摘要：人工智能企業(yè)作為發(fā)展人工智能技術(shù)的主體，承載著人工智能發(fā)展壯大的重要使命。以人工智能企業(yè)為研究對(duì)象，針對(duì)研發(fā)基礎(chǔ)投入不足、產(chǎn)出效率低引起的創(chuàng)新績效不樂觀等問題，采用文獻(xiàn)計(jì)量方法構(gòu)建人工智能企業(yè)創(chuàng)新績效影響因素庫，并利用fsQCA識(shí)別創(chuàng)新績效關(guān)鍵提升路徑。研究發(fā)現(xiàn)：（1）各影響因素對(duì)人工智能企業(yè)創(chuàng)新績效的作用程度不同，“研發(fā)投入”在單個(gè)因素構(gòu)建人工智能企業(yè)高水平創(chuàng)新績效中的權(quán)重最高；（2）關(guān)鍵影響因素之間存在聯(lián)動(dòng)效應(yīng)，“企業(yè)規(guī)模-研發(fā)投入驅(qū)動(dòng)型”“研發(fā)投入-政府補(bǔ)貼驅(qū)動(dòng)型”兩個(gè)條件組態(tài)都可提升人工智能企業(yè)的創(chuàng)新績效，可以通過互相替代實(shí)現(xiàn)高創(chuàng)新績效水平，且兩條提升路徑分別適用于不同發(fā)展情況的人工智能企業(yè)。

關(guān)鍵詞：人工智能企業(yè)；創(chuàng)新績效；影響因素識(shí)別；提升路徑

中圖分類號(hào)：F273.1；F272.5文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.3969/j.issn.1003-8256.2025.01.005

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究規(guī)劃基金（23YJA790005）

在當(dāng)今產(chǎn)業(yè)變革浪潮中，人工智能作為發(fā)展的核心驅(qū)動(dòng)取得了迅猛發(fā)展，進(jìn)一步上升至國家戰(zhàn)略的高度，并被廣泛視為提升國家競爭力至關(guān)重要的新動(dòng)能。《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》等各類相關(guān)產(chǎn)業(yè)政策對(duì)加速人工智能發(fā)展起到促進(jìn)作用，提供長期政策支持。在諸多有利政策的助推下，創(chuàng)業(yè)熱情和投資熱潮在我國的人工智能行業(yè)內(nèi)得以持續(xù)激發(fā)。中國的人工智能領(lǐng)域呈現(xiàn)出顯著的增長趨勢(shì)，截至2022年6月，該領(lǐng)域已有企業(yè)超過3 000家[1]。人工智能企業(yè)作為人工智能產(chǎn)業(yè)發(fā)展的主要承載者，為國家經(jīng)濟(jì)增長注入新的動(dòng)能，大規(guī)模創(chuàng)造就業(yè)機(jī)會(huì)，同時(shí)也在推動(dòng)新興產(chǎn)業(yè)孕育和壯大方面發(fā)揮著關(guān)鍵作用，對(duì)技術(shù)、經(jīng)濟(jì)和社會(huì)的全面發(fā)展產(chǎn)生著至關(guān)重要的影響。當(dāng)前，新一輪科技革命蓬勃興起，作為引領(lǐng)中國經(jīng)濟(jì)社會(huì)長遠(yuǎn)發(fā)展的微觀經(jīng)濟(jì)主體，深入剖析和探尋影響人工智能企業(yè)發(fā)展的因素以及創(chuàng)新績效提升路徑，對(duì)促進(jìn)中國科技領(lǐng)域高質(zhì)量發(fā)展具有重要的現(xiàn)實(shí)意義。

當(dāng)下，多家企業(yè)在不同領(lǐng)域取得顯著的技術(shù)突破。這意味著我國不僅在人工智能的核心領(lǐng)域取得了突破，還在與之相關(guān)的技術(shù)和產(chǎn)業(yè)上取得了成功[2]，包括電子工程、物聯(lián)網(wǎng)、智能制造等多個(gè)領(lǐng)域。這些創(chuàng)新不僅對(duì)相關(guān)行業(yè)的轉(zhuǎn)型產(chǎn)生了深遠(yuǎn)的影響，還推動(dòng)了加工制造等領(lǐng)域的深層次改革。但令人警醒的是，我國人工智能產(chǎn)業(yè)發(fā)展仍存在研發(fā)投入低、產(chǎn)出效率低等關(guān)鍵問題，如在2022年全球人工智能企業(yè)的投資份額中，美國占比高達(dá)53%（270億美元），我國僅為10%（53億美元）；2021年，我國在人工智能領(lǐng)域的專利擁有總量位居全球之首，然而，其中多數(shù)屬于門檻較低的實(shí)用新型專利。與之形成鮮明對(duì)比的是，發(fā)明專利在我國的人工智能專利中所占比例相對(duì)較低，僅占總量的23%。這一數(shù)字與全球范圍內(nèi)人工智能領(lǐng)域的發(fā)明專利占比相比，呈現(xiàn)出明顯的差距，全球范圍內(nèi)發(fā)明專利占人工智能專利總量的比例高達(dá)93.15%。

