孫麗文，李少帥

（河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，天津 300401）

新一輪科技革命和產(chǎn)業(yè)革命由“導(dǎo)入期”向“拓展期”過(guò)渡［1］，為我國(guó)絕大多數(shù)企業(yè)加快向數(shù)字化和智能化轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)高質(zhì)量發(fā)展提供了重大歷史性機(jī)遇。作為新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能（AI）強(qiáng)大的賦能特性能夠與實(shí)體經(jīng)濟(jì)深度融合，成為經(jīng)濟(jì)社會(huì)發(fā)展的重要驅(qū)動(dòng)力量［2］。2017 年7 月8 日，由國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》正式實(shí)施，為我國(guó)搶抓人工智能戰(zhàn)略發(fā)展機(jī)遇指明了方向。同年11 月，科技部等多部門(mén)通過(guò)充分調(diào)研和論證，宣布依托百度、阿里云、騰訊和科大訊飛等企業(yè)分別建立自動(dòng)駕駛、城市大腦、醫(yī)療影像及智能語(yǔ)音開(kāi)放創(chuàng)新平臺(tái)，此后又分兩批次共增補(bǔ)11 家企業(yè)，其實(shí)踐包含了人工智能創(chuàng)新應(yīng)用和發(fā)展的諸多前沿探索；同時(shí)，上述15 家領(lǐng)先企業(yè)將人工智能賦能自身和外界，實(shí)現(xiàn)了人工智能相關(guān)產(chǎn)品和服務(wù)的爆發(fā)式發(fā)展、市場(chǎng)規(guī)模裂變式增加，突破千億級(jí)別。那么，人工智能是如何通過(guò)賦能影響創(chuàng)新績(jī)效的呢？國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了較為廣泛而深入的研究，并給出了多種視角下的解釋?zhuān)欢ㄟ^(guò)對(duì)現(xiàn)有研究成果的梳理發(fā)現(xiàn)，相關(guān)文獻(xiàn)多假定影響創(chuàng)新績(jī)效的因素（創(chuàng)新投入、數(shù)據(jù)驅(qū)動(dòng)、企業(yè)戰(zhàn)略等）之間屬于相互獨(dú)立關(guān)系，而且是單向線性影響關(guān)系，進(jìn)一步借助數(shù)理統(tǒng)計(jì)、回歸模型等研究其對(duì)創(chuàng)新結(jié)果的具體影響，如杜運(yùn)周等［3］提出采用定性比較分析方法，但影響因素之間通常是通過(guò)相互作用、共同導(dǎo)致創(chuàng)新結(jié)果的發(fā)生，并不是由某特定因素單獨(dú)決定，因此，非常有必要研究影響因素之間如何組合和相互作用、共同影響創(chuàng)新績(jī)效。本研究以我國(guó)15 家國(guó)家人工智能開(kāi)放創(chuàng)新平臺(tái)依托企業(yè)的生動(dòng)實(shí)踐為研究樣本，采用定性比較分析方法探索人工智能賦能對(duì)創(chuàng)新績(jī)效的具體影響路徑，并研究每條路徑的影響因素如何組合和相互作用，以期為深化研究人工智能賦能機(jī)理、加快高質(zhì)量發(fā)展提供參考。

1 研究框架的構(gòu)建

從創(chuàng)新績(jī)效的影響因素視角看，人工智能賦能創(chuàng)新績(jī)效是技術(shù)突破閾值并與創(chuàng)新應(yīng)用深度融合的具體體現(xiàn)，是數(shù)據(jù)規(guī)模迅速擴(kuò)張和數(shù)據(jù)價(jià)值被深度挖掘的必然結(jié)果，是企業(yè)基于人工智能構(gòu)筑全新競(jìng)爭(zhēng)優(yōu)勢(shì)的戰(zhàn)略決策［4］。因此，人工智能賦能創(chuàng)新績(jī)效是技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面多種因素共同作用的結(jié)果，本研究將其視為驅(qū)動(dòng)創(chuàng)新績(jī)效的前因。

1.1 技術(shù)層面因素的影響

從技術(shù)層面考察人工智能賦能對(duì)創(chuàng)新績(jī)效的影響，依據(jù)研究視角差異可分為兩類(lèi)研究。一類(lèi)研究從技術(shù)專(zhuān)利出發(fā)來(lái)探討人工智能技術(shù)的賦能行為，認(rèn)為人工智能技術(shù)專(zhuān)利不僅是技術(shù)創(chuàng)新能力的核心載體和直接體現(xiàn)，更是賦能創(chuàng)新績(jī)效的根本動(dòng)力［5］。技術(shù)專(zhuān)利中的創(chuàng)新發(fā)明和技術(shù)解決方案既能夠催生新興商業(yè)模式和經(jīng)濟(jì)新業(yè)態(tài)，也能夠?yàn)閯?chuàng)新績(jī)效的實(shí)現(xiàn)提供強(qiáng)大技術(shù)支撐［6］。有研究表明，人工智能技術(shù)專(zhuān)利的布局及實(shí)施集中于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、智能機(jī)器人和機(jī)器學(xué)習(xí)等主要領(lǐng)域，能夠?qū)ο嚓P(guān)企業(yè)的創(chuàng)新績(jī)效產(chǎn)生直接的推動(dòng)效應(yīng)［7］。另外一類(lèi)研究從技術(shù)擴(kuò)散及應(yīng)用實(shí)踐出發(fā)，認(rèn)為技術(shù)賦能效應(yīng)發(fā)揮往往受制于技術(shù)擴(kuò)散及共享程度。開(kāi)放平臺(tái)能夠助力技術(shù)實(shí)現(xiàn)快速擴(kuò)散和共享，受到政府、科技巨頭等各方關(guān)注并獲得穩(wěn)定的資本支持，推動(dòng)人工智能從技術(shù)優(yōu)勢(shì)向市場(chǎng)優(yōu)勢(shì)轉(zhuǎn)化，最終形成以人工智能核心技術(shù)為支撐的發(fā)展新格局［8］。人工智能技術(shù)專(zhuān)利和技術(shù)開(kāi)放平臺(tái)在很大程度上簡(jiǎn)明反映了人工智能技術(shù)與創(chuàng)新績(jī)效之間的關(guān)系，揭示人工智能技術(shù)對(duì)創(chuàng)新績(jī)效的內(nèi)在影響，因此，本研究在技術(shù)層面選取這兩個(gè)變量作為具體前因變量。

