摘要：智慧农业作为数智技术驱动农业强国建设的重要载体，正深刻重塑农业劳动力需求结构。本文利用2014-2022年12189份地方政府政策文件与A股上市公司逾2100万份互联网招聘大数据，使用生成式人工智能大语言模型识别企业新质劳动者雇用需求，并基于技术扩散视角，构建“外部政策激励-内部资源配置-新兴任务创造”的理论框架，系统考察智慧农业政策实施对数字企业和农业企业新质劳动者需求的影响机理与结构特征。结果表明，智慧农业政策实施能够显著增加企业新质劳动者需求；政策激励效应和任务创造效应是引致企业新质劳动者需求增加的主要原因；智慧农业的新质劳动者需求效应因政策类型和数智基础设施禀赋的不同存在显著差异。基于“人才链”视角的结构分析发现，数字企业表现为全链条深度协同的“宝塔型”劳动者需求结构特征，而农业企业呈现以中游高效能劳动者为主导的“纺锤型”结构特征。据此，本文认为，应加快构建适配现代农业发展需要的数智技术生态系统，着力培育一支结构合理、能力精湛的农业新质劳动者队伍，通过数智技术与新质劳动者“双轮驱动”，全面推进农业强国建设。

基金：教育部人文社会科学研究规划基金项目“空间计量经济学视角下农村劳动力流动对减贫的作用研究”（编号：20YJA790069）

关键词：智慧农业；新质生产力；劳动者需求；生成式人工智能

作者简介：张星民、武汉大学经济与管理学院；*徐晨曦、西南财经大学中国西部经济研究院,电子邮箱：xuchenxizzu@163.com。张建清，武汉大学经济与管理学院；伍骏骞，西南财经大学中国西部经济研究院；

一、引言

智慧农业既是因地制宜发展农业新质生产力的重要着力点，也是加快建设农业强国的战略制高点。当前，新一轮科技革命和产业变革加速演进，以人工智能、大数据、物联网为核心的新兴数智技术，正以前所未有的渗透力，不断推动人类社会全面转向数字经济新形态（万广华等，2024）。为加快前沿数智技术在农业农村领域“全方位全链条普及应用”，2024年10月，农业农村部专门印发《关于大力发展智慧农业的指导意见》①，首次在中央层面明确发展智慧农业的总体布局，并且，要求通过关键核心技术全面突破、先进装备广泛应用和标准体系建立健全等途径，为建设农业强国提供强有力的信息化支撑。2025年1月，中央“一号文件”再次强调“支持发展智慧农业，拓展人工智能、数据、低空等技术应用场景”②，高质量发展智慧农业成为新时代加快形成农业新质生产力的重要引擎。

新质劳动者是新质生产力形成发展的第一要素。将发展智慧农业的战略愿景转化为农业新质生产力的实践动能，根本前提在于培育造就一支具备数智素养、创新能力和实践本领，能够驱动前沿数智技术在农业农村领域深度渗透的新质劳动者队伍（罗必良，2024）。然而，囿于农业生产的弱质地位，如何引导新质劳动者等先进新质生产要素向“三农”领域集聚面临严峻挑战。2023年，全国农村居民家庭户主为高中及以上文化程度的占比仅为14.9%，农村适龄劳动人口中初中学历人口的占比最大③。农业生产经营主体整体素质长期偏低，农业领域新质劳动者供给匮乏，成为农业强国建设的制约因素。

实践中，为吸引人才、技术等新质生产要素积极投身农业现代化建设，地方政府因地制宜出台了一系列智慧农业政策。基于技术扩散分析框架，制度供给是加速先进技术深度扩散的关键催化剂。地方政府智慧农业政策作为数智技术与农业生产深度融合的制度创新实践，通过释放政策信号、优化公共资源配置和促进先进技术转化应用等途径，激励数智技术供需双方相关企业探索发展智慧农业。由此，本文将要讨论的现实问题是：对于连接新质劳动者、驱动农业数智化转型升级重要载体的企业，地方政府出台的智慧农业政策能否增加其新质劳动者雇用需求？如果能，这一需求效应通过何种路径实现？什么样的政策设计、数智要素配置更有利于新质劳动者需求效应的实现？不同企业新质劳动者雇用需求在劳动力类别方面有何结构性差异？系统分析上述问题，不仅能为新时期优化农业人才队伍建设工作、促进智慧农业高质量发展提供理论依据，也能为加快形成农业新质生产力提供政策启示。

与本文密切相关的研究主要涉及以下两个方面。一是智慧农业相关研究。已有文献发现，中国各省份的智慧农业规模呈现上升趋势（王定祥等，2023），智慧农业对数字经济核心产业的后向依赖度较高（张少华等，2025）。另有案例研究发现，新质劳动者是支撑智慧农业生产体系落地应用的重要力量（张玉成等，2025）。值得注意的是，王明哲等（2025）和张延龙等（2025）较早从企业内部智慧农业技术采纳视角出发，实证考察企业智慧农业技术应用对其生产绩效的影响，为理解智慧农业技术应用的微观经济效应提供了经验启示。二是新质劳动者相关研究。在新质劳动者的构成方面，现有文献普遍认为，新质劳动者既包含战略科学家、技术研发人员等高端创新型人才（洪银兴和卞元超，2025），也离不开卓越工程师、大国工匠等具备复合知识结构的高素质技能型人才。在与新质生产力的互动关系方面，相关研究主要基于生产力三要素视角，认为新质劳动者是发展新质生产力的核心支撑（黄群慧和盛方富，2024）。发展农业新质生产力需要数字劳动者参与，但该类型新质劳动者的供给不足，将阻碍农业新质生产力的发展（刘文祥和赵庆寺，2024；余京洋，2025）。

总的来看，已有文献虽然对智慧农业和新质劳动者的理论逻辑与实践样态展开广泛讨论，但仍然存在以下不足。首先，现有文献多聚焦于智慧农业的特定应用情境与操作环节，研究视角与分析维度较为单一，在研究方法上则以案例剖析与理论推演为主，缺乏对智慧农业政策实施效果的经验研究。其次，相较于美国职业信息网络数据、世界银行就业和生产率技能调查数据等国际上较为成熟的标准职业技能分类数据，中国情境下的涉农劳动力技能结构研究，多依赖学历层次、岗位类型或职称等级等“粗颗粒度”指标进行简略划分，难以有效揭示不同劳动力需求背后的任务属性差异与技能密集度的“细颗粒度”特征，无法明确农业领域新质劳动者与传统农业劳动者的技能边界。最后，既有文献尚未深入探究地方政府智慧农业政策实施如何通过影响企业内部资源配置，驱动企业劳动力需求发生系统性变化的理论机理。

鉴于此，本文基于技术扩散视角，系统阐释智慧农业政策实施如何影响企业新质劳动者需求。相较于现有研究，本文可能的边际贡献在于：第一，构建覆盖全国的系统性智慧农业政策数据集，在准自然实验框架下识别其对企业新质劳动者雇用需求的因果效应。与国际文献普遍聚焦制造业和服务业的产业政策研究不同（Lane,2025），本文立足中国情境，系统考察智慧农业政策的潜在经济效应，为理解弱质性农业部门产业政策效果的特殊性提供了经验证据。第二，创新性使用生成式人工智能大语言模型对海量招聘信息进行文本挖掘，构建精准刻画劳动力技能属性的“细颗粒度”企业涉农新质劳动者需求数据库，将一般性的职业划分根据工作任务分类、细化至智慧农业全产业链各环节，突破已有研究中劳动力技能结构场景适配精度较低的局限性。第三，本文基于政府干预下的技术扩散视角，结合工作任务分析理论，构建“外部政策激励-内部资源配置-新兴任务创造”的研究框架，揭示智慧农业政策影响技术供给侧和技术需求侧两类企业新质劳动者需求的微观作用机理，拓展了经典技术扩散理论与工作任务分析框架的解释边界。

