信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)研究和模擬仿真

□ 曹 平 陸 松,2

(1. 廣西大學(xué) 商學(xué)院, 廣西 南寧 530004; 2. 中國移動 廣西公司, 廣西 南寧 530028)

一、引 言

創(chuàng)新是知識經(jīng)濟(jì)的主要特征,研究范圍包括組織創(chuàng)新、服務(wù)創(chuàng)新、管理創(chuàng)新、產(chǎn)業(yè)創(chuàng)新等領(lǐng)域。產(chǎn)業(yè)創(chuàng)新系統(tǒng)作為一種系統(tǒng)性研究產(chǎn)業(yè)創(chuàng)新發(fā)展規(guī)律、動力機(jī)制和績效的手段,近年來取得了很多成果。

隨著互聯(lián)網(wǎng)時代到來,經(jīng)濟(jì)社會已進(jìn)入復(fù)雜性網(wǎng)絡(luò)領(lǐng)域。經(jīng)濟(jì)系統(tǒng)中的行為人相互之間顯示出強(qiáng)烈的非線性特征;信息和知識的交互和閉環(huán)反饋在以信息技術(shù)為代表的現(xiàn)代化技術(shù)中高度重要,行為人不斷從正向和負(fù)向反饋中學(xué)習(xí),技術(shù)的高度迭代使得傳統(tǒng)的產(chǎn)學(xué)研合作模式發(fā)生了極大的改變。企業(yè)為了匹配高速變化的市場環(huán)境和商業(yè)模式,追求快速進(jìn)出市場,技術(shù)導(dǎo)向的企業(yè)中傳統(tǒng)的層級管理方式更多轉(zhuǎn)為問題解決或項目小組決策的工作方式。作為一種社會系統(tǒng),產(chǎn)業(yè)創(chuàng)新系統(tǒng)本質(zhì)上是各種不同個體和組織之間的模式化關(guān)系網(wǎng)絡(luò)的統(tǒng)一呈現(xiàn),因此,從網(wǎng)絡(luò)角度著手,對產(chǎn)業(yè)創(chuàng)新系統(tǒng)進(jìn)行研究是可行的和有必要的。

復(fù)雜網(wǎng)絡(luò)是指具有自組織、自相似、吸引子、小世界、無標(biāo)度中部分或全部性質(zhì)的網(wǎng)絡(luò)。當(dāng)前常見的復(fù)雜網(wǎng)絡(luò)包括規(guī)則網(wǎng)絡(luò)、隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)等。

國內(nèi)基于復(fù)雜網(wǎng)絡(luò)對創(chuàng)新進(jìn)行的研究包括小世界特性創(chuàng)新孵化網(wǎng)絡(luò)[1],產(chǎn)學(xué)研合作創(chuàng)新復(fù)雜網(wǎng)絡(luò)[2],利益驅(qū)動的創(chuàng)新網(wǎng)絡(luò)合作行為演化影響[3],極少數(shù)大度數(shù)中樞節(jié)點對復(fù)雜網(wǎng)絡(luò)整體運行效率[4],市場導(dǎo)向和多主體協(xié)同影響下的復(fù)雜網(wǎng)絡(luò)創(chuàng)新擴(kuò)散[5]等。隨著技術(shù)復(fù)雜度增長,有良好組織的網(wǎng)絡(luò)成為創(chuàng)新成功的關(guān)鍵,推動創(chuàng)新網(wǎng)絡(luò)自組織化,以及技術(shù)組織去中心化是其中的關(guān)鍵[6]。Johnsen和Ford[7]研究了復(fù)雜網(wǎng)絡(luò)中的協(xié)同創(chuàng)新管理。Mccullen等[8]構(gòu)建了一個多參數(shù)的復(fù)雜網(wǎng)絡(luò)創(chuàng)新擴(kuò)散模型,把行為人作為網(wǎng)絡(luò)節(jié)點,用變量表示行為人對創(chuàng)新的采納程度,網(wǎng)絡(luò)節(jié)點狀態(tài)被鄰居節(jié)點影響。其他研究包括復(fù)雜網(wǎng)絡(luò)中自主學(xué)習(xí)知識獲取的動力學(xué)機(jī)制[9],R&D復(fù)雜網(wǎng)絡(luò)的地理協(xié)作關(guān)系及效率[10],復(fù)雜網(wǎng)絡(luò)優(yōu)化演化算法[11]等。Majchrzak等[12]指出,不同的網(wǎng)絡(luò)拓?fù)浜徒Y(jié)構(gòu)形狀及與此匹配的網(wǎng)絡(luò)密度、路徑長度、網(wǎng)絡(luò)集聚程度等關(guān)鍵變量與組織創(chuàng)新績效密切相關(guān)。在小世界網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)的研究基礎(chǔ)之上產(chǎn)生了隨機(jī)聚類網(wǎng)絡(luò)的研究,例如社交網(wǎng)絡(luò)和生物網(wǎng)絡(luò)往往呈現(xiàn)出模塊化的結(jié)構(gòu)特性,可以稱為社群[13]。社群的節(jié)點集合滿足一個基本條件,屬于同一個社群的節(jié)點有許多相互連接的邊,而不同的社群由相對較少的邊相連接。創(chuàng)新系統(tǒng)是一個由相互關(guān)聯(lián)的子單元構(gòu)成的系統(tǒng),子單元構(gòu)建的微結(jié)構(gòu)能夠擴(kuò)散到更大的結(jié)構(gòu)之上,因此研究創(chuàng)新系統(tǒng)社群網(wǎng)絡(luò),對于辨析系統(tǒng)中的創(chuàng)新擴(kuò)散效率和系統(tǒng)動力機(jī)制具有意義。Gulati等[14]將組織間的網(wǎng)絡(luò)存在歸納為局域連接和橋接兩種類型,認(rèn)為網(wǎng)絡(luò)中多個社群通過橋接關(guān)系構(gòu)成的小世界網(wǎng)絡(luò)的進(jìn)化模式呈現(xiàn)倒U型,在局域連接和橋連接的雙重作用下,網(wǎng)絡(luò)能夠適度獲取異質(zhì)性資源,促進(jìn)整體組織創(chuàng)新。Dahlander和Frederiksen[15]發(fā)現(xiàn)社群之間的橋接存在連接成本,較高的成本將會抑制整體網(wǎng)絡(luò)的創(chuàng)新績效。Sytch等[16]指出社群網(wǎng)絡(luò)內(nèi)部緊密連接,外部稀疏的結(jié)構(gòu)與創(chuàng)新績效的提升正相關(guān),并進(jìn)一步研究了社群間橋接形成的影響因素[17]。魏龍和黨興華[18]從組織間關(guān)系的非對稱視角探究網(wǎng)絡(luò)社群動態(tài)變化對雙元創(chuàng)新的差異性影響,認(rèn)為社群動態(tài)的二維變化對突破式創(chuàng)新具有正向影響,與漸進(jìn)式創(chuàng)新呈現(xiàn)倒U 型關(guān)系。已有研究集中于網(wǎng)絡(luò)結(jié)構(gòu)和特性對創(chuàng)新能力和績效的影響,通常假定了網(wǎng)絡(luò)的形狀并假設(shè)其參數(shù)來開展,對于網(wǎng)絡(luò)實際的構(gòu)建,針對特定產(chǎn)業(yè)的特點來設(shè)計網(wǎng)絡(luò)中的節(jié)點的關(guān)鍵屬性和網(wǎng)絡(luò)中的權(quán)值,以及關(guān)鍵變量對網(wǎng)絡(luò)形狀和特性的影響缺少研究。

