人工智能对企业知识管理的影响研究
顾丽敏 李 嘉
内容提要 随着科学技术的不断进步，大数据、云计算、物联网等高科技的不断应用，传统的知识传输流程不断演进，由此催生出新的以机器学习为主导的人工智能技术。人工智能是以机器为主导，因此企业传统的知识管理方式需要进行不断革新。本研究从知识分享、知识吸收能力、知识创造和知识溢出角度分析了人工智能对企业知识管理的影响，旨在帮助企业更好地应对人工智能带来的改变，为企业知识管理的变革提供参考。
关键词 人工智能 知识分享 知识吸收能力 知识创造 知识溢出
引 言
知识管理伴随知识经济的发展而兴起。在创新经济时代，知识构成了企业在面对不确定经济环境下增强持续竞争力的动力来源。野中郁次郎认为，组织是一个“有机生命体”，需要创造知识来能动地适应环境，从而才能具有持续的“生命力”。由此，知识管理成为企业获得竞争力并能动地适应环境的一个重要途径和方式。知识管理涉及知识创造、存取、转化和应用等一系列相互影响的过程，是一个动态可持续的组织现象(Alavi & Leidner，2001)，是企业核心竞争力的重要来源。因此，企业如何通过知识管理来获取知识资源并创造知识、保存知识和应用知识成为决定组织创新力和竞争力的关键，这一话题也成为学术界和实践界共同关注的焦点(石玉玲和陈万明,2020)。
针对企业知识管理，以往研究主要围绕三个方面展开：一是关注企业如何通过知识管理将新知识和已有知识进行有效结合，从而提升组织绩效并培养组织核心竞争力(石玉玲和陈万明,2020)；二是探讨企业知识管理与组织学习之间的关系，企业通过知识管理能够促进学习和组织创新，与此同时，组织学习又将所学习和获取的知识当作一种战略资产，促进组织中知识共享氛围的形成，在一定程度上进一步推动企业进行知识管理(詹泽慧和刘选,2016)；三是探究企业竞争战略和企业知识管理之间的关系，企业的竞争战略在很大程度上决定了其采取的知识管理战略；反之，企业所采用的知识管理战略又会影响到企业的竞争战略(董小英、余艳和张娜，2014)。
尽管国内外学者围绕企业知识管理进行了诸多探讨，并积累了丰富的研究成果，但2016年以来，大数据、人工智能等技术的兴起引起数据量激增、信息爆炸，对企业的知识管理产生了巨大挑战(石玉玲和陈万明,2020)。人工智能是人类通过制造一种机器，赋予其相应的语言、认知、思维等能力，使其围绕知识表达、问题推理、机器学习等进行知识获取和应用的一种新的技术手段。欧阳智等(2017)指出，人工智能技术的广泛应用及其日新月异的迭代更新使得知识管理的实践发生了翻天覆地的变化，人工智能必然会对知识管理的各个过程产生深刻的影响，探讨人工智能对企业知识管理各个环节的颠覆性影响也将成为未来研究的一个趋势。因此，本文以野中郁次郎的知识转化模型SECI为框架，将知识管理分为知识分享、知识吸收、知识创造和知识溢出四个环节，深入分析人工智能对知识管理各个环节的影响，并在此基础上对人工智能在企业知识管理领域应用的趋势进行展望，同时也指出人工智能在企业知识管理应用过程中可能存在的难点。
人工智能的定义及特征
(一)人工智能的定义
目前，学者们对于人工智能的界定尚未形成统一看法，对于人工智能内涵的解析也不尽相同。对于人工智能这一概念的理解起源于美国麻省理工学院的温斯顿教授，他认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。这一理解主要停留在人工智能的字面含义，主要将人工智能看作是人创造出来的一种工具，人工智能作为一种工具在一定程度上代替人类从事劳动。随着人工智能在各种不同场景中不断地被反复提及和应用，学者们对于人工智能的定义不再停留在字面理解，例如，尼尔逊开始从知识的角度来理解人工智能，他认为“人工智能是关于如何表示知识以及怎样获得知识并使用知识的科学”(尼尔逊，1984)。另外，人工智能的创始人之一麦卡锡也认为，知识是人工智能所出现的一切行为背后的本质，人工智能可以看作是应用在知识处理问题过程中的一种技术。不仅如此，人工智能也被加拿大学者莱韦斯克定义为“基于知识的系统”，人工智能是在机器系统上获取知识、表示知识和应用知识的一项技术，其本质是一种借助机器来对知识进行处理的过程(赫克托·莱韦斯克，2018)。
(二)人工智能的特征
