孔 旭，郝飛燕，劉佩佩，章連標

（1.中國民航大學(xué)科技處；2.中國民航大學(xué)經(jīng)濟管理學(xué)院；3.中國民航大學(xué)學(xué)報編輯部；4.中國民航大學(xué)繼續(xù)教育學(xué)院，天津 300300）

1 研究背景

以泛在網(wǎng)絡(luò)、數(shù)據(jù)驅(qū)動、跨域整合、自主智能、萬眾創(chuàng)新為典型特征的人工智能（artificial intelligence,AI），正推動全球制造業(yè)邁入新一輪工業(yè)革命：智能制造使工業(yè)產(chǎn)能呈指數(shù)級增長；智慧農(nóng)業(yè)實現(xiàn)農(nóng)作物全生命周期精準管理；智慧醫(yī)療、智慧金融、智慧交通惠及民生；人工智能引發(fā)新一輪國防軍備競賽［1-2］。人工智能領(lǐng)域在國家之間、企業(yè)之間的競爭，主要是算法和算力的競爭，得AI者得未來。2017 年7 月，中國在《新一代人工智能發(fā)展規(guī)劃》中提出到2030 年，AI 產(chǎn)業(yè)競爭力要達到世界領(lǐng)先水平，并提出要加快培育人工智能產(chǎn)業(yè)領(lǐng)軍企業(yè)。2019年11月，美國國家科學(xué)技術(shù)委員會（NSTC）［3］發(fā)布《2016—2019 人工智能研發(fā)進展》報告，提出擴大AI 領(lǐng)域的公私伙伴關(guān)系，加速技術(shù)發(fā)展。

科技演進的歷程表明，民營企業(yè)是科技創(chuàng)新的重要陣線，政府主導(dǎo)、企業(yè)參與是重大技術(shù)創(chuàng)新的有效策略。然而，迫于在激烈競爭中的生存壓力，多數(shù)企業(yè)傾向于利用式創(chuàng)新策略，將研發(fā)聚焦于漸進式創(chuàng)新、現(xiàn)有客戶和短期應(yīng)用，導(dǎo)致創(chuàng)新流于表面，創(chuàng)新方向易受風(fēng)投資金影響。一項基于專利數(shù)據(jù)的中美人工智能創(chuàng)新能力比較研究表明，中國人工智能發(fā)展?jié)摿薮螅壳皩＠杏趹?yīng)用層，而在芯片研發(fā)、深度學(xué)習(xí)、自然語言處理等基礎(chǔ)層和技術(shù)層，美國的專利優(yōu)勢較為明顯［4］?；A(chǔ)研發(fā)更容易產(chǎn)生顛覆性成果，但往往需要長期、大量的研發(fā)投入。作為全球?qū)＠钟辛孔疃嗟钠髽I(yè)之一，華為技術(shù)有限公司近10 年總研發(fā)經(jīng)費高達6 000 億元，研發(fā)人員占比49%，就是很好的例證［5］。

2 文獻與理論綜述

人工智能領(lǐng)域技術(shù)更新快、研發(fā)投入較大［6］，除少數(shù)資金充裕的領(lǐng)軍企業(yè)外，后起之秀如何在市場效益和研發(fā)投入中平衡生存和發(fā)展，是擺在企業(yè)管理者和科技政策制定者面前的一道難題。針對企業(yè)在創(chuàng)新之路上面臨的兩難境地，Duncan［7］于1976年提出“雙元性組織”（ambidexterity organization）概念，通過構(gòu)建雙元結(jié)構(gòu)（dual structures）來促進創(chuàng)新。組織性學(xué)習(xí)（organizational learning）包括探索式（exploration）和利用式（exploitation），而組織對動態(tài)環(huán)境的適應(yīng)能力有賴于探索和利用式學(xué)習(xí)的平衡［8-9］。此后，“雙元創(chuàng)新能力”的概念逐漸確定，即指企業(yè)同時采用探索式和利用式創(chuàng)新策略，且獲得了兩者的平衡。學(xué)界分別從理論和實證的角度對雙元創(chuàng)新與組織績效之間的動態(tài)聯(lián)系展開了廣泛而深入的研究，并取得了諸多共識，如表1 所示。

