人工智能與資本跨地區(qū)流動

摘" "要：作為新一輪科技革命和產(chǎn)業(yè)變革的重要推動力，人工智能成為影響資本跨地區(qū)流動的關(guān)鍵力量?；诖耍?014—2023年中國A股上市公司為樣本，運用文本挖掘技術(shù)構(gòu)建企業(yè)人工智能綜合指標，探討了人工智能在企業(yè)的應(yīng)用對資本跨地區(qū)流動的影響及作用機制。研究發(fā)現(xiàn)：第一，人工智能可以顯著促進上市公司設(shè)立異地子公司，加速資本跨地區(qū)流動；第二，機制分析表明，人工智能通過降低交易成本以及提高生產(chǎn)經(jīng)營效率進而促進資本跨地區(qū)流動；第三，人工智能對資本跨地區(qū)流動的提升作用在非國有企業(yè)、高市場競爭企業(yè)以及中心城市企業(yè)中更強；第四，人工智能的發(fā)展促進企業(yè)新增異地子公司的同時不會對本地子公司產(chǎn)生擠出效應(yīng)，存在帕累托改進。研究加深了對人工智能在資本跨地區(qū)流動中所扮演角色的理解和認識，為推進國內(nèi)統(tǒng)一大市場建設(shè)提供了新的微觀路徑。

關(guān)鍵詞：人工智能；資本跨地區(qū)流動；交易成本；生產(chǎn)經(jīng)營效率

中圖分類號：F830" 文獻標識碼：A" 文章編號：1674-2265（2024）11-0036-11

DOI：10.19647/j.cnki.37-1462/f.2024.11.004

一、引言

在全球化和金融自由化背景下，資本的跨地區(qū)流動已成為推動經(jīng)濟發(fā)展的關(guān)鍵因素。資本流動不僅促進了貿(mào)易的自由流動和市場資源配置效率的提高，而且通過打破市場分割為經(jīng)濟增長提供動力（Akash等，2023）[1]。企業(yè)作為經(jīng)濟活動的主要參與者，其跨區(qū)域投資行為是資本流動的重要體現(xiàn)?？绲貐^(qū)投資是指企業(yè)通過設(shè)立子公司或分支機構(gòu)進入其他區(qū)域市場，包括在一個國家的不同省份和城市之間的投資以及國際直接投資（Wang等，2022）[2]。這種投資不僅為企業(yè)自身創(chuàng)造了增長機會和經(jīng)濟回報（Wang等，2024）[3]，而且通過推動人才、資金、技術(shù)的自由流動，打破市場分割，激發(fā)當?shù)亟?jīng)濟活力。然而，資本流動并非完全自由，在推進市場一體化的過程中，中國面臨的挑戰(zhàn)包括自然因素、技術(shù)因素和制度因素等多重市場分割問題。自然分割主要源于空間距離等物理因素，技術(shù)因素源于不同地區(qū)勞動力素質(zhì)和技術(shù)成熟度的差異，制度性市場分割則受到經(jīng)濟、政治等人為因素的影響，如地方政府為了區(qū)域利益，可能會采取違反資源配置規(guī)律的行為，導(dǎo)致經(jīng)濟扭曲（楊劍和程華東，2024）[4]。這些因素共同影響著資本要素的自由流動和生產(chǎn)效率，從而對經(jīng)濟增長產(chǎn)生深遠影響。

人工智能作為一項革命性技術(shù)，深刻影響著資本流動、市場分割、跨區(qū)域投資以及市場一體化等多個方面（蘇立君，2024）[5]，成為新時代經(jīng)濟發(fā)展的重要引擎。海外人工智能蓬勃發(fā)展，OpenAI（美國人工智能研究公司）于2023年3月發(fā)布GPT-4，谷歌于2023年12月發(fā)布Gemini大模型，微軟推出copilot、bing AI等。Sensor Tower（移動應(yīng)用數(shù)據(jù)分析公司）數(shù)據(jù)顯示，2023年人工智能應(yīng)用年度下載量和內(nèi)購收入分別上漲60%和70%，超過21億次和17億美元。國內(nèi)廠商也加快研發(fā)節(jié)奏，紛紛發(fā)布大模型產(chǎn)品。2023年3月到6月，百度、清華智譜、阿里巴巴、科大訊飛、百川智能等廠商相繼發(fā)布自己的大模型產(chǎn)品，并持續(xù)迭代更新。由此可見，各國高度重視人工智能并將其作為占領(lǐng)競爭制高點的重要舉措。資本跨地區(qū)流動是企業(yè)在激烈的市場競爭中保持領(lǐng)先地位、實現(xiàn)可持續(xù)發(fā)展的關(guān)鍵。那么，人工智能能否促進企業(yè)資本跨地區(qū)流動？針對這一問題進行的研究對我國企業(yè)通過人工智能技術(shù)促進資本跨地區(qū)流動具有深遠的戰(zhàn)略意義。

目前學術(shù)界對人工智能的研究主要從經(jīng)濟增長（韓永輝等，2023；Goralski和Tan，2020）[6，7]、收入分配（江永紅和張本秀，2021）[8]、生產(chǎn)效率（姚加權(quán)等，2024；Soori等，2023）[9，10]、競爭能力（杜傳忠等，2024）[11]、技術(shù)進步（黃浩權(quán)等，2024）[12]和產(chǎn)業(yè)升級（張萬里和劉婕，2023；Jan等，2023）[13，14]等角度展開，普遍認為人工智能作為第四次工業(yè)革命的代表，對經(jīng)濟社會發(fā)展的各個方面都具有深遠的影響，為促進經(jīng)濟發(fā)展提供必不可少的動力。在已有的關(guān)于人工智能微觀經(jīng)濟效應(yīng)的研究中，鮮有文獻關(guān)注人工智能在企業(yè)投資中的作用，尤其是對跨區(qū)域投資活動的作用。本文利用文本挖掘技術(shù)構(gòu)建了微觀企業(yè)層面的人工智能指標，深入探究人工智能對資本跨地區(qū)流動的促進作用及作用機制。本文的邊際貢獻在于以下三個方面。第一，從企業(yè)年報信息和人工智能投資水平兩個維度綜合刻畫了人工智能水平，彌補了當前僅使用機器滲透率、專利數(shù)量以及單一年報進行分析的不足。第二，已有的跨地區(qū)投資文獻主要關(guān)注區(qū)位選擇及經(jīng)濟后果等方面，鮮有研究涉及如何促進企業(yè)跨地區(qū)投資，本文從人工智能角度探討影響企業(yè)跨地區(qū)投資的因素，為新發(fā)展階段下理解資本流動提供新的視角。第三，基于交易成本與生產(chǎn)經(jīng)營效率視角厘清人工智能對資本跨地區(qū)流動的作用機制，打開了人工智能與資本跨地區(qū)流動之間的機制“黑箱”。