从本质上来看，人工智能是一项可应用于多种场景的技术。人工智能技术作为一门新兴技术，它是可以用于研究、开发、模拟、扩展人类现有智能的理论、方法、技术及应用系统(邵军力，2000)。从技术特征来看，人工智能是通过机器来模仿人类的思维，其主要方式是通过计算机编程等给予机器一定的视、听、说和逻辑思维能力，以供其获取知识和应用知识。
从发展特征来看，人工智能需要在借助人力的基础上完成自我进化。首先，在人工智能发展的初级阶段，需要完全依赖于人的“喂入”(由专业程序员将人工智能所需要的知识编写为程序输入到计算机中)，人工智能才能按照人的要求和标准来启动程序(肖峰，2020);随着人工智能进化到中级阶段，人工智能通过机器学习可以实现半自动甚至是全自动的知识摄入和应用，这时人类仅需将基本的规则“喂入”到人工智能中，人工智能就可以以零成本的方式进行机器学习，获取全方位的知识；人工智能发展到终极阶段，可能会创造出新的知识库，打破人类现有的知识边界，甚至可能在颠覆现有制度的基础上创造出新的制度。
人工智能的本质是通过知识的获取，实现人工智能的“智慧化”。因此，从智慧特征来看，人工智能可以分为三个层次：一是弱人工智能(Weak AI)，即人工智能用于完成某一特定任务或者解决某一特定问题，但其不具有自主意识和决策能力。例如，20世纪60年代到70年代人工智能尚处于萌芽时期，人们致力于通过编程语言录入计算机，以实现计算机获得图片识别、问题回答等能力。二是强人工智能(Strong AI)，强人工智能可以像人一样运用策略和独立思考的能力来解决问题，其具有较强的学习、交流、思考和计划能力。例如，2016年3月，谷歌的AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜。AlphaGo在通过编程录入围棋规则之后，就可以自我进行围棋的学习和模拟，从而获取相应的知识和经验。三是超人工智能(Artificial Super Intelligence，ASI)，超人工智能可以实现与人类智能等同的功能，即可以类似生物进化一样对自身进行重新编程和改进。例如，由美国神经技术公司Cyberkinetics开发的、尺寸约4mm×4mm的芯片被植入到残疾人Nagle的大脑中，Nagle就可以控制机器人来帮助他做一些简单的事情。马斯克和他的公司Neuralink近期展示了脑机技术，他们在猪的大脑中植入一个芯片之后，“AI猪”就可以“言听计从”地在工作人员的指导下进行各种工作，这也进一步证实了超人工智能的可能性。
人工智能对知识管理的多维影响
(一)对知识分享的影响：从分享到共享
知识具有可重复使用而不被消耗的特性，在不断被使用的过程中可以进行持续积累、提炼并实现知识增值。由此，知识分享的过程可以促进知识的不断传递、流动和积累，从而产生正外部性。具体而言，知识分享是知识的拥有者以一定的载体为基础将知识通过交流分享传递给知识接受者的过程(Alavi & Leidner，2001;储节旺和张静,2016)，这一过程可以细分为两个阶段：第一个阶段是知识拥有者需要将所要分享的知识进行显性化的转换，然后借助声音或文字等进行传递；第二个阶段是知识的接受方在接收到显性知识之后，将自身现有的知识、经验、价值标准等与所接受的知识相结合从而转化为自己的隐性知识。每一次的知识分享都会重复这一过程，知识也在传递和接受的过程中不断进行累积，并实现增值。
从知识分享的过程中可以看出，组织中成员进行知识分享能够提升企业整体的知识共享水平，促进知识流动，对企业有效实施知识管理起着举足轻重的作用(Alavi & Leidner，2001)。然而，知识分享在很大程度上取决于分享者的个人意愿以及知识分享情境(Zhang & Jiang, 2015)。由此，知识分享成为组织进行知识管理的重要环节之一，是企业实现知识管理的前提。对此，野中郁次郎提出了“场”理论，他认为组织应该创造“场”来促进知识分享。与知识分享相对应的是“创发场”，“创发场”是个体与个体面对面相互作用的场所，在这一场所中，每个个体自由地进行经验分享，完成知识的传递和转化过程(Nonaka,1994)。知识分享可以发生在员工、项目团队和组织等不同层次，个体之间、团队之间、组织之间以及跨层次的知识分享较易受到时间和空间等各方面的限制，从而阻碍了知识分享的过程。而人工智能的出现，凭借机器学习、快速迭代、人机交互等先进技术，在很大程度上突破了知识分享的时空障碍，颠覆了传统的知识分享模式。
