本文发表于《科学学研究》期刊2021年4月刊（第39卷第4期），由广东工业大学管理学院的张光宇、欧春尧、刘贻新以及中国工程科技创新战略研究院的刘安蓉共同完成。论文题为“人工智能企业何以实现颠覆性创新？——基于扎根理论的探索”，旨在探讨人工智能企业实现颠覆性创新的关键因素、作用机制及其内在演化机理。
论文要点阐述
一、 颠覆性创新（Disruptive Innovation）的理论脉络与研究缺口 文章首先系统梳理了颠覆性创新的理论基础。这一概念由Christensen提出，用以描述新技术从利基市场或新市场出发，逐步侵蚀并最终颠覆主流市场的过程。现有研究主要从技术、组织和市场三个视角探讨其产生与演化：技术视角关注技术轨道转换（technological trajectory transition）、性能跃迁与跨界整合；组织视角强调企业家意愿、管理模式调整与资源配置对创新的影响；市场或价值视角则侧重于新价值主张的提出、价值网络的创新以及低端或高端市场切入路径。
然而，作者指出现有研究存在明显缺口。首先，多数研究侧重于从单一视角进行分析，缺乏从“全过程”视角系统审视颠覆性创新演化脉络的研究。其次，对于企业如何构建颠覆性创新能力、新技术优势如何具体形成并最终颠覆市场的内在机制，理论解释尚不充分。最后，结合本土情境，尤其是像人工智能这样快速发展的新兴技术领域，进行深入案例探索与理论构建的研究相对缺乏。因此，本研究旨在弥补这些不足，通过质性研究方法，深入挖掘人工智能企业颠覆性创新的“黑箱”。
二、 研究方法设计与数据收集：基于扎根理论（Grounded Theory）的探索性研究 鉴于颠覆性创新演化机理的复杂性与情境依赖性，论文采用扎根理论这一质性研究方法。该方法擅长从丰富的经验数据中自下而上地构建理论，适用于探索尚无成熟理论框架的新现象。
研究选取了14家中国人工智能领域的企业及相关机构作为案例样本。样本选择遵循了三个标准：以盈利性商业活动为主导、聚焦市场需求并提供非价格竞争的产品/服务、具备一定的技术研发优势。样本覆盖了人工智能产业的基础层（如云计算、大数据）、技术层（如计算机视觉、自然语言处理平台）和应用层（如智能安防、智能家居产品），并包含了两家新型研发机构，以确保数据的多样性与理论饱和度。
数据收集采用三角验证法，结合一手和二手资料。一手资料主要通过在北京、广州、深圳等地对案例企业进行的半结构化深度访谈获得，访谈对象涵盖企业高管、部门经理及技术人员，整理出近20万字的访谈文本。二手资料包括中外学术文献、行业报告及政策文件。数据分析严格遵循扎根理论的程序，借助Nvivo 11软件进行三级编码：1) 开放式编码：从原始资料中提取出186个初始标签，逐步抽象为65个概念和9个主范畴；2) 轴心式编码：运用“条件-脉络-策略-结果”的典范模型，梳理主范畴之间的逻辑关系；3) 选择式编码：在厘清各范畴关系的基础上，提炼出核心范畴，并建构出完整的“故事线”即理论模型。最后，通过预留的4家案例资料进行理论饱和度检验，确认模型已充分覆盖数据内涵。
三、 核心研究发现：人工智能企业颠覆性创新的演化模型 通过扎根分析，研究构建了一个包含三个核心过程的理论模型，揭示了人工智能企业实现颠覆性创新的演化路径：技术范式转变、组织动态演化和价值网络创新。这三个过程并非线性顺序，而是相互作用、协同推进的有机整体。