二、理論分析與研究假設(shè)

（一）人工智能與資本跨地區(qū)流動

在全球化和區(qū)域一體化背景下，企業(yè)追求資本跨地區(qū)流動通常存在市場和非市場兩種途徑。我國省份間的市場分割程度嚴重，甚至超過了歐盟國家間的水平（Poncet，2003）[15]，導(dǎo)致資源配置效率受到影響，這迫使企業(yè)依賴非市場手段獲取異地資源，但這一途徑同樣充滿挑戰(zhàn)，地理距離的擴大、行業(yè)多樣性的增加、資金短缺、投資經(jīng)驗缺乏以及市場變化等問題都增加了跨地區(qū)建立子公司的困難。政府行為是企業(yè)資本跨地區(qū)流動的一個重要影響因素，比如省市之間更高的稅收分享比例有助于打破市場分割，加快市場一體化進程（康明和蹤家峰，2024）[16]，但地方保護主義對企業(yè)跨地區(qū)投資產(chǎn)生了顯著的制度性摩擦，地方政府對資源配置的干預(yù)、市場壁壘和生產(chǎn)要素在地區(qū)間自由流動的阻礙削弱了全國統(tǒng)一大市場的資源配置功能，限制了企業(yè)在全國范圍內(nèi)優(yōu)化布局的空間。

企業(yè)邊際理論認為企業(yè)的本質(zhì)是對市場的替代（王營和崔楷凈，2024）[17]，這一理論為理解企業(yè)通過設(shè)立異地子公司而非依賴市場機制進行資本跨地區(qū)流動提供了理論基礎(chǔ)。在市場交易成本過高的情況下，企業(yè)傾向于通過內(nèi)部化的權(quán)威關(guān)系來實現(xiàn)資源的優(yōu)化配置，以降低外部市場交易的成本。然而，這種內(nèi)部化過程會帶來組織成本的增加，因此，企業(yè)在考慮異地投資時必須權(quán)衡內(nèi)外部的交易成本。企業(yè)在面對外部交易成本時往往處于被動接受的地位，為了在競爭中獲得主動權(quán)，就需要從內(nèi)部進行技術(shù)層面的轉(zhuǎn)型升級。而人工智能可以合理控制內(nèi)部成本，提高企業(yè)運營效率（張譽夫等，2024）[18]。由此，在構(gòu)建全國統(tǒng)一大市場的背景下，人工智能為促進資本跨地區(qū)流動提供了一個可能的路徑。

人工智能作為一種顛覆性創(chuàng)新，其優(yōu)勢在于對大數(shù)據(jù)的深度處理和分析能力。從企業(yè)角度來看，首先，人工智能系統(tǒng)能夠揭示市場動態(tài)、消費者行為和運營效率的潛在趨勢，為企業(yè)管理者提供深入的洞察力。這種洞察力使企業(yè)能夠更準確地識別和滿足客戶需求，進而開發(fā)出更具市場競爭力的產(chǎn)品和服務(wù)。其次，人工智能的預(yù)測模型基于歷史和實時數(shù)據(jù)預(yù)測未來事件，幫助企業(yè)減少不確定性帶來的風險，并能提前做好準備以應(yīng)對市場變化（廖高可和李庭輝，2023）[19]。再次，人工智能在供應(yīng)鏈管理中的應(yīng)用極大地優(yōu)化了資源配置（Cannas等，2024）[20]，提高了生產(chǎn)流程的效率和響應(yīng)速度，為企業(yè)帶來了更大的市場和更高的經(jīng)濟效益。最后，人工智能通過機器學習和自適應(yīng)算法增強了管理的適應(yīng)性，能夠快速響應(yīng)外部環(huán)境的變化，并調(diào)整管理策略，確保企業(yè)在不斷變化的市場中保持競爭力。這些作用體現(xiàn)了人工智能在提高企業(yè)管理精準性、效率和適應(yīng)性方面的強大能力。

在此基礎(chǔ)上，人工智能進一步促進了資本的跨地區(qū)流動。一方面，人工智能通過提高企業(yè)管理的精準性和效率（徐鵬和徐向藝，2020）[21]，拓寬了信息渠道，降低了信息搜尋成本，幫助企業(yè)更好地識別市場機會，這種能力的提升使企業(yè)能夠更加精準地進行資源配置，進而引導(dǎo)資本流向預(yù)期利潤水平更高的區(qū)域，優(yōu)化投資決策。另一方面，人工智能通過其自適應(yīng)算法和機器學習能力，顯著提升了企業(yè)的適應(yīng)性（杜亞光等，2024）[22]，使企業(yè)能夠靈活應(yīng)對市場變化，這種適應(yīng)性不僅幫助企業(yè)在面對經(jīng)濟波動時保持穩(wěn)定，還能迅速調(diào)整戰(zhàn)略以適應(yīng)新的市場需求，使資本能夠更加迅速地流動到最需要的地區(qū)，進而促進資本跨地區(qū)流動。

由此，提出假設(shè)1：人工智能有助于促進資本跨地區(qū)流動。

（二）人工智能促進資本跨地區(qū)流動的作用機制

設(shè)立異地子公司不僅是企業(yè)跨地區(qū)投資的關(guān)鍵途徑，也是資本在國家和國際層面流動的主要形式。然而，企業(yè)在進行跨地區(qū)投資時，不可避免地會面臨成本和效率的雙重挑戰(zhàn)（余淼杰和高愷琳，2021）[23]，這些挑戰(zhàn)構(gòu)成了資本流動的“無形”壁壘（王媛和唐為，2023）[24]。在市場不完善的情況下，企業(yè)的投資決策不僅受投資需求的影響，還受到交易成本的影響，即成本約束。同時，企業(yè)的生產(chǎn)經(jīng)營效率也會影響其投資需求，即效率約束。因此，本文從成本降低機制和效率提升機制兩方面分析人工智能對資本跨地區(qū)流動的作用機制。

1. 成本降低機制。無論是有形的生產(chǎn)經(jīng)營成本還是無形的信息成本，都構(gòu)成了企業(yè)的交易成本，這成為其跨地區(qū)投資的主要障礙（李穎等，2024）[25]。其一，人工智能在降低跨地區(qū)投融資成本方面發(fā)揮著重要作用。具體而言，一方面，人工智能通過提高信息透明度，有效緩解了企業(yè)在跨地區(qū)投資過程中面臨的信息不對稱問題（許家云等，2024）[26]。傳統(tǒng)的投資活動往往伴隨著高昂的信息獲取成本，而人工智能能夠快速處理和分析海量數(shù)據(jù)，為企業(yè)提供更為精準和實時的市場情報，不僅減少了企業(yè)信息搜集的成本，還降低了由于信息不透明而產(chǎn)生的投資風險，從而降低整體的投資成本。另一方面，人工智能技術(shù)有助于打破地域限制，實現(xiàn)信貸資源在不同地區(qū)合理流動，進一步降低企業(yè)的跨地區(qū)融資成本。不同于傳統(tǒng)的融資模式，人工智能技術(shù)通過自動化處理和智能決策，可以簡化交易流程，降低交易成本，提高資金流動的效率（Mou，2019）[27]，這種優(yōu)化的融資渠道為企業(yè)提供了更多的融資機會，促進了資本的跨地區(qū)流動。

