知識生產與多元互動:青年人才推進科技創新的行動邏輯
——多案例實證分析

鄒昀瑾

(清華大學 公共管理學院,北京100084)

0 引言

隨著人才強國戰略的深入實施,青年人才在推動科技創新中的重要作用日益凸顯,已經成為促進科技進步和社會發展的關鍵力量。習近平總書記指出:“支持青年科技人才挑大梁、擔重任,不斷壯大科技領軍人才隊伍和一流創新團隊。”中共二十大報告也首次提出,教育、科技、人才是全面建設社會主義現代化國家的基礎性、戰略性支撐。在此背景下,如何推進青年人才引領的科技創新,成為中國式現代化建設的重要命題。

縱觀我國青年人才的發展培養歷程,從簡單的數量擴大、重科研成果等單一指標評價,到以產業需求為導向的人才培養,體現了人才發展目標的不斷調整與演變。青年科技人才也不例外,從關注科技人才知識技能提升,逐漸轉向關注其創新精神、團隊協作能力,特別是知識生產與多元互動能力。在此過程中,我國科技發展歷經動能轉換與范式變革,以多模態、大模型、大數據為代表的技術正不斷涌現,科技創新治理機制逐步形成[1]。青年人才知識生產與多元互動的重要性日益顯現,為科技創新提供了新的動力和視角。青年人才通常擁有更高的靈活性和適應性,對新科技的發展趨勢具有敏銳的洞察力,且敢于嘗試新方法,愿意接受和應用新技術,這種開放和探索態度有利于推動創新。許多青年人才接受過良好的教育和訓練,其年齡優勢也能為科技創新提供持續性投入。然而,現有研究大多關注科技創新中的府際關系、資源重組及結構轉型,對于青年人才在創新過程中的主動性和驅動能力的回應明顯不足。因此,如何理解青年人才在科技創新中的行動邏輯,并構建有效機制推進創新,值得深入探討。

為此,本文結合新時期我國青年科技人才特點,深入剖析青年人才科技創新的成功經驗,提煉出蘊藏其中的行動邏輯,為創新實踐提供理論支持。在文獻梳理的基礎上,從過程性和主體性視角構建知識生產—多元互動分析框架,基于3個典型案例解析不同類型的創新路徑。進一步歸納青年人才引領科技創新的行動邏輯與運作機制,為科技創新提供有益的理論及實踐啟示。

1 文獻梳理與分析框架

1.1 已有研究的解釋

科技創新作為推動經濟社會發展的重要動力,其發展過程深受人才的影響,尤其表現在人才參與、培養及協同互動方面。學界從不同視角探討人才與科技創新間的關系,為本研究提供了全面的理解和洞察。已有研究主要有兩種分析視角:一是從人才本身的特質和能力出發,探討其如何成為科技創新的內在驅動力;二是從人才與外部環境互動角度,著力解釋人才如何與政府政策、資本市場相互作用,共同塑造科技創新發展格局。

一些研究從人才的內在特質和能力視角,探索其在科技創新中的關鍵作用。在這一視角下,科技創新得益于人才的知識結構、技能培養和創新思維。知識結構可以從寬度和深度兩個維度考量,知識寬度使人才廣泛接觸和整合不同技術領域知識,而知識深度則確保人才在特定領域的專業性和準確性[2],從而體現出人才在科技創新中的關鍵作用。為進一步發揮人才在積累知識資源和推進技術創新中的主導作用,需要構建科技人才的知識結構與能力體系,優化科技創新資源整合、分類和配置機制,確保資源與人才知識結構能夠有效鏈接[3]。實際上,隨著項目復雜性的提高和技術發展的快速演變,對人才技能培養的需求也日益增加。有研究分析人才技能與團隊知識存量、決策精準度的相關性,發現技能多樣性有利于提高決策精準度并降低群體思維的風險[4]。但也必須意識到,人才之間存在顯著差異性和獨特性[5],如專業背景、實踐經驗、思維模式等方面。因此,有學者提出基于人才的獨特屬性和需求,構建多元化、包容性和合作性的一系列機制[6],破除相關體制和政策弊端[7],促進創新思維、發展潛力與專業知識等的交融(劉云等,2023),進而提高創新體系整體效能。

