| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 管理/制度 |
| 海康威视人力资源价值评估 |
| 第766期 作者：□文/刘晓岚 边 瑞 时间：2025/12/1 14:26:37 浏览：59次 |
［提要］ 智能物联行业的技术密集性与生态化特征对人力资源价值评估提出新挑战。本文立足技术密集与生态化视角，融合改进收益法与柯布-道格拉斯生产函数构建评估模型，以海康威视为例进行实证分析，旨在为智能物联企业在技术密集与生态协同背景下优化人才配置、响应“数字中国”战略提供量化评估工具。
关键词：智能物联；人力资源；价值评估；柯布-道格拉斯生产函数
中图分类号：F272.92 文献标识码：A
收录日期：2025年6月10日
在数字经济与实体经济深度融合背景下，智能物联行业作为新一代信息技术的核心领域，已成为全球科技竞争的重要赛道。为此，应畅通教育、科技、人才的良性循环，完善人才培养、引进、使用、合理流动工作机制，为发展新质生产力、推动高质量发展培养急需人才。同时，健全要素参与收入分配机制，激发劳动、知识、技术、管理、资本和数据等生产要素活力，更好体现知识、技术、人才的市场价值。
一、文献综述
国外学者在人力资源价值评估方法研究方面起步较早。Peter V.Le Blanc（2000）构建人力资本评价模型时，纳入才才、战略性综合能力、文化相关性、知识管理和领导力等因素，强调企业需根据自身人力资本特点进行调整。Goldin C D（2016）认为人力资本是劳动力的知识技能存量，常借助外部因素提升其他劳动者的生产能力，教育培训及健康是影响人力资本价值的关键。Pasban M（2016）从人力资源管理角度出发，认为人力资本需具备充足的知识储备和创新能力，以更好服务客户、创造效益。Sergiu Stefan Nicolaescu（2020）为知识型组织构建 HCDA 评价模型，选取技术能力、内在动机、获得成就和未来成长四个指标评估员工效益。
眭水炳（2024）认为，岗位价值评估能使中小企业精准衡量各岗位贡献，制定公平薪酬体系。张雨晴（2024）将DCF模型与 B-S 期权模型结合，为高管人力资本价值评估提供新思路。康晓沛（2022）运用收益法评估制造业上市公司高管人力资本价值。王静言（2023）采用未来收益折现模型计算人力资源实物期权价值，借助 B-S 模型降低不确定性影响。王克（2023）参考物质资本价值决定机制，结合收益分配理论，构建企业人力资本价值评估模型。王良锦（2024）提出科技创新人才价值贡献率是人才价值溯源分成的核心参数，通过综合评估指标体系确定。本文将人力资源看作一种期权，结合超额收益法和实物期权法，基于现有研究以及当前评估现状C-D生产函数进行分割，计算技术驱动型企业人力资源的现有价值和潜在价值，将不在会计账目上反映的资产价值估算出来，具有较好的实操性。
二、理论模型构建
（一）改进收益法
V1=■■
其中，V1代表人力资源的当前价值；Ht则用于表示第t年的人力资源贡献率，反映人力资源在该年份对企业或组织的具体贡献程度，同时将第t其年的总收益记作Rt；Rt×Ht代表第t年人力资源所创造的收益；n代表人力资源价值的时间跨度，即年限；i作为折现率，用于将未来年份的收益折算至当前价值。
（二）柯布-道格拉斯函数。人力资源贡献率采用柯布-道格拉斯成产函数确定：
Qt=A（t）KtαHtβ
其中，Qt是第t年企业产出，用息税前利润表示；A（t）为第t年企业技术水平；Kt为第t年企业物质资源投入，用本年资产平均余额表示；Ht为第t年企业人力资源投入，用“支付给职工以及为职工支付的现金”核算；α、β分别为物质资源、人力资源产出弹性。
（三）实物期权法
V2=SN（d1）-Xe-rTN（d2）
其中，V2表示海康威视人力资源的潜在价值；S表示目前人力资源的现有价值；X表示人力资源的支出成本；T表示人力资源期权的有效时间。
（四）数据来源。结合2017～2023年海康威视年报，获取其各年息税前利润数据、人力资源投入数据、工会经费和职工教育经费的支出成本；通过Choice金融终端，获取沪深300指数十年的平均年化收益率6.75%以及β系数的数据，用于折现率计算。
三、案例分析
（一）公司简介。海康威视成立于2001年，总部位于中国杭州，是全球智能物联（AIoT）领域的龙头企业。公司以视频感知技术为核心，深度融合人工智能、大数据、云计算及边缘计算等前沿技术，构建了覆盖智慧城市、工业互联网、企业数字化转型的智能物联生态体系，为150余个国家和地区提供数字化解决方案。作为技术驱动型企业，海康威视研发人员占比超50%，年均研发投入占营收比重超10%，累计授权专利逾1.2万件，连续多年位列全球安防行业榜首。其高效的人力资源配置与创新能力，不仅支撑了技术快速迭代与场景化应用拓展，也为“数字中国”战略下产才协同提供了标杆范例。
