开放科学(资源服务)标识码(OSID)：
This paper summarizes the process mechanism of emerging-technology industrialization with the core logic of "scenario mining and collaborative innovation-scenario embedding and knowledge organization-scenario adaptation and dynamic transition". The research findings are as follows:(1) The industrialization process of emerging technologies can be divided into three key stages: future scenario mining, scenario-based knowledge organization, and scenario-based application adaptation. Scenario mining marks the starting point of technological industrialization innovation. The identification of future scenarios, which integrates strategic orientation, commercial needs, industrial status quo, and technological foundations, provides a "target" for the industrialization of emerging technologies.(2) Scenario-based knowledge organization represents the technical dimension for realizing the industrialization of emerging technologies, and ecological collaboration serves as the "backbone" of high-performance knowledge organization. This paper defines scenario knowledge as a knowledge system with high contextual adaptability, dynamically evolving through the targeted integration of technologies, resources, and domain experience based on the needs and constraints of specific application scenarios. The scenario-based knowledge organization of emerging technologies involves scenario knowledge aggregation and scenario knowledge reorganization.(3) Scenario-based application adaptation acts as the hub for the iterative evolution of the "scenario-technology-industry" triad. Application in original scenarios forms a vertical evolutionary path of "agile trial-and-error-large-scale commercialization", while the development of new scenarios forms a horizontal interaction model of process-based development and parallel development. This not only improves the efficiency of transforming technological achievements into industrial value but also reconstructs the industrial chain value network through the continuous expansion of scenario boundaries, forming a future-industry cultivation paradigm of "technological breakthrough-scenario innovation-industrial evolution".
In light of the conclusions, this paper suggests that (1) enterprises should cultivate capabilities in scenario insight, knowledge reorganization, ecological collaboration, and digital governance in the context of the digital economy to break through the traditional linear innovation model and establish a closed-loop management mechanism of "scenario mining-knowledge organization-scenario adaptation-scenario iteration".(2) It is necessary to construct dynamic knowledge management system driven by scenarios and cross-domain, cross-organizational, and interdisciplinary knowledge collaboration mechanisms. Building on existing open-source systems, enterprises should vigorously develop digital platforms that support knowledge generation and simulated knowledge reorganization, and systematically manage scenario knowledge as a core technological competitiveness.(3) Enterprises should promote the three-dimensional collaborative transformation of "technology-industry-market" and synchronously plan transformation paths for technological breakthroughs, industrial restructuring, and value innovation.