鑒于此，針對(duì)我國人工智能企業(yè)發(fā)展過程中存在的研發(fā)基礎(chǔ)投入不足、產(chǎn)出效率低、創(chuàng)新績效不樂觀等問題，本文結(jié)合文獻(xiàn)計(jì)量方法構(gòu)建人工智能企業(yè)創(chuàng)新績效影響因素庫，并利用fsQCA識(shí)別人工智能企業(yè)創(chuàng)新績效的關(guān)鍵提升路徑，旨在為我國的人工智能企業(yè)提供有益的戰(zhàn)略建議和實(shí)踐參考。

1創(chuàng)新績效影響因素的識(shí)別與梳理

1.1文獻(xiàn)可視化分析

圍繞人工智能企業(yè)創(chuàng)新績效，學(xué)者們已經(jīng)進(jìn)行了諸多研究。本文圍繞“創(chuàng)新績效”“人工智能企業(yè)”核心關(guān)鍵詞，運(yùn)用CiteSpace對(duì)2017年1月1日—2023年6月1日來自CSSCI數(shù)據(jù)庫的603篇中文文獻(xiàn)和2020年1月1日—2023年6月1日來自Web of Science核心數(shù)據(jù)庫的664篇英文文獻(xiàn)進(jìn)行計(jì)量分析，結(jié)果如圖1（a）和圖1（b）所示。中文文獻(xiàn)中出現(xiàn)頻次較高的影響企業(yè)創(chuàng)新績效的因素有八個(gè)，分別是“吸收能力”“動(dòng)態(tài)能力”“研發(fā)（創(chuàng)新）投入強(qiáng)度”“政府研發(fā)補(bǔ)助（補(bǔ)貼）”“人力資本”“產(chǎn)權(quán)性質(zhì)”“稅收優(yōu)惠”“制度環(huán)境”。其中，頻次較高的共引關(guān)鍵詞通常反映研究領(lǐng)域內(nèi)的研究方向和熱點(diǎn)，中心性則意味著關(guān)鍵詞在領(lǐng)域內(nèi)的影響力[3]。英文文獻(xiàn)所現(xiàn)關(guān)鍵詞頻次有九個(gè)，分別是“absorbing ability”“innovation ability”“open innovation”“knowledge sharing”“knowledge management”“entrepreneurial orientation”“intellectual capital”“human capital”“ransformational leadership”。結(jié)合以上的信息可以發(fā)現(xiàn)，中英文文獻(xiàn)對(duì)影響企業(yè)創(chuàng)新績效的因素研究主要聚焦于技術(shù)進(jìn)步、組織運(yùn)行、環(huán)境支持三方面。

在學(xué)術(shù)文獻(xiàn)中頻繁共同引用的關(guān)鍵詞通常能夠反映出特定研究領(lǐng)域內(nèi)的研究方向和熱點(diǎn)，中心性則意味著關(guān)鍵詞在領(lǐng)域內(nèi)的影響力[3]。人工智能企業(yè)創(chuàng)新績效影響因素中文文獻(xiàn)的第一高頻關(guān)鍵詞是“研發(fā)投入”，頻次為38，這與投入產(chǎn)出理論不謀而合；“人力資本”“政府研發(fā)補(bǔ)貼”緊隨其后，頻次分別為29次和26次，說明企業(yè)技術(shù)進(jìn)步與外部環(huán)境支持對(duì)創(chuàng)新績效有重要作用；“開放式創(chuàng)新”“制度環(huán)境”“產(chǎn)權(quán)性質(zhì)”“企業(yè)規(guī)?！钡纫矠楦哳l關(guān)鍵詞，充分說明組織運(yùn)行和企業(yè)創(chuàng)新績效間的密切關(guān)系；此外，“創(chuàng)業(yè)導(dǎo)向”“變革型領(lǐng)導(dǎo)”也為高頻關(guān)鍵詞。因此根據(jù)CiteSpace呈現(xiàn)的知識(shí)圖譜，篩選出頻次大于15的關(guān)鍵詞，如表1所示。

