1. 引言
在当今全球范围内科技革命与产业变革持续深化的时代背景下，新质生产力作为一种以科技创新为核心驱动力的新型经济发展模式，正加速实现与各产业领域的深度融合，并逐步演变为推动新一轮产业变革的关键动力。作为数字技术与财务管理深度融合的高级形态，智能财务通过数据驱动和信息技术引领，综合运用人工智能、大数据分析、云计算及区块链等前沿技术，对企业财务流程进行系统性重构与决策机制优化，这一管理创新实践充分彰显了新质生产力的本质特征。国家政策层面，《“十四五”数字经济发展规划》明确提出“充分释放数据要素价值，激发数据要素活力”的战略要求，为财务领域的数字化转型提供了明确的政策指引；《会计改革与发展“十四五”规划纲要》则着重强调“探索人工智能等新兴技术在会计基础工作与管理会计实践中的创新应用，加速会计工作数字化转型进程”。党的二十大报告进一步确立了“全面提升全要素生产率，重点培育新质生产力”的战略目标，《会计信息化发展规划(2021~2025年)》亦提出“推动会计职能延伸拓展”的具体要求。这些都为新质生产力与智能财务的融合发展提供了清晰指引。新质生产力通过催生新的技术要素赋能财务数字化转型，借助“大智移云物区”等新兴技术为智能财务场景提供技术支撑，如财务机器人、人工智能等技术提升财务流程自动化水平；其对技术的创新应用推动数字技术与财务管理深度融合，打破数据壁垒，促进智能财务场景从流程自动化向决策支持演进；同时，新质生产力孕育的数据要素贯通业务财务全链条数据，为智能财务场景提供数据支持，助力实现预算管理、司库管理等分析及预测职能，真正发挥管理会计作用[1]。
当前，新质生产力对智能财务的赋能体现在技术迭代、流程再造、决策升级等多个维度，但二者融合仍面临技术应用碎片化、业财数据壁垒、复合型人才短缺等现实挑战。学术界虽已围绕智能财务的技术应用、转型路径等展开探讨，但缺乏基于科学计量方法的系统性梳理，尤其对新质生产力驱动下智能财务的研究脉络、热点演化及未来趋势的可视化分析尚显不足。因此，本论文利用文献计量学方法中的CiteSpace可视化分析法，通过使用知识图谱对CNKI中与“新质生产力”和“智能财务”为主题的相关文献进行可视化分析，依靠其关键词共现、聚类、时区演化等数据挖掘内容，帮助更好地了解国内研究现状、研究成果焦点和发展态势，助力深入探索促进新技术背景下新质生产力融入会计与财务的研究，并推动企业财务管理数字转型的应用实践。
2. 数据来源及数据处理、研究方法
2.1. 数据来源及数据处理
本文以2025年6月7日为数据收集时点，以中国知网CNKI为数据库进行文献检索。鉴于发展新质生产力有助于财务转型和智能财务的实践，“新质生产力 + 智能财务”的融合发展趋势越来越明显，借鉴李璞颖《基于CiteSpace的“区块链 + 会计”应用研究分析》文献的研究范式[2]，故此以“新质生产力”和“智能财务”为主题。检索条件分别以主题词：“新质生产力”、“智能财务”，考虑到主题词出现的时间，以及保证数据尽可能地收集，时间分别设定为2016年和2020年，选取SCI来源期刊，北大核心数据库，CSSCI数据库，CSCD数据库，通过手动剔除与相关主题不相干的文献，提出剔除非学术文献，共收集“新质生产力”为主题的4913篇文献，以及以“智能财务”为主要主题词的666篇文献。
“智能财务”从基础到高阶划分为五个层级，各层级特征清晰且呈递进关系。其中，数字化财务以流程线上化、数据电子化为核心，实现传统财务工作的数字化替代，依赖基础信息技术且无智能决策能力；流程自动化财务(RPA财务)通过RPA技术替代规则明确的重复性财务流程，实现规则内自动化，但缺乏自主学习能力；智能化分析财务引入机器学习、NLP等AI算法，能对财务数据进行深度分析与预测，辅助人工决策；决策支持型智能财务整合多维度数据，借助智能模型提供动态决策建议，具备场景化决策能力；自主智能财务则具备自主感知、决策、执行能力，可独立完成复杂财务任务并持续优化，是智能财务的高阶形态。这一划分遵循技术驱动差异、场景边界清晰、动态演化的原则，精准区分了“数字化”“自动化”与“智能化”，明确了各阶段的核心价值与演进逻辑。
