技術(shù)融合對現(xiàn)代制造企業(yè)創(chuàng)新績效的影響：知識基的中介效用

李晨光，邱禎君

（1.北方工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100144；2.北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 100124）

一、引言

技術(shù)融合是用于創(chuàng)建新技術(shù)領(lǐng)域的多種技術(shù)要素的組合，對于創(chuàng)造新價值和引入新產(chǎn)品和服務(wù)極為重要（Kim 和Sohn，2020）。隨著數(shù)字經(jīng)濟(jì)如雨后春筍般蓬勃發(fā)展，現(xiàn)代制造業(yè)如何識別機(jī)會轉(zhuǎn)型升級實(shí)現(xiàn)高質(zhì)量創(chuàng)新發(fā)展是當(dāng)前尤為重要的議題（賈建鋒等，2022）。當(dāng)前，數(shù)字化轉(zhuǎn)型對我國制造業(yè)企業(yè)，特別是汽車制造業(yè)企業(yè)的創(chuàng)新績效還沒有發(fā)揮有效的促進(jìn)作用（范德成和王婭，2022）。汽車制造業(yè)在現(xiàn)代制造業(yè)中占據(jù)重要地位，且其先進(jìn)程度代表著國家制造業(yè)的水平。根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)，2021 年，我國汽車制造業(yè)規(guī)模以上工業(yè)增加值同比增長5.5%。汽車制造業(yè)規(guī)模以上工業(yè)企業(yè)營業(yè)收入8.67 萬億元、同比增長6.7%，利潤總額5305.7 億元、同比增長1.7%。然而，汽車制造業(yè)與大量上下游產(chǎn)業(yè)相關(guān)聯(lián)，導(dǎo)致企業(yè)績效受到供應(yīng)商材料成本的制約，利潤下滑的新業(yè)態(tài)正在迫使汽車制造企業(yè)尋求新的增長點(diǎn)（杜巧梅，2022）?！吨腥A人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要》（“十四五”規(guī)劃）針對這一問題提出要“加強(qiáng)前沿技術(shù)多路徑探索、交叉融合和顛覆性技術(shù)供給”，并強(qiáng)調(diào)融合創(chuàng)新已經(jīng)成為發(fā)展關(guān)鍵核心技術(shù)，搶占未來產(chǎn)業(yè)發(fā)展先機(jī)的重要創(chuàng)新方式。可見，技術(shù)融合能夠有效幫助汽車制造業(yè)企業(yè)在不同技術(shù)領(lǐng)域之間的重組交叉過程中識別技術(shù)機(jī)會，從而創(chuàng)造更高的創(chuàng)新價值和績效（翟東升和張京先，2020；Kim 和Sohn，2020；王艷等，2021）。技術(shù)融合還有助于汽車制造企業(yè)實(shí)現(xiàn)創(chuàng)新能力互補(bǔ)、研發(fā)時效增強(qiáng)和風(fēng)險成本共擔(dān)（Sampson，2007）。因此，有必要從企業(yè)層面了解組織內(nèi)外知識共享為基礎(chǔ)的技術(shù)聯(lián)系，預(yù)測技術(shù)變革發(fā)生和演化趨勢，探究提升汽車制造業(yè)創(chuàng)新績效的策略，見微知著。

現(xiàn)有技術(shù)融合的研究主要集中于技術(shù)軌跡（王艷等，2021）和技術(shù)組成（Caviggioli，2016）的視角，揭示出技術(shù)機(jī)會發(fā)現(xiàn)、技術(shù)演化路徑、未來新興技術(shù)和企業(yè)響應(yīng)動態(tài)技術(shù)變化能力的重要性。然而，技術(shù)多樣性、技術(shù)融合網(wǎng)絡(luò)復(fù)雜性、新興產(chǎn)業(yè)技術(shù)邊界模糊性等，對以往相似性為基礎(chǔ)的技術(shù)融合方向預(yù)測和直接效用評價提出了嚴(yán)峻的挑戰(zhàn)（Kose 和Sakata，2019；王宏起等，2020）。知識作為創(chuàng)新的重要基礎(chǔ)資源，一方面，為異同領(lǐng)域知識重構(gòu)和再造提供了技術(shù)融合基本單元（烏日汗等，2021）；另一方面，核心知識與其他知識的交互衍生關(guān)聯(lián)為復(fù)雜網(wǎng)絡(luò)關(guān)系下的技術(shù)融合特征分析提供了網(wǎng)絡(luò)拓?fù)湟暯牵▌匝嗟龋?019；Cho et al，2021）。學(xué)者們開始關(guān)注技術(shù)融合特征和知識流動、整合與創(chuàng)造，通過不同的組織內(nèi)外知識整合策略，分析異構(gòu)技術(shù)領(lǐng)域中知識流對企業(yè)技術(shù)融合機(jī)會、雙元創(chuàng)新能力，以及績效的影響（Park 和Yoon，2018；Cho et al，2021）。既然不同技術(shù)融合特征決定知識異質(zhì)性，而知識異質(zhì)性決定了企業(yè)創(chuàng)新績效的差異性（黨興華等，2011），那么技術(shù)融合特征分析和知識異質(zhì)性在技術(shù)融合和企業(yè)創(chuàng)新績效中發(fā)揮何種作用，是本文所要探討的問題。知識基的引入有助于本文從異質(zhì)性知識組合、融合過程和企業(yè)創(chuàng)新績效之間的聯(lián)系（Grillitsch et al，2019），以企業(yè)自身技術(shù)資源、知識（專利）的客觀數(shù)據(jù)，細(xì)化至企業(yè)單一技術(shù)層面的融合演變，動態(tài)性衡量企業(yè)自身?xiàng)l件和知識資源整合方式，深入探究技術(shù)融合對企業(yè)創(chuàng)新績效的影響，挖掘有效的技術(shù)融合模式。

本文選取我國滬深股市汽車制造業(yè)上市企業(yè)為樣本，從萬得數(shù)據(jù)庫提取2009—2020 年企業(yè)相關(guān)數(shù)據(jù)，利用產(chǎn)業(yè)領(lǐng)域-國際專利分類（IPC）對照表確定行業(yè)，構(gòu)建了全汽車制造行業(yè)技術(shù)融合網(wǎng)絡(luò)，使用網(wǎng)絡(luò)分析方法測度企業(yè)技術(shù)融合特征，使用負(fù)二項(xiàng)回歸模型，實(shí)證檢驗(yàn)技術(shù)融合特征對企業(yè)創(chuàng)新績效的影響及知識基的中介作用。從網(wǎng)絡(luò)拓?fù)浞治鰧用尕S富了技術(shù)融合領(lǐng)域的研究方法，知識基作用剖析也為企業(yè)技術(shù)融合的專利重組策略提供有益參考。

