后摩尔时代是指微处理器性能约每两年就能翻一番的“摩尔定律”失效之后的时代，主要表现为集成电路的材料密度和工艺技术逼近物理极限，以及能耗成本的大幅上升。面对后摩尔时代引发的技术变局和产业变局，以及数字经济时代来临创造的新赛道新机遇，本文基于More Moore、More than Moore、Beyond CMOS三种主流技术路线，提出后摩尔时代中国集成电路产业发展的生态战略，包括成熟生态、场景驱动生态、未来产业生态、国际化生态四种类型。为破解后摩尔时代集成电路产业发展难题，应把握中国超大规模市场和新型举国体制的优势，坚持构建自主可控、兼容已有成熟生态的第二生态，充分利用丰富应用场景拓展产业生态边界，主动围绕未来产业布局优势产业生态，积极融入全球创新生态和国际化产业生态。

低空经济是新质生产力的重要组成，低空经济的良性与可持续发展应注重对安全的严格保障。低空经济活动衍生的新兴安全风险具有多元类型和多样特性，完整的风险演变逻辑链条表明其与低空经济发展本身存在互动。既有治理制度、治理机制以及治理行为等无法有效应对不断发展和扩张的新兴安全风险。敏捷治理的迅捷响应、快速迭代、以人为本等禀赋显现出其与新兴安全风险的天然互洽关系。为平衡低空经济发展与低空安全保障，未来应坚持低空经济发展安全风险的敏捷治理路径，优化治理制度以构建包容协调的治理制度体系，健全治理机制以促进多元利益攸关主体的协同共治，革新治理工具以发挥新兴技术的风险自治潜力。

在全球化与数字化加剧的复杂不确定环境下，传统基于“有限理性”的决策模式难以应对实时、高维信息处理需求，人工智能（AI）正深刻重塑组织决策范式。组织需要引入AI提升决策效能，但其作用机制与适用边界尚缺乏系统性理论支撑。基于2020-2025年间发表于UTD24管理学期刊的85篇核心文献，文章系统厘清了AI在组织决策中的应用路径与研究进展，并依据人机权力关系，创新性地构建了“交互—支持—影响”人机决策模式分类框架。该框架突破了以往研究单纯依赖自动化程度划分的局限，揭示了不同模式下决策影响因素与作用结果的系统性差异。目前研究对AI主导模式、宏观情境及关系影响的探讨尚存不足。未来研究应聚焦AI与组织战略的深度整合及AI新视野的拓展，以深入揭示AI如何重构组织决策的底层范式与组织结构基础。此研究结论在理论上扩展了协同决策边界，在实践上为企业设计差异化人机协同机制提供参考，并为后续人机决策提供新的研究思路。

专利战是利用政策法规漏洞，以打击商业对手、牟取商业利益为目的，围绕专利权属与使用展开的专利攻防行为；专利战兴起于美国，正向全球范围扩展蔓延，深刻影响产业竞争格局，成为全球专利体系面临的新问题、新挑战。面对全球专利战的风险挑战，以中国企业在美国、中国、德国、英国、印度遭遇的专利战为研究样本，运用定性比较分析开展实证研究。研究表明，随着专利战近年来的扩散蔓延，专利战演变出差异化的特征，可以划分为五种主要类型；不仅专利战的发起主体和攻击形态呈现出多元化的特征，而且专利战在新兴市场和成熟市场的类型和特征具有异质性。因此，为应对全球专利战的风险挑战，中国企业必须针对专利战类型，面对不同市场和专利战主体，采取差异化的防范应对策略。

在百年未有之大变局加速演进背景下，愈加频发的逆境事件以及变幻莫测的经营环境使得企业数字创新实践面临极大挑战和威胁。为有效抵抗外界不确定性和颠覆性冲击，许多企业在数字创新过程中塑造弹性应对衰落危机的能力并从失败风险中快速恢复、发展和进化，本文提出数字创新韧性用以表征这一现象。在此基础上，厘清数字创新韧性的具体内涵，明确数字创新韧性的测度方式以及演化模式，是构筑自立自强数字创新体系与实现中国式现代化目标的内在要求。文章首先从组织韧性切入，在揭示创新韧性内涵的基础上引申出数字创新韧性这一概念；其次，以数字技术专利申请时序数据替代数字创新对外界冲击的即时响应，使用核心变量法对企业数字创新韧性进行测度；最后，借助时间序列特征工程对企业数字创新韧性时序数据进行统计指标提取以降维，并结合K-means聚类算法将样本期内数字创新韧性演化趋势相似的企业进行群组划分，从而识别出随机振荡型、增长乏力型、后发追赶型和核心引领型四种演化模式。上述研究既能为正确评估企业数字创新韧性水平提供学理依据，还能为学界依据不同类型演进模式探索企业数字创新韧性差异化提升路径提供有益启示。