二、概念界定与理论分析

（一）概念界定

界定新质劳动者是进行理论分析和经验研究的基础。结合数字经济条件下农业新质生产力的科学内涵和基本特征，可将农业领域的新质劳动者界定为：具备智慧农业研发创新能力、系统优化能力以及质量管控能力，承担智慧农业核心非常规任务，能够支撑农业数智化转型发展的高素质专业劳动力（黄先海等，2025）。考虑到现有文献从劳动力融入产业链不同环节专业化分工的角度，对劳动力进行“链式”分类（赵晨等，2023），本文进一步将新质劳动者从“人才链”分工视角划分为高技术劳动者、高效能劳动者和高质量劳动者三类。

图1展示了农业领域新质劳动者分类的基本逻辑框架。

图1农业领域新质劳动者的“链式”分类框架

高技术劳动者聚焦智慧农业技术研发，是执行产业链上游技术研发任务的重要人才支撑，对发展农业新质生产力发挥引领作用。该类型劳动者凭借前沿知识结构和前瞻战略思维，能够驱动数智技术“适农化”深度渗透和农业生产“数智化”转型升级，通过创造数智化新型农业劳动资料，为农业生产力跃升开辟新道路。

高效能劳动者通过加速技术转化应用和优化资源配置，推动前沿数智技术向农业场景深度拓展，是执行产业链中上游技术封装、数据分析、渠道管理和产业链下游智慧营销等非常规任务的重要人才保障。这类劳动者具备扎实的知识储备和良好的学习能力，能够自觉适应数智时代的技术变革冲击，不断推动农业新质生产力的价值实现。

高质量劳动者承担产业链中游标准建设和质量控制等非常规任务，通过全方位质量管控，确保农业生产的质量与效益，是发展农业新质生产力的重要人才支持。该类型新质劳动者依托前沿数智技术，帮助企业建立现代农业标准管理和质量监管体系，为农业产业深度转型升级提供质量保障。

因此，新质劳动者需求即企业为发展智慧农业而产生的对高技术、高效能和高质量三类新质劳动者的雇用需求，反映了涉农领域新质人力资本的数量积累与质量跃迁（黄先海等，2025）。

（二）智慧农业政策实施与企业新质劳动者需求的直接关系

外部政策环境变化驱动的内部资源配置调整是影响企业人力资本结构变迁的重要因素（Garrett et al.,2020）。智慧农业政策的实施，本质上是有为政府参与下的技术扩散过程，通过政策引导，推动人工智能等数智技术向农业领域深度渗透，弥合传统农业与现代产业间的技术鸿沟。理论上，政府干预下的技术扩散将对技术供给（研发）侧与技术需求（应用）侧微观主体的行为决策产生直接影响。在供给侧方面，地方政府实施智慧农业政策普遍强调“三农”大数据中心、智能云平台和农业通用大模型等新型数智基础设施的建设与完善，这将通过政府数智技术采购，激励数字企业参与项目建设，进而引导企业调整内部资源配置（申志轩等，2024）。在需求侧方面，农业生产的正外部性特征，导致农业企业技术研发应用的私人边际收益与社会边际收益偏离，陷入激励不足与技术停滞的恶性循环，严重制约农业全要素生产率的提高。地方政府介入数智技术扩散过程，能够通过新型基础设施普惠供给大幅降低数智技术采纳壁垒，进而弥合农业企业独立发展数智技术面临的技术鸿沟，使得农业企业无需自行投入巨额资金搭建技术底座即可快速实现农业全产业链的数智化转型升级，全面提升农业企业发展智慧农业的动力和效率。

基于工作任务分析框架，前沿文献将企业生产行为分解为一系列工作任务，认为工作任务变迁将对企业劳动力技能需求产生决定性作用（Acemoglu and Restrepo,2022）。结合数智技术所具有的非常规任务偏向性特征，由智慧农业政策实施所驱动的农业技术革命，有利于形成全新的数智技术扩散模式和农业产业形态，创造大量与智慧农业直接相关的新兴工作任务，进而扩大企业对满足农业新质生产力发展需要的劳动力雇用需求，最终形成与智慧农业发展相契合的人力资本配置结构。一方面，由政策实施驱动的新型数智基础设施建设，使得数字企业工作任务从通用技术研发向农业专用技术开发倾斜，进而催生数字企业人力资本需求结构的“适农化”调整。另一方面，数智技术向农业应用场景深度渗透，推动农业企业生产模式、任务配置等更新迭代，加速农业企业人力资本结构“数智化”转型。综上所述，智慧农业政策实施能够引导数字企业和农业企业内部资源配置调整并改变其工作任务需求，推动两类企业新质劳动者雇用需求的增加。

图2呈现了本文理论分析的基本逻辑框架。

图2智慧农业政策实施影响企业新质劳动者需求的理论分析框架

（三）智慧农业政策实施影响企业新质劳动者需求的作用机理

1.政策激励效应分析。在数智技术供给侧，地方政府利用技术采购这一制度性工具，通过需求牵引与信号传递等方式形成对数字企业业务发展方向的深层引导，进而驱动企业内部资源配置调整和重构（申志轩等，2024）。

一方面，政府涉农数智技术采购以行政力量创造专用性市场需求，采购规模扩张不仅直接拉动数字企业产能规模扩大，也能通过数智技术对农业应用场景的适配性、专用性要求倒逼企业内部资源配置的结构性调整。从技术属性上看，农业生产的多样性、复杂性等特征，决定了通用数智技术难以直接满足农业场景应用需求。政府采购对数智技术标的物的“适农化”刚性要求，迫使数字企业将研发资源从通用技术领域转向农业专用技术开发领域。同时，政府采购项目往往涵盖种质研发、生产监测、产销对接等全链条技术需求。这种系统性技术采购形成的“需求池效应”（江小涓和靳景，2022），促使数字企业整合其他业务方向的数智技术研发资源，形成针对农业应用场景的专用技术模块。

另一方面，政府采购能够形成现金流收益与信用背书的双重激励，降低数字企业进行涉农数智技术研发的现金流压力与融资约束，驱动企业业务结构进一步调整。从企业投资决策角度看，涉农数智技术研发投入具有高风险、低收益和长周期特征，依赖外部市场融资易受宏观经济波动影响，破坏企业涉农长期研发投入的积极性。而政府采购的中长期合作机制与“刚性”支付承诺可以有效降低涉农数智技术研发投资的风险溢价（孙薇和叶初升，2023），为数字企业提供稳定的收益预期，缓解涉农研发投入的不确定性，进而激励企业资源配置向涉农数智技术领域倾斜。此外，由于政府采购具有“信用背书”和“质量标签”效应，可以改善中标企业面临的市场环境，推动企业将通用技术资源转化为农业领域的专有资源，加速企业异质性资源积累。随着涉农技术研发投入的持续增加，数字企业在农业领域积累的专有知识会进一步转化为市场竞争优势（黄继承和朱光顺，2023），形成“采购规模扩张-专用技术积累-竞争优势强化-资源持续投入”的良性循环机制，进而推动数字企业内部资源配置的“适农化”调整重构。

