高度智能化的市場還有戲劇性嗎？

【關鍵詞】智能化市場? 傳統市場? 技術創新? 智慧企業

【中圖分類號】TP18? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2020.30.006

引言

近年來，技術的重大改革引領全世界的新一次工業革命，以大數據、云計算、人工智能、區塊鏈等技術為核心的智能化技術的發展不僅提升了生產效率，還逐步演變成新的生產方式和管理范式。作為全球科技強國，我國引領了全球智能化的浪潮，并在國家層面制定了相關宏觀政策，例如“中國制造2025”的規劃，堅持創新驅動、智能轉型的基本策略。在企業層面，智慧企業的概念已經深入實踐，形成了企業數字化改造和智能化應用之后的新型管理模式和組織形態，是先進信息技術、工業技術和管理技術的深度融合。在智慧企業的基礎上，我國還積極發展智慧城市、智慧市政等更大型的智能化工程，期望打造充滿“科幻感”的未來智能化生態圈。

然而，智能化市場的演進并不是一帆風順的，基于大數據與人工智能的智能化市場是否能夠形成有效的人機協同效應目前還是一個未知數。基于數據和算法的智能系統固然能大幅提升工作效率、生產效率和管理效率，卻也帶來了類似人工智能發展過程中的倫理風險，中心化的數據處理方式在運作過程中如果受到攻擊，其保護機制是否完善，都是我們需要戰勝的重大挑戰。

智能化的內涵與特性

“智能”（Intelligence）一詞早在20世紀50年代就被研究人工智能的學者使用，是計算機學科的專業名詞。我們所熟知的智能化市場，例如智能制造、智慧企業中的智能性，實際上是商業智能（Business Intelligence），也就是通過智能化系統達成生產、管理、決策等商業行為，商業智能化也可以被理解為把數據轉變為信息然后再形成知識的過程。達文波特（Davenport）在2006年把商業智能化解釋為使用智能系統進行的商業分析行為。智能化浪潮起源于20世紀90年代初期企業管理者對于分析數據來提升企業效率的需求，至今已經演變成一個跨學科、跨領域、跨行業的綜合性研究議題。智能化市場的基礎是數據管理，而數據管理又主要由數據收集、數據提取和數據分析組成。所以由企業組織主動收集數據并進行提取與分析的過程是如今主要的業態，也是智能化市場的早期階段。在這個過程中，數據的收集是有目的性的、大量重復的，而數據提取與分析也是基于提前設計好的算法和流程，我們也可以將其定義為智能化1.0的階段。

國內的互聯網翹楚阿里巴巴集團的數據中心早期就是一個由Oracle建設的單節點數據庫，通過算法分析處理業務數據和決策數據。隨后，阿里巴巴逐漸開始建設多節點數據集群，并形成基于onedata體系的公共層，形成集團電商數據體系，同時從超過5000個節點收集數據并提供數據分析、商業智能的解決方案。阿里巴巴集團的數據中心演化過程可以體現智能化1.0往智能化2.0階段的過渡。如圖1所示，智能化2.0階段的主要特性是基于非結構化的數據內容，也就是通過多個網絡節點收集與分析數據。通過網絡化的智能系統來進行網絡分析，收集用戶生成內容的共享資源系統，共同形成了智能化2.0的生態雛形。

智能化3.0是未來的智能化市場發展趨勢。隨著智能手機和感應系統的普及，智能化3.0的數據來源更加分散化，數據更加海量，用途更為廣泛。一方面，物聯網的普及與應用可以搜集到很多原來不被人們關注的信息。通過RFID、二維碼等傳感設備，商家可以收集到整個消費流程中的所有數據信息，并把信息通過分析轉化為知識。另一方面，智能化3.0的生態中，數據擁有地理位置、內容分類和個人偏好等特性，并且分布式儲存在不同的終端中。當智能化3.0生態成熟以后，進入門檻降低，任何組織、政府部門、個人都可以通過移動終端實現個性化的智能需求，形成整合式的智能生態。