再將人工智能企業(yè)創(chuàng)新績效中英文文獻(xiàn)的中心性進(jìn)行整理統(tǒng)計(jì)。通常情況下，當(dāng)一個(gè)關(guān)鍵詞的中心性達(dá)到或超過0.01時(shí)，可以合理地推斷該關(guān)鍵詞在研究領(lǐng)域中擔(dān)當(dāng)著重要的關(guān)鍵節(jié)點(diǎn)的角色[18]，依據(jù)CiteSpace中介中心性的結(jié)果，稅收優(yōu)惠、產(chǎn)權(quán)性質(zhì)、創(chuàng)業(yè)導(dǎo)向和變革型領(lǐng)導(dǎo)這些因素的中介中心性低于0.01，因此不將其作為主要影響因素。綜上，人工智能創(chuàng)新績效主要影響因素選取研發(fā)投入、人力資本、企業(yè)規(guī)模、政府研發(fā)補(bǔ)貼和開放式創(chuàng)新。

1.2文獻(xiàn)述評(píng)

學(xué)者們基于不同角度對(duì)創(chuàng)新績效進(jìn)行研究，主要是將其從過程視角和結(jié)果視角進(jìn)行探討。其中，過程視角主要強(qiáng)調(diào)對(duì)創(chuàng)新要素從“產(chǎn)出、投入到結(jié)果”的整個(gè)過程的描述，Janssen等[19]研究表明創(chuàng)新績效是一個(gè)新的想法從產(chǎn)生到出現(xiàn)到應(yīng)用的過程，Laursen等[20]認(rèn)為創(chuàng)新績效是創(chuàng)新從產(chǎn)生到應(yīng)用實(shí)現(xiàn)商業(yè)化的一系列流程。結(jié)果視角則強(qiáng)調(diào)對(duì)創(chuàng)新結(jié)果的反應(yīng)，我國學(xué)者將創(chuàng)新績效定義為“新產(chǎn)品的出現(xiàn)及市場份額的提升”，國外學(xué)者將創(chuàng)新績效歸納為企業(yè)的新穎且有用的產(chǎn)出。國內(nèi)外學(xué)者對(duì)創(chuàng)新績效的研究核心都是探尋影響創(chuàng)新績效的因素以及如何提升創(chuàng)新績效，但經(jīng)過分析發(fā)現(xiàn)，該領(lǐng)域仍存在值得進(jìn)一步研究的空間：現(xiàn)有研究通常使用回歸分析方法來分析單個(gè)要素的獨(dú)立影響效應(yīng)，忽略了各因素的聯(lián)動(dòng)效應(yīng)研究。本文基于整體的動(dòng)態(tài)視角，運(yùn)用適合復(fù)雜因果關(guān)系的定性分析研究方法（QCA）來分析人工智能企業(yè)創(chuàng)新績效影響因素多重條件組合，對(duì)各影響因素在創(chuàng)新中更好地發(fā)揮聯(lián)動(dòng)效應(yīng)進(jìn)行深入研究。

2研究設(shè)計(jì)

2.1研究方法

fsQCA方法在探究前因和因果關(guān)系方面發(fā)揮了關(guān)鍵作用，研究表明，fsQCA方法注重探索前因的復(fù)雜性、多因素之間的相互作用和因果關(guān)系的非對(duì)稱性[21]，可以揭示多個(gè)因素之間的合作效應(yīng)和相互關(guān)系[22]。不同因素之間的交互作用可以引發(fā)出許多不同的結(jié)果，這種復(fù)雜的關(guān)系網(wǎng)絡(luò)需要更深入地研究人工智能企業(yè)創(chuàng)新績效的內(nèi)部機(jī)制[23]，這些因素之間可能存在相互替代或互補(bǔ)的關(guān)系，并且它們可以通過不同的路徑和模式來推動(dòng)創(chuàng)新的發(fā)展。因此，本研究最終選用fsQCA方法，以探討人工智能企業(yè)創(chuàng)新績效的驅(qū)動(dòng)模式和發(fā)展路徑。從組態(tài)角度，以100家人工智能企業(yè)為研究對(duì)象，研究涵蓋技術(shù)進(jìn)步、環(huán)境支持和組織運(yùn)行三個(gè)關(guān)鍵維度，揭示人工智能企業(yè)創(chuàng)新的驅(qū)動(dòng)路徑。

2.2分析框架構(gòu)建

人工智能企業(yè)的創(chuàng)新受到多種因素的相互影響，因此有必要建立一個(gè)研究框架，深入研究不同因素如何相互作用以影響企業(yè)的創(chuàng)新績效。通過文獻(xiàn)可視化分析和文獻(xiàn)整理驗(yàn)證，可以系統(tǒng)性地研究技術(shù)進(jìn)步、環(huán)境支持和組織運(yùn)作三個(gè)因素如何相互關(guān)聯(lián)，以深入分析其對(duì)人工智能企業(yè)創(chuàng)新的主要影響因素和創(chuàng)新驅(qū)動(dòng)路徑。

