人工智能技術與專精特新企業創新績效——基于風險承擔水平和融資約束視角

人工智能通過技術賦能推動經濟增長、產業變革與社會進步，其深度應用也將進一步提高生產效率，優化資源配置，并持續釋放創新潛力。專精特新企業積極應用人工智能技術，對我國破解各種技術難題、實現高水平科技自立自強意義重大。基于2013—2022年937家中國專精特新上市企業的面板數據，實證檢驗人工智能技術對創新績效的影響效應。

結果顯示：人工智能技術能顯著促進專精特新企業創新績效的提升，且該結論在經過一系列內生性和穩健性檢驗后依然成立；機制分析表明，人工智能技術通過提升企業風險承擔水平和緩解融資約束賦能專精特新企業創新；異質性分析發現，人工智能技術對非國有、大規模、高科技及東部和西部地區專精特新企業創新績效的影響更為顯著。研究結論為理解人工智能技術賦能專精特新企業創新績效提供了新視角，同時為推動專精特新企業智能化轉型提供了理論參考和決策建議。

數字經濟時代，人工智能技術迅速發展，被視為增強經濟競爭力和實現戰略突破的核心支柱。推動人工智能與經濟社會各領域深度融合，打造人工智能技術的先發優勢并賦能創新活動，是形成新質生產力和促進經濟高質量發展的關鍵。作為驅動各行業變革的新生動力，人工智能技術正全面滲透至企業運營的全流程，從根本上重塑企業原有的運營模式和創新方式，提高創新效率和有效性，進而影響企業的創新質量。

專精特新企業是指聚焦細分市場，具備專業化生產技術壁壘與精益管理能力，通過差異化特色產品及持續性技術創新實現高質量發展的中小企業群體。黨的二十屆四中全會將加快高水平科技自立自強、引領發展新質生產力作為戰略任務進行專章部署，充分體現了黨中央對科技創新的高度重視和殷切希望。在全球經濟增速放緩、貿易保護主義盛行的國際形勢下，掌握高精尖技術并不斷提升自主創新能力是我國的必然選擇。2021年1月，財政部、工業和信息化部聯合印發《關于支持“專精特新”中小企業高質量發展的通知》，旨在支持中小企業創新，切實提升其自主創新能力，強化其創新主體地位，助力經濟高質量發展。專精特新企業不僅展現出強勁的創新活力和發展潛能，還有助于提升我國產業鏈供應鏈的穩定性，從根本上增強經濟韌性。然而，專精特新企業高質量創新發展面臨一定的現實阻礙：其一，風險承受能力普遍較弱，有限的資源與較大的生存壓力易引發管理層風險規避傾向，而高度專業化的技術路徑依賴與狹窄的市場定位會進一步削弱其風險分散能力；其二，存在“融資難、融資貴”困境，由于自身可抵押資產較少、內部股權融資機制尚未完善等問題，企業難以獲得有效資金支持以開展創新活動。因此，尋求推動專精特新企業創新發展的長效機制成為關鍵議題。人工智能技術可以促進企業的突破式創新和漸進式創新，顯著提升企業的創新質量和創新績效，并通過降低探索性學習的不確定性成本，提升解決方案的可行性。鑒于專精特新企業發展高度依賴持續創新，探討人工智能技術對專精特新企業創新績效的影響，對提升企業創新質量和國家整體科技創新水平具有重要的理論和實踐意義。

現有針對專精特新企業創新績效影響因素的研究大多聚焦公司治理、政策支持及產業環境等層面。企業推進數字化轉型、聘用學術型高管、政府政策支持、擴大本土市場需求等均對專精特新企業創新績效具有顯著的促進作用；也有學者基于研發投入、研發能力、企業規模、資本結構、股權結構、融資環境及市場競爭力等7個前因條件，總結出專精特新中小企業創新績效的提升路徑。然而，鮮有學者探討人工智能技術應用對專精特新企業創新績效的具體影響。

