【摘要】高度智能化的市场已经逐步取代传统市场，智能化的浪潮已经在包括政府、高校、企业等组织中全面发展。智能化是多元性的，无论是电子商务还是医疗行业，都能在智能化的过程中提升效率、降低成本、激活创新能力。然而智能化的市场也是优劣并存的，智能化的某些优势同时也是其劣势，例如海量数据的收集和使用。如何让智能化更好地服务于组织的同时有效避免其带来的风险，是建设良性智能化生态的核心。同时，如何在智能化市场更有效地实施创新活动，借助智能化的土壤促进创新能力，也将成为未来的研究热点。
【关键词】智能化市场 传统市场 技术创新 智慧企业
【中图分类号】TP18 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2020.30.006
引言
近年来，技术的重大改革引领全世界的新一次工业革命，以大数据、云计算、人工智能、区块链等技术为核心的智能化技术的发展不仅提升了生产效率，还逐步演变成新的生产方式和管理范式。作为全球科技强国，我国引领了全球智能化的浪潮，并在国家层面制定了相关宏观政策，例如“中国制造2025”的规划，坚持创新驱动、智能转型的基本策略。在企业层面，智慧企业的概念已经深入实践，形成了企业数字化改造和智能化应用之后的新型管理模式和组织形态，是先进信息技术、工业技术和管理技术的深度融合。在智慧企业的基础上，我国还积极发展智慧城市、智慧市政等更大型的智能化工程，期望打造充满“科幻感”的未来智能化生态圈。
然而，智能化市场的演进并不是一帆风顺的，基于大数据与人工智能的智能化市场是否能够形成有效的人机协同效应目前还是一个未知数。基于数据和算法的智能系统固然能大幅提升工作效率、生产效率和管理效率，却也带来了类似人工智能发展过程中的伦理风险，中心化的数据处理方式在运作过程中如果受到攻击，其保护机制是否完善，都是我们需要战胜的重大挑战。
智能化的内涵与特性
“智能”（Intelligence）一词早在20世纪50年代就被研究人工智能的学者使用，是计算机学科的专业名词。我们所熟知的智能化市场，例如智能制造、智慧企业中的智能性，实际上是商业智能（Business Intelligence），也就是通过智能化系统达成生产、管理、决策等商业行为，商业智能化也可以被理解为把数据转变为信息然后再形成知识的过程。达文波特（Davenport）在2006年把商业智能化解释为使用智能系统进行的商业分析行为。智能化浪潮起源于20世纪90年代初期企业管理者对于分析数据来提升企业效率的需求，至今已经演变成一个跨学科、跨领域、跨行业的综合性研究议题。智能化市场的基础是数据管理，而数据管理又主要由数据收集、数据提取和数据分析组成。所以由企业组织主动收集数据并进行提取与分析的过程是如今主要的业态，也是智能化市场的早期阶段。在这个过程中，数据的收集是有目的性的、大量重复的，而数据提取与分析也是基于提前设计好的算法和流程，我们也可以将其定义为智能化1.0的阶段。
国内的互联网翘楚阿里巴巴集团的数据中心早期就是一个由Oracle建设的单节点数据库，通过算法分析处理业务数据和决策数据。随后，阿里巴巴逐渐开始建设多节点数据集群，并形成基于onedata体系的公共层，形成集团电商数据体系，同时从超过5000个节点收集数据并提供数据分析、商业智能的解决方案。阿里巴巴集团的数据中心演化过程可以体现智能化1.0往智能化2.0阶段的过渡。如图1所示，智能化2.0阶段的主要特性是基于非结构化的数据内容，也就是通过多个网络节点收集与分析数据。通过网络化的智能系统来进行网络分析，收集用户生成内容的共享资源系统，共同形成了智能化2.0的生态雏形。
智能化3.0是未来的智能化市场发展趋势。随着智能手机和感应系统的普及，智能化3.0的数据来源更加分散化，数据更加海量，用途更为广泛。一方面，物联网的普及与应用可以搜集到很多原来不被人们关注的信息。通过RFID、二维码等传感设备，商家可以收集到整个消费流程中的所有数据信息，并把信息通过分析转化为知识。另一方面，智能化3.0的生态中，数据拥有地理位置、内容分类和个人偏好等特性，并且分布式储存在不同的终端中。当智能化3.0生态成熟以后，进入门槛降低，任何组织、政府部门、个人都可以通过移动终端实现个性化的智能需求，形成整合式的智能生态。
