【摘 要】 以G煙草企業(yè)為例，以煙草生產(chǎn)環(huán)節(jié)中的關(guān)鍵指標“得率”為核心，研究人工智能如何助力煙草企業(yè)高質(zhì)量發(fā)展。研究發(fā)現(xiàn)：影響“得率”的主要因素是原煙的分級和運輸，人工智能可以減少分級、運輸中的原煙損耗；勞動資料沒有集合在一起是技術(shù)應用的阻礙因素，例如研究機構(gòu)有專利但是缺乏原煙分級的數(shù)據(jù)；人的工作轉(zhuǎn)向監(jiān)督、訓練和使用人工智能。煙草企業(yè)“得率”提升可節(jié)省成本，隨著人工智能技術(shù)的進步，預計未來可繼續(xù)提升的空間更大。文章分析了不同技術(shù)路線人工智能的特點及其在煙草企業(yè)的應用場景，以期為相關(guān)企業(yè)提供借鑒。

【關(guān)鍵詞】 高質(zhì)量發(fā)展； 人工智能； 成本控制； 煙草行業(yè)

【中圖分類號】 F234.3；F233 【文獻標識碼】 A 【文章編號】 1004-5937（2024）15-0053-05

一、引言

2024年政府工作報告指出，要深化大數(shù)據(jù)、人工智能等研發(fā)應用，開展“人工智能+”行動。習近平總書記在主持中共中央政治局第十一次集體學習時強調(diào)，“新質(zhì)生產(chǎn)力是創(chuàng)新起主導作用，擺脫傳統(tǒng)經(jīng)濟增長方式、生產(chǎn)力發(fā)展路徑，具有高科技、高效能、高質(zhì)量特征，符合新發(fā)展理念的先進生產(chǎn)力質(zhì)態(tài)”。人工智能可以幫助企業(yè)實現(xiàn)高效能發(fā)展，生產(chǎn)資料的投入更集約。國家煙草專賣局提出到2025年，數(shù)字技術(shù)與煙草產(chǎn)業(yè)深度融合，數(shù)字經(jīng)濟與實體經(jīng)濟融合成效明顯。我國煙草行業(yè)在促進經(jīng)濟發(fā)展、穩(wěn)定社會就業(yè)、支持鄉(xiāng)村振興、發(fā)展民族工業(yè)、保障消費者利益等方面發(fā)揮了重要作用，做出了積極貢獻。煙草行業(yè)需要全面激活數(shù)據(jù)要素驅(qū)動潛能，持續(xù)提升行業(yè)治理數(shù)字化、網(wǎng)絡(luò)化、智能化水平[ 1 ]。

現(xiàn)有的人工智能相關(guān)研究[ 2-5 ]關(guān)注了成本管理、目標體系、平臺營銷、專賣、物流、財務會計、管理會計，還沒有關(guān)注煙草行業(yè)的人工智能如何助力高效能生產(chǎn)。本文圍繞“得率”這一核心指標展開研究?！暗寐省笔菬煵萜髽I(yè)從煙農(nóng)采購原煙后，加工所得的煙梗和片煙的重量占原煙重量的比例，一般在90%～95%之間。其中片煙部分約為60%～70%，25%～30%為煙梗。加工片煙、煙梗的環(huán)節(jié)是煙葉離開農(nóng)田后，數(shù)據(jù)流第一次中斷的環(huán)節(jié)。這段流程人工智能降低成本的空間最大，能夠助力煙草企業(yè)高效能發(fā)展。

得率=（片煙重量+煙梗重量）/（采購的煙草重量-自然損耗重量）

人工智能是計算機完成原本需要人類智能才能完成的任務，是新質(zhì)生產(chǎn)力。新質(zhì)生產(chǎn)力是為新型勞動者利用新型勞動資料作用于新型勞動對象，構(gòu)造新的分工和協(xié)作體系，創(chuàng)造社會新財富的能力[ 6 ]。本文分別從勞動者、勞動對象、勞動資料三個要素研究人工智能這一新質(zhì)生產(chǎn)力是如何提高煙草企業(yè)的“得率”，降低成本，實現(xiàn)高效能發(fā)展的。應用人工智能后，G煙草企業(yè)的“得率”已經(jīng)得到提升，未來可提升的空間更大。

