Theoretical AnalysisBetween Globalization and Localization: A Study on the Market Strategy Adaptability of Chinese Electronic Enterprises / SU Qinglang, GUO YongDeep Integration of Industrial and Innovation Chains: Empowering New Quality Productive Forc-es in the Greater Bay Area / WEI Binyu, YU WeihengCultural IndustryIntegrating Bayu Folk Culture into the Construction of General Education Curricula in Sichuan–Chongqing Universities in the Era of Digital Intelligence / YIN KehanThe Educational Functions of Generative AI in the Transmission of Intangible Cultural Heritage among Youth in Hong Kong and Macao / LI Weizheng, LU MoxingReconstruction of Cultural Fields and Organizational Innovation: The Operational Mechanism of the Ehu Academy Debate Competition from a Communication Perspective / ZENG ZixiangPublic AdministrationResearch on the Empowerment of Online Public Opinion Risk Assessment and Governance through Generative Artificial Intelligence / YE Jingyi, TANG MingThe Chinese Path of AI-Enabled Social Governance: Institutional Logic and Value Reconstruction from Informatization to Good Governance / JIAO XinyanBusiness ManagementA Study on Enterprise Organizational Restructuring Driven by Data Linkages from the Perspec-tive of New Quality Productive Forces / LIU Dongjun, ZHOU YingAdvances and Trends in AI-Enabled Financial Research / TANG ZiwenMarketingOptimization of Marketing Strategies for New Energy Electric Vehicle Enterprises: A Case Study of LT New Energy Electric Vehicle Company in Dongguan / YIN QihuanAn Analysis of Factors Influencing the Impact of Brand Experience on Consumers’ Purchase Intentions: A Case Study of the Hong Kong Insurance Industry / SHAN Boyang5162835445260677610CONTENTS 12/2025 NO.4 90
05三门管理科学 2025 年第 4 期——理论前沿全球化与本土化之间：中国电子企业的国际市场策略适配性研究苏清朗 郭勇【内容摘要】 中国电子企业已从简单的产品出口转向生产、研发、供应链以及营销的全链条全球化，形成了以“品牌全球化、运营本地化”为主的多元化路径。依靠区域化生产网络、市场多元化布局、深耕本地化研发及健全合规风控体系等方式，来应对当前国际贸易环境变化及市场的需求多元化问题，而随着全球化的不断发展，企业也在树立以本土化为核心的经营理念，使其成为市场的突破口和立足点，不断朝着打造本土化为主导、结合全球化战略的长期核心竞争力方面进行努力。未来，中国电子企业的国际化也将继续向深度本地化与全球化运营协同的方向演进，通过在全球化与本土化之间寻找平衡点，实现真正的全球竞争力。【关 键 词】中国电子企业；国际化战略；本土化；策略适配【 Abstract 】Chinese electronics enterprises have evolved from simple product exports to comprehen-sive global integration across the entire value chain—including manufacturing, research and development, supply chain management, and marketing. This evolution has led to a diversified internationalisation strate-gy characterised by “global branding and localised operations.” To address the challenges posed by shifting international trade dynamics and increasingly diverse market demands, these companies have adopted ap-proaches such as regionalised production networks, market diversification, localised R&D, and robust com-pliance and risk management systems.As globalisation deepens, these enterprises are increasingly embracing a localisation-oriented business philosophy, positioning it as both a strategic entry point and a foundation for sustainable growth. They are actively working to build long-term core competitiveness by prioritising locali-sation while integrating global strategic thinking.Looking ahead, the internationalisation of Chinese electron-ics firms is expected to advance towards a synergistic model that balances deep localisation with global oper-ational coordination. By navigating the intersection of globalisation and localisation, these companies aim to achieve genuine global competitiveness.【Keywords】Chinese Electronics Enterprises; Internationalization Strategy; Localization; Strategic Fit【作者简介】苏清朗，男，澳门人，澳门旅游大学创意旅游与智慧科技学院副教授（中国 澳门 999078）；郭勇，男，江苏苏州人，澳门旅游大学工商管理专业博士研究生（中国 澳门 999078）。
10三门管理科学 2025 年第 4 期——理论前沿产业链与创新链深度融合：赋能大湾区新质生产力魏彬钰 余渭恒【内容提要】粤港澳大湾区在打造新质生产力发展高地的进程中，产业链与创新链深度融合成为核心驱动力。本文探讨粤港澳大湾区产业链与创新链深度融合对新质生产力的作用机理与实现路径，界定“双链融合”的内涵与必要性，分析双链融合以提升湾区新质生产力发展的的宏观结构与微观行为。大湾区凭借创新能力突出、产业体系完备、市场需求庞大、基础设施互联等优势，为双链融合提供了坚实基础。当前双链融合仍面临科技成果转化率低、创新主体协同不足等挑战，为此，大湾区通过筑牢融合根基、优化产业生态、拓展融合空间等举措，推动双链精准对接，促进战略性新兴产业壮大与未来产业布局，为新质生产力发展注入强劲动能。【关 键 词】产业链；创新链；双链融合；新质生产力；粤港澳大湾区【 Abstract 】In the process of building the development highland of new quality productivity in the Guangdong-Hong Kong-Macao Greater Bay Area(GBA), the deep integration of the industrial and innova-tion chain has become the core driving force. This research discusses the mechanism and realization path of the deep integration of the industrial chain and innovation chain in the GBA on new quality productivity. It also studies and defines the connotation and necessity of the integration of two chains. At the same time, this study analyzes the macrostructure and microbehavior of integrating two chains to promote the development of new quality productivity in the GBA. With its outstanding innovation capacity, complete industrial system, market demand, and interconnected infrastructure, the GBA has provided a solid foundation for the integra-tion of the two chains. At present, double-chain integration still faces challenges such as a low transformation rate of scientific and technological achievements and insufficient coordination of innovation subjects. To this end, the GBA has adopted measures such as building a solid foundation for integration, optimizing the industrial ecology, and expanding the space for integration in order to promote the precise docking of double chains. The GBA will promote the expansion and future industrial layout of strategic emerging industries, as well as inject strong momentum into the development of the new-quality productive forces.【Keywords】Industrial Chain; Innovation Chain; Integration of the Industrial and Innovation Chains; New Quality Productive Forces; Guangdong-Hong Kong-Macao Greater Bay Area【作者简介】魏彬钰（1998-），女，澳门区域经济研究会研究员，澳门科技大学城市与区域经济专业博士研究生（中国 澳门 999078），研究方向：数字化转型、区域经济；余渭恒（1984-），男，澳门区域经济研究会理事长，城市与区域经济博士，澳门科技大学讲师（中国 澳门 999078），研
16三门管理科学 2025 年第 4 期——文化产业数智时代巴渝民俗文化融入川渝高校通识课程建设路径研究尹克寒【内容提要】本文聚焦数智时代巴渝民俗文化融入川渝高校通识课程的建设路径。研究背景显示，数智技术推动教育变革，而川渝高校通识课程存在内容同质化、结构不合理等问题，巴渝民俗文化融入具有重要意义。数智时代带来丰富教学资源、创新教学方法等机遇，但也面临技术应用能力不足等挑战。为此，研究提出具体路径：课程目标涵盖知识技能、过程方法、情感态度价值观；内容设基础知识、数智技术应用等模块；方法采用 VR/AR 沉浸式教学等；建设数字化资源库和在线平台，开展校企合作；通过培训和组建跨学科团队强化师资；构建多元化、过程性与终结性结合且利用大数据的评价体系。【关 键 词】数智时代；巴渝民俗文化；通识课程【 Abstract 】This paper focuses on the construction path of integrating Bayu folk culture into general education courses in Sichuan-Chongqing universities in the digital intelligence era. The research background shows that digital intelligence technology is promoting educational reform, while the general education courses in Sichuan-Chongqing universities have problems such as homogeneous content and unreasonable structure. The integration of Bayu folk culture is of great significance. The digital intelligence era brings opportunities such as rich teaching resources and innovative teaching methods, but also faces challenges such as insufficient technical application capabilities. Therefore, the research puts forward specific paths: the curriculum objectives cover knowledge and skills, process and methods, emotional attitudes and values; the content includes modules such as basic knowledge and digital intelligence technology application; the meth-ods adopt VR/AR immersive teaching, etc.; build digital resource libraries and online platforms, and carry out school-enterprise cooperation; strengthen teachers through training and the formation of interdisciplinary teams; construct a diversified evaluation system that combines process and summative evaluation and uses big data.【Keywords】Digital Intelligence Era; Bayu Folk Culture; General Education Courses【基金项目】重庆市教育科学“十四五”规划 2025 年度教育科研实验基地建设专项一般课题“数智时代巴渝民俗文化融入川渝高校通识课程建设路径研究”（编号：K25ZZ3090101）【作者简介】尹克寒（1986-）男，文化产业研究博士，重庆电子科技职业大学副教授（重庆 401331），研究方向：文化创意与通识教育。
