環(huán)境不確定性下人機協(xié)同的知識創(chuàng)造與企業(yè)創(chuàng)新

中圖分類號：F49 文獻標識碼：A 文章編號：1672-7312（2025）04-0409-09

Abstract： As the core engine of innovation-driven in the intelligent era，human-machine collaboration will profoundly shape the way of corporate innovation and competition pattrn of enterprises.In order to explore the impact of human-machine collaboration on enterprise innovation in an uncertain environment，this paper constructs a moderated mediating effect model based on the ambidextrous innovation theory and the data of China’s A-share listed companies from 2O07 to 2O22.The results show that human-machine collboration significantly improves the innovation level of enterprises and becomes an important driving force to promote technological breakthroughs and knowledge upgrades，that humanmachine collaboration accelerates the integration and development of exploratory innovation and utilitarian innovationby promoting knowledge creation，and that external uncertainty affects the information processing strategy of enterprises，and further enhances the role of human-machine collaboration in promoting knowledge creation and innovation.The results of heterogeneity analysis point out that the impact of human-machine collaboration on innovation is more significant in economically developed regions and high-tech industries.This study deepens the theoretical understanding of human-machine collaboration on enterprise innovation，and provides an important reference for enterprises to build innovation advantages in the era of artificial intelligence.

Key Words： human-machine collaboration; ambidextrous innovation; knowledge creation; corporate innovation; environmental uncertainty

0 引言

近幾年，隨著企業(yè)外部不確定性增強和新一輪科技革命、創(chuàng)新范式變革速度加快，人工智能、大數(shù)據(jù)、云計算等技術(shù)的廣泛應用推動了企業(yè)生產(chǎn)方式和創(chuàng)新模式的深刻變革。在此背景下，人機協(xié)同作為人工智能與人類智能深度融合的新模式，正逐步成為驅(qū)動企業(yè)創(chuàng)新的重要動力。相較于傳統(tǒng)的人工智能拉動企業(yè)創(chuàng)新水平，人機協(xié)同所帶來的增強智能更加強調(diào)人工智能與人類在知識創(chuàng)造、決策優(yōu)化和創(chuàng)新實踐中的互補作用[1]知識創(chuàng)造是企業(yè)創(chuàng)新的核心驅(qū)動力，人機協(xié)同通過優(yōu)化知識生產(chǎn)過程、提高信息處理效率和加速知識共享與轉(zhuǎn)化，為企業(yè)創(chuàng)新提供關(guān)鍵支撐。因此，在外部不確定性增強的背景下，從知識創(chuàng)造視角研究人機協(xié)同對企業(yè)創(chuàng)新水平的影響機制具有重要的理論價值和現(xiàn)實意義。

在當代，企業(yè)創(chuàng)新能力已成為決定其長期競爭力和可持續(xù)發(fā)展的關(guān)鍵因素。這種能力不僅依賴于企業(yè)的資源稟賦，更取決于其對知識的整合、學習與應用能力。已有研究表明，企業(yè)的創(chuàng)新水平受到多種因素的影響，包括技術(shù)能力[2]、組織管理模式[3]以及市場環(huán)境[4]等。然而，盡管這些研究為我們探究各因素對企業(yè)創(chuàng)新的影響機制提供了重要視角，但鮮有學者從知識創(chuàng)造這一核心層面出發(fā)深入探討。知識創(chuàng)造作為企業(yè)創(chuàng)新的源頭，其重要性不言而喻，但現(xiàn)有文獻對其并未充分關(guān)注。其次，技術(shù)的不斷進步，人機協(xié)同已經(jīng)成了企業(yè)運營與管理的重要趨勢。然而，現(xiàn)有研究大多基于財務優(yōu)化與供應鏈管理視角，認為人機協(xié)同能夠提升企業(yè)運營效率、優(yōu)化資源配置，并通過智能化決策提升企業(yè)競爭力，忽視了其作為數(shù)據(jù)處理的最有效工具，在知識創(chuàng)造層面為人類帶來的深刻影響，存在研究空白。第三，全球化進程的不斷加快為企業(yè)帶來了各種風險與機遇，外部環(huán)境的不確定性對企業(yè)的各類決策與知識創(chuàng)造能力存在各種潛在影響[5，特別是人工智能創(chuàng)新范式的發(fā)展下，外部不確定性沖擊將更明顯，但現(xiàn)有研究對此缺乏系統(tǒng)性的探討。

基于此，文中以2007—2022年中國滬深A股上市公司數(shù)據(jù)為研究樣本，構(gòu)建調(diào)節(jié)的中介效應模型，系統(tǒng)檢驗人機協(xié)同對企業(yè)知識創(chuàng)造及創(chuàng)新水平的作用機制及關(guān)鍵路徑。文中的創(chuàng)新點如下：首先，文中基于人機協(xié)同創(chuàng)新范式，突破了傳統(tǒng)研究對技術(shù)能力、組織管理模式和市場環(huán)境的單一關(guān)注，深入探討了人機協(xié)同與知識創(chuàng)造的互動如何重塑企業(yè)創(chuàng)新水平，為理解企業(yè)創(chuàng)新提供了新的理論視角。其次，文中將外部不確定性引入雙固定的中介模型，探討在外部不確定性的沖擊下，人機協(xié)調(diào)對創(chuàng)新水平的作用機制，這一研究不僅拓展了雙元創(chuàng)新理論的應用場景，還為企業(yè)在復雜環(huán)境中平衡創(chuàng)新類型提供了新的理論依據(jù)。第三，文中利用2007—2022年中國A股上市公司數(shù)據(jù)，結(jié)合區(qū)域經(jīng)濟發(fā)展水平和高新技術(shù)產(chǎn)業(yè)特征，實證檢驗了人機協(xié)同對企業(yè)創(chuàng)新水平的異質(zhì)性影響。這一研究不僅豐富了人機協(xié)同在微觀企業(yè)層面的實證證據(jù)，還為不同區(qū)域和行業(yè)的企業(yè)在人工智能時代優(yōu)化知識管理、提升創(chuàng)新能力提供了針對性的實踐指導。

