摘要：在当前数字化与智能化迅猛发展的环境下，高新技术企业面临新的评估挑战和机遇。智力资本作为其价值的重要驱动因素，其作用愈加显著。本文系统探讨了数智时代基于智力资本的高新技术企业价值评估理论框架，详细介绍了相关方法，并通过实际案例进行验证，旨在为企业提供更为科学、合理的评估策略，推动其在数智时代的健康发展。

关键词：数智情境；智力资本；高新技术企业；价值评估

一、引言

1.1 研究背景

随着信息技术的飞速发展，全球已步入数智时代。在这一时代背景下，高新技术企业凭借其创新能力和技术优势，成为推动经济增长和社会发展的重要力量。数智技术如人工智能、大数据、云计算、区块链等的广泛应用，不仅为高新技术企业带来了前所未有的发展机遇，也深刻改变了其价值创造方式和商业模式。

高新技术企业在数智时代呈现出蓬勃发展的态势。以中国为例，近年来高新技术企业数量持续增长，2023 年国家高新技术企业数量超过 40 万家，较上一年增长了约 15%，展现出强劲的发展活力。这些企业广泛分布于新一代信息技术、生物与新医药、航空航天、新材料、高技术服务等领域，在科技创新和产业升级中发挥着引领作用。例如，华为作为全球知名的通信技术企业，在 5G 通信、人工智能等领域投入大量研发资源，取得了众多关键技术突破，其产品和服务覆盖全球 170 多个国家和地区，极大地推动了全球通信技术的进步。

在数智情境下，智力资本已成为高新技术企业价值创造的核心要素。智力资本是指企业拥有的知识、技能、经验、创新能力、品牌声誉、客户关系等无形资源的总和，它具有无形性、创新性、增值性等特点。高新技术企业的竞争优势不再仅仅依赖于传统的物质资本和财务资本，更依赖于智力资本的积累和运用。企业通过对研发人员的培训和激励，提升其专业技能和创新能力，从而推动产品和技术的创新；通过建立良好的品牌形象和客户关系，提高客户忠诚度和市场份额，进而实现企业价值的增长。研究表明，智力资本对高新技术企业价值创造的贡献率超过了 60%，成为企业价值增长的关键驱动力。

然而，传统的企业价值评估方法在对数智情境下的高新技术企业进行价值评估时存在诸多不足。传统评估方法主要包括成本法、市场法和收益法，这些方法大多基于企业的历史财务数据和有形资产，难以准确反映高新技术企业的智力资本价值。成本法以企业的历史成本为基础，忽略了智力资本的无形性和增值性，无法体现企业未来的发展潜力；市场法依赖于可比公司的市场数据，但由于高新技术企业的独特性和创新性，很难找到真正可比的公司，导致评估结果的准确性受到影响；收益法虽然考虑了企业未来的收益，但在预测未来现金流和确定折现率时，往往难以充分考虑智力资本的价值创造能力和风险因素。在评估一家专注于人工智能算法研发的高新技术企业时，传统评估方法可能无法准确衡量其算法技术、研发团队的创新能力以及客户数据资源等智力资本的价值，从而低估企业的真实价值。

综上所述，数智时代的到来为高新技术企业的发展带来了新的机遇和挑战，智力资本在企业价值创造中的关键作用日益凸显，而传统的企业价值评估方法已无法满足数智情境下高新技术企业价值评估的需求。因此，深入研究数智情境下基于智力资本的高新技术企业价值评估方法具有重要的理论和现实意义。

1.2 研究目的与意义

1.2.1 研究目的

本研究旨在深入探讨数智情境下高新技术企业基于智力资本的价值评估问题，构建一套科学、合理且具有可操作性的价值评估体系，以准确衡量这类企业的真实价值。具体而言，主要包括以下几个方面：

剖析智力资本构成要素：全面梳理数智情境下高新技术企业智力资本的构成要素，深入分析各要素在企业价值创造过程中的作用机制和相互关系。明确人力资本、结构资本、关系资本等在数智技术支持下的新内涵和表现形式，为价值评估提供坚实的理论基础。

修正与完善评估方法：在对传统企业价值评估方法进行系统分析和总结的基础上，结合数智情境下高新技术企业的特点以及智力资本的特性，对现有评估方法进行改进和创新。引入适合智力资本价值评估的模型和技术，如实物期权法、模糊综合评价法等，以弥补传统方法在评估智力资本价值时的不足。

构建价值评估体系：综合考虑智力资本构成要素、数智技术对企业价值创造的影响以及改进后的评估方法，构建一套完整的数智情境下基于智力资本的高新技术企业价值评估体系。该体系应涵盖评估指标选取、指标权重确定、评估模型构建以及评估结果分析等环节，确保评估过程的科学性和评估结果的准确性。

验证评估体系有效性：通过选取具有代表性的高新技术企业进行实证研究，运用所构建的价值评估体系对其进行价值评估，并将评估结果与企业的实际市场价值进行对比分析。验证评估体系的有效性和实用性，及时发现评估过程中存在的问题并进行优化和完善，为实际应用提供有力的支持。

1.2.2 理论意义

丰富企业价值评估理论：本研究聚焦于数智情境下高新技术企业基于智力资本的价值评估，将数智技术与智力资本纳入企业价值评估的研究范畴，拓展了企业价值评估理论的研究视角。通过深入分析数智技术对企业价值创造和智力资本的影响，揭示了数智时代企业价值评估的新规律和特点，为企业价值评估理论的发展提供了新的思路和方法。在传统企业价值评估理论中，往往侧重于有形资产和财务数据的考量，而本研究强调了智力资本这一无形要素在数智情境下的重要性，完善了企业价值评估的理论框架，使其更加适应时代的发展需求。

完善智力资本理论框架：进一步深化对智力资本在数智情境下的研究，有助于完善智力资本理论框架。通过对高新技术企业智力资本构成要素、价值创造机制以及评估方法的研究，丰富了智力资本的内涵和外延，明确了智力资本在数智时代的价值创造路径和作用方式。这不仅有助于学术界更好地理解智力资本的本质和特性，也为企业在实践中有效管理和运用智力资本提供了理论指导。研究智力资本在数智技术驱动下的动态变化和发展趋势，为智力资本理论的持续创新和发展奠定了基础。

1.2.3 实践意义

为企业管理者提供决策依据：准确的价值评估有助于企业管理者全面了解企业的价值创造能力和核心竞争力，从而制定更加科学合理的战略规划和经营决策。通过对智力资本的评估，管理者可以清晰地认识到企业在人力资源、技术创新、品牌建设、客户关系等方面的优势和不足，进而有针对性地加大对智力资本的投入和管理，优化企业资源配置，提升企业价值。在制定研发投入计划时，管理者可以根据智力资本评估结果，合理确定研发预算和方向，提高研发效率和创新能力；在进行市场拓展时，管理者可以依据客户关系资本的评估情况，制定更加精准的营销策略，增强客户满意度和忠诚度。

为投资者提供投资参考：对于投资者而言，科学的价值评估方法可以帮助他们更加准确地判断高新技术企业的投资价值和潜在风险，从而做出明智的投资决策。数智情境下的高新技术企业具有高成长性和高风险性的特点，传统的价值评估方法难以准确评估其价值。本研究构建的基于智力资本的价值评估体系，能够充分考虑企业的智力资本价值和未来发展潜力，为投资者提供更加全面、客观的投资参考。投资者可以通过对企业智力资本的评估，筛选出具有较高投资价值的企业，降低投资风险，提高投资收益。在投资决策过程中，投资者可以参考智力资本评估结果，对企业的技术创新能力、市场竞争力、管理团队等方面进行综合分析，从而做出更加理性的投资选择。

促进高新技术企业健康发展：合理的价值评估有助于高新技术企业在资本市场上获得更加公平的估值，提高企业的融资能力和市场竞争力。在企业上市、并购重组、股权融资等经济活动中，准确的价值评估可以为交易双方提供合理的定价依据，促进交易的顺利进行。这有利于高新技术企业吸引更多的资金和资源，推动企业的技术创新和业务拓展，实现可持续发展。通过价值评估，企业还可以发现自身存在的问题和不足，及时调整经营策略，提升企业管理水平，增强企业的核心竞争力。

1.3 研究方法与创新点

1.3.1 研究方法

文献研究法：通过广泛查阅国内外相关文献，包括学术期刊论文、学位论文、研究报告、行业标准等，全面梳理数智情境下高新技术企业价值评估以及智力资本相关理论与研究成果。深入了解前人在该领域的研究思路、方法和主要结论，分析现有研究的不足与空白，为本文的研究提供坚实的理论基础和研究方向指引。对企业价值评估方法的发展历程进行梳理，分析传统评估方法在数智情境下的局限性，以及智力资本在企业价值评估中的研究现状，明确本研究的切入点和重点。

案例分析法：选取多家具有代表性的高新技术企业作为研究案例，如华为、腾讯、阿里巴巴等。深入剖析这些企业在数智技术应用、智力资本管理以及价值创造等方面的实践经验，通过对具体案例的详细分析，总结数智情境下高新技术企业基于智力资本的价值创造特点和规律。运用案例中的实际数据和资料，对所构建的价值评估体系进行验证和应用，检验评估体系的科学性和实用性，同时为其他高新技术企业提供实践参考和借鉴。

定量定性结合法：在定量分析方面，收集高新技术企业的财务数据、市场数据、智力资本相关数据等，运用统计分析方法、数学模型等对数据进行处理和分析。构建智力资本价值评估模型，运用层次分析法、模糊综合评价法等确定评估指标权重，对企业智力资本价值进行量化评估；通过回归分析等方法研究智力资本与企业价值之间的定量关系。在定性分析方面，对高新技术企业的战略规划、企业文化、创新能力、市场竞争力等非量化因素进行深入分析和研究。采用专家访谈、问卷调查等方式，获取专家和企业管理者对企业价值评估和智力资本管理的意见和建议，结合理论分析，对定量分析结果进行补充和解释，使研究结果更加全面、准确。

1.3.2 创新点

研究视角创新：将数智情境与智力资本相结合，聚焦于高新技术企业价值评估这一领域，突破了传统研究仅从单一角度或忽视数智技术影响的局限。深入探讨数智技术如何改变高新技术企业的价值创造模式和智力资本构成，以及如何在价值评估中充分考虑这些因素，为企业价值评估研究提供了新的视角和思路。从数智情境下的数据驱动、创新加速、协同发展等特点出发，分析其对智力资本的影响，进而研究如何基于这些变化构建更科学的价值评估体系。

评估方法创新：在传统企业价值评估方法的基础上，引入适合数智情境下高新技术企业和智力资本特点的新方法和技术。结合实物期权法，考虑高新技术企业在数智时代面临的不确定性和投资机会价值；运用模糊综合评价法，对难以量化的智力资本要素进行综合评价；利用大数据分析技术，挖掘和分析企业海量数据中的价值信息，为价值评估提供更丰富的数据支持。通过这些方法的创新应用，提高了价值评估的准确性和科学性，更好地反映了高新技术企业的真实价值。

指标体系创新：构建了一套全新的数智情境下基于智力资本的高新技术企业价值评估指标体系。该指标体系不仅涵盖了传统的财务指标，还纳入了反映数智技术应用水平、智力资本构成要素和价值创造能力的非财务指标。在智力资本指标方面，细化了人力资本、结构资本、关系资本的具体评估指标，如研发人员的创新能力、知识产权数量、客户满意度等；在数智技术指标方面，考虑了企业的数据处理能力、数字化转型程度、人工智能应用水平等。通过这些指标的综合运用，全面、系统地评估了高新技术企业的价值。

二、相关理论基础

2.1 数智情境概述

2.1.1 数智技术发展现状

数智技术作为数字技术与智能技术的融合体，近年来取得了飞速发展，在全球范围内引发了深刻的变革。大数据技术作为数智技术的重要基石，其发展日新月异。随着数据量的爆炸式增长，大数据的存储、处理和分析技术不断创新。分布式存储技术如 Hadoop 分布式文件系统（HDFS），能够将海量数据分散存储在多个节点上，大大提高了数据存储的可靠性和扩展性，可支持 PB 级别的数据存储。在数据处理方面，Apache Spark 等快速迭代的计算框架，具备内存计算能力，能够显著提升数据处理速度，使数据分析和挖掘能够在短时间内完成，为企业提供实时决策支持。据统计，全球大数据市场规模在 2023 年达到了约 2700 亿美元，预计到 2028 年将增长至 4500 亿美元，年复合增长率超过 10%。

人工智能技术是数智技术的核心驱动力之一，也取得了突破性进展。深度学习算法不断演进，卷积神经网络（CNN）在图像识别领域取得了卓越成就，人脸识别准确率已超过 99%，广泛应用于安防、金融、交通等领域；循环神经网络（RNN）及其变体长短时记忆网络（LSTM）在自然语言处理方面表现出色，机器翻译、智能客服、文本生成等应用日益成熟。OpenAI 研发的 GPT-4 语言模型，能够理解和生成自然语言，在多种任务中展现出了强大的能力，推动了人工智能在智能写作、智能问答等领域的应用。人工智能市场同样呈现出蓬勃发展的态势，2023 年全球人工智能市场规模达到约 1.3 万亿美元，预计到 2030 年将突破 3 万亿美元，年复合增长率超过 12%。