表1 國內(nèi)外雙元創(chuàng)新研究歸納

為有效探明雙元策略與創(chuàng)新績效的相關(guān)性，以上研究所選取的樣本大部分來自制造業(yè)、電子信息行業(yè)和高技術(shù)企業(yè)，且普遍來自發(fā)達國家和地區(qū)，且為確保數(shù)據(jù)可獲得性，多數(shù)選取上市企業(yè)作為研究樣本。梳理表中所列研究結(jié)論可以發(fā)現(xiàn)，創(chuàng)新策略與企業(yè)績效存在以下規(guī)律：

（1）時序-區(qū)域角度。2010 年之前，采用雙元創(chuàng)新策略的中國和馬來西亞企業(yè)的財務(wù)績效低于采用單一創(chuàng)新策略的企業(yè)；2010 年之后，雙元創(chuàng)新對中國企業(yè)的績效普遍成正向調(diào)節(jié)和中介效應(yīng)，部分研究結(jié)論認為相比利用式策略，探索式創(chuàng)新顯著促進企業(yè)績效提升。這一現(xiàn)象呼應(yīng)了陳守明等［15］關(guān)于技術(shù)情景的研究結(jié)論，即經(jīng)濟落后、技術(shù)跟跑階段，企業(yè)傾向于單一創(chuàng)新策略，以有限的資源求得生存。Geiger 等［27］的研究認為，這一現(xiàn)象與組織冗余和R&D 投資相關(guān)，適當?shù)目捎萌哂嗯c密集的研發(fā)投入正向調(diào)節(jié)企業(yè)創(chuàng)新績效。

（2）企業(yè)-環(huán)境角度。企業(yè)面臨的環(huán)境包括內(nèi)部環(huán)境（組織雙元文化、內(nèi)部結(jié)構(gòu)）和外部環(huán)境（行業(yè)競爭、聯(lián)盟導(dǎo)向），當企業(yè)足夠規(guī)范、內(nèi)部聯(lián)通順暢、結(jié)構(gòu)國際化、領(lǐng)導(dǎo)方式恰當、以創(chuàng)業(yè)為導(dǎo)向、任人唯賢，則其內(nèi)部環(huán)境促進企業(yè)雙元創(chuàng)新，并可正向調(diào)節(jié)企業(yè)績效；當外部競爭激烈，企業(yè)應(yīng)采取探索式創(chuàng)新策略。此外，當企業(yè)與所在聯(lián)盟的戰(zhàn)略方向一致，則雙元策略有利于聯(lián)盟績效；以利用式為主導(dǎo)的雙元策略促進短期創(chuàng)新績效或漸進式創(chuàng)新（incremental innovation），但抑制長期創(chuàng)新績效或顛覆式創(chuàng)新（radical innovation），探索式策略則反之。

3 研究假設(shè)

在當前百年未有之大變局下，中國人工智能企業(yè)既面臨舉步維艱的國際環(huán)境、貿(mào)易摩擦和技術(shù)壁壘阻礙重重，又處于前所未有的國內(nèi)環(huán)境：國家政策重視、資金相對充裕、需求足夠龐大、應(yīng)用場景豐富、產(chǎn)業(yè)生態(tài)初具規(guī)模。是迎難而上，以打持久戰(zhàn)的精神探索人工智能基礎(chǔ)層和技術(shù)層的技術(shù)難題，還是利用既有市場和有限的資源，確保企業(yè)在激烈的市場競爭中持續(xù)生存？在前人研究基礎(chǔ)上，本研究提出以下假設(shè)：