The contribution of this paper lies in revealing the theoretical constructs and practical paths for realizing the industrialization of emerging technologies toward future scenarios from the perspective of knowledge organization, and summarizing the industrialization innovation models oriented toward future scenarios. This has important theoretical and practical value for the in-depth application of knowledge organization theory, the expansion of the scenario-driven innovation paradigm, and the acceleration of emerging technology innovation and future industry cultivation. The research conclusions provide a theoretical basis and practical reference for enterprises to build future scenario perception systems and optimize the coupling mechanism between the supply of emerging technologies and market demand in the context of de-globalization.
开放科学(资源服务)标识码(OSID)：
2025年《政府工作报告》强调,“培育壮大新兴产业”,“开展新技术新产品新场景大规模应用示范行动,推动商业航天、低空经济、深海科技等新兴产业安全健康发展”。新兴产业作为科技创新的集聚地,正成为推动新质生产力发展的重要引擎[1]。然而,新兴技术迭代及产业演化并非一触即发,由于市场前景、技术轨道等因素制约,其动态过程具有高度的不确定性和复杂性。
在此背景下,推进新兴技术产业化成为业界及学界关注的焦点。场景驱动创新是数字经济背景下涌现的全新创新范式,其强调以场景为载体,以战略或使命为导向,驱动技术、市场等创新要素有机整合与多元化响应[2],为加速新兴技术产业化提供了合适的理论研究视角。政策层面,工业和信息化部于2024年印发《关于推动未来产业创新发展的实施意见》,提出“ 以传统产业的高端化升级和前沿技术的产业化落地为主线,以创新为动力,以企业为主体,以场景为牵引,贯通研发与应用,加快产业化进程”。学研层面,已有研究验证了技术与应用场景间的迭代演化关系,指出通过场景识别,整合战略、技术、组织等多方面资源,是实现新兴技术从追赶转变为引领的关键[3],并针对场景促进产业链创新、科技成果转化及赋能商业模式创新[4]等方面展开讨论。但相关研究主要集中于产品或商业模式的常规性场景探讨,缺乏对未来场景的预测性研究,难以为新兴技术和未来产业发展提供现实参考。
创新活动的本质是知识重组与利用[5],知识作为技术攻关中的重要元素,其在各主体间的流动与转化不可忽视。知识组织是以知识为对象的整理、加工、表示、控制等一系列组织化过程,它对知识服务效能、资源价值释放有着极其重要的作用[6]。在新场景涌现的背景下,知识组织理论成为场景驱动创新研究的重要切入点。常立民[7]、张洪等[8]提出构建不断适应用户需求与期望的场景模式,明确用户、知识与场景间的共生关系,通过多元、多模态的异质性知识游走与耦合创造新知识,实现价值增值的动态循环。在场景驱动理论框架下,知识组织理论逐渐深化并扩展至智慧图书馆[9]、在线医疗和人工智能[10]等领域,但现有研究多集中于理论探讨与知识图谱构建层面,存在市场化应用不足、功能实现不深入等问题。
本文将图情领域知识组织概念引入产业创新管理领域,探讨面向未来场景的新兴技术产业化理论逻辑、内在机理及实践路径。试图回答以下问题:第一,企业如何识别未来场景,发挥未来场景的牵引作用并拓展新场景?第二,面向未来场景的新兴技术产业化创新路径是什么?第三,知识组织在产业化过程中发挥何种作用?本文的边际贡献在于,揭示知识组织视角下面向未来场景实现新兴技术产业化的理论构念及现实路径,为深入应用知识组织理论、拓展场景驱动创新范式、加快新兴技术产业化提供理论与实践参考。
1.1.1 场景驱动创新研究
20世纪中期,欧文·戈夫曼提出的社会拟剧理论奠定了场景研究基础。Kenny等[11]将场景概念引入管理学领域,定义为“顾客生活中的特定情境及其引发的需求或情感反应”。在此基础上,Crantj[12]提出场景驱动概念,阐释为“个体在场景中发挥主观能动性并且引发环境或自身变革的过程”。进入数字经济时代,创新管理领域的离散型线性技术驱动范式陷入技术轨道锁定和“创新者悖论”困境。学者们将场景概念深化,提出场景驱动创新范式,此处的“场景”意指某特定时间、特殊的复杂性情境,该情境发展或演变面临的挑战、问题、使命形成综合性需求,为多元创新主体开展创新活动、应用创新成果提供了嵌入性场域[13]。目前,学术界对场景驱动创新的界定虽略有差异,但存在核心共识,即拟解决用户或产业痛点[14],以场景为载体、以战略或使命为导向,驱动技术或市场等创新要素有机结合和多元化应用[2]。场景驱动创新理论对构建与优化产业生态的启示在于:依托主体知识,运用海量产业数据与数智技术的洞察能力,凝练产业升级与新兴技术产业化中的创新问题,从而确定技术创新在特定产业场景中的具体内涵和耦合逻辑[15]。
1.1.2 未来场景研究
未来场景是20世纪中后期由战略研究、管理学与未来学交叉发展的产物。1960年美国战略学家赫尔曼·卡恩在其《论热核战争》著作中首次提出“情景规划”(Scenario Planning)方法,用情景分析模拟未来可能的军事冲突和政治局势,成为未来场景方法的早期实践者。目前,未来场景概念被广泛应用于消费领域,意指在未来社会框架下从宏观层面推导的未来社会图景[16]。从场景驱动视角看,“未来”并非只是一个时间概念,还代表未被发现的消费机会与未被满足的用户需求。面向未来场景的产业化是深入理解并预测愿景需求(尹西明等,2024),驱动战略、技术、组织、市场等创新要素及情境要素整合共融,突破现有技术瓶颈,开发新技术、新产品,乃至开辟新市场和新领域的过程[17]。因此,本文将未来场景界定为基于当前社会、技术、经济、环境等多维度要素,通过系统性分析与前瞻性推演构建的具有可能性的未来社会图景。其价值在于基于现实约束的系统性推演,为政策制定、技术研发、社会治理提供前瞻性共识形成工具。