云计算技术的普及为企业提供了便捷、高效的计算资源和服务。基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）等云计算模式被广泛应用。亚马逊的 AWS、微软的 Azure 和阿里云等云计算平台，为企业提供了弹性计算、存储、数据库等多种服务，降低了企业的 IT 基础设施建设成本和运维难度。企业可以根据自身业务需求，灵活租用云计算资源，实现按需付费，大大提高了资源利用效率。全球云计算市场规模在 2023 年达到约 5900 亿美元，预计到 2028 年将增长至 1.1 万亿美元，年复合增长率超过 14%。

区块链技术以其去中心化、不可篡改、可追溯等特性，在金融、供应链、政务等领域得到了广泛应用。在金融领域，区块链技术可用于跨境支付、供应链金融等场景，提高交易效率和安全性，降低信任成本。在供应链管理中，通过区块链技术可以实现货物信息的全程追溯，确保产品质量和安全。例如，沃尔玛利用区块链技术实现了食品供应链的全程追溯，消费者可以通过扫描二维码获取食品的产地、生产过程、运输路径等详细信息。全球区块链市场规模在 2023 年达到约 90 亿美元，预计到 2028 年将增长至 390 亿美元，年复合增长率超过 30%。

2.1.2 数智情境对企业的影响

数智技术的广泛应用深刻改变了企业的运营模式。在生产制造环节，智能制造技术的应用实现了生产过程的自动化、智能化和柔性化。通过传感器、物联网、大数据等技术的融合，企业能够实时监控生产设备的运行状态，实现设备的预防性维护，减少设备故障停机时间，提高生产效率。德国的工业 4.0 战略推动了制造业的智能化升级，企业通过引入智能制造系统，实现了生产流程的优化和生产效率的大幅提升。在供应链管理方面，数智技术实现了供应链的可视化和协同化。通过物联网技术，企业可以实时跟踪货物的运输状态和库存水平，实现供应链各环节的信息共享和协同运作，提高供应链的响应速度和灵活性。京东利用数智技术构建了智能供应链体系，实现了库存的精准管理和配送的高效运作，大大提高了客户满意度。

数智技术也重塑了企业的市场竞争格局。在数智情境下，企业的竞争不再局限于传统的产品和价格竞争，更多地体现在数据、技术和创新能力的竞争。拥有大量数据资源和先进数据分析技术的企业，能够更好地洞察市场需求和消费者行为，精准定位目标客户，开发出更符合市场需求的产品和服务，从而在竞争中占据优势。以字节跳动为例，其通过对海量用户数据的分析，精准把握用户的兴趣和偏好，开发出了抖音、今日头条等深受用户喜爱的产品，迅速在互联网市场中脱颖而出。同时，数智技术降低了市场准入门槛，为中小企业提供了更多的发展机会。中小企业可以利用云计算、人工智能等技术，快速搭建数字化平台，开展线上业务，拓展市场份额，与大型企业在某些领域展开竞争。

数智技术的应用还促进了企业的创新发展。一方面，数智技术为企业提供了新的创新工具和方法。大数据分析、人工智能建模等技术能够帮助企业发现新的市场机会、优化产品设计和研发流程，加速创新成果的转化。例如，谷歌利用人工智能技术进行药物研发，通过模拟药物分子与靶点的相互作用，快速筛选出潜在的药物分子，大大缩短了药物研发周期。另一方面，数智技术催生了新的商业模式和业态。共享经济、平台经济等新兴商业模式在数智技术的支持下蓬勃发展，改变了传统的商业逻辑和价值创造方式。例如，滴滴出行通过搭建网约车平台，整合闲置的交通资源，为用户提供便捷的出行服务，创造了新的商业价值。

二、相关理论基础

2.2 高新技术企业特征与价值构成

2.2.1 高新技术企业的定义与特征

高新技术企业是指在《国家重点支持的高新技术领域》内，持续进行研究开发与技术成果转化，形成企业核心自主知识产权，并以此为基础开展经营活动的知识密集、技术密集型经济实体。根据《高新技术企业认定管理办法》，企业需满足一系列条件，包括在中国境内注册、拥有核心自主知识产权、科技人员和研发人员占比达到一定标准、持续开展研究开发活动以及研究开发费用总额占销售收入总额的比例符合要求等。截至 2023 年底，我国高新技术企业数量已超过 40 万家，较上一年增长了约 15%，这些企业广泛分布于新一代信息技术、生物与新医药、航空航天、新材料、高技术服务等领域，成为推动科技创新和经济发展的重要力量。

高新技术企业具有显著的高创新性特征。这类企业高度重视研发投入，不断进行技术创新和产品升级。以华为为例，其在 2023 年的研发投入达到了 1615 亿元，占销售收入的 15.5%，拥有超过 11 万项专利，通过持续的研发投入和技术创新，华为在 5G 通信、人工智能等领域取得了众多关键技术突破，推出了一系列具有创新性的产品和解决方案，引领了行业发展。

高新技术企业也伴随着高风险。在研发过程中，由于技术的不确定性和市场的变化，企业可能面临研发失败的风险。例如，一款新药的研发，从实验室研究到临床试验再到最终获批上市，平均需要花费 10 - 15 年的时间，投入数十亿美元，期间任何一个环节出现问题都可能导致研发失败。市场风险也不容忽视，新产品可能无法被市场接受，或者面临激烈的市场竞争，导致企业的市场份额和收益受到影响。企业在经营管理方面也可能面临风险，如资金链断裂、人才流失等。

高新技术企业还具备高成长性。一旦企业的技术和产品获得市场认可，往往能够实现快速增长。以字节跳动为例，自成立以来，凭借其创新的算法和内容推荐技术，旗下的抖音、今日头条等产品迅速风靡全球，用户数量和市场份额不断攀升。在短短几年内，字节跳动的估值就达到了数千亿美元，成为全球最具价值的独角兽企业之一。

2.2.2 高新技术企业价值构成要素

高新技术企业的价值构成较为复杂，主要由有形资产、无形资产和智力资本等要素构成。有形资产是企业价值的基础，包括土地、厂房、设备、存货等传统资产。虽然在高新技术企业中，有形资产的比重相对较低，但它们仍然是企业生产经营活动的重要物质基础。一家电子制造企业的生产设备、厂房等有形资产，是其进行电子产品生产的必要条件。

无形资产在高新技术企业价值中占据重要地位，包括专利、商标、著作权、专有技术、品牌等。这些无形资产是企业技术创新和市场竞争的重要体现，能够为企业带来超额收益。例如，苹果公司的品牌价值极高，其品牌形象代表着高品质、创新和时尚，消费者对苹果品牌的忠诚度使得苹果产品能够以较高的价格出售，为企业带来了丰厚的利润。苹果公司还拥有大量的专利技术，这些专利技术保护了其产品的创新性和独特性，进一步提升了企业的价值。

智力资本是高新技术企业价值创造的核心要素，由人力资本、结构资本和关系资本组成。人力资本是指企业员工所拥有的知识、技能、经验和创新能力等，是企业智力资本的关键组成部分。高新技术企业的研发人员、技术专家、管理人员等通过自身的专业知识和创新能力，为企业创造价值。例如，一家人工智能企业的研发团队，凭借其深厚的专业知识和创新能力，开发出先进的人工智能算法和应用，推动了企业的技术进步和业务发展。

结构资本是指企业的组织结构、管理制度、企业文化、信息系统等，为人力资本的发挥提供支持和保障。良好的组织结构和管理制度能够提高企业的运营效率，促进知识的共享和创新；优秀的企业文化能够增强员工的凝聚力和归属感，激发员工的积极性和创造力；高效的信息系统能够实现企业内部信息的快速传递和共享，为企业决策提供支持。谷歌公司以其开放、创新的企业文化和灵活的组织结构，吸引了大量优秀的人才，促进了员工之间的知识共享和创新，推动了企业的快速发展。

关系资本是指企业与客户、供应商、合作伙伴、政府等利益相关者之间建立的良好关系，为企业创造价值提供外部支持。良好的客户关系能够提高客户忠诚度，增加客户重复购买和口碑传播，促进企业销售增长；稳定的供应商关系能够确保原材料的稳定供应和质量，降低采购成本；合作伙伴关系能够实现资源共享、优势互补，共同开拓市场和创新；政府关系能够为企业争取政策支持和资源，创造良好的发展环境。例如，特斯拉与松下等供应商建立了长期稳定的合作关系，确保了电池等关键零部件的稳定供应和质量；同时，特斯拉与政府保持良好的沟通与合作，获得了政策支持和土地资源，为其工厂建设和业务拓展提供了有力保障。

2.3 智力资本理论

2.3.1 智力资本的概念与构成

智力资本这一概念最早可追溯到 1836 年，西尼尔将其认同为人力资本，认为智力资本是个人所拥有的知识和技能。此后，众多学者对智力资本的概念进行了深入研究和拓展。加尔布雷斯认为智力资本不仅包括纯知识形态的知识，还涵盖相应的智力活动，是一个知识有效利用的过程，是实现目标的手段。埃德文森和沙利文指出智力资本是企业市场价值与账面价值之间的差额，是企业物质资本与非物质资本的合成，由人力资本、结构资本和顾客资本构成。斯图尔特提出智力资本是公司中所有成员所知晓的能为企业在市场上获得竞争优势的事物之和，其构成要素同样包括人力资本、结构资本和关系资本。

综合学者们的观点，智力资本可定义为企业拥有或控制的、能够为企业带来未来经济利益的、以知识和智力为核心的无形资源的总和。它具有无形性，不像有形资产那样具有实物形态，难以直接观察和衡量；具有创新性，是企业创新能力的重要体现，能够推动企业不断推出新产品、新服务和新的商业模式；具有增值性，通过合理的开发和利用，智力资本能够为企业带来持续的价值增值。

在高新技术企业中，智力资本主要由人力资本、结构资本和关系资本构成。人力资本是企业员工所拥有的知识、技能、经验和创新能力等的总和，是智力资本的核心要素。高新技术企业的研发人员凭借其专业知识和技能，开发出具有创新性的产品和技术；管理人员运用其管理经验和领导能力，制定科学的战略规划和运营决策，这些都为企业创造了价值。据统计，在软件行业，研发人员的创新能力对企业产品的竞争力和市场份额有着至关重要的影响，优秀的研发团队能够使企业的产品在市场上脱颖而出，获得更高的利润。

结构资本是指企业的组织结构、管理制度、企业文化、信息系统等，为人力资本的发挥提供支持和保障。良好的组织结构能够提高企业的运营效率，促进知识的共享和创新；完善的管理制度能够规范企业的行为，保障企业的稳定发展；优秀的企业文化能够增强员工的凝聚力和归属感，激发员工的积极性和创造力；高效的信息系统能够实现企业内部信息的快速传递和共享，为企业决策提供支持。例如，谷歌公司以其开放、创新的企业文化和灵活的组织结构，吸引了大量优秀的人才，促进了员工之间的知识共享和创新，推动了企业的快速发展。谷歌的企业文化鼓励员工创新，允许员工有一定比例的时间自由探索自己感兴趣的项目，这使得谷歌在搜索引擎技术、人工智能等领域取得了众多创新成果。

关系资本是企业与客户、供应商、合作伙伴、政府等利益相关者之间建立的良好关系，为企业创造价值提供外部支持。良好的客户关系能够提高客户忠诚度，增加客户重复购买和口碑传播，促进企业销售增长；稳定的供应商关系能够确保原材料的稳定供应和质量，降低采购成本；合作伙伴关系能够实现资源共享、优势互补，共同开拓市场和创新；政府关系能够为企业争取政策支持和资源，创造良好的发展环境。苹果公司与供应商建立了长期稳定的合作关系，确保了零部件的高质量供应，同时与客户保持良好的沟通和互动，提高了客户对苹果产品的满意度和忠诚度，这些关系资本都为苹果公司的成功奠定了基础。

2.3.2 智力资本对企业价值创造的作用机制

智力资本各要素在企业价值创造过程中相互作用、协同发展。人力资本是价值创造的核心动力，为企业提供了创新能力和知识基础。研发人员通过不断进行技术创新，开发出新产品和新技术，为企业开拓新的市场和业务领域，从而增加企业的收入和利润。管理人员凭借其丰富的管理经验和卓越的领导能力，优化企业的运营流程，提高企业的生产效率和管理水平，降低企业的运营成本，进而提升企业的价值。以华为为例，其研发人员不断投入研发，在 5G 通信技术领域取得了众多专利，推出了先进的 5G 通信设备，满足了市场对高速通信的需求，为华为带来了巨大的市场份额和经济效益；华为的管理人员通过科学的战略规划和有效的组织管理，推动了企业的全球化布局和业务拓展，提升了企业的运营效率和竞争力。

结构资本为人力资本的发挥提供了平台和保障。合理的组织结构能够促进知识的共享和交流，提高团队协作效率，使员工的创新能力能够得到充分发挥。完善的管理制度能够规范企业的行为，保障企业的稳定运营，为员工创造良好的工作环境和发展空间。优秀的企业文化能够增强员工的凝聚力和归属感，激发员工的创新热情和工作积极性。高效的信息系统能够实现企业内部信息的快速传递和共享，为员工提供及时、准确的信息支持，帮助员工做出科学的决策。谷歌公司的灵活组织结构和开放企业文化，促进了员工之间的知识共享和创新合作，员工可以自由地交流想法和经验，共同攻克技术难题，推动了谷歌在搜索引擎、人工智能等领域的持续创新。

