智能會(huì)計(jì)國內(nèi)外研究熱點(diǎn)與趨勢(shì)比較

■/ 王世杰 李抒璠 田可馨

一、引言

黨的二十大對(duì)加快建設(shè)數(shù)字中國作出重要部署，以大數(shù)據(jù)、云計(jì)算、人工智能為代表的數(shù)字經(jīng)濟(jì)被認(rèn)為是新一輪科技革命的主要指標(biāo)，對(duì)會(huì)計(jì)行業(yè)產(chǎn)生全方位的影響，智能會(huì)計(jì)研究成為學(xué)界關(guān)注的熱點(diǎn)，國家十四五發(fā)展規(guī)劃提出要加快數(shù)字化發(fā)展、建設(shè)數(shù)字中國，實(shí)施“上云用數(shù)賦智”行動(dòng)，推動(dòng)數(shù)據(jù)賦能。國資委提出企業(yè)要運(yùn)用大數(shù)據(jù)、人工智能等新技術(shù)，充分發(fā)揮財(cái)務(wù)作為天然數(shù)據(jù)中心的優(yōu)勢(shì)，推動(dòng)財(cái)務(wù)管理從信息化向數(shù)字化、智能化轉(zhuǎn)型。會(huì)計(jì)界開啟了智能會(huì)計(jì)熱潮，本文認(rèn)為當(dāng)前的智能會(huì)計(jì)僅是初級(jí)的智能會(huì)計(jì)，難以名符其實(shí)，智能會(huì)計(jì)建設(shè)是一個(gè)長期過程，更準(zhǔn)確的界定應(yīng)該是會(huì)計(jì)智能化，為了與現(xiàn)有文獻(xiàn)保持一致，下文將不再區(qū)分兩者，以智能會(huì)計(jì)統(tǒng)稱相關(guān)研究。

面對(duì)新技術(shù)沖擊和新產(chǎn)業(yè)變革，及時(shí)分析總結(jié)智能會(huì)計(jì)的研究進(jìn)展，總結(jié)經(jīng)驗(yàn)、發(fā)現(xiàn)不足，為下一步研究提供經(jīng)驗(yàn)借鑒和數(shù)據(jù)支持。目前，諸多學(xué)者對(duì)智能會(huì)計(jì)領(lǐng)域文獻(xiàn)進(jìn)行統(tǒng)計(jì)計(jì)量與分析，發(fā)現(xiàn)智能會(huì)計(jì)研究文獻(xiàn)快速增加，學(xué)者間、機(jī)構(gòu)間缺乏研究合作，技術(shù)實(shí)踐和理論探討結(jié)合不緊密；認(rèn)為亞洲國家具有較大領(lǐng)先優(yōu)勢(shì)，國外研究側(cè)重技術(shù)和基礎(chǔ)機(jī)理，國內(nèi)學(xué)者側(cè)重于探討技術(shù)對(duì)傳統(tǒng)會(huì)計(jì)的影響和應(yīng)對(duì)措施（張俊瑞等，2022；孔維偉等，2022；侯芳等，2020）。

二、數(shù)據(jù)來源與方法

（一）數(shù)據(jù)來源

本文文獻(xiàn)收集時(shí)間點(diǎn)為2022年10月25號(hào)，收集2012-2022年十年發(fā)文情況，從CNKI 選取中文文獻(xiàn)，以“主題=智能+會(huì)計(jì)或大數(shù)據(jù)+會(huì)計(jì)，期刊來源=SCI+北核+CSSCI”為條件，共得894篇，剔除不相關(guān)文獻(xiàn)67篇，最終得到可分析文獻(xiàn)827篇。從Web Of Science選取外文文獻(xiàn)，以“主題=Intelligence and Accounting or Big Data and Accounting，期刊來源=Web Of Science核心合集并剔除全部引文索引，文獻(xiàn)類型為Article和Review”為條件，剔除不相關(guān)的文獻(xiàn)，最終得到可分析文獻(xiàn)241篇。

（二）研究方法與工具

Cite Space基于共引分析理論（Co－Ciation）和尋徑網(wǎng)絡(luò)算法（Path Finder）等技術(shù)，對(duì)特定領(lǐng)域文獻(xiàn)（集合）進(jìn)行計(jì)量，并通過一系列可視化圖譜形成對(duì)學(xué)科演化潛在動(dòng)力機(jī)制的分析和學(xué)科發(fā)展前沿的探測(cè)，以關(guān)鍵節(jié)點(diǎn)（N）大小反映被引或共現(xiàn)的頻次，節(jié)點(diǎn)年輪圈代表不同年份發(fā)表論文的數(shù)量，年輪越寬，代表在相應(yīng)的年份上被引用或出現(xiàn)的次數(shù)越多。節(jié)點(diǎn)間連線關(guān)鍵路徑（E）突出顯示重要節(jié)點(diǎn)間連線，表示各節(jié)點(diǎn)關(guān)系的密切程度，即節(jié)點(diǎn)越大說明發(fā)文量越多，連線越粗且數(shù)量越多說明合作越緊密。本文運(yùn)用Cite Space V.6.1 R2從發(fā)文國家、發(fā)文機(jī)構(gòu)、發(fā)文期刊、文獻(xiàn)關(guān)鍵詞等多個(gè)維度對(duì)現(xiàn)有文獻(xiàn)進(jìn)行分析，多視角研究國內(nèi)外智能會(huì)計(jì)研究進(jìn)展和熱點(diǎn)問題，將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀清晰的圖形，比較國內(nèi)外研究異同，為智能會(huì)計(jì)研究提供宏觀數(shù)據(jù)支持（陳悅等，2015）。

