The Multidimensional Effects of Artificial Intelligence Technology on Enhancing Organizational Resilience: A Study from the Perspective of Industrial Chain Synergy

Deng Feng,Wang Jindan

(School of Economics and Management, Xinjiang University, Urumqi 830046, China)

Abstract： In recent years, the VUCA characteristics including volatility, uncertainty, complexity, and ambiguity have become increasingly prominent, posing severe survival challenges for enterprises. However, some firms have managed to survive, recover, and even thrive through adverse shocks, largely due to their organizational resilience—a critical capability that enables firms to maintain stability and rebound swiftly from unexpected disruptions. This resilience has become indispensable for corporate survival and sustainable development in today's volatile environment. Meanwhile, the digital wave has swept through, with emerging technologies like artificial intelligence establishing key competitive advantages for enterprises. These technologies are being integrated into daily operations and management models, significantly enhancing stability and recovery capabilities during crises, thereby forming a close connection with organizational resilience.

While existing research has examined the determinants of resilience in manufacturing enterprises from various perspectives, it has yet to fully account for the complex interplay among digital technologies, strategic positioning within industrial chains, and internal resource allocation decisions, all of which are crucial in dynamic environments. It is worth noting that the enabling effect of AI technology on enterprise resilience and its realization mechanisms have not been systematically clarified and empirically tested in the existing literature, which will become a key bottleneck to deepen the understanding of the formation of enterprise resilience in the digital era.

Therefore, to address the gap, this study draws on resource-based theory and utilizes panel data from Chinese listed manufacturing firms (2011-2023). By applying text analysis to measure AI application intensity based on the frequency of AI-related keywords in corporate disclosures, the study quantifies the development level of AI technology adoption and examines its impact on enterprise resilience. Meanwhile, this study explores the specific impact channels of AI technology application on corporate resilience from the perspective of multi-dimensional effects across the upstream, midstream, and downstream of the industrial chain, and analyzes the differentiated impacts of AI technology application under different scenarios.

The research findings indicate that, first, AI technology application significantly enhances enterprise resilience. AI technology positively strengthens corporate resilience through three key mechanisms: empowering digital innovation in the upstream sector, optimizing digital operations management in the midstream sector, and providing digital marketing services in the downstream sector. Heterogeneity analysis reveals that both external factors (industry competition intensity) and internal resource foundations (digital transformation speed, factor intensity, and fixed asset investment levels) significantly amplify AI's positive impact on corporate resilience. However, the analysis of strategic resource allocation patterns shows that improved ESG performance creates "resource crowding-out" effects, while excessive resource reserves lead to "resource surplus," thereby diminishing AI's catalytic role. In summary, the study innovatively constructs an industrial chain collaborative analysis framework, revealing the dynamic law and influence boundary of artificial intelligence technology penetration enhancing enterprise resilience.

Thus, this study proposes the following practical management recommendations for both the Chinese government and enterprises. The government should focus on building an AI technology application support system and strengthening industrial chain coordination policies, with a focus promoting the integrated application of digital technologies represented by AI across the upstream, midstream, and downstream segments of the industrial chain. Enterprises should actively adopt digital technologies represented by AI, optimize industrial chain structures, enhance digital intelligence capabilities, and proactively leverage external environmental pressures to forge their own resilience.

This study contributes to the literature in three innovative ways. First, it introduces an industry-ecosystem perspective to systematically examine how AI application enhances resilience in China's manufacturing sector, bridging a theoretical gap between AI and organizational resilience. Second, it unpacks the mechanisms through which AI affects resilience via digital innovation, operational optimization, and marketing enhancement, while also highlighting how external environments, internal resources, and strategic allocation patterns shape these effects. Third, it offers a comprehensive theoretical lens for understanding the evolutionary path of AI-enabled resilience, providing actionable insights for both scholars and practitioners in the digital transformation era.

Key Words：AI Technology Application; Corporate Resilience; Digital Innovation Empowerment; Digital Operations Management; Digital Marketing Services

收稿日期：2025-06-16

修回日期：2025-09-22

基金项目：国家社会科学基金一般项目(18BJL083);新疆维吾尔自治区高校基本科研业务费科研项目(XJEDU2024J009)

作者简介：邓峰(1970—),男,湖北武汉人,博士,新疆大学经济与管理学院教授、博士生导师,研究方向为技术创新与经济增长;王巾丹(2000—),女,河南驻马店人,新疆大学经济与管理学院硕士研究生,研究方向为经济增长。

通讯作者：邓峰。

DOI：10.6049/kjjbydc.D82025060391

开放科学(资源服务)标识码(OSID)：

中图分类号：F270

文献标识码：A

文章编号：1001-7348(2026)07-0011-11

0 引言

企业韧性是保障产业链稳定的重要基石,也是促进国家经济顺畅循环的核心要素,更是宏观经济韧性的关键组成部分[1]。面对复杂多变的市场环境,不可预测的突发性危机(“黑天鹅”事件)和难以察觉的累积性危机(“灰犀牛”事件)对企业发展带来挑战,企业经营发展压力增大,需增强经济发展韧性,提升企业应对复杂多变环境的能力,以实现经济结构高质量转型升级。由此,如何通过构建“刚柔兼顾”的产业链、增强韧性应对各种危机,成为制造企业需要思考的重要问题。

第四次工业革命推动数智技术加速渗透至经济活动中,人工智能作为核心技术之一,已在数据分析、自动化决策、流程优化等领域展现变革性潜力[2]。2017年7月,国务院印发《新一代人工智能发展规划》,明确提出“人工智能是引领未来的战略性技术”,“到2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心,智能经济、智能社会取得明显成效,为跻身创新型国家前列和经济强国奠定重要基础”。