为保证“智能财务”相关主题的文献样本尽可能地收集，因此以“智能财务”为大主题将与之相关的关键词一一检索，见表1所示。为保证研究效度，通过手动去重不符合主题的文献，并且用CiteSpace自动去重技术，得到可供研究的有关“新质生产力”为主题的4405篇文献样本，以及有关新质生产力研究成果发表在主要财务期刊的关于“智能财务”主题的143篇有效文献样本。将这些样本作为研究新质生产力在智能财务领域的研究对象，去梳理和分析当前的研究现状，研究热点以及未来研究趋势。
Table 1. Keywords related to “intelligent finance”
表1. “智能财务”相关关键词
序号 |
关键词 |
1 |
智能财务 |
2 |
智能会计 |
3 |
智能财会 |
4 |
数字会计 |
5 |
数字财会 |
6 |
数字财务 |
7 |
数智财务 |
8 |
数智财会 |
9 |
数智会计 |
10 |
财务数智化 |
2.2. 研究方法
本文通过CiteSpace V,6.3.R1 (64-bit) Basic文献计量可视化分析软件对我国主题为“新质生产力”的相关的文献进行研究，通过对作者、研究机构、发表刊物、关键词等基本信息展开研究，基于此通过CiteSpace可视化工具生成的可视化图谱进行分析和梳理。从而直观地展现国内新质生产力研究相关主题，以及“新质生产力 + 智能财务”的研究现状、研究热点以及发展趋势。从而分析“新质生产力 + 智能财务”交叉领域目前可能面对的挑战并提出合理的建议。在CiteSpace中设置时间范围为2020~2025年、时间切片为1年、节点筛选为k = 5 (其他默认)的参数配置，这主要基于研究目标与数据特性的综合考量。时间范围聚焦近五年，既覆盖2020~2023年已发表的成熟文献，又包含2024~2025年的预印本或会议论文，能完整捕捉智能财务领域如大模型应用、生成式AI等新兴技术从萌芽到初步应用的周期，满足时效性需求。时间切片设为1年，是因智能财务技术迭代迅速，年度切片可精确识别技术演进的关键转折点，避免因切片过长模糊时间顺序或过短导致网络碎片化。节点筛选k = 5表示保留各年度被引频次前5%的文献，既能聚焦核心文献，又可平衡网络密度，防止因k值过低错过重要关联或过高引入噪声。默认参数中的Modularity Q聚类算法适合发现智能财务的研究群落，时区视图的Citation Burst能自动追踪热点迁移，阈值设置则避免过滤早期奠基性文献。该配置适用于探索智能财务技术演化路径，可通过年度切片观察技术替代过程、利用k = 5筛选关键文献、借助突现词分析政策驱动节点。
3. 研究现状分析
3.1. 时间分布
文献年度发文量趋势可以直观地反映新质生产力目前在我国的研究态势。见图1，根据初步收集到的数据发现，在2020年，以新质生产力为主题的文献首先由张建云在其文章《新时代需要何种互联网创新思维》有所涉及，之后2年中少有学者对该方面做研究，直到2023年，总书记第一次提出“新质生产力”，在之后2年里面便有许多置身于探讨新质生产力主题相关的论文，在各个类型级别的学科当中出现，例如金融、工业经济、文化体育、哲学、农业经济等等各个学科都有涉及这方面的展开讨论。因此，仅仅在2023~2024年一年时间里，有关新质生产力的研究成果数量呈现爆发性增长，高达3149篇，而到了2025年有所下降，为2689篇，究其原因是因为用于研究的文献样本获取时间截止于2025年6月7日，故此2025年数据获取不全。但可以合理预测。新质生产力是当下的热门研究话题，预测近几年，有关新质生产力的主题研究成果数量仍会持续增长。
Figure 1. Annual distribution of publications on new productive forces
图1. 新质生产力发文量年度分布
3.2. 作者分析