也有研究從人才與外部環境互動的角度探討人才對科技創新的推動作用。這一視角關注人才如何在各種外部條件下利用其專業知識和技能促進科技創新。有研究關注合作網絡(Cooperative network)的作用,分析科技創新如何在不同組織與人才的合作網絡中發生,以及這些網絡何以構建出有利于創新的生態系統[8]。當然,參與合作網絡的人才,需要對其行為和決策負責,由此衍生出社會、經濟和環境方面的影響。從社會影響與責任出發,有學者提出負責任的創新框架(responsible innovation),這一框架基于“預期—反思—包容—響應性”4個維度,解決科技創新中的治理問題[9]。進一步地,人才可通過其專業網絡,推動知識和資源在不同地區,甚至全球范圍內流動,從而實現更廣泛的合作和影響。例如,有研究表明,地方活躍度(Local Buzz)與外部世界的連接,尤其是全球化對科技創新的流動和擴散具有深遠影響,揭示出人才互動式學習與創新在技術進步中的重要性[10]。但值得關注的是,合作網絡需要建立在倫理與可持續的基礎之上。因此,置身于合作網絡中的人才,需要考慮其行為是否遵循倫理準則,并確保合作的可持續性。例如,Brey[11]、Edler等[12]從倫理和可持續性角度探討科技創新如何通過影響社會與環境促進可持續發展。這一視角不僅凸顯了人才在科技創新中的引領價值,還揭示了如何通過建立信任和穩定的合作關系,確保創新生態穩健發展。

以上兩種研究視角為科技創新的理論洞察作出了貢獻,但仍存在一定局限:一方面,已有研究從人才的內在特質和能力視角探討人才如何成為科技創新的關鍵驅動力,但鮮有研究聚焦青年人才層面。這是因為,在資源有限的情況下,資本和學術機構可能更傾向于投資具有成熟技能和知識的人才,而忽視青年人才的潛在價值和創新熱情。另一方面,盡管已有研究的視野從人才與外部環境互動的角度,擴展到國家—社會和更廣泛的場域,但由于人才、政府、資本市場等多方主體間的復雜博弈,現有研究仍然難以提供全面解釋。因此,本文試圖通過分析框架的理論構建和代表性案例的實證分析,對人才與科技創新之間的關系作出進一步探索。

1.2 理解科技創新的新視角:知識生產—多元互動

科技創新是指在高水平人才的知識引領下,多元主體互動,研發新技術與新產品,創造新價值。一方面,青年科技人才具備新穎、前沿的理念,憑借專業知識和創新能力,能夠挖掘、識別和解決問題,成為科技創新的核心力量;另一方面,多元主體間的有效互動推動創新成果生產和轉化。基于知識生產和多元互動兩個核心變量,本研究構建一個理解科技創新的整合性分析框架(見圖1),解釋青年人才推動科技創新的行動邏輯。

邁克爾·吉本斯[13]提出,知識生產的傳統模式是一種理念、方法、價值以及規范的綜合體,遵循良好的科學實踐。這種模式以同質性為特征,設置和解決問題的情境(context)由特定共同體的學術興趣所主導,是一種基于學科、以個體探究為主的模式。第二種模式是傳統模式的延伸,以應用為導向,承擔更多社會責任且具有反思性(reflexive),呈現出跨學科和異質性特征。進一步地,以人工智能為特征的知識生產已經構成第三種新模式——智能知識生產[14],典型的例子是利用大數據和機器學習在人工智能領域取得突破進展。

本研究以知識生產解釋青年人才對科技創新的支持效應。基于此,產品、技術和商業模式創新形成全方位創新體系:①技術創新是科技創新中最直觀、最基礎的一種形式,聚焦科技自身進步,包括但不限于新理論、新方法和新技術的發明與實踐,分為增量創新和顛覆性創新[15];②產品創新是對產品形式或功能的創造,是將技術創新成果以適合于用戶和市場的形式呈現;③商業模式創新是商業運作方式的變革,如新的營銷方式、收益模式、合作方式等,是為了更好地將技術應用到商業領域中,創造經濟價值。

本文以多元互動表示科技創新中不同參與者之間的交互和協作,強調知識共享、合作和跨界協作的重要性。在創新過程中,多元主體相互配合,推動資源整合、風險分散和知識共享,包括企業—政府互動、企業—專家互動、企業—資本互動3種主要類型,也相應地促成產品創新、技術創新和商業創新。因此,本文對知識生產—多元互動的表征及演進過程進行深入剖析,據此提出一系列論斷,系統揭示青年人才推動科技創新的行動邏輯與運作機制。

1.2.1 企業—政府互動模式:知識生產的規模效應

企業—政府互動是科技創新的關鍵,企業與政府進行合作和資源共享能推動科技進步,加速新技術的研發和商業化進程。這一互動模式被賦予目標共享、互利共贏和動態交互特征,其核心意義在于,通過降本增效推動經濟發展和社會進步,提升國家科技水平和競爭力。

在企業—政府互動模式中,隨著知識生產規模的擴大,單位知識成本下降,生產效率提高。這得益于規模效應的雙重作用:一方面,大規模知識生產能夠分散固定成本,降低單位知識成本;另一方面,大規模實踐促進組織和個人學習與優化,提高生產效率。因此,知識生產的規模效應可以解釋為,政府通過科技政策、研發資金和科創平臺等支持企業大規模知識生產,降低研發成本和風險,提高效率,并吸引更多資源和人才,進一步增強規模效應。基于上述討論,本文提出以下命題:

命題1:企業與政府間互動會加速新技術研發和商業化,在政府支持下,企業開展的大規模知識生產能夠降低成本,形成知識生產的規模效應。

1.2.2 企業—專家互動模式:知識生產的溢出效應

科技創新需要專家的專業知識和技能。企業—專家互動能獲取新知識、新理念,發現創新的可能性,同時反饋市場需求,提高研究的實用性,促進知識轉化。這種協作環境將產生獨特的知識生成和傳播機制——知識生產的溢出效應,主要體現為異質性、跨學科性、產業化3個特征。

企業通過與專家互動,吸收專家的知識和經驗,展現知識生產的異質性。異質性涵蓋知識來源、結構、更新等方面,企業和專家可以從不同視角和層面理解問題,進而推動跨學科研究和創新知識形成。創新成果經過產業轉化,促發知識溢出效應的產生。這一效應源于知識的非排他性和公共品屬性,無論是對企業自身,還是對社會整體性知識創新和經濟發展都有積極影響。由此,本文提出以下研究命題:

命題2:知識的非排他性和公共品屬性使其具有溢出效應。企業與專家互動能夠促進異質性知識生產,并在跨學科性與產業化的雙重推動下,對企業創新活動和知識轉化產生作用。

1.2.3 企業—資本互動模式:知識生產的競爭效應

企業—資本互動是指企業和資本市場在資源與利益分配上的相互作用、相互影響。實際上,科技創新需要大量資金,企業從投資機構、銀行獲得資金開展創新活動,而投資方通過投資有潛力的項目實現資本增值。該模式有助于促進企業與資本市場的良性互動,提升企業競爭力。

資本在向企業提供資源的同時,也會對企業施加壓力。為了保證投資回報,企業需要不斷創新,提升技術水平和市場競爭力。這種壓力驅動企業追求新知識,產生知識生產的競爭效應,形成一種動態競爭格局。基于上述討論,本文提出以下命題:

命題3:企業與資本互動過程中,資本投入會影響企業科技創新行為,資本多元化、靈活的資金支持以及來自資本的壓力會激發企業創新,產生知識生產的競爭效應。

2 案例樣本選擇

研究選擇北京市3個青年引領的科技創新案例。北京是科技創新高地,2017年確立建設具有全球影響力的科技創新中心的戰略定位。習近平總書記指出,要以建設具有全球影響力的科技創新中心為引領,集中力量抓好北京市科學城、創新型產業集群示范區“三城一區”建設。這為青年創新者提供了政策支持、豐富的資源和市場機遇,但也面臨技術風險、市場風險和生活支出壓力等問題,需要通過企業、政府、專家與資本間的多元互動和技術交流解決這些問題。在此背景下,出現了青年引領的企業科技創新實踐,以知識生產和多元互動為核心機制,破解發展難題。

本文選擇北京市3個案例作為分析對象(見表1),展示科技創新中企業與多元主體的互動模式,提煉知識生產的經驗路徑。主要基于如下考慮:第一,3個案例是典型的由青年人才發起的科技創新項目,這些青年人才均畢業于國內頂尖高校。特別是在北京建設高水平人才高地和國際科技創新中心的環境下,這些案例具備理想的科技創新條件,能夠體現出“最可能案例”的特點。第二,為確保研究邏輯的嚴謹性和結果的可靠性,選取來自同一地區(北京)且領域相同(科技)的案例進行分析。集中性的案例群組有助于消除潛在干擾因素,從而提高研究效度。同時,多案例比較分析能夠更精細地構建理論模型,呈現知識生產與多元互動的多樣性及其相互作用。第三,案例對應3 種不同模式,覆蓋企業與政府、專家、資本等不同主體之間的互動,以及知識生產的規模效應、溢出效應和競爭效應。3家企業初期都面臨不同程度的現實困境,而青年人才在實踐中能夠持續進行知識生產和互動,因而案例具有典型性,可以引發對研究問題的深思。此外,本研究使用的材料部分來自政府文本和內部資料,核心部分的研究資料則來自研究團隊的觀察與訪談。文中提及的實證資料和經驗數據,如無特別說明,均來自作者所在課題項目于2023年5月18日舉辦的專題學術研討和沙龍分享。遵循學術慣例,對訪談對象的個人信息進行匿名化編碼,訪談資料的編碼規則為:研討日期+發言者單位與身份代碼。

3 案例呈現:青年人才推進科技創新的案例分析

3.1 企業—政府互動:R公司產品創新路徑

R公司作為人工智能設施和解決方案供應商,在政府支持下對數據安全和隱私保護進行了一系列探索(人機協同AI平臺、人工智能安全靶場等),采用多方安全計算、聯邦學習等技術確保數據安全及數據價值的有效實現,形成企業—政府互動下的規模效應—產品創新路徑,如圖2所示。

