12月27-28日，由厦门大学邹至庄经济研究院、王亚南经济研究院、经济学院，全英/全欧中国经济学会，中国发展战略学研究会数字经济战略专业委员会联合主办的“厦门大学-全英/全欧中国经济学会人工智能与数字经济研讨会暨中国经济学教育论坛”在厦门大学经济楼举办。
本次会议为期两天，围绕“人工智能与经济金融数字化转型”这一核心主题，特邀十四位专家学者带来主旨报告，内容涵盖人工智能治理、数字经济转型、金融科技创新、新型金融风险防控等多个前沿领域。同时，会议于12月28日举行中国经济学教育圆桌论坛，邀请与会专家与厦大经济学科教师就数字化转型背景下中国经济学教育的创新发展、人才培养模式改革、学科交叉融合等关键问题展开讨论，为推动中国经济学教育高质量发展建言献策。
本次研讨会由教育部人文社会科学重点研究基地厦门大学宏观经济研究中心、厦门大学—中国科学院计量建模与经济政策研究基础科学中心承办。
27日上午，会议举行开幕式，由中国发展战略学研究会副理事长兼数字经济战略专委会执行主任李淑敏主持。中国科学院大学经济与管理学院、厦门大学邹至庄经济研究院院长洪永淼，全英/全欧中国经济学会主席石玉坤，厦门大学经济学院、王亚南经济研究院院长周颖刚分别致辞。
李淑敏主持开幕式
洪永淼致辞
洪永淼向与会嘉宾介绍了本次人工智能与数字经济研讨会暨中国经济学教育论坛的举办背景，感谢联合主办单位全英/全欧中国经济学会和中国发展战略学研究会数字经济战略专业委员会对会议组织筹备工作的倾情付出。他指出，本次会议是多方携手合作的成果，旨在共同探讨人工智能与数字经济前沿议题，希望本次会议能够成为思想碰撞、成果共享的学术平台。
石玉坤致辞
石玉坤在致辞中系统介绍了全英/全欧中国经济学会的发展历程、学术影响力及交流合作情况，强调学会在增进公众对中国经济的认知、推动中国经济高质量发展相关学术研究中的重要作用。本次会议将前沿学术研究与中国经济学教育论坛联动设置，旨在以中欧学术交流为纽带，探索青年学者培养路径。最后，他预祝本次会议研讨深入、交流充分、成果丰硕。
周颖刚致辞
周颖刚代表厦门大学经济学科对与会嘉宾表示热烈欢迎，向全英/全欧中国经济学会、中国发展战略学研究会数字经济战略专业委员会等合作单位致以诚挚感谢，并回顾了2023年与全英/全欧中国经济学会成功合办年会的渊源。随后，他简要介绍了厦大经济学科的深厚底蕴、“三位一体” 的组织架构以及学科在人工智能与数字经济领域的科研创新、国际合作及人才培养举措。他期待本次会议碰撞出优质学术成果，深化各方长期合作，为中国经济学教育与全球经济高质量发展助力。
本次会议共设置五场主旨报告。中国社会科学院大学张其仔教授，伦敦大学学院米志付教授，南京大学安同良教授，爱丁堡大学董轶哲教授，中国科学院大学刘颖教授，清华大学戎珂教授，英国赫瑞瓦特大学徐冰教授，上海财经大学杨子晖教授，北京大学数字金融研究中心、国家发展研究院沈艳教授，英国伦敦大学学院叶臻教授，厦门大学周颖刚教授，格拉斯哥大学石玉坤博士，厦门大学蔡熙乾教授，中国科学院大学、厦门大学洪永淼教授等十四位专家学者先后作精彩报告分享。
报告1：人工智能治理模式的选择及其可能影响
张其仔，中国社会科学院大学
张其仔教授围绕人工智能治理机制选择及其影响展开深入探讨并提出研究猜想。他指出，人工智能治理已成为国际竞争关键环节，但不同治理模式对技术发展的影响研究仍较匮乏。该治理可分为市场导向型、政府规制型（预防型）、敏捷治理、社群治理型等类型，各类模式对治理能力需求不同，既影响技术发展路径，也存在各自风险挑战 —— 欧洲预防式规制利于垂直领域单体智能却限制通用与群体智能，美国市场导向模式聚焦超级单体智能却制约具身与分布式群体智能，中国敏捷治理则在垂直、具身及复杂群体智能领域优势显著。他强调，治理模式的合理性与绩效受人工智能形态及制度构建传统双重制约，敏捷治理需多方深度协作、并非各国适配，而各国模式差异将塑造多样化发展生态，不会出现单一超级大国主导的局面。
报告2：延迟退休政策与碳排放