1. 技术范式转变：从累积识别到跃迁防范 这是实现颠覆性创新的技术前提。其过程包含四个关键环节： * 技术累积与迭代：企业通过构建“微创新”体系，在硬件突破、算法优化、成本降低等方面进行持续的技术积累与渐进式改进，为根本性的技术跃迁奠定基础。 * 创新机会识别与技术预见：企业需敏锐洞察由智能技术赋能带来的多元化应用场景和细分市场需求，预测技术发展趋势并寻找理想的利基市场。这不仅为新进入者指明方向，也使在位企业能够主动防范或参与颠覆过程。 * 技术轨道跃迁：这是技术实现颠覆潜力的关键一跃。研究识别出两种跃迁路径：一是性能跃迁式，即通过大幅提升核心技术性能（如人脸识别精度）来突破现有技术壁垒；二是跨界整合式，即通过将人工智能技术与不同领域产品深度融合（如“AI+安防”、“AI+家居”），创造出全新的技术应用轨迹和价值。 * 技术风险治理：颠覆性创新过程面临多重障碍，包括新技术不成熟、应用场景受限、用户隐私担忧（技术信任障碍）以及现有产业生态的制约（技术生态障碍）。企业必须建立相应的风险识别与应对机制。
2. 组织动态演化：战略、结构与能力的协同调整 这是支撑颠覆性创新的组织保障。企业需要通过动态调整来适应颠覆性创新的不确定性： * 组织结构创新：为适应颠覆性创新的需要，企业采取两种主要策略。一是搭建或利用公共技术服务平台（如云平台、数据中台），以弥补自身在基础数据与算力方面的不足，尤其对初创企业至关重要。二是建立独立的创新载体（如内部孵化团队、前沿研究院），专注于探索性技术的研发，避免受现有主流业务逻辑的束缚。 * 创新动态能力拓展：企业构建“学习-整合-转化-改造”的动态能力体系。通过与高校、研发机构合作实现知识学习与转移；对分散的技术知识进行消化整合，探索应用场景；围绕新场景组建跨部门团队，实现技术向产品的快速转化；最终通过对传统行业进行智能化改造，创造新业态，实现价值最大化。
3. 价值网络创新：重构价值创造与实现方式 这是颠覆性创新最终赢得市场的关键。人工智能企业改变了传统的价值创造与传递模式： * 价值创造模式革新：主要表现为定制化服务与价值共创。企业利用数据与算法，提供高度个性化的产品与服务，并邀请用户参与产品设计、反馈等环节，形成双向即时互动的价值创造网络。 * 价值网络关系重构：企业从单一的链式合作转向构建产业生态圈。通过与产业链上下游、甚至潜在竞争对手建立深度合作关系，共同开发底层技术、共享资源，实现从“企业合作”到“生态共生”的转变。 * 市场切入路径多元化：得益于技术的通用性与赋能特性，人工智能企业的市场切入路径更加灵活。除了传统的低端颠覆（满足被忽视的细分需求）和高端颠覆（提供更优性能并逐渐降价），还可以通过创造全新的应用场景从边缘市场直接切入（例如，基于人脸识别和行为数据分析的新零售广告推送），快速开辟蓝海市场。
四、 研究的理论贡献、实践意义与未来展望 本研究的理论价值主要体现在三个方面：第一，完善了颠覆性创新理论体系，从技术、组织、市场协同演化的全过程视角，系统构建了人工智能情境下的颠覆性创新演化模型，弥补了单一视角研究的不足。第二，丰富了颠覆性创新的研究方法，采用扎根理论对中国人工智能企业进行深入剖析，提供了基于本土实践的理论建构，增强了理论的解释力和情境贴合度。第三，拓展了颠覆性创新的研究情境，将研究焦点置于正在发生深刻变革的人工智能领域，为理解新兴技术产业的创新规律提供了鲜活案例。
在实践层面，该研究对企业与政策制定者具有重要启示。对于人工智能企业而言，模型指出了实现颠覆性创新不能仅依赖技术突破，还需同步进行组织架构的柔性化调整以及商业模式与价值网络的创新。企业应积极识别利基市场，通过性能提升或跨界融合实现技术跃迁，并构建开放协同的产业生态。对于政府而言，研究提示应重视支持公共技术服务平台和新型研发机构的建设，为中小企业提供基础技术支撑，同时营造包容审慎的监管环境，以应对颠覆性创新带来的技术与社会风险。
文章最后指出了研究的局限性，如样本规模的限制，以及未来可能的研究方向，例如扩大样本以验证模型的普适性，或针对人工智能领域内某项具体技术（如计算机视觉、自动驾驶）进行更深入的异质性分析，以推动颠覆性创新理论走向纵深。