三、智能會(huì)計(jì)文獻(xiàn)多視角分析

文獻(xiàn)作者的國別和機(jī)構(gòu)反映出不同國家和機(jī)構(gòu)在智能會(huì)計(jì)領(lǐng)域研究中的成果和地位，發(fā)文期刊可以反映不同學(xué)科對(duì)智能會(huì)計(jì)的態(tài)度，較好呈現(xiàn)國內(nèi)外智能會(huì)計(jì)研究的整體情況。

（一）外文文獻(xiàn)核心研究國家

表1可知，中國、美國、英國、澳大利亞等十個(gè)國家是全球智能會(huì)計(jì)領(lǐng)域發(fā)文數(shù)量最多的國家。中國遙遙領(lǐng)先，美國其次，兩國合計(jì)占智能會(huì)計(jì)領(lǐng)域近50%的發(fā)文量，說明中、美兩國在領(lǐng)域內(nèi)具有絕對(duì)的領(lǐng)先地位。除中、美外，只有英、澳兩國發(fā)文超過10篇，說明該領(lǐng)域其他國家高水平研究成果較少。僅有中國、印度和羅馬尼亞三個(gè)發(fā)展中國家排名前十，其他均為發(fā)達(dá)國家，表明智能會(huì)計(jì)研究發(fā)達(dá)國家整體更具優(yōu)勢(shì)。

表1 主要發(fā)文國家

（二）研究機(jī)構(gòu)

1.外文文獻(xiàn)。外文文獻(xiàn)機(jī)構(gòu)發(fā)文量統(tǒng)計(jì)見表2，羅格斯大學(xué)、克拉約瓦大學(xué)、倫敦大學(xué)等排名靠前。羅格斯大學(xué)位居首位，占外文文獻(xiàn)總量的2.07%，其余機(jī)構(gòu)占比均不超過2%，反應(yīng)了羅格斯大學(xué)在會(huì)計(jì)信息系統(tǒng)領(lǐng)域的傳統(tǒng)優(yōu)勢(shì)地位。總體上，智能會(huì)計(jì)領(lǐng)域參與者較多，但并無機(jī)構(gòu)占據(jù)絕對(duì)優(yōu)勢(shì)地位，可能是智能會(huì)計(jì)尚處于起步階段，吸引眾多機(jī)構(gòu)和研究者的涌入，但暫時(shí)均未占據(jù)優(yōu)勢(shì)地位。

與國家整體發(fā)文量不同，在頭部研究機(jī)構(gòu)中，美國和澳大利亞反超中國，羅馬尼亞（克拉約瓦大學(xué)）、沙特阿拉伯（阿卜杜勒阿齊茲國王大學(xué)）、芬蘭（阿爾托大學(xué)）等國研究機(jī)構(gòu)也表現(xiàn)良好。說明智能會(huì)計(jì)在全球廣受關(guān)注，并未形成優(yōu)勢(shì)明顯的中心，中美兩國總量優(yōu)勢(shì)可能來自研究機(jī)構(gòu)數(shù)量的疊加，而非優(yōu)勢(shì)機(jī)構(gòu)的質(zhì)量加持。同時(shí)說明該領(lǐng)域中國參與機(jī)構(gòu)較多，普及度高，但成果分散，與美、澳兩國相比并未形成具有優(yōu)勢(shì)的研究中心。

2.中文文獻(xiàn)。中文期刊中發(fā)文量前十機(jī)構(gòu)見表3，主要是上海國家會(huì)計(jì)學(xué)院、中南財(cái)經(jīng)政法大學(xué)、北京國家會(huì)計(jì)學(xué)院等財(cái)經(jīng)類院校，而重慶理工大學(xué)發(fā)文的二級(jí)單位主要是會(huì)計(jì)學(xué)院，可見國內(nèi)智能會(huì)計(jì)研究機(jī)構(gòu)和團(tuán)隊(duì)主要集中在經(jīng)濟(jì)管理領(lǐng)域。重慶理工大學(xué)發(fā)文77篇，占總發(fā)文量的9.07%，占前十機(jī)構(gòu)發(fā)文量的38.8%，反映出重慶理工大學(xué)在該領(lǐng)域的深厚底蘊(yùn)和扎實(shí)基礎(chǔ)。其余機(jī)構(gòu)發(fā)文數(shù)量差距不大，占比均在3%以下，說明智能會(huì)計(jì)研究廣受關(guān)注，除重慶理工大學(xué)頭部地位顯著外，其他單位優(yōu)勢(shì)均不明顯。

表3 國內(nèi)主要發(fā)文機(jī)構(gòu)

（三）發(fā)文期刊

學(xué)術(shù)期刊會(huì)更加關(guān)注熱點(diǎn)研究領(lǐng)域，不同類型期刊刊文情況能反映智能會(huì)計(jì)在不同學(xué)科領(lǐng)域的關(guān)注程度。