米志付，University College London
米志付教授聚焦延迟退休与生育政策对碳足迹的影响展开研究汇报，指出中国正逐步调整退休政策以应对人口老龄化挑战。该研究运用环境拓展型投入产出模型，结合 CFPS 数据与人口普查数据，测算不同年龄群体碳足迹并评估退休政策的影响。结果显示，受社会经济发展阶段、文化差异影响，中国年轻人碳足迹高于老年人，与欧洲国家情况相反。情景预测表明，延迟退休政策会使 2060 年碳足迹增加 3%，生育政策优化则使其增加 21%-35%，但两类政策的核心价值在于应对人口老龄化、降低抚养比，对碳排放的影响属于应对人口老龄化问题的 “副作用”，且政策影响存在显著的省份差异。研究强调，延迟退休能增加劳动力供给、促进经济增长，虽会带来碳足迹一定程度上升，但并不妨碍中国碳中和目标的实现，相关发现有助于政策制定者理解应对人口老龄化与气候行动措施的相互作用。
报告3：人工智能“黑箱”与创新效应“黑箱”的双破解：企业AI技术水平可视化的分层测度及其创新效应
安同良，南京大学
安同良教授从复杂经济学视角出发，首次将人工智能技术视为一个嵌套的复杂层级知识网络，依据其在专利数据中呈现的互联式创新结构，将AI技术层次划分为通用AI与应用AI以及底层算法、感知类、平台型、行业应用型技术四大聚类，通过聚类分析识别出五个关键的源头性技术节点。研究将AI知识系统和上市公司知识库进行交集处理，发现各类AI技术在企业间均呈现较强的幂律特征，企业AI技术构成的重心正由平台型技术向底层算法迁移，他指出不能将AI简单视为同质化的生产要素，其在不同行业存在显著的异质性。研究构建了AI技术水平的测度指标，发现AI整体技术水平每提升1%，企业创新产出平均提高约0.65%。最后安同良教授强调中国必须构建自主的AI主权，应以底层算法为核心支点，打造互联式AI创新生态，并通过算法基础设施建设、模型共享等机制，为制造业构建“强AI”能力提供政策支持。
报告4：Predictive Analysis using Heterogeneous textual data: A Prompt-based Approach
董轶哲，University of Edinburgh
董轶哲教授针对文本数据，传统掩码语言模型在下游任务微调中存在一些预训练目标与任务目标不一致、文本处理长度受限、维度过高等问题，董轶哲教授提出了一种创新的“预训练 提示 预测”框架，并将其应用于多源文本信贷违约预测。该方法通过手工构建提示模板，将原始文本转化为包含遮盖位置的完形填空式输入，并利用MLM预测与违约风险相关的标签词的概率，输出数值化风险得分。研究使用的贷款数据集，包含4172笔贷款，每笔涵盖22个结构化变量与15个文本变量。通过分别对每类文本进行提示处理并融合得到的风险分值，再输入传统分类器进行预测，实证结果表明，该方法显著提升了违约预测的AUC性能，且能够有效区分不同来源文本的贡献。该研究为在经济金融领域利用大语言模型处理复杂多源文本提供了一种高效、可解释的技术路径，推动了预训练语言模型在信贷风控等专业场景中的实用化发展。
报告5：多模态信息的价值效应：基于直播带货和网上路演的实证研究
刘颖，中国科学院大学
刘颖教授从AGI发展的两条技术路线出发，指出多模态融合是人类智能演进的底层逻辑，并借助人工智能技术实证分析了多模态信息在直播电商与网上路演中的决策价值。在直播电商研究中，团队创新性地利用大语言模型，通过迭代优化方法，从抖音头部主播的视频语音文本中识别出七种语义策略。研究发现：采用语义策略平均可提升销售额2.03%，其中劝说型策略效果更为显著；信息型与劝说型内容的最佳配置比例为1:2。在网上路演场景中，刘颖教授基于2017–2023年深交所IPO路演视频，提取了管理层在视觉、听觉和语言三方面的积极信号，并构建多模态综合指标。实证表明视觉与听觉信号对上市后短期累计异常收益率具有显著正向影响，而纯文本信息的影响不显著。刘颖教授的两项研究共同揭示了多模态信息在经济与金融场景中的差异化作用机制，为人工智能在多模态数据分析中的应用提供了重要的方法论与实证依据。