二、研究假設(shè)和方法

信息技術(shù)產(chǎn)業(yè)是從事信息技術(shù)設(shè)備制造以及信息的生產(chǎn)、加工、存貯、流通與服務(wù)的新興產(chǎn)業(yè)部門。全球各國的信息技術(shù)產(chǎn)業(yè)發(fā)展都體現(xiàn)出高速迭代、涌現(xiàn)式創(chuàng)新的特點,以互聯(lián)網(wǎng)、人工智能、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)為代表的創(chuàng)新技術(shù)不斷涌現(xiàn),推動信息產(chǎn)業(yè)向縱深發(fā)展。將信息技術(shù)產(chǎn)業(yè)創(chuàng)新行為視為一個復(fù)雜組織網(wǎng)絡(luò),融合應(yīng)用創(chuàng)新系統(tǒng)的相關(guān)研究和復(fù)雜性科學(xué)的相關(guān)概念,研究網(wǎng)絡(luò)的構(gòu)成及要素,網(wǎng)絡(luò)的特征(例如形狀、拓?fù)涞?以及網(wǎng)絡(luò)的動態(tài)(例如演進(jìn)和變化)。在此基礎(chǔ)上進(jìn)一步研究知識網(wǎng)絡(luò)構(gòu)建、集群企業(yè)知識溢出、隱性知識傳播和創(chuàng)新績效,對于更好地辨析產(chǎn)業(yè)的創(chuàng)新動向和驅(qū)動因素具有重要的意義。

(一) 研究假設(shè)

復(fù)雜網(wǎng)絡(luò)可以用圖來表示,圖上的節(jié)點代表實際系統(tǒng)中的個體,邊代表節(jié)點間的相互作用。度指節(jié)點所連接的邊的數(shù)量,在一定程度上反映了節(jié)點的重要性。通常具有大度數(shù)的節(jié)點在系統(tǒng)動力學(xué)中具有比小度數(shù)節(jié)點更加重要的地位。

現(xiàn)實網(wǎng)絡(luò)例如引文網(wǎng)絡(luò)、互聯(lián)網(wǎng)、細(xì)胞網(wǎng)絡(luò)等都具備明顯的無標(biāo)度網(wǎng)絡(luò)特征,即網(wǎng)絡(luò)中的極少數(shù)節(jié)點與非常多的節(jié)點相連,擁有很高的度數(shù),網(wǎng)絡(luò)的度服從冪律分布。復(fù)雜系統(tǒng)經(jīng)過自組織最終生成無標(biāo)度網(wǎng)絡(luò),主要是因為生長和擇優(yōu)連接這兩個特性。生長即網(wǎng)絡(luò)的節(jié)點數(shù)在不斷增加,對于開放性的網(wǎng)絡(luò),新節(jié)點的加入將使得網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大。擇優(yōu)連接則是指新的節(jié)點加入網(wǎng)絡(luò)時,往往更傾向于與那些具有較高度數(shù)的“大”節(jié)點相連接,由此將導(dǎo)致網(wǎng)絡(luò)中個體間的差異逐漸放大。例如在互聯(lián)網(wǎng)創(chuàng)新領(lǐng)域,新的網(wǎng)站會優(yōu)先連接到谷歌或者百度等重要的節(jié)點上，以便形成更好的傳播效應(yīng),新的APP應(yīng)用會優(yōu)先連接到蘋果APP Store、Google Play或者微信，以減少初期的傳播和宣傳成本。Powell等[19]對美國生物科技產(chǎn)業(yè)網(wǎng)絡(luò)(482家企業(yè)樣本)1988—1999年網(wǎng)絡(luò)演變進(jìn)行拓?fù)浞治觥ajek網(wǎng)絡(luò)呈現(xiàn)和統(tǒng)計分析等實證研究,發(fā)現(xiàn)擇優(yōu)連接現(xiàn)象在網(wǎng)絡(luò)演化全過程中均顯著存在。

產(chǎn)業(yè)創(chuàng)新系統(tǒng)的行為人主要包括產(chǎn)業(yè)鏈上的企業(yè)、大學(xué)、科研院所、中介服務(wù)機(jī)構(gòu)、政府部門等,產(chǎn)業(yè)創(chuàng)新系統(tǒng)的環(huán)境主要包括國家的宏觀政策和公共服務(wù)平臺等。創(chuàng)新系統(tǒng)的本質(zhì)是研究創(chuàng)新知識如何有效地在行為者之間生成、選擇、交互和改進(jìn),以形成新的產(chǎn)業(yè)機(jī)會和市場模式。產(chǎn)業(yè)創(chuàng)新系統(tǒng)則是根據(jù)不同的產(chǎn)業(yè)的技術(shù)知識特點進(jìn)行研究。不同產(chǎn)業(yè)的創(chuàng)新系統(tǒng)的主要差異是創(chuàng)新的來源、參與者、特性、邊界和組織。從知識流動的角度來看,一個產(chǎn)業(yè)創(chuàng)新系統(tǒng)框架關(guān)注4個維度:知識和技術(shù)領(lǐng)域、行為者、政府和制度、交互網(wǎng)絡(luò),作為創(chuàng)新系統(tǒng)中知識流動的結(jié)構(gòu)性基礎(chǔ),網(wǎng)絡(luò)的形狀和拓?fù)渲苯佑绊戨[性/顯性學(xué)習(xí)和知識流動的效率[20]。信息技術(shù)產(chǎn)業(yè)創(chuàng)新系統(tǒng)是一個動態(tài)的、演化的復(fù)雜網(wǎng)絡(luò)。首先,信息技術(shù)產(chǎn)業(yè)創(chuàng)新系統(tǒng)的各行為主體之間相互關(guān)聯(lián),并通過交互網(wǎng)絡(luò)形成知識流動,具有明顯的網(wǎng)絡(luò)形態(tài)特征;其次,信息技術(shù)產(chǎn)業(yè)創(chuàng)新系統(tǒng)中的網(wǎng)絡(luò)節(jié)點呈現(xiàn)出復(fù)雜性的特點,產(chǎn)業(yè)鏈上的企業(yè)、大學(xué)、科研院所、中介服務(wù)機(jī)構(gòu)、政府部門等,都是具有高度自主性的個體或組織,具備自組織和網(wǎng)絡(luò)化學(xué)習(xí)的復(fù)雜系統(tǒng)行為;最后,信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)具有高度復(fù)雜的結(jié)構(gòu),并隨著節(jié)點的進(jìn)入和退出不斷發(fā)生演化。突破式創(chuàng)新,或者技術(shù)沖擊會對無標(biāo)度網(wǎng)絡(luò)形成宏觀上的解構(gòu),在微觀上最終都會趨向于形成新的無標(biāo)度網(wǎng)絡(luò)構(gòu)造。因此得到假設(shè)H1。

