TMT企业对技术创新与人工智能发明的关注：来自中国上市公司的证据

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：TMT attention to technological innovation and AI invention: Evidence from Chinese listed firms

　　

•高管团队对技术创新的关注与人工智能发明呈正相关。
•与高校和研究所的合作是通向人工智能发明的显著间接路径。
•人工智能人力资本准备度是通向人工智能发明的显著间接路径。
•内部研发投资并未表现出显著的间接路径效应。
•与高校和研究所的合作以及人力资本路径对于人工智能发明的作用强于数字发明。

引言
人工智能（AI）已成为企业创新的核心领域。企业越来越多地使用AI技术开发新产品、改进生产流程、分析数据并支持决策（Verganti等，2020；Li等，2021；Pinski等，2024）。然而，各企业在是否开发AI发明方面存在巨大差异。一些企业开始构建AI知识并申请AI专利，而另一些企业则仍与其现有技术路径紧密相关。这些差异不能仅由企业的资源或所面临的外部压力来解释。它们还可能取决于高管团队（TMT）是否将技术创新保持在战略议程之上。这引出了本研究的核心问题：高管团队对技术创新的关注是否有助于企业转向AI发明？

先前的研究为这一问题提供了重要的基础。关于数字化转型和AI采用的研究强调了数字资源、数据基础设施、技术能力、高管AI素养以及组织准备度（Vial，2019；Nadkarni和Prügl，2021；Xu和Zhang，2023；Pinski等，2024；Piccoli等，2024）。关于管理者注意力的研究表明，高层管理者对创新的关注可以塑造搜寻行为、产品创新、专利申请以及对技术变化的反应（Li等，2013；Chen等，2015；Eklund和Mannor，2021；He等，2025）。这些研究共同表明，组织能力和管理者认知都很重要。然而，它们较少告诉我们，广义上的高管团队对技术创新的关注是如何与AI发明产生联系的。这一空白尤其重要，因为仅仅依靠管理注意力并不能产生技术发明。它必须转化为能够为企业开发新技术提供资源、知识和技能的组织行动。

理解这一过程还需要区分AI特有的因素和更广泛反映技术创新的因素。AI通常被置于更广泛的数字化转型过程中，因为它建立在数据、软件、计算及其他数字基础设施之上（Vial，2019；Nadkarni和Prügl，2021；Piccoli等，2024）。因此，高管团队对技术创新的关注可能不仅会鼓励AI发明，还会促进其他数字技术的发明活动。与此同时，这些结果相关的组织过程不一定相同。一些对管理注意力的回应，如获取外部科学技术知识，可能在多个领域惠及技术先进的发明。其他回应则可能更紧密地取决于特定技术的知识要求。这一议题对AI尤为相关，因为AI开发依赖于算法、机器学习、数据处理、模型开发及相关技术应用的专门专业知识。因此，将AI发明与更广泛的数字发明进行比较，为区分广泛适用于技术创新的组织过程与更紧密契合AI特定要求的组织过程提供了有用途径。

在这一背景下，本研究聚焦于两个相互关联的问题。第一，高管团队对技术创新的关注是否与企业的AI发明相关？第二，这种关联通过哪些组织路径发生？我们使用AI专利申请来捕捉企业的AI发明，因为专利记录为企业开发AI技术知识的努力提供了可观察的证据（Pavitt，1985）。聚焦AI专利使我们能够在上市公司之间以具体且可比较的方式考察发明活动。为了将AI发现置于更广泛的技术背景中，我们进一步考察数字发明作为比较结果，并评估相同的组织路径是否获得类似的实证支持。

我们的理论论证结合了高层梯队理论（UET）和基于注意力的视角（ABV）。UET解释了为什么高管团队对企业行为至关重要。它强调高层管理者通过其解释、优先事项和认知框架来塑造战略选择（Hambrick和Mason，1984；Hambrick，2007）。ABV解释了这种影响力如何运作。它指出高层管理者关注的事物会影响哪些议题获得解释、资源和组织支持（Ocasio，1997，Ocasio，2011；Ocasio和Joseph，2018）。应用于我们的情境，这些视角表明高管团队对技术创新的关注可以在企业内部使技术搜寻和能力更新保持可见性。它们还表明，注意力必须通过组织行动付诸实施，然后才能在技术发明中显现出来。

我们考察了高管团队对技术创新的关注可能通过三种组织路径与AI发明相联系：内部研发投资、与高校和研究所的合作以及AI人力资本准备度。这些路径代表了三种不同的组织反应形式：广泛资源投入、获取外部科学技术知识以及为技术特定技能做准备（Cohen和Levinthal，1990；Rosenberg，1990；Perkmann和Walsh，2007；Perkmann等，2013；Pereira等，2023；Babashahi等，2024）。这些路径之间的区分在AI背景下具有重要意义。研发支出代表了对技术搜寻的相对一般的承诺，而合作则使企业能够触及现有组织边界之外的知识。AI人力资本准备度则更直接地契合了开发AI技术所需的专门知识。考察这些路径，加上额外的数字比较，使我们能够评估技术发明的广泛组织基础以及与AI相关的更技术特定的过程。

