基于人工智能大模型的潮商分布与溯源预测研究
基金项目：2025 年度华商学研究项目重点项目“基于人工智能大模型的潮商分布与溯源预测研究”（编号：secbr-1-05）的研究成果
景波

      【摘要】潮商作为中国三大传统商帮之一，其全球化分布与历史溯源长期缺乏系统量化研究。本文整合历史文献、商业数据与实地调研多源异构数据，构建潮商研究数据库，提出融合 LLM、知识图谱与 GNN 的复合时空预测框架。研究发现潮商形成“本土根基、国内运筹、海外拓展”的全球分布格局，覆盖 40 余国，东南亚集中约 1000万潮汕籍华人，泰国潮商企业占当地中小企业超 30%，新架构可深度挖掘其跨国网络演化规律，为传统商帮量化研究提供新路径。
      【关键词】潮商；AI 大模型；溯源研究
引言
      广东潮汕地区是潮商的发源地，这一华人商帮带有鲜明的海洋属性，被誉为“红头船商帮”。潮汕商帮形成于唐朝，兴盛于宋元明清，是中国近现代史上国际影响力排在前列的商帮之一，自明清红头船商贸兴起至今，潮商借助海上丝绸之路，逐步把商业布局延伸到东南亚乃至全球。
      潮商的全球分布呈三分状态：约 1/3 群体扎根潮汕本土，1/3 群体分布于国内其他城市，1/3 群体定居海外，网络覆盖全球 40 多个国家和地区。据不完全统计，国内潮籍商人总量超 400 万人，已正式注册的海内外潮商组织共 79 家；海外群体中仅泰国一地，祖籍为潮汕的华人规模就达 800 万至 1000 万人，约占泰国总人口的 12%。
      目前针对潮商的研究，仍以历史文献整理、文化特质分析为主，缺少成体系量化研究，也无对应的智能预测。近年来 AI 大模型在人口迁移预测、知识图谱构建等领域实现突破，现有研究多聚焦普适性人口流动问题，未考虑商帮群体特有的地缘 - 血缘信任机制与历史演化惯性，尚未被系统性地应用于特定商帮的时空分布与历史溯源研究。本文搭建融合大语言模型、知识图谱与图神经网络的复合预测模型，针对潮商的全球化分布情况，以及历史溯源问题，开展量化分析与智能预测。一、潮商出海的历史脉络与分布格局
      （一）历史移民与商业拓展
      潮商出海的情况最早出现于明清时期。19 世纪中叶国内局势动荡，大批潮汕人依托海上贸易的通道迁居东南亚地区。泰国国家档案馆留存的资料显示，19 世纪末到20 世纪初，潮汕移民在泰国华人总人数中的占比接近 40%。这一阶段出海的潮商普遍以“红头船”作为标识，主要经营暹罗大米、南洋香料等品类的贸易，逐步搭建起覆盖南海的贸易网络。正大集团的谢氏先祖在 19 世纪 80 年代迁居泰国，从农产品生意起步发展为跨国企业集团；陈弼臣家族创立盘谷银行，是泰国最大的商业银行之一。这类案例对应潮商“由商而工、由工而金融”的发展路径。
      （二）全球化分布的数据特征
      潮商的全球化特征突出：2024 年汕头举办的两大潮商盛会，共聚集了来自全球 35 个国家和地区的约 2500 名潮汕籍代表，国际潮团联谊年会的 170 家会员单位，分布在全球 30 多个国家和地区。2023 全球潮籍行业冠军榜，共收录 87 位潮商，来自 10 个国家和地区，其中国内 55 位、东南亚 29 位，涉及产业从日用制造到重型工业，覆盖完整产业体系。
      据国内胡润百富榜统计结果，身家 20 亿元以上的潮汕籍企业家共有 75 位，累计总财富达 7478 亿元，总部设在深圳的 27 位企业家财富值占比 48%，落户潮汕三市的26 家企业总财富为 1957 亿元，深圳潮汕商会有近 4000 家会员企业，海外的相关企业在泰国分布最集中，潮汕裔办企业数量占到泰国所有中小企业的 30% 以上，掌控地产、金融、制造等多个行业的经济命脉。 
      （三）当代潮商出海的新特征