企業風險承擔水平反映其對風險的偏好程度和控制能力。風險承擔水平較高的企業能夠接受較大的投資風險，在投資項目時擁有更高的靈活度。現有研究普遍認為，企業風險承擔水平的提升對創新績效有積極作用。融資約束則是影響企業創新的另一重要因素。融資約束限制了企業獲取資金的渠道，在一定程度上制約了企業創新能力和市場競爭力的提升。大量文獻證實，融資約束對企業創新水平和創新績效的提升具有顯著的抑制作用，不利于企業的漸進式創新和激進式創新。然而，現有研究存在兩方面不足：一是缺乏對人工智能技術如何影響專精特新企業風險承擔水平及融資約束的探討。雖有研究強調了數字經濟和數字化轉型對企業風險承擔水平具有積極影響，且可通過提高企業信息透明度、降低融資成本等緩解融資約束，但作為數字化轉型核心的人工智能技術，對企業風險承擔水平與融資約束的影響機制尚未被深入挖掘。二是缺乏對企業風險承擔水平和融資約束在人工智能技術影響專精特新企業創新績效過程中的中介作用的揭示。人工智能技術既可通過數字化賦能企業創新能力，也能通過增加知識多樣性、提高資源配置效率、促進知識溢出等方式，對企業創新產生積極影響。現有研究多從信息處理能力、動態適應性等視角解析其影響機制，較少將企業風險承擔水平和融資約束納為中介變量展開探討。綜上所述，人工智能技術與企業創新績效的作用關系及影響路徑仍存在諸多前沿性問題，亟待深入探索。

據此，本文基于風險偏好理論和動態能力理論，依托937家專精特新企業5 430個觀測值，探討人工智能技術對企業創新績效的影響效應。本文可能的邊際貢獻如下：①闡明人工智能技術對專精特新企業風險承擔水平和融資約束的影響，完善人工智能技術研究的理論框架，推動其與專精特新企業管理實踐的深度融合；②結合風險偏好和動態能力理論，深入剖析專精特新企業人工智能技術應用對其創新績效的影響效應及其中介機制，從而對既有研究形成重要補充；③將公司產權、規模、行業及區域等因素納入模型進行異質性分析，為專精特新企業差異化發展指明方向。

1 理論分析與研究假設

1.1 人工智能技術與專精特新企業創新績效

人工智能技術是指以深度學習、強化學習與生成模型等機器學習算法為核心，通過數據驅動方式模擬人類學習、推理、決策等認知功能的技術集合體。企業主要借助自然語言處理、機器學習等技術，輔助或替代人腦完成預測或決策。而專精特新企業具有專業化、精細化、特色化和新穎化等典型特征，是積極應用人工智能技術以加速自身創新的活躍群體。

人工智能技術可以通過智能化手段優化傳統業務流程和操作方式，釋放人力資源，推動跨部門協作與信息共享，減少重復勞動和資源浪費，進而提升專精特新企業內部的資源配置效率；同時，人工智能技術的應用還能促進企業多類型資源的創新整合，提高企業對市場動態的適應能力，增強企業韌性。高韌性企業通常具備較強的學習適應能力，能夠快速吸收新技術或新方法，加速技術創新進程。此外，人工智能技術重塑了市場現有的資源分配秩序，改變了市場競爭模式，倒逼企業持續尋求新的方法來解決技術開發過程中的問題，從而提高其創新效率。數據驅動決策通過客觀分析突破決策者的理性局限，精準識別需求、預控風險，提升創新成功率并激發組織的創新動力。人工智能技術可以幫助專精特新企業有效識別和處理外部信息，支撐適配的技術管理決策。專精特新企業的發展高度依賴自主創新能力，而人工智能技術可以通過優化容錯機制和增強知識吸收能力，提升其創新持續性。持續創新的企業能夠及時捕捉市場需求和競爭環境的變化，不斷在現有技術基礎上深入研發，從而保持技術領先，提升創新績效。基于此，提出如下假設。