1理論分析與框架建構(gòu)

1.1 人機協(xié)同

當前，學界對人機關(guān)系的研究視角已從單純的人機替代逐步轉(zhuǎn)向高級的人機協(xié)同。增強智能理論指出，人工智能的主要目標在于補充并擴展人類智慧以實現(xiàn)人機優(yōu)勢互補，而非單純的取代人類[。經(jīng)過長時間的應用，人機合作關(guān)系迭代升級成為“人機協(xié)同”模式。學界目前對于人機協(xié)同的研究分為理論內(nèi)涵、構(gòu)建方式與應用效果3方面。對于人機協(xié)同的內(nèi)涵，學界一致認為人機協(xié)同是指人和機器之間產(chǎn)生的一種高效協(xié)同關(guān)系，這種關(guān)系刺激經(jīng)濟以“ 1+1gt;2^′ 的效果發(fā)展]。人機協(xié)同的定義與內(nèi)涵對什么是人機協(xié)同與如何構(gòu)建人機協(xié)同等問題提供了正確答案，并在不同實踐層面體現(xiàn)出不同特點與效果。當高效的人機協(xié)同模式被引入企業(yè)時，它有助于降低企業(yè)成本[8]，提高工作效率。然而，其實際效果受到多種因素制約。因此，如何合理分配人類學習和機器學習的學習資源，仍是一個亟待深入研究的問題

1.2人機協(xié)同與創(chuàng)新水平

人機協(xié)同提升企業(yè)適應能力和促進創(chuàng)新生態(tài)系統(tǒng)的構(gòu)建，基于雙元創(chuàng)新理論，人機協(xié)同多維度推動企業(yè)創(chuàng)新水平的提升。在探索式創(chuàng)新方面，人機協(xié)同通過機器學習和大數(shù)據(jù)分析，從海量數(shù)據(jù)中識別潛在的知識關(guān)聯(lián)和創(chuàng)新機會，幫助企業(yè)突破傳統(tǒng)思維邊界，發(fā)現(xiàn)新的技術(shù)路徑[10]。同時，機器學習算法可以快速處理復雜數(shù)據(jù)，生成新的假設和洞察，為人類提供創(chuàng)新靈感[11]。在利用式創(chuàng)新方面，人機協(xié)同通過優(yōu)化知識管理流程和提升決策效率，促進跨部門協(xié)作和知識共享，打破了傳統(tǒng)組織中的知識孤島，推動了知識的動態(tài)流動與重組[12]。同時，在決策優(yōu)化方面，人機協(xié)同通過數(shù)據(jù)驅(qū)動的決策支持系統(tǒng)，增強了決策的科學性和準確性，降低了決策風險[13]。在資源配置方面，人工智能通過智能化的資源分配算法，優(yōu)化了企業(yè)的資源配置效率，使更多資源能夠集中于創(chuàng)新活動[14]。因此，提出假設。

H1：人機協(xié)同對創(chuàng)新水平具有顯著正影響。

1.3 人機協(xié)同與知識創(chuàng)造

知識創(chuàng)造是企業(yè)創(chuàng)新水平提升的關(guān)鍵動力，有效提升企業(yè)核心競爭力[15]，其過程涉及知識的獲取、轉(zhuǎn)化和應用[16]。經(jīng)典的SECI模型指出，知識創(chuàng)造包括社會化、外顯化、組合化和內(nèi)隱化4個階段，通過信息的共享、重組和再創(chuàng)新，推動組織創(chuàng)新能力的提升。然而，隨著人工智能技術(shù)的快速發(fā)展，人機協(xié)同正在顛覆傳統(tǒng)的SECI知識創(chuàng)造范式，改變了以人為主體的組織知識創(chuàng)造情境。人工智能不僅增強了數(shù)據(jù)分析與整合能力，加快了信息獲取速度，還推動了知識創(chuàng)造的深度與廣度，并重塑了知識生產(chǎn)與決策的模式。