报告6：大科技企业与全球数智生态治理
戎珂，清华大学
戎珂教授此次汇报立足数智经济背景，围绕大科技企业（Big Tech）在数据、平台与人工智能领域的核心议题展开。首先从数据要素出发，界定数据要素市场，强调数据只有在流动中才能创造价值，并分析数据跨境流动所面临的制度矛盾。随后聚焦平台生态，从生态化、国际化与产业化维度梳理Big Tech的发展逻辑，引入“Nations–Big Tech–Data&AI”复合体视角，并比较不同经济体的平台反垄断实践，指出数字经济反垄断的根本目标在于促进经济发展和社会福祉。最后讨论人工智能的演化与竞争，指出企业在AI商业化中的挑战，并强调未来AI竞争正日益体现为国家层面的生态竞争。
报告7：Accelerating the Transition to a Circular Economy Business and Finance Perspectives
徐冰，Heriot-Watt University
徐冰教授围绕加快循环经济转型作了系统而深入的分享。她指出，循环经济是实现净零排放目标的关键路径，其核心在于从设计端减少浪费与污染、高效利用产品与材料，并促进自然系统的再生。报告重点聚焦循环性测量问题，从宏观、中观、微观及纳观四个层面系统梳理了相关分析方法，涵盖企业、供应链及国家层面的循环绩效评估。在此基础上，徐冰教授从企业与供应链视角构建企业循环度指数，用于综合刻画企业在资源投入、产品使用及回收再生等环节的循环表现，并指出循环度在提升运营效率、增强企业韧性以及应对地缘政治风险和市场冲击方面具有重要意义。她还提出采用网络 DEA方向性距离函数（DDF）相结合的 DDF–NDEA 模型，分析不同子系统之间的交互关系，从而识别提升系统整体效率的关键环节。并强调，加快循环经济转型亟需跨界协作，以实现资源的优化配置。徐冰教授指出，政策引导与市场机制是推动循环经济发展的重要动机，但当前整体投资力度仍显不足。她进一步指出，学术研究在其中能够发挥的重要作用，在于通过提供经验证据来降低与创新相关的风险与不确定性，并支持对未来现金流以及更广泛社会效益的预测，从而为投资决策和政策制定提供支撑。
报告8：人工智能滥用背后潜在的新型金融风险
杨子晖，上海财经大学
杨子晖教授围绕人工智能技术与金融产品加速融合这一主题，探讨其背后所衍生的新型金融风险。具体而言，第一，人工智能可能成为不法分子实施“数据投毒”的工具，即通过制造“受污染”的样本数据而干扰人工智能算法决策，甚至达到操纵人工智能模型输出结果的目的，这将大幅削弱人工智能金融决策的可信度。第二，基于人工智能的金融决策可能强化了对无收入、低学历等特定人群的隐性歧视，甚至可能因风险误判而拒绝贷款或债务展期，这类“算法歧视”现象将进一步加剧金融“数字鸿沟”挑战。第三，金融市场对人工智能概念的盲目追捧可能会造成“AI-washing”等炒作行为，催生科技泡沫，恐将扭曲金融科技的实体经济服务功能。第四，若金融机构普遍采用同质化的人工智能模型，不仅将构成事实上的技术依赖路径，使得某些头部企业成为“太科技而不能倒”的机构，还可能使得市场主体间的关联更为紧密，构筑新的金融风险传染渠道，威胁金融市场稳定。最后，杨子晖教授针对上述四个重大挑战，提出完善数据安全审查机制、优化AI伦理监管体系、打击科技炒作行为、防范“太科技而不倒”风险等针对性政策建议，从而为提升我国在“AI+金融”时代的风险识别与应对能力提供决策参考。
报告9：AI对TFP的影响研究：中国视角
沈艳，北京大学