在数智技术需求侧，智慧农业政策实施通过普惠性技术扩散，弥合数智技术与农业生产在接入可及性、应用便利性和收益获取性等方面的技术鸿沟，促进农业企业数智技术采纳，驱动农业生产深度数智化转型升级（孙晓华等，2025）。

在技术接入维度上，算力、数据、算法等核心数智要素的专用性投资成本高、独立部署使用效率低（沈坤荣和林剑威，2025），导致农业企业因固定成本高昂难以独立跨越初始技术接入壁垒。地方政府通过建设涉农新型基础设施，强化数智技术普惠供给，形成接入成本的社会化分担机制，为农业企业跨越数智技术接入门槛提供制度支撑。例如，江西省依托“政府建设+按需付费”的模式，将新型基础设施建设的固定成本转化为可分摊的服务成本。这种普惠性技术供给既通过规模效应降低企业算力节点部署成本，又通过弹性供给匹配农业生产的季节性算力需求，使得企业仅需承担农业场景适配成本，即可实现数智技术对农业生产应用的针对性开发。在技术应用维度上，地方政府通过强化涉农数智技术融合扩散，破解前沿技术向农业场景转化的能力“瓶颈”，为弥合技术鸿沟、推动农业生产深度数智化转型提供政策支撑。地方政府通过建设智慧农业产业大脑，制定相关数据标准、接口规范和补贴规则，强化产业链上下游技术协同扩散，引导农业企业依托公共数字平台实现智慧农业生产社会化的跨组织协同。这种传统农业生产组织边界的重构，使得农业企业无需自建完整的技术体系即可享受先进数智技术红利，将节省的技术研发成本投入农业场景应用转化等关键环节，从而降低先进数智技术在农业领域深度渗透的转化成本，切实提升农业企业的数智技术应用能力。在价值转化维度上，地方政府通过构建全链条收益保障与价值实现机制，强化数智技术应用的价值转化能力，为农业企业稳定获取数智化转型收益提供政策保障。首先，地方政府通过健全技术服务体系，及时总结推广适应农业生产实际需求的技术模块，帮助企业降低技术应用的试错成本，减少因信息不对称导致的技术采纳收益不确定性。其次，地方政府依托智慧云平台，构建数字化产销对接机制，有利于农业企业基于市场数据精准安排农业生产，实现农业生产与市场需求的动态匹配。最后，地方政府推进农产品流通销售全流程数智化改造升级，利用物联网和区块链技术，积极探索智能化农产品加工流通与信息溯源联动机制，在降低流通损耗的同时提升产品附加值，促使数智技术应用转化为产品溢价能力，进一步推动农业企业内部资源配置“数智化”转型重塑。

2.任务创造效应分析。本部分进一步探究企业内部资源配置调整后，两类企业通过新兴工作任务创造影响其新质劳动者雇用需求的理论机理。在数智技术供给侧，数字企业以涉农数智技术研发创新和场景适配为核心，通过创造“数智技术+农业生产”的新兴非常规任务，引致新质劳动者雇用需求的增加。

在产业链上游，涉农数智技术研发创新型非常规任务直接催生高技术劳动者雇用需求。当数字企业强化涉农技术研发投入时，农业专用技术研发分工专业化驱动企业任务属性“适农化”调整重构。由于农业具有生物性、地域性、季节性等独特属性，数智技术与农业生产深度融合时，不能简单套用通用数智技术的常规研发模式，需要针对农业生产的具体应用场景进行专用性研发。这种专用性研发过程打破了数字企业原有技术研发路径，催生大量“数智技术+农业生产”的研发创新型非常规任务。当技术进步呈现非常规任务偏向性特征时，研发投入规模的持续扩张会通过“资本-技能”互补机理，显著扩大数字企业对高技术劳动者的雇用规模，以完成相应的非常规涉农数智技术研发任务（王永钦和董雯，2023）。

在产业链中游，地方政府引导上游数字企业向农业生产环节普惠性技术扩散，将面临原始数智技术应用的非常规任务特性与农业劳动力实际技能水平长期偏低的结构性矛盾。为解决这一矛盾，技术封装成为必然选择，即通过模块设计、可视化操作以及场景预设等方式，将复杂原始技术转化为“一站式”应用工具，进一步降低农业劳动力的技术应用门槛，加速数智技术扩散。在从技术封装到技术扩散的过程中，技术封装精度直接决定技术扩散效果，而高精度技术封装任务要求劳动者既掌握先进数智技术的封装逻辑，又能精准提炼具体农业生产场景的核心应用需求，这种非常规任务需求的扩张直接推动数字企业扩大对具备跨领域整合能力的高效能劳动者的雇用规模。

在产业链中下游，规范性技术标准是智慧农业由技术中试迈向产业应用的关键。智慧农业政策普遍重视标准体系与质量控制体系建设，鼓励相关企业参与共性关键环节标准与通用技术标准制定，这将促使数字企业增加标准化建设任务，雇用高质量劳动者对相关技术参数和定额标准进行规范化分析与标准制订，助力智慧农业高质量发展。同时，质量管理是企业提质降本增效的重要措施，能够有效提升技术产品性能和可靠性。由于农业生产具有周期长、不确定性大和比较收益低等特点，农业大数据采集成本普遍较高，要求数字企业在农业数据采集过程中注重质量管理，减少数据质量缺陷，以较低成本构建更为可靠的大数据集，这将直接增加数字企业对高质量劳动者的雇用需求，为数智技术规模化应用提供质量保障。

在数智技术需求侧，农业企业发展智慧农业以农业全产业链数智化转型升级为核心，通过创造“农业生产+数智技术”的新兴工作任务，推动新质劳动者雇用需求的增加。

在产业链上游，智慧农业政策通过强化数智技术对农业生产的渗透力，推动数智技术在农业生产全方位全链条普及应用，这要求农业企业将数智技术嵌入耕种管收销全环节，进而创造“农业生产+数智技术”的研发创新型非常规任务，推动农业企业增加对高技术劳动者的雇用需求。例如，传统农业种质资源保护和利用依赖研究经验积累和实验观察，而数智技术的深度渗透通过知识图谱重构、神经网络预测等前沿方法进行基因测序与种质验证，显著提高种质资源利用效率，这将激励农业企业增加对人工智能科学家、大数据科学家等高技术劳动者的雇用需求。

在产业链中游，农业全产业链数智化改造升级创造大量数智技术应用型非常规任务，推动农业企业增加对高效能劳动者的雇用需求。例如，佳沃集团通过整合人工智能技术，将算法数据和种植经验进行有机结合，形成了上万种农户技能标签档案和种植作业数据，加快大田作物种植数智化转型①。其中，技能操作数据和农业知识图谱的提取构建任务需要信息技术专业人才与农业技术专业人才协同执行，由此产生的“数智技术+农业生产”融合型非常规任务，将增加农业企业对高效能劳动者的雇用需求。另外，现阶段智慧农业主要以社会化服务的方式助力农业农村现代化，由此产生的认知型非常规任务也将进一步增加农业企业对高效能劳动者的雇用。例如，丰农控股为构建全域乡村旅游数智产品，选聘数字技术专业人才，破解当下乡村旅游质量较低、农旅资源融合不足、市场价值实现不充分的难题，为乡村特色旅游定制个性化数字解决方案②。