本文的創(chuàng)新點體現(xiàn)在三方面：第一，從管理會計的角度關(guān)注了人工智能對煙草企業(yè)生產(chǎn)的影響（現(xiàn)有研究較多關(guān)注技術(shù)本身、技術(shù)對財務會計的影響）。第二，不僅關(guān)注了技術(shù)（勞動資料）及其能解決的問題（勞動對象），而且關(guān)注了應用技術(shù)時面臨的經(jīng)濟問題（勞動者）。第三，使用了煙草行業(yè)的特定指標——“得率”展開研究。現(xiàn)有研究較多關(guān)注企業(yè)層面，沒有聚焦具體的指標。本文的研究意義體現(xiàn)在兩方面：第一，能夠幫助煙草企業(yè)提升“得率”，降低成本，提高生產(chǎn)效能，進而促進煙草企業(yè)的高質(zhì)量發(fā)展。第二，不僅分析了技術(shù)本身，而且分析了人工智能應用時的激勵問題并提出解決方案。這能為其他企業(yè)使用人工智能技術(shù)提供借鑒。

二、勞動對象：影響“得率”的關(guān)鍵因素有哪些

勞動對象是指勞動過程中人們所加工、改造或服務的對象，既包括實體性勞動對象，又包括非實體性勞動對象。實體性勞動對象通常指原材料、零部件等，非實體性勞動對象則包括數(shù)據(jù)、知識或者某種服務對象等[ 7 ]。人工智能提升“得率”的勞動對象是影響“得率”的關(guān)鍵因素。

煙草企業(yè)從煙農(nóng)采購原煙到生產(chǎn)可售賣的成品卷煙的流程如圖1所示，共分為8個步驟，影響“得率”的是前5個步驟。（1）煙農(nóng)從農(nóng)田采摘煙葉后，把每片原煙按等級進行分選、裝包，并根據(jù)煙草專賣局的要求把每一包原煙都貼上二維碼。從事煙草種植的煙農(nóng)以老年人居多。根據(jù)監(jiān)管要求，煙農(nóng)只能將原煙出售給煙草企業(yè)。（2）原煙按級別售賣給煙草企業(yè)。級別高的原煙價格更高，價格由監(jiān)管部門制定。每一包原煙的包裝物、二維碼都受到政府監(jiān)管，不得更換。（3）原煙被運輸?shù)綗煵菁庸て髽I(yè)，包裝和二維碼持續(xù)受到監(jiān)管。（4）煙草加工企業(yè)將采購的原煙拆包，根據(jù)原煙的價值將每片原煙二次分選。此時二維碼和數(shù)據(jù)流中斷。二次分選的要求較高。在分選過程中，產(chǎn)品設(shè)計、質(zhì)量檢查、生產(chǎn)監(jiān)督三方共同監(jiān)督分選過程。較高的要求導致只有少數(shù)員工能夠勝任這一崗位。（5）二次分選后的原煙進入另一個生產(chǎn)車間的流水線。機器分離煙梗和片煙，分別裝箱打上二維碼。煙梗和片煙的重量占采購原煙的重量比例是“得率”。（6）裝箱的原煙和片煙運輸?shù)絺}庫，進入兩年的醇化期。（7）醇化后的原煙和片煙拆箱，進入流水線進一步加工，得到成品卷煙。加工過程中，每個批次中途不間斷。（8）得到成品卷煙。每條成品卷煙帶有特定條碼，可以追溯信息。成品卷煙的售賣地點、數(shù)量、價格受到政府的管制。