H1：人工智能技術的應用對專精特新企業創新績效具有顯著的正向影響。

1.2 風險承擔水平的中介作用

企業風險承擔水平是指其為追求更高利潤而愿意承擔由此帶來的收益波動和潛在負面后果的意愿程度。專精特新企業專注于細分市場，其核心競爭力在于創新，而創新活動往往伴隨高風險。風險偏好理論認為，風險厭惡型企業會因低估收益效用或高估損失概率而規避風險。大數據分析與技術預測模型等人工智能技術能夠顯著降低創新環境的不確定性，幫助專精特新企業更精準地識別技術機會與市場窗口，從而削弱管理者對創新風險的過度規避傾向；同時，智能知識管理系統能夠加速內外部知識的獲取、吸收與重組，顯著提升知識整合效率，助力專精特新企業突破知識基礎相對狹窄的瓶頸。隨著人工智能技術應用的深入，企業風險監控與資源柔性配置能力增強，形成“可控風險區間”，進而提升專精特新企業對創新失敗的承受力，激勵其從事更高風險的突破式創新，提升對高風險項目的投資意愿。企業風險承擔水平越高，其對不確定性高、回報周期長的項目的創新投入意愿就越強。專精特新企業的組織敏捷性及其在核心技術和細分領域的經驗積累，使其在承擔創新風險時具備獨特優勢。較強的風險承擔能力可推動企業突破前沿技術、開拓新市場并激發人才創造力，進而在細分領域形成技術壁壘，占據市場先機，提高組織效能，最終將風險承擔能力轉化為可持續增長的創新績效。

人工智能技術通過數據驅動的資源整合與敏捷響應，提升企業應對不確定性的能力。基于人工智能技術的智能生產與供應鏈優化可提升企業運營效率，進而釋放更多資源投入高風險創新活動。人工智能技術還可通過降低風險感知與提升決策信心，推動企業從“風險規避”轉向“理性冒險”，并借助智能決策來強化企業的風險控制能力。動態能力的提升賦予企業承擔風險的實力，而風險偏好的優化則增強企業承擔風險的意愿，二者協同推動創新績效的提升。人工智能技術憑借強大的數據處理和分析能力，能夠幫助專精特新企業精準識別風險和機遇，進而提升其風險承擔水平，促進創新績效提升。具體而言，人工智能技術通過處理海量數據，增強企業感知機會與威脅的敏銳度，憑借對市場數據、技術趨勢的深度挖掘與分析，精準預測市場變化與技術發展方向，幫助專精特新企業提前識別潛在風險，進而為其加大創新投入提供決策依據與信心支撐。此外，人工智能技術還能優化專精特新企業決策流程，基于模擬和仿真等技術對創新項目的潛在風險和收益進行精準評估，有效緩解市場不確定性引發的風險恐懼。依據可靠的決策建議，專精特新企業將更積極地承擔風險，探索新的業務模式并開展產品與服務創新，最終實現創新績效的持續提升。基于此，提出如下假設。

H2：人工智能技術的應用通過提高企業風險承擔水平來提升專精特新企業創新績效。

1.3 融資約束的中介作用

融資約束是指信息不對稱與代理沖突等問題引發的資源獲取障礙，即企業外部融資成本高于內部資本成本而產生的融資限制。融資約束反映了企業獲取外部資金的難度與成本，不僅限制了企業獲取資金的渠道，還在一定程度上影響企業的創新能力和市場競爭力。我國中小板企業的創新持續性明顯受到外部融資約束的制約，表現為創新投資高度依賴內源性現金流，而外源融資渠道不暢則導致創新動能衰減。當企業無法獲得足夠的資金支持時，其往往會改變發展戰略并減少創新投資。