（1）結(jié)果變量

目前關(guān)于創(chuàng)新績效的衡量有很多方法，部分文獻(xiàn)采用當(dāng)年專利申請(qǐng)總量代表創(chuàng)新績效[24]，也有文獻(xiàn)指出新產(chǎn)品銷售收入和企業(yè)利潤這兩個(gè)指標(biāo)為可靠度量標(biāo)準(zhǔn)[25]。已有對(duì)專利創(chuàng)新產(chǎn)出的研究發(fā)現(xiàn)專利的關(guān)鍵價(jià)值不僅局限于創(chuàng)新技術(shù)研發(fā)階段，它還在較長時(shí)間范圍內(nèi)對(duì)企業(yè)的競爭力和長期發(fā)展產(chǎn)生著深刻而廣泛的影響[26]，在創(chuàng)新績效的研究中具有更廣泛的應(yīng)用。因此本文選用總專利申請(qǐng)量作為創(chuàng)新績效的衡量標(biāo)準(zhǔn)，取值為2019—2021三年平均值加1的對(duì)數(shù)。

（2）條件變量

條件變量包括政府研發(fā)補(bǔ)貼（Gsub）、研發(fā)投入強(qiáng)度（RD）、企業(yè)規(guī)模（Size）、人力資本（Labor）、開放式創(chuàng)新（Open）。各條件變量定義及測量方式、數(shù)據(jù)來源詳見表2，在實(shí)際數(shù)據(jù)計(jì)算中取值為2019—2021年三年平均值。

人工智能企業(yè)在追求創(chuàng)新時(shí)需要充分考慮各種因素之間的協(xié)同互動(dòng)，這是實(shí)現(xiàn)公司創(chuàng)新績效提升的關(guān)鍵。本文從技術(shù)進(jìn)步、組織運(yùn)行和環(huán)境支持3個(gè)層面搭建分析框架，如圖2所示。

（3）樣本選擇與數(shù)據(jù)來源

選擇2019—2021年同花順人工智能概念股的上市公司（以人工智能相關(guān)產(chǎn)品、技術(shù)、服務(wù)和相關(guān)解決方案為主營業(yè)務(wù)或者正在進(jìn)行人工智能技術(shù)的開發(fā)和應(yīng)用的上市企業(yè)）為研究對(duì)象。理由有以下幾點(diǎn)：一是數(shù)據(jù)可靠性強(qiáng)。上市公司受到政府等有關(guān)部門更加嚴(yán)格的把控，公布的相關(guān)研發(fā)數(shù)據(jù)和專利數(shù)據(jù)等準(zhǔn)確、完整。二是研究問題切合度高。人工智能企業(yè)的專利數(shù)據(jù)符合創(chuàng)新績效的測度標(biāo)準(zhǔn)，相關(guān)人工智能企業(yè)也是以人工智能相關(guān)產(chǎn)品、技術(shù)、服務(wù)和相關(guān)解決方案為主營業(yè)務(wù)或者正在進(jìn)行人工智能技術(shù)的開發(fā)和應(yīng)用的上市企業(yè)。同時(shí)，為了更準(zhǔn)確的測量，對(duì)數(shù)據(jù)進(jìn)行了初步篩選：剔除ST、*ST和PT等標(biāo)志的業(yè)績較差的公司；剔除數(shù)據(jù)缺失或不全的公司。

2.3創(chuàng)新績效影響因素fsQCA組態(tài)效應(yīng)分析

采用直接校準(zhǔn)的方法用于處理模糊性和不確定性的變量，通過調(diào)整變量的隸屬度分布，更好地反映實(shí)際情況中的不確定性，將變量精確度校準(zhǔn)為模糊集。在這一過程中，設(shè)定了五個(gè)條件變量和一個(gè)結(jié)果變量的隸屬度分布，同時(shí)確定了完全隸屬、轉(zhuǎn)折點(diǎn)和完全不隸屬的三個(gè)定性錨點(diǎn)，錨點(diǎn)的分位數(shù)值分別為90%、50%和10%[27]，各變量校準(zhǔn)如表3所示。

在進(jìn)行正式的QCA分析之前，首先進(jìn)行各個(gè)前因條件變量對(duì)結(jié)果變量的必要性分析，研究數(shù)據(jù)如表4所示，所有前因條件的一致性均未達(dá)到0.9，因此單個(gè)前因條件（研發(fā)投入、政府補(bǔ)貼、企業(yè)規(guī)模、人力資本、開放式創(chuàng)新）均不構(gòu)成結(jié)果變量（人工智能企業(yè)創(chuàng)新績效）的必要條件，說明單個(gè)條件變量對(duì)于企業(yè)創(chuàng)新績效的解釋較弱，進(jìn)而將條件變量納入真值表分析，進(jìn)一步探索產(chǎn)生高創(chuàng)新績效的組態(tài)。