作者是研究某一领域的中坚力量，其发文数量可以直观地反映该作者在其研究领域的研究深度以及对该领域所作出的学术贡献。
通过绘制关于新质生产力为主题的统计表，见表2，保留发文量最高的前十五位作者，可以直观反映出每一作者的发文数量，通过去搜索该作者的研究方向，阅读其相应文章可以知悉该学者主要的研究领域，为今后研究新质生产力追引该作者的论文提供参考。见表2，可以看出，徐正、周文、任保平、陈劲，张夏恒在新质生产力的发文量排在前五位，均不低于20篇，可以视为高产作者，对该领域做出的学术贡献卓越。从发文量排名前十五的作者的研究主题来看，可以概括研究新质生产力主要的领域涉及技术创新和产业升级、经济高质量发展与区域转型、金融与科教支持等。然而，在研究新质生产力方面，重点聚焦“新质生产力”与“智能财务”交叉研究的作者相对很少，因此在此方面，仍有很大的研究空间，具有很强的研究价值。
Table 2. Top 15 authors by number of publications and their research topics
表2. 发文量排名前十五的作者及其研究主题
序号 |
作者 |
发文数量 |
研究主题 |
1 |
徐政 |
39 |
能源技术创新与电力系统智能化 |
2 |
周文 |
28 |
新质生产力与高质量发展的理论逻辑 |
3 |
任保平 |
26 |
高质量发展、区域经济转型等 |
4 |
陈劲 |
23 |
技术创新管理与开放式创新生态 |
5 |
张夏恒 |
20 |
跨境电商与数字贸易创新 |
6 |
尹西明 |
18 |
产业数字化动态能力与场景驱动创新 |
7 |
陆岷峰 |
17 |
绿色金融与金融科技 |
8 |
沈坤荣 |
13 |
数字技术创新与产业升级 |
9 |
邱均平 |
11 |
大数据与科教评价 |
10 |
文丰安 |
10 |
区域经济与产业政策 |
11 |
刘志彪 |
10 |
产业链分析与现代产业体系 |
12 |
周邵东 |
9 |
中小企业创新与县域经济 |
13 |
丁任重 |
9 |
绿色技术与传统产业改造 |
14 |
沈克印 |
8 |
新质生产力在健康管理、智慧体育等领域 |
15 |
张姣玉 |
8 |
人工智能与管理创新 |
3.3. 机构分析
研究机构是研究某一领域的核心主体，了解研究机构的研究动态和合作关系可以可视化洞悉新质生产力的研究现状和研究进展。
见图2，可以直观地反映出，国内研究新质生产力的机构相对分散，图中显示的是在新质生产力研究较为活跃的部分机构。通过分析可知，新质生产力研究领域呈现出显著的机构间合作特征，其中中国社会科学院工业经济研究所与中国社会科学院大学应用经济学院构成了该合作网络的核心枢纽，这两个机构之间建立了密切的科研协作关系。
见表3，统计了我国发文量排名前十的机构，包括中国社会科学院工业经济研究所、南京大学商学院、中国社会科学院大学应用经济学院等机构，累计发文量均超过35篇。其中发文最多的是中国社会科学院工业经济研究所，高达45篇。表明它们在研究新质生产力做出了卓越的学术贡献，是该领域的中坚力量。
Figure 2. Co-occurrence map of research institutions
图2. 研究机构共现图谱
Table 3. Statistics on the top 10 institutions by number of publications
表3. 发文量排名前十机构统计
序号 |
研究机构 |
最早发文年限 |
发文频数 |
1 |
中国社会科学院工业经济研究所 |
2023 |
45 |
2 |
南京大学商学院 |
2024 |
39 |
3 |
中国社会科学院大学应用经济学院 |
2024 |
36 |
4 |
中国人民大学经济学院 |
2024 |
35 |
5 |
中国社会科学院经济研究所 |
2024 |
34 |
6 |
西北大学经济管理学院 |
2024 |
33 |
7 |
中共江苏省委党校经济学教研部 |
2023 |
30 |
8 |