專精特新企業的融資困境，本質上緣于其核心資產的無形化、創新過程的高度不確定性以及技術價值的專有性等特征共同導致的內外部信息不對稱。風險偏好理論認為，金融機構的風險厭惡行為主要源自信息不對稱下的靜態風險評估；而動態能力理論強調，企業應具備應對不確定性的動態調整能力。智能化技術賦能企業構建財務與非財務信息的融合披露機制，借助機器學習算法對專利文本、研發記錄、供應鏈數據等多源異構數據進行深度挖掘與智能分析，將企業內隱的技術能力與外顯的創新潛力轉化為可量化、可驗證的信用資產，進而提升價值信息的透明度與可信度。通過自然語言處理與知識圖譜技術，人工智能系統能夠解析非結構化數據，生成客觀的技術競爭力評估與動態風險畫像，為專精特新企業提供高效的價值信號傳遞工具，大幅降低外部投資者的信息甄別成本；同時，算法決策的自動化能夠消解傳統信貸審批的時滯黏性，縮短信貸決策周期，從而降低融資成本。此外，人工智能技術能夠打通企業與風險投資、產業基金等股權融資渠道之間的信息壁壘，精準匹配企業技術優勢與投資者偏好，提高融資對接效率。通過對企業動態能力提升與風險偏好優化的協同賦能，人工智能技術構建起“信息透明化—評估精準化—融資多元化—風險可控化”的融資支持體系，有效破解專精特新企業的融資瓶頸。隨著融資約束的緩解，企業信貸可得性增強且資本成本降低，能夠直接提升專精特新企業的研發投入規模與強度；穩定的資金支持有助于引進高端創新人才與先進研發設備；改善后的現金流狀況還能增強企業對外部知識資源的吸收能力，促進創新生態的構建，從而提升專精特新企業的創新績效。基于此，提出如下假設。

H3：人工智能技術的應用通過緩解企業融資約束來提升專精特新企業創新績效。

綜上，本文構建了如圖1所示的理論框架。

2 研究設計

2.1 樣本選擇與數據來源

本文以我國A股專精特新上市企業為研究對象，數據采集時間為2013—2022年。為避免異常值帶來的誤差，對樣本數據進行以下處理：首先，剔除ST、*ST類上市公司樣本；其次，剔除金融業上市公司樣本；再次，剔除關鍵變量數據缺失較多的樣本企業；最后，剔除研究周期內具有唯一觀測值的樣本企業。同時，對所有連續型變量實施1%分位數的雙邊縮尾處理。經過上述處理后，最終獲得涵蓋937家專精特新企業的5 430個樣本觀測值。樣本數據來源于巨潮資訊網、中國研究數據服務平臺（CNRDS）及國泰安數據庫（CSMAR）。

2.2 變量度量

2.2.1 被解釋變量：企業創新績效（Innov）。

鑒于專精特新企業專注于細分領域且所面臨的模仿風險較低，其專利申報數量往往高于其他類型企業。本文采用專精特新企業獨立和聯合申請的發明專利總數（加1后取對數），作為企業創新績效水平的衡量指標。

2.2.2 核心解釋變量：人工智能技術（AIT）。

本文借鑒姚加權等的研究，運用年報文本分析法，通過統計企業年報文本中“計算機視覺”“圖像識別”等73個預設人工智能關鍵詞的出現頻次，構建專精特新企業人工智能技術應用水平的衡量指標。具體而言，該指標為企業年報中人工智能關鍵詞總數量加1后的自然對數值。

2.2.3 中介變量：企業風險承擔水平（RiskT）和融資約束（SA）

借鑒宋建波等的研究，采用盈余波動性指標來衡量企業風險承擔水平。本文基于盈余回報率ROA來計算盈余波動性。其中，ROA為公司息稅前利潤（EBIT）與年末總資產（Asset）的比值。為消除行業系統性波動的影響，將企業當年盈余回報率與同期所處行業盈余回報率平均值的差值作為經行業調整的盈余回報率（AdjRoa）。最后，以三年期滾動窗口（t-1年至t+1年），計算企業經行業調整后的盈余回報率在該窗口內的標準差，并將其作為企業盈余波動性指標。該指標數值越大，表明企業的風險承擔水平越高。參考Faccio等的研究，將該變量乘以100，以優化回歸系數的顯示效果，且該操作不影響結果的顯著性水平。具體計算公式如下。