二、文獻(xiàn)回顧與研究假設(shè)

（一）技術(shù)融合與創(chuàng)新績效

技術(shù)融合作被視為創(chuàng)新的主要來源，是知識跨邊界交互、重組的創(chuàng)新活動（Han 和Sohn，2016；Verhoeven et al，2016）。Curran 和Leker（2011）認(rèn)為技術(shù)融合的特點(diǎn)在于產(chǎn)生了新的子領(lǐng)域，這種子領(lǐng)域能夠引發(fā)跨域知識流的協(xié)同疊加效應(yīng)，從而為企業(yè)帶來新的績效增長機(jī)會。企業(yè)利用技術(shù)融合能夠?qū)⒉煌夹g(shù)軌道中的知識整合到現(xiàn)有創(chuàng)新進(jìn)程，其中多樣化的技術(shù)融合特征體現(xiàn)了融合技術(shù)的廣度，而技術(shù)分配的均勻性體現(xiàn)的是融合技術(shù)的深度，為技術(shù)融合的知識網(wǎng)絡(luò)奠定了基礎(chǔ)（趙玉林和李丫丫，2017）。以知識流在技術(shù)領(lǐng)域內(nèi)外協(xié)同交互為條件，知識為節(jié)點(diǎn)、技術(shù)融合為邊、技術(shù)突破為關(guān)系強(qiáng)度的技術(shù)融合（知識）網(wǎng)絡(luò)，逐漸成為學(xué)術(shù)研究的熱點(diǎn)（曹興和孫綺悅，2021）。因此，網(wǎng)絡(luò)嵌入方式和結(jié)構(gòu)拓?fù)錇榧夹g(shù)融合特征提供了針對大量專利數(shù)據(jù)為依據(jù)的分析方法（Kim et al，2019）。網(wǎng)絡(luò)中心性代表著企業(yè)知識創(chuàng)造、轉(zhuǎn)移、積累和利用等行為所映射的技術(shù)融合特征，不同的中心性對創(chuàng)新績效具有不同的影響（Yayavaram 和Ahuja，2008；魏江和徐蕾，2014；Wang et al，2014；Kim et al，2019）。如解學(xué)梅和王宏偉（2020）從結(jié)構(gòu)和關(guān)系兩個維度剖析了網(wǎng)絡(luò)特征對創(chuàng)新績效的影響。相關(guān)研究往往從結(jié)構(gòu)嵌入和關(guān)系嵌入兩方面考慮知識網(wǎng)絡(luò)對知識轉(zhuǎn)移、吸收和創(chuàng)新活動的影響，結(jié)構(gòu)嵌入的研究中結(jié)構(gòu)洞的地位尤為突出（Kim et al，2014；Lee et al，2015；劉曉燕等，2019）。

中介技術(shù)融合反映的是技術(shù)融合網(wǎng)絡(luò)中多領(lǐng)域知識發(fā)生融合的深度（Park 和Yoon，2018）。這類特征描述了企業(yè)在現(xiàn)存技術(shù)基礎(chǔ)上，尋求知識基增加機(jī)會，對外廣泛搜索可融合知識的策略（Kim et al，2014）。企業(yè)因開啟了“梯次海選”模式，而將待融合技術(shù)視為核心技術(shù)，任何與核心技術(shù)存在知識交互的技術(shù)均被嘗試進(jìn)行技術(shù)融合。該特征下的知識流交互具有異質(zhì)性和多層次性，按中介中心性值由高到低依次嘗試，直到技術(shù)創(chuàng)新突破為止（Lee et al，2019）。中介技術(shù)融合有利于知識基的增加，加強(qiáng)了企業(yè)異質(zhì)資源的獲取、整合和創(chuàng)造能力，有助于企業(yè)識別稀缺性、有價值的可融合技術(shù)，以及高度中介難以替代的知識，進(jìn)而整合自身技術(shù)實(shí)現(xiàn)技術(shù)創(chuàng)新突破和提升創(chuàng)新績效（劉洋等，2015）。同時，企業(yè)融合關(guān)鍵技術(shù)相當(dāng)于占據(jù)了關(guān)鍵的“守門員”位置，不但獲得了信息優(yōu)勢，容易獲得稀缺信息進(jìn)而把握豐富的知識資源，在技術(shù)融合活動中掌握更強(qiáng)的自主性以便洞悉知識流的強(qiáng)度，進(jìn)一步把握技術(shù)融合機(jī)會（Kim et al，2014）。中介技術(shù)融合特征更加有利于異構(gòu)技術(shù)領(lǐng)域的知識重組，強(qiáng)化企業(yè)對原先聯(lián)系較少的不同領(lǐng)域技術(shù)的了解，推動多領(lǐng)域融合創(chuàng)造的新技術(shù)，保障“多鏈路”技術(shù)融合創(chuàng)新績效的總體增長（Lee et al，2022）。由此，本文提出假設(shè)：

中介技術(shù)融合對企業(yè)創(chuàng)新績效有顯著的正向影響（H1a）。

接近技術(shù)融合反映的是技術(shù)融合網(wǎng)絡(luò)中企業(yè)知識融合的廣度（Cho et al，2015；Cho et al，2021）。這類特征描述了企業(yè)內(nèi)部相似性知識快速整合和外部搜尋鄰近性較高和融合影響力較高的知識的策略，也被稱作做短路徑策略（Kim et al，2019）。企業(yè)優(yōu)先選擇鄰近的、可融合的知識與自身待融合技術(shù)進(jìn)行交互、整合和創(chuàng)造，并借助鏈路預(yù)測識別融合過程中每條鏈路知識流的融合機(jī)會，進(jìn)而篩選關(guān)鍵技術(shù)（Lee et al，2010）。在此模式下，企業(yè)擁有較為快的技術(shù)融合速度（Cho et al，2021）。技術(shù)融合網(wǎng)絡(luò)中，接近中心度較高的技術(shù)往往是某一行業(yè)中基礎(chǔ)、通用的技術(shù)，企業(yè)選擇的技術(shù)路線風(fēng)險較小（Cho et al，2015）。相反，在知識網(wǎng)絡(luò)中覆蓋領(lǐng)域較少或所能發(fā)現(xiàn)的潛在技術(shù)融合機(jī)會較少的企業(yè)，在既有的技術(shù)知識存量中尋求融合機(jī)會不但成功的可能性較小，還可能因?yàn)榕c已有的技術(shù)融合類似，造成知識的“重復(fù)創(chuàng)造”，花費(fèi)不必要的時間、金錢和人力資本。因此，當(dāng)企業(yè)的接近技術(shù)融合程度較低時，相關(guān)知識在技術(shù)融合網(wǎng)絡(luò)中很難與當(dāng)前技術(shù)進(jìn)行融合，不利于創(chuàng)新績效的增長（Kim et al，2014；Kim et al，2019）。由此，本文提出假設(shè)：

