人工智能与知识动态驱动循环创新：一个有调节的中介框架

《Journal of Innovation & Knowledge》：Artificial intelligence and knowledge dynamics for circular innovation: A moderated mediation framework

　　

马来西亚快速的工业化加剧了资源消耗和环境退化，凸显了由人工智能（AI）和知识型解决方案驱动的循环创新的迫切需求。然而，很少有实证研究探讨在新兴经济体中，人工智能整合、循环创新和创业学习如何通过有效的知识转移来增强循环产品开发过程。为弥补这一空白，本文基于资源基础观（RBV）、动态能力理论（DCT）和知识基础观（KBV），构建了一个有调节的中介模型。研究对马来西亚制造业和技术密集型公司的450名经理进行了横断面问卷调查，所得数据通过偏最小二乘结构方程模型（PLS-SEM）进行处理。实证结果表明，循环创新导向（CIO）、人工智能驱动的决策支持（AIDS）和创业学习行为（ELB）对循环产品开发绩效（CPDP）具有显著的正向影响，这种影响既有直接的，也有通过提升知识转移有效性（KTE）而产生的间接影响。数字基础设施质量（DIQ）和制度层面的创新支持（ISI）强化了这些间接效应，凸显了它们在将内部能力转化为切实的循环创新成果中的关键作用。在理论上，本文整合了RBV、DCT和KBV，形成了一个统一的创新循环，并解释了数字和制度生态系统如何调节能力与绩效之间的关系。研究结果对马来西亚的管理者和政策制定者具有实际意义，他们应投资于人工智能，提高数字化准备度并加强制度体系建设。本研究通过引入一个特定情境的模型，为循环经济（CE）领域的现有研究体系做出了贡献，该模型可在其他致力于可持续产业变革的新兴经济体中复制。

**基于人工智能与知识动态的循环创新：研究解读**

**一、 研究背景与问题提出**

过去十年工业生产的迅猛增长加剧了全球对环境退化、资源匮乏和废弃物形成的担忧，这对基于“获取-生产-消费-废弃”的传统线性经济模式构成了挑战。循环经济（CE）已成为应对这些问题的关键战略方案，它倡导再生模式，旨在最大化资源利用、延长产品生命周期并减少工业排放。与此同时，人工智能（AI）和数字技术正在通过简化预测性资源管理、智能化产品生命周期监控以及基于数据的可持续性决策，改变生产生态系统。然而，尽管技术潜力巨大，许多公司，尤其是在追求可持续工业转型的新兴经济体中，在将人工智能应用于实现循环产品开发成果方面仍面临挑战。

现有文献已认识到人工智能、创新导向和基于知识的能力在促进可持续性方面的独立作用，但关于这些战略与技术能力如何相互作用，特别是如何通过知识转移过程来提升循环产品开发绩效，仍缺乏深入探究。现有研究通常孤立地评估这些构念，忽略了它们在一个统一理论中的相互关系。此外，关于数字基础设施和制度支持在调节企业层面能力对循环经济成果影响方面的实证证据也较为匮乏。理论与实际应用之间的这种脱节，突显了构建一个能够整合组织、技术和制度前因的综合模型的重要性。

马来西亚因其通过国家政策（包括工业4.0、国家循环经济路线图和绿色技术总体规划）对可持续工业化的战略关注，为循环创新研究提供了一个有趣的实证案例。作为一个新兴的、制造业密集且面临碳排放增加、资源依赖和监管压力双重挑战的经济体，马来西亚在保持经济竞争力的同时向循环经济转型面临困难。尽管政策关注度日益提高，但关于马来西亚公司如何利用基于人工智能的能力、知识转移和制度支持来实现循环产品战略的实证证据仍然有限。因此，本研究以马来西亚为案例，旨在探索新兴经济体中组织能力与外部生态系统之间的相互作用及其对循环导向创新发展的影响。

**二、 研究设计与技术方法**

本研究采用定量横断面调查设计，旨在检验基于人工智能的能力、循环创新、创业学习和有效知识转移如何影响马来西亚制造业公司的循环产品开发绩效。研究样本为来自马来西亚制造业和技术导向型公司的450名经理及高层管理者，通过马来西亚制造商联合会（FMM）和马来西亚数字经济公司（MDEC）等渠道进行有目的抽样。数据收集于2024年3月至7月，采用混合方式（电子邮件和在线调查工具）进行。

主要研究方法为偏最小二乘结构方程模型（PLS-SEM）。选择该方法的原因在于：其一，PLS-SEM适用于基于复杂中介模型的理论构建和探索性研究；其二，它特别适合处理非正态数据和以预测为目标的研究；其三，它能够对分层组件和交互效应进行建模，便于稳健评估所提出的有调节的中介关系。所有构念均采用源自先前已验证研究的反思性多项目量表进行测量，使用5点李克特量表。研究通过两阶段（专家评审和预测试）确保调查工具的信效度，并采用程序和统计方法（如哈曼单因子检验、完全共线性分析）控制共同方法偏差。数据分析使用SmartPLS 4.0软件，分两步进行：测量模型评估（检验指标可靠性、内部一致性、收敛效度和判别效度）和结构模型评估（通过5000次重复抽样进行自助法检验，分析路径系数、R²值以及调节和中介效应）。