式（1）中，X代表樣本企業所處行業的企業總數。

融資約束的代表性測度方法有KZ指數、WW指數及SA指數等。本文參考鞠曉生等的做法，選取SA指數衡量企業的融資約束水平。該方法在計算企業融資約束水平時，僅需使用企業規模與企業年齡兩個相對穩定且外生性較強的變量，能有效規避潛在的內生性問題。SA指數值越大，表明企業面臨的融資約束問題越嚴重。具體計算公式如下。

2.2.4 控制變量

本文選擇企業規模（SIZE）、企業年齡（AGE）、資產負債率（LEV）、總資產凈利潤率（ROA）、總資產增長率（AG）、獨立董事比例（INDP）、管理層持股比例（Mshare）及研發強度（Rdintensity）作為控制變量。各變量及其說明如表1所示。

2.3 模型構建

為檢驗人工智能技術對專精特新企業創新績效的影響，構建如下基準回歸模型。

式（4）中：i表示專精特新企業；t表示年份；Innov表示專精特新企業創新績效；AIT表示專精特新企業人工智能技術應用水平；Control表示控制變量；yeart表示年份固定效應；μi表示企業固定效應；εi,t為隨機擾動項。為避免樣本數據中潛在的組內自相關問題對統計推斷的干擾，本文所有回歸模型均采用企業層面的聚類穩健標準誤進行估計。

為克服使用逐步回歸法檢驗中介效應時可能產生的內生性偏誤等問題，本文通過構建中介效應模型，檢驗專精特新企業人工智能技術應用對創新績效提升的潛在中介機制。具體而言，選取企業風險承擔水平和融資約束作為中介變量，以判斷在人工智能技術應用影響企業創新績效的過程中，上述變量是否發揮中介作用。具體模型設定如下。

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

3 實證結果與分析

3.1 描述性統計與相關性分析

如表2所示，專精特新企業創新績效的均值與標準差分別為2.291和1.177，表明樣本企業間發明專利申請數量存在顯著差異，反映出企業創新發展具有不平衡、不對稱特征；人工智能技術應用水平的均值為1.245，標準差為1.406，表明樣本企業在人工智能技術應用方面同樣存在較大差異。相關性檢驗發現，人工智能技術應用水平與企業創新績效呈顯著正相關關系（r=0.214，P<0.01），該結果在一定程度上驗證了假設H1成立。同時，鑒于所有變量的方差膨脹因子（VIF）均小于臨界值2，據此可判斷模型不存在嚴重的多重共線性問題。

3.2 基準回歸結果

基準回歸結果如表3所示。本文采用遞進式回歸策略進行檢驗：列（1）為不加入控制變量且不控制固定效應的回歸結果，顯示人工智能技術對專精特新企業創新績效的回歸系數在1%的水平上顯著為正，初步驗證了假設H1；列（2）（加入控制變量）、列（3）（控制企業和年份固定效應）及列（4）（同時加入控制變量并控制企業和年份固定效應）的結果表明，人工智能技術對專精特新企業創新績效的回歸系數始終顯著為正，證實了人工智能技術對專精特新企業創新績效的促進作用具有穩健性，進一步驗證了假設H1。