1.外文文獻(xiàn)。智能會(huì)計(jì)文獻(xiàn)的外文期刊比較多樣，排名前十的期刊見表4，共發(fā)文92篇，占總發(fā)文量241篇的3817%。以中科院SCI 期刊分區(qū)標(biāo)準(zhǔn)涉及工程技術(shù)、管理學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)等三個(gè)門類。以工程技術(shù)類和管理學(xué)兩個(gè)學(xué)科的期刊最多，分別為55、28篇，占總發(fā)文量的22.8%、11.6%，其他學(xué)科期刊占比均不足4%。第1、第5和第10位是管理學(xué)（會(huì)計(jì)學(xué)）專業(yè)期刊，第2位的也與會(huì)計(jì)相關(guān)，但其他期刊均為工程和生態(tài)等自然科學(xué)領(lǐng)域，從期刊數(shù)量和刊文數(shù)量上看，管理類期刊均未過半，說明國際研究中，工程技術(shù)等領(lǐng)域更加關(guān)注智能會(huì)計(jì)研究，注重技術(shù)與會(huì)計(jì)的結(jié)合，而社會(huì)科學(xué)領(lǐng)域反而不占主導(dǎo)，或者說外文研究對(duì)智能會(huì)計(jì)技術(shù)方法等底層更加重視，純文科應(yīng)用理論研究并非主流。

表4 國際主要發(fā)文期刊

2.中文文獻(xiàn)。中文智能會(huì)計(jì)刊文前十的期刊如表5，共發(fā)文715篇，占中文文獻(xiàn)總量的84.22%。會(huì)計(jì)之友發(fā)文領(lǐng)先共206 篇，占總發(fā)文量的24.26%，財(cái)會(huì)月刊、財(cái)務(wù)與會(huì)計(jì)、財(cái)會(huì)通訊刊文排名靠前，發(fā)文均超過100篇，占比均超過10%。前十期刊中除中國飼料和中國職業(yè)教育外均為經(jīng)濟(jì)管理類期刊，占總發(fā)文量的82.45%?？傮w看中文文獻(xiàn)研究集中在經(jīng)濟(jì)管理等社會(huì)科學(xué)，而僅有中國飼料一個(gè)偏自然科學(xué)。

表5 國內(nèi)主要發(fā)文期刊

從刊文期刊看，國內(nèi)與國際智能會(huì)計(jì)研究關(guān)注點(diǎn)存在較大差異，外文期刊或國際研究對(duì)智能會(huì)計(jì)研究集中在自然科學(xué)領(lǐng)域，注重研究人工智能新技術(shù)新方法在會(huì)計(jì)工作中的應(yīng)用；而中文期刊或者國內(nèi)研究主要集中在經(jīng)濟(jì)管理領(lǐng)域，基于人工智能的特征分析技術(shù)對(duì)會(huì)計(jì)的影響和應(yīng)用前景，集中在財(cái)會(huì)領(lǐng)域，沒有體現(xiàn)智能會(huì)計(jì)的學(xué)科交叉屬性，可能不利于國內(nèi)智能會(huì)計(jì)長遠(yuǎn)發(fā)展。結(jié)合國別和機(jī)構(gòu)數(shù)據(jù)，容易發(fā)現(xiàn)中國在智能會(huì)計(jì)領(lǐng)域研究成果較多，但外文與中文文獻(xiàn)的研究機(jī)構(gòu)和研究者并非同一群體。外文期刊研究者集中在自然科學(xué)領(lǐng)域，而中文期刊研究者則集中在經(jīng)濟(jì)管理領(lǐng)域，特別是財(cái)會(huì)領(lǐng)域，呈現(xiàn)出有趣的反差。這一反差的直接原因包括：一是中國科研院所的考評(píng)導(dǎo)向和學(xué)者習(xí)慣傾向于將文章發(fā)表在國外期刊，當(dāng)前大數(shù)據(jù)、人工智能作為研究熱點(diǎn)，科研院所的學(xué)者較少專門研究智能會(huì)計(jì)問題，研究成果傾向發(fā)表于外文期刊，導(dǎo)致偏向自然科學(xué)的研究成果更多在外文期刊發(fā)表；二是中文文獻(xiàn)作者背景偏向財(cái)會(huì)專業(yè)，正確理解掌握大數(shù)據(jù)、人工智能技術(shù)存在難度，相關(guān)研究圍繞技術(shù)帶來的影響和應(yīng)用方式展開，成果集中在財(cái)會(huì)期刊上。根本原因是財(cái)會(huì)領(lǐng)域懂會(huì)計(jì)、懂技術(shù)具有學(xué)科交叉背景的復(fù)合型創(chuàng)新型人才缺乏。

四、國內(nèi)外研究熱點(diǎn)及趨勢(shì)

（一）關(guān)鍵詞共現(xiàn)分析

外文和中文文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)將時(shí)間切片設(shè)置為1，節(jié)點(diǎn)類型為“Keyword”，確定研究熱點(diǎn)，見圖1。在外文文獻(xiàn)中，“Big Data”中心位置顯著，“Artificial Intelligence”“Management”“Model”“Performance”等關(guān)鍵詞關(guān)注度較高。中文文獻(xiàn)中，除了“大數(shù)據(jù)”外，“管理會(huì)計(jì)”也表現(xiàn)顯著，其后是“云會(huì)計(jì)”“人工智能”“智能財(cái)務(wù)”等關(guān)鍵詞關(guān)注度較高。反映出中外文期刊研究主題的差異，將中外文期刊關(guān)鍵詞按頻次和中介中心性整理如表6。