H1:信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)在微觀上呈現(xiàn)無標(biāo)度網(wǎng)絡(luò)特征。

眾多研究表明,小世界網(wǎng)絡(luò)是一種普通存在的網(wǎng)絡(luò)形態(tài),即大多數(shù)節(jié)點可以經(jīng)過少數(shù)的幾個邊到達(dá)另外一個節(jié)點Baum等[21]通過研究1952—1990年間加拿大投資銀行集團(tuán)網(wǎng)絡(luò)演化拓?fù)浣Y(jié)構(gòu),證實集群網(wǎng)絡(luò)具有典型的小世界網(wǎng)絡(luò)特征;Uzzi和Spiro[22]研究發(fā)現(xiàn)了百老匯音樂產(chǎn)業(yè)形成過程中的小世界特性。由于交流、效率、成本等原因,真實網(wǎng)絡(luò)中存在著“捷徑”,且“捷徑”的數(shù)量與需求相匹配。從圖論角度出發(fā),“捷徑”就是隨機(jī)重連過程中添加的長邊,在規(guī)則網(wǎng)絡(luò)中添加極少量的長邊,不僅使長邊兩端的節(jié)點路徑長度變小,而且節(jié)點的鄰居乃至之間距離的也隨之變小。由于“捷徑”的生成和維護(hù)往往需較高的“代價”,因此無法輕易解構(gòu)。

復(fù)雜系統(tǒng)中普遍存在著組織化學(xué)習(xí),顯性學(xué)習(xí)是對已經(jīng)公開的知識進(jìn)行學(xué)習(xí),例如從技術(shù)論壇上學(xué)習(xí)新的程序語言和編碼技術(shù),或者從國際學(xué)術(shù)會議上了解最新的業(yè)界動態(tài)等;隱性學(xué)習(xí)則是區(qū)域性的或者網(wǎng)絡(luò)社群性質(zhì)的溝通與知識傳遞,這種自組織將形成相當(dāng)數(shù)量的“捷徑”。以硅谷為代表,信息技術(shù)企業(yè)都在尋求向科技創(chuàng)新以及應(yīng)用場景的趨近,通過開展組織化學(xué)習(xí)和網(wǎng)絡(luò)化學(xué)習(xí),去尋求已經(jīng)完成聚類和編碼的,被證明有應(yīng)用性能和生產(chǎn)效率的知識。此外,在信息技術(shù)產(chǎn)業(yè)中,主導(dǎo)企業(yè)往往會通過制定通用標(biāo)準(zhǔn)來建立固守標(biāo)準(zhǔn)的戰(zhàn)略聯(lián)盟,例如IEEE標(biāo)準(zhǔn)、3GPP標(biāo)準(zhǔn)、5G標(biāo)準(zhǔn)等,從而形成路徑依賴和鎖定,進(jìn)一步推動“捷徑”的生成和固化。由以上分析可知,信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)的獨有特點有利于在區(qū)域或者特定范圍內(nèi)形成小世界網(wǎng)絡(luò),因此得到假設(shè)H2。

H2:信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)在中觀上體現(xiàn)出小世界網(wǎng)絡(luò)的特征。

研究表明,小世界網(wǎng)絡(luò)或隨機(jī)網(wǎng)絡(luò)在網(wǎng)絡(luò)的動態(tài)提升和知識集聚度提升的情況下會形成社團(tuán)結(jié)構(gòu),典型的例子是美國硅谷的創(chuàng)新社群網(wǎng)絡(luò)。在硅谷由于國家/政府采購、產(chǎn)學(xué)研合作、風(fēng)險投資和金融驅(qū)動等互動和協(xié)作的活躍,產(chǎn)業(yè)界、學(xué)術(shù)界和金融界形成了良性循環(huán)的巨大的交流網(wǎng)絡(luò)。斯坦福大學(xué)從上世紀(jì)50年代開始就不斷支持和幫扶硅谷的企業(yè),設(shè)立專門研究園區(qū),廉價出租工廠土地扶持具有發(fā)展?jié)摿Φ膭?chuàng)新型企業(yè),并通過吸引人才和資金來推動創(chuàng)新領(lǐng)域的研究。對于創(chuàng)業(yè)者,斯坦福大學(xué)同時給予技術(shù)、資金和信息方面的支持和保障,并通過開設(shè)創(chuàng)業(yè)課程等方式給予指導(dǎo)。"斯坦福大學(xué)優(yōu)等成績合作計劃"讓硅谷公司的員工可以直接攻讀學(xué)位。各項措施的實施,使得硅谷成功孵化和助推出惠普、思科、SUN、雅虎、谷歌等創(chuàng)新型領(lǐng)導(dǎo)企業(yè),成功的企業(yè)又進(jìn)一步吸引了大量的人才和資金,形成良性循環(huán)。臨近的加州伯克利大學(xué)、加州舊金山大學(xué)及其他研究機(jī)構(gòu)也和硅谷形成了良好的互動合作關(guān)系,依托于在基礎(chǔ)科學(xué)、信息技術(shù)和工程學(xué)領(lǐng)域的領(lǐng)先地位,通過對硅谷產(chǎn)業(yè)活動的積極參與而建造形成了世界上最強(qiáng)大的產(chǎn)學(xué)創(chuàng)新體制和社群網(wǎng)絡(luò)。