字節跳動旗下的短視頻APP抖音就是智能化3.0應用的典型案例。抖音于2016年9月上線，是一款15秒音樂短視頻軟件。截至2019年1月，抖音國內的日活用戶突破2.5億，月活更是突破了5億之多。通過海量用戶生成的短視頻內容的使用與傳播，智能化分析可以生成精準的用戶畫像。例如，“60后”群體最愛拍攝的內容是萌娃，而“90后”群體更傾向于自拍;抖音用戶最愛去的國外城市是首爾，而最熱門的國內景區是成都大熊貓繁育研究基地，類似的分析結果還有很多。通過這些精準的智能分析，商家可以進行精準的廣告營銷，政府可以制定相關的旅游和交通政策，用戶則可以探索新的旅游勝地。

智能化目前已經在各個領域中廣泛應用，但是每個領域中的智能化程度是不同的。如表1所示，電子商務領域走在智能化的前端。由于電子商務本身與互聯網的緊密聯系以及電子商務企業對客戶定位、精準營銷的重要需求，企業只有在不斷地智能化創新中才能得以生存和發展。而對于科學研究領域來說，科學數據的格式規范，科學研究的演進性，都是未來智能化發展中必須跨越的鴻溝。

智能化的優劣以及建立競爭優勢

高度智能化的市場既簡單，又復雜。簡單的是，一切決策都可以通過預設算法來進行，一切數據都可以通過傳感器來收集，只要有了數據和算法，所有的商業行為都可以自主實施、自主運轉、自主評估。然而，隨著傳感器數量的倍增和數據量幾何級數式增加，有效的數據分析和成本效率化的數據采集方式變得更加復雜。

智能化組織的優勢。量化標準的準確考核。毋庸置疑，對于可量化的管理標準、考核標準、行為準則來說，智能化組織可以實時監測和考核這些標準，形成更高效的管理方案。對于制造型企業，產品的生產標準可以更加完善，作業流程更加嚴格，催生更高質量的產品和更高效的生產流程。對于醫療行業，智能化的應用可以更加準確地診斷、監測病情，提升治療效率。在大數據的支撐下，量化標準的誤差會逐步減少，直到形成理論上的最優化標準。

分布式管理的高效性。傳統的科層制管理體系已經無法滿足企業的需求。面對日新月異的動態市場和快速迭代的新技術，靈活應變是企業生存下去的唯一方式。而智能化組織可以通過智能系統協助管理者多點管理，跨時間、跨空間管理。對于簡單、重復的工作內容可以使用KPI考核系統，而對于復雜、非量化標準的工作任務也可以幫助管理者剔除其中的重復信息，讓管理者直接面對需要解決和決策的關鍵部分。另外，智能化組織可以讓管理者的管理范圍更廣，匯總各部門的信息流，提升管理和決策的質量。

多節點協同創新的可能性。在科技經濟全球化的環境下，實現開放、合作、共享的創新模式，被實踐證明是有效提高創新效率的重要途徑（陳勁，2011）。通過智能化組織的數據共享和多節點運作模式，更好地形成官、產、學、研的開放共享和深度合作，提升產業的綜合競爭力。當智能化市場成熟以后，創新成為組織運作的第一生產力，國家創新政策也可以通過數據來評估其貫徹落實的情況。

智能化組織的劣勢。專業化與個性化邊界的混淆。隨著智能化的發展，數據收集來源更加多元，個性化的數據在商業領域可以形成用戶分析報告，但是在專業領域卻變成了數據噪音。專業化組織需要符合要求的專業化數據和高精度的智能化分析才能研發出高質量的技術，而未來智能化市場中過量的非專業性數據可能會對研發效率起到負作用。當個性化數據過多時，專業數據得出的結果可能并不能滿足大部分人的要求，所以需要在專業數據和個性化數據的用途、來源上作出嚴格區分。

數據安全產生新的問題。隨著智能化市場的不斷發展，數據安全問題也成為新的關注點。原有的數據安防技術大多基于傳統的中心化數據庫，不能解決移動端、傳感器端的數據安全隱患。多節點化的智能系統也導致任何一個節點都存在受到攻擊的可能性，而日常維護每一個節點則又會帶來額外的成本。隨著智能手機的普及，大眾數據的隱私和安全問題也開始顯現。5G網絡雖然加快了網絡傳輸速度并普及了網絡化程度，但是也帶來只要聯網就存在的風險，無形中增加了網絡攻擊者的“作戰半徑”。