其二，跨地區(qū)并購交易成本涉及并購過程中的信用評估、議價、盡職調(diào)查等成本。在信用評估過程中，人工智能通過分析企業(yè)的財務(wù)報表、交易記錄、市場表現(xiàn)等多維度數(shù)據(jù)，可以構(gòu)建更為精細的企業(yè)信用畫像，有助于評估企業(yè)的信用狀況（姜建清，2024）[28]，為企業(yè)跨地區(qū)投資提供便利。在議價階段，人工智能可以利用信用評估結(jié)果制定更加精準的出價策略，實時監(jiān)控市場動態(tài)，為決策者提供即時的反饋和建議，這種實時的數(shù)據(jù)分析和決策支持能力可以顯著減少因人為因素導(dǎo)致的議價失誤，降低交易成本。在盡職調(diào)查過程中，人工智能和數(shù)據(jù)分析工具的應(yīng)用極大地促進了企業(yè)之間的溝通，顯著提升盡職調(diào)查速度，有助于企業(yè)更準確地評估目標企業(yè)的價值和并購后的潛在風險，降低并購交易成本，進而促進資本跨地區(qū)流動。

由此，提出假設(shè)2：人工智能可以通過降低交易成本，從而促進資本跨地區(qū)流動。

2. 效率提升機制。人工智能可以從規(guī)模效應(yīng)、學習效應(yīng)和協(xié)調(diào)效應(yīng)三重渠道影響企業(yè)的生產(chǎn)經(jīng)營效率。首先，人工智能的規(guī)模效應(yīng)不僅體現(xiàn)在單個企業(yè)內(nèi)部，還體現(xiàn)在整個產(chǎn)業(yè)鏈上下游的協(xié)作和共享基礎(chǔ)設(shè)施上（Babina等，2024）[29]，有助于提升整個行業(yè)的效率。在企業(yè)層面，人工智能的內(nèi)部規(guī)模經(jīng)濟效應(yīng)表現(xiàn)在隨著企業(yè)規(guī)模的擴大，人工智能模型能夠處理更復(fù)雜的任務(wù)，提升決策的準確性和效率。在行業(yè)層面，人工智能的外部規(guī)模經(jīng)濟效應(yīng)表現(xiàn)在隨著人工智能技術(shù)應(yīng)用在更多的企業(yè)中，整個行業(yè)的生產(chǎn)效率得到提升。其次，人工智能通過學習效應(yīng)顯著提升企業(yè)的生產(chǎn)經(jīng)營效率，主要表現(xiàn)在機器學習算法的自我優(yōu)化上（宋華，2024）[30]。隨著時間的推移和數(shù)據(jù)的積累，人工智能系統(tǒng)可以更加精準地降低企業(yè)的生產(chǎn)成本并提高生產(chǎn)效率，這種技術(shù)的進步在高頻、重復(fù)且規(guī)則明確的生產(chǎn)活動中表現(xiàn)得尤為明顯。例如，Google公司研發(fā)的人工智能AlphaGo于2016年、2017年分別戰(zhàn)勝了世界冠軍李世石和柯潔，展現(xiàn)了人工智能在提高知識創(chuàng)造準確度方面的潛力。最后，人工智能通過協(xié)調(diào)效應(yīng)顯著提升企業(yè)的生產(chǎn)經(jīng)營效率，主要體現(xiàn)為其能夠加強生產(chǎn)各環(huán)節(jié)的配合，促進協(xié)作化生產(chǎn)，實現(xiàn)縱向一體化。人工智能技術(shù)通過優(yōu)化生產(chǎn)流程，加強了上游技術(shù)研發(fā)、中游工程實現(xiàn)和下游應(yīng)用反饋的協(xié)同，不僅提高了運行效率，而且提升了資本、勞動、技術(shù)等要素之間的匹配度（許家云等，2024）[26]。

企業(yè)生產(chǎn)經(jīng)營效率的提升與資本跨地區(qū)流動之間存在著密切的聯(lián)系。企業(yè)生產(chǎn)經(jīng)營效率的提高意味著資源配置的優(yōu)化和成本控制的有效性，這使得企業(yè)能夠以較低的成本生產(chǎn)更多的產(chǎn)品。這不僅增強了企業(yè)的市場競爭力，還提高了其盈利能力，進而促使企業(yè)尋求擴大規(guī)模和市場份額以實現(xiàn)進一步的增長（孫芳城等，2023；鄭婉清等，2023）[31，32]。在此過程中，企業(yè)往往會考慮跨地區(qū)設(shè)立子公司，以利用不同地區(qū)的資源、市場和勞動力優(yōu)勢。此外，企業(yè)生產(chǎn)經(jīng)營效率的提升往往帶來資本的集聚效應(yīng)。高效率的企業(yè)往往能夠吸引更多的投資者和合作伙伴，這不僅為企業(yè)提供了更多的資本，也為資本的跨地區(qū)流動提供了動力。

由此，提出假設(shè)3：人工智能可以通過提升生產(chǎn)經(jīng)營效率，從而促進資本跨地區(qū)流動。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選擇2014—2023年中國A股上市企業(yè)數(shù)據(jù)，上市公司年報來自新浪財經(jīng)網(wǎng)站，專利數(shù)據(jù)來自IRPDB知識產(chǎn)權(quán)數(shù)據(jù)庫，控制變量數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，城市層面變量來自各年度《中國城市統(tǒng)計年鑒》。本文對相關(guān)數(shù)據(jù)進行如下處理：（1）剔除金融行業(yè)上市公司；（2）剔除ST、*ST和PT公司；（3）為緩解內(nèi)生性影響，剔除信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)的公司；（4）剔除相關(guān)數(shù)據(jù)缺失的公司。對主要連續(xù)變量進行1%和99%的縮尾處理，最終得到24980個觀測值。

（二）模型設(shè)計與變量定義

為驗證人工智能能否促進資本跨地區(qū)流動，本文構(gòu)建以下模型：

[LnNumberi，t=α0+α1AIi，t+Conrolsi，t+Id+Year+εi，t]" " "（1）

其中，[LnNumber]表示企業(yè)[i]在[t]年的新增異地子公司數(shù)量，[AI]為企業(yè)[i]在[t]年的人工智能水平，[Controls]表示控制變量，[Id]和[Year]分別代表個體和時間固定效應(yīng)，[ε]為隨機誤差項，具體的變量定義如下。