從雙元創(chuàng)新理論的角度來看，人機協(xié)同對知識創(chuàng)造的影響可以從探索式創(chuàng)新和開發(fā)式創(chuàng)新2個方面進行分析。一方面，人機協(xié)同推動探索式創(chuàng)新。人機協(xié)同模式下，機器能夠從海量數(shù)據(jù)中挖掘隱藏模式，輔助企業(yè)發(fā)現(xiàn)潛在的創(chuàng)新方向[17]。雖然人類的創(chuàng)造性思維、批判性分析和情境認知能力在知識創(chuàng)新中不可替代[8，但人機協(xié)同將人的創(chuàng)新思維與機器的篩選、分組和推演能力結(jié)合，使企業(yè)在知識創(chuàng)造過程中更高效地獲取和重組信息資源[19]，實現(xiàn)高效探索式創(chuàng)新。另一方面，人機協(xié)同促進開發(fā)式創(chuàng)新。人工智能分析市場趨勢、用戶反饋和企業(yè)運營數(shù)據(jù)后，人類根據(jù)這些數(shù)據(jù)做出判斷決策，有效推動企業(yè)優(yōu)化產(chǎn)品設計并提升流程效率。同時，人機協(xié)同促進企業(yè)內(nèi)部不同部門的協(xié)作，打破知識孤島，提高信息共享效率，有助于企業(yè)開發(fā)式創(chuàng)新。

知識創(chuàng)造作為企業(yè)創(chuàng)新水平提升的核心機制，其重要性已在現(xiàn)有研究中得到廣泛驗證。目前，學界對知識創(chuàng)造如何影響企業(yè)創(chuàng)新水平的研究主要分為2類：一些研究以區(qū)域為研究主體，將知識創(chuàng)造作為中介變量，探討各類因素通過知識創(chuàng)造對創(chuàng)新水平的影響，有學者認為區(qū)域的創(chuàng)新環(huán)境與知識創(chuàng)造水平對區(qū)域創(chuàng)新績效具有顯著的正向促進作用[20]。另一些研究聚焦于企業(yè)層面，探究企業(yè)內(nèi)部知識創(chuàng)造如何影響創(chuàng)新水平。TIMMERS[21]、AMIT[22]等學者提出，企業(yè)內(nèi)部學習與知識轉(zhuǎn)化是企業(yè)新技術(shù)的重要來源。張峰等人通過實證研究發(fā)現(xiàn)，企業(yè)通過逆向工程獲取外部知識，并結(jié)合內(nèi)部知識創(chuàng)造活動，能夠?qū)崿F(xiàn)突破性創(chuàng)新。這些研究均表明，知識創(chuàng)造對企業(yè)創(chuàng)新水平具有顯著的促進作用。

基于上述分析，人機協(xié)同通過增強知識創(chuàng)造的效率和質(zhì)量，間接推動了企業(yè)創(chuàng)新水平的提升，提出假設。

H2：人機協(xié)同通過知識創(chuàng)造對創(chuàng)新水平產(chǎn)生正向顯著影響。

1.4外部不確定性的沖擊調(diào)節(jié)作用

VUCA時代下，環(huán)境不確定性是企業(yè)不得不面臨的環(huán)境新特征[23]。動態(tài)能力理論指出，不同的環(huán)境特征會塑造不同的組織特征。環(huán)境不確定性是指企業(yè)對于所處市場環(huán)境、未來沖擊等變化難以精準感知與判斷。外部不確定性感知的調(diào)節(jié)作用不僅體現(xiàn)在人機協(xié)同對創(chuàng)新水平上，也體現(xiàn)在知識創(chuàng)造這一中介中。環(huán)境不確定性的變化不僅為企業(yè)帶來了挑戰(zhàn)，也為其創(chuàng)造了機遇。從反饋機制建立的視角來看，外部環(huán)境越動蕩，企業(yè)獲取資源的難度越大。為了破解這一難題，企業(yè)會加強人機協(xié)同的反饋與訓練，利用機器充分挖掘各類數(shù)據(jù)并多維分析，進行戰(zhàn)略調(diào)整并有機會實現(xiàn)反超[24]，也有學者通過實證得到外部不確定性對企業(yè)創(chuàng)新水平存在正向促進作用[25]。當企業(yè)面臨的不確定性風險較低時，反饋系統(tǒng)的建設與調(diào)試頻率將會降低，不利于人機協(xié)同促進企業(yè)創(chuàng)新。從知識創(chuàng)造的視角來看，當環(huán)境動蕩時企業(yè)將會增強對機器所提供分析的支持力度，以應對市場變化帶來的不確定性。企業(yè)在這種情況下，會更加依賴人工智能的深度學習能力，以發(fā)現(xiàn)隱藏的市場趨勢和技術(shù)創(chuàng)新機會。此外，動蕩的環(huán)境促使企業(yè)加強跨部門的信息流動與知識共享，使得人機協(xié)同的反饋機制更加高效，從而加速新知識的創(chuàng)造與應用。因此，提出假設。

H3：外部不確定性正向調(diào)節(jié)人機協(xié)同與創(chuàng)新水平的關(guān)系。

H4：外部不確定性正向調(diào)節(jié)人機協(xié)同與知識創(chuàng)造的關(guān)系。

綜上，文中的研究框架如圖1所示。

2 研究設計

2.1樣本篩選與數(shù)據(jù)來源

文中將2007—2022年中國滬深A股上市公司數(shù)據(jù)作為研究樣本，并將觀測期間數(shù)據(jù)缺失樣本、金融公司樣本與退市、ST和 ^*ST 的企業(yè)樣本剔除。樣本的財務數(shù)據(jù)、專利數(shù)據(jù)、人工智能使用情況與企業(yè)基本信息分別來源于國泰安數(shù)據(jù)庫（CS-MAR）、IRPDB知識產(chǎn)權(quán)數(shù)據(jù)庫與銳思數(shù)據(jù)庫（RESSET）。最后，為了消除極端值的影響，對連續(xù)變量在 1% 的水平上進行縮尾處理，最終得到了4343個數(shù)據(jù)。

