余江 等：人工智能驅動企業創新的生命周期異質性研究

人工智能技術已成為深化企業創新理論研究的重要工具，其應用也日益嵌入企業創新實踐，對創新效率產生深刻影響。為了系統探討人工智能技術對企業創新的影響機制，本研究基于企業生命周期視角，選取2016至2021年間1103家中國制造業高新技術上市企業數據，綜合運用決策樹和多種機器學習模型，探究人工智能技術在不同生命周期階段對企業創新能力的異質性影響。

研究發現：(1)多數機器學習模型對企業創新績效（專利授權數）的預測效果顯著優于傳統線性回歸模型，體現了機器學習在揭示變量間非線性關系方面的優勢；(2)人工智能能力和專利申請數量的提升顯著促進了成熟期企業的創新能力，但對成長期和衰退期企業的創新影響相對有限；(3)決策樹分析表明，成長期和成熟期企業的創新更依賴于人工智能專利布局，而衰退期企業創新則更多依賴員工數量和技術人員規模。

綜合來看，人工智能技術總體上與企業創新績效呈正相關，但在企業生命周期的不同階段，這種關系存在顯著的異質性。本研究不僅豐富了企業生命周期理論的內涵，也為有關企業針對性地制定階段性人工智能戰略提供了實踐指導。

一、研究背景

近年在深度數字化的牽引下，人工智能已成為新一輪科技革命和產業變革的關鍵引擎。我國將人工智能視為培育新質生產力、推動高質量發展的重要抓手。截至2023年，我國人工智能核心產業規模已突破5000億元，相關企業超過4400家，技術創新與應用場景持續拓展。

與此同時，人工智能技術應用是否能穩定提升企業創新績效仍存分歧。一方面，人工智能通過數據分析、知識整合與流程優化有望顯著提升創新效率并降低研發風險；另一方面，學界也指出其效應并非普適，部分項目難達預期，甚至可能弱化隱性知識優勢。上述差異說明人工智能對創新的作用并不是線性的，而是與企業所處發展階段、資源稟賦和組織基礎密切相關。

基于此，本文從“人工智能—生命周期”的交互視角切入，關注成長期、成熟期與衰退期的階段性差異。既有證據表明，不同階段在資源配置、組織結構與戰略重心上存在顯著差別：成長期強調速度與市場擴張，成熟期更利于將人工智能嵌入流程實現規模化收益，衰退期則受路徑依賴與能力退化制約，創新轉化相對困難。人工智能作為數字化轉型的重要工具，其賦能創新的真實效果可能體現為這種階段耦合。為系統識別這一機理，本文引入權變理論與資源基礎觀，強調“環境—資源—能力”的動態匹配，基于2016—2021年1103家制造業高新技術上市企業的數據，依據現金流模式法劃分生命周期，并結合機器學習與固定效應回歸開展檢驗，力求在政策與實踐關切下，為人工智能如何在不同發展階段促進企業創新提供經驗證據，并為企業數字化轉型與政策優化提供治理啟示。

二、研究設計與方法

本文選取2016—2021年1103家中國制造業高新技術上市公司作為研究樣本。創新績效以年度專利授權數衡量，人工智能技術水平通過兩類指標加以度量：其一是企業層面的人工智能專利申請數（通過關鍵詞與國際專利分類號組合識別），其二是從企業年報文本中提取人工智能相關關鍵詞構建的人工智能能力指數，用以進行穩健性檢驗。企業生命周期依據現金流模式法劃分為成長期、成熟期和衰退期三類，以反映企業內部資源狀況與外部成長階段。

本研究首先采用決策樹模型識別高創新企業的關鍵分裂變量及特征路徑，隨后使用隨機森林、梯度提升回歸等多種機器學習模型與線性回歸模型進行對比分析，驗證人工智能與創新產出之間的非線性關系。最后，結合企業固定效應回歸模型，在全樣本與分階段樣本上分別檢驗人工智能技術水平與創新績效的關系。

三、主要研究發現

研究發現，機器學習模型在預測創新績效方面整體優于傳統線性模型，表明人工智能與創新之間存在明顯的非線性特征。以梯度提升回歸為例，其R2可達0.84，而線性回歸僅為0.63，顯示單一線性假設難以捕捉人工智能技術水平的邊際效應。

在總體層面，人工智能專利申請與人工智能能力均對企業創新績效具有顯著正向影響。但分階段結果揭示出清晰的生命周期差異。對成熟期企業而言，人工智能技術水平與創新產出之間的促進作用最強，人工智能專利申請量的回歸系數在固定效應模型中顯著為正，顯示該階段企業憑借穩定資源與完善流程更能實現人工智能技術與創新體系的深度融合。成長期企業雖然同樣受益于人工智能技術水平，但受限于管理經驗與數據基礎，其邊際效應相對較小。相比之下，衰退期企業的人工智能效應不顯著，反映出資源緊約束與路徑鎖定下的“技術鈍化”現象。

決策樹模型進一步揭示了人工智能賦能創新的結構性差異。在成長期與成熟期，人工智能專利申請是劃分高創新與低創新企業的首要分裂變量，說明人工智能專利布局已成為創新躍升的關鍵驅動因素。而在衰退期，人工智能技術水平的重要性下降，創新高低主要由員工數量與技術人員規模決定，顯示出傳統人力資本仍是主要支撐。綜合來看，人工智能對創新的貢獻依賴于組織的資源稟賦、吸收能力和流程成熟度：當這些條件充足時，人工智能技術水平可以形成持續的創新增益；反之，則可能出現“技術投入—創新產出”的脫節。

四、理論貢獻與管理啟示

本研究在理論與實踐層面均具有創新意義。

首先，本文在企業生命周期框架下系統揭示了人工智能賦能創新的階段異質性，擴展了數字化與智能化情境下的生命周期理論。

其次，通過機器學習與傳統計量的結合，提供了一種識別非線性機制的新方法，為管理學實證研究提供了范式參考。

第三，研究揭示了人工智能技術與組織資源的動態匹配對于長期競爭優勢的影響。

在實踐層面，研究結果對企業人工智能應用策略具有重要啟示。

首先，企業應根據自身所處的生命周期階段，制定差異化的人工智能發展路徑。成長期企業應重點利用人工智能提升研發效率和市場開拓能力，增強成長動能；成熟期企業則可通過優化資源配置和生態協作，發揮人工智能在提升管理效能與創新整合中的優勢；而衰退期企業應以低成本創新和資源優化為重點，借助人工智能實現效率改進與競爭力維持。

其次，傳統資源仍然是企業創新的基礎，應與人工智能技術形成協同互補。企業管理者應充分發揮技術人員的經驗優勢和員工團隊的創造潛能，使人工智能成為增強組織學習與知識積累的助推器，而非替代者。

最后，企業還需根據技術與市場環境的變化，動態調整資源管理策略。因時制宜地整合人工智能與傳統資源，不僅能提高資源配置效率，還能幫助企業在快速變革的技術環境中保持韌性與競爭力，從而實現長期可持續發展。

本文摘自《科研管理》2025年10期的文章《人工智能驅動企業創新的生命周期異質性研究》。作者簡介：余江、李婉晴（通信作者）、盧燃，中國科學院科技戰略咨詢研究院和中國科學院大學公共政策與管理學院 ；陳鳳，中國科學院科技戰略咨詢研究院。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com