H1a：探索式創(chuàng)新促進人工智能研發(fā)企業(yè)績效提升；

H1b：利用式創(chuàng)新促進人工智能研發(fā)企業(yè)績效提升。

關(guān)于研發(fā)投入與企業(yè)績效的相關(guān)性，學(xué)界有很多種研究結(jié)論，如Sharma［28］發(fā)現(xiàn)企業(yè)研發(fā)經(jīng)費投入強度與當年銷售收入的增長存在正相關(guān)關(guān)系；李書鋒等［29］以所有A 股上市公司為研究對象，發(fā)現(xiàn)研發(fā)投入與企業(yè)績效存在相關(guān)關(guān)系，具體表現(xiàn)為研發(fā)投入對企業(yè)績效在滯后兩期內(nèi)有顯著的促進作用，而企業(yè)績效對研發(fā)投入具有反饋調(diào)節(jié)作用，當期企業(yè)績效的提升會促進未來研發(fā)投入的增加；同時也有學(xué)者以創(chuàng)業(yè)板上市公司為研究對象，發(fā)現(xiàn)研發(fā)投入對企業(yè)當期績效并無顯著的正向促進作用，反而有顯著的負向作用［30-31］。為探明人工智能企業(yè)研發(fā)投入對雙元創(chuàng)新與企業(yè)績效的影響，本研究提出以下假設(shè)：

H2a：研發(fā)投入正向調(diào)節(jié)探索式創(chuàng)新對人工智能研發(fā)企業(yè)績效的影響；

H2b：研發(fā)投入正向調(diào)節(jié)利用式創(chuàng)新對人工智能研發(fā)企業(yè)績效的影響。

從中興1）到華為，從超級計算機到量子計算機，從“麒麟”到“龍芯”，信息技術(shù)是人工智能產(chǎn)業(yè)發(fā)展的基石。長城、TCL、紫光、浪潮、盈方、創(chuàng)維、科大訊飛、漢王、?？低?、國民技術(shù)、中航電測，這些人工智能領(lǐng)域響亮的品牌都來自信息技術(shù)行業(yè)，他們執(zhí)著于基礎(chǔ)研發(fā)，初步實現(xiàn)了與國際同行的技術(shù)并跑［32］。正如“龍芯之父”胡偉武所言，“核心技術(shù)要在試錯中發(fā)展”［33］，在探索階段加大研發(fā)投入，是中國信息技術(shù)強者“彎道超車”的有力保障。王維等［34］研究發(fā)現(xiàn)，信息技術(shù)企業(yè)的研發(fā)投入在政府補助與企業(yè)價值間具有顯著的中介效應(yīng)，政府補助能夠降低企業(yè)研發(fā)活動的成本和風(fēng)險，保障企業(yè)研發(fā)活動的順利進行和企業(yè)的長遠發(fā)展。閆平等［35］以信息技術(shù)上市公司為研究對象，發(fā)現(xiàn)研發(fā)投入在非國有企業(yè)中的中介作用顯著能夠正向促進股東持股對經(jīng)營績效的影響，且對重要支柱型產(chǎn)業(yè)加大研發(fā)投入，對企業(yè)研發(fā)活動的正向調(diào)節(jié)作用會更加明顯。因此，本研究提出以下假設(shè)：

H3a：信息技術(shù)行業(yè)中的人工智能研發(fā)企業(yè)的研發(fā)投入，對探索式創(chuàng)新與企業(yè)績效的正向調(diào)節(jié)效應(yīng)更強；

H3b：信息技術(shù)行業(yè)中的人工智能研發(fā)企業(yè)的研發(fā)投入，對利用式創(chuàng)新與企業(yè)績效的正向調(diào)節(jié)效應(yīng)更強。

