人工智能與資本跨地區流動

摘" "要：作為新一輪科技革命和產業變革的重要推動力，人工智能成為影響資本跨地區流動的關鍵力量。基于此，以2014—2023年中國A股上市公司為樣本，運用文本挖掘技術構建企業人工智能綜合指標，探討了人工智能在企業的應用對資本跨地區流動的影響及作用機制。研究發現：第一，人工智能可以顯著促進上市公司設立異地子公司，加速資本跨地區流動；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經營效率進而促進資本跨地區流動；第三，人工智能對資本跨地區流動的提升作用在非國有企業、高市場競爭企業以及中心城市企業中更強；第四，人工智能的發展促進企業新增異地子公司的同時不會對本地子公司產生擠出效應，存在帕累托改進。研究加深了對人工智能在資本跨地區流動中所扮演角色的理解和認識，為推進國內統一大市場建設提供了新的微觀路徑。

關鍵詞：人工智能；資本跨地區流動；交易成本；生產經營效率

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，資本的跨地區流動已成為推動經濟發展的關鍵因素。資本流動不僅促進了貿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濟增長提供動力（Akash等，2023）[1]。企業作為經濟活動的主要參與者，其跨區域投資行為是資本流動的重要體現。跨地區投資是指企業通過設立子公司或分支機構進入其他區域市場，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自身創造了增長機會和經濟回報（Wang等，2024）[3]，而且通過推動人才、資金、技術的自由流動，打破市場分割，激發當地經濟活力。然而，資本流動并非完全自由，在推進市場一體化的過程中，中國面臨的挑戰包括自然因素、技術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，技術因素源于不同地區勞動力素質和技術成熟度的差異，制度性市場分割則受到經濟、政治等人為因素的影響，如地方政府為了區域利益，可能會采取違反資源配置規律的行為，導致經濟扭曲（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效率，從而對經濟增長產生深遠影響。

人工智能作為一項革命性技術，深刻影響著資本流動、市場分割、跨區域投資以及市場一體化等多個方面（蘇立君，2024）[5]，成為新時代經濟發展的重要引擎。海外人工智能蓬勃發展，OpenAI（美國人工智能研究公司）于2023年3月發布GPT-4，谷歌于2023年12月發布Gemini大模型，微軟推出copilot、bing AI等。Sensor Tower（移動應用數據分析公司）數據顯示，2023年人工智能應用年度下載量和內購收入分別上漲60%和70%，超過21億次和17億美元。國內廠商也加快研發節奏，紛紛發布大模型產品。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布自己的大模型產品，并持續迭代更新。由此可見，各國高度重視人工智能并將其作為占領競爭制高點的重要舉措。資本跨地區流動是企業在激烈的市場競爭中保持領先地位、實現可持續發展的關鍵。那么，人工智能能否促進企業資本跨地區流動？針對這一問題進行的研究對我國企業通過人工智能技術促進資本跨地區流動具有深遠的戰略意義。

目前學術界對人工智能的研究主要從經濟增長（韓永輝等，2023；Goralski和Tan，2020）[6，7]、收入分配（江永紅和張本秀，2021）[8]、生產效率（姚加權等，2024；Soori等，2023）[9，10]、競爭能力（杜傳忠等，2024）[11]、技術進步（黃浩權等，2024）[12]和產業升級（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革命的代表，對經濟社會發展的各個方面都具有深遠的影響，為促進經濟發展提供必不可少的動力。在已有的關于人工智能微觀經濟效應的研究中，鮮有文獻關注人工智能在企業投資中的作用，尤其是對跨區域投資活動的作用。本文利用文本挖掘技術構建了微觀企業層面的人工智能指標，深入探究人工智能對資本跨地區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、專利數量以及單一年報進行分析的不足。第二，已有的跨地區投資文獻主要關注區位選擇及經濟后果等方面，鮮有研究涉及如何促進企業跨地區投資，本文從人工智能角度探討影響企業跨地區投資的因素，為新發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經營效率視角厘清人工智能對資本跨地區流動的作用機制，打開了人工智能與資本跨地區流動之間的機制“黑箱”。

