人工智能能力對顛覆性技術創新的效應研究——基於155家企業的調查研究

| 摘要 |

在第四次工業革命背景下，人工智能能力作為核心驅動力對顛覆性技術創新的影響備受關注。本研究基於155家企業的調查數據，從能力維度解構人工智能能力，提出「四維能力分析框架」（知識創造力、羣智協同力、流程調用力、生態更新力），並區分高端與低端顛覆性技術創新，探究其作用機制及情境差異。實證結果表明：（1）人工智能能力對兩類顛覆性技術創新均具有顯著正向驅動效應，但對低端顛覆性技術創新的邊際效應更強；（2）企業規模呈現非線性調節作用，中等規模企業和特大型企業的顛覆性技術創新優勢更突出；（3）民營企業中人工智能能力對高端顛覆性創新的驅動效應略高於國有企業，而低端顛覆性創新的驅動效應在兩類企業間無顯著差異。研究揭示了人工智能能力的多維度賦能機理，為企業顛覆性技術創新提供理論依據。

| 關鍵詞 |

人工智能能力；顛覆性技術創新；效應研究

| Abstract |

Under the backdrop of the Fourth Industrial Revolution， the impact of artificial intelligence （AI） capability as a core driver on disruptive technological innovation has garnered significant attention. Based on survey data from 155 enterprises， this study deconstructs AI capability from a multidimensional perspective， proposing a 「four-dimensional capability analysis framework」 （knowledge creativity， collective intelligence synergy， process orchestration， and ecosystem renewal） and distinguishing between high-end and low-end disruptive technological innovations to explore their mechanisms and contextual differences. Empirical results indicate that： （1） AI capability exerts significant positive driving effects on both types of disruptive technological innovations， yet exhibits stronger marginal effects on low-end disruptive innovations; （2） Enterprise scale demonstrates a nonlinear moderating effect， with medium-sized enterprises and large-scale enterprises showing more pronounced advantages in disruptive innovation; （3） The driving effect of AI capability on high-end disruptive innovation is slightly stronger in private enterprises compared to state-owned enterprises， while no significant difference exists in low-end disruptive innovation between these two types of enterprises. This study unveils the multidimensional enabling mechanisms of AI capability， providing a theoretical foundation for enterprises to advance disruptive technological innovation.

| Keywords |

Artificial Intelligence Capability；Disruptive Technological Innovation； Effect Study

1.研究背景

在第四次工業革命的浪潮中，人工智能作為核心驅動力，正以前所未有的速度推動着社會經濟的變革。隨着大數據、雲計算、深度學習等技術的快速發展，人工智能的應用場景不斷拓展，從簡單的自動化任務到複雜的決策支持，從單一的領域應用到跨領域的深度融合，人工智能正逐步滲透到社會經濟的各個角落。

現有研究關於人工智能與創新的研究，主要是從人工智能應用的角度分析其對創新績效、創新能力、創新過程的影響。如孫慧等（2025）利用機器學習的文本分析方法測度人工智能，研究發現人工智能有利於提升創新質量；田慧敏等（2024）探討了人工智能應用程度、行業集中度和動態能力的協同作用對企業數字技術創新的影響，總體認為人工智能應用程度正向影響企業數字技術創新；李玉花等（2024）運用機器學習方法生成的AI詞典測度了人工智能技術應用水平，並研究了其對企業創新的影響，發現可以顯著促進企業的漸進式創新，長期來看也有助於促進企業突破式創新。這些研究對理解人工智能賦能創新的效應提供了豐富的視角和基礎，但仍然存在兩個方面的研究不足：一是人工智能賦能創新是一個動態的過程，在創新的不同階段發揮着不同的作用，包括供給分析工具、強化分析功能等，這説明僅以人工智能工具或應用的視角理解人工智能的賦能效應還不夠完整，人工智能更體現為一種促進創新的能力；二是隨着學術界關於顛覆性技術創新研究的深入，已經區分爲了高端顛覆性創新和低端顛覆性創新，也有研究關注到人工智能在這兩類顛覆性創新方面發揮的效應不同，但目前從這一視角分析人工智能的效應還比較缺乏。基於此，本研究從能力的維度解構「人工智能」，從高端和低端的視角分類顛覆性技術創新，通過155家公司的樣本數據深入分析人工智能能力對顛覆性技術創新的效應。