數據收集產生額外成本。數據收集看似簡單，實際上卻流程繁雜。利用區塊鏈技術溯源的場景已經在國內開始被應用，但是整個溯源的過程包括從產品源頭到市場的每一個節點，在每一個節點連接區塊鏈技術所耗費的人力、物力往往超出想象。而區塊鏈溯源技術帶來的實質性影響目前也僅僅是產品質量和信用的提升，短期內無法直接轉化為利潤或有形資產。同樣，在使用傳感器追蹤物流、人流的商業行為中，每一個傳感器的造價、維護和折舊都會給企業帶來額外成本。當然技術創新都有較長的周期，成本高不能簡單地作為不創新的理由。

智能化的倫理問題。智能化市場與人類社會的結合本身就是一個復雜且充滿矛盾的過程，我們在建設智能化市場時也要重視人與機器之間的關系。首先，過于依賴智能會產生自動化偏見，認為智能分析得出的結果一定是正確的，但是我們仍然會碰到自動駕駛車輛撞人的情況，可能僅僅是因為智能系統突然死機。當智能系統的結果與人類社會的利益產生矛盾時，是否有相應的妥協機制？是以人類利益為主還是以“公正”的數據計算結果為主？另外，當智能化系統被廣泛應用于社會時，應該形成有效的問責機制，確保當機器犯錯誤時也能找到責任承擔者。當自動駕駛系統出問題時，我們應該對系統運營商、汽車制造商以及汽車測試工程師有相應的問責程序。

通過智能化建立競爭優勢。對于組織來說，通過智能化來建立競爭優勢取決于如何在正確的時間點上獲得正確的信息，并傳達到正確的人身上。從經濟學的角度來說，是否能在商品銷售的過程中獲得最大利潤是一個建立競爭優勢的關鍵點。基于智能化3.0的商業分析可以輕松獲得用戶的消費習慣、消費能力等重要數據，并把數據轉化為產品定價的重要知識依據。不僅如此，通過對消費者的分析分類，智能化組織可以建立對每一個用戶的價格最優化策略，例如對價格不敏感用戶以原價銷售和對新用戶的優惠活動。當然，以上基于數據的定價策略需要海量的歷史數據、實時數據以及外部環境因素分析等復雜的綜合性分析系統，任何錯誤都可能導致完全相反的策略。而在非智能化的環境中，人們僅僅需要通過直覺和經驗就可以得到差不多的結果，那么使用復雜的智能化系統的成本是否能被其帶來的利潤包含，這也需要組織不斷地分析與磨合。

從管理學的角度來說，我們可以把智能化帶來的優勢完全套用在波特五力的戰略分析上。如圖2所示，針對波特五力模型中的各個影響因素，智能化的分析系統可以逐一追蹤攻克，形成動態的市場競爭戰略。舉例來說，我們可以通過傳感器來收集門店日流量、消費者高峰時段、熱門商品等信息，從而生成買方消費行為分析報告。從買方消費行為分析報告中，我們可以準確獲取消費者在不同時間段的消費需求（數據量足夠大的情況下），并制定相應的供貨、定價和增值服務策略。

然而，智能化的波特五力模型完全基于數據，那么數據的獲取成本便成為了一個新的考量因素。一方面，市場中的所有參與者都想擁有關鍵的數據，那么獲取數據的競爭成為了新的競爭“戰場”，是否能夠獲取有價值的數據會影響組織的競爭力。當所有的市場參與者都獲得相同的數據時，智能化帶來的競爭優勢也將會逐步減少。另一方面，數據的獲取成本能否被其帶來的利潤包含成為組織管理的重要議題。當商家憑借直覺和經驗認為可以把一件衣服賣到200元時，通過智能化分析也許可以把這件衣服賣到205元，但是整套系統卻耗資1000元，很顯然此時的智能化系統的優越性值得商榷。所以，只有在智能化市場環境還未成熟之時，先行者可以獲得較大優勢，但卻也增加了成本;而當智能化市場完全成熟以后，系統成本降低，但是帶來的優勢也將減少。

智慧企業的發展與展望

隨著互聯網、大數據、人工智能等信息技術發展進入新的階段，企業所處的環境已經發生根本性的變化，智慧企業就是順應智能化浪潮的企業管理新階段。在智能化時代，企業管理人員需要在企業數據中挖掘價值，并轉化成企業管理的有效資源，制定更準確的決策。