信息技術(shù)產(chǎn)業(yè)創(chuàng)新具有以下特點:(1)存在大量知識集聚和交互,并因為本地化知識和隱性知識學(xué)習(xí)的便利性而在地理區(qū)域上自發(fā)形成集聚,區(qū)域集聚與外部社會環(huán)境形成交互性促進(jìn),最終形成社群。(2)顯性和隱性知識傳播:信息技術(shù)產(chǎn)業(yè),特別是互聯(lián)網(wǎng)相關(guān)產(chǎn)業(yè),為了實現(xiàn)標(biāo)準(zhǔn)的統(tǒng)一和相互連接兼容,必須公開知識,促進(jìn)顯性知識的形成與共享,例如RFC規(guī)范等。JAVA社區(qū),Python社區(qū)等開源社區(qū)模式的流行更加促進(jìn)了這一點。(3)知識相對開放和易模仿:不同于其他產(chǎn)業(yè),信息技術(shù)產(chǎn)業(yè)中的計算機(jī)軟件可以直接拷貝使用,設(shè)計思路可以直接借鑒,硬件可以直接拆解模仿,或者通過逆向工程學(xué)習(xí)設(shè)計方法,算法可以直接被利用,商業(yè)模式可以直接被模仿(共享經(jīng)濟(jì))。(4)部分知識領(lǐng)域相對封閉和集中(IC、硬件、軟件):例如芯片、高端硬件、通信設(shè)備等領(lǐng)域,知識相對封閉和集中,需要集中大量研發(fā)力量和資金,只有少量大型企業(yè)才能開展,由此導(dǎo)致形成密集型的社群結(jié)構(gòu)。(5)信息技術(shù)產(chǎn)業(yè)受到風(fēng)險投資和知識經(jīng)濟(jì)的影響,向經(jīng)濟(jì)高度發(fā)達(dá)地區(qū)集聚。對信息產(chǎn)業(yè)介入的程度的方向的不同,決定了知識的聯(lián)系和創(chuàng)新的聯(lián)結(jié)會形成社群網(wǎng)絡(luò),從事某一方面的企業(yè)形成小型團(tuán)體,同時相互之間也有一定的聯(lián)系。綜合起來,信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)形成的特點有:(1)技術(shù)高度密集但是存在壁壘;(2)屬于同一技術(shù)范疇,有共同的研究基礎(chǔ),但是又存在很大的區(qū)別;(3)標(biāo)準(zhǔn)的規(guī)范化,兼容性要求很高;(4)隨著時間增加,技術(shù)的積累效應(yīng)會導(dǎo)致網(wǎng)絡(luò)進(jìn)一步密集。隨著信息技術(shù)產(chǎn)業(yè)的高速發(fā)展,社群模塊度不斷增加,“搭便車”現(xiàn)象日益明顯,小型企業(yè)追求快速進(jìn)出市場,傾向于外包和技術(shù)模仿,導(dǎo)致自主創(chuàng)新意愿降低,并最終導(dǎo)致自主創(chuàng)新產(chǎn)出降低(圖1)。由此得到假設(shè)H3a和H3b。

H3a:信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)在宏觀上體現(xiàn)出社群網(wǎng)絡(luò)的特征,并且網(wǎng)絡(luò)模塊度隨時間而增加。

H3b:信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)的模塊度增加,影響了產(chǎn)業(yè)的自主創(chuàng)新產(chǎn)出。

圖1 假設(shè)的推導(dǎo)

(二) 研究方法

機(jī)器學(xué)習(xí)是一種將人類認(rèn)知能力模型整合進(jìn)入計算機(jī)算法模型中的技術(shù),在研究信息產(chǎn)業(yè)創(chuàng)新系統(tǒng)的動力學(xué)機(jī)制,特別是創(chuàng)新的產(chǎn)生、選擇固化和傳播的動力學(xué)方面,有較好的應(yīng)用前景。目前國內(nèi)的研究較多采用BP神經(jīng)網(wǎng)絡(luò)方法[23-25]。國外研究包括人工神經(jīng)網(wǎng)絡(luò)(ANN)方法的創(chuàng)新網(wǎng)絡(luò)研究[26],采用KN算法對創(chuàng)新風(fēng)險進(jìn)行定量分析[27],用神經(jīng)模糊魯棒性模型對微觀和宏觀創(chuàng)新潛能進(jìn)行研究[28],用ANN網(wǎng)絡(luò)研究知識管理與技術(shù)革新以及競爭優(yōu)勢的關(guān)系[29],使用ANN對技術(shù)創(chuàng)新的投資選擇和風(fēng)險進(jìn)行研究[30]等。本文用基于網(wǎng)絡(luò)的無監(jiān)督機(jī)器學(xué)習(xí)方法來識別社群網(wǎng)絡(luò),并選擇相應(yīng)的網(wǎng)絡(luò)指標(biāo)進(jìn)行衡量以及進(jìn)行回歸分析,以檢驗前文提出的假設(shè)。無監(jiān)督學(xué)習(xí)通常首先將樣本數(shù)據(jù)處理成向量數(shù)據(jù)集合,然后采用網(wǎng)絡(luò)生成算法,利用相似性函數(shù)將向量數(shù)據(jù)通過運算生成關(guān)聯(lián)矩陣,其中數(shù)值特征和類別特征進(jìn)行不同的處理,最后進(jìn)行識別社群網(wǎng)絡(luò),計算網(wǎng)絡(luò)特征值,分析網(wǎng)絡(luò)結(jié)構(gòu)和特征等操作。

為了進(jìn)一步研究網(wǎng)絡(luò)特性對創(chuàng)新擴(kuò)散的影響,采用復(fù)雜網(wǎng)絡(luò)上的演化計算方法進(jìn)行模擬仿真。演化計算是一種以計算模型為基礎(chǔ),以微觀個體為出發(fā)點或以微觀規(guī)律為出發(fā)點,以研究復(fù)雜經(jīng)濟(jì)系統(tǒng)的整體演化過程或結(jié)局為目的的方法。元胞自動機(jī)、系統(tǒng)動力學(xué)仿真方法、NW產(chǎn)業(yè)演化模型以及“多代理人系統(tǒng)”等演化計算方法受到了非常多的關(guān)注?；趶?fù)雜網(wǎng)絡(luò)的知識擴(kuò)散參考單海燕等[31]、孫耀吾[32]、Cowan和Jonard[33]的研究。社會現(xiàn)象例如創(chuàng)新知識擴(kuò)散是知識借助知識主體之間的交互與合作進(jìn)行的,可以被視為一種類似病毒傳染的過程。病毒傳播又稱為流行病模型,目前應(yīng)用最廣泛的是SIR和SIS模型。相關(guān)的研究包括Bass[34]的創(chuàng)新擴(kuò)散的“疫病學(xué)”量化模型,Tsai[35]開展的創(chuàng)新知識引入與擴(kuò)散對知識資產(chǎn)增值和企業(yè)效益提升影響的影響,Zhang等[36]基于社區(qū)認(rèn)知分析框架的集群知識擴(kuò)散模型,以及蘇家福等[37]基于改進(jìn)元胞自動機(jī)進(jìn)行的協(xié)同產(chǎn)品創(chuàng)新系統(tǒng)知識擴(kuò)散研究。本文結(jié)合元胞自動機(jī)和“多代理人系統(tǒng)”方法,利用SIS病毒傳播模型進(jìn)行混合模擬仿真。