二、理論分析與研究假設

（一）人工智能與資本跨地區流動

在全球化和區域一體化背景下，企業追求資本跨地區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]，導致資源配置效率受到影響，這迫使企業依賴非市場手段獲取異地資源，但這一途徑同樣充滿挑戰，地理距離的擴大、行業多樣性的增加、資金短缺、投資經驗缺乏以及市場變化等問題都增加了跨地區建立子公司的困難。政府行為是企業資本跨地區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跨地區投資產生了顯著的制度性摩擦，地方政府對資源配置的干預、市場壁壘和生產要素在地區間自由流動的阻礙削弱了全國統一大市場的資源配置功能，限制了企業在全國范圍內優化布局的空間。

企業邊際理論認為企業的本質是對市場的替代（王營和崔楷凈，2024）[17]，這一理論為理解企業通過設立異地子公司而非依賴市場機制進行資本跨地區流動提供了理論基礎。在市場交易成本過高的情況下，企業傾向于通過內部化的權威關系來實現資源的優化配置，以降低外部市場交易的成本。然而，這種內部化過程會帶來組織成本的增加，因此，企業在考慮異地投資時必須權衡內外部的交易成本。企業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，就需要從內部進行技術層面的轉型升級。而人工智能可以合理控制內部成本，提高企業運營效率（張譽夫等，2024）[18]。由此，在構建全國統一大市場的背景下，人工智能為促進資本跨地區流動提供了一個可能的路徑。

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

在此基礎上，人工智能進一步促進了資本的跨地區流動。一方面，人工智能通過提高企業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，幫助企業更好地識別市場機會，這種能力的提升使企業能夠更加精準地進行資源配置，進而引導資本流向預期利潤水平更高的區域，優化投資決策。另一方面，人工智能通過其自適應算法和機器學習能力，顯著提升了企業的適應性（杜亞光等，2024）[22]，使企業能夠靈活應對市場變化，這種適應性不僅幫助企業在面對經濟波動時保持穩定，還能迅速調整戰略以適應新的市場需求，使資本能夠更加迅速地流動到最需要的地區，進而促進資本跨地區流動。

由此，提出假設1：人工智能有助于促進資本跨地區流動。

（二）人工智能促進資本跨地區流動的作用機制

設立異地子公司不僅是企業跨地區投資的關鍵途徑，也是資本在國家和國際層面流動的主要形式。然而，企業在進行跨地區投資時，不可避免地會面臨成本和效率的雙重挑戰（余淼杰和高愷琳，2021）[23]，這些挑戰構成了資本流動的“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，企業的生產經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流動的作用機制。

1. 成本降低機制。無論是有形的生產經營成本還是無形的信息成本，都構成了企業的交易成本，這成為其跨地區投資的主要障礙（李穎等，2024）[25]。其一，人工智能在降低跨地區投融資成本方面發揮著重要作用。具體而言，一方面，人工智能通過提高信息透明度，有效緩解了企業在跨地區投資過程中面臨的信息不對稱問題（許家云等，2024）[26]。傳統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據，為企業提供更為精準和實時的市場情報，不僅減少了企業信息搜集的成本，還降低了由于信息不透明而產生的投資風險，從而降低整體的投資成本。另一方面，人工智能技術有助于打破地域限制，實現信貸資源在不同地區合理流動，進一步降低企業的跨地區融資成本。不同于傳統的融資模式，人工智能技術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]，這種優化的融資渠道為企業提供了更多的融資機會，促進了資本的跨地區流動。

其二，跨地區并購交易成本涉及并購過程中的信用評估、議價、盡職調查等成本。在信用評估過程中，人工智能通過分析企業的財務報表、交易記錄、市場表現等多維度數據，可以構建更為精細的企業信用畫像，有助于評估企業的信用狀況（姜建清，2024）[28]，為企業跨地區投資提供便利。在議價階段，人工智能可以利用信用評估結果制定更加精準的出價策略，實時監控市場動態，為決策者提供即時的反饋和建議，這種實時的數據分析和決策支持能力可以顯著減少因人為因素導致的議價失誤，降低交易成本。在盡職調查過程中，人工智能和數據分析工具的應用極大地促進了企業之間的溝通，顯著提升盡職調查速度，有助于企業更準確地評估目標企業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流動。