1. 解釋變量：人工智能（AI）。現(xiàn)有文獻關(guān)于人工智能的測度指標主要包括企業(yè)工業(yè)機器人滲透度（王永欽和董雯，2020）[33]、人工智能專利數(shù)量（王澤宇，2020）[34]以及從公司年報提取人工智能關(guān)鍵詞（Yu等，2020）[35]。然而，工業(yè)機器人滲透度很難反映非制造業(yè)的人工智能水平，僅能代表制造環(huán)節(jié)中的自動化程度；專利數(shù)量同樣難以衡量非制造業(yè)人工智能水平；人工智能詞頻統(tǒng)計一定程度上可以反映企業(yè)發(fā)展理念，具有一定的科學性，但同樣存在局限性。一方面，企業(yè)報告可能存在虛假用詞問題，容易被管理層操控；另一方面，有的企業(yè)在年報中較少描述人工智能，而在實踐中表現(xiàn)出較高的水平，這都會導(dǎo)致人工智能的測量出現(xiàn)偏差。因此，本文參考張遠和李煥杰（2022）[36]的研究，使用年報中人工智能關(guān)鍵詞以及人工智能投資兩個維度衡量人工智能，更為全面地刻畫人工智能水平。具體來講，首先，使用文本挖掘技術(shù)得到企業(yè)年報中與人工智能相關(guān)關(guān)鍵詞出現(xiàn)的頻次，即為人工智能關(guān)鍵詞詞頻；其次，使用“軟件”“系統(tǒng)”“數(shù)據(jù)”“信息平臺”等關(guān)鍵詞表征人工智能無形資產(chǎn)科目，使用“數(shù)據(jù)設(shè)備”“電子設(shè)備”等表征人工智能固定資產(chǎn)科目，從企業(yè)財務(wù)報告附注中篩選出人工智能無形資產(chǎn)和固定資產(chǎn)的金額，二者之和占資產(chǎn)總額的比重即為人工智能投資水平（祁懷錦等，2020）[37]；最后，參考李雪松等（2022）[38]，對上述兩項結(jié)果經(jīng)標準化處理后分別取50%的權(quán)重合成人工智能指標。

在人工智能應(yīng)用和發(fā)展水平的衡量方面，目前缺乏統(tǒng)一的標準，國際機器人聯(lián)合會（IFR）發(fā)布的各國分年度、分行業(yè)的工業(yè)機器人統(tǒng)計數(shù)據(jù)是當前公認的權(quán)威指標。因此，參考彭樹宏（2024）[39]，采用IFR公布的數(shù)據(jù)對比驗證本文所構(gòu)建的人工智能指標的準確性和有效性。

首先，基于IFR公布的國家和行業(yè)層面的數(shù)據(jù)，結(jié)合《中國工業(yè)統(tǒng)計年鑒》中提供的各年份、各地區(qū)以及各行業(yè)的就業(yè)人員數(shù)量，計算出各行業(yè)的工業(yè)機器人密度，并采用Bartik方法構(gòu)建地區(qū)層面的工業(yè)機器人密度指標。其次，依據(jù)本文人工智能測算方法界定企業(yè)是否應(yīng)用了人工智能技術(shù)，并據(jù)此計算出各行業(yè)各地區(qū)應(yīng)用人工智能的企業(yè)比例，作為衡量各行業(yè)各地區(qū)人工智能應(yīng)用程度的指標。最后，分別計算行業(yè)和地區(qū)層面的人工智能指標與工業(yè)機器人密度之間的相關(guān)性。研究結(jié)果顯示，行業(yè)層面兩種測算方式的Pearson相關(guān)系數(shù)為0.416，p值小于0.01；地區(qū)層面兩種測算方式的Pearson相關(guān)系數(shù)為0.502，p值小于0.01。這表明兩種測算方法得到的結(jié)果具有很高的相關(guān)性，從而驗證了本研究所構(gòu)建的人工智能指標能夠有效反映企業(yè)人工智能的應(yīng)用程度。

2.被解釋變量：異地投資（LnNumber）。傳統(tǒng)文獻對資本流動的測算主要基于“跨期儲蓄—投資”模型（Feldstein和Horioka，1980）[40]，難以測算微觀層面的資本流動，并且由于企業(yè)不會在年報中披露子公司的具體財務(wù)信息，獲取企業(yè)跨地區(qū)投資的數(shù)據(jù)比較困難。因此，本文試圖從子公司的角度來衡量企業(yè)跨區(qū)域投資水平，即通過企業(yè)跨地區(qū)設(shè)立子公司的數(shù)量來量化該指標。借鑒馬光榮等（2020）[41]的做法，查找上市公司發(fā)布的關(guān)聯(lián)交易文件得到子公司所在城市，借助百度地圖識別母子公司分布情況，凡注冊地所屬地級市與母公司所在地級市不同，則視為異地子公司，最后使用異地子公司數(shù)量的自然對數(shù)衡量企業(yè)異地投資。

3. 控制變量。為了控制會對企業(yè)跨地區(qū)投資產(chǎn)生影響的其他因素，本文控制了一系列重要的企業(yè)層面特征以及城市維度特征。企業(yè)層面包括公司規(guī)模（Size）、資產(chǎn)負債率（Lev）、總資產(chǎn)凈利潤率（Roa）、固定資產(chǎn)占比（Fixed）、營業(yè)收入增長率（Growth）、第一大股東持股比例（Top1）、托賓Q值（TobinQ）、上市年限（Listage）、機構(gòu)投資者持股比例（Inst）和是否四大（Big4）。城市層面包括母子公司所在地經(jīng)濟發(fā)展水平差異（Pgdpgap）和勞動力發(fā)展水平差異（Laborgap），以排除城市之間經(jīng)濟發(fā)展水平差異以及人力資本差異對企業(yè)選擇投資的影響。詳細的變量定義和說明見表1。

四、回歸結(jié)果分析

（一）描述性統(tǒng)計

表2報告了全樣本主要變量的描述性統(tǒng)計結(jié)果。異地投資變量的最小值為0，最大值為4.789，說明不同公司的資本跨地區(qū)流動水平存在顯著差異。AI的最小值為0，最大值為0.641，均值為0.087，說明企業(yè)人工智能水平差異程度較大，更多的企業(yè)處于一個較低的水平?？刂谱兞颗c現(xiàn)有研究基本一致。

（二）基準回歸

Hausman檢驗的p值小于0.01，因此，使用雙向固定效應(yīng)模型檢驗人工智能對資本跨地區(qū)流動的影響?；貧w結(jié)果如表3所示，人工智能系數(shù)在1%水平上均顯著為正，證明人工智能顯著促進了資本跨地區(qū)流動，由此，假設(shè)1得到驗證，即人工智能提高了企業(yè)管理的精準性、效率和適應(yīng)性，引導(dǎo)企業(yè)優(yōu)化投資決策，促進了資本跨地區(qū)流動。