3.1.1 現實困境:可靠性與安全性挑戰,決策“黑箱”難以解釋

在人工智能(AI)演進歷程中,ChatGPT和AlphaGO的出現標志著深度學習進入重要時刻。自2012年起,基于神經網絡的深度學習技術逐漸成熟,特別是到2018年,國內一系列人工智能創業公司開始基于深度學習研究感知方面的各項應用。然而,隨著技術的發展,AI在安全性和可靠性方面的挑戰也逐漸顯現。就可靠性而言,人工智能一旦遇到未在訓練數據中出現過的新情況,可能表現出不穩定行為,特別是在對系統可靠性要求更高的領域,如航空、核電,可能出現目標偏離、安全中斷等由AI系統行為導致的不良后果;就安全性而言,人工智能易受到對抗性攻擊,在自動駕駛、醫療診斷等高風險領域會造成嚴重后果,同時AI訓練的大數據需求也可能引發用戶隱私問題[16]。

“其實我們期待能夠落地的,包括AI醫藥、AI醫療、AI自動駕駛等,時至今日都沒有達到理想的落地效果。本質在于,深度學習存在網絡結構以及黑盒方面的問題,不適應于高價值觀念的場景。”(訪談記錄:20230518RLZHTT)

這是因為深度學習的決策過程往往被視為“黑箱”,模型的可解釋性成為人工智能領域的一個關鍵問題,尤其在涉及重要決策和高風險情況的醫療、司法和金融領域。這些模型通常包含數百萬甚至數十億參數,基于對大量數據的復雜計算作出決策,但決策過程是不透明的。顯然,這種不透明性會限制組織和個體對AI決策的理解和信任[17]。此外,如果訓練數據不均衡或包含偏見,AI模型可能復制并放大這些偏見,進而導致不公平的決策[18]。

3.1.2 行動邏輯:政府引領—規模效應

為解決上述挑戰,R公司提出發展安全、可靠、可信的第三代AI,以數據與知識共同驅動的方式衍生出新技術體系。北京市政府自上而下給予政策支持,降低企業初始投入風險和信息不對稱。

R公司是時任中共中央政治局委員、北京市委書記蔡奇聯系的重點企業,2021年12月,蔡奇調研R公司時強調,“安全是科技發展的重要前提”,同時提出“專注人工智能領域安全,保持技術領先優勢,推出更多具有前瞻性、帶動性的新產品、新技術”。此后,R公司入選國家級專精特新“小巨人”企業,研發一系列安全、可信的AI技術。

“我們走在了一條與眾不同的技術路線上,典型的技術是人工智能對抗攻防,通過一系列算法攻擊,比如攻擊人臉識別、語音識別,檢測這些算法、產品在什么時候會出現錯誤,再用技術手段進行安全加固。”(訪談記錄:20230518RLZHTT)

經過幾年的研發,R公司相繼打造了人工智能安全防火墻、人工智能安全平臺等,同時積極配合主管部門完成20余項國際、國家及行業標準制定。在這一過程中,R公司CEO意識到,僅僅把現有算法變得更安全并不能完全解決問題,需要從本質上打造能力更強的AI。為此,R公司開始把目光投入更高階的領域——生成式人工智能。

生成式人工智能:知識驅動研發能力更強的AI。生成式人工智能(Generative AI)是一種機器學習技術,能夠從輸入數據中學習模式并創造新的輸出,如文字、圖像、聲音、視頻等。通過生成式AI能夠大幅降低采集成本,甚至可以在完全零樣本的情況下解決工業缺陷檢測問題,這是R公司在生成式AI方面最早的探索。

“舉一個工業視覺檢測的案例,比如在太陽能電池板出廠前,需要通過人工或者算法解決上面究竟有什么缺陷、什么故障,但是這類缺陷經常是隨機產生的,種類非常多,采集負樣本很困難。”(訪談記錄:20230518RLZHTT)

多模態大模型:知識驅動訓練更綜合、更通用的AI。隨著數據變得越來越豐富和多樣化,AI進入大模型時代,R公司不再局限于單一形式,而是開始嘗試從多個角度使用多種形式的數據解讀現象——研發多模態AI大模型。本質上,多模態大模型采用復雜算法進行訓練,能處理文本、圖像、聲音等多種數據類型的輸入。例如,用多模態AI理解文本描述場景,并將其與圖像數據匹配,或者分析語音輸入并將其與相關文字或圖像內容關聯起來。

“我們一直在進行多模態大模型的訓練,也是在今年4月份,我們的第一個生成式多模態大模型,基于transformer的模型正式發布和開源,它在文生圖、圖生文等多個領域都達到世界領先水平,后續還有大量的工作需要持續地發展,讓多模態大模型能夠真正在各場景發揮作用。”(訪談記錄:20230518RLZHTT)

3.2 企業—專家互動:S公司的技術創新路徑

S公司在AI for Science研究中,運用分子模擬算法解決生物醫藥、能源、信息科學和工程等領域的重要科學問題。在頂尖專家指導下,S公司在藥物和材料領域創新性地推出計算模擬和設計工具,如藥物計算設計、微尺度科學計算云平臺等,形成企業—專家互動下的溢出效應—技術創新路徑,如圖3所示。