南开大学经济学院 |
2024 |
30 |
9 |
南京大学数字经济与管理学院 |
2024 |
28 |
10 |
辽宁大学经济学院 |
2024 |
28 |
3.4. 发文期刊
学术期刊是相关研究领域研究成果的载体。通过对学术期刊类别和发文量的统计，可以了解研究成果主要发表的刊物，从期刊的影响因子来判别期刊的级别，并以此作为依据进一步划分相应刊物中文章的质量，从而判断研究成果的可信性。
见表4，统计了6个新质生产力与智能财务交叉研究的研究成果所发表的对应的期刊名称。其中会计之友收录的相关的科研论文最多，高达68篇，是新质生产力与智能财务交叉研究的主要展示平台，其次是财会月刊，为37篇。税务研究、财会通讯、财务与会计、中国注册会计师所收录的文献也均在两位数以上。
Table 4. Statistics on academic journals by number of publications
表4. 发文量学术期刊统计
序号 |
期刊 |
发文数量 |
1 |
会计之友 |
68 |
2 |
财会月刊 |
37 |
3 |
税务研究 |
20 |
4 |
财会通讯 |
17 |
5 |
财务与会计 |
12 |
6 |
中国注册会计师 |
12 |
4. 研究热点
4.1. 关键词共现分析
词频分析是通过文献中词语出现的次数，比较频次高低来判断某一研究领域研究的热点和发展趋势的文献计量方法[3]。
见图3，关键词共现共现图谱，以直观的方式呈现出新质生产力为主题的相关关键词之间的联系。通过关键词共现图可以了解到当前的热点关键词和研究主题。在图中的参数，其中，网络节点(N)表示关键词出现的次数，研究链(E)连线表示关键词的共线关系，连线粗细与关联关系成正比例变化。节点越大说明关键词出现的频次越高，连线越多说明关键词的中心度越高，是研究的主要聚焦点。
根据CiteSpace生成关键词共现图谱，从图3中可知，N = 123，代表有123个节点，E = 400，代表该图谱一共有400条线组成的网络。网络密度值为0.0533。可以断定，在新质生产力主题研究背景下，相应的关键词之间的关联度较高。同时也意味着新质生产力主题研究的聚焦点相对集中。因此有必要对相应的关键词进行进一步的刨析和解读。
Figure 3. Co-occurrence map of keywords on new productive forces
图3. 新质生产力关键词共现图谱
从图3和表5可以得知(见图3和表5)，与新质生产力主题研究相关的关键词中，科技创新出现的频次最高，高达396次，中心度为0.38，是所有关键词中与新质生产力最密切相关的。其次，科技创新、数字经济、数字要素、人工智能关键词出现的频次紧随其后，表明研究者在研究新质生产力主题是主要聚焦于科技创新、数字经济、数字要素、人工智能等关键词。
Table 5. Statistics on keywords related to new productive forces
表5. 新质生产力相关关键词统计
序号 |
关键词 |
频数 |
中心度 |
年份 |
1 |
科技创新 |
396 |
0.38 |
2023 |
2 |
数字经济 |
192 |
0.20 |
2023 |
3 |
数据要素 |
142 |
0.18 |
2024 |
4 |
人工智能 |
126 |
0.16 |
2024 |
5 |
共同富裕 |
89 |
0.05 |
2024 |
6 |
职业教育 |
86 |
0.04 |
2024 |
7 |
技术创新 |
77 |
0.07 |
2024 |
8 |
数字技术 |
71 |
0.07 |
2023 |
9 |
乡村振兴 |
62 |
0.06 |
2024 |
10 |
未来产业 |
56 |
0.03 |
2023 |
11 |
实践路径 |
49 |
0.10 |
2024 |
12 |
人才培养 |
46 |
0.06 |
2024 |
13 |
生产关系 |
45 |
