Mechanisms through Which Entrepreneurial Spirit Shapes the Innovation Value Chain of Artificial Intelligence Firms: The Science-Entrepreneurship Ambidextrous Perspective

Zou Jiayi1, Guo Yanqing1,2, Zhang Qiao1

(1.School of Business, Liaoning University;2.The Center for Innovation and Entrepreneurship Research, Liaoning University, Shenyang 110036, China)

Abstract：In the era of the digital-intelligence paradigm, the deep integration of data, algorithms, and computing power is propelling human society into a new stage of development. As a strategic frontier technology reshaping the global economic landscape, artificial intelligence (AI) is driving a new round of scientific and industrial revolutions. In response to this trend, China has placed technological innovation at the core of its national development strategy, focusing on cultivating future industries represented by AI to foster new quality productive forces and achieve high-quality growth. As core actors of these future industries, AI enterprises are characterized by cross-disciplinary integration, rapid iteration, and collective innovation. However, beneath this technological dynamism lies a persistent challenge: many enterprises demonstrate strong technological exploration capability but struggle to convert scientific achievements into sustainable market value. This structural disconnection between technology exploration and commercial transformation highlights the need to establish an efficient linkage across the entire innovation chain of knowledge-technology-market.

Compared with traditional factor-driven industries, AI enterprises rely more heavily on intelligent factors that are fluid, self-evolving, and highly uncertain. These characteristics make innovation activities more complex and riskier, and render innovation performance increasingly dependent on entrepreneurs′ capacity to judge technological trajectories and identify market opportunities. In this context, entrepreneurial spirit is no longer merely an individual trait but serves as a vital coordinating mechanism that bridges strategic vision and technological execution, directly influencing the efficiency of innovation resource allocation and innovation output. Nevertheless, existing research has primarily focused on external resources or organizational structures, paying insufficient attention to the internal cognitive and behavioral mechanisms through which entrepreneurial spirit shapes innovation performance. Particularly within the dynamic and complex technological environment of AI enterprises, the underlying mechanism remains insufficiently studied and theoretically underdeveloped.

To better understand this issue, from a science-entrepreneurship ambidextrous perspective, this study adopts the innovation value chain theory as its analytical framework and constructs a two-stage model comprising knowledge R&D and technology valorization. The research sample consists of AI enterprises listed on China′s Science and Technology Innovation Board (STAR Market), which represent the frontier of the nation′s future industries. First, an LDA topic model is employed to identify four dimensions of entrepreneurial spirit—exploration, responsibility, resilience, and integration—which are further categorized into two subsystems: scientific-attribute spirit and entrepreneurial-attribute spirit. These dimensions are quantitatively measured through text analysis combined with a Word2Vec model. Second, a two-stage network Data Envelopment Analysis (DEA) model is used to evaluate the efficiency of each stage in the innovation value chain and the overall performance formed by their coupling. Finally, multiple regression analysis is conducted to test the effects of entrepreneurial spirit on stage-specific innovation efficiency and overall innovation performance.

The results reveal three main findings: (1) Scientific-attribute spirit primarily influences the knowledge R&D stage, where exploration spirit significantly enhances R&D efficiency, and responsibility spirit exhibits an inverted “U-shaped” pattern of “first inhibiting, then promoting”; (2) Entrepreneurial-attribute spirit mainly affects the technology valorization stage, where resilience spirit positively promotes commercialization efficiency, while integration spirit demonstrates an inverted-U effect; (3) The synergy between scientific and entrepreneurial spirits significantly enhances the overall performance of the innovation value chain, with the effect being stronger among entrepreneurs possessing research backgrounds.

Drawing on the innovation value chain perspective, and grounded in a science-entrepreneurship ambidextrous framework, this study systematically explores the mechanism through which entrepreneurial spirit drives innovation in AI enterprises. The framework reveals both the stage-specific and synergistic effects of multidimensional entrepreneurial spirit, and clarifies the mechanisms and pathways through which knowledge R&D and technology transformation achieve coordination. The findings refine the process perspective of the innovation value chain, expand the theoretical boundary of entrepreneurial spirit in hard-technology contexts, and provide valuable insights for promoting the sustainable innovation of China′s future industries.

Key Words：Artificial Intelligence; Entrepreneurial Spirit; Innovation Value Chain; Topic Modeling; Text Analysis

DOI：10.6049/kjjbydc.D82025060558

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2026)11-0148-12

收稿日期：2025-06-23

修回日期：2025-10-16

基金项目：辽宁省社会科学基金重点建设学科项目(L22ZD061)

作者简介：邹家祎(1997-),女,辽宁盘锦人,辽宁大学商学院博士研究生,研究方向为企业家精神;郭燕青(1964-),男,吉林梅河口人,博士,辽宁大学商学院教授、博士生导师,辽宁大学创新与企业家研究中心主任,研究方向为企业家精神、企业创新管理;张巧(1998-),女,河南南阳人,辽宁大学商学院博士研究生,研究方向为企业家精神。通讯作者:郭燕青。

0 引言

随着人工智能重塑全球经济发展轨迹,人类社会正逐步迈入以人工智能、大数据和数字技术为核心的“数智范式”时代。该范式超越了农业、工业与信息范式的传统界限,成为推动经济高质量发展的重要引擎[1]。人工智能作为具备深远社会变革潜力的硬科技之一,正引发全球范围内的新一轮科技竞逐。然而,人工智能企业在实现技术突破与商业价值之间,面临探索与转化链条脱节的系统性难题[2]。例如,美国人工智能企业OpenAI于2025年发布GPT-5模型,尽管在多模态处理与响应效率上有所提升,却因用户反馈不佳与市场接受度有限而陷入争议,甚至被质疑其技术进展未达预期。这一现象揭示出人工智能企业在技术演进与市场应用之间缺乏协同,进而削弱了整体创新绩效。中国人工智能企业在生成式AI、自然语言处理等关键领域持续追赶的同时,也正面临转化效率偏低、盈利模式不清晰等现实困境,呈现出高投入、低回报与激烈竞争并存的结构性特征。创新价值链理论突破了传统线性创新观,将企业创新活动视为由创意生成、创意转化和创意扩散构成的连续演化过程,强调各环节协同对创新绩效的乘数效应(Roper,2028)。在该视角下,人工智能企业创新过程中的价值创造并非线性累积,而是其中任何一环的高效运转均可能放大整体创新绩效,且任何一环的低效均可能造成系统性瓶颈。因此,人工智能企业亟需在科技探索与成果转化等关键节点建立系统性联动机制,提升创新价值链各环节之间的协同效率,从而实现创新驱动下的高质量发展。