三、網(wǎng)絡(luò)節(jié)點屬性

(一) 屬性選取

根據(jù)文獻(xiàn)[38-39],選擇發(fā)明專利授權(quán)數(shù)量和研發(fā)投入變量作為企業(yè)自主創(chuàng)新的度量標(biāo)準(zhǔn),因為發(fā)明專利從申請到授權(quán)有3年的滯后期,因此補充發(fā)明專利申請數(shù)量來衡量企業(yè)的創(chuàng)新意愿。區(qū)域集聚會影響創(chuàng)新協(xié)同和傳播,企業(yè)的創(chuàng)新成果往往會先在鄰近區(qū)域進(jìn)行試用,以降低試錯成本,另一方面中小企業(yè)會更多與本地強(qiáng)勢領(lǐng)先企業(yè)開展協(xié)同創(chuàng)新以降低學(xué)習(xí)成本。為了體現(xiàn)區(qū)域集聚和用戶參與對產(chǎn)業(yè)創(chuàng)新的影響,選擇企業(yè)所在省份的GDP數(shù)值、信息技術(shù)產(chǎn)業(yè)從業(yè)人口數(shù)量和省份人員的受教育程度、企業(yè)實際控股人的性質(zhì)、政府補貼金額等變量。此外還加入總資產(chǎn)、營業(yè)利潤率、所有者權(quán)益比例、資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、銷售和業(yè)務(wù)費用占收入比例，以及管理費用占收入比例等企業(yè)層面屬性變量(表1)。

表1 網(wǎng)絡(luò)屬性設(shè)定

(二)樣本選取

宏觀數(shù)據(jù)通過相關(guān)統(tǒng)計年鑒進(jìn)行收集,專利數(shù)據(jù)通過國家知識產(chǎn)權(quán)局網(wǎng)站手工收集。通過國泰安、銳思和萬德數(shù)據(jù)庫的2010—2017年上市公司數(shù)據(jù),以及歐洲創(chuàng)新研究所的2010—2017年相關(guān)數(shù)據(jù)和時間區(qū)間內(nèi)的上市公司年報。由于阿里巴巴、騰訊、百度、新浪、搜狐、網(wǎng)易等重點企業(yè)受到我國A股的制度限制而在海外上市,通過美國證監(jiān)會和香港證券交易所的網(wǎng)站下載企業(yè)年報進(jìn)行分析和數(shù)據(jù)補充。沒有在股票市場上市的代表性企業(yè)(華為),通過企業(yè)官方網(wǎng)站上公布的年報后進(jìn)行數(shù)據(jù)補充。美元或港幣根據(jù)國家統(tǒng)計局公布的2010—2017年人民幣年度平均匯率進(jìn)行換算。對于同一指標(biāo)在不同數(shù)據(jù)庫和企業(yè)年報中的含義,進(jìn)行了核對以確保數(shù)據(jù)口徑一致性。按慣例剔除ST、*ST及主變量存在嚴(yán)重缺失的公司樣本。對主要變量進(jìn)行描述性統(tǒng)計特征分析,樣本上市公司發(fā)明專利授權(quán)數(shù)量和申請數(shù)量平均值分別為1.820 4和2.188 1,中位數(shù)分別為1.386 3和2.197 2,最小值均為0,最大值分別為8.502 3和8.962 3,說明專利授權(quán)數(shù)量和申請數(shù)量均有明顯右向偏移,這體現(xiàn)了信息技術(shù)產(chǎn)業(yè)中存在的技術(shù)外包和技術(shù)借鑒現(xiàn)象。其余變量中，例如資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、市場投入和管理投入都具有較明顯的右向分布,這也和信息技術(shù)產(chǎn)業(yè)的負(fù)債經(jīng)營傾向形成了對應(yīng)。

四、信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)構(gòu)建

(一) 關(guān)聯(lián)矩陣

本文采用兩步法形成創(chuàng)新網(wǎng)絡(luò),先根據(jù)國家專利局網(wǎng)站上的檢索結(jié)果,基于聯(lián)合專利申請構(gòu)造初步網(wǎng)絡(luò)(形成矩陣),然后用聚類方法進(jìn)一步加強(qiáng)網(wǎng)絡(luò),采用向量方法補充權(quán)重和連接邊,得到更完善的網(wǎng)絡(luò)。為了避免過度連接,先預(yù)設(shè)一個閾值,低于閾值的認(rèn)為相似度太低,可認(rèn)為無連接邊。然后根據(jù)機(jī)器學(xué)習(xí)方法識別社群網(wǎng)絡(luò),計算關(guān)鍵變量。皮爾森相關(guān)系數(shù)是用來反映兩個變量線性相關(guān)程度的統(tǒng)計量。相關(guān)系數(shù)用r表示,其中n為樣本量,分別為兩個變量的觀測值和均值。r描述的是兩個變量間線性相關(guān)強(qiáng)弱的程度。r的絕對值越大表明相關(guān)性越強(qiáng)[40]。兩個變量xi和xj之間的皮爾遜相關(guān)系數(shù)按以下公式計算:

(1)

(二) 聚類啟發(fā)式算法網(wǎng)絡(luò)構(gòu)建

常見的復(fù)雜網(wǎng)絡(luò)構(gòu)建方法有k-近鄰方法,ε-半徑方法,b-匹配網(wǎng)絡(luò),線性鄰域網(wǎng)絡(luò)方法,松弛線性鄰域網(wǎng)絡(luò)方法,聚類啟發(fā)式網(wǎng)絡(luò)方法,重疊直方圖網(wǎng)絡(luò)方法,時間序列網(wǎng)絡(luò)方法等等。本文采用聚類啟發(fā)式算法,因為一方面效率較高,另一方面也趨向于保持原始數(shù)據(jù)集的集群結(jié)構(gòu)。聚類啟發(fā)式算法具體步驟如下[41]。

1. 輸入上一步生成的相異矩陣來表示所有樣本簇間的距離,最初的樣本簇都是單個節(jié)點;

2. 識別兩個最近的樣本簇,分別用G1和G2表示;

3. 計算G1和G2內(nèi)節(jié)點(數(shù)據(jù)樣本)之間的平均皮爾森相異度,分別用D1和D2表示;

4. 在G1和G2之間選擇最相似的k對節(jié)點,并按照它們之間的相異度是否小于閾值dc(dc=ρmax(d1,d2),ρ取值0.3),在k對節(jié)點之間建立連邊;

5. 根據(jù)步驟4中的計算結(jié)果更新相異矩陣;

6. 如果簇的數(shù)目>1,則返回步驟2.

