动态能力视角下AI赋能企业新质生产力的机制研究
文献来源：Chin, T., Li, Z., Huang, L., & Li, X. (2025). How artificial intelligence promotes new quality productive forces of firms: A dynamic capability view.Journal of Business Research本篇解析立足于马克思主义生产力学说及动态能力框架，深度剖析了Chin, Li, Huang & Li（2025）在相关期刊上发表的
JBR2026|AI赋能制造业ESG绩效：创新驱动与流程优化的双路径研究
SSCI Q1; IF 9.8; ABS 3[研究背景]ESG（Environmental, Social, and Governance）已成为评估企业长期发展潜力与可持续经营能力的关键维度，而人工智能正深刻改变着制造企业的生产模式、运营体系与治理结构。本文以熊彼特创新理论为理论基础，将人工智能界定为具备“创造性破坏”特征的通用目的技术，深入探究AI应用是否及如何推动企业ESG绩效提升。基于中国A股制造企业2003—2025年的长期追踪数据，运用多期双重差分模型进行实证检验，研究结论如下：AI应用显著改
AI浪潮下，制造企业数字化转型的实践与反思
关于企业数字化系统构建，无论是否身处人工智能时代，其技术基础通常呈现两种状态：要么是追求锦上添花，意味着原有技术底子尚可；要么是雪中送炭或填补空白，这不仅指系统本身的缺失，更在于技术基础工作的配套支持。有时现有基础甚至不足以支撑，导致建设时捉襟见肘，难以推进。第二种情况或许才是我们工作的常态。如果在执行中无法发现并解决矛盾与问题，这种工作方式或许值得反思。这并非指无中生有、制造困难，而是指这种状态在现实中普遍存在。人工智能的崛起，无疑极大地丰富了企业对技术基础工作的要求，让前景显得更加扑朔迷离。通常而言，
AI落地需回归商业本质
他始终信奉这一准则：制造企业若要推进智能化，应基于企业战略与经营规划，首先着手梳理业务流程，厘清业务阻滞点及提升空间。需先思考清楚：AI引入后是带来成本优化、助力业务决策，还是构建以往无法实现的新模式，抑或是关乎企业能否持续生存。若未理清AI应用的根本逻辑，切勿盲目跟风上项目或盲目投入预算。他始终信奉这一准则：制造企业若要推进智能化，应基于企业战略与经营规划，首先着手梳理业务流程，厘清业务阻滞点及提升空间。需先思考清楚：AI引入后是带来成本优化、助力业务决策，还是构建以往无法实现的新模式，抑或是关乎企业能
2026海西AI硬件峰会开幕：30+方案商集结，20+实机互动，制造企业智能化升级全攻略
伴随算力向边缘端迁移及大模型本地化部署提速，海峡西岸地区正经历从'传统设备制造'到'AI智能产品'的历史性跨越。传统厂商该如何突破技术瓶颈？怎样将深厚的供应链积淀转化为人工智能时代的爆款产品实力？2026年5月8日，厦门将迎来海峡西岸AI硬件创新生态峰会与选品大会，本次活动由碧谷科技联合火山引擎共同主办。大会围绕趋势洞察、方案实施、生态协作三大核心价值，汇聚顶级平台的前沿分析、30余家方案商及20个硬件展区的现场演示，并特设制造业、跨境电商与AI技术供应商的专属对接环节。大会将精准邀请300名行业精英，包
AI助手：赋能技术管理的实战指南
随着人工智能的飞速发展，制造业正面临数字化转型的关键时刻：数据孤岛、老旧设备互联困难、人才短缺、投资回报不确定、转型方向不明等问题层出不穷。高达95%的企业在AI试点中遭遇失败，只有5%的企业实现了系统性的成功。您的企业是否也面临同样的困境：高层管理者：对AI战略方向感到迷茫，不知如何布局才能占据先机？中层及基层管理者：具备AI认知但缺乏实际落地方法，对场景应用无从下手？整个团队：从战略共识的建立到班组层面的执行，缺少一套完整的AI赋能体系？停止单点尝试，避免盲目投资！我们汇聚了来自华为、字节、西门子、博
蓝凌升级智能知识方案，助推中国智造跃升
在数字化升级与智能制造加速融合的背景下，研发制造型企业要增强核心竞争优势，越来越离不开知识资产的沉淀、复用和创新。蓝凌凭借20余年的技术积累与行业实战经验，全面升级面向研发制造型企业的智能知识管理解决方案，为企业数智化升级筑牢知识基础。研发制造型企业为什么亟需智能知识管理？研发制造型企业的业务链条涵盖研发设计、工艺规划、生产制造、质量控制、售后服务等关键环节，知识贯穿全过程，并成为推动各环节高效协作的重要支撑。然而，传统知识管理方式已难以满足企业数智化转型的发展要求，诸多痛点日益显现。知识分布零散、系统孤
工业AI应用之道：四大角色的差异化策略
面对工业AI的热潮，企业常困惑于如何着手。首要问题：你是谁？因为制造企业、AI技术提供者、自动化领军者、以及工业互联网平台，各自握有不同的资源与挑战。许多工厂误入歧途，盲目追随，如建造数字孪生、开展预测维护，却忽视了基础——系统的数字化和标准化。工厂的核心壁垒，在于将工艺知识和经验转化为持续的资产，而非单一技术的拥有。明智之举是从具体问题切入，如质量控制、设备预警，逐步构建信任与闭环。对制造企业而言，重点在于强化数据底座而非追求全面智能化。AI厂商常误以为技术为王，却忽略了工业场景下的真正需求在于将AI融