煙草行業(yè)稅收能夠維持基層財政穩(wěn)定性[ 8 ]，原煙采購、成品卷煙的生產(chǎn)和銷售環(huán)節(jié)均需要繳稅。煙草行業(yè)受到國家煙草專賣局的嚴密監(jiān)管。原煙的生產(chǎn)、包裝、采購價格，生產(chǎn)的各個環(huán)節(jié)，銷售的數(shù)量、地點、價格都受到政府的管制。從控制的對象來看，在圖1步驟1—5，控制的對象是每包原煙；在步驟5—6，控制的對象是每箱片煙或煙梗；在步驟7—8，控制的對象是每個生產(chǎn)批次。從數(shù)據(jù)流的角度來看，在步驟1—5，每一包原煙上的二維碼能夠保證數(shù)據(jù)可以追溯；在步驟5拆開原煙包裝，并按片二次分揀定級后，數(shù)據(jù)流中斷；在步驟5—6，每一箱片煙和煙梗上的二維碼能夠保證數(shù)據(jù)可以追溯；在步驟7—8，連續(xù)不斷生產(chǎn)線上的數(shù)據(jù)采集裝置保證每一生產(chǎn)批次的數(shù)據(jù)可以追溯。步驟6—8，企業(yè)已經(jīng)采取高度自動化的加工方式，控制成本的空間較小，因此本文選擇了步驟1—5作為研究對象，并選擇了“得率”這一關(guān)鍵指標。

在步驟1—5中，每個步驟都可能影響“得率”。在圖1步驟1，煙農(nóng)將原煙分選定級時，會出現(xiàn)等級沒有嚴格分類的情況。一是煙農(nóng)沒有足夠的專業(yè)知識，會出現(xiàn)混級的情況；二是煙農(nóng)收割原煙時的時間緊迫，煙農(nóng)沒有足夠多的時間對原煙進行細致分選、定級；三是低等級的原煙混入高等級的分類，可以提高出售價格，進而增加收入。一般需求量大、價格較高的煙葉等級混級比較嚴重，且質(zhì)量高的原煙混入質(zhì)量低的原煙情況比較嚴重[ 9 ]。原煙混級除了會提高采購成本外，還會提高后續(xù)的管理成本。目前雖然可以根據(jù)二維碼追溯信息，但是煙草企業(yè)并未對煙農(nóng)實施獎懲來保證原煙的嚴格分類。在圖1步驟3，原煙運輸過程中的包裝受到政府管制，不得對包裝進行調(diào)整。這種嚴格的監(jiān)管方式會造成包裝不能適應原煙運輸，造成損耗，降低“得率”。例如，北方的天氣比較干燥，在運輸過程中如果包裝增加保濕功能可以減少原煙碎裂的情況。在圖1步驟4，原煙的二次分選不涉及利益問題，但是要求較高，錯誤的二次分選會影響“得率”。在圖1步驟5，原煙從二次分選車間到流水線之間的運輸過程中，同樣會產(chǎn)生煙草碎裂、掉落的情況，降低“得率”?？偠灾?，原煙的初次分選、二次分選，從農(nóng)田到工廠之間的運輸和包裝及車間之間的運輸是影響“得率”的關(guān)鍵因素，也是人工智能可以提升“得率”的因素，即勞動對象。

三、勞動資料：人工智能如何幫助企業(yè)提升“得率”

勞動資料是勞動者作用于勞動對象所使用的傳導物或物的系統(tǒng)，在勞動資料中勞動工具具有關(guān)鍵作用[ 10 ]。人工智能的勞動資料是人工智能技術(shù)及其所需的其他生產(chǎn)要素。

目前數(shù)字技術(shù)較多，如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、RPA等，而集大成者、影響最大的是人工智能。人工智能是通過軟硬件來實現(xiàn)與人類智能相媲美的智能體。目前的人工智能僅僅在某些方面的智力超過人類，屬于弱人工智能；還沒有任何一種人工智能可以在所有方面媲美人類，達到強人工智能的水平。根據(jù)機器模仿人類推理方式的不同，可以分為符號主義、聯(lián)結(jié)主義[ 11 ]。

（一）第一代人工智能

符號主義是第一代人工智能采取的技術(shù)路線，采用從一般到特殊的演繹式推理。它主張人類思維的基本單元是符號，人類認知的過程是符號運算，是一種“自上而下”的模式[ 11 ]。符號主義人工智能的邏輯推理過程是可解釋和錯誤可追溯的，其結(jié)果的可靠性、可解釋性較強，例如戰(zhàn)勝61位世界圍棋頂尖高手的AlphaGo系統(tǒng)。符號主義導致第一代人工智能存在以下不足：第一，不存在一個無所不能的符號化人工智能系統(tǒng)，因此第一代人工智能僅僅應用于特定領(lǐng)域。第二，隱性知識無法用符號表達，因此難以處理隱性知識。