3.2.1 現實困境:系統復雜性高,可持續創新壁壘

作為一家以科學計算和工業研發軟件為落地場景的科技公司,算法引擎、大規模軟件工程、行業研發經驗3個核心要素的深度結合,成為S公司獨特的競爭優勢。然而,這種深度結合也可能使系統復雜性大幅提升,造成多方面挑戰。

本質上,算法引擎是一種可以模擬人類智能解決復雜問題、處理大量數據,甚至可以自我優化的計算模型。大規模軟件工程涉及大量系統間協作、交互和依賴,這就需要高度協調、整合,從而提高復雜性。同時,算法引擎、大規模軟件工程與行業研發經驗的深度結合,意味著S公司需要深入了解行業需求和趨勢,以適應這種復雜性。

“算法引擎、大規模軟件工程還有行業的研發經驗要深度結合起來,是我們面臨的一大困難,也是國內工業軟件存在差距的地方,一旦形成就會有非常高的壁壘,在這一波科技革命浪潮中要把握機遇。”(訪談記錄:20230518SSKJSWJ)

正是由于上述復雜性,系統穩定性面臨挑戰:①巨大的代碼量意味著即使非常微小的編程錯誤也可能導致嚴重問題,如未捕獲的異常或輸入—輸出錯誤;②如果軟件架構設計存在問題,模塊間的依賴關系處理不當,那么一個模塊發生故障可能影響到整個系統,甚至引發系統崩潰;③大規模軟件系統通常需要處理并發和同步問題,若處理不當,可能導致死鎖、競態條件等。

類似地,復雜的算法引擎也可能對系統穩定性產生影響:一方面,若算法設計或實現存在問題,可能導致預期之外的行為;另一方面,復雜的算法引擎通常需要大量計算資源,管理不當可能導致系統崩潰。面對這些挑戰,需要S公司具備持續創新能力,改進算法、管理策略和系統架構,以提高系統穩定性。

“科技的真實壁壘不是面上的軟件和代碼,一個技術研發出來一定是可被模仿和超越的,持續創新能力才是真正的壁壘,原創的速度要比別人模仿的速度更快,才能給科技企業帶來發展。”(訪談記錄:20230518SSKJSWJ)

之所以說持續創新能力是企業發展的壁壘,因為其不僅需要技術積累和人才支持,還需要企業進行制度創新。只有具備這種創新能力,企業才能在面對復雜性和穩定性等挑戰時,持續提供高質量產品和服務,保持競爭優勢。

3.2.2 行動邏輯:專家引領—溢出效應

S公司首席科學顧問鄂維南教授(中國科學院院士、北京大學講席教授、國際機器學習研究中心主任、北京大數據研究院院長)提出專注于AI for Science驅動的微觀尺度科研和工業研發。因對應用數學的開創性貢獻,鄂維南教授曾榮獲國際工業與應用數學大會麥克斯韋獎、科拉茲獎,也是第一位兩獲國際工業與應用數學大獎的數學家。專家引領的知識驅動能夠讓企業與高校、研究機構共享知識資源,降低技術開發的不確定性。

“AI for Science現在已經在行業里面成為一個共識,新華網指出其是發生在當下的科學變革,今年兩會科技部啟動了AI for Science專項部署行動。”(訪談記錄:20230518SSKJSWJ)

為進一步推動AI for Science的發展和應用,2021年9月鄂維南院士領銜成立科學智能研究院,將人工智能技術與科學研究相結合,也為S公司的科技創新提供了更高的平臺支撐。研究院將一批頂尖研究人員集聚起來,打破傳統研究壁壘,將AI for Science發展推向一個新的高度。

多尺度建模與高性能計算:知識驅動的科學范式。S公司融合物理建模和高性能計算,開發出藥物計算設計平臺,為臨床前藥物研發提供計算解決方案。例如,應用分子對接與虛擬篩選,精準預測藥物與靶點的結合模式;研發設計大分子藥物,預測3D結構模型。新的科學研究范式將多尺度建模、機器學習和高性能計算相結合,開發人工智能分子模擬技術。這種模型通過深度神經網絡參數化原子相互作用勢能,突破性地實現微尺度分子模擬的精度與效率統一。

“時至今日,我們打造了一個科學研究平臺和一系列藥物、材料研發的工業軟件平臺,和很多藥物、材料廠商聯合研發創新藥和新材料。技術平臺已經賦能了包括小分子、大分子藥物、合成生物學等生物制藥領域的產業領域,以及像催化、半導體、顯示等近10個材料研發領域。”(訪談記錄:20230518SSKJSWJ)