实现人才链创新链产业链深度融合（简称“三链深度融合”），是“创新链产业链资金链人才链深度融合”的前置问题和必然路径，更是畅通教育科技人才良性循环的有效手段。探究人才链创新链产业链深度融合的理论逻辑、融合现状和提升路径，对建设现代化产业体系、发展新质生产力具有重要意义。本研究聚焦人才链这个关键变量，提出了包含“分类+成长过程”两个维度的人才链科学内涵，明确了“三链深度融合”的理论逻辑，分析了我国“三链深度融合”实践中存在的问题，并从强化顶层规划和制度创新、完善人才培养目标凝练机制、推动科技人才资源跨链条流动、构建人才评价体系及动态监测平台、打造有利于“三链深度融合”的健康生态五方面提出了“三链深度融合”的提升路径和对策建议。

企业数字化转型的过程，是生产方式、商业模式和产业形态的重构，也是企业核心价值的提升。传统制造业通过何种路径才能更好地实施数字化转型、赋能企业高质量发展，一直是我国制造业企业转型实践及理论研究亟待解决的难题。本研究基于理论梳理与现实归纳，将企业数字化转型的可行路径划分为技术生产、商业模式与组织架构三种导向，运用文本挖掘方法将我国制造业企业进行分类，同时运用熵权-TOPSIS综合评价法评估不同的转型路径为企业带来的绩效增量，最后基于贝叶斯线性回归模型探究不同转型路径对于企业综合绩效的影响。研究发现：制造业样本企业最倾向采取的数字化转型路径为商业模式导向；技术生产导向的数字化转型路径对企业综合绩效增长的促进作用最大，是制造业企业长期竞争优势的来源。本文扩充了数字化转型研究领域的技术方法与理论成果，为我国制造业企业的数字化转型升级提供理论支持与路径参考。

在全面推进“人工智能+”行动和加快实现高水平科技自立自强的背景下，AI for science正成为引领科研范式变革、培育新质生产力和重塑全球科技竞争格局的关键力量。2025年下半年，美国、英国、欧盟和日本等各主要经济体密集出台了多项AI for science政策文件。虽然各国因资源禀赋与制度差异选择不同发展路径，但普遍将AI for science上升为国家级战略工程，呈现出科研流程实体自动化、科学数据资产化以及主权型科研基础设施建设等共同趋势。美国强调以国家动员体系巩固科技霸权，英国聚焦优势领域的敏捷突围策略，欧盟通过泛欧整合维护技术主权，日本则以理论驱动和标准引领构建竞争优势。国际经验对我国“十五五”时期推进AI for Science具有重要的启示意义。应将AI for Science作为系统性公共工程整体布局，统筹算力、能源与科研网络建设，推动自动化实验平台与接口标准自主可控，完善科学数据资产化制度，并通过有组织科研与复合型人才培养，为新质生产力发展提供持续动力。

生成式人工智能（GAI）技术的迅猛发展，开启了从体力自动化向脑力自动化转型的劳动变革时代，科研生产模式与劳动时间结构正经历前所未有的冲击。研究聚焦博士后“一线”科研人员，探讨GAI对科研劳动时间的影响效应及其作用机制。研究基于系统性理论梳理与历史回顾，构建GAI形塑科研劳动时间的综合分析框架，利用Nature全球博士后调查数据，结合工具变量、因果森林与Deep IV等实证方法开展分析。结论显示，GAI深度应用显著延长了博士后的非契约劳动时间、超时劳动时间，并导致其时间满意度、时间平衡感同步下降。机制分析表明，GAI尚未引致生产率效应或新任务创造，反而通过“去技能化”进程加剧科研劳动时间负担。劳动过程控制、劳动议价能力对GAI的影响效应存在调节作用。未来应强化GAI应用监管，提升科研人员劳动自主性与岗位稳定性，推动GAI赋能科研创新。

完善人工智能可信治理体系不仅是促进技术创新之必需，也是全面回应技术异化并助推新质生产力发展的法治保障。不可控但是快速迭代的人工智能在应用中引发严重信任危机，乃至会威胁社会稳定和国家安全。为兼顾发展与安全目标，应凝聚起“可信发展”这一治理共识，并遵循生命周期和技术治理理论，提升治理的灵活性和有效性。一方面，健全事前、事中以及事后的法律合规指引框架，在降低监管成本同时提升监管威慑性；另一方面，需创新技术治理体系，引入私有云计算、监督微调以及SAGE分析等监管科技，健全人机协作框架，以全面落实数据、算法以及内容可信监管要求。由此健全人工智能安全监管制度，防范异化风险并营造“互利共生”人机关系。