由此，提出假設2：人工智能可以通過降低交易成本，從而促進資本跨地區流動。

2. 效率提升機制。人工智能可以從規模效應、學習效應和協調效應三重渠道影響企業的生產經營效率。首先，人工智能的規模效應不僅體現在單個企業內部，還體現在整個產業鏈上下游的協作和共享基礎設施上（Babina等，2024）[29]，有助于提升整個行業的效率。在企業層面，人工智能的內部規模經濟效應表現在隨著企業規模的擴大，人工智能模型能夠處理更復雜的任務，提升決策的準確性和效率。在行業層面，人工智能的外部規模經濟效應表現在隨著人工智能技術應用在更多的企業中，整個行業的生產效率得到提升。其次，人工智能通過學習效應顯著提升企業的生產經營效率，主要表現在機器學習算法的自我優化上（宋華，2024）[30]。隨著時間的推移和數據的積累，人工智能系統可以更加精準地降低企業的生產成本并提高生產效率，這種技術的進步在高頻、重復且規則明確的生產活動中表現得尤為明顯。例如，Google公司研發的人工智能AlphaGo于2016年、2017年分別戰勝了世界冠軍李世石和柯潔，展現了人工智能在提高知識創造準確度方面的潛力。最后，人工智能通過協調效應顯著提升企業的生產經營效率，主要體現為其能夠加強生產各環節的配合，促進協作化生產，實現縱向一體化。人工智能技術通過優化生產流程，加強了上游技術研發、中游工程實現和下游應用反饋的協同，不僅提高了運行效率，而且提升了資本、勞動、技術等要素之間的匹配度（許家云等，2024）[26]。

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

由此，提出假設3：人工智能可以通過提升生產經營效率，從而促進資本跨地區流動。

三、研究設計

（一）樣本選擇與數據來源

本文選擇2014—2023年中國A股上市企業數據，上市公司年報來自新浪財經網站，專利數據來自IRPDB知識產權數據庫，控制變量數據來源于國泰安數據庫，城市層面變量來自各年度《中國城市統計年鑒》。本文對相關數據進行如下處理：（1）剔除金融行業上市公司；（2）剔除ST、*ST和PT公司；（3）為緩解內生性影響，剔除信息傳輸、軟件和信息技術服務業的公司；（4）剔除相關數據缺失的公司。對主要連續變量進行1%和99%的縮尾處理，最終得到24980個觀測值。

（二）模型設計與變量定義

為驗證人工智能能否促進資本跨地區流動，本文構建以下模型：

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

其中，[LnNumber]表示企業[i]在[t]年的新增異地子公司數量，[AI]為企業[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，[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）。現有文獻關于人工智能的測度指標主要包括企業工業機器人滲透度（王永欽和董雯，2020）[33]、人工智能專利數量（王澤宇，2020）[34]以及從公司年報提取人工智能關鍵詞（Yu等，2020）[35]。然而，工業機器人滲透度很難反映非制造業的人工智能水平，僅能代表制造環節中的自動化程度；專利數量同樣難以衡量非制造業人工智能水平；人工智能詞頻統計一定程度上可以反映企業發展理念，具有一定的科學性，但同樣存在局限性。一方面，企業報告可能存在虛假用詞問題，容易被管理層操控；另一方面，有的企業在年報中較少描述人工智能，而在實踐中表現出較高的水平，這都會導致人工智能的測量出現偏差。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，使用文本挖掘技術得到企業年報中與人工智能相關關鍵詞出現的頻次，即為人工智能關鍵詞詞頻；其次，使用“軟件”“系統”“數據”“信息平臺”等關鍵詞表征人工智能無形資產科目，使用“數據設備”“電子設備”等表征人工智能固定資產科目，從企業財務報告附注中篩選出人工智能無形資產和固定資產的金額，二者之和占資產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]，對上述兩項結果經標準化處理后分別取50%的權重合成人工智能指標。