計算引導實驗,實驗優化設計:打造自然科學界的GPT。實驗設計可以幫助理解社會現象,找出問題的原因,制定解決方案。通過設計實驗,可以對社會科學理論進行實證檢驗,驗證理論假設的正確性,從而得到可靠的研究結果,為政策制定、決策等提供科學依據。S公司為藥物、材料領域研發計算模擬及設計工具,不僅有助于加深學術界和實踐界對各種復雜現象的理解,還可以更有效地支持決策過程。這些工具的使用,讓研發流程變得更加科學、系統,并且節省大量時間和成本。

“生物醫藥、新材料這些領域,其實相比于100年前的研究范式并沒有根本改變。現在我們發明一款新的藥物、新的材料,唯一的變化就是做的實驗次數比以前更多了。如果能夠先進行非常精密的實驗來驗證計算結果,就可以大幅提升研發效率,這是我們問題的起點。”(訪談記錄:20230518SSKJSWJ)

計算模擬及設計工具的成功開發,代表自然科學領域的GPT——利用高級人工智能技術,對復雜實驗數據進行深度學習和分析,從而實現計算引導實驗,實驗優化設計。未來可以持續優化這些工具,使科研工作更加精準、高效,助力科技創新。

3.3 企業—資本互動:B公司的商業創新路徑

B公司是專門為產業互聯網領域提供SaaS服務的供應商,旨在為各類組織提供數字化解決方案,如票據數字化、智能財稅處理等,已為超過2 000家集團型企業、60萬家成長型企業以及1 000萬家小微型企業提供服務。B公司的發展得益于靈活的資本布局和精準投資,資本投入推動創新發展和市場擴展,也提升服務質量和效率,形成企業—資本互動下的競爭效應—商業創新路徑,如圖4所示。

3.3.1 現實困境:核心業務不明確,商業模式難以延續

科技行業的快速發展和不斷變化的市場環境要求公司持續調整核心業務,以適應變化并保持競爭優勢,這對企業業務的明確性提出了挑戰。同時,受競爭壓力和內部管理影響,商業模式的持續性也成為挑戰,需要持續創新和優化,以保持商業模式的有效性和競爭力。

“最重要的就是資本戰略和核心業務戰略,我們引入騰訊、阿里投資,在融資過程中也有很多股權調整。如何形成一個商業模式,讓它在資本市場受認可,同時不斷引入人才,打造一個上市公司很重要。”(訪談記錄:20230518BWGFYZD)

當然,商業模式的延續不僅需要外部市場環境支持,也需要公司內部的運營和管理能力。公司需要建立一套有效機制,持續優化和調整商業模式,以適應內外部環境變化。

3.3.2 行動邏輯:資本引領—競爭效應

對科技公司而言,明確的核心業務不僅有助于明晰戰略方向,為決策提供基礎,也能夠優化資源配置和提升運營效率。B公司的核心業務是電子發票,實現了購銷交易、合規交易以及各類運輸交易的全面數字化。在此過程中,B公司積極引進騰訊、阿里等風險投資、股權融資,資本多元化和靈活的資金支持降低了財務風險和業務波動造成的壓力。

“我們的戰略方向是數字科技,無論數字中國、數字北京,還是數字交易的基礎設施,最核心的戰略就是在信息、科技、人力密集型的基礎上,以編排的方式來實現降本增效。”(訪談記錄:20230518BWGFYZD)

未來20年是數字科技的時代,算力密集化將成為一種主導趨勢。大數據處理和復雜計算需求的增長,將推動算力提升和優化。在此背景下,全流程數字化和構建數據驅動的數字網絡,成為B公司提高業務效率和創新能力的必然選擇。

以模式創新推動商業社會減碳提效:交易數字化。在為政府、企業和公共組織提供服務的過程中,B公司構建了一套全面數字化解決方案,其核心是通過模式創新引領數字交易新范式,對全閉環數字商業過程進一步精細化,覆蓋采購、對賬結算、電子發票、智慧財稅及支付融資等環節。

“我們也在金融、財稅、供應鏈等領域,投入SaaS服務。在與投資方的談判過程中,我們建立了協商對話機制,展示技術優勢、商業模式和市場潛力,優化業務科技、財務科技、稅務科技、金融科技等。”(訪談記錄:20230518BWGFYZD)

可以發現,通過實施模式創新和數字化解決方案,B公司不僅在企業級別上實現了高效的數字化交易,也成功推動商業社會的減碳提效。這種全閉環的數字業務流程不僅能夠優化商業活動,也能為社會可持續發展作出貢獻。

以數據驅動的方式實現全流程數字化:政務數字化。在商業社會減碳的基礎上,B公司鏈接商業企業,并逐步向公共領域延伸,如政務數字化。數據驅動的全流程數字化方式可用于搭建政務數據平臺,整合各類政務數據,推進信息公開和陽光政府建設,云計算、AI等技術則能進一步優化政務服務流程。