接近技術(shù)融合對企業(yè)創(chuàng)新績效有顯著的正向影響（H1b）。

聚類技術(shù)融合反映的是相關(guān)技術(shù)融合形式重復(fù)發(fā)生的情況，即技術(shù)領(lǐng)域內(nèi)技術(shù)融合的緊密程度（Lee et al，2019）。此類模式下企業(yè)對自身每一項(xiàng)研發(fā)技術(shù)進(jìn)行融合機(jī)會評價，直到發(fā)現(xiàn)與其他領(lǐng)域技術(shù)單元產(chǎn)生集聚效應(yīng)后，從技術(shù)知識流密度（聚集系數(shù)）較高的技術(shù)單元組合開始嘗試技術(shù)融合（Kim 和Lee，2021）。技術(shù)融合網(wǎng)絡(luò)中，局部聚類系數(shù)的變化，還表示技術(shù)知識流動的速度，也就是融合機(jī)會和剩余價值的判斷標(biāo)準(zhǔn)（Jung et al，2021）。網(wǎng)絡(luò)整體的聚類系數(shù)提高能代表著整個網(wǎng)絡(luò)信息交換的能力提升，有益于創(chuàng)新績效的提升（Lee et al，2019）。此外，較高的聚類系數(shù)便于創(chuàng)新資源的擴(kuò)散，更可能存在可供遷移或借鑒的知識或經(jīng)驗(yàn)（Kim 和Lee，2021）。但是，也可能導(dǎo)致技術(shù)方向或選型過多而引發(fā)混亂，以及大量近似或重復(fù)的知識對技術(shù)融合效果的負(fù)面影響。此時，企業(yè)可以通過嫁接外部知識基來提升創(chuàng)新績效（劉洋等，2015）。聚類技術(shù)融合程度較低時，企業(yè)對相關(guān)技術(shù)單元間組合方式探索較少或?qū)ζ鋺?yīng)用場景和應(yīng)用機(jī)會挖掘不足。因此，較高的聚類技術(shù)融合程度有助于企業(yè)實(shí)現(xiàn)相似領(lǐng)域的可替代性技術(shù)融合，放大知識獲取、整合和創(chuàng)造的效果，從而提升創(chuàng)新績效。由此，本文提出假設(shè)：

聚類技術(shù)融合對企業(yè)創(chuàng)新績效有顯著的正向影響（H1c）。

（二）知識基的中介作用

知識基的形成依賴于知識的累積，可以用其所有者的一組知識域及知識域之間建立的關(guān)系進(jìn)行表征（Eom 和Kang，2022；Wang 和Nie，2022）。企業(yè)現(xiàn)存的知識基是企業(yè)內(nèi)部存在的知識資源，也是輔助技術(shù)創(chuàng)新的信息、投入、訣竅及能力等（黨興華等，2011；劉洋等，2015）。知識往往被認(rèn)為是重要的技術(shù)傳遞單元，但是由于在技術(shù)融合過程中技術(shù)領(lǐng)域規(guī)模性和復(fù)雜性，使得企業(yè)實(shí)際識別和交互的是一組知識域（Park 和Yoon，2018）。技術(shù)融合特征能夠通過網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)改變作用于知識域的交互和重組。因此，知識基在技術(shù)融合活動中被賦予了復(fù)雜的動態(tài)社會關(guān)系（Jord?o et al，2020）。知識基的這種社會關(guān)系表現(xiàn)為嵌入組織間和組織內(nèi)的多領(lǐng)域知識關(guān)聯(lián)所形成的知識網(wǎng)絡(luò)（Curran 和Leker，2011；Wang et al，2014），契合了技術(shù)融合知識網(wǎng)絡(luò)（趙玉林和李丫丫，2017）及其結(jié)構(gòu)影響下知識域交互分析的需求。

知識基被視為判斷企業(yè)知識廣度和深度的關(guān)鍵標(biāo)準(zhǔn)，知識廣度和深度也被看作是知識基的兩個不同維度（Moaniba et al，2018）。知識基廣度是指知識基的整體范圍，即包含不同的、多領(lǐng)域的知識，該屬性反映了描述異質(zhì)性知識內(nèi)容的水平維度，而知識基深度是指關(guān)鍵領(lǐng)域知識的復(fù)雜程度，該屬性反映了描述獨(dú)特的、復(fù)雜的、領(lǐng)域內(nèi)知識內(nèi)容的垂直維度，此“二維性”揭示了企業(yè)所擁有的整體知識的結(jié)構(gòu)和內(nèi)容，對企業(yè)創(chuàng)新績效具有顯著的積極影響（Jin et al，2015；Moaniba et al，2018；Wang 和Nie，2022）。以網(wǎng)絡(luò)化為基礎(chǔ)的知識組織方式能夠更加有效地集聚知識資源，不同的知識基維度在知識網(wǎng)絡(luò)嵌入對創(chuàng)新力的影響中起到一定的中介作用（王新華等，2019）。

首先，基于知識基礎(chǔ)理論，創(chuàng)新產(chǎn)出可以被視為現(xiàn)有知識組成部分或新知識領(lǐng)域和現(xiàn)有知識領(lǐng)域的重組（Eom 和Kang，2022）。中介技術(shù)融合特征更加利于異構(gòu)技術(shù)領(lǐng)域的知識重組（Lee et al，2022），該特征下的知識流交互具有異質(zhì)性和多層次性（Lee et al，2019）。此時，中介中心性會影響企業(yè)知識交互、整合和創(chuàng)造的潛力，進(jìn)而影響知識基的廣度和深度（Wang 和Nie，2022）。知識基廣度和深度皆作用于新知識的識別并與知識共享、知識獲取、知識整合等知識重組機(jī)制密切關(guān)聯(lián)，不論是擴(kuò)大異質(zhì)性知識的搜索范圍，還是延續(xù)多層次專業(yè)領(lǐng)域的深入認(rèn)知，都有助于企業(yè)強(qiáng)化技術(shù)融合能力和創(chuàng)新能力，從而提高創(chuàng)新績效（Jin et al，2015；Cho et al，2021）。特別是，中介技術(shù)融合有利于知識基的增加，加強(qiáng)了企業(yè)異質(zhì)資源的獲取、整合和創(chuàng)造能力，有助于企業(yè)識別稀缺性、有價值的可融合技術(shù)，以及高度中介難以替代的知識（劉洋等，2015）。因此，知識基廣度和深度在中介技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用。由此，本文提出假設(shè)：