在产业链中下游，智慧农业技术标准与质量规范体系的建设，直接推动农业企业增加对执行标准制订与质量管控任务的高质量劳动者的雇用需求。例如，农业企业招聘质量工程师，通过部署农业大田传感器与区块链溯源系统，实现种植环境数据、农事操作记录等实时上云，形成可追溯的质量管控闭环数据体系。同时，随着智能农机装备等设施的普及应用，农业企业需要雇用可靠性工程技术人员负责智能化专业设备的运维与性能校准。这类新质劳动者既能通过数据分析预判设备故障风险，又能结合农艺需求优化设备参数，确保智慧农业规模化应用的稳定运行。因此，当智慧农业从试点探索走向大规模发展的过程中，标准制订和质量管理就成为智慧农业实现农业产业深度转型升级的重要保障。智慧农业技术渗透度越高，农业企业对高质量劳动者的雇用需求就越多。

综上所述，基于智慧农业政策实施对企业新质劳动者雇用需求的直接影响及其作用机理，本文提出如下研究假说。

H1：智慧农业政策实施可以增加数字企业和农业企业的新质劳动者雇用需求。

H2：智慧农业政策实施能够通过外部政策激励，推动数字企业和农业企业内部资源配置“适农化”“数智化”调整重构。

H3：智慧农业政策实施能够引导数字企业和农业企业内部资源配置调整重构，创造“数智技术+农业生产”“农业生产+数智技术”等新兴工作任务，进而增加数字企业和农业企业对新质劳动者的雇用需求。

三、研究设计

（一）数据来源

本文使用的研究数据来源于以下三个方面。第一，智慧农业政策的相关数据，整理自各城市地方政府和其所属的农业农村局、财政局、发展和改革委员会、规划和自然资源局等职能部门的官方网站，以及相应省级政府及其对应的厅级职能部门官方网站，并辅以北大法宝数据库①。由于中央“一号文件”于2012年正式提出智慧农业相关的概念表述，本文对各地区政策文件的整理范围涵盖2012-2022年中国291个城市（包含287个地级市和4个直辖市），共计得到12189份相关政策文件。第二，涵盖细分职业类别的企业新质劳动者需求数据，收集整理自知名互联网招聘信息平台②和中国开放数据平台CnOpenData数据库，各招聘平台累计线上招聘市场占有率超90%，数据总量超2100万条，可以较为全面地涵盖各类企业的招聘信息，具备较好代表性。企业在线空缺职位招聘文本数据包含企业信息、岗位名称、工作地点和工作要求等内容。各公司、平台发布的招聘信息在内容呈现与格式规范上存在明显差异，导致原始数据存在较大噪声，需通过针对性处理将其转换为结构化数据。为保障后续研究的顺利推进，本文对招聘大数据进行了上市公司基本信息匹配、剔除重复数据和无效缺失数据等预处理工作。第三，上市公司微观面板数据，本文以2014-2022年中国A股上市公司为研究样本，企业层面的财务数据来自中国经济金融研究数据库（China Stock Market&Accounting ResearchDatabase，简称CSMAR）、万得数据库（Wind）和中国研究数据服务平台（Chinese Research Data ServicesPlatform，简称CNRDS）③。参考企业微观面板数据的常规处理方法，剔除ST和*ST上市公司、财务数据存在严重缺失以及负债率存在明显偏差的企业样本，并对所有连续变量进行对数转换和1%水平的缩尾处理。此外，考虑到研究内容为城市层面智慧农业政策实施的经济效应，本文也对城市层面的宏观经济因素予以控制，各变量数据源于EPS数据平台④以及各城市的国民经济和社会发展统计公报。

在对上述数据进行合并匹配后，本文所使用的研究数据即2014-2022年中国A股上市数字企业和农业企业的10106个微观层面的企业-年度观测值，以及上述企业所在的195个城市（包含地级市和直辖市）9年涉及智慧农业政策实施与宏观经济因素的1755个观测样本。

（二）变量说明

1.被解释变量：企业新质劳动者需求占比。参考陆瑶等（2025）和张建清等（2025）利用大语言模型处理文本数据的基本思路，本文对被解释变量的具体测度方法如下。

（1）企业招聘岗位标准化分类。首先，借助生成式大语言模型GPT的文本特征提取与信息生成功能，将各企业自行设置的招聘岗位文本数据与《中华人民共和国职业分类大典（2022年版）》（简称《大典》）中各标准职业的工作任务写实性描述示例文本共同输入到ChatGLM2模型中，要求模型整合招聘岗位文本中的工作内容、技能要求等核心信息，参照《大典》写实性描述示例的体例结构输出半结构化文本数据，降低原始招聘文本数据的噪声干扰。其次，利用判别式大语言模型BERT的语言理解与语义表征功能，将上述半结构化文本数据与《大典》收录的1639个标准职业的工作任务写实性描述文本共同输入到SBERT模型中，逐一测算各招聘岗位与1639个标准职业间的文本语义相似度，形成“岗位-职业”语义关联矩阵。最后，参照经验法则筛选每个招聘岗位对应的最高语义相似度标准职业，并保留语义相似度（取值范围为0～1）高于0.8的匹配组合，进一步提升匹配精度。经过上述处理流程，并对筛选后的匹配组合实施信息映射，即可将各企业自行设置的招聘岗位转化为可以进行公司间比较的标准职业分类岗位。

（2）筛选新质劳动者对应的标准职业类别。第一步，基于国际职业技能分类标准和已有研究对标准职业的能力等级评价结果（Groizard et al.,2015；张星民等，2025），初步筛选符合新质劳动者技能素质要求的职业类别。现有研究基于工作任务密集度，将职业划分为非常规分析型、非常规互动型、非常规操作型、常规认知型与常规操作型五类（王永钦和董雯，2023）。其中，非常规分析型与非常规互动型职业要求从业者执行非常规任务，承担价值链中上游附加值较高的生产活动，因此本文将这两类职业初步界定为符合新质劳动者基本素质要求的职业范畴。第二步，在上述职业范畴内，依据新质劳动者的概念构成筛选对应标准职业。高技术劳动者以涉农数智技术研究开发任务为核心，主要对应《大典》第二大类中的科学研究人员中类与工程技术人员中类，典型代表包括农业科学研究人员、人工智能工程技术人员等非常规分析型职业。高效能劳动者聚焦涉农数智技术扩散应用和智慧农业生产性服务等非常规任务，主要源自《大典》第二大类的工程技术人员中类、经济和金融专业人员中类以及第四大类的信息技术服务人员中类，典型代表涵盖农业数字化技术员、数字化解决方案设计师等非常规分析型和非常规互动型职业。高质量劳动者侧重智慧农业标准建设与质量管理任务，主要来源于《大典》第二大类的工程技术人员中类与第四大类的技术辅助服务人员中类，典型代表包含农产品质量检验员、标准化工程技术员等非常规分析型职业。

（3）测度企业新质劳动者需求占比。首先，利用企业招聘岗位标准化分类数据，将新质劳动者对应标准职业分类下的所有招聘岗位数量进行加总，计算企业新质劳动者招聘数量。然后，本文参照李逸飞等（2023）的处理方法，利用企业新质劳动者招聘数量除以企业招聘岗位总量，计算得到企业新质劳动者需求占比（取自然对数），将其作为被解释变量进行检验。该变量反映了企业人力资本需求的变化情况，数值越大，表明企业对新质劳动者的雇用需求越大。