傳統企業面臨的問題。數據孤島問題。近年來大部分企業信息化程度已大幅度提升，已經基本形成了數字化的運營管理模式。然而，如同阿里巴巴數據中心的早期架構一樣，大部分傳統企業還停留在中心化的數據庫層面，通過手機結構化數據進行已有生產流程和運營規則的機械化執行。同時，企業的數據信息通常存儲在各業務部門中心化的數據庫中，庫與庫之間很難協同共享，難以形成部門間的協同創新效應。

信息碎片問題。在企業信息化發展的過程中，如何形成有效的企業內知識管理體系來避免由科層制管理體系所帶來的碎片化信息問題是傳統企業難以攻克的痛點。隨著組織管理的扁平化發展，企業內的信息流愈發瑣碎而難以收集整理。在部分關鍵部門的上下級信息傳達中，碎片化信息甚至會帶來信息不對稱而影響組織決策。同時，自下而上的錯誤信息傳遞也會導致決策層的決策失誤，帶來潛在風險。

系統隔離問題。傳統的科層制管理組織制度，依賴于行政手段實行自上而下的集權管理，即按既定的指令，以行政手段去執行和完成既定任務。在這種管理模式中，企業被系統隔離，有員工被置于服從和執行的地位，自主性和創造性都受到影響。例如我國的制造型企業，在生產工藝、生產流程上由于長期的積累已經達到世界先進水平，但是卻鮮有原創性的有世界影響力的產品，這與員工常年進行單一的流水線作業不無關系。

智慧企業的賦能作用。智慧企業通過智能化系統打通企業內部信息流，賦能傳統企業沒有解決的信息化問題。智慧企業的建設目標是實現自動預判（風險識別自動化）、自主決策（決策管理智能化）和自我演進（糾偏升級自主化）。

自動預判。自動預判指的是企業通過技術形成企業智能化的高度集成，實現企業各類風險的全過程識別和判定。在生產線、車間等企業一線，通過智能感知模塊與物聯網技術的結合，實現數據的實時采集，獲得動態的一手數據。同時，結合企業數據庫預設算法與分析流程，實現對潛在風險的自動識別與預警。

自主決策。自主決策通過建立企業數據管理的“專業腦”和“決策腦”，形成企業獨有的戰略布局，通過對數據流的分析進行決策，并構建決策平臺。同時，企業高層參與“決策腦”的決策過程，形成人機協同，把智能化決策做到最優化。

自我演進。通過前期自動預判和自主決策的過程積累，形成企業管理決策的基本模式并不斷自我評估，在新技術、新市場、新環境下形成自我學習和自我迭代機制，完成企業糾偏升級自主化。

通過智慧企業的賦能作用，企業打通原有的孤立數據流，實現管理層決策的數據驅動。通過構建智能化信息平臺，避免系統隔離問題和扁平化組織架構的信息碎片問題。在形成了有效智慧企業系統以后，企業可以更快地適應商業環境的變化和技術的革新，在控制風險的同時擁抱創新。

智慧企業的展望。冰冷的數據并不能解決所有問題，數據可以驅動管理，卻不能代替人的管理，單純的智能化管理甚至會降低企業的創新活力。在未來企業中，現實空間越來越小而虛擬、數據空間變得越來越大，我們應該如何處理好一個企業中同時存在的人類管理者與機器管理者的種群分布關系，如何構建符合這種關系的企業秩序與規則，都需要我們應用社會物理學理論來分析。社會物理學指的是“應用物理力學、量子力學的研究方法來研究社會網絡問題，通過微觀上的隨機性和無序性來尋求宏觀上的可認知性和可觀控性”（牛文元，2010）。而對于智慧企業的管理，我們也要尋求在這種新型組織形態中人與人的關系以及人與機器的關系。

互動性提升生產效率。人與人面對面的互動是提升產出的關鍵。很多社會物理學家的實驗和研究證明，一個團隊中的想法碰撞是影響表現的重要因素，團隊成員之間的討論、鼓勵、批評，都能讓員工了解到行業的竅門，提升隱性知識，從而提升生產效率。而智慧企業中的數據驅動型管理模式則有可能扼殺這種人與人之間的互動性，僅僅通過數據傳遞信息會忽略很多企業成功的秘密——隱性知識。正如同量子力學中粒子之間的碰撞，人與人之間的思維“碰撞”應該在組織中形成常態。