2.2 模型設定

首先，為檢驗人機協(xié)同對創(chuàng)新水平的影響機制與環(huán)境不確定性的調(diào)節(jié)作用，文中構(gòu)建如下2個模型。

I_i，t=?₀+?₁R_i，t+?₂Controls_i，t+μ_i+μ_t+σ

I_i，t=γ₀+γ₁R_i，t+γ₂E_i，t+γ₃R_i，t×E_i，t+γ₄Controls_i，t

+μ_i+μ_t+σ

式中， I_i，t 為企業(yè)創(chuàng)新水平； R_i，t 為人機協(xié)同程度； E_i，t 為外部環(huán)境不確定性，為調(diào)節(jié)變量；Controlsi，為一系列可以影響企業(yè)創(chuàng)新水平的控制變量，下標 i 和 Ψ_t 代表第 i 個企業(yè)在第 χ_t 年的情況；μ_i 為行業(yè)固定效應： ?_：μt 為時間固定效應。若 γ₃ 顯著為正，表示外部不確定性對人機協(xié)同與創(chuàng)新水平的機制存在促進效應。

其次，為了檢驗知識創(chuàng)造對創(chuàng)新水平的中介效應，構(gòu)建出以下模型。

K_i，t=β₀+β₁R_i，t+β₂Controls_i，t+μ_i+μ_t+σ

I_i，t=θ₀+θ₁R_i，t+θ₂K_i，t+θ₃R_i，t×E_i，t+θ₄Controls_i，t

+μ_i+μ_t+σ

若 ?_β? 顯著為正，表示基于人機協(xié)同會提升企業(yè)只是創(chuàng)造水平，若 與 θ₂ 均顯著為正則知識創(chuàng)造為人機協(xié)同作用企業(yè)創(chuàng)新水平的中介機制，

最后，為了探討外部不確定性是否對中介效應起調(diào)節(jié)作用，構(gòu)建以下模型。I_i，t=ε₀+ε₁R_i，t+ε₂K_i，t+ε₃E_i，t+ε₄K_i，t×E_i，t+ε₅ Control Φ_Si，t+μ_i+μ_t+σ （204號 （5）

2.3 變量設計

2.3.1 解釋變量

文中的解釋變量為人機協(xié)同度，以R表示。人機協(xié)同作為創(chuàng)新活動的一種新模式、新方法和新范例，人的決策與智能算法高度融合，技術(shù)指標與價值目標密切關(guān)聯(lián)，算法規(guī)制與社會規(guī)范合為一體[26]。因此，參考胡晟明等[27]人機協(xié)同模型與張勇等[28研究中“城鎮(zhèn)化—服務業(yè)”系統(tǒng)協(xié)調(diào)度模型，構(gòu)造全行業(yè)人機協(xié)同度模型，具體如下

首先，由于人機協(xié)同強調(diào)的是人與機器的匹配程度，而不僅僅是簡單的替代或互補關(guān)系，因此，人機協(xié)同度 R_i，t 需要同時考慮人機耦合度 U_i，t 和人機協(xié)調(diào)指數(shù) V_i，t2 個維度。

人機耦合度 U_i，t 反映了機器人（M）和人力資本（H）之間的匹配程度，計算方式參考協(xié)調(diào)發(fā)展模型的邏輯，采用協(xié)調(diào)度計算公式

與胡晟明等人的人機協(xié)同度模型不同，文中將人工智能的安裝數(shù)量與相關(guān)詞頻取平均作為機器人（M）變量的度量方式，并以本科及以上學歷人員占比衡量人力資本水平（H）。當機器人和人力資本投入比例較為均衡時，人機耦合度 U_i，t 最高；若兩者發(fā)展不均衡， U_i，t 下降，意味著協(xié)同效應較弱。

不同于耦合度 U_i，t 關(guān)注匹配程度，協(xié)調(diào)指數(shù)ΔV_i，t 體現(xiàn)企業(yè)內(nèi)部人機協(xié)同的綜合水平，因此人機協(xié)調(diào)指數(shù) ΔV_i，t 采用加權(quán)綜合指標，具體公式如下，由于人機協(xié)同中人與機器重要程度相當，所以將β₁ 與 β₂ 取0.5。

V_i，t=β₁M_i，t+β₂H_i，t

2.3.2 被解釋變量

被解釋變量為創(chuàng)新水平，將企業(yè)實用性專利與發(fā)明專利數(shù)量加一取對數(shù)后得到。文中的創(chuàng)新水平更側(cè)重于企業(yè)利用已有知識開發(fā)新產(chǎn)品、工藝或商業(yè)模式。同時，由于企業(yè)的探索性創(chuàng)新是企業(yè)長期競爭力的重要來源，因此其作用同樣不可忽視。為全面反映企業(yè)在雙元創(chuàng)新中的資源配置能力，文中參考畢曉方等29的研究，采用開發(fā)型創(chuàng)新投入與探索型創(chuàng)新投入的均值來衡量企業(yè)創(chuàng)新水平。這種方法不僅避免了單一類型創(chuàng)新投入的偏差，還符合雙元創(chuàng)新理論中探索與開發(fā)動態(tài)平衡的核心觀點，能夠更準確地捕捉企業(yè)在創(chuàng)新活動中的綜合表現(xiàn)。