2.核心解释变量：智慧农业政策实施。鉴于目前全国范围内并不存在系统性的智慧农业政策试点，本文所指的智慧农业政策，系城市层面地方政府为探索以前沿数智技术为核心的智慧农业发展模式而自行组织实施的相关政策实践。为了保障分析数据的可比性，本文基于中国291个城市的政府官方网站和北大法宝数据库①，获取各城市发展智慧农业的所有相关政策文件，并进一步筛选详细列明智慧农业建设任务、建设内容和责任主体的政策文件，将其作为地方政府是否明确组织实施智慧农业政策的判断依据。智慧农业同时涉及数智技术应用和农业生产管理两个方面，因此，智慧农业政策主要可划分为系统规划类政策、农业生产类政策和数字经济类政策三类。从政策特征上看，系统规划类政策多由省、市两级地方政府主导制定，其核心在于通过构建整体性政策框架，解决发展智慧农业面临的“体系缺失”问题，形成对下级政府及相关职能部门的约束性、激励性政策指引，政策效力具有全域覆盖性与长期稳定性。而农业生产类政策和数字经济类政策则以市级政府的下属职能部门为主导，前者聚焦于具体农业应用场景，通过填补农业生产经营环节的数智技术应用空白，解决农业发展的“生产低效”问题，政策实践性、针对性较强；后者着眼于数字经济的整体发展，旨在打通数智技术与农业生产的连接通道，解决农业产业发展的“转型路径”问题，探索性、引导性较强。参照已有研究（游家兴等，2023；田利辉等，2025），本文将地方政府首次明确提出实施智慧农业政策当年及之后各年份，视为该城市所有样本均已经受到智慧农业政策外生冲击的时期②。

3.控制变量。参考相关研究的处理方法（王海军等，2025），为了减少遗漏变量偏误，本文在微观和宏观两个层面选取控制变量，以控制一系列可能影响企业劳动力雇用决策的潜在因素，确保估计结果的可靠性和有效性。在微观企业层面，本文选取的控制变量包括企业规模、上市年限、固定资产占比、资产负债率、托宾Q比率、企业数字化水平、第一大股东持股比例、董事会规模和两职合一。在宏观城市层面，本文选取的控制变量包括地区经济发展水平、地区潜在劳动力供给水平和地区工资水平。

相关变量的具体定义及描述性统计结果详见表1。

表1变量定义与描述性统计结果

（三）模型设定

本文基于各城市地方政府相继出台智慧农业政策的实践特征构建准自然实验，设定如下多时点双重差分模型，检验智慧农业政策实施对企业新质劳动者雇用需求的影响：

（1）式中：下标i表示企业，c为城市，t表示时间；itTalent表示企业i在第t年的企业新质劳动者需求占比；＿ctSmart Agriculture表示企业所在城市c在第t年是否实施智慧农业政策的虚拟变量；(i)ctControls则表示一系列企业与城市层面可能影响企业劳动力雇用需求的控制变量；εict为扰动项。为进一步控制企业层面不随时间变化的个体因素以及不随企业个体变化的年度宏观经济因素，本文在计量模型中加入了企业固定效应γi和年份固定效应θt。β0为常数项；β1为核心解释变量的估计系数，测度智慧农业政策实施对企业新质劳动者需求占比的平均处理效应。

此外，利用多时点双重差分模型估计政策效应得到可靠结果的前提条件是满足事前平行趋势假设，即在未受到政策冲击时，处理组与控制组的被解释变量应具备相似的变化趋势。基于事件研究法，本文构建如下计量模型，检验上述基准模型估计结果的有效性：

（2）式中：Smart＿Agriculturec为企业所在城市c是否实施智慧农业政策的虚拟变量；[Rt=r]为企业所在城市c智慧农业政策实施的相对时间变量，为避免与年份固定效应产生多重共线性影响，本文将各城市地方政府首次明确提出实施智慧农业政策的前一年（r=-1）作为基准年份，并将基准年份对应的事件虚拟变量（Smart＿Agriculturec×[Rt=-1]）从（2）式中删除；其余变量的设定形式与（1）式保持一致。理论上，若事前平行趋势假设满足，则当相对时间r<0时，事件研究法的事前估计系数βr与0无显著差异。

四、实证结果分析

（一）基准回归结果

表2汇报了智慧农业政策实施对企业新质劳动者需求影响的基准估计结果。其中，表2(1）列为未加入控制变量的估计结果，表2(2）列和（3）列为依次加入企业层面和城市层面控制变量的估计结果。可以看出，核心解释变量的估计系数均显著为正，表明地方政府实施智慧农业政策确实显著增加了辖区内两类企业对新质劳动者的雇用需求。从表2(3）列的估计结果可知，核心解释变量的估计系数为0.068，这意味着地方政府实施智慧农业政策导致两类企业的新质劳动者需求占比平均提升约7.04%(e0.068-1）。H1初步得以验证。

表2智慧农业政策实施对企业新质劳动者需求影响的基准回归结果

注：①***、**和*分别表示1%、5%和10%的显著性水平。②标准误为聚类到企业层面的稳健标准误。

（二）事前平行趋势检验与异质性处理效应分析

根据事前趋势检验的估计结果①，可以发现，在智慧农业政策实施前，各期虚拟变量的估计系数均不显著，且不存在明显的事前趋势差异，未拒绝事前趋势平行的假设。同时，在智慧农业政策实施后，处理组企业的新质劳动者需求占比存在上升趋势并趋于稳定，表明智慧农业政策对企业新质劳动者雇用需求的影响具有延续性，该政策效应长期持续存在。

此外，本文也对事前估计系数进行了联合显著性检验。检验结果显示，事前估计系数联合显著性检验的F值为0.26,P值为0.6112，说明事前估计系数不具有联合显著性。为了消除政策交错实施情形下异质性处理效应对基准估计结果的干扰，本文分别利用Cengiz et al.(2019）和Borusyak et al.(2024）提出的稳健估计量进行异质性处理效应分析，结果①表明，在利用两类异质性稳健估计量克服潜在的负权重问题后，本文基准回归的估计结果仍然稳健。

（三）内生性分析与稳健性检验

在内生性分析方面，本文依次进行了样本选择偏误分析（使用PSM-DID模型和利用Heckman两阶段分析框架缓解互联网招聘平台的样本选择偏误）和工具变量（1984年邮局数量的自然对数与观测样本滞后一期全国农业机械总动力自然对数的交互项）检验。在稳健性检验方面，本文依次进行安慰剂检验、更换被解释变量和核心解释变量、调整估计方法（泊松伪极大似然估计法）、增加固定效应（行业固定效应和地区固定效应）、调整聚类标准误（“行业-时间”层面和“城市-时间”层面的双重聚类标准误）、控制同期政策干扰（包括数字经济类政策和农业发展类政策）、重新筛选样本范围（剔除直辖市样本和重大宏观冲击年份样本）以及排除其他竞争性解释（自发性技术扩散）。以上内生性分析和稳健性检验结果①均进一步验证了基准回归结果的可靠性。

