【文献推荐】2026 SMJ 技术桥接：人工智能如何促进新颖知识重组？

推荐理由

这篇发表于2026年《Strategic Management Journal》的研究，为理解人工智能如何影响技术创新提供了一个新颖的理论视角。不同于以往主要关注AI如何提高知识搜索效率、帮助发明者发现潜在知识组合的研究，本文提出，AI还能够通过技术桥接机制，使原本受技术条件限制、难以实现的跨领域知识组合成为可能。作者基于2005—2023年美国企业的476,528项专利数据，结合专利匹配、知识重组新颖性测量和潜在知识连接分析，为这一机制提供了系统的经验证据。

研究问题

1. 利用AI技术的发明是否会比比未利用AI技术的类似发明表现出更高的新颖性？

2. 当利用AI技术的发明所连接的最具新颖性的知识要素同样利用AI技术时，该发明是否会比比未利用AI技术的发明表现出更高的新颖性？

3. 在控制潜在知识组合新颖性的情况下，当目标知识要素同样利用AI技术时，利用AI的发明是否更有可能与其形成实际连接？

图1展示了AI的桥接过程。在初始阶段，焦点发明只能利用现有技术条件下可行的知识组合，而其他知识要素由于技术限制无法被整合。随后，AI被引入这些技术要素，改善其性能并赋予新的功能。最终，焦点发明通过AI与这些经过技术赋能的知识要素建立连接，使过去不可行的知识组合成为可能。

研究设计

文章使用2005—2023年美国专利商标局（USPTO）的专利数据，并结合Compustat数据库中的企业财务信息开展实证分析。在剔除金融企业、非上市企业及历史专利数量不足10项的企业后，作者通过专利匹配构建了包含1,575家企业、476,528项专利的研究样本。

在变量测量方面，文章利用USPTO的AI专利数据库，通过专利后向引用识别发明是否利用AI技术，并进一步使用AI引用数量和AI技术类别数量衡量AI技术的利用程度。对于知识重组新颖性（Recombinatory Novelty），作者借鉴Eggers和Kaul（2018）的方法，根据过去五年不同技术领域之间的专利引用情况，衡量焦点专利所形成知识组合的新颖程度。

在实证方法方面，文章采用OLS回归，控制企业、专利技术子类和年份固定效应，并通过专利匹配及替代性测量等方式开展稳健性检验。此外，为进一步检验AI的桥接机制，作者构建实际形成与未实现的潜在知识组合样本，使用Logistic回归考察AI技术是否与新颖知识连接的实际形成相关。

研究发现

文章研究发现，利用AI技术的发明比未利用AI技术的类似发明表现出更高的知识重组新颖性。随着发明对AI技术的利用程度提高，以及所涉及AI技术类别的增加，知识重组新颖性也相应提高。这表明，AI作为发明活动中的技术投入，与新颖知识组合的形成密切相关。

进一步分析发现，AI能够通过技术桥接作用促进原本相互分离的知识领域形成新的连接。当焦点发明及其所连接的知识要素均利用AI技术时，知识重组的新颖性更高，潜在知识组合实际形成的可能性也更大。这一结果与作者提出的桥接机制相一致，即AI通过提供共同的技术基础，使原本难以实现的跨领域知识组合成为可能。

此外，补充分析表明，AI相关发明不仅具有更高的知识重组新颖性，还与更高的创新价值相关。在控制知识重组新颖性后，利用AI技术以及体现AI桥接特征的专利均表现出更高的经济价值和未来专利引用数量。企业层面的分析也发现，AI相关发明活动与后续创新生产率呈正向关系。

研究贡献

首先，文章深化了对通用目的技术如何影响技术创新的理解。 不同于以往主要将通用目的技术视为促进生产率和创新增长的驱动因素，本文揭示了AI如何通过技术桥接作用，促进不同技术领域之间的知识连接，从而改变发明活动的知识重组结构。

其次，文章拓展了知识重组创新及人工智能与创新领域的相关研究。 不同于以往主要关注知识搜索、创造力和有限理性对知识重组的影响，本文进一步强调技术可行性的重要作用，指出AI不仅能够提高知识搜索效率，还能够使原本难以实现的知识组合成为可能，从而扩展创新机会空间。

【Abstract】

Research Summary: Complementing the role of AI in facilitating search and identifying combinations of high value in inventive activity, we argue that AI fundamentally alters the innovation landscape by unlocking new combinations that were previously infeasible. This effect arises because AI acts as a powerful shared layer due to its predictive capabilities and its ability to transmit solutions across domains, thereby creating a bridge between previously unconnected elements. Utilizing a matched sample of patents, we show that inventions incorporating AI exhibit a greater degree of novel recombinations compared to those without AI, and that our proposed bridging mechanism is consistent with these novel recombinations. Our study contributes by identifying a new mechanism by which recombinations emerge in inventive activity while also highlighting the role of enabling technologies such as AI in facilitating such recombinations.

Managerial Summary: How does AI impact inventive activity? We examine the question by studying the patenting activity of US firms over the period 2005–2023. We argue that AI fundamentally alters the innovation landscape by unlocking new combinations that were previously infeasible. This effect arises because AI acts as a powerful shared layer due to its predictive capabilities and its ability to transmit shared solutions, thereby creating a bridge between previously unconnected technological elements. Our analysis demonstrates that inventions that build on AI involve novel recombinations to a greater degree compared to inventions that don’t, and that AI bridges and connects knowledge domains that were hitherto disparate. These findings indicate that AI is more than just an invention of a new method of invention, and that it fundamentally reshapes the nature of inventive activity.

【引用格式】

Qu, X.,  Eggers, J. P., &  Kumar, M. V. S. (2026).  Unlocking novel knowledge recombinations: The effect of artificial intelligence on inventive activity. Strategic Management Journal,  1–30. 

【原文链接】

https://doi.org/10.1002/smj.70080