沈艳教授系统研究了AI对中国全要素生产率的影响。针对学界存在的“AI时代索洛悖论”，研究创新性地采用大语言模型与词典法结合的两阶段框架，从2010-2022年专利数据中构建了统一的人工智能发展测度指标，并分别应用于上市公司和行业分析。研究发现，在微观层面，AI显著提升了企业TFP，然而却存在显著的“马太效应”：历史TFP更高、数据资产更完善、规模更大的企业获益更多，而中等规模企业则可能陷入“转型陷阱”。在宏观层面，AI对行业整体TFP的促进效应不显著，但深入分析显示，“做AI”的行业TFP得到提升，而“用AI”的行业尚未显现统计上显著的积极效果。研究指出当前AI发展的红利存在明显的再分配效应与集中化趋势。沈艳教授最终提出，破解宏观悖论、让AI真正赋能千行百业，是未来政策的关键，需着力破解中小企业在成本、数据、制度与人才方面面临的瓶颈，以促进包容性增长。
报告10： Does Institutional Capital Matter? The Impacts of Variegated Institutional Ownership on Infrastructure REITs
叶臻，University College London
叶臻教授研究了中国独特的基础设施REITs市场，探讨了国有控股与资产类型如何交互影响其净值溢价。研究指出，中国自2021年起通过REITs对基础设施进行股权融资，是全球最重要的基础设施投融资制度创新，有别于以债务融资为主导的主流基础设施投融资方式。基于2021-2025年间76只REITs的月度数据，综合运用面板回归与机器学习方法进行分析。研究发现，机构所有权对REITs溢价的影响显著受到国有控股比例的调节，且效应因资产类型而异。对于占市场主体的基础设施类REITs，国有控股随着控制权的递增，逐步表现出显著的负向调节作用；具体而言，当国有控股比例超过约76%时，会对净值溢价产生“挤出效应”。相反，在保障性住房、商业地产等非基础设施类REITs中，国有控股则持续发挥认证与增信作用，机构所有权始终呈现正向贡献。该研究揭示了中国REITs市场估值机制中所有权结构的复杂性与条件依赖性。叶臻教授最后指出对基础设施类REITs应审慎优化国有资本参与比例，鼓励民营资本参与，以平衡其支持作用与潜在效率损失，通过多样化所有权形式，进一步优化基础设施的股权融资创新，通过中国实践，引领全球基础设施投融资的创新发展模式。
报告11：数字服务贸易赋能一带一路互联互通，提升人民币影响力
周颖刚，厦门大学
牛津大学历史学家彼得·弗兰科潘（2017）的畅销书《丝绸之路：一部全新的世界史》指出，两千多年前的丝绸之路上“丝绸是一种最值得信赖的货币”。两千多年后的今天，人民币成为‘一带一路’上的“丝绸”。周颖刚教授从货币与地缘经济融合的视角，系统研究了“一带一路”共建协议对人民币汇率国际影响力的提升机制。研究基于2005-2024年间与156个共建国家的数据，研究构建了动态的人民币汇率影响力指数，并利用双重差分模型进行实证检验。周颖刚教授发现，签署“一带一路”协议显著提升了人民币对签署国货币的汇率影响力。机制分析表明，协议通过提升“硬联通”“软联通”与“心联通”三类互联互通水平来传导其影响。研究进一步显示，数字金融服务在互联互通的传导过程中扮演了关键调节角色：一国的数字金融服务出口占比越高，互联互通对人民币影响力的促进作用越强。该研究综合运用了WTO-OECD联合发布的数字服务贸易数据与熵权法构建的“三通”指数，为“一带一路”倡议推动人民币国际化提供了多维度、动态的实证依据，也为深化高质量共建“一带一路”提供了政策参考。
报告12：Multi-Scale and Path-Informed Deep Learning for Intraday Volatilty Forecasting
石玉坤，University of Glasgow