基于以上分析，構(gòu)建本研究假設(shè)模型如圖1所示。

圖1 本研究假設(shè)模型

4 數(shù)據(jù)來源與模型構(gòu)建

4.1 樣本選取與數(shù)據(jù)來源

選取2015—2019 年人工智能A 股上市公司作為研究樣本，并做如下處理：（1）剔除ST 類上市公司；（2）剔除數(shù)據(jù)異常和嚴重缺失的公司；（3）剔除中途退市的公司；（4）為消除異常值的影響，對所有連續(xù)變量進行上下1%的Winsorize 縮尾處理。最終收集到112 家人工智能企業(yè)作為實證研究的樣本（以下簡稱“企業(yè)樣本”），并從中提取28 家信息技術(shù)行業(yè)企業(yè)作為穩(wěn)健性分析的樣本（以下簡稱“行業(yè)樣本”）。專利數(shù)據(jù)采集自壹專利數(shù)據(jù)庫，獲取了樣本企業(yè)2010—2019 年的發(fā)明專利、實用新型和外觀專利數(shù)量；其余指標數(shù)據(jù)主要從國泰安數(shù)據(jù)庫（CSMAR）、同花順和巨潮資訊網(wǎng)等獲得。根據(jù)數(shù)據(jù)統(tǒng)計情況，主要研究2015—2019 年間企業(yè)研發(fā)投入、雙元性創(chuàng)新與績效之間的線性相關(guān)關(guān)系。采用Excel 整理基礎(chǔ)數(shù)據(jù)，并通過Stata 25 計量軟件進行回歸分析。

4.2 變量說明

（1）被解釋變量：企業(yè)績效（ROA）。既有研究中，企業(yè)績效通常用總資產(chǎn)收益率（ROA）和凈資產(chǎn)收益率（ROE）來表示，以衡量企業(yè)投資活動的回報率。ROA 反映股東和債權(quán)人共同資金所產(chǎn)生的利潤率；ROE 則反映僅由股東投入的資金所產(chǎn)生的利潤率。相較而言，ROA 更能全面反映企業(yè)對資產(chǎn)的利用率。因此，本研究將企業(yè)總資產(chǎn)收益率作為被解釋變量。

（2）解釋變量：利用式創(chuàng)新（USE）和探索式創(chuàng)新（EXP）。雙元創(chuàng)新評價方法包括以下幾種：一是新技術(shù)、R&D 投入、新聯(lián)盟伙伴；二是企業(yè)在過去5 年是否申請過含相同國際專利分類號的專利；三是企業(yè)年報詞頻統(tǒng)計；四是費用化/資本化支出在總資產(chǎn)中的占比；五是Jansen 創(chuàng)新量表問卷或自編問卷。本研究采用陳守明等［15］的測量方法，定量表征人工智能企業(yè)的利用式創(chuàng)新和探索式創(chuàng)新。

（3）調(diào)節(jié)變量：研發(fā)投入（R&D）。根據(jù)梅冰菁等［36］的研究，考慮不同企業(yè)間的差異性，體現(xiàn)企業(yè)對R&D 資源的吸收能力，本研究采用研發(fā)投入總計除以主營業(yè)務(wù)收入來衡量企業(yè)的研發(fā)投入強度。

（4）控制變量：參考既有研究，選取企業(yè)規(guī)模（Size）、資產(chǎn)負債率（TDR）、企業(yè)成長能力（Growth）、上市年限（Age）等作為影響企業(yè)經(jīng)營績效的控制變量。

本研究變量說明如表2 所示。

表2 研究變量說明

表2 （續(xù)）

4.3 模型構(gòu)建

根據(jù)以上假設(shè)，建立模型表達式如下：

式（1）模型中：i為第i個公司；t為年份；Xi,t為第t年第i個企業(yè)的解釋變量，包括探索式創(chuàng)新和利用式創(chuàng)新；CVi,t為第t年第i個企業(yè)的控制變量，包括企業(yè)規(guī)模、資產(chǎn)負債率、企業(yè)成長能力和企業(yè)上市年限；μi為企業(yè)固定效應(yīng)；σt為年度固定效應(yīng)；εi,t為殘差項。

此外，在模型1 的基礎(chǔ)上，模型2 加入了調(diào)節(jié)變量研發(fā)投入強度；模型3 和模型4 分別加入了自變量和調(diào)節(jié)變量的交乘項，檢驗調(diào)節(jié)效應(yīng)；模型5和模型6 對行業(yè)樣本進行穩(wěn)健性檢驗。