知識基廣度在中介技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H2a）；

知識基深度在中介技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H3a）。

其次，從信息優(yōu)勢對技術(shù)融合過程中企業(yè)創(chuàng)新績效提升作用視角來看（Kim et al，2014），接近技術(shù)融合反映的是技術(shù)融合網(wǎng)絡(luò)中企業(yè)內(nèi)部相似性知識快速整合和外部搜尋鄰近性較高和融合影響力較高的知識的策略（Cho et al，2015；Cho et al，2021）。此時，接近中心性代表了企業(yè)技術(shù)融合和知識交互能力，接近融合程度較高的組織更有可能通過多渠道信息比較避免被扭曲和不完整的信息誤導(dǎo)（Wang 和Nie，2022）。由于知識基深度能夠保證知識的同源性，同源信息的使用可以有效地減少溝通不匹配，增強(qiáng)識別技術(shù)融合的知識域能力，從而在接近技術(shù)融合“最短路徑”影響下，快速實(shí)現(xiàn)技術(shù)融合，提升創(chuàng)新績效（Jin et al，2015）。而隨著知識基廣度增大，企業(yè)獲取信息的范圍就越廣，更加有利于新思想、新思維和新觀點(diǎn)的產(chǎn)生，使得知識理解和信息處理能力得到進(jìn)一步加強(qiáng)，有助于鄰近性技術(shù)融合的機(jī)會識別和知識整合，進(jìn)而提升創(chuàng)新績效（Krupskaya 和Pina，2022）。由此，知識基廣度和深度在接近技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用。由此，本文提出假設(shè)：

知識基廣度在接近技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H2b）；

知識基深度在接近技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H3b）。

此外，知識網(wǎng)絡(luò)內(nèi)聚是知識網(wǎng)絡(luò)的一個典型特征，知識網(wǎng)絡(luò)聚類程度代表了企業(yè)重組現(xiàn)有知識資源及整合來自外部組織的知識的能力（Wang 和Nie，2022）。聚類技術(shù)融合反映以知識轉(zhuǎn)移密度衡量技術(shù)領(lǐng)域內(nèi)技術(shù)融合的緊密程度（Lee et al，2019；Kim 和Lee，2021）。此類模式下，知識交互的發(fā)生并不一定能夠成功完成技術(shù)融合，還需要有效地重新組合（Jord?o et al，2020）。Wang 和Nie（2022）稱之為“技術(shù)領(lǐng)域耦合”。就知識基而言，耦合是指企業(yè)在搜索新技術(shù)時可能將兩個領(lǐng)域的知識結(jié)合起來的程度，主要分為現(xiàn)有知識領(lǐng)域之間的耦合變化和新知識領(lǐng)域與現(xiàn)有知識領(lǐng)域之間的耦合（Yayavaram 和Ahuja，2008）。耦合資源轉(zhuǎn)化效率顯著影響技術(shù)融合活動的創(chuàng)新績效（Sampson，2007）。企業(yè)知識基廣度越大，其知識異質(zhì)性越高，異構(gòu)知識提供了多種資源識別和整合渠道，即知識多樣性促進(jìn)已知知識和新知識的重組成功概率增加，有助于提升技術(shù)互補(bǔ)能力和創(chuàng)新績效（Lee et al，2022）。隨著知識基深度的增加，企業(yè)長期積累的領(lǐng)域內(nèi)知識越豐富，擴(kuò)展已有知識的需要和發(fā)現(xiàn)額外的、有價值的新知識的能力越強(qiáng)大，有助于技術(shù)創(chuàng)新方向分解為若干研發(fā)子領(lǐng)域，子領(lǐng)域技術(shù)融合機(jī)會能夠以更有序的方式組織和更系統(tǒng)地解決，從而提高技術(shù)融合效率，提升創(chuàng)新績效（Jin et al，2015；徐蕾和李明貝，2019）?？芍R基廣度和深度在聚類技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用。由此，本文提出假設(shè)：

知識基廣度在聚類技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H2c）；

知識基深度在聚類技術(shù)融合與創(chuàng)新績效間的關(guān)系中起中介作用（H3c）。

基于以上假設(shè)，本文的概念模型如圖1 所示。

圖1 概念模型

三、研究設(shè)計

（一）樣本選取及數(shù)據(jù)來源

汽車制造業(yè)是知識、技術(shù)密集的行業(yè)，汽車是制造過程中涉及多種材料、工藝、部件和系統(tǒng)的復(fù)雜產(chǎn)品，因而，汽車領(lǐng)域的創(chuàng)新往往要求多種技術(shù)的交叉或引進(jìn)。本文依照中國證監(jiān)會上市公司行業(yè)分類，選擇139家滬深股市（A 股）的汽車制造業(yè)企業(yè)為研究樣本，并從Wind 數(shù)據(jù)庫采集2009—2020 年這些企業(yè)研發(fā)投入、規(guī)模、經(jīng)營時間等數(shù)據(jù)。再從國家知識產(chǎn)權(quán)局公開的專利信息中，采集1985—2020 年139 家樣本企業(yè)和汽車制造產(chǎn)業(yè)（盡可能全面）的發(fā)明和實(shí)用新型專利數(shù)據(jù)。

