一 引言:

在数字经济的背景下，人工智能作为核心驱动力已形成全产业链技术体系，其产业规模持续扩容彰显战略价值。但作为数字化转型主体的企业，普遍面临技术研发瓶颈与创新体系构建难题的双重挑战。当前AI能力（Artificial intelligence capability）研究呈现学术聚焦于战略管理、技术创新等领域，但实证研究滞后制约着理论深化；同时现有成果多采用质性方法分析技术优势，缺乏对AI能力影响机制的量化解析；关于AI能力内涵界定与提升路径等核心问题仍待突破。这要求学界构建系统的AI能力理论框架，而企业则需以价值创造为导向重构能力体系，通过技术赋能与企业变革协同释放AI的潜在价值。

当前学术研究在AI能力分析维度存在研究视角局限。现有文献主要聚焦于企业层面的宏观分析，这掩盖了对特定业务流程的真实的影响，并限制了我们对理论和实务关系的理解。以往的研究论述主要集中于企业绩效与出口贸易方面，例如探讨AI能力对企业的绿色创新绩效，财务绩效等^[1]，阐释了AI重构人力资本结构、赋能生产流程再造的内在逻辑，为企业实现效率跃迁提供了理论支撑，以及着重分析AI技术对出口产品绩效的提升路径。同时，现有研究在技术能力解构方面呈现出明显的部门化倾向，主要局限于IT部门的技术实施维度，而忽视了商业客户作为技术采纳主体所发挥的战略性赋能作用，制约着AI技术商业价值的最大化释放。当前研究在AI能力影响因素方面存在过度聚焦企业层面要素及其影响效应，对管理者认知、企业家精神等个体特质及政策环境等外生变量关注不足，且缺乏中介调节机制研究。本文试图系统梳理AI能力的内涵，提供新的理论研究思路，加深理论界对AI能力的理解。最后阐述未来可能的研究方向，为后续研究提供新思路。

二 AI能力概念内涵：

AI能力的最初的概念是基于基础资源观理论提出的，将AI能力定义为创新团队在研发与应用实践中，利用人工智能机器模拟人类认知功能，并通过智能化技术高效执行多样化任务的一种综合能力体现。对过往文献回顾，发现国内外学者对AI能力的定义表述不一且各有侧重，主要从模范认知功能、数字技术应用、动态变化三个角度对其进行界定。从模范人类认知功能角度，定义AI能力为偏向学习和模仿的类别，模仿人类学习机制和处理信息的状态，将AI能力定义为一种系统能力；从数据分析角度其核心在于精确解析外部数据，将AI能力定义为从中提取有效知识，并灵活地将这些知识应用于达成特定目标与完成多样化任务的综合效能展现^[2]。从动态能力理论的角度，将AI能力视为面对快速响应环境变化的能力，以共享、动态的数字资源为核心，利用数字技术整合企业主体共创价值，是具备动态能力特征的一种高阶能力。

因此，本文结合AI能力概念内涵中所包含的主体、资源基础、目标三方面特征定义AI能力为公司能迅速适应动态环境变化利用其AI专用资源以及整合网络中的数字资源和其他资源，进行识别推断以及从数据中学习，以实现数字价值创造的能力。

三 AI能力的影响因素与测量维度：

当前研究充分论证了AI能力在提升企业可持续发展水平方面的战略性作用，其商业化应用成熟度较传统数据分析技术展现出更显著的竞争优势。AI技术通过重构技术资本、人力资本与管理模式等生产要素的配置机制，对企业价值网络产生系统性变革。具体表现为智能生产系统的深度应用不仅重塑环境技术创新的实现范式，更在纵向深化和横向扩展两个维度推动绿色创新体系的立体化发展。其次从不同作用路径来看，AI能力通过三重协同机制驱动产业升级，智能化要素升级实现基础支撑，知识溢出效应破除创新壁垒，劳动力结构优化重构生产流程。知识要素发挥核心中介作用，表现为个性化方案设计提升模块创新效率，智能数据解析强化决策精准度，双重路径显著降低创新成本并提升绩效产出。这种知识积累与耦合的动态协同，构成了制造业智能化转型的核心动力体系。

当前国内外学者对AI能力的概念定义上仍存在一定分歧，致使其结构维度划分上仍未形成共识。大多数学者认同AI能力是一个多维的概念。首先是通过构建双重差分模型以工业机器人的数量和时间为虚拟变量为测度两个维度来测量AI能力。其次根据资源基础观将AI能力维度划分为有形资源，无形资源和人力资源三个维度^[3]。最后从系统动力学的角度理解组织中的信息技术问题，AI能力被划分为涵盖个体算力基础、数据基础设施、数字化流程成熟度及组织经验积累等核心指标。在数字化服务制造环境中，将AI能力分类为数据与算法开发能力、AI民主化能力、客户共同创造能力和数据驱动的交付运营能力。此外在可持续发展导向下，分类标准延伸至客户价值洞察、流程优化效能、资源转化效率及社会效益增进四大功能维度。

总体而言，在AI能力维度划分方面，有形资源，无形资源和人力资源这三个构念在当前研究中受到较多关注，但仍有待实证研究检验。我国相关研究受限于发展阶段，普遍采用质性研究方法探讨核心维度，虽对理论建构具有启发性，但受制于样本规模与研究方法的局限，维度划分的科学性与适用性亟待大样本数据支撑。建议后续研究应立足制造业实践场景，通过案例研究方法，系统构建兼具理论适配性与实践解释力的AI能力测量体系。

四 主要结论与展望：

本文对AI领域研究进行回顾和系统性梳理，梳理了AI能力概念内涵及维度划分，研究发现虽然当前AI能力领域已取得一定成果但研究还处于成长期，关于AI能力量表开发在国内研究不足，影响因素和交互作用研究有待补充。未来研究可以强化对AI能力概念内涵的认知，完善维度划分和开发AI能力的测量量表。同时拓展和深化中国情境下的AI能力研究和影响效应的研究。此外构建AI能力是一个多线程的研究过程，受到多层面因素的影响，因此未来的研究需要探究多因素多层面的交互作用对AI能力产生影响。

参考文献

[1] Sahoo S, Kumar S, Donthu N, et al. Artificial intelligence capabilities, open innovation, and business performance–Empirical insights from multinational B2B companies[J]. Industrial marketing management, 2024, 117: 28-41.

[2] Mikalef P, Gupta M. Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance[J]. Information & management, 2021, 58(3): 103-108.

[3] Ameen, N, Tarba, S et al. Coupling artificial intelligence capability and strategic agility for enhanced product and service creativity[J]. British Journal of Management, 2024, 35(4):1916-1934.