      潮商出海显现新走向：潮宏基汕头潮阳商人廖木枝是该品牌创始人，它是 A 股首家连锁珠宝品牌，2024 年在马泰两国开设海外门店；汕头市进出口商会同泰国泰华进出口商会签订 2026—2030 年经贸对接协议，推进两地进出口贸易总额突破 30 亿元；2024 年“两大盛会”落地签约项目总投资达 622 亿元。潮商出海已从零散个体转变为组织化、平台化的系统行动。
二、潮商研究数据库的构建
      （一）多源数据采集策略
      数据采集的来源共分三大类：史料文献板块，整理《潮州府志》等方志、族谱家谱、侨批档案、明清商业文书，重点收录红头船商贸数据、晚清移民记载及民国潮商东南亚商业档案。当代经营数据部分，从工商登记网站、企业信息平台整理潮商企业注册信息、经营数据与股权结构，包含上市公司财务报告及海外投资公告。实地考察类别，前往潮汕商会、宗祠、老字号走访，和潮商后裔与研究者访谈，收录家族传承故事与出海决策的一手资料。
      （二）数据结构化与标准化
      针对多源异构数据，本研究搭建统一的处理流程：先明确清洗规则，清除数据噪声；再把各类格式的数据转换成标准格式，搭建涵盖人物、家族、企业、事件、时间、地点、行业、关系等维度的结构化数据表。知识图谱数据采用Neo4j 图数据库存储，搭配关系型数据库完成结构化数据的管理，实现多模态数据的高效率存储和动态更新。
      （三）数据特征与规模
      现有数据库储备的资源包括：2000 余个历史人物实体，1500余家企业实体，覆盖房地产、金融、珠宝、食品、电子等行业，地理节点覆盖全球 40 多个国家和地区，关系条目 5 万余条，为知识图谱构建与模型训练提供基础数据。
三、潮商知识图谱的构建
      （一）图谱 Schema 设计
      梳理出的核心实体共分七类，分别是潮商人物、家族、企业/商号、事件、地点、行业、产品。关系类别包含隶属、传承、合作、竞争、迁徙、贸易、投资等，实体与关系都设置了对应的属性字段，形成完整的图谱逻辑框架。
      （二）实体识别与关系抽取
      针对潮商文本进行实体与关联信息提取，通过大语言模型完成实体识别与关系抽取，从历史文献、商业报道中梳理出人物、地点、组织、时间等关键实体，以及实体间的语义关系。处理采用“自动抽取 + 人工校验”的人机协同模式，对初步抽取结果开展抽样审核与校正，修正抽取偏差，形成高质量标注数据集后，回传校验结果完成迭代。
      （三）典型图谱分析与全球分布
      分析泰国潮商网络时，知识图谱可梳理出清晰的“移民－创业－扩张－多元化”演化路径。梳理正大集团谢氏家族图谱，可看到谢易初到谢国民再到第三代的企业传承，也能看到从农产品贸易拓展到零售、电信、金融的扩张轨迹。调用图遍历算法计算，可识别关键枢纽节点（泰国中华总商会、潮州会馆）与高中心性人物。
      基于知识图谱，潮商的全球分布主要集中在东南亚，泰国的潮商约有 800 万人，印尼约 300 万人，马来西亚约 80 万人，新加坡约 45 万人。“2023 全球潮籍行业冠军榜”共收录 87 位潮商，国内 55 位，东南亚 29 位，覆盖制造、流通、金融、休闲服务等行业。
四、潮商分布与溯源预测模型
      （一）模型总体拓扑架构
      复合预测模型分为三个层级：数据驱动层以潮商多模态数据库为支撑，输出结构化拓扑网络与非结构化文本；认知推理层整合 LLM 的语义泛化能力与知识图谱的确定性推理优势，用LLM 提取碎片化文本语义，通过知识图谱完成多条关系检索操作以校准模型生成幻觉；时空预测层用图神经网络，针对潮商跨国网络开展时空流建模，借鉴 AgentMove 框架把商帮迁徙预测拆分为三个子任务，对应个体行为惯性、城市吸引力场与群体社会网络，通过图卷积捕捉地理与地缘文化的双重依赖。
      （二）基于 GNN 的分布预测