2.3.3中介變量與調(diào)節(jié)變量

中介變量為企業(yè)知識創(chuàng)造水平，由于知識創(chuàng)造更側(cè)重于原始知識的生成，比如企業(yè)如何獲取、整合和產(chǎn)生新知識的能力，因此以實用性專利數(shù)量加一取對數(shù)獲得。調(diào)節(jié)變量參考申慧慧[30]等做法，采用企業(yè)過去5年非正常收入經(jīng)過行業(yè)調(diào)整后的變異系數(shù)作為環(huán)境不確定性的測度指標。

2.3.4 控制變量

參考肖興志等[31的研究，文中選取了以下指標為控制變量：企業(yè)規(guī)模（S）、盈利能力（P）、企業(yè)年齡（A）凈資產(chǎn)收益率（O）、托賓Q值（Q）與資產(chǎn)負債率（L）等。具體的變量定義與計算方法見表1。

3 實證結(jié)果分析

3.1 描述性統(tǒng)計

描述性統(tǒng)計結(jié)果見表2，創(chuàng)新水平（I）的最大值為0.136，中位數(shù)為0.007，標準差為0.012，說明我國企業(yè)創(chuàng)新水平整體較低，無明顯差距。人機協(xié)同度（R）最大值為17.639，中位數(shù)為1.17，說明我國整體人機協(xié)同系統(tǒng)的搭建仍處于起步階段。

3.2 基準回歸

人機協(xié)同度對創(chuàng)新水平的影響的基準回歸結(jié)果見表3，其中第1列是在行業(yè)固定效應與時間固定效應下未加入控制變量的結(jié)果，解釋變量（R）的回歸系數(shù)為0.001，且在 1% 水平上顯著。第2列加入控制變量再次回歸，R的回歸系數(shù)為0.001，在 1% 水平上顯著。第3列為加入外部不確定性調(diào)節(jié)后的結(jié)果，其中可以得到外部不確定性對人機協(xié)同作用機制的影響為正。以上回歸結(jié)果有效驗證了人機協(xié)同促進創(chuàng)新水平與外部不確定性正向調(diào)節(jié)人機協(xié)同與創(chuàng)新水平關(guān)系的觀點，成功驗證了假設H1與H3。

同時可以注意到，企業(yè)規(guī)模（S）對創(chuàng)新水平（I）具有顯著正向影響，說明大企業(yè)在資源獲取、融資能力和人才吸引力方面占據(jù)優(yōu)勢，能夠同時開展探索式創(chuàng)新和開發(fā)式創(chuàng)新。此外，大企業(yè)在產(chǎn)業(yè)鏈整合和市場協(xié)同方面的能力較強，有助于促進開發(fā)式創(chuàng)新的深化，從而提高創(chuàng)新投入占總資產(chǎn)的比例。相比之下，企業(yè)年齡（A）對創(chuàng)新水平的負向影響，反映了組織慣性和路徑依賴的制約作用。隨著企業(yè)發(fā)展，長期依賴既有技術(shù)路徑的老企業(yè)可能傾向于強化開發(fā)式創(chuàng)新，在現(xiàn)有業(yè)務模式上進行優(yōu)化，而減少對探索式創(chuàng)新的投入。因此，企業(yè)需要通過構(gòu)建雙元能力，平衡探索式和開發(fā)式創(chuàng)新。

3.3 穩(wěn)健性檢驗

3.3.1 縮短數(shù)據(jù)區(qū)間

我國企業(yè)應用人工智能的時間較晚，而高級的人機協(xié)同相對于人工智能的起步更晚?！叭藱C協(xié)同”這一概念是近幾年才被廣泛提出，但在過去部分企業(yè)依舊存在小范圍的人機協(xié)同模式，因此以2012年為時間區(qū)間的起點，對相關(guān)數(shù)據(jù)再次進行回歸，得到的結(jié)果見表4（1）。通過結(jié)果，人機協(xié)同對創(chuàng)新水平依舊存在正向影響，且環(huán)境不確定性的調(diào)節(jié)作用也顯著為正。

3.3.2 滯后一期

人機協(xié)同的應用鏈較長，其對企業(yè)各方面的影響存在一定的滯后性。特別是對于企業(yè)創(chuàng)新水平，人機協(xié)同的發(fā)展是通過影響企業(yè)的資源配置、知識流動和組織結(jié)構(gòu)調(diào)整等路徑來發(fā)揮作用的。因此，為了確保結(jié)果的穩(wěn)健性，我們對核心自變量R進行滯后一期處理，以驗證其對企業(yè)創(chuàng)新水平的影響是否仍然顯著。所得結(jié)果見表4（3）。由結(jié)果可知滯后一期的人機協(xié)同對創(chuàng)新水平仍顯著為正，外部環(huán)境不確定性同樣對影響機制發(fā)揮正向調(diào)節(jié)，因此接受假設H1與H4。