采用fsQCA3.0軟件，利用集合理論模型，深入研究人工智能企業(yè)創(chuàng)新績效的多種條件和因素。通過對(duì)不同條件的組合進(jìn)行分析，辨識(shí)出了關(guān)鍵條件和輔助條件（也被稱為邊緣條件），結(jié)果如表5所示。具體來講，QCA分析得到2種人工智能企業(yè)高創(chuàng)新績效的條件組態(tài)，每種組態(tài)的一致性水平以及總體一致性水平均高于0.75，超過可接受水平。兩種條件組態(tài)的總體一致性為0.870，表明該兩種條件組態(tài)可以解釋87%的樣本企業(yè)的高創(chuàng)新績效水平發(fā)展?fàn)顟B(tài)。根據(jù)表5呈現(xiàn)的組態(tài)結(jié)果，對(duì)高創(chuàng)新績效組態(tài)進(jìn)行詳細(xì)分析。

路徑一：組態(tài)H1中企業(yè)規(guī)模和研發(fā)投入強(qiáng)度是核心存在條件，開放式創(chuàng)新是核心缺失條件。在保證高強(qiáng)度的研發(fā)投入同時(shí)擁有龐大的企業(yè)規(guī)模優(yōu)勢(shì)，企業(yè)高創(chuàng)新績效才能得以實(shí)現(xiàn)，因此將該類驅(qū)動(dòng)路徑命名為“企業(yè)規(guī)模-研發(fā)投入驅(qū)動(dòng)型”，企業(yè)規(guī)模和研發(fā)投入雖起核心作用，但同時(shí)需要加大政府研發(fā)補(bǔ)貼的輔助作用。

路徑二：組態(tài)H2表明在企業(yè)人力資本投入較低的情況下，如果其研發(fā)投入水平較高、獲得政府研發(fā)補(bǔ)貼多，仍可使企業(yè)創(chuàng)新績效呈現(xiàn)高水平，將其命名為“研發(fā)投入-政府補(bǔ)貼驅(qū)動(dòng)型”。高技術(shù)人才匱乏是導(dǎo)致低創(chuàng)新水平的必要條件，這條提升路徑適用于面對(duì)嚴(yán)峻政策形勢(shì)但資金集中于研發(fā)、專業(yè)技術(shù)人才較少的企業(yè)。

進(jìn)一步對(duì)各組態(tài)深入比較分析，可以發(fā)現(xiàn)：（1）技術(shù)進(jìn)步層面，研發(fā)投入強(qiáng)度（RD）存在于所有組態(tài)，實(shí)現(xiàn)人工智能企業(yè)高創(chuàng)新績效必須滿足較為充足的研發(fā)投入（組態(tài)H1與H2皆可說明），人力資本（Labor）的缺失對(duì)整體技術(shù)進(jìn)步影響作用較弱。（2）組織運(yùn)行層面，企業(yè)規(guī)模（Size）可以彌補(bǔ)開放式創(chuàng)新（Open）的劣勢(shì)，進(jìn)一步表明企業(yè)規(guī)模在人工智能企業(yè)高創(chuàng)新績效發(fā)展中的重要作用。（3）環(huán)境支持層面，政府研發(fā)補(bǔ)貼（Gsub）是所有組態(tài)的存在條件，說明我國政府對(duì)人工智能企業(yè)的研發(fā)補(bǔ)貼投入在構(gòu)建高水平創(chuàng)新績效的過程發(fā)揮著重要作用，人工智能企業(yè)發(fā)展需要政府的支持。（4）基于組態(tài)H1和H2的分析，說明了某些前因條件變量之間具有潛在替代關(guān)系，因此應(yīng)根據(jù)自身發(fā)展情況靈活選擇不同路徑。

2.4穩(wěn)健性檢驗(yàn)

為了驗(yàn)證結(jié)果的穩(wěn)健性，并排除可能由于閾值的設(shè)定不同而導(dǎo)致的潛在偏差，研究采用了另一組隸屬閾值來重新進(jìn)行fsQCA分析。高創(chuàng)新績效的完全隸屬閾值由原來的90%分位數(shù)上升至95%分位數(shù)，而完全不隸屬的閾值則由原來的10%分位數(shù)降低至5%分位數(shù)，結(jié)果顯示輸出的兩個(gè)組態(tài)和H1、H2相同，覆蓋度和一致性僅發(fā)生輕微的波動(dòng)，這些變化并不足以支撐具有明顯差異的實(shí)質(zhì)性結(jié)論。根據(jù)Schneider等[28]提出的兩個(gè)QCA結(jié)果穩(wěn)健性評(píng)估標(biāo)準(zhǔn)，包括集合關(guān)系狀態(tài)和擬合參數(shù)的差異，研究結(jié)果表現(xiàn)出了穩(wěn)健性。受版面所限，過程數(shù)據(jù)不再展示，留存?zhèn)渌鳌?/p>