“未來數字商業網絡能夠讓交易在全流程數字化角度上形成高速的交易網絡,這就是我們的目標。核心是在數字中國戰略下,讓交易管理降低成本。”(訪談記錄:20230518BWGFYZD)

在實現全流程數字化及推進數字中國戰略實施的過程中,人才無疑起著至關重要的作用。高效的交易網絡和戰略實施,都依賴具有專業技能和創新思維的人才推動。人才的引進、培養和合理使用,是公司持續發展和創新的關鍵驅動力。在此大背景下,B公司充分認識到人才是推動企業創新和發展的關鍵資源,對人才的重視也體現在其企業發展戰略和文化中。

“在這個過程中我們也認為,資本戰略很重要,人才戰略也很重要,所以我們其實在創業歷程中應該不斷強調人才的升級是最核心的競爭力之一,如何不斷地去引進團隊,如何不斷地讓人才在資本平臺能夠有獲得感,能夠持續釋放自己的核心競爭力,這個是非常重要的。”(訪談記錄:20230518BWGFYZD)

簡言之,優秀的人才是企業持續發展的關鍵。人才不僅是執行企業戰略的重要力量,也是推動企業創新和變革的主要驅動者。一項有效的人才戰略既要保證企業能吸引和留住優秀人才,也要能夠激發和發展人才的潛力,為企業長遠發展提供持續的人力資源支持。

4 青年人才推進科技創新的運作機制

觀察3個案例可以發現,盡管青年人才在科技創新中面臨的現實困境有所差異,形成了不同運作邏輯,但也呈現出一些共性特征。綜合分析上述案例,本文提煉出4種典型運作機制:風險規避機制、壓力調適機制、理性學習機制和協商對話機制。

4.1 風險規避機制

在青年人才推進科技創新中,風險規避機制可以系統識別、評估、管理和控制潛在風險(如技術風險、市場風險、財務風險等),以減輕其對創新成果的負面影響。案例1中,政府通過提供政策支持和補貼,降低青年人才在產品創新中的初始投入風險,設立標準解決可靠性與安全性問題;案例2中,基于專家引領的知識驅動,企業與高校、研究機構建立合作關系,通過技術合作降低技術開發的不確定性,分擔研發風險;案例3中,在資本引領的運作邏輯下,企業通過引入風險投資和股權融資等方式降低創新的財務風險。

4.2 壓力調適機制

青年科技人才面臨多重壓力,在資源配置上并不占優勢,不僅要應對來自同齡人的競爭,還要與資歷更深的前輩爭奪資源,同時還面臨保持技術領先、應對市場挑戰、團隊管理、保護知識產權以及家庭負擔等變化。因此,建立壓力調適機制至關重要。案例1中,透明的決策過程可以幫助青年人才了解決策邏輯,降低信息不對稱;案例2中,專家和高校的培訓能夠提升青年人才的知識技能和應對復雜問題的能力;在案例3中,靈活的資金支持與資本多元化能為青年人才提供多種選擇和發展路徑,減輕因業務波動帶來的壓力。這一機制的核心在于營造支持性環境,讓青年人才擁有應對壓力的資源和能力。

4.3 理性學習機制

大量實驗與數據積累、研究對象的多樣性和學科交叉應用使得科技創新具有長期性和復雜性特征,決定了成果產出周期較長,導致青年人才更愿意選擇保守的短期或中期課題,而忽視長期性研究。然而,本文案例中3位畢業于中國頂尖名校的CEO,尤其是案例1和案例2的90后青年CEO,能夠理性對待科技創新的長期性和復雜性,投入時間和精力深入研究,通過跨學科合作和知識整合解決問題,采用數據驅動策略評估方案的準確性、有效性[19],將自身高水平知識運用到解決實際問題中。同時,在商業落地方面進行及時調整,以滿足市場需求。

4.4 協商對話機制

為減輕信息不對稱帶來的壓力,讓青年人才了解決策邏輯,需要在政府、企業與青年人才之間建立透明的溝通渠道,如搭建合作平臺、定期舉辦信息交流會、發布決策公告等,這在案例1中得以體現。良好的協商對話機制至關重要,可以保證企業與投資方在談判中充分分享和接收信息,企業可以展示其技術優勢和市場潛力,而投資方了解這些信息有助于作出理性投資決策。這是形成長期關系的基礎,通過建立信任,加強部門間協同溝通[20],降低雙方的不確定性和風險感知,從而獲得更有利的投資條款,這在案例3中得以呈現。

上述分析強調知識生產的多維效應和多元主體互動模式在科技創新中的作用,將青年人才的創新行為與企業、政府、專家和資本的互動聯系起來,顯示其在整個創新系統中的作用和價值。進一步地,本文將4種機制之間的聯系歸納為協同性、互補性、動態性和獨特性四大特征(見圖5)。