3.4 內(nèi)生性檢驗

為了克服由于遺漏變量而導致的內(nèi)生性問題，文中選取了其余工具變量進行再次回歸。由于人機協(xié)同中人工智能的使用情況會因為地區(qū)政策而體現(xiàn)出不同水平，因此將上市企業(yè)所在城市的人機協(xié)同均值作為工具變量，檢驗回歸模型的穩(wěn)定性與有效性。其次，考慮到行業(yè)不同會帶來的差異性，將同各行業(yè)的人機協(xié)同均值作為工具變量，再次進行回歸。所選擇的2個工具變量均滿足相關(guān)性與外生性的要求，具體結(jié)果見表4的（3）與（4）。當以行業(yè)均值與地區(qū)均值作為工具變量進行計算，結(jié)果與前文回歸結(jié)果一致。

4機制分析與異質(zhì)性檢驗

4.1人機協(xié)同與創(chuàng)新水平：無調(diào)節(jié)下的知識創(chuàng)造的中介效應

為了探究知識創(chuàng)造的中介效應，先將人機協(xié)同水平R作為解釋變量，知識創(chuàng)造水平為被解釋變量進行回歸，結(jié)果見表5（1）。從結(jié)果可知，R的回歸系數(shù)為0.053且在 1% 水平上顯著，這說明人機協(xié)同度拉動知識創(chuàng)造水平。之后將知識創(chuàng)造水平加入回歸方程進行回歸，結(jié)果見表5（2），其中R系數(shù)為0.001，K系數(shù)為0.003，均在 1% 水平顯著。說明知識創(chuàng)造為人機協(xié)同對創(chuàng)新水平的中介變量，是人機協(xié)同作用于企業(yè)創(chuàng)新水平的重要渠道，接受假設H2。

4.2外部不確定性的調(diào)節(jié)作用：有調(diào)節(jié)下的知識創(chuàng)造的中介效應

為了檢驗外部不確定性對與人機協(xié)同作用于知識創(chuàng)造的調(diào)節(jié)作用，將調(diào)節(jié)變量引入中介機制檢驗中，結(jié)果見表5（3）與（4），由結(jié)果可知無論是E還是 E×R 的系數(shù)均為正且在 5% 的顯著性水平上顯著。同時，比較表5的（1）與（2）的結(jié)果與表5（3）與（4）的結(jié)果，可以發(fā)現(xiàn)在引入外部不確定性水平與其交叉項后，R對K的系數(shù)均顯著增高，更可以從側(cè)面顯示出在外部不確定性的調(diào)節(jié)作用下，人機協(xié)同對知識創(chuàng)造的正向效應增強，同時也使人機協(xié)同度R與知識創(chuàng)造水平K對創(chuàng)新水平的效果增強。因此接受假設H4。

4.3人機協(xié)同與創(chuàng)新水平：基于地區(qū)差異的異質(zhì)性分析

人機協(xié)同對企業(yè)的影響受到地區(qū)人力資源與政策因素的影響。首先，經(jīng)濟發(fā)達地區(qū)通常擁有更完善的人才儲備，有助于企業(yè)建立“人腦 + 算法”的復合式智力結(jié)構(gòu)，促進企業(yè)知識創(chuàng)造。同時，經(jīng)濟發(fā)達地區(qū)市場競爭更激烈，技術(shù)迭代更迅速，客戶需求更多變，因此經(jīng)濟發(fā)達地區(qū)企業(yè)面臨的外部不確定性更強。最后，經(jīng)濟發(fā)達地區(qū)創(chuàng)新氛圍更濃厚，擁有更高水平的創(chuàng)新支持體系，為企業(yè)實現(xiàn)技術(shù)升級與革新提供有力的外部支撐。因此，文中推斷在經(jīng)濟較為發(fā)達的地區(qū)人機協(xié)同度對企業(yè)創(chuàng)新水平的影響要大于非經(jīng)濟發(fā)達地區(qū)。參考我國城市等級劃分結(jié)果，將一線與二線城市所在地區(qū)列為發(fā)達地區(qū)，其余為其他地區(qū)進行回歸，結(jié)果見表6（1）與（2）。從結(jié)果來看人機協(xié)同的系數(shù)在經(jīng)濟較為發(fā)達的地區(qū)更高。

4.4 人機協(xié)同與創(chuàng)新水平：基于高新技術(shù)的異質(zhì)性分析

在高新技術(shù)行業(yè)，企業(yè)依賴探索性創(chuàng)新，通過技術(shù)突破、產(chǎn)品研發(fā)和商業(yè)模式創(chuàng)新獲取競爭優(yōu)勢。人機協(xié)同在這一過程中發(fā)揮智能賦能作用，加速技術(shù)迭代和顛覆式創(chuàng)新，推動新技術(shù)與新產(chǎn)品的誕生。而在傳統(tǒng)行業(yè)，企業(yè)更傾向于利用性創(chuàng)新，依靠優(yōu)化資源、提升運營效率和改進生產(chǎn)流程獲取競爭優(yōu)勢。人機協(xié)同主要提升效率，促進漸進式改進，對探索性創(chuàng)新的影響較弱。此外，高新技術(shù)行業(yè)的市場競爭壓力和技術(shù)壁壘要求企業(yè)不斷探索新技術(shù)，而傳統(tǒng)行業(yè)更依賴運營效率提升，進一步加劇了行業(yè)間人機協(xié)同創(chuàng)新效應的差異。因此，人機協(xié)同在探索性與利用性創(chuàng)新上的作用機制因行業(yè)特征不同而具有異質(zhì)性。為了研究人工智能是否在高新技術(shù)企業(yè)的影響系數(shù)更高，將總體數(shù)據(jù)分為高新技術(shù)企業(yè)與非高新技術(shù)企業(yè)2類，并進行分組回歸。結(jié)果見表6第3列與第4列，由結(jié)果可知，在高新技術(shù)企業(yè)，人工智能對企業(yè)創(chuàng)新水平的影響為0.001，且在 1% 水平上顯著，高于非高新技術(shù)企業(yè)組0.000。因此可以得出人工智能在高新技術(shù)企業(yè)帶來更好的效果。

