算公式如下。

2.2.4 控制變量

本文選擇企業(yè)規(guī)模（SIZE）、企業(yè)年齡（AGE）、資產(chǎn)負(fù)債率（LEV）、總資產(chǎn)凈利潤率（ROA）、總資產(chǎn)增長率（AG）、獨(dú)立董事比例（INDP）、管理層持股比例（Mshare）及研發(fā)強(qiáng)度（Rdintensity）作為控制變量。各變量及其說明如表1所示。

2.3 模型構(gòu)建

為檢驗(yàn)人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的影響，構(gòu)建如下基準(zhǔn)回歸模型。

式（4）中：i表示專精特新企業(yè)；t表示年份；Innov表示專精特新企業(yè)創(chuàng)新績效；AIT表示專精特新企業(yè)人工智能技術(shù)應(yīng)用水平；Control表示控制變量；yeart表示年份固定效應(yīng)；μi表示企業(yè)固定效應(yīng)；εi,t為隨機(jī)擾動(dòng)項(xiàng)。為避免樣本數(shù)據(jù)中潛在的組內(nèi)自相關(guān)問題對(duì)統(tǒng)計(jì)推斷的干擾，本文所有回歸模型均采用企業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行估計(jì)。

為克服使用逐步回歸法檢驗(yàn)中介效應(yīng)時(shí)可能產(chǎn)生的內(nèi)生性偏誤等問題，本文通過構(gòu)建中介效應(yīng)模型，檢驗(yàn)專精特新企業(yè)人工智能技術(shù)應(yīng)用對(duì)創(chuàng)新績效提升的潛在中介機(jī)制。具體而言，選取企業(yè)風(fēng)險(xiǎn)承擔(dān)水平和融資約束作為中介變量，以判斷在人工智能技術(shù)應(yīng)用影響企業(yè)創(chuàng)新績效的過程中，上述變量是否發(fā)揮中介作用。具體模型設(shè)定如下。

式（5）—（6）中：RiskT和SA為中介變量，分別表示專精特新企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平和融資約束程度；其他變量定義與式（4）相同。

3 實(shí)證結(jié)果與分析

3.1 描述性統(tǒng)計(jì)與相關(guān)性分析

如表2所示，專精特新企業(yè)創(chuàng)新績效的均值與標(biāo)準(zhǔn)差分別為2.291和1.177，表明樣本企業(yè)間發(fā)明專利申請(qǐng)數(shù)量存在顯著差異，反映出企業(yè)創(chuàng)新發(fā)展具有不平衡、不對(duì)稱特征；人工智能技術(shù)應(yīng)用水平的均值為1.245，標(biāo)準(zhǔn)差為1.406，表明樣本企業(yè)在人工智能技術(shù)應(yīng)用方面同樣存在較大差異。相關(guān)性檢驗(yàn)發(fā)現(xiàn)，人工智能技術(shù)應(yīng)用水平與企業(yè)創(chuàng)新績效呈顯著正相關(guān)關(guān)系（r=0.214，P<0.01），該結(jié)果在一定程度上驗(yàn)證了假設(shè)H1成立。同時(shí)，鑒于所有變量的方差膨脹因子（VIF）均小于臨界值2，據(jù)此可判斷模型不存在嚴(yán)重的多重共線性問題。

3.2 基準(zhǔn)回歸結(jié)果

基準(zhǔn)回歸結(jié)果如表3所示。本文采用遞進(jìn)式回歸策略進(jìn)行檢驗(yàn)：列（1）為不加入控制變量且不控制固定效應(yīng)的回歸結(jié)果，顯示人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的回歸系數(shù)在1%的水平上顯著為正，初步驗(yàn)證了假設(shè)H1；列（2）（加入控制變量）、列（3）（控制企業(yè)和年份固定效應(yīng)）及列（4）（同時(shí)加入控制變量并控制企業(yè)和年份固定效應(yīng)）的結(jié)果表明，人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的回歸系數(shù)始終顯著為正，證實(shí)了人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的促進(jìn)作用具有穩(wěn)健性，進(jìn)一步驗(yàn)證了假設(shè)H1。

