李健斌、周浩（暨南大学）

很荣幸我们的论文《人工智能、资本-技能互补与企业全要素生产率》被《经济评论》2025年第1期录用，也感谢编辑部提供的宝贵交流机会，我们借此机会向读者朋友们分享文章选题构思、研究设计及难点挑战。

论文是本人博士学位论文的核心内容之一，该选题是导师和我经过多次讨论形成的，也得益于研究团队近年来从事数字经济、数字技术与实体经济融合等理论与实证研究工作。从实践经验看，人工智能本质上是一组计算机技术，需辅以互补性资产，包括制造、管理、分销渠道、售后服务、品牌和辅助性技术等资产或能力。显然，辅以互补性资产是企业应用人工智能技术推动降本增效，进而实现相关经济价值的重要前提。针对这一特点，我们基于资产互补的视角，尝试探讨人工智能技术如何引导企业进行固定资产、无形资产和人力资本的优化配置来实现全要素生产率的提升，进而为人工智能赋能企业高质量发展建立微观基础。

在明确研究主题之后，我们着手梳理人工智能与生产率关系的文献，发现关于人工智能对生产率影响的研究主要从宏观层面直接分析人工智能技术发展与生产率增长的关系，缺少对人工智能影响生产率的微观机制的考察。同时，关于人工智能对企业生产率影响的研究仅从理论上探讨了人工智能提升企业产出效率的效果，忽略了生产要素调整在推动人工智能转化与应用上的重要作用。鉴于人工智能是一项通用性技术，其应用到企业内部的过程将促进企业调整资本和劳动力要素投入份额和结构，从而可能会影响企业全要素生产率。因此，我们基于资本-技能互补理论探究人工智能技术对企业全要素生产率的影响，不仅可以为人工智能时代中国克服索洛悖论、提高全要素生产率提供经验证据，也可以为我国促进人工智能技术发展和推动智能经济发展提供重要启示。

在开展研究过程中，我们遇到的难点挑战之一是如何度量企业的人工智能技术水平。现有文献大多采用国际机器人联合会公布的世界工业机器人安装数据，构建机器人渗透度或机器人密度指标来度量人工智能技术水平。该指标的比较优势更多地体现在机器人对人力在一些常规性、重复性、部分复杂性劳动方面的替代作用，这也表明工业机器人和以机器学习技术为主的人工智能技术存在显著区别。为了更直接地度量企业人工智能技术水平，我们借鉴Baruffaldi等(2020)的做法，基于专利相关信息识别并提取出企业的人工智能发明专利数据，并以此为基础使用人工智能专利存量作为企业人工智能技术水平的衡量指标。虽然专利只能覆盖企业的部分创新活动，且存在一些其他问题，但我们认为用其来衡量企业的人工智能技术水平仍然是一个有益的尝试。另外，如何基于资本-技能互补理论构建实证模型也是我们开展实证研究需要解决的问题。基于企业数据的可得性，我们经过多次尝试，最后利用企业的固定资产、无形资产和人力资本相关数据刻画企业在资本-技能维度的互补性，并结合构建的人工智能技术水平开展了后续的相关研究。

最后，非常感谢审稿专家对我们的文章提出许多专业、中肯、详细的审稿意见，并且认真负责、及时高效地向我们返回修改意见，进一步提升了文章的可读性与准确度。在本次投稿过程中，我们深深感受到了《经济评论》期刊高效、严谨与专业的办刊风格，以及《经济评论》编辑部细致认真、严谨扎实的工作作风，他们为文章质量的提升和顺利发表付出了辛勤工作。在此，我们谨向审稿专家和《经济评论》编辑部表达最衷心的感谢。

（《人工智能、资本-技能互补与企业全要素生产率》载于《经济评论》2025年第1期）