圖1 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

表6 文獻(xiàn)主要關(guān)鍵詞

外文文獻(xiàn)中，“Big Data”無論在出現(xiàn)頻次和中心性都遠(yuǎn)高于其他關(guān)鍵詞，處在明顯的中心位置?！癆rtificial Intelligence”則緊隨其后。“Management”詞頻位列第3，但中心性并列第6?！癕odel”詞頻和中心性均位列第4?！癙erformance”位列第5，但中心性位列第3。第二代人工智能以數(shù)據(jù)為基礎(chǔ)，數(shù)據(jù)模型是大數(shù)據(jù)和人工智能在會(huì)計(jì)中應(yīng)用的核心工具和方法，管理是智能會(huì)計(jì)作用發(fā)揮的主要領(lǐng)域，而績效則是智能會(huì)計(jì)和企業(yè)管理水平的重要考核標(biāo)準(zhǔn)。關(guān)鍵詞排序顯示出外文文獻(xiàn)對(duì)人工智能基礎(chǔ)技術(shù)和方法在會(huì)計(jì)工作中的重視，也體現(xiàn)出對(duì)具體管理和企業(yè)實(shí)效的重視。

中文文獻(xiàn)中，“大數(shù)據(jù)”在詞頻和中心性上依然位居第1，但“管理會(huì)計(jì)”緊隨其后成為第2熱點(diǎn)，且兩者差距不大?！霸茣?huì)計(jì)”詞頻位列第3位，但中心性較低?！叭斯ぶ悄堋痹谠~頻上位列第4位，中心性位列第3?！爸悄茇?cái)務(wù)”在詞頻上位列第5位，中心性位列第4?！叭斯ぶ悄堋钡年P(guān)注度和重要性相對(duì)較差，主要探討“人工智能”對(duì)會(huì)計(jì)的影響，而未深入研究相關(guān)技術(shù)的具體應(yīng)用（王加燦等，2017），“人工智能”只與“大數(shù)據(jù)”“智能財(cái)務(wù)”“人才培養(yǎng)”等關(guān)鍵詞聯(lián)系密切。而“管理會(huì)計(jì)”與“大數(shù)據(jù)”“智能財(cái)務(wù)”“業(yè)財(cái)融合”“財(cái)務(wù)共享”“人才培養(yǎng)”等關(guān)鍵詞均有密切聯(lián)系，人們廣泛探討智能財(cái)務(wù)實(shí)現(xiàn)過程中的管理會(huì)計(jì)問題，探討業(yè)財(cái)融合和財(cái)務(wù)共享中管理會(huì)計(jì)的地位和作用。2014年被稱為中國管理會(huì)計(jì)元年，此后相關(guān)研究形成高潮（許敏等，2022）。因此“管理會(huì)計(jì)”在中文文獻(xiàn)中成為一個(gè)中心，而“人工智能”則不突出。

中外文文獻(xiàn)排名前十的關(guān)鍵詞，除了大數(shù)據(jù)、人工智能相同以外，其他八個(gè)均不相同。外文文獻(xiàn)更重視Model、Information、System等基礎(chǔ)技術(shù)和方法研究，或者是Management、Performance、Impact、Analytics等基本理論和基本要素的研究。中文文獻(xiàn)更注重智能財(cái)務(wù)、業(yè)財(cái)融合、財(cái)務(wù)共享、人才培養(yǎng)等相對(duì)宏觀的敘事，在技術(shù)方面?zhèn)戎貐^(qū)塊鏈、云計(jì)算等綜合技術(shù)的應(yīng)用和影響，而非具體技術(shù)的方法和應(yīng)用?？傮w上，國內(nèi)文獻(xiàn)更偏向理論體系的構(gòu)建與發(fā)展，對(duì)技術(shù)方法的探究僅局限于其與會(huì)計(jì)結(jié)合的場(chǎng)景及風(fēng)險(xiǎn)等問題，而國外文獻(xiàn)更偏向于實(shí)際應(yīng)用和技術(shù)層面，體現(xiàn)大數(shù)據(jù)、人工智能和會(huì)計(jì)結(jié)合的交叉學(xué)科型研究，以模型、數(shù)據(jù)和技術(shù)為構(gòu)建智能會(huì)計(jì)體系提供幫助。

（二）關(guān)鍵詞聚類分析

關(guān)鍵詞聚類圖劃分關(guān)鍵詞類群，將具有相似點(diǎn)的詞劃為一個(gè)類別并進(jìn)行特征歸納，關(guān)鍵詞聚類，能夠比較明確的反映某領(lǐng)域研究的研究熱點(diǎn)和發(fā)展趨勢(shì)。一般認(rèn)為聚類模塊值（Q值）>0.3意味著聚類結(jié)構(gòu)顯著；聚類平均輪廓值（S值）>0.5，聚類結(jié)果是合理的。外文和中文文獻(xiàn)分別繪制聚類圖，見圖2。聚類模塊值Q分別為0.5233和0.5646，聚類平均輪廓值S分別等于0.8344和0.8597，聚類結(jié)構(gòu)顯著，聚類結(jié)果令人信服。