3.3 內(nèi)生性與穩(wěn)健性檢驗(yàn)

3.3.1 內(nèi)生性檢驗(yàn)

①工具變量法。人工智能技術(shù)與專精特新企業(yè)創(chuàng)新績效之間可能存在互為因果關(guān)系及遺漏變量問題，均可能導(dǎo)致模型產(chǎn)生內(nèi)生性偏誤。一般而言，同地區(qū)、同行業(yè)且同期的其他上市企業(yè)的人工智能技術(shù)應(yīng)用，雖會(huì)影響本企業(yè)的相關(guān)技術(shù)應(yīng)用，但通常不會(huì)直接作用于本企業(yè)的創(chuàng)新績效。基于此，本文選取同行業(yè)、同地區(qū)及同年度內(nèi)所有專精特新企業(yè)人工智能技術(shù)水平的平均值作為工具變量，并采用兩階段最小二乘法（2SLS）進(jìn)行回歸分析，結(jié)果如表4中列（1）—（2）所示。工具變量相關(guān)檢驗(yàn)結(jié)果表明：工具變量與內(nèi)生變量數(shù)量一致；Kleibergen-Paap rk LM統(tǒng)計(jì)量顯示工具變量不存在過度識(shí)別問題；Kleibergen-Paap rk Wald F統(tǒng)計(jì)量則顯示其通過弱識(shí)別檢驗(yàn)。這說明本文選取的工具變量具有有效性。列（1）的回歸結(jié)果顯示，工具變量在1%的顯著性水平上對(duì)內(nèi)生自變量存在正向影響；列（2）的回歸結(jié)果顯示，在處理了內(nèi)生性問題后，人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的回歸系數(shù)仍在5%的水平上顯著為正。這說明人工智能技術(shù)與專精特新企業(yè)創(chuàng)新績效之間的正相關(guān)關(guān)系依然成立，該結(jié)論與基準(zhǔn)回歸結(jié)果保持一致。

②傾向得分匹配法。本文以企業(yè)人工智能技術(shù)應(yīng)用水平的均值為臨界值，劃分處理組和對(duì)照組；同時(shí)，選取企業(yè)規(guī)模、企業(yè)年齡、資產(chǎn)負(fù)債率、董事會(huì)規(guī)模、獨(dú)立董事比例作為協(xié)變量，采用1∶1近鄰非放回的逐年匹配方法，最終獲得傾向得分匹配（PSM）結(jié)果。平衡性檢驗(yàn)結(jié)果顯示，匹配后所有協(xié)變量的T檢驗(yàn)結(jié)果均不顯著，表明處理組與對(duì)照組的協(xié)變量已無顯著差異；此外，所有變量的標(biāo)準(zhǔn)差顯著縮小，且標(biāo)準(zhǔn)化偏差均小于10%的經(jīng)驗(yàn)臨界值，說明PSM結(jié)果有效。基于匹配樣本對(duì)模型（4）重新進(jìn)行回歸檢驗(yàn)，結(jié)果如表4中列（3）所示，人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效仍具有顯著的促進(jìn)效應(yīng)。

3.3.2 穩(wěn)健性檢驗(yàn)

①替換計(jì)量模型。考慮到企業(yè)創(chuàng)新績效測度中，發(fā)明專利申請(qǐng)數(shù)據(jù)可能存在缺失，進(jìn)而導(dǎo)致數(shù)據(jù)呈現(xiàn)左截尾分布（存在大量0值），本文采用Tobit模型進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果如表5中列（1）所示，更換回歸模型后，人工智能技術(shù)的回歸系數(shù)仍在5%的水平上顯著為正，表明核心結(jié)論不受模型設(shè)定偏誤的干擾，具備統(tǒng)計(jì)穩(wěn)健性。

②替換被解釋變量。重新設(shè)定被解釋變量為專精特新企業(yè)獨(dú)立和聯(lián)合申請(qǐng)后獲得的發(fā)明專利總數(shù)（加1取對(duì)數(shù)），回歸結(jié)果如表5中列（2）所示。結(jié)果顯示，專精特新企業(yè)應(yīng)用人工智能技術(shù)對(duì)創(chuàng)新績效仍具有顯著的促進(jìn)作用。