（三）內(nèi)生性檢驗

1. 工具變量法。為緩解人工智能與資本跨地區(qū)流動之間可能存在的內(nèi)生性問題，參考姚加權(quán)等（2024）[9]的做法，使用1840年至清朝末期是否開通通商口岸與全球人工智能專利申請數(shù)量的交乘項作為工具變量（IV），表4第（1）列和第（2）列為兩階段最小二乘法回歸結(jié)果。人工智能回歸系數(shù)顯著為正，與前文研究結(jié)論一致。

2. DID檢驗與動態(tài)效應(yīng)。本文采用《智能制造發(fā)展規(guī)劃（2016—2020年）》中提到的重點產(chǎn)業(yè)智能轉(zhuǎn)型作為準自然實驗，采用雙重差分模型探討其對資本跨地區(qū)流動的動態(tài)作用，更深入探討二者之間的因果關(guān)系，從而緩解內(nèi)生性問題。具體來講，本文將屬于重點產(chǎn)業(yè)的企業(yè)作為實驗組，將其他企業(yè)作為控制組，建立如下雙重差分模型：

[LnNumberi，t=β0+β1Treati，t×Posti，t+Controli，t+Id+Year+εi，t]" " "（2）

其中，[Treat]為實驗組虛擬變量，當企業(yè)所屬產(chǎn)業(yè)為重點產(chǎn)業(yè)時為1，否則為0，[Post]為事件維度虛擬變量，政策文件頒布后為1，否則為0。表4第（3）列中[Treat×Post]系數(shù)顯著為正，表明人工智能對企業(yè)異地投資具有提升作用。

在此基礎(chǔ)上，構(gòu)建動態(tài)模型如式（3）所示：

[LnNumberi，t=β0+β1Treati，t×Post（n）i，t+Controli，t+Id+Year+εi，t]" （3）

其中，[Post（n）]表示實驗組企業(yè)受政策影響前后的第n期，共包含7年的窗口期，為避免多重共線性，省略掉第一期變量?；貧w結(jié)果如表4第（4）列所示，在政策實施之前的年份及當年交乘項系數(shù)均不顯著，之后的年份交乘項系數(shù)均顯著為正，即政策實施之前實驗組和控制組無顯著差異，實施之后實驗組的資本跨地區(qū)流動顯著高于控制組，這表明人工智能對資本跨地區(qū)流動具有顯著的正向影響，且有一定的持續(xù)性。

3. PSM-DID檢驗。為減少樣本不平衡帶來的估計偏誤，采用傾向得分匹配（PSM）控制實驗組與控制組之間的差異，再進行雙重差分（DID）以檢驗人工智能對資本跨地區(qū)流動的影響。具體來講，將所有控制變量作為協(xié)變量，使用1∶1近鄰匹配與控制組進行逐年匹配。表4第（5）列中交乘項系數(shù)顯著為正，證明了本文結(jié)論的可靠性。

（四）穩(wěn)健性檢驗

1. 剔除技術(shù)并購的影響。由于企業(yè)會通過并購的方法快速獲取被并購方的資產(chǎn)以及專業(yè)知識人才，因此，本文加入技術(shù)并購的虛擬變量（Techmerge）以排除技術(shù)并購對資本跨地區(qū)流動的影響。參考程新生和王向前（2023）[42]，對技術(shù)并購定義如下：若并購交易簡介中包含人工智能詞典，或被并購企業(yè)屬于信息傳輸和電子設(shè)備行業(yè)，則視為技術(shù)型并購。若企業(yè)發(fā)生技術(shù)型并購，則Techmerge設(shè)為1，反之為0。表5第（1）列中人工智能系數(shù)顯著為正，證明本文結(jié)論的可靠性。

2. 滯后解釋變量?？紤]到人工智能對資本跨地區(qū)流動的提升作用需要一定的時間，因此，本文將人工智能進行滯后一期處理，以緩解反向因果對研究結(jié)論的影響，表5第（2）列中人工智能的滯后一期系數(shù)顯著為正，證明本文結(jié)論的可靠性。

3. 變化模型。為進一步驗證資本跨地區(qū)流動的提升是由人工智能的變化導(dǎo)致的，將解釋變量替換為人工智能的一階差分，將被解釋變量替換為資本跨地區(qū)流動的一階差分，表5第（3）列中人工智能的一階差分系數(shù)顯著為正，說明結(jié)果穩(wěn)健。

4. 剔除異常年份。2020年的新冠疫情對企業(yè)發(fā)展產(chǎn)生較大的沖擊，為了減少異常年份對回歸結(jié)果的影響，本文剔除2020—2023年的樣本重新進行回歸，表5第（4）列中人工智能系數(shù)顯著為正，證明本文結(jié)論的可靠性。

5. 高維固定效應(yīng)。為了排除母子公司城市層面的政策因素，進一步控制母公司與子公司所在地交互固定效應(yīng)，表5第（5）列中人工智能系數(shù)顯著為正，證明本文結(jié)論的可靠性。

五、機制分析

根據(jù)前文分析，人工智能可以通過降低交易成本以及提高生產(chǎn)經(jīng)營效率促進資本跨地區(qū)流動，參考江艇（2022）[43]對因果推斷研究中的中介效應(yīng)分析建議，重點關(guān)注解釋變量對中介變量的影響，構(gòu)建模型（4）檢驗人工智能對資本跨地區(qū)流動的作用機制。其中，[M]為中介變量，包括交易成本和生產(chǎn)經(jīng)營效率。

[Mi，t=β0+β1AIi，t+Conrolsi，t+Id+Year+εi，t]" " （4）

（一）成本降低機制

參考余典范等（2023）[44]，使用管理費用、銷售費用以及財務(wù)費用之和與總資產(chǎn)的比值衡量交易成本（Cost），并且使用差旅費用與總資產(chǎn)的比值衡量狹義交易成本（TravelFee）?；貧w結(jié)果如表6第（1）和（2）列所示，人工智能系數(shù)在1%水平上顯著為負，且sobel 檢驗的p 值小于0.01，證明了交易成本中介效應(yīng)存在，由此，假設(shè)2 成立。原因可能在于，人工智能能夠分析和預(yù)測市場趨勢，為企業(yè)提供精準的市場洞察，減少市場調(diào)研的資源投入；自動化的行政和操作流程，如合同審核和財務(wù)報告，提高了效率并降低了人力成本。交易成本的降低直接減少了企業(yè)在進行投資時面臨的各種費用和時間成本，包括信息搜尋、談判、監(jiān)督和執(zhí)行合同等的成本，意味著企業(yè)可以以更低的成本獲取更全面的信息，使企業(yè)有更多的資本用于實際的生產(chǎn)和投資活動，提高資本使用效率（許家云等，2024）[26]。不僅如此，降低交易成本有助于減少非市場因素導(dǎo)致的“資產(chǎn)專用性”（Mou，2019）[27]，從而實現(xiàn)了資本在不同地區(qū)之間的有效配置和流動。