3結(jié)語

不確定性環(huán)境下，企業(yè)需要兼顧探索性與利用性創(chuàng)新以保持持續(xù)競爭優(yōu)勢。知識創(chuàng)造作為連接探索式創(chuàng)新與利用式創(chuàng)新的重要橋梁，在企業(yè)創(chuàng)新中發(fā)揮著重要作用。文中從知識創(chuàng)造視角出發(fā)，探討人機協(xié)同對企業(yè)創(chuàng)新水平的影響機制。第一，人機協(xié)同提升企業(yè)雙元創(chuàng)新水平，并在一些列穩(wěn)健性檢驗后依舊成立；第二，知識創(chuàng)造在人機協(xié)同與企業(yè)創(chuàng)新之間具有中介作用；第三，外部環(huán)境不確定性正向調(diào)節(jié)增強人機協(xié)同對創(chuàng)新水平與知識創(chuàng)造中介的作用效果；第四，人機協(xié)同在高科技技術(shù)產(chǎn)業(yè)、制造業(yè)占比較高地區(qū)對創(chuàng)新水平的

促進更為顯著。

1）重視人機協(xié)同在企業(yè)創(chuàng)新的重要作用。人機協(xié)同作為創(chuàng)新活動的一種新模式、新方法和新范例，不是簡單的“工具升級”，而是企業(yè)對組織認知、決策邏輯與協(xié)作機制的深層次思維變革。企業(yè)應主動構(gòu)建以“人機互補、協(xié)同賦能”為核心的創(chuàng)新體系。在研發(fā)流程、組織架構(gòu)和人才培養(yǎng)等方面嵌人人機協(xié)同理念，推動技術(shù)與人的深度融合，以提升知識創(chuàng)造效率、加快技術(shù)迭代速度，并增強在不確定性環(huán)境下的創(chuàng)新韌性與戰(zhàn)略靈活性。

2）強化知識創(chuàng)造機制。首先，企業(yè)應重構(gòu)知識管理機制，推動企業(yè)干中學，打造開放協(xié)同的知識共享平臺，鼓勵跨部門、跨層級的知識交流與協(xié)同學習。其次，企業(yè)應積極借助人工智能的知識挖掘功能，提升信息提取與知識重組效率，推動新舊知識的融合創(chuàng)新。最后，企業(yè)要建立激勵機制，鼓勵員工與智能系統(tǒng)協(xié)同參與知識創(chuàng)新過程，實現(xiàn)從“知識獲取一知識內(nèi)化一知識整合一知識應用”的高效循環(huán)，促進企業(yè)雙元創(chuàng)新能力的提升。

3）制定差異化的人機協(xié)同發(fā)展策略。高科技企業(yè)應優(yōu)先制定與企業(yè)研發(fā)流程高度契合的協(xié)同模式，提升智能制造與知識創(chuàng)新融合的深度。經(jīng)濟相對欠發(fā)達地區(qū)應從人才與創(chuàng)新環(huán)境建設入手，強化人工智能相關(guān)技能人才的引進與培養(yǎng)，完善區(qū)域創(chuàng)新基礎(chǔ)設施，鼓勵本地企業(yè)探索適合自身的低成本、高適配度的人機協(xié)同路徑，逐步實現(xiàn)從要素驅(qū)動向創(chuàng)新驅(qū)動的轉(zhuǎn)型升級。

參考文獻：

[1] 曾大軍，張柱，梁嘉琦，等.機器行為與人機協(xié)同決策理論和方法[J].管理科學，2021（06）：55-59

[2] 余義勇，段云龍.大數(shù)據(jù)時代下企業(yè)管理模式創(chuàng)新研究［J].技術(shù)與創(chuàng)新管理，2016，37（03）：302-307.

[3] 馬文甲，張弘正，陳勁.企業(yè)數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新模式選擇的影響[J].科研管理，2023（12）：61-70.

[4] 方鑫，董靜.管理層能力對創(chuàng)業(yè)企業(yè)雙元創(chuàng)新戰(zhàn)略的影響研究[J].外國經(jīng)濟與管理，2022（11）：77-92.

[5] 王磊，景詩龍，鄧芳芳.營商環(huán)境優(yōu)化對企業(yè)創(chuàng)新效率的影響研究[J].系統(tǒng)工程理論與實踐，2022（06）：1601-1615.

[6] DAVENPORTTH，RONANKIR.Artificial intelligenceforthereal world[J].Harvard BusinessReview，2018，96：108-116.