字节跳动旗下的短视频APP抖音就是智能化3.0应用的典型案例。抖音于2016年9月上线，是一款15秒音乐短视频软件。截至2019年1月，抖音国内的日活用户突破2.5亿，月活更是突破了5亿之多。通过海量用户生成的短视频内容的使用与传播，智能化分析可以生成精准的用户画像。例如，“60后”群体最爱拍摄的内容是萌娃，而“90后”群体更倾向于自拍；抖音用户最爱去的国外城市是首尔，而最热门的国内景区是成都大熊猫繁育研究基地，类似的分析结果还有很多。通过这些精准的智能分析，商家可以进行精准的广告营销，政府可以制定相关的旅游和交通政策，用户则可以探索新的旅游胜地。
智能化目前已经在各个领域中广泛应用，但是每个领域中的智能化程度是不同的。如表1所示，电子商务领域走在智能化的前端。由于电子商务本身与互联网的紧密联系以及电子商务企业对客户定位、精准营销的重要需求，企业只有在不断地智能化创新中才能得以生存和发展。而对于科学研究领域来说，科学数据的格式规范，科学研究的演进性，都是未来智能化发展中必须跨越的鸿沟。
智能化的优劣以及建立竞争优势
高度智能化的市场既简单，又复杂。简单的是，一切决策都可以通过预设算法来进行，一切数据都可以通过传感器来收集，只要有了数据和算法，所有的商业行为都可以自主实施、自主运转、自主评估。然而，随着传感器数量的倍增和数据量几何级数式增加，有效的数据分析和成本效率化的数据采集方式变得更加复杂。
智能化组织的优势。量化标准的准确考核。毋庸置疑，对于可量化的管理标准、考核标准、行为准则来说，智能化组织可以实时监测和考核这些标准，形成更高效的管理方案。对于制造型企业，产品的生产标准可以更加完善，作业流程更加严格，催生更高质量的产品和更高效的生产流程。对于医疗行业，智能化的应用可以更加准确地诊断、监测病情，提升治疗效率。在大数据的支撑下，量化标准的误差会逐步减少，直到形成理论上的最优化标准。
分布式管理的高效性。传统的科层制管理体系已经无法满足企业的需求。面对日新月异的动态市场和快速迭代的新技术，灵活应变是企业生存下去的唯一方式。而智能化组织可以通过智能系统协助管理者多点管理，跨时间、跨空间管理。对于简单、重复的工作内容可以使用KPI考核系统，而对于复杂、非量化标准的工作任务也可以帮助管理者剔除其中的重复信息，让管理者直接面对需要解决和决策的关键部分。另外，智能化组织可以让管理者的管理范围更广，汇总各部门的信息流，提升管理和决策的质量。
多节点协同创新的可能性。在科技经济全球化的环境下，实现开放、合作、共享的创新模式，被实践证明是有效提高创新效率的重要途径（陈劲，2011）。通过智能化组织的数据共享和多节点运作模式，更好地形成官、产、学、研的开放共享和深度合作，提升产业的综合竞争力。当智能化市场成熟以后，创新成为组织运作的第一生产力，国家创新政策也可以通过数据来评估其贯彻落实的情况。
智能化组织的劣势。专业化与个性化边界的混淆。随着智能化的发展，数据收集来源更加多元，个性化的数据在商业领域可以形成用户分析报告，但是在专业领域却变成了数据噪音。专业化组织需要符合要求的专业化数据和高精度的智能化分析才能研发出高质量的技术，而未来智能化市场中过量的非专业性数据可能会对研发效率起到负作用。当个性化数据过多时，专业数据得出的结果可能并不能满足大部分人的要求，所以需要在专业数据和个性化数据的用途、来源上作出严格区分。
数据安全产生新的问题。随着智能化市场的不断发展，数据安全问题也成为新的关注点。原有的数据安防技术大多基于传统的中心化数据库，不能解决移动端、传感器端的数据安全隐患。多节点化的智能系统也导致任何一个节点都存在受到攻击的可能性，而日常维护每一个节点则又会带来额外的成本。随着智能手机的普及，大众数据的隐私和安全问题也开始显现。5G网络虽然加快了网络传输速度并普及了网络化程度，但是也带来只要联网就存在的风险，无形中增加了网络攻击者的“作战半径”。
数据收集产生额外成本。数据收集看似简单，实际上却流程繁杂。利用区块链技术溯源的场景已经在国内开始被应用，但是整个溯源的过程包括从产品源头到市场的每一个节点，在每一个节点连接区块链技术所耗费的人力、物力往往超出想象。而区块链溯源技术带来的实质性影响目前也仅仅是产品质量和信用的提升，短期内无法直接转化为利润或有形资产。同样，在使用传感器追踪物流、人流的商业行为中，每一个传感器的造价、维护和折旧都会给企业带来额外成本。当然技术创新都有较长的周期，成本高不能简单地作为不创新的理由。