在圖1的步驟1—5中，步驟4和步驟5采取第一代人工智能來提升“得率”。（1）在步驟4，二次分選主要依靠有經(jīng)驗的分選員。目前的技術(shù)可以直接檢測原煙中尼古丁的純度，輔助判斷人工分選的結(jié)果是否合理。如果機器檢測的結(jié)果與人工分類的結(jié)果不一致，需要由人工重新分選。該技術(shù)2020年投入使用，“得率”提升了2%。（2）在步驟4原煙經(jīng)過二次分選后，由人工移動到隔壁的加工車間，并由人工投入流水線進入步驟5。在這一過程中，相對干燥的原煙會在運輸?shù)倪^程中碎裂、掉落，人工操作也容易出現(xiàn)流程錯誤的問題，影響流水線的生產(chǎn)效率。這兩個因素影響“得率”。2023年，G煙草企業(yè)研發(fā)了自動搬運設(shè)備，車間的地面上嵌入了二維碼矩陣，該設(shè)備可以通過識別二維碼計算最優(yōu)的搬運路線。在將原煙搬運到流水線時，可以自動啟動程序?qū)⒃瓱煆南渥又型度肓魉€。這一過程能夠減少原煙碎片掉落、人工流程失誤的問題。在該設(shè)備投入使用后，“得率”提升了1.4%。與技術(shù)配套，企業(yè)還投入了資金購買設(shè)備。因此，第一代人工智能的勞動資料包括技術(shù)和資本。

（二）第二代人工智能

聯(lián)結(jié)主義是第二代人工智能采取的技術(shù)路線，采用的是由特殊到一般的歸納式推理，從大數(shù)據(jù)中發(fā)現(xiàn)隱藏的特征和規(guī)律，是一種“自下而上”的模式[ 11 ]。第二代人工智能有著良好的泛化能力和可移植性，可以自主獲取知識，包括隱性知識。因此通用人工智能均是第二代人工智能。目前已經(jīng)存在可以提升“得率”的第二代人工智能技術(shù)，但G煙草加工企業(yè)尚未應用第二代人工智能。

1.煙葉分級

人工智能在煙葉分級中可以發(fā)揮較大的作用，國家煙草專賣局明確提出要實施煙草智能分選。根據(jù)葉片在植株上的位置、產(chǎn)地、成色、品種等劃分為42個類別。目前，煙葉等級劃分主要依靠人工，準確率低、一致性差[ 12 ]。在初次分選中，平均合格率約為70%[ 13 ]；在二次分選中，最高約有20%達不到規(guī)定的等級[ 9 ]。因此，如果能夠利用人工智能取代人工，可以更大幅度降低成本。這主要在兩方面可以發(fā)揮作用。

（1）大數(shù)據(jù)監(jiān)督原煙初次分選

在圖1步驟1，煙農(nóng)收割原煙后對每一片煙葉進行初次分選時，可以采取大數(shù)據(jù)監(jiān)督分級的質(zhì)量[ 14 ]。根據(jù)群體大概率事件原則，按照原煙上二維碼傳輸?shù)臄?shù)據(jù)，可以每日了解采購的原煙及其分選情況，據(jù)此評估混級的高風險時段、農(nóng)戶。

（2）人工智能進行原煙分選

人工智能中的計算機視覺技術(shù)可以代替人工分選原煙。計算機視覺是指讓計算機和系統(tǒng)能夠從圖像、視頻和其他視覺輸入中獲取有意義的信息，并根據(jù)該信息采取行動或提供建議。這個過程會用到兩種關(guān)鍵技術(shù)：機器學習（也被稱為深度學習）和卷積神經(jīng)網(wǎng)絡(luò)。機器學習使用算法模型，讓計算機能夠自行學習視覺數(shù)據(jù)的上下文。經(jīng)過預訓練，計算機有能力通過自學分辨圖像。卷積神經(jīng)網(wǎng)絡(luò)將圖像分解為像素，并為像素指定標記或標簽，機器識別標簽后預測圖像，直到預測接近事實。計算機視覺技術(shù)的重要應用領(lǐng)域之一是圖片分類。