1.2 數(shù)據(jù)層面因素的影響

從數(shù)據(jù)層面對(duì)人工智能賦能創(chuàng)新績(jī)效的驅(qū)動(dòng)因素的研究同樣可分為兩類(lèi)。一類(lèi)研究從數(shù)據(jù)資源支撐視角探討人工智能技術(shù)對(duì)創(chuàng)新績(jī)效的影響，認(rèn)為建立和完善數(shù)據(jù)基礎(chǔ)設(shè)施對(duì)創(chuàng)新績(jī)效路徑形成具有戰(zhàn)略意義［9］。有研究發(fā)現(xiàn)在智能經(jīng)濟(jì)時(shí)代，創(chuàng)新績(jī)效更加依賴于對(duì)數(shù)據(jù)資源及數(shù)據(jù)設(shè)施的掌控能力，具有超大規(guī)模數(shù)據(jù)資源的領(lǐng)先型企業(yè)也更傾向于建立和完善數(shù)據(jù)設(shè)施［10］，以構(gòu)建“數(shù)據(jù)護(hù)城河”；而那些無(wú)力建立龐大、完善的數(shù)據(jù)設(shè)施但在細(xì)分領(lǐng)域優(yōu)勢(shì)明顯的后發(fā)型企業(yè)，則更傾向于與領(lǐng)先企業(yè)合作以獲取對(duì)數(shù)據(jù)基礎(chǔ)設(shè)施和數(shù)據(jù)管理設(shè)施的使用權(quán)限，通過(guò)“引流”實(shí)現(xiàn)高起點(diǎn)起步。另外一類(lèi)研究從數(shù)據(jù)驅(qū)動(dòng)視角探討數(shù)據(jù)管理機(jī)制對(duì)創(chuàng)新績(jī)效路徑的影響，認(rèn)為數(shù)據(jù)管理機(jī)制是提升企業(yè)創(chuàng)新績(jī)效的關(guān)鍵因素［11］。朱東華等［12］提出大數(shù)據(jù)環(huán)境下面向技術(shù)創(chuàng)新管理的雙向決策模型，并認(rèn)為數(shù)據(jù)管理機(jī)制的建立使領(lǐng)先型企業(yè)獲得了數(shù)字化升級(jí)的組織保障。在數(shù)據(jù)管理機(jī)制指引下，領(lǐng)先型企業(yè)構(gòu)建起涵蓋眾多領(lǐng)域和場(chǎng)景的數(shù)據(jù)生態(tài)體系，并通過(guò)吸納更多利益相關(guān)者融入持續(xù)拓展數(shù)據(jù)生態(tài)體系覆蓋范圍，進(jìn)一步優(yōu)化數(shù)據(jù)管理機(jī)制并加速創(chuàng)新績(jī)效的實(shí)現(xiàn)和提升［13］?？梢?jiàn)，構(gòu)建基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制不僅成為領(lǐng)先型企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型的組織保障，更是提升創(chuàng)新績(jī)效的根本前提。綜上所述，數(shù)據(jù)基礎(chǔ)設(shè)施和基于數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)管理機(jī)制是人工智能賦能創(chuàng)新績(jī)效的重要因素，因此，本研究在數(shù)據(jù)層面選取這兩個(gè)變量作為具體前因變量。

1.3 企業(yè)層面因素的影響

從企業(yè)發(fā)展角度看，人工智能賦能創(chuàng)新績(jī)效路徑的形成及差異是企業(yè)戰(zhàn)略決策的行為體現(xiàn)。首先，人工智能極大地解放了勞動(dòng)生產(chǎn)力，改變了組織和個(gè)體成員的關(guān)系，組織職能因此由控制轉(zhuǎn)向激勵(lì)、由監(jiān)管轉(zhuǎn)向賦能，同時(shí)數(shù)字賦能（digital empowerment）等特征成為組織結(jié)構(gòu)優(yōu)化的重點(diǎn)關(guān)注因素［14］。組織職能轉(zhuǎn)變?cè)陬I(lǐng)先型企業(yè)中體現(xiàn)尤為明顯，領(lǐng)先型企業(yè)向激勵(lì)型和賦能型組織轉(zhuǎn)變?cè)匠浞?，組織結(jié)構(gòu)動(dòng)態(tài)調(diào)整能力越強(qiáng)，越能夠廣泛吸納相關(guān)利益者加入，培育和增強(qiáng)企業(yè)的創(chuàng)新能力和動(dòng)態(tài)響應(yīng)能力，從而使組織結(jié)構(gòu)趨向合理［15］；其次，人工智能使企業(yè)的營(yíng)銷(xiāo)戰(zhàn)略邁向全場(chǎng)景和精準(zhǔn)化，在破除社會(huì)化媒介時(shí)代傳統(tǒng)營(yíng)銷(xiāo)模式的壁壘的同時(shí)，也積極探索由人工智能引領(lǐng)的新型營(yíng)銷(xiāo)體系［16］。一是由領(lǐng)先型企業(yè)建立智能營(yíng)銷(xiāo)平臺(tái)，全力疏解因媒介高度碎片化、媒體重合度高等導(dǎo)致的用戶洞察難度增加的困境［17］；二是企業(yè)借助人工智能加快實(shí)現(xiàn)營(yíng)銷(xiāo)渠道的整合與聯(lián)動(dòng)，推動(dòng)線上和線下?tīng)I(yíng)銷(xiāo)的深度融合［18］。無(wú)論是構(gòu)建智能營(yíng)銷(xiāo)平臺(tái)，還是整合營(yíng)銷(xiāo)渠道、實(shí)現(xiàn)營(yíng)銷(xiāo)聯(lián)動(dòng)，核心目的都在于通過(guò)對(duì)消費(fèi)者的精準(zhǔn)洞察和及時(shí)的供需匹配促進(jìn)資源實(shí)現(xiàn)高效配置。再次，企業(yè)以增強(qiáng)服務(wù)能力為導(dǎo)向，將戰(zhàn)略重心由提供具體服務(wù)轉(zhuǎn)變?yōu)槟芰ε嘀?。公有云（public cloud）由于靈活高效和共享的特點(diǎn)，能以低廉的價(jià)格將服務(wù)提供給終端用戶并創(chuàng)造巨大價(jià)值，因此成為互聯(lián)網(wǎng)巨頭、AI 獨(dú)角獸等領(lǐng)先企業(yè)的戰(zhàn)略布局重點(diǎn)。有研究表明，企業(yè)通過(guò)提供云服務(wù)不僅能夠?qū)崿F(xiàn)業(yè)務(wù)增值，而且能夠整合上游服務(wù)和下游用戶，形成全新的服務(wù)升級(jí)路徑［19］。同時(shí)，領(lǐng)先企業(yè)以優(yōu)化服務(wù)關(guān)系、提升服務(wù)質(zhì)量為導(dǎo)向，打造以人工智能技術(shù)為關(guān)鍵支撐、覆蓋廣泛應(yīng)用場(chǎng)景的卓越服務(wù)生態(tài)系統(tǒng)，促進(jìn)相關(guān)企業(yè)服務(wù)能力提升［20］。