智能化的伦理问题。智能化市场与人类社会的结合本身就是一个复杂且充满矛盾的过程，我们在建设智能化市场时也要重视人与机器之间的关系。首先，过于依赖智能会产生自动化偏见，认为智能分析得出的结果一定是正确的，但是我们仍然会碰到自动驾驶车辆撞人的情况，可能仅仅是因为智能系统突然死机。当智能系统的结果与人类社会的利益产生矛盾时，是否有相应的妥协机制？是以人类利益为主还是以“公正”的数据计算结果为主？另外，当智能化系统被广泛应用于社会时，应该形成有效的问责机制，确保当机器犯错误时也能找到责任承担者。当自动驾驶系统出问题时，我们应该对系统运营商、汽车制造商以及汽车测试工程师有相应的问责程序。
通过智能化建立竞争优势。对于组织来说，通过智能化来建立竞争优势取决于如何在正确的时间点上获得正确的信息，并传达到正确的人身上。从经济学的角度来说，是否能在商品销售的过程中获得最大利润是一个建立竞争优势的关键点。基于智能化3.0的商业分析可以轻松获得用户的消费习惯、消费能力等重要数据，并把数据转化为产品定价的重要知识依据。不仅如此，通过对消费者的分析分类，智能化组织可以建立对每一个用户的价格最优化策略，例如对价格不敏感用户以原价销售和对新用户的优惠活动。当然，以上基于数据的定价策略需要海量的历史数据、实时数据以及外部环境因素分析等复杂的综合性分析系统，任何错误都可能导致完全相反的策略。而在非智能化的环境中，人们仅仅需要通过直觉和经验就可以得到差不多的结果，那么使用复杂的智能化系统的成本是否能被其带来的利润包含，这也需要组织不断地分析与磨合。
从管理学的角度来说，我们可以把智能化带来的优势完全套用在波特五力的战略分析上。如图2所示，针对波特五力模型中的各个影响因素，智能化的分析系统可以逐一追踪攻克，形成动态的市场竞争战略。举例来说，我们可以通过传感器来收集门店日流量、消费者高峰时段、热门商品等信息，从而生成买方消费行为分析报告。从买方消费行为分析报告中，我们可以准确获取消费者在不同时间段的消费需求（数据量足够大的情况下），并制定相应的供货、定价和增值服务策略。
然而，智能化的波特五力模型完全基于数据，那么数据的获取成本便成为了一个新的考量因素。一方面，市场中的所有参与者都想拥有关键的数据，那么获取数据的竞争成为了新的竞争“战场”，是否能够获取有价值的数据会影响组织的竞争力。当所有的市场参与者都获得相同的数据时，智能化带来的竞争优势也将会逐步减少。另一方面，数据的获取成本能否被其带来的利润包含成为组织管理的重要议题。当商家凭借直觉和经验认为可以把一件衣服卖到200元时，通过智能化分析也许可以把这件衣服卖到205元，但是整套系统却耗资1000元，很显然此时的智能化系统的优越性值得商榷。所以，只有在智能化市场环境还未成熟之时，先行者可以获得较大优势，但却也增加了成本；而当智能化市场完全成熟以后，系统成本降低，但是带来的优势也将减少。
智慧企业的发展与展望
随着互联网、大数据、人工智能等信息技术发展进入新的阶段，企业所处的环境已经发生根本性的变化，智慧企业就是顺应智能化浪潮的企业管理新阶段。在智能化时代，企业管理人员需要在企业数据中挖掘价值，并转化成企业管理的有效资源，制定更准确的决策。
传统企业面临的问题。数据孤岛问题。近年来大部分企业信息化程度已大幅度提升，已经基本形成了数字化的运营管理模式。然而，如同阿里巴巴数据中心的早期架构一样，大部分传统企业还停留在中心化的数据库层面，通过手机结构化数据进行已有生产流程和运营规则的机械化执行。同时，企业的数据信息通常存储在各业务部门中心化的数据库中，库与库之间很难协同共享，难以形成部门间的协同创新效应。
信息碎片问题。在企业信息化发展的过程中，如何形成有效的企业内知识管理体系来避免由科层制管理体系所带来的碎片化信息问题是传统企业难以攻克的痛点。随着组织管理的扁平化发展，企业内的信息流愈发琐碎而难以收集整理。在部分关键部门的上下级信息传达中，碎片化信息甚至会带来信息不对称而影响组织决策。同时，自下而上的错误信息传递也会导致决策层的决策失误，带来潜在风险。