1.1.3 知识组织研究
知识组织最早由英国图书馆学家Bliss于1929年提出。自20世纪60年代,国内学者针对知识组织概念、模型、方法进行了理论和实践探索,并从狭义和广义两方面进行概念阐述。狭义上,知识组织是指在图书馆、档案馆等机构中由图书管理员、档案管理员等进行的文档描述、索引和分类等活动[18];广义上,知识组织是对人类知识进行搜集、整理、加工、整序、控制等活动,以高效地学习、利用和支持知识服务。随着信息技术不断发展,知识组织的相关理论和实践研究都取得显著进展。曾蕾[19]、翟可欣等[20]借助系统论,将知识组织论述为对知识结构进行建模或集成,形成一个知识网络系统的过程。实践中,知识组织理论为企业制定创新战略提供了指导,鼓励企业跳出传统的研发模式,加强内外部知识整合、利用、再生产,并应用于新场景[21]。
当前,面对技术变革,在积极开拓知识组织新服务场景、挖掘新需求的同时,防范知识组织与资源服务场景出现脱节的风险(范炜,2025),是组织理论应用与发挥价值的题中要义。新兴技术作为建立在科学基础上的创新型技术,具有新颖性、增长性、一致性以及影响显著性[22],其产业化过程面临技术与市场的双重不确定性。以未来场景作为新兴技术产业化创新的重要牵引,优化知识组织路径,是企业穿越技术研发“泡沫周期”、撬动新兴技术产业化发展的必然路径[23]。但现有研究多从价值共创层面出发,探索现存场景对技术创新的驱动作用,关注用户需求识别、价值网络构建及价值分享机制设计等,鲜有研究从知识组织视角挖掘未来场景驱动技术产业化创新的作用机制及实现路径,从而难以为新兴或未来技术产业化发展提供参考。据此,本文引入知识组织理论,探讨面向未来场景的新兴技术产业化实践逻辑,并利用探索性案例分析方法揭示知识组织视角下企业面向未来场景实现新兴技术产业化的路径机制。
探究面向未来场景的新兴技术产业化机制,旨在顺应数字化时代场景驱动创新的范式转型趋势,揭示场景需求、技术创新与产业应用深度耦合的理论逻辑和实践路径。本文从知识组织视角,将面向未来场景的新兴技术产业化建构逻辑化约为场景嵌入的靶向性逻辑、协同创新的静态运行逻辑及迭代跃迁的动态演化逻辑,并遵循“启动—过程—结果”的分析范式,构建面向未来场景的“场景驱动一技术创新一产业化应用”研究框架,如图1所示。
图1 研究框架
Fig.1 Research framework
图2 关键事件
Fig.2 Milestone events
场景驱动层,以场景嵌入为逻辑起点,通过场景挖掘锚定协同创新靶心,利用场景嵌入产生的知识革新与整序[24],为产业化创新提供具体的技术适配方案,是链接静态协同与动态演化的关键节点。传统的知识组织方式往往基于固定的知识分类体系和预设的知识结构,难以适应复杂多变的现实需求[25]。而未来场景嵌入将知识组织的重心从抽象的分类转向对场景需求的深度洞察,通过对场景中用户行为模式、环境因素、任务目标的多维度剖析,动态调整知识呈现方式、知识关联结构以及知识推送策略,使知识在目标场景中发挥最大效能。因此,场景嵌入是面向未来场景的新兴技术产业化的靶向性逻辑。
技术创新层,以协同创新为基础支撑,通过场景需求、异质主体、技术创新的动态校准,为新兴技术产业化提供系统运行的底层架构。区别于传统的知识管理框架,面向未来场景的知识组织新增了场景化环节,形成SECI+场景(社会化—外显化—组合化—内隐化—场景化)的知识转化路径[23]。同时,区别于传统的创新网络,其节点角色与功能并非单一或固定不变,而是随场景的演进阶段与需求变化发生动态调整,响应了创新网络理论强调的结构嵌入性,即主体位置效应驱动知识定向流动,场景目标优化知识组织效率[26]。因此,协同创新是面向未来场景的新兴技术产业化的静态运行逻辑。
产业化应用层,以迭代跃迁为演化目标,通过技术的场景化应用实现商业化落地并开拓新场景,新场景的涌现又反向驱动技术迭代与协同网络升级,形成“一阶场景激活技术—技术赋能产业—产业孕育二阶场景”的迭代跃迁。从知识组织视角看,面向未来场景的新兴技术产业化本质是知识要素的场景化配置,拓展了知识应用的情景边界,解构与重组了知识单元的关联方式,重塑时间与空间维度下的知识交互规则,从而为新产业、新业态、新模式经济的持续涌现提供技术知识基座。而“三新”经济的发展又反向催生新的场景需求与产业生态体系,形成“场景—技术—产业”的螺旋上升趋势[27]。因此,迭代跃迁是面向未来场景的新兴技术产业化的动态演化逻辑。
基于上述研究框架,本文以华为在5G-Advance(以下简称“5G-A”)领域构建的开放式创新生态为依托,采用探索性单案例研究方法,系统探讨华为如何通过知识组织行为响应未来场景需求,实现新兴技术的产业化应用并开拓新场景。
本文选择探索性单案例研究方法,主要原因有:首先,探究面向未来场景如何实现新兴技术产业化,其本质是实现过程和作用机制研究,探索性案例研究作为一种综合性研究策略,非常适合探究现象背后所蕴含的“Why”和“How”等问题[28]。其次,本文聚焦场景驱动与新兴产业化,具备动态演化特征,而单案例研究方法更适合结合时间序列中的关键事件深入分析过程与变化机制[29]。此外,单案例研究更聚焦“故事”,在研究情景还原、故事案例演绎方面具有显著优势,非常契合基于特定视角的叙事分析以及针对复杂现象提出理论洞见(王永贵等,2023)。
遵循案例选取的理论抽样、启发性和典型性原则,本文选取场景化创新的领先者、提倡者——华为技术有限公司(以下简称“华为”)作为案例样本[30],具体分析其5G-A产业化创新过程。原因如下:首先,案例对象需充分体现研究问题所包含的构念及构念关系,以华为为核心主体形成的5G-A产业化路径同时具备以未来场景为导向与新兴技术特征,契合本文研究目标。其次,华为5G-A从研发到应用具有较强启发性,在技术封锁背景下其有效解决了空白技术领域的知识、资源融创及国际认可等难题,能够为企业的技术探索提供启示。此外,华为持续与政产学研用各领域生态伙伴开放合作,向社会贡献标准提案和产业理解,并于2023年在《Nature》发表华为云盘古气象大模型。
华为成立于1987年,以构建万物互联的智能世界、更好地创建可持续的数字未来为愿景,主张以场景应用为导向的技术研发创新,相继提出“组网场景”“通讯场景”“全场景”等发展理念。①在5G-A产业化创新实践启动阶段,即场景驱动阶段,华为锚定未来“智能社会”场景,提出泛在万兆接入、通感一体服务、绿色低碳网络的技术应用方向,并联合产业链伙伴、垂直行业客户及科研机构,通过跨主体研讨会将场景需求拆解为200余个技术指标,进一步明确创新靶心。②在技术创新阶段,华为搭建“5G-A创新社区”,一方面,整合共享数据与专利,快速响应行业需求;另一方面,主导制定白皮书,联合伙伴定义15个行业标准。③在产业化应用阶段,呈现双向拓展态势,一是既有场景上,在智慧矿山、媒体等领域完成5G-A技术落地,实现降低能耗、体验升级;二是新场景扩展上,孵化低碳园区、智慧港口等智慧场景,提升效率与产量。据此,本文依据“场景驱动—技术创新—产业化应用”的演化逻辑及案例企业的关键里程碑事件,将华为“5G-A”产业化历程划分为“场景挖掘—场景化知识组织—场景化应用适配”3个阶段,如图 2所示。