3結(jié)論與對(duì)策

3.1結(jié)論

人工智能企業(yè)作為發(fā)展人工智能技術(shù)和參與市場競爭的主體，專利產(chǎn)出的數(shù)量和質(zhì)量對(duì)我國科技水平以及綜合國力的提升具有重要意義。運(yùn)用CiteSpace文獻(xiàn)計(jì)量的方法對(duì)國內(nèi)外1 267篇有關(guān)創(chuàng)新績效影響因素的文章做可視化處理，篩選出研究頻次大于15的影響因素，再根據(jù)中介中心性剔除稅收優(yōu)惠、產(chǎn)權(quán)性質(zhì)、創(chuàng)業(yè)導(dǎo)向和變革型領(lǐng)導(dǎo)，共篩選出研發(fā)投入強(qiáng)度、開放式創(chuàng)新、政府研發(fā)補(bǔ)貼、人力資本和企業(yè)規(guī)模共5個(gè)關(guān)鍵影響因素；以同花順披露的人工智能概念股板塊的上市企業(yè)為研究對(duì)象，選取2019—2021年具有代表性的100家人工智能企業(yè)的數(shù)據(jù)，利用fsQCA總結(jié)歸納出不同企業(yè)的創(chuàng)新驅(qū)動(dòng)模式，探討人工智能企業(yè)創(chuàng)新績效的組態(tài)效應(yīng)及提升路徑。

通過上述研究，得出以下結(jié)論：（1）通過權(quán)重得出的各影響因素對(duì)創(chuàng)新績效的作用結(jié)果不同，單個(gè)影響因素中“研發(fā)投入”對(duì)創(chuàng)新績效的影響作用最高，“人力資本”次之。（2）人工智能企業(yè)存在2條高創(chuàng)新績效的驅(qū)動(dòng)路徑，分別為“企業(yè)規(guī)模-研發(fā)投入驅(qū)動(dòng)型”和“研發(fā)投入-政府補(bǔ)貼驅(qū)動(dòng)型”；通過組態(tài)對(duì)比分析發(fā)現(xiàn)，研發(fā)投入是人工智能企業(yè)的高創(chuàng)新績效的關(guān)鍵驅(qū)動(dòng)力，適當(dāng)?shù)娜肆Y本與開放式創(chuàng)新缺失并不總是對(duì)高創(chuàng)新績效帶來負(fù)面影響，企業(yè)規(guī)模與政府研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新績效的提升具有重要驅(qū)動(dòng)作用。（3）各影響因素之間存在內(nèi)在的相互聯(lián)系，在特定的客觀條件下，不同的創(chuàng)新績效驅(qū)動(dòng)因素之間具備替代的特征，這意味著可以以各種方式相互替代，實(shí)現(xiàn)高效的創(chuàng)新績效水平。

3.2對(duì)策與建議

基于上述研究結(jié)果，提出以下對(duì)策與建議：

（1）從企業(yè)角度來講，針對(duì)人工智能企業(yè)高創(chuàng)新績效的形成模式，實(shí)施差異化的提升策略。具體而言，當(dāng)企業(yè)資源能力有限時(shí)，企業(yè)應(yīng)重點(diǎn)增加對(duì)研發(fā)投入強(qiáng)度的關(guān)注以盡量達(dá)到高創(chuàng)新績效的目標(biāo)；當(dāng)企業(yè)的資源能力可以同時(shí)對(duì)兩個(gè)及以上的因素進(jìn)行投入時(shí)，基于人工智能企業(yè)不同的發(fā)展階段和當(dāng)前制度環(huán)境，優(yōu)化自身資源配置、及時(shí)調(diào)整企業(yè)技術(shù)創(chuàng)新戰(zhàn)略，選擇適合企業(yè)本身的高創(chuàng)新績效的因素組合，從而抓住技術(shù)突破機(jī)會(huì)。初創(chuàng)階段的人工智能企業(yè)首要目標(biāo)是讓企業(yè)在競爭激烈的市場中立住腳，需要將著力點(diǎn)放在提升自身創(chuàng)新能力，籌集研發(fā)資金，加大研發(fā)投入的比重；初具規(guī)模的人工智能企業(yè)需要重點(diǎn)關(guān)注擴(kuò)大企業(yè)規(guī)模，繼續(xù)擴(kuò)大產(chǎn)品市場占有率，在適當(dāng)時(shí)機(jī)也可以采取中小企業(yè)合并等舉措，引進(jìn)高水平研發(fā)人才，提高研發(fā)人員占比規(guī)模以提高創(chuàng)新績效；對(duì)市場地位較高、發(fā)展較為完備的人工智能企業(yè)來說，應(yīng)增加研發(fā)投入、充分利用政府補(bǔ)貼政策形成強(qiáng)大競爭力，努力攻克“卡脖子”技術(shù)難關(guān)，持續(xù)推進(jìn)高創(chuàng)新績效發(fā)展。