2.人工智能能力的內涵

1956年，約翰麥卡錫（John•McCarthy）、明斯基（Minsky）、紐維爾（Newell）和西蒙（Simon）等科學家在美國達特茅斯會議上探討利用機器模擬智能的相關問題，並首次正式提出「人工智能」這一概念。隨后在人工智能發展的過程中，不同領域的學者提出了對人工智能內涵的不同理解（見表1），目前關於「人工智能」的定義尚未達成統一（Łapińska et al.，2021）。

表1 人工智能的定義

人工智能可以從「人工」和「智能」兩部分去認識。在漢語詞典中，「人工」泛指人造的、人為的。與「自然、天然」相比，「人工」是人類主導的、目標明確的、經過精心設計和製造，能充分發揮主觀能動性的行為，體現人類對物質世界客觀規律的深刻理解與把握。所以人工智能是一種人為手段創造出來的機器（McCarthy， 1955）、計算系統（Russell & Norvig， 1995）或信息技術（Paschen， 2020）。而「智能」是智力和能力的統稱，「智」強調對活動的認知能力，是一種分析、理解和運用知識的高級思維；「能」則是在實際活動中的操作能力[1]。大部分學者在理解和定義人工智能時突出其「智能」屬性。例如，Mikalef和Gupta（2021）強調系統識別、解釋、做出推論並從數據中學習以實現預先確定的組織和社會目標的能力。束超慧等（2022）認為人工智能是機器在執行相關任務時體現出的識別、預測和決策能力。

通過詞義分析，結合不同學者對人工智能本質的詮釋，人工智能可以定義為人類創造出的模擬人類智能的機器或系統。具體而言，人工智能具備類似人類的諸多智能能力，包括思維能力、推理能力、學習能力、感知能力等，可以像人一樣進行思考、學習、決策，能夠實現自主學習、自主適應和自主創新。

根據不同學者對人工智能內涵的理解，提煉總結出人工智能具有以下特徵：

2.1智能性

「智能」是人工智能最重要的屬性之一。人工智能的智能性感知、理解、推理、學習、決策以及自我優化等多個高級認知功能（Bolander， 2019; Duan et al.， 2019），具體表現在以下方面：首先，人工智能系統具備強大的感知能力，能夠通過各種傳感器接收並處理來自外部環境的信息；其次，人工智能可以運用複雜的算法和模型深度挖掘和分析數據信息。最后，人工智能具備推理和決策能力。在執行任務時，人工智能能夠根據已有的知識和信息，進行邏輯推理和判斷，從而制定出最優的行動方案。

2.2自主性

自主性通常被理解為一種獨立於其他控制或引導的操作能力，它強調自我意識和自由意志。人工智能具備類似於人類的思維和能力，可以理解和再現複雜人類行為的能力，包括自學、自動化、自治、擴充、預先規定和決策（Issa et al.， 2022）。通過機器學習和深度學習等技術手段，人工智能可以實現自主優化，這意味人工智能在特定條件下自主感知環境、理解任務、制訂計劃並執行操作，而無需或僅需很少的人類干預。因此，人工智能具備一定的自主性，例如在自動駕駛領域，車輛運用人工智能集成傳感器收集道路信息，自主規劃行駛路線，避開障礙物，甚至在遇到突發情況時做出安全決策。

2.3協同性

人工智能的協同性具有重要意義，具體體現在兩個方面：第一，機器與機器的協同。這種協同並不體現在單一智能體的高效運作上，更在於多個智能系統之間能夠無縫銜接、相互協作，共同解決複雜問題，推動社會進步與產業升級。在多個人工智能系統或智能體之間能夠基於數據共享、算法優化、策略調整等機制，實現高效的信息交流與決策制定。例如，智能製造、智慧城市等均需要人工智能的協同。第二，人與機器的協同。人工智能與人的協同性，指的是在人類智能與人工智能之間建立起的一種相互支持、共同完成任務的關係。「人機協同」充分利用人類的智慧、創造力、判斷力和機器的計算能力、精確度、效率等優勢，實現資源的優化配置和能力的互補。

通過算法和模型的搭建，人工智能能夠在特定應用場景中模擬類人智能行為。當前研究範式集中於算法精度、算力拓展及場景應用效率優化（Russell & Norvig， 2020）[2]，將人工智能的工具屬性置於核心分析維度。然而，這種只涉及技術層面的測量框架未能觸及人工智能的本質特徵，存在一定程度的侷限性，第一，未能有效解釋人工智能是否具備真正的「智能性」「自主性」和「協同性」這一核心問題。只是單純從效率角度衡量人工智能的能力，往往不能充分解釋其多維度能力與未來潛力。第二，侷限於單一和靜態任務的完成能力評估，需要關注其在動態複雜環境中的自主決策與持續進化潛力（Hutter， 2012）[3]。因此，本研究認為人工智能作為一項顛覆性技術，其不僅體現為工具屬性的提升，也包括其通過知識重構與系統演化賦能顛覆性創新的能力。