圖5 青年人才推進科技創新的運作機制及其相互聯系

(1)協同性。科技創新的實現需要風險規避、壓力調適、理性學習和協商對話4種機制的相互配合與共同推動。其中,理性學習機制能為青年人才提供必要的知識技能,提高其應對創新風險(風險規避)和壓力(壓力調適)的能力,而有效的協商對話機制可以提供必要的信息和資源支持,對青年人才開展創新活動極為重要。4種機制的協同對青年人才推動科技創新發展具有積極作用。

(2)互補性。在理解互補性的框架下,風險規避、壓力調適、理性學習和協商對話4種機制在青年人才推進科技創新中互為補充、各具優勢。風險規避機制幫助青年人才識別和管理創新風險,協商對話機制通過促進信息交流和協商,降低信息不對稱導致的不確定性和風險,為青年人才提供一種具有層次感且全方位的創新行動策略。

(3)動態性。上述4種機制相對靈活,能根據環境和條件進行適應性調整。隨著經驗的累積,青年人才對這些機制的依賴程度可能有所調整,如對某一領域深入了解后,會更多依賴理性學習和協商對話機制,提升自身專業能力,進行有效的信息溝通和資源共享;積累一定經驗后,青年人才會降低對風險規避和壓力調適機制的依賴。這也體現出青年人才不僅是科技創新的參與者,更是驅動者。

(4)獨特性。獨特性揭示出上述4種機制在實施過程和效果上具有差異性,盡管這些機制在各種行動路徑中都有體現,但其執行方式和結果存在顯著不同。這主要源于青年人才的個體差異(如知識儲備、技能熟練程度、經驗積累等)和所處環境的特征(如企業文化、市場態勢、政策環境等)。總體來看,上述4種機制構成青年人才推進科技創新的核心,機制間的關系揭示了其過程的復雜性。

5 結論與啟示

5.1 研究結論

中國的科技創新是一場涉及政策創新、制度優化和體制改革的科技治理體系變革,青年人才以其敏銳的洞察力、靈活性和創新精神,推動新技術的發展和應用。知識生產和多元互動是科技創新的重要機制,也是解剖中國科技治理體系變革和人才推動創新過程中深層機理的關鍵維度。本文基于多案例的實證分析得出以下結論:一是企業—政府互動形成知識生產的規模效應。這種互動不僅能夠深化政府對科技創新的支持和認識,而且有助于克服決策“黑箱”的限制,提高創新產品的可靠性和安全性。同時,政府資源和政策支持對于擴大青年人才參與科技創新的規模具有積極推動作用。二是企業—專家互動使得知識生產的溢出效應得以顯現,能夠打破系統高度復雜性和可持續創新壁壘。這種互動能為知識生產注入新活力,形成新的視角和思維方式,是一種有效的技術創新路徑。三是企業—資本互動促進知識生產的競爭效應,幫助企業建立可持續商業模式。資本介入能夠提供更大的創新空間和豐富的資源,推動商業創新。

5.2 理論貢獻

首先,結合過程性與主體性視角,創新性提出青年人才推進科技創新的新模式:知識生產—多元互動。知識生產用于解釋青年人才高水平知識對科技創新的支持效應,多元互動則表示科技創新中不同參與者之間的交互與協作,強調知識共享、合作和跨界協同的重要性。通過識別知識生產—多元互動模式的獨特性,豐富了對青年人才推進科技創新行動邏輯的理論認知,深化了對知識生產和多元互動在科技創新中作用的理解。其次,本文通過解構青年人才推進科技創新的內在機制,結合典型運作機制,對青年人才在科技創新中的角色進行全面分析,一定程度上填補了現有研究在探討青年人才推動科技創新邏輯方面的理論缺口,為明晰科技創新內在規律提供了新的分析視角。同時,也為理論研究與實踐活動中如何更好地使用和培養青年人才提供了重要參考。

5.3 政策建議

根據上述研究結論,本文提出如下政策建議:首先,政府和相關機構應當建立一套完善的風險預防體系,設立專門的風險投資基金或保險機制,為青年人才在科技創新中承擔的風險提供保障。同時,鼓勵企業進行內部風險管理,評估技術風險、市場風險、財務風險。其次,加大對青年人才的支持力度,提供更多研究資金與項目機會。企業層面也應建立一套完善的員工關懷和壓力管理體系,為青年科技人才提供健康的工作環境,平衡其工作與生活。再次,支持青年人才進行深入、長期、跨學科研究,設立專項資金資助具有長期價值的科研項目,在評價導向上更加注重長期影響。最后,政府應與企業緊密合作,通過常規信息交流和政策咨詢確保決策透明度,并促進企業與投資方之間的溝通,通過行業協會或交流平臺促進知識共享和創新。

5.4 不足與展望

本文仍存在一定局限性:由于時間和資源限制,研究結果可能無法全面反映中國其它地區和行業的情況,未來計劃通過大樣本實證分析提高研究的深度與廣度。此外,市場環境、文化差異等可能影響創新的其它因素未被充分考慮,后續研究將探討這些未覆蓋的議題。