数字化转型如何缓解资源错配？人工智能中介的可持续发展效应

《Economic Analysis and Policy》：How Does Digital Transformation Alleviate Resource Misallocation? The Effects of Sustainable Development Mediated by Artificial Intelligence

　　

摘要：尽管数字化转型已深度渗透至工业发展的各个部门，但其通过智能技术提高要素配置效率并实现可持续发展的微观机制尚未得到充分阐明。本研究分析了企业数字化转型与资本、劳动等要素错配之间的关系，并将人工智能技术引入作为关键调节变量。基于多行业企业微观数据的实证检验结果表明，数字化转型能显著缓解企业内外的资源错配，主要通过信息共享、效率优化和要素高效重新配置来实现。这种改善在资本密集型行业、要素冗余严重的企业以及高污染排放企业中尤为明显；人工智能技术的深度应用可进一步放大这种治理效应。此外，数字化与智能技术的协同交互能迫使企业采用绿色生产实践并提高资源利用效率，从而持续释放长期可持续发展的潜力。本研究的发现为通过数字技术优化要素配置、平衡经济发展与绿色转型提供了理论基础和实践洞察。

引言：在全球产业转型和资源供需动态深刻调整的背景下，数字化转型已成为各国优化经济运营模式、解决资源配置挑战的核心。依靠数字技术重构要素流动逻辑已成为高质量发展的核心战略导向 (Raghavendra et al., 2026)。数字化转型是一种发展模式，它以数字软硬件、智能算法和互联网络为基础基础设施，对生产、流通和分配的全过程进行转型和升级。它能突破传统产业边界的约束，重塑要素组合和资源配置规则，具有精确控制、网络协调和智能决策的典型特征 (Khan, 2026)。许多发达经济体率先推进产业数字化转型，利用数字平台打破产业链供需壁垒，利用智能调度减少资源浪费性消耗。由此，它们解决了要素错配的痛点，为经济可持续发展奠定了坚实基础 (Rahnama et al., 2026)。许多发展中经济体也顺应数字化浪潮，根据自身产业禀赋推进数字化转型，探索适合其本地发展现实的优化资源配置路径 (Wagan et al., 2026)。受限于工业基础薄弱、数字应用水平低以及要素流动机制僵化，资源错配在大多数地区仍然是突出问题，数字化转型赋能高效资源配置的潜力尚未得到充分释放 (Fül?p & Topor, 2026)。

资源错配是指各种生产要素偏离最优配置的经济状态，导致要素闲置、过度集中和供需脱节等不平衡现象，进而阻碍整体生产效率和发展质量 (Koivusalo & MacKintosh, 2011)。这直接表现为资本、劳动、土地和能源等要素无法流向高效率经济实体和高质量产业部门，从而长期阻碍产业升级和经济稳步增长。区域资源配置效率是评估经济发展质量的关键基准。它直接反映了要素投入与产出的匹配程度，兼顾经济产出效率、资源消耗水平和长期发展潜力。该效率的提升直接关联于产业结构优化、发展模式转型和区域经济平衡发展 (Lu et al., 2024; Mao & Xu, 2023)。

现有学术研究从多个维度探讨了数字化转型与资源错配之间的关系。首先，从信息流角度看，数字化转型利用大数据、物联网 (IoT) 和在线交易平台解决信息鸿沟，缓解市场信息不对称，拓宽要素匹配渠道，提高资本、劳动和物料配置的精度，从而为解决资源错配奠定信息基础 (Kebe et al., 2026; Sathasivam et al., 2026)。其次，从产业运营角度看，相关研究证实数字化转型可驱动产业结构迭代升级，淘汰落后低效产能，引导要素向绿色、低碳和高附加值产业集中，从而实现资源利用效率的稳步提升 (Huang et al., 2026; Zaman et al., 2026)。第三，从影响范围角度看，现有研究验证了数字化转型在解决资源错配及其约束方面的矫正作用，明确数字化可通过优化生产模式和调整要素投入结构来逐步改善不平衡的资源配置 (Tathavadekar & Mahankale, 2026; Fahrudi et al., 2026)。第四，建立了资源错配决定因素的多维分析框架。外部而言，激烈的市场竞争迫使企业优化要素利用并减少低效资源消耗 (El Garem, 2026)，而政策支持和企业环境改善为理性资源配置提供了制度保障 (Nguyen & Uong, 2025)；内部而言，技术创新可提高生产要素的生产率 (Al Maazmi et al., 2025a)，而人才储备帮助企业科学配置各种生产资源 (Bag et al., 2025)。一些研究证实资源错配表现出空间相互依赖性；区域产业联系和要素跨区域流动驱动资源配置效率，产生空间传导效应。