(三) 基于網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)方法識別社群網(wǎng)絡(luò)

識別檢測社群網(wǎng)絡(luò)常用兩種基準(zhǔn),Girvan-Newman基準(zhǔn)和Lancichinatti基準(zhǔn)[42]。由此發(fā)展的常用的基于復(fù)雜網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)技術(shù)包括Girvan-Newnam的介數(shù)方法[43-44],變色龍算法[45]譜平分法[46]基于粒子競爭模型的社團(tuán)檢測[47]基于空間變換和群體動力學(xué)的社團(tuán)檢測[48-49]等。本文采用Blondel的網(wǎng)絡(luò)折疊方法[49],以與上一步通過聚類啟發(fā)式算法生成的網(wǎng)絡(luò)匹配。Blondel的網(wǎng)絡(luò)折疊方法主要步驟是通過網(wǎng)絡(luò)折疊和社群重組,迭代直至獲得最大的模塊度(Modulaity)Q值為止,當(dāng)Q>0.3時,說明該網(wǎng)絡(luò)存在較強(qiáng)的社群結(jié)構(gòu)現(xiàn)象。在識別出社群網(wǎng)絡(luò)之后,即可測量識別出來的網(wǎng)絡(luò)的模塊集中度和其他指標(biāo),判斷其效率。

(四) 網(wǎng)絡(luò)衡量指標(biāo)

綜合文獻(xiàn)[50-53],本文選定網(wǎng)絡(luò)密度、富人俱樂部指數(shù)、模塊度、節(jié)點相似度和網(wǎng)絡(luò)健壯性進(jìn)行衡量。

1. 網(wǎng)絡(luò)密度

網(wǎng)絡(luò)密度用于刻畫網(wǎng)絡(luò)中節(jié)點相互連接邊的密集程度,一個N個節(jié)點和L條連接邊的網(wǎng)絡(luò)的網(wǎng)絡(luò)密度計算公式為

(2)

2. 富人俱樂部指數(shù)

度數(shù)較大的節(jié)點(關(guān)鍵節(jié)點)之間具有緊密相連的趨勢,從而形成團(tuán)狀結(jié)構(gòu)或者近似結(jié)構(gòu),如果一個節(jié)點擁有較多的連接,稱其為“富有”節(jié)點?！案挥小钡墓?jié)點更容易形成緊密的相互連接的子圖。

(3)

對于給定的閾值k,N>k表示度數(shù)大于k的節(jié)點數(shù)量,E>k表示與N>k個節(jié)點相關(guān)的邊的數(shù)量。N>k(N>k-1)表示N>k個節(jié)點可能存在的最大邊數(shù)。本文設(shè)定K值為10。

3. 模塊度

(4)

4. 節(jié)點相似度

(5)

如果兩個節(jié)點的共同鄰居很多,則相似度很高。其中τ(i)表示節(jié)點i和i所有鄰居的集合。

(6)

五 結(jié)果分析

(一) 微觀層面的無標(biāo)度性

利用Ucinet軟件選取2011,2013,2015和2017年度數(shù)最大的節(jié)點及其關(guān)聯(lián)節(jié)點構(gòu)成局部網(wǎng)絡(luò),分別占整體網(wǎng)絡(luò)規(guī)模的11.34%、14.37%、13.77%和16.78%,擬合后的系數(shù)R2均>0.9,且冪指數(shù)γ∈(1.5,2.3),如圖2所示，說明信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)在微觀上具有無標(biāo)度特性。

圖2 微觀無標(biāo)度性網(wǎng)絡(luò)

無標(biāo)度性說明網(wǎng)絡(luò)中少量和個別節(jié)點擁有大多數(shù)連接,而部分節(jié)點只能與少數(shù)幾個節(jié)點形成關(guān)聯(lián)。新增加的節(jié)點將更傾向于具有更高連接度的節(jié)點相連接。例如進(jìn)入手機(jī)APP服務(wù)性領(lǐng)域的廠商,都會優(yōu)先考慮與阿里(支付寶)和騰訊(微信)形成關(guān)聯(lián)，以快速形成生產(chǎn)力。而在電信領(lǐng)域,設(shè)備供應(yīng)商和軟件商都會優(yōu)先考慮與中國移動和華為等企業(yè)開展創(chuàng)新合作。

(二) 中觀層面的小世界性

應(yīng)用Python編程自動生成同等規(guī)模隨機(jī)網(wǎng)絡(luò),并使用Ucinet進(jìn)行分析,結(jié)果顯示信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)呈現(xiàn)較為明顯的小世界性,如表2所示。即網(wǎng)絡(luò)在具有較小的平均路徑長度的同時，還具有較高的集群系數(shù),因此創(chuàng)新網(wǎng)絡(luò)中的行為人可以高效快速地與其他行為人進(jìn)行創(chuàng)新交流和知識交換,對于創(chuàng)新的擴(kuò)散具有正面的推動作用。小世界商數(shù)隨著時間呈現(xiàn)增長體現(xiàn)了網(wǎng)絡(luò)的集群性增加(圖3)。

表2 信息技術(shù)產(chǎn)業(yè)復(fù)雜網(wǎng)絡(luò)小世界特性

圖3 信息技術(shù)產(chǎn)業(yè)小世界網(wǎng)絡(luò)特征

(三) 宏觀層面社群網(wǎng)絡(luò)特征情況

按統(tǒng)計年度為一個時間窗口,通過Python編寫代碼,結(jié)合Ucinet軟件計算網(wǎng)絡(luò)社群規(guī)模情況(設(shè)定社群最小規(guī)模為5)，結(jié)果如圖4所示。

圖4 信息技術(shù)產(chǎn)業(yè)社群網(wǎng)絡(luò)宏觀特征

從圖4可以看到,信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)的節(jié)點和連接邊數(shù)隨時間不斷增長,整體網(wǎng)絡(luò)密度呈緩慢下降趨勢,模塊化指標(biāo)Q值均大于0.3,說明網(wǎng)絡(luò)存在明顯的社群結(jié)構(gòu),社群規(guī)模平均值逐步遞增。隨著社群規(guī)模的增長,富人俱樂部指數(shù)相應(yīng)增加,說明少數(shù)核心節(jié)點對于社群結(jié)構(gòu)的貢獻(xiàn)度增大,節(jié)點相似度也隨著正向增長,說明節(jié)點在創(chuàng)新行為和關(guān)聯(lián)上有趨同的傾向。對識別出來的社群網(wǎng)絡(luò),采用Unicet網(wǎng)絡(luò)分析軟件進(jìn)行繪圖,可以看到,信息技術(shù)產(chǎn)業(yè)創(chuàng)新呈現(xiàn)較為明顯的社群網(wǎng)絡(luò)特征,且隨著時間增加,社群集中度有增加的趨勢。表3匯報了社群和其他網(wǎng)絡(luò)指標(biāo)的數(shù)值。