（二）人力资源外在价值计算
1、EBIT预测。灰色预测模型以微分方程描述形式，展现灰色信息系统发展连续过程，挖掘时序数据潜在规律性特征，突破系统完备信息要求限制，适用于小样本，数据要求更具灵活性。与之相比，回归分析模型需大量历史数据且对数据完整性要求高；时间序列分析模型处理时序数据时，常要求数据有平稳性或季节性特征。
在对企业的EBIT进行预测时，本文选用新陈代谢灰色预测模型。EBIT（EBIT=净利润+所得税费+利息费用）主要反映了企业通过主营业务活动所获得的利润，能够集中体现企业在生产经营过程中的价值创造能力和经营管理水平。它不受企业融资决策和税务政策变化的影响，有助于更客观地评估企业人力资源对核心业务盈利能力的贡献，适用于小样本数据预测。对2017～2023年海康威视的息税前利润历史数据进行异常值的初步处理，运用该模型进行预测分析，模型精度等级为优秀，拟合优度0.9832。然而，海康威视所处的智能物联行业人力资源流动性高，这意味着人力资源构成和贡献存在动态变化，可能影响长期预测稳定性。基于此，综合考虑行业特点、企业中期战略规划以及市场发展预期，本文谨慎地将企业人力资源的预测期定为5年，以涵盖短期人力资源动态变化的不确定性，确保预测的实用性和准确性。（表1）
2、折现率计算。折现率又称投资报酬率，一般可以通过资本资产定价模型、套利定价模型及资本成本模型等进行计算。本文采用资本资产定价模型：
R＝r+β×（Rm-r）
其中，R是折现率；选择基准日五年期国债利率3.12%作为r，这是因为五年期国债具有较高的流动性和较低的违约风险，能够较好地反映无风险利率水平；Rm为平均行业资产收益率，选择Choice金融终端中沪深300指数，十年的平均年化收益率6.75%；β系数来源于Choice金融终端。得到最终结果为6.86%。
3、人力资源贡献率。研究专注于智能物联行业内的12家上市企业，收集并分析了这些企业近六年的相关数据。在面板数据模型构建中，本研究选取lnK、lnH作为解释变量，lnEBIT作为被解释变量，采用稳健标准误法进行估计。研究构建了混合POOL模型、固定效应FE模型和随机效应RE模型三种面板模型，并通过系列检验确定最优模型。经检验，F检验结果显示F（11，58）=8.959，p值为0.000，表明固定效应FE模型相较于混合POOL模型具有更优的解释力；BP检验统计量chi（1）=37.045，p值为0.000，说明随机效应RE模型较混合POOL模型更适合该数据特征；而Hausman检验的统计量chi（1）=0.205，p值为0.651，未达到显著性水平，意味着随机效应RE模型在解释能力上优于固定效应FE模型。综合以上检验结果，最终选定随机效应RE模型作为本研究的分析模型。（表2）
综合评估，RE模型在拟合方面显著，可得α=0.264，β＝0.654，具体公式为：
Yt＝AKt0.264Ht0.654
对2018～2023年海康威视人力资源贡献率的深入分析显示，该期间企业经营与人力资源配置受多种因素驱动呈现明显波动。2018～2020年，海康威视为巩固其在智能物联领域的领先地位，积极加大研发投入，拓展市场份额，业务扩张对人力资源的需求激增，研发、市场、运营等多部门人员规模快速膨胀，人力投入与产出效能显著提升。2020年，突如其来的新冠肺炎疫情使市场环境急剧恶化，需求端的剧烈波动迫使企业紧急调整人力资源策略，缩减非核心岗位人员配置，集中资源确保核心业务运转，人力资源贡献率随业务收缩而下滑。2021年，公司将重点转向内部管理优化，通过组织架构调整和运营流程再造提升效率，人力资源结构得以优化，人效比逐步回升。2022～2023年，随着新冠肺炎疫情阴霾消散，市场活力重现，海康威视业务强势复苏，营业收入增长率高达42%；同时，新能源汽车等关联行业的蓬勃发展催生了对智能物联技术人才的巨大需求，企业再度进入人才扩充周期，人力资源贡献率随之攀升。鉴于智能物联行业新兴特性及长期发展潜力，调整异常值后，人力资源贡献率的均值28.64%，具有较强的代表性和稳健性，适合作为中长期预测基准。这一均值不仅反映了企业在不同经营周期下的人力资源利用效率，还为未来五年的人力资源战略规划提供了可靠的量化依据。（表3）
4、结果分析
V1＝■＋■＋■＋■＋■≈231.2亿元
