人工智能赋能企业存货周转决策

当代财经 ›› 2026, Vol. 0 ›› Issue (10): 97-108.

人工智能赋能企业存货周转决策

张露, 及添正, 胡雪萍

中南财经政法大学经济学院,湖北武汉 430073

收稿日期:2026-01-04 修回日期:2026-08-18 出版日期:2026-10-15 发布日期:2026-10-30
通讯作者: 及添正（1998—）,男,山东济南人,中南财经政法大学博士研究生,主要从事区域经济学研究, 联系方式jtz0530@163.com。
作者简介:张露（1997—）,女,陕西商洛人,中南财经政法大学博士研究生,主要从事产业政策研究;胡雪萍（1965—）,女,江西宜春人,经济学博士,中南财经政法大学教授,主要从事发展经济学研究。
基金资助:
教育部人文社会科学研究一般项目“数字赋能双重产业链现代化的动力机制和优化路径研究”（22YJA790034）; 中南财经政法大学中央高校基本科研业务费专项资金资助项目“数字政府建设赋能新质生产力研究”（202510308）

Research on AI-Empowered Inventory Turnover Decision-Making in Enterprises

Zhang Lu, Ji Tianzheng, Hu Xueping

Zhongnan University of Economics and Law, Wuhan 430073, China

Received:2026-01-04 Revised:2026-08-18 Online:2026-10-15 Published:2026-10-30

摘要/Abstract

摘要： 人工智能可以为企业存货决策提供技术支撑。以2010—2024年A股上市公司为样本,利用机器学习BERT模型对企业年报文本进行深度语义识别,测算了企业人工智能应用水平,实证检验了人工智能应用对企业存货周转率的影响。研究发现,企业应用人工智能可以提高存货周转率。机制检验表明,企业应用人工智能可以增强供应链协同韧性和提高分析师的盈余预测质量,因而企业应用人工智能可以提高存货周转率。拓展性分析证实,企业应用人工智能提高存货周转率后,企业的经济效益提高了。为此,企业要加快智能化转型,加强人工智能创新和应用,要将存货周转率纳入企业中长期战略规划;政府要对企业人工智能创新和应用进行财政补贴、税收减免或优惠,要精准施策、因势利导,推动企业优化存货管理,涵养产业生态。

关键词: 人工智能应用, 供应链协同韧性, 盈余预测质量, 存货周转率

Abstract: Artificial intelligence (AI) provides technical support for corporate inventory decision-making. Drawing on a sample of Chinese A-share listed companies from 2010 to 2024, this study applies the BERT language model to conduct an in-depth semantic analysis of corporate annual reports, constructs a firm-level measure of AI adoption, and empirically examines the effect of AI adoption on inventory turnover. The findings indicate that AI adoption significantly improves inventory turnover. Mechanism tests reveal that AI adoption strengthens supply chain coordination and resilience while enhancing the quality of analysts’ earnings forecast, both of which contribute to higher inventory turnover. Extension analyses confirm that the inventory turnover gains driven by AI adoption translate into greater economic benefits. Accordingly, firms should accelerate their digital transformation, strengthen AI innovation and application, and embed inventory turnover into strategic planning over the medium and long term. The government should provide fiscal subsidies and tax reductions or preferences for corporate AI innovation and application, adopt targeted and context-specific policies, and tailor policy support to local conditions so as to promote inventory management optimization and foster a robust industrial ecosystem.

Key words: artificial intelligence applications, supply chain coordination and resilience, earnings forecast quality, inventory turnover rate

中图分类号:

F274

张露, 及添正, 胡雪萍. 人工智能赋能企业存货周转决策[J]. 当代财经, 2026, 0(10): 97-108.

Zhang Lu, Ji Tianzheng, Hu Xueping. Research on AI-Empowered Inventory Turnover Decision-Making in Enterprises[J]. Contemporary Finance & Economics, 2026, 0(10): 97-108.