專利數(shù)據(jù)分析的設(shè)計如下：首先，依據(jù)我國發(fā)明和實(shí)用新型專利的分類特征與IPC 國際專利分類準(zhǔn)則，本文利用IPC 分類號的完整的層級分類體系，將采集的專利數(shù)據(jù)分為部、大類、小類、大組、分組。其次，本文參考文獻(xiàn)綜述中大多數(shù)學(xué)者的做法將技術(shù)精確到大組。如以分類號B60L8/00（用自然力所提供的電力的電力牽引，如太陽能、風(fēng)力）為例，若僅精確到小類B60L 電動車輛動力裝置，體現(xiàn)的可能僅僅是部件之間的融合關(guān)系，而大組的劃分能更多地考慮到實(shí)現(xiàn)部件或方法所涉及的技術(shù)。再次，整理汽車制造產(chǎn)業(yè)的專利和公司控制下的專利①公司控制下的專利是包括上市公司本身及其公開披露的參股或控股的子公司、孫公司所持有的專利。并形成適用于分析數(shù)據(jù)集。數(shù)據(jù)集中，本文將產(chǎn)業(yè)作為專利檢索的限定邊界，即劃定與汽車制造業(yè)相關(guān)的專利，并采用國際專利分類（IPC）中的產(chǎn)業(yè)對照表進(jìn)行進(jìn)一步的分析。

需要說明的是，學(xué)者常用的限定邊界方法有IPC 分類號與技術(shù)、產(chǎn)業(yè)領(lǐng)域?qū)φ毡泶_定產(chǎn)業(yè)相關(guān)的專利，或是針對新興產(chǎn)業(yè)挑選一組檢索詞。盡管有學(xué)者提出現(xiàn)有的分類對照表尚存在主觀判斷和重于時效等問題，但是為了研究的一致性和穩(wěn)定性，本文采用IPC 與產(chǎn)業(yè)對照表。目前多個國家和機(jī)構(gòu)組織，編制了類似的對照表，包括世界知識產(chǎn)權(quán)組織發(fā)布的“ISI-OST-INPI”分類體系，歐洲產(chǎn)業(yè)局經(jīng)過多次迭代并于2014 年發(fā)布的“Concordance IPC V8 NACE REV.2”等，但這些對照表都更強(qiáng)調(diào)IPC 分類號與技術(shù)領(lǐng)域的對照，考慮到將產(chǎn)業(yè)作為主要劃分依據(jù)能夠一定程度上避免內(nèi)生性和保障數(shù)據(jù)檢索的一致性，本文最終選用了韓國專利局基于聯(lián)合國國際行業(yè)標(biāo)準(zhǔn)編制的“KSIC-IPC”對照表?！癒SIC-IPC”關(guān)聯(lián)表是韓國專利局針對產(chǎn)業(yè)、商品、科學(xué)技術(shù)、工業(yè)技術(shù)編制的分類標(biāo)準(zhǔn)之一②其他標(biāo)準(zhǔn)還有：基于世界海關(guān)組織的商品名稱及編碼協(xié)調(diào)制度的“HSK-IPC”關(guān)聯(lián)表、基于韓國科技通訊部規(guī)定的“國家科學(xué)技術(shù)標(biāo)準(zhǔn)分類-IPC”關(guān)聯(lián)表和基于韓國產(chǎn)業(yè)同上資源部業(yè)務(wù)計劃的“工業(yè)技術(shù)分類-IPC”關(guān)聯(lián)表。。這一標(biāo)準(zhǔn)在產(chǎn)業(yè)領(lǐng)域與技術(shù)領(lǐng)域之間有較高的區(qū)分度。其中汽車產(chǎn)業(yè)對應(yīng)的IPC 號為：B60B、B60D、B60F、B60G、B60H、B60J、B60K、B60L（B60L13 除外）、B60N、B60P、B60R、B60S（B60S3 除外）、B60T、B60W、B62D、E05F、F02M、F02N、F02P、F16J、G05G。此外，許多公司基于企業(yè)總體知識產(chǎn)權(quán)戰(zhàn)略會以母公司的名義進(jìn)行所有的專利申請（如國家電網(wǎng)等），但也有因?yàn)闃I(yè)務(wù)（產(chǎn)品線）分離、股權(quán)并購、資產(chǎn)配置、分?jǐn)傦L(fēng)險、資質(zhì)限制、稅收優(yōu)惠等原因，而由子公司申請專利。不論母公司還是旗下子公司申請的專利，都是母公司創(chuàng)新績效的體現(xiàn)，不能貿(mào)然剝離子公司的績效。因此，本文選擇公司控制下的專利為研究對象，增強(qiáng)研究的穩(wěn)健性。

本文利用知識元在專利文件中的共現(xiàn)關(guān)系構(gòu)建技術(shù)融合網(wǎng)絡(luò)。IPC 號是對專利申請內(nèi)容涉及的部件、功能、技術(shù)主題的提煉，一項(xiàng)發(fā)明為了實(shí)現(xiàn)功能、方法或組成部件往往依賴多個不同的技術(shù)，這樣一次發(fā)明活動就是一次跨技術(shù)領(lǐng)域的創(chuàng)新，專利對應(yīng)的多個分類號標(biāo)示了其對應(yīng)技術(shù)的融合。研究數(shù)據(jù)處理過程如圖2 所示。

圖2 數(shù)據(jù)處理過程示意圖

（二）變量及測量

（1）創(chuàng)新績效：專利申請數(shù)量是常用的企業(yè)創(chuàng)新績效指標(biāo)，汽車行業(yè)競爭激烈，企業(yè)間積極利用知識產(chǎn)權(quán)擴(kuò)大優(yōu)勢，專利信息很大程度上能體現(xiàn)出汽車企業(yè)的創(chuàng)新活動情況。因此，本文借鑒前人研究（Ahuja，2000），采用企業(yè)專利申請數(shù)來衡量企業(yè)的創(chuàng)新績效。

（2）技術(shù)融合特征：本文借鑒選取了基于網(wǎng)絡(luò)結(jié)構(gòu)特征的三種技術(shù)融合特征作為自變量，分別稱為中介技術(shù)融合、接近技術(shù)融合和聚類技術(shù)融合。首先，分年計算技術(shù)融合網(wǎng)絡(luò)中各IPC 號的中介中心性、接近中心性和局部聚類系數(shù)。然后，計算各個企業(yè)控制下專利中各IPC 號所占的比例，盡管同行業(yè)中各個企業(yè)持有專利往往共享類似的IPC 號，但I(xiàn)PC 號的占比是不同的，能夠指示企業(yè)間掌握技術(shù)的差異。再將各IPC 號的三種網(wǎng)絡(luò)結(jié)構(gòu)特征分別與企業(yè)的IPC 號占比相乘，將積求和。最后，介于點(diǎn)的結(jié)構(gòu)特征往往呈偏態(tài)分布，對求得的和加1 再進(jìn)行對數(shù)處理，得到三種技術(shù)融合特征。