关系资本则为企业创造了良好的外部环境，拓展了企业的价值创造空间。良好的客户关系能够使企业更好地了解客户需求，提供个性化的产品和服务，提高客户满意度和忠诚度，从而增加客户重复购买和口碑传播，促进企业销售增长。稳定的供应商关系能够确保原材料的稳定供应和质量，降低采购成本，保障企业的生产运营顺利进行。合作伙伴关系能够实现资源共享、优势互补，共同开展研发、生产和市场推广等活动，拓展企业的业务领域和市场份额。政府关系能够为企业争取政策支持和资源，如税收优惠、财政补贴、土地资源等，降低企业的运营成本，创造良好的发展环境。特斯拉与松下等供应商建立了长期稳定的合作关系，确保了电池等关键零部件的稳定供应和质量；同时，特斯拉与政府保持良好的沟通与合作，获得了政策支持和土地资源，为其工厂建设和业务拓展提供了有力保障。

智力资本通过创新驱动、资源整合和协同效应等方式推动企业价值创造。创新驱动是智力资本推动企业价值创造的关键方式。人力资本中的创新能力和知识储备，结合结构资本提供的创新平台和环境，能够促使企业不断进行技术创新、产品创新和商业模式创新。这些创新成果能够满足市场需求，提高企业的市场竞争力，为企业带来超额收益。苹果公司凭借其强大的研发团队和创新文化，不断推出具有创新性的产品，如 iPhone、iPad 等，引领了全球智能手机和平板电脑市场的发展，为企业创造了巨大的价值。

资源整合是智力资本实现企业价值创造的重要手段。企业通过整合人力资本、结构资本和关系资本，能够优化资源配置，提高资源利用效率。人力资本中的专业知识和技能与结构资本中的信息系统和管理制度相结合，能够实现企业内部资源的高效配置；关系资本中的客户资源、供应商资源和合作伙伴资源与企业内部资源相结合，能够实现企业内外资源的有效整合，拓展企业的价值创造空间。阿里巴巴通过整合其平台上的商家资源、消费者资源和物流资源，打造了完善的电子商务生态系统，实现了资源的共享和协同利用，提高了企业的运营效率和市场竞争力，为企业创造了巨大的价值。

协同效应是智力资本促进企业价值创造的重要体现。智力资本各要素之间相互作用、相互影响，产生协同效应。人力资本的创新能力在结构资本的支持下能够得到更好的发挥，关系资本为人力资本和结构资本的协同运作提供了外部保障。企业通过加强智力资本各要素之间的协同合作，能够提高企业的整体价值创造能力。例如，一家生物医药企业的研发团队（人力资本）在企业完善的研发管理制度（结构资本）和与高校、科研机构的合作关系（关系资本）的支持下，能够更高效地开展研发工作，加快新药的研发进程，提高新药的研发成功率，从而为企业创造更大的价值。

三、传统企业价值评估方法及在数智情境下的局限性

3.1 传统企业价值评估方法综述

3.1.1 成本法

成本法，又称重置成本法，是一种通过计算被评估资产的现时重置成本，再扣除其各项损耗来确定被评估资产价值的资产评估方法。其基本原理基于资产的重置成本与资产的实际价值之间的关系，认为资产的价值等于重新购置或建造相同或类似资产所需的成本减去资产的各种贬值。成本法的基本公式为：评估价值 = 重置成本 - 实体性贬值 - 功能性贬值 - 经济性贬值 ，或者评估价值 = 重置全价 × 成新率 。其中，实体性贬值是指资产由于使用和自然力作用而导致的物理损耗；功能性贬值是指由于技术进步等原因，导致资产的功能相对落后而造成的价值损失；经济性贬值是指由于外部经济环境变化等因素，导致资产的收益下降而造成的价值损失 。重置全价是指在评估基准日，重新购置或建造与被评估资产相同或类似的全新资产所需的全部成本；成新率则反映了资产的新旧程度和剩余使用寿命。

在运用成本法进行评估时，首先需要根据被评估资产的实体特征等基本情况，用现时（评估基准日）市价估算其重置全价。对于一台机器设备，需要考虑设备的购置价格、运输费用、安装调试费用等各项成本，以确定其重置全价。接着要确定被评估资产的已使用年限、尚可使用年限及总使用年限，通过年限折旧法或其他方法估算资产的有形损耗和功能性损耗。可以根据设备的使用时间、维护保养情况等因素，确定其已使用年限和尚可使用年限，进而计算出有形损耗和功能性损耗。最后估算确认被评估资产的净价。

成本法适用于可复制、可再生、可重新建造和购买的，具有有形损耗和无形损耗特性的单项资产，如房屋建筑物、机器设备等，以及具有陈旧贬值性的技术专利、版权等无形资产，也可用于可重建、可购置的整体资产，如宾馆、剧院、企业、车间等。在评估一家制造业企业的厂房和设备时，成本法能够较为准确地反映其价值。然而，成本法也存在一定的局限性。对于整体资产的评估，需要将其分解为多个单项资产，并逐一确定重置成本、实体性陈旧贬值及无形陈旧贬值，评估过程较为繁琐，且容易出现重复或遗漏。成本法容易忽略无形资产的价值，对于高新技术企业等无形资产占比较大的企业，可能无法准确评估其价值。无形陈旧贬值的概念较为抽象，涉及到多种难以量化的影响因素，且需要结合收益现值法来评估。

3.1.2 市场法

市场法，又称市场比较法、比较法，是将估价对象与在估价时点近期交易的类似房地产进行比较，对这些类似房地产的成交价格做适当的修正和调整，以此求取估价对象的客观合理价格或价值的方法 。其原理基于房地产价格形成的替代原理，即在同一市场上，具有相同或相似功能的资产，其价格也应相近。如果存在多个类似资产的交易实例，通过对这些实例的价格进行分析和调整，就可以推断出被评估资产的价值。

市场法适用的条件是在同一供求范围内存在着较多的类似房地产的交易，适用的对象是具有交易性的房地产 。对于那些很少发生交易的房地产，则难以采用市场法估价 。在评估普通住宅时，由于市场上存在大量类似住宅的交易实例，市场法能够较好地发挥作用。市场法的操作步骤包括：搜集交易实例，广泛收集与被评估资产相关的市场交易信息，包括交易价格、交易时间、交易条件等；选取可比实例，从搜集到的交易实例中筛选出与被评估资产在用途、规模、地理位置等方面相似的实例；建立价格可比基础，对可比实例的价格进行标准化处理，使其具有可比性；进行交易情况修正，考虑交易中的特殊因素，如交易双方的关系、交易动机等，对可比实例的价格进行调整；进行交易日期调整，根据市场价格的变化趋势，对可比实例的交易价格进行时间因素的调整；进行房地产状况调整，对可比实例与被评估资产在实物状况、权益状况、区位状况等方面的差异进行调整；求取比准价格，通过对调整后的可比实例价格进行综合分析，得出被评估资产的评估价值。

在运用市场法评估企业价值时，通常会采用市盈率（P/E）、市净率（P/B）、市销率（P/S）等指标作为可比参数 。市盈率是指股票价格与每股收益的比率，反映了投资者对企业未来盈利的预期；市净率是指股票价格与每股净资产的比率，衡量了企业的净资产价值；市销率是指股票价格与每股销售收入的比率，体现了企业的市场份额和销售能力。通过比较被评估企业与可比企业的这些指标，并结合市场情况进行调整，可以估算出被评估企业的价值。在评估一家互联网企业时，可以选取同行业中具有相似业务模式和规模的可比企业，比较它们的市盈率、市销率等指标，从而确定被评估企业的价值。

然而，市场法的应用也受到一些限制。在市场上难以找到与被评估企业完全相同或相似的参照企业，尤其是对于具有独特技术、商业模式或市场地位的高新技术企业，找到真正可比的企业较为困难。市场法依赖于市场交易数据的准确性和完整性，如果市场交易不活跃或数据存在偏差，可能会导致评估结果的不准确。市场法主要关注企业的当前市场表现，难以充分考虑企业的未来发展潜力和智力资本等无形要素的价值。

3.1.3 收益法

收益法是基于未来收益来评估资产价值的一类方法，其核心思想是将预期收益转换为当前的价值 。该方法认为，资产的价值取决于其未来所能产生的收益的现值，通过预测资产未来的收益，并选用适当的折现率将其折现到评估时点，累加后即可得到资产的评估价值。收益法的基本公式根据不同的收益模型而有所不同，常见的有现金流量折现模型（DCF），包括股权自由现金流折现模型和企业自由现金流折现模型。

股权自由现金流量的计算可以参照如下公式：股权自由现金流量 = 净利润 - 权益增加额 + 其他综合收益 。其中，净利润是由企业的收入减去支出决定的；权益增加额与资本性支出和净流动资金增加额之间存在差异，应通过所有者权益科目的变化进行预测；其他综合收益是指根据其他会计准则规定未在当期损益中确认的各项利得和损失 。企业自由现金流量的计算公式为：企业自由现金流量 = 息前税后净利润 + 折旧、摊销 - 资本性支出 - 净流动资金增加额 。其中，资本性支出是指企业用来购置、改善、扩张固定资产等用途的支出；净流动资金增加额是指为营运准备的现金，一般定义为流动资产减去流动负债 。

在运用收益法进行评估时，关键在于准确预测未来的收益和确定合适的折现率 。预测未来收益需要对企业的经营环境、市场趋势、竞争态势等进行深入分析，结合企业的历史业绩和发展规划，合理估计企业未来各期的收入、成本和费用，从而得出未来的现金流量 。确定折现率则需要考虑资金的时间价值、投资风险等因素，通常使用加权平均资本成本（WACC），其公式为：WACC = (E/V) × Re+(D/V) × Rd × (1 - Tc) ，其中 E 为企业股权价值，V 为企业总价值，Re 为股权成本，D 为企业债务价值，Rd 为债务成本，Tc 为企业所得税税率 。这些参数的确定需要综合考虑企业的财务状况和市场条件 。

收益法适用于那些能够产生稳定现金流的企业或项目 。对于成熟的制造业企业，其经营相对稳定，未来现金流易于预测，收益法能够较好地评估其价值 。但收益法也存在一定的局限性 。准确预测未来的现金流是一项复杂的任务，受到多种因素的影响，如市场需求、竞争态势和宏观经济环境等，预测结果可能存在较大的不确定性 。选择合适的折现率也具有一定的主观性，不同的折现率会导致评估结果的巨大差异 。收益法对企业的假设条件较为严格，要求企业持续经营且未来收益具有一定的规律性，对于一些处于初创期或高风险行业的企业，可能不太适用 。

3.2 传统评估方法在数智情境下对高新技术企业的不适用性分析

3.2.1 忽视智力资本价值

传统的企业价值评估方法，如成本法、市场法和收益法，在数智情境下对高新技术企业进行价值评估时，往往难以准确评估智力资本价值。成本法主要基于企业的历史成本和重置成本，关注的是企业的有形资产，如土地、厂房、设备等，而对智力资本这类无形资产的重视不足。在评估一家软件开发企业时，成本法可能仅考虑了企业购置办公设备、租赁办公场地等有形资产的成本，而忽略了软件开发团队的专业技能、软件研发过程中积累的知识产权以及企业的品牌价值等智力资本要素。这些智力资本对于软件开发企业来说，是其核心竞争力和价值创造的关键来源，忽视它们会导致对企业价值的低估。

市场法依赖于市场上可比公司的交易数据，通过比较被评估企业与可比公司的财务指标和市场表现来确定企业价值。然而，在数智情境下，高新技术企业的智力资本具有独特性和创新性，很难找到在智力资本方面完全可比的公司。一家专注于人工智能芯片研发的企业，其拥有的独特算法、研发团队的专业能力以及与上下游企业建立的合作关系等智力资本，在市场上很难找到与之类似的可比公司。即使找到一些表面上相似的企业，由于智力资本的差异，也难以通过市场法准确评估其价值。不同企业的研发团队在技术水平、创新能力和团队协作等方面存在差异，这些差异会对企业的价值产生重要影响，但市场法难以对这些差异进行准确衡量。

收益法通过预测企业未来的收益并将其折现来评估企业价值，虽然在一定程度上考虑了企业的未来盈利能力，但在预测未来收益和确定折现率时，往往难以充分考虑智力资本的价值创造能力。智力资本中的人力资本、结构资本和关系资本对企业未来收益的影响具有复杂性和不确定性，难以用传统的财务模型进行准确预测。高新技术企业的研发人员可能会因为技术突破而开发出具有市场竞争力的新产品，从而大幅提升企业的未来收益，但这种技术突破的时间和效果很难准确预测。在确定折现率时，传统方法主要考虑市场风险、行业风险等因素，而对智力资本所带来的风险和收益的特殊性考虑不足。智力资本的价值波动较大，受到技术更新换代、人才流动等因素的影响，传统的折现率确定方法无法准确反映这些风险因素。

3.2.2 无法适应数智技术带来的变化

数智技术的快速发展使得高新技术企业的商业模式和价值创造方式发生了巨大变化，而传统评估方法在应对这些变化时存在明显不足。在数智情境下，高新技术企业的商业模式更加多元化和创新化，如平台经济、共享经济等新型商业模式不断涌现。这些商业模式的特点是轻资产运营，企业的价值更多地体现在其平台的用户数量、用户粘性、数据资源以及创新能力等方面，而传统评估方法难以对这些新型商业模式进行准确评估。以共享出行平台为例，其价值不仅取决于车辆资产，更重要的是平台的算法技术、用户数据、品牌影响力以及与供应商和合作伙伴的关系等。传统的成本法无法准确评估这些无形要素的价值，市场法也很难找到与之完全可比的公司，收益法在预测其未来收益时，也面临着诸多不确定性，因为共享出行平台的收益受到市场竞争、政策法规、用户行为等多种因素的影响。