圖2 關(guān)鍵詞聚類圖譜

一般來說，聚類的序號(hào)與其所受關(guān)注程度呈正相關(guān)關(guān)系。外文文獻(xiàn)共得到8個(gè)聚類，分別為：#0Big Data、#1Machine Learning、#2Panel Data、#3 Business Intelligence、#4 Data Analytics、#5 Big Data Analytics、#6Audit Quality、#7 Managerial Accounting。外文文獻(xiàn)聚類中大數(shù)據(jù)、機(jī)器學(xué)習(xí)、數(shù)據(jù)面板、數(shù)據(jù)分析等大多為技術(shù)層面的詞語，且聚類序號(hào)總體靠前；中文文獻(xiàn)共得到8個(gè)聚類，分別是：#0云會(huì)計(jì)、#1智能財(cái)務(wù)、#2人工智能、#3管理會(huì)計(jì)、#4公立醫(yī)院、#5會(huì)計(jì)信息、#6智能合約、#7云計(jì)算。中文文獻(xiàn)中云會(huì)計(jì)、智能財(cái)務(wù)、會(huì)計(jì)信息化、智能合約云計(jì)算等類別則更加注重于一種概念的提出和理論的構(gòu)建。根據(jù)對(duì)聚類類別的簡單分析，可進(jìn)一步印證關(guān)鍵詞共現(xiàn)中得出的結(jié)論。

（三）關(guān)鍵詞時(shí)間線圖分析

時(shí)間線圖將時(shí)間因素融進(jìn)知識(shí)圖譜，把聚類關(guān)鍵詞按時(shí)間順序展開，反映關(guān)鍵詞隨時(shí)間發(fā)展的演進(jìn)變化。時(shí)間線圖以關(guān)鍵詞發(fā)展歷程作為橫軸，每一行代表一個(gè)聚類，橫線上的節(jié)點(diǎn)代表關(guān)鍵詞?？梢钥闯鰢鴥?nèi)外研究均可分為三個(gè)階段。

外文文獻(xiàn)結(jié)果見圖3。2012-2016年，智能會(huì)計(jì)主題的發(fā)文量較少，占總發(fā)文量的12.86%，該階段研究圍繞“大數(shù)據(jù)”、“會(huì)計(jì)信息系統(tǒng)”、“人工智能”等關(guān)鍵詞，探討大數(shù)據(jù)、人工智能等技術(shù)對(duì)會(huì)計(jì)行業(yè)及從業(yè)人員的影響。Schneider et al（2015）根據(jù)會(huì)計(jì)信息系統(tǒng)元理論的組織原則識(shí)別當(dāng)前的數(shù)據(jù)分析使用，研究數(shù)據(jù)分析如何影響會(huì)計(jì)環(huán)境，并討論挑戰(zhàn)和研究機(jī)會(huì)。Warren et al（2014）認(rèn)為大數(shù)據(jù)可以幫助創(chuàng)建和完善會(huì)計(jì)標(biāo)準(zhǔn)，確保會(huì)計(jì)專業(yè)在動(dòng)態(tài)、實(shí)時(shí)、全球經(jīng)濟(jì)發(fā)展過程中提供有用的信息。Bhimani et al（2014）提出大數(shù)據(jù)等信息技術(shù)改變管理信息的收集和分析，會(huì)計(jì)信息更宜于改變業(yè)務(wù)決策，采用大數(shù)據(jù)技術(shù)消除管理者分析和執(zhí)行之間的距離。Sutton et al（2016）認(rèn)為人工智能在會(huì)計(jì)領(lǐng)域具有很大的潛力，對(duì)人工智能技術(shù)在會(huì)計(jì)領(lǐng)域的可用性和使用進(jìn)行了研究。2017—2019年，發(fā)文量提升，占總發(fā)文量的25.73%。延續(xù)前一階段的熱詞，從實(shí)證角度尋找證據(jù)探究大數(shù)據(jù)、人工智能等技術(shù)如何與會(huì)計(jì)進(jìn)行更好的結(jié)合，突現(xiàn)“決策”“企業(yè)系統(tǒng)”“業(yè)務(wù)流程智能化”等關(guān)鍵詞。Uday et al（2017）探索應(yīng)用Apache Hadoop和Map Reduce等大數(shù)據(jù)技術(shù)構(gòu)建信息提取模型，提取與企業(yè)業(yè)務(wù)相關(guān)的外部大數(shù)據(jù)，幫助企業(yè)進(jìn)行會(huì)計(jì)決策。Thomas et al（2018）提出基于人工智能認(rèn)知計(jì)算模型支持會(huì)計(jì)行業(yè)的任務(wù)自動(dòng)化方案。2020—2021年，該領(lǐng)域的研究熱度有了大幅提升，發(fā)文量占總發(fā)文量的61.41%，熱點(diǎn)詞中首次突現(xiàn)“機(jī)器學(xué)習(xí)”“自動(dòng)化”“神經(jīng)網(wǎng)絡(luò)”“區(qū)塊鏈”“技術(shù)”等，主要研究新技術(shù)手段與會(huì)計(jì)行業(yè)的有效結(jié)合。Shao et al（2021）構(gòu)建了會(huì)計(jì)信息安全關(guān)聯(lián)區(qū)塊鏈大數(shù)據(jù)分析模型，并對(duì)樣本數(shù)據(jù)進(jìn)行處理，證明該設(shè)計(jì)方法可以有效提高會(huì)計(jì)信息存儲(chǔ)和管理的安全性和穩(wěn)定性。Zeng（2022）利用BP神經(jīng)網(wǎng)絡(luò)建立了一個(gè)典型的財(cái)務(wù)困境預(yù)警模型，對(duì)上市公司財(cái)務(wù)數(shù)據(jù)的訓(xùn)練樣本進(jìn)行迭代處理，結(jié)果顯示BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確率明顯高于其他類型的模型。Zheng（2022）研究基于機(jī)器學(xué)習(xí)和企業(yè)非結(jié)構(gòu)化文本數(shù)據(jù)的財(cái)務(wù)會(huì)計(jì)高級(jí)人工智能改造模型，期望利用機(jī)器學(xué)習(xí)和非結(jié)構(gòu)化文本技術(shù)，提升財(cái)務(wù)會(huì)計(jì)的管理水平和分析水平。