（3）知識基廣度：本文使用技術(shù)多元化表示知識基廣度（breadth）（Jin et al，2015），并使用熵指數(shù)法計算（Park 和Yoon，2018），計算公式為breadth=，并按照IPC 分類號的前三位進(jìn)行分類。其中，pj為技術(shù)單元j在企業(yè)i持有專利IPCi中的占比，即IPC 號j與企業(yè)專利總數(shù)的比值。

（4）知識基深度：本文參考姜南等（2020）的做法，使用企業(yè)控制下專利的平均權(quán)利要求數(shù)表示知識基深度。專利權(quán)利要求是對專利申請所給予的保護(hù)范圍，往往要求以科學(xué)用語對專利的方法或功能等技術(shù)特性進(jìn)行描述，專利的權(quán)利要求項(xiàng)數(shù)越多，相應(yīng)的技術(shù)特征也就越多，專利權(quán)人對專利保護(hù)和實(shí)施的要求更高，說明專利更重要或更前沿。

（5）控制變量：本文選取財務(wù)杠桿、總資產(chǎn)收益率、內(nèi)部研發(fā)強(qiáng)度和企業(yè)年齡等指標(biāo)作為控制變量。其中財務(wù)杠桿使用資產(chǎn)負(fù)債率衡量，內(nèi)部研發(fā)強(qiáng)度用研發(fā)投入對主營業(yè)務(wù)收入的比值加一后對數(shù)化處理表示，企業(yè)年齡以企業(yè)成立時間為基數(shù)測量，同樣加一后對數(shù)化處理。

（三）模型選擇

本文的因變量（專利申請數(shù)）是非負(fù)整數(shù)變量，計數(shù)模型比一般的線性回歸模型更適用于對其分析，技術(shù)創(chuàng)新領(lǐng)域的研究中常見的有負(fù)二項(xiàng)回歸和泊松回歸，加之因變量方差遠(yuǎn)大于均值，與泊松分布方差與均值相等的假設(shè)不符。此外，隨機(jī)效應(yīng)需要依賴更為嚴(yán)格的協(xié)方差相等假定。因此，本文選用負(fù)二項(xiàng)回歸固定效應(yīng)模型進(jìn)行分析。

四、實(shí)證分析

（一）描述性統(tǒng)計及相關(guān)分析

描述性統(tǒng)計結(jié)果見表1。由于企業(yè)上市開始披露數(shù)據(jù)和開展專利申請活動的時間不同，數(shù)據(jù)為非平衡面板。因變量創(chuàng)新績效專利申請數(shù)最小值和最大值分別是0 和4021，平均值為141.764，標(biāo)準(zhǔn)差為374.766，個體間差別較大。自變量中中介技術(shù)融合最大值12.687，最小值1.806，標(biāo)準(zhǔn)差為1.406，企業(yè)間有一定差異，而接近技術(shù)融合最小值為-3.880，最大值為-0.717，平均值為-1.025，標(biāo)準(zhǔn)差0.239，聚類技術(shù)融合最小值-3.457，最大值0，標(biāo)準(zhǔn)差為0.278，兩者企業(yè)間差距都比較小，由于對數(shù)處理，接近技術(shù)融合和聚類技術(shù)融合呈現(xiàn)為負(fù)值，原因可能是技術(shù)融合網(wǎng)絡(luò)比較稀疏或企業(yè)在技術(shù)融合網(wǎng)絡(luò)中占據(jù)了更多媒介地位，而接近中心和局部聚類的關(guān)系捕捉較少。中介變量中知識基廣度的平均值為3.381，標(biāo)準(zhǔn)差為1.221，知識基深度的平均值為4.945，標(biāo)準(zhǔn)差為1.770，在企業(yè)間有一定差異?？刂谱兞控攧?wù)杠桿的標(biāo)準(zhǔn)差為3.381，存在較大的個體差異，內(nèi)部研發(fā)標(biāo)準(zhǔn)差為0.696，企業(yè)年齡標(biāo)準(zhǔn)差為0.448，個體間差異都比較小。

表1 變量描述性統(tǒng)計

本文采用Pearson 相關(guān)系數(shù)對選取變量之間的相關(guān)性進(jìn)行檢驗(yàn)，相關(guān)性分析結(jié)果見表2。可以看出自變量中介技術(shù)融合、接近技術(shù)融合，中介變量知識基廣度、知識基深度及控制變量企業(yè)年齡都與專利申請數(shù)在1%的水平上顯著相關(guān)，有較強(qiáng)的相關(guān)性。中介技術(shù)融合和接近技術(shù)融合與專利申請數(shù)的相關(guān)系數(shù)為正，而聚類中介融合與專利申請數(shù)相關(guān)系數(shù)為-0.284，呈負(fù)向相關(guān)。自變量中介技術(shù)融合、接近技術(shù)融合、聚類技術(shù)融合都在1%的水平上對中介變量知識基廣度顯著相關(guān)，且均為正向相關(guān)關(guān)系，驗(yàn)證技術(shù)融合程度的增強(qiáng)不同程度上加強(qiáng)了企業(yè)對自身知識基的拓展。因此認(rèn)為知識基廣度和深度在中介技術(shù)融合、接近技術(shù)融合和聚類技術(shù)融合對創(chuàng)新績效的影響中起到正向的中介作用。自變量之間也都在1%的顯著水平上相關(guān)，但相關(guān)系數(shù)的正負(fù)和大小不一，這一方面是因?yàn)槿齻€自變量分別基于中介中心性、接近中心性和局部聚類系數(shù)，三類網(wǎng)絡(luò)特征并不是相互排斥的，有怎樣的相關(guān)關(guān)系取決于特定的技術(shù)融合網(wǎng)絡(luò)；另一方面，三個變量的計算采用了相同的加總方式，一定程度上也提升了相關(guān)系數(shù)的顯著性。

表2 相關(guān)性和共線性分析

由于部分變量間存在顯著的線性關(guān)系，為了排除變量之間多重共線性的影響，借助方差膨脹因子VIF進(jìn)行共線性分析。共線性在變量間普遍存在，一般認(rèn)為VIF＞5 說明存在共線性問題，VIF＞10 意味著嚴(yán)重的共線性問題需要解決。共線性分析的結(jié)果也在表中，發(fā)現(xiàn)變量的VIF均小于4，可以進(jìn)行下一步的研究。

