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。
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：
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。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。
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。
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。
本文将新质劳动者从“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。
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。
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。
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。
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。
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
2.3.1 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。
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。
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，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。
2.3.2 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。
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。
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。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，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。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，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，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 数据平台以及各城市的国民经济和社会发展统计公报。
3.2.1 被解释变量：企业新质劳动者需求占比
3.2.2 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。
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。
3.2.3 控制变量
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。
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
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：
i 表示企业，
c 为城市，
t 表示时间；
Talentit 表示企业 i 在第 t 年的企业新质劳动者需求占比；
Smart_Agriculturect 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；
Controls(i)ct 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。
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：
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。
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。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
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。
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。
在内生性分析方面，本文依次进行了样本选择偏误分析和工具变量检验。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、增加固定效应、调整聚类标准误、控制同期政策干扰、重新筛选样本范围以及排除其他竞争性解释。以上内生性分析和稳健性检验结果均进一步验证了基准回归结果的可靠性。
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，将其作为衡量数字企业受到外部政策激励的代理变量。与此同时，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，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。
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
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。
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
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。
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。
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。
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。
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。
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。
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。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。
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。其次，扩大政府数智采购规模。在政府数智采购的基础上，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。
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。
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。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。
