川海智库

报告概述

本报告利用欧洲投资银行调查（EIBIS）和ORBIS财务数据，覆盖2019-2024年超过12,000家欧盟和美国非金融企业，采用工具变量法（以美国同行AI采用率作为外生冲击）识别因果关系，分析AI采用对企业劳动生产率和就业的影响。报告还考察了企业规模、互补投资（如软件、培训）等异质性效应，为理解AI的经济影响提供因果证据。

报告的核心结论

AI采用使劳动生产率平均提高4%

在控制企业特征和固定效应后，工具变量估计显示AI采用导致劳动生产率提升4%，这一效应介于宏观乐观预测和保守估计之间，表明AI通过任务自动化和认知增强实现增量收益。

生产率提升源于资本深化而非岗位替代

AI采用未减少就业，反而通过增强工人产出实现效率提升。员工工资也同步提高，初步证据表明工人从AI中受益，但长期影响仍不确定。

生产率收益集中在大中型企业

中型企业（50-249人）和大型企业（250人以上）的AI生产率增益显著，而小微企业效果不显著。这反映出规模在吸收整合成本和获取互补资产（如数据基础设施、技术人才）中的关键作用，可能加剧企业间生产力差距。

互补投资是释放AI生产力的关键

在软件和数据或员工培训方面投入更多的企业，AI带来的生产率提升更大。例如，培训投资每增加1个百分点，AI对劳动生产率的边际效应提高5.9%。

报告回答的关键问题

AI如何影响欧洲企业生产率？

报告通过工具变量法发现，AI采用使欧洲非金融企业的劳动生产率平均提高4%。这一效应在控制企业规模、年龄、行业等特征后依然稳健，说明AI作为互补性技术提升了效率，但幅度较温和。

AI会取代欧洲工人的工作岗位吗？

短期证据表明不会。在因果识别框架下，AI采用对就业水平无显著负面影响，反而可能通过资本深化提升产出。同时，AI采用企业支付更高工资，但长期影响仍需观察。

不同规模的企业从AI获益有何差异？

获益呈明显规模分层：中型和大型企业AI生产率增益显著（分别为4%和7.9%），而微型和小型企业效果不显著。这表明大企业更能承担集成成本，小企业面临资金、人才等壁垒，政策需针对性支持。

哪些投资能提升AI的生产率效果？

互补性投资至关重要，尤其是软件和数据（每增加1个百分点投资，AI生产率增益提高2.4%）以及员工培训（提高5.9%）。基础设施投资也有正面作用，但效果较小。

报告中的代表性数据

+4%

AI采用对劳动生产率的影响

2019-2024，基于工具变量估计，AI采用使企业劳动生产率（按每位员工营业额计算）提高4%，控制企业规模、年龄、国家-行业-年份固定效应及滞后财务变量。

45%

大型企业AI采用率

2019-2024，员工超过250人的大型企业中有45%采用AI，而小型企业（10-49人）采用率仅24%，采用率按增加值加权。

显著正相关

AI采用与工资水平

2019-2024，AI采用企业的总工资和人均工资均显著高于非采用企业，控制企业特征后效应仍存在，表明生产率提升部分传导至员工。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的数据描述与样本统计：包括EIBIS调查设计、AI采用定义、匹配过程及描述性统计（如按规模、国家、行业的采用率差异）。
  • 工具变量策略的详细说明：基于美国同行采用率进行倾向得分匹配（PSM）的步骤、协变量选择及平衡性检验结果。
  • 主要回归结果表：包含AI采用对劳动生产率、就业、工资的OLS和IV估计，不同固定效应和样本的稳健性检验。
  • 异质性分析：按企业规模、国家金融发展水平、部门的细分效应，以及AI对不同层次创新（企业/国家/全球）的影响。
  • 互补投资的作用：区分六类投资（建筑、设备、研发、软件、培训、组织）与AI的交互效应，量化每类投资的边际贡献。
  • 稳健性检验：包括改变匹配邻居数（k=3,5,7）、不同固定效应组合、替代生产率指标（增加值/员工）等。
  • 政策建议：针对欧盟储蓄与投资联盟、人才培训、中小企业支持等提出具体方向，强调金融深化和人力资本投资。
  • 附录：Oaxaca-Blinder分解分析，说明美国匹配与非匹配企业特征差异对AI采用率的影响。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告