然而，仍存在显著的研究空白：首先，大多数研究仅孤立考察数字化转型的经济效应，较少系统阐明数字化转型缓解涉及资本、劳动等生产要素的多维资源错配的内在传导机制。其次，少数研究将人工智能 (AI) 技术纳入研究框架以探讨其对数字化转型与资源错配关系的调节效应，更不用说深入分析其协同交互为企业可持续发展带来的长期赋能机制。基于此，我们采用企业运营的微观视角，聚焦数字化转型、资源错配和人工智能 (AI) 的调节作用等核心变量，提出以下核心研究问题：企业数字化转型能否有效缓解内外部多维资源错配？数字化转型缓解资源错配的内在机制是什么？人工智能技术在此关系中是否发挥积极的强化或削弱的调节作用？为此，我们使用中国沪深交易所 2018 年至 2024 年非金融 A 股上市公司的微观面板数据作为研究样本。我们实证检验了数字化转型对企业资源错配的缓解效应，特别重点关注验证人工智能技术的调节作用，并进一步探索数字化与智能技术协同交互对企业可持续发展的驱动效应。

本研究做出了三个主要的创新贡献。首先，通过纳入人工智能技术的调节视角，本研究扩展了数字化转型与资源错配关系的研究范围。借鉴产业经济学和可持续发展的理论框架，系统描绘了数字化转型矫正资源错配的传导机制，并分析了人工智能技术所发挥的调节作用。其次，它将影响资源错配的因素从传统的要素视角延伸至智能技术的调节维度，为解释不同地区和行业资源配置差异提供了新颖的分析方法。第三，本研究的发现可作为各地推进数字升级、理性应用 AI 技术、解决资源错配挑战和促进经济长期可持续发展的实践参考，从而有助于协调产业数字化、要素理性配置和绿色发展等多个目标。

以下文本结构如下。第二部分概述研究设计，包括理论机制分析、研究假设制定、计量模型设定以及变量和数据源定义。第三部分进行实证检验，涵盖基准回归分析、调节效应检验和多次稳健性检验。第四部分展示研究的扩展，探索区域和行业的异质性。第五部分总结全文结论，阐述政策启示，分析研究局限性，并确定未来研究方向。

章节片段

数字化转型对企业资源错配的影响

在产业升级和资源配置优化领域，要素配置理论和数字经济理论是解释数字化转型如何矫正资源错配并赋能可持续发展的核心理论框架。在传统经济模式下，市场信息不对称、要素流动壁垒和生产决策滞后等问题容易导致资源错配——包括资本集中

模型设定

为了准确识别数字化转型对企业资源错配的矫正效应，并系统检验人工智能技术的调节作用，首先构建基准回归模型以检验数字化转型对企业资源错配的主效应：

$$??????????=??_0+??_1??????????+??_2????????????????????+??_??+??_??+??_{????}$$

其次，我们构建调节效应模型以检验 AI 技术的调节作用：

$$??????????=β_0+β_1??????????+β_2????????+β_3??????????×????????+β_4$$

计量检验

为了有效缓解多重共线性对后续回归结果准确性的影响，我们对因变量、核心解释变量、调节变量和各种控制变量进行了 Pearson 相关性分析。我们还使用方差膨胀因子 (VIF) 进行了多重共线性检验。具体结果见附录表 A3。

附录表 A3 报告了整个

基于管理治理效率的异质性检验

减少信息摩擦的有效性高度依赖于内部公司治理的效率。通过数字化转型建立的信息传输系统能否得到有效实施并转化为优化的决策和资源配置，直接取决于管理层的治理能力与执行效率。高治理效率的公司拥有畅通的决策链和强大的内部

结论与建议

以中国 2018 年至 2024 年非金融 A 股上市公司数据为样本，本文系统考察了数字化转型对企业资源错配的治理效应、传导路径和范围。通过引入人工智能技术作为调节变量，并结合中介、调节和异质性分析，研究得出以下核心结论并提出相应的政策建议。首先，

未引用的参考文献

Khan, 2026, Rahnama et al., 2026, Wagan et al., 2026, Fül?p and Topor, 2026, Koivusalo and MacKintosh, 2011, Lu et al., 2024, Mao and Xu, 2023, Shanyong et al., 2023, Zhang et al., 2025, Kokkinou and Mitas, 2026, Alshibani et al., 2026, Titiaan and Anne, 2025, Shuang, 2025, Guangqin et al., 2023, Huimin et al., 2024, Hao and Guimin, 2024, Tao et al., 2022, Kateryna et al., 2020, Xiaodan et al., 2024, Dukangqi and Weitao, 2021, Nawel et al., 2023, Raghavendra et al., 2026

CRediT 作者贡献声明

Rui Wang: 监督、软件、项目管理、方法论、资金获取、形式分析、数据管理、概念化。Shaodong Geng: 形式分析、数据管理、概念化。

Rui Wang|Shaodong Geng

河北金融学院经济贸易学院，保定，071000，中国