在人工智能應用和發展水平的衡量方面，目前缺乏統一的標準，國際機器人聯合會（IFR）發布的各國分年度、分行業的工業機器人統計數據是當前公認的權威指標。因此，參考彭樹宏（2024）[39]，采用IFR公布的數據對比驗證本文所構建的人工智能指標的準確性和有效性。

首先，基于IFR公布的國家和行業層面的數據，結合《中國工業統計年鑒》中提供的各年份、各地區以及各行業的就業人員數量，計算出各行業的工業機器人密度，并采用Bartik方法構建地區層面的工業機器人密度指標。其次，依據本文人工智能測算方法界定企業是否應用了人工智能技術，并據此計算出各行業各地區應用人工智能的企業比例，作為衡量各行業各地區人工智能應用程度的指標。最后，分別計算行業和地區層面的人工智能指標與工業機器人密度之間的相關性。研究結果顯示，行業層面兩種測算方式的Pearson相關系數為0.416，p值小于0.01；地區層面兩種測算方式的Pearson相關系數為0.502，p值小于0.01。這表明兩種測算方法得到的結果具有很高的相關性，從而驗證了本研究所構建的人工智能指標能夠有效反映企業人工智能的應用程度。

2.被解釋變量：異地投資（LnNumber）。傳統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，并且由于企業不會在年報中披露子公司的具體財務信息，獲取企業跨地區投資的數據比較困難。因此，本文試圖從子公司的角度來衡量企業跨區域投資水平，即通過企業跨地區設立子公司的數量來量化該指標。借鑒馬光榮等（2020）[41]的做法，查找上市公司發布的關聯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量的自然對數衡量企業異地投資。

3. 控制變量。為了控制會對企業跨地區投資產生影響的其他因素，本文控制了一系列重要的企業層面特征以及城市維度特征。企業層面包括公司規模（Size）、資產負債率（Lev）、總資產凈利潤率（Roa）、固定資產占比（Fixed）、營業收入增長率（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濟發展水平差異（Pgdpgap）和勞動力發展水平差異（Laborgap），以排除城市之間經濟發展水平差異以及人力資本差異對企業選擇投資的影響。詳細的變量定義和說明見表1。

四、回歸結果分析

（一）描述性統計

表2報告了全樣本主要變量的描述性統計結果。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，說明企業人工智能水平差異程度較大，更多的企業處于一個較低的水平。控制變量與現有研究基本一致。

（二）基準回歸

Hausman檢驗的p值小于0.01，因此，使用雙向固定效應模型檢驗人工智能對資本跨地區流動的影響。回歸結果如表3所示，人工智能系數在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流動，由此，假設1得到驗證，即人工智能提高了企業管理的精準性、效率和適應性，引導企業優化投資決策，促進了資本跨地區流動。

（三）內生性檢驗

1. 工具變量法。為緩解人工智能與資本跨地區流動之間可能存在的內生性問題，參考姚加權等（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果。人工智能回歸系數顯著為正，與前文研究結論一致。

2. DID檢驗與動態效應。本文采用《智能制造發展規劃（2016—2020年）》中提到的重點產業智能轉型作為準自然實驗，采用雙重差分模型探討其對資本跨地區流動的動態作用，更深入探討二者之間的因果關系，從而緩解內生性問題。具體來講，本文將屬于重點產業的企業作為實驗組，將其他企業作為控制組，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，當企業所屬產業為重點產業時為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]系數顯著為正，表明人工智能對企業異地投資具有提升作用。

在此基礎上，構建動態模型如式（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。回歸結果如表4第（4）列所示，在政策實施之前的年份及當年交乘項系數均不顯著，之后的年份交乘項系數均顯著為正，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流動顯著高于控制組，這表明人工智能對資本跨地區流動具有顯著的正向影響，且有一定的持續性。

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流動的影響。具體來講，將所有控制變量作為協變量，使用1∶1近鄰匹配與控制組進行逐年匹配。表4第（5）列中交乘項系數顯著為正，證明了本文結論的可靠性。