（二）效率提升機制

參考何凡等（2024）[45]，使用企業(yè)經(jīng)營預(yù)期和經(jīng)營活動兩個維度刻畫企業(yè)生產(chǎn)經(jīng)營效率。其中，使用企業(yè)四個季度現(xiàn)金流波動性（Cfvol）衡量企業(yè)生產(chǎn)經(jīng)營預(yù)期，波動性越大，經(jīng)營效率越低；使用應(yīng)收賬款周轉(zhuǎn)率（Rate）衡量企業(yè)經(jīng)營活動效率，周轉(zhuǎn)率越高，經(jīng)營效率越高?；貧w結(jié)果如表6第（3）和（4）列所示，人工智能的系數(shù)均在1% 水平上顯著，且sobel 檢驗的p 值小于0.01，證明了生產(chǎn)效率中介效應(yīng)存在，由此，假設(shè)3 成立。原因可能在于人工智能技術(shù)通過優(yōu)化生產(chǎn)流程提高決策效率，顯著提升了企業(yè)的生產(chǎn)和經(jīng)營效率。企業(yè)生產(chǎn)經(jīng)營效率的提升對資本跨地區(qū)流動具有顯著的促進作用。一方面，生產(chǎn)經(jīng)營效率的提升意味著企業(yè)能夠以更低的成本生產(chǎn)更多的產(chǎn)品（ Babina等，2024）[29] ，這不僅增加了企業(yè)的盈利能力，也提高了其資本積累的速度。另一方面，高效率的企業(yè)往往能夠更快地適應(yīng)市場變化， 更有效地利用不同地區(qū)的資源和市場優(yōu)勢， 從而吸引資本流向更高回報的地區(qū)（鄭婉清等，2023）[32]，促進了資本在不同地區(qū)之間的流動。

六、異質(zhì)性分析

（一）產(chǎn)權(quán)異質(zhì)性

非國有企業(yè)通常展現(xiàn)出更高的決策靈活性和快速響應(yīng)市場變化的能力，而國有企業(yè)在資源分配上面臨更多的限制和監(jiān)管要求，限制了其在人工智能領(lǐng)域的應(yīng)用速度。因此，本文基于產(chǎn)權(quán)性質(zhì)將樣本分為國有企業(yè)和非國有企業(yè)兩類，表7第（1）和（2）列的結(jié)果顯示，人工智能的估計系數(shù)在非國有企業(yè)中更大，組間系數(shù)差異顯著，表明人工智能對非國有企業(yè)資本跨地區(qū)流動的提升作用更強。這主要是因為非國有企業(yè)通常具有更高的靈活性和市場適應(yīng)性，在決策過程中往往能夠更快地響應(yīng)市場變化，利用人工智能技術(shù)優(yōu)化資源配置和提高運營效率（洪金明和袁一辰，2024）[46]。此外，非國有企業(yè)在技術(shù)創(chuàng)新和商業(yè)模式探索方面往往更加積極，能夠更有效地利用人工智能推動新產(chǎn)品和服務(wù)的開發(fā)，在資本運作上通常也更加靈活，能夠根據(jù)人工智能提供的數(shù)據(jù)洞察和市場分析迅速調(diào)整投資策略。這種靈活性和對市場動態(tài)的敏感性使非國有企業(yè)能夠更充分地利用人工智能的優(yōu)勢，推動資本的跨地區(qū)流動。

（二）競爭水平異質(zhì)性

激烈的市場競爭中企業(yè)面臨價格與質(zhì)量的雙重挑戰(zhàn)，而人工智能的引入以其“降價提質(zhì)”效應(yīng)成為企業(yè)維持競爭力的關(guān)鍵。在競爭激烈的市場中，企業(yè)為了保持競爭力，會更加傾向于投資那些能夠帶來技術(shù)優(yōu)勢和市場優(yōu)勢的地區(qū)，推動資本向這些地區(qū)流動。因此，本文參考杜傳忠等（2024）[11]使用赫芬達爾指數(shù)作為市場競爭的代理變量，并按照均值進行分組，表7第（3）和（4）列結(jié)果顯示，人工智能的估計系數(shù)在高市場競爭企業(yè)中更大，組間系數(shù)差異顯著，這一結(jié)果表明人工智能對高市場競爭企業(yè)資本跨地區(qū)流動的提升作用更強?？赡艿脑蛟谟?，高市場競爭環(huán)境中的企業(yè)通常具有更強烈的全球擴張和資源優(yōu)化配置的需求，人工智能提供的數(shù)據(jù)分析和決策支持能力成為其識別新市場機會、優(yōu)化全球布局的關(guān)鍵工具。這不僅加速了企業(yè)對新技術(shù)的投資，也促進了資本向具有戰(zhàn)略意義或增長潛力的地區(qū)流動。

（三）城市異質(zhì)性

中心城市通常具有更雄厚的經(jīng)濟基礎(chǔ)和更完善的基礎(chǔ)設(shè)施，這使其在人工智能技術(shù)的應(yīng)用和資本流動方面擁有更多的優(yōu)勢。相比之下，外圍城市往往在人工智能技術(shù)的采納和應(yīng)用上較為滯后，影響了資本流動的效率。參考趙濤等（2020）[47]，定義中心城市為直轄市、副省級城市以及省會城市，其他城市為外圍城市，回歸結(jié)果如表7第（5）和（6）列顯示，人工智能的估計系數(shù)在中心城市更大，組間系數(shù)差異顯著，企業(yè)引入人工智能后，加速資本從中心城市流向外圍城市，這表明企業(yè)引入人工智能后，中心城市對外圍城市起到引領(lǐng)和外溢作用，資本要素從中心城市流向外圍城市，產(chǎn)生明顯的擴散作用。

七、進一步分析

在探討上市公司應(yīng)用人工智能技術(shù)對異地子公司數(shù)量的影響時，一個關(guān)鍵問題是這種技術(shù)進步是否會對本地子公司產(chǎn)生負面影響。為探討這一問題，本文參考余典范等（2023）[44]，將式（1）中被解釋變量分別替換為子公司增加總量（TLnNumber）、異地子公司增加數(shù)量（Corssfirm）和本地子公司增加數(shù)量（Localfirm）?；貧w結(jié)果如表8所示，人工智能技術(shù)的應(yīng)用對異地子公司數(shù)量的增加具有顯著的正向影響。這表明隨著人工智能技術(shù)在上市公司中的廣泛應(yīng)用，企業(yè)在異地市場的擴張活動得到了有效的促進。然而，對于本地子公司數(shù)量的變化，人工智能技術(shù)的影響并不顯著。這意味著盡管人工智能技術(shù)顯著推動了異地子公司的增長，但其對本地子公司的運營和擴張并沒有產(chǎn)生顯著的負面影響，存在帕累托改進。