28三门管理科学 2025 年第 4 期——文化产业生成式 AI 在港澳非物质文化遗产传承中的青年教育功能研究李维政 陆模兴【内容提要】非物质文化遗产传承的核心在于青年群体的参与，港澳地区拥有丰富的非遗资源，但在现代化、国际化的社会环境中，其青年传承面临着传播效能不足、习得模式传统、创新壁垒高筑、文化认同弱化等多重挑战。生成式 AI 技术凭借强大的内容生成、情景理解与任务执行等能力，为破解这些困境提供了新路径。本研究从传播推广、技能习得、创意转化、文化认同四方面，探讨了生成式 AI 在港澳非遗传承中的青年教育功能，为助力数字时代港澳非遗传承发展，增强港澳青年文化认同和文化自信提供了新的理论视角与实践方案。【关 键 词】生成式 AI；港澳；非物质文化遗产；青年教育【 Abstract 】The core of intangible cultural heritage (ICH) transmission lies in the participation of young people. The Hong Kong and Macao regions possess abundant ICH resources, yet in the context of modernization and globalization, their youth inheritance faces multiple challenges, including insufficient communication effectiveness, traditional learning models, high barriers to innovation, and weakened cultur-al identity. With its strong capabilities in content generation, contextual understanding, and task execution, generative AI offers new pathways to address these issues. This study explores the educational functions of generative AI in promoting ICH transmission among Hong Kong and Macao youth from four dimensions: communication and promotion, skill acquisition, creative transformation, and cultural identity. It provides new theoretical perspectives and practical strategies for advancing ICH inheritance in the digital era, enhanc-ing the cultural identity and confidence of young people in Hong Kong and Macao.【Keywords】Generative AI; Hong Kong and Macao; Intangible Cultural Heritage; Youth Education【基金项目】2025 年度教育部人文社会科学研究专项任务项目（高校辅导员研究）“生成式人工智能赋能粤港澳大湾区青年价值观培育研究”（项目编号：25JDSZ3098）【作者简介】李维政（1998-），山东枣庄人，深圳信息职业技术大学财经学院辅导员（广东 深圳 518172）。【通讯作者】陆模兴（1988-），福建宁德人，深圳信息职业技术大学财经学院党委副书记，副教授 (广东 深圳 518172)，研究方向：思想政治教育、职业教育。
31三门管理科学 2025 年第 4 期——文化产业发源于乡土情感和集体记忆的非遗，其生存土壤进一步缩减，青年人对传统非遗背后的历史文化缺乏深度的情感联结和共鸣，存在文化认同风险。三、生成式 AI 在港澳非遗传承中的青年教育功能生成式 AI 能够依托深度学习、多模态交互等相关技术自动化生成文本、图像、视频等内容，具备启发性内容生成、对话情景理解、序列任务执行、程序语言解析等核心能力[5]，在非遗传承中有着信息采集展示、文物保护修复、设计创新、教育传承等多种应用可能[15]，也为港澳非遗青年教育提供了技术赋能下的新路径。（一）创新非遗知识普及与传播模式非遗是“活态文化”，且存在一定的理解门槛，传统的非遗教育更多依赖图文手册、线下讲座等传播方式，难以吸引港澳青年兴趣，也难以契合港澳青年碎片化、社交化的信息获取习惯。生成式 AI 具有强大的数据采集和整合能力，能够通过“动态化呈现 + 精准化推送”的方式，提升非遗传播效率。一是数字化重现与沉浸式展示，生成式 AI 能够对非遗信息进行数字化采集，结合文生视频、虚拟现实等技术真实再现传统非遗的动态过程，打造兼具生动性和趣味性的非遗科普信息，让港澳青年在生动的影音体验中感受非遗的深厚内涵。二是个性化内容生成与精准触达，通过生成式 AI 能够分析社交媒体实时热点与港澳青年兴趣偏好，生成符合网络语境和青年偏好的非遗宣传物料，主动吸引青年关注，实现非遗文化“破圈”传播。如香港科技大学（广州）许丕文教授在组织疍家文化人工智能艺术展时，先后带领团队走访多名疍民后代，将采集到的图片及文字材料提供给 AI 深度学习，借助 AI 生成了一批具有疍家文化特征的水墨画、工笔画等艺术作品，并制作出数字人“疍家老爷爷”介绍展览内容，极大丰富了展览的生动性和趣味性[16]。（二）赋能非遗技能习得与沉浸体验针对传统非遗师徒制承袭的教学方式覆盖率有限、学习周期长的问题，生成式 AI 能够结合现代化的教学方法，通过强大的再现和反馈功能，打造低门槛、高仿真、高效率的“数字学习环境”，化解时空限制和体验浅层化问题。一是构建个性化的智能非遗课程，训练生成式AI成为“非遗导师”，根据学习者的学习能力和掌握情况，动态生成个性化学习方案，实时反馈和纠正学习偏差。二是创设高度仿真的虚拟实训环境，借助生成式 AI 模拟非遗活动或技艺的细节、流程、标准等，让学习者在“数字环境”中加深对非遗的理解和掌握。在 Create 2025 百度 AI 开发者大会上，上海体育大学武术学院、中国武术博物馆与百度共同发布了“非遗武术 - 百度文心大模型”，该模型可以借助 3D动作建模、AI 动态纠错等技术，实时捕捉学员动作轨迹、解析发力原理，提供实时指导和科学建议，实现非遗武术技术动作的立体教学，同时为非遗的数字化传承提供了新的可能[17]。（三）启发非遗创意转化与跨界融合传统非遗的创新面临着产业链协作壁垒高的问题，生成式 AI 具有强大的多模态信息整合能力和跨行业工作能力，能够作为“创意合伙人”和“生产协作者”助力港澳青年参与非遗创新。一是提供跨界创新的灵感来源，生成式 AI 能够快速整合青年所需要的各类信息，包括非遗知识和各领域专业知识，通过强大的整合和分析能力，在人机对话中源源不断地提供跨界融合创意灵感。二是提供
32三门管理科学 2025 年第 4 期——文化产业从创意到产品的“一站式”辅助，资源有限的个人和小型工作坊可以在生成式 AI 赋能下，高效完成基础性、重复性工作，如生成设计原型、宣传文案、市场分析报告等，降低青年参与非遗创新的难度。例如，为探索传统文化传承的创新路径，汕头大学淑德书院举办“AI 赋能非遗传统文化传承创新工作坊”，学生在专家的指导下，借助 AI 技术完成了非遗调研、创意构思、视觉呈现的全流程创作，将“潮汕铁枝木偶戏”、“潮汕牛肉丸”等非遗元素转化为新潮时尚的创意作品[18]。（四）深化非遗文化认同与社区纽带针对历史造成的文化根脉弱化、社区凝聚力下降及代际隔阂，生成式 AI 能够结合增强现实技术，将非遗融入港澳青年的日常生活，助力重构代际记忆。一是活化社区文化空间，利用生成式 AI 技术将历史影像和非遗活动场景与现实空间叠加，青年可以利用电子设备实时互动，打造“时空折叠”的沉浸式文化场域，强化地方文化认同感。二是融入日常情感联结，利用生成式 AI 技术将非遗元素融入日常设计，结合文化传播打造非遗潮流，让非遗元素成为青年人自我表达和文化身份的一部分，加深情感纽带和文化认同。在 2025 年澳门历史城区虚拟现实体验艺术展中，澳门城市大学师生团队借助虚拟现实（VR）、增强现实（AR）等技术，在数字空间复现了议事亭前地广场、玫瑰圣母堂等澳门历史城区标志性场景，让用户在云端漫游交互，未来可以使用 AI 进一步优化此类非遗项目的数字化复现效果和互动性[19]。四、潜在风险与应对策略当前生成式 AI 技术仍处于探索与发展的早期阶段，相关规范和制度尚不完善，在应用于港澳青年非遗传承和教育的过程中，仍存在技术门槛高、数据泄露与滥用、文化误解等多方面风险，需要经过审慎的评估和完善的规划后方能投入使用。一是将 AI 用于非遗传承的技术门槛高。当前市面上常见的生成式 AI，如 ChatGPT、Deep-Seek、Sora、Midjourney 等 AI 大模型，其工作效果很大程度上取决于用户输入的工作指令的准确性，且生成质量不够稳定，对于专业性较高的问题或作品，往往需要用户经过长期反复调试才能取得理想的效果。非遗传承属于复杂的人类文化活动，在将 AI 应用于非遗教育的过程中，使用者必须掌握AI 操作的基本原理和核心方法，同时对非遗项目本身有专业的了解，才能让非遗教育达到理想的应用深度和教育效果，即基础的非遗AI教育团队应该至少包含对应领域的AI技术专家和非遗项目专家，这在一定程度上限制了 AI 技术在非遗传承中的大范围应用和推广。未来可以考虑集结专家团队，围绕港澳非遗项目，使用专业资料形成数据集，集中训练 AI 关于非遗的相关知识，或者开发专门的非遗 AI 大模型，为普通使用者提供专业、便捷的技术支持，降低 AI 在非遗传承和教育中的技术门槛。二是非遗核心数据存在泄露与滥用风险。非遗项目传统的传承方式主要为师徒传承制，一些独家技艺往往只进行内部传授，如部分凉茶制作技艺、葡挞制作技艺等，这些内容一旦进入训练数据库，就容易出现数据泄露和商业滥用的风险。此外，在使用 AI 进行非遗创意作品创作的过程中，容易因数据来源不明确产生关于知识产权的各类纠纷，如设计风格或素材的抄袭问题等。因此，在 AI 技术大规模投入使用前，必须通过行业规范和法律制度明确 AI 生成内容的著作权归属问题，规范训练数据的采集渠道和使用方式，维护非遗传承人和普通创作者的合法权益。
33三门管理科学 2025 年第 4 期——文化产业三是 AI 对非遗文化内涵理解不当的风险。生成式 AI 对“文化”的解读更多是依赖于数据训练而形成的模式化认知，难以透过数据看到其背后蕴含的情感内核和人文精神。港澳非遗的传承和教育需要的不仅仅是形式上的学习和模仿，更多地是通过非遗的传承形成深度的情感联结和文化认同。通过 AI 传播非遗，可能会存在文化理解的偏差化和文化传播的浅层化问题，如过度娱乐化的介绍可能对青年人理解非遗形成误导。因此，在 AI 技术用于非遗传承时，必须额外重视传播内容的准确性和文化性，在涉及到核心的文化内容时，必须由专家进行人工校对和审核，同时应在注重提升青年兴趣、提高传播效果的同时，兼顾非遗教育的专业性和深刻性。五、结语非物质文化遗产是港澳地区文化身份的重要载体，其传承的关键在于激发青年群体的参与热情。本研究通过梳理港澳非遗传承中青年教育的现状与挑战，系统分析了生成式 AI 在其中的教育功能及潜在风险。生成式 AI 是港澳非遗传承的有力“赋能者”，能够从传播推广、技能习得、创意转化、文化认同四方面提升青年非遗教育效果，同时也需要以制度规范与文化引导规避风险，实现科技与人文的平衡。港澳非遗的传承不仅是技艺的传递，更是文化记忆与身份认同的延续，生成式 AI 的价值，在于以数字技术搭建“青年与非遗”的联结桥梁，让现代港澳青年真正做到认识非遗、热爱非遗、传承非遗，不断提升文化认同和文化自信，为粤港澳大湾区的发展与中华优秀传统文化的弘扬注入动力。参考文献[1] 黄永林.为非遗传承发展贡献青年力量[J].人民论坛,2024,(04):88-91.[2] 保护非物质文化遗产公约[J].中华人民共和国全国人民代表大会常务委员会公报,2006,(02):138-145.[3] 香港非物质文化遗产办事处. 香港非物质文化遗产清单. [EB/OL].(2025-11-1)[2025-11-1]. https://www.icho.hk/sc/web/icho/ich_inventory_of_hong_kong.html.[4] 澳门特别行政区政府文化局. 非物质文化遗产/非遗清单. [EB/OL].(2025-11-1)[2025-11-1]. https://www.culturalheritage.mo/gb/detail/102318.[5] 卢宇,余京蕾,陈鹏鹤,等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J].中国远程教育,2023,43(04):24-31+51.DOI:10.13541/j.cnki.chinade.20230301.001.[6] 香港非物质文化遗产办事处. 非物质文化遗产办事处. [EB/OL].(2025-11-1)[2025-11-1]. https://www.icho.hk/sc/web/icho/intangible_cultural_heritage_office.html.[7] 香港非物质文化遗产资助计划及其实施[J].非遗传承研究,2021,(01):40-42+39.[8] 林发钦.澳门非物质文化遗产保护的现状与发展［M］.澳门经济社会发展报告(2013～2014).北京:社会科学文献出版社.2014.176-189.[9] 澳门特别行政区政府入口网站. 文化局举办非遗零距离暑期活动. [EB/OL].(2025-11-1)[2025-11-1]. https://www.gov.mo/zh-hans/news/766315/.[10] 澳门特别行政区政府入口网站. 澳门非物质文化遗产新生代研培计划2025现正接受报名. [EB/OL].(2025-11-1)[2025-11-1]. https://www.gov.mo/zh-hans/news/841390/.[11] 中华网. 虚拟科技赋能澳门文化创新：澳门历史城区虚拟现实体验艺术创作人才培训创作成果虚拟展厅. [E
35三门管理科学 2025 年第 4 期——文化产业文化场域再造与组织创新：传播学视角下鹅湖书院辩论赛的文化产业运营机制研究曾梓翔【内容提要】本研究以鹅湖书院纪念朱子诞辰与“鹅湖之会”八百五十周年大型文化事件为案例，探讨传统文化空间在当代语境下的场域再造、组织创新与文化产业转化机制。文章从传播学视角出发，分析书院文化如何通过历史符号的再阐释、活动结构的创新设计以及多主体协同的参与方式，实现文化资源的系统性活化。研究指出，示范辩论赛、学术研讨与圆桌论坛的组合不仅强化书院作为知识生产与公共讨论场域的功能，也为传统思想在现代社会的再传播提供了有效路径。传播机制的介入推动文化内容的广泛扩散，使鹅湖书院逐渐形成具有公共认知度与文化影响力的区域文化品牌，并进一步具备文化体验、教育培训与文化旅游等产业化潜能。文章认为，文化场域再造、组织创新与产业运营之间形成动态互动，共同构成传统文化空间现代转型的重要逻辑，为书院文化及其他历史文化资源的可持续发展提供了可借鉴的理论框架与实践路径。【关 键 词】书院文化；鹅湖书院；文化场域再造；组织创新；辩论赛事；文化产业运营【 Abstract 】This study examines the mechanisms through which traditional cultural spaces undergo field reconstruction, organizational innovation, and cultural-industry transformation in contemporary con-texts, using the large-scale commemorative events at Ehu Academy—marking the 895th anniversary of Zhu Xi’s birth and the 850th anniversary of the “Ehu Dialogue”—as a case. Drawing on a communication-studies perspective, the analysis explores how academy culture is revitalized through the reinterpretation of histori-cal symbols, the innovative design of event structures, and the collaborative participation of multiple stake-holders. The findings indicate that the integrated arrangement of demonstration debates, academic symposia, and roundtable discussions strengthens the academy’s function as a site of knowledge production and public discourse, while also enabling the renewed dissemination of classical thought in modern society. Commu-nication mechanisms facilitate the broad diffusion of cultural content, allowing Ehu Academy to gradually develop into a recognizable regional cultural brand with significant social influence, as well as expanding its potential in cultural experience, educational training, and cultural tourism. The study argues that the dynamic interaction among field reconstruction, organizational innovation, and cultural-industry development forms the core logic of the contemporary transformation of traditional cultural spaces, offering a theoretical frame-work and practical reference for the sustainable development of academy culture and other historical cultural resources.【Keywords】Academy Culture; Ehu Academy; Cultural Field Reconstruction; Organizational Innova-