为确保案例研究的说服力和解释力,研究形成半结构化访谈、实地调研、二手资料的“三角证据链”,具体数据来源见表 1。①半结构化访谈。研究团队通过实地访谈与通讯访谈的方式进行3次半结构化访谈。访问对象包括核心项目负责人、大模型训练专家、技术员工等。访谈提纲及访谈对象均是通过二手资料及初步访谈后确定的,并对访谈提纲进行了脱敏处理。②实地调研。由于5G-A已在部分华为产品及公共场合应用,团队通过线下门店调研、基地园区参观及试用体验等方式,捕捉文件档案无法记录的隐性知识。③二手资料。团队通过收集案例公司的官网信息、企业年报、学术论文、线上开放社区评论等,以及合作企业(中国移动、中国联通、香港电讯盈科等)的相关公开信息、研究报告等进行相互佐证与补充。
基于研究框架,综合案例企业实践与文献比较,展示华为技术产业化故事背后的理论逻辑。参考Gioia等(2004)提出的“一阶—二阶—聚合”层次数据编码方式,利用Nvivo 12软件对数据进行逐一标记与提炼,构建三阶复合数据结构,进行归纳式探索性分析。首先,通过开放式编码形成一阶编码,提炼案例企业的典型实践行为;其次,将具有相似特征的一阶编码聚合形成抽象化、理论化概念,形成二阶主题;最后,对二阶主题进行汇总,形成聚合理论维度,如图3所示。
表1 数据来源
Table 1 Data sources
数据类型收集方式 数据内容编号量化信息一手资料半结构化访谈对案例对象进行访谈,与相关负责人、开发者深度交流A1约18万字实地调研现场参观办公园区及体验中心,体验相关产品及服务A2约4万字二手资料官网下载、八爪鱼爬虫官方网站相关资料、官方微博、年度报告(2006-2023年)、《白皮书》、开放社区评论B1约60万字知网、案例库期刊、硕博士论文、学术论文、管理学案例B274篇互联网下载领导讲话记录、新闻资讯报道、媒体采访、演讲PPT、客户访谈资料、产品发布会B329份
图3 数据解构及编码示例
Fig.3 Deconstruction of data structure and coding examples
图4 5G-A技术产业化框架
Fig.4 5G-A technology industrialization framework
图5 面向未来场景的知识组织模型
Fig.5 Knowledge organization model for future scenarios
依据前文构建的研究框架及对华为“5G-A”产业化过程的3阶段划分,系统剖析面向未来场景的新兴技术产业化内在机理及实践路径。
该阶段华为发布了首款3GPP标准的5G商用芯片,并在全球推动5G的大规模商用。华为基于5G商用经验,提炼出“五联一感”(联人、联物、联车、联行业、联家庭、通感)的业务升级框架,并针对每类场景开展深度需求挖掘。华为通过分析消费者对极致业务体验的不断追求以及5G在多样性工业互联场景的应用短板,在2020年全球移动宽带论坛上首次提出5.5G概念(2021年在3GPP会议上确立为5G-Advance)。通过案例分析发现,华为关于5G-A技术的场景挖掘体现在未来场景识别与未来场景定义两个方面,典型证据援引如表2所示。
表2 场景挖掘阶段的部分资料举例及编码
Table 2 Examples and coding for the scenario mining stage
聚合概念二阶主题一阶概念典型例证援引未来场景识别战略导向国家数字化已进入数据驱动和AI赋能的全面智能化阶段,华为国家云2.0方案借助可信的云基础设施、创新的云服务能力和丰富的行业实践,助力政府加速实现国家数字化愿景(B3)商业需求在5G网络商用的第一阶段,如工厂生产场景中要求低时延、智慧城市场景中要求物联网设备以低功率大规模接入,以及5G设计时提出的超高上下行速率等,这些关键指标并没有真正实现(A2)场景挖掘产业现状数字化、智能化和低碳化发展趋势具有强大的内生动力,数字化、智能化和低碳化发展方向确定,且进程还在加快(B2)技术基础根据Iplytics2020年1月的一项联合研究,华为是目前全球拥有5G专利数量最多的公司,共计3 147项5G专利(B2)未来场景定义场景化应用价值明确我们还需要对5G场景进行扩展,比如有的场景既需要海量连接,又需要超大上行带宽;有的场景既需要通信能力,又需要感知能力等(B3)技术指标确立未来用户对网络有着越来越复杂多样的需求,基于此,5G的下一步演进研究需要具备智慧、融合和更丰富使能的特征,即ACE(B3)
表3 场景化知识组织阶段的部分资料举例及编码
Table 3 Examples and coding for the stage of scene knowledge organization
聚合概念二阶主题一阶概念典型例证援引场景知识聚合外部知识内化运营商合作全球无线通信产业发展的成功,其核心DNA是标准统一和产业链协作。5G-A的发展需要产业链各方各司其职、通力合作(B3)垂直行业联盟成立“5G-A产业创新联盟”,联合车企(比亚迪)、工业巨头(西门子)制定行业应用标准(B1)高校合作我们与合作伙伴联合举办ICPC全球训练营、研习营、挑战赛冠军杯等多项竞赛与培训活动,向学术界分享了多个领域的产业知识,并发起双向交流,激励青年学生和学者不断追求卓越(B3)开源系统我们和产业界共同促进openEuler开源操作系统、openGauss开源数据库、昇思AI框架的发展,进一步提升openEuler全场景协同能力(A1)
续表3 场景化知识组织阶段的部分资料举例及编码
Table 3(Continued) Examples and coding for the stage of scene knowledge organization
聚合概念二阶主题一阶概念典型例证援引内部知识嫁接参与国际标准制定5G-A是5G向6G演进的关键阶段,华为需通过国际标准组织(如3GPP)推动技术迭代,以最大化5G投资价值(B3)跨部门协同通过IPD,华为能够更好地整合内部资源,提高产品开发效率和质量,缩短产品上市时间,从而在激烈的市场竞争中占据优势(A1)场景知识重组知识丰富式重组互补性知识存量增加将移动通信领域的专业知识内置到算法,充分利用5G网络生成的大数据,提升网络运营智能化程度,以实现复杂多样的业务目标(B3)知识关联网络集成软通智慧充分发挥自身优势,携手华为推动人工智能和数据标注等技术的创新发展,共同探索高质量知识库服务应用的新模式、新方法(B1)知识解构式重组开拓性知识存量增加凭借丰富的行业经验,与产业伙伴紧密携手,协同驱动创新,通过AI与5G-A技术的深度融合,共同加速“AI+”产品的蓬勃发展(B1)跨领域技术集成在移动AI时代,核心网与AI的融合已成为不可阻挡的时代潮流(B3)
表4 场景化应用适配阶段的部分资料举例及编码
Table 4 Examples and coding for the scenario adaptation stage