5 計量結(jié)果與實證分析

5.1 描述性統(tǒng)計

企業(yè)樣本變量的描述性統(tǒng)計結(jié)果如表3 所示，可以看出，企業(yè)績效表現(xiàn)較為離散。對比探索式創(chuàng)新和利用式創(chuàng)新能夠發(fā)現(xiàn)，利用式創(chuàng)新的平均值大于探索式創(chuàng)新，說明企業(yè)傾向于利用式創(chuàng)新；此外，企業(yè)研發(fā)投入水平差異較大，企業(yè)規(guī)模均較大且分布較集中，資產(chǎn)負債率差距較大，負債水平差異明顯，有些企業(yè)負債率過高，企業(yè)市場占有率相差較大，經(jīng)營狀況差異明顯。所有變量的描述性統(tǒng)計結(jié)果均符合推薦值標準，說明本研究所選取的樣本具有較強的代表性。

表3 企業(yè)樣本描述性統(tǒng)計結(jié)果

5.2 相關(guān)性分析

企業(yè)樣本變量的相關(guān)性檢驗結(jié)果如表4 所示，顯著性水平較為理想，各變量之間的相關(guān)程度均小于0.5，且方差膨脹因子均小于10，說明自變量之間不存在嚴重的多重共線性問題。

表4 企業(yè)樣本變量相關(guān)系數(shù)矩陣

5.3 回歸分析

通過Hausman 檢驗，本研究模型的P值為0.000 2，強烈拒絕原假設(shè)，故采用固定效應(yīng)模型進行回歸分析。同時對時間虛擬變量聯(lián)合顯著性進行檢驗，發(fā)現(xiàn)在5%的水平上拒絕了“無時間效應(yīng)”的原假設(shè)，說明模型中包括時間效應(yīng)，因此最終選擇雙向固定效應(yīng)模型來進行參數(shù)估計。采用Stata 25計量軟件進行數(shù)據(jù)分析，得到企業(yè)樣本的回歸分析結(jié)果如表5 所示。

從模型1 和模型2 能夠看出，在控制變量都顯著影響企業(yè)績效的情況下，企業(yè)雙元創(chuàng)新對當期的經(jīng)營績效影響并不顯著；探索式創(chuàng)新負向調(diào)節(jié)企業(yè)績效（不顯著）；利用式創(chuàng)新正向調(diào)節(jié)企業(yè)績效（不顯著）。

對比模型3 和模型4，加入調(diào)節(jié)變量研發(fā)投入后，兩種創(chuàng)新模式對企業(yè)績效的影響均較為顯著，研發(fā)投入在99%的置信水平上與企業(yè)績效呈負相關(guān)關(guān)系，探索式創(chuàng)新在99%的置信區(qū)間內(nèi)正向影響企業(yè)績效，說明假設(shè)H2a成立，即人工智能企業(yè)研發(fā)投入正向調(diào)節(jié)探索式創(chuàng)新對企業(yè)績效的影響；而利用式創(chuàng)新則在99%的置信水平內(nèi)與企業(yè)績效呈負相關(guān)關(guān)系，拒絕假設(shè)H2b，即研發(fā)資本并沒有正向調(diào)節(jié)利用式創(chuàng)新對企業(yè)績效的影響，反而使得利用式創(chuàng)新負向影響企業(yè)績效。

模型5、模型6 的分析結(jié)果與模型3 和模型4相同：信息技術(shù)行業(yè)中人工智能企業(yè)的研發(fā)投入對探索式創(chuàng)新與企業(yè)績效的正向調(diào)節(jié)效應(yīng)更強，但同時逆向調(diào)節(jié)了利用式創(chuàng)新對企業(yè)績效的影響。

表5 企業(yè)樣本變量模型回歸分析結(jié)果

6 結(jié)論分析與管理對策

6.1 結(jié)論分析

根據(jù)上述模型回歸結(jié)果，可得到創(chuàng)新策略對企業(yè)績效的調(diào)節(jié)作用示意圖，如圖2 所示，其中實線箭頭表示正向調(diào)節(jié)，虛線箭頭表示負向調(diào)節(jié)。

