AI赋能并不平均:试验区政策如何重塑企业创新分化

一、🤔 为什么这个问题重要？

过去很多研究关注AI是否促进企业创新，但这篇文章进一步追问：创新增长到底由谁获得？

如果只看平均效应，AI政策可能表现为促进创新。但如果比较同城、同行业内不同企业的创新表现，就会发现另一个问题：政策红利是否被少数企业更充分地吸收？

文章将这种差异定义为“企业创新差距”，即企业自身创新水平与同城同行业平均创新水平之间的相对距离。

重点句AI政策的效果，不仅要看它是否提高创新总量，也要看它是否改变创新机会在企业之间的分布。

二、🧩 AI究竟是“追赶工具”，还是“优势放大器”？

文章的理论基础是资源基础观。企业创新能力依赖人才、资本、技术、数据和组织能力。AI进入创新过程后，可能产生两种相反作用。

文章发现，占主导的是第二种机制。

也就是说，AI并不是天然的“均衡器”，而更像一种“放大器”：谁已有更强的人才、资本和技术积累，谁就更容易把AI政策转化为创新产出。

三、📊 研究如何识别政策影响？

文章利用AI试验区分批设立带来的时间和地区差异进行识别。2019—2021年，中国先后三批设立AI试验区，覆盖北京、上海、深圳、杭州、合肥、重庆、成都、武汉、广州、苏州等18个城市。

样本包括550家上市企业、8800个企业—年份观测值。企业数据主要来自CSMAR，专利数据来自Incopat，城市数据来自CNRDS。

核心变量设计如下：

作者还进行了平行趋势、安慰剂检验、工具变量、PSM-DID、替换变量和固定效应调整等稳健性检验。

这使文章不只是描述“AI城市企业更创新”，而是尝试识别政策试点对企业创新差距的影响。

四、🔥 核心发现：AI试验区显著扩大创新差距

基准结果显示，AI试验区政策显著扩大了企业创新差距。换言之，试验区确实促进了企业创新活动，但收益并没有均匀分布。

更关键的是，差距扩大的原因并不是弱势企业被直接挤出，而是优势企业更能利用AI政策。

文章进一步发现，AI试验区与企业的人才、资本和技术优势之间存在明显互补关系：

因此，AI赋能并不平均。它更依赖企业既有资源基础。

五、🧭 哪些企业和行业更容易被拉开差距？

异质性结果显示，AI试验区对创新差距的扩大效应主要出现在低竞争行业和国有企业样本中。

在低竞争行业中，领先企业与跟随企业之间本来就存在较强资源落差，AI政策更容易使优势企业进一步领先。而在高竞争行业中，市场压力和技术扩散更强，政策对差距的放大作用相对有限。

所有制方面，文章发现AI试验区更显著扩大了国有企业之间的创新差距。这并不意味着所有国企同等受益，而是资源基础更强、政策承接能力更强的国企，更容易将AI试点转化为创新产出。

核心判断AI政策不是均质地作用于所有企业，它会被产业竞争格局和企业所有制结构重新塑形。

六、⚠️ 需要克制理解：扩大的是数量差距，不一定是质量跃迁

文章进一步区分创新边界和创新质量。结果显示，AI试验区主要扩大的是企业在原有行业内部的创新差距，并没有显著推动跨行业创新边界扩张。

同时，政策显著扩大了低质量或一般性创新差距，但对高质量创新差距的影响并不显著。

这说明，AI试验区更容易带来专利数量增长和既有领域内的创新加速，但不一定立即转化为高质量突破。

AI可以提高创新效率，但高质量创新仍依赖长期技术积累、组织能力和跨领域知识整合。

七、💡 对研究和政策的启发

这篇文章最重要的贡献，是提醒我们关注技术政策的分配效应。

对研究者而言，AI政策研究不能只看平均创新产出，还应关注创新差距、创新质量和创新边界。否则，容易高估AI政策的普惠性。

对政策制定者而言，AI试验区不能只建设“创新高地”，还要设计“梯度支持”。如果算力、数据、场景和资金主要被优势企业吸收，试验区可能在提高创新效率的同时，扩大产业内部差距。

政策启发AI政策的关键，不只是让强者更强，也要让资源不足的企业具备接入、学习和转化AI能力的条件。

免责声明：本文版权归原作者所有，点击阅读原文可获取全文。内容仅供参考与交流，不代表本公众号立场。如有侵权请联系删除。最终解释权归【经管学术观察】所有。12