加载中...
The Puzzle of Knowledge Generation: Evidence from AI Patent Texts and Citation Data
AI生成知识易出现“幻觉”，学术界尚未清晰识别创新背后AI扮演的角色。本文利用专利文本与引文数据，探讨AI对知识生成的影响，比较预测式与生成式AI的适用场景，并分析其在知识应用和唤醒“沉睡知识”方面的作用。研究表明，AI不仅能通过知识新构与旧知识淘汰推动新知识产生，还能通过知识延伸与拓展激发后续创新，并提高知识新颖度和影响力。然而，AI的效果受企业知识关联结构的制约。此外，AI有助于推动知识整合与泛化，缩短知识应用周期，并唤醒有创新价值的“沉睡知识”。
Abstract
Knowledge generated by AI is prone to model hallucinations, and the role of AI in knowledge generation remains unclear. Using patent texts and citation data, we examine AI's impact on knowledge generation, comparing predictive and generative models, and analyze their roles in knowledge application and in awakening knowledge. Results show that AI promotes new knowledge creation by recombining and abandoning existing knowledge, and fosters further innovation through extending and expanding knowledge, enhancing the novelty and impact of knowledge. However, the effects vary with firms' knowledge structures. AI supports knowledge integration and generalization, accelerates knowledge application, and re-activates dormant knowledge.
AI促进知识新构和旧知识淘汰
基准回归显示，AI对知识新构和知识弃用的影响均显著为正（系数分别为0.2107和0.0877），表明AI的应用促进了新知识的产生，也推动了旧知识的淘汰。
AI促进知识延伸和拓展
AI对知识延伸与知识拓展具有显著的正向影响（系数分别为0.0220和0.1581），说明AI的应用也促进了后续创新过程中知识的延伸与跨领域拓展。
生成式AI作用优于预测式AI
分类检验显示，生成式AI对知识生成各维度的影响普遍高于预测式AI，且这种优势在后续知识创新过程中表现得更明显，表明生成式AI可能更有助于突破既有认知框架。
AI提高知识新颖性和影响力
AI不仅推动了知识生成，也提高了知识的新颖性（系数0.0073）和增强其在后续创新中的影响力（系数0.0256）。
AI缩短知识应用周期并唤醒沉睡知识
AI有助于形成第二个被引高峰，缩短了知识的应用周期（系数-0.1212），并能唤醒长久未用的“沉睡知识”，缩短其唤醒时间并增加重用价值。
核心解释变量
企业AI水平（企业当年AI相关专利占所有专利的比重，结合专利转移数据修正）
被解释变量
知识生成过程（知识新构、知识接续、知识弃用、知识延伸、知识拓展）
样本与数据
2005-2022年中国上市公司专利文本与引文数据，专利数据来自RESSET和CNRDS，财务数据来自CSMAR，剔除了金融行业及ST样本，共35071个观测值
识别方法 / 模型设定
企业层面的固定效应模型，控制年份、行业和企业固定效应
内生性及稳健性检验
剔除样本期间新增的IPC、重新计算AI水平、排除主分类号为AI领域的专利、面板泊松模型、剔除信息传输和软件行业样本、控制其他数字技术、引入滞后项、构建Bartik工具变量处理内生性