基於此，本文建構「四維能力分析框架」：「知識創造力」體現技術突破能力，「羣智協同力」強調系統交互水平，「生態更新力」反映環境適應程度，「流程調用力」衡量業務整合深度。該框架突破傳統技術效能評估範式，從多維和動態視角揭示人工智能賦能顛覆性創新的內在機制，為理解其多維度能力提供新的理論框架。

3.人工智能能力的測度

人工智能能力和顛覆性技術創新是本研究的兩個核心概念。採取紮根編碼與理論文獻相結合的方法，對人工智能能力和顛覆性技術創新進行了測度量表開發。

3.1人工智能能力及其測度

根據前文研究，首先將人工智能從能力的角度解構為：羣智協同力、知識創造力、流程調用力和生態更新力。

關於知識創造力，主要通過2個題項測度：（1）部署了本地化AI，能夠自主地進行學習、推理、判斷和決策，無需依賴外部平臺或人類干預；（2）利用生成式模型和自然語言處理等技術手段，AI能夠自主生成與特定領域相關的文本、圖像、音頻等多模態內容。通過問卷調查的數據測評，題項的Cronbach α係數為0.885，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

關於羣智協同力，主要通過5個題項測度：（1）人類與AI能夠在任務執行過程中相互支持、共同完成任務；（2）AI在與用户的交互過程中，能夠識別用户情感狀態，並做出具有共情反應的反饋；（3）人類與AI系統可協同工作，人類的智慧、創造力、判斷力和AI計算能力、精確度、效率等優勢，實現了資源的優化配置和能力的互補；（4）多個AI系統或智能體之間能夠基於數據共享、算法優化、策略調整等機制，實現高效的信息交流與決策制定；（5）多個AI系統或智能體之間能夠基於數據共享、算法優化、策略調整等機制，為用户提供場景化解決方案（產品）。通過問卷調查的數據測評，題項的Cronbach α係數為0.928，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

關於流程調用力，主要通過3個題項測度：（1）在特定條件下，AI能夠自主感知環境、理解任務、制訂計劃並執行操作，而無需或僅需很少的人類干預；（2）面對不同工作問題和實際場景，AI能夠自動識別關鍵環節並定義適應性的流程方案；（3）AI能夠基於自動化流程，智能調度企業內部管理活動，包括生產、運維、檢修、營銷、財務、合同管理等多個業務模塊。通過問卷調查的數據測評，題項的Cronbach α係數為0.935，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

關於生態更新力，主要通過3個題項測度：（1）AI通過數據分析與算法優化和個性化推薦等多種技術手段，輔助企業選擇合作伙伴；（2）在合作過程中，AI可基於實時數據反饋，對合作夥伴選擇與資源配置進行動態優化與調整；（3）AI可依據用户偏好、消費能力、地理位置、歷史評價等多維度實時數據，動態調整商品或合作伙伴的排序推薦。通過問卷調查的數據測評，題項的Cronbach α係數為0.940，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

表2 人工智能能力Cronbach α係數

3.2顛覆性技術創新及其測度

首先將顛覆性技術創新區分為高端顛覆性技術創新和低端顛覆性技術創新。根據高端顛覆性技術創新和低端顛覆性技術創新的概念，分別對其構建測度指標體系。

關於高端顛覆性技術創新，主要通過6個題項測量：（1）您公司基於客户的需求痛點和潛在需求開發產品；（2）您公司通過主動預測未來市場需求開發產品；（3）您公司在開發和生產產品時運用領先和前沿技術；（4）您公司實施的創新在很大程度上改變現有產品、技術、業務或服務；您公司的創新正在吸引高端市場的客户羣體；（5）您公司開發的產品市場份額高並能擠佔原有市場，形成新的主流市場。通過問卷調查的數據測評，題項的Cronbach α係數為0.959，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

關於低端顛覆性技術創新，主要通過3個題項測量：（1）創新產品/服務簡化了功能，且顯著降低了成本；（2）創新產品/服務正在吸引被主流市場忽視的客户羣體；（3）創新重新定義了產品/服務的核心價值主張。通過問卷調查的數據測評，題項的Cronbach α係數為0.910，符合大於0.7的標準，可見結果良好，説明該測度的信度質量較好。