44三门管理科学 2025 年第 4 期——公共管理生成式人工智能赋能网络舆情风险评估与治理研究叶静宜 汤明【内容提要】网络舆情面临着信息量大、变化快、复杂性高的挑战，生成式人工智能（GAI）为网络舆情风险评估与治理提供了革命性路径。本文构建了一个 GAI 赋能的全流程框架，系统阐述了其在舆情态势感知、用户行为预测、情感识别、过程模拟、智能回应与治理评估等关键环节的应用机理。同时，研究审慎分析了“算法幻觉”、数据偏见及决策依赖等潜在风险，并提出应对策略，旨在为构建兼顾效率与可信度的人机协同治理新范式提供理论参考与实践指导。【关 键 词】生成式人工智能；网络舆情治理；风险评估；人机协同；算法幻觉【 Abstract 】Online public opinion governance faces challenges, such as information overload, rapid changes, and high complexity. Generative Artificial Intelligence (GAI) provides a revolutionary path for the risk assessment and governance of online public opinion. This paper constructs a comprehensive GAI-en-abled framework and systematically elaborates on its application mechanisms across key stages, including public opinion situational awareness, user behavior prediction, emotion recognition, process simulation, intelligent response, and governance evaluation. Furthermore, the study carefully analyzes potential risks such as “algorithmic hallucination,” data bias, and decision-making dependency, proposing corresponding countermeasures. The research aims to provide theoretical reference and practical guidance for building a new paradigm of human-machine collaborative governance that balances both efficiency and trustworthiness.【Keywords】Generative Artificial Intelligence; Online Public Opinion Governance; Risk Assessment; Human-Machine Collaboration; Algorithmic Hallucination【基金项目】广东省普通高校特色创新类项目“重大决策网络舆情的风险评估与治理研究”（项目编号：2023WTSCX148）【作者简介】叶静宜（1990-），女，湖南株洲人，广州应用科技学院文学与传媒学院副院长（广东 肇庆市 511370），澳门城市大学人文社会科学学院 2025 级博士研究生（中国 澳门 999078），研究方向：公共文化服务；文化产业与文化服务；汤明（1998-），男，江西吉安人，澳门城市大学人文社会科学学院 2025 级博士研究生（中国 澳门 999078），研究方向：公共文化服务。一、引言党的二十届三中全会特别提出“加强网络空间法治建设，健全网络生态治理长效机制”是实施网络强国战略的必然要求，是营造清朗网络空间的重要保障[1]。互联网、智能技术、社交媒体和即
45三门管理科学 2025 年第 4 期——公共管理时通信工具的深度融合发展，正深刻影响着网络舆论生态[2]。传网络舆情信息量大、变化快、复杂性高[3]，舆情治理显现出态势感知滞后、情感识别粗放、风险预测困难、回应效能不足等治理瓶颈。生成式人工智能（Generative Artificial Intelligence, GAI）在信息检索、用户交互、知识提取、文本生成和用户意图识别等方面有着独特优势[4]，为破解上述难题提供了革命性的技术路径。在当前数字世界和物理世界加速融合的大背景下，GAI 正在改变社会生产和生活方式，重塑新型人机交互关系，但其应用也衍生了新的风险问题[5]。本研究通过构建 GAI 赋能重大决策网络舆情风险评估与治理的系统性框架，不仅旨在为相关部门的实践提供理论指导与技术参考，更期望推动舆情治理研究进入一个以人机协同、数据驱动和智能前瞻为特征的崭新阶段。二、GAI 赋能网络舆情的感知与预测机制构建（一）GAI 赋能舆情态势感知态势感知可以在应急决策中发挥重要作用，是针对态势要素信息提取、分析、反馈并做出预测的过程[6]。舆情态势感知是重大决策网络舆情治理的前提环节，其核心在于通过多源信息融合与动态分析，准确捕捉公众情绪演化趋势与风险信号。GAI 通过语言理解、语义生成与多模态分析能力，为舆情监测与评估提供了智能化升级路径，使舆情感知从“数据采集”迈向“智能洞察”的新阶段。传统的舆情监测检索过程往往依赖于关键词检索与规则匹配，数据来源相对单一，难以覆盖分散化、碎片化的网络舆论生态。GAI 技术通过深度语义理解和内容生成能力，能够有效智能问答系统、多模态资源管理及知识组织工具自动化能力[7]。具体而言，可利用智能爬虫与大语言模型相结合的方式，自动抓取主流社交媒体（微博、微信）、短视频平台（抖音、快手）、新闻评论区、论坛与博客等多源异构数据，并对文本、图像、视频内容进行语义解析与主题聚类，从而建立结构化的舆情知识图谱。此外，GAI 模型具备强大的语义补全和生成能力，能够在数据不完整或语义模糊的情境下，通过上下文推理补全信息，提高舆情数据的可用性和准确性。通过融合大数据、自然语言处理与生成式学习框架，舆情态势感知实现了由“被动采集”向“主动生成”的转变，提升了信息获取的时效性与覆盖度。在舆情发展早期阶段，公众情绪的细微变化往往蕴含着潜在风险信号。GAI 可结合情感计算与深度生成模型，持续追踪舆情主题的热度演化与情绪波动趋势，实现舆情的动态监测[8]。基于自然语言生成与语义识别技术，模型能够识别评论、帖子及新闻文本中的隐含态度倾向（如愤怒、焦虑、支持、讽刺等），并以可视化形式呈现情绪分布。结合语言模型与视觉模型，对城市区域“即时情绪”进行识别，并生成城市情绪地图[9]，在此基础上，利用 GAI 的强大的语义理解能力和作图能力，可协助自动绘制舆情“情绪地图”，反映不同地区、性别、年龄、职业群体的情绪基线差异。例如，针对某项公共决策议题，模型可生成不同群体的情绪响应曲线，识别“情绪高压区”和“潜在敏感区”，为决策部门提供预警依据。GAI 驱动的实时监测与情绪基线绘制，不仅强化了舆情风险的前置识别能力，也为后续的行为预测与干预提供了数据支撑，实现了从“信息感知”到“风险预测”的智能跃迁。
48三门管理科学 2025 年第 4 期——公共管理情感细腻度，但在回应的聚焦性、一致性及逻辑性方面表现出明显优势[20]。基于舆情的核心关切点，GAI 可辅助生成多类官方与媒体回应内容，包括回应口径草案、新闻发布会问答脚本、官方公告文案及政策说明摘要等，从而确保回应的针对性、一致性与时效性。此外，GAI 能够基于实时舆情数据与情绪分析结果动态调整回应策略。系统可自动识别事件阶段（如爆发期、扩散期、平息期）与公众关注点变化，选择最合适的回应语气与表达方式，如“澄清式回应”“安抚式回应”或“共情式回应”。在实践中，这种智能化回应模式不仅减少了人工撰稿与审核的负担，也显著提升了回应速度与整体沟通效率[21]。总体来看，GAI 赋能的舆情回应机制通过语义生成、情绪识别与策略优化的多模型协同，实现了从“人工经验回应”到“智能动态回应”的转变，为重大决策舆情治理提供了高效、精准且可持续的技术路径。（二）GAI 赋能网络舆情治理评估在生成式人工智能情境下，构建全面的网络舆情风险指标体系是确保舆情风险精确评估与有效管理的基础[22]。GAI 能够通过多源数据融合、语义识别与模式挖掘，对海量网络文本、视频与社交媒体动态进行深度分析，从中提取舆情风险的核心变量，如传播速度、情绪极化程度、意见分布结构与话题敏感度等，为建立多维度风险评估模型提供数据支撑。在采取干预措施后，GAI 可持续监测舆情态势的动态变化，量化评估各项治理举措（如官方回应、媒体引导、专家解读等）的实际效果，为后续决策提供数据化反馈支持。基于实时情感分析和舆情预测结果，AI 系统可以自动生成应对方案和建议，帮助管理层迅速制定和实施应对措施，辅助制定和实施更为科学的舆情应对策略[23]。系统可在评估结果基础上，自动生成舆情治理成效报告与优化建议，识别干预不足之处并提出改进方案。总体而言，GAI 赋能的舆情治理评估机制，不仅推动了从静态回溯到动态监测的转变，也实现了从定性判断到量化分析的跨越，为政府部门和媒体机构提供了更加精准、实时、可解释的舆情风险研判与策略优化依据。五、GAI 赋能网络舆情治理的挑战与应对尽管 GAI 在舆情感知、模拟与治理评估等环节展现出显著优势，但其在技术实现与应用层面仍面临一系列潜在风险与挑战。这些问题不仅关系到模型输出的真实性与可控性，也直接影响到舆情治理的科学性与公信力。（一）算法幻觉与生成可靠性问题GAI 在文本生成过程中容易出现“幻觉”（hallucination）现象，即模型生成看似合理但事实错误的信息[24]。大语言模型在处理含歧义、缺乏上下文约束或知识空白的舆情语料时，严重时可能放大谣言风险。这种错误生成不仅削弱了 AI 在舆情治理中的可靠性，也可能导致错误的风险预警或误导性回应。当前主流模型更多依赖模式识别而非真正的语义推理，从而在输入提示不明确时，倾向于生成表面连贯但实质失真的叙述[25]。因此，需在模型中引入事实核查机制与可信计算（trustworthy AI）框架，以增强 GAI 生成内容的可验证性与责任可追溯性。
49三门管理科学 2025 年第 4 期——公共管理（二）数据偏见与语义歧义风险GAI 的生成能力高度依赖于训练数据的质量与代表性，受训练数据不稳、模型设计缺陷、生成机制偏差的影响，从而引发算法偏见（Algorithmic Bias）问题 [26]。若模型训练语料存在样本失衡或倾向性描述，容易在生成结果中放大偏见或造成语义误导。模型在舆情文本生成中可能不自觉地偏向特定立场或群体，形成隐性信息歧视在舆情治理语境下，这类偏见可能影响公众信任甚至激化情绪对立。为缓解此问题，关键在于确保数据的多样性和代表性，加强对算法的伦理审查与监管；确保所用的算法和数据能够真实、客观地反映评价对象的相关情况；构建公平的评价体系[27]，从数据、算法、伦理三个角度入手实现数据去偏。（三）信息失真与自动传播风险由于GAI生成的内容难以辨识真伪，虚假信息的泛滥已成为一个不容忽视的现象，它渗透到政治、经济、社会的各个层面，对数据安全构成了严重威胁[28]。生成式模型的开放性与自动化特征，也带来了虚假信息快速扩散的风险。一旦AI生成内容被错误引用或恶意使用，可能形成“次生舆情事件”。AI 生成文本的可读性和拟人化表达显著增强了其在社交媒体平台的传播力，使得虚假舆情更具隐蔽性与扩散性。为有效应对人工智能时代网络虚假信息的治理挑战，以平台治理为核心切入点，提出通过构建“分级分类信息标识体系”与“多主体协同披露机制”[28]，对现有 AI 信息披露制度进行系统性优化。以此为基础建立前置性预警机制，基于输入、信源、信道、信宿 4 环节进行污染预防 [29]，形成覆盖信息全生命周期的治理闭环，最终构建清朗有序的网络信息生态。（四）模型安全与决策依赖风险工智能技术带来的便利性极大减轻了个体的认知负荷，人们在利用其提高工作效率和生活质量的同时，逐渐将更多的认知和决策权外包给 AI，进而引发了一种新的社会问题——AI 认知依赖 [30]。在舆情治理实践中，若过度依赖 GAI 生成的分析或建议，可能导致“算法决策依赖”。当决策者过度信任 AI 生成的风险评估结果时，可能忽略情境性判断与政策复杂性。此外，模型在调用外部 API或云端服务时，还可能暴露敏感数据，引发数据安全与隐私泄漏风险。为解决 AI 依赖风险，需通过 AI 教育提高公众的 AI 素养，通过适度的政策法规引导 AI 的健康发展，更要善于利用 AI 本身研究和治理 AI[30]，推动 AI 在 SSH 中的角色从被动的辅助工具向积极的“知识共生”伙伴转型，即由被动辅助者发展为积极参与理论建构与意义阐释的共创智能体[31]。此外，通过本地化部署、安全审计与人机协同决策机制，以确保技术使用的安全边界与治理可控性。总体来看，GAI 赋能舆情治理的技术挑战主要集中在真实性、偏见控制、安全可控与责任追溯四个方面。未来的技术治理应以“可信 AI”为核心导向，强化算法透明度、可解释性与监管协同，构建兼具效率与伦理约束的舆情智能治理体系。六、结语GAI 的兴起，正深刻地重塑着重大决策网络舆情的风险评估与治理范式。本文系统探讨了 GAI在舆情治理全生命周期中的赋能路径，从事前的态势感知与行为预测，到事中的情感识别与过程模拟，
50三门管理科学 2025 年第 4 期——公共管理再到事后的智能回应与治理评估，展现出其从“被动响应”到“主动洞察”、从“经验驱动”到“数据驱动”、从“静态切片”到“动态推演”的变革性潜力。然而，技术的赋能与赋险始终一体两面。我们必须清醒地认识到，GAI 在带来效率革命的同时，也伴随着算法幻觉、数据偏见、信息失真与决策依赖等内生性风险。这意味着，我们不仅要持续优化 GAI 技术的可靠性、可解释性与公平性，致力于发展“可信 GAI”，更要在治理实践中牢牢把握人的主体地位，将机器的精准高效与人类的价值判断、情境智慧相结合。一个成熟的GAI赋能治理生态，将是技术与制度、效率与公平、创新与规范动态平衡的智慧体系。唯有如此，我们才能将 GAI 这一强大工具，真正转化为驾驭复杂舆论生态、提升国家治理效能的稳健力量，为重大决策的顺利实施营造清朗、理性、和谐的网络空间。参考文献[1] 中华人民共和国中央人民政府.中共中央关于进一步全面深化改革 推进中国式现代化的决定[EB/OL].[2025-10-10]. https://www.gov.cn/zhengce/202407/content_6963770.htm?lsRedirectHit=11454859.[2] 宋艳霞.全媒体时代公共图书馆网络舆情治理挑战及应对策略[J].图书馆工作与研究,2025,(S1):115-119.[3] 王秋梅,郑懿,吴布林,等.网络舆情意识形态安全数据动态识别与引导路径研究[J/OL].情报科学,1-9[2025-10-21].https://link.cnki.net/urlid/22.1264.g2.20251011.1613.002[4] 魏明媛,罗坤明,汤明,等.大语言模型（LLM）嵌入智慧图书馆场景化服务的应用研究[J].图书馆理论与实践,2025,(01):83-94.[5] 中华人民共和国国家互联网信息办公室.《中国互联网发展报告2024》和《世界互联网发展报告2024》蓝皮书发布[EB/OL]. [2025-10-15]. http://cac.gov.cn/2024-11/21/c_1733881276101727.htm.[6] 张海涛,周红磊,张鑫蕊,等.情报智慧赋能：重大突发事件的态势感知[J].情报科学,2020,38(09):9-13+22.[7] 罗坤明,李子晟,张磊,等.国产开源大模型赋能图书馆智慧化服务功能——以DeepSeek为例[J].图书馆理论与实践,2025,(05):86-96.[8] 黄微,马庆懿,刘逸伦.基于决策融合的跨模态建模：网络舆情的多层次细粒度情感分析[J/OL].情报理论与实践,1-14[2025-10-17].https://link.cnki.net/urlid/11.1762.G3.20250909.1105.004.[9] Aman J, Matisziw T C. Urban sentiment mapping using language and vision models in spatial analysis[J]. Frontiers in Computer Science, 2025, 7: 1504523.[10] 沈旺,李欣,孙珂,等.网络舆情事件用户在线评论行为预测研究[J/OL].现代情报,1-18[2025-10-17].https://link.cnki.net/urlid/22.1182.G3.20251013.1053.002.[11] Chen H, Zhao X. Modeling and simulation research of interactive public opinion evolution under multi-agent interventions[J]. Processes, 2022, 10(07): 1379.[12] Ma Y, Ling C, Wu J. Exploring the spatial distribution characteristics of emotions of weibo users in wuhan waterfront based on gender differences using social media texts[J]. ISPRS International Journal of Geo-Information, 2020, 9(08): 465.[13] 江长斌,陈子涵,黄英辉,等.基于ChatGPT的高校突发事件网络舆情情感分析研究[J].数字图书馆论坛,2025,21(06):53-62.[14] Peng J, He Y, Chang Y, et al. A Social Media Dataset and H-GNN-Based Contrastive Learning Scheme for Multimodal Sentiment Analysis[J]. Applied Sciences, 2025, 15(02): 636.[15] Guo T, Chen X, Wang Y, et al. Large language model based multi-agents: A survey of progress and challenges[J]. arXiv preprint arXiv:2402.01680, 2024.