作为科技革命和产业变革的战略性技术,人工智能通过构建“感知—响应—恢复”的动态能力,在企业应对经济不确定性方面扮演关键角色。现有研究大多将企业视为相对单一的个体,分析人工智能技术对运营效率或企业创新的直接影响[3],忽略了企业在产业链不同环节中的差异性影响[4],未进一步考虑人工智能技术应用如何通过提升效率增强企业适应能力,以及如何通过促进跨环节资源快速重组提升企业韧性等问题。企业韧性核心在于提升组织在复杂环境中的适应与进化能力,使企业能通过动态资源重组和结构优化应对不确定性冲击,并实现可持续发展(魏龙等,2024)。在复杂产业生态系统中,处于不同环节的企业核心价值活动及其面临的风险存在根本性差异,这种产业链位置分化可能导致人工智能技术赋能企业韧性时呈现不同效果。因此,探讨人工智能技术应用如何基于企业在产业链上、中、下游位置赋能其韧性具有重要意义,不仅能强化企业风险承担能力和市场竞争优势,更能为企业提供精准化、数智化管理优化路径,提升产业链整体协同效率。

本文基于资源基础理论,利用2011—2023年上市制造企业数据探讨人工智能技术应用对制造企业韧性的影响,并从产业链视角探究企业人工智能技术应用影响企业韧性的内在机制。本文边际贡献如下:第一,在研究视角上,基于产业链视角,将人工智能技术应用与企业韧性相结合,系统分析人工智能技术应用对我国制造企业韧性的影响及其机制。第二,在研究内容上,探究人工智能技术应用通过数字创新赋能效应、数字运营管理效应和数字营销服务效应增强企业韧性的作用路径,开展基于行业和企业特征的异质性分析,为企业进一步培育和提升韧性提供依据。第三,在研究意义上,以制造企业为研究对象,揭示人工智能技术应用赋能企业韧性的演化路径,为人工智能技术应用发展与企业韧性研究提供更加全面的理论视角,也为相关政策制定提供参考。

1 文献综述

1.1 人工智能技术应用

当前,有关人工智能等新一代信息技术影响企业特征的研究不断涌现,这类技术成为推动企业迈向更高质量发展阶段的核心引擎[2]。一方面,从人工智能整体的经济效应看,现有研究证实了人工智能对企业生产效率、创新和绩效等特征的正向影响[3-5],也揭示了人工智能时代下劳动力市场、服务化水平和薪酬结构的深刻变化[6-8]。另一方面,从人工智能作用于企业的具体路径看,作为强大的自动化引擎,人工智能技术能够调整劳动力技能结构,促进企业生产效率提升(姚加权等,2024)。李玉花等[3]研究发现,人工智能技术应用主要通过提升知识多样性、突破企业组织惯例和提高资源配置效率等相关机制促进企业创新;徐红丹等[9]研究认为,人工智能通过增强数字创新能力、提高供应链效率和降低信息不对称程度推动企业新质生产力发展;苗翠芬[7]指出,人工智能主要通过优化人力资本结构、提高数据要素密集度、改变生产交付模式等途径影响制造企业服务化水平。此外,企业较强的吸收能力[3]、知识整合能力可强化人工智能技术应用对企业创新的促进作用。

作为革命性通用技术,人工智能通过上述数据驱动决策、创新赋能、提升资源配置效率等多重路径[10-11],深度融入企业产业链各环节,推动生产力向信息化、网络化和智能化方向转变,最终促使企业组织形态与竞争生态发生结构性调整。

1.2 企业韧性

目前学界主张企业韧性是企业在逆境中生存并度过危机的动态适应能力。高抵抗力和强恢复力能够较好地反映企业面对危机时的缓冲程度与危机后的恢复速度。“韧性”在管理学领域是指企业存活在各种不确定性冲击下的关键能力。一方面,从能力和过程双视角看,企业韧性不仅是指危机发生前的预测和调整,还包括危机发生后企业迅速适应与复原的能力[12];另一方面,从特征和结果双视角看,企业韧性是企业面临干扰和危机时仍保持原状态的理想特征[13]。现有研究多基于领导者能力、情绪能力和社会关系等“软实力”[14]、数字化转型、技术多元化、合作创新等“硬实力”[1,15],以及政策变动、自然灾害冲击等外部环境视角[6],探讨其对企业韧性的影响。

1.3 文献评述

人工智能技术创新和渗透能够重构企业认知资本与决策范式[3],在产业链中形成成本结构优化与运营弹性增强的双重赋能效应,是构筑可持续竞争优势、强化企业韧性的关键驱动机制。作为引领科技变革的核心驱动力,人工智能技术应用如何凭借其优势作用于企业韧性,其内在机理尚待进一步研究。

目前关于人工智能与企业自身特征的研究较多,但仍存在以下局限:第一,就研究对象而言,上述文献未研究人工智能技术应用对企业韧性的影响。实际上,作为影响企业持续发展的核心能力,企业韧性具有独特的发展特质。基于资源基础依赖理论,人工智能可缓解信息不对称,促进资源多样化配置。因此,人工智能技术应用可能对企业韧性产生促进作用。第二,就研究视角而言,上述文献未基于产业链视角系统探讨人工智能技术应用的影响机制。企业韧性发展涉及整条产业链,供应商和客户的议价能力差异使得企业拥有不同的话语权,进而导致企业投入和产出不均。因此,探究人工智能技术应用能否通过智能优化与数据互联,基于产业链上中下游提升企业适应力、恢复力和转型能力,从而系统性增强企业韧性,具有重要研究价值。第三,就研究方法而言,上述文献大多采用机器人渗透度、企业招聘数据和专利等指标衡量企业人工智能[6-7,16],在难以充分捕捉到人工智能技术特征的情况下可能影响企业决策。