3.3 內生性與穩健性檢驗

3.3.1 內生性檢驗

①工具變量法。人工智能技術與專精特新企業創新績效之間可能存在互為因果關系及遺漏變量問題，均可能導致模型產生內生性偏誤。一般而言，同地區、同行業且同期的其他上市企業的人工智能技術應用，雖會影響本企業的相關技術應用，但通常不會直接作用于本企業的創新績效。基于此，本文選取同行業、同地區及同年度內所有專精特新企業人工智能技術水平的平均值作為工具變量，并采用兩階段最小二乘法（2SLS）進行回歸分析，結果如表4中列（1）—（2）所示。工具變量相關檢驗結果表明：工具變量與內生變量數量一致；Kleibergen-Paap rk LM統計量顯示工具變量不存在過度識別問題；Kleibergen-Paap rk Wald F統計量則顯示其通過弱識別檢驗。這說明本文選取的工具變量具有有效性。列（1）的回歸結果顯示，工具變量在1%的顯著性水平上對內生自變量存在正向影響；列（2）的回歸結果顯示，在處理了內生性問題后，人工智能技術對專精特新企業創新績效的回歸系數仍在5%的水平上顯著為正。這說明人工智能技術與專精特新企業創新績效之間的正相關關系依然成立，該結論與基準回歸結果保持一致。

②傾向得分匹配法。本文以企業人工智能技術應用水平的均值為臨界值，劃分處理組和對照組；同時，選取企業規模、企業年齡、資產負債率、董事會規模、獨立董事比例作為協變量，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）結果。平衡性檢驗結果顯示，匹配后所有協變量的T檢驗結果均不顯著，表明處理組與對照組的協變量已無顯著差異；此外，所有變量的標準差顯著縮小，且標準化偏差均小于10%的經驗臨界值，說明PSM結果有效。基于匹配樣本對模型（4）重新進行回歸檢驗，結果如表4中列（3）所示，人工智能技術對專精特新企業創新績效仍具有顯著的促進效應。

3.3.2 穩健性檢驗

①替換計量模型。考慮到企業創新績效測度中，發明專利申請數據可能存在缺失，進而導致數據呈現左截尾分布（存在大量0值），本文采用Tobit模型進行穩健性檢驗。結果如表5中列（1）所示，更換回歸模型后，人工智能技術的回歸系數仍在5%的水平上顯著為正，表明核心結論不受模型設定偏誤的干擾，具備統計穩健性。

②替換被解釋變量。重新設定被解釋變量為專精特新企業獨立和聯合申請后獲得的發明專利總數（加1取對數），回歸結果如表5中列（2）所示。結果顯示，專精特新企業應用人工智能技術對創新績效仍具有顯著的促進作用。

③剔除新冠疫情影響。在全球新冠疫情沖擊下，技術研發受阻、供應鏈斷裂、實驗室運轉受限等問題不僅延緩了人工智能技術的發展進程，也對企業創新績效產生了負面影響。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年的樣本數據進行檢驗，結果如表5中列（3）所示。在剔除新冠疫情影響后，人工智能技術對專精特新企業創新績效的回歸系數仍在10%的水平上顯著，該結論與前文一致。

3.4 作用機制分析

3.4.1 風險承擔水平的中介作用

采用江艇的中介效應兩步法進行檢驗：第一步，檢驗人工智能技術對專精特新企業創新績效的直接效應，該步驟已在前文基準回歸中完成；第二步，檢驗人工智能技術對中介變量（專精特新企業風險承擔水平）的影響，結果如表6中列（1）所示。結果顯示，人工智能技術對專精特新企業風險承擔水平的回歸系數為0.187，且在10%的水平上顯著，表明人工智能技術能夠顯著提升專精特新企業的風險承擔水平。已有研究證實，企業風險承擔水平提升能夠有效促進其創新績效提升。從作用路徑看，較高的風險承擔水平能夠推動專精特新企業主動投資不確定性高的研發項目，探索新興技術和利基市場，更早捕獲突破性機會并構建技術壁壘；同時，通過驅動技術試錯與迭代、強化組織動態適應能力，助力企業在快速變化的環境中高效轉化技術成果，進而提升創新活動產出效率，增強企業競爭優勢，最終實現創新績效的持續提升。綜上，假設H2得到驗證。