③剔除新冠疫情影響。在全球新冠疫情沖擊下，技術(shù)研發(fā)受阻、供應(yīng)鏈斷裂、實(shí)驗(yàn)室運(yùn)轉(zhuǎn)受限等問題不僅延緩了人工智能技術(shù)的發(fā)展進(jìn)程，也對(duì)企業(yè)創(chuàng)新績效產(chǎn)生了負(fù)面影響。為排除該外部沖擊的干擾，本文剔除新冠疫情影響年份，僅截取2013—2019年的樣本數(shù)據(jù)進(jìn)行檢驗(yàn)，結(jié)果如表5中列（3）所示。在剔除新冠疫情影響后，人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的回歸系數(shù)仍在10%的水平上顯著，該結(jié)論與前文一致。

3.4 作用機(jī)制分析

3.4.1 風(fēng)險(xiǎn)承擔(dān)水平的中介作用

采用江艇的中介效應(yīng)兩步法進(jìn)行檢驗(yàn)：第一步，檢驗(yàn)人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的直接效應(yīng)，該步驟已在前文基準(zhǔn)回歸中完成；第二步，檢驗(yàn)人工智能技術(shù)對(duì)中介變量（專精特新企業(yè)風(fēng)險(xiǎn)承擔(dān)水平）的影響，結(jié)果如表6中列（1）所示。結(jié)果顯示，人工智能技術(shù)對(duì)專精特新企業(yè)風(fēng)險(xiǎn)承擔(dān)水平的回歸系數(shù)為0.187，且在10%的水平上顯著，表明人工智能技術(shù)能夠顯著提升專精特新企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平。已有研究證實(shí)，企業(yè)風(fēng)險(xiǎn)承擔(dān)水平提升能夠有效促進(jìn)其創(chuàng)新績效提升。從作用路徑看，較高的風(fēng)險(xiǎn)承擔(dān)水平能夠推動(dòng)專精特新企業(yè)主動(dòng)投資不確定性高的研發(fā)項(xiàng)目，探索新興技術(shù)和利基市場，更早捕獲突破性機(jī)會(huì)并構(gòu)建技術(shù)壁壘；同時(shí)，通過驅(qū)動(dòng)技術(shù)試錯(cuò)與迭代、強(qiáng)化組織動(dòng)態(tài)適應(yīng)能力，助力企業(yè)在快速變化的環(huán)境中高效轉(zhuǎn)化技術(shù)成果，進(jìn)而提升創(chuàng)新活動(dòng)產(chǎn)出效率，增強(qiáng)企業(yè)競爭優(yōu)勢，最終實(shí)現(xiàn)創(chuàng)新績效的持續(xù)提升。綜上，假設(shè)H2得到驗(yàn)證。

3.4.2 融資約束的中介作用

采用兩步檢驗(yàn)法：第一步，檢驗(yàn)人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的直接效應(yīng)，該步驟已在前文基準(zhǔn)回歸中完成；第二步，檢驗(yàn)人工智能技術(shù)對(duì)中介變量（融資約束）的影響，結(jié)果如表6中列（2）所示。結(jié)果顯示，人工智能技術(shù)對(duì)專精特新企業(yè)融資約束的回歸系數(shù)為-0.268，且在10%的水平上顯著，表明人工智能技術(shù)能有效緩解專精特新企業(yè)面臨的內(nèi)外部融資困境，降低融資成本并提高融資水平。現(xiàn)有文獻(xiàn)表明，較低的融資約束會(huì)顯著促進(jìn)創(chuàng)新績效提升。對(duì)專精特新企業(yè)而言，較低的融資約束是創(chuàng)新活動(dòng)的關(guān)鍵保障，能為其提供充裕的內(nèi)部資金和順暢的外部融資渠道，進(jìn)而有效緩解創(chuàng)新投資的長期性與不確定性帶來的資源壓力。這使得專精特新企業(yè)能夠持續(xù)投資高風(fēng)險(xiǎn)研發(fā)項(xiàng)目，避免因短期資金不足中斷有價(jià)值的長期探索，為創(chuàng)新績效提升提供支撐。綜上，假設(shè)H3得到驗(yàn)證。