（二）回歸分析

本文負(fù)二項(xiàng)回歸結(jié)果見表3。根據(jù)研究假設(shè)，共列出了15 個回歸模型。模型（1）～模型（3）分別在控制變量的基礎(chǔ)上加入中介技術(shù)融合、接近技術(shù)融合和聚類技術(shù)融合，檢驗(yàn)三者對企業(yè)創(chuàng)新績效的影響。中介技術(shù)融合、接近技術(shù)融合、聚類技術(shù)融合的回歸系數(shù)分別為0.134、0.596、0.413（p值均小于0.01），三者對創(chuàng)新績效均有顯著的正向影響。較高的中介技術(shù)融合意味著企業(yè)往往作為技術(shù)領(lǐng)域間的橋梁，更有機(jī)會把握知識流動向，企業(yè)通過聯(lián)系不同的技術(shù)在產(chǎn)生前沿成果方面獲得優(yōu)勢。接近技術(shù)融合代表著技術(shù)領(lǐng)域間融合的實(shí)際潛力，高接近技術(shù)融合的企業(yè)更有可能接觸到其他技術(shù)領(lǐng)域并發(fā)生技術(shù)融合。聚類技術(shù)融合意味著企業(yè)在自身掌握的技術(shù)之間尋求融合機(jī)會，因?yàn)閷ο嚓P(guān)技術(shù)領(lǐng)域都比較熟悉，也更有機(jī)會申請新專利。其中接近技術(shù)融合和聚類技術(shù)融合的系數(shù)大于中介技術(shù)融合，說明企業(yè)加強(qiáng)接觸廣泛的知識領(lǐng)域或加深對自身掌握技術(shù)知識的內(nèi)在聯(lián)系有較大的創(chuàng)新收益。假設(shè)H1a、假設(shè)H1b、假設(shè)H1c 得到了實(shí)證結(jié)果的支持。

表3 負(fù)二項(xiàng)回歸結(jié)果

模型（4）～模型（9）探討知識基廣度對中介、接近、聚類技術(shù)融合與企業(yè)創(chuàng)新績效之間關(guān)系的中介作用，見表4。模型（4）～模型（6）表明三種技術(shù)融合特征對企業(yè)知識基廣度有顯著的正向作用。模型（7）～模型（9）在模型（1）～模型（3）的基礎(chǔ)上增加知識基廣度回歸后，中介和接近技術(shù)融合的系數(shù)仍顯著但均有明顯降低（0.088，p＜0.01；0.395，p＜0.05），聚類技術(shù)融合的系數(shù)大幅度下降（0.068，不顯著）。實(shí)證結(jié)果支持了假設(shè)H2a、假設(shè)H2b、假設(shè)H2c。說明知識基越廣、掌握知識越多樣的企業(yè)越能從技術(shù)融合中獲得好處，通過探索掌握的技術(shù)之間聯(lián)系實(shí)現(xiàn)創(chuàng)新的企業(yè)，研發(fā)活動尤其依賴于自身多元化的知識儲備。

表4 知識基廣度的中介效應(yīng)回歸

見表5，模型（10）～模型（15）探討了知識基深度對中介、接近、聚類技術(shù)融合與企業(yè)創(chuàng)新績效之間關(guān)系的中介作用。模型（10）～模型（12）表明三種技術(shù)融合特征對企業(yè)知識基深度有顯著的正向作用。模型（13）～模型（15）在模型（1）～模型（3）的基礎(chǔ)上增加知識基深度回歸后，中介和聚類技術(shù)融合的系數(shù)仍顯著但均有降低（0.115，p＜0.01；0.333，p＜0.01），接近技術(shù)融合的系數(shù)下降較多（0.285，p＜0.05），假設(shè)H3a、假設(shè)H3b、假設(shè)H3c 得到驗(yàn)證。說明企業(yè)選擇的技術(shù)更容易與新的領(lǐng)域?qū)崿F(xiàn)交叉還需要企業(yè)對自身掌握的技術(shù)有足夠深的了解才能更好地實(shí)現(xiàn)創(chuàng)新。

表5 知識基深度的中介效應(yīng)回歸

（三）穩(wěn)健性檢驗(yàn)

本文進(jìn)行的穩(wěn)健性檢驗(yàn)包括：①針對計數(shù)變量常用的另一種模型，替換使用泊松模型進(jìn)行穩(wěn)健性檢驗(yàn)，見表6，與基準(zhǔn)模型相比得到了一致的結(jié)果；②更替因變量的穩(wěn)健性檢驗(yàn)?；鶞?zhǔn)回歸使用的企業(yè)當(dāng)年專利申請數(shù)沒有考慮到專利間重要性存在的差異。因此參考Sampson（2007）的做法，用企業(yè)當(dāng)年申請專利3、5 年內(nèi)的前向引用次數(shù)測度創(chuàng)新績效，用cited表示，篇幅所限，只報告了替換企業(yè)申請專利3 年內(nèi)前向引用數(shù)為因變量的結(jié)果，見表7，回歸后得到的結(jié)論均與基準(zhǔn)回歸一致。因?yàn)樾枰跋驇啄陮＠跋蛞脭?shù)據(jù)，報告期縮短，觀測值有所減少。

表6 泊松模型穩(wěn)健性檢驗(yàn)結(jié)果

續(xù)表6

表7 替換因變量穩(wěn)健性檢驗(yàn)結(jié)果

五、結(jié)論及啟示

本文從理論和實(shí)證兩個層面分析技術(shù)融合對企業(yè)創(chuàng)新績效的作用及通過知識基為中介變量的間接作用。研究結(jié)果表明：①中介技術(shù)融合、接近技術(shù)融合和聚類技術(shù)融合均對企業(yè)創(chuàng)新績效存在顯著正向影響。其中接近技術(shù)融合的影響最大，中介技術(shù)融合的影響最小，映射出持續(xù)性嘗試整合熟知領(lǐng)域內(nèi)影響力較高和風(fēng)險較小的技術(shù)已成為企業(yè)技術(shù)融合的主要策略。②企業(yè)知識基廣度在技術(shù)融合特征與創(chuàng)新績效的關(guān)系中起中介作用。知識基廣度的介入，導(dǎo)致聚類技術(shù)融合的直接作用效果受到極大影響，可見，知識異質(zhì)性的提高加劇了企業(yè)對熟知領(lǐng)域技術(shù)的融合機(jī)會識別壓力，對企業(yè)自身知識積累的多元化有正向的促進(jìn)作用。③企業(yè)知識基深度在技術(shù)融合特征與創(chuàng)新績效的關(guān)系中起中介作用。知識基深度的介入，較大影響了接近技術(shù)融合的直接作用效果，由此，知識復(fù)雜性和技術(shù)累積度對企業(yè)快速搜索影響力較高的中介性技術(shù)有正向的促進(jìn)作用。