**三、 研究结果与发现**

本研究构建了一个有调节的中介模型，探讨循环创新导向（CIO）、人工智能驱动的决策支持（AIDS）、创业学习行为（ELB）通过知识转移有效性（KTE）影响循环产品开发绩效（CPDP）的机制，并考察数字基础设施质量（DIQ）和制度支持创新（ISI）的调节作用。主要研究结果如下：

**1. 直接效应与中介效应**
* **直接效应**：CIO、AIDS、ELB、DIQ、ISI和KTE均对CPDP具有显著的正向直接影响。这表明组织战略导向、技术能力、学习行为、外部数字与制度条件以及内部知识转移过程本身都是提升循环产品开发绩效的重要因素。
* **对知识转移的影响**：CIO、AIDS、ELB、DIQ和ISI均对KTE具有显著的正向影响。这意味着这些能力和条件有助于改善组织内部的知识共享与转移效果。
* **中介效应**：KTE在CIO、AIDS、ELB与CPDP的关系中起显著的部分中介作用。这表明组织内部能力（循环导向、AI支持、创业学习）对循环产品绩效的提升，很大程度上是通过促进有效的知识转移来实现的。

**2. 调节效应**
* **对“能力→知识转移”路径的调节**：DIQ和ISI显著正向调节了CIO、AIDS、ELB与KTE之间的关系。具体而言，在高水平的数字基础设施质量或制度创新支持下，CIO、AIDS、ELB对KTE的积极影响会更强。这支持了数字和制度环境作为上游赋能条件，能够强化组织能力向知识转化过程的观点。
* **对“知识转移→绩效”路径的调节**：DIQ和ISI对KTE与CPDP之间关系的调节作用不显著。这表明，一旦知识在组织内部得到有效转移，将其转化为实际产品开发成果的过程，可能更依赖于内部执行因素（如管理承诺、跨部门协调、实施纪律等），而非外部的数字或制度条件。

**3. 有调节的中介效应**
DIQ和ISI强化了CIO、AIDS、ELB通过KTE对CPDP产生的间接影响。换言之，在数字基础设施质量更高、制度支持更强的环境下，组织能力通过知识转移机制对循环产品绩效的间接促进作用更为明显。

**四、 讨论与结论**

**讨论**：
研究结果强有力地支持了整合RBV、DCT和KBV来解释企业层面能力如何转化为循环经济实践的理论框架。CIO对CPDP的积极影响印证了RBV的观点，即对可持续创新的战略导向是一种有价值的、难以模仿的资源。AIDS与CPDP的关系验证了DCT的论断，即数字技术使企业能够动态识别可持续机遇并重组流程。ELB对CPDP的影响则支持了KBV，即组织学习是构建创新能力的关键。KTE的中介作用凸显了知识作为动态资源在将战略能力转化为绩效成果中的核心转换机制。

调节效应的发现进一步深化了理解：DIQ和ISI主要在前端（能力转化为知识）阶段发挥强化作用，而在后端（知识转化为绩效）阶段的调节作用有限。这表明循环转型是一个企业与周边环境共同进化的过程，但最终的产品开发成果更依赖于内部的知识应用和执行能力。这些发现为新兴经济体的循环创新提供了更细致、过程导向的解释视角。

**理论意义**：本研究通过构建一个有调节的中介模型，将RBV、DCT和KBV整合到一个分层的循环创新过程框架中，阐明了内部能力如何通过知识转移过程转化为创新绩效，以及数字和制度条件如何界定这一过程的成功边界，从而推动了从单纯的能力-绩效论证向更过程化、情境化的理论解释发展。

**实践意义**：对于企业管理者而言，投资人工智能的同时，必须培育明确的循环创新导向和能够促进知识解读与应用的学习文化。数字化成熟度较低的企业应优先加强数据整合、数字协调和内部知识共享习惯。在制度支持不足时，管理者可能更需要依赖内部协调和战略联盟。对于政策制定者，数字基础设施和创新支持机制应被设计为促进知识型能力发展的赋能条件，例如通过监管激励、数字化专项支持和政企合作，帮助企业将内部能力转化为切实的循环产品计划。

**研究结论**：
总体而言，本研究解释了人工智能能力、循环创新导向和创业学习行为对马来西亚制造业企业开发循环产品能力的联合影响。基于RBV、DCT和KBV，结果表明内在能力通过知识转移的有效性，直接和间接地促进产品循环性。分析还强调了高质量数字基础设施和制度层面创新支持的支持能力，它们强化了能力-绩效关系，并有助于向循环经济实践转型。这些发现证实，新兴经济体向循环经济的趋同并非简单的技术替代，而是一个需要组织资源与外部制度生态系统协调的战略性、知识密集型过程。在此方面，本研究通过开发一个精细的有调节的中介模型丰富了现有理论，并提供了关于马来西亚环境的新实证数据，从而证实了其作为工业可持续转型实验测试平台的相关性。

**局限性**：本研究采用横断面设计，限制了因果推断；聚焦于马来西亚公司，结论的普适性有待验证；使用感知测量可能存在共同方法偏差；未来研究可考虑纵向设计、多国比较、纳入客观绩效指标，并探索其他调节变量（如绿色人力资源管理实践、文化因素）以及生成式AI、区块链等新技术的影响。