聚合概念二阶主题 一阶概念典型例证援引原场景应用敏捷试错前瞻布局5G-A技术研究、标准研制和产品研发,加快推进5G轻量化(RedCap)技术演进和商用部署,持续开展5G新技术测试验证,加快推进产业成熟(B1)规模化商用2025年3月南京电信联合华为率先建成覆盖南京主要城区的5G-A低空通信专网,实现了从试点验证到规模化商用的关键转变(B1)场景适配阶段新场景开拓流程式拓展与高校相比,公司的创新与研发机构更关注短期绩效,如3～5年内获得收益,所以企业会注重新技术在现实场景内的复制应用价值,也就是流程式拓展(A1)并列式拓展本次发布的共享网络5G-A创新成果涵盖载波聚合、RedCap、AI等方面,旨在通过5G-A网络技术和AI应用深化,不断催生新动能、新场景、新业态(B3)
3.1.1 未来场景识别
未来场景识别是企业基于内外部环境感知,对技术应用场景的实时解析、动态推理及潜在事件预判。树立面向未来场景的技术研发意识,是华为保持产业生态位领先的重要手段。
华为对未来场景的识别主要体现在战略导向、产业现状、商业需求、技术基础4个方面的感知:①战略导向。华为作为ICT领域的领头羊,积极响应国家政策并服务国家政策制定。《新一代人工智能发展规划(2017)》明确提出,加强人工智能技术在各领域的深度应用,形成技术创新与场景创新双向互动的良好生态战略目标。②商业需求。5G的初期版本(R15-R17)虽然具备基础能力,但部分关键指标(如上行速率、时延、连接密度)未达预期。工业场景中要求的1毫秒超低时延和99.9999%的可靠性也尚未完全实现,限制了智能制造等高精度应用。在海外,用户数和网络流量急剧增长,城区网络普遍拥塞,万兆接入、企业数智化转型等新场景对运营商与承载网络提出更大带宽、更低时延、更加可靠的需求。③产业现状。2018年,5G在全球十余个城市、30多家领先运营商进行商用测试,在云计算、大数据、数据中心、物联网等领域不断优化产品并创新解决方案,积极推动在金融、能源、交通、制造等行业的广泛应用。④技术基础。“技术基础领先是华为预见未来场景,抢占新兴技术创新主动权的关键”。华为通过标准主导、全栈产品创新和跨行业生态合作,在2018—2020年构建了从芯片、基站到核心网的完整5G技术体系。截至2024年3月,华为以拥有12.42%的5G标准必要专利全球位居第一,覆盖Massive MIMO、毫米波、网络切片等核心技术。
3.1.2 未来场景定义
未来场景定义是基于技术预见与产业协同逻辑,对未来技术应用环境及价值的结构化描绘,为创新资源配置及创新路径选择提供理论锚点。华为凭借全栈技术优势,构筑了未来场景定义权的核心壁垒。
华为的未来场景定义分为场景化应用价值明确和技术指标确立。①场景化应用价值明确。基于3GPP R15/R16标准,华为强化了ITU定义的三大核心场景(eMBB、mMTC、URLLC),并通过技术验证推动eMBB商用成熟度的确立,提出以提升产线柔性化能力、实现物料全生命周期管理为目的,探索URLLC在工业控制、mMTC在物联网中的落地。②技术指标确立。2020年华为在全球移动宽带论坛首次提出5.5G概念,将原有三大场景(eMBB、mMTC、URLLC)扩展为“六边形”能力模型,新增UCBC(上行超宽带)、RTBC(实时宽带交互)、HCS(通信感知融合)三大场景,以支持工业互联网、全息通信等更高阶需求。5.5G愿景下,新场景能力为社会发展和行业升级创造新价值,例如UCBC场景在5G能力基线实现上行带宽能力提升10倍,满足企业生产制造等场景下,机器视觉、海量宽带物联等上传需求,加速千行百业智能化升级。
场景化知识组织是以场景定义为基础,整合、重构技术知识要素,构建跨学科、跨组织、跨区域的知识体系。该阶段尽管面临外部技术封锁压力,华为仍以高研发投入和深度生态协作巩固技术壁垒,通过全面布局5G-A技术专利,确立了其在国际通信行业的“规则制定者”地位。通过案例分析发现,场景化知识组织体现为场景知识聚合与场景知识重组,典型证据援引如表 3所示。
3.2.1 场景知识聚合
知识聚合为场景化多源异构、分散无序的知识组织与利用提供了解决方案(卢恒等,2021)。场景知识聚合强调知识在情境约束与目标导向下的集合,区别于传统的知识聚合,其存在两点不同:一是内容层面的定向性,即知识内容与场景需求耦合;二是目标层面的动态性,即知识随目标场景参数实时更新。案例研究发现,华为通过外部知识内化和内部知识嫁接,推动知识在产业界、科研界流动更新,将碎片化的场景需求转化为系统化的技术解决方案。
(1)外部知识内化。外部知识内化是指在了解外部市场规则的基础上,将行业标准、合作伙伴经验、学术研究及市场需求转化为组织内部可结构化存储、灵活调用的知识体系的过程。该阶段,华为通过与运营商合作、成立垂直商业联盟、与高校合作及设立开源系统,形成外部知识内化体系。①与运营商合作。华为根据运营商提供的场景化需求参数调整技术方案,形成可复用的基线解决方案库,建立“需求—反馈—迭代”闭环。例如华为与北京联通、云南移动等运营商合作,针对5G-A网络的高速率、低时延需求,共享基站部署经验和用户反馈数据;与中东运营商合作,基于5G-A的原生GigaGreen解决方案,通过联合创新中心优化网络切片配置,满足石油、港口等行业对低时延(<4ms)和高可靠性(99.999%)的需求。②成立垂直行业联盟。基于“行业Know-How+通信技术”融合框架,由华为提供通信能力组件,联盟伙伴贡献行业规则,共同沉淀为标准化解决方案包。例如华为与天津港、华海智汇合作开发智能水平运输系统,将5G-A通感一体化技术与港口作业规则相结合,通过共享港口调度逻辑与设备数据,实现码头自动化作业效率提升30%;与无人机厂商大疆、空管部门共建通感融合试验网,共享雷达感知数据与通信调度算法,实现亚米级定位精度。③与高校合作。高校院所的基础理论成果在驱动产业技术突破和发展方面发挥关键作用。华为在开始研发5G时便采用科技外交家联结方式,与全球300多所知名高校、不同领域专家建立起了广泛联结关系,形成了搜寻理论知识的研发导向型联盟组合。华为在组织内部专门设立了科技外交家工作岗位,岗位职责是追踪、搜寻前沿的科研信息,以帮助企业研讨技术研发方向。此外,华为参与了由ICPC、CVF、SID等学术组织主办的多个竞赛,通过贡献产业视角赛题,帮助学界在真实场景中验证知识的可行性与价值。④开源系统。通过开放API接口与模块化工具包,降低开发者对通信协议的理解门槛,形成“通信+监管+应用”的协同生态,实现AI与5G-A技术的“即插即用”。同时,推出昇思MindSpore开源AI框架与ModelArts MaaS平台,开发者可基于预训练模型快速开发5G-A智能应用。
(2)内部知识嫁接。内部知识嫁接是指组织将不同部门、项目或技术领域的既有知识体系进行跨边界整合,形成新技术能力或解决方案的过程。华为主要通过参与国际标准制定、跨部门协同以及课题竞赛,实现内部5G-A知识嫁接。①参与国际标准制定。关于推进5G发展,华为在2020全球移动宽带论坛上提倡,“在3GPP框架内尽快启动5.5G定义工作;共同繁荣5.5G的产业生态”。2021年,华为通过高价值专利布局反向促进标准制定,推动3GPP将R18版本界定为5G-A的起点,主导了通感一体、无源物联、动态频谱共享等核心技术的标准化进程,将工业、XR、低空经济等场景需求转化为技术参数,实现了全球性行业共识的内化。②跨部门协同。成熟的跨部门协同体系是华为实现高创新效率的重要原因。从“铁三角”模式到IPD体系,再到“代码贡献积分制”,都体现了华为对团队协同的高度重视。5G基站开发中,射频团队与天线部门协同设计,将原本6个月的设计周期缩短至3个月。此外,华为通过NWDAF(网络数据分析功能)增强,整合终端、边缘与云端数据,优化XR业务调度。
