人工智能创新应用先导区政策能否促进企业供应链金融？来自中国准自然实验的证据

《Finance Research Letters》：Can the AI innovation application pilot zone policy enhance corporate supply chain finance? Evidence from a quasi-natural experiment in China

　　

摘要
中国国家人工智能创新应用先导区提供了一个制度环境，用于识别面向人工智能的政策试验是否改变了企业融资行为。本研究使用 2010-2024 年沪深 A 股上市公司数据及双重差分模型，考察了该政策对企业供应链金融（SCF）的影响及其传导机制。估计结果表明，该计划提高了企业的 SCF 水平。机制检验表明，该政策通过减少信息不对称、加速供应链数字化和增强企业供应链话语权来发挥作用。额外检验表明，对于内部控制质量较高、高管具有金融背景以及在市场化程度较高地区运营的企业，该效应更强。这些发现突出了人工智能政策试点的融资后果，并为改进供应链金融支持体系提供了实证支持。

引言
融资能力与企业在全球供应链中维持稳定运营的能力密切相关。中小企业普遍存在商业信用约束，传统的信用评估体系往往无法纳入通过供应链交易创造的价值，从而削弱了其有效性和可持续性 (Klapper and Randall, 2011)。因此，供应链金融（SCF）已成为协调资金、信息和物流的重要机制。在中国，它也受到了政策关注：国务院 2017 年发布的《关于金融服务实体经济的指导意见》鼓励供应链金融更好地支持实体经济，而 2021 年的政府工作报告强调了作为金融供给侧改革一部分的创新。与传统关注单个企业资本获取的企业级融资不同，SCF 涉及核心企业、金融机构以及上下游合作伙伴的协调参与。它将交易记录和非流动资产转化为信用支持信息，从而扩大了供应链企业的融资渠道 (Wuttke et al., 2013)。因此，在现代供应链管理中，SCF 可被视为传统金融的延伸。

尽管 SCF 很重要，但传统 SCF 仍面临数据碎片化、交易信息不透明和信用认可能力有限等约束。人工智能（AI）提供了解决方案。2019 年 10 月，中国工业和信息化部批准了在上海、深圳和济南 - 青岛设立的首批人工智能创新应用先导区，以探索人工智能如何支持实体经济。2019 年先导区政策的推出加速了人工智能产业化，测试了监管框架，并推进了国家自主可控和韧性目标。随后，北京、天津滨海新区、杭州、广州和成都于 2021 年，南京、武汉和长沙于 2022 年建立了先导区。截至 2025 年 12 月，共有 11 个先导区获批，以测试政策工具、促进大规模实施、培育新增长点并为更广泛的行业生成可复制的经验。

不幸的是，政策层面影响的实证证据仍然有限。研究主要集中在理论和运营模式上，包括资金流优化 (Gomm, 2010)。后来的研究纳入了大数据和信息技术，考察了金融科技驱动的融资效率 (Gelsomino et al., 2016)、数字化的创新能力增强 (Moretto et al., 2019) 和信息技术风控转型 (Wetzel and Hofmann, 2019)。随着人工智能应用的扩展，学者们强调数据可用性和管理质量是持续的障碍 (Ronchini et al., 2024)。最近的工作探讨了锂离子电池中的人工智能驱动可持续性评估 (Chen et al., 2025)、人工智能赋能的绿色增长路径 (Zhao et al., 2025)、绿色金融的环境足迹影响 (Tariq et al., 2024) 以及数字孪生采用的政策障碍 (Watts et al., 2025; Zhao et al., 2026; Liu et al., 2026)。其他研究提出了去中心化人工智能框架，以解决多源数据不一致并改进信用风险评估、现金流预测和融资利率优化 (Alirezaie et al., 2024; Ronchini et al., 2024; Liu and Cifuentes-Faura et al., 2025; Liu and Jia et al., 2025)。然而，这部分文献大多以技术为导向，人工智能先导区政策的制度角色尚未得到充分考察 (Liu et al., 2024)。

本文在三个方面为文献做出了贡献。理论上，它从政策实验的角度识别了先导区政策对企业 SCF 的因果效应，从而扩展了对制度环境如何塑造供应链融资的理解。方法论上，它通过检验信息不对称、供应链数字化（SCD）和供应链话语权，阐明了政策信号如何转化为融资结果。实践上，它提供了证据以支持更有针对性的政策实施。

部分片段
理论分析与研究假设
预计人工智能先导区政策将提高企业的 SCF 水平。从信号传递理论 (Spence, 1973) 和信息不对称理论 (Aakerlof, 1970) 的角度来看，国家级先导区认定向金融机构传达了关于技术能力和运营合规性的可信信息，从而减少了贷款前的逆向选择。人工智能应用也有助于企业完善库存管理，更清晰地披露应收账款和应付账款，并记录

基准回归结果
基准测试使用以下设定实施：
????????=??0+??1????????????????????+??2??????????????????????????+????+????+???????,
其中 i 表示企业，t 表示年份。被解释变量是 SCF，核心解释变量是先导区政策（inter）。设定包括相关控制变量、企业固定效应、年份固定效应和随机扰动项。

机制检验模型
为了考察人工智能先导区政策如何影响 SCF，我们估计了机制回归。因为传统的逐步中介

基准估计
表 3 报告了人工智能先导区政策对 SCF 影响的基准估计。在 (1) 至 (5) 列中，在所有固定效应设定下，政策变量的系数保持正且统计显著。在包含企业和年份固定效应的第 (5) 列中，系数为 0.0593，在 1% 水平上显著。这一估计意味着先导区政策使企业 SCF 增加约 6.1%，表明具有显著的经济效应。

内生性与稳健性检验

异质性分析
本研究接下来考察政策效应是否随企业层面和区域特征系统性变化。具体来说，它考虑内部控制质量（IC）、高管金融背景（EB）和区域市场化（MO）作为调节变量。更强的内部控制减少信息摩擦，有金融经验的高管更能驾驭复杂融资工具，更高的市场化促进非正式制度的整合与

主要发现
使用 2010 年至 2024 年沪深交易所上市的 A 股公司，本研究采用双重差分模型识别人工智能创新应用先导区政策对企业 SCF 水平的影响。得出三个主要发现。第一，该政策显著增加了企业 SCF。第二，该效应通过三个渠道发挥作用：减少信息不对称、提高 SCD 和增强供应链话语权。第三，该效应更为

资金
本研究未从公共、商业或非营利部门的资助机构获得任何特定资助。

作者声明
我们声明本稿件是原创的，此前未发表过，且目前未在别处考虑发表。
我们确认稿件已由所有署名作者阅读并批准，没有其他符合作者资格但未列出的人。
我们进一步确认稿件中列出的作者顺序已获我们所有人批准。
我们理解通讯作者是编辑部的首要联系人

CRediT 作者贡献声明
隋露雨：写作 – 审查与编辑，写作 – 原创草案，可视化，监督，资源，项目管理，方法论，调查，形式分析，数据整理，概念化。王梓禾：写作 – 审查与编辑，验证，形式分析，数据整理。黄启月：写作 – 审查与编辑，项目管理，方法论，调查，形式分析，数据整理，概念化。

隋露雨 | 王梓禾 | 黄启月
上海海事大学经济管理学院，中国上海市浦东新区海港大道 1550 号，201306