表3 信息技術(shù)產(chǎn)業(yè)社群網(wǎng)絡(luò)特征

六、回歸分析和模擬仿真

(一) 回歸分析

為了進(jìn)一步驗證假設(shè),建立10個回歸子模型,其中模型1～5分析各種變量和專利授權(quán)平均情況的回歸情況,模型6～10檢驗專利申請平均值的回歸情況。表4報告了回歸分析的結(jié)果。

表4 回歸分析結(jié)果

模型1是網(wǎng)絡(luò)特征的回歸分析,模型2是研發(fā)投入和政府補貼的回歸分析,模型3將網(wǎng)絡(luò)特征、研發(fā)投入和政府補貼作為變量,模型4則是從業(yè)人員受教育程度、企業(yè)規(guī)模和盈利能力作為變量,模型5是模塊度Q值、研發(fā)投入、企業(yè)規(guī)模等的綜合回歸分析。從結(jié)果上看,模塊度Q值與專利授權(quán)平均值呈現(xiàn)負(fù)相關(guān),這說明隨著網(wǎng)絡(luò)的社群結(jié)構(gòu)日益增強(qiáng),自主創(chuàng)新產(chǎn)出將會受到抑制,由此H3b得到驗證。富人俱樂部指數(shù)與專利授權(quán)平均值之間存在顯著正向關(guān)系,這則從另一個側(cè)面反映了總體上自主創(chuàng)新的受抑制情況,由于少數(shù)大型企業(yè)掌控大量知識和資源,因此大量產(chǎn)出創(chuàng)新。根據(jù)國家專利局網(wǎng)站上的數(shù)據(jù)匯總,華為公司在2010—2017年間共提出36 962次專利申請,獲得23 328個專利授權(quán),遠(yuǎn)多于其他企業(yè)。領(lǐng)先企業(yè)大量申請專利,導(dǎo)致行業(yè)專利的總量上看是增長的,但具體到每一個企業(yè),則會出現(xiàn)明顯的技術(shù)外包和技術(shù)跟隨現(xiàn)象,實際上產(chǎn)業(yè)的自主創(chuàng)新活力受到了抑制。

另外值得關(guān)注的，是在模型3和模型5中發(fā)現(xiàn),當(dāng)模塊度Q值和政府補貼平均值同時納入模型之中時,均呈現(xiàn)明顯的負(fù)向關(guān)系。對樣本數(shù)據(jù)進(jìn)行檢視發(fā)現(xiàn),地方政府往往傾向于給本地領(lǐng)先企業(yè)更多補貼,例如華為公司的年報披露,每年平均獲取政府補助金額超過10億元人民幣[56],因此,網(wǎng)絡(luò)的社群效應(yīng)越明顯,領(lǐng)先企業(yè)優(yōu)勢越明顯,得到的資源將更多,在創(chuàng)新方面占據(jù)重要地位,反而會對產(chǎn)業(yè)的自主創(chuàng)新水平形成一定抑制。模型6～10檢驗專利申請平均值的回歸情況,同樣可見,模塊度Q值與專利申請平均值也是負(fù)相關(guān)關(guān)系。其余結(jié)論與模型1～5也基本一致。

(二) 模擬仿真

1. 模型設(shè)置

元胞自動機(jī)(cellular automata,CA) 是一種時間、空間、狀態(tài)都離散,空間相互作用和時間因果關(guān)系為局部的網(wǎng)格動力學(xué)模型,具有模擬復(fù)雜系統(tǒng)時空演化過程的能力。通過將元胞空間和元胞定義拓展為“多代理智能體”的方式,可以更好地模擬復(fù)雜網(wǎng)絡(luò)中的擴(kuò)散行為。

(7)

每個節(jié)點在t時刻的狀態(tài)是一個三元組(e,NE,S),其中e表示該節(jié)點的度數(shù),通過遍歷獲得數(shù)值,NE是一個代表節(jié)點的鄰居集合的數(shù)組,取值范圍為[0,n],S表示感染狀態(tài),取值范圍為(0:未感染，1：已感染，2:感染后已恢復(fù))。

在元胞自動機(jī)中,鄰域決定了元胞之間的交互關(guān)系,為了不失一般性同時加快仿真速度,采用擴(kuò)展Moore鄰域方式，如圖5所示。

圖5 常見的元胞鄰域

多智能體方法和病毒傳播模型中,最關(guān)鍵的一點是轉(zhuǎn)換(感染)的規(guī)則,假設(shè)信息技術(shù)產(chǎn)業(yè)社群網(wǎng)絡(luò)中,創(chuàng)新來源(易感染者)、創(chuàng)新知識學(xué)習(xí)者(感染者)和創(chuàng)新非選擇者(免疫者)的比例分別為x,y,z,在每一個時間點,一個易感染者以概率α被另一個感染者感染,感染者的恢復(fù)概率為β,假設(shè)感染者在恢復(fù)之后可能會再次回到易感染狀態(tài),則SIS模型的動力學(xué)過程可用下列方程組表示:

(8)

根據(jù)文獻(xiàn)[42-44]以及病毒傳染模型的原理推導(dǎo),假設(shè)從高度數(shù)節(jié)點的傳染性,要比低度數(shù)節(jié)點的傳染性更強(qiáng),而處于未感染狀態(tài)的節(jié)點,要比感染后恢復(fù)的節(jié)點更容易被感染。因此,從節(jié)點a到節(jié)點b的感染概率按以下公式計算(假設(shè)a為感染狀態(tài)節(jié)點,b為未感染或感染后恢復(fù)狀態(tài)):

(9)

2. 仿真結(jié)果

設(shè)置初始狀態(tài)下所有節(jié)點都未受到感染。初始感染概率μ符合[0,1]隨機(jī)分布,恢復(fù)概率按[0,0.1]隨機(jī)分布,仿真時間單位選擇為周(7天),時長T=50,仿真50次以后計算平均值,統(tǒng)計網(wǎng)絡(luò)中感染比例,起始節(jié)點隨機(jī)選擇。

從仿真結(jié)果圖6可以看到,隨著模塊度的增加,創(chuàng)新傳播的速度明顯增加,更早達(dá)到均衡狀態(tài),同時更高的模塊度使得網(wǎng)絡(luò)能達(dá)到更高比例的感染(擴(kuò)散)水平。因此,可以認(rèn)為網(wǎng)絡(luò)的社群性增加,將會更有利于創(chuàng)新的擴(kuò)散。這也從另一個角度驗證了假設(shè)H3b,由于社群網(wǎng)絡(luò)結(jié)構(gòu)對創(chuàng)新擴(kuò)散有促進(jìn)作用,企業(yè)獲取創(chuàng)新的成本和代價更低了,搭便車和外包傾向也更加明顯,因此對網(wǎng)絡(luò)的自主創(chuàng)新產(chǎn)生了抑制。