五、作用机制检验

（一）政策激励效应检验

在数智技术供给侧，本文借鉴黄继承和朱光顺（2023）的处理方法，首先，利用中国政府采购网的订单信息，筛选涉及人工智能、大数据、区块链、云计算等前沿数智技术标的物的政府采购项目，计算数字企业历年来中标的政府数智技术采购总额（取自然对数），将其作为衡量数字企业受到外部政策激励的代理变量。其次，借鉴余振等（2024）的识别方法，基于数字企业上市公司年报，计算关于智慧农业的关键词词频（取自然对数），将其作为反映数字企业内部资源配置“适农化”调整的代理变量。最后，将上述变量作为被解释变量代入（1）式进行估计，检验智慧农业政策实施能否通过外部政策激励驱动数字企业内部资源配置“适农化”调整。表3(1）列和（2）列汇报了上述检验的具体估计结果，核心解释变量的估计系数均显著为正，说明智慧农业政策实施显著扩大了数字企业中标的政府数智技术采购规模，并推动其内部资源配置“适农化”调整。

表3作用机制检验结果：政策激励效应

注：①**和*分别表示5%和10%的显著性水平。②标准误为聚类到企业层面的稳健标准误。③各回归分析均已纳入控制变量，并控制企业固定效应和年份固定效应，其中，控制变量与表2相同。④以上情况后文各表同。

在数智技术需求侧，借鉴Mallidi et al.(2021）的研究思路，本文从企业数智技术应用的投入产出关系入手，通过测度企业数智技术应用效率指数，检验智慧农业政策实施能否有效提高农业企业的综合数智技术使用能力。

具体而言，本文基于上市公司财务报表附注，将企业关于数智技术的资产投资总额和开发支出总额作为企业使用数智技术的投入变量，并将净利润总额、管理费用分别作为反映企业数智化转型投资收益的期望产出变量与非期望产出变量，利用包含非期望产出的非角度、非径向松弛测度（slacks-based measure，简称SBM）模型测算企业数智技术应用效率指数，旨在表征农业企业的综合数智技术使用能力。效率指数越高，说明企业接入、应用和转化数智技术的能力越强。同时，本文也统计农业企业年报中有关数智技术的关键词词频数（取自然对数），将其作为反映农业企业内部资源配置“数智化”转型程度的代理变量进行检验。

表3(3）列和（4）列汇报了上述变量的具体估计结果。可以看出，智慧农业政策实施的回归系数均显著为正，表明智慧农业政策实施能够有效提高农业企业的综合数智技术使用能力，推动农业企业内部资源配置“数智化”转型升级。H2得以验证。

（二）任务创造效应检验

招聘职业种类数量的增加，常用于表示企业工作任务范围的扩张（陈琳等，2024）。对数字企业而言，其任务范围聚焦数智技术产品的研发生产，“数智技术+农业生产”的新兴任务创造效应突出表现为涉农非常规任务范围的拓展；对农业企业而言，其任务范围集中于农业生产经营环节，“农业生产+数智技术”的新兴任务创造就具体反映为数智技术型非常规任务范围的扩张。为此，本文基于企业新质劳动者需求数据库，进一步统计数字企业的涉农岗位招聘种类数量和农业企业的数智岗位招聘种类数量，用来测量两类企业的新兴工作任务创造，并将其作为被解释变量代入（1）式，进一步考察智慧农业政策实施的任务创造效应。具体回归结果如表4所示。

表4作用机制检验结果：任务创造效应

表4(1）列核心解释变量的估计系数显著为正，表明智慧农业政策实施拓展了数字企业涉农非常规任务的配置范围，数字企业更加重视涉农数智技术的研发投入，进而增加对涉农新质劳动者的雇用需求。表4(2）列的估计系数仍然显著为正，说明智慧农业政策实施也将显著增加农业企业对数智型非常规任务的配置范围。伴随智慧农业政策实施，前沿数智技术在农业领域的应用加速渗透，农业企业更加重视新质劳动者人才队伍建设，这对提高农业劳动生产率，加快推动农业现代化转型升级至关重要。综合上述两部分的实证检验结果，H3得以验证。

六、进一步分析

为全面评估智慧农业政策实施对企业新质劳动者需求的影响，本文进一步分析技术扩散关键环节约束条件差异形成的异质性政策效果。

（一）政策类型异质性分析

从政策激励的“源头”来看，三类智慧农业政策在政策层级、建设内容以及实施路径等方面存在的显著差异，将产生不同的政策导向和激励强度，进而影响企业新质劳动者雇用需求。回归结果①表明，系统规划类政策和农业生产类政策能显著增加企业的新质劳动者需求，而数字经济类政策的影响并不显著。产生上述政策类型异质性的可能原因在于：系统规划类政策通常由省、市人民政府发布，通过系统性顶层设计确立发展智慧农业的战略地位，能为市场主体提供稳定的政策预期，激励其增加新质劳动者雇用需求；农业生产类政策聚焦具体农业生产应用场景，直接作用于农业生产环节，具有较强的针对性和可操作性；而数字经济类政策以促进前沿技术后向溢出和跨界渗透为导向，对农业生产的实际影响尚处于探索引导阶段，相较而言缺乏针对农业生产特性的制度安排，一定程度上削弱了数字经济类政策效应的发挥。

（二）数智基础设施异质性分析

从技术扩散的“条件”来看，地方政府建设的新型数智基础设施，同时连接着技术供给侧的数字企业和技术需求侧的农业企业，是推动数智技术在农业领域落地应用的关键载体。数智基础设施的禀赋差异将直接影响智慧农业政策效果的发挥。算力、数据和算法被普遍视为数智技术研发应用的三大核心基础要素。算力基础设施为大规模农业数据的采集、存储与处理提供技术底座；数据基础设施在算力支撑下承接农业信息的汇聚、治理与加工；算法基础设施则在算力和数据的共同作用下，将信息转化为可执行的决策与控制规则，进而决定数智技术支撑农业发展的深度与广度。由此可见，算力-数据-算法基础设施共同构成智慧农业由“技术创新”走向“应用转化”的关键通路。各地区资源禀赋差异将直接影响企业对智慧农业政策的响应模式和内部资源配置偏向，最终体现为对新质劳动者的差异化需求。

回归结果①表明，在拥有算力基础设施、数据基础设施的地区，智慧农业政策实施的企业新质劳动者需求效应更大，与预期相符。然而，算法基础设施的组间差异并不显著，原因可能在于：算法具有较强的通用性与可复制性，呈现弱地域性和无形化特征，部署与调用对空间条件的依赖较弱。并且，随着算法即服务（AaaS）模式的普及，企业可以通过远程API接口调用云端智能模型，进一步弱化了本地算法平台的边际作用。相较之下，算力受制于网络延时、能耗与节点布局，具有显著的区域性与容量约束；数据基础设施也必须与本地农业生产结构、作物谱系与地理特征相匹配，二者更明显地遵循“就近使用”原则，对本地部署较为敏感。

（三）劳动力需求结构异质性分析

从任务创造的“结构”来看，两类企业在智慧农业产业链中的功能定位存在系统性差异。数字企业作为技术供给侧，深度参与智慧农业的技术研发、标准制定以及算法封装等环节，而农业企业处于技术需求侧，更偏向于数智技术的落地应用，这将导致两类企业对新质劳动者的需求结构存在较大差异。鉴于此，本部分基于“人才链”视角①，进一步考察智慧农业政策实施对两类企业新质劳动者需求结构的异质性影响。估计结果表明②，智慧农业政策实施显著增加了数字企业对高技术、高效能和高质量三类新质劳动者的雇用需求，而仅对农业企业高效能劳动者的雇用需求具有显著的正向影响，对高技术和高质量劳动者需求的作用效果并不显著。