[7] MAKRIDAKISS.TheforthcomingArtificial IntelligenceFutures，2017，90（06） ：46-60.

[8]KANARIK K J，OSOWIECKI W T，LU Y，et al. Human-machine collaboration for improving semiconductorprocess development[J]. Nature，2023，616（7958） ：707-711.

[9]STURM T，GERLACH JP，PUMPLUN L，et al. Coordi-nating human and machine learning for effective organi-zational learning[J].MIS Quarterly，2021，45（3） ：1581-1602.

[10]FERRARISA，BRESCIANI S，DE BERNARDI P.Hu-man-AI collaboration in innovation：A review and re-search agenda[J].Technological Forecasting and SocialChange，2020，155：120038.

[11]BRYNJOLFSSON E，MCAFEE A. The business of artifi-cial intelligence：WRitcanand cannot do for your or-ganization[J].Harvard Business Review，2017，95（04） ：1-20.

[12]BOCK A，KUNDISCH D，WEISS M. The role of human-AI collaboration in knowledge management：A reviewand research agenda[J]. Journal of Knowledge Manage-ment，2022，26（03） ：567-589.

[13]SHRESTHAYR，BEN-MENAHEMSM，VON KROGHG. Organizational decision-making structures in the ageof artificial intelligence[J]. California Management Re-view，2019，61（04） ：66-83.

[14]DAVENPORT T H，RONANKI R. Artificial intelligenceforthe real world[J].Harvard BusinessReview，2018，96（01） ：108-116.

[15］宋鐵波，阮志偉，呂備.知識創(chuàng)新視角下數(shù)字技術(shù)驅(qū)動企業(yè)核心能力的機制研究［J].技術(shù)與創(chuàng)新管理，2025，46（02） ：184-196.

[16]NONAKA I，TAKECHI H. The knowledge-creating com-pany[M]. New York：Oxford University Press，1995.

[17]CHANDRA A，RAHMAN P A，SNEVE A，et al. Risk of30 day hospital readmission among patients dischargedto skilled nursing facilities：Development and validationof a risk-prediction model[J].J Am Med Dir Assoc，2019，20（04） ：444-450.

[18]SHNEIDERMAN B. Human-centered artificial intelli-gence：Reliable，safeamp; trustworthy［J].InternationalJournal of Human-Computer Interaction，2O20，36（06）：495-504.

[19]BAGS，GUPTAS，KUMARA，etal.Anintegrated arti-ficial intelligence framework for knowledge creation andB2B marketing rational decision making for improvingfirm performance[J]. Industrial Marketing Manage-ment，2021，92：178-189.

[20］楊浩昌，付慶波，李廉水.數(shù)字化轉(zhuǎn)型影響產(chǎn)業(yè)鏈韌性的機制與效應研究：兼議制造業(yè)產(chǎn)業(yè)鏈韌性的分維度比較[J].科學學研究.2025-01-01[2025-06-17]. htps：//doi.org/10.16192/j. cnki.1003- 2053.20250107.005

[21]TIMMERS P.Business models for electronic markets[J].Journal of Electronic Markets，1998，8（O2） ：3-8.

[22]AMITR，ZOTT C. Business model innovation： creatingvalue in times of change[J].Social Science ElectronicPublishing，2010（07） ：1-15.

[23］李曉翔，孔夢情.數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響：基于組織韌性和環(huán)境不確定性視角[J].大連海事大學學報：社會科學版，2023（06）：43-54.

[24］劉業(yè)鑫，吳偉偉.技術(shù)管理能力對突破性技術(shù)創(chuàng)新行為的影響：環(huán)境動蕩性與競爭敵對性的聯(lián)合調(diào)節(jié)效應[J].科技進步與對策，2021（07）：10-18.

[25］陳龍，葛玉輝，姚瑩瑩.高管團隊沖突對企業(yè)創(chuàng)新績效的影響機制研究：環(huán)境不確定性的調(diào)節(jié)作用[J].技術(shù)與創(chuàng)新管理，2019（02）：182-189.

[26］任宗強，陳淑嫻.人機協(xié)同創(chuàng)新：面向智能制造的創(chuàng)新新范式[J].清華管理評論，2021（11）：24-31.

[27］胡晟明，王林輝，趙賀.人工智能應用、人機協(xié)作與勞動生產(chǎn)率[J].中國人口科學，2021（05）：48-62.

[28]張勇，蒲勇健，陳立泰.城鎮(zhèn)化與服務業(yè)集聚：基于系統(tǒng)耦合互動的觀點［J].中國工業(yè)經(jīng)濟，2013（06）：57-69.

[29］畢曉方，翟淑萍，姜寶強.政府補貼、財務冗余對高新技術(shù)企業(yè)雙元創(chuàng)新的影響[J].會計研究，2017（01）：46-52.

[30]申慧慧，吳聯(lián)生.股權(quán)性質(zhì)、環(huán)境不確定性與會計信息的治理效應[J].會計研究，2012（08）：8-16.

[31］肖興志，解維敏.人工智能與企業(yè)韌性;基于工業(yè)機器人應用的經(jīng)驗證據(jù)［J].系統(tǒng)工程理論與實踐，2024（08） ：2456-2474.

（責任編輯：嚴焱）