2 理论分析与研究假设

2.1 人工智能技术应用对企业韧性的影响

根据资源基础理论,企业韧性发展与企业资源基础高度相关。人工智能不仅能够重构企业资源构成,更能够重塑企业核心能力结构,这意味着企业能够更全面地接触和利用更广泛的资源[3]。企业对市场动态的适应能力是企业韧性生成的重要形态,其发展也主要体现为企业不同类型资源创新整合,资源多样化也增强了企业面对风险时的承受和恢复能力。

理论上,数智技术不仅能够重塑企业经营管理模式,推动传统业务模式向智能化方向转型升级[16-17],还能够缓解企业生产经营活动中的信息不对称问题[18]。从产业链视角看,产业链上中下游代表不同环节,每个环节都会面临不同潜在风险。人工智能技术应用不仅能够提升单个环节运行效率,还通过优化上下游协同、重塑商业模式、推动技术融合等方式,全面促进企业韧性提升。

在产业链上游(研发与创新环节),人工智能技术应用通过智能预测与优化降低原材料波动风险;在产业链中游(管理与运营环节),人工智能技术应用能够加速生产与智能运作,帮助企业应对市场需求波动与突发事件,提升管理效率和增强成本控制能力;在产业链下游(销售与服务环节),人工智能技术应用赋能市场洞察与客户响应,强化市场适应力和提升客户黏性。在信息共享、资源调配方面,人工智能技术应用可加强上下游企业协作,降低“牛鞭效应”,提升整体响应速度[3]。综上所述,本文提出如下假设:

H1:人工智能技术应用能够促进企业韧性提升。

2.2 人工智能技术应用影响企业韧性的中介机制

基于产业组织理论,从产业链上中下游视角分析人工智能技术应用对企业韧性的促进作用,能够系统性揭示技术如何嵌入产业全链条,优化资源配置并增强各环节抗风险能力[4]。上游稳定供应结合中游柔性生产,配合下游精准营销,形成更具弹性的体系。由此推测,人工智能技术应用能够通过数字创新赋能效应、数字运营管理效应和数字营销服务效应强化企业产业链稳定发展,提高其风险承担水平,促进其韧性提升,使其更好地应对不确定性,实现可持续发展。

(1)数字创新赋能效应。基于资源基础理论,企业韧性源于资源组合的异质性特征,而资产配置的路径依赖特性往往成为主体在应对外部冲击后实现韧性重构的核心瓶颈[19]。数字创新赋能的本质是借助技术杠杆将企业“刚性结构”转化为“弹性能力”。企业技术创新能够通过降低环境不确定性感知度,提升资源配置效率,进而降低试错成本,分散企业风险。这种技术赋能不仅帮助企业抵御危机,更推动其从“被动生存”转向“主动进化”,在波动中捕捉新机遇,实现韧性从“防御性能力”到“增长性能力”的跃迁。

人工智能不仅是企业数字技术创新工具,更是创新范式变革的“催化剂”。人工智能技术应用可从两个方面影响企业数字创新赋能效应:一方面,人工智能技术应用能够显著提升企业数据处理能力,降低信息不对称性,加速研发进程,进而提高专利产出效率(姚加权等,2024);另一方面,通过传播与运用人工智能的先进知识和技术,企业能够实时获取市场和客户行为数据,预测潜在风险,缩短决策链条,提升应对突发事件的敏捷性,从而降低潜在风险[9]。

(2)数字运营管理效应。提升资源管理配置效率是企业占据市场,实现转型升级的关键。人工智能技术能够替代重复性劳动,减少失误,提升生产效率,进而缓解供需失衡压力[6]。云计算和共享平台等智能技术应用有助于企业按需获取资源,避免固定成本拖累,在危机中保持轻资产运营,从而提升企业韧性。通过人工智能技术应用,企业不仅实现降本增效,更构建动态适应市场变化的韧性运营体系,为培育长期竞争力奠定基础。

人工智能技术应用对企业数字运营管理效应的影响是全方位、多层次的。它通过重塑流程、优化决策、提升效率以及创造价值,正成为企业推动数字化转型,强化自身韧性的核心驱动力(杨震宁等,2025),其影响渠道主要表现如下:第一,在组织能力构建与演进过程中,人工智能技术应用能够降低企业间信息不对称性,提高资源利用率,优化生产计划,从而提升企业运营效率。第二,人工智能技术应用有利于企业快速分析员工绩效与潜力,智能匹配岗位与培训需求,通过与劳动力要素结合显著提升企业劳动生产率[6]。第三,人工智能技术应用推动企业实现从“经验驱动”到“数据驱动”的转型,使其迅速适应外部环境的不确定性,通过重构业务流程、升级决策智能系统模式,助力企业高效完成整个运营流程。