上述结果与数字企业和农业企业在产业链功能定位、技术成熟度等方面的差异相契合。在产业链上游，数字企业不仅承担涉农数智技术的专用性研发，还需针对农业生产的特殊场景开展跨学科攻关。这类非常规研发任务大量依赖高技术劳动者，直接增加数字企业对高技术劳动者的雇用需求。在产业链中游，数字企业承担技术封装与场景转化任务，推动复杂数智技术向农业经营主体可操作的应用工具转化，此过程需要大量跨领域整合型的高效能劳动者。在产业链中下游，数字企业深度参与标准体系与质量管理环节，承担制定农业数据安全标准、质量控制规范等非常规任务，进而增加对高质量劳动者的雇用需求。

相比之下，农业企业作为数智技术需求方，其参与智慧农业建设的核心目标，是在产业链中游将成熟的数智技术嵌入农业生产组织环节以提升农业生产效率，进而形成对兼具工程实践能力和农业认知能力的高效能劳动者的雇用需求。由此可见，数字企业作为技术供给方，其任务范围覆盖智慧农业产业链上游、中游、下游多个环节，需要多层次、多类型新质劳动者的协同配合。因而，数字企业的劳动者需求呈现出对高技术、高效能与高质量劳动者均有较强需求的“宝塔型”结构特征。而农业企业作为技术需求方，更偏向技术应用环节，任务创造主要集中在生产优化和场景改造方面，其新质劳动者需求结构呈现出以高效能劳动者为主导的“纺锤型”结构特征。

七、结论与政策启示

探究智慧农业政策实施对企业新质劳动者需求的影响及其作用机理，对完善农业科技发展政策保障体系，强化农业强国建设的人才支撑具有重要意义。研究结果表明：第一，智慧农业政策实施显著增加了辖区内企业对新质劳动者的雇用需求。第二，政策激励效应和任务创造效应是使企业增加新质劳动者需求的主要渠道。第三，系统规划类与农业生产类政策的影响更为突出，并且政策效应在有算力和数据基础设施的地区更为显著。最后，基于“人才链”视角的结构分析显示，受智慧农业政策影响，数字企业表现为全链条深度协同的“宝塔型”劳动者需求结构特征，而农业企业呈现以中游高效能劳动者为主导的“纺锤型”结构特征。

基于上述研究结论，本文提出以下政策启示：

第一，系统推进智慧农业战略布局，以农业新质生产力引领农业强国建设。应狠抓新一轮科技革命和产业变革的历史性机遇，加快前沿数智技术在“三农”领域全方位全链条普及应用，尤其要加大对数字经济核心企业和农业龙头企业在产业链上游颠覆性技术创新和下游数智化生产与质量追溯体系等方面的技术渗透，将数智要素纳入传统农业生产函数之中，促进农业发展模式由“小农经济”向“数字经济”的跨越式转变，形成以创新驱动和科技引领为显著特征的智慧农业核心业态，加快发展农业新质生产力。

第二，优化顶层设计，加强市场激励，推动智慧农业高质量发展。首先，加快地方智慧农业政策供给与标准体系建设。鼓励条件成熟的地区率先出台智慧农业发展规划与行动方案，通过立法或行政性规范性文件形成具备约束力的制度环境。其次，扩大政府数智采购规模。将智慧农业技术应用纳入集中采购目录，定期评估采购政策对区域内技术渗透的带动作用，通过创造稳定且专用性的市场需求，促进新质劳动者与智慧农业应用场景快速对接。最后，加速布局数智基础设施。在政府数智采购的基础上，优先在优势农业区、国家农业高新技术产业示范区等重点区域布局算力中心和边缘计算节点，建设分级分类、统一权威的农业数据开放平台，并配套建设可调用、可共享的算法模型库，形成“算力-数据-算法”一体化的数智化公共服务体系，推动智慧农业的普及与均衡发展。

第三，强化分类引导，深化政策赋能，提升数智技术转型应用成效。一方面，数字企业参与智慧农业建设时要加快“适农化”改造，将自身的算力、数据与算法优势嵌入农业场景，推动数智平台、智能装备和溯源体系在农业场景的应用，通过技术要素适农化配置和工作任务适农化改造，为新质劳动者提供智慧农业就业场景，带动跨领域劳动者快速融入农业生产。另一方面，农业企业应加快生产环节的数字化转型，主动对接区域算力中心和数据平台等数智基础设施，寻求由数智技术“应用者”转为“共创者”，深度参与智慧农业技术的联合研发和质量标准体系建设，最终形成对高技术、高效能和高质量全链条新质劳动者的持续需求。

第四，完善农业新质劳动者培育发展体系，构建全链条深度协同的完整人才梯队。首先，自主培养新农科拔尖创新人才。以农业强国战略需求为导向，实施“新农科+新工科”深度融通计划，系统性重构涉农学科专业体系。一方面，将人工智能、大数据、区块链等前沿数智技术融入传统农业专业课程体系，培养具备数智素养的复合型农科人才；另一方面，依托电子信息类高校优势专业，培养“数智技术+现代农业”的复合型高技术人才。其次，构建多元化“新农人”培育体系。鼓励智慧农业优势企业与优质职业院校组建产教联合体，动态优化职业教育专业设置和课程体系，培养适应现代农业发展需要的新型职业农民和数字“新农人”。最后，创新农业科技特派员等助农制度，重点选派精通涉农数智技术的专家骨干，组成“智慧农业科技特派团”，将农业科技特派团下沉至县域农技推广机构、智慧农业示范区或重点农业企业，为相关农业主体提供技术支持。