在高度不确定的技术变革环境中,人工智能企业的发展逻辑已由传统要素驱动转向以数据、算法和算力为核心的智能要素驱动。与传统要素相比,这些智能要素不仅具有更强的不确定性与迭代性,也对企业创新活动的认知引导与战略协同能力提出了更高要求。在此情境下,企业家精神随之不断锤炼与升华。企业家需要在前沿技术方向选择、风险权衡与组织协同等方面,具备系统性判断、理性态度与持续创新导向等精神要素。因此,企业家精神在人工智能企业的创新价值链运转中发挥着愈发关键的作用。然而,现有研究主要从人力资源、社会资本以及合作网络等外部或组织资源角度解释人工智能企业的创新动力机制,较少关注企业家精神作为一种异质性智力资本的作用[3]。李晓华等[4]指出,企业家认知框架对人工智能企业商业模式创新具有引导意义。韵江和李文锋(2025)则提出了“人机融合”所带来的新型组织认知结构。尽管这些研究为理解人工智能背景下的创新行为提供了启发,但大多聚焦于认知与技术整合的单一环节,尚未系统分析企业家精神在创意生成、技术攻坚与成果转化等创新关键环节中的阶段性作用机制,也缺乏对人工智能企业情境下企业家精神多维结构及其协同作用的深入识别与理论建构。

基于上述问题,本文以人工智能企业为研究对象,立足创新价值链理论,从科学—创业双元视角出发,采用由具体到整体的分析路径,揭示企业家精神作用于创新价值链各阶段效率及整体绩效的内在机制。具体而言,借助LDA主题模型识别企业家精神的多维结构及其在不同创新阶段中的功能指向,并从系统视角剖析科学属性精神与创业属性精神的协同结构,结合耦合分析方法检验双元企业家精神对人工智能企业创新价值链整体绩效的影响。

1 核心概念与理论框架

1.1 人工智能企业创新价值链

Hansen &Birkinshaw(2007)在《哈佛商业评论》中首次提出“创新价值链”概念,为理解企业内部创新活动提供了新的分析框架。随后,Roper等[5]从科技知识角度将创新价值链理论细化为知识来源、知识转化和知识利用3个环节,为解释人工智能企业创新价值链的非线性、多阶段协同与高复杂性特征提供了坚实支撑。人工智能企业作为数智经济中的关键科技创新主体,既面临高度不确定性,又具有高技术密度,其创新路径因而比传统企业更为复杂。一方面,其知识研发不仅涉及基础算法、模型架构等底层技术迭代,还需持续探索其在多样化商业场景中的适配性;另一方面,研发成果能否及时转化为产品、服务或业务模式,直接关系其商业价值的释放。因此,其创新活动更强调研发与转化的双向反馈循环机制。相较于传统企业的线性创新逻辑,人工智能企业在知识探索与市场检验之间往往需要更频繁的交互调整,以实现从科研认知到技术产品的动态耦合。反复试错与持续优化,使其在创新价值链中的运作更依赖于内部资源的协调效率与战略决策的灵活性[6]。然而,既有研究多聚焦于创新投入或产出等单一维度,缺乏对创新过程内部结构及阶段协同机制的深入考察,难以完整揭示人工智能企业如何在不同阶段形成创新价值。因此,本文在创新价值链理论基础上,结合人工智能企业的技术特性与市场逻辑,将其创新过程划分为两个核心阶段:知识研发阶段与技术价值化阶段。知识研发阶段聚焦于人工智能基础技术和潜在应用场景的探索,强调源创新;技术价值化阶段则关注研发成果的市场检验、迭代扩散及产品化落地,突出技术与市场共生的创新价值转化[7]。据此,人工智能企业的创新价值链绩效可以界定为,在知识研发和技术价值化两个阶段中,通过创新活动实现知识创造、技术转化和市场价值生成的能力和效率,并最终实现创新价值的涌现。

1.2 科学—创业双元企业家精神

企业家精神理论始终伴随创新实践不断演化,从最初坎蒂隆强调的企业家机会警觉,到熊彼特提出创造性破坏的企业家精神本质。传统研究多以单一特质解释企业家精神,随着技术演进和创新环境逐渐复杂化,学术界逐步转向对其多维结构的系统性研究。Dorf &Byers(2005)指出,科技发展促使企业家精神呈现复合化特征,要求企业家兼具技术创新能力与市场洞察力。张维迎和盛斌[8]、欧雪银等(2011)基于中国情境验证了创新、冒险和敬业等精神的整体表现;而蔡双立和郭嫱[9]、罗瑾琏等(2024)进一步揭示了持续学习与前瞻性战略思维对科技企业发展的重要性。Kulkov等[10]更直接指出,科学精神、创新精神与冒险精神的耦合构成了数智时代企业家精神的新内涵。

人工智能企业所处的高技术密度与高度不确定性创新环境,推动其企业家精神向多维系统结构演化,并呈现阶段性差异。知识研发阶段,企业家精神体现为对颠覆性技术路径的敏锐探索、对长期技术积累的战略耐性,以及对人工智能伦理边界的价值考量,整体上展现出以技术本源探索与科学责任意识为核心的“科学属性”;技术价值化阶段,企业家精神则表现为对外部不确定性的应变能力、对商业机会的识别判断,以及资源整合与市场导向的战略能力,呈现以现实转化与商业落地为导向的“创业属性”[11-12]。双重属性的动态转换与协同作用,为人工智能企业跨越“达尔文之海”,实现从知识发现到价值实现的跨阶段跃迁提供了内在动力。

理论演进与现实需求均表明,单一维度视角难以充分揭示人工智能企业创新价值链中企业家精神的多样化表现。基于此,本文以科学—创业双元视角构建契合人工智能企业创新价值链绩效的企业家精神分析框架,并深入挖掘和剖析其中的细分精神要素及协同机制。

1.3 人工智能企业企业家精神

已有研究对企业家精神的内涵与分类多基于传统理论框架,缺乏对特定情境的深入探讨。近年来,学界呼吁立足国家制度与行业特性,从具体组织环境出发识别更具情境适配性的企业家精神[13]。为揭示人工智能企业在数智化与本土化语境下的精神特征,本文采用隐含狄利克雷分配(LDA)主题模型进行识别与归纳。LDA 作为无监督主题建模算法,能够从大规模文本中挖掘潜在语义结构,已广泛应用于企业家特质与创业风格研究[14-15],适用于系统提取人工智能企业企业家精神的多维特征。

企业家精神维度主题挖掘的具体步骤如下:

(1)样本选取。现有研究对人工智能企业主要有两类界定:一类是将人工智能技术作为业务工具的通用型企业(束超慧等,2022);另一类则是在算法、芯片或AI应用等关键领域实现技术突破,推动产业边界演进的科技创新型企业[7]。本文关注后者,即具有核心AI研发能力和技术自主权的人工智能企业。鉴于科创板旨在支持此类以关键技术创新为导向的企业,本文选取科创板上市的人工智能企业作为研究对象,并结合行业分类与经营信息筛选主营业务涵盖人工智能领域的企业(阮荣彬等,2024)。为确保样本的代表性与技术对应性,进一步依据研发导向与市场定位系统核对企业的核心技术与知识产权布局是否集中于 AI 方向,以及其在 AI 产品细分赛道的聚焦情况,最终确定102家人工智能企业作为研究样本。

(2)文本数据选取与预处理。企业年报中管理层讨论与分析(MD&A)部分因能集中呈现核心决策者的认知判断与战略逻辑,被广泛用于识别企业家精神与管理者特质[16]。结合人工智能企业的组织特征,本文将企业家界定为创始人或核心领导者,即在战略制定与组织运行中拥有实质控制权、对企业创新方向和资源配置具有决定性影响的主体。既有研究表明,在创始人主导的企业中,企业家精神可通过战略表述与公开披露得以外化,尤其体现在MD&A中[17-18]。经核实,样本中超过90%的企业由创始人主导并兼任董事长或 CEO,具有明显创始人决策特征。据此,本文选取 MD&A 文本作为识别企业家精神的核心数据来源。

在数据预处理中,首先,对长文本按段落拆分、短文本结合上下文整合,以平衡文档长度并保持语义完整,构建适用于LDA模型的文档—词汇矩阵。其次,采用Python的jieba工具进行分词,结合《哈尔滨工业大学停用词表》剔除企业名称、机构名等无关词,并将“关键核心技术、高质量人才”等复合词纳入自定义词典。经清洗与筛选后,获得可用于LDA主题识别的标准化语料。

(3)主题识别。一是确定最优主题数。使用 Python 的 Gensim 库中的LDA模块进行建模。运用一致性水平和困惑度程度共同确定最优主题数量。计算结果显示,当主题数为4时,一致性处于最高且困惑度出现明显拐点,因此确定本文最优主题数为4。二是主题可视化。借助 pyLDAvis工具获得可视化结果(见图1)。图中4个圆圈分别代表所识别的4个主题,圆圈大小表示主题在语料中的出现频率,圆圈间距离反映主题之间的语义相似度。整体上,4个主题分布较为分散,说明模型具有良好的主题区分度。此外,各主题的总体占比差异不大,其中主题2的出现频率最高,主题2与主题4在语义分布上相对接近。

(4)企业家精神主题命名。基于各主题的特征词与高概率文本内容,结合相关研究成果,对主题进行综合命名(见表1)。已有研究表明,战略选择不仅是企业战略行为的结果,也是企业家精神在组织层面的集中体现[19]。因此,虽MD&A文本主要呈现战略表述,但其战略取向实质上反映了不同维度的企业家精神特质,可视为企业家精神的外在表达与分析依据。

主题1:韧性精神。特征词包含“风险、挑战、预设、持续”等,反映企业家面对不确定性的适应能力与长期坚持[20]。代表性文本虽聚焦算力需求与芯片布局等战略举措,但可以揭示企业家在高风险环境中通过理性预期与机遇识别保持战略定力,并以持续投入支撑长期技术布局。这种以长期主义和抗压韧性为导向的精神特质可归纳为韧性精神。

主题2:探索精神。特征词包含“技术、数据、智能、算法”等,反映企业家对人工智能核心技术攻关的关注[21]。代表性文本虽围绕自主可控与关键技术突破展开,但可以体现企业家对技术本源的深度理解、对研发投入的高度重视以及坚持自主创新的理念。这种以求实、精进与原始创新为导向的精神特质可归纳为探索精神[22]。

主题3:整合精神。特征词包含“合作、资源、投入、采购、产业链”等,反映企业家在组织运作中对资源配置与外部协同的高度关注。代表性文本虽涉及营收、利润与人力成本等经营事项,但体现出企业家通过加大战略资源投入、扩充人才,优化产业链协同以提升竞争力的行为特征。这种以资源整合与组织合作为导向的精神特质可归纳为整合精神。

主题4:责任精神。尽管特征词本身缺乏明确的主题导向,但代表性文本能集中体现出企业服务国家战略、追求社会认可的价值取向,并关注人工智能伦理与负责任使用等议题,如“通过建立内容过滤机制以保障数字健康与合规应用”。这表明,企业家在推动技术赋能与产业发展的同时,亦注重科技伦理,是其将促进科技进步的价值使命内化为战略决策的重要依据[23-24]。据此,可归纳为责任精神。

从理论上看,熊彼特在创新理论中指出,企业家在经济发展中承担着“实现新组合”的职能,既连接科学发现的知识创造环节,又推动创新成果的商业化应用。后续研究进一步强调,企业家精神兼具机会发现与机会实现的双重功能[25],对应创新活动中的两种内在导向:面向知识创造的认知与价值导向,以及面向价值实现的实践与行动导向。据此,人工智能企业的企业家精神可划分为面向认知的科学属性与面向实践的创业属性。前者以求真与责任为核心,体现企业家在知识探索与科技伦理遵循中的理性自觉[22];后者以行动与创新为核心,代表企业家在将技术成果转化为经济与社会价值过程中的战略判断与执行能力。

基于此,LDA识别的4类精神可依其功能逻辑划分为两类属性:探索精神与责任精神体现科学属性精神的认知导向,反映企业家在科学突破与知识积累中对公共价值与社会意义的追求;韧性精神与整合精神体现创业属性精神的行为逻辑,既强调企业家在不确定环境下的坚韧应对与风险调适,也体现其在有限资源条件下的配置与协同能力。LDA主题分布的可视化结果亦与此理论逻辑相符(见图1)。探索与责任精神主题在语义空间中聚合,反映科学属性精神的认知一致性;韧性与整合精神主题分布较分散,体现创业属性精神在实践决策与价值转化过程中的多样化行为取向。总体而言,科学与创业两类精神相互补充,共同构成支撑人工智能企业创新价值链从知识研发阶段到技术价值化阶段的企业家精神系统。

1.4 理论模型

通过上述理论分析与企业家精神维度挖掘可知:科技属性的企业家精神(探索精神与责任精神)主要体现于知识研发阶段;创业属性的企业家精神(韧性精神与整合精神)则主要体现于技术价值化阶段。基于此,本文构建理论模型如图2所示。