4.樣本特徵與描述性分析

4.1樣本特徵

考慮到要分析人工智能在高端和低端顛覆性技術創新中的作用，因此，在樣本選擇時要考慮以下因素：（1）人工智能在公司中發揮了重要作用；（2）公司的產品創新品類中既有高端顛覆性技術創新和低端顛覆性技術創新；（3）公司的基本情況能夠覆蓋不同的成立時間、不同的行業背景、不同的性質和不同的規模，以便於形成樣本之間的差距。

基於上述樣本選擇的標準，在研究中採取了理論抽樣，先后對155家公司發放了問卷調查，要求對公司人工智能及顛覆性技術創新比較瞭解的高管進行無記名填寫，同時每家公司只填寫1份問卷，以確保數據的準確度和避免數據重複。主要的頭部企業包括：海爾集團、美的集團、中集集團、中石油、烽火通信、中海油、武漢產業創新研究院、蘭石集團、三峽集團、中廣核、武漢光谷金控產業鏈公司等。

155家樣本企業中，見表3，成立2年以內的公司數8家，佔比5.16%；成立2~5年的公司數有15家，佔比9.68%；成立6~10年的公司數有15家，佔比12.90%，成立11年及以上的公司數有112家，佔比72.26%。這説明樣本中大部分企業成立時間較長，確保了在顛覆性創新中有部署和利用人工智能的經驗。

表3 樣本企業成立的時間（單位：年）

155家樣本企業中，見表4，醫療製造行業有9家，佔比5.81%；機械製造行業21家，佔比13.55%；電子信息產業21家，佔比13.55%；環保綠化行業73家，佔比47.10%；服裝紡織產業12家，佔比7.74%。這是樣本企業中主要的分佈行業。

表4 樣本企業的行業背景

155家樣本企業中，國有企業64家，佔比41.29%；民營企業71家，佔比45.81%，國有企業和民營企業比例基本相持平。此外，外商獨資企業和集體經濟分別有5家。這説明，在國有企業和民營企業方面可以進行人工智能賦能效應的情境化研究。

155家樣本企業中，見表5，「100人及以下」的企業32家，佔比20.65%；「101~1000人」的企業38家，佔比24.52%；「101~5000人」的企業25家，佔比16.13%。5000人以下的公司佔比超60%。與此同時，「10001~30000人」的企業17家，佔比10.97%。這説明樣本企業的員工規模分佈在大、中、小，員工規模也可以作為人工智能賦能效應的情境化變量。

表5 樣本企業的員工規模

4.2核心變量描述性分析

核心變量的描述性分析主要包括人工智能能力和顛覆性技術創新能力，其中，人工智能能力包括羣智協同力、知識創造力、生態更新力和流程調用力。顛覆性技術創新包括高端顛覆性技術創新和低端顛覆性技術創新。

4.2.1人工智能能力描述性分析

表6反映了樣本企業的人工智能能力，其最小值為1，最大值為5，能力平均值為2.728，表明樣本企業人工智能能力總體上不是很理想，無論從人工智能的能力深度還是廣度還不夠強。其中，知識創造力表現最好，次之為生態更新力、羣智協同力和流程調用力。

表6 樣本企業的人工智能能力

4.2.2人工智能能力的方差分析

表7為「公司成立時間」的方差齊性檢驗結果，對於羣智協同力，其F值為0.840，顯著性P值為0.474>0.05，水平上不呈現顯著性，不能拒絕原假設。對於知識創造力，其F值為0.121，顯著性P值為0.948>0.05，水平上不呈現顯著性，不能拒絕原假設。對於生態更新力，其F值為3.037，顯著性P值為0.031<0.05，水平上呈現顯著性，拒絕原假設。對於流程調用力，其F值為1.506，顯著性P值為0.215>0.05，水平上不呈現顯著性，不能拒絕原假設。對於人工智能能力，其F值為0.519，顯著性P值為0.670>0.05，水平上不呈現顯著性，不能拒絕原假設。這説明，羣智協同力、知識創造力、流程調用力和人工智能能力可以進行方差分析。

表7 公司成立時間的方差齊性檢驗

表8為「公司成立時間」的方差分析，結果顯示，不同公司成立時間對於知識創造力、流程調用力、 羣智協同力、 人工智能能力全部均不會表現出顯著性（p>0.05），意味着公司成立時間對於羣智協同力、知識創造力、流程調用力、人工智能能力全部均表現出一致性，並沒有差異性。