人工智能的广泛应用对组织知识分享产生了诸多方面的影响。首先，人工智能的广泛应用促使全球互联时代下的空间和时间边界被进一步打开，知识分享的情境限制被不断弱化，“场”这一概念的外延被拓展，依托人工智能技术的虚拟功能，“场”在知识分享的过程中将不同时间和空间加以连接，减少了知识分享过程中的干扰和阻碍，由于人工智能打破了时空障碍，跨组织边界的知识分享也愈加频繁。其次，人工智能对知识分享提供了效率化的技术手段。人工智能借助机器学习能够以零成本的方式高效地检索所需要的知识，同时兼顾了知识广度和知识深度，构建起庞大的组织内部知识库(张省和周燕，2019)，组织的冗余信息也更容易被低成本地提取和表达，以进入知识分享过程，促进了显性知识向隐性知识的转换以及隐性知识的分享。与此同时，借助人工智能的人机交互系统，组织中项目团队或跨组织进行知识分享，不仅能敏锐地识别个体的语音和文本，同时还能通过捕捉关键问题智能检索相关显性资料(欧阳智、魏琴和肖旭,2017)，进一步促进并完善了知识分享的过程，提高了知识分享者沟通的便利性和效率。第三，人工智能的应用改变了知识分享的路径。非正式网络是隐性知识分享的主要渠道，传统组织的非正式网络主要围绕跨部门或供应链形成，通过个人之间的互动或直接交流为对方转化隐性知识创造条件。而人工智能背景下，大数据能够精准分析个人特质和基本场景，精确提供非正式网络中的有关知识信息，从而激发个人的知识分享意愿，使得知识分享路径多样化，分享频率不断提高。最后，由于人工智能的广泛应用，人机交互技术的发展，知识分享者在提供知识的同时，也能够及时收到人工智能在该领域的反馈和交流，因而知识分享者除了是提供知识这一角色外，也会收到人工智能提供的更多精准推送的新知识，从而变成知识的接受方，知识分享逐渐向“知识共享”转化。参与者在知识共享过程中具有双重身份，既是知识的提供方，也是知识的接受方，持续的知识分享形成了一个庞大的知识库，不同个体均可以从知识库中获得知识，最终形成知识的共享。
(二)对知识吸收的影响：延展认知边界
随着人工智能时代的到来，技术创新的复杂性与不确定性加剧，封闭式的组织已经无法与企业当前面临的竞争环境相适应(禹献云和周青，2018)。在这一背景下，企业只有保持开放性，打破组织边界和知识边界，不断吸收新知识，不断创新，才能适应新时代的发展。知识吸收能力对于企业是否能有效利用并转化所获取的知识尤为关键。知识吸收能力是企业获得、消化、转化以及利用知识的一系列组织惯例和路径的动态能力(Zahra & George，2002)。在市场竞争中，企业是否能及时抓取知识、充分吸收知识、有效转化和利用知识影响着企业的创新能力(禹献云和周青，2018)，而企业创新能力决定着企业是否能有效构建核心竞争优势。人工智能时代的到来彻底改变了企业对于知识获取、知识吸收和知识利用的方式和程度，对企业的知识吸收能力产生了深刻影响。
企业的知识吸收主要依赖于知识的内部化过程，包括知识获取、知识吸收和利用两个方面，知识的获取是后续知识吸收和知识利用的基础。首先，一方面，企业依赖于已有渠道和外部资源获取显性知识，而人工智能将使企业获取知识的广度大大拓展，知识获取的范围扩散到了全产业、全社会乃至全球。人工智能通过提高企业的开放性，使企业可以借助人工智能的数据抓取功能在全球范围内获取数据和信息。这种外部搜索广度的拓展能够帮助企业触及异质性更多更强的知识和信息，获得更丰富的信息和资源(闫春和蔡宁，2014)。也就是说，企业可以从全球范围内获取全产业的相关知识，将它融入企业现有的知识池中，与企业原有的知识实现交互，大幅度提高企业知识吸收和利用的可能性；另一方面，人工智能由于具有更精密的算法，会大幅度提高企业知识搜索的深度，而外部知识搜索深度的提升能够帮助企业甄别有价值的信息，避免与企业现有知识重叠造成知识冗余，强化知识获取的有效性，提升知识获取的效率。其次，人工智能有助于提升知识的吸收和利用，促进知识转化为新工艺、新流程、新知识的效率，最终提升企业创新绩效。一方面，人工智能通过机器算法，对从外部获取的知识进行分类管理，有效提升知识的可获取性，有助于企业对于知识的吸收和利用。另一方面，人工智能可以部分取代或者完全取代某种人类工作，依托强大的技术基础，完全打破人类员工的认知局限性，借助大数据算法充分对所获取的知识进行吸收和利用(徐鹏和徐向艺，2020)，进一步提升知识吸收的效率，最终实现企业创新绩效的提升。因此，总体来看，人工智能将完全改变企业的知识获取、吸收和利用过程，大大提升企业知识吸收能力。