組織網絡的激勵作用。組織網絡結構間的激勵作用可以提升員工績效水平。在傳統的科層制管理模式中，大部分員工都在做著沒有個性、一模一樣的機械式工作，當他們把工作完成并遞交給管理者后，并不知道自己的工作的完成度，也不會受到鼓勵和激勵。而當員工可以為了一個設定的目標而奮斗時，他們可能會夜以繼日地去奮斗并精益求精。在數據驅動的智慧企業中，應該避免數據化管理帶來的激勵性缺失，在提升管理者效率時也應該考慮到如何提高員工的積極性，而不是把員工變成處理數據的機器。

智能化與技術創新

黨的十九大報告提出，創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。智能化市場的成果來源于我國堅持不懈地創新，而智能化市場又給技術創新提供了良好的生長土壤。在智能化時代，技術創新的范式也在智能化，以實現“互聯網、大數據、人工智能和實體經濟深度融合”的要求。技術創新的范式已經走過了Schumpeter時代和Henry Chesbrough的開放式創新模式，建立適應智能化時代的創新范式已經成為當前的熱點需求。智能化時代的創新有兩大現象：加速的創新和大爆炸式的創新。

加速的創新來源于以云計算、大數據、移動設備等技術為主的智能化市場帶來更加卓越的信息，以解決方案為導向的創新模式和更加親密的用戶間關系。在這樣的環境中，信息獲取的成本降低，信息的質量更高，使創新的素材更加多元并且融會貫通。原來的創新模式信息獲取成本較高并且多限于行業內的專業化信息，部分技術還被設置了較高的門檻。隨著智能化市場環境下全球信息流的開放，攻克技術難題可以獲得多方支持，如海爾的Hope平臺就致力于在全球范圍內尋找最新的技術解決方案。以解決方案為導向的創新模式讓創新的目的更加明確，針對需求提供創新方案，針對具體問題提供具體答案，使得創新的流程更加簡潔明了。原來的創新模式中，創新的目的往往是最模糊的，創新的產品是否能夠投放市場，都需要在創新流程的末端花費大量的時間與精力。在智能化時代，率先獲得解決方案并針對性地進行創新研究可以加速創新流程，少走彎路，形成有意義的創新。親密的用戶間關系可以讓用戶更好地加入到創新的過程中，形成用戶創新平臺，甚至由用戶引領創新。智能化市場可以讓每個用戶通過智能終端參與創新過程，并在創新的過程中形成對產品、服務的親密度，在提升參與感的同時促進用戶忠誠度。例如，美國的互聯網視頻公司Netflix，通過智能算法推薦符合用戶偏好的視頻。在推薦系統不斷的自我學習過程中，用戶不僅可以感受到更加貼心、親密的推薦方式，還可以給有類似需求的其他用戶進行推薦，達到用戶參與創新的目的。

技術的指數級發展和產品的快速迭代改變了原有的創新方式。大爆炸式的創新擁有巨大的能量，可以在很短的時間內產生顛覆式創新效應，快速占領市場，而這一切在非智能化市場是難以想象的。大爆炸式的創新有獨特的生命周期，產品的市場占有率上升速度極快，但是也相應伴隨著更快的萎縮速度。任何信息的發布都無法逃離智能化時代的信息節點，無論是網站、社交媒體、朋友推薦都可以在第一時間讓新產品的推出迅速被人們所知。所以，一件新穎的產品或是低成本的產品，可以跨越傳統的波特五力理論中的各個門檻，直接讓用戶熟知并且為其買單。即便是為了宣傳新產品而故意降低價格的虧本行為，也會在快速占領市場以后通過其他方式收回成本。然而，大爆炸式的創新風險也更大，因為市場萎縮的速度會比占領市場的速度更快。簡單的博眼球策略、虧本賺吆喝的買賣只會短期存在，長期的發展仍然需要基于核心能力的綜合創新生態的維持。在智能化的時代，現存企業需要建立完善的動態競爭機制，隨機應變，才能應對不斷出現的新競爭者。