数智技术的应用还使得高新技术企业的价值创造过程更加复杂和动态。企业通过大数据分析、人工智能算法等技术，能够快速获取市场信息、优化产品设计、提高生产效率和服务质量，从而实现价值的快速增长。这种快速变化的价值创造过程对传统评估方法提出了挑战。传统评估方法通常基于企业的历史财务数据进行分析和预测，难以及时反映数智技术带来的价值变化。一家互联网电商企业利用大数据分析技术，能够精准把握消费者的需求，推出个性化的产品推荐和营销策略，从而实现销售额的快速增长。但传统评估方法在评估该企业价值时，可能无法及时捕捉到这些因数智技术应用而产生的价值变化，导致评估结果与企业的实际价值存在偏差。

数智技术的发展还导致了市场竞争格局的快速变化，高新技术企业面临的竞争压力和不确定性增加。传统评估方法在评估企业价值时，往往难以充分考虑市场竞争和不确定性因素对企业价值的影响。在数智时代，技术更新换代的速度加快，新的竞争对手不断涌现，企业的市场份额和盈利能力可能会在短时间内发生巨大变化。一家传统的手机制造企业，在智能手机时代，由于未能及时跟上数智技术的发展步伐，被新兴的智能手机品牌迅速超越，市场份额大幅下降。传统评估方法在评估该企业价值时，可能无法准确预测到这种市场竞争格局的变化，从而高估企业的价值。

3.2.3 缺乏对不确定性和风险的有效度量

高新技术企业在数智情境下具有较高的不确定性和风险，而传统评估方法在衡量这些不确定性和风险方面存在缺陷。在技术创新方面，高新技术企业的研发活动面临着技术难题、研发周期长、研发成本高以及研发成果不确定性大等风险。传统评估方法在预测企业未来收益时，往往难以准确估计这些技术创新风险对企业收益的影响。一家生物医药企业在研发新药时，可能会因为技术瓶颈、临床试验失败等原因导致研发周期延长或研发失败，从而影响企业的未来收益。但传统的收益法在预测该企业未来收益时，很难准确量化这些技术创新风险的影响，可能会高估企业的未来收益，进而高估企业的价值。

市场环境的不确定性也是高新技术企业面临的重要风险之一。数智技术的发展使得市场需求、竞争格局、政策法规等市场环境因素变化迅速，企业难以准确预测市场变化趋势。传统评估方法在评估企业价值时，通常基于对市场环境的假设和预测，而这些假设和预测往往难以准确反映市场的不确定性。在数智时代，消费者的需求更加多样化和个性化，市场需求的变化速度加快。一家智能硬件企业在推出新产品时，可能会因为市场需求的突然变化而导致产品滞销，影响企业的收益和价值。但传统评估方法在评估该企业价值时，很难准确考虑市场需求变化的不确定性，可能会对企业价值的评估产生偏差。

此外，数智技术的应用还带来了数据安全、隐私保护、网络攻击等新的风险，这些风险对高新技术企业的价值也会产生重要影响。传统评估方法在评估企业价值时，往往忽视了这些新风险的存在，或者无法对其进行有效度量。一家互联网金融企业，其业务依赖于大量的用户数据，如果发生数据泄露事件，不仅会损害企业的声誉，还可能面临法律诉讼和监管处罚，从而对企业的价值造成重大损失。但传统评估方法在评估该企业价值时，很难准确评估数据安全风险对企业价值的影响，可能会低估企业面临的风险，高估企业的价值。

四、数智情境下基于智力资本的高新技术企业价值评估指标体系构建

4.1 指标选取原则

4.1.1 科学性原则

科学性原则是构建数智情境下基于智力资本的高新技术企业价值评估指标体系的首要原则。指标的选取必须基于科学的理论和方法，确保能够准确、客观地反映企业的价值。在选取反映人力资本的指标时，应依据人力资源管理理论和心理学原理，选择能够有效衡量员工知识水平、技能水平、创新能力和工作绩效的指标。员工的学历、专业资格证书、研发成果数量等指标，这些指标都是基于科学的理论和实践经验，能够较为准确地反映员工的人力资本价值。在确定反映结构资本的指标时，应参考组织行为学和管理学的相关理论，选取能够体现企业组织结构合理性、管理制度有效性、企业文化凝聚力以及信息系统高效性的指标。企业的组织架构是否扁平、管理制度是否完善、企业文化是否积极向上以及信息系统的处理能力和安全性等指标，都是基于科学的理论和实践经验，能够有效反映企业的结构资本价值。

指标的计算方法和数据来源也应具有科学性。指标的计算方法应严谨、准确，避免主观随意性。数据来源应可靠、真实，确保评估结果的可信度。在计算企业的研发投入强度时，应按照科学的计算方法，将企业的研发费用与营业收入进行合理的比例计算。数据应来源于企业的财务报表和研发投入统计数据，确保数据的真实性和可靠性。

科学性原则还要求指标体系具有逻辑性和系统性。指标之间应相互关联、相互支撑，形成一个有机的整体，能够全面、系统地反映企业的价值。人力资本、结构资本和关系资本等指标之间应相互关联，共同构成企业的智力资本体系，进而反映企业的价值创造能力。

4.1.2 全面性原则

全面性原则要求构建的指标体系能够涵盖智力资本的各个方面以及企业运营的关键环节，以全面、综合地评估高新技术企业的价值。智力资本包括人力资本、结构资本和关系资本，指标体系应分别从这三个维度选取相应的指标。在人力资本方面，除了考虑员工的知识和技能，还应关注员工的创新能力、学习能力、团队协作能力等。员工的专利申请数量、参加培训的时长、团队项目的完成情况等指标，都能够从不同角度反映员工的人力资本价值。

在结构资本方面，不仅要考虑企业的组织结构和管理制度，还要涵盖企业文化、信息系统等方面。企业文化的创新氛围、信息系统的智能化程度等指标，能够进一步完善对企业结构资本的评估。良好的企业文化能够激发员工的创新热情和工作积极性，提高企业的凝聚力和竞争力；先进的信息系统能够实现企业内部信息的快速传递和共享，为企业决策提供及时、准确的支持。

关系资本方面，要全面考虑企业与客户、供应商、合作伙伴、政府等利益相关者的关系。除了客户满意度和忠诚度，还应关注客户的复购率、客户推荐率等指标，以更全面地反映客户关系资本的价值。在供应商关系方面，供应商的交货准时率、产品质量合格率等指标，能够反映企业与供应商之间的合作紧密程度和合作效果。合作伙伴关系方面，合作项目的数量、合作收益的增长情况等指标，能够体现企业与合作伙伴之间的协同效应和合作价值。政府关系方面，企业获得的政府政策支持、政府项目合作情况等指标，能够反映政府关系对企业价值的影响。

企业运营的关键环节，如研发、生产、销售、管理等，也应在指标体系中得到体现。研发环节的研发投入强度、研发人员占比、新产品开发周期等指标，能够反映企业的技术创新能力和研发效率；生产环节的生产效率、产品质量合格率、生产成本控制等指标，能够体现企业的生产运营能力和成本管理水平；销售环节的市场占有率、销售收入增长率、销售利润率等指标，能够反映企业的市场拓展能力和盈利能力；管理环节的管理费用率、管理效率提升情况等指标，能够体现企业的管理水平和运营效率。通过全面涵盖这些关键环节的指标，能够更全面地评估企业的价值创造能力和运营状况。

4.1.3 可操作性原则

可操作性原则是指选取的指标应具有实际应用价值，数据易于获取，计算方法简单可行。在数智情境下，虽然企业拥有大量的数据资源，但要确保选取的指标数据能够从企业现有的信息系统、财务报表、业务数据库等渠道获取。对于一些难以直接获取的数据，应通过合理的方法进行估算或替代。在评估企业的客户关系资本时，客户满意度的数据可以通过企业的客户满意度调查系统获取；客户忠诚度的数据可以通过分析客户的购买行为数据，如购买频率、购买金额等进行估算。

指标的计算方法应简洁明了，避免过于复杂的数学模型和计算过程，以便于评估人员操作和理解。对于一些复杂的指标，可以采用简化的计算方法或使用成熟的软件工具进行计算。在计算企业的智力资本价值时，可以采用层次分析法、模糊综合评价法等方法确定指标权重，但这些方法的计算过程可以通过专业的软件工具实现，以提高计算效率和准确性。

可操作性原则还要求指标体系具有通用性和可比性。指标的定义和计算方法应在不同企业之间具有一致性，以便于对不同企业的价值进行比较和分析。在选取财务指标时，应遵循统一的会计准则和财务报表编制规范，确保数据的可比性；在选取非财务指标时，应明确指标的定义和计算方法，避免因理解差异导致数据不可比。对于研发投入强度这一指标，应明确规定其计算方法为研发费用与营业收入的比值，在不同企业之间保持一致，以便于进行比较和分析。

4.1.4 动态性原则

动态性原则要求构建的指标体系能够适应数智情境的变化和企业的发展，具有一定的灵活性和可调整性。数智技术的快速发展和市场环境的不断变化，使得高新技术企业的价值创造模式和智力资本构成也在不断演变。因此，指标体系应能够及时反映这些变化，对企业的价值进行动态评估。随着人工智能技术的广泛应用，企业的智能化生产水平和智能化服务能力成为影响企业价值的重要因素，指标体系中应及时纳入相关指标，如生产过程的自动化程度、智能客服的应用效果等，以反映企业在数智技术应用方面的发展和变化。

企业的发展阶段不同，其价值创造的重点和智力资本的构成也会有所差异。在初创期，企业的研发能力和创新能力是关键，指标体系应重点关注研发投入、研发人员素质、技术创新成果等指标；在成长期，企业的市场拓展能力和客户关系管理能力变得重要，指标体系应增加市场占有率、客户满意度、销售收入增长率等指标；在成熟期，企业的运营效率和管理水平成为关键，指标体系应注重运营成本控制、管理效率提升、资产回报率等指标。因此，指标体系应根据企业的发展阶段进行动态调整，以更准确地评估企业的价值。

为了保证指标体系的动态性，应建立定期评估和调整机制。定期对指标体系进行评估，分析其是否能够准确反映企业的价值和智力资本状况，根据评估结果对指标进行调整和优化。可以每年对指标体系进行一次评估，结合数智技术的发展趋势、市场环境的变化以及企业的战略调整，对指标进行更新和完善，确保指标体系始终具有科学性和有效性。

4.2 具体指标选取

4.2.1 人力资本指标

员工素质是衡量人力资本的关键指标之一，它直接关系到企业的创新能力和核心竞争力。员工的教育背景在很大程度上反映了其知识储备和学习能力。拥有高学历的员工，如硕士、博士学历占比高的企业，往往具备更深厚的专业知识，能够在复杂的研发和技术创新工作中发挥重要作用。华为公司的研发团队中，硕士及以上学历的员工占比较高，这为其在 5G 通信技术、芯片研发等领域取得突破提供了坚实的人才支撑。员工的专业技能水平也是评估员工素质的重要方面。专业技能证书是对员工专业能力的一种认可，例如，软件工程师的相关认证证书、注册会计师证书等，这些证书能够证明员工在特定领域具备专业知识和技能。企业中拥有相关专业技能证书的员工比例越高，说明企业的整体专业技能水平越强。

员工稳定性对于企业的持续发展至关重要。员工流失率是衡量员工稳定性的重要指标，它反映了企业吸引和留住人才的能力。员工流失率过高，会导致企业人才短缺，影响企业的正常运营，还会增加企业的招聘、培训成本。一家互联网企业如果员工流失率过高，新员工需要一定时间来适应工作环境和业务流程，这可能会导致项目进度延迟，影响企业的业务发展。员工平均工作年限也是衡量员工稳定性的重要指标。员工平均工作年限长，说明员工对企业的忠诚度高，对企业的文化和业务更加熟悉，能够更好地发挥自己的能力，为企业创造价值。例如，一些传统制造业企业，员工平均工作年限较长，这些员工在长期的工作中积累了丰富的经验，能够熟练地操作生产设备，保证产品质量，为企业的稳定发展做出了贡献。

培训投入是企业提升人力资本价值的重要手段。培训投入金额反映了企业对员工发展的重视程度。企业加大培训投入，能够为员工提供更多的学习机会，帮助员工提升专业技能和综合素质。一家金融企业每年投入大量资金用于员工的培训，包括金融知识培训、风险管理培训、沟通技巧培训等，通过这些培训，员工的专业能力得到了提升，能够更好地为客户提供服务，提高了企业的市场竞争力。培训投入占营业收入的比例则更能体现企业对培训的重视程度。该比例越高，说明企业在员工培训方面的投入相对越大，更注重员工的成长和发展。例如，一些高科技企业将培训投入占营业收入的比例保持在较高水平，不断为员工提供最新的技术培训和知识更新，以适应行业快速发展的需求。