(三)对知识创造的影响：效率改进和模式颠覆
企业通过知识创造，在组织中扩散新知识并将知识融入产品、服务和系统中，这是企业能够获得成功的关键所在。知识创造可以细分为两个阶段，第一阶段是知识的接收方借助声音、文字等具体工具接收显性知识；第二阶段是知识的接收方将接收到的显性知识与已有的显性知识进行组合，将零散的显性知识组合成更加系统化、有序化的显性知识集合，创造出新的显性知识(王本刚，2010)。因此，对于企业来说，更有效地接收显性知识，将已有的隐性知识显性化，通过新的模式将显性知识加以组合，可以更好地提高企业知识创造的效率和质量。
在人工智能时代，人工智能可以作为辅助手段抑或是完全的替代者。首先，由于信息技术的不断发展，大数据、物联网等技术的不断出现，过去难以获取的消费者数据、物流传输数据都变得触手可及，企业可以获取的显性知识进一步增加，人工智能通过机器算法，可以对获取的显性知识进行有效的分类和吸收，提高了企业接收信息的效率。通过人工智能的帮助，分布式文档管理、内容管理、数据仓库等基于人工智能技术的新手段帮助企业获取大量有价值的数据，有效地提升了企业对于隐性知识的获取和利用的效率。其次，人工智能的出现将部分的隐性知识显性化，扩展了企业可用的显性知识库，为企业进行知识的组合提供了更多的素材。一方面，传统组织中的成员，必须通过直接面对面地交流沟通才能产生新的观点、想法和经验。基于人工智能技术的人机交互系统能够通过对人脸、语音、手势等特征的识别帮助组织迅速获取信息，将隐性知识显性化，增加了企业的知识基础(李建中，2019)。另一方面，隐性知识的产生大多依赖于人脑，通过神经元的模拟而产生。人工智能技术对人脑神经网络进行不断探索，目前所出现的脑机接口、神经元模拟系统，都在探索模拟人脑意识生成的过程，未来可能会通过人工智能替代人意识产生的部分流程，甚至可以通过人工智能完全地模拟意识生成，将人脑产生的隐性知识完全转化为计算机信号，变为显性知识，以便被企业不断组合。最后，人工智能可以将现有零碎的显性知识通过机器模型系统化组合起来，改变了传统知识组合模型。一方面，人工智能通过机器学习，首先掌握一部分显性知识，之后通过不断地机器组合，产生新知识，对现有知识进行不断更新。另一方面，人工智能通过机器模拟，实现了隐性知识和显性知识的组合，也改变了原有知识创造的模式。
(四)对知识溢出的影响：意愿促进和溢出选择
知识溢出有利于组织之间相互学习，增加知识积累，促进知识扩散和知识的进一步创造和转化，而知识的进一步创造和转化又会反过来促进知识溢出所涉及的企业发展，推动创新活动的开展(童萍等，2019)。知识溢出是知识的外部化过程，是企业内部的隐性知识通过某种方式表达为显性知识的方式。这一过程实现了企业之间部分技术的知识共享，并大大提升了各个企业整体的创新能力。
在人工智能时代，人工智能可以作为管理者的超级秘书，以计算机深度算法为基础，对组织内外部的数据进行整合，集成信息，利用情景模拟等方式协助复杂问题的分析、推导和处理，通过完成复杂的逻辑思维过程，帮助企业更好地将企业内部隐性知识进行总结，从而更好地将隐性知识表达为显性知识。一方面，依托人工智能高效的知识处理和知识分享能力，企业会更倾向于与其他企业建立联盟关系，构建一个知识共享圈，尽可能地提高本企业与其他企业的连接能力，通过知识的共享圈将隐性知识更多地分享起来，知识的接收方根据各自的知识基础，将隐性知识转化为显性知识，更好地应用于企业内部。另一方面，人工智能会彻底改变企业的知识管理模式，传统的知识溢出必须依赖于不同企业的员工之间的交流才能进行，但人工智能会显著地改变这一模式。通过人工智能，输出方企业可以更便捷地将人的语言、情绪等信息转化为显性的机器语言，然后发送至知识的接受方进行接收和利用，知识溢出的载体不再局限在人与人之间的交流上，人工智能会在很大程度上提高企业知识溢出的意愿，促进企业与其他企业进行知识分享。