系统隔离问题。传统的科层制管理组织制度，依赖于行政手段实行自上而下的集权管理，即按既定的指令，以行政手段去执行和完成既定任务。在这种管理模式中，企业被系统隔离，有员工被置于服从和执行的地位，自主性和创造性都受到影响。例如我国的制造型企业，在生产工艺、生产流程上由于长期的积累已经达到世界先进水平，但是却鲜有原创性的有世界影响力的产品，这与员工常年进行单一的流水线作业不无关系。
智慧企业的赋能作用。智慧企业通过智能化系统打通企业内部信息流，赋能传统企业没有解决的信息化问题。智慧企业的建设目标是实现自动预判（风险识别自动化）、自主决策（决策管理智能化）和自我演进（纠偏升级自主化）。
自动预判。自动预判指的是企业通过技术形成企业智能化的高度集成，实现企业各类风险的全过程识别和判定。在生产线、车间等企业一线，通过智能感知模块与物联网技术的结合，实现数据的实时采集，获得动态的一手数据。同时，结合企业数据库预设算法与分析流程，实现对潜在风险的自动识别与预警。
自主决策。自主决策通过建立企业数据管理的“专业脑”和“决策脑”，形成企业独有的战略布局，通过对数据流的分析进行决策，并构建决策平台。同时，企业高层参与“决策脑”的决策过程，形成人机协同，把智能化决策做到最优化。
自我演进。通过前期自动预判和自主决策的过程积累，形成企业管理决策的基本模式并不断自我评估，在新技术、新市场、新环境下形成自我学习和自我迭代机制，完成企业纠偏升级自主化。
通过智慧企业的赋能作用，企业打通原有的孤立数据流，实现管理层决策的数据驱动。通过构建智能化信息平台，避免系统隔离问题和扁平化组织架构的信息碎片问题。在形成了有效智慧企业系统以后，企业可以更快地适应商业环境的变化和技术的革新，在控制风险的同时拥抱创新。
智慧企业的展望。冰冷的数据并不能解决所有问题，数据可以驱动管理，却不能代替人的管理，单纯的智能化管理甚至会降低企业的创新活力。在未来企业中，现实空间越来越小而虚拟、数据空间变得越来越大，我们应该如何处理好一个企业中同时存在的人类管理者与机器管理者的种群分布关系，如何构建符合这种关系的企业秩序与规则，都需要我们应用社会物理学理论来分析。社会物理学指的是“应用物理力学、量子力学的研究方法来研究社会网络问题，通过微观上的随机性和无序性来寻求宏观上的可认知性和可观控性”（牛文元，2010）。而对于智慧企业的管理，我们也要寻求在这种新型组织形态中人与人的关系以及人与机器的关系。
互动性提升生产效率。人与人面对面的互动是提升产出的关键。很多社会物理学家的实验和研究证明，一个团队中的想法碰撞是影响表现的重要因素，团队成员之间的讨论、鼓励、批评，都能让员工了解到行业的窍门，提升隐性知识，从而提升生产效率。而智慧企业中的数据驱动型管理模式则有可能扼杀这种人与人之间的互动性，仅仅通过数据传递信息会忽略很多企业成功的秘密——隐性知识。正如同量子力学中粒子之间的碰撞，人与人之间的思维“碰撞”应该在组织中形成常态。
组织网络的激励作用。组织网络结构间的激励作用可以提升员工绩效水平。在传统的科层制管理模式中，大部分员工都在做着没有个性、一模一样的机械式工作，当他们把工作完成并递交给管理者后，并不知道自己的工作的完成度，也不会受到鼓励和激励。而当员工可以为了一个设定的目标而奋斗时，他们可能会夜以继日地去奋斗并精益求精。在数据驱动的智慧企业中，应该避免数据化管理带来的激励性缺失，在提升管理者效率时也应该考虑到如何提高员工的积极性，而不是把员工变成处理数据的机器。
智能化与技术创新
党的十九大报告提出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。智能化市场的成果来源于我国坚持不懈地创新，而智能化市场又给技术创新提供了良好的生长土壤。在智能化时代，技术创新的范式也在智能化，以实现“互联网、大数据、人工智能和实体经济深度融合”的要求。技术创新的范式已经走过了Schumpeter时代和Henry Chesbrough的开放式创新模式，建立适应智能化时代的创新范式已经成为当前的热点需求。智能化时代的创新有两大现象：加速的创新和大爆炸式的创新。