截至2024年4月30日，我國共有與煙草分選相關(guān)的人工智能發(fā)明專利111項，其中較早的是2011年。專利的申請主體既有煙草企業(yè)，也有大學等研究機構(gòu)（如深圳大學、鄭州大學），還有大數(shù)據(jù)和人工智能公司（如訊飛）。專利公開的文件并未披露人工智能技術(shù)中最關(guān)鍵的準確率，因此無從得知現(xiàn)有技術(shù)能否真正用于企業(yè)生產(chǎn)。

影響第二代人工智能準確率的因素有三方面：一是訓練第二代人工智能的數(shù)據(jù)量是否足夠。這里的數(shù)據(jù)是指已經(jīng)分選的原煙圖片。第二代人工智能的數(shù)據(jù)效率低，需要大量的數(shù)據(jù)對模型進行預訓練才能提高準確率。二是數(shù)據(jù)的質(zhì)量。如果預訓練的原煙圖片分選準確率不夠高，也會影響訓練的效率，造成數(shù)據(jù)的準確率低。三是人工能否對圖片特定區(qū)域打標簽。計算機利用機器學習和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對像素打標簽的效率較低，在數(shù)據(jù)量不夠的情況下，可以由人工根據(jù)經(jīng)驗在圖片的特定區(qū)域上進行標注，提高訓練效率。這一過程相當于把員工的經(jīng)驗轉(zhuǎn)化為人工智能的算法。

2.運輸與包裝中的人工智能

在圖1中的步驟3中，原煙運輸過程中的包裝受到政府管制，不得對包裝進行調(diào)整。這種嚴格的監(jiān)管方式會造成包裝不能適應原煙運輸，產(chǎn)生損耗，降低“得率”。目前采購原煙的業(yè)務員在不影響監(jiān)管的情況下，會針對不同原煙的運輸進行適當調(diào)整。例如，業(yè)務員在原有包裝外面再加一層保濕的包裝，以防止運輸過程中過于干燥導致煙葉碎裂。業(yè)務員如何調(diào)整全憑經(jīng)驗，目前還沒有相關(guān)的人工智能技術(shù)，但業(yè)務員可撰寫經(jīng)驗，由人工智能進行文本分析，總結(jié)不同場景、不同特點的原煙處理方法，這樣業(yè)務員的經(jīng)驗可以轉(zhuǎn)移到人工智能的算法上。

3.配套的勞動資料

第二代人工智能本身是新質(zhì)勞動資料。然而，第二代人工智能的數(shù)據(jù)效率較低，不僅需要大量數(shù)據(jù)對模型進行預訓練，而且對算力和能源的要求較高。與第一代人工智能不同，第二代人工智能使用的是GPU（圖形處理器），而不是傳統(tǒng)的CPU（中央處理器）。此外，對煙葉進行分選的生產(chǎn)線、圖像采集裝置也需要投入資本加以配置。因此，第二代人工智能的生產(chǎn)資料包括技術(shù)、數(shù)據(jù)、算力、能源、資本。對于目前擁有處理煙草分級人工智能技術(shù)的主體來說，缺乏其他生產(chǎn)要素或許是導致其技術(shù)難以應用的主要原因。例如，高校等研究機構(gòu)缺乏數(shù)據(jù)、煙草企業(yè)缺乏算力。

四、勞動者：勞動者在人工智能中的作用是什么

勞動者就是具有一定勞動技能和勞動經(jīng)驗的人，這是生產(chǎn)力中最活躍、具有能動性和創(chuàng)造性的要素[ 10 ]。勞動者是人工智能的監(jiān)督者、第二代人工智能的訓練者、人工智能的使用者。