4.2.2 结构资本指标

组织架构合理性是影响企业运营效率的重要因素。管理层次和管理幅度直接关系到企业的决策效率和信息传递速度。管理层次过多，会导致信息传递不畅，决策周期延长；管理幅度太大，管理者可能无法有效地监督和指导下属工作。扁平化的组织架构能够减少管理层次，扩大管理幅度，提高信息传递效率和决策速度。谷歌公司采用扁平化的组织架构，减少了管理层级，员工能够直接与高层领导沟通，快速反馈问题和提出建议，提高了企业的创新能力和应变能力。部门协同效率也是衡量组织架构合理性的重要指标。企业各部门之间的协同合作能够实现资源共享、优势互补，提高企业的整体运营效率。在新产品研发过程中，研发部门、市场部门、生产部门等需要密切配合，共同完成产品的研发、推广和生产工作。如果部门之间协同效率低下，可能会导致产品研发周期延长，市场反应速度变慢，影响企业的市场竞争力。

知识管理水平对于高新技术企业的创新发展至关重要。知识共享平台的建设能够促进企业内部知识的流通和共享，提高员工的知识获取效率。企业通过建立内部知识库、在线学习平台等知识共享平台，员工可以方便地获取所需的知识和信息，避免重复劳动，提高工作效率。例如，百度公司建立了完善的知识共享平台，员工可以在平台上分享自己的经验和知识，也可以搜索和学习其他员工的优秀实践，促进了企业内部的知识交流和创新。知识产权数量是企业知识管理成果的重要体现。专利、商标、著作权等知识产权是企业创新成果的法律保护，也是企业市场竞争力的重要组成部分。一家制药企业拥有大量的专利技术，这些专利技术保护了其研发的新药，使其在市场上具有独特的竞争优势，能够获得高额的利润。

信息技术投入是企业提升结构资本价值的重要保障。信息系统的先进性直接影响企业的运营效率和管理水平。先进的信息系统能够实现企业业务流程的自动化、信息化，提高数据处理速度和准确性。企业采用先进的企业资源计划（ERP）系统，能够实现对企业采购、生产、销售、库存等业务的全面管理，提高企业的运营效率和管理水平。信息系统的安全性也是企业需要关注的重要问题。随着信息技术的发展，企业面临的网络安全威胁日益增加，信息系统的安全性直接关系到企业的信息安全和业务稳定。企业需要加强信息系统的安全防护，采用加密技术、防火墙、入侵检测系统等安全措施，保障信息系统的安全运行。例如，银行等金融机构高度重视信息系统的安全性，投入大量资金用于信息系统的安全建设，确保客户信息和资金的安全。

4.2.3 关系资本指标

客户满意度是衡量企业关系资本的重要指标，它反映了客户对企业产品和服务的认可程度。客户满意度调查得分是获取客户满意度信息的常用方式，通过问卷调查、电话访谈等方式，了解客户对企业产品质量、服务态度、交付及时性等方面的满意度。一家汽车制造企业通过客户满意度调查，发现客户对其产品的质量和售后服务满意度较高，这表明企业在产品和服务方面得到了客户的认可，有利于提高客户忠诚度和口碑传播。客户忠诚度是企业持续发展的重要保障。重复购买率是衡量客户忠诚度的重要指标，重复购买率高，说明客户对企业的产品或服务满意，愿意再次购买。一家电商企业通过提高产品质量、优化服务流程、提供个性化推荐等方式，提高了客户的重复购买率，增加了客户的粘性，促进了企业的销售增长。客户推荐率也是衡量客户忠诚度的重要指标，客户推荐率高，说明客户对企业的产品或服务非常满意，愿意向他人推荐。例如，一家餐饮企业通过提供优质的菜品和服务，赢得了客户的高度认可，客户推荐率较高，吸引了更多的新客户，扩大了企业的市场份额。

市场份额是企业在市场竞争中的地位和影响力的重要体现。市场占有率直接反映了企业在市场中的份额大小。一家手机制造企业在全球市场的占有率较高，说明其产品在市场上具有较强的竞争力，能够满足消费者的需求。市场增长率也是衡量企业市场竞争力的重要指标，市场增长率高，说明企业的市场份额在不断扩大，企业的发展态势良好。一家新兴的智能家居企业通过不断推出创新产品、拓展销售渠道、加强品牌宣传等方式，实现了市场份额的快速增长，在智能家居市场中占据了一席之地。

合作伙伴关系对于企业的发展具有重要意义。合作伙伴数量反映了企业的合作网络广度。一家互联网企业与众多的内容提供商、技术合作伙伴、渠道商等建立了合作关系，扩大了企业的业务范围和市场影响力。合作项目的成功率是衡量合作伙伴关系质量的重要指标，合作项目成功率高，说明企业与合作伙伴之间的合作默契，能够实现优势互补，共同实现目标。一家生物医药企业与高校、科研机构合作开展新药研发项目，合作项目的成功率较高，加速了新药的研发进程，提高了企业的创新能力和市场竞争力。

4.3 指标权重确定方法

4.3.1 层次分析法（AHP）原理与应用

层次分析法（Analytic Hierarchy Process，简称 AHP）是一种定性与定量相结合的多准则决策分析方法，由美国运筹学家托马斯・萨蒂（T.L. Saaty）在 20 世纪 70 年代提出。该方法通过将复杂的决策问题分解为不同层次，构建层次结构模型，对各个层次的因素进行两两比较，确定其相对重要性，并通过一致性检验确保决策的合理性。

在数智情境下基于智力资本的高新技术企业价值评估中，运用 AHP 法确定指标权重，首先需要构建层次结构模型。将评估目标 —— 高新技术企业价值评估作为目标层；把智力资本的三个维度，即人力资本、结构资本和关系资本，以及数智技术应用等作为准则层；将各维度下的具体评估指标，如员工素质、组织架构合理性、客户满意度等作为方案层。通过这样的层次结构，将复杂的价值评估问题分解为不同层次的子问题，使得问题更加条理化和结构化。

构造判断矩阵是 AHP 法的核心步骤。判断矩阵是针对上一层次某单元，本层次与它有关单元之间相对重要性的比较矩阵。在构建判断矩阵时，采用 1 - 9 标度方法对不同情况的评比给出数量标度，1 表示两者同样重要，3 表示一个因素比另一个稍微重要，5 表示一个因素明显比另一个重要，7 表示一个因素比另一个更强烈地重要，9 表示一个因素比另一个绝对重要，2、4、6、8 则表示相邻判断的中间值。对于人力资本中的员工素质和员工稳定性这两个因素，若认为员工素质比员工稳定性稍微重要，那么在判断矩阵中相应位置可填入 3。

计算权重向量是确定指标权重的关键环节。通常使用特征值法，即通过求解判断矩阵的最大特征值及对应的特征向量来得到权重向量。在得到权重向量后，需要进行一致性检验。由于判断矩阵是基于主观判断构造的，可能存在不一致性。为保证判断矩阵的一致性，AHP 提供了一致性检验机制。一致性比率（CR）的计算公式为：\(CR = \frac{CI}{RI}\)，其中 CI 是一致性指标，\(CI = \frac{\lambda_{max} - n}{n - 1}\)，\(\lambda_{max}\)是判断矩阵的最大特征值，n 是判断矩阵的阶数；RI 是随机一致性指标，可根据判断矩阵的阶数从相关表格中查得。若 CR 小于 0.1，则认为该矩阵具有可接受的一致性；否则，需要重新调整判断矩阵。

4.3.2 专家打分法辅助权重确定

专家打分法是一种通过邀请专家对指标的重要性进行打分，从而确定指标权重的方法。在数智情境下基于智力资本的高新技术企业价值评估中，专家打分法可作为 AHP 法的辅助手段，进一步提高指标权重确定的准确性和可靠性。

邀请的专家应具备丰富的高新技术企业管理经验、深厚的行业知识以及对智力资本和数智技术有深入研究。这些专家可以来自高新技术企业的高管、行业协会的专业人士、高校和科研机构的相关领域学者等。

在专家打分过程中，需要向专家详细介绍评估指标体系的构成和每个指标的含义，确保专家对指标有清晰的理解。专家根据自己的专业知识和经验，对每个指标相对于上一层次目标的重要性进行打分。可以采用 1 - 10 的评分标准，1 表示非常不重要，10 表示非常重要。

收集专家的打分结果后，对其进行统计分析。可以计算每个指标的平均分、标准差等统计量，以评估专家打分的集中趋势和离散程度。对于打分差异较大的指标，可组织专家进行进一步讨论和沟通，以达成相对一致的意见。将专家打分结果与 AHP 法计算得到的权重进行综合分析，相互验证和补充。可以将专家打分结果作为 AHP 法中判断矩阵的参考，或者将两者进行加权平均，得到最终的指标权重。通过专家打分法与 AHP 法的结合，充分发挥专家的专业知识和经验，以及 AHP 法的科学性和系统性，能够更准确地确定数智情境下基于智力资本的高新技术企业价值评估指标权重，提高评估结果的可靠性和有效性。

五、数智情境下基于智力资本的高新技术企业价值评估模型构建

5.1 模型选择与构建思路

5.1.1 选择合适的评估模型

在数智情境下对基于智力资本的高新技术企业进行价值评估时，需要综合考虑多种因素来选择合适的评估模型。传统的成本法、市场法和收益法在评估高新技术企业价值时存在一定的局限性，难以准确反映企业的智力资本价值和未来发展潜力。成本法侧重于企业的历史成本和有形资产，忽略了智力资本等无形资产的价值；市场法依赖于可比公司的市场数据，而高新技术企业的独特性使得找到完全可比的公司较为困难；收益法虽然考虑了企业未来的收益，但在预测未来现金流和确定折现率时，难以充分考虑智力资本的价值创造能力和风险因素。

相比之下，改进的收益法更适合数智情境下基于智力资本的高新技术企业价值评估。改进的收益法通过考虑企业的核心技术、创新潜力、市场份额等因素，来预测企业的未来收益和现金流，并综合考虑风险因素和资本成本进行折现计算。这种方法能够充分考虑高新技术企业的特点，如高创新性、高风险性、高成长性等，以及智力资本在企业价值创造中的关键作用。在预测未来收益时，不仅考虑传统的财务指标，还纳入反映智力资本的指标，如研发人员的创新能力、知识产权数量、客户满意度等，从而更准确地评估企业的价值。

实物期权法也具有一定的优势。高新技术企业在研发、市场拓展等方面往往面临着不确定性和投资机会，实物期权法能够将这些不确定性和投资机会视为一种期权，对其进行估值，从而更全面地反映企业的价值。在评估一家正在进行新药研发的高新技术企业时，实物期权法可以考虑到新药研发成功后可能带来的巨大收益，以及研发失败的风险，更准确地评估企业的价值。然而，实物期权法的计算较为复杂，需要对期权定价模型有深入的理解和应用能力，且在实际应用中，相关参数的确定也具有一定的主观性。

模糊综合评价法适用于对难以量化的智力资本要素进行综合评价。智力资本中的人力资本、结构资本和关系资本等要素，很多难以用具体的数值来衡量，模糊综合评价法通过建立模糊关系矩阵，对这些要素进行模糊评价，能够更全面地反映智力资本的价值。在评估企业的人力资本时，可以从员工素质、员工稳定性、培训投入等多个方面进行模糊评价，综合考虑这些因素对人力资本价值的影响。但模糊综合评价法的评价结果在一定程度上依赖于专家的主观判断，评价过程中可能存在信息损失。

综合考虑各种模型的优缺点和适用性，改进的收益法在数智情境下基于智力资本的高新技术企业价值评估中具有相对优势。它能够在一定程度上克服传统评估方法的局限性，充分考虑高新技术企业的特点和智力资本的价值创造能力，为企业价值评估提供更准确、全面的结果。因此，本文选择改进的收益法作为构建数智情境下基于智力资本的高新技术企业价值评估模型的基础。

5.1.2 模型构建的总体思路

构建数智情境下基于智力资本的高新技术企业价值评估模型，总体思路是将智力资本指标融入改进的收益法中，建立一个全面、科学的评估框架。具体步骤如下：

深入分析数智情境下高新技术企业的特点和智力资本的构成要素。通过对相关理论和文献的研究，结合实际案例分析，明确智力资本在企业价值创造中的作用机制和关键影响因素。在数智技术的支持下，人力资本中的员工创新能力和数字化技能对企业价值创造的影响更为显著；结构资本中的信息系统智能化水平和知识管理效率成为重要因素；关系资本中的客户数据价值和合作伙伴的数字化协同能力也不容忽视。

基于上述分析，选取能够反映智力资本价值的关键指标，构建评估指标体系。如前文所述，指标体系应包括人力资本指标，如员工素质、员工稳定性、培训投入等；结构资本指标，如组织架构合理性、知识管理水平、信息技术投入等；关系资本指标，如客户满意度、市场份额、合作伙伴关系等。同时，结合数智技术应用情况，纳入反映企业数字化转型程度、数据处理能力、人工智能应用水平等方面的指标。

运用层次分析法（AHP）和专家打分法等方法，确定各评估指标的权重。层次分析法通过构建层次结构模型，对各层次因素进行两两比较，确定其相对重要性；专家打分法邀请行业专家对指标的重要性进行打分，综合两者结果，得到各指标的权重，以确保权重确定的科学性和合理性。

在改进的收益法框架下，将智力资本指标与传统的财务指标相结合，预测企业未来的收益和现金流。对于未来收益的预测，不仅考虑企业的历史财务数据，还结合智力资本指标的变化趋势，以及数智技术对企业业务的影响。通过分析企业的研发投入、知识产权数量、市场份额等指标，预测企业未来的销售收入和利润增长情况。同时，考虑到高新技术企业的高风险性，采用风险调整后的折现率进行折现计算，以反映企业面临的风险因素。