加速的创新来源于以云计算、大数据、移动设备等技术为主的智能化市场带来更加卓越的信息，以解决方案为导向的创新模式和更加亲密的用户间关系。在这样的环境中，信息获取的成本降低，信息的质量更高，使创新的素材更加多元并且融会贯通。原来的创新模式信息获取成本较高并且多限于行业内的专业化信息，部分技术还被设置了较高的门槛。随着智能化市场环境下全球信息流的开放，攻克技术难题可以获得多方支持，如海尔的Hope平台就致力于在全球范围内寻找最新的技术解决方案。以解决方案为导向的创新模式让创新的目的更加明确，针对需求提供创新方案，针对具体问题提供具体答案，使得创新的流程更加简洁明了。原来的创新模式中，创新的目的往往是最模糊的，创新的产品是否能够投放市场，都需要在创新流程的末端花费大量的时间与精力。在智能化时代，率先获得解决方案并针对性地进行创新研究可以加速创新流程，少走弯路，形成有意义的创新。亲密的用户间关系可以让用户更好地加入到创新的过程中，形成用户创新平台，甚至由用户引领创新。智能化市场可以让每个用户通过智能终端参与创新过程，并在创新的过程中形成对产品、服务的亲密度，在提升参与感的同时促进用户忠诚度。例如，美国的互联网视频公司Netflix，通过智能算法推荐符合用户偏好的视频。在推荐系统不断的自我学习过程中，用户不仅可以感受到更加贴心、亲密的推荐方式，还可以给有类似需求的其他用户进行推荐，达到用户参与创新的目的。
技术的指数级发展和产品的快速迭代改变了原有的创新方式。大爆炸式的创新拥有巨大的能量，可以在很短的时间内产生颠覆式创新效应，快速占领市场，而这一切在非智能化市场是难以想象的。大爆炸式的创新有独特的生命周期，产品的市场占有率上升速度极快，但是也相应伴随着更快的萎缩速度。任何信息的发布都无法逃离智能化时代的信息节点，无论是网站、社交媒体、朋友推荐都可以在第一时间让新产品的推出迅速被人们所知。所以，一件新颖的产品或是低成本的产品，可以跨越传统的波特五力理论中的各个门槛，直接让用户熟知并且为其买单。即便是为了宣传新产品而故意降低价格的亏本行为，也会在快速占领市场以后通过其他方式收回成本。然而，大爆炸式的创新风险也更大，因为市场萎缩的速度会比占领市场的速度更快。简单的博眼球策略、亏本赚吆喝的买卖只会短期存在，长期的发展仍然需要基于核心能力的综合创新生态的维持。在智能化的时代，现存企业需要建立完善的动态竞争机制，随机应变，才能应对不断出现的新竞争者。
我国推动智能化的对策建议
大力培育创新主体。智能化的市场归根结底是技术创新的成果体现，我国现有的世界领先创新成果离不开政府、高校、企业三个创新主体的协同发展。智能化市场的维持需要三方的有机合作，形成政府引导、高校研发、企业落地的基本创新流程。在三方合作的过程中，相关数据的分享也至关重要，智慧企业和智慧政务的实施意义就在于数据的互融互通、快速响应，有效地利用大数据和分析工具开展创新。对于高校来说，应积极展开全球性的学术交流与合作，让新技术走出去，把新技术引进来，建设全球化创新节点，通过智能系统获取全球性创新资源。
加快完善智能化配套设施。我国是全球公认的基建大国。从道路、港口的建设再到现在5G网络的建设，已经形成标杆性的“中国速度”。智能化市场的完善离不开相关配套设施的基础建设，包括物联网系统、智能制造标准等，形成完善的智能化生态，从而降低组织参与者的智能转型成本。当智能转型的成本远远低于带来的效益时，参与者的数量会呈爆发性增长，从而也激发了未参与者的转型意愿，形成良性生态循环。
积极防范智能化带来的风险。如前所述，智能化并不是完美的，其中也隐藏了数据风险和伦理风险。数据风险包括海量数据带来的数据噪音过多的问题，影响专业化技术研究。同时，数据的随意分享、流通也会造成数据泄露和数据安全的问题，需要在数据收集和储存的过程中防患于未然。智能化带来的伦理风险也不可小觑，机器的作用应该是辅助人类，而不是凌驾于人，导致与人类利益冲突的决策发生。当机器犯错时，应当及时改善，而不能因为是机器就疏于管理。
参考文献
Chen, H., 2009, "AI, E-Government, and Politics 2.0", IEEE Intelligent Systems, 24:5, pp. 64-67.