綜上，本研究構(gòu)建人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架如圖1 所示。

圖1 人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架

2 基于定性比較分析的研究設(shè)計(jì)

2.1 研究方法

定性比較分析法（QCA）從集合理論中衍生，目前已成為社會(huì)科學(xué)研究領(lǐng)域最新興起的研究分析方法。該方法有效整合了定性分析和定量分析兩種方法的優(yōu)勢(shì)，其分析邏輯可表述為基于一定數(shù)量的跨案例比較，歸納出不同集合之間的普遍隸屬性［21］。定性比較分析關(guān)注跨案例的多重并發(fā)因果關(guān)系，即當(dāng)多個(gè)原因同時(shí)出現(xiàn)時(shí)，可構(gòu)成導(dǎo)致某個(gè)結(jié)果的原因組合，而且具體給定的原因組合或許并不是產(chǎn)生特定結(jié)果的唯一路徑，這與主流以宏觀統(tǒng)計(jì)為核心的條件假設(shè)完全不同［3］。概括來(lái)講，定性比較分析法具有三大優(yōu)勢(shì)：第一，把待研究對(duì)象抽象為不同因素組合，采用集合論的思想來(lái)判別因素所屬集合的隸屬關(guān)系；第二，集合論思想下的隸屬關(guān)系本質(zhì)上屬于非對(duì)稱關(guān)系，同一個(gè)結(jié)論可能可對(duì)應(yīng)多個(gè)路徑，即具有多重并發(fā)因果性；第三，作為定性研究的升級(jí)版，除保持對(duì)質(zhì)性關(guān)注，更加入了科學(xué)的統(tǒng)計(jì)驗(yàn)證，突破了以往案例研究結(jié)果難推廣和定量研究要求嚴(yán)苛而忽略整體性，從而不易從本質(zhì)上反映多重并發(fā)因果關(guān)系的局限［3］。

本研究運(yùn)用定性比較分析法主要出于以下考慮：其一，驅(qū)動(dòng)人工智能賦能對(duì)創(chuàng)新績(jī)效的影響不僅僅是單個(gè)因素，而是多種因素交互的結(jié)果，但現(xiàn)有數(shù)理統(tǒng)計(jì)分析對(duì)解釋條件非獨(dú)立而相互依賴的現(xiàn)象存在缺陷，因此應(yīng)采用基于集合論的思想，利用因素組合的方式進(jìn)行探索［22］；其二，在人工智能賦能創(chuàng)新績(jī)效過(guò)程中，技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面三者之間可能存在共同驅(qū)動(dòng)同一條創(chuàng)新績(jī)效路徑的等效因果鏈，QCA 認(rèn)為實(shí)現(xiàn)特定結(jié)果的路徑是多樣化的，核心條件相同、邊緣條件不同或者是核心條件不同的組態(tài)間都可能構(gòu)成多個(gè)等效組態(tài)，而并不存在唯一最優(yōu)解［23］；其三，本研究的樣本容量屬于中小級(jí)別（10～40），因此難以對(duì)眾多因素進(jìn)行跨層次分析，而QCA 以布爾運(yùn)算為根本，其結(jié)果的穩(wěn)健性只取決于樣本是否涵蓋代表性個(gè)體而非樣本容量大小，并且能夠進(jìn)行跨層次分析［24］。

2.2 數(shù)據(jù)收集

研究樣本為國(guó)家新一代開(kāi)放創(chuàng)新平臺(tái)所依托的15 家企業(yè)，樣本數(shù)據(jù)收集渠道主要包括：（1）政府部門(mén)發(fā)布的相關(guān)統(tǒng)計(jì)報(bào)告，從工業(yè)和信息化部2019 年發(fā)布的《人工智能中國(guó)專(zhuān)利技術(shù)分析報(bào)告》中篩選出樣本企業(yè)的人工智能專(zhuān)利申請(qǐng)量；（2）管理咨詢公司、互聯(lián)網(wǎng)數(shù)據(jù)研究機(jī)構(gòu)發(fā)布的統(tǒng)計(jì)報(bào)告，主要包括普華永道發(fā)布的《2018 年全球創(chuàng)新1000強(qiáng)報(bào)告》、國(guó)際數(shù)據(jù)公司2019 年有關(guān)研究報(bào)告以及Synergy Research Group 發(fā)布的2019 年云計(jì)算研究報(bào)告，收集樣本企業(yè)主要人工智能產(chǎn)品和服務(wù)的盈利數(shù)據(jù)、在我國(guó)公有云服務(wù)市場(chǎng)的占比情況等數(shù)據(jù)信息；（3）樣本企業(yè)官方網(wǎng)站及其開(kāi)放創(chuàng)新平臺(tái)網(wǎng)站，根據(jù)網(wǎng)站公布的信息匯總整理企業(yè)基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制主要構(gòu)成、人工智能開(kāi)放創(chuàng)新平臺(tái)對(duì)外輸出技術(shù)數(shù)量；（4）企業(yè)公開(kāi)會(huì)議以及新聞報(bào)道等，收集統(tǒng)計(jì)企業(yè)服務(wù)對(duì)象和合作伙伴規(guī)模；（5）官方和主流媒體等權(quán)威媒體的新聞報(bào)道等，據(jù)此查詢企業(yè)目前所建立的數(shù)據(jù)中心數(shù)量1）。