4 異質(zhì)性分析

4.1 產(chǎn)權(quán)異質(zhì)性

不同產(chǎn)權(quán)性質(zhì)的專精特新企業(yè)在發(fā)展戰(zhàn)略、融資約束、組織結(jié)構(gòu)和經(jīng)營方式等方面存在系統(tǒng)性差異。這種差異可能會(huì)影響企業(yè)創(chuàng)新的決策導(dǎo)向與實(shí)施路徑，最終導(dǎo)致創(chuàng)新績效的差異化表現(xiàn)。為檢驗(yàn)該差異，本文將樣本企業(yè)劃分為國有企業(yè)和非國有企業(yè)兩組進(jìn)行回歸，結(jié)果如表7所示。從列（1）—（2）中可以看出，人工智能技術(shù)對(duì)國有企業(yè)創(chuàng)新績效的影響系數(shù)為負(fù)且不顯著，對(duì)非國有企業(yè)的創(chuàng)新績效則存在顯著的正向促進(jìn)作用。究其原因：國有企業(yè)管理層可能缺乏長期創(chuàng)新意愿，且企業(yè)內(nèi)部激勵(lì)相容機(jī)制缺位、監(jiān)督問責(zé)制度不完善，導(dǎo)致企業(yè)創(chuàng)新動(dòng)能系統(tǒng)性衰減，人工智能技術(shù)難以有效轉(zhuǎn)化為創(chuàng)新績效的提升；而非國有企業(yè)面臨基于市場競爭的生存壓力，其強(qiáng)烈的主動(dòng)創(chuàng)新意愿與靈活的響應(yīng)機(jī)制能充分激活人工智能技術(shù)的賦能價(jià)值，進(jìn)而形成“技術(shù)—市場”雙輪驅(qū)動(dòng)的創(chuàng)新績效動(dòng)態(tài)提升路徑。

4.2 規(guī)模異質(zhì)性

專精特新企業(yè)雖以中小企業(yè)為主，但也包含規(guī)模較大的龍頭企業(yè)，如中華老字號(hào)企業(yè)片仔癀、鋰電池隔膜領(lǐng)域的恩捷股份等。本文以樣本企業(yè)規(guī)模的中位數(shù)為界，將規(guī)模大于或等于中位數(shù)的企業(yè)劃分為大規(guī)模企業(yè)，規(guī)模小于中位數(shù)的企業(yè)歸為小規(guī)模企業(yè)，并再次進(jìn)行回歸分析，結(jié)果如表7所示。從列（3）—（4）中可以看出，僅在大規(guī)模企業(yè)中，專精特新企業(yè)應(yīng)用人工智能技術(shù)對(duì)創(chuàng)新績效存在顯著的正向影響。究其原因：其一，大規(guī)模企業(yè)掌握大部分人工智能資源，且在細(xì)分領(lǐng)域具備技術(shù)積累與資源整合優(yōu)勢，使得人工智能可精準(zhǔn)賦能其專業(yè)化創(chuàng)新；其二，由于小規(guī)模企業(yè)的資源獲取能力有限，人工智能資源的壟斷不僅提高了其獲取關(guān)鍵技術(shù)的交易成本，還加劇了知識(shí)解碼難度；其三，大規(guī)模企業(yè)組織架構(gòu)成熟、數(shù)據(jù)治理完善，人工智能技術(shù)更易融入核心業(yè)務(wù)、強(qiáng)化創(chuàng)新鏈協(xié)同，從而顯著促進(jìn)創(chuàng)新績效提升。