2 理论分析与研究假设

2.1 知识研发阶段企业家精神:科学属性精神

2.1.1 探索精神与知识研发效率

探索精神主要体现为企业在未知领域的求知欲、技术好奇心与持续学习倾向[26]。这种特质不仅推动企业家不断追求新知识,还促使其积极关注人工智能前沿技术动态,主动识别潜在的科学问题与技术瓶颈。在知识研发阶段,技术突破依赖跨学科知识的积累与多轮迭代实验。探索精神能够激发企业家对科学问题的持续兴趣,使其在不确定环境中保持对技术前沿的敏锐洞察,从而在方向选择上提高知识研发的效率。同时,探索精神帮助企业突破既有路径依赖,避免跟随式创新,主动开辟自主化技术路线(张辉等,2025)。这种面向原始创新的探索导向有助于减少研发中的路径锁定效应,提升知识创造的效率与原创性,进而在最基本层面推动企业整体知识研发效率的提升。进一步地,探索精神推动企业家及团队在研发过程中更深入地理解技术原理,降低试错成本,直接提升知识研发效率。此外,探索精神鼓励企业家不断拓展知识边界,以推动研发团队在算法、模型和应用场景中形成更具突破性的创新成果。这不仅提升了研发的原创性和科学价值,也加快了知识从积累到应用的转化效率。基于上述分析,本文提出假设:

H1:企业家探索精神对知识研发效率具有正向影响。

2.1.2 责任精神与知识研发效率

人工智能企业在技术研发过程中面临伦理困境[27]。尽管人工智能的进步能够为社会带来广泛福祉,但持续的技术创新同时伴随着隐私安全、算法偏见和责任归属等一系列伦理风险。责任精神主要体现在两个方面:一是企业家在科技创新与伦理之间的平衡行为,如严格遵守科技伦理规范并推动完善科技标准;二是企业家在研发实践中积极落实负责任的科技创新行为。这类伦理约束在研发初期并不显著,但随着知识不断转化为可应用的具体技术并进入更高复杂度的阶段,企业家不得不在研发决策中更多地权衡科技突破与伦理要求(阮荣彬等,2024)。基于此,责任精神对知识研发效率的作用呈现非线性特征。在研发早期,责任精神的强化可能导致企业家对于风险和伦理问题过度谨慎,资源配置效率下降,从而抑制研发进度。然而,随着研发的推进,风险与不确定性逐渐增大,创新失败成本也随之提高。此时,责任精神则逐渐转化为有效的风险控制与质量保证,切实提升研发的稳健性与效率。具体到人工智能企业,其知识研发过程涉及数据驱动的人机交互,极易引发责任主体模糊与责任缺失问题[28]。在研发初期,企业家可能因责任意识在数据收集与利用上表现出谨慎态度,暂时降低数据循环效率;但在研发深入阶段,责任精神所推动的数据管理规范化和风险控制机制,反而能够增强数据循环效能,最终提升整体研发效率(Gupta,2016)。基于上述分析,本文提出假设:

H2:企业家责任精神对知识研发效率具有 U 型影响,即随着责任精神的增加,知识研发效率先下降后上升。

2.2 技术价值化阶段企业家精神:创业属性精神

2.2.1 韧性精神与技术价值化效率

韧性精神体现为企业家在不确定环境下的前瞻判断、危机应对能力以及对失败的反思与学习行为。人工智能企业的创新活动具有显著的资本密集性,其技术商业化的失败成本往往极高[2]。同时,技术价值转化过程不仅受到市场需求波动和竞争格局变化的影响,还面临政策环境和监管制度的不确定性。在此背景下,韧性精神一方面能够帮助企业家将不确定性视作潜在机遇,积极探索多元化的市场路径;另一方面通过提升组织应对环境变化的反应速度和灵活性,从而有效提高技术价值化效率[20]。进一步地,面对价值化过程中的挫折,企业家通过持续的自我反思与经验总结,能够增强企业的风险承受力和复原能力。同时,这种反思导向也有助于其在组织内部营造包容失败的氛围,减轻员工对失败的恐惧,并进一步激发持续创新的动力。总体而言,韧性精神通过强化学习导向与组织抗压机制,形成了支撑人工智能企业技术价值化的内在动力。基于上述分析,本文提出假设:

H3:企业家韧性精神对技术价值化效率具有正向影响。

2.2.2 整合精神与技术价值化效率

整合精神主要体现为企业家的合作共享行为倾向,以及其对资源交换与配置的决策能力。陈明明和张文斌(2021)指出,数智化经济环境使企业家的整合精神更具成效。对于人工智能企业而言,合理收集与高效利用资源,是技术成果实现商业转化的关键前提。然而,企业自身的资源往往难以支撑新技术的全面落地(Aarikka-stenroos,2012)。因此,多数企业家通过建立或参与AI创新生态系统,推动主体间资源互动,进而加快技术向经济收益、客户关系等显性与隐性价值的转化[29]。同时,因为人工智能企业的创新通常涉及跨领域技术的融合,所以跨界数据与信息的整合对其而言尤为重要[30]。企业家的整合精神能够突破企业边界限制,在数据驱动过程中识别和捕获大量有价值的数据资源,并将其转化为支持战略决策的结构化信息,从而促进技术转化为符合市场需求的产品或服务。然而,整合精神对人工智能企业的创新也可能带来负面影响,其表现为一把“双刃剑”:一方面,随着企业内外合作网络的动态性扩散,合作协调成本与时间成本也显著增加,甚至可能导致合作关系破裂或信息泄露,削弱技术价值化效率[31];另一方面,随着资源与数据规模的不断扩大,尽管企业家具备资源配置决策的能力,但当资源超出企业自身算力可处理的范围时,企业则难以实现最优配置,进而对技术价值化产生消极影响(王莉静等,2024)。基于上述分析,本文提出假设:

H4:企业家整合精神对技术价值化效率具有倒U型影响,随着整合精神的增加,技术价值化效率展现出先上升后下降的变化。

2.3 消除科学与商业“两张皮”的关键:双元属性精神的协同与创新价值链绩效

人工智能企业创新价值链绩效的产生过程涵盖了从技术研发到场景应用,直至创造经济与社会价值的完整链条。该过程高度依赖企业家兼具的科学素养与创业能力,并且这种依赖性会随着创新活动的推进而逐步增强[32]。若仅从单一的技术或创业视角出发,往往易导致研发成果与应用需求之间错配,阻碍价值实现。因此,企业家所具备的科学属性精神与创业属性精神之间的协同,成为了提升创新价值链绩效的关键动力,这种协同效应尤为凸显于各演化阶段的衔接环节。具体而言,在科学创意至技术研发阶段,企业家既需要保持对前沿知识突破的探索热情与责任意识,又需要通过系统性判断与资源统筹,兼顾研发方向与潜在市场需求,进一步提升知识的利用效率并增强研发成果的市场契合度。在技术研发至价值化阶段,人工智能技术产品需经历持续优化乃至颠覆性更新,企业家的双元属性精神协同既能支持其在高风险环境中大胆探索,也能够在高度不确定性条件下保障其决策的科学性。因此,在人工智能企业创新价值链绩效的产生过程中,企业家科学属性精神与创业属性精神的协同效应,则充分体现并强化了企业家变革与稳健并存的认知模式与行为能力,从而以长期主义的视角促进科学突破与商业价值的共同创造。基于上述分析,本文提出假设:

H5:科学属性精神与创业属性精神的协同对人工智能企业创新价值链绩效具有正向影响。

3 研究设计

3.1 创新价值链绩效测度

基于前文理论分析及人工智能企业的自身特征,本文将人工智能企业的创新价值链划分为知识研发阶段与技术价值化阶段。相应地,创新价值链绩效被进一步分解为两阶段效率,并以此构建整体创新价值链绩效的测度体系。为准确测度上述绩效指标,本文采用能够反映过程视角且广泛应用于效率分析的两阶段网络DEA方法。

如图3所示,在知识研发阶段,人工智能企业依托初始投入(Xi)开展科技创新活动。该阶段的主要投入包含3类:①资金投入,如研发经费;②人力投入,即研发人才;③算力投入,这是区别于传统企业研发的重要投入,指企业在数据处理、模型训练与高性能计算中所需的计算资源,包括本地GPU服务器、云计算平台及相关计算消耗。在此基础上,企业形成中间产出(Mi),主要包括专利申请与软件著作权。专利体现技术原理上的突破,而软件成果则直接承载算法与解决方案的应用潜力,甚至可能成为后续商业化产品的雏形。

在技术价值化阶段,人工智能企业以知识研发阶段的中间产出(Mi)为核心投入,并结合该阶段的额外投入(Zi),如成果转化所需的资金,推动科技成果向经济价值与市场占有率的最终产出(Oi)转化。

基于此,本文借鉴 Fare 等(2000)提出的两阶段动态网络DEA模型,将知识研发阶段与技术价值化阶段有机衔接,以同时测算人工智能企业在各阶段的效率表现及其整体创新价值链绩效。

DEA模型的结构设定如下:

假设有j个人工智能企业(决策单元DUM)。在知识研发阶段,每个DUM有i个投入(Xij,i=1,…,I),r个中间产出(Mrj,r=1,…,R),同时它也是技术价值化阶段的投入。另外,技术价值化阶段有k个中间投入(Zkj,k=1,…,K),s个最终产出(Osj,s=1,…,S)。

(2)

(2)

Et=E1×E2

(3)

其中,知识研发效率测度为模型(1),技术价值化效率测度为模型(2)。知识研发效率为E1,技术价值化效率为E2。上述模型需要满足的约束条件包括:①确保每个企业的实际投入(包含初始投入、中间产出转变的投入以及额外中间投入)不能超过其实际可利用资源,以避免对比企业效率评估过程中的虚假优化。②中间产出和最终产出需至少达到对比企业中的最佳组合水平,以确保两阶效率评估结果的有效性。③所有权重之和被限定为1,以实现 DEA 模型中的可变规模报酬假设,即采用 BCC 模型。考虑到人工智能企业的规模大小存在差异,且其所处的发展阶段、研发模式及商业化模式各不相同,因此采用可变规模报酬(VRS)假设更符合实际情况。VRS 允许在不同规模水平下评估企业的转化效率,而非强制所有企业处于相同规模收益的假设情境中,以获得更为客观合理的测度结果。此外,参考Kao&Hwang(2008)提出的思路,人工智能企业的创新价值链绩效(记作Et)为知识研发效率与技术价值化效率的乘积,记为模型(3)。

具体指标选取及处理如表2所示。

3.2 企业家精神水平测度

为准确测度企业家精神在科学属性与创业属性两方面的整体水平,本文在前文分析基础上,基于探索精神、责任精神、韧性精神与整合精神4个维度,构建企业家精神的多维指标。

目前,学界在企业家精神的测度方法上仍存争议。微观层面的研究中,部分学者倾向采用问卷调查法,但该方法易受主观偏差影响,且对本文所关注的人工智能企业而言,数据获取存在较大困难。另一部分学者则采用财务数据等客观二手资料进行测度,但此类间接指标难以充分反映企业家精神的内在特质。近年来,机器学习文本分析方法逐渐被引入经济管理学研究,并在识别企业家与高管的认知和行为特征方面展现出较强优势(郭姗等,2025)。基于此,本文采用文本分析方法,从企业年报中提取管理者的认知取向与行为特征,以客观呈现企业家精神的多维结构,并结合熵权法量化科学属性与创业属性精神的整体水平。文本分析方法的具体实施如下:

(1)文本材料选择。本文以企业年报中的“管理者讨论与分析”(MD&A)部分作为研究文本。该部分系统呈现了企业家对经营状况的总结及对未来发展的展望,已被广泛验证为能够有效反映企业家认知取向与行为特征的重要文本来源[33]。前文也已论证,MD&A文本是企业家精神在认知取向与价值判断在组织层面的外在体现。

(2)文本处理与企业家精神指标构建。一是企业家精神相关文本的筛选。本文利用前文构建的 LDA 主题模型,从 MD&A 文本中筛选出与企业家精神密切相关的语句,以明确其具体表征。具体地,依据 LDA 模型输出的主题分布结果,选取每个主题概率在 50% 以上的高概率文本,形成用于词频统计的待分析文本集合。二是基础关键词集的构建。在得到待分析文本后,本文采用 Python 的 jieba 分词模块进行分词(此前已完成停用词处理)。随后,对分词结果进行词频统计,并由研究团队与专家共同审核。具体流程为:作者团队进行初筛,再邀请两位外部专家(一位企业管理学教授与一位人工智能创业者)进行二次审核。若审核团队一致认为某词汇不符合维度内涵,则删除;若出现分歧,则通过集体讨论达成一致。最终得到4类企业家精神的基础关键词表。例如:探索精神包含“数据、智能、研发、算法”等;责任精神包含“责任、使命、伦理、利益相关者、和谐”等;韧性精神包含“危机、不确定、承担、经验总结”等;整合精神包含“一体化、协同、产业链、合作”等。该过程结合人工判断与计算机分析,以确保关键词的科学性与客观性。三是利用Word2vec模型扩展词集。为提高各维度企业家精神词典的完备性,本文进一步采用 Word2vec 模型扩展基础关键词集。Word2vec属于无监督学习中的浅层神经网络模型,可通过捕捉词汇的语义关系生成词向量,从而识别与基础关键词语义相近的扩展词汇。鉴于本文语料规模较小,且文本已通过主题模型筛选、具有较高的主题相关性,因此选择更适合小规模语料的 Skip-Gram 模型。参数设置包括:词向量维度为300维,上下文窗口大小为5,最低词频阈值为5。扩展结果经两位专家复合,以确保新增词汇与各维度企业家精神内涵的一致性。四是利用词典法测度企业家精神。在完成上述词典构建之后,本文进一步采用词典法对企业家精神进行测度,即分别计算4种企业家精神维度对应词集中的关键词出现频次与待分析文本总词数之比,以此客观反映各企业在不同维度企业家精神上的表现水平。