在實(shí)際操作中，某一指標(biāo)數(shù)據(jù)僅依靠以上單一途徑難以獲取完整的數(shù)據(jù)信息，需要通過(guò)其他途徑進(jìn)行補(bǔ)充。同時(shí)，因本研究采用的部分指標(biāo)和評(píng)價(jià)方式較為新穎，如影響程度、職能轉(zhuǎn)變及架構(gòu)重塑等比重類(lèi)指標(biāo)在現(xiàn)有研究中幾乎很難找到相應(yīng)參考，需要通過(guò)深入分析企業(yè)發(fā)展情況、文本統(tǒng)計(jì)特征以確定相應(yīng)的取值。以上數(shù)據(jù)獲取渠道的權(quán)威性和多樣性保證了研究的規(guī)范性和科學(xué)性。

2.3 數(shù)據(jù)分析

2.3.1 fsQCA 分析步驟

QCA 可分為清晰定性比較分析（csQCA）和模糊定性比較分析（fsQCA）。在清晰集中，“1”表示樣本隸屬于該集合，“0”表示樣本不隸屬于該集合，某要素在特定領(lǐng)域中只能屬于或者不屬于該集合，因此是樣本間完全質(zhì)性的區(qū)分；而模糊集則允許取0～1 之間的部分隸屬分?jǐn)?shù)。本研究采用fsQCA 方法，分為3 個(gè)基本步驟：首先，把前因條件和被解釋變量轉(zhuǎn)變?yōu)榧蠑?shù)據(jù)。基于理論和實(shí)際情況，把各項(xiàng)條件和結(jié)果的原始數(shù)據(jù)校準(zhǔn)為相應(yīng)的模糊集隸屬分?jǐn)?shù)［25］；其次，識(shí)別所有能導(dǎo)致結(jié)果的前因條件組合，即通過(guò)確定相應(yīng)的評(píng)判標(biāo)準(zhǔn)和閾值，把與結(jié)果關(guān)聯(lián)的前因條件組合篩選出來(lái)，對(duì)于特定條件組合，若前因條件組合與結(jié)果變量的關(guān)系大于所設(shè)定閾值（隸屬度大于0.5），那么表明該前因條件組合與結(jié)果變量有相關(guān)關(guān)系，能夠反映彼此復(fù)雜的因果關(guān)系［22］；最后，通過(guò)評(píng)估結(jié)果的模糊子集一致性（Consistency）進(jìn)行必要條件和組合條件分析，在確定具體條件組合的相關(guān)關(guān)系后，進(jìn)一步通過(guò)一致性指標(biāo)評(píng)估條件組合對(duì)結(jié)果影響路徑的穩(wěn)定性［26］。測(cè)度條件組合構(gòu)成結(jié)果的模糊子集一致性公式如下：

式（1）中：Xi表示第i個(gè)樣本在條件組合X中的隸屬度；Yi表示第i個(gè)樣本例在條件組合Y中的隸屬度；Min(Xi,Yi)表示Xi和Yi兩者中的最小值。通常情況下，滿足充分條件一致性和合理水平為0.75，也有較為嚴(yán)格評(píng)判標(biāo)準(zhǔn)要求一致性達(dá)到0.80［27］。

2.3.2 變量測(cè)度

運(yùn)用fsQCA 方法需要用最少的變量反映最多的信息，因此控制變量的總量非常重要，尤其是在中小樣本容量（10～40）的研究設(shè)計(jì)中，這同樣符合簡(jiǎn)約條件的常規(guī)論點(diǎn)，即解釋特定現(xiàn)象的因素越少越接近因果機(jī)制的核心因素，越容易發(fā)現(xiàn)事情的本質(zhì)和原因。基于以上對(duì)驅(qū)動(dòng)因素的分析，同時(shí)為避免有限多樣性問(wèn)題，最終選取技術(shù)能力、技術(shù)開(kāi)放、數(shù)據(jù)設(shè)施、數(shù)據(jù)機(jī)制、職能轉(zhuǎn)變、架構(gòu)重塑、服務(wù)能力、服務(wù)生態(tài)、營(yíng)銷(xiāo)平臺(tái)及渠道整合10 個(gè)變量為前因變量，選取創(chuàng)新績(jī)效為結(jié)果變量（見(jiàn)表1）。在測(cè)量結(jié)果中，集合分?jǐn)?shù)處于區(qū)間［0～20%］的為較?。ɑ蜉^弱），［>20%～40%］為一般，［>40%～60%］為較大（或較強(qiáng)），［60%以上］為很大（或很強(qiáng)）。

表1 變量解釋說(shuō)明

（1）技術(shù)能力。專(zhuān)利申請(qǐng)能夠在很大程度上反映技術(shù)的綜合水平［28］，因此，根據(jù)工業(yè)和信息化部2019 年發(fā)布的《人工智能中國(guó)專(zhuān)利技術(shù)分析報(bào)告》，篩選出15 家樣本企業(yè)的人工智能專(zhuān)利申請(qǐng)量以反映其整體技術(shù)能力。

（2）技術(shù)開(kāi)放。技術(shù)開(kāi)放體現(xiàn)人工智能對(duì)外技術(shù)賦能的能力，采用創(chuàng)新平臺(tái)開(kāi)放的AI 技術(shù)能力數(shù)量表示。

（3）數(shù)據(jù)設(shè)施。數(shù)據(jù)設(shè)施反映企業(yè)對(duì)數(shù)據(jù)資源的重視和投入，用企業(yè)建立的數(shù)據(jù)中心數(shù)量測(cè)度，數(shù)據(jù)中心數(shù)量越多表示對(duì)數(shù)據(jù)資源重視程度越高、投入越大。