我國推動智能化的對策建議

大力培育創新主體。智能化的市場歸根結底是技術創新的成果體現，我國現有的世界領先創新成果離不開政府、高校、企業三個創新主體的協同發展。智能化市場的維持需要三方的有機合作，形成政府引導、高校研發、企業落地的基本創新流程。在三方合作的過程中，相關數據的分享也至關重要，智慧企業和智慧政務的實施意義就在于數據的互融互通、快速響應，有效地利用大數據和分析工具開展創新。對于高校來說，應積極展開全球性的學術交流與合作，讓新技術走出去，把新技術引進來，建設全球化創新節點，通過智能系統獲取全球性創新資源。

加快完善智能化配套設施。我國是全球公認的基建大國。從道路、港口的建設再到現在5G網絡的建設，已經形成標桿性的“中國速度”。智能化市場的完善離不開相關配套設施的基礎建設，包括物聯網系統、智能制造標準等，形成完善的智能化生態，從而降低組織參與者的智能轉型成本。當智能轉型的成本遠遠低于帶來的效益時，參與者的數量會呈爆發性增長，從而也激發了未參與者的轉型意愿，形成良性生態循環。

積極防范智能化帶來的風險。如前所述，智能化并不是完美的，其中也隱藏了數據風險和倫理風險。數據風險包括海量數據帶來的數據噪音過多的問題，影響專業化技術研究。同時，數據的隨意分享、流通也會造成數據泄露和數據安全的問題，需要在數據收集和儲存的過程中防患于未然。智能化帶來的倫理風險也不可小覷，機器的作用應該是輔助人類，而不是凌駕于人，導致與人類利益沖突的決策發生。當機器犯錯時，應當及時改善，而不能因為是機器就疏于管理。

參考文獻

Chen， H.， 2009， "AI， E-Government， and Politics 2.0"， IEEE Intelligent Systems， 24：5， pp. 64-67.

Chen， H.; Chiang， R. and Storey， V.， 2012， "Business intelligence and analytics： From big data to big impact"， MIS quarterly， 36.4.

Chen， H.， 2010， "Business and market intelligence 2.0"， IEEE intelligent systems， 25.1， pp. 68-71.

Davenport， T. H.， 2006， "Competing on Analytics"， Harvard Business Review， 84：1， pp. 98-107.

Gbosbal， S. and Kim， S. K.， 1986， "Building effective intelligence systems for competitive advantage"， Sloan Management Review （1986-1998）， 28.1， p. 49.

Golfarelli， M.， Rizzi， S. and Cella， I.， 2004， "Beyond data warehousing： what's next in business intelligence？"， Proceedings of the 7th ACM international workshop on Data warehousing and OLAP， ACM.

Guarda， T. et al.， 2013， "Business intelligence as a competitive advantage for SMEs"， International Journal of Trade， Economics and Finance， 4.4， p. 187.

Michael， K. and McCathie L.， 2005， "The pros and cons of RFID in supply chain management"， International Conference on Mobile Business （ICMB'05）， IEEE.

Palmer， A. and Hartley， B.， 2000， The Business and Marketing Environment， 3rd ed.， London： McGraw-Hill.

Pentland， A.， 2014， Social physics： How good ideas spread-the lessons from a new science， Penguin.

Williamson， P. J. and Yin， E.， 2014， "Accelerated innovation： The new challenge from China"， MIT Sloan Management Review， 55.4， p. 27.

賈根良，2013，《第三次工業革命與新型工業化道路的新思維——來自演化經濟學和經濟史的視角》，《中國人民大學學報》，第2期。

龔炳錚，2014，《關于發展我國智慧企業的思考》，《中國信息界》，總第276期。

陳勁、黃海霞，2017，《智慧企業理論模式——以中國航天科工集團公司為例》，《技術經濟》，第8期。

陳勁，2011，《協同創新與國家科研能力建設》，《科學學研究》，第12期。

梅亮、陳勁、吳欣桐，2018，《責任式創新范式下的新興技術創新治理解析——以人工智能為例》，《技術經濟》，第1期。

牛文元，2010，《現代社會物理學的內涵認知》，《中國科學院院刊》，第2期。

責 編/馬冰瑩

陳勁，清華大學經濟管理學院教授、博導，清華大學技術創新研究中心主任。研究方向為科技創新、技術創新管理理論、科技政策。主要著作有《科學、技術與創新政策》《協同創新》《創新管理》《企業創新生態系統論》等。