 表8 公司成立時間的方差分析

表9為「公司性質」的方差齊性檢驗結果，對於羣智協同力，其F值為1.05，顯著性P值為0.390>0.05，水平上不呈現顯著性，不能拒絕原假設。對於知識創造力，其F值為1.062，顯著性P值為0.384>0.05，水平上不呈現顯著性，不能拒絕原假設。對於生態更新力，其F值為1.741，顯著性P值為0.129>0.05，水平上不呈現顯著性，不能拒絕原假設。對於流程調用力，其F值為0.524，顯著性P值為0.758>0.05，水平上不呈現顯著性，不能拒絕原假設。對於人工智能能力，其F值為1.078，顯著性P值為0.375>0.05，水平上不呈現顯著性，不能拒絕原假設。這説明，羣智協同力、知識創造力、生態更新力、流程調用力和人工智能能力可以進行方差分析。

表9 公司性質的方差齊性檢驗

表10為「公司性質」的方差分析，結果顯示，對於知識創造力，其F值為2.495，P值為0.033，説明不同組別的知識創造力之間存在顯著差異（p<0.05），其中，「集體經濟」的公司知識創造力最高，均值達到4.60，「外商獨資企業」次之。對於流程調用力，其F值為2.845，P值為0.017，説明不同組別的流程調用力之間存在顯著差異（p<0.05），其中，「集體經濟」的公司流程調用力最高，均值達到4.13，「外商獨資企業」次之。對於人工智能能力，其F值為2.328，P值為0.045，説明不同組別的人工智能能力之間存在顯著差異（p<0.05），其中，「集體經濟」的公司流程調用力最高，均值達到4.13，「外商獨資企業」次之。

 表10 公司性質的方差分析

表11為「公司員工規模」的方差齊性檢驗結果，對於羣智協同力，其F值為2.593，顯著性P值為0.020<0.05，水平上呈現顯著性，拒絕原假設。對於知識創造力，其F值為1.329，顯著性P值為0.248>0.05，水平上不呈現顯著性，不能拒絕原假設。對於生態更新力，其F值為2.963，顯著性P值為0.009<0.05，水平上呈現顯著性，拒絕原假設。對於流程調用力，其F值為1.363，顯著性P值為0.233>0.05，水平上不呈現顯著性，不能拒絕原假設。對於人工智能能力，其F值為2.414，顯著性P值為0.030<0.05，水平上呈現顯著性，拒絕原假設。這説明，知識創造力、流程調用力可以進行方差分析。

表11 公司員工規模的方差齊性檢驗

表12為「公司員工規模」的方差分析，結果顯示，對於知識創造力，其F值為2.452，P值為0.027，説明不同組別的知識創造力之間存在顯著差異（p<0.05），其中，「50000人以上」的公司知識創造力最高，均值達到3.460，「10001~30000人」次之。對於流程調用力，其F值為2.211，P值為0.045，説明不同組別的流程調用力之間存在顯著差異（p<0.05），其中，「50000人以上」的公司流程調用力最高，均值達到3.07，「10001~30000人」次之。

表12 公司員工規模的方差檢驗

4.2.3顛覆性技術創新描述性分析

數據分析顯示，高端顛覆性技術創新的最小值為1，最大值為5，均值為3.583，標準差為1.041，這説明樣本總體呈現出較高的高端顛覆性技術創新水平。低端顛覆性技術創新的最小值為1，最大值為5，均值為3.320，標準差為1.038，這説明樣本總體呈現出較高的低端顛覆性技術創新水平。樣本企業在高端和低端顛覆性技術創新水平方面均有較好的表現，説明樣本的選擇具有較好的代表性和典型性。

表13為「公司成立時間」的方差齊性檢驗結果，對於高端，其F值為0.245，顯著性P值為0.865>0.05，水平上不呈現顯著性，不能拒絕原假設。對於低端，其F值為1.074，顯著性P值為0.362>0.05，水平上不呈現顯著性，不能拒絕原假設。這説明，可以進行方差分析。表14為「公司成立時間」的方差分析，結果顯示，對於高端，其F值為4.142，P值為0.007，説明不同組別的高端顛覆性技術創新之間存在顯著差異（p<0.05），其中，「成立時間在2~5年」的公司顛覆性技術創新最高，均值達到3.833，「11年及以上」次之。對於低端，其F值為2.88，P值為0.038，説明不同組別的低端顛覆性技術創新之間存在顯著差異（p<0.05），其中，「成立時間在2~5年」的公司顛覆性技術創新最高，均值達到3.711，「11年及以上」次之。