（4）數(shù)據(jù)機(jī)制。數(shù)據(jù)機(jī)制即企業(yè)基于數(shù)據(jù)驅(qū)動(dòng)所建立的管理機(jī)制，如小米DWN 和ADS 數(shù)據(jù)倉(cāng)庫(kù)管理機(jī)制。

（5）職能轉(zhuǎn)變。即企業(yè)組織職能向激勵(lì)和賦能型組織轉(zhuǎn)化程度。

（6）架構(gòu)重塑。架構(gòu)重塑體現(xiàn)企業(yè)對(duì)產(chǎn)業(yè)組織形態(tài)的影響能力［29］。

（7）服務(wù)能力。服務(wù)能力反映企業(yè)的云服務(wù)實(shí)力，采用公有云服務(wù)市場(chǎng)份額進(jìn)行測(cè)度［30］。

（8）服務(wù)生態(tài)。服務(wù)生態(tài)反映企業(yè)人工智能服務(wù)網(wǎng)絡(luò)覆蓋程度，可用服務(wù)對(duì)象和合作伙伴規(guī)模予以測(cè)量。

（9）營(yíng)銷(xiāo)平臺(tái)。營(yíng)銷(xiāo)平臺(tái)反映企業(yè)構(gòu)建智能營(yíng)銷(xiāo)平臺(tái)的資源投入強(qiáng)度。

（10）渠道整合。渠道整合反映企業(yè)拓展和整合營(yíng)銷(xiāo)渠道的資源投入強(qiáng)度。

（11）創(chuàng)新績(jī)效。創(chuàng)新績(jī)效反映人工智能賦能的經(jīng)濟(jì)效應(yīng)，借鑒何小鋼［31］的研究思路，選取人工智能相關(guān)產(chǎn)品和服務(wù)總體營(yíng)收為測(cè)量指標(biāo)。

2.3.3 變量校準(zhǔn)

定性比較分析與統(tǒng)計(jì)方法不同并且至關(guān)重要的步驟便是變量校準(zhǔn)，這是由于未被校準(zhǔn)的變量?jī)H能夠反映樣本間的相對(duì)位置，而不能把優(yōu)劣加以區(qū)分，定性比較分析通過(guò)設(shè)定目標(biāo)集合并對(duì)變量進(jìn)行校準(zhǔn)，能夠使其轉(zhuǎn)化為目標(biāo)集合介于［0～1］之間的隸屬分?jǐn)?shù)。模糊集分?jǐn)?shù)表示不同樣本屬于某集合的程度，包括兩個(gè)定性狀態(tài)：完全隸屬和完全不隸屬。模糊隸屬分?jǐn)?shù)為1 表示“完全屬于某集合”，接近1 表示強(qiáng)隸屬關(guān)系；若模糊隸屬分?jǐn)?shù)處于［0～0.5］，則表示樣本隸屬于該集合；若隸屬分?jǐn)?shù)為0，則表示完全不隸屬與該集合。fsQCA 結(jié)合了定性分析與定量評(píng)價(jià)，0 和1 屬于定性賦值，0.5 也是定性定位，是評(píng)估樣本屬于或不屬于某集合的最大模糊點(diǎn)，校準(zhǔn)后處于［0～1］的為部分隸屬。

fsQCA 把變量校準(zhǔn)為集合隸屬分?jǐn)?shù)首先要設(shè)定3 個(gè)錨點(diǎn)：完全隸屬、最大模糊點(diǎn)和完全不隸屬，從而使每個(gè)變量校準(zhǔn)后都以集合隸屬分?jǐn)?shù)的形式處于［0～1］區(qū)間。參考Ragin［32］、Fiss［33］等學(xué)者的研究成果，在校準(zhǔn)錨點(diǎn)選取中充分考慮研究所依據(jù)的理論基礎(chǔ)、數(shù)據(jù)分布特點(diǎn)，第1 個(gè)錨點(diǎn)可按照10%分位數(shù)、20%分位數(shù)及上四分位數(shù)等進(jìn)行取值，第2 個(gè)錨點(diǎn)可按照平均值、中位數(shù)等進(jìn)行取值，第3 個(gè)錨點(diǎn)可按照下四分位數(shù)、80%分位數(shù)、90%分位數(shù)等進(jìn)行取值。運(yùn)用SPSS 軟件，樣本變量校準(zhǔn)隸屬分?jǐn)?shù)結(jié)果如表2 所示。

表2 樣本變量的分位數(shù)分析

在充分考慮所依據(jù)理論和樣本數(shù)據(jù)分布特點(diǎn)的基礎(chǔ)上，參考Ragin［32］、Fiss［33］的做法，將技術(shù)能力和數(shù)據(jù)設(shè)施兩個(gè)前因變量的3 個(gè)錨點(diǎn)分別設(shè)置為上四分位數(shù)、平均值和下四分位數(shù)；將技術(shù)開(kāi)放、服務(wù)能力、服務(wù)生態(tài)及創(chuàng)新績(jī)效4 個(gè)前因變量的3個(gè)錨點(diǎn)分別設(shè)置為上四分位數(shù)、中位數(shù)和下四分位數(shù)；將數(shù)據(jù)機(jī)制、職能轉(zhuǎn)變、架構(gòu)重塑、營(yíng)銷(xiāo)平臺(tái)及渠道整合5 個(gè)前因變量的3 個(gè)錨點(diǎn)分別設(shè)置為10%分位數(shù)、平均值和90%分位數(shù)。各變量校準(zhǔn)錨點(diǎn)取值標(biāo)準(zhǔn)及數(shù)值如表3 所示。

表3 樣本變量校準(zhǔn)錨點(diǎn)取值標(biāo)準(zhǔn)及取值

確定各變量校準(zhǔn)錨點(diǎn)后，在fsQCA 軟件中對(duì)前因變量和結(jié)果變量執(zhí)行校準(zhǔn)命令，使它們轉(zhuǎn)化為隸屬度分?jǐn)?shù)并落在［0～1］區(qū)間。如表4 所示。

表4 樣本變量校準(zhǔn)后的集合隸屬度分?jǐn)?shù)

3 結(jié)果分析與路徑發(fā)現(xiàn)

