AI是“说”还是“做”:AI技术、叙事与企业价值

新闻

作者：微信文章

当资本市场上“All in AI”成为标配话术，企业究竟该“先做后说”还是“先说后做”？分享《Technovation》最新研究论文《AI technology, AI narrative, and firm value》，基于2016-2022年4292家中国A股上市公司、18953个公司-年度观测值，整合资源基础观（RBV）与意义赋予（sensegiving）理论，系统拆解AI“技术硬实力”与“叙事软实力”对企业价值的独立、交互及边界效应。为AI战略、创新管理与公司金融交叉研究提供了可复制的测量框架与因果证据，也为监管者、投资者与CIO提供了“去伪存真”的决策锚点。

---

一、研究背景：AI热潮下的“概念炒作”之痛

自2016年AlphaGo引爆舆论，中国上市公司密集披露AI专利与“智能化”愿景。然而，高研发成本与长回报周期诱发了“符号性AI”——企业仅通过年报或路演释放AI叙事，却缺乏实质性技术投入（decoupling）。已有文献多聚焦AI技术本身对生产率或股价的影响，对“叙事”维度及两者错位（decoupling）的经济后果关注不足。本文填补该空白，回答三个核心问题：

AI技术与AI叙事是否均能提升公司价值？

二者是互补还是替代？错位会如何？

管理者能力与声誉如何调节上述关系？

二、理论框架

左侧：RBV视角——AI技术作为稀缺、不可模仿的异质性资源，通过资源识别-整合-再配置提升Tobin's Q。

右侧：Sensegiving视角——AI叙事通过降低信息不对称、塑造合法性、缓解利益相关者焦虑，放大市场估值。

中间：技术-叙事耦合（alignment）产生协同溢价；错位（decoupling）导致信任折价。

边界：管理者能力强化“技术→价值”的转化效率；公司声誉放大“叙事→价值”的可信度。

三、研究设计

样本：2016–2022年沪深A股，剔除ST、*ST及缺失值，最终4292家公司，18953公司-年。

测量


AI技术：CNIPA+Derwent+PatSnap三库对齐，以AI专利申请数（+1取对数）衡量，覆盖硬件平台、通用AI、关键技术与应用场景四级专利。

AI叙事：基于年报MD&A文本，采用自定义Python脚本抽取AI关键词词频（+1取对数），并进行人工校验与TF-IDF稳健性测试。

公司价值：Tobin's Q，兼顾短期市值与长期成长期权。

调节变量：


管理者能力：DEA-Tobit两阶段残差法，剥离公司特征后得到“纯”管理效率。

声誉：CNRDS正面报道数量（+1取对数）。




识别策略：


固定效应控制不可观测公司异质性；

Hausman检验支持FE（p<0.01）；

工具变量（IV-2SLS）：以“同行业-同省份-同年度其他公司数字化转型均值”作为外生冲击；

PSM、滞后期、样本截断、异方差稳健SE等多重稳健性检验。

四、主要发现

1. 主效应：技术与叙事各自显著

AI技术每提高1个标准差，Tobin's Q上升0.607（p<0.01）；

AI叙事每提高1个标准差，Tobin's Q上升0.092（p<0.01）。

2. 交互与错位：1+1>2，“说多做少”遭反噬

交互项系数0.334（p<0.01），验证互补；

构建“AI decoupling”指标（技术与叙事百分位差值），发现每增加1单位，公司价值下降0.002（p<0.05），经济显著性相当于市值缩水约2000万元（以样本均值计）。

3. 分组差异：技术“沉默”仍优于叙事“裸奔”

高叙事组：技术系数0.731；低叙事组：技术系数不显著（Chi²=6.87，p<0.01）；

高技术组：叙事系数0.240；低技术组：叙事系数为负且不显著（Chi²=5.38，p<0.05）；

进一步构建“AI strategy”分数（技术排名减叙事排名），发现“强技术弱叙事”仍能获得显著正溢价，反向则否——行动胜于雄辩。

4. 边界条件：能力与声誉的“放大镜”效应

管理者能力与技术交互项0.674（p<0.05）：能力+1标准差，技术溢价提升110%；

声誉与叙事交互项0.047（p<0.05）：声誉+1标准差，叙事溢价提升51%。

五、理论贡献

解构AI：将AI拆分为“技术实体”与“叙事话语”双维度，揭示二者非线性、非对称的协同机制，弥补以往单维视角的盲区。

拓展RBV：将AI资源编排（orchestration）细化为“技术-叙事耦合”的动态过程，引入管理者能力作为“资源-能力”转化触媒，回应了“资源→竞争优势”黑箱问题。

延伸Sensegiving：把战略变革情境下的意义赋予理论移植到技术创新的资本市场语境，发现“声誉”是叙事可信度的前置过滤器，为后续研究提供可验证的调节变量。

测量创新：提供可复制的AI专利与文本词典（见附录A），涵盖4大类、200+关键词，为后续实证研究奠定标准化基础。

六、政策与实务启示

对象	actionable insight
监管方	将“AI decoupling”纳入信息披露合规指标，对高叙事-低技术公司强化问询，防范概念炒作。
投资者	采用“技术-叙事差值”作为做空或负向因子，可有效对冲AI主题泡沫风险。
CIO/CEO	①技术投入与对外沟通必须同步，先干后说优于只说不干；②提升管理团队AI素养（如首席AI官CAIO），放大技术回报；③通过ESG与媒体战略积累声誉，降低叙事折现率。

---

七、局限与未来方向

外部效度：样本限于中国情境，跨境比较（如美股、欧股）可检验制度差异；

叙事颗粒度：仅统计词频，未来可引入情感分析（sentiment）、主题建模（LDA）捕捉“积极/消极”语调；

绩效维度：本文聚焦市场估值，后续可考察AI对创新绩效、供应链韧性、员工福祉的长期影响；

多层次调节：行业数字化密度、区域AI政策强度等情境变量尚待挖掘。

---

让AI回归“价值创造”而非“估值游戏”

在生成式AI席卷二级市场的当下，没有技术底色的叙事只是“空中楼阁”，缺乏叙事的技术亦可能“养在深闺人未识”。企业唯有在“技术-叙事-能力-声誉”四轴坐标系中找到动态均衡，才能将AI转化为持续竞争优势。“Actions speak louder than words, but aligned actions and words speak loudest.”

原文信息：Xing, X., Zhang, Z., & He, W. (2026). AI technology, AI narrative, and firm value. Technovation, 149, 103349. https://doi.org/10.1016/j.technovation.2025.103349