关于科技型中小企业商业场景构建机理的学术研究报告
本研究由大连理工大学经济管理学院的苏敬勤教授与孙缇博士研究生共同完成，其研究成果以论文《科技型中小企业如何构建商业场景？》的形式，于2026年2月2日在《科学学研究》期刊（Studies in Science of Science）上进行了网络首发。
一、 研究背景与目标
本研究属于创新管理与战略管理领域，聚焦于“场景创新”这一前沿议题。近年来，场景作为连接新技术与产业应用的关键载体，受到学术界与政策界的广泛关注。中国政府出台了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，将场景创新定义为以新技术的创造性应用为导向、供需联动的过程。科技型中小企业作为创新活跃且对市场需求敏感的主体，是推动技术落地和产业升级的重要力量。然而，与资源丰富的大型企业不同，科技型中小企业面临资源约束，其构建商业场景的独特规律和内在机理在现有研究中尚不清晰。既有研究多集中于场景创新的后端环节（如技术创造、成果转化），或对不同类型场景（商业、政务、社会）的差异缺乏深入辨析，导致理论滞后于“技术应用易、场景落地难”的实践困境。
基于此，本研究旨在填补这一理论空白，核心研究问题是：“科技型中小企业如何构建商业场景？”并具体分解为三个子问题：（1）商业场景构建的方向由哪些因素决定？（2）新技术如何支撑科技型中小企业的商业场景构建？（3）商业场景与政务、社会场景的本质区别是什么？通过对这些问题的探索，研究期望揭示科技型中小企业商业场景构建的动态过程与作用机理，为相关理论发展提供新见解，并为中小企业实践提供指导。
二、 研究设计与详细流程
本研究采用了纵向双案例研究方法。选择此方法的原因在于：研究问题属于探索性“如何”问题，适合案例研究；双案例设计既能通过复制逻辑增强结论稳健性，又能通过对比逻辑揭示不同技术路径下的构建差异；纵向追踪能有效捕捉商业场景构建的动态演化过程。
研究流程主要包括以下几个步骤：
案例选择与理论抽样： 研究基于理论抽样原则，选取了两家典型的科技型中小企业作为案例对象：安徽中凯信息产业股份有限公司（简称“中凯”）和安徽高哲信息技术有限公司（简称“高哲”）。选择依据是：第一，两家企业均完整经历了商业场景从“从无到有”到“由点及面”的构建全过程，轨迹清晰；第二，两家企业均为国家级高新技术企业、安徽省专精特新企业，具备“资源受限但创新活跃”的典型特征；第三，两家企业的技术应用逻辑形成互补对比。中凯基于激光雷达技术的可复用性，实现了从物流到气象的跨领域横向扩张；高哲基于人工智能技术的高渗透性，实现了从单一检测环节到粮食全产业链的纵深延展。这种横向与纵向的对比，极大地增强了研究结论的解释力。
数据收集与三角验证： 研究团队在2023年至2025年间，构建了系统化的多源数据资料库，以确保数据的丰富性与可靠性（三角验证）。具体包括：
数据分析与编码： 研究遵循Gioia等人提出的经典质性数据分析方法，进行了严谨的三阶段编码：
三、 主要研究发现与结果阐述
通过对中凯和高哲两家企业的深入分析，研究发现科技型中小企业的商业场景构建是一个动态的两阶段演化过程，即“场景初构—场景扩张”阶段。每个阶段都包含一个由“感知-行动-结果”构成的闭环。
第一阶段：场景初构——从无到有
在此阶段，企业从识别发展瓶颈开始，最终完成新场景的塑造。 * 核心前因：场景瓶颈感知。 企业首先基于业务运营，敏锐识别制约其发展的核心瓶颈。中凯感知到的是“技术缺失瓶颈”：其大宗物流业务受困于传统团雾监测技术精度不足、功能不全，导致安全与效率风险。高哲感知到的是“数据割裂瓶颈”：粮食检测业务依赖人工、效率低下，且产业链各环节数据不通，形成信息孤岛。接着，企业会进行系统性评估。在资源约束下，评估的关键在于“新技术可及性”。中凯依托地理邻近优势，评估可利用中国科学院安徽光学精密机械研究所（安光所）的激光雷达技术；高哲则依托核心成员的关系邻近优势（中科大背景），评估可触达并自研人工智能技术。评估后，两家企业分别锚定了“专业性监测技术需求”和“产业性粮食数据需求”。 * 关键行动：新技术场景化嵌入。 针对锚定的需求，企业通过差异化路径将可及的新技术嵌入业务。中凯采取了“合作内化”路径：先与安光所合作研发，精准开发团雾监测功能；后成立专门运营中心，迭代内化技术，并主导制定行业技术规范，形成监测预警闭环。高哲采取了“自主攻关”路径：自主组建团队对AI算法进行场景化调优，并聚焦小麦检测环节，研发专用设备和数据库，打通数据断点。 * 构建结果：商业场景重塑。 新技术的成功嵌入带来了场景质的改变。中凯实现了“专业场景重塑”，将物流气象监测从被动响应升级为主动预警，建立了专业化壁垒。高哲实现了“产业场景重塑”，将粮食检测从人工主导变为数字驱动，提升了全产业链的效率和透明度。