圖3 國際關(guān)鍵詞時(shí)間線圖

中文文獻(xiàn)中，2012-2016年發(fā)文量占總體文獻(xiàn)的18.73%，發(fā)文較少，關(guān)鍵詞包括“云會(huì)計(jì)”“大數(shù)據(jù)”“管理會(huì)計(jì)”“會(huì)計(jì)轉(zhuǎn)型”等，研究內(nèi)容主要分析大數(shù)據(jù)對(duì)會(huì)計(jì)行業(yè)帶來的沖擊和影響，并且開始探索大數(shù)據(jù)背景下會(huì)計(jì)行業(yè)和會(huì)計(jì)人才的發(fā)展路徑。許金葉等（2013）提出建立會(huì)計(jì)大數(shù)據(jù)分析型企業(yè)，以事實(shí)為依據(jù)、數(shù)據(jù)分析為量化手段進(jìn)行企業(yè)經(jīng)營與管理。秦榮生（2014）從大數(shù)據(jù)涵義與特征出發(fā)，分析了大數(shù)據(jù)對(duì)會(huì)計(jì)、審計(jì)發(fā)展的影響趨勢(shì)。程平等（2016）構(gòu)建了大數(shù)據(jù)時(shí)代基于財(cái)務(wù)共享服務(wù)模式的費(fèi)用預(yù)算管理框架模型，并探討了大數(shù)據(jù)對(duì)財(cái)務(wù)共享服務(wù)模式下費(fèi)用預(yù)算管理的運(yùn)用。2017-2019年，受到德勤財(cái)務(wù)機(jī)器人的影響，智能會(huì)計(jì)文獻(xiàn)大幅度增長，該階段文獻(xiàn)占總發(fā)文量的30.98%，突現(xiàn)了“人工智能”“人才培養(yǎng)”“智能財(cái)務(wù)”“區(qū)塊鏈”“會(huì)計(jì)理論”等關(guān)鍵詞，并在后續(xù)研究中保持熱度。該階段以大數(shù)據(jù)、人工智能等為基礎(chǔ)，以云計(jì)算、云會(huì)計(jì)等技術(shù)平臺(tái)為橋梁，將研究領(lǐng)域聚焦到與信息技術(shù)相關(guān)的智能會(huì)計(jì)方向，積極構(gòu)建智能會(huì)計(jì)理論體系。施先旺等（2018）從非貨幣性資產(chǎn)交換活動(dòng)與大數(shù)據(jù)、云會(huì)計(jì)等信息技術(shù)結(jié)合的角度，構(gòu)建基于業(yè)財(cái)一體化的非貨幣性資產(chǎn)交換活動(dòng)大會(huì)計(jì)模型，并從多個(gè)角度分析了模型的應(yīng)用價(jià)值。張翠娟（2017）基于人工智能、數(shù)據(jù)挖掘、OLTP/OLAP等技術(shù)構(gòu)建了會(huì)計(jì)信息處理系統(tǒng)，提高企業(yè)會(huì)計(jì)信息的智能化處理能力。智能會(huì)計(jì)人才培養(yǎng)模式也是普遍關(guān)注的熱點(diǎn)。程平等（2018）構(gòu)建了基于CDIO的財(cái)務(wù)智能化應(yīng)用能力培養(yǎng)模型，課程體系包括導(dǎo)論性課程、傳統(tǒng)會(huì)計(jì)專業(yè)課程、信息化課程以及總結(jié)性實(shí)踐課程。進(jìn)入2020-2022年，該階段發(fā)文量占總發(fā)文量的50.29%，研究更細(xì)化，研究方向更多樣，詞匯更豐富，突現(xiàn)了“公司治理”“稅收征管”“能源工業(yè)”“企業(yè)經(jīng)營”“數(shù)據(jù)挖掘”等關(guān)鍵詞，將大數(shù)據(jù)、人工智能技術(shù)與會(huì)計(jì)更深入的融合，將前期研究成果與企業(yè)管理經(jīng)營結(jié)合，構(gòu)建技術(shù)在企業(yè)的應(yīng)用場(chǎng)景。張敏等（2021）通過梳理大數(shù)據(jù)技術(shù)在財(cái)會(huì)領(lǐng)域的應(yīng)用，指出未來將充分結(jié)合人與大數(shù)據(jù)，借助更多先進(jìn)的大數(shù)據(jù)技術(shù)挖掘財(cái)會(huì)信息。劉梅玲等（2020）以云南煙草商業(yè)為例，提出智能財(cái)務(wù)平臺(tái)的建設(shè)可按業(yè)務(wù)驅(qū)動(dòng)財(cái)務(wù)、管理規(guī)范業(yè)務(wù)和數(shù)據(jù)驅(qū)動(dòng)管理三大邏輯推進(jìn)，重點(diǎn)建設(shè)智能財(cái)務(wù)會(huì)計(jì)共享平臺(tái)、智能管理會(huì)計(jì)共享平臺(tái)和大數(shù)據(jù)分析應(yīng)用平臺(tái)（劉梅玲等，2020）。張慶龍（2022）分析數(shù)據(jù)中臺(tái)在企業(yè)中的應(yīng)用價(jià)值，提出企業(yè)基于財(cái)務(wù)共享服務(wù)中心建設(shè)數(shù)據(jù)中臺(tái)的三個(gè)路徑：業(yè)務(wù)端、IT端和財(cái)務(wù)端。