石玉坤博士围绕如何利用时间结构、路径几何和截面共性来改进日内已实现波动率的预测进行报告。其研究提出了两种新的循环神经网络，一种是多尺度注意力机制（Multi-scale attention），用于学习不同预测时间跨度的动态特征，一种是签名增强设计（Signature-augmented design）；同时引入了一种基于聚类的训练方案，模型按行业对股票进行池化训练，并利用该行业的集群波动率作为条件输入。数据方面使用中国A股大盘股的分钟级数据，将这些模型与如HAR模型、树模型以及传统循环神经网络进行了比较，发现非线性模型，如深度学习和树模型优于线性模型；同时发现Multi-scale attention模型和Signature-augmented design模型在短期和长期预测中均有系统性的提升；而基于聚类的方法显示出最好且最稳健的提升。通过诸多统计检验方法，如Diebold-Mariano 检验和Model Confidence Set检验，发现基于聚类的训练表现优于市场增强型、完全池化型以及个股单独估计。这些结果显示行业层面的联动性是日内波动率中的一个重要的预测来源。
报告13：When Machines Judge Performance, Bias, and Trust in LLM-Assisted Lending Decisions
蔡熙乾，厦门大学
蔡熙乾教授主要探讨了信贷审批情境下的人机协作问题。该研究基于网络贷款的场景，设计了三阶段的实验，系统检验人机交互对违约预测精度的异质性影响。研究发现：第一，人机协同存在“非对称增益”：大语言模型的建议显著提升人类判断的准确率，而人类反馈却反向削弱模型表现。第二，当将借款人的文本陈述视为一种“身份声明”并凸显其“合法性”维度时，大语言模型的预测绩效得到进一步强化。第三，偏见维度存在系统性差异：人类审批者与大型语言模型在性别偏好上呈方向性分化。第四，建议采纳行为呈现“同类相吸”特征：人类更倚重专家评分，而大语言模型则倾向于与同源模型输出保持一致。上述证据表明，尽管大语言模型在基于文本的违约判别任务中表现优异，但其有效部署仍需辅以严格的偏见审查与更有效的人机交互界面设计。
报告14：Extracting Real-Time Macroeconomic Information from Corporate Accounting Data: A Machine Learning Approach
洪永淼，中国科学院大学、厦门大学
洪永淼教授在报告中介绍了一种新的宏观经济预测方法，提出能够通过机器学习挖掘微观企业数据的价值。其报告介绍了一种直接方法，这与现有的主流方法，即先将公司变量平均化为市场或行业总量以及使用动态因子模型提取共同因子的方法，形成对比，提出直接在完整的公司层面会计变量集上运行机器学习，这种方法能够保留企业异质性和企业间互动中的丰富细节，最大限度减少信息损失。实证结果显示预测精度显著提升，相比随机游走基准，机器学习的均方误差大幅降低，并且持续优于基于加总和基于因子的方法。此外，与基于混合频率宏观经济和金融预测因子的 MIDAS（混频数据抽样）回归模型相比，该方法的预测性能大幅提升。变量重要性分析进一步显示，来自工业、公用事业和可选消费板块的会计数据对于经济产出的临近预测最有效。汇报最后讨论了利用机器学习将微观层面的会计数据转化为及时的宏观经济信号具有极高的价值。
圆桌论坛
作为本次会议的重要环节，中国经济学教育圆桌论坛于28日上午举行。与会专家及厦门大学经济学科教师齐聚一堂，围绕 AI 对经济学教育的影响、人才核心竞争力培养、课程体系改革等议题，畅谈对中欧经济学教育的深刻思考，共话中国经济学教育创新发展路径，为学科高质量发展及人才培养建言献策。圆桌论坛由《中国经济时报》总编室副主任、高级记者范思立主持。
洪永淼教授以“中国经济学教育如何应对人工智能冲击”为主题作导言。随后，董轶哲教授、刘颖教授、米志付教授、沈艳教授、石玉坤博士、厦门大学经济学院副院长谢贞发教授、徐冰教授、叶臻教授等八位嘉宾分别作主题发言。厦大经济学科李嘉楠副教授、方匡南教授、黄娟娟副教授、林细细副教授等多位深入教学一线的教师参与讨论与互动。
至此，厦门大学-全英/全欧中国经济学会人工智能与数字经济研讨会暨中国经济学教育论坛圆满结束。本次会议搭建了国内外经济学教育交流的重要平台，中英高校专家学者的思想碰撞与实践分享，为 AI 时代中国经济学教育的转型与升级提供了多元思路。
（经济学科 杨鸿滢、陈梓旭、周乐琪、陈欣娴、曹淇）