人工智能（AI）在科学领域展现出巨大潜力，人工智能赋能科学研究（AI for Science, 以下简称AI4S）正快速发展与普及并推动科学研究范式全面变革，但当前AI4S赋能科研创新的特征与机制依然不明晰，AI4S布局方向仍未形成系统谋划。聚焦2024年获得诺贝尔化学奖的AlphaFold与Rosetta项目，本研究采取对比案例研究方法，分析AI赋能科学研究的不同特征与机制，提出“AI+”与“+AI”两种AI4S赋能模式。基于知识生产模式视角，本研究进一步分析两种模式的知识生产特征，提出在“AI+”模式中存在“智”第五大主体，其知识生产具有成长性、独立性、协同性、平台性特征，且“AI+”与“+AI”模式各自具有适配场景与应用模型。最后，本文提出AI+与+AI差异化战略、重视小模型开发与推动基础设施建设等政策建议。以上结论对AI4S相关研究及知识生产模式理论均有一定贡献，也对我国发展AI产业、挖掘AI场景、开发AI模型具有启示意义。

建设高水平人才高地是实现高水平科技自立自强的重要战略支撑。高水平人才高地意味着将人才中心资源成功地转化为创新效能，区域人才发展环境是基础和关键。本研究主要基于人才创新创业生态系统理论，利用全球35个城市的数据，从组态视角分析了经济发展环境、教育科技环境、政策制度环境、人才资源环境、自然生态环境和社会文化环境所构成的复杂环境如何影响高水平人才高地建设。研究发现：（1）存在“人才资源与教育科技环境双驱动型”、“人才资源与教育科技环境双元逻辑下的政策制度与社会文化环境驱动型”等共7条路径。（2）人才资源环境在所有组态中同时出现，说明在不同的环境组态下，人才资源环境是最核心的环境影响因素，与其他环境要素耦合驱动高水人才高地建设。（3）通过组态比较发现了高水平人才高地建设高效能与非高效能存在非对称性关系。本研究结论可以进一步明晰建设高水平人才高地的复杂环境路径，并为加快建成高水平人才高地提供参考。

数字经济时代大模型是全球科技竞争新高地和经济发展新引擎，而场景驱动作为数字经济时代涌现的全新创新范式，探索场景驱动大模型产业架构创新的机理与路径对解决大模型应用和产业化问题，更好支撑经济高质量发展具有重要的理论价值和实践意义。基于场景驱动创新理论，探讨场景驱动大模型产业架构创新的内涵特征、核心要素以及作用机理，探究场景驱动大模型产业架构创新的实践路径，并通过多案例分析对实践路径进行验证与具象化阐述。研究发现：场景驱动大模型产业架构的作用机理包括战略与使命牵引、场景识别与分类、产业架构创新过程以及创新效应四个关键环节；场景驱动创新范式下的大模型产业架构创新涵盖技术架构的系统性整合、组织架构的双重转型以及产业链架构的贯通融合。研究结果为促进大模型更高水平应用，更好支撑数字经济高质量发展提供了重要的理论依据与实践指导。

人工智能技术正逐渐改变科学研究范式、科研人员的工作方式，对科研人员的创新绩效产生何种影响有待深入探究。本文基于刺激-有机体-反应（Stimulus-Organism-Response，SOR）理论模型，通过对252份科研人员样本数据的实证检验，结果表明：第一，人工智能技术采用对科研人员创新绩效具有正向影响；第二，科研自主性、科研胜任感和科研归属感在人工智能技术采用和科研人员创新绩效之间具有显著的中介作用；第三，组织创新氛围在人工智能技术采用和科研胜任感、科研归属感之间起正向调节作用。本文打开了人工智能技术采用对科研人员创新绩效的“黑箱”，对科研人员基于人工智能技术开展研究具有实践意义。

人工智能技术的迅猛发展正驱动管理科学研究发生深刻的范式变革。为系统梳理人工智能与管理科学融合的路径、现状与挑战，本研究通过对Web of Science数据库中FMS高质量期刊文献进行大规模计量分析，构建并理解其根本性变革的系统框架。该方法覆盖了1996至2025年间管理科学与经济科学领域的25719篇文献，运用VOSviewer与RStudio等工具进行了关键词共现、国家合作网络及研究趋势的可视化分析。结果显示：该领域发文量呈指数增长态势，中国与美国是核心贡献国；管理科学与经济科学领域的研究重心呈现显著的差异性，管理科学侧重实践管理场景优化与效率提升，经济科学则更关注人工智能对经济运行规律及资源配置机制的影响；研究热点集中于技术应用、算法风险、服务科学中的信任问题及企业数字化转型等关键聚类。结论表明，人工智能已从辅助工具演变为推动管理科学理论重构与研究范式向“人-物-信息”三元空间跃迁的核心驱动力，未来研究应聚焦于人机协同的内在机制、算法治理的伦理边界及在重大决策中的制度适配等前沿议题，推动构建适应智能时代的新型管理科学理论体系。