3.4.2 融資約束的中介作用

采用兩步檢驗法：第一步，檢驗人工智能技術對專精特新企業創新績效的直接效應，該步驟已在前文基準回歸中完成；第二步，檢驗人工智能技術對中介變量（融資約束）的影響，結果如表6中列（2）所示。結果顯示，人工智能技術對專精特新企業融資約束的回歸系數為-0.268，且在10%的水平上顯著，表明人工智能技術能有效緩解專精特新企業面臨的內外部融資困境，降低融資成本并提高融資水平。現有文獻表明，較低的融資約束會顯著促進創新績效提升。對專精特新企業而言，較低的融資約束是創新活動的關鍵保障，能為其提供充裕的內部資金和順暢的外部融資渠道，進而有效緩解創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能夠持續投資高風險研發項目，避免因短期資金不足中斷有價值的長期探索，為創新績效提升提供支撐。綜上，假設H3得到驗證。

4 異質性分析

4.1 產權異質性

不同產權性質的專精特新企業在發展戰略、融資約束、組織結構和經營方式等方面存在系統性差異。這種差異可能會影響企業創新的決策導向與實施路徑，最終導致創新績效的差異化表現。為檢驗該差異，本文將樣本企業劃分為國有企業和非國有企業兩組進行回歸，結果如表7所示。從列（1）—（2）中可以看出，人工智能技術對國有企業創新績效的影響系數為負且不顯著，對非國有企業的創新績效則存在顯著的正向促進作用。究其原因：國有企業管理層可能缺乏長期創新意愿，且企業內部激勵相容機制缺位、監督問責制度不完善，導致企業創新動能系統性衰減，人工智能技術難以有效轉化為創新績效的提升；而非國有企業面臨基于市場競爭的生存壓力，其強烈的主動創新意愿與靈活的響應機制能充分激活人工智能技術的賦能價值，進而形成“技術—市場”雙輪驅動的創新績效動態提升路徑。

4.2 規模異質性

專精特新企業雖以中小企業為主，但也包含規模較大的龍頭企業，如中華老字號企業片仔癀、鋰電池隔膜領域的恩捷股份等。本文以樣本企業規模的中位數為界，將規模大于或等于中位數的企業劃分為大規模企業，規模小于中位數的企業歸為小規模企業，并再次進行回歸分析，結果如表7所示。從列（3）—（4）中可以看出，僅在大規模企業中，專精特新企業應用人工智能技術對創新績效存在顯著的正向影響。究其原因：其一，大規模企業掌握大部分人工智能資源，且在細分領域具備技術積累與資源整合優勢，使得人工智能可精準賦能其專業化創新；其二，由于小規模企業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鍵技術的交易成本，還加劇了知識解碼難度；其三，大規模企業組織架構成熟、數據治理完善，人工智能技術更易融入核心業務、強化創新鏈協同，從而顯著促進創新績效提升。

4.3 行業異質性

鑒于人工智能技術對專精特新企業創新績效可能存在行業異質性影響，本文依據《上市公司行業分類指引》（2012年修訂）與《國家重點支持的高新技術領域》兩大標準，將樣本企業劃分為高科技企業和非高科技企業兩類，實證檢驗人工智能技術對不同行業專精特新企業的差異化創新效應，回歸結果如表7所示。從列（5）—（6）中可以看出，高科技企業應用人工智能技術對創新績效的影響系數在5%的水平上顯著；非高科技企業應用人工智能技術對創新績效的影響系數雖為正，但未通過顯著性檢驗。究其原因，高科技行業的專精特新企業擁有更豐富的技術人才、更完善的研究條件及標準化程度更高的專業數據積累，可通過吸收行業層面溢出的知識并整合高階創新資源，進而顯著提升創新績效。

