【摘要】在一个企业研发博弈环境下，运用强化学习Q-learning算法对多智能体进行联合训练，探讨人工智能决策下企业研发竞争的可能结果。主要结论：第一，与纳什均衡结果相比，人工智能决策下企业研发投入更低而利润水平更高的情况是普遍存在的；第二，智能体数量的增加能够降低“合谋”的实现概率；第三，研发的外溢度会促进智能体“合谋”,且在智能体数量较多时更易实现；第四，学习率的提高能够降低“合谋”的实现概率，且在智能体数量较多且研发外溢度较低时作用更显著。基于以上研究结果，提出加强人工智能算法在企业决策层面应用管理的政策建议，为数字经济时代的算法监管政策和反垄断规制的完善提供了理论支持。