参考文献

1.陈琳、高悦蓬、余林徽，2024：《人工智能如何改变企业对劳动力的需求？——来自招聘平台大数据的分析》，《管理世界》第6期，第74-93页。

2.洪银兴、卞元超，2025：《人才质态跃升与新质生产力》，《现代经济探讨》第4期，第1-7页。

3.黄继承、朱光顺，2023：《绿色发展的中国模式：政府采购与企业绿色创新》，《世界经济》第11期，第54-78页。

4.黄群慧、盛方富，2024：《新质生产力系统：要素特质、结构承载与功能取向》，《改革》第2期，第15-24页。

5.黄先海、黄雨晗、虞柳明，2025：《人工智能赋能农业新质生产力：实现逻辑、运行机制与跃升路径》，《中国农村经济》第7期，第3-22页。

6.江小涓、靳景，2022：《数字技术提升经济效率：服务分工、产业协同和数实孪生》，《管理世界》第12期，第9-26页。

7.李逸飞、李金、肖人瑞，2023：《社会保险缴费征管与企业人力资本结构升级》，《经济研究》第1期，第158-174页。

8.刘文祥、赵庆寺，2024：《习近平关于新质生产力重要论述的深刻内涵、重大意义与实践要求》，《江西财经大学学报》第4期，第13-23页。

9.陆瑶、施函青、周欣怡，2025：《中国企业数字技术风险暴露对企业价值的影响——来自大语言模型的文本分析证据》，《经济研究》第2期，第73-89页。

10.罗必良，2024：《新质生产力：颠覆性创新与基要性变革——兼论农业高质量发展的本质规定和努力方向》，《中国农村经济》第8期，第2-26页。

11.申志轩、祝树金、文茜、汤超，2024：《政府数字采购与企业数字化转型》，《数量经济技术经济研究》第5期，第71-91页。

12.沈坤荣、林剑威，2025：《链“岛”成“陆”：公共数据开放的技术创新效应研究》，《管理世界》第2期，第83-104页。

13.孙薇、叶初升，2023：《政府采购何以牵动企业创新——兼论需求侧政策“拉力”与供给侧政策“推力”的协同》，《中国工业经济》第1期，第95-113页。

14.孙晓华、马雪娇、孔一杰、于婷，2025：《中国制造业的数字鸿沟——“接入-应用-转化”的分析框架》，《管理世界》第4期，第38-58页。

15.田利辉、李政、施炳展，2025：《企业上云对其创新的影响：数据要素化的视角》，《世界经济》第1期，第178-210页。

16.万广华、宋婕、左丛民、胡晓珊，2024：《中国式现代化视域下数字经济的共同富裕效应：方法与证据》，《经济研究》第6期，第29-48页。

17.王定祥、彭政钦、李伶俐，2023：《中国数字经济与农业融合发展水平测度与评价》，《中国农村经济》第6期，第48-71页。

18.王海军、伍骏骞、谢凯、刘炎周，2025：《政府就业增长目标、民生保障性财政支出偏好与稳就业效应》，《经济研究》第3期，第87-106页。

19.王明哲、陈慧、汤佳、张延龙，2025：《智慧农业应用能否提升企业全要素生产率——基于173570家农业企业的实证研究》，《中国农村经济》第9期，第146-163页。

20.王永钦、董雯，2023：《中国劳动力市场结构变迁——基于任务偏向型技术进步的视角》，《中国社会科学》第11期，第45-64页。

21.游家兴、林慧、蓝永泉，2023：《税收稽查的震慑效应：一个多期博弈模型及其经验检验》，《经济研究》第12期，第59-76页。

22.余京洋，2025：《人才、科技赋能西部农业新质生产力的内在逻辑、实践制约与发展路径》，《当代经济管理》第5期，第45-55页。

23.余振、李元琨、李汛，2024：《外部关税冲击、企业家注意力配置与创新发展》，《世界经济》第6期，第65-94页。

24.张建清、张星民、伍骏骞，2025：《大国战略竞争下的新质人才需求：来自大模型数据挖掘的证据》，《世界经济》第9期，第117-145页。

25.张少华、陈壬涛、黎美玲，2025：《中国智慧农业的规模测度与效应评估》，《贵州财经大学学报》第2期，第22-31页。

26.张星民、张建清、刘小慧、吴新雨，2025：《外部技术断供、工作任务与企业劳动力需求结构——基于Transformer架构大数据文本挖掘的微观证据》，《数量经济技术经济研究》第9期，第72-93页。

27.张延龙、王明哲、汤佳，2025：《智慧农业与企业绿色生产行为：来自全国代表性农业企业的微观证据》，《中国软科学》第7期，第157-168页。

28.张玉成、张晓博、高树琴、郑聪聪、张景尧、文亚、李禄军、王卓、李铁、赵洪龙，2025：《“伏羲农场”：智慧农业技术集成创新的实践探索与思考》，《中国科学院院刊》第2期，第301-309页。

29.赵晨、林晨、高中华，2023：《人才链支撑创新链产业链的融合发展路径：逻辑理路、中美比较以及政策启示》，《中国软科学》第11期，第23-37页。

30.Acemoglu, D., and P. Restrepo, 2022,“Tasks, Automation, and the Rise in U.S. Wage Inequality”, Econometrica, 90(5):1973-2016.

31.Borusyak, K., X. Jaravel, and J. Spiess, 2024,“Revisiting Event-Study Designs:Robust and Efficient Estimation”, TheReview ofEconomic Studies, 91(6):3253-3285.

32.Cengiz, D., A. Dube, A. Lindner, and B. Zipperer, 2019,“The Effect of Minimum Wages on Low-Wage Jobs”, TheQuarterly Journalof Economics, 134(3):1405-1454.

33.Garrett, D. G., E. Ohrn, and J. C. Suárez Serrato, 2020,“Tax Policy and Local Labor Market Behavior”, AmericanEconomic Review:Insights, 2(1):83-100.

34.Groizard,J. L.,P. Ranjan, andA. Rodriguez-Lopez, 2015,“TradeCostsandJob Flows:EvidencefromEstablishment-Level Data”,EconomicInquiry,53(1):173-204.

35.Lane, N., 2025,“Manufacturing Revolutions:Industrial Policy and Industrialization in South Korea”, The QuarterlyJournalof Economics,140(3):1683-1741.

36.Mallidi, R. K., M. Sharma, and J. Singh, 2021,“Legacy Digital Transformation:TCO and ROI Analysis”, InternationalJournalof Electricaland ComputerEngineering Systems, 12(3):163-170.

注释

(1)参见《农业农村部关于大力发展智慧农业的指导意见》（农市发[2024]3号），https://www.gov.cn/zhengce/zhengceku/202410/content_6983621.htm；为推动该文件落地落实，农业农村部随即印发《全国智慧农业行动计划（2024-2028年）》（农市发[2024]4号），https://www.gov.cn/zhengce/zhengceku/202410/content_6983622.htm。

(2)参见《中共中央国务院关于进一步深化农村改革扎实推进乡村全面振兴的意见》（中发[2025]1号），https://www.gov.cn/zhengce/202502/content_7005158.htm。

(3)资料来源：EPS数据平台，https://olap.epsnet.com.cn/#/datas_data?cube Id=1101。

(1)资料来源：新华网乡村振兴研究院《AI+农业高质量发展研究报告》，https://app.xinhuanet.com/news/article.html?article Id=45a090341d2d27ce574f1b58aa529f9b。

(2)资料来源：《科技驱动多维蝶变数字乡村的“三河样本”》，https://app.xinhuanet.com/news/article.html?article Id=b0bcf151dbe993d2376ad0cbf5855149；《BOSS直聘：丰农控股》，https://www.zhipin.com/web/geek/jobs?query=%E4%B8%B0%E5%86%9C%E6%8E%A7%E8%82%A1&city=101210100。

(1)资料来源：北大法宝数据库，https://www.pkulaw.com。

(2)资料来源：前程无忧，https://we.51job.com/pc/my/myjob；猎聘，https://www.liepin.com；智联招聘，https://landing.zhaopin.com；58同城，https://wh.58.com/searchjob；拉勾招聘，https://www.lagou.com/wn/。

(3)资料来源：中国经济金融研究数据库，https://data.csmar.com；万得数据库，https://www.wind.com.cn；中国研究数据服务平台，https://www.cnrds.com/Home/Index#。

(4)资料来源：EPS数据平台，https://olap.epsnet.com.cn/#/datas_data?cube Id=1101。

(1)资料来源：北大法宝数据库，https://www.pkulaw.com。

(2)篇幅所限，智慧农业政策的补充性说明与时序演进见《中国农村经济》官方网站或中国知网本文附录。

(1)篇幅所限，具体结果见《中国农村经济》官方网站或中国知网本文附录。

(1)篇幅所限，具体结果见《中国农村经济》官方网站或中国知网本文附录。

(1)篇幅所限，具体结果见《中国农村经济》官方网站或中国知网本文附录。

(1)所谓“人才链”视角，是将企业对高技术、高效能和高质量三类新质劳动者的需求视为劳动力产业链专业化分工的链式结构，从而分析智慧农业政策对不同产业链分工环节新质劳动者需求的结构性影响。

(2)篇幅所限，具体结果见《中国农村经济》官方网站或中国知网本文附录。