表13 公司成立時間的方差齊性檢驗

表14 公司成立時間的方差分析

運用同樣方法得到「公司的行業背景」的方差齊性檢驗結果，對於高端，其F值為1.506，顯著性P值為0.143>0.05，水平上不呈現顯著性，不能拒絕原假設。對於低端，其F值為1.035，顯著性P值為0.417>0.05，水平上不呈現顯著性，不能拒絕原假設。這説明，高端顛覆性技術創新水平、低端顛覆性技術創新水平在不同的公司背景方面不存在顯著差異。可以進行方差分析。

表15為「公司性質」的方差齊性檢驗，對於高端，其F值為2.538，顯著性P值為0.031<0.05，水平上呈現顯著性，拒絕原假設，因此數據不滿足方差齊性；對於低端，其F值為2.043，顯著性P值為0.076>0.05，水平上不呈現顯著性，不能拒絕原假設，因此數據滿足方差齊性，可以使用方差分析。對低端顛覆性技術創新進行方差分析，結果顯示，其F值為1.463，P值為0.205，説明不同組別下的低端顛覆性技術創新之間不存在顯著差異（p>0.05）。

表15 公司性質的方差齊性檢驗

對「公司的員工規模」進行方差齊性檢驗，結果顯示，對於高端，其F值為1.202，顯著性P值為0.309>0.05，水平上不呈現顯著性，不能拒絕原假設，因此數據滿足方差齊性，可以使用方差分析。對於低端，其F值為0.775，顯著性P值為0.591>0.05，水平上不呈現顯著性，不能拒絕原假設，因此數據滿足方差齊性，可以使用方差分析。表16為方差分析結果，對低端顛覆性技術創新進行方差分析，結果顯示，其F值為2.835，P值為0.012，説明不同組別的低端顛覆性技術創新之間存在顯著差異（p<0.05），50000人以上的公司具有更高的低端顛覆性技術創新水平。對高端顛覆性技術創新進行方差分析，結果顯示，其F值為3.036，P值為0.008，説明不同組別的高端顛覆性技術創新之間存在顯著差異（p<0.05），50000人以上的公司具有更高的高端顛覆性技術創新水平。這説明，公司的員工規模與高端、低端顛覆性技術創新正相關。

表16 公司員工規模的方差分析

綜上分析，樣本企業在高端和低端顛覆性技術創新水平方面均有較好的表現，「成立時間在2~5年」的公司和「11年及以上」的公司，具有更高的顛覆性技術創新水平。不同公司性質組別下的低端顛覆性技術創新之間不存在顯著差異。不同員工規模組別下的高端和低端顛覆性技術創新之間存在顯著差異，50000人以上的公司具有更高的高端、低端顛覆性技術創新水平，這説明公司的員工規模與高端、低端顛覆性技術創新水平正相關。

5.人工智能與顛覆性技術創新實證分析

5.1顛覆性技術創新的迴歸分析

表17顛覆性技術創新的迴歸分析結果表明，一方面，人工智能能力在兩類顛覆性技術創新中均表現突出（低端係數0.586，高端係數0.533，均在0.1%水平上顯著），表明智能化技術是推動顛覆性技術創新的關鍵要素。值得注意的是，人工智能能力在低端顛覆性技術創新中的邊際效應略高於高端顛覆性技術創新（差值+0.053），可能反映低端顛覆性技術創新對技術賦能的依賴性更強，或技術普及帶來的邊際收益更高。

表17 顛覆性技術創新迴歸分析結果

此外，在模型解釋力方面，低端顛覆性技術創新模型的整體解釋力（R²=0.442，調整后R²=0.423）高於高端顛覆性技術創新模型（R²=0.398，調整后R²=0.378），可能反映低端顛覆性技術創新機制相對簡單，變量間關係更易被捕捉；而高端顛覆性技術創新因複雜性更高，需納入更多情境因素以提升模型解釋力。綜上，人工智能能力是顛覆性技術創新的共性驅動力，但其作用強度及與其他變量的交互效應存在領域差異。