3.3 数据来源与变量说明

3.3.1 数据来源

选取前文企业家精神识别环节中筛选的人工智能企业作为研究对象,研究时间窗口为2019—2023年。为确保回归结果的可靠性,对样本数据进行如下处理:①剔除 ST、*ST 企业、已退市企业及金融类企业;②剔除相关指标缺失严重的样本;③为减少极端值的影响,对主要连续变量在 1% 和 99% 水平进行缩尾处理。最终得到97家上市人工智能企业的有效样本。研究数据主要来源于 CSMAR 数据库、incoPat 专利数据库以及 CNRDS 数据库。

3.3.2 变量说明

被解释变量包括:整体创新价值链绩效(Etotal)、知识研发效率(Erd)以及技术价值化效率(Emkt),均基于两阶段网络 DEA 模型进行测度。解释变量方面,本文将企业家精神划分为科学属性精神与创业属性精神两个维度。其中,科学属性精神由探索精神(TsS)与责任精神(ZrS)构成;创业属性精神由韧性精神(RxS)与整合精神(ZhS)构成。为进一步考察科学属性精神(SES)与创业属性精神(EES)之间的协同关系,本文运用熵值法和耦合协调度模型,构建并测度两者的耦合度(C)与协调度(D)。

为避免遗漏变量对多元回归中因果效应的干扰,参考高波和申晨荣[34]的研究,选择控制变量包括:企业规模(Size)、盈利能力(Roa)、董事会规模(Board)、股权集中度(Share)、董事长与CEO两职合一情况(Dual)以及企业家年龄(Age)。

3.4 模型构建

本文构建模型(4)～模型(8),以检验假设H1～H5。

Erdit=α0+α1TsSit+α3Controls+ui+γt+εit

(4)

(5)

Emktit=α0+α1RxSit+α3Controls+ui+γt+εit

(6)

(7)

Etotalit=λ0+λ1Cit+λ2Dit+λ3Controls+ui+yt+εit

(8)

其中,i代表样本企业;t代表观测年份;Controls为控制变量;ui和yt分别表示个体和时间固定效应;εit为随机扰动项。

4 实证分析

4.1 描述性统计

描述性统计结果见表3。从创新价值链的分阶段效率看,知识研发效率(Erd)的均值为0.496,显著高于技术价值化效率(Emkt)的均值0.271,说明样本企业整体在研发环节的投入产出效率相对较高,而在成果转化与市场价值实现方面存在明显不足。整体创新价值链绩效(Etotal)的均值为0.118,表明大多数企业在研发成果向市场价值转化过程中存在较大损耗。同时,这3类指标均存在较大离散性,显示出样本企业在不同阶段创新效率上存在差异。在企业家精神维度上,探索精神(TsS)的均值最高,其分布相对集中,表明多数企业家在技术探索方面保持较高一致性。相比之下,责任精神(ZrS)、韧性精神(RxS)与整合精神(ZhS)的均值水平相对较低,但均呈现一定的变异性,说明这3类企业家精神仍存在显著提升空间。

为避免非线性回归中解释变量之间存在严重的多重共线性问题,本文对责任精神和整合精神及其二次项均进行了中心化处理,且进一步进行方差膨胀因子检验,VIF值均低于10,说明本文不存在严重的多重共线性问题。

4.2 基准回归分析

基准回归结果如表4所示。首先,在知识研发效率模型中,探索精神的系数为正,表明探索精神有助于提升人工智能企业的知识研发效率,支持假设H1。同时,责任精神的一次项为负、二次项为正,呈现U型关系,说明责任精神在初期可能抑制研发效率,但随着精神水平提高,能够促进研发效率,支持假设H2。其次,在技术价值化效率模型中,韧性精神的系数为正,表明韧性精神能够增强企业将技术成果转化为市场价值的能力,支持假设H3。整合精神的一次项为正、二次项为负,呈倒U型关系,说明整合精神在适度范围内能够促进技术价值化,但过高水平可能带来资源分散和协调成本上升,从而削弱转化效率,支持假设H4。最后,在创新价值链绩效模型中,协调度(D)及耦合度(C)均表现出正向作用,说明双元属性精神的协同越充分,企业创新价值链整体绩效越好,支持假设H5。在同时考虑协调与耦合的模型中,协调度保持正向影响,而耦合度则不显著,显示在人工智能企业中,实现双元精神之间的平衡与协调比单纯提高耦合程度更为关键。

4.3 稳健性检验

本文采用以下方法检验回归结果的稳健性,结果如表5所示。首先,引入滞后一期解释变量,以缓解潜在的反向因果问题,并考虑企业家精神对创新活动的滞后效应。结果与基准回归结果一致,增强了结论的稳健性。其次,更换被解释变量的度量方式。从创新产出视角出发,将知识研发阶段的指标替换为发明专利授权数量(Patent),将技术价值化阶段的指标替换为主营业务收入(Profit),并对两项指标取对数。结果与基准回归结果一致,再次验证了本文结论的稳健性。最后,更换模型,采用岭回归以修正可能存在的多重共线性问题。结果显示,协调度的作用依然显著,而耦合度不显著,进一步说明科学属性精神与创业属性精神的协调与平衡比单纯结合更具影响力。

为验证科学—创业双元属性精神划分的稳健性,本文进一步采用替代分类方式进行对照分析。具体地,将探索精神与韧性精神划为一类(S1)、责任精神与整合精神划为另一类(S2),重新计算两组精神的协调度与耦合度并进行回归。结果如表6所示,替代分组下协调度(D)系数不显著,耦合度(C)显著为负。在同时纳入协调度与耦合度的模型中,协调度仍不显著,而耦合度保持显著为负。这一结果表明,当精神维度重新组合后,原划分下显著的协调效应不再显著,而耦合效应的方向发生反转,由正向转为负向。这说明协同关系并非源于精神维度间的普遍相关性,而体现为科学属性与创业属性在知识创造与价值实现过程中的互补协调机制。该结果进一步验证了科学—创业双元精神划分的合理性与回归结果的稳健性。