Chen, H.; Chiang, R. and Storey, V., 2012, "Business intelligence and analytics: From big data to big impact", MIS quarterly, 36.4.
Chen, H., 2010, "Business and market intelligence 2.0", IEEE intelligent systems, 25.1, pp. 68-71.
Davenport, T. H., 2006, "Competing on Analytics", Harvard Business Review, 84:1, pp. 98-107.
Gbosbal, S. and Kim, S. K., 1986, "Building effective intelligence systems for competitive advantage", Sloan Management Review (1986-1998), 28.1, p. 49.
Golfarelli, M., Rizzi, S. and Cella, I., 2004, "Beyond data warehousing: what's next in business intelligence?", Proceedings of the 7th ACM international workshop on Data warehousing and OLAP, ACM.
Guarda, T. et al., 2013, "Business intelligence as a competitive advantage for SMEs", International Journal of Trade, Economics and Finance, 4.4, p. 187.
Michael, K. and McCathie L., 2005, "The pros and cons of RFID in supply chain management", International Conference on Mobile Business (ICMB'05), IEEE.
Palmer, A. and Hartley, B., 2000, The Business and Marketing Environment, 3rd ed., London: McGraw-Hill.
Pentland, A., 2014, Social physics: How good ideas spread-the lessons from a new science, Penguin.
Williamson, P. J. and Yin, E., 2014, "Accelerated innovation: The new challenge from China", MIT Sloan Management Review, 55.4, p. 27.
贾根良，2013，《第三次工业革命与新型工业化道路的新思维——来自演化经济学和经济史的视角》，《中国人民大学学报》，第2期。
龚炳铮，2014，《关于发展我国智慧企业的思考》，《中国信息界》，总第276期。
陈劲、黄海霞，2017，《智慧企业理论模式——以中国航天科工集团公司为例》，《技术经济》，第8期。
陈劲，2011，《协同创新与国家科研能力建设》，《科学学研究》，第12期。
梅亮、陈劲、吴欣桐，2018，《责任式创新范式下的新兴技术创新治理解析——以人工智能为例》，《技术经济》，第1期。
牛文元，2010，《现代社会物理学的内涵认知》，《中国科学院院刊》，第2期。
Could the Highly Intelligent Market Still Be Dramatic?
Chen Jin
Abstract: The highly intelligent market has gradually replaced the traditional market, and the tide of intelligence has spread in an all-round way in organizations such as the government, universities, and enterprises. Intelligence has diverse applications. Both the e-commerce and medical industry can improve efficiency, reduce cost and stimulate innovation when they try to become "intelligent." However, the intelligence market has both advantages and disadvantages. Some of the advantages may also become disadvantages, such as the collection and use of massive data. Making intelligence better serve the organizations and effectively avoiding the risks it brings is the key of building a healthy intelligent eco-system. At the same time, innovating better in the intelligent market and increasing innovation capability through intelligence will become a hot research topic in the future.
Keywords: intelligence market, traditional market, innovation, dramatic
陈劲，清华大学经济管理学院教授、博导，清华大学技术创新研究中心主任。研究方向为科技创新、技术创新管理理论、科技政策。主要著作有《科学、技术与创新政策》《协同创新》《创新管理》《企业创新生态系统论》等。