(3)数字营销服务效应。人工智能技术应用结合大数据、自动化工具和个性化策略,向客户、投资者和合作伙伴展示企业在不确定性中保持稳定、适应变化的核心能力[20]。数字营销服务能够精准进行渠道投放,塑造企业品牌形象,通过提前布局减少外部冲击。借助数字营销服务,企业不仅能提升自身韧性,还能将其转化为品牌资产,在数字化时代赢得客户和投资者的长期信任[21]。一方面,人工智能技术应用能够通过算法实现数智化营销(社交媒体、直播电商)与线上线下融合(O2O),以扩大市场覆盖,降低对单一渠道的依赖,进而获得更多销售额。此外,智能技术应用有助于企业分析预测市场需求,在降低资源获取成本的同时,优化销售策略。另一方面,人工智能技术应用可通过用户画像和机器学习精准匹配需求,助力企业开发高附加值产品(如订阅服务、智能推荐等),满足客户多样化需求,从而提升客户忠诚度与稳定性。综上所述,本文提出如下假设:

H2:人工智能技术应用能够通过数字创新赋能效应、数字运营管理效应和数字营销服务效应促进企业韧性提升。

从产业链视角看,企业韧性发展的关键在于加强研发创新、优化生产管理、提升销售及售后服务质量等关键环节,分别通过数字创新赋能效应、数字运营管理效应和数字营销服务效应强化企业风险承担能力,从而提升企业韧性。由此,本文构建理论分析框架如图1所示。

3 研究设计

3.1 数据来源

本文选取2011—2023年我国制造业沪深A股上市公司作为研究样本,并对样本数据进行如下处理:①剔除ST和*ST类公司;②剔除数据严重缺失和异常的公司;③将处理后的数据按照上市公司代码和年份进行匹配;④缩尾处理。经上述处理后,获得13 254条样本数据。本文使用的数据主要来自国泰安数据库下的经济金融研究数据库(CSMAR),部分缺失数据通过查询企业年报加以补充。

3.2 模型设计

为检验本文研究假设,参考姚加权等(2024)、戴魁早等(2024)的研究,构建如下模型。其中,模型(1)检验人工智能技术应用对企业韧性的影响,模型(2)检验产业链视角下的一系列中介机制。

GVerit=α0+α1AIit+αnControlsit+Year+Id+ε

(1)

Mit=γ0+γ1AIit+γnControlsit+Year+Id+ε

(2)

模型(1)中,被解释变量为企业韧性(GVer),核心解释变量为人工智能技术应用(AI),Controls表示一系列控制变量,并考虑了时间和个体固定效应。模型(2)中,M代表一系列中介变量,其余变量与模型(1)一致。

3.3 变量定义

3.3.1 被解释变量:企业韧性(GVer)

现有文献对企业韧性的测度方法如下:一方面,采用企业长期表现(如绩效增长性和股票波动性)测度企业韧性;另一方面,采用临时冲击下的企业表现测度企业韧性。尽管上述方法能够反映企业韧性发展水平,但以上指标无法揭示企业间韧性差异或关联。因此,因此,本文借鉴新经济地理学家Martin[22]测度城市经济韧性的核心变量法,将其引入企业韧性测度研究之中,该方法被众多学者广泛运用于经济韧性测度研究中,具有一定的代表性和可靠性。具体来看,比较单个企业发展和所有企业发展,当企业发展水平优于所有企业的平均发展水平时,说明其韧性较高;反之则说明其韧性较低。故利用模型(3)测算企业韧性,具体测算如下:

GVer=(ΔRsole/Rsole)/(ΔRall/Rall)

(3)

其中,GVer为企业韧性,Rsole为上年度企业销售收入总额,ΔRsole为本年度企业收入增长额,Rall为上年度所有企业销售收入总额,ΔRall为本年度所有企业收入增长额。

3.3.2 解释变量:人工智能技术应用(AI)

目前,学术界关于人工智能的研究主要集中在产业层面,对企业层面人工智能发展水平测度尚未达成共识。现有研究基于企业人工智能专利申请数量、企业工业机器人渗透度、大数据分析等典型指标,探讨人工智能技术应用的影响。

随着文本统计分析和机器学习方法的广泛应用,本文借鉴姚加权等(2024)的研究,基于上市公司年度报告披露信息构建人工智能技术应用水平指标,通过构建人工智能技术词典实现特征词精确识别,在进行对数处理后以此衡量人工智能技术应用水平。指标数值越大,说明企业人工智能技术应用水平越高。

3.3.3 中介变量

关于数字创新赋能效应的变量选取。本文借鉴李玉花等[3]、黄先海等[22]的研究,从创新投入与创新产出两个方面表征:一是采用研发投入与营业收入的比值测度企业创新投入(Inves);二是根据《关键数字技术专利分类体系(2023)》筛选企业当年数字发明专利申请,采用数字发明专利申请总量对数值衡量创新产出(Tect)。

关于数字运营管理效应的变量选取。本文借鉴姜丽群等[24]、甄红线等[25]、程聪等[26]的研究,从管理效率、劳动力要素效率和运营效率3个方面衡量。从数字技术应用(Dta)与管理费用(Man)两个方面衡量管理效率,数字技术应用采用企业年报中数字技术应用相关关键词词频对数值衡量,企业越重视数字技术意味着企业越倾向于开展数字管理,进而提升管理效率;管理费用率,即管理费用在营业收入中的占比,管理费用下降意味着管理效率提升。从高管数字化(Dback)和数字人才储备(Rd)两个方面衡量劳动力要素效率,高管数字化即企业高管是否具有数字化背景,具有数字背景的高管往往拥有更多知识储备和较强的认知能力,意味着企业整体管理水平提升;数字人才储备采用企业研发人员占比衡量,数字人才反映企业整体劳动力素质水平和企业发展潜力,高素质人群占比较大意味着企业更易管理。企业运营效率采用总资产周转率(Ato)衡量。