比較國內(nèi)外關(guān)鍵詞時(shí)間線圖發(fā)現(xiàn)，兩者對(duì)智能會(huì)計(jì)領(lǐng)域的探索都開始于大數(shù)據(jù)、人工智能技術(shù)對(duì)會(huì)計(jì)的影響和沖擊，研究領(lǐng)域上，國外集中于數(shù)據(jù)的分析和預(yù)測(cè)，最終提供可靠的智能決策；而我國還處于智能會(huì)計(jì)的初步發(fā)展階段，局限于對(duì)財(cái)務(wù)數(shù)據(jù)的事后核算，很多智能技術(shù)還不成熟，尤其與會(huì)計(jì)的結(jié)合不夠深入。從最近兩年的情況來看，國外研究開始著眼于新興技術(shù)手段的結(jié)合，而國內(nèi)則注重模型、應(yīng)用場(chǎng)景的構(gòu)建，智能會(huì)計(jì)人才培養(yǎng)等方面，兩者研究重點(diǎn)存在差異。但隨著我國智能會(huì)計(jì)關(guān)注度的不斷提升，研究主題不斷延伸和完善，智能會(huì)計(jì)領(lǐng)域?qū)?huì)與更多的學(xué)科領(lǐng)域進(jìn)行交叉，不斷細(xì)化，最終形成專業(yè)的研究領(lǐng)域。從圖4容易看出在智能財(cái)務(wù)、人工智能、智能合約等多個(gè)聚類中2019年前后均有多個(gè)突現(xiàn)詞，這些關(guān)鍵詞不再注重技術(shù)的整體影響，而是針對(duì)不同行業(yè)、不能職能進(jìn)行研究，說明國內(nèi)智能會(huì)計(jì)領(lǐng)域研究進(jìn)入新的階段，“價(jià)值創(chuàng)造”主題等逐漸與國外研究主題相契合。

圖4 國內(nèi)關(guān)鍵詞時(shí)間線圖

五、結(jié)論與建議

通過文獻(xiàn)計(jì)量和統(tǒng)計(jì)分析，可知目前我國智能會(huì)計(jì)研究處于初始發(fā)展階段，理論體系構(gòu)建有待完善，當(dāng)前智能會(huì)計(jì)研究可以概括為兩個(gè)方向：一是側(cè)重于技術(shù)創(chuàng)新，聚焦于在會(huì)計(jì)工作中新技術(shù)落地、場(chǎng)景應(yīng)用和系統(tǒng)建設(shè)等；二是立足于會(huì)計(jì)理論與實(shí)務(wù)，將智能化作為研究對(duì)象，分析其對(duì)會(huì)計(jì)職能、學(xué)科發(fā)展、倫理道德等方面的影響（張慶龍，2021）。本文將前者概括為智能會(huì)計(jì)技術(shù)研究，后者概括為智能會(huì)計(jì)理論研究，總結(jié)研究結(jié)果能夠發(fā)現(xiàn)國內(nèi)外智能會(huì)計(jì)研究的異同和中國智能會(huì)計(jì)研究在全球的地位。