4.3 行業(yè)異質(zhì)性

鑒于人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效可能存在行業(yè)異質(zhì)性影響，本文依據(jù)《上市公司行業(yè)分類指引》（2012年修訂）與《國家重點(diǎn)支持的高新技術(shù)領(lǐng)域》兩大標(biāo)準(zhǔn)，將樣本企業(yè)劃分為高科技企業(yè)和非高科技企業(yè)兩類，實(shí)證檢驗(yàn)人工智能技術(shù)對(duì)不同行業(yè)專精特新企業(yè)的差異化創(chuàng)新效應(yīng)，回歸結(jié)果如表7所示。從列（5）—（6）中可以看出，高科技企業(yè)應(yīng)用人工智能技術(shù)對(duì)創(chuàng)新績效的影響系數(shù)在5%的水平上顯著；非高科技企業(yè)應(yīng)用人工智能技術(shù)對(duì)創(chuàng)新績效的影響系數(shù)雖為正，但未通過顯著性檢驗(yàn)。究其原因，高科技行業(yè)的專精特新企業(yè)擁有更豐富的技術(shù)人才、更完善的研究條件及標(biāo)準(zhǔn)化程度更高的專業(yè)數(shù)據(jù)積累，可通過吸收行業(yè)層面溢出的知識(shí)并整合高階創(chuàng)新資源，進(jìn)而顯著提升創(chuàng)新績效。

4.4 區(qū)域異質(zhì)性

考慮到區(qū)域異質(zhì)性可能影響結(jié)論，本文依據(jù)專精特新企業(yè)所屬省份，將樣本劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)企業(yè)等3組進(jìn)行回歸分析。表7中列（7）—（9）的回歸結(jié)果顯示：人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的促進(jìn)作用在東部和西部地區(qū)更為顯著，且均通過了10%水平的顯著性檢驗(yàn)；而在中部地區(qū)，該促進(jìn)作用未通過顯著性檢驗(yàn)，即影響不顯著。①從企業(yè)分布看，大多數(shù)專精特新上市企業(yè)集中于東部地區(qū)。該區(qū)域經(jīng)濟(jì)發(fā)達(dá)、數(shù)字化基礎(chǔ)扎實(shí)且企業(yè)技術(shù)吸收能力較強(qiáng)，人工智能技術(shù)與高端制造、數(shù)字經(jīng)濟(jì)深度融合，直接賦能研發(fā)設(shè)計(jì)、供應(yīng)鏈優(yōu)化等核心環(huán)節(jié)，創(chuàng)新轉(zhuǎn)化效率高。因此，人工智能技術(shù)滲透可顯著促進(jìn)東部地區(qū)專精特新企業(yè)創(chuàng)新績效提升。②西部地區(qū)雖整體數(shù)字化水平較低，但在“雙循環(huán)”“西部大開發(fā)”等政策的推動(dòng)下，部分省份聚焦特色產(chǎn)業(yè)，通過人工智能技術(shù)精準(zhǔn)突破農(nóng)業(yè)等細(xì)分領(lǐng)域的技術(shù)瓶頸，形成“小而精”的賦能場景。因此，人工智能技術(shù)對(duì)西部地區(qū)專精特新企業(yè)創(chuàng)新績效的影響同樣較為顯著。③中部地區(qū)專精特新企業(yè)可能仍以傳統(tǒng)制造與中端加工為主，數(shù)字化轉(zhuǎn)型投入相對(duì)不足，導(dǎo)致人工智能技術(shù)應(yīng)用多停留在局部環(huán)節(jié)，難以系統(tǒng)性滲透至完整創(chuàng)新鏈。因此，人工智能技術(shù)對(duì)中部地區(qū)專精特新企業(yè)創(chuàng)新績效的影響不顯著。

5 研究結(jié)論與展望

5.1 研究結(jié)論和實(shí)踐啟示

本文基于風(fēng)險(xiǎn)偏好理論和動(dòng)態(tài)能力理論，探究人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效的影響效應(yīng)，得出如下結(jié)論：①人工智能技術(shù)對(duì)專精特新企業(yè)創(chuàng)新績效具有顯著的正向影響，即人工智能技術(shù)應(yīng)用水平越高，專精特新企業(yè)創(chuàng)新績效的提升越明顯；②人工智能技術(shù)可通過提升風(fēng)險(xiǎn)承擔(dān)水平和緩解融資約束賦能專精特新企業(yè)創(chuàng)新績效提升；③異質(zhì)性分析表明，人工智能技術(shù)對(duì)創(chuàng)新績效的促進(jìn)作用在非國有、大規(guī)模、高科技及東部和西部地區(qū)企業(yè)中更顯著。