4.4 异质性分析

近年来,科学家在硬科技领域的创业活动备受关注。企业家是否具有科研背景,可能影响其科学属性精神与创业属性精神的协同作用。科研背景具有双重效应:一方面,它使企业家更熟悉科研流程和知识积累方式,有助于在创新活动早期提升研发效率;另一方面, 也可能带来路径依赖和思维定势,使企业家在平衡科学与创业时缺乏灵活性,影响技术与市场的匹配,进而作用于创新价值链绩效。为检验这一异质性影响,本文依据企业家是否具有科研背景对样本进行分组,并构建分析模型,引入科学属性精神与创业属性精神的单独效应,以及二者的协调度和耦合度,以衡量其对人工智能企业创新价值链绩效的作用。结果如表7所示。在无科研背景组中,相关结果均未达到统计显著性,表明这类企业家在科学精神与创业精神的发挥及协同方面相对不足,难以推动创新价值链绩效提升。相比之下,有科研背景组中,科学属性精神与创业属性精神均对创新价值链绩效产生显著正向影响,说明科研背景能够强化两种精神的独立贡献,使企业家既能依托科学精神推动知识突破,也能通过创业精神促进成果的市场转化。同时,协调度在该组中显著为正,表明科学属性精神与创业属性精神的动态平衡有助于提升企业的创新价值链绩效。然而,耦合度呈现显著负向,说明两种精神若过度绑定,反而可能削弱各自优势。例如,当拥有科研背景的企业家在研发过程中被商业化思维过度牵制时,可能限制科学探索的深度;反之,若科学逻辑对商业判断形成过强约束,也会降低资源配置的灵活性,不利于创新价值链绩效的发挥。这一差异结果揭示,科研背景是一把“双刃剑”:既能放大科学精神与创业精神的独立正向效应,也可能因过度耦合带来协同上的负向作用。

5 结论与启示

5.1 主要结论

随着人工智能企业快速发展,其如何在“知识—技术—市场”的完整创新链条中实现高效的价值创造,已成为亟待回答的重要问题。本文从企业家精神视角切入,探讨其对创新价值链绩效的作用机制。首先,以创新价值链理论为框架,将创新价值链绩效界定为知识研发与技术价值化两阶段的衔接与耦合产出,并采用两阶段网络DEA方法进行测度。其次,运用 LDA 主题模型识别企业家精神的4个维度(探索、责任、韧性、整合),并归纳为科学属性与创业属性精神两个子系统,检验其在创新价值链中的作用。主要结论如下:第一,科学属性精神主要作用于知识研发阶段,其中,探索精神正向影响知识研发效率;责任精神则呈现先抑制后促进的非线性效应。第二,创业属性精神主要作用于技术价值化阶段,其中,韧性精神正向促进技术价值化效率;整合精神则表现为先促进后抑制的非线性效应。第三,科学与创业属性精神的协同能够显著提升企业创新价值链绩效;同时,该协同效应在企业家是否具备科研背景时表现出差异化表现。本文通过构建科学属性与创业属性的双元精神框架,深化了对企业家精神内在结构及其在创新价值链中作用路径的理解,拓展了企业家精神研究在人工智能情境下的理论边界。

5.2 理论贡献

(1)拓展了创新价值链理论的过程视角与阶段协同机制。既有研究多聚焦于创新活动的单一环节,如强调前端研发投入或后端市场化过程,因而忽视不同阶段之间的动态耦合与价值联动。人工智能等硬科技领域的创新具有高复杂性与长周期特征,使阶段互动成为决定整体创新绩效的关键。基于创新价值链理论,本文从知识生产—技术开发—市场应用的完整链条出发,揭示了人工智能企业创新价值的阶段性特征与整体生成逻辑,深化了对创新过程中各阶段内在联系的理解,丰富了该理论在硬科技企业场景下的适用边界。

(2)构建科学—创业双元企业家精神框架,拓展了企业家精神理论的内涵与边界。既有企业家精神研究多立足于商业领域,侧重风险承担与市场导向,较少关注科技型企业中的科学探索与科技伦理等精神特征。本文整合科学属性精神与创业属性精神,构建两者相互协同、跨阶段支撑创新价值链绩效的系统性机制,明确了企业家精神在阶段性作用与整体性协同之间的统一逻辑。本文还揭示了企业家精神在人工智能企业中对创新价值链绩效的影响并非单一线性关系。这深化了企业家精神理论对多维构念与动态作用机制的理解,并为认识人工智能企业的企业家精神提供了新的理论视角。

5.3 管理启示

第一,企业家应在创新过程的不同阶段有意识地激发关键精神维度,使其内化于认知、外化于实践。在基础研究阶段强化探索精神,在成果孵化阶段突出韧性精神与责任精神,在市场扩散阶段发挥整合精神。通过精神维度的动态激活与转化,提升人工智能企业的整体创新绩效。第二,企业家需避免在创新链条中出现精神“偏科”。过度依赖某一类精神,容易导致研发与商业化之间的失衡。唯有在科学精神与创业精神之间实现张力平衡,才能形成更稳定、持续的创新能力。第三,科研背景企业家应主动补强商业化与风险应对短板。在商业判断与市场化能力不足的情况下,可积极利用外部资源:①商业化培训机会。主动申请创业培训项目,将补贴性培训转化为素质能力提升。②成果转化风险管理。关注并参与“技术转化保险”等风险分担机制,将其纳入战略综合考虑。③外部专业化服务。借助行业咨询、法律与财务顾问弥补经验不足。通过持续学习与资源整合,逐步实现从“科学家”向“科学家型企业家”的转变。

6 局限与展望

第一,在人工智能企业创新价值链绩效的测度中,算力投入是关键要素,然而,上市公司年报通常未披露 GPU 数量或云服务采购金额,导致算力投入规模难以直接获取。为此,本文采用 MD&A 文本中“算力、GPU、云计算”等关键词频率作为替代性指标,以反映企业对算力资源的关注度和战略投入方向。该方法可在一定程度上体现算力投入特征,但仍受限于替代性测度的精度,未来可结合外部数据源加以改进。第二,鉴于数据可得性与模型可操作性考虑,本文聚焦于上市的人工智能企业,该样本虽具代表性,但仍难涵盖人工智能产业链中多样化的创新主体。未来研究可在更广样本范围内检验企业家精神与创新价值链绩效之间的关系,以验证不同企业规模与发展阶段下的差异性机制。

参考文献：

[1] 杨张博, 韩淑君, 孙笑明, 等. 中美AIGC领先企业技术创新布局比较研究[J]. 科学学研究, 2025, 43(2): 265-277.