虽然知识溢出有助于企业获取更多知识，提高企业创新能力。但知识溢出引起的知识共享也容易出现“搭便车”现象，接受方企业因此投入少、缺乏创新，长此以往会造成创新惰性(李娟，2017)。在人工智能技术下，企业获取信息的能力大大增强。企业进行知识溢出可能会导致核心信息的泄露，不利于该企业维持自身独特的竞争优势。在这种情况下，企业就会进行选择性的有意识的知识溢出。有意识的知识溢出是企业在与其他企业建立专利交易、合作研发知识产品关系的基础上，自愿将自有知识提供给合作方，实现新知识创造的一种知识行为(李宇，2018)。知识溢出的这种“有意识”在很大程度上体现为企业对于知识的选择性溢出。为了规避在人工智能技术下知识溢出带来的风险，有意识的知识溢出一方面能够帮助企业仍旧与其他企业构建知识分享的圈子，实现企业与其他企业之间的知识交互(周志华，2018)，另一方面也能够在很大程度上保护自己独特的核心信息，维持自身的核心优势。
研究结论与未来展望
(一)研究结论
本文从人工智能对知识分享、知识吸收能力、知识创造和知识溢出的影响角度来分析人工智能对知识管理带来的影响，得到如下结论：第一，在知识分享方面，人工智能促使全球互联时代下的空间和时间边界被进一步打开，知识分享的情境限制被不断弱化，依托人工智能技术的虚拟“场”在知识分享的过程中将不同时间和空间加以连接，从而减少了知识分享过程中的干扰和阻碍。第二，在知识吸收能力方面，人工智能使企业获取知识的广度大幅拓展，企业可以从全球范围内获取全产业的相关知识，将其融入企业现有的知识池之中，并与企业原有的知识进行交互，促进了企业对于知识的吸收利用。人工智能将部分取代或者完全取代某些特定的人的工作，企业中拥有强大的人工智能技术的员工打破了传统员工的认知局限性，能够借助大数据算法充分对所获取的知识进行吸收和利用。第三，在知识创造方面，人工智能可以作为辅助手段抑或是完全替代者，代替人在知识和隐性创造过程中的作用，从而提高知识创造的效率，改变传统知识创造的模式。第四，在知识溢出方面，人工智能将在很大程度上提高企业知识溢出的意愿，促进企业与其他企业进行知识分享。人工智能帮助企业更好地将企业内部隐性知识进行总结，更好地将隐性知识表达为显性知识，促进知识溢出。与此同时，知识溢出也会对企业形成一定的风险，出现“搭便车”现象，其他企业获取信息能力的增强势必弱化本企业的知识优势。
(二)未来展望
人工智能依托其强大的技术内核，必将在企业知识管理应用中发挥更大的作用。首先，随着人工智能的不断发展和进化，人工智能通过不断的机器学习和对人脑的模拟，将更多的隐性知识显性化，取代人在隐性知识传播中的作用。在企业内部，未来可以通过人工智能取代员工在企业活动中的作用，甚至是取代管理者，将现今的“无人工厂”进化为“无人企业”。其次，人工智能通过知识管理模式的改变，将知识分享转为知识共享，所有企业都可以获得所有知识，知识不再是稀缺性资源，也不再是企业竞争优势的来源，企业之间可能因此会越来越相似，每个企业都可以生产其他企业的产品，甚至是某一行业的企业可以生产其他任何行业的产品，企业与企业之间、行业与行业之间的边界将进一步模糊。
虽然，人工智能的发展必将全方位重塑未来社会，但人工智能的本质是取代人类在社会分工中的作用，所以必然会出现人与人工智能共存的问题。首先，目前尽管人工智能还处于初级阶段，但有的企业知识管理已经开始过多地依赖于人工智能，道德受到技术限制而滑出了底线。例如，近期出现的外卖送达时长问题，外卖平台依赖于人工智能算法对于时长的精确计算，只考虑最优效率，而忽视了人在劳动过程中可能出现的各种突发事件，并由此引发了一系列的道德问题，人可能最终沦为人工智能的工具。其次，现有的人工智能的知识创造还处于人类的认知范围内，还没有超越人类的认知边界，未来人工智能通过不断的学习和进化，创造的知识有可能超过了人类的知识边界。人工智能可能会构建新的知识管理制度，取代人成为制度的缔造者，这势必会引起新的制度风险。
参考文献
1.Alavi M., Leidner D.E., “Knowledge management and knowledge management systems: Conceptual foundations and research issues”， MIS quarterly, 2001, pp.107-136.