（四）穩健性檢驗

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

2. 滯后解釋變量。考慮到人工智能對資本跨地區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論的影響，表5第（2）列中人工智能的滯后一期系數顯著為正，證明本文結論的可靠性。

3. 變化模型。為進一步驗證資本跨地區流動的提升是由人工智能的變化導致的，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流動的一階差分，表5第（3）列中人工智能的一階差分系數顯著為正，說明結果穩健。

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

5. 高維固定效應。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，表5第（5）列中人工智能系數顯著為正，證明本文結論的可靠性。

五、機制分析

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

[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、銷售費用以及財務費用之和與總資產的比值衡量交易成本（Cost），并且使用差旅費用與總資產的比值衡量狹義交易成本（TravelFee）。回歸結果如表6第（1）和（2）列所示，人工智能系數在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存在，由此，假設2 成立。原因可能在于，人工智能能夠分析和預測市場趨勢，為企業提供精準的市場洞察，減少市場調研的資源投入；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、監督和執行合同等的成本，意味著企業可以以更低的成本獲取更全面的信息，使企業有更多的資本用于實際的生產和投資活動，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致的“資產專用性”（Mou，2019）[27]，從而實現了資本在不同地區之間的有效配置和流動。

（二）效率提升機制

參考何凡等（2024）[45]，使用企業經營預期和經營活動兩個維度刻畫企業生產經營效率。其中，使用企業四個季度現金流波動性（Cfvol）衡量企業生產經營預期，波動性越大，經營效率越低；使用應收賬款周轉率（Rate）衡量企業經營活動效率，周轉率越高，經營效率越高。回歸結果如表6第（3）和（4）列所示，人工智能的系數均在1% 水平上顯著，且sobel 檢驗的p 值小于0.01，證明了生產效率中介效應存在，由此，假設3 成立。原因可能在于人工智能技術通過優化生產流程提高決策效率，顯著提升了企業的生產和經營效率。企業生產經營效率的提升對資本跨地區流動具有顯著的促進作用。一方面，生產經營效率的提升意味著企業能夠以更低的成本生產更多的產品（ Babina等，2024）[29] ，這不僅增加了企業的盈利能力，也提高了其資本積累的速度。另一方面，高效率的企業往往能夠更快地適應市場變化， 更有效地利用不同地區的資源和市場優勢， 從而吸引資本流向更高回報的地區（鄭婉清等，2023）[32]，促進了資本在不同地區之間的流動。

六、異質性分析

（一）產權異質性

非國有企業通常展現出更高的決策靈活性和快速響應市場變化的能力，而國有企業在資源分配上面臨更多的限制和監管要求，限制了其在人工智能領域的應用速度。因此，本文基于產權性質將樣本分為國有企業和非國有企業兩類，表7第（1）和（2）列的結果顯示，人工智能的估計系數在非國有企業中更大，組間系數差異顯著，表明人工智能對非國有企業資本跨地區流動的提升作用更強。這主要是因為非國有企業通常具有更高的靈活性和市場適應性，在決策過程中往往能夠更快地響應市場變化，利用人工智能技術優化資源配置和提高運營效率（洪金明和袁一辰，2024）[46]。此外，非國有企業在技術創新和商業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品和服務的開發，在資本運作上通常也更加靈活，能夠根據人工智能提供的數據洞察和市場分析迅速調整投資策略。這種靈活性和對市場動態的敏感性使非國有企業能夠更充分地利用人工智能的優勢，推動資本的跨地區流動。

（二）競爭水平異質性

激烈的市場競爭中企業面臨價格與質量的雙重挑戰，而人工智能的引入以其“降價提質”效應成為企業維持競爭力的關鍵。在競爭激烈的市場中，企業為了保持競爭力，會更加傾向于投資那些能夠帶來技術優勢和市場優勢的地區，推動資本向這些地區流動。因此，本文參考杜傳忠等（2024）[11]使用赫芬達爾指數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）列結果顯示，人工智能的估計系數在高市場競爭企業中更大，組間系數差異顯著，這一結果表明人工智能對高市場競爭企業資本跨地區流動的提升作用更強。可能的原因在于，高市場競爭環境中的企業通常具有更強烈的全球擴張和資源優化配置的需求，人工智能提供的數據分析和決策支持能力成為其識別新市場機會、優化全球布局的關鍵工具。這不僅加速了企業對新技術的投資，也促進了資本向具有戰略意義或增長潛力的地區流動。