参考文献

[1] 陈彦斌, 林晨, 陈小亮. 人工智能、老龄化与经济增长[J]. 经济研究, 2019, (7): 47-63.
[2] 褚剑, 秦璇, 方军雄. 中国式融资融券制度安排与分析师盈利预测乐观偏差[J]. 管理世界, 2019, (1): 151-166+228.
[3] 董萍. 制度型开放如何促进供应链发展——以自由贸易试验区政策为例[J]. 当代财经, 2026, (5): 114-127.
[4] 高锡荣, 周坤露, 黄关键. 基于智能技术升级驱动的企业组织架构扁平化研究[J]. 重庆邮电大学学报(社会科学版), 2024, (1): 130-141.
[5] 郭春, 罗劲博. 大客户“兼任”供应商与企业供应链韧性[J]. 当代财经, 2024, (3): 139-152.
[6] 郭婧, 林其加, 李珂, 等. 基于机器学习模型基准的分析师能力异质性研究[J]. 会计研究, 2025, (9): 159-176.
[7] 韩颖, 许薛璐. 人工智能技术与人力资本结构升级:内在机理与经验检验[J]. 江西财经大学学报, 2024, (2): 13-26.
[8] 何勤, 李雅宁, 程雅馨, 等. 人工智能技术应用对就业的影响及作用机制研究——来自制造业企业的微观证据[J]. 中国软科学, 2020, (S1): 213-222.
[9] 及添正, 胡雪萍. 新质生产力发展能否推动地区产业协同布局——来自双重机器学习的因果推断[J]. 经济问题探索, 2026, (1): 126-147.
[10] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022, (5): 100-120.
[11] 江鑫, 胡文涛, 李光龙. 政府绿色采购对同业绿色创新的影响研究——基于市场竞争与知识溢出的效应分析[J]. 江西财经大学学报, 2025, (6): 25-37.
[12] 李玉花, 林雨昕, 李丹丹. 人工智能技术应用如何影响企业创新[J]. 中国工业经济, 2024, (10): 155-173.
[13] 刘华初, 刘梦琪, 王瑜聪. 人工智能赋能降碳减污扩绿增长协同推进的理论逻辑与有效路径[J]. 重庆社会科学, 2025, (11): 80-93.
[14] 隆云滔, 刘海波, 蔡跃洲. 人工智能技术对劳动力就业的影响——基于文献综述的视角[J]. 中国软科学, 2020, (12): 56-64.
[15] 吕越, 谷玮, 包群. 人工智能与中国企业参与全球价值链分工[J]. 中国工业经济, 2020, (5): 80-98.
[16] 马永强, 陈伟忠. 中小股东积极主义能改善分析师盈余预测质量吗[J]. 南开管理评论, 2025, (7): 173-184.
[17] 权小锋, 李静蕾. 人工智能与企业协同创新——基于国家新一代人工智能创新发展试验区的准自然实验[J]. 经济研究, 2025, (8): 72-93.
[18] 沈坤荣, 乔刚. 供应链创新、不确定性与企业资源配置——基于存货调整视角[J]. 经济管理, 2024, (9): 49-68.
[19] 宋诚, 李季刚. 人工智能技术与企业ESG表现[J]. 企业经济, 2026, (3): 140-149.
[20] 王璐, 林凯, 陈丽华. 存货质押模式下基于双重信息不对称的3PL激励机制研究[J]. 管理评论, 2023, (5): 254-266.
[21] 魏爽, 纪盛涵, 刘伟华, 等. 人工智能对供应链韧性的效应与机制——基于元分析的系统性证据[J]. 中国流通经济, 2026, (3): 26-39.
[22] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021, (7): 130-144.
[23] 吴汉东. 人工智能时代的制度安排与法律规制[J]. 法律科学(西北政法大学学报), 2017, (5): 128-136.
[24] 姚加权, 张锟澎, 郭李鹏, 等. 人工智能如何提升企业生产效率?——基于劳动力技能结构调整的视角[J]. 管理世界, 2024, (2): 101-116+133+117-122.
[25] 叶阳平, 马文聪, 吴小节, 等. 人工智能与产业技术融合对制造业企业产品创新绩效的影响研究[J]. 中国工业经济, 2025, (11): 150-168.
[26] 于春云, 赵希男, 彭艳东, 等. 不确定需求环境下多级库存系统优化与协调模型研究[J]. 管理工程学报, 2009, (1): 121-127.
[27] 张俊. 人工智能时代算法应用的风险挑战及治理路径——评《驯服算法:数字歧视与算法规制》[J]. 江西财经大学学报, 2024, (6): 2+141.
[28] 张敏, 贾丽, 史春玲. 数字经济背景下的智能财务人才需求研究——基于调查问卷数据的实证分析[J]. 厦门大学学报(哲学社会科学版), 2023, (2): 56-68.
[29] 张树山, 谷城. 供应链数字化与供应链韧性[J]. 财经研究, 2024, (7): 21-34.
[30] 赵玲, 黄昊. 企业数字化转型、供应链协同与成本粘性[J]. 当代财经, 2022, (5): 124-136.
[31] 周源, 代兴良, 许冠南. 人工智能如何影响企业颠覆性绿色创新——基于知识重组的视角[J]. 管理评论, 2025, (11): 206-218.
[32] Cull R, Xu L C, Zhu T.Formal finance and trade credit during China’s transition[J]. Journal of Financial Intermediation, 2009, 18(2): 173-192.
[33] Graetz G, Michaels G.Robots at Work[J]. The Review of Economics and Statistics, 2018, 100(5): 753-768.
[34] Jahan N, Sivadasan P.Do analysts’ gross margin forecasts influence manager’s decisions to recognize inventory losses?[J]. Journal of Business Finance & Accounting, 2025, 52(2): 785-816.
[35] Kargah-Ostadi N, Waqar A, Hanif A.Automated real-time roadway asset inventory using artificial intelligence[J]. Transportation Research Record, 2020, 2674(11): 220-234.
[36] Leng A, Sun M L, Shi J S.Risk control strategies for inventory pledge financing on cross-border e-commerce platforms empowered by the digital economy[J/OL]. Omega, 2025, 133: 103251.
[37] Ma J T, Yang X Y, Li M H.Are data assets useful?--Evidence based on corporate cost stickiness[J]. Emerging Markets Finance and Trade, 2024, 60(15): 3734-3752.
[38] Michalski G.Inventory management optimization as part of operational risk management[J]. Economic Computation and Economic Cybernetics Studies and Research, 2009, 43(4): 213-222.
[39] Walter A, Ahsan K, Rahman S.Application of artificial intelligence in demand planning for supply chains: A systematic literature review[J]. International Journal of Logistics Management, 2025, 36(3): 672-719.
[40] Wamba-Taguimdje S, Fosso Wamba S, Kala Kamdjoug J R, et al. Influence of artificial intelligence (AI) on firm performance: The business value of AI-based transformation projects[J]. Business Process Management Journal, 2020, 26(7): 1893-1924.