本文基于人才政策空间视角，构造了中国城市人才政策量化标准，并对293个地级市3308项人才政策进行打分，在此基础上使用空间分析方法对2012至2021年中国地市级层面人才政策时空分异特征及演变过程进行刻画，同时设计城市新质生产力评价指标体系，对人才政策和新质生产力的关系展开定量研究。结果表明：（1）中国地市级人才政策综合得分呈现东南高-西北低的梯级分布特征，东部地区始终保持较高水准，中部地区起点较低但增速较快，西部和东北地区提升相对缓慢。（2）基于“政策力度-政策目标-政策措施”三维度城市类型分析显示，三维并进型城市呈现由沿海向内陆扩展的趋势，西部和东北地区内部极化特征突显。（3）基于“政策工具-政策环节-重点人才”三维度城市类型分析显示，中部地区保障型政策工具存在短板，西部和东北地区发展型工具暴露出明显不足；西部地区人才留用政策短板突出，东北地区育才政策劣势明显；各地区重点人才类型偏好具有差异，但学历人才已普遍成为城市人才政策的主要目标。（4）从实际效果来看，城市人才政策能够通过发挥人才集聚效应、创新驱动效应与产业结构升级效应显著促进新质生产力发展，且该作用存在明显的区域异质性和政策异质性。研究结论可为地方政府制定更切合实际的人才政策提供决策参考。

人工智能高速发展所衍生的严重风险日益凸显，其治理议题已发展为全球学界、各国政府和国际组织共同关注的重大时代难题，但目前尚未形成突破性的治理方案。通过剖析气候变化这一全球治理典型案例，发现两者在风险认识历程及治理应对路径等诸多方面具有趋同性，相关历史经验将为人工智能治理提供参考范式。运用比较研究法和历史研究法，梳理和对比两者的发展、演化及治理历程。研究发现，气候治理遵循"科学共识驱动-政治议程响应"的渐进式全球协同治理路径；人工智能则加速形成了从风险识别到全球共治的广泛共识，正逐步转向政治议程并展开相关行动。鉴于此，可充分汲取借鉴气候变化全球治理的宝贵经验，协商成立类似的人工智能国际治理机构，达成人工智能全球协定，制定全球治理框架和标准规范，以此统一行动方案从而有效推进人工智能全球治理。

技术融合是企业实现技术创新、促进颠覆性技术产生的重要途径。研发合作被认为是促进技术融合的重要因素之一。然而在多领域技术加速融合的背景下，企业研发合作如何影响技术融合的机理仍不明确。本文借鉴知识管理理论与资源依赖理论，构建企业研发合作—技术融合多层复杂网络，从技术融合广度、深度和差异度测度技术融合程度，并探索不同技术生命周期阶段的企业研发合作对技术融合的影响，以及高校/科研机构参与程度的调节作用。以智能手机技术为例的实证研究发现：（1）企业研发合作强度、企业研发合作伙伴的技术异质性、企业平均研发合作时间均有利于促进技术融合深度和差异度，并且在技术的孕育期和成长后期作用更明显。（2）企业研发合作强度、企业研发合作伙伴的技术异质性、企业平均研发合作时间均对技术融合广度有抑制作用，并且在不同技术生命周期的作用效果不同。（3）高校/科研机构参与程度分别正向调节企业研发合作强度、企业研发合作伙伴的技术异质性、企业平均研发合作时间与技术融合广度之间的抑制关系，并负向调节企业研发合作强度、企业研发合作伙伴的技术异质性、企业平均研发合作时间与技术融合深度和差异度之间的促进关系。研究揭示了企业研发合作作用于技术融合的内在机理，为指导企业通过研发合作促进技术融合，从而培育颠覆性技术提供重要理论借鉴与实践参考。

在全球经济转型与市场环境日益复杂的背景下，本文前瞻性地探讨了管理者过度自信在不同管理自主权配置下对企业投资效率的差异化影响。基于2010—2019年中国沪深A股上市公司数据，研究发现：(1) 管理者过度自信导致企业投资效率下降，具体表现为过度投资或投资不足。(2) 在不同类型的管理自主权环境下，这种不利影响呈现出差异性。当外部环境自主权较高时，过度自信的负面影响在过度投资企业中有所缓解，但对投资不足企业的影响不明显，这揭示了市场环境的调节作用。而当组织内部自主权受限时，对所有企业的负面影响均有所减弱，显示组织结构和内部规范对管理者行为的约束作用。特殊情景自主权并未产生显著调节效应，或与情境的复杂性相关。(3) 风险承担在过度自信与投资效率之间起到了中介作用，验证了“过度自信－风险承担－企业投资效率”的传导机制。本研究丰富了管理者心理特质与企业投资行为关系的理论，并为企业优化投资决策提供了新思路，对推动经济转型和高质量发展具有重要意义。