关于数字营销服务效应的变量选取。本文借鉴巫强等[27]、谢富胜等[28]的研究,从数字营销和客户稳定两个方面测度。从企业智能营销(Smr)和电子营销(Ad)两个方面衡量数字营销。其中,采用企业年报中有关营销、智能营销、互联网营销相关关键词数量加总衡量企业智能营销;采用企业广告费用与营业收入的比值衡量电子营销。客户稳定度能够反映企业销售服务效果,采用客户销售(PT5)与智能客服(Ics)两个指标测度。其中,客户销售采用企业前五大客户销售额对数值衡量;智能客服采用企业年报中智能客服相关关键词词频衡量。

3.3.4 控制变量

为提升研究精度,本文借鉴巫强等[27]的研究,选取以下控制变量:一是企业一般特征变量,包括企业产权(Soe)、企业规模(Size)、企业年龄(Age)、资产负债率(Lev)、股权集中度(Top)。二是企业治理特征变量,包括董事会规模(Board)、两职合一(Dual)、独立董事比例(Indep)、股权制衡度(Balance)。三是引进年份和个体固定效应。具体变量说明见表1。

4 实证结果与分析

4.1 描述性统计

由表2可知,本文核心变量企业人工智能技术应用和企业韧性,平均值分别为0.881和3.317,其中,企业韧性的最大值和最小值分别是2 053、-54.13,说明不同制造业企业韧性能力存在较大差异;企业人工智能技术应用的最大值为6.153,最小值为0,说明不同制造企业对人工智能技术应用的重视程度存在较大差异。

4.2 基准回归

表3报告了式(1)的估计结果。列(1)为不控制任何变量和固定效应的回归结果,人工智能技术应用(AI)的估计系数显著为正,表明人工智能技术应用促进企业韧性提升;列(2)加入控制变量,人工智能技术应用(AI)的估计系数在5%水平上显著为正,进一步说明人工智能技术应用促进企业韧性提升;列(3)(4)逐步加入个体和时间固定效应,人工智能技术应用(AI)的估计系数仍显著为正。因此,H1得到验证。需要说明的是,模型中常数项绝对值较大,这主要源于被解释变量企业韧性(GVer)的测度方法及其在样本中的数值分布范围较广。人工智能技术应用有利于企业培育关键竞争力,进而提升企业韧性。借助人工智能技术,企业能够获取用户市场数据,一方面为创新活动提供数据支撑,加快数据要素在部门间流动,促进部门间协同创新,另一方面能够针对用户进行“个人画像”,提升客户稳定性。同时,企业通过提高生产自动化程度释放人力资本,降低人为失误率,从而提升管理效率。

4.3 内生性与稳健性检验

4.3.1 工具变量法

为缓解反向因果带来的内生性问题,本文采用工具变量法进行检验,以人工智能技术应用水平和人工智能技术应用水平同年同行业均值的差作为工具变量(IV)。经验证,上述变量通过识别不足和弱工具变量检验,说明工具变量选取的合理性。表4列(1)报告了2SLS第二阶段回归结果,人工智能技术应用(AI)的估计系数显著为正,证明结果的稳健性。

4.3.2 GMM方法

为解决遗漏变量产生的内生性偏差,选取滞后一期解释变量作为系统GMM方法的工具变量,回归结果见表4列(2)。结果显示,人工智能技术应用(AI)的估计系数在5%水平上显著为正,AR(1)中p值小于0.1,AR(2)中p值大于0.1,即可认为系统GMM估计中扰动项仅存在一阶自相关,不存在二阶及更高的自相关。此外,Hansen检验的p值也说明工具变量有效,同时证明了结果的稳健性。

4.3.3 倾向得分匹配(PSM)

为降低验证过程中的估计偏误,采用倾向得分匹配方法进行回归,根据企业年报中是否含有人工智能技术应用相关词频构建0-1虚拟变量,分别采用近邻1∶3匹配和马氏匹配方法对样本进行倾向得分匹配,结果见表4列(3)(4)。结果显示,人工智能技术应用(AI)的估计系数显著为正,与基准回归结果一致。

4.3.4 替换变量

(1)替换核心解释变量。本文采用企业工业机器人渗透度(Robot)代替原有指标,结果见表4列(5)。结果显示,企业工业机器人渗透度(Robot)的估计系数显著为正,表明结果的稳健性。

(2)替换被解释变量。一方面,可采用经营性或市场性指标衡量企业韧性;另一方面,也可采用企业风险承担能力衡量企业韧性。本文选取企业特征变量3年销售额(Money)和企业风险承担能力(Risk)进行替代。其中,以企业盈利波动性(t-2至t年经年度行业均值调整后的总资产净利润率的标准差)衡量企业风险承担能力,该值越大,企业风险承担能力越强。表4列(6)(7)是利用模型(1)进行回归的结果,结果依旧稳健。