[2] GUNER GULTEKIN D,ISTANBUL I M U,PINARBASI F,et al. Commercialisation of artificial intelligence: a research on entrepreneurial companies with challenges and opportunities[J]. Business Process Management Journal, 2025, 31(2): 605-630.

[3] LIU A L, WANG S F. Generative artificial intelligence (GenAI) and entrepreneurial performance: implications for entrepreneurs[J]. The Journal of Technology Transfer, 2024, 49(6): 2389-2412.

[4] 李晓华, 李纪珍, 高旭东, 等. 认知框架如何影响商业模式创新——人工智能企业的双案例研究[J]. 科技进步与对策, 2025, 42(19): 120-131.

[5] ROPER S, DU J, LOVE J H. Modelling the innovation value chain[J]. Research Policy, 2008, 37(6-7): 961-977.

[6] 李晓华, 李纪珍, 高旭东. 角色认同与创业机会开发:基于扎根理论的技术创业研究 [J]. 南开管理评论, 2022, 25(3): 73-86.

[7] WANG X, YANG H H, HAN H L, et al. Explore the entrepreneurial process of AI start-ups from the perspective of opportunity[J]. Systems Research and Behavioral Science, 2022, 39(3): 569-580.

[8] 张维迎, 盛斌. 论企业家——经济增长的国王[M].上海:上海人民出版社,2014.

[9] 蔡双立, 郭嫱. 专精特新企业学术型高管与企业持续创新——企业激励机制与风险承担水平的双调节效应[J]. 浙江工商大学学报, 2023,37(1): 120-134.

[10] KULKOV I, IVANOVA-GONGNE M, BERTELLO A, et al. Technology entrepreneurship in healthcare: challenges and opportunities for value creation[J]. Journal of Innovation &Knowledge, 2023, 8(2): 100365.

[11] 徐示波, 仲伟俊. 科学商业情境下科学家创业过程研究——基于扎根理论的质性规律探讨[J]. 科技进步与对策, 2022, 39(6): 152-160.

[12] TANG H, UNIVERSITY J, SUN Y L, et al. The role of inventor-entrepreneurs: empirical evidence from China[J]. Innovation, 2024, 26(2): 309-327.

[13] BRUTON G D, ZAHRA S A, CAI L. Examining entrepreneurship through indigenous lenses[J]. Entrepreneurship Theory and Practice, 2018, 42(3): 351-361.

[14] BLEI D M, NG A Y, JORDAN M I. Latent Dirichlet allocation [J]. The Journal of Machine Learning Research, 2003, 3: 993-1022.

[15] WANG Y L, LI Y K, WU J. Digital identities of female founders and crowdfunding performance: an exploration based on the LDA topic model[J]. Gender in Management, 2022, 37(5): 659-678.

[16] 余振, 李元琨, 李汛. 外部关税冲击、企业家注意力配置与创新发展[J]. 世界经济, 2024, 47(6): 65-94.

[17] KIM J, KOO K. Are founder CEOs effective innovators[J]. Asia-Pacific Journal of Financial Studies, 2018, 47(3): 426-448.

[18] 路军, 李文贵, 邵毅平. 企业家精神配置与公司创新: 基于创始人管理视角的分析[J]. 中央财经大学学报, 2023,43(3): 68-79.

[19] 张建民, 钟雨芮, 陈杨, 等. 战略企业家推进高水平科技自立自强的角色价值与作用机制[J]. 科技进步与对策, 2025, 42(1): 122-131.

[20] 彭花, 贺正楚, 潘为华. 基于数字化环境的企业家精神的量表开发及检验[J]. 科学决策, 2024,31(6): 84-104.

[21] SCHUMPETER J A. The creative response in economic history[J]. The Journal of Economic History, 1947, 7(2): 149-159.

[22] 倪素香,华翔.习近平关于科学家精神重要论述的形成依据、核心要义及价值意蕴[J].学术探索,2025,33(1):1-7.

[23] 卜美文. 企业家精神赋能可持续发展的影响机制研究[J]. 财经科学, 2022,66(9): 75-90.

[24] 邓少军, 于保平, 苏勇. “家国情怀” 如何驱动企业战略转型[J]. 外国经济与管理, 2023, 45(4): 3-22.

[25] SHANE S, VENKATARAMAN S. Guest editors′ introduction to the special issue on technology entrepreneurship[J]. Research Policy, 2003, 32(2): 181-184.

[26] RAVASI D, SCHULTZ M. Responding to organizational identity threats: exploring the role of organizational culture[J]. Academy of Management Journal, 2006, 49(3): 433-458.

[27] 王明, 陈建兵. 生成式人工智能的责任机制: 溯源、挑战与构建路径[J]. 北京工业大学学报(社会科学版), 2025, 25(3): 111-122.

[28] SHEPHERD D A, MAJCHRZAK A. Machines augmenting entrepreneurs: opportunities (and threats) at the nexus of artificial intelligence and entrepreneurship[J]. Journal of Business Venturing, 2022, 37(4): 106227.

[29] SUN Y, XU X B, YU H Q, et al. Impact of value co-creation in the artificial intelligence innovation ecosystem on competitive advantage and innovation intelligibility[J]. Systems Research and Behavioral Science, 2022, 39(3): 474-488.

[30] STAHL B C. Responsible innovation ecosystems: ethical implications of the application of the ecosystem concept to artificial intelligence[J]. International Journal of Information Management, 2022, 62: 102441.

[31] 刘晓燕, 孙丽娜, 裘靖文, 等. 基于多层网络的人工智能领域跨界技术融合[J]. 复杂系统与复杂性科学, 2022, 19(1): 45-51.

[32] STUART T E, DING W W. When do scientists become entrepreneurs?the social structural antecedents of commercial activity in the academic life sciences[J]. American Journal of Sociology, 2006, 112(1): 97-144.

[33] LOUGHRAN T, MCDONALD B. When is a liability not a liability? textual analysis, dictionaries, and 10-Ks[J]. The Journal of Finance, 2011, 66(1): 35-65.

[34] 高波, 申晨荣. 新时代企业家精神的“创造性破坏” ——基于关键核心技术突破视角[J]. 上海经济研究, 2025, 37(2): 65-78.

(责任编辑：梅岚峤)