綜上，人工智能能力能夠顯著促進高端顛覆性技術創新和低端顛覆性技術創新，但總體上更有利於促進低端顛覆性技術創新。

5.2不同情境下高端顛覆性技術創新的迴歸分析

為進一步分析，研究選取企業員工規模和企業性質作為情景變量，以此來探究不同企業員工規模和公司性質對高端顛覆性技術創新的影響。

5.2.1不同員工規模情境下人工智能對高端顛覆性技術創新的效應

表18迴歸分析結果顯示，人工智能能力對不同員工規模企業的高端顛覆性技術創新均呈現顯著正向驅動作用（所有組別係數均通過顯著性檢驗），但其邊際效應與模型解釋力呈現明顯的規模異質性：首先，在1001~5000人規模組（係數0.836）和50000人以上組（係數0.608）中，人工智能能力的創新驅動力較為突出，前者可能受益於組織靈活性與技術適應性，后者則體現規模化資源投入與數據優勢；而5001~10000人組（係數0.292）和10001~30000人組（係數0.334）邊際效應較弱，或反映中等規模企業在創新管理效率或資源分配上的階段性瓶頸。其次，5001~10000人組（R²=0.555）和30001~50000人組（R²=0.917）的模型擬合度最高，但后者極小樣本量（n=4）可能導致過擬合；100人及以下組（R²=0.294）和101~1000人組（R²=0.216）解釋力最低，表明小微型企業的高端顛覆性技術創新機制可能更多依賴未納入模型的情境因素（如創始人特質或市場機遇）。此外，30001~50000人組（n=4）儘管係數顯著且R²極高，但樣本量不足使結論可靠性存疑；50000人以上組（n=27）則顯示出大企業通過系統化人工智能佈局提升高端顛覆性技術創新的潛力。

表18 不同員工規模情境下高端顛覆性技術創新的迴歸分析

綜上，人工智能能力是跨規模驅動高端顛覆性技術創新的共性因素，但其作用強度受企業規模的非線性調節，中等規模企業（1001~5000人）和特大型企業（50000人以上）或存在差異化創新優勢。 

5.2.2不同公司性質情境下人工智能對高端顛覆性技術創新的效應

表19迴歸分析結果表明，人工智能能力對國有企業和民營企業的高端顛覆性技術創新均呈現顯著正向驅動作用（係數分別為0.569和0.615，且均在1%水平顯著）。兩類企業中，人工智能能力的邊際效應在民營企業中略高（差值+0.046），可能反映其在高端顛覆性技術創新機制靈活性或技術應用效率上的優勢。模型擬合度方面，民營企業的R²（0.395）和調整R²（0.387）均高於國有企業（0.351和0.341），且F值（45.112 vs 33.583）的顯著性更強，表明人工智能能力對民營企業高端顛覆性技術創新結果的解釋力更穩定。

表19 不同公司性質（國有、民營）情境下高端顛覆性技術創新的迴歸分析

因此，人工智能能力是高端顛覆性技術創新的關鍵驅動力，且其作用在民營企業中可能通過市場機制或組織靈活性得到進一步強化。

5.3不同情境下低端顛覆性技術創新的迴歸分析

為進一步分析，研究選取企業員工規模和企業性質作為情景變量，以此來探究不同企業員工規模和公司性質對低端顛覆性技術創新的影響。

5.3.1 不同員工規模情境下人工智能對低端顛覆性技術創新的效應

表20迴歸分析結果顯示，人工智能能力對不同員工規模企業的低端顛覆性技術創新均呈現顯著正向驅動作用（所有組別係數均在1%或5%水平顯著），但其影響強度與模型解釋力存在規模異質性。具體而言： 首先，在1001~5000人規模組（係數0.780）和50000人以上（係數0.651）中，人工智能能力對低端顛覆性技術創新的邊際效應較為突出，前者可能得益於組織靈活性，后者或因技術積累與資源集中產生質變；而101~1000人組（0.427）和5001~10000人組（0.418）係數相對較低，或反映中等規模企業在資源調配或管理效率上的階段性瓶頸。其次，5001~10000人組（R²=0.600）和50000人以上組（R²=0.495）的模型擬合度較高，表明人工智能能力對這類企業的低端顛覆性技術創新機制具有穩定解釋力；而101~1000人組（R²=0.175）解釋力最弱，表明該規模企業低端顛覆性技術創新可能更多依賴其他未納入模型的變量。此外，30001~50000人組（n=4）雖係數最高且R²達0.960，但極小樣本量可能導致過擬合，需謹慎解讀；50000人以上組（n=27）則顯示出大企業通過規模化人工智能應用提升低端顛覆性技術創新的潛力。