3.1 單項(xiàng)前因條件的必要性分析

模糊集在條件組合分析前需要進(jìn)行必要性檢驗(yàn)，以驗(yàn)證單個(gè)前因變量是否為引致結(jié)果變量的必要條件；若某條件變量是引致結(jié)果變量的必要條件，那么其必定會(huì)被納入構(gòu)型之中。必要條件可通過(guò)觀測(cè)分析前因變量對(duì)結(jié)果變量的一致性分值得到，可理解為經(jīng)典回歸統(tǒng)計(jì)分析中的系數(shù)顯著。通常情形下，若一致性分值不小于0.85，就可認(rèn)為該條件屬于必要條件，而較嚴(yán)格的標(biāo)準(zhǔn)認(rèn)為只有不小于0.90 才能被認(rèn)為是必要條件，本研究為增加對(duì)前因變量的識(shí)別能力，將一致性分值設(shè)為0.90。檢驗(yàn)結(jié)果如表5所示，可看到所有前因變量作為必要條件的一致性均小于0.90，表明不存在單個(gè)前因變量是導(dǎo)致結(jié)果變量不可或缺的組成部分，影響創(chuàng)新績(jī)效的構(gòu)成需要視實(shí)際情形而定。

表5 樣本各前因變量對(duì)結(jié)果變量影響的一致性得分

3.2 人工智能賦能對(duì)創(chuàng)新績(jī)效的影響路徑

經(jīng)過(guò)fsQCA 實(shí)證分析后會(huì)得到不同簡(jiǎn)化程度的結(jié)果：復(fù)雜解（complex solution）、中間解（intermediate solution）和簡(jiǎn)單解（simple solution）。其中，復(fù)雜解沒(méi)有對(duì)構(gòu)型進(jìn)行簡(jiǎn)化，較為復(fù)雜，若把復(fù)雜解引入創(chuàng)新績(jī)效路徑分析會(huì)變得非常繁瑣也無(wú)法反映本質(zhì)；簡(jiǎn)單解則由于條件較為寬松，甚至有可能把很多較為重要的必要條件也精簡(jiǎn)掉，因此結(jié)果會(huì)出現(xiàn)與理論或者實(shí)際不相符的結(jié)果。相比而言，中間解則會(huì)根據(jù)研究者的理論儲(chǔ)備和實(shí)踐經(jīng)驗(yàn)，把具有重要意義的邏輯余項(xiàng)納入最終結(jié)果，其優(yōu)勢(shì)在于不允許刪去必要條件，即任何構(gòu)成結(jié)果的集合以及作為必要條件的有意義條件，得到的結(jié)果具有較好的啟示性和普適性［34］。因此，在利用fsQCA 進(jìn)行研究時(shí)，中間解被大多數(shù)研究者所采納。

從廣義上來(lái)講，以上3 種類(lèi)型的解（solution）對(duì)于分析問(wèn)題都是有價(jià)值的，通過(guò)比對(duì)不同解的構(gòu)成往往更具有啟示意義。本研究根據(jù)Fiss［23］對(duì)前因變量的分類(lèi)，把所有只在簡(jiǎn)單解中出現(xiàn)的前因變量界定為核心要素（core condition），把所有只在中間解中出現(xiàn)的前因變量界定為非核心要素（peripheral condition）。其中，核心要素是本質(zhì)的、不可或缺的，而且核心要素往往與所要研究的結(jié)果變量存在很強(qiáng)的因果關(guān)系；非核心要素相對(duì)于核心要素而言是具有可替代性的，非核心要素與結(jié)果變量之間的因果關(guān)系較弱。運(yùn)用Ragin［22］提出的邏輯方案表整理結(jié)果，并依據(jù)核心要素對(duì)中間解的所有條件組合進(jìn)行劃分，最后篩選出來(lái)的因素組合如表6 所示，較為清晰揭示出人工智能賦能對(duì)創(chuàng)新績(jī)效影響的具體路徑，每條路徑都代表特定的因素組合?？梢钥吹?，5條路徑的覆蓋度分別為0.505、0.507、0.578、0.673、0.620，表明每條創(chuàng)新績(jī)效影響路徑的實(shí)現(xiàn)均有超過(guò)一半的樣本參與，各路徑整體分布較為均衡；5 條路徑的一致性水平均超過(guò)0.8，表明每條路徑的因素組合可認(rèn)為是影響創(chuàng)新績(jī)效的一致充分條件，同時(shí)整體創(chuàng)新績(jī)效影響路徑一致性也滿足充分一致性水平。由此，歸納人工智能賦能對(duì)創(chuàng)新績(jī)效影響的5種實(shí)現(xiàn)路徑：

表6 樣本企業(yè)人工智能賦能創(chuàng)新績(jī)效影響路徑

（1）技術(shù)支撐型路徑：［Tskill*］［Topen*］［Decent*］［Ochan］［Sabli］［Secol］［～Mplat］［～Minte］。

方案1 表明技術(shù)能力、技術(shù)開(kāi)放和數(shù)據(jù)設(shè)施共同發(fā)力是賦能創(chuàng)新績(jī)效的充分條件。百度、阿里云以及騰訊公司共擁有超過(guò)1 000 余件AI 專(zhuān)利和10 多個(gè)大型數(shù)據(jù)中心，擁有雄厚的技術(shù)積淀和硬件設(shè)施，通過(guò)創(chuàng)新開(kāi)放平臺(tái)對(duì)外輸出超過(guò)100 余項(xiàng)的AI 技術(shù)能力，加速自身所在產(chǎn)業(yè)鏈以及密切相關(guān)產(chǎn)業(yè)的生產(chǎn)方式由勞動(dòng)密集型向技術(shù)密集型轉(zhuǎn)變，同時(shí)強(qiáng)化服務(wù)能力和建立服務(wù)生態(tài)也能促進(jìn)創(chuàng)新績(jī)效的大幅提升，而不需要對(duì)營(yíng)銷(xiāo)和組織領(lǐng)域過(guò)多關(guān)注。