51三门管理科学 2025 年第 4 期——公共管理[16] Boutaleb A, Picault J, Grosjean G. BERTrend: neural topic modeling for emerging trends detection[J]. arXiv preprint arXiv:2411.05930, 2024.[17] Alvim M S, da Silva A G, Knight S, et al. A multi-agent model for opinion evolution under cognitive biases[J]. arXiv preprint arXiv:2402.17615, 2024.[18] Chen J, Xin J, Ni W. Evolution and mitigation strategies of online public opinion: An analysis using an improved replicator dynamic three-party game model[J]. Plos one, 2025, 20(07): e0325744.[19] 张凯航,董昌其,于光,等. 基于LLM增强主题分析与主体建模的国产大模型舆情动态演化模拟[J/OL].情报杂志,1-11[2025-10-17].https://link.cnki.net/urlid/61.1167.G3.20250807.1322.002.[20] 江长斌,何珂,黄英辉,等. 基于生成式人工智能的高校网络舆情评论回复研究[J/OL].情报科学,1-20[2025-10-17].https://link.cnki.net/urlid/22.1264.G2.20250829.1134.004.[21] Zhao R, Köksal A, Liu Y, et al. SYNTHEVAL: Hybrid Behavioral Testing of NLP Models with Synthetic CheckLists[J]. arXiv preprint arXiv:2408.17437, 2024.[22] 张艳丰,黄亚婷,易臣何.生成式人工智能情境下智能生成网络舆情风险测度实证研究[J/OL].情报资料工作,1-17[2025-10-17].https://link.cnki.net/urlid/11.1448.G3.20250912.1012.006.[23] 孙红莺.人工智能赋能下高校网络舆情治理的优化路径研究[J].黑龙江教育(理论与实践),2025,(05):44-49.[24] 韩娜,窦楠楠,徐源.国家安全视域下的AI幻觉：武器化机制与认知风险[J/OL].新媒体与社会,1-12[2025-10-20].https://link.cnki.net/urlid/CN.20250814.1404.004.[25] 刘俣孜,赵云泽.人工智能幻觉现象的生成机制与治理策略研究[J/OL].新媒体与社会,1-17[2025-10-20].https://link.cnki.net/urlid/CN.20250806.1102.002.[26] Suresh H,Guttag J.A framework for understanding sources of harm throughout the machine learning life cycle[A].Proceedings of the 1st ACM Conference on Equity and Access in Algorithms,Mechanisms,and Optimization[C].New York,USA:Association for Computing Machinery,2021:1-9.[27] 谢琦,余日季,蔡苏.GenAI技术在教育评价中的算法偏见：表现、成因与对策[J].现代教育技术,2025,35(01):53-62.DOI:CNKI:SUN:XJJS.0.2025-01-006.[28] 李晗.AIGC背景下虚假信息数据安全风险及治理策略研究[J].情报探索,2025,(08):43-48.[29] 储节旺,刘青云.AIGC环境下信息污染的形成机理及防治策略研究[J/OL].情报理论与实践,1-11[30] 张家铖,沈阳.AI认知依赖的多维影响与应对策略研究[J].新媒体与社会,2024,(02):38-48+401.[31] 祝忠明,寇蕾蕾.AI驱动人文社会科学范式升维：从工具依赖到知识共生[J].图书与情报,2025,(03):13-25.
52三门管理科学 2025 年第 4 期——公共管理人工智能赋能社会治理的中国路径研究：从信息化到善治化的制度逻辑与价值重构焦薪燕【内容提要】随着人工智能技术的广泛渗透，中国社会治理正经历从信息化向智能化、从单中心管理向多元协同治理的结构性转型。本文以“技术—制度—价值”三维框架为分析基础，系统梳理了人工智能赋能社会治理的逻辑演化与实践路径。首先从理论层面论述了从“信息化赋能”到“综合赋能”的知识谱系，引申出“以人为本 +技术集成 +制度创新”的协同逻辑。其次，通过城市“智治”、地方算法治理与农村公共服务数字化等案例，揭示了 AI 在不同层级治理中的多样化机制与约束条件。接着，讨论了元宇宙与生成式 AI 在社会治理中的新兴作用，指出其在虚实融合、认知重构与价值回路中的潜在风险与制度需求。最后，提出 AI 赋能社会治理的三条核心路径：技术支撑路径、制度创新路径与价值引领路径。本研究认为，中国式 AI 治理的关键不在于技术的规模，而在于以公共价值为导向的制度塑形，进而使人工智能成为推动治理现代化的新质生产力，实现“以智能促协同、以协同达善治”的现代化治理目标。【关 键 词】人工智能；社会治理；智能化；制度创新；公共价值；善治【 Abstract 】As artificial intelligence (AI) technologies penetrate ever more deeply into society, Chi-na’s social governance is undergoing a structural transformation from informatization and centralized man-agement to intelligentization and multi-actor collaborative governance. Grounded in a three-dimensional analytical framework of “technology”, “institution” and value, systematically examines the evolutionary logic and practical pathways of AI-empowered social governance. The study first outlines the theoretical lineage from “informational empowerment to integrated empowerment, thereby deriving a synergistic logic of human-centered design, technological integration, and institutional innovation. Then, we analyze empir-ical cases (urban intelligent governance, local algorithmic governance, and the digitalization of rural public services) to reveal the diverse mechanisms and institutional constraints of AI at different governance levels. Furthermore, explore the emerging roles of the metaverse and generative AI in social governance, identifying their potential risks and institutional requirements in the processes of virtual. Finally, it proposes three core pathways for AI-empowered governance: the technological support pathway, the institutional innovation pathway, and the value-oriented pathway. The study concludes the essence of China’s AI governance lies not in the scale of technological expansion, but in institutional shaping guided by public value, that is, transform-ing AI into a new productive force for governance modernization and realizing the goal of intelligence-driven collaboration and collaboration-oriented good governance.
53三门管理科学 2025 年第 4 期——公共管理【Keywords】Artificial Intelligence; Social Governance; Intelligentization; Institutional Innovation; Public Value; Good Governance【作者简介】焦薪燕（2001-），女，河南新乡人，澳门城市大学人文社会科学学院应用语言学专业在读博士研究生（中国 澳门 999078）。一、引言随着人工智能（AI）技术的快速发展，中国社会治理正经历由信息化向智能化、由单中心向多元协同的结构性转型。从国家层面宏观来看，“数字中国”战略不断为治理现代化提供方向，而底层技术的跃迁又持续改变政府与社会的相互关系。人工智能在被理解为新一代的“效率工具”的同时，更可被视作一套能够穿透信息组织、制度安排与价值取向的“治理引擎”——这不仅重塑“数据采集、知识生成、决策执行”之时序，还将不同治理主体之间的信息不对称、协作摩擦与合法性基础一并列入同一逻辑框架之中。人工智能时代中国社会治理的关键命题，不在于“是否使用”，而在于“以何种制度逻辑和价值导向嵌入”。如果说过去的“信息化”主要是为行政流程提供更快的传导机制，那么当下的“智能化”则意在重组认知与协同本身——算法的学习与反馈，逼迫治理体系以迭代式方式应对动态复杂性，从而把“程序理性”推向“适应性理性”。这也解释了为何同样是技术更新，在不同制度安排与价值约束之下，可能导向两种截然相反的治理结果：一种是技术统摄的“黑箱行政”，另一种是以人为本的“开放善治”。本文在此基础上，重在论述人工智能不会自动带来善治，它只会放大原有治理结构的优点与缺陷。若想走向善治，必须从制度与价值角度出发对技术进行“二次编程”，把工具理性纳入社会规范性与公共性的约束轨道。二、理论基础：从信息化赋能到综合赋能为了精确把握人工智能在中国社会治理中的制度性含义，首先需要厘清从“信息化赋能”到“综合赋能”的知识谱系。学者甄峰（2019）在智慧国土空间规划的语境中提出“EPTI”框架，主张以生态文明为根基、以人为本为核心，并以技术集成与制度创新为双支点，从而摆脱“技术中心主义”的狭隘视角，进而强调技术必须与社会目标与制度安排协奏。[1]这一框架的重要性在于，其把“智慧”的含义从单纯的技术能力迁移为一种“以人、技、制”三元耦合的能力结构：如果没有“以人为本”的核心，技术集成则会滑向治理的过度工具化；如果缺失制度创新的承接，技术红利就会在科层分割中被消解。与此相呼应，在资源环境数智协同管理中，数字化与智能化并非两段相继的线性阶段，而是需要通过平台化架构、数据标准与协同机制予以“同时化”的制度整合。反之亦然，数字化只会制造新的信息孤岛，智能化则会成为缺乏公共性约束的算法冲动。[2]人工智能的“治理性价值”不是技术自身携带的属性，而是由其所嵌入我国的制度结构与价值约束所“派生”的结果。因此，讨论人工智能的治理效能，绝不能脱离其制度化的承载形态与公共性的指引方向。换而言之，从信息化到综合赋能，不只是“多用一些技术”的量变，而是“以人为本—
55三门管理科学 2025 年第 4 期——公共管理城市“智治”的成功并不必然能够自然外溢到更广的区域尺度。其原因在于城市场域拥有更成熟的数据基础设施与更丰富的协同资源，而县域、乡镇与村级组织则往往位于数字网络的边缘地带。这便意味着，如果不对人工智能系统的设计原则作出“面向不均衡现实的适配性调整”，所谓的“智能化”可能会在空间上复制既有不平等，本文在第五章节也将结合实例进一步考察另一种类型的制度实践。四、地方创新与算法赋能的治理实践与城市“智治”的高密度实验形成鲜明对照，地方层面的人工智能应用更具现实复杂性。济南市济阳区的实践表明，在治理资源相对有限时，人工智能并非只能作为宏大系统的一部分被动嵌入，而可以通过“视频 + 算法”的轻量模式成为地方社会治理的催化因子。[4]该区以政务云为底座，将视频感知网络与 AI 算法平台结合，构建了“视觉中枢”体系，实现实时监测、事件自动识别与多部门联动处理。不同于传统行政对事件的线性响应机制，这一体系通过“数据入网、算法识别、系统预警、联动处置”的闭环，使治理由“事后应对”转向“前端预防”，从而大幅压缩了决策延迟与执行成本。如果说“智慧城市”是 AI 赋能治理的顶层叙事，那么“济阳模式”则是其草根化表达。它并未依赖高投入或大规模平台化资源，而是在“算法轻量化”与“场景聚焦化”之间找到平衡：以安全、交通、环境等具体任务为中心构建算法模型，进而通过反馈机制逐步扩展应用边界。这种以“实用算法—数据接口—场景适配”为主线的策略，体现出地方治理在制度约束下的创造性应对，也揭示了“人工智能下沉”的一种可行路径。它的重要性不在于技术规模，而在于它如何在有限的技术与资金条件下，把 AI 转化为一种具有制度可持续性的治理能力。该研究同时也揭示了地方智能化的两面性。一方面，AI 的算法识别与视频感知极大增强了政府的风险监测与应急调度能力，使公共安全和城市管理更加精准高效；另一方面，视频与算法的结合也可能导致治理视角的“视觉中心化”，即将社会复杂性简化为可视事件，从而忽视非视觉性、非量化的社会需求。这种以“看得见”为前提的治理逻辑虽然强化了可控性，却可能在无意间削弱了社会信任与个体隐私的边界。因此，AI 在地方治理中的“赋能”，应理解为一种有条件的、情境化的赋能：在技术上实现感知延伸的同时，也必须在制度上界定“看见”与“不过界”的平衡。宏观来看，地方创新体现了中国社会治理的一个重要趋势，即技术创新并非自上而下的计划结果，而往往源自基层在资源约束中的问题导向实践。AI 赋能的真正动力，并不在于“算法多先进”，而在于制度是否允许多样化创新并形成可复制的机制。五、公共服务优化：从数据激活到算法正义公共服务体系历来是社会治理的基础领域。农村公共服务的数字化转型是 AI 赋能治理的关键环节，其价值不止在于技术现代化，更在于“数据激活”如何重构服务供给逻辑。传统的公共服务以行政分配为主，受限于信息不对称和需求识别滞后。通过建立公共服务“清单”机制，并引入智能
56三门管理科学 2025 年第 4 期——公共管理化数据分析，治理体系可以实现供需匹配的动态更新，使“服务清单”从静态文件转变为动态数据流。[5]“数据激活”是通过 AI 的算法推理与特征识别，将原本分散、孤立、非结构化的信息资源转化为可计算的政策依据。以农村教育、医疗、社会保障为例，算法不仅可以识别人口分布与需求趋势，还能预测潜在风险点，实现资源配置的精准投放。这样的“算法赋能”通过“识别差异”来追求“结果平等”，依据数据证据实现定向支持，使普惠性政策不再依赖平均分配，从而显著提升公共服务的时效性与公平性。然而，该研究也指出，算法治理的另一面是“算法正义”的挑战。算法虽然能在效率上实现突破，但其逻辑依然是“以模式识别替代个体经验”，这使得它在社会复杂性面前可能产生新的排斥形式。例如，当算法依据历史数据推断资源分配时，若原始数据已包含地区、性别或社会地位偏差，AI便可能在“精准供给”的名义下固化既有不平等。这一问题揭示了人工智能的“二次分配效应”，其可以重新定义谁被看见、谁被优先服务，也可能无意中使弱势群体成为算法的“盲区”。因此，公共服务的智能化只有在明确“算法正义”与“数据伦理”边界的前提下，才能实现真正的公共性。六、元宇宙赋能下的社会治理演化学者宋辰婷与刘青（2024）的研究将这一转变概念化为“韧性社会治理共同体”。元宇宙技术的引入，使社会治理从“单维空间的物理治理”转向“虚实融合的多维治理”，而人工智能正是这一结构变革的核心动力。[6]在元宇宙场景中，AI 不仅承担信息处理的角色，还成为虚拟与现实世界交互的中介。它通过数字孪生、虚拟身份与沉浸式交互，重塑了公共空间的构成方式，使社会治理的时空边界被重新定义。元宇宙的意义不仅在于“技术延伸”，更在于它重塑了社会互动的形态。在传统治理结构中，政策反馈往往受制于物理时空，而在元宇宙环境下，政府与公民可以通过虚拟空间实现即时互动与实时模拟。这一机制为构建“韧性社会”提供了新的制度支撑：当现实社会遭遇突发事件或系统性风险时，虚拟空间的算法模拟可以快速生成应对方案，提升整体社会的抗冲击能力。然而，元宇宙提供了“去中心化”的可能，也隐含了“算法中心化”的风险。因此，元宇宙赋能社会治理的关键不在于建构一个更复杂的技术系统，而在于如何在虚拟与现实的交错中维持社会秩序的可问责性。要实现这一点，必须建立跨领域的伦理审查与算法监管体系，使技术创新置于社会价值的规范框架之内。这样，AI 与元宇宙的结合才有可能成为治理的“共治架构”而非“虚拟权力装置”。七、生成式 AI 与公共决策的智能化重构随着生成式人工智能（Generative AI）的突破，社会治理正进入一个以算法为认知主体的新阶段。生成式 AI 通过“知识涌现—价值对齐”的双重机制，打破了传统公共决策的“有限理性”约束，使决策过程从线性判断转向动态学习，从规则执行转向认知共生。[7]这意味着，AI 不仅仅在提供辅助信息，而是在通过对海量非结构化数据的语义建模，主动生成政策选项、推演结果与价值取向的平