（三）人力资源内在价值计算。由于人工智能行业发展迅速，人力资源是核心资产。用实物期权法有助于企业在不确定中把人力资源的投资机会。实物期权法的独特之处在于，它不仅考虑了人力资源当前的价值，还考虑了未来可能出现的各种机会和不确定性。这种方法为海康威视提供了一种灵活的工具，使其能够在快速变化的市场环境中，对人力资源进行有效管理和投资决策。通过这种方式，海康威视可以更好地把握人工智能行业的发展机遇，提升企业的核心竞争力和市场价值。
通过上文分析，S为人力资源创造的预期收益的折现值，即S=V1=231.2亿元，同时，我们选择成本现值之和作为支出成本。X是人力资源的支出成本，即支出成本=取得成本+开发成本，取得成本取“支付给职工以及为职工支付的现金”，即2023年末约为179.78亿元。
结合海康威视的年报数据计算取得成本，2017～2023年的工会经费和职工教育经费的支出成本分别约为0.62亿元、1.17亿元、1.55亿元、1.76亿元、1.82亿元、2.73亿元、4.28亿元。经过一元线性回归预测，2024～2028年的支出成本分别约为4.05亿元、4.56亿元、5.08亿元、5.59亿元、6.10亿元。根据工会经费2%和职工教育经费2.5%的最高比例平均计算，2.5/（2%+2.5%）≈55.56%，可以算出教育经费比例为55.56%，因此可以得出2024～2028年预测的教育经费分别约为2.25亿元、2.53亿元、2.82亿元、3.11亿元、3.39亿元。以2023年为基础计算现值：
■＋■＋■＋■＋■≈11.45亿元
经计算，2023年人力资源的取得成本和开发成本为179.78+11.45=191.23亿元；根据前文的分析，已经得出人力资源贡献率值为28.64%，行权期限T为5年，Pt=0.2，代入公式得：
■h=（■EBITt×Pt）×Ht≈56.59亿元
人力资源创造收益标准差：
σ=■×Pt≈4.49亿元
人力资源价值波动率：δ=■≈■≈0.08
因此，海康威视人力资源价值波动率（风险程度）为0.08。
V2=S·N（d1）-X·e-rT·N（d2）
d1=■≈2.03
d2=d1-σ·■≈1.851
N（d1）≈0.9788，N（d2）≈0.9678
经计算，结合的d1和d2结果来看，表明海康威视的人力资源在未来5年创造的价值大于支出成本的确定性强，执行这项“期权”去确定性高。
V2=231.2×0.9788-191.23×0.855×0.9678≈68亿元
综上所述，海康威视人力资源价值为V1+V2=299.2亿元。
四、结论及建议
（一）结论。本文通过改进收益法、柯布-道格拉斯生产函数与实物期权法的融合模型，系统评估智能物联龙头企业海康威视的人力资源价值。2018～2023年，人力资源贡献率均值为28.64%，符合技术密集型行业的特征，表明人力资源在技术研发与市场拓展中发挥核心作用。但受技术周期与政策导向影响，人力资源贡献率呈现显著波动。人力资源外在价值约为231.2亿元，潜在价值约为68亿元，总价值约为299.2亿元。实物期权法进一步验证，人力资源价值波动率仅为8%，表明其在不确定环境中具备低风险、高韧性的战略支撑能力。
（二）建议。针对海康威视的人力资源价值评估，建议企业结合技术周期与市场需求波动，灵活调整研发与市场团队规模。在技术迭代期加大高端人才引进，政策红利期扩大生态合作团队。同时，完善人才培养机制，与高校、科研机构共建实训基地，缩短技术成果转化周期。此外，进一步量化人力资源在智能物联生态中的跨组织价值溢出，为行业协同创新提供理论支持。建议企业加强人力资源的跨部门协作与知识共享，提升团队创新能力与适应性，以应对市场的不确定性挑战，推动企业可持续发展。（通讯作者：边瑞）
（作者单位：西南林业大学经济管理学院）
主要参考文献：
［1］张雨晴，李朝红.企业高管人力资本价值评估研究——以数字政通公司为例［J］.全国流通经济，2024（16）.
［2］王良锦，辜穗，方峦，等.油气企业科技创新人才价值溯源分成评估［J］.天然气工业，2024.44（06）.
［3］曾瑞勇，王克，郝翡.基于马斯洛需求层次理论的企业人力资本价值评估研究——以中芯国际为例［J］.财务管理研究，2023（06）.
［4］王静言.基于实物期权的新能源动力电池企业人力资源价值评估［D］.昆明：云南财经大学，2023.
［5］张天乐.基于改进C-D函数的数据驱动型企业企业家价值评估研究［D］.沈阳：辽宁大学，2023.
［6］刘欢.企业高管人力资本价值评估研究——以J公司为例［J］.商业观察，2023.09（02）.
［7］康晓沛.基于收益分成法的制造业上市公司高管人力资本价值评估［D］.柳州：广西科技大学，2022.
［8］李嘉欣.智力资本价值评估研究［D］.昆明：云南财经大学，2022.
|
|
|
|