圖6 SIS仿真結(jié)果

七、小結(jié)和討論

本文基于實證數(shù)據(jù),以信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)為對象,分析其在宏觀、中觀和微觀上的特征,并對網(wǎng)絡(luò)結(jié)構(gòu)與自主創(chuàng)新產(chǎn)出的關(guān)系進(jìn)行了研究,得到以下結(jié)論。

首先，基于2010—2017的樣本數(shù)據(jù),我國的信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò),體現(xiàn)出宏觀上大社群,中觀上小世界,微觀上無標(biāo)度的特征。社群網(wǎng)絡(luò)的集中度有逐年增加的趨勢。信息技術(shù)產(chǎn)業(yè)高度依賴于創(chuàng)新,產(chǎn)業(yè)動態(tài)與信息和知識的創(chuàng)造與傳播高度關(guān)聯(lián)。信息技術(shù)是不斷迭代上升發(fā)展的,突破性技術(shù)和創(chuàng)新涌現(xiàn)對產(chǎn)業(yè)演化形成巨大的推動力。產(chǎn)業(yè)創(chuàng)新系統(tǒng)是為了有利于知識的創(chuàng)造、傳播與轉(zhuǎn)移的體系,通過產(chǎn)學(xué)研合作、國家政策、產(chǎn)業(yè)地理集聚等方式實現(xiàn)知識的集聚和傳播?？梢哉J(rèn)為,產(chǎn)業(yè)的知識動態(tài)就等同于產(chǎn)業(yè)的演化與成長。2010年以來,隨著以微信為代表的移動互聯(lián)網(wǎng)經(jīng)濟(jì)的高速發(fā)展,我國的信息技術(shù)產(chǎn)業(yè)知識動態(tài)處于高度演進(jìn)的動態(tài)過程之中,在創(chuàng)新網(wǎng)絡(luò)的演進(jìn)上得到充分的體現(xiàn)。

其次，信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)的網(wǎng)絡(luò)模塊度隨時間增加。產(chǎn)業(yè)演化指產(chǎn)業(yè)的發(fā)展、進(jìn)步、結(jié)構(gòu)轉(zhuǎn)變和動態(tài)競爭。一個良性發(fā)展的產(chǎn)業(yè),總是在不斷的創(chuàng)生、選擇、失衡和重新均衡之中向前推進(jìn)的。創(chuàng)新使得產(chǎn)業(yè)產(chǎn)生新的活力和推動力,推動產(chǎn)業(yè)按照均衡、失衡到再均衡的路徑不斷演進(jìn)。產(chǎn)業(yè)中具有不同的知識和能力的異質(zhì)性個體(企業(yè))之間形成互動,通過學(xué)習(xí)形成驅(qū)動力,使得創(chuàng)新網(wǎng)絡(luò)的模塊度隨時間不斷增加。

最后，信息技術(shù)產(chǎn)業(yè)創(chuàng)新社群網(wǎng)絡(luò)的模塊度增加,影響了企業(yè)自主創(chuàng)新產(chǎn)出。由于產(chǎn)業(yè)高速發(fā)展導(dǎo)致社群模塊度增加,小型企業(yè)追求快速進(jìn)出市場,傾向于外包和技術(shù)模仿,“搭便車”現(xiàn)象日益明顯,從而導(dǎo)致自主創(chuàng)新意愿降低,或者進(jìn)入“低端鎖定”的路徑依賴,導(dǎo)致自主創(chuàng)新產(chǎn)出降低。路徑依賴可能會因為成熟技術(shù)的迭代演進(jìn)而節(jié)省成本,帶來效益遞增,但也可能會因為固守成規(guī)錯過創(chuàng)新機(jī)會導(dǎo)致“低端”鎖定,一個典型的案例是近年的“共享自行車”困局。此外,路徑依賴和鎖定會因為沖擊性技術(shù)而解構(gòu),導(dǎo)致新的不均衡,經(jīng)過市場博弈之后演進(jìn)到下一個較為穩(wěn)定的路徑和鎖定。在信息技術(shù)產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)自組織形成的過程中,個體往往會從自身已有的核心能力和技術(shù)優(yōu)勢出發(fā),選擇自己認(rèn)為最優(yōu)的一條技術(shù)路徑進(jìn)行演進(jìn),并將演進(jìn)方向鎖定在某個既定的技術(shù)領(lǐng)域。如果網(wǎng)絡(luò)中已經(jīng)存在非常集聚的社群結(jié)構(gòu),后入者容易直接“錨定”而影響自主創(chuàng)新意愿。后續(xù)應(yīng)當(dāng)采取措施適當(dāng)降低社群網(wǎng)絡(luò)的模塊度,推動形成良好的多個小社團(tuán)共存的局面,鼓勵更多中小企業(yè)自主創(chuàng)新。同時應(yīng)促進(jìn)知識流動,避免過度集聚。政府要通過政策信息釋放信號,推動信息技術(shù)創(chuàng)新的形成和流動,制定促進(jìn)知識流動和網(wǎng)絡(luò)化學(xué)習(xí)的措施。要從國家層上保護(hù)知識產(chǎn)權(quán),針對數(shù)字產(chǎn)權(quán)專門考慮,促進(jìn)知識流動,做好配套(文化、制度、政策)。此外,地方政府往往傾向于給本地領(lǐng)先企業(yè)更多補貼,在網(wǎng)絡(luò)社群效應(yīng)明顯的情況下,領(lǐng)先企業(yè)將得到更多資源,占據(jù)創(chuàng)新優(yōu)勢地位,對產(chǎn)業(yè)的自主創(chuàng)新造成進(jìn)一定抑制。建議地方政府對補助范圍和對象進(jìn)行進(jìn)一步審視。

本文的研究中還存在一些局限之處:首先，社群識別方法忽略了成員的動態(tài)變化和社群結(jié)構(gòu)本身的動態(tài)演化,也沒有考慮社群可能存在重疊的現(xiàn)象。其次，樣本存在一定局限性,個別對創(chuàng)新能力具有衡量作用的變量無法獲取或者數(shù)據(jù)不完備。最后,研究只針對信息技術(shù)產(chǎn)業(yè)的相關(guān)數(shù)據(jù),存在產(chǎn)業(yè)差異性局限。以上都是下一步要繼續(xù)研究的方向?！?/p>