八、結(jié)論及政策建議

在新一輪科技革命和產(chǎn)業(yè)變革加速推進的階段，傳統(tǒng)的經(jīng)濟增長模式已經(jīng)難以為繼，人工智能成為經(jīng)濟發(fā)展的重要方向。本文收集中國A股上市公司年報數(shù)據(jù)，采用文本挖掘技術(shù)構(gòu)建人工智能指標，研究人工智能對資本跨地區(qū)流動的影響及作用機制，得到以下結(jié)論：第一，人工智能可以顯著促進企業(yè)跨地區(qū)設(shè)立子公司，促進了資本跨地區(qū)流動；第二，人工智能可以通過降低交易成本和提高生產(chǎn)經(jīng)營效率促進資本跨地區(qū)流動；第三，人工智能對資本跨地區(qū)流動的提升作用在非國有企業(yè)、高市場競爭企業(yè)以及中心城市企業(yè)中更顯著；第四，人工智能的發(fā)展在促進企業(yè)新增異地子公司的同時不會對本地子公司產(chǎn)生擠出效應(yīng)，存在帕累托改進?；谝陨涎芯拷Y(jié)論，本文提出以下建議。

第一，強化人工智能戰(zhàn)略方向，以人工智能的超前布局開辟企業(yè)競爭新賽道，促進資本跨地區(qū)流動。一方面，政府應(yīng)加強對人工智能的戰(zhàn)略支持，加大對算力軟硬件等核心支撐技術(shù)的持續(xù)投入，為算力硬件設(shè)備領(lǐng)域的企業(yè)提供稅收優(yōu)惠，加強對存算一體等關(guān)鍵技術(shù)的專項攻關(guān)，形成高效率、低成本、規(guī)模化的人工智能公共服務(wù)支撐平臺。另一方面，企業(yè)應(yīng)充分發(fā)揮人工智能在“降本”和“增效”方面的作用，積極采用人工智能技術(shù)，通過自動化生產(chǎn)流程和優(yōu)化供應(yīng)鏈管理來降低交易成本，并利用人工智能提升客戶服務(wù)和市場預(yù)測的準確性，提高生產(chǎn)經(jīng)營效率，增強市場競爭力。

第二，加大對跨地區(qū)投資的政策支持力度。企業(yè)設(shè)立跨地區(qū)子公司的行為有利于打破市場之間的壁壘，促進市場結(jié)構(gòu)的優(yōu)化。一方面，地方政府應(yīng)加強區(qū)域間合作，為企業(yè)跨地區(qū)投資營造公平的市場環(huán)境，并提供必要的政策激勵和制度保障，以激發(fā)企業(yè)的投資熱情。同時，需要打破地方保護主義和行政壁壘，推動人工智能等關(guān)鍵技術(shù)的區(qū)域一體化發(fā)展，為資本的自由流動和資源的優(yōu)化配置提供堅實的保障。另一方面，企業(yè)應(yīng)培養(yǎng)和強化市場競爭意識，積極開展跨地區(qū)的投資活動，以實現(xiàn)規(guī)模經(jīng)濟和市場多元化。在增加跨地區(qū)投資的過程中，企業(yè)應(yīng)加強子公司間的協(xié)作與資源共享，充分利用人工智能在資源整合和信息共享方面的優(yōu)勢，提升集團內(nèi)部的協(xié)作效率，實現(xiàn)顯著的帕累托改進效應(yīng)。

第三，為促進資本的跨地區(qū)流動，企業(yè)應(yīng)主動分析自身的內(nèi)部條件與外部市場環(huán)境，制定符合自身特點的人工智能策略。非國有企業(yè)可以通過人工智能進行數(shù)據(jù)分析，以獲取市場洞察并深入理解消費者行為，從而作出更精準的商業(yè)決策。競爭激烈市場環(huán)境中的企業(yè)可以利用人工智能提供個性化服務(wù)，增強客戶滿意度和忠誠度。中心城市企業(yè)可利用人工智能自動化重復(fù)性任務(wù)，減少人力成本并提高生產(chǎn)效率。通過這些策略，企業(yè)可以充分利用人工智能的潛力，提升競爭力和市場表現(xiàn)，進而促進資本跨地區(qū)流動。

參考文獻：

[1]Akash R S I，Khan M I，Shear F. 2023. The Dynamics of International Trade，Capital Flow，and Economic Growth in Develo Economies[J].Journal of Management Practices，Humanities and Social Sciences，7（3）.

[2]Wang X， Yeung G， Li X， Wang L. 2022. Does Inter-Regional Investment by Publicly Listed Companies Promote Local Green Total Factor Productivity？ A Study of the Mediation Effects of Green Patents in China [J].Journal of Cleaner Production，339.

[3]Wang X，Li FX，Li Y，Hou D，Wang L，Qin X. 2024. Does Inter-Regional Investment by Publicly Listed Companies Promote Local Technological Catch-Up？ A Study of the Mediation Effects of Patents in China [J].Technology Analysis amp; Strategic Management，36（2）.

[4]楊劍，程華東.政府干預(yù)視角下長三角城市群科技創(chuàng)新資源配置效率及影響因素分析 [J].科技管理研究，2024，44（04）.

[5]蘇立君.知識型勞動力、人工智能應(yīng)用與資本主義“去工業(yè)化”過程研究 [J].經(jīng)濟學家，2024，（08）.

[6]韓永輝，劉洋，王賢彬.人工智能對區(qū)域經(jīng)濟增長的異質(zhì)性影響與機制識別——基于中國“機器換人”的實證檢驗 [J].學術(shù)研究，2023，（02）.

[7]Goralski M A，Tan T K. 2020. Artificial Intelligence and Sustainable Development [J].The International Journal of Management Education，18（1）.

[8]江永紅，張本秀.人工智能影響收入分配的機制與對策研究 [J].人文雜志，2021，（07）.

[9]姚加權(quán)，張錕澎，郭李鵬，馮緒.人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動力技能結(jié)構(gòu)調(diào)整的視角 [J].管理世界，2024，40（02）.

[10]Soori M，Arezoo B，Dastres R. 2023. Artificial Intelligence，Machine Learning and Deep Learning in Advanced Robotics，A Review [J].Cognitive Robotics，3.

[11]杜傳忠，曹效喜，劉書彤.人工智能與高新技術(shù)企業(yè)競爭力：機制與效應(yīng) [J].商業(yè)經(jīng)濟與管理，2024，（02）.