（一）監(jiān)督人工智能

第一代人工智能采取演繹推理的方式，屬于必然推理，其結(jié)果準確。盡管如此，在生產(chǎn)的過程中，第一代人工智能仍然可能會出現(xiàn)意外而導致錯誤，需要人工監(jiān)督。例如機器運輸原煙的過程中可能會出現(xiàn)二維碼模糊而識別錯誤，此時需要人工介入。第二代人工智能采取歸納推理的方式，其結(jié)果是或然推理，做不到完全準確，因此需要人工即勞動者對其分類的結(jié)果進行監(jiān)督。例如，極為少見的原煙葉片沒有辦法被機器準確分類，需要人工分類。

（二）訓練第二代人工智能

第二代人工智能采取歸納主義的方式，訓練第二代人工智能的數(shù)據(jù)數(shù)量、質(zhì)量直接影響模型的準確程度。在訓練的過程中，人類的經(jīng)驗可以通過數(shù)據(jù)由人工智能掌握。因此，需要激勵有經(jīng)驗的員工貢獻其經(jīng)驗，方式包含兩種：一是將員工對原煙分級的照片交給人工智能訓練。這種方式的效率較低。二是讓員工在原煙的照片上打標簽，然后交給人工智能訓練。對于圖1步驟3，運輸與包裝中業(yè)務員撰寫經(jīng)驗，將文本交給人工智能加以訓練，這種方式的效率較高，對數(shù)據(jù)量的要求較低。

從知識的角度來看，這一過程是將員工的個人知識轉(zhuǎn)化為企業(yè)的知識。第二代人工智能處理的是圖片和文本，而不是邏輯本身，因此其中的知識由圖片和文本承載。人工智能本身并不理解這一知識。這里的知識既包括可以直接表達的顯性知識，也包括隱藏在文本中的隱性知識。然而，分享知識取決于員工個人的意愿[ 15 ]，如何激勵員工分享知識呢？目前企業(yè)在開發(fā)新產(chǎn)品時，鼓勵員工成立項目小組，根據(jù)成果對員工和項目組進行激勵。這種方式更加靈活。在未來可以采取同樣的方式鼓勵煙草分級的員工貢獻自己的知識。

（三）激勵煙農(nóng)接受人工智能

第二代人工智能可以做到原煙的分級，那么如何激勵煙農(nóng)接受人工智能技術(shù)呢？目前主要面臨三方面的阻礙：（1）原煙的分級工作與原煙的收割緊密相連，這段時間的煙農(nóng)工作繁重，不一定有時間兼顧使用人工智能技術(shù)。（2）從事農(nóng)業(yè)生產(chǎn)的農(nóng)民以老年人居多，老年人對新技術(shù)的接受能力較低。（3）原煙的采購價格由政府管制。原煙混級在一定程度上給了煙農(nóng)實施機會主義的空間，以此增加收入。然而，在使用人工智能技術(shù)后煙農(nóng)套利的空間消失。

目前煙草加工企業(yè)存在可以借鑒的經(jīng)驗。2002年，G企業(yè)推出“訂單式生產(chǎn)”項目，對煙農(nóng)的技術(shù)有一定的要求。G企業(yè)對“訂單式生產(chǎn)”項目的煙草向監(jiān)管部門申請?zhí)岣吡耸召弮r格，以此增加煙農(nóng)的收入，達到激勵煙農(nóng)的效果。因此可以借鑒“訂單式生產(chǎn)”的項目經(jīng)驗，以提高采購價格等形式激勵煙農(nóng)。在激勵額度方面，可以估算使用人工智能技術(shù)后減少的采購成本和管理成本，將節(jié)省成本獲得的收益與煙農(nóng)共享。

五、結(jié)論與建議

人工智能是計算機完成原本需要人類智能才能完成的任務，是新質(zhì)生產(chǎn)力。本文從勞動者、勞動對象、勞動資料三個要素分析了人工智能如何幫助煙草企業(yè)提升“得率”、降低成本，進而高效能發(fā)展。