（2）從其他角度來講，政府應(yīng)加大政策扶持力度，政府的研發(fā)補(bǔ)貼可對(duì)人工智能企業(yè)的技術(shù)創(chuàng)新績效產(chǎn)生顯著影響，促進(jìn)人工智能企業(yè)良性發(fā)展；政府及銀行等金融機(jī)構(gòu)也應(yīng)建立健全政策對(duì)象的選擇機(jī)制，如果采用“廣撒網(wǎng)”的方式，可能導(dǎo)致資源浪費(fèi)，只有合理選擇政策對(duì)象，才能高效實(shí)現(xiàn)政策目標(biāo)。對(duì)此，政府和銀行等金融機(jī)構(gòu)可以積極推動(dòng)合作、知識(shí)共享，以促進(jìn)整個(gè)人工智能產(chǎn)業(yè)的發(fā)展，更多地關(guān)注和支持那些能夠發(fā)揮特殊和重要作用、具備發(fā)展?jié)摿Φ珪簳r(shí)面臨困難的人工智能企業(yè)，通過更有針對(duì)性的政策和更廣泛的合作，更好地支持人工智能企業(yè)，實(shí)現(xiàn)高質(zhì)量的創(chuàng)新和持續(xù)的發(fā)展。

參考文獻(xiàn)：

[1]中國新一代人工智能發(fā)展戰(zhàn)略研究院.中國新一代人工智能科技產(chǎn)業(yè)發(fā)展報(bào)告2023[R/OL].（2023-05-19）[2023-10-15]. https：//cingai.nankai.edu.cn/2023/0519/c10232a512669/page.htm，2023.

[2]王東旭，白全民，張茹瑩，等.技術(shù)創(chuàng)新進(jìn)入時(shí)機(jī)對(duì)企業(yè)績效的影響：以人工智能領(lǐng)域?yàn)槔齕J].科學(xué)與管理，2023，43（2）：10-17.

[3]張宇婷，孫換.外來者劣勢(shì)研究脈絡(luò)與展望：基于CiteSpace的分析[J].科技進(jìn)步與對(duì)策，2021，38（3）：151-160.

[4]劉晨，崔鵬.研發(fā)投入、企業(yè)規(guī)模與人工智能企業(yè)的生產(chǎn)效率：基于三階段DEA模型與Tobit模型的二階段分析[J].財(cái)貿(mào)研究，2022，33（5）：45-55.

[5]巴曙松，吳麗利，熊培瀚.政府補(bǔ)助、研發(fā)投入與企業(yè)創(chuàng)新績效[J].統(tǒng)計(jì)與決策，2022，38（5）：166-169.

[6]方竹蘭，徐騰達(dá).人力資本制度與區(qū)域創(chuàng)新績效：基于模糊集定性比較分析（fsQCA）的研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2021，41（11）：23-34.

[7]裴政，羅守貴.人力資本要素與企業(yè)創(chuàng)新績效：基于上?？萍计髽I(yè)的實(shí)證研究[J].研究與發(fā)展管理，2020，32（4）：136-148.

[8]WUA. Improvingtourisminnovationperformance：linking perspectives of asset specificity，intellectual capital，and absorptive capacity[J].Journal of Hospitality Tourism Research，2020，44（6）：908-930.

[9]陳紅，張玉，劉東霞.政府補(bǔ)助、稅收優(yōu)惠與企業(yè)創(chuàng)新績效：不同生命周期階段的實(shí)證研究[J].南開管理評(píng)論，2019，22（3）：187-200.

[10]ZHAO J. The relationship between coupling open innovation and innovation performance：the moderating effect of platform openness[J].Technology Analysis Strategic Management，2023，35（2）：137-152.

[11]歐春堯，劉貽新，戴海聞，等.人工智能企業(yè)顛覆性創(chuàng)新的影響因素及其作用路徑研究[J].軟科學(xué)，2021，35（4）：55-60，111.

[12]董坤坤，王琦.社會(huì)資本、融資約束與人工智能企業(yè)創(chuàng)新績效[J].調(diào)研世界，2021（12）：43-50.

