《Frontiers in Marine Science》：How artificial intelligence improves the resilience of marine firms: insights from China’s A-share market
编辑推荐：
在日益波动的全球经济背景下，海洋企业普遍面临资产专用性高、组织协调复杂、易受外部冲击的脆弱性问题。本文聚焦“AI+海洋”交叉前沿，基于2012-2023年中国A股上市海洋企业的面板数据，系统研究了人工智能对海洋企业韧性的赋能效应及其作用机制。研究发现，人工智能通过降低内部交易成本、提升资产运营效率和促进国际市场布局多元化三条路径，显著增强了海洋企业韧性。该结论为政策制定者推进“AI+海洋”行动计划、构建高质量海洋经济微观基础提供了重要决策依据。
当今世界，经济格局风云变幻，不确定性已成为常态。海洋经济作为各国拓展发展空间、培育新增长极的核心战略领域，其重要性日益凸显。中国作为全球最大的海洋经济体之一，正以前所未有的战略高度推进海洋强国建设。然而，宏观海洋产业的扩张与微观海洋企业的脆弱性形成了鲜明对比。这些企业通常具有资产专用性高、组织结构复杂、深度融入全球供应链等特点，在面对地缘政治冲突、极端天气、生态灾难等内外冲击时，极易陷入经营停摆的困境。根据自然资源部最新数据，尽管2024年中国海洋生产总值实现了同比增长，但增速已显著放缓，传统海洋产业的增长动力明显减弱，同时，频发的有毒有害赤潮等生态约束也日益严峻。在此背景下，如何有效提升海洋企业的韧性，即企业在遭受非预期冲击时有效吸收损失并在危机后实现快速恢复的能力，成为一个亟待从理论和实践上取得突破的核心议题。
幸运的是，以人工智能为代表的新一代数字技术，为纾解企业脆弱性、重塑抗风险屏障提供了一条变革性的技术路径。与劳动、资本等传统生产要素不同，人工智能作为一种新型生产要素，在优化资源配置、提升生产效率、强化风险预警与响应能力方面展现出巨大潜力，正在深刻重塑企业的信息处理能力和决策范式。尽管人工智能作为“韧性催化剂”的逻辑具有直观吸引力，但相关的实证证据却十分稀缺和零散。为此，发表于《Frontiers in Marine Science》的这项研究，基于2012-2023年中国A股上市海洋企业的1320个“企业-年度”观测值，构建面板数据样本，实证检验了人工智能应用对海洋企业韧性的影响及其机制，以期揭开AI赋能企业韧性的“黑箱”。
为了开展这项研究，作者团队主要运用了以下几项关键技术方法：首先，在变量测度上，采用文本挖掘技术，利用Python的jieba工具对上市公司年报中“机器学习”、“深度学习”等AI相关关键词进行词频统计，以加1取自然对数来衡量企业人工智能发展水平；同时，借鉴Ortiz-de-Mandojana and Bansal (2016)的经典框架，从冲击吸收（用月度股票收益率标准差度量）和恢复（用三年销售总收入增长率度量）两个维度，并采用熵权法构建了综合性的企业韧性指标。其次，在模型构建上，采用了包含企业和时间双向固定效应的面板回归模型作为基准模型，并运用中介效应分析框架检验了三条潜在的作用机制。此外，为了克服内生性问题，研究综合采用了工具变量法（以AI的一阶滞后项、城市历史邮局数量与省级互联网普及率的交乘项作为工具变量）、倾向得分匹配、多期双重差分以及安慰剂检验等多种严谨的计量经济学方法，确保了研究结论的可靠性。在样本筛选上，研究依据《海洋及相关产业分类》国家标准，结合证监会行业代码，并手工核对年报中“主营业务”信息，严格识别出以海洋相关业务为核心主业的上市公司，确保了样本的代表性和准确性。
研究结果揭示了以下核心发现：
- 1.
人工智能显著增强了海洋企业韧性。 基准回归结果显示，在逐步加入控制变量、企业固定效应和年份固定效应后，人工智能的系数始终保持显著为正，这表明人工智能的应用能够有效提升海洋企业应对外部冲击并从冲击中恢复的能力，研究假设H1得到验证。
- 2.
人工智能主要通过三条路径赋能海洋企业韧性。 机制分析结果表明：
- •
降低内部交易成本： 人工智能的应用能够显著降低企业管理费用率，这意味着AI通过打通企业内部数据孤岛、优化组织协调，减少了信息摩擦和代理成本，从而为企业应对不确定性积累了更厚的财务缓冲，增强了韧性（假设H2）。
- •
提升资产运营效率： 人工智能显著提高了企业的总资产周转率。这意味着AI通过大数据分析和智能决策，系统性提升了海洋企业重型资产的运营效率和周转速度，加速了资金和生产能力的流转，使企业在面对冲击时能更灵活地配置资源（假设H3）。
- •
促进国际市场布局多元化： 人工智能的应用显著提升了企业的海外收入占比。这表明AI凭借其打破跨境数据壁垒、优化全球资源配置的独特优势，赋能海洋企业拓展全球化布局，通过市场多元化建立了有效的空间风险隔离机制，对冲了局部市场波动（假设H4）。
- 3.
人工智能的赋能效应存在显著的异质性。 进一步的分析发现，人工智能对海洋企业韧性的提升作用并非“一刀切”，而是存在明显的边界条件：
- •
规模效应： 人工智能的赋能作用在大型海洋企业中尤为显著，而在中小型企业中效果不彰。这体现了资源基础观和规模经济的逻辑，大型企业充足的资本储备和专业技术人才是其应用AI的重要保障。
- •
高管认知： 在核心高管团队具有数字化背景的企业中，人工智能的赋能效果得到显著放大；反之则不明显。这支持了高层梯队理论，懂数字技术的领导者能更准确地识别AI在供应链等环节的应用场景，并减少应用过程中的组织阻力。
- •
行业属性： 人工智能的赋能效果在传统海洋产业中更为突出，而在新兴海洋产业中不显著。这表明对于依赖自然资源和基础劳动力的传统产业而言，AI渗透带来了关键的技术冲击，有效打破了其对传统要素的路径依赖。
结论与讨论部分对全文进行了总结，并强调了其重要的理论和现实意义。本研究从微观企业层面提供了人工智能显著增强海洋企业韧性的可靠经验证据，拓展了人工智能与微观企业风险管理领域的交叉研究。在机制挖掘上，通过深度融合海洋产业重资产、高协同的典型特征，揭示了降低内部交易成本、提升资产运营效率和促进国际市场布局三条差异化路径，有效揭开了人工智能赋能海洋企业韧性的“黑箱”。在异质性剖析上，阐明了人工智能赋能海洋企业韧性的边界条件，深刻揭示出规模经济禀赋、管理层的技术认知以及打破要素路径依赖的迫切需求是决定AI韧性赋能效能的关键情境因素。
基于研究发现，本文提出了针对性的政策建议：应大力推进“AI+海洋”行动，战略聚焦于降本、增效与加速重资产周转；同时，针对不同企业规模和行业属性，实施差异化、精准化的数字扶持策略，以全面夯实海洋经济高质量发展的微观基础。这项研究不仅为理解AI如何重塑海洋企业韧性提供了清晰的因果逻辑，也为在全球不确定性中驱动海洋经济高质量发展提供了重要的实践参考。