3.2.2 场景知识重组
知识重组是应对复杂情境的重要知识组织方法,知识重组与情境流相互协作并形成自适应反馈体系,为洞察情境演化规律和知识组织内在机理提供了有效路径[24]。场景知识重组是指在动态场景需求驱动下对既有场景知识体系进行的解构、筛选、关联与适应性重构。该阶段华为对现有技术模块进行了解构与重组,通过技术组合创新精准匹配场景需求,实现从知识积累到技术跃迁。华为5G-A的场景知识重组具体体现为知识丰富式重组和知识解构式重组两个方面。
(1)知识丰富式重组。知识丰富式重组是对现有技术和市场知识进行延伸,在存量和关系两个维度上分为互补性知识存量增加与知识关联网络集成。①互补性知识存量增加。互补性知识是指能够对已有知识体系进行补充和丰富以实现交叉融合的成熟性知识。互补性知识存量增加支撑华为扩大自身知识宽度,通过将外部知识与自身知识进行耦合以创造新知识[29]。实践中,华为引入中国移动的QoE评估模型,将运营商网络运维知识与华为的通信设备技术深度融合,弥补了华为在实时用户体验优化领域的知识缺口,开发了5G-A核心网智能差异化体验保障方案。②知识关联网络集成。知识关联网络集成是研发企业与技术应用型企业间构建的跨组织知识协同体系,通过将技术创新由线性活动变为复杂动态的网络模式,形成多方位资源交换的知识网络,支撑更加丰富多样的产业化技术形成。实践中,华为与垂直行业伙伴携手,推动5G-A技术在不同领域应用落地。以智慧工厂为例,华为助力中国联通与长城精工搭建全球首条无线化柔性产线,实现5G-A技术在高端工业控制中的首次应用。在此过程中,华为深入了解工业制造领域的实际需求,丰富了自身在工业互联网领域的知识储备,而垂直行业伙伴则借助华为的技术优势,提升了自身的数字化转型能力。
(2)知识解构式重组。知识解构式重组是指打破企业原有知识结构体系,创造和发现新知识元素,以及重新建立新知识系统[29]。华为提出,“原始创新需要从基础科学出发,打破现有知识框架,探索‘无人区’”。知识解构式重组在存量和关系两个维度上分为开拓性知识存量增加与跨领域技术集成。①开拓性知识存量增加。开拓性知识是指行业中具有潜在性、前瞻性和先进性的知识。作为技术演进的前置性要素,开拓性知识存量增加是支撑前沿技术研发、主导行业未来轨迹的关键因素。华为秉持“关键技术自主研发”的核心理念,为开拓性知识积累提供稳定保障。成果方面,华为在博弈论、AI基础理论等领域提出“先知不等式”和“数学定理证明智能体”,并将数学理论转化为工程实践。在2024年世界移动通信大会期间,华为一举斩获七项全球移动大奖,实现技术无人区的“野蛮生长”。②跨领域技术集成。跨领域技术集成是指不同产业、不同科学领域间的知识融合。实践中,华为将5G-A与AI技术深度融合,在无线网络中全栈引入AI智能化能力,并通过数字孪生站点和数字人团队,构建了高效的智能体协同体系,实现了网络资源的协同调度与多样化应用的敏捷发放。
场景化应用适配是将技术产品导入实际应用场景,根据场景反馈优化迭代并挖掘新场景,推动解决方案的产业化落地与价值跃升。2024年2月,华为在世界移动通信大会上展示了全系列、全场景的5G-A产品解决方案。同年11月,工业和信息化部等十二部门联合印发《5G规模化应用“扬帆”行动升级方案》,提出“构建5G-A产业链,持续推进上下行超宽带、通感一体、无源物联、高精度低功耗定位、网络智能等关键技术研发试验”,这标志着5G-A进入场景适配阶段。通过案例分析发现,华为在场景适配阶段体现为原场景应用与新场景开拓两方面,典型证据援引如表 4所示。
3.3.1 原场景应用
原场景应用是利用新兴技术对已有成熟场景的深度优化与效能提升。5G-A作为5G的增强版本,通过更大带宽、超低时延、海量连接以及智能化网络管理,为工业互联网、车联网、元宇宙、XR等场景提供底层支撑。该阶段分为敏捷试错与规模化商用两个方面:①敏捷试错。敏捷试错是敏捷方法论中的核心实践之一,强调通过低成本验证来应对技术创新不确定性,以实现高效的产品优化和价值交付。华为内部设立“全功能敏捷团队”,通过整合无线、核心网等领域专家,采用DevOps流程实现“需求—开发—测试”的快速闭环。在福建万华化学的5G-A RedCap试点中,初期的视频安防设备因时延不稳定导致误检率高。华为通过多轮参数调整和冗余传输机制,最终将预测效率提升70%,管理成本降低80%。②规模化商用。规模化商用是5G-A技术从实验室验证迈向产业化落地的关键跃迁。2024年3月,华为联合中国移动首发5G-A商用部署,目前已覆盖全国超300个城市,涵盖体育场馆、地铁、居民区、景区、商圈、学校等多种场景。建成“5G+煤矿工业互联网平台”“5G+智慧港口”及“3C智慧工厂”等一系列工业场景,提升了工业生产效能。此外,技术已应用于杭州亚运会、央视春晚、上海马拉松等公共活动,提升了用户体验。
3.3.2 新场景开拓
新场景是基于产品生命周期活动而创造的连续性应用场域,延长了现有产品服务范畴。新场景开拓强调技术融合催生范式创新,以客户为中心,连接各利益相关方形成价值网络,利用互补资源促进技术产品价值增值(万姿显,2025)。
华为5G-A技术的新场景开拓主要表现在流程式拓展与并列式拓展两方面。①流程式拓展。流程式拓展是基于复制逻辑,将技术价值重复使用,延伸行业边界。实践中,华为构建全场景数智化生态体系,将数字底座、智能联接、云边协同与行业Know-How深度融合,覆盖园区规划、建设、运营全生命周期,并衍生出数智城市操作系统、全光城市解决方案、数字能源低碳园区、智能体工业互联网平台、智慧港口全栈方案等五大核心场景解决方案。其中,华为与中国联通、格力联合打造的5G-A智能黑灯工厂,通过5G-A原生专网实现生产全流程智能化,生产效率提升86%,年产1 200万台空调且零缺陷,荣获GSMA“最佳专用网络解决方案奖”。②并列式拓展。并列式拓展是基于核心技术解耦重组,通过跨领域组合创新实现横向产业边界突破,在多个非关联领域同步创造新场景。在2025世界移动通信大会(上海)上,华为公布了AI-Centric5.5G系列解决方案。该方案首次实现业界5G-A与AI技术的深度融合,利用更低时延、更大带宽和更稳定的5G-A网络,不断催生新动能、新场景、新业态。实践中,华为首先将5G-A智能核心网叠加AI智能体,实现业务智能、网络智能和运维智能,成功开启三大智能入口。此外,华为基于AI原生技术构建5G-Agentic核心网,通过系列化网络智能体,打造具备自优化、自运维能力的自主生成网络,形成技术创新的新场景应用。
基于案例分析,本研究搭建了“未来场景挖掘—场景化知识组织—场景化应用适配”的华为5G-A技术产业化框架,如图 4所示。在此基础上,本文凝练出以“场景挖掘与协同创新—场景嵌入与知识组织—场景适配与迭代跃迁”三维逻辑为主线的新兴技术产业化机制。
根据5G-A案例经验,新兴技术产业化需跳出传统线性的创新范式,将技术研发嵌入多样化、动态演化的未来场景中,使技术突破与市场需求形成双向拉动、协同耦合的关系。