      以各城市、地区为节点，节点特征涵盖潮商企业数量、行业分布、历史移民规模、经济发展水平等指标，图结构的边对应城市间的迁徙或贸易往来，边的权重代表要素的流动强度。选用四层图卷积网络完成多跳邻域信息聚合，拉普拉斯算子用于对相邻节点特征做平滑处理，可捕获“空间邻近性相似”与“长程枢纽节点跨地域辐射”叠加形成的复合时空依赖性。以泰国为样本，录入曼谷、清迈等城市的企业密度、历史移民数据与贸易流量，模型输出未来分布预测结果，初步测算的准确率优于传统空间统计方法。
      （三）基于大模型的溯源推理
      溯源推理可解答企业或家族的起源、落地发展的动因问题，这一过程依托大语言模型思维链技术，结合知识图谱结构化知识完成多条溯源，输入企业或家族名称后，模型调取籍贯、创始人、关键事件、商业伙伴等信息，输出结构化溯源路径，以正大集团为例，对应的路径为：潮汕澄海（起源）→曼谷（移民落脚）→农产品贸易（起步）→农业—零售—电信（扩张）→全球化企业（当前）。
五、实证分析与讨论
      （一）潮商时空演化的动力机制
      经模型推演得出四维驱动力：历史路径的依赖效应——现今潮商的海外布局，和早年“下南洋”的移民路线重合度很高；类亲缘构建的信任机制——地缘与宗族血缘是商业授信的基础，泰国潮商超 30% 的中小企业渗透率对应“抱团”文化的风险分摊作用；制度环境的协同作用——东南亚侨务政策为扎根提供有利条件，“一带一路”推动潮商“二次出海”；二次起源地的辐射效应——深圳、香港已发展为具备辐射能力的“二次起源地”，构建起“潮汕本土—深港枢纽—全球节点”的梯度辐射布局。
      （二）模型预测的典型发现
      模型结果：第一，未来十年“三重三分之一”格局不会出现大幅变动，东南亚地区的占比可能从当前的 70%下滑到 60% 上下，北美、欧洲、大洋洲的对应占比会有小幅提升。第二，企业出海涉及的行业正在调整，原本占比较高的传统贸易、房地产领域，正逐步转向高科技、数字经济方向。第三，溯源结果呈现“多中心辐射”特征，传统溯源路径主要集中在潮汕三市，深圳、香港目前已经成为新的“二次起源地”。
      （三）与传统研究方法的对比
      和常规文献研究相比，本文采用的研究方法具备三项核心优势：一是数据覆盖范围更广，可高效完成多源异构数据的整合与清洗；二是分析维度更丰富，可同时覆盖经济、社会、地理三类影响因素；三是具备预测能力，可依托历史演化规律推演未来分布走向。该方法也存在明确局限：历史数据的完整性与准确度，会直接影响模型的最终运行效果；深度学习模型自身的“黑箱”特性，导致部分预测结论难以给出充分的因果解释。
六、结语
      本文整理潮商出海相关的多源数据，搭建了对应研究数据库与知识图谱，设计出融合大语言模型、知识图谱与图神经网络的复合预测模型。研究得出：潮商群体已形成覆盖全球 40 余个国家和地区的“三分”格局；泰国是潮商海外分布最集中的国家，数量约为 800 万至 1000 万；GNN 模型可捕捉潮商跨国网络的空间依赖与演化规律。
      本研究的理论贡献在于提出了传统商帮研究量化分析与智能预测的全新范式，方法层面的贡献是搭建多源数据融合及 AI 模型相结合的复合预测框架，实践层面的贡献是为潮商文化传承与区域经济发展提供数据支持。后续可将该模型推广到晋商、徽商等其他商帮的对比研究中，纳入更多维度数据提高预测的精度，摸索实时动态预测。
参考文献
[1] 汕头市工商业联合会 . 凝潮心汇潮智聚潮力助力汕头经济高质量发展 [EB/OL].(2021-09)
[2] 南方都市报 .35 个国家，2500 潮人，跨越山海共赴汕头“两大盛会”[N].2024-11-18.
[3] 天 下 潮 商 传 媒 .2023 全 球 潮 籍 行 业 冠 军（ 巨 头） 榜 [EB/OL].2024-01-10.