4.3.5 敏感性检验

(1)控制遗漏变量。为避免遗漏变量产生的内生性问题,将员工规模(Emp)、现金流比率(CaF)和总资产净利润率(Roa)纳入控制变量进行回归。

(2)考虑政策冲击。考虑到2020年公共卫生事件的冲击,剔除2020年样本进行回归。

(3)调整样本时间。剔除2011—2016年的样本后进行回归。

(4)多维固定效应。为缓解可能存在的特定地区或年份影响,逐步加入行业固定效应、行业和时间联合固定效应进行回归。

(5)剔除部分地区样本。经济发展不平衡会影响人工智能发展,也会对企业韧性带来不同影响,因而剔除四大直辖市样本进行回归。

以上检验结果与主回归结果一致,限于篇幅,内容留存备索。

5 机制分析

表5列(1)显示,人工智能技术应用(AI)的估计系数在1%水平上显著为正,表明人工智能技术应用水平越高,企业越愿意开展研发创新,即增加创新投入。列(2)显示,人工智能技术应用(AI)的估计系数显著为正,表明人工智能技术应用有利于增加企业数字专利产出,即提升企业数字创新效果,验证了企业通过数字创新赋能效应作用于企业韧性。人工智能技术应用能够促进企业创新投入和创新成果转化,增强企业核心竞争力,即提升企业应对外部危机、适应环境变化并实现可持续发展的能力,进一步促进企业韧性提升。因此,验证了数字创新赋能效应这一中介机制。

表5列(3)(4)报告了企业管理效率的结果。列(3)中,人工智能技术应用(AI)的估计系数显著为正;列(4)中,人工智能技术应用(AI)的估计系数显著为负,说明人工智能技术应用能够显著增强企业数字技术应用能力,降低企业管理费用占比,即提升企业管理效率。表5列(5)(6)中,人工智能技术应用(AI)的估计系数均在1%水平上显著为正,说明人工智能技术应用能够提升企业对数字人才培养的重视程度,以及企业劳动力要素效率。表5列(7)中,人工智能技术应用(AI)的估计系数在1%水平上显著为正,说明人工智能技术应用对企业资产周转率具有显著促进作用,即促进企业运营效率提升。具体来看,人工智能技术应用可提高企业资源配置效率,增强企业核心竞争力,从而提升企业韧性。由此表明,企业人工智能技术应用可通过提升自身数字运营管理效应作用于企业韧性。

表5列(8)(9)显示,人工智能技术应用(AI)对智能营销的估计系数在1%水平上显著为正,对电子营销的估计系数在1%水平上显著为负,这表明企业人工智能技术应用可提升企业对智能营销的重视程度,有助于企业针对客户群体进行精准投放,避免在广告费用上的无效投入,降低投入成本的同时,提高营销成功率。表5列(10)显示,人工智能技术应用(AI)的估计系数显著为正且通过5%显著性水平检验,表明人工智能技术应用可提升客户的稳定性。表5列(11)中,人工智能技术应用(AI)对智能客服的估计系数在1%水平上显著为正,说明人工智能技术应用可提升企业对智能客服的重视程度,企业使用智能客服也能为客户带来更好的服务。企业重视数字营销以及更稳定的客户关系能够加速资金回转和提升企业声誉,有助于企业强化风险抵御能力,更好地发展企业韧性。因此,在人工智能技术应用影响企业韧性的过程中,存在数字营销服务效应这一中介机制。

6 异质性分析

基于资源基础观和权变理论,企业独特、有价值、稀缺、难以模仿的资源及能力是其竞争优势和韧性的来源[4]。人工智能技术作为关键资源,其价值的实现,需响应外部环境中的竞争,基于企业内部资源禀赋和能力,通过战略层面的资源配置应用于企业。本文结合现有文献,基于企业外部环境、内部资源基础和战略资源配置的差异化情境,构建人工智能赋能企业韧性的“环境—资源—战略”的动态过程框架,并探讨人工智能技术应用对企业韧性的差异化影响。这一设计旨在系统考察人工智能技术的价值实现如何依赖企业所处特定情境和所拥有的互补性资源禀赋,从而揭示人工智能赋能企业韧性的边界条件。

6.1 企业外部环境

不同行业竞争程度会影响企业人工智能技术应用水平。人工智能技术对具有不同行业竞争程度企业韧性的提升效果可能存在差异。因此,本文构建行业竞争程度虚拟变量(HHI),采用赫芬达尔指数衡量。表6列(1)报告了人工智能技术应用对不同竞争程度制造企业韧性的影响,结果显示,人工智能技术应用与行业竞争程度交互项(AI×HHI)的系数显著为正,说明人工智能技术应用的影响存在明显差异,且随着行业竞争程度提升,人工智能技术应用更有利于企业韧性提升。

6.2 企业内部资源基础

6.2.1 数字化转型速度

企业可借助数字化手段提升各环节透明度和协同效率,进而增强整体竞争力,数字化转型速度也会影响企业人工智能技术应用效果。由此,本文设置数字化转型速度的衡量指标(DCG):首先,通过整理数字化转型相关词频并进行加总,以衡量企业数字化转型水平;其次,计算企业t年数字化转型水平与t-1年数字化转型水平的比值,以此测度企业数字化转型速度。表6列(2)显示,人工智能技术应用与数字化转型速度交互项(AI×DCG)的系数在1%水平上显著为正,说明数字化转型速度能够强化人工智能技术应用对企业韧性的正向影响。数字化转型有助于企业更加熟练地运用智能技术,进而提升运营管理效率与企业韧性。

6.2.2 固定资产投资

企业人工智能技术应用通常需要较强的计算能力和数据存储能力作为支撑。固定资产投资有助于企业购置高性能数据存储设备等硬件设施,进而对生产设备进行升级改造,融合人工智能技术实现自动化和智能化生产。本文构建固定资产投资的虚拟变量(INN),采用企业固定资产与企业营业收入的比值测量。表6列(3)显示,人工智能技术应用与固定资产投资交互项(AI×INV)的估计系数显著为正,说明企业固定资产投资力度提升可强化企业人工智能技术应用对企业韧性的赋能作用。原因如下:更多固定资产投资有助于企业完善数据系统,利用人工智能技术构建更好的管理系统,进而应对市场波动时更好地采取相关措施。