表20 不同員工規模情境下低端顛覆性技術創新的迴歸分析

綜上，人工智能能力是跨規模促進低端顛覆性技術創新的共性因素，但作用強度受企業規模的非線性調節，中等規模企業（1001~5000人）和特大型企業50000人以上或存在差異化創新優勢。

5.3.2 不同公司性質情境下人工智能對低端顛覆性技術創新的效應

表21迴歸分析結果表明，在低端顛覆性技術創新領域，人工智能能力對國有企業和民營企業均展現出顯著的正向驅動效應（係數分別為0.649和0.607，且均在1%水平顯著）。值得注意的是，國有企業的人工智能能力系數略高於民營企業，這可能與其在資源調配、政策支持或基礎技術積累方面的優勢相關，但兩者差異較小（差值僅0.042），表明企業性質對低端顛覆性技術創新的邊際影響趨近。模型擬合度方面，國有企業（R²=0.415，調整后R²=0.406）與民營企業（R²=0.411，調整后R²=0.403）的解釋力高度接近，F值（分別為44.010和48.175）也均通過顯著性檢驗，説明人工智能能力對兩類企業的低端顛覆性技術創新具有穩定解釋力。

表21 不同公司性質（國有、民營）情境下低端顛覆性技術創新的迴歸分析

因此，人工智能能力是低端顛覆性技術創新的關鍵驅動力，且其作用在國有與民營企業間未呈現顯著差異，反映該領域創新可能更多依賴技術普惠性應用而非企業性質特有的制度優勢。

6.主要結論與管理啟示

6.1主要結論

第一，人工智能能力可以較好地通過羣智協同力、知識創造力、流程調用力、生態更新力四個能力測度。

第二，樣本企業人工智能能力總體上不是很理想，能力平均值為2.728，無論從人工智能的能力深度還是廣度還不夠強。在不同公司性質方面，羣智協同力和生態更新力無顯著差別；集體經濟企業的知識創造力/流程調用力和知識創造力最高，次之為外商獨資企業。在員工規模方面，中等規模企業（1001~5000人）和特大型企業（50000人以上）的知識創造力和流程調用力最強。

第三，人工智能能力能夠顯著促進高端顛覆性技術創新和低端顛覆性技術創新，但總體上更有利於促進低端顛覆性技術創新。

第四，人工智能能力是跨規模驅動高端和低端顛覆性創新的共性因素，但其作用強度受企業規模的非線性調節，中等規模企業（1001~5000人）和特大型企業（50000人以上）或存在差異化創新優勢。

第五，人工智能能力是高端顛覆性技術創新的關鍵驅動力，且其作用在民營企業中可能通過市場機制或組織靈活性得到進一步強化。同時，人工智能能力也是低端顛覆性技術創新的關鍵要素，且其作用在國有與民營企業間未呈現顯著差異，反映該領域創新可能更多依賴技術普惠性應用而非企業性質特有的制度優勢。

6.2 管理啟示

 第一，強化人工智能能力建設。企業需系統性提升知識創造力、羣智協同力、流程調用力與生態更新力，通過技術迭代與資源整合推動顛覆性技術創新。

第二，差異化創新佈局。低端顛覆性技術創新可優先通過人工智能技術實現成本優化與市場下沉；高端顛覆性技術創新需結合規模化數據優勢與組織靈活性，重點突破前沿技術。 

第三，規模適配策略。中小型企業應聚焦靈活性，利用人工智能快速響應市場需求；大型企業需加強跨部門協同與數據治理，釋放規模化創新潛力。

第四，制度與環境優化。國有企業可依託政策支持強化基礎技術積累，民營企業應發揮市場敏捷性，探索人機協同的高效創新模式。

第五，技術普惠性應用。政府及行業協會需推動人工智能技術標準化與資源共享，降低中小企業技術門檻，促進全行業創新生態升級。

——————

作者簡介

劉海兵  武漢科技大學管理學院院長、教授，博士生導師

辛肖陽  武漢科技大學管理學院碩士研究生

周杞貞  武漢科技大學管理學院

劉洋帆  武漢科技大學管理學院碩士研究生

田雲龍  海爾智慧家數字化轉型平臺負責人

——————

註釋

[1]  林崇德，楊治良，黃希庭．心理學大辭典[M].上海：上海出版社，2003年，第1704頁。

[2]  Russell S，Norvig P.Artificial intelligence：A modern approach[M]. 4th ed.Pearson，2020：45-50.

[3]  Hutter M .Universal Artificial Intelligence：Sequential Decisions based on Algorithmic Probability[J].Springer-Verlag，2012：78-82.

——————

參考文獻