57三门管理科学 2025 年第 4 期——公共管理衡路径。这一转变本质上是一场治理认知范式的革命。传统的公共决策依赖于人类专家体系的知识生产与程序化审议机制，而生成式 AI 能够通过深度学习与语义重构，将政策变量之间的非线性关联显性化，从而实现“思考即训练”的迭代式优化。在这一机制下，政策制定不再是周期性事件，而成为一个实时演化的反馈系统。例如，城市管理中的能源调度、公共卫生政策中的风险预警、社会保障中的资金配置，都可通过AI实时模拟与优化，使政策响应周期从以往的“月级”压缩到“小时级”。然而，这种“实时智能”也引发了新的制度困境。首先，当 AI 具备自主生成决策建议的能力后，传统科层体系中的责任划分将被打破。那么决策错误的归责应落于算法设计者、模型操作者，还是最终批准者？其次，AI 的“黑箱”特性使其推理路径难以解释，这对行政透明度与公共信任构成挑战。第三，决策速度的加快也可能导致“深度行政依赖”，即政策制定者在时间压力下过度依赖算法输出，而忽视社会多元参与的必要性。学者何精华（2025）因此提出“负责任智能决策”理念，主张在技术创新与伦理规范之间建立动态平衡，通过弹性监管与价值嵌入，使 AI 的学习过程始终处于制度审视之下。[7]生成式 AI 的出现迫使我们重新界定“理性”的含义。AI 的演化使人类决策的约束性与情境依赖的限制部分被突破，却也带来“超理性失衡”的风险。因此，“负责任的智能决策”并不是效率的对立面，而是 AI 治理得以持续发展的前提。它要求人类在设计与使用 AI 系统时，持续进行价值回路的再嵌入，确保算法学习的每一次优化都指向公共善。八、技术伦理与制度创新的协同路径AI 赋能治理的深度扩展，使得制度创新与伦理监管必须同步推进。在这种共生关系中，制度的任务是为 AI 建立“边界条件”：即明确哪些领域可以自动决策、哪些环节必须保留人工审查、哪些过程需要社会监督。这样的分层制度安排构成了负责任治理的核心逻辑。中国在推进 AI 治理制度创新方面，已逐渐形成以伦理审查、算法备案与社会共治为核心的框架。以 2023 年发布的《生成式人工智能服务管理暂行办法》为例，政策设计正体现出“审慎创新”的导向：一方面鼓励技术创新和场景应用，另一方面要求 AI 系统在算法透明、数据安全、版权保护与伦理审查方面承担明确责任。这种制度安排既防止技术发展“无序扩张”，又保留了创新空间，为人工智能治理提供了实践性的制度样本。中国式 AI 治理的独特性在于其“政治合理性”与“社会实用性”的并行。与西方的个人主义数据伦理不同，中国的 AI 治理更强调公共利益优先与集体价值导向。这使得中国模式在协调效率与公平方面具有独特的制度优势——它能够通过集中资源快速形成标准化管理体系，但同时也必须防止集体主义逻辑掩盖个体权利与信息自主。因此，未来制度创新的关键不在于简单地借鉴西方模式，而在于探索如何在“国家主导”与“社会参与”之间建立灵活平衡，使 AI 治理既具合法性又具开放性。九、公共价值与善治目标的回归随着 AI 技术不断深入社会治理结构，公共价值的实现成为衡量其“善治化”程度的核心指标。
58三门管理科学 2025 年第 4 期——公共管理数字社会治理的终极目标并非“数字化”本身，而是通过技术促进公共价值的再分配与公平实现。[8]社会治理的善治基础在于将分散的社会需求重新汇聚，并在技术与制度的协同作用下实现公共价值的闭环。在该逻辑框架下，人工智能的角色应从“权力工具”转变为“价值媒介”。AI 不应仅被用于资源分配和风险控制，更应当成为社会共识与公共理性的生成平台。以数据开放与算法透明为基础，AI 系统能够为不同社会群体提供表达与反馈的通道，进而提升治理的包容性与民主性。例如，在地方社区治理中，AI 平台可以通过智能问卷、情绪分析与舆情追踪，识别少数群体的隐性需求，使公共政策更加多元敏感。这种“技术助力下的共识生产”不仅提升治理的响应能力，也为公共信任的重建提供了新的机制基础。未来的 AI 治理需要在“算法效率”与“伦理温度”之间找到动态平衡。既要在数据与模型层面追求精准，也要在价值与制度层面保持包容。只有当技术进步能够转化为公共善的可持续增长，AI 赋能社会治理才能真正实现中国式现代化的目标：以智能化促进协同，以协同实现善治。十、结语人工智能赋能社会治理与公共服务优化的中国路径，呈现出从“信息化—智能化—协同化—善治化”的系统演进趋势。通过整合相关理论与经验，可以归纳出 AI 赋能社会治理的三条核心路径：第一，技术支撑路径。以 AI 为核心的技术体系构成社会治理的基础设施，通过数据整合、算法优化与平台协同，实现治理智能化与公共服务精准化；第二，制度创新路径。制度是 AI 治理可持续运行的关键变量，只有通过算法透明、责任分层与伦理审查，才能确保技术的效率转化为公共价值；第三，价值引领路径。治理的终极目标是公共善的实现，AI 的合理应用必须以公平、透明与人本为导向，使智能化成为提升社会信任与公共参与的动力，而非削弱公民主体性的力量。AI 赋能社会治理并非线性进程，而是伴随着权力结构、制度逻辑与价值认同的持续重构。当社会能够在这三个层面建立透明、问责与共享的机制时，人工智能才真正成为推动社会治理现代化的“新质生产力”。这正是中国式现代化背景下“以智能促协同、以协同达善治”的深层逻辑所在。参考文献[1] 甄峰,张姗琪,秦萧,等.从信息化赋能到综合赋能:智慧国土空间规划思路探索[J].自然资源学报,2019,34(10):2060-2072.[2] 陈晓红,欧阳长风,张乘,等.资源环境数智协同管理的研究框架与未来展望[J].Resources Science,2024,46(04).[3] 张育广,韩曜骏.多元共治:数字技术赋能城市社区智治的探索——基于广州市旧南海县社区的案例分析[J].社会工作与管理,2025,25(02):85-93.[4] 张延国.济南市济阳区创新应用:视频+AI算法赋能数字社会[J].环球社科评论,2024.[5] 陈浩天.数据激活与精准效应:农村公共服务清单供给的价值叙事[J].华中师范大学学报(人文社会科学版),2025,64(05):72-81.[6] 宋辰婷,刘青.“韧性社会治理共同体”:元宇宙赋能下的中国社会治理转型[J].北京工业大学学报(社会科学版),2024,24(04):43-56.[7] 何精华.智能革命与治理转型:生成式AI赋能公共决策的理论建构与制度创新[J].上海市社会主义学院学报,202
60三门管理科学 2025 年第 4 期——企业管理新质生产力视域下数据链路驱动的企业组织重构机制研究刘东君 周瑛【内容提要】针对当前企业普遍存在的“数据丰富、洞察贫乏、行动迟滞”以及数据链路不畅导致的“信息孤岛”与组织僵化问题，对新质生产力发展背景下数据链路驱动企业组织重构的内在机制与实践模式进行了研究。分析了数据链路作为新型基础设施，通过信息流重构、决策模式变革、业务流程再造、协同模式创新与价值创造升级五大机制，推动企业从传统科层制向扁平化、智能化、生态化组织转型的作用路径，并提出了推动广东省企业组织转型升级的建议，旨在为破解数据要素价值转化难题、实现企业高质量发展提供理论支持与实践指引。【关 键 词】新质生产力；数据链路；组织重构；数字化转型【 Abstract 】For the issues of enterprises with which had “data abundance, insight scarcity, and de-layed action”, along with information silos and organizational rigidity caused by fragmented data pipelines, this study investigated the mechanisms and practical models through which deep organization reconstruction was driven by data link within the context of new quality productive forces. The research systematically analyzes how data link, as a new form of infrastructure, acted through five core mechanisms—information flow reconfiguration, decision-making transformation, business process reengineering, collaborative inno-vation, and value creation enhancement. Thus the traditional organization hierarchical was transformed into the flatter, smarter, and more ecosystem-oriented structure. Suggestions for promoting the transformation and upgrading of enterprise organizations in Guangdong Province have been put forward. They aimed to provide theoretical support and practical guidance for navigating the challenges of data value realization and high-quality development of enterprises.【Keywords】New Quality Productive Forces; Data Link; Organization Reconstruction; Digital Trans-formation【基金项目】广州南方学院“博士基金项目”：绿色数字经济与水环境承载边界：理论探索与系统建模仿真研究；广州南方学院 2024 年校级科研项目重点项目 (2024XK006)，新质生产力推动广东企业数字化转型机理、模式与应用研究。广东省哲学社会科学类项目 (2024WTSCX081)，“广东省数字经济与产业融合发展路径研究”。【作者简介】刘东君，男，广州南方学院数字经济专任教师、博士后（广东 广州 510900）。【通讯作者】周瑛，女，广州南方学院数字经济专业副教授（广东 广州 510900）。
65三门管理科学 2025 年第 4 期——企业管理由上图 1 可见，企业组织重构需在结构、流程、决策、协同与文化五个维度协同推进。在结构上，应由传统科层制转向“平台 +生态”或“网络化敏捷组织”，通过构建数据与业务中台赋能前台，并以跨职能项目制团队提升灵活性。在流程上，应打破线性固化模式，利用 RPA、AI 等技术构建“感知—分析—决策—执行—反馈”的数据驱动闭环，实现流程的自动化、智能化与持续优化。在决策上，应推动从集中式经验决策向分布式智能决策转变，普及决策支持系统与 AI 工具，将决策权下放至一线，形成“人机协同”的高效范式。在协同上，需超越内部协调，依托数据链路连接供应商、客户与合作伙伴，实现供应链与创新链的生态化实时联动。最终，必须培育“数据驱动与持续创新”的组织文化，提升全员数据素养，鼓励基于数据的试错与迭代，营造开放信任的氛围，为系统性变革提供持久动力。五、推动广东省企业组织转型升级的建议（一）着力构建贯通全链条的“数字基座”，破解“信息孤岛”困局建议政府有关部门联合行业协会与龙头企业，制定统一的工业数据标准与接口规范，重点支持5G 专网、工业互联网标识解析节点等新型基础设施向产业园区下沉覆盖。鼓励企业实施设备联网与系统集成改造，推动生产、供应链、营销等环节的数据实现全链路采集与贯通，为组织重构奠定坚实的数据基础。（二）大力推动企业建立“数据中台 +业务中台”的平台化架构建议引导企业将共性数据能力与业务服务沉淀于中台，支撑前台灵活创新。鼓励企业组建跨职能的项目制团队（TFT），替代部分僵化的职能部门，实现组织结构的扁平化与敏捷化。通过结构变革，打破部门壁垒，为数据驱动的快速响应与分布式决策提供组织保障。（三）亟需引导企业构建“感知—分析—决策—执行—反馈”的数据闭环流程建议支持企业应用 RPA、AI 等技术对核心业务流程进行智能化改造，实现从经验驱动的线性流程向数据驱动的动态闭环转变。尤其在供应链管理、预测性维护等领域，推广基于实时数据的自动化决策与自适应优化，显著提升运营效率与韧性。（四）鼓励企业拓展协同边界，构建开放的价值共创生态建议支持企业利用 API 等技术连接上下游供应商、客户及创新伙伴，实现生产计划、库存状态、产品使用等数据的共享与实时联动。推动从内部协调向“生态化实时协同”转型，通过数据赋能供应链协同、联合研发与服务创新，形成互利共赢的产业生态系统。（五）将培育“数据驱动与持续创新文化”作为转型升级的长期战略建议政府有关部门将数据素养纳入人才培训体系，鼓励企业开展数据思维与敏捷方法的全员培训。倡导基于数据的实验、试错与快速迭代，建立容错机制，营造开放、透明、信任的组织氛围，使数据赋能与持续创新成为企业发展的内生动力与核心竞争力。
66三门管理科学 2025 年第 4 期——企业管理六、结语在新质生产力加速演进的时代背景下，数据作为新型生产要素的核心地位日益凸显，而数据链路作为贯通数据全生命周期、释放数据价值的关键基础设施，正成为驱动企业组织深层次变革的核心引擎。本研究立足于新质生产力的战略视角，系统探讨了数据链路如何驱动企业组织重构的内在机制与实践模式，揭示了从技术赋能到组织变革的系统性路径。研究发现，数据链路已超越传统信息技术的“工具”属性，演进为支撑企业运行的“神经网络”式新型基础设施，具备实时性、穿透性、网络化与智能化的显著特征。其驱动组织变革的作用并非简单叠加，而是通过“信息流重构—决策模式变革—业务流程再造—协同模式创新—价值创造升级”五大机制的协同联动，形成层层递进、有机统一的作用路径。这一过程本质上是通过数据的高效流动与智能应用，打破传统科层制下的信息壁垒与决策僵化，推动组织能力向敏捷化、智能化与生态化方向持续进化。本研究不仅在一定程度上丰富了新质生产力理论在微观组织层面的落地路径，也弥补了现有研究中对“数据链路”作为具体驱动机制的系统性分析不足，为理解数字时代企业组织变革提供了新的理论框架与实践指引。对于广东省乃至全国企业而言，未来转型升级的关键在于以数据链路建设为突破口，统筹推进技术、结构、流程与文化的协同重构，真正将数据要素的潜能转化为组织效能与竞争优势，最终实现向高科技、高效能、高质量发展新质生产力的跃迁。参考文献[1] 董丽杰,张永庆,刘新萍.从要素认知到框架建构：新质生产力视角下数据生产要素研究述评[J].科研管理.2025,46(09):13-24.[2] 吕指臣,卢延纯.数据要素高质量供给的全链路建设框架[J].宏观经济管理.2024,9:28-38.[3] 梁辉,许玲.广东数字经济政策体系:现状、关键成功因素与启示[J].中国商论.2022,9:104-108.[4] 容宇恩,张梅,卓维雅.发展新质生产力背景下广东制造企业数智化转型与资本结构关系的实证研究[J].商业经济.2025,4:40-43.[5] 马昕旖,皮圣雷,黄淑怡.企业数字化转型的“知识—资源编排”模型——以广州励丰文化科技为例[J].清华管理评论.2023(11):32-37.[6] 杨畅,仇东配,梁霄,李重阳.基于数据中台的数据链路监测及综合评价模型分析[J].集成电路应用.2024,41(04):360-362.[7] 苏敬勤,武宪云,张思佳.传统企业全链路数字化转型过程中的组织惯性克服机理——基于组织学习视角[J].科技进步与对策.2025,42(17):55-65.[8] Hammer, M., & Champy, J. Reengineering the corporation: A manifesto for business revolution[M]. Harper Business. 1993.[9] E. Brynjolfsson, K McElheran. The rapid adoption of data-driven decision-making[J]. American Economic Review, 2016, 106(05): 133–39.[10] 钱雨,孙新波,孙浩博,杨金朋.数字化时代敏捷组织的构成要素、研究框架及未来展望[J].研究与发展管理.2021,33(06):58-74.[11] Claudia U. Ciborra. The Platform Organization: Recombining Strategies, Structures, and Surprises[J]. Organization science, 1996, 7(02): 103-209.