将预测得到的未来现金流进行折现，计算企业的价值。折现率的确定综合考虑无风险利率、市场风险溢价、企业特定风险等因素，运用资本资产定价模型（CAPM）等方法进行计算。通过折现计算，将未来现金流转化为当前的价值，得到企业的评估价值。

对评估结果进行分析和验证。将评估结果与企业的实际市场价值、同行业可比企业的价值进行对比分析，检验评估模型的准确性和可靠性。通过敏感性分析，研究不同指标和参数对评估结果的影响，找出影响企业价值的关键因素，为企业的价值提升和管理决策提供参考依据。

5.2 模型参数确定

5.2.1 折现率的确定

折现率是将未来收益折算为现值的关键参数，其准确确定对于数智情境下基于智力资本的高新技术企业价值评估至关重要。在确定折现率时，需充分考虑风险因素和数智情境的影响。

数智情境下，高新技术企业面临的风险具有多样性和复杂性。技术风险是其中重要的一方面，数智技术更新换代速度极快，企业的核心技术可能在短时间内被淘汰。一家专注于人工智能算法研发的企业，若不能及时跟进最新的算法技术，其现有的技术优势可能很快被竞争对手超越，导致市场份额下降和收益减少。市场风险也不容忽视，市场需求的不确定性增加，消费者的需求偏好可能因数智技术的应用而快速变化。共享出行市场，随着数智技术的发展，新的出行模式不断涌现，消费者的出行选择更加多样化，市场需求的波动对共享出行企业的收益产生了重大影响。竞争风险同样显著，数智技术降低了行业壁垒，使得新的竞争对手更容易进入市场，加剧了市场竞争。电商领域，一些新兴的电商平台利用数智技术迅速崛起，对传统电商巨头构成了巨大挑战。

针对这些风险因素，可采用资本资产定价模型（CAPM）来确定折现率。CAPM 模型的基本公式为：\(R_i = R_f + \beta_i(R_m - R_f)\)，其中\(R_i\)为资产 i 的必要收益率，即折现率；\(R_f\)为无风险利率，通常可参考国债收益率等；\(\beta_i\)为资产 i 的系统性风险系数，反映资产 i 相对于市场组合的风险程度；\(R_m\)为市场组合的收益率 。

在数智情境下，确定\(\beta_i\)时，需要充分考虑数智技术对企业风险的影响。可通过分析企业在数智技术应用方面的投入、技术创新能力、市场份额变化等因素，来调整\(\beta_i\)的值。对于一家在数智技术研发上投入巨大且技术创新能力较强的企业，其\(\beta_i\)可能相对较小，因为它在市场竞争中具有较强的优势，风险相对较低；而对于一家依赖外部数智技术且市场份额不稳定的企业，其\(\beta_i\)可能较大，风险相对较高。

除了 CAPM 模型，还可以结合行业平均折现率进行综合考虑。通过对同行业高新技术企业的折现率进行统计分析，获取行业平均折现率，并根据目标企业与行业平均水平的差异，对折现率进行适当调整。如果目标企业在数智技术应用、智力资本储备等方面优于行业平均水平，可适当降低折现率；反之，则适当提高折现率。

数智情境下的宏观经济环境和政策环境也会对折现率产生影响。宏观经济的稳定性、通货膨胀率、货币政策等因素都会影响资金的成本和风险。在经济不稳定时期，投资者对风险的要求更高，折现率相应提高；而在经济繁荣时期，折现率可能相对较低。政策环境方面，政府对数智技术产业的扶持政策、税收政策等也会影响企业的风险和收益，进而影响折现率的确定。政府对数智技术企业给予税收优惠，会降低企业的运营成本，提高企业的收益，从而可以适当降低折现率。

5.2.2 未来收益预测

未来收益预测是数智情境下基于智力资本的高新技术企业价值评估的关键环节，它直接影响评估结果的准确性。在预测未来收益时，需要充分结合数智技术和企业发展规划，全面考虑各种因素的影响。

数智技术的应用为高新技术企业带来了新的发展机遇和收益增长点。大数据分析技术能够帮助企业深入了解市场需求和消费者行为，实现精准营销，提高销售效率和市场份额。一家电商企业通过对海量用户数据的分析，能够精准把握用户的购买偏好和消费习惯，为用户提供个性化的商品推荐和促销活动，从而提高用户的购买转化率和复购率，增加企业的销售收入。人工智能技术可以实现生产过程的自动化和智能化，降低生产成本，提高生产效率和产品质量。制造业企业利用人工智能技术实现生产线的自动化控制，减少了人工操作的误差和成本，提高了产品的生产效率和质量，进而降低了产品的次品率，增加了企业的利润。云计算技术则为企业提供了便捷、高效的计算资源和服务，降低了企业的 IT 基础设施建设成本和运维成本。企业通过使用云计算服务，无需自行搭建和维护复杂的 IT 系统，只需按需租用云计算资源，大大降低了企业的运营成本，提高了企业的盈利能力。

结合企业的发展规划，从市场拓展、产品创新、业务多元化等方面进行未来收益预测。在市场拓展方面，企业可以根据自身的战略规划，分析其在不同市场区域的拓展计划和预期市场份额增长情况。一家软件企业计划在未来三年内将业务拓展到国际市场，通过与当地的合作伙伴合作，推广其软件产品。根据市场调研和分析，预计在国际市场的第一年市场份额为 5%，随着市场推广和品牌知名度的提升，第二年市场份额将增长到 10%，第三年市场份额将增长到 15%。根据市场份额的增长和预计的产品销售价格，可预测出未来三年在国际市场的销售收入增长情况。

产品创新是高新技术企业保持竞争力和实现收益增长的重要手段。企业可以根据自身的研发计划和技术实力，预测新产品的推出时间、市场需求和销售价格。一家生物医药企业正在研发一种新型抗癌药物，预计在未来两年内完成临床试验并上市。根据市场调研和分析，该药物上市后预计每年的销售额将达到 5 亿元，随着市场推广和患者认知度的提高，销售额将逐年增长。

业务多元化也是企业实现收益增长的重要途径。企业可以通过拓展新的业务领域，实现业务的多元化发展，降低经营风险，提高收益水平。一家互联网企业在原有社交网络业务的基础上，拓展了电商业务和在线教育业务。通过整合资源和渠道，预计电商业务在未来三年内的销售收入将分别达到 1 亿元、3 亿元和 5 亿元，在线教育业务在未来三年内的销售收入将分别达到 5000 万元、1 亿元和 2 亿元。

在预测未来收益时，还需要考虑市场竞争、政策法规、宏观经济环境等因素的影响。市场竞争的加剧可能导致企业的市场份额下降和销售价格降低，从而影响企业的收益。政策法规的变化可能对企业的经营产生重大影响，税收政策的调整、行业监管政策的变化等。宏观经济环境的波动，经济衰退、通货膨胀等，也会对企业的收益产生影响。因此，在预测未来收益时，需要对这些因素进行全面分析和评估，采用合理的预测方法和模型，确保预测结果的准确性和可靠性。

5.3 模型验证与优化

5.3.1 模型验证方法

在数智情境下基于智力资本的高新技术企业价值评估模型构建完成后，需要对模型进行验证，以确保其准确性和可靠性。历史数据验证是一种常用的方法，通过收集目标企业过去一段时间内的相关数据，包括财务数据、智力资本相关数据以及市场数据等，运用构建的评估模型对企业过去的价值进行评估，并将评估结果与企业当时的实际市场价值进行对比分析。选取一家在人工智能领域发展多年的高新技术企业，收集其近五年的财务报表、研发投入数据、专利申请数量、客户满意度等数据，利用评估模型计算出该企业在这五年内每年的评估价值，然后与企业当年的股票市值或其他市场价值指标进行比较。如果评估结果与实际市场价值较为接近，说明模型能够较好地反映企业过去的价值情况，具有一定的准确性；反之，则需要对模型进行进一步分析和改进。

案例对比验证也是一种有效的方法，选择多个与目标企业处于相同行业、具有相似规模和发展阶段的高新技术企业作为对比案例，运用评估模型对这些案例企业进行价值评估，同时收集这些企业的实际市场价值数据，分析评估结果与实际市场价值之间的差异。通过对多个案例的对比分析，可以更全面地验证模型的适用性和准确性。在半导体行业选取三家规模和技术水平相近的高新技术企业，分别运用评估模型对它们进行价值评估，然后将评估结果与这三家企业在资本市场上的实际表现进行对比。如果评估结果能够合理地反映这些企业之间的价值差异，并且与市场对它们的普遍认知相符，说明模型在该行业具有较好的适用性；反之，则需要对模型进行调整和优化。

敏感性分析也是重要的验证手段，通过改变评估模型中的关键参数，如折现率、未来收益增长率、智力资本指标权重等，观察评估结果的变化情况，以评估模型的稳定性和可靠性。如果关键参数的微小变化导致评估结果发生较大波动，说明模型对这些参数较为敏感，需要进一步优化模型，降低参数的敏感性；反之，说明模型具有较好的稳定性。在折现率方面，分别将折现率提高或降低一定比例，观察企业价值评估结果的变化幅度。如果折现率提高 5%，企业价值评估结果下降超过 20%，说明模型对折现率较为敏感，需要重新审视折现率的确定方法，或者进一步分析企业的风险因素，以确保折现率的合理性。在智力资本指标权重方面，调整人力资本、结构资本和关系资本等指标的权重，观察评估结果的变化情况。如果人力资本指标权重的微小变化导致评估结果发生较大变化，说明模型对人力资本指标较为敏感，需要进一步研究人力资本在企业价值创造中的作用机制，优化人力资本指标的选取和权重确定方法。

5.3.2 模型优化策略

根据模型验证结果，需要采取相应的优化策略，以提高模型的准确性和适用性。指标权重调整是优化模型的重要策略之一。如果验证结果表明某些指标的权重设置不合理，对评估结果产生了较大影响，可以重新运用层次分析法（AHP）或专家打分法等方法，对指标权重进行调整。通过重新构建判断矩阵，邀请更多的专家参与打分，更加准确地确定各指标之间的相对重要性，从而调整指标权重。如果在验证过程中发现人力资本中的员工创新能力指标对企业价值评估结果的影响较大，但当前的权重设置未能充分体现其重要性，可以通过重新进行 AHP 分析，提高员工创新能力指标的权重，使其能够更准确地反映在企业价值创造中的作用。

预测方法改进也是优化模型的关键。如果发现未来收益预测的准确性有待提高，可以结合更多的数据分析方法和预测模型，提高预测的精度。除了传统的时间序列分析方法外，还可以引入机器学习算法，如神经网络、支持向量机等，对企业的历史数据进行深度挖掘和分析，以更准确地预测未来收益。可以利用神经网络模型对企业的历史财务数据、市场数据以及智力资本相关数据进行学习和训练，建立未来收益预测模型。通过不断调整模型的参数和结构，提高模型的预测能力，使其能够更好地适应数智情境下高新技术企业的复杂变化。

模型结构优化同样不容忽视。如果验证结果显示模型结构存在不合理之处，可以对模型进行重新构建或调整。在模型中增加或删除某些指标，优化指标体系的结构，使其更加科学合理。如果发现某些指标之间存在较强的相关性，导致信息重复或干扰评估结果，可以考虑删除其中相关性较强的指标，或者对这些指标进行整合。在关系资本指标中，客户满意度和客户忠诚度这两个指标可能存在较强的相关性，可以通过主成分分析等方法，将它们整合为一个综合指标，以提高模型的简洁性和准确性。还可以根据数智技术的发展和企业价值创造模式的变化，适时调整模型的结构，使其能够更好地反映数智情境下高新技术企业的价值特征。随着人工智能技术在企业中的应用越来越广泛，可以在模型中增加反映人工智能技术应用效果的指标，如人工智能项目的收益贡献、人工智能技术对企业生产效率的提升等，以完善模型的结构，提高评估的准确性。

六、案例分析

6.1 案例企业选择与背景介绍

6.1.1 案例企业基本情况

本研究选取了科大讯飞股份有限公司作为案例企业。科大讯飞成立于 1999 年，总部位于安徽合肥，是一家专注于智能语音及人工智能技术研究、软件及芯片产品开发、语音信息服务及电子政务系统集成的国家级骨干软件企业，在人工智能领域具有显著的影响力。

科大讯飞的业务范围广泛，涵盖了智慧教育、智慧城市、智慧医疗、智能汽车、智慧金融、消费级智能硬件等多个领域。在智慧教育领域，科大讯飞提供了智能教学系统、个性化学习平台等产品和服务，帮助教师实现精准教学，提升学生的学习效果。其智学网平台通过对学生学习数据的分析，为教师提供个性化的教学建议，为学生提供针对性的学习资源，已在全国众多学校得到应用。在智慧城市领域，科大讯飞参与了多个城市的智慧政务、智慧安防、智慧交通等项目建设，利用人工智能技术提升城市管理效率和服务水平。在智慧医疗领域，科大讯飞开发了智能语音电子病历系统、医学影像辅助诊断系统等产品，提高了医疗信息化水平和诊断准确性。