（三）城市異質性

中心城市通常具有更雄厚的經濟基礎和更完善的基礎設施，這使其在人工智能技術的應用和資本流動方面擁有更多的優勢。相比之下，外圍城市往往在人工智能技術的采納和應用上較為滯后，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，回歸結果如表7第（5）和（6）列顯示，人工智能的估計系數在中心城市更大，組間系數差異顯著，企業引入人工智能后，加速資本從中心城市流向外圍城市，這表明企業引入人工智能后，中心城市對外圍城市起到引領和外溢作用，資本要素從中心城市流向外圍城市，產生明顯的擴散作用。

七、進一步分析

在探討上市公司應用人工智能技術對異地子公司數量的影響時，一個關鍵問題是這種技術進步是否會對本地子公司產生負面影響。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）、異地子公司增加數量（Corssfirm）和本地子公司增加數量（Localfirm）。回歸結果如表8所示，人工智能技術的應用對異地子公司數量的增加具有顯著的正向影響。這表明隨著人工智能技術在上市公司中的廣泛應用，企業在異地市場的擴張活動得到了有效的促進。然而，對于本地子公司數量的變化，人工智能技術的影響并不顯著。這意味著盡管人工智能技術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生顯著的負面影響，存在帕累托改進。

八、結論及政策建議

在新一輪科技革命和產業變革加速推進的階段，傳統的經濟增長模式已經難以為繼，人工智能成為經濟發展的重要方向。本文收集中國A股上市公司年報數據，采用文本挖掘技術構建人工智能指標，研究人工智能對資本跨地區流動的影響及作用機制，得到以下結論：第一，人工智能可以顯著促進企業跨地區設立子公司，促進了資本跨地區流動；第二，人工智能可以通過降低交易成本和提高生產經營效率促進資本跨地區流動；第三，人工智能對資本跨地區流動的提升作用在非國有企業、高市場競爭企業以及中心城市企業中更顯著；第四，人工智能的發展在促進企業新增異地子公司的同時不會對本地子公司產生擠出效應，存在帕累托改進。基于以上研究結論，本文提出以下建議。

第一，強化人工智能戰略方向，以人工智能的超前布局開辟企業競爭新賽道，促進資本跨地區流動。一方面，政府應加強對人工智能的戰略支持，加大對算力軟硬件等核心支撐技術的持續投入，為算力硬件設備領域的企業提供稅收優惠，加強對存算一體等關鍵技術的專項攻關，形成高效率、低成本、規模化的人工智能公共服務支撐平臺。另一方面，企業應充分發揮人工智能在“降本”和“增效”方面的作用，積極采用人工智能技術，通過自動化生產流程和優化供應鏈管理來降低交易成本，并利用人工智能提升客戶服務和市場預測的準確性，提高生產經營效率，增強市場競爭力。

第二，加大對跨地區投資的政策支持力度。企業設立跨地區子公司的行為有利于打破市場之間的壁壘，促進市場結構的優化。一方面，地方政府應加強區域間合作，為企業跨地區投資營造公平的市場環境，并提供必要的政策激勵和制度保障，以激發企業的投資熱情。同時，需要打破地方保護主義和行政壁壘，推動人工智能等關鍵技術的區域一體化發展，為資本的自由流動和資源的優化配置提供堅實的保障。另一方面，企業應培養和強化市場競爭意識，積極開展跨地區的投資活動，以實現規模經濟和市場多元化。在增加跨地區投資的過程中，企業應加強子公司間的協作與資源共享，充分利用人工智能在資源整合和信息共享方面的優勢，提升集團內部的協作效率，實現顯著的帕累托改進效應。

第三，為促進資本的跨地區流動，企業應主動分析自身的內部條件與外部市場環境，制定符合自身特點的人工智能策略。非國有企業可以通過人工智能進行數據分析，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決策。競爭激烈市場環境中的企業可以利用人工智能提供個性化服務，增強客戶滿意度和忠誠度。中心城市企業可利用人工智能自動化重復性任務，減少人力成本并提高生產效率。通過這些策略，企業可以充分利用人工智能的潛力，提升競爭力和市場表現，進而促進資本跨地區流動。

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.政府干預視角下長三角城市群科技創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、人工智能應用與資本主義“去工業化”過程研究 [J].經濟學家，2024，（08）.