0.13 |
2024 |
14 |
创新 |
45 |
0.13 |
2020 |
15 |
生产力 |
45 |
0.09 |
2023 |
16 |
区域差异 |
42 |
0.06 |
2024 |
17 |
理论逻辑 |
39 |
0.04 |
2024 |
18 |
实现路径 |
38 |
0.08 |
2024 |
19 |
绿色发展 |
38 |
0.09 |
2024 |
20 |
科技金融 |
36 |
0.08 |
2024 |
通过图4和表6，会发现，研究新质生产力主题和智能财务主题之间存在众多高度融合的关键词，这为新质生产力与智能财务融合研究提供了依据。
新质生产力与智能财务联系紧密，主要体现在：其强调的科技创新、数据要素及绿色低碳等特征，为智能财务发展提供技术与数据支撑。如大数据、人工智能、区块链等技术应用，让智能财务在数据处理、风险预警和决策支持等方面效率显著提升，推动财务管理向智能化转型[4]。智能财务借助数字化转型进程，能对新质生产力的发展形成有力反哺。依托精准的数据分析与预测能力，企业可深度挖掘数据潜藏价值，实现资源配置的科学优化，为技术创新与业务拓展提供坚实支撑。
见图4可知，N = 127，代表有127个节点，E=125，代表该图谱一共有125条线组成的网络。网络密度值为0.0156。可以断定键词较为分散且没有太多关联性。说明新质生产力与智能财务融合研究尚处于初步阶段，主要聚焦于理论和框架研究、机制研究、实现路径等，关于实际应用方面的研究较少，故此判断研究尚未形成成熟的研究体系，有待进一步深化研究。
Figure 4. Co-occurrence map of keywords for “new productive forces + intelligent finance”
图4. “新质生产力 + 智能财务”关键词共现图谱
见表6，分析可以得知，目前新质生产力与智能财务融合研究关键词出现频次排名前十的包括数字经济、数字技术、数据要素、科技创新、绿色创新等。
Table 6. Statistics on the top 10 keywords by frequency for “new productive forces + intelligent finance”
表6. “新质生产力 + 智能财务”频数排名前十的关键词统计
序号 |
关键词 |
频数 |
中心度 |
年份 |
1 |
数字经济 |
7 |
0.05 |
2024 |
2 |
数字技术 |
7 |
0.01 |
2024 |
3 |
数据要素 |
6 |
0.03 |
2024 |
4 |
科技创新 |
4 |
0 |
2024 |
5 |
绿色创新 |
4 |
0 |
2024 |
6 |
融资约束 |
4 |
0 |
2025 |
7 |
国家审计 |
3 |
0.03 |
2024 |
8 |
数字金融 |
3 |
0.02 |
2025 |
9 |
数字化 |
3 |
0 |
2025 |
10 |
科技金融 |
3 |
0 |
2025 |
4.2. 聚类分析
聚类分析是一种挖掘数据深层信息与知识的有效方法，聚类是将给定的样本划分成多个簇的过程[5]。CiteSpace依据模块值(Q值)和平均轮廓值(S值)来评判图谱绘制效果。其中，Q值用以表征一个网络能被拆分成相互独立模块的程度，取值范围为0 ≤ Q < 1，值越大意味着网络中模块越独立，大于0.3表明网络结构显著；S值用来评估聚类的清晰程度，大于0.5表明聚类是合理的，至0.7则意味着聚类是令人信服的[6]。在生成新质生产力与智能财务共现图的基础上生成聚类图谱，见图5。模块度Q = 0.8657，表示网络的模块化程度。加权平均轮廓系数S = 0.9758，表示节点在各自模块中的紧密程度。图中127个关键节点分成了3个聚类。聚类图从一定程度上了解当前主要的研究主题并且可以预见未来的研究热点，从图5和表7 (见图5和表7)可以得知，聚类内容主要包括：实现路径(国家审计；传导机制；影响效应；保障机制等)、数智化审计(教学改革；外延；会计；人才培养等)、融资约束(投资效率；数字金融；信息披露程度；企业新质生产力等)。
