📈 economics

AI and digital capabilities: drivers of sustainable performance and competitive advantage

本研究通过分析来自 1,120 家越南制造型中小企业的数据，旨在证明人工智能与数字化能力能够驱动绿色创新，进而中介并实现向增强型可持续绩效与竞争优势的发展路径。

原作者： Huong Đinh Thi, Ngoc Anh Nguyen, Hong Nhung Nguyen, Kim Thoa Bui Thi

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Huong Đinh Thi, Ngoc Anh Nguyen, Hong Nhung Nguyen, Kim Thoa Bui Thi

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下越南一个繁忙的工厂车间，但那里不仅仅有齿轮的咔哒声和烟囱的浓烟，请想象一个高科技游乐场，微小的、隐形的机器人（那就是人工智能，或 AI）正在向人类经理窃窃私语。这项由商贸大学团队领导的新研究，走访了 1,120 名这类经理，旨在观察当你让这些机器人掌管局面时会发生什么。他们想知道：这种技术魔法是否能帮助企业变得更环保、更成功，并且在竞争中更难被对手击败？

以下是精彩内容，配以类比呈现。

主要发现：“绿色火箭”连锁反应

研究表明存在一种强大的连锁反应。把 AI 想象成燃料。你不能只是把燃料倒入汽车就指望它飞起来；你需要一个引擎。在这个故事中，数字化能力（公司使用技术的能力，比如拥有超高速的网络连接和智能软件）就是引擎。

研究人员发现，当你添加更多 AI 燃料时，引擎（数字化能力）会变得更强。但关键在于：燃料不仅能通过引擎来构建 绿色创新（GI）火箭，还能直接构建它。绿色创新就像是一个特殊的、环保的涡轮增压器，让工厂运行得更清洁、浪费更少、能源利用率更高。

研究表明，AI 是驱动引擎和火箭的巨大动力。事实上，数据表明 AI 对绿色创新有着巨大的影响（分数为 0.633），这甚至比它对仅仅构建引擎的影响（分数为 0.444）还要强。至关重要的是，论文证实了 AI 不仅仅依赖引擎来工作；它也会直接将环保涡轮增压器的蓝图交给经理们。这是一个双路径：燃料为引擎提供动力，进而驱动火箭，但燃料本身也能独立驱动火箭。

目的地：可持续绩效与竞争优势

一旦绿色创新火箭升空，它会驶向何方？它会提升两件事：

可持续绩效 (SP)： 这是公司的整体健康评分——即如何同时在财务、社会和环境方面表现出色。研究表明，绿色创新是一个超级强大的助推器（分数为 0.672）。
竞争优势 (CA)： 这是让一家公司成为街区里最酷的孩子、让对手难以模仿的“秘密武器”。绿色创新在这里也发挥作用（分数为 0.655），尽管研究指出，由于赢得市场还取决于营销和品牌声誉等其他因素，所以它对竞争优势的提升不如对整体绩效的提升那么直接。

论文还暗示了数字化能力（引擎）的一条漫长而曲折的道路。引擎并不会直接跳到终点；它会绕个弯。它有助于构建绿色创新火箭，然后提升可持续绩效，最后才是提升竞争优势。这是一场接力赛，接力棒在到达终点前要经过好几只手的传递。

这篇论文排除了什么（“并非那么简单”的事实）

了解这项研究没有说什么是很重要的。论文明确反对这样一种观点：即你可以直接把 AI 套用到业务中，而不经过其他步骤就立即获得竞争优势。

它不是魔杖： 研究表明，虽然 AI 很棒，但如果你忽视了这个链条，它就无法在真空环境下发挥作用。然而，论文明确指出，AI 对绿色创新确实有显著的直接影响。所以，虽然你需要引擎（数字化能力）来获得完整的图景，但燃料（AI）本身就强大到足以启动火箭（绿色创新）。
它不是每个人的保证“胜利”： 论文指出，走向绿色有时在短期内可能既昂贵又具有风险。它并没有承诺每家公司都会立即变成亿万富豪；它只是表明，通往长期成功的路径涉及这些绿色和数字化的步骤。
它不是预言球： 该研究是基于一个时间切片（调查），因此它表明这些联系确实存在，但它并没有证明 A 在时间旅行意义上导致了 B。它展示的是它们如何紧密地同步移动。

他们的把握有多大？

研究人员相当自信，但他们使用了谨慎的措辞。他们不是凭空猜测，而是从越南制造业的 1,120 名经理那里收集了数据。他们使用了高级统计工具（PLS-SEM）来处理数据。

他们发现，AI 解释了数字化能力约 19.7% 的变化。
他们发现，AI 和数字化能力共同解释了绿色创新约 50.7% 的变化。
他们发现，绿色创新和可持续绩效共同解释了竞争优势约 50.9% 的变化。

这些数字表明这些关系是强大且真实的，但也承认仍有很多谜团（另外 40-50% 的差异）取决于市场趋势或管理技巧等其他因素。

给好奇青少年的“这意味着什么？”

想象你在构建一个终极游戏角色。

AI 是你找到的力量加成 (Power-Up)。
数字化能力是你的库存管理 (Inventory Management)（你使用那个力量加成的能力）。
绿色创新是拯救世界（以及环境）的特殊技能 (Special Move)。
可持续绩效是你的高分 (High Score)。
竞争优势是成为大家都想组队的顶级玩家 (Top Player)。

这篇论文表明，如果你只拿到了力量加成（AI），却不知道如何管理你的库存（数字化能力），你可能无法像原本可以那样高效地解锁特殊技能（绿色创新）。但研究也揭示，力量加成非常强大，以至于即使不等待库存管理完全升级，它也能直接触发特殊技能（绿色创新）。然而，要获得巨大的高分并成为顶级玩家，你仍然需要遵循整个链条的步骤：力量加成提升你的库存，进而助力特殊技能，进而提升你的高分，最后让你成为顶级玩家。研究表明，在越南工厂的世界里，这个“力量加成”是解锁更绿色、更成功未来的关键，但你必须遵循整个链条才能到达终点。