我们使用中国上市公司的多来源面板数据集来检验这些论点。结果显示，高管团队对技术创新的关注与随后的AI发明呈正相关。中介结果提供了证据，表明与高校和研究所的合作以及AI人力资本准备度是有效的间接路径，而内部研发投资并未表现出显著的路径效应。额外的数字发明分析显示，高管团队对技术创新的关注也与随后的数字发明呈正相关。与高校和研究所的合作仍然是显著的间接路径，而内部研发投资和数字人力资本准备度则不是。正式比较相应的间接效应进一步显示，合作和人力资本路径对于AI发明的作用显著更大，而研发路径在两个技术领域之间没有显著差异。这些发现表明，AI和更广泛的数字发明共享重要的组织基础，但涉及外部科学知识和专门能力的组织过程与AI发明的关联更为紧密。

本研究做出了三项贡献。第一，它扩展了高层梯队理论和基于注意力的视角，表明高管团队对技术创新的关注与AI发明相关，将焦点从相对稳定的高管特征转移到了高层管理者在战略议程上主动优先关注的内容（Hambrick和Mason，1984；Hambrick，2007；Ocasio，1997，Ocasio，2011）。第二，它通过考察这种关注如何被转化为发明活动的组织路径，推进了AI创新研究（Li等，2013；Chen等，2015；He等，2025）。研究结果区分了广泛资源投入和更有针对性的组织回应，表明与高校和研究所的合作以及AI人力资本准备度提供了与所提议路径一致的证据，而整体研发投资则没有。第三，我们通过理论化数字发明组织基础的异质性，为AI和数字创新研究做出了贡献。现有研究通常将AI置于更广泛的数字化转型过程中，但这种宽泛的框架使得为数字创新开发的组织解释是否在不同数字技术之间均匀泛化变得不明确（Vial，2019；Nadkarni和Prügl，2021；Piccoli等，2024）。我们区分了在数字技术领域广泛适用的组织基础和重要性更强烈地取决于焦点技术知识要求的组织能力。这一区分将理论问题从AI是否遵循完全不同的创新逻辑转变为：何时共同创新过程变得更为依赖外部科学知识和专门能力匹配。在此过程中，我们提供了对数字创新内部异质性的更为差异化的解释。

本文其余部分如下进行。第2节发展理论背景和研究假设。第3节描述数据、变量和实证策略。第4节呈现实证结果，包括中介分析、与数字发明的比较、稳健性检验和异质性分析。第5节讨论研究发现、启示、局限性以及未来研究方向。

高层梯队理论与基于注意力的视角
UET认为企业在一定程度上是高层管理者的映射。TMT成员通过其经验、价值观和认知框架来解释外部环境，从而影响战略选择（Hambrick和Mason，1984；Hambrick，2007）。在技术变化的研究中，这一视角表明，企业回应不能仅由技术资源、市场压力或政策条件来解释。它们还取决于高层管理者如何理解技术发展。

研究情境与数据
中国为考察高管团队对技术创新的关注如何与企业AI发明相关联提供了合适的情境。过去十年间，中国已成为全球最活跃的人工智能开发和应用环境之一。AI技术在广泛行业中扩散，导致企业在参与AI发明活动程度方面存在显著差异。中国上市公司特别适合本研究，因为它们……

描述性统计、相关分析及样本纳入诊断
表3报告了中介分析中所使用变量的描述性统计和成对相关系数。该表基于样本6，包含2016年至2022年间的14,464个公司-年观测值，数据取自高维固定效应估计之前。我们使用此样本是因为它是中介模型的共同分析样本，并且包含了基于招聘的人工智能人力资本准备度衡量指标。

描述性统计表明各企业在……方面存在显著差异。

主要发现与讨论
本研究考察了高管团队对技术创新的关注是否与企业随后的AI发明相关，以及这种关联通过哪些组织路径发生。研究结果提供了四项主要发现。

第一，高管团队对技术创新的关注与随后AI发明之间的正相关关系扩展了关于管理者注意力和创新的现有研究。先前研究表明管理者注意力影响新产品推出、专利申请……

CRediT作者贡献声明
Xiangpeng Lian：审阅与编辑、原始草稿撰写、验证、方法学、正式分析、数据管理。Ying Guo：审阅与编辑、原始草稿撰写、验证、监督、调查研究、资金获取、数据管理。

伦理行为
本研究未涉及人类参与者或动物，因此无需伦理审批。

资金
本文受国家自然科学基金委（NSFC）（资助号72274219；72674312；72604465）和中央高校基本科研业务费（资助号24CXTD09；10826309）支持。

利益冲突声明
作者没有相关的财务或非财务利益需要披露。

Xiangpeng Lian是中国政法大学商学院讲师。他的研究兴趣包括技术创新管理、科技政策、AI治理等。他已在Research Policy、Technovation、Technology Forecasting and Social Change、Technology Analysis & Strategic Management等期刊发表多篇论文。

Xiangpeng Lian | Ying Guo