（2）數(shù)據(jù)驅(qū)動(dòng)型路徑：［Dcent*］［Dmech*］［Ochan*］［Sabli］ ［Minte*］。

方案2 表明人工智能可依托數(shù)據(jù)設(shè)施、數(shù)據(jù)機(jī)制、服務(wù)能力、職能轉(zhuǎn)變和渠道整合促進(jìn)創(chuàng)新績(jī)效的實(shí)現(xiàn)。具體而言，將數(shù)據(jù)基礎(chǔ)設(shè)施和數(shù)據(jù)管理機(jī)制作為核心要素，將數(shù)據(jù)資源視為重構(gòu)生產(chǎn)關(guān)系和形成新型生產(chǎn)力的關(guān)鍵，革新市場(chǎng)分工格局，并將服務(wù)能力提升、組織職能轉(zhuǎn)變和營(yíng)銷(xiāo)渠道整合為重要輔助，以實(shí)現(xiàn)更好的經(jīng)濟(jì)效益和數(shù)智化升級(jí)。由于數(shù)據(jù)驅(qū)動(dòng)型路徑的關(guān)鍵在于建立數(shù)據(jù)設(shè)施和基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制，因此具有海量數(shù)據(jù)資源、強(qiáng)大數(shù)據(jù)挖掘和分析能力的領(lǐng)先型企業(yè)成為該路徑的主力軍，有50.7%的樣本企業(yè)通過(guò)該路徑，如阿里云、騰訊公司等，亦有部分企業(yè)通過(guò)加入由互聯(lián)網(wǎng)巨頭構(gòu)筑的數(shù)字生態(tài)系統(tǒng)，在拓展?fàn)I銷(xiāo)渠道、提升市場(chǎng)盈利能力的同時(shí)也積極推進(jìn)向數(shù)字化和智能化轉(zhuǎn)型的進(jìn)程。

（3）組織變革型路徑：［Tskill*］［Dmech］［Ochan*］［Oremo*］［Mplat］［Minte］。

方案3 需要架構(gòu)重塑、職能轉(zhuǎn)變、技術(shù)能力、數(shù)據(jù)機(jī)制及營(yíng)銷(xiāo)領(lǐng)域的協(xié)同發(fā)力，以推動(dòng)組織職能轉(zhuǎn)變和組織架構(gòu)重塑為核心，使組織職能由監(jiān)管控制向激勵(lì)賦能轉(zhuǎn)變，組織架構(gòu)由剛性科層制向柔性架構(gòu)轉(zhuǎn)變，以充分釋放組織創(chuàng)新活力、增強(qiáng)對(duì)環(huán)境變化的快速適應(yīng)能力；同時(shí)，也需要靈活運(yùn)用非核心要素，如通過(guò)匯聚組織內(nèi)外部運(yùn)行數(shù)據(jù)、打通“數(shù)據(jù)孤島”，以多元化數(shù)據(jù)引導(dǎo)和輔助組織的職能轉(zhuǎn)變以及架構(gòu)重塑，也可通過(guò)智能營(yíng)銷(xiāo)平臺(tái)和營(yíng)銷(xiāo)渠道整合提升組織變革對(duì)創(chuàng)新績(jī)效的實(shí)際效果。有57.8%的樣本企業(yè)通過(guò)該路徑，形成了較強(qiáng)的市場(chǎng)盈利能力。

（4）服務(wù)生態(tài)型路徑：［～Tskill］［～Dcent］［Dmech］［Sabli*］［Secol*］［Minte*］。

方案4 要求從數(shù)據(jù)機(jī)制、服務(wù)能力、服務(wù)生態(tài)和營(yíng)銷(xiāo)渠道整合同時(shí)入手，即以提升服務(wù)能力和構(gòu)建完善的服務(wù)生態(tài)為核心，利用人工智能技術(shù)提升現(xiàn)有服務(wù)水平和拓展新型服務(wù)，并構(gòu)建優(yōu)質(zhì)高效的服務(wù)生態(tài)，實(shí)現(xiàn)更佳的服務(wù)感受、更低的服務(wù)成本、更短的響應(yīng)時(shí)間和更高的服務(wù)效率。在非核心要素中，可通過(guò)關(guān)注基于數(shù)據(jù)驅(qū)動(dòng)的管理機(jī)制和打通線上線下?tīng)I(yíng)銷(xiāo)渠道，以提升服務(wù)生態(tài)對(duì)創(chuàng)新績(jī)效的效果，而不用對(duì)技術(shù)專(zhuān)利規(guī)模和數(shù)據(jù)硬件設(shè)施建設(shè)投入過(guò)多的精力。有67.3%的樣本企業(yè)通過(guò)該路徑，實(shí)現(xiàn)了服務(wù)體系的整體性提升。服務(wù)生態(tài)型路徑適合現(xiàn)有服務(wù)體驗(yàn)較差或新型服務(wù)體系建設(shè)難度較大的相關(guān)企業(yè)。

（5）營(yíng)銷(xiāo)整合型路徑：［Tskill*］［Dcent］［Dmech］［Ochan*］［Mplat*］［Minte*］。

方案5 幾乎包含了所有層面的驅(qū)動(dòng)要素，強(qiáng)調(diào)對(duì)技術(shù)、數(shù)據(jù)、組織、服務(wù)及營(yíng)銷(xiāo)的均衡投入。該路徑表明人工智能通過(guò)營(yíng)銷(xiāo)促進(jìn)創(chuàng)新績(jī)效是一個(gè)綜合性極強(qiáng)的過(guò)程，不僅需要以構(gòu)建較為全面的智能營(yíng)銷(xiāo)平臺(tái)、整合既有營(yíng)銷(xiāo)渠道、先進(jìn)的核心技術(shù)支持、促進(jìn)利于營(yíng)銷(xiāo)變革的組織職能（激勵(lì)和賦能）轉(zhuǎn)變?yōu)楹诵囊兀倚枰瑫r(shí)關(guān)注對(duì)數(shù)據(jù)資源的有效運(yùn)用，為營(yíng)銷(xiāo)模式等變革提供精準(zhǔn)可靠的數(shù)據(jù)支撐，暢通產(chǎn)品和服務(wù)流通渠道，使供需雙方之間更加匹配與和諧。有62%的樣本企業(yè)通過(guò)該路徑，創(chuàng)造了巨大的商業(yè)價(jià)值。