本文研究的理論貢獻(xiàn)在于：

首先，本文整合技術(shù)創(chuàng)新網(wǎng)絡(luò)、知識網(wǎng)絡(luò)、合作創(chuàng)新網(wǎng)絡(luò)的理念，將研究視角轉(zhuǎn)向技術(shù)融合網(wǎng)絡(luò)，從網(wǎng)絡(luò)微觀結(jié)構(gòu)的角度研究技術(shù)融合現(xiàn)象和特征，加深了對技術(shù)融合、技術(shù)創(chuàng)新過程的認(rèn)識。以此嘗試研究視角上的創(chuàng)新。

其次，借助網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)界定技術(shù)融合特征，深化了技術(shù)融合及其效果的研究。已有研究認(rèn)知了網(wǎng)絡(luò)中心性對技術(shù)融合的影響（Kim et al，2014；Lee et al，2015；Kim 和Sohn，2020）。然而，該領(lǐng)域還需要在網(wǎng)絡(luò)結(jié)構(gòu)靜態(tài)分析基礎(chǔ)上，考慮技術(shù)融合動態(tài)模式和演化軌跡（Kim et al，2014）。本文從網(wǎng)絡(luò)連接、結(jié)構(gòu)洞和知識基作用入手，歸納中介、接近和聚類技術(shù)融合特征的作用機(jī)制，在度分布、中心性、熵和重力等靜態(tài)分析基礎(chǔ)上，嘗試引入知識基的影響探究技術(shù)融合特征對創(chuàng)新績效影響的變化。

最后，通過技術(shù)融合特征的作用分析，揭示知識基效用發(fā)揮的前因。已有研究論述了知識基的重要性及其對創(chuàng)新績效的積極作用（黨興華等，2011；劉洋等，2015；Jin et al，2015；Moaniba et al，2018）。隨著知識網(wǎng)絡(luò)中知識基的跨結(jié)構(gòu)邊界交互被大多數(shù)學(xué)者所認(rèn)知，知識基的研究也需要明晰影響自身變化的動因。研究知識基效用發(fā)揮的前因，有助于企業(yè)改進(jìn)現(xiàn)有的知識域或融合新知識域應(yīng)對新的發(fā)展需求（Wang 和Nie，2022）。本文通過實(shí)證分析，發(fā)現(xiàn)了技術(shù)融合內(nèi)在技術(shù)單元的知識網(wǎng)絡(luò)中心性對知識基“二維性”的影響，進(jìn)一步探究知識基廣度和知識基深度的效用，對知識基在技術(shù)創(chuàng)新領(lǐng)域的研究進(jìn)行了拓展。

本文還對于技術(shù)融合管理實(shí)踐提出如下啟示：一是企業(yè)層面，在技術(shù)融合網(wǎng)絡(luò)中企業(yè)具有重要的作用，技術(shù)融合過程中發(fā)生的知識和資源流動既有正式的關(guān)系如產(chǎn)學(xué)研合作關(guān)系，也通過非正式的關(guān)系發(fā)生，如技術(shù)人員的交流和流動。特別是汽車制造業(yè)企業(yè)匯集異質(zhì)性的信息、知識和資源是通過多層次的網(wǎng)絡(luò)關(guān)系進(jìn)行的。企業(yè)可以從技術(shù)元，具體到研發(fā)項(xiàng)目、研究小組的層面配置網(wǎng)絡(luò)關(guān)系，選擇合作對象。企業(yè)制定發(fā)展目標(biāo)、技術(shù)策略應(yīng)當(dāng)結(jié)合自身優(yōu)劣勢和競爭環(huán)境，挖掘自身在技術(shù)鏈路、技術(shù)棧、產(chǎn)業(yè)鏈的優(yōu)勢，清楚在未來技術(shù)發(fā)展過程中可能出現(xiàn)的風(fēng)險，不僅要關(guān)注新興技術(shù)，還要分析是否對自身創(chuàng)新能力的提升有較大的推動作用。此外，要做好知識資產(chǎn)的管理，包括保持核心技術(shù)的前沿性、“專利圍欄”的搭建、企業(yè)知識庫的建設(shè)等。二是行業(yè)層面，現(xiàn)代制造業(yè)應(yīng)積極引導(dǎo)該行業(yè)建立更健全的研發(fā)機(jī)制和健康的市場環(huán)境，動態(tài)關(guān)注技術(shù)融合狀況。對萌發(fā)的融合技術(shù)，針對相關(guān)創(chuàng)新主體，增強(qiáng)異質(zhì)性資源共享，對相對成熟的技術(shù)領(lǐng)域，探索潛在的技術(shù)融合機(jī)會，積極培育新興技術(shù)和市場。提高行業(yè)整體的國際競爭力，保護(hù)關(guān)鍵核心技術(shù)，維護(hù)制造業(yè)體系完整，建立更權(quán)威更開放的標(biāo)準(zhǔn)體系。三是政府層面，應(yīng)該針對技術(shù)融合狀況和產(chǎn)學(xué)研主體采取更精準(zhǔn)的政策培育，如技術(shù)融合初期，相關(guān)學(xué)研主體往往需要更多的資助，而相關(guān)企業(yè)往往需要更多的知識、資源交流機(jī)會。做好戰(zhàn)略核心技術(shù)保護(hù)和產(chǎn)業(yè)化的平衡，軍工體系長期依賴國家扶持和科研人員的熱情，都是參考發(fā)達(dá)國家往往建立了比較健全的軍民融合機(jī)制，飛機(jī)、汽車、芯片等領(lǐng)域自主可控的核心技術(shù)往往來自于軍用研發(fā)成果與民用技術(shù)相融合產(chǎn)生，而民用市場能夠反哺支持后續(xù)研究，政府應(yīng)當(dāng)培育健全的軍民融合體系，避免人才流失。

本文研究的局限性主要技術(shù)融合趨勢和企業(yè)知識基的構(gòu)建是長期漸進(jìn)的過程，本文選擇的時間跨度不足以完全其直接或間接的影響，樣本量有限，僅選擇了主要利用專利保障知識產(chǎn)權(quán)的汽車制造業(yè)，推廣結(jié)論還需要進(jìn)一步的工作。