[6]韓永輝，劉洋，王賢彬.人工智能對區域經濟增長的異質性影響與機制識別——基于中國“機器換人”的實證檢驗 [J].學術研究，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，張錕澎，郭李鵬，馮緒.人工智能如何提升企業生產效率？——基于勞動力技能結構調整的視角 [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企業競爭力：機制與效應 [J].商業經濟與管理，2024，（02）.

[12]黃浩權，戴天仕，沈軍.人工智能發展、干中學效應與技能溢價——基于內生技術進步模型的分析[J].中國工業經濟，2024，（02）.

[13]張萬里，劉婕.人工智能對產業結構升級的影響機制研究——基于資本-技能互補的理論分析 [J].經濟經緯，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一大市場建設了嗎？——基于256個地級市的數據分析 [J].南方經濟，2024，（06）.

[17]王營，崔楷凈.數字化轉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 [J].金融論壇，2024，29（06）.

[18]張譽夫，謝建國，孟慶偉.人工智能應用有助于促進企業專業化分工嗎——基于中國上市企業數據的研究[J].山西財經大學學報，2024，46（07）.

[19]廖高可，李庭輝.人工智能在金融領域的應用研究進展 [J].經濟學動態，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.人工智能與企業客戶穩定性——基于中國工業機器人應用的證據 [J].經濟問題，2024，（02）.

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

[24]王媛，唐為.交通網絡、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 [J].經濟學（季刊），2023，23（04）.

[25]李穎，肖麗芳，續慧泓.ESG表現與企業跨區域投資 [J].華東經濟管理，2024，38（04）.

[26]許家云，沈含雨，周新博.人工智能發展與企業ESG表現 [J].世界經濟研究，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域的應用[J].新金融，2024，（08）.

[29]Babina T，Fedyk A，He A，Hodson J. 2024. Artificial Intelligence，Firm Growth，and Product Innovation [J]. Journal of Financial Economics，151.

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

[31]孫芳城，胡俊，鐘廷勇.數字化轉型提升企業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.企業數字化轉型能抑制市場操縱嗎？——基于高頻數據的收盤價操縱識別模型 [J].金融發展研究，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？——來自制造業上市公司的證據 [J].經濟研究，2020，55（10）.

[34]王澤宇.企業人工智能技術強度與內部勞動力結構轉化研究 [J].經濟學動態，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.企業智能化轉型對內部勞動力結構轉換的影響研究 [J].中國人力資源開發，2022，39（01）.

[37]祁懷錦，曹修琴，劉艷霞.數字經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.數字化轉型、融入全球創新網絡與創新績效 [J].中國工業經濟，2022，（10）.

[39]彭樹宏.人工智能應用與企業就業吸納——來自中國上市公司年報文本分析的證據 [J].經濟管理，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.交通基礎設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].中國工業經濟，2020，（06）.

[42]程新生，王向前.技術并購與再創新——來自中國上市公司的證據 [J].中國工業經濟，2023，（04）.

[43]江艇.因果推斷經驗研究中的中介效應與調節效應 [J].中國工業經濟，2022，（05）.

[44]余典范，張家才，陳磊.企業數字化促進了資本跨地區流動嗎？——來自上市公司異地設立子公司的證據[J].財經研究，2023，49（12）.

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

[46]洪金明，袁一辰.金融監管與國有企業過度負債治理——來自資管新規的經驗證據 [J].經濟問題，2024，（08）.

[47]趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據 [J].管理世界，2020，36（10）.