科大讯飞的发展历程是一部不断创新和突破的历史。自成立以来，公司始终坚持自主研发，在智能语音和人工智能技术领域取得了众多关键技术突破。2004 年，科大讯飞推出了国内首个大词汇量连续语音识别系统，实现了语音识别技术从实验室到实际应用的跨越；2008 年，公司在深圳证券交易所挂牌上市，成为中国语音产业首家上市公司；2017 年，科大讯飞推出了全球首个多语种实时互译系统，打破了语言交流的障碍；2023 年，科大讯飞发布了星火认知大模型，在自然语言处理、知识问答、文本生成等方面展现出了强大的能力，进一步巩固了其在人工智能领域的领先地位。经过多年的发展，科大讯飞已成长为全球知名的人工智能企业，其产品和服务覆盖了全球 180 多个国家和地区，为推动人工智能技术的发展和应用做出了重要贡献。

6.1.2 数智技术应用情况

在生产环节，科大讯飞充分运用数智技术实现了智能化生产。公司引入了自动化生产线和机器人，提高了生产效率和产品质量。在硬件产品生产中，自动化设备能够精准地完成零部件的组装和检测，减少了人工操作的误差，提高了产品的合格率。科大讯飞还利用大数据分析技术对生产过程进行实时监控和优化。通过收集和分析生产线上的各种数据，如设备运行状态、产品质量数据等，公司能够及时发现生产中的问题，并采取相应的措施进行调整，确保生产的顺利进行。根据生产数据分析，及时调整原材料的采购计划，避免了库存积压和缺货现象的发生，提高了生产的协同性和效率。

在管理环节，数智技术也发挥了重要作用。科大讯飞采用了先进的企业资源计划（ERP）系统，实现了企业资源的集中管理和优化配置。通过 ERP 系统，公司能够实时掌握采购、生产、销售、库存等各个环节的信息，实现了信息的共享和协同。在采购管理中，ERP 系统能够根据生产需求和库存情况，自动生成采购订单，并跟踪采购进度，确保原材料的及时供应。科大讯飞还利用人工智能技术进行人力资源管理。通过人才画像和智能招聘系统，公司能够精准地筛选和匹配人才，提高了招聘效率和质量。利用人工智能技术对员工的绩效进行评估和分析，为员工的培训和发展提供了有力的支持。

在研发环节，数智技术为科大讯飞的创新提供了强大的支持。公司利用大数据分析技术对市场需求和技术趋势进行深入研究，为研发方向的确定提供了依据。通过分析海量的用户数据和市场信息，科大讯飞能够及时发现市场的潜在需求和技术发展的热点，从而有针对性地开展研发工作。在人工智能算法研发中，公司运用云计算技术进行大规模的数据计算和模型训练，加速了研发进程。科大讯飞还积极开展产学研合作，与国内外多所高校和科研机构建立了合作关系，共同开展人工智能技术的研究和应用，不断提升公司的研发能力和创新水平。

6.2 基于本文模型的价值评估过程

6.2.1 数据收集与整理

为了运用本文构建的模型对科大讯飞进行价值评估，首先进行了全面的数据收集与整理工作。在财务数据方面，从科大讯飞的年度财务报告、中期财务报表以及相关公告中，获取了 2019 - 2023 年这五年间的关键财务信息。营业收入数据反映了企业在市场上的销售业绩和业务规模的拓展情况，2019 年科大讯飞营业收入为 100.79 亿元，到 2023 年增长至 205.77 亿元，年复合增长率达到 19.6%，显示出企业业务的持续增长态势。净利润数据体现了企业的盈利能力，2019 年净利润为 4.35 亿元，2023 年增长至 10.86 亿元，表明企业在盈利方面取得了显著进步。研发投入数据对于高新技术企业至关重要，它反映了企业对技术创新的重视程度和投入力度，2019 - 2023 年科大讯飞的研发投入分别为 10.82 亿元、12.92 亿元、14.92 亿元、17.93 亿元和 21.34 亿元，占营业收入的比例始终保持在 10% 以上，体现了企业对技术研发的持续高投入。资产负债数据则展示了企业的财务状况和偿债能力，通过分析资产负债率、流动比率、速动比率等指标，可以评估企业的财务风险和资产运营效率。

在智力资本相关数据收集方面，通过企业年报、社会责任报告以及内部统计资料等渠道，获取了丰富的信息。人力资本方面，员工学历构成数据显示，本科及以上学历员工占比从 2019 年的 75% 提升至 2023 年的 80%，反映了企业员工整体素质的不断提高。员工培训时长数据表明，2019 - 2023 年员工人均培训时长从 30 小时增加到 40 小时，体现了企业对员工培训的重视和投入的增加。员工流失率数据在这五年间保持在较低水平，平均为 5%，说明企业员工稳定性较高，人才队伍较为稳定。

结构资本方面，组织架构调整情况显示，科大讯飞在 2021 年进行了组织架构优化，成立了多个事业部，加强了业务部门之间的协同合作，提高了组织运营效率。知识管理成果数据表明，企业的专利申请数量从 2019 年的 1000 件增长至 2023 年的 2000 件，软件著作权数量也有显著增加，反映了企业在知识管理和技术创新方面取得了丰硕成果。信息技术投入数据显示，2019 - 2023 年企业在信息系统建设、大数据平台搭建、人工智能技术应用等方面的投入逐年增加，从 5 亿元增长至 10 亿元，提升了企业的数字化运营能力和管理水平。

关系资本方面，客户满意度调查数据通过第三方机构的调查结果获取，2019 - 2023 年客户满意度始终保持在 90% 以上，说明企业的产品和服务得到了客户的高度认可。市场份额数据显示，科大讯飞在智能语音市场的占有率从 2019 年的 40% 提升至 2023 年的 45%，在人工智能教育市场的占有率也有显著提高，表明企业在市场竞争中具有较强的优势。合作伙伴数量数据表明，企业与超过 500 家企业建立了合作关系，涵盖了教育、医疗、金融、汽车等多个领域，合作项目成功率达到 80% 以上，体现了企业良好的合作伙伴关系和协同创新能力。

在数智技术应用数据收集方面，通过企业官网、技术白皮书以及行业研究报告等渠道，获取了相关信息。人工智能技术应用成果数据显示，科大讯飞的星火认知大模型在自然语言处理、知识问答、文本生成等方面取得了显著进展，已应用于多个行业领域，为企业带来了新的业务增长点。大数据分析技术应用情况表明，企业通过对海量数据的分析，实现了精准营销、个性化服务和智能决策，提高了企业的运营效率和市场竞争力。云计算技术应用数据显示，企业的云服务平台已为超过 10 万家企业提供服务，涵盖了软件开发、数据分析、人工智能训练等多个领域，提升了企业的服务能力和市场影响力。

对收集到的数据进行了严格的整理和清洗工作。对财务数据进行了一致性和准确性的核对，确保数据的可靠性；对智力资本和数智技术应用数据进行了分类和标准化处理，使其能够更好地应用于评估模型中。还对缺失数据进行了合理的估算和补充，对异常数据进行了分析和调整，以保证数据的质量和完整性。

6.2.2 指标计算与权重确定

根据收集整理的数据，对选取的评估指标进行了详细计算。在人力资本指标方面，员工素质通过本科及以上学历员工占比来衡量，2023 年该比例为 80%，较 2019 年的 75% 有所提升，表明企业员工的整体学历水平提高，为企业的创新和发展提供了更坚实的人才基础。员工稳定性通过员工流失率来体现，2023 年员工流失率为 5%，处于较低水平，说明企业能够有效留住人才，保证员工队伍的稳定，有利于企业业务的持续开展。培训投入通过培训投入占营业收入的比例来计算，2023 年该比例为 3%，较 2019 年的 2.5% 有所增加，显示企业对员工培训的重视程度不断提高，有助于提升员工的专业技能和综合素质。

在结构资本指标方面，组织架构合理性通过部门协同效率来评估。通过对企业内部项目合作情况的分析，发现 2023 年部门之间的协同效率较 2019 年有明显提升，项目平均完成时间缩短了 20%，这得益于 2021 年的组织架构优化，成立了多个事业部，加强了业务部门之间的沟通与协作。知识管理水平通过知识产权数量来衡量，2023 年企业的专利申请数量达到 2000 件，软件著作权数量也显著增加，反映出企业在知识管理和技术创新方面取得了显著成果，为企业的核心竞争力提供了有力支撑。信息技术投入通过信息系统投入占营业收入的比例来计算，2023 年该比例为 4.86%，较 2019 年的 4% 有所上升，表明企业在信息技术方面的投入不断加大，提升了企业的数字化运营能力和管理水平。

在关系资本指标方面，客户满意度通过客户满意度调查得分来体现，2023 年客户满意度调查得分为 92 分，始终保持在较高水平，说明企业的产品和服务得到了客户的高度认可，有利于提高客户忠诚度和口碑传播。市场份额通过智能语音市场占有率来衡量，2023 年科大讯飞在智能语音市场的占有率为 45%，较 2019 年的 40% 有所提升，显示出企业在市场竞争中具有较强的优势，产品具有较高的市场竞争力。合作伙伴关系通过合作伙伴数量和合作项目成功率来评估，2023 年企业的合作伙伴数量超过 500 家，合作项目成功率达到 80% 以上，体现了企业良好的合作伙伴关系和协同创新能力，有助于企业拓展业务领域和提升市场影响力。

运用层次分析法（AHP）和专家打分法确定指标权重。邀请了 10 位来自人工智能行业的专家，包括高校教授、企业高管和行业分析师。首先，向专家详细介绍了评估指标体系的构成和每个指标的含义，确保专家对指标有清晰的理解。然后，专家根据自己的专业知识和经验，对每个指标相对于上一层次目标的重要性进行打分，采用 1 - 10 的评分标准，1 表示非常不重要，10 表示非常重要。

根据专家打分结果，构建了判断矩阵。对于人力资本、结构资本和关系资本这三个准则层指标，构建的判断矩阵如下：

人力资本

结构资本

关系资本

人力资本

1

3

2

结构资本

1/3

1

1/2

关系资本

1/2

2

1

通过计算判断矩阵的最大特征值和特征向量，得到人力资本、结构资本和关系资本的权重分别为 0.5396、0.1570 和 0.3034。

对于人力资本下的员工素质、员工稳定性和培训投入三个指标，构建的判断矩阵如下：

员工素质

员工稳定性

培训投入

员工素质

1

3

2

员工稳定性

1/3

1

1/2

培训投入

1/2

2

1

计算得到员工素质、员工稳定性和培训投入的权重分别为 0.5396、0.1570 和 0.3034。

同理，对结构资本和关系资本下的各指标构建判断矩阵并计算权重。经过一致性检验，所有判断矩阵的一致性比率（CR）均小于 0.1，表明判断矩阵具有可接受的一致性，权重确定合理。

6.2.3 价值评估结果计算

在确定了各项指标的数值和权重后，开始进行价值评估结果的计算。首先，根据改进的收益法，预测科大讯飞未来五年（2024 - 2028 年）的收益。结合企业的发展规划、市场趋势以及数智技术的应用前景，对营业收入、净利润等关键财务指标进行预测。预计 2024 年营业收入为 250 亿元，较 2023 年增长 21.5%，随着星火认知大模型在各行业的深入应用以及市场份额的进一步扩大，预计 2025 - 2028 年营业收入年复合增长率为 20%。净利润方面，考虑到成本控制和规模效应，预计 2024 年净利润为 15 亿元，2025 - 2028 年净利润年复合增长率为 25%。

在计算未来收益时，充分考虑了智力资本对企业价值创造的影响。人力资本方面，员工素质的提升和员工稳定性的保持，将为企业的技术创新和业务发展提供有力支持，预计未来五年因人力资本因素带来的收益增长为每年 5%。结构资本方面，知识管理水平的提高和信息技术投入的增加，将提升企业的运营效率和创新能力，预计因结构资本因素带来的收益增长为每年 4%。关系资本方面，客户满意度的提高和市场份额的扩大，将促进企业销售增长，预计因关系资本因素带来的收益增长为每年 6%。

确定折现率。采用资本资产定价模型（CAPM）计算折现率，公式为\(R_i = R_f + \beta_i(R_m - R_f)\)。无风险利率\(R_f\)参考十年期国债收益率，取值为 3%；市场组合的收益率\(R_m\)参考沪深 300 指数的平均收益率，取值为 10%。通过对科大讯飞的风险分析，确定其系统性风险系数\(\beta_i\)为 1.2。代入公式计算得到折现率\(R_i = 3\% + 1.2\times(10\% - 3\%) = 11.4\%\)。

将预测的未来五年收益按照折现率进行折现，计算过程如下：

2024 年收益现值 = 15×(1 + 5% + 4% + 6%)÷(1 + 11.4%) = 15×1.15÷1.114 ≈ 15.58（亿元）

2025 年收益现值 = 15×(1 + 25%)×(1 + 5% + 4% + 6%)÷(1 + 11.4%)² = 18.75×1.15÷1.241 ≈ 17.47（亿元）

2026 年收益现值 = 18.75×(1 + 25%)×(1 + 5% + 4% + 6%)÷(1 + 11.4%)³ = 23.44×1.15÷1.382 ≈ 19.62（亿元）

2027 年收益现值 = 23.44×(1 + 25%)×(1 + 5% + 4% + 6%)÷(1 + 11.4%)⁴ = 29.3×1.15÷1.54 ≈ 21.97（亿元）