(1)未来场景挖掘与锚定。未来场景挖掘是新兴技术产业化的起点,其核心任务是打破“技术导向”的思维惯性,通过深度解构场景痛点,实现技术能力与场景需求的精准匹配。场景痛点并非单一的功能缺失,而是由技术约束、流程梗阻、价值断层构成的复合系统问题,需从“显性—隐性”“个体—系统”两个维度进行解构。在显性层面,痛点表现为可直接观察到的效率低下或功能空白问题,如5G应用在制造业生产线质检中存在误差率高、医疗领域远程诊断延迟等;在隐性层面,痛点往往隐藏在场景流程的深层逻辑中,如智慧交通场景中“车—路—人”协同的信息不对称,并非单纯由技术精度不足而导致,还源于数据交互规则的缺失。从个体与系统维度看,个体痛点聚焦单一主体体验的优化,系统痛点则涉及多主体协同效率的瓶颈问题。只有通过多维度解构,才能避免将技术适配局限于表层问题,确保锚定的痛点具有产业化的底层价值。
(2)基于场景挖掘的协同创新。协同创新是构建场景化创新生态圈的骨架,旨在打破过去由单一主体主导的技术产业化模式,形成多元异质主体基于场景化资源的价值共创网络。场景化创新生态圈的主体涵盖技术供给侧与需求侧的多元参与者。以华为5G-A为例,技术研发方拥有核心技术专利与研发能力,但缺乏场景落地的实际经验;场景需求方掌握真实场景的痛点与需求,但难以独立突破技术瓶颈;资源供给方能够提供资金、数据、硬件等要素支撑,但需要明确的场景价值作为投入依据;服务支撑方则负责降低协同成本、规范产业化流程。上述异质主体的互补性构成协同共生的产业化创新基础。
充分发挥场景在知识组织和创新中的靶向性作用,实现知识与场景的高度融合,是加速产业化创新与跃迁的关键。
(1)场景嵌入技术创新。场景嵌入并非简单的技术叠加场景,而是“场景需求牵引技术参数调整”与“技术能力重塑场景边界”的双向校准过程。一方面,基于场景痛点定义技术的核心指标;另一方面,技术能力拓展场景的潜在需求。如5G-A的低时延特性不仅解决了远程手术的实时性问题,而且催生“术中多专家协同会诊”的新场景模式。这种双向校准需要建立“技术能力清单”与“场景需求清单”的动态比对机制,通过迭代筛选确定技术的核心适配方向,避免技术因过度追求通用性而丧失场景针对性。
(2)场景化知识组织的快速响应。在场景嵌入的基础上,知识组织需打破技术原型的封闭性,通过模块化解构重组,形成可落地、可复用的场景化解决方案。新兴技术方案往往具有系统复杂性,需通过“核心模块—适配模块”的知识解耦设计提升场景适配效率。核心模块承载技术的核心功能,具有通用性;适配模块则针对具体场景的特殊需求进行定制,具有场景特异性。以5G-A应用为例,智慧工厂控制系统的核心模块可保持稳定,而适配模块则根据生产关系、工具属性调整设备联动逻辑。这种解耦设计使得技术方案能够通过更换适配模块快速响应不同场景需求,降低重复研发成本。如华为将知识沉淀为《5G-A专网智能优化白皮书》,可指导其他领域快速复制。
新兴技术在特定场景的产业化,需突破产业链中薄弱环节,形成“以点带面”的升级效应、场景适配的动态调整,进而推动知识组织与创新,实现“场景—技术—产业”的迭代跃迁。
(1)场景适配反馈。新兴技术的场景价值并非一次性释放,而是利用价值验证,通过“应用—反馈—迭代”的循环逐步显现,呈现阶梯式增长特征。总结5G案例敏捷试错与规模化商用规律发现,价值验证需结合技术成熟度与场景渗透度的不同阶段设定目标。如在导入期,价值验证的核心是技术可行性,确保方案能在场景中稳定运行;成长期验证商业可持续性,实现投入产出比的正向循环;成熟期验证社会系统性价值,推动场景所在领域的技术体制变革。每个阶段的价值验证结果都为下一阶段的场景适配提供依据。
(2)新场景开拓及产业生态跃迁。新场景是基于产品生命周期活动而创造的,具有连续可循环特点,延长了现有产品和服务范畴。华为5G-A的新场景开拓是技术融合催生的场景创新,其以跨领域需求整合与生态协同催生新兴技术价值增值,将单一的产业生态转向跨产业融合生态。这种生态系统以场景需求为纽带,通过整合不同产业技术、资源与能力,如智慧城市场景整合了通信、交通、能源、安防、政务等多个产业技术与服务,形成“城市操作系统”。新型产业生态具有标准协同与数据互通特征,不仅提升了产业的抗风险能力,而且通过技术交叉融合实现了产业层级的代际跃升。
基于逻辑建构、案例分析与讨论发现,以场景作为需求入口,不仅提供技术落地的“实验土壤”,而且激发系统层级间的跃迁与升级;技术作为驱动变量,在真实场景中完成验证,支撑产业化的有序演进;知识作为核心介质,在场景中萃取需求真知并转化为技术创新底座。综上,构建面向未来场景的知识组织模型,如图 5所示,并得到以下主要结论:
(1)场景挖掘是技术产业化创新的起点,为技术研发提供精准靶向。通过阅读案例材料发现,在5G-A产业化过程中,华为并非简单地追求技术参数提升,而是通过深入分析“人联、物联、车联、行业联、家庭联、通感”等场景的多重因素,将离散的技术创新整合为针对性场景解决方案。而场景是包括环境、流程、事件、主体、目标、时间等多个要素组成的特定情境,可从战略导向、商业需求、产业现状、技术基础4个方面识别未来场景需求,为新兴技术创新提供靶标。
(2)场景化知识组织是实现新兴技术产业化的中枢,生态化协同是高知识组织绩效的“主心骨”。区别于现有研究将场景知识定义为“技术与需求的双维知识”,本文将场景知识界定为基于特定应用场景的需求和约束条件,通过定向融合技术、资源与领域经验,动态演化形成的具有高度情境适配性的知识体系。新兴技术的场景化知识组织涉及场景知识聚合、场景知识重组,主导企业需要梳理共同理念、创造客户价值、赋能合作伙伴,通过跨场景、跨组织、跨产业的知识协作推进知识生态建设。
(3)场景化应用适配是“场景—技术—产业”迭代演进的催化剂。原场景应用形成“敏捷试错—规模化商用”的纵向演进路径,新场景开拓催生流程式开拓与并列式开拓的横向互动模式。这种动态适配迭代机制不仅加速技术成果向产业价值的转化,而且通过场景边界的持续拓展重构产业链价值网络,形成“场景嵌入—技术突破—产业升级—场景创新”螺旋上升的新兴技术产业化范式。
(1)拓展场景驱动创新的相关理论研究。发挥场景优势、塑造新场景是培育新兴产业的重要命题。现有研究主要集中于产品或商业模式的常规性场景,缺乏对未来场景的预测性研究,其理论框架难以覆盖技术路径模糊、市场边界未明的新兴产业领域。研究通过案例分析构建的“战略导向—商业需求—产业现状—技术基础”的未来场景识别体系,突破了传统场景研究的“短期需求依赖”局限。这一体系与IPCC“共享社会经济路径(SSPs)”中的多维度变量耦合场景构建逻辑形成呼应,既延续了未来场景多元可能性的核心特征,又进一步明确了场景识别对资源配置的牵引作用。
(2)完善场景化知识生态构建的理论依据。知识管理研究多聚焦“知识创造—共享—应用”的线性流程,而对“知识组织如何响应动态场景需求”的探讨不足。本文分析了知识组织视角下新兴技术产业化的理论逻辑及路径,首次构建了“场景挖掘—知识组织—场景适配—场景迭代”的闭环循环框架,将知识组织定位为“场景驱动式飞轮的中枢”,解释了知识从分散状态到系统性响应场景需求的转化机制,弥补了现有知识管理理论对场景导向性关注的不足,为构建场景化知识生态提供了理论参考。
本文为企业利用场景驱动逻辑形成高效、可落地的新兴技术产业化路径提供了指引,为企业识别未来技术方向、优化资源配置模式提供了管理启示:
(1)建立“技术—场景”的交互迭代机制。企业应培养数字经济下的场景洞察能力、知识重组能力、生态协同能力以及数字治理能力,以突破传统线性创新模式,建立“场景挖掘—知识组织—场景适配—场景迭代”的闭环管理机制。通过系统性场景识别与需求分析框架,将离散的技术研发活动转化为针对性场景解决方案,建立敏捷试错机制,实现新兴技术创新与市场需求的耦合匹配。