[13]池仁勇，於珺，阮鴻鵬.企業(yè)規(guī)模、研發(fā)投入對(duì)創(chuàng)新績效的影響研究：基于信用環(huán)境與知識(shí)存量視角[J].華東經(jīng)濟(jì)管理，2020，34（9）：43-54.

[14]李劍，龔玉霞.高管團(tuán)隊(duì)特征、企業(yè)規(guī)模與創(chuàng)新績效的關(guān)系研究：基于人工智能上市企業(yè)的實(shí)證分析[J].企業(yè)科技與發(fā)展，2023（3）：106-110.

[15]彭云峰，薛嬌，孟曉華.創(chuàng)業(yè)導(dǎo)向?qū)?chuàng)新績效的影響：環(huán)境動(dòng)態(tài)性的調(diào)節(jié)作用[J].系統(tǒng)管理學(xué)報(bào)，2019，28（6）：1014-1020.

[16]ODURO S.Entrepreneurial orientation and innovation performance of social enterprises in an emerging economy[J]. Journal of Research in Marketing and Entrepreneurship，2022，24（2）：312-336.

[17]SHEEHAN M，GARAVAN T N，MORLEY M J. Transformational leadershipandworkunitinnovation：adyadictwo-wave investigation[J].Journal of Business Research，2020，109：399-412.

[18]邵云飛，劉露遙，孔維嘉.企業(yè)數(shù)字化轉(zhuǎn)型的研究現(xiàn)狀及趨勢(shì)：基于CiteSpace的可視化分析[J].電子科技大學(xué)學(xué)報(bào)（社科版）， 2023，25（5）：34-45.

[19]JANSSEN O，JOB D. Perceptions of effort-reward fairness and innovative work behaviour[J]. Journal of Occupational and Organizational Psychology，2000，73（3）：287-302.

[20]LAURSEN K，SALTER A.Open for innovation：the role of openness in explaining innovation performance among UK manufacturing firm[J].Strategic Management Journal，2006，27（2）：131-150.

[21]杜運(yùn)周，賈良定.組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J].管理世界，2017（6）：155-167.

[22]MORGAN S.Redesigning social inquiry：fuzzy sets and beyond[M]. Raleigh：University of North Carolina Press，2010：23-30.

[23]蘇屹，劉艷雪.國內(nèi)外區(qū)域創(chuàng)新研究方法綜述[J].科研管理，2019，40（9）：14-24.

[24]李晨光，邱禎君.技術(shù)融合對(duì)現(xiàn)代制造企業(yè)創(chuàng)新績效的影響：知識(shí)基的中介效用[J].技術(shù)經(jīng)濟(jì)，2022，41（12）：50-61.

[25]丘東，王維才，謝宗曉.RD投入對(duì)地區(qū)創(chuàng)新績效的影響：企業(yè)RD投入的中介效應(yīng)[J].科技進(jìn)步與對(duì)策，2016，33（8）：41-48.

[26]馬文聰，葉陽平，李小轉(zhuǎn)，等.政府科技資助對(duì)企業(yè)研發(fā)產(chǎn)出的影響：基于我國大中型工業(yè)企業(yè)的實(shí)證研究[J].管理評(píng)論，2019，31（11）：94-107.

[27]張明，杜運(yùn)周.組織與管理研究中QCA方法的應(yīng)用：定位、策略和方向[J].管理學(xué)報(bào)，2019，16（9）：1312-1323.

[28]SCHNEIDER C，WAGEMANN C. Set-theoretic methods for the social sciences：a guide to qualitative comparative analysis[J]. International Journal of Social Research Methodology，2013，16（2）：165-169.

Identification of Factors Influencing Innovation Performance of Artificial Intelligence Enterprises and Analysis of Key Path Improvement

CHEN Huiying，LIU Tonghui，WANG Jiakun

（College of Economics and Management，Shandong University of Science and Technology，Qingdao 266590，China）

Abstract：The artificial intelligence industry，serving as the main body for the development of AI technology，carries a crucial mission for the growth of artificial intelligence.Focusing on AI enterprises，the article addresses issues such as insufficient RD investment and low innovation performance.It first employs a literature-based approach to construct a library of factors influencing innovation performance in AI enterprises.Secondly，it utilizes fsQCA to identify key paths for enhancing innovation performance.The study reveals：（1）Various factors have varying degrees of impact on AI enterprise innovation performance，with“RD investment”having the highest weight in constructing high-level innovation performance.（2）There are interlocking effects among key factors；conditions like“enterprise size-RD investmentdriven”and“RD investment-government subsidy-driven”can enhance AI enterprise innovation performance. These pathways can achieve high innovation performance levels through mutual substitution，each applicable to AI enterprises in different development situations.

Keywords：artificial intelligence enterprises；innovation performance；identification of influencing factors；upgrade path