学院举办“双向赋能·创新驱动:经济管理AI应用与研究”专题研讨会

2026年1月16日，清华大学经济管理学院“双向赋能·创新驱动：经济管理AI应用与研究”专题研讨会在建华楼举行。本次会议响应国家“人工智能+”行动部署与高等教育学科交叉融合的发展趋势，聚焦人工智能与经管领域的深度融合，旨在搭建学术研究与产业实践的交流平台，赋能教师发展，促进内外协同合作，为经管学科高质量发展注入新动能。来自学院七个系的18位教师进行研究分享，150余位师生参与活动。研讨会由学院人工智能研究工作组组长、副院长徐心和学院人工智能研究工作组副组长、党委副书记刘庆主持。

清华经管学院院长、学院人工智能研究与赋能领导小组组长白重恩首先介绍了学院在人工智能研究与赋能方面的工作部署。他表示，学院始终致力于为老师们提供良好的研究环境与支持，本次分享会的核心意义在于促进同事间相互了解研究方向，进而寻找合作机会，获得研究启发。学院将人工智能相关研究划分为以AI为工具赋能研究，以AI为对象开展研究，研究AI对社会经济、产业企业的影响三类，重点聚焦经济管理与AI的交叉领域，并为此成立了领导小组和人工智能研究工作组。后续希望收集老师们对公共资源供给的更多意见，也建议各系开展类似分享会，进一步优化研究环境，助力相关研究更好推进。

清华大学学科规划与建设办公室副主任雷环在致辞中表示，人工智能带来的机遇与挑战广受关注，学校于去年开始重点推进AI赋能学科建设专项工作，助力优势学科迈向世界一流乃至顶尖水平。学科办通过设立专项经费、建立算力保障审核机制、组织工作推进交流会和工作坊、编写发布AI赋能学科建设简报等支持全校院系开展AI赋能专项工作，取得多项成果。她提到，当前AI赋能工作呈现院系积极性高、形式多样、注重校企与学科交叉的特点，同时也面临AI发展迅速、不同学科师生在AI认知与能力上存在差距等挑战。下一步，学校将继续筹措更多资源，研究建设更大规模的支撑平台，满足多学科的算力、数据、工具等需求。

在“赋能研究”模块，五位学者围绕AI在金融、运筹管理、实验经济学、营销等领域的应用与理论创新展开分享。

李宁围绕AI与创新相关研究展开分享，他提出，AI擅长通过概率组合产生大量新颖想法，但缺乏对想法有效性的判断能力。人擅长前置性判断，AI则是回溯性生成。进而他构建了包含主观评价、高度动态、情景化三个维度的有效性评估框架，通过2×2矩阵分析不同场景下人和AI的合作策略。

陆瑶将自身研究分为三个阶段，第一阶段研究AI对经济金融的影响，发现人机协作可降低信贷违约率但可能损害普惠金融、扩大性别歧视，且AI会改变企业研发投资方向；第二阶段聚焦自然语言处理，已撰写相关综述并尝试应用于实证与案例研究；第三阶段跨院系合作开发AI智能体，以优化金融周报的信息处理与发布效率。

梁湧探讨了大模型与运筹、运营管理的双向赋能关系。他指出，大模型可通过涌现能力实现从自然语言到程序语言的自动化转化，赋能传统运筹学问题解决与运营管理决策。同时，运筹学工具也能解决大模型面临的算力瓶颈、推理局限、幻觉等问题，可从基建层、算法层、治理层切入优化，并分享了在思考链优化、激励管理等方面的研究探索。

刘潇提出“数智实验经济学”研究范式，一方面探索AIGC对实验经济学和行为经济学的赋能，另一方面通过实验方法评估AI，利用相关框架研究大模型理性和社会性表现背后的机理，模型可解释性工作促进可信性AI的发展。

梁屹天梳理了2024年以来生成式AI在营销领域Top期刊的11篇论文，将研究形式分为三类：把大模型视为人，研究其与真人的差异；将其视为工具，开发系统辅助营销任务；将其视为冲击，研究对个体行为与市场结构的影响。他指出，需重视跨学科合作、业界落地验证与问题及场景的创新性。

“技术创新”板块聚焦AI技术本身的突破、可信性构建与风险管控，四位学者分享了在模型算法、保险机制、信息安全、偏见治理等方面的研究。

刘红岩的研究围绕可信AI模型与算法展开，分为两类：一是研究围绕企业业务运营中的具体问题，如广告投放和消费券发放等决策问题，研发用户行为大模型，同时探索数字人技术，以创新业务模式；二是聚焦AI算法的治理，以AI招聘为场景，研究公平性度量、LLM提示偏差缓解、简历优化工具对招聘结果影响及其缓解方法等问题。

喻通从银行业视角探讨AI风险的分担机制，指出AI在数据输入、算法训练、决策等环节可能出现错误并引发“幻觉”，导致经济损失、法律责任、监管处罚等后果。他基于相关研究背景，提出探讨保险机制能否吸收AI带来的风险，以及其对银行风险承担和信贷供给行为的影响。

杨哲源关注人工智能背景下的信息环境与信息风险。研究发现，提高企业可持续发展信息的机器可读性，可提升信息处理效率，降低ESG评级分歧，但企业披露策略会发生变化，信息质量存疑；而银行数据泄露会导致存款显著且持久下降，存在溢出效应，核心原因是储户对隐私的关注和对银行数据安全的信心丧失。