Figure 5. Keyword clustering map for “new productive forces + intelligent finance”
图5. “新质生产力 + 智能财务”关键词聚类图
4.3. 热点研究主题
见表7，对表7中聚类研究主题有必要对发展进程进行进一步的梳理和追溯研究成果。
Table 7. Clustering themes and keywords for “new productive forces + intelligent finance”
表7. “新质生产力 + 智能财务”聚类主题及关键词
聚类主题 |
关键词 |
实现路径 |
国家审计；传导机制；影响效应；保障机制等 |
数智化审计 |
教学改革；人才培养；外延；会计等 |
融资约束 |
投资效率；数字金融；企业新质生产力等 |
(1) 实现路径
智能财务转型过程中与智能审计有着密不可分的联系，智能财务转型成功是一个系统性改变的过程。
关于国家审计方面，其实现路径以技术驱动和协同治理为核心。在技术层面，通过数据中台整合多源数据，构建智能审计系统(如AO系统)，实现数据采集、分析、预警的自动化，利用区块链技术确保数据不可篡改，提升证据可靠性[7] [8]。在协同治理方面，需构建“政府审计 + 内部审计 + 社会审计”联动机制，强化跨部门数据交叉验证，例如通过财务共享中心实现审计流程标准化[7] [9]。
在影响效应方面，智能审计显著提升会计信息质量。有学者证实，智能财务转型通过优化资源配置和缓解信息不对称，降低会计信息失真风险，尤其在国企中效果更显著[8]。
在传导机制方面，智能审计系统通过提取异常财务指标触发风险预警。如关联交易、成本波动，利用自然语言处理技术分析年报文本，识别舞弊信号。而智能财务转型通过缓解信息不对称，可以提升审计效率，此外国企在政策引导下更易通过智能财务也可以提升审计质量[8] [10]。
在保障机制方面，有学者指出，需从技术层面完善云计算、人工智能等基础设施。建议构建智能审计平台，实现数据存储与分析的智能化并强调统一数据接口标准，保障跨系统数据流通[8] [10]。也有学者提出，从制度保障层面建立审计技术规范，明确数据共享权责[9]。
(2) 数智化审计
智能财务、数智化审计都是人机一体化的交互系统，人工智能再怎么智能也无法完全替代人的思维和意志，它只是基于大数据对人的思维方式的模仿。因此人始终在数智化转型中仍然起着至关重要的作用。而要想更好地促进智能财务、数智化审计数智化转型，就需要有既懂技术又懂财务的综合性复合人才。因此改变培养方式，进行教学改革就非常有必要。因此有学者指出，在教学改革和人才培养方面，数智化审计教学需重构课程体系，整合“会计 + 信息技术”内容，如增设Python数据处理、智能审计工具应用等课程。实践教学方面，通过虚拟仿真实验室和校企合作，如与财务共享中心合作，让学生接触真实审计场景，例如运用RPA工具处理发票核验等流程[7] [11]。
在外延拓展方面，数智化审计的外延从传统财务审计延伸至数据资产审计和ESG审计。有学者提出审计需关注企业数据资产的安全性和价值创造能力[12]。ESG审计需评估企业在环境、社会治理中的数字化实践，如供应链碳数据监控[13]。
数智化审计倒逼会计职能转型。会计人员需从核算转向数据治理，掌握数据清洗、可视化分析技能，例如通过财务共享中心参与数据标准制定，确保审计数据的准确性[8] [12]。
(3) 融资约束
有学者指出，在企业新质生产力方面，融资约束制约企业新质生产力发展。传统制造业因资金不足难以引入人工智能、大数据技术，而数字金融通过提供资金支持助力企业向智能化转型[13]。融资约束对企业投资效率具有显著抑制作用。中小企业因融资约束难以投入研发和设备升级，导致投资效率低下[14] [15]。