第二阶段：场景扩张——由点及面
在初构阶段成功后，企业不再满足于解决单一问题，而是利用已掌握的新技术特性，寻求场景的扩展。 * 核心前因：场景机会感知。 企业基于已嵌入新技术的特性，识别新的扩张机会。中凯基于激光雷达技术的“可复用性”，识别出其可适配农林、旅游等其他气象监测领域的“跨域连接机会”。高哲基于人工智能技术的“高渗透性”，识别出可向粮食收储、加工等产业链其他环节迁移、打通全链条数据闭环的“产业闭环机会”。经过评估，两家企业分别锚定了“专业性扩张的气象泛在需求”和“产业性扩张的产业闭环需求”。 * 关键行动：新技术场景化扩散。 企业发挥新技术特性的杠杆作用，将其扩散至新领域。中凯采取“邻近复用”路径：先通过模块化重组将技术复用于多种气象通用产品；再以气象为载体，向交通、农林等邻近领域扩展，开发场景化产品。高哲采取“内部渗透”路径：先将检测技术从小麦迁移至其他粮食品类和指标；再深度开发数据系统，并向产业链上下游环节渗透，推出全产业链设备与解决方案。 * 构建结果：商业场景扩张。 新技术的扩散推动了场景范围的扩大。中凯实现了“专业场景扩张”，构建了覆盖交通、农林、旅游、城市内涝等多领域的“气象+全场景”监测网络。高哲实现了“产业场景扩张”，构建了覆盖粮食收储、加工、贸易等全环节的产品与解决方案矩阵。
基于以上发现，研究提出了相应的命题（命题1、1a、1b、2、2a、2b），系统阐述了不同感知类型、技术路径与场景结果之间的逻辑关系。
四、 研究结论与理论贡献
本研究最终构建了“科技型中小企业商业场景构建机理理论模型”（参见原文图2）。核心结论可概括为三点： 1. “识别—评估—锚定”的场景感知闭环是商业场景构建的前因。 它揭示了资源受限的中小企业如何将环境不确定性转化为创新确定性的微观认知机制，打开了场景构建前端的“认知黑箱”。 2. 新技术可及性及其特性是推动场景演化的关键动力。 新技术可及性是场景从无到有启动的“门槛条件”，决定了构建的可行性；而新技术的特性（如可复用性、高渗透性）则是场景由点及面扩张的“杠杆力量”，决定了构建的规模与范围。 3. 商业目标及差异化构建路径是商业场景的本质区隔。 尽管商业、政务、社会场景都需应用新技术，但商业场景的核心驱动力始终是企业发展与商业价值创造，并通过市场化路径（如横向扩张市场、纵向延伸产业链）实现构建，这从根本上区别于政务场景的治理增效逻辑和社会场景的福祉增进逻辑。
本研究的理论贡献主要体现在三方面：第一，延伸了商业场景构建的过程模型，细化了场景感知的微观机理；第二，解构了资源约束下新技术驱动商业场景演化的动态机理，明确了可及性及其特性的不同作用；第三，深化了场景研究的细分维度，通过辨析商业场景的独特属性，推动了场景理论从“泛化”向“异质性”视角的转变。
五、 研究亮点与实践启示
本研究的亮点在于：第一，研究视角新颖，精准切入“科技型中小企业”这一特定主体和“商业场景构建”这一前端过程，填补了理论空白。第二，方法论严谨，采用纵向双案例对比设计，并运用规范的Gioia方法论进行数据分析，保证了研究发现的可信度与理论饱和度。第三，理论模型清晰有力，提出的两阶段动态模型和“感知-行动-结果”闭环，逻辑自洽，对实践有较强的解释力和预测力。第四，对比分析深刻，通过中凯（横向扩张）与高哲（纵向延展）的对比，生动揭示了不同技术特性导引下的差异化构建路径。
研究得出的实践启示包括：对政府部门而言，应营造支持性创新环境，降低科技型中小企业的技术获取门槛；对企业而言，应强化市场感知与评估能力，精准锚定需求，并积极拓宽技术获取路径（如合作、自研），深化新技术的场景化应用。
六、 其他说明
作者也指出了本研究的局限性，如样本仅局限于科技型中小企业，未涵盖大型企业或其他类型企业；所揭示的构建路径可能并非穷尽。这些为未来研究指明了方向，例如可以开展跨类型企业的对比研究，或探索更多行业和技术组合下的差异化构建模式。