孙亚程强调人机协作是AI发展的核心方向，指出AI偏差既是其创造力的源泉，也可能带来负面效果。他聚焦营销领域“好的更贵、贵的更好”的AI偏见，通过实验发现该偏见客观存在，大模型选择高价产品的概率约是人类的50倍，且AI会选择性忽略训练集。他提出，与人对齐是降低偏差的有效方式，未来将进一步研究消费者对AI偏差的识别、归因及购买反应。

“赋能创新”板块聚焦AI在金融、会计、沉浸式技术等垂直领域的创新应用，四位学者分享了其在专业大模型开发、学科交叉融合等方面的成果与探索。

徐心分享了与香港科技大学团队合作开发的科技金融领域垂直大模型，该模型旨在辅助VC和政府决策部门进行新创项目初筛。模型通过100万个初创公司投融资数据构建预训练模型，可预判企业融资走势；通过专利大图定位新技术并评估其创新性；同时通过微调投资人竞赛语料，掌握投资逻辑与语言，能生成技术潜力分析、相似公司对比、竞争定位报告及虚拟投资人提问，未来计划开发原型系统服务相关决策部门。

薛健围绕生成AI与会计信息的互动关系展开研究，聚焦公司、信息中介、投资者、监管人四大资本市场主体，从个体视角研究AI对各主体行为的影响，如AI使分析师报告信息来源更丰富、发布更及时，但预测准确性因信息整合成本上升而下降；也从学者视角探讨AI作为工具对个体特征分析的辅助作用。她还分享了对投资者使用AI行为及人机互动中机器迎合行为的研究发现。

祝武的研究分为三部分：一是聚焦AI模型的可解释性，针对文本、网络数据中的噪音问题，提出系列分析框架与方法进行因果推断与预测；二是探索AI模型的应用，围绕科技发展、地缘冲突等时代背景，研究科学与技术交互、地缘冲突与人才流动、资本市场、AI作为联合创始人对企业的影响等议题；三是挑战经济学相关核心问题，探索高维数据、噪音处理与强化学习等方法。

易成分享了沉浸式技术与AI融合的理论基础与应用前沿，将沉浸式技术分为虚拟现实（VR）、增强现实（AR）和混合现实（MR）三类，探讨了从虚拟空间到虚实融合的多场景实践。她的研究立足具身认知与情境认知理论，深入剖析空间交互对高价值决策的重塑路径，着力解决人类具身体验与AI空间生成逻辑的认知适配问题，并利用 AI 构建虚实融合场景中的智能支架，以提升居住服务、工业作业及技能培训等场景下的决策质量和学习效果。

“生态构建”模块从数字平台治理、创新创业、市场竞争、企业战略、宏观经济等宏观视角，探讨AI带来的系统性影响与治理路径，五位学者分享了其前瞻性研究与思考。

张佳音关注数字平台的结构性变化，指出AI已从效率工具转变为深度嵌入推荐系统、参与内容创作与评价的行动者。她基于“数据-模型-仿真-应用与治理”四层架构开展研究，从聚焦人机互动，到转向理解人机混合生态的系统运行规律与生态治理设计：将生成式AI的模拟推演与以推荐为代表的干预系统整合，服务于短视频平台上中小创作者的个性化扶持与激励、内容多样性与权属边界的协同治理，从而推动平台走向可持续、负责任的长期繁荣。

李习保从创新创业视角分享了AI领域的研究方向，一是AI技术本身的演变，关注企业通过论文、专利、开源生态结合的独特发展模式，及其对科研方向、技术标准的影响；二是AI对行业与企业的影响，分析AI降低知识获取与生产成本后，企业竞争力定义、创新质量、专利战略、合作创新等面临的挑战；三是创业相关研究，探讨AI使机会识别、资源获取更易后，成功创业的关键因素、信号理论适用性、创业生态系统变化等问题。

赵玮聚焦人工智能在交互环境下的定价决策逻辑，通过模拟研究发现，在多市场环境中，AI存在“市场分配”式合谋——在高支付意愿细分市场分配市场，在低支付意愿市场激烈竞争；且数据越多，AI的合谋程度反而下降，与人类行为存在差异。他还发现，数据更多的企业会引导数据较少的企业合谋，通过定价策略阻止其探索，相关研究为AI监管提供了参考。

张慧妍聚焦中美以AI算法和模型为主要产品的企业对比研究，数据显示，中国在AI论文发表和专利申请上赶超迅速，但企业发表比例不足且集中在相对少数企业；AI模型方面，中国在专用型模型上赶超较快，但通用型模型及高质量模型与美国仍有差距；且2024年前中国AI领域新企业数量和VC投资呈下降趋势。

董丰从宏观经济学视角关注数字经济和人工智能经济学，围绕劳动收入份额变化、AI投资的挤入挤出效应、AI时代的资产泡沫、数字经济与宏观金融的融合、AI数据投毒与人类创造性等问题展开探讨。他提出，算法与数据的控制权、收益分配会影响生产关系与生产力，AI带来的繁荣可能存在分配不均、资源错配等问题，需通过政策调整平衡技术创新与风险防范。

徐心在总结中指出，本次研讨会是学院AI交叉研究的重要起点，学院将持续组织此类交流活动，推动跨院系、跨行业合作，鼓励老师们就学院与外部对接、开展行业研讨会、促进产学研合作等方面提出建议，进一步深化人工智能与经济管理领域的交叉创新，提升研究的高度与影响力。

大湾区学界业界共话AI时代的金融与科技

清华大学可持续社会价值研究院举办“人工智能向善（AI for Good）”论坛