6.2.3 要素密集程度

按照要素密集程度,可将企业分为劳动密集型、资本密集型和技术密集型企业,本文进一步将企业划分为资本密集型企业和非资本密集型企业。表6列(4)为要素密集程度的异质性检验结果,可以发现人工智能技术应用与要素密集程度交互项(AI×CAP)的估计系数显著为正。由此表明,对于资本密集型企业而言,人工智能技术应用对企业韧性的提升效果更为显著。原因如下:资本密集型企业高度依赖数智设备的资本投资,其生产效率较高,能够突破技术壁垒,这有利于企业人工智能技术研发,进而提升企业韧性。

6.3 企业战略资源配置

6.3.1 ESG发展

当前,企业发展已不再局限于单一财务目标,而是需要兼顾ESG(环境、社会和治理)等多维度的可持续发展。本文采用华证ESG评分等级衡量企业ESG发展水平。表6列(5)显示,人工智能技术应用与ESG交互项(AI×ESG)的估计系数在10%水平上显著为负。由此表明,随着企业ESG发展,反而会削弱人工智能技术应用对企业韧性的正向促进作用。一方面,企业在ESG发展(环境、社会与治理)方面的投入会挤占人工智能技术研发所需资源,产生资源配置的“挤出效应”;另一方面,数据隐私保护可能限制人工智能数据获取范围与模型训练效率。由此可见,在风险预测与流程优化等方面,ESG发展可能弱化人工智能技术应用对企业韧性的提升作用。

6.3.2 资源储备

为确保生产系统稳定运行,企业通常会采取原材料储备策略,这种库存管理方式能够有效阻断风险扩散。本文采用企业存货占比衡量企业资源储备。由表6列(6)人工智能技术应用与资源储备交互项(AI×RES)的估计结果可知,较低的资源储备更有助于人工智能技术发挥自身价值。企业维持适度的资源储备能够增强风险抵御能力,在遇到危机时提供应急保障,而过量的资源储备会增加成本,加重企业运营负担。

7 结语

7.1 研究结论

人工智能技术的外溢效应和引领作用,已成为驱动产业变革和技术创新的关键力量,对企业实现高质量发展具有战略意义。本文以2011—2023中国沪深A股制造企业为样本,实证检验了人工智能技术应用对企业韧性的影响机制,得出以下主要结论:

(1)人工智能技术应用能够显著提升企业韧性,该结论在经过一系列稳健性检验后依然成立,支持人工智能是构建企业动态能力核心要素的理论观点。

(2)基于产业链视角看,人工智能技术应用能够影响产业链关键环节,主要通过产业链上游的数字创新赋能效应、产业链中游的数字运营管理效应和产业链下游的数字营销服务效应提升企业韧性。该结论不仅深化了对人工智能技术赋能制造企业路径的理解,也拓展了节点企业技术能力提升带动产业链网络韧性的讨论,同时丰富了技术应用、企业能力和产业链效能的研究。

(3)异质性分析揭示了重要边界条件:企业行业竞争程度、数字化转型速度、要素密集程度、固定资产投资可显著增强人工智能技术应用对企业韧性的正向影响,但随着ESG发展会产生“资源挤出”,在资源储备较多时会出现“资源剩余”,从而削弱人工智能技术应用的促进作用。这也契合资源基础观和权变理论的核心思想,即人工智能技术价值依赖于特定组织情境。本文从产业链视角扩展了企业韧性相关研究,为“技术赋能韧性”提供有关中国制造业情境的系统性证据,丰富了企业韧性前因研究。

7.2 管理启示

(1)深化人工智能技术在制造核心流程中的应用,驱动精准决策和资源优化。企业可结合发展趋势,通过部署智能化数据分析系统,打破研发、生产、运营、销售、服务的“数据孤岛”,逐步提升技术管理与研发能力,实现内部数据统一运营与高效流转,进而提升跨部门协同效率与信息共享水平。企业可投资研发人工智能驱动的产品创新平台,以此提升产业链技术引领力,最终实现“技术赋能—韧性增强—高质量发展”的良性循环。此外,企业可构建数据智能决策体系,运用人工智能算法工具深度挖掘市场动态、消费特征与风险信号,进而提升自身市场洞察与应变能力。

(2)基于产业链视角,推动人工智能技术深度应用,培育系统性抗风险能力。政府可针对人工智能技术设立“人工智能专项补贴”或“产业链人工智能赋能基金”,定向支持跨环节联合申报项目,以促进人工智能技术与产业链深度融合和持续发展。相关部门可鼓励龙头制造企业向中小供应商和客户开放人工智能技术工具平台,降低技术外溢成本,提升链式响应速度。同时,企业需要评估自身在产业链中的核心环节,优先将人工智能资源投向最能提升自身韧性的领域。企业可借助人工智能技术加速产品创新,实现生产流程智能化、精准预测客户需求,敏捷响应市场变化,以此应对外部环境不确定性,提升运营效率,进而增强风险抵御力。

(3)差异化施策缓解异质性约束,释放人工智能技术赋能潜力。首先,在行业竞争激烈的环境中,企业可将人工智能视为核心竞争工具,加速自身数字化转型进程,通过获取差异化优势应对市场压力。其次,企业可通过匹配要素禀赋盘活闲置资产,如资本密集型企业重点利用人工智能提升大型设备利用率与能效;固定资产投资水平较高的企业,需积极探索利用数智调度系统提升资产周转率,将“重资产”转化为韧性优势。最后,企业可主动管理潜在约束,如协同整合人工智能技术应用与ESG评价体系,实现内部人工智能资源共享,以此破解“资源挤出”与“资源剩余”的双重困境,实现可持续发展。

