技术嵌入与制度惯性：人工智能投资如何影响企业财务风险承担水平

《Economic Analysis and Policy》：Technology Embedding and Institutional Inertia: How AI Investment Affects Corporate Financial Risk-Taking Levels

　　

摘要

在全球人工智能投资热潮与企业数字化转型加速的背景下，人工智能投资已成为企业优化资源配置、提升核心竞争力的重要策略。然而，人工智能投资影响企业财务风险承担的路径与机制尚不清晰，且制度惯性可能起到调节作用。本研究以2015年至2023年中国A股上市公司为样本，运用固定效应模型、中介效应模型和调节效应模型进行实证分析，同时采用工具变量法解决内生性问题，并进行了稳健性检验。研究结果表明，人工智能投资与企业的财务风险承担呈显著正相关关系，融资约束在二者之间起部分中介作用，而制度惯性则对这一关系具有负向调节作用。异质性分析显示，这种关系在非国有企业、高新技术企业以及中国东部地区的企业中更为明显。本研究丰富了该领域的现有研究成果，为企业合理规划人工智能投资、平衡创新与风险管理提供了实证依据与实践指导。

引言

全球范围内的人工智能投资持续增长，截至2025年第三季度，与人工智能相关的项目已吸引了全球55.2%的风险投资资金，占初创企业总估值的43.5%。科技巨头和中小企业都在加大在人工智能领域的投资力度，推动人工智能技术与企业运营、生产及财务管理深度融合。通过技术嵌入，人工智能投资改变了企业的生产力、决策模式及资源分配方式，进而深刻影响企业的经营业绩与风险水平。财务风险承担体现了企业在运营过程中对金融风险的接受程度及应对方式，直接影响企业的可持续发展能力与资本市场的稳定表现。瑞银集团的警告指出，人工智能带来的颠覆性变化可能引发信贷市场的系统性冲击，提高企业的违约风险（Arvind, A., & Heinz, H, 2021）。

现有研究大多关注人工智能投资对企业创新绩效和运营效率的积极影响，也有学者开始关注人工智能投资可能带来的新风险，如模型稳定性与数据治理问题。不过，关于人工智能投资如何影响企业财务风险承担水平的研究仍相对分散，且内部制度惯性的调节作用尚未得到充分考量（Cheng, X. J, 2024）。制度惯性源于企业长期形成的组织结构、决策模式及行为规范，具有路径依赖特征，可能阻碍或促进技术嵌入的效果。肖远奇指出，人工智能应用带来的风险与历史上金融领域的技术革命类似，既有增量风险，也受到企业内部制度环境的制约。制度惯性可能会影响企业识别和控制人工智能投资风险的能力，从而改变人工智能投资与财务风险承担之间的关系（Danielsson, J., & Uthemann, A, 2025）。

基于技术嵌入理论，人工智能投资通过将人工智能技术嵌入企业的财务管理、风险控制等环节，提升了信息处理效率，降低了信息不对称程度，进而影响企业的财务风险决策。制度惯性理论则认为，企业现有的制度安排会形成路径依赖，从而制约或支持新技术的应用。将两者结合起来看，人工智能投资对企业财务风险承担的影响可能并非简单的线性关系，而是会受到制度惯性的调节（Deloitte China, 2019）。当前研究存在三个不足：首先，人工智能投资影响企业财务风险承担的具体传导机制尚不明确，融资约束等关键中介变量的作用也未经验证；其次，忽视了制度惯性这一重要的内部边界条件，未对其在二者关系中的调节作用进行探讨；第三，样本选择主要集中在科技巨头身上，缺乏对整个行业上市公司的系统研究，研究结论的普遍性不足（He, M. H, 2025）。

本文以2015年至2023年的中国A股上市公司为样本，系统探讨人工智能投资、制度惯性与企业财务风险承担水平之间的关系。其主要贡献体现在三个方面：首先，明确了人工智能投资对企业财务风险承担水平的直接影响，填补了人工智能投资风险后果研究领域的空白；其次，引入融资约束作为中介变量，揭示了人工智能投资影响企业财务风险承担的传导路径，进一步阐明了二者之间关系的内在逻辑；第三，将制度惯性纳入分析框架，检验其调节作用，丰富了技术嵌入与制度惯性相互作用方面的研究，为企业的人工智能投资决策与风险管理提供了更具针对性的参考。

章节节选

人工智能投资的经济效应

刘和王以2012年至2023年间深圳和上海A股市场的科技企业为样本，研究了人工智能技术与融资成本之间的关系（Liu and Wang, 2025）。他们发现，人工智能技术能够降低科技企业的股权融资和债务融资成本，而且企业的风险承担行为在这一过程中起到了中介作用。人工智能技术通过优化融资方案的设计来

理论分析与研究假设

本研究以技术嵌入理论和制度惯性理论为基础构建分析框架。技术嵌入理论强调，新技术并非独立于组织运作，只有融入企业的生产、管理、融资及决策流程后才能发挥影响力。制度惯性理论则指出，企业受到路径依赖、既定惯例和组织僵化的制约，这些因素可能

样本选择与数据来源

本研究的样本选择过程如下。首先，排除了金融行业的上市公司，因为这类企业具有特殊的金融业务特征，其财务风险承担的衡量标准也与非金融企业不同。其次，排除了处于特殊处理状态（ST和*ST）的上市公司，因其异常的运营和财务状况可能会扭曲实证结果。第三，排除了那些在人工智能相关数据方面存在缺失的企业

描述性统计

表1展示了主要变量的描述性统计信息。其中，财务风险的均值為0.052，标准差为0.038，最小值为0.008，最大值为0.217，可见样本企业的财务风险存在显著差异。有些企业的财务风险高于同类企业，而有些企业的财务风险则相对较低。人工智能投资强度的均值为0.023，标准差为

研究发现

本文结合技术嵌入理论和制度惯性理论，系统探讨了人工智能投资、制度惯性与企业财务风险承担水平之间的关系。通过实证分析，得出以下结论：

首先，人工智能投资强度越高，企业的财务风险承担水平也越高。这表明人工智能投资具有较高的不确定性，技术风险会随之传递，进而

CRediT作者贡献说明

方晨曦：写作——审阅与编辑，写作——初稿撰写，可视化分析，结果验证，监督指导，软件使用，资源协调，项目管理，方法设计，数据收集，资金筹措，正式分析，数据整理，概念构建。邢亚楠：写作——审阅与编辑，写作——初稿撰写，可视化分析，结果验证，监督指导，软件使用，数据收集，资金筹措，正式分析，数据整理，概念构建。

方晨曦|邢亚楠

俄罗斯罗斯托夫州经济大学应用数学与人工智能技术系，罗斯托夫-顿河畔，344002