2.石玉玲、陈万明：《我国知识管理研究现状、热点与趋势》，《新世纪图书馆》2020年第4期。
3.詹泽慧、刘选：《知识管理在香港:通过货币奖励分享知识是一个神话——与香港理工大学方识华博士的对话》，《现代远程教育研究》2016年第2期。
4.董小英、余艳、张娜：《企业竞争战略与知识管理战略动态匹配与共同演化:以李宁公司为例》，《管理学报》2014年第4期。
5.欧阳智、魏琴、肖旭：《人工智能环境下的知识管理:变革发展与系统框架》，《图书与情报》2017年第6期。
6.尼尔逊：《人工智能原理》，石纯一等译，科学出版社，1984年。
7.赫克托·莱韦斯克:《人工智能的进化》，中信出版集团，2018年。
8.邵军力：《人工智能基础》，电子工业出版社，2000年。
9.肖峰：《人工智能的知识哲学审思》，《求索》2020年第1期。
10.储节旺、张静：《企业开放式创新知识协同的作用、影响因素及保障措施研究》，《现代情报》2017年第1期。
11.Zhang, X., Jane Y.J., “With whom shall I share my knowledge? A recipient perspective of knowledge sharing”, Journal of Knowledge Management, No.2, Vol.19(2015), pp.277-295.
12.Nonaka, I., “A dynamic theory of organizational knowledge creation”, Organization science, No.1, Vol.5(1994), pp.14-37.
13.张省、周燕：《人工智能环境下知识管理模式构建》，《情报理论与实践》2019年第10期。
14.禹献云、周青：《外部搜索策略、知识吸收能力与技术创新绩效》，《科研管理》2018年第8期。
15.Zahra S.， George G.,“Absorptive capability: A review，reconceptualization and extension”，Academy ofManagement Review，No.2, Vol.27(2002), pp.185-203.
16.闫春、蔡宁：《创新开放度对开放式创新绩效的作用机理》，《科研管理》2014年第3期。
17.徐鹏、徐向艺：《人工智能时代企业管理变革的逻辑与分析框架》，《管理世界》2020年第1期。
18.王本刚：《知识管理视域的组织知识创造理论述评》，《图书情报工作》2010年第1期。
19.李建中：《人工智能:不确定的自主性知识创造》，《自然辩证法研究》2019年第1期。
20.童萍、谢荣见、李小东：《同质化视角下机器人企业集群知识溢出与创新绩效研究》，《安徽工程大学学报》2019年第2期。
21.李娟：《创新集群企业有意识的知识溢出：概念界定与量表开发》，东北财经大学，2017年。
22.李宇、张晨：《有意识的知识溢出对创新集群衍生的影响——基于知识创造的视角》，《科学学研究》2018年第6期。
23.周志华：《关于强人工智能》，《中国计算机学会通讯》2018年第1期。
本文系国家社科基金重大项目“‘互联网+’驱动传统产业创新发展路径及模式研究”(项目号：16ZDA015)的阶段性成果。
作者简介：顾丽敏，江苏省社会科学院区域现代化研究院副研究员。南京，210004；李嘉，南京大学商学院副教授。南京，210093