(2)构建以场景为牵引的动态知识管理体系,建立跨领域、跨组织、跨学科的知识协作机制。在目前的开源系统基础上大力开发支持知识生成与模拟知识重组的数字平台,将场景知识作为核心技术竞争力进行系统化管理。通过在数字平台中嵌入场景数据、用户行为反馈与技术性能指标,构建针对未来多场景适应性的知识图谱和动态推演模型,从而支持从需求识别到技术实现,再到商业模式重构的全过程创新决策。
(3)推动“技术—产业—市场”的三维协同转型,同步规划技术突破、产业重构与价值创新的转型路径。在技术维度,可借鉴“场景实验室”模式,建立以场景为牵引的快速迭代机制,实现技术研发与场景痛点精准匹配;在产业维度,参考华为云构建的行业大模型矩阵,推动组织形态向网络化、生态化转型;在市场维度,培育场景驱动的新型商业模式,借鉴杭州城市大脑的政务场景价值转化路径,突破传统价值链边界。
本文选择华为5G-A作为新兴技术研究的案例样本,具有一定典型性与代表性,但不同企业的类型、技术基础和行业背景具有异质性,未来可以通过跨行业大样本实证研究,将研究结论扩展至战略性新兴产业和未来产业。此外,随着新兴技术应用,技术链升级、价值链重构呈现不可逆趋势,探讨未来场景对其他行业的策源作用,充实和完善面向未来场景的创新过程模型具有重要意义。
[1] 周文,许凌云.论新质生产力:内涵特征与重要着力点[J].改革,2023,40(10):1-13.
[2] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.
[3] 武建龙,董阔,杨仲基,等.场景驱动企业颠覆性创新的作用机制研究:基于创新生态系统视角的双案例分析[J].中国软科学,2024,39(10):164-174.
[4] 王福,刘欣悦,刘俊华,等.场景如何基于价值主导逻辑演变与企业动态能力进阶交互赋能商业模式创新:蒙草生态案例[J].科技进步与对策,2023,40(23):11-21.
[5] XIAO T, MAKHIJA M, KARIM S. A knowledge recombination perspective of innovation: review and new research directions[J].Journal of Management,2022,48(6):1724-1777.
[6] 苏新宁.面向知识服务的领域知识组织纵论[J].情报学报,2022,41(9):889-899.
[7] 常立民.元宇宙场域下用户—知识—场景重构的图书馆服务机制创新与发展对策研究[J].情报科学,2023,41(6):170-181.
[8] 张洪,江运君,鲁耀斌,等.社会化媒体赋能的顾客共创体验价值:多维度结构与多层次影响效应[J].管理世界,2022,38(2):150-168.
[9] 张晓林,梁娜.知识的智慧化、智慧的场景化、智能的泛在化:探索智慧知识服务的逻辑框架[J].中国图书馆学报,2023,49(3):4-18.
[10] ALDEN D, SARAH L, MELINDA H, et al.Adapting natural language processing for technical text[J].Applied AI Letters,2021,2(3):e33.
[11] KENNY D,MARSHALL J F.Contextual marketing: the real business of the Internet[J].Harvard Business Review,2000,78(6):119-125.
[12] CRANTJ M. Proactive behavior in organizations[J].Journal of Management,2000,26(3):435-462.
[13] 陈劲.加强推动场景驱动的企业增长[J].清华管理评论,2021,11(6):1.
[14] SHARMA R S, YANG Y. A hybrid scenario planning methodology for interactive digital media[J].Long Range Planning,2015,48(6):412-429.
[15] 陈丛波,陈娟,胡登峰.场景驱动的跨区域创新系统:核心要素与未来发展[J].科研管理,2024,45(5):85-93.
[16] 李洪海,饶永刚.消费心智驱动的未来场景创新[J].装饰,2025,68(3):12-19.
[17] 尹西明,陈劲.产业数字化动态能力:源起、内涵与理论框架[J].社会科学辑刊,2022,44(2):114-123.
[18] 刘洪波.知识组织与知识社会化过程[J].中国图书馆学报,1991,35(1):24-29,91.
[19] 曾蕾.网络环境下的知识组织系统:编者的话[J].现代图书情报技术,2004,25(1):2-3.
[20] 翟可欣,袁靖舒,袁满.整合多学科理论的知识组织系统理论元模型研究[J].情报学报,2024,43(10):1154-1165.
[21] 蒋樟生,赵梦馨怡.外部技术网络嵌入、知识重组能力与制造企业节能减排[J].工业技术经济,2024,43(2):116-125.
[22] ROTOLO D, HICKS D, MARTIN B R. What is an emerging technology[J].Research Policy,2015,44(10):1827-1843.
[23] 王敏,余江,马志祥.场景驱动新兴技术产业化创新的“双重困境”与破解之道[J].清华管理评论,2024,14(11):45-51.
[24] 韦景竹,祝培培,史亮亮.情境流驱动下技术自由实施的多维知识重组研究[J/OL].情报理论与实践,1-13[2025-08-10].https://link.cnki.net/urlid/11.1762.G3.20250409.1538.002.
[25] 陆泉,陈静宇,陈帅朴,等.场景化知识图谱及构建方法[J].情报科学,2024,42(3):1-9,32.
[26] 杨坤.“S-A-C”视角下分布式创新及其知识共享的理论探析[J].科学学研究,2013,31(5):764-771,779.
[27] 夏杰长,张雅俊.数字经济赋能消费提质扩容的机理与路径[J].延边大学学报(社会科学版),2024,57(3):37-47,140-141.
[28] EISENHARDT K M,GRAEBNER M E.Theory building from cases:opportunities and challenges[J].Academy of Management Journal,2007,50(1):25-32.
[29] 成琼文,郭波武,张延平,等.后发企业智能制造技术标准竞争的动态过程机制:基于三一重工的纵向案例研究[J].管理世界,2023,39(4):119-140,191.
[30] 陈旭升,姬艺菡.场景驱动下企业数字技术创新路径研究[J].科技进步与对策,2024,41(19):79-90.