2028 年收益现值 = 29.3×(1 + 25%)×(1 + 5% + 4% + 6%)÷(1 + 11.4%)⁵ = 36.63×1.15÷1.715 ≈ 24.54（亿元）

未来五年收益现值总和 = 15.58 + 17.47 + 19.62 + 21.97 + 24.54 = 100.18（亿元）

假设 2028 年后企业进入稳定增长阶段，增长率为 5%，采用永续增长模型计算后续价值。2029 年收益 = 36.63×(1 + 5%) = 38.46（亿元），后续价值现值 = 38.46÷(11.4% - 5%)÷(1 + 11.4%)⁵ ≈ 38.46÷6.4%÷1.715 ≈ 350.53（亿元）

科大讯飞的评估价值 = 未来五年收益现值总和 + 后续价值现值 = 100.18 + 350.53 = 450.71（亿元）。

6.3 评估结果分析与对比

6.3.1 与传统评估方法结果对比

为了更全面地评估本文构建的数智情境下基于智力资本的高新技术企业价值评估模型的有效性，将其评估结果与传统评估方法的结果进行对比。采用成本法对科大讯飞进行价值评估，成本法主要考虑企业的有形资产和无形资产的重置成本，忽略了智力资本和企业未来发展潜力的价值。通过对科大讯飞的固定资产、无形资产等进行评估，计算出其重置成本，再扣除折旧和损耗，得到基于成本法的评估价值为 300 亿元。

运用市场法进行评估，选取了与科大讯飞处于同行业、规模和业务模式相近的三家企业作为可比公司，分别计算它们的市盈率（P/E）、市净率（P/B）和市销率（P/S）等指标的平均值，然后根据科大讯飞的财务数据和市场情况进行调整，得到基于市场法的评估价值为 380 亿元。

而本文基于智力资本构建的评估模型，充分考虑了企业的人力资本、结构资本、关系资本以及数智技术应用等因素对企业价值的影响，评估价值为 450.71 亿元。

从对比结果可以看出，成本法的评估结果最低，主要是因为成本法侧重于企业的历史成本和有形资产，无法准确反映科大讯飞的智力资本价值，如研发团队的创新能力、知识产权、品牌价值以及数智技术应用带来的未来增长潜力等，这些因素对于科大讯飞这样的高新技术企业来说至关重要，但在成本法中被忽视，导致评估价值被严重低估。

市场法的评估结果相对较高，但仍低于本文模型的评估结果。市场法虽然考虑了市场上可比公司的交易数据，但由于很难找到与科大讯飞在智力资本和数智技术应用方面完全可比的公司，导致评估结果存在一定偏差。不同企业在研发投入、技术创新能力、市场份额增长潜力以及数智技术应用程度等方面存在差异，这些差异会对企业价值产生重要影响，但市场法难以准确衡量这些差异，从而影响了评估结果的准确性。

本文构建的评估模型综合考虑了数智情境下高新技术企业的特点和智力资本的价值创造能力，能够更全面、准确地评估企业的价值。通过纳入反映智力资本的各项指标，并运用层次分析法确定指标权重，结合改进的收益法预测企业未来收益，充分考虑了企业的创新能力、市场竞争力、数智技术应用等因素对企业价值的影响，使得评估结果更接近企业的真实价值。

6.3.2 对案例企业价值评估结果的合理性分析

从企业的技术创新能力来看，科大讯飞在智能语音和人工智能领域拥有多项核心技术和专利，研发投入持续增长，2019 - 2023 年研发投入从 10.82 亿元增长至 21.34 亿元，占营业收入的比例始终保持在 10% 以上。强大的研发团队和持续的技术创新为企业的未来发展奠定了坚实基础，使其在市场竞争中具有明显优势，能够不断推出具有创新性的产品和服务，从而为企业带来持续的收益增长。本文评估模型充分考虑了这些因素，通过人力资本指标中的员工素质、培训投入以及结构资本指标中的知识管理水平等，反映了企业的技术创新能力对价值的贡献，使得评估结果能够合理体现企业的技术创新价值。

在市场竞争力方面，科大讯飞在智能语音市场的占有率从 2019 年的 40% 提升至 2023 年的 45%，在人工智能教育市场等领域也取得了显著进展，市场份额不断扩大。良好的市场表现得益于企业优质的产品和服务，以及不断拓展的客户群体和合作伙伴关系。关系资本指标中的客户满意度、市场份额和合作伙伴关系等，充分反映了企业的市场竞争力和未来发展潜力，使得评估结果能够合理体现企业在市场竞争中的价值。

数智技术的应用对科大讯飞的价值创造也起到了重要作用。企业通过人工智能技术实现了产品和服务的智能化升级，利用大数据分析技术实现了精准营销和个性化服务，云计算技术的应用降低了企业的运营成本。这些数智技术的应用不仅提高了企业的运营效率和市场竞争力，还为企业带来了新的业务增长点和收益来源。评估模型通过纳入反映数智技术应用的指标，充分考虑了数智技术对企业价值的影响，使得评估结果能够合理体现数智技术应用为企业带来的价值提升。

与同行业其他企业相比，科大讯飞在技术创新、市场份额、品牌影响力等方面均处于领先地位。根据行业研究报告，同行业平均市盈率为 30 倍左右，而科大讯飞的市盈率在 40 倍以上，表明市场对科大讯飞的未来发展前景更为看好。本文评估模型的结果与市场对科大讯飞的普遍认知相符，进一步验证了评估结果的合理性。

6.3.3 案例启示与经验总结

在评估过程中，数据收集与整理是基础工作，其准确性和完整性直接影响评估结果。对于高新技术企业而言，不仅要收集传统的财务数据，更要注重智力资本相关数据和数智技术应用数据的收集。在人力资本方面，要全面收集员工学历、培训情况、流失率等数据；在结构资本方面，要关注组织架构调整、知识管理成果、信息技术投入等数据；在关系资本方面，要获取客户满意度、市场份额、合作伙伴关系等数据；在数智技术应用方面，要收集人工智能技术应用成果、大数据分析技术应用情况、云计算技术应用数据等。这些数据的全面收集和准确整理，能够为评估提供丰富的信息支持，确保评估结果的可靠性。

指标体系的构建是评估的关键环节。应根据数智情境下高新技术企业的特点和智力资本的构成要素，选取科学、全面、可操作的评估指标。要注重指标之间的关联性和逻辑性，确保指标体系能够全面反映企业的价值创造能力。在人力资本指标中，员工素质、员工稳定性和培训投入相互关联，共同反映了企业人力资本的质量和发展潜力；在结构资本指标中，组织架构合理性、知识管理水平和信息技术投入相互影响，共同体现了企业的运营效率和创新能力；在关系资本指标中，客户满意度、市场份额和合作伙伴关系相互作用，共同展示了企业的市场竞争力和外部合作能力。通过科学构建指标体系，能够更准确地评估企业的价值。

模型的选择和参数确定对评估结果具有重要影响。应根据企业的特点和评估目的，选择合适的评估模型，并合理确定模型参数。在折现率的确定上，要充分考虑企业的风险因素，包括技术风险、市场风险、竞争风险等，采用合理的方法进行计算。在未来收益预测方面，要结合企业的发展规划、市场趋势以及数智技术的应用前景，综合考虑各种因素对收益的影响，确保预测结果的准确性和可靠性。

数智情境下基于智力资本的高新技术企业价值评估是一个复杂的系统工程，需要综合考虑多方面因素。通过对科大讯飞的案例分析，为其他高新技术企业的价值评估提供了有益的借鉴，有助于推动高新技术企业价值评估方法的不断完善和发展，为企业的决策和市场交易提供更准确的价值参考。

七、结论与展望

7.1 研究结论总结

本研究深入探讨了数智情境下基于智力资本的高新技术企业价值评估问题，通过理论分析、模型构建和案例验证，取得了以下主要研究结论：

在理论层面，数智技术的迅猛发展深刻改变了高新技术企业的运营模式、市场竞争格局和创新发展路径。智力资本作为高新技术企业价值创造的核心要素，在数智情境下呈现出新的内涵和特点。人力资本中的员工数字化技能和创新能力、结构资本中的信息系统智能化水平和知识管理效率、关系资本中的客户数据价值和合作伙伴数字化协同能力等，成为影响企业价值的关键因素。传统的企业价值评估方法，如成本法、市场法和收益法，在数智情境下难以准确评估高新技术企业的价值，主要原因在于它们忽视了智力资本价值、无法适应数智技术带来的变化以及缺乏对不确定性和风险的有效度量。

在方法创新方面，构建了一套科学、全面且具有可操作性的数智情境下基于智力资本的高新技术企业价值评估指标体系。该指标体系遵循科学性、全面性、可操作性和动态性原则，选取了涵盖人力资本、结构资本、关系资本以及数智技术应用等方面的关键指标。运用层次分析法（AHP）和专家打分法相结合的方式，确定了各指标的权重，确保了权重确定的科学性和合理性。基于改进的收益法，构建了数智情境下基于智力资本的高新技术企业价值评估模型。该模型充分考虑了智力资本对企业未来收益的影响，通过合理确定折现率和预测未来收益，能够更准确地评估企业的价值。在折现率确定上，采用资本资产定价模型（CAPM），并结合数智情境下企业的风险因素进行调整；在未来收益预测方面，综合考虑数智技术应用、企业发展规划以及市场趋势等因素，提高了预测的准确性。

通过对科大讯飞股份有限公司的案例分析，验证了所构建的评估模型的有效性和实用性。将本模型的评估结果与传统评估方法结果对比，发现传统成本法评估结果最低，因其忽视智力资本价值；市场法结果虽相对较高，但因难以找到完全可比公司而存在偏差。本模型综合考虑企业智力资本和数智技术应用等因素，评估结果更接近企业真实价值，合理体现了企业在技术创新能力、市场竞争力以及数智技术应用方面的价值。案例分析还表明，数据收集与整理的准确性和完整性、指标体系构建的科学性以及模型选择和参数确定的合理性，对评估结果具有重要影响。

7.2 研究不足与展望

7.2.1 研究存在的不足之处

尽管本研究在数智情境下基于智力资本的高新技术企业价值评估方面取得了一定成果，但仍存在一些不足之处。在数据收集方面，虽然尽力获取了多维度的数据，但数据的完整性和准确性仍有待提高。部分智力资本相关数据，如员工的隐性知识、企业文化的深层次影响等，难以通过常规渠道获取，且数据的量化存在一定难度。由于企业数据的保密性和行业的特殊性，一些关键数据可能存在缺失或不准确的情况，这在一定程度上影响了评估结果的可靠性。在案例分析中，由于某些企业对研发投入的具体明细和使用情况披露有限，难以准确评估研发投入对企业智力资本和价值创造的具体贡献。

本研究构建的评估模型虽然考虑了数智情境和智力资本的影响，但模型的普适性仍需进一步验证。不同行业的高新技术企业在智力资本构成和价值创造模式上存在差异，模型可能无法完全适用于所有行业和企业。一些传统制造业中的高新技术企业，其智力资本的重点可能在于生产工艺的改进和技术工人的技能水平；而互联网行业的高新技术企业，更侧重于用户数据的积累和算法技术的创新。本研究在模型构建时，虽然尽量考虑了这些差异，但在实际应用中，可能还需要根据不同行业的特点进行进一步的调整和优化。

在模型参数确定方面，虽然采用了较为科学的方法，但仍存在一定的主观性。折现率的确定依赖于对市场风险和企业风险的判断，不同的评估人员可能会因为经验和判断的不同而得出不同的结果。未来收益预测也受到多种不确定因素的影响，如市场需求的变化、技术创新的速度、政策法规的调整等，预测结果存在一定的误差。在确定折现率时，对市场风险溢价的估计可能会因市场环境的变化而不够准确；在预测未来收益时，难以准确预测数智技术的突破对企业收益的影响。

7.2.2 未来研究方向展望

未来研究可以进一步完善评估模型，提高模型的准确性和普适性。深入研究不同行业高新技术企业的特点和智力资本构成，针对不同行业开发更加个性化的评估模型。对于生物医药行业，可以增加对研发项目成功率、临床试验进展等指标的考量；对于新能源行业，可以关注技术专利的价值和能源转化效率等指标。加强对数据挖掘和机器学习技术的应用，提高数据处理和分析能力，以更准确地评估智力资本价值和预测未来收益。利用机器学习算法对大量企业数据进行分析，挖掘数据之间的潜在关系，提高模型的预测能力。

未来研究可以拓展案例分析的范围，选取更多不同行业、不同规模和不同发展阶段的高新技术企业进行评估，进一步验证和优化评估模型。开展多案例对比研究，分析不同企业在智力资本管理和价值创造方面的差异，总结成功经验和失败教训，为企业提供更具针对性的建议。对处于初创期的高新技术企业进行案例分析，研究如何在资源有限的情况下，有效管理智力资本，实现企业价值的快速增长；对处于成熟期的企业，研究如何通过智力资本的优化配置，保持企业的持续竞争力。

随着数智技术的不断发展，新的技术和应用场景不断涌现，未来研究可以关注数智技术对高新技术企业价值创造和智力资本的新影响，及时更新评估指标和模型。研究量子计算技术、区块链技术在企业中的应用对智力资本和企业价值的影响，将相关指标纳入评估体系。关注市场环境和政策法规的变化，及时调整评估模型和方法，以适应不断变化的市场需求。政策法规对高新技术企业的税收优惠、补贴政策等会影响企业的收益和价值，需要在评估模型中予以考虑。