圖2 創(chuàng)新策略對人工智能研發(fā)企業(yè)績效的調(diào)節(jié)作用

由圖2 可以看出，在當前我國人工智能技術(shù)仍處于“跟跑”和“陪跑”的大背景下，利用式策略針對現(xiàn)有技術(shù)和用戶市場，有利于提升企業(yè)績效，但效應(yīng)不顯著；而探索式創(chuàng)新策略由于新產(chǎn)品、新市場的“技術(shù)變現(xiàn)”效應(yīng)滯后，加之發(fā)明專利申請難度較大、周期較長，企業(yè)績效的提升很難立竿見影。然而，加入研發(fā)投入變量后，探索式創(chuàng)新顯著促進企業(yè)績效提升，說明研發(fā)投入賦予探索式策略足夠的資源冗余和容錯機制，對研發(fā)成果和企業(yè)績效起到了正向激勵作用；另一方面，強有力的研發(fā)投入向市場釋放了增強信心的信號，有利于大量吸引風(fēng)險投資、提高企業(yè)市值。與此相反，研發(fā)投入在利用式創(chuàng)新策略下顯然無法充分發(fā)揮其資源作用，漸進式創(chuàng)新拖延了企業(yè)取得重大技術(shù)突破的時機，阻礙了企業(yè)績效的增長。

6.2 人工智能領(lǐng)域創(chuàng)新管理對策建議

（1）加大研發(fā)投入，堅持自主創(chuàng)新。本研究的結(jié)論有力呼應(yīng)了國內(nèi)人工智能領(lǐng)域的發(fā)展，華為、中興、浪潮等企業(yè)不斷加大研發(fā)投入、持續(xù)耕耘基礎(chǔ)技術(shù)、高薪吸引研發(fā)人才，以強大的決心和探索式創(chuàng)新策略取得了舉世矚目的成績。對于部分負債率較高的樣本企業(yè)，難以在短期內(nèi)投入大量研發(fā)經(jīng)費，可適當采取雙元策略，以現(xiàn)有技術(shù)和市場獲得的利潤來支持新技術(shù)的開發(fā)，以融資、風(fēng)投、股權(quán)等措施提高企業(yè)生存能力。

（2）構(gòu)建自主生態(tài)，增強產(chǎn)業(yè)韌性。本研究所選樣本企業(yè)涉及信息技術(shù)、電子設(shè)備制造、交通運輸設(shè)備制造、電器機械及器材制造、化學(xué)原料及制品、金屬制品、計算機應(yīng)用服務(wù)、通信服務(wù)、商務(wù)服務(wù)、文教體育用品制造、廣播電影電視、家具制造、裝修裝飾、醫(yī)療衛(wèi)生等領(lǐng)域，技術(shù)應(yīng)用場景豐富多樣、受眾廣泛，但目前我國人工智能產(chǎn)業(yè)分布仍以下游應(yīng)用為主，應(yīng)鼓勵領(lǐng)軍企業(yè)加強探索式創(chuàng)新，盡快實現(xiàn)關(guān)鍵技術(shù)的多點突破，建立工業(yè)基礎(chǔ)完備、產(chǎn)業(yè)鏈條穩(wěn)健的技術(shù)生態(tài)，避免國際貿(mào)易摩擦帶來的企業(yè)“休克”，提高人工智能產(chǎn)業(yè)的整體韌性。

（3）加強政策引導(dǎo)，營造創(chuàng)新氛圍。從創(chuàng)新氛圍、人才培養(yǎng)和評價、稅收優(yōu)惠、科技金融等方面加強頂層設(shè)計，鼓勵研發(fā)人員“甘坐冷板凳”、敢于堅持走探索式創(chuàng)新道路；加大對技術(shù)剽竊等行為的處罰力度，讓企業(yè)敢于創(chuàng)新、安心創(chuàng)新；加強知識產(chǎn)權(quán)保護，讓“冷板凳”上誕生的成果有效轉(zhuǎn)化。

探索式創(chuàng)新和利用式創(chuàng)新并不是矛盾對立的，而是企業(yè)內(nèi)部、企業(yè)與外部環(huán)境的協(xié)調(diào)統(tǒng)一，二者的平衡將使企業(yè)具備勇于創(chuàng)新、善于應(yīng)對和精于效益的優(yōu)秀管理能力，實現(xiàn)穩(wěn)立潮頭的目標［37］。

注釋：

1）文中有關(guān)企業(yè)名稱分別采用其通用簡稱表示。