4 結(jié)論

本研究首先從影響創(chuàng)新績(jī)效的因素出發(fā)，從技術(shù)層面、數(shù)據(jù)層面和企業(yè)層面系統(tǒng)回顧與梳理了人工智能賦能影響創(chuàng)新績(jī)效的相關(guān)研究，并構(gòu)建起人工智能賦能對(duì)創(chuàng)新績(jī)效影響的理論框架，進(jìn)一步以國(guó)家新一代人工智能開(kāi)放創(chuàng)新平臺(tái)所依托的15 家企業(yè)為研究樣本，采用fsQCA 方法深入探索，得到人工智能賦能對(duì)創(chuàng)新績(jī)效的5 種影響路徑。主要研究結(jié)論如下：

第一，人工智能賦能創(chuàng)新績(jī)效路徑可歸結(jié)為技術(shù)支撐型、數(shù)據(jù)驅(qū)動(dòng)型、組織變革型、服務(wù)生態(tài)型和營(yíng)銷(xiāo)整合型。（1）技術(shù)支撐型路徑以技術(shù)能力、技術(shù)開(kāi)放和數(shù)據(jù)設(shè)施為核心要素，注重?cái)?shù)據(jù)和技術(shù)（研發(fā)、擴(kuò)散和共享）之間的相互協(xié)同，而不需要對(duì)營(yíng)銷(xiāo)和組織領(lǐng)域過(guò)多關(guān)注；（2）數(shù)據(jù)驅(qū)動(dòng)型路徑以數(shù)據(jù)基礎(chǔ)設(shè)施、數(shù)據(jù)管理機(jī)制、職能轉(zhuǎn)變和渠道整合為核心要素，依靠對(duì)數(shù)據(jù)資源的充分挖掘和深度運(yùn)用，實(shí)現(xiàn)較好的創(chuàng)新績(jī)效；（3）組織變革型路徑以組織職能轉(zhuǎn)變、架構(gòu)重塑和技術(shù)能力為核心要素，強(qiáng)調(diào)利用人工智能推動(dòng)組織職能轉(zhuǎn)向激勵(lì)和賦能，以及對(duì)內(nèi)部架構(gòu)的重新設(shè)計(jì)；（4）服務(wù)生態(tài)型路徑以服務(wù)能力、服務(wù)生態(tài)和渠道整合為核心要素，尤其強(qiáng)調(diào)通過(guò)提升服務(wù)能力和優(yōu)化服務(wù)體驗(yàn)等方式形成卓越的服務(wù)生態(tài)，而不用對(duì)技術(shù)專(zhuān)利和數(shù)據(jù)設(shè)施投入過(guò)多精力；（5）營(yíng)銷(xiāo)整合型路徑強(qiáng)調(diào)所有層面的均衡投入和協(xié)同作用。由于不同領(lǐng)域的企業(yè)對(duì)營(yíng)銷(xiāo)的需求不同，在技術(shù)能力、數(shù)據(jù)資源、生態(tài)搭建等方面也存在明顯差異，因此需要結(jié)合具體情形并實(shí)施相應(yīng)的營(yíng)銷(xiāo)整合策略。

第二，人工智能賦能創(chuàng)新績(jī)效路徑為現(xiàn)有產(chǎn)業(yè)加快實(shí)現(xiàn)數(shù)字化和智能化轉(zhuǎn)型提供了選擇空間，為人工智能助推高質(zhì)量發(fā)展提供了有益啟示。（1）高端制造企業(yè)、汽車(chē)制造企業(yè)等可采取技術(shù)支撐型路徑，將人工智能賦能技術(shù)體系，推動(dòng)研發(fā)設(shè)計(jì)、生產(chǎn)制造等環(huán)節(jié)更加高效智能，整個(gè)技術(shù)體系邁向數(shù)字化、智能化；（2）大數(shù)據(jù)、機(jī)器學(xué)習(xí)等新興技術(shù)使數(shù)據(jù)獲取渠道更加便捷多樣、數(shù)據(jù)存儲(chǔ)和使用成本降低，同時(shí)數(shù)據(jù)蘊(yùn)含的價(jià)值增加，大多數(shù)企業(yè)都可采取數(shù)據(jù)驅(qū)動(dòng)型路徑，借助人工智能技術(shù)構(gòu)建和完善以數(shù)據(jù)驅(qū)動(dòng)為核心的生產(chǎn)、管理及服務(wù)體系，以數(shù)據(jù)驅(qū)動(dòng)提升自身生產(chǎn)運(yùn)行效能；（3）對(duì)于組織架構(gòu)不合理并且尚未高度固化的多數(shù)企業(yè)來(lái)講，均可采取組織變革型路徑，通過(guò)人工智能加快組織架構(gòu)變革，打造數(shù)字化和智能化組織結(jié)構(gòu)體系；（4）在實(shí)際中，服務(wù)生態(tài)型路徑往往適用于兩種類(lèi)型的企業(yè)，其一本身就是以追求極致體驗(yàn)的服務(wù)型企業(yè)，其二是將服務(wù)作為向數(shù)字化和智能化轉(zhuǎn)型的重要戰(zhàn)略補(bǔ)充的企業(yè)，如生產(chǎn)性服務(wù)業(yè)企業(yè)，這兩種類(lèi)型企業(yè)都可借助人工智能建立新型服務(wù)生態(tài)體系，促進(jìn)相關(guān)服務(wù)質(zhì)量和效率的整體性躍升；（5）幾乎所有企業(yè)目前都面臨媒介高度碎片化、用戶洞察難度增加等營(yíng)銷(xiāo)困境，可結(jié)合所在行業(yè)特征和自身實(shí)際，靈活采用營(yíng)銷(xiāo)整合型路徑，通過(guò)人工智能深度洞察消費(fèi)者需求、建立供需雙方的精準(zhǔn)對(duì)接，拓寬和開(kāi)辟營(yíng)銷(xiāo)新模式，最終實(shí)現(xiàn)資源供需間動(dòng)態(tài)平衡。

注釋?zhuān)?/p>

1）文中的數(shù)據(jù)中心數(shù)量只包括在國(guó)內(nèi)建立的，不包括在國(guó)外建立的。