影響“得率”的因素是原煙的分級和運輸，這也是勞動對象。采用符號主義的第一代人工智能本身屬于勞動資料，與之適應的機器設(shè)備則需要資本；采用聯(lián)結(jié)主義的第二代人工智能技術(shù)則需要數(shù)據(jù)、能源、算力和資本。目前，煙草企業(yè)尚未使用第二代人工智能，無法將所有的勞動要素集合在一起，例如高校、煙草企業(yè)都申請了原煙分級的專利，但是高校等研究機構(gòu)缺乏數(shù)據(jù)，煙草企業(yè)缺乏算力。人類作為勞動者有三方面的作用：一是監(jiān)督人工智能是否出錯，例如原煙分級的人工智能無法將準確率提升到100%，需要人工監(jiān)督。二是員工將其個人經(jīng)驗通過訓練第二代人工智能的方式轉(zhuǎn)移到企業(yè)，例如原煙分級、運輸、包裝等。三是煙農(nóng)使用人工智能對原煙進行初次分級。

應用人工智能后，G煙草企業(yè)的“得率”已經(jīng)得到提升，節(jié)省了成本；未來應用第二代人工智能可更大幅度提升“得率”，實現(xiàn)高效能發(fā)展。新質(zhì)生產(chǎn)力的出現(xiàn)會導致原有生產(chǎn)關(guān)系的提升和變革。本文建議：（1）煙草企業(yè)應提高算力、收集數(shù)據(jù)，與高校、互聯(lián)網(wǎng)企業(yè)合作應用人工智能技術(shù)，集合勞動要素。（2）激勵煙草企業(yè)的員工和煙農(nóng)使用人工智能技術(shù)。

【參考文獻】

［1］ 李保江.推進煙草行業(yè)高效能治理的理論和實踐思考［J］.中國煙草學報，202127（3）：97-103.

［2］ 孫飛超，胡志明，張曉俊.基于智慧企業(yè)的煙草工業(yè)一體化目標管理體系模型研究［J］.企業(yè)經(jīng)濟，2017，36（2）：61-65.

［3］ 章惠民.漳州煙草數(shù)據(jù)中心前置環(huán)境綜合業(yè)務預警分析體系構(gòu)建［J］.中國煙草學報，2019，25（2）：99-103.

［4］ 付桂彥，張喜軍.煙草企業(yè)內(nèi)部財務信息管理研究：基于紅塔集團的案例［J］.財會通訊，2015（29）：48-50.

［5］ 劉梅玲，劉凱，黃虎，等.智能財務建設(shè)之新技術(shù)運用設(shè)計［J］.會計之友，2020（16）：141-149.

［6］ 孟捷，韓文龍.新質(zhì)生產(chǎn)力論：一個歷史唯物主義的闡釋［J］.經(jīng)濟研究，2024，59（3）：29-33.

［7］ 黃群慧，盛方富.新質(zhì)生產(chǎn)力系統(tǒng)：要素特質(zhì)、結(jié)構(gòu)承載與功能取向［J］.改革，2024（2）：15-24.

［8］ 侯歡.基層財政穩(wěn)定性的法律路徑思考：基于煙葉稅法治化的視角［J］.地方財政研究，2018（6）：61-69.

［9］ 陳斌，徐瑋杰，王超，等.商業(yè)煙葉收購等級質(zhì)量與工業(yè)認可度比較研究［J］.中國煙草學報，2022，28（1）： 108-114.

［10］ 胡瑩，方太坤.再論新質(zhì)生產(chǎn)力的內(nèi)涵特征與形成路徑：以馬克思生產(chǎn)力理論為視角［J］.浙江工商大學學報，2024（2）：39-51.

［11］ 魏斌.符號主義與聯(lián)結(jié)主義人工智能的融合路徑分析［J］.自然辯證法研究，2022，38（2）：23-29.

［12］ 魯夢瑤，陳棟，周強，等.基于深度學習的煙葉等級分類及特征可視化［J］.煙草科技，2023，56（6）：92-100.

［13］ 張曉偉，張軻，陳丹，等.專分散收模式下煙葉工商交接C3F等級質(zhì)量與其影響因素研究［J］.西南農(nóng)業(yè)學報，2020，33（12）：2788-2792.

［14］ 李震，邵忠順，付南亞，等.基于烤煙收購量的收購風險發(fā)生規(guī)律初探［J］.中國煙草科學，2012，33（3）：102-106.

［15］ 顧麗敏，李嘉.人工智能對企業(yè)知識管理的影響研究［J］.學海，2020（6）：39-44.