在数字金融方面，数字金融通过技术创新缓解融资约束。供应链金融平台整合物流、资金流数据，为产业链企业提供融资服务。人工智能风控模型，比如：蚂蚁金服“大山雀”模型，通过分析企业多维数据提升贷款审批效率，降低信息不对称[14] [16]。
5. 研究趋势
通过分析关键词时区图以及关键词词频可以了解每一年中主要的研究热点，以及研究态势的变化，结合图6和前文中的表6 (见图6和表6)，可以明确，新质生产力和智能财务融合研究正处于研究初期，尚未形成成熟的研究体系。2024年主要研究涉及的关键词包括数字经济、数字技术、数据要素、科技创新、绿色创新。而到了2025年，研究主题出现新的关键词，包括融资约束、国家审计、数字金融、数字化、科技金融。可以直观看出，自新质生产力提出后，智能财务相关的学术研究快速发展，从2024年新质生产力研究初期，研究重点可以概括为创新技术，新型生产要素，仅一年，研究重点开始转移，到了新一阶段，2025年开始将新质生产力有关的新技术应用到财务相关的具体领域。但相关的研究仍然欠缺，之所以新质生产力与智能财务融合研究相对较少。“新质生产力”这一重要概念是由习近平总书记首次提出后，自提出至今过去了两年，因此相关领域的研究具有很高的研究价值，会是今后很长一段时间里的研究热点。基于前文分析，未来的研究关于新质生产力 + 智能财务将会继续聚焦于实现路径、数智化审计、融资约束等方面。
Figure 6. Evolutionary trends of new productive forces in the field of intelligent finance
图6. 新质生产力在智能财务领域演化趋势
6. 结论与建议
6.1. 结论
本文基于文献计量学方法，借助CiteSpace可视化工具对“新质生产力”与“智能财务”相关文献进行分析，发现新质生产力研究自2023年提出后热度迅速攀升，2023~2024年发文量爆发增长，虽2025年数据暂未完全覆盖，但仍可预见其持续成为研究热点。从研究现状看，作者与机构分布较广，但聚焦“新质生产力 + 智能财务”交叉领域的高产作者和深度合作机构较少，研究力量有待整合。关键词共现与聚类分析表明，新质生产力研究核心围绕科技创新、数字经济等展开，而二者融合研究尚处初期，热点集中于实现路径、数智化审计、融资约束等主题，且关键词关联度较低，未形成成熟体系，实际应用研究不足。从趋势看，2024~2025年研究主题从理论框架逐步向审计实践、金融支持等方向延伸，未来该领域在技术应用与跨学科融合方面具有较大探索空间。
6.2. 建议
为深化新质生产力与智能财务的融合研究及实践，提出以下建议：
1. 强化交叉领域研究力量整合
鼓励高校、科研机构与企业共建研究平台，聚焦“新质生产力 + 智能财务”核心问题，引导更多学者开展跨学科合作，培育专业研究团队，提升交叉领域的学术产出质量与数量。
2. 深化技术应用与实践探索
针对当前融合研究重理论轻应用的现状，加强大数据、人工智能等技术在财务场景中的落地研究，例如推动智能审计系统与企业财务共享中心的深度对接，探索数据要素在财务决策中的具体应用路径，提升研究的实践指导价值。
3. 完善人才培养体系
数智化转型亟需“财务 + 技术”复合型人才，高校需优化课程设置，增设数据处理、智能工具应用等课程，强化校企合作与实践教学，通过虚拟仿真实验、企业实习等方式提升学生跨领域能力；企业应加强内部培训，建立技术与财务岗位的轮岗机制，培育适应新质生产力需求的人才梯队。
4. 健全制度与标准保障
政府及行业协会需加快制定智能财务领域的数据共享标准、审计技术规范，明确各方权责，保障跨系统数据流通与安全；同时，加大对数字金融、供应链金融等创新模式的政策支持，缓解企业融资约束，为新质生产力与智能财务融合营造良好制度环境。
5. 拓展研究维度与深度
未来研究可进一步聚焦绿色创新、ESG审计、产业链协同等新兴方向，探索新质生产力在财务领域的多元应用场景，同时加强长期跟踪研究，动态评估技术应用效果，推动理论体系与实践模式的持续完善。