67三门管理科学 2025 年第 4 期——企业管理人工智能赋能金融研究的进展与趋势唐子文【内容提要】随着人工智能技术的迅猛发展，AI 已从金融行业的辅助性工具演变为推动理论与实践双重革新的关键力量。本文系统梳理了人工智能在市场预测、量化交易、风险管理、信用评估、反欺诈以及金融文本分析等领域的核心应用，指出深度学习、强化学习、图神经网络和预训练语言模型在提升金融预测精度、识别系统性风险、拓展信用特征维度以及捕捉文本情绪信息方面表现出超越传统方法的优势。与此同时，AI 对行为金融学与资产定价模型等基础理论提出了新的挑战，包括异质性主体建模、神经金融学的兴起以及机器学习推动的动态因子结构识别等。本文进一步讨论了可解释性不足、数据偏差、算法共谋及隐私合规等技术与伦理问题，并指出监管科技、区块链审计、实时监管沙盒等新工具对治理框架的重要意义。最后，文章展望了量子计算、元宇宙金融、跨学科范式融合等未来发展方向，认为只有在技术创新、制度完善与理论重构协同推进下，人工智能赋能金融的潜能才能得到充分释放，为构建高效、稳健且包容的金融体系提供支撑。【关 键 词】人工智能；金融科技；风险管理；信用评估；资产定价【 Abstract 】With the rapid advancement of artificial intelligence, AI has evolved from an auxiliary tool into a transformative driver reshaping both financial theory and practice. This paper provides a sys-tematic review of AI applications in financial markets, including market prediction, quantitative trading, risk management, credit assessment, fraud detection, and financial text analysis. Techniques such as deep learning, reinforcement learning, graph neural networks, and large language models have significantly en-hanced forecasting accuracy, systemic risk identification, credit feature extraction, and sentiment recognition compared with traditional approaches. Meanwhile, AI challenges established financial theories by enabling heterogeneous-agent modeling, advancing neuro-finance research, and introducing machine-learning-based dynamic factor structures in asset pricing. The study further highlights major technical and ethical concerns, including model interpretability, data bias, algorithmic collusion, and privacy compliance, while emphasizing the role of RegTech tools such as blockchain-enabled model auditing and real-time supervisory sandboxes. Looking ahead, emerging topics such as quantum machine learning, metaverse-based digital finance, and cross-disciplinary paradigm shifts are expected to reshape future research. The paper argues that only through coordinated progress in technology, regulation, and theoretical innovation can AI’s full potential in finance be realized to support a more efficient, resilient, and inclusive financial system.【Keywords】Artificial Intelligence; FinTech; Risk Management; Credit Assessment; Asset Pricing【作者简介】 唐子文（2004-），男，广西南宁人，北京师范大学 -香港浸会大学联合国际学院（UIC）人工智能专业本科生（广东 珠海 519000）。
68三门管理科学 2025 年第 4 期——企业管理随着人工智能（AI）技术的快速发展，AI 在金融领域的应用已从早期的辅助工具演变为新的核心研究范式。近年来，大量研究探索了 AI 在金融市场预测、风险管理、信用评估、金融文本分析等方面的应用成果，以及 AI 对传统金融理论带来的挑战和启示。本综述将系统梳理相关文献，总结 AI在金融核心领域的主要应用场景和技术方法，讨论 AI 对传统金融理论与范式的挑战，并展望未来研究方向。一、关于 AI 在金融核心应用领域的研究（一）AI 应用于市场预测与量化交易（1）应用技术方法的演进。金融市场预测传统上依赖时间序列模型和统计方法，如 ARIMA 等。但深度学习的兴起为金融预测注入了新动力。例如，Bao 等人（2017）构建了基于长短期记忆网络（LSTM）的预测框架，对股票价格波动进行建模，结果显示 LSTM 对股价的预测精度显著优于传统时间序列模型如 ARIMA 。这种深度学习模型能够自动提取高维非线性特征，捕捉金融时间序列中的复杂模式。此外，Transformer 等先进架构也开始应用于时间序列预测，利用自注意力机制建模长程依赖关系。 （2）强化学习技术的应用。强化学习（Reinforcement Learning, RL）通过让智能体与市场环境反复交互学习最优策略 , 已被用于量化交易策略开发。Jiang 等（2017）提出了一个基于深度强化学习的金融投资组合管理框架，在加密货币市场的回测中显著优于传统策略。（例如累积收益率大幅超越买入持有等基准策略）。类似地，Yang 等人（2020）采用深度 Q 网络和策略梯度方法构建了集成强化学习交易系统，经实证检验能够稳定获得高于市场平均的风险调整后收益 。这些研究表明，深度强化学习能自主适应复杂多变的市场条件，捕捉人类难以发现的交易信号。然而，应注意到在训练强化学习交易代理时需要避免过度拟合和“数据挖掘”偏误，以确保策略在未来数据上的有效性 。目前一些工作通过加入正则化、设立虚拟对手等手段提升策略的稳健性，但这一领域仍在快速发展。（3）争议与挑战。尽管 AI 模型在金融交易中显示出巨大潜力，但学者也提出了潜在风险。例如，高频交易中应用复杂的机器学习模型，可能存在过度拟合历史噪声的问题 (Fang et al., 2019)。Rundo(2019) 的研究指出，在高频环境下训练深度神经网络模型常会面临泛化能力不足的挑战，这被认为是此类模型在 HFT 应用中的固有局限。进一步，Black-box 模型难以解释的特性在交易策略开发中也引发关注——监管者和投资者可能无法理解 AI 驱动的策略背后的逻辑，从而在极端行情下增加不确定性。（二）AI 应用于风险管理与压力测试（1）系统性风险建模。随着金融体系日益复杂，图神经网络（Graph Neural Network, GNN）等工具被引入用于建模金融机构间的网络关联和系统性风险传染路径。欧洲央行的一项实验研究（ECB, 2022）表明，GNN 模型在识别银行间风险传染链条方面更为准确，相比传统网络分析方法能更早发现潜在的“多米诺效应”节点。
71三门管理科学 2025 年第 4 期——企业管理产收益，被称为“因子动物园”。传统计量方法难以从如此众多相关因子中识别出真正具有风险溢价的潜在因子。为此 ,Kelly 等人（2019）提出了仪器主成分分析（IPCA）的方法，将机器学习的降维思想引入资产定价。该方法本质上是一种无监督学习：通过让模型从资产截面特征中自动提取几个统计因子，并同时估计其风险溢价。实证结果表明，IPCA 提取的潜在因子组合在解释资产收益方面表现优于许多现有因子模型 。这说明机器学习可以作为工具，帮助金融经济学家从纷繁复杂的因子中“让数据说话”，寻找出有效的定价因子，从而缓解因子过多带来的挤水分问题。（2）注意力机制与动态因子权重。传统资产定价模型通常假设因子结构和风险溢价是稳定的，但现实中因子的重要性可能随时间变化。Gu 等人（2021）利用深度学习中的注意力机制来构建动态多因子模型。他们开发了 Autoencoder 资产定价模型，用深度神经网络自动编码上千维的资产特征，并通过注意力层动态调整因子权重以适应市场状态变化。在美国股票市场的数据上，该模型在样本外的预测能力显著优于静态因子模型，说明市场存在时间变动的结构，AI 模型可以捕捉到人类经济学家难以手工建模的复杂非线性关系 。此外，随着 Transformer 等架构进入金融领域，也有研究尝试利用 Transformer 的序列建模能力预测资产风险溢价的变化，取得了一定效果。总的来说，AI 提供的新方法正在拓展资产定价模型的边界，使之能够更好地适应“大数据、高维度、动态化”的金融市场特征。三、关于关键技术挑战与伦理监管问题的研究（一）AI 技术局限与风险 （1）模型可解释性（黑箱问题）。深度学习等 AI 模型虽然在预测精度上表现突出，但其内部决策过程往往难以解释。这在金融领域尤其成为问题，因为金融监管和风险管理要求模型决策具备可解释性和可审计性。例如，在信用审批中使用神经网络模型，如果被拒贷客户要求了解原因，银行需要给出合理解释，但复杂模型难以提取明确的规则。这种“黑箱”困境引发监管关注：欧洲银行管理局（EBA）已多次发文强调金融机构在采用 AI 模型时需确保结果可解释。学术界也在探索解决方案，如开发可解释AI (XAI)技术，利用局部可解释模型 (LIME)、 SHAP值等方法解释模型输出。尽管如此，实现完全可解释的高精度 AI 模型仍具挑战，被视为金融 AI 应用的主要技术瓶颈之一。（2）数据偏差与歧视。AI 模型依赖历史数据，如果数据本身存在偏差，模型可能学到不公正的决策规则。例如，信用评分模型如果训练数据中某群体历史违约率偏高，模型可能放大这种差异，对该群体“刻板印象”式地给予较低评分。这引发了算法歧视的风险。著名案例包括 2019 年 Apple Card 被指对女性信用额度歧视，算法可能由于训练数据偏差而给予女性比男性更低的额度，引起监管调查。同样地，面向消费金融的小微贷款 AI 模型也曾出现不公平对待某些族裔或地区用户的情况。银行业监管者已经注意到这一问题。例如，美国消费者金融保护局 (CFPB)针对新兴 FinTech 公司（如ZestFinance 等）进行了审查，以确保其 AI 放贷模型没有违反公平贷法规。为减少偏见，研究者提出了在模型训练中引入公平约束、对少数群体过采样等技术手段。然而 , 在保证模型预测力的同时完全消除偏见仍然困难，如何平衡效率和公平是 AI 金融应用的一大挑战。
72三门管理科学 2025 年第 4 期——企业管理（二）伦理和监管难题（1）算法共谋与市场竞争。AI 在金融市场的大规模应用也带来了新的监管课题，例如算法共谋。理论上，互不相识的交易机器人如果采用强化学习自行优化策略，可能学会一种默契配合以获取超额利润，从而形成隐性合谋、操纵市场价格。Calvano 等人（2020）通过仿真实验表明，自主学习的定价算法在重复博弈中可能达到近似垄断的价格水平，即使没有人为串通 。在高频交易领域，也有人担心多个 AI 做市商可能无意中形成价格联盟。针对这种风险，OECD 等机构发布报告呼吁加强对算法交易的反垄断监管，建议要求公司对算法决策保留记录、方便事后审查。目前各国竞争监管部门已开始研究算法合谋的判定标准和防范举措，这体现 了 AI 技术给传统监管框架带来的冲击。数据隐私与跨境监管：金融 AI 模型通常需要大量个人和交易数据支撑，这引发了隐私保护和数据跨境流动的问题。欧盟自 2018 年实施的《通用数据保护条例》（GDPR）对个人敏感数据的使用作出了严格限制，要求自动化决策需提供解释且个人有权利要求人工复核。这对使用黑箱模型的大数据风控提出了合规挑战。此外，金融机构在不同司法管辖区间传输数据以训练 AI 模型时，也面临跨境数据监管。如欧盟对客户金融数据出口有严格要求，中国亦有《数据出境安全评估办法》。这些法规在一定程度上限制了跨国银行构建统一 AI 风控系统的能力。解决之道一方面在于技术创新，例如通过联邦学习在各地分别训练模型、仅汇总参数，减少直接数据共享；另一方面需要监管协调，推进数据跨境流动的标准协议。在隐私与效率之间找到平衡，是金融 AI 发展的关键监管命题。（2）其它伦理考量。金融 AI 应用还带来一些新的伦理问题。例如，交易算法的大规模应用可能导致市场波动加剧和“闪崩”风险，引发对金融稳定的担忧；又如，当 AI 投顾在大众财富管理中扮演更大角色时，投资者教育和责任界定需要同步跟进。此外，一些学者提出 AI 伦理框架应被纳入金融机构治理，确保决策透明、避免滥用 AI 技术。在未来，监管机构和行业需要共同制定 AI 在金融领域的道德准则和行为规范，确保技术以负责任的方式应用于金融系统。四、关于未来研究方向（一）技术融合创新（1）量子计算与金融 AI。量子计算的兴起为金融优化和模拟带来了潜在革命。量子机器学习（Quantum ML）被视为下一代技术，有望解决经典计算难以处理的组合优化难题，如投资组合优化、风险分散等。近期有研究尝试将量子算法用于投资组合构建，发现对于资产数量较多的组合，量子算法有机会以指数级加速求解最优分散方案。虽然目前量子计算机规模有限，但随着硬件能力提升，量子机器学习可能与传统 AI 结合，赋能超大规模的金融计算任务。未来的金融模型或许将在量子计算平台上运行深度神经网络，以同时获取量子并行计算和 AI 智能的优势。（2）元宇宙与数字金融。元宇宙（Metaverse）概念的火热带来了数字资产和虚拟经济的新课题。在元宇宙中，虚拟地产、NFT 等数字资产需要估值和交易，对此传统金融理论尚无现成框架。AI 有望通过学习虚拟经济中的供需和行为模式，建立数字资产的定价模型。例如，可以设想训练深度学习模型来跟踪虚拟世界用户行为，从而评估虚拟土地或道具的内在价值。同时，元宇宙还提供了一个全新的模拟环境，研究者可以在其中测试金融 AI 算法对市场和投资者行为的影响，为现实金融提
73三门管理科学 2025 年第 4 期——企业管理供借鉴。随着元宇宙与现实经济的融合加强，关于数字资产定价、 虚拟市场监管等方面的研究将成为金融学新的增长点。（二）监管科技（RegTech）的突破 （1）区块链与模型审计。监管科技的目标是运用技术手段提升监管效率、降低合规成本。针对AI模型“黑箱”问题，一种前沿思路是利用区块链的不可篡改和可追溯特性来记录AI模型的决策过程。例如，可以开发基于区块链的模型审计系统，将 AI 模型每次重要决策时的输入输出、参数状态记录在链，供监管机构审计。这样，当出现争议时可以追溯模型当时依据的数据和逻辑。虽然完整记录神经网络内部状态仍有技术困难，但哪怕记录关键输入特征和结果也有助于提高透明度。一些金融科技公司已在探索将区块链用于模型治理，如创建模型版本控制和审批流程上链等。 （2）实时监管沙盒。传统监管往往滞后于创新，监管沙盒提供了在受控环境下测试新技术的机制。未来的监管沙盒可能更加智能和实时化，借助 AI 模拟技术构建接近真实市场的仿真环境，允许新开发的 AI 交易算法、智能合约在其中试运行，由监管机构观测其行为和影响。这种实时监管沙盒可以被视作虚拟的“金融数字孪生”，监管者能够预判创新可能引发的风险。随着计算能力增强，此类沙盒有望容纳更大规模的模拟，实现监管与创新的良性互动。此外，监管部门自身也在应用机器学习进行异常检测、风险预警，这些都属于 RegTech 的重要方向。（三）理论范式的重构（1）AI驱动的金融新范式。正如 20世纪金融学在现代计算技术推动下诞生了现代投资组合理论、期权定价公式等范式变革，21 世纪的 AI 浪潮可能催生金融学的新范式。有学者提出将复杂性科学引入金融，与 AI 结合形成“复杂金融学”，认为金融市场是一种复杂自适应系统，AI 可以充当捕捉复杂相互作用的“显微镜”。这种观点主张超越传统均衡分析框架，建立基于智能代理和大数据的进化金融理论。其核心是承认市场非线性、异质性和非平稳性，通过模拟和数据驱动的方法寻找规律。例如，Adaptive Markets 假说就是朝这方向迈出的步伐，它认为有效性是环境和参与者适应性共同作用的产物，而 AI 可以用于刻画这种适应动态。（2）市场有效性新标准。AI 的应用还促使我们重新思考“市场有效”这一经典概念。在高频交易主导的市场中，价格瞬时反映信息的含义需要重新界定，因为信息获取本身可能由 AI 完成且超出了人类直觉范畴。一些研究者提出，应根据市场参与者算法的智能水平来定义有效性：当绝大多数智能体（包括 AI 代理）都无法系统获利时，市场才可被认为有效。这比传统仅考虑人类的信息集范围的定义更全面。总之，AI 正在重塑金融市场的微观结构，未来金融理论可能需要融入对智能体算法能力的考量，从而形成更新的市场有效性标准和金融均衡观。五、结语综上所述，人工智能正在以多维度、深层次的方式重塑金融研究与实践格局。本文认为：AI 技术作为强有力的工具，显著提升了金融分析的效率与精度——从增强市场走势预测能力、提升风险监测与管理水平，到扩展信用评估维度、深化金融文本数据挖掘，AI 在多个关键领域实现了传统方法难以企及的突破。