[12]黃浩權(quán)，戴天仕，沈軍.人工智能發(fā)展、干中學效應(yīng)與技能溢價——基于內(nèi)生技術(shù)進步模型的分析[J].中國工業(yè)經(jīng)濟，2024，（02）.

[13]張萬里，劉婕.人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的影響機制研究——基于資本-技能互補的理論分析 [J].經(jīng)濟經(jīng)緯，2023，40（02）.

[14]Jan Z，Ahamed F，Mayer W，Patel N，Grossmann G，Stumptner M，Kuusk A. 2023. Artificial Intelligence for Industry 4.0：Systematic Review of Applications，Challenges，and Opportunities [J].Expert Systems with Applications，216.

[15]Poncet S. 2003. Measuring Chinese Domestic and International Integration [J].China Economic Review，14（1）.

[16]康明，蹤家峰.省市稅收分享影響全國統(tǒng)一大市場建設(shè)了嗎？——基于256個地級市的數(shù)據(jù)分析 [J].南方經(jīng)濟，2024，（06）.

[17]王營，崔楷凈.數(shù)字化轉(zhuǎn)型如何促進資本跨地域流動？——基于上市公司新增異地子公司的證據(jù) [J].金融論壇，2024，29（06）.

[18]張譽夫，謝建國，孟慶偉.人工智能應(yīng)用有助于促進企業(yè)專業(yè)化分工嗎——基于中國上市企業(yè)數(shù)據(jù)的研究[J].山西財經(jīng)大學學報，2024，46（07）.

[19]廖高可，李庭輝.人工智能在金融領(lǐng)域的應(yīng)用研究進展 [J].經(jīng)濟學動態(tài)，2023（03）.

[20]Cannas V，Ciano M P，Saltalamacchia M，Secchi R. 2024. Artificial Intelligence in Supply Chain and Operations Management：A Multiple Case Study Research [J].International Journal of Production Research，62（9）.

[21]徐鵬，徐向藝.人工智能時代企業(yè)管理變革的邏輯與分析框架 [J].管理世界，2020，36（01）.

[22]杜亞光，何瑛，金振，田馬飛.人工智能與企業(yè)客戶穩(wěn)定性——基于中國工業(yè)機器人應(yīng)用的證據(jù) [J].經(jīng)濟問題，2024，（02）.

[23]余淼杰，高愷琳.進口中間品和企業(yè)對外直接投資概率——來自中國企業(yè)的證據(jù) [J].經(jīng)濟學（季刊），2021，21（04）.

[24]王媛，唐為.交通網(wǎng)絡(luò)、行政邊界與要素市場一體化——來自上市公司異地投資的證據(jù) [J].經(jīng)濟學（季刊），2023，23（04）.

[25]李穎，肖麗芳，續(xù)慧泓.ESG表現(xiàn)與企業(yè)跨區(qū)域投資 [J].華東經(jīng)濟管理，2024，38（04）.

[26]許家云，沈含雨，周新博.人工智能發(fā)展與企業(yè)ESG表現(xiàn) [J].世界經(jīng)濟研究，2024，（09）.

[27]Mou X. 2019. Artificial Intelligence：Investment trends and Selected Industry Uses [J].International Finance Corporation，8（2）.

[28]姜建清.人工智能在信貸風險管理領(lǐng)域的應(yīng)用[J].新金融，2024，（08）.

[29]Babina T，F(xiàn)edyk A，He A，Hodson J. 2024. Artificial Intelligence，F(xiàn)irm Growth，and Product Innovation [J]. Journal of Financial Economics，151.

[30]宋華.人工智能數(shù)智供應(yīng)鏈的理論探索與展望[J].中國流通經(jīng)濟，2024，38（01）.

[31]孫芳城，胡俊，鐘廷勇.數(shù)字化轉(zhuǎn)型提升企業(yè)資本配置效率的機制研究 [J].西部論壇，2023，33（04）.

[32]鄭婉清，吳崇林，劉杰.企業(yè)數(shù)字化轉(zhuǎn)型能抑制市場操縱嗎？——基于高頻數(shù)據(jù)的收盤價操縱識別模型 [J].金融發(fā)展研究，2023，（12）.

[33]王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù) [J].經(jīng)濟研究，2020，55（10）.

[34]王澤宇.企業(yè)人工智能技術(shù)強度與內(nèi)部勞動力結(jié)構(gòu)轉(zhuǎn)化研究 [J].經(jīng)濟學動態(tài)，2020，（11）.

[35]Yu F，Wang L，Li X. 2020. The Effects of Government Subsidies on New Energy Vehicle Enterprises：The Moderating Role of Intelligent Transformation [J].Energy Policy，141.

[36]張遠，李煥杰.企業(yè)智能化轉(zhuǎn)型對內(nèi)部勞動力結(jié)構(gòu)轉(zhuǎn)換的影響研究 [J].中國人力資源開發(fā)，2022，39（01）.

[37]祁懷錦，曹修琴，劉艷霞.數(shù)字經(jīng)濟對公司治理的影響——基于信息不對稱和管理者非理性行為視角 [J].改革，2020，（04）.

[38]李雪松，黨琳，趙宸宇.數(shù)字化轉(zhuǎn)型、融入全球創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績效 [J].中國工業(yè)經(jīng)濟，2022，（10）.

[39]彭樹宏.人工智能應(yīng)用與企業(yè)就業(yè)吸納——來自中國上市公司年報文本分析的證據(jù) [J].經(jīng)濟管理，2024，46（08）.

[40]Feldstein M，Horioka C. 1980. Domestic Saving and International Capital Flows [J].The Economic Journal， 90（358）.

[41]馬光榮，程小萌，楊恩艷.交通基礎(chǔ)設(shè)施如何促進資本流動——基于高鐵開通和上市公司異地投資的研究[J].中國工業(yè)經(jīng)濟，2020，（06）.

[42]程新生，王向前.技術(shù)并購與再創(chuàng)新——來自中國上市公司的證據(jù) [J].中國工業(yè)經(jīng)濟，2023，（04）.

[43]江艇.因果推斷經(jīng)驗研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng) [J].中國工業(yè)經(jīng)濟，2022，（05）.

[44]余典范，張家才，陳磊.企業(yè)數(shù)字化促進了資本跨地區(qū)流動嗎？——來自上市公司異地設(shè)立子公司的證據(jù)[J].財經(jīng)研究，2023，49（12）.

[45]何凡，陳波，黃煒.行業(yè)規(guī)范標準化與資本跨區(qū)流動——基于企業(yè)異地投資的研究 [J].管理世界，2024，40（07）.

[46]洪金明，袁一辰.金融監(jiān)管與國有企業(yè)過度負債治理——來自資管新規(guī)的經(jīng)驗證據(jù) [J].經(jīng)濟問題，2024，（08）.

[47]趙濤，張智，梁上坤.數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù) [J].管理世界，2020，36（10）.