基于以上研究結(jié)論，本文提出如下實(shí)踐啟示。

第一，助推專精特新企業(yè)發(fā)展，將其視為解決關(guān)鍵技術(shù)“卡脖子”問題的新動(dòng)能。在政策端，構(gòu)建覆蓋技術(shù)基礎(chǔ)、制度保障與政策支撐的三維賦能體系，推動(dòng)人工智能技術(shù)與專精特新企業(yè)深度融合；在創(chuàng)新端，深化產(chǎn)學(xué)研協(xié)同，鼓勵(lì)高校院所專利資源向企業(yè)流動(dòng)；在產(chǎn)業(yè)端，加速數(shù)智化改造并強(qiáng)化產(chǎn)業(yè)鏈協(xié)同，推動(dòng)鏈主企業(yè)向?qū)＞匦缕髽I(yè)開放應(yīng)用場景與供應(yīng)鏈資源。

第二，加快人工智能技術(shù)在專精特新企業(yè)中的應(yīng)用。一是加大研發(fā)投入，開展人工智能技術(shù)行業(yè)大模型的研發(fā)，提升企業(yè)智能化水平；二是積極拓展應(yīng)用場景，將人工智能技術(shù)應(yīng)用于生產(chǎn)、管理、服務(wù)等各個(gè)環(huán)節(jié)，促進(jìn)企業(yè)創(chuàng)新績效提升，進(jìn)而提高企業(yè)的市場競爭力；三是加強(qiáng)與高校、科研機(jī)構(gòu)等創(chuàng)新主體的合作，引進(jìn)先進(jìn)技術(shù)與人才，優(yōu)化內(nèi)部管理，同步提升員工人工智能應(yīng)用方面的素養(yǎng)。

第三，通過人工智能技術(shù)應(yīng)用動(dòng)態(tài)提升專精特新企業(yè)風(fēng)險(xiǎn)承擔(dān)能力，緩解融資約束。利用人工智能技術(shù)深度賦能專精特新企業(yè)創(chuàng)新流程，通過預(yù)測市場趨勢、優(yōu)化研發(fā)路線、智能管控項(xiàng)目風(fēng)險(xiǎn)，增強(qiáng)對(duì)不確定性創(chuàng)新活動(dòng)的管理能力，進(jìn)而提升風(fēng)險(xiǎn)承擔(dān)水平。在緩解融資約束方面，利用人工智能技術(shù)助力專精特新企業(yè)構(gòu)建數(shù)字化風(fēng)控體系，將專利、人才等“軟信息”轉(zhuǎn)化為可量化、可追溯的信用資產(chǎn)，以解決信息不對(duì)稱問題；同時(shí)，依托人工智能數(shù)據(jù)，結(jié)合政府搭建的融資對(duì)接平臺(tái)和創(chuàng)新金融產(chǎn)品，更精準(zhǔn)地評(píng)估企業(yè)技術(shù)價(jià)值，并據(jù)此提供適配的信貸支持，突破融資瓶頸，最終形成“技術(shù)提升—風(fēng)險(xiǎn)管控—資金匹配”的良性循環(huán)。

5.2 研究局限與展望

本文仍存在一定的局限性。一方面，以A股專精特新上市企業(yè)為研究對(duì)象，探討人工智能技術(shù)對(duì)創(chuàng)新績效的影響效應(yīng)，未涵蓋專精特新非上市企業(yè)。未來研究可進(jìn)一步搜集該類企業(yè)數(shù)據(jù)，提升研究的普適性。另一方面，采用年報(bào)文本分析法測度專精特新企業(yè)人工智能技術(shù)應(yīng)用水平，可能存在年報(bào)虛假陳述或數(shù)據(jù)披露不足等問題，導(dǎo)致解釋變量衡量不準(zhǔn)確。未來研究可進(jìn)一步探索更精準(zhǔn)的測量指標(biāo)，以提高測度的準(zhǔn)確性。

本文來源于《創(chuàng)新科技》2025年第10期。潘宏亮，燕山大學(xué)經(jīng)濟(jì)管理學(xué)院教授，博士生導(dǎo)師；閆程程，燕山大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生。文章觀點(diǎn)不代表主辦機(jī)構(gòu)立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com