74三门管理科学 2025 年第 4 期——企业管理AI 的引入也对金融学的基本假设与理论结构提出了深刻挑战。行为金融和资产定价等领域正逐步引入机器学习与神经科学等方法，初步显现出理论范式革新的可能性。3、面对这一变革趋势，金融研究者需要在积极拥抱新兴技术的同时，系统审视既有理论的适用性和边界条件，为构建更具解释力和预测力的金融科学体系奠定基础。4、AI技术的跃进并不意味着金融风险的消失。金融领域中AI模型的“黑箱性”、输入数据的偏差、算法之间可能的合谋行为，以及个人隐私保护等问题，已成为人工智能实际应用中无法回避的挑战。因此，在评价 AI 赋能金融的研究成果时，我们应在肯定其带来效率提升与理论革新的同时，也保持对技术风险与制度适配问题的高度敏感。本文认为，唯有在技术创新、制度设计与理论探索三者协同推进下，人工智能赋能金融的潜能才能充分释放，助力构建一个更高效、更稳健、更包容的金融体系。未来研究应特别关注以下三个方向 ：（1）开发可解释、稳健的金融 AI 方法，提升模型的透明度与鲁棒性，降低系统性风险；（2）构建完善的伦理与监管框架，确保 AI 技术在数据处理、模型决策等方面符合公平性与合规性要求；（3）推动跨学科理论融合，整合 AI 与经济学、行为科学、复杂系统等理论资源，打造更具解释力的金融分析范式。参考文献[1] Bao, W., Yue, J., & Rao, Y. A deep learning framework for financial time series using stacked autoencoders and long-short term memory[J/OL]. PloS one, 2017,12(07): e0180944.[2] Jiang, Z., Xu, D., & Liang, J. A deep reinforcement learning framework for the financial portfolio management prob-lem[J/OL].arXiv preprint arXiv, 2017: 1706.10059.[3] Yang, H., Liu, X. Y., Zhong, S., & Walid, A. Deep reinforcement learning for automated stock trading: An ensemble strategy. Proceedings of the first ACM international conference on AI in finance[M]. 2020: 1-8.[4] Fang, B., & Feng, Y. Design of high-frequency trading algorithm based on machine learning[J/OL].arXiv preprint arXiv, 2019: 1912.10343.[5] Rundo, F. Deep LSTM with reinforcement learning layer for financial trend prediction in FX high frequency trading systems[J]. Applied Sciences, 2019, 9(20): 4460.[6] ECB. Financial Stability Review[R]. European Central Bank. 2022.[7] Balmaseda, V., Coronado, M., & de Cadenas-Santiago, G. Predicting systemic risk in financial systems using deep graph learning[J]. Intelligent Systems with Applications, 2023, 19: 200240.[8] Son, H. JPMorgan software does in seconds what took lawyers 360,000 hours[N]. Bloomberg News: 2017, February 28.[9] Fredrik Filipsson. AI Case Study: AI for Automated Document Processing at JPMorgan (COIN)[N/OL]. Redress Compliance - Just Another WordPress Site, 2025, February 14. https://redresscompliance.com/ai-case-study-ai-for-automated-document-processing-at-jpmorgan-coin/.[10] Yang, W., & Gao, L. A Study on RB‐XGBoost Algorithm‐Based e‐Commerce Credit Risk Assessment Model[J]. Journal of Sensors ,2021(01): 7066304.
75三门管理科学 2025 年第 4 期——企业管理[11] Ryman-Tubb, N. F., Krause, P., & Garn, W. How Artificial Intelligence and machine learning research impacts payment card fraud detection: A survey and industry benchmark[R]. Engineering Applications of Artificial Intelligence, 2018, 76 & 130-157.[12] Kirtac, K., & Germano, G. Enhanced Financial Sentiment Analysis and Trading Strategy Development Using Large Language Models. Proceedings of the 14th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis[M]. 2024: 1-10.[13] Doh, T., Song, D., & Yang, S. K. Deciphering federal reserve communication via text analysis of alternative fomc statements[R]. Federal Research Bank of Kansas City, 2020.[14] Hu, B. AI-Driven Agent-Based Modeling of Investor Behavior: Leveraging Reinforcement Learning and Neural Networks to Simulate Irrationality in Financial Markets[J]. Applied and Computational Engineering, 2025, 138(01): 42–47.[15] van Brussel, L. D., Boksem, M. A., Dietvorst, R. C., & Smidts, A. Brain activity of professional investors signals future stock performance[J].Proceedings of the National Academy of Sciences, 2024, 121(16): e2307982121.[16] Kelly, B. T., Pruitt, S., & Su, Y. Characteristics are covariances: A unified model of risk and return[J] Journal of Financial Economics, 2019, 134(03): 501-524.[17] Gu, S., Kelly, B., & Xiu, D. Autoencoder asset pricing models[J]. Journal of Econometrics, 2021, 222(01): 429-450.[18] Calvano, E., Calzolari, G., Denicolo, V., & Pastorello, S. Artificial intelligence, algorithmic pricing, and collusion[J]. American Economic Review,2020, 110(10): 3267-3297.
76三门管理科学 2025 年第 4 期——市场营销新能源电动车企业营销策略优化研究——以东莞市 LT 新能源电动车公司为例尹启桓【内容提要】在全球能源结构转型与“双碳”战略目标的推动下，尽管市场竞争加剧与消费观念更新对企业营销策略提出了更高要求，但新能源电动车产业链已成为我国战略性新兴产业的重要支柱。本研究以东莞市 LT 新能源电动车公司为研究对象，基于 4P 理论与 PEST 分析框架，对营销策略优化路径展开系统探讨。通过解析企业内外部环境，结合对现有产品、价格、渠道营销策略的实证研究，揭示企业存在产品同质化严重、定价缺乏差异化、渠道管理不完善、促销手段单一等问题。针对上述问题，文章从科技创新驱动的产品差异化策略、精细化定价策略、渠道管理强化措施、多元化促销手段四个维度提出优化建议，旨在为东莞市 LT 新能源电动车公司提供理论支撑与实践参考，助力其提升竞争力并实现高质量发展，同时为同类新能源电动汽车企业的营销策略制定提供借鉴。【关 键 词】新能源电动车；营销环境；营销策略【 Abstract 】Driven by the global energy transition and the “dual carbon” strategic goals, the new energy electric vehicle industry chain has become a pivotal pillar of China’s strategic emerging industries, despite intensified market competition and evolving consumer demands that impose higher standards on corporate marketing strategies. This study takes Dongguan LT New Energy Electric Vehicle Company as a case study and systematically explores pathways for optimizing its marketing strategies based on the 4P theory and PEST analytical framework. By analyzing the company’s internal and external environments and conducting empirical research on its existing product, pricing, channel, and promotion strategies, the study identifies issues such as severe product homogenization, lack of differentiated pricing, imperfect channel management, and limited promotional methods. To address these challenges, this paper proposes optimiza-tion recommendations across four dimensions: technology-driven product differentiation strategies, refined pricing strategies, enhanced channel management measures, and diversified promotional approaches. The aim is to provide theoretical support and practical references for Dongguan LT New Energy Electric Vehicle Company to enhance its competitiveness and achieve high-quality development, while also offering insights for marketing strategy formulation in similar new energy electric vehicle enterprises.【Keywords】New Energy Electric Vehicle; Marketing Environment; Marketing Strategy【基金项目】广东科技学院大学生创新训练计划省级创业项目“多店无忧——跨境电商多店铺安全运营管家”（项目编号：S202513719025X）【作者简介】尹启桓（2003-），男，广东东莞人，东莞市盈信物业投资有限公司业务经理，澳
88三门管理科学 2025 年第 4 期——市场营销商品销量的增长和品牌曝光度的提高。2. 会员营销会员营销推广在丰富多样的营销手段中，是一种有效的提高用户黏性和复购率的思路。东莞市LT 新能源电动车公司可以通过积分制度、会员专属优惠、生日礼品赠送等形式，建立和完善会员提高会员的归属感和价值感。公司能让高端会员享有免费保养、新款车型优先选择试驾等不同等级的会员利益，为此鼓励购买者提升，提升消费额度。除此之外，公司也可以通过会员数据统计分析，对精准化营销信息开展更有针对性的消息推送，如依据会员买车爱好强烈推荐有关零配件或者服务等，进一步增强会员的服务满意度。3. 跨界合作跨界合作是一种自主创新的形式，能够拓宽市场，提升品牌曝光度。东莞市 LT 新能源电动车公司组织旅游企业合作发布“低碳出行”套餐内容，与房地产开发商合作在高档公寓开设智能充电站同时提供购车优惠，或协同环保组织举行节能降耗宣传活动等各个行业的品牌开展联合营销。这种合作不仅可以为企业带来更多的顾客，同时还可以提升品牌知名度的影响力，根据合作伙伴的资源与运营优势。跨界合作的关键是探寻和自身企业形象、产品特征相符合的合作目标，一同塑造品牌收益最大化的双赢营销推广活动。六、结语深入分析东莞市 LT 新能源电动车公司的营销策略，发觉公司存有多方面的提升室内空间。在优化平台战略上，围绕打造差异化竞争优势，重视技术性研发和创新，及其市场定位。在定价策略上，推行使用价值标价定价的思路，使不一样消费人群要求获得更好的满足。渠道营销层面，线上线下渠道扩展提升有待提升，渠道协同相辅相成有待提升。在营销推广方式上，以创新的形式，如会员制营销、跨界营销等，不断加强客户忠诚度和品牌形象。总的来说，东莞市 LT 新能源电动车公司为持续提升市场竞争力，推动企业持续发展总体目标，应综合考虑市场环境要素，制定并实施科学的营销策略。此次调研明确提出的思路的意见，同样适用于东莞市 LT 新能源电动车公司，同时为别的新能源电动车企业提供了有好处的借鉴和参照。参考文献[1] 单爽.一汽-大众电动车ID.6 CROZZ市场营销策略研究[D].吉林大学,2023.[2] 陈颖.蔚来新能源汽车国际营销策略研究[D].兰州财经大学,2023..[3] 林涛.比亚迪新能源汽车营销策略研究[D].广州大学,2022.[4] 孙浩伦.比亚迪新能源汽车市场营销策略分析[J].海峡科技与产业,2019,(02):64-66.[5] 魏佳东.中国新能源汽车产业国际竞争力分析[D].山东财经大学,2024.[6] 厉宗萍,黄文君.企业市场营销战略中品牌定位重要地位分析[J].商场现代化,2020,(02):18-19.[7] 高云霁.新媒体背景下国产汽车品牌营销策略研究[J].现代营销(经营版),2020,(03):130-131.[8] E. Gimzauskiene, K. Duoba. 2019: China’s new energy vehicles: value and innovation[J].Journal of Business Strate-gy,2019,Vol.2:13-20.