7.3 不足与展望

本文存在以下不足:第一,研究对象仅聚焦于上市制造企业,而当前我国存在大量未上市企业,它们在资源、能力方面可能存在不足。对于非上市公司而言,能否应用人工智能技术提升自身韧性是值得探讨的问题。第二,本研究基于产业链多维视角,探讨了人工智能技术应用如何通过产业链上中下游影响企业韧性,未来可拓展至供应链或价值链多维视角,探讨人工智能技术应用对企业韧性的影响途径。

参考文献：

[1] 王海花, 李雅洁, 李烨, 等. 数字化变革背景下技术多元化对企业韧性的影响[J].系统管理学报, 2024, 33(2): 391-403.

[2] 刘潇,李家宝.人工智能创新生态系统中的技术互补与协同创新[J].科技进步与对策,2025,42(3):14-26.

[3] 李玉花, 林雨昕, 李丹丹, 等. 人工智能技术应用如何影响企业创新[J].中国工业经济, 2024,41(10): 155-173.

[4] 张少华, 朱雪冰, 陈鑫, 等. 中国数字经济产业链的规模测度与循环研究[J].数量经济技术经济研究, 2024, 41(3): 5-24.

[5] GOLDFARB A, TUCKER C. Digital economics[J].Journal of Economic Literature, 2019, 57(1): 3-43.

[6] 孙群力,谢滨泽.产业智能化、劳动力结构与技能溢价[J].统计与决策,2023,39(9):179-184.

[7] 苗翠芬. 人工智能与制造业服务化[J].经济与管理研究, 2023, 44(7): 22-39.

[8] 韩清, 陈澍. 人工智能技术应用与企业内部薪酬差距[J].上海经济研究, 2025, 37(2): 79-92.

[9] 徐红丹, 王玖河. 人工智能如何赋能企业新质生产力[J].科技进步与对策, 2025, 42(7): 1-8.

[10] GAO Q, CHENG C M, SUN G L. Big data application, factor allocation, and green innovation in Chinese manufacturing enterprises[J].Technological Forecasting and Social Change, 2023, 192: 122567.

[11] LI C M, XU Y, ZHENG H, et al. Artificial intelligence, resource reallocation, and corporate innovation efficiency: evidence from China's listed companies[J].Resources Policy, 2023, 81: 103324.

[12] BAHRAMI H, EVANS S. Super-flexibility for real-time adaptation: perspectives from Silicon Valley[J].California Management Review, 2011, 53(3): 21-39.

[13] KITANO H.Biological robustness[J].Nature Reviews Genetics,2004,5(11):826-837.

[14] WILLIAMS T A, GRUBER D A, SUTCLIFFE K M, et al. Organizational response to adversity: fusing crisis management and resilience research streams[J].Academy of Management Annals, 2017, 11(2): 733-769.

[15] 蒋峦, 凌宇鹏, 张吉昌, 等. 数字化转型如何影响企业韧性——基于双元创新视角[J].技术经济, 2022, 41(1): 1-11.

[16] BABINA T, FEDYK A, HE A, et al. Artificial intelligence, firm growth, and product innovation[J].Journal of Financial Economics, 2024, 151: 103745.

[17] GHASEMAGHAEI M, CALIC G. Assessing the impact of big data on firm innovation performance: big data is not always better data[J].Journal of Business Research, 2020, 108: 147-162.

[18] CHRISTIAN A, KAI I V. Ecosystem effects of the Industrial Internet of Things on manufacturing companies[J].Acta Infologica,2017,1(2):99-108.

[19] HILLMANN J, GUENTHER E. Organizational resilience: a valuable construct for management research[J].International Journal of Management Reviews, 2021, 23(1): 7-44.

[20] 石峰, 杨扬, 袁韵, 等. 人工智能驱动下的营销变革[J].中国管理科学, 2025, 33(1): 111-123.

[21] 乔朋华, 薛睿, 韩先锋. 数字营销何以激发中小企业创新——基于信息动态能力的中介作用[J].南开管理评论, 2024, 27(5): 40-50, 77.

[22] MARTIN R. Regional economic resilience, hysteresis and recessionary shocks[J].Journal of Economic Geography, 2012, 12(1): 1-32.

[23] 黄先海, 王瀚迪, 孙涌铭, 等. 数字技术与企业出口质量升级——来自专利文本机器学习的证据[J].数量经济技术经济研究, 2023, 40(12): 69-89.

[24] 姜丽群, 郭昕, 袁梓晋. 跨国企业母国创新网络对国际化创新绩效的影响——高管国际化背景与企业数字化的调节作用[J].科技进步与对策, 2022, 39(11): 94-103.

[25] 甄红线, 王玺, 方红星, 等. 知识产权行政保护与企业数字化转型[J].经济研究, 2023, 58(11): 62-79.

[26] 程聪, 胡嘉阳. 数字能力对在华跨国公司数字创新绩效的影响机制——基于fsQCA的研究[J].科技进步与对策, 2024, 41(19): 91-99.

[27] 巫强, 姚雨秀. 企业数字化转型与供应链配置: 集中化还是多元化[J].中国工业经济, 2023,40(8): 99-117.

[28] 谢富胜, 邓可为, 江楠. 数字平台与制造业企业利润率[J].经济研究, 2025, 60(2): 90-106.

(责任编辑：张 悦)