作者（其总部位于越南）建议，中小企业若要在未来生存并繁荣，就需要投资于这些技术、培训人员，并专注于绿色发展。这不仅仅是为了对地球“友好”；这是为了建立一个无法被击败的业务。

技术摘要：人工智能与数字能力作为可持续绩效与竞争优势的驱动力

问题陈述与研究缺口
本研究探讨了人工智能（AI）和数字能力（DC）对中小企业（SMEs）绿色创新（GI）、可持续绩效（SP）及竞争优势（CA）的多维度影响。尽管现有文献承认 AI、DC 和 GI 的各自作用，但在理解其整合关系方面仍存在显著空白，特别是在越南等新兴经济体中。以往的研究主要集中在发达国家或孤立的变量上，未能同时考察 DC 和 GI 在 AI 与 SP 之间的中介机制，也未能考察 GI 和 SP 在 DC 与 CA 之间的中介作用。此外，DC 在将 AI 潜力转化为切实绿色成果方面的特定中介功能仍有待深入探索。

理论框架
本研究基于三个主要的理论视角：

资源基础观 (RBV)： 认为 AI 和 DC 是独特、稀缺且不可转移的战略资源，能够使企业实现持续的竞争优势和卓越的绩效。
效率理论 (ET)： 表明 AI 和 DC 能增强运营效率，优化资源利用，并为长期 GI 和 SP 奠定基础。
可持续发展理论 (SDT)： 主张经济、社会和环境维度的综合发展，将 AI 和 DC 视为完善数据治理并促进可持续决策的工具。

研究方法

数据收集： 本研究采用定量问卷调查法，对象为越南制造业中小企业的 1,120 名管理者。数据通过在线和线下渠道进行便利抽样收集。
测量工具： 使用包含 37 个项目的结构化问卷来测量五个构念：AI、DC、GI、SP 和 CA，采用 7 点李克特量表。量表改编自先前的验证研究（如 Khan 等、Wang 等、Chang）。
分析方法： 数据分析使用 SPSS 26 进行描述性统计，并使用 Smart PLS 4 进行偏最小二乘结构方程模型（PLS-SEM）分析。分析包括可靠性测试（Cronbach's Alpha、组合信度）、有效性测试（通过 HTMT 进行收敛效度和区分效度）以及多重共线性测试（VIF）。假设检验采用 5,000 次重抽样的自助法（bootstrapping）。

核心结果
结构模型分析证实了所有九个提出的假设：

直接效应：
- AI $\rightarrow$ DC： AI 对数字能力有正向影响 ( $\beta = 0.444$ )。
- AI $\rightarrow$ GI： AI 对绿色创新具有强烈的正向直接影响 ( $\beta = 0.633$ )。
- DC $\rightarrow$ GI： 数字能力对绿色创新有正向影响 ( $\beta = 0.367$ )。
- GI $\rightarrow$ SP： 绿色创新显著提升可持续绩效 ( $\beta = 0.672$ )。
- GI $\rightarrow$ CA： 绿色创新对竞争优势有正向影响 ( $\beta = 0.655$ )。
- SP $\rightarrow$ CA： 可持续绩效对竞争优势有正向影响 ( $\beta = 0.375$ )。
中介效应：
- DC 作为中介： DC 在 AI 与 GI 的关系中起显著的中介作用 ( $\beta = 0.163$ )。
- 序列中介 (AI 到 SP)： AI 通过 DC 和 GI 的序列中介影响 SP ( $\beta = 0.110$ )。
- 序列中介 (DC 到 CA)： DC 通过 GI 和 SP 的序列中介影响 CA ( $\beta = 0.108$ )。
模型解释力： 调整后的 $R^2$ 值表明，该模型分别解释了 CA 50.9%、GI 50.7%、SP 45.2% 和 DC 19.7% 的方差。

主要贡献

理论贡献： 本研究通过阐明 AI 如何通过 DC 影响 GI 的机制，推进了相关文献的发展，特别是在中小企业这一新兴市场背景下。它通过将 AI 和 DC 识别为转化为 GI 的无形战略资源，扩展了 RBV 理论。此外，它整合了 SDT 和 ET，以解释中小企业如何通过这些数字和绿色能力平衡经济、环境和社会目标。本研究通过测试完整的序列中介链（AI $\rightarrow$ DC $\rightarrow$ GI $\rightarrow$ SP $\rightarrow$ CA）而非孤立地考察变量，填补了研究空白。
实践贡献： 研究结果为越南中小企业及其利益相关者提供了可操作的见解。作者建议，增加对数字基础设施和 AI 平台的投资，并结合员工数字技能培训，对于提升 GI 和 SP 至关重要。研究倡导将 GI 策略与可持续发展目标（特别是 SDG 12 和 13）相结合，以实现 2030 年净零排放目标。它强调应利用 AI 进行能源管理、供应链优化和减排，以构建可持续的竞争优势。

意义与局限性
本文声称提供了一个将 RBV、SDT 和 ET 相互联系的凝聚性理论框架，用于应对发展中经济体的数字化转型。它强调了利用 AI 和 DC 来提高新兴市场绿色创新和竞争优势的必要性。

作者承认了研究的局限性，指出本研究是横截面研究，限制了因果推断，且仅限于越南制造业。他们建议未来的研究应采用纵向设计，并纳入更多国家和控制变量（如性别、年龄、收入），以提供对这些关系更细致的理解。本研究并非提出新的实验应用，而是验证了特定实证背景下的现有理论关系。