89三门管理科学 2025 年第 4 期——市场营销[9] Yijie Guo. The Marketing Strategy Analysis of SAIC in China’s New Energy Vehicle Market[J]. International Jour-nal of Education and Management,2021,6(01):5-6[10] Zhiwen An. Research on Development Status and Future Market Trend of New Energy Vehicles [J]. International Journal of Education and Teaching Research,2021,2(01):19-21.[11] 梁柏豪,张淼.国产新能源汽车市场营销策略分析[J].老字号品牌营销,2022,(18):15-18.[12] 雷曜,熊鹭,杨健垒,等.专家谈：海外新能源汽车市场发展概况及我国新能源汽车行业发展展望[J].中国海关,2024,(10):28-32.[13] 李昊泽.结合互联网思维的新能源汽车行业市场营销分析[J].老字号品牌营销,2024,(17):18-20. [14] 刘卓识.新能源汽车市场环境分析及目标客户营销策略[J].中外企业家,2019,(12):125.[15] 宋广进.我国新能源汽车市场营销策略研究[J].时代汽车,2023,(11):138-140.
90三门管理科学 2025 年第 4 期——市场营销品牌体验对消费者购买意愿影响因素分析——以香港保险业为例单伯阳【内容提要】随着香港保险市场竞争加剧，品牌体验成为提升消费者购买意愿的关键因素。本研究基于 SOR 理论和体验经济理论，探讨品牌体验四个维度（智力、感官、情感、行为）对消费者购买意愿的影响，并分析品牌自我联结与品牌满意度的在其中发挥的作用。研究发现，智力体验通过专业信息提升理解，感官体验通过设计增强品牌认同，情感体验通过个性化服务促进品牌忠诚度，行为体验通过优化流程提升了消费行为的便捷性。此外，品牌自我联结和品牌满意度进一步加深了品牌体验对购买意愿的影响。总体而言，本研究可以为香港保险公司提供优化品牌体验的建议，包括提升数字化服务融合、增强情感互动、结合智力与感官体验，从而提升消费者购买意愿和市场竞争力。【关 键 词】品牌体验；购买意愿；品牌自我联结；品牌满意度；香港保险【 Abstract 】With the intensification of competition in the Hong Kong insurance market, brand expe-rience has become a key factor in enhancing consumer purchase intentions. This study, based on the SOR (Stimulus-Organism-Response) theory and the Experience Economy theory, explores the impact of four dimensions of brand experience: cognitive, sensory, emotional, and behavioral—on consumer purchase in-tentions, and analyzes the roles of brand self-connection and brand satisfaction in this process. The study finds that cognitive experience enhances understanding through professional information, sensory experience strengthens brand recognition through design, emotional experience fosters brand loyalty through personal-ized services, and behavioral experience improves the convenience of consumer behavior through optimized processes. Moreover, brand self-connection and brand satisfaction further deepen the impact of brand expe-rience on purchase intentions. Overall, this research provides recommendations for Hong Kong insurance companies to optimize brand experience, including enhancing the integration of digital services, strengthen-ing emotional interactions, and combining cognitive and sensory experiences to increase consumer purchase intentions and market competitiveness.【Keywords】Brand Experience; Purchase Intention; Brand Self-connection; Brand Satisfaction, Hong Kong Insurance【作者简介】单伯阳（1995-），内蒙古通辽人，澳门科技大学工商管理专业博士研究生（中国 澳门 999078），研究方向：市场营销，消费者心理学。
93三门管理科学 2025 年第 4 期——市场营销上增加其进一步购买的动机。这其中也凸显了数字转型的作用，在人工智能技术迭代的大背景下，保险公司的流程自动化程度逐年提升，深刻改变着保险消费的行为路径[18]。三、品牌自我联结与品牌满意度的中介作用（一）品牌自我联结的作用品牌自我联结和品牌满意度也在品牌体验与消费者购买意愿之间起到关键中介效应。根据 Harri-gan P. 等人的理论 [19,20]，品牌自我联结主要是指消费者将品牌与其自身身份、价值观、生活方式等，与品牌联结在一起的行为。当消费者感到了品牌的个人特征、价值观与其一致时会带来极高的联结感，提升其购买该品牌产品的意愿[21]。比如特斯拉通过其“环保”与“科技”定位在一定程度上吸引了很多具有环保意识和科技追求的消费者。许多消费者将特斯拉视为其环保生活方式的象征，尤其是在电动汽车逐渐成为未来出行趋势的背景下，消费者的品牌自我联结情感越发强烈。这种情感认同使他们不仅愿意购买特斯拉的汽车，甚至在品牌的社交圈中传播其价值观，进一步增强了购买意愿。另外，苹果公司的品牌自我联结也尤为突出[22]。苹果品牌的创新性、简洁性、高端设计都深深吸引了当下年轻人追逐个性、高品质生活的人群。苹果对于消费者而言更多的是代表其一种现代化的生活方式和个人品味，并非单纯是其代表了一种电子产品，消费者购买苹果后更多的是表达了其本身追求的生活、塑造的个性等等，苹果所带来的品牌自我联结性大大增强了其用户的忠诚程度以及购买意愿，也使得其成为当今世界最为领先的科技品牌，甚至不用加上之一。（二）品牌满意度的作用根据 Nam J. 等人关于品牌满意度和顾客重购意愿的研究 [23,24,25]，品牌满意度是指消费者在购买并使用产品后对品牌整体体验的评价，它对品牌忠诚度的提升和重复购买有着直接影响[26]。品牌满意度作为购买意愿的关键因素，能够加深消费者对品牌的信任感，进而促使其做出购买决策[27]。以亚马逊为例，亚马逊通过简化购物流程、提供无缝的用户体验和快速的配送服务，使得消费者每次购物体验都能够满足高效便捷的需求。消费者在不断的购物过程中形成了高满意度，这种满意度不仅体现在产品本身，还包括服务质量、配送速度以及售后支持。亚马逊的品牌满意度在很大程度上促进了其用户的忠诚度，提升了消费者在未来购物时再次选择亚马逊的可能性，哪怕其价格方面不是最具备优势的，但其整体购物体验是最好的。另一方面，除了亚马逊这种复杂的电商购物平台以外，一些简单的产品功能也可能极大促进品牌满意度。以微信支付为例，微信支付通过在社交平台微信上对消费者提供了平台支付服务，极大提升了微信产品的品牌满意度。虽然其功能并不复杂，主要就是收付款和红包等基础功能，但是其支付服务的便利性、安全性让消费者可以享受到快捷支付带来的好处，由此产生极高的满意度，让消费者更加愿意将该支付手段作为日常生活中最常用的支付手段。而这种极高的品牌满意度提升了用户的黏性，不仅对支付版块有重要意义，对于微信产品本身都极具战略价值。
95三门管理科学 2025 年第 4 期——市场营销保险公司可以创造更具吸引力的线上平台，提升消费者的参与感和愉悦感。尤其是目前很多 AIGC生成工具，可以极大的加速这一过程。例如，通过 AIGC 动画视频或互动图表来展示保障方案，可以使消费者在购买决策时更加轻松愉悦，从而激发他们的购买意愿。五、结语本研究深入探讨了品牌体验的四个维度（智力、感官、情感、行为）对消费者购买意愿的影响，并运用 SOR 理论和体验经济理论分析其作用机制。研究表明，品牌体验通过不同维度影响消费者的情感认同和购买决策。首先，智力体验通过透明的信息展示和专业知识帮助消费者理解产品价值，从而提高购买意愿，减少购险顾虑；感官体验则通过创新的设计和互动方式，以及不同形式的广告宣传，增强消费者的好奇心和探索欲，进而激发购买动机；情感体验通过个性化服务和关怀建立情感纽带，提升品牌忠诚度并推动购买决策；行为体验则通过优化服务流程和提高便捷性，增强消费者的满意度，促进购买决策。此外，品牌自我联结和品牌满意度作为心理中介因素，进一步加深了品牌体验对购买意愿的影响。品牌通过与消费者的价值观和生活方式的契合，激发情感认同；高品牌满意度则通过优质服务和满足消费者需求增强品牌忠诚度。最后，研究为香港保险公司提供了实践建议：应加速数字化转型，优化线上与线下服务的融合；通过情感化互动建立深厚的客户关系；结合智力和感官体验提升品牌认知度和吸引力。通过精心设计品牌体验，保险公司能够提升消费者的购买意愿，增强市场竞争力。参考文献[1] 曾弸.中国内地与香港财产保险市场的比较分析[J].现代管理科学,2015,12:73-75.[2] 朱乾宇,曹凤岐.香港保险业的发展现状及监管经验借鉴[J].国际金融研究,2009,5:46-53.[3] Pine, B. J., & Gilmore, J. H. (1998). Welcome to the experience economy. Harvard Business Review, 76(04), 97-105.[4] Pine B. J., Gilmore J. H. The experience economy: past, present and future[M]. Handbook on the experience economy. Edward Elgar Publishing, 2013: 21-44.[5] Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press.[6] Creating experiences in the experience economy[M]. Edward Elgar Publishing, 2008.[7] Poulsson S. H. G., Kale S. H. The experience economy and commercial experiences[J]. The marketing review, 2004, 4(03): 267-277.[8] Brakus, J. J., Schmitt, B. H., & Zarantonello, L. (2009). Brand experience: What is it? How is it measured? Does it affect loyalty? Journal of Marketing, 73(03), 52-68.[9] 魏革军.深耕中国回归寿险根本——访友邦保险控股有限公司集团首席执行官兼总裁杜嘉祺(Mark Edward Tucker)[J].中国金融,2013,(08):12-15.[10] 黄洪.香港保险法律制度的研究与思考[J].保险研究,2011,(06):115-120. DOI: 10.13497/j.cnki.is. 2011.06.006.[11] 涂颖浩.恒安标准养老董事长万群：发挥专业优势，探索养老保险发展新机遇[N].每日经济新闻,2023-07-10(007).DOI:10.28571/n.cnki.nmrjj.2023.002440.[12] 王笑.中国平安全面实现AI智能化[N].金融时报,2025-09-03(010).DOI:10.28460/n.cnki.njrsb. 2025.004730.
96三门管理科学 2025 年第 4 期——市场营销[13] 张明宇.“大数据+智慧保险”助力保险营销模式再创新[J].中国商人,2025,(10):126-127.[14] 曲璐璐.基于多感官体验的地铁广告优化策略研究[J].黄山学院学报,2023,25(06):118-122.[15] 李立涛.情感营销提升品牌忠诚度的作用机制及优化策略研究[J].现代商业研究,2025,15:108-111.[16] 李强强.泰康人寿第25届客服节启幕[N].人民网,2025-07-31. http://sc.people.com.cn/n2/2025/0731 /c379469-41308695.html.[17] 刘廷安,郎宽,范建华.香港保险市场的创新与分析[J].保险研究,2007,05:86-90. DOI:10.13497/j.cnki.is. 2007.05.024.[18] 王益泉.“数驱融合”背景下保险公司业财融合问题及优化策略探究[J].商讯, 2025,13:64-66.[19] Harrigan P., Evers U., Miles M. P. et al. Customer engagement and the relationship between involvement, engagement, self-brand connection and brand usage intent[J]. Journal of business research, 2018, 88: 388-396.[20] Van der Westhuizen L M. Brand loyalty: exploring self-brand connection and brand experience[J]. Journal of Product & Brand Management, 2018, 27(02): 172-184.[21] 张雨童.品牌信任与自我品牌联结在消费者善意、敌意与矛盾性影响购买意愿过程中的研究[D].上海外国语大学,2025.DOI:10.27316/d.cnki.gswyu.2025.001001.[22] 王丛,杨海琳,何宇彤,等.消费者-品牌关系视角下手机品牌体验对品牌忠诚度的影响[J].中国市场,2024,(36):117-120.DOI:10.13939/j.cnki.zgsc.2024.36.030.[23] Nam J., Ekinci Y., Whyatt G. Brand equity, brand loyalty and consumer satisfaction[J]. Annals of tourism Research, 2011, 38(03): 1009-1030.[24] Erciş A., Ünal S., Candan F. B., et al. The effect of brand satisfaction, trust and brand commitment on loyalty and repurchase intentions[J]. Procedia-Social and Behavioral Sciences, 2012, 58: 1395-1404.[25] Ilyas G. B., Rahmi S., Tamsah H., et al. Reflective model of brand awareness on repurchase intention and customer satisfaction[J]. Journal of Asian Finance, Economics and Business, 2020, 7(09): 427-438.[26] 赵明明.品牌体验对购买意愿的影响—品牌满意度和品牌信任的链式中介作用[D].江西师范大学,2017.[27] 唐娟.品牌认同与消费者购买决策:品牌忠诚与满意度的中介作用[J].商业经济研究,2020,13:60-62.