（一）研究結(jié)論

中國智能會(huì)計(jì)研究在全球處于領(lǐng)先地位，占有重要地位，在發(fā)文總量和研究機(jī)構(gòu)參與度上優(yōu)于美國，中美兩國外文期刊發(fā)文總量遠(yuǎn)高于第三位的英國，說明中美兩國在該領(lǐng)域優(yōu)勢(shì)明顯，中美兩國是該領(lǐng)域的主要競(jìng)爭力量，但中國頭部研究機(jī)構(gòu)較少。中外文期刊對(duì)智能會(huì)計(jì)研究主題關(guān)注不同，中文期刊更關(guān)注智能會(huì)計(jì)理論研究，研究機(jī)構(gòu)主要是財(cái)經(jīng)類高校或者理工科高校的經(jīng)管學(xué)院，刊文期刊主要是財(cái)會(huì)類期刊；外文期刊更關(guān)注智能會(huì)計(jì)技術(shù)研究，研究機(jī)構(gòu)分布相對(duì)廣泛，主要是理工類科研機(jī)構(gòu)，刊文期刊也以計(jì)算機(jī)或工程技術(shù)類為主。國內(nèi)外智能會(huì)計(jì)研究起步時(shí)間和主要主題保持一致，大數(shù)據(jù)、人工智能的應(yīng)用和影響都是重點(diǎn)，從2017年開始受到廣泛關(guān)注。國內(nèi)研究關(guān)注的云會(huì)計(jì)、管理會(huì)計(jì)、業(yè)財(cái)融合、數(shù)字經(jīng)濟(jì)等主題在外文文獻(xiàn)中較少出現(xiàn)，體現(xiàn)了中國會(huì)計(jì)改革的特色和重點(diǎn)。外文期刊對(duì)模型、算法、系統(tǒng)、優(yōu)化等技術(shù)工具的底層研究關(guān)注更多，而國內(nèi)智能會(huì)計(jì)技術(shù)研究偏少，而智能會(huì)計(jì)理論研究偏多，根本原因在于缺乏具有學(xué)科交叉背景的復(fù)合型創(chuàng)新型人才。

（二）研究建議

一是做優(yōu)做強(qiáng)中國特色研究。智能會(huì)計(jì)研究上，中國在全球具有一定優(yōu)勢(shì)，與美國呈現(xiàn)兩強(qiáng)格局，但頭部機(jī)構(gòu)與美國相比仍有差距。中國豐富的應(yīng)用場(chǎng)景、海量的數(shù)據(jù)資源、強(qiáng)大的政策支持、開放的市場(chǎng)宏觀環(huán)境，為智能會(huì)計(jì)研究提供了獨(dú)特優(yōu)勢(shì)和豐富實(shí)踐基礎(chǔ)。智能會(huì)計(jì)研究應(yīng)該在扎實(shí)開展基礎(chǔ)方法、基本理論等研究基礎(chǔ)上，服務(wù)中國式現(xiàn)代化發(fā)展需要，充分利用大數(shù)據(jù)、人工智能技術(shù)在實(shí)現(xiàn)業(yè)財(cái)技一體化管控、管理會(huì)計(jì)升級(jí)促進(jìn)高質(zhì)量發(fā)展方面，開展，服務(wù)中國經(jīng)濟(jì)發(fā)展的智能會(huì)計(jì)研究，總結(jié)中國經(jīng)濟(jì)發(fā)展和企業(yè)實(shí)踐經(jīng)驗(yàn)，實(shí)現(xiàn)在部分領(lǐng)域的率先突破，構(gòu)建全球領(lǐng)先的中國智能會(huì)計(jì)理論體系。

二是加強(qiáng)會(huì)計(jì)科技人才培養(yǎng)。中文期刊刊文側(cè)重智能會(huì)計(jì)理論研究，而外文期刊刊文側(cè)重智能會(huì)計(jì)技術(shù)研究，除了期刊定位和學(xué)科評(píng)價(jià)的因素外，懂業(yè)務(wù)、懂會(huì)計(jì)、懂技術(shù)（以下簡稱三懂）的會(huì)計(jì)科技人才儲(chǔ)備不足是重要原因。三懂會(huì)計(jì)人才長期被稱為會(huì)計(jì)信息化人才，2021年“影響中國會(huì)計(jì)人員的十大信息技術(shù)”評(píng)選活動(dòng)主辦方將影響會(huì)計(jì)行業(yè)的信息技術(shù)的集合稱為會(huì)計(jì)科技（劉勤，2021）。本文認(rèn)為將三懂會(huì)計(jì)人才稱為會(huì)計(jì)科技人才，更好反映了人工智能、大數(shù)據(jù)等新一代信息技術(shù)作為復(fù)合型技術(shù)，而非單項(xiàng)技術(shù)，如何使這些技術(shù)為會(huì)計(jì)服務(wù)、更好地服務(wù)，需要對(duì)底層技術(shù)充分掌握和研究，以開發(fā)針對(duì)會(huì)計(jì)發(fā)展需要和應(yīng)用場(chǎng)景的新興技術(shù)或技術(shù)方案。所以本文所說會(huì)計(jì)科技人才是充分掌握影響會(huì)計(jì)行業(yè)的信息技術(shù)，同時(shí)了解會(huì)計(jì)理論和會(huì)計(jì)業(yè)務(wù)的會(huì)計(jì)和技術(shù)復(fù)合型人才。當(dāng)前會(huì)計(jì)信息化人才更多是對(duì)應(yīng)用技術(shù)的掌握，難以根據(jù)會(huì)計(jì)需要開發(fā)設(shè)計(jì)新技術(shù)，，培養(yǎng)學(xué)科交叉復(fù)合型人才正是新文科建設(shè)的要求，當(dāng)前存在諸多難點(diǎn)。通過MPACC和會(huì)計(jì)、審計(jì)博士，定向招收計(jì)算機(jī)、信息技術(shù)、大數(shù)據(jù)等專業(yè)背景和工作背景的學(xué)生進(jìn)行培養(yǎng)，盡快補(bǔ)充相關(guān)人才，通過夯實(shí)人才基礎(chǔ)，推動(dòng)智能會(huì)計(jì)高速高質(zhì)量發(fā)展是可行之道。