4.4 區域異質性

考慮到區域異質性可能影響結論，本文依據專精特新企業所屬省份，將樣本劃分為東部地區、中部地區和西部地區企業等3組進行回歸分析。表7中列（7）—（9）的回歸結果顯示：人工智能技術對專精特新企業創新績效的促進作用在東部和西部地區更為顯著，且均通過了10%水平的顯著性檢驗；而在中部地區，該促進作用未通過顯著性檢驗，即影響不顯著。①從企業分布看，大多數專精特新上市企業集中于東部地區。該區域經濟發達、數字化基礎扎實且企業技術吸收能力較強，人工智能技術與高端制造、數字經濟深度融合，直接賦能研發設計、供應鏈優化等核心環節，創新轉化效率高。因此，人工智能技術滲透可顯著促進東部地區專精特新企業創新績效提升。②西部地區雖整體數字化水平較低，但在“雙循環”“西部大開發”等政策的推動下，部分省份聚焦特色產業，通過人工智能技術精準突破農業等細分領域的技術瓶頸，形成“小而精”的賦能場景。因此，人工智能技術對西部地區專精特新企業創新績效的影響同樣較為顯著。③中部地區專精特新企業可能仍以傳統制造與中端加工為主，數字化轉型投入相對不足，導致人工智能技術應用多停留在局部環節，難以系統性滲透至完整創新鏈。因此，人工智能技術對中部地區專精特新企業創新績效的影響不顯著。

5 研究結論與展望

5.1 研究結論和實踐啟示

本文基于風險偏好理論和動態能力理論，探究人工智能技術對專精特新企業創新績效的影響效應，得出如下結論：①人工智能技術對專精特新企業創新績效具有顯著的正向影響，即人工智能技術應用水平越高，專精特新企業創新績效的提升越明顯；②人工智能技術可通過提升風險承擔水平和緩解融資約束賦能專精特新企業創新績效提升；③異質性分析表明，人工智能技術對創新績效的促進作用在非國有、大規模、高科技及東部和西部地區企業中更顯著。

基于以上研究結論，本文提出如下實踐啟示。

第一，助推專精特新企業發展，將其視為解決關鍵技術“卡脖子”問題的新動能。在政策端，構建覆蓋技術基礎、制度保障與政策支撐的三維賦能體系，推動人工智能技術與專精特新企業深度融合；在創新端，深化產學研協同，鼓勵高校院所專利資源向企業流動；在產業端，加速數智化改造并強化產業鏈協同，推動鏈主企業向專精特新企業開放應用場景與供應鏈資源。

第二，加快人工智能技術在專精特新企業中的應用。一是加大研發投入，開展人工智能技術行業大模型的研發，提升企業智能化水平；二是積極拓展應用場景，將人工智能技術應用于生產、管理、服務等各個環節，促進企業創新績效提升，進而提高企業的市場競爭力；三是加強與高校、科研機構等創新主體的合作，引進先進技術與人才，優化內部管理，同步提升員工人工智能應用方面的素養。

第三，通過人工智能技術應用動態提升專精特新企業風險承擔能力，緩解融資約束。利用人工智能技術深度賦能專精特新企業創新流程，通過預測市場趨勢、優化研發路線、智能管控項目風險，增強對不確定性創新活動的管理能力，進而提升風險承擔水平。在緩解融資約束方面，利用人工智能技術助力專精特新企業構建數字化風控體系，將專利、人才等“軟信息”轉化為可量化、可追溯的信用資產，以解決信息不對稱問題；同時，依托人工智能數據，結合政府搭建的融資對接平臺和創新金融產品，更精準地評估企業技術價值，并據此提供適配的信貸支持，突破融資瓶頸，最終形成“技術提升—風險管控—資金匹配”的良性循環。

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為研究對象，探討人工智能技術對創新績效的影響效應，未涵蓋專精特新非上市企業。未來研究可進一步搜集該類企業數據，提升研究的普適性。另一方面，采用年報文本分析法測度專精特新企業人工智能技術應用水平，可能存在年報虛假陳述或數據披露不足等問題，導致解釋變量衡量不準確。未來研究可進一步探索更精準的測量指標，以提高測度的準確性。

本文來源于《創新科技》2025年第10期。潘宏亮，燕山大學經濟管理學院教授，博士生導師；閆程程，燕山大學經濟管理學院碩士研究生。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com