知識演化視角下產業集群升級模式對于創新績效的影響分析

周海波，胡漢輝

(東南大學經濟管理學院，江蘇　南京　211189)

?

知識演化視角下產業集群升級模式對于創新績效的影響分析

周海波，胡漢輝

(東南大學經濟管理學院，江蘇南京211189)

摘要：本文首先界定了產業集群創新升級的兩種模式——STI模式與DUI模式，并對兩種模式下創新績效的差別進行了探討。然后，基于小世界網絡理論，構建了產業集群創新升級的數理模型，通過數值仿真模擬產業集群創新升級過程，研究了不同升級模式與創新績效之間的關系，以期為中國產業集群創新升級的最優模式選擇提供一定的思路借鑒。

關鍵詞：產業集群；升級模式；知識演化；小世界網絡；仿真

1引言

近年來，國際上越來越多的學者將目光投向產業集群內部微觀主體運行，強調知識和學習對于產業集群升級的作用。由于這種對于集群的演化性解釋通常發生在區域層面的創新系統中，因此被稱為學習型區域模型[1]。Morgan對于學習型區域的邏輯進行了很好地總結，首先，他強調知識存量的重要性，認為創新是一個互動的過程，且被一系列制度規制和社會習俗所定型。然后，他強調了創新過程的動態性[2]。Bell和Albu則在此基礎上增加了對于知識流量作用的肯定[3]。Scott和Storpe則基于貿易和非貿易的因素，通過將集聚區域內的組織和技術學習聯系起來解釋了學習型區域的產生[4]。國內學者也越來越多地從知識演化角度研究產業集群升級。姜照華等將產業集群作為開放的復雜系統進行研究，發現知識創新與擴散是產業集群知識增長的重要動力[5]。和金生、張紅兵則運用知識發酵理論闡述了產業集群知識創新過程各要素構成[6]。還有一些學者則從網絡角度出發研究網絡結構、運行能力等因素對于集群創新績效的影響[7-9]。

本文將嘗試從知識演化和網絡的視角構建產業集群創新升級的數理模型，仿真模擬集群升級過程，研究不同升級模式與創新績效間的關系，為中國產業集群創新升級的模式選擇提供一定借鑒。

2產業集群創新升級的模式及其效果分析

產業集群升級理論強調價值鏈上主導企業將自動地促進產業遵循“過程升級——產品升級——功能升級——價值鏈升級”這一升級軌跡[10-11]。但產業集群創新升級需要從區域的角度進行考慮，更多關注其知識系統，而非生產系統。從知識演化的角度可將產業集群創新升級看作是知識學習的過程,集群主體共同的學習模式標志著集群創新升級的模式，借鑒Jensen 等人提出的學習創新的兩種模式[12],本文認為集群創新升級的模式也主要有兩種：一是以基于編碼的科學知識技術基礎上的科技創新(Science-Technology-Innovation，簡稱STI模式)為主的模式，；二是以隱性的、基于學習經驗基礎上的 “做、使用和互動(Innovating by Doing，Using and Interacting，簡稱DUI模式)”為主的模式。

STI模式是指將科學技術作為主要的創新源，用科學的方法獲取、生產和利用科學技術知識，通過科技創新引導產業集群創新升級的模式。STI模式下，科學技術知識在創新升級中占主導地位，產業集群內的企業通過開展正式的R&D活動、招募高學歷研究人員、與知識機構緊密聯系來進行技術創新，最終促進產業集群的創新升級。STI模式主要依靠 know-why知識，它意味著編碼知識以及通過科學的方法來生成、獲得、利用編碼知識的活動主導創新活動。STI模式下的創新將對于產業集群的技術突破產生積極的促進作用，有利于重大變革性的創新出現，極大地提升產業集群的創新績效。據此提出假設H1：其他條件一定時，STI創新水平越高，產業集群創新升級績效越高；反之亦然。

DUI模式是指通過對經驗知識和技術不斷地進行獲取/生產、轉移和整合應用，帶動產業集群創新升級的模式。DUI模式下，企業可以通過在產業集群內進行有意識的組織設計和關系網絡建構以促進生產、使用、交互過程中的學習，同時淡化等級制度、消除職能部門之間的嚴格界限、分權給基層的員工、與供應商和客戶進行交互，以促進創新在產業集群內的發生，帶動產業集群的升級。DUI模式主要依靠默會的、局部的、集體的 know-how知識，其特征是使員工、產業集群內的主體在面對新形勢新問題時能夠持續變革。這些問題的解決過程增加了員工的知識，擴展了產業集群的知識存量。DUI模式下的學習是漸進式的，大多可在無意識的狀態下產生影響產業集群創新績效的創新。據此提出假設H2：其他條件一定時，DUI創新水平越高，產業集群創新升級績效越高；反之亦然。

DUI模式下的創新升級是漸進式的、緩慢的、調優的，對于產業集群的創新績效也會產生積極的影響，只是這種影響可能要很長一段時間才能夠顯現出來。但是DUI模式下的創新升級缺少根本性的重大變革，對于產業集群的成長的推動作用有限，推動力難以與STI模式下的科技創新的推動力相提并論。據此提出假設H3：其他條件一定時，STI模式下產業集群創新升級的績效將優于DUI模式下產業集群創新升級的績效。

3基于小世界網絡的產業集群創新升級模型構建

產業集群是多主體組成的典型的復雜網絡組織，網絡是集群中知識活動的運行平臺，因其具有較高的群聚系數和較短的平均路徑長度等小世界特性，故可抽象為小世界網絡[13]。因此，本部分將在小世界網絡的基礎上，構建產業集群創新升級的模型，通過數值仿真模擬集群創新升級過程，研究不同升級模式與績效之間的關系。

本文設定產業集群知識演化的動力主要有兩種：知識創造與知識擴散，從而將產業集群創新升級的過程抽象為兩個階段：第一階段，集群內部分企業通過知識創新創造出新知識，這是STI模式主導下的創新升級；第二階段，關聯企業獲取、吸收、利用新知識，并進一步創新，這是DUI模式主導下的創新升級。在不同的產業集群升級過程中，這兩個階段交替循環進行，各有主次，最終表現為集群總體新知識的增長。在此基礎上，本文將對產業集群的創新升級過程建模，建模過程如圖1所示。

圖1　知識演化視角下產業集群創新升級的建模過程

4仿真實現及結果分析

4.1初始參數設置

本文利用Matlab7.0軟件進行仿真實驗，首先，生成小世界網絡，設置的參數如下：產業集群的規模定為N=100，取規則網絡中節點i的連邊數為m=6，連邊斷開重連的概率p=0.1。然后，在仿真過程中，為了仿真實驗的簡便，設定產業集群內企業的初始知識水平均為1。為了使仿真結果可靠，每次實驗均取仿真次數t=1000，用評價指標的多次仿真平均值反映產業集群知識演化過程，以更準確地描述現實。

4.2結果分析

(1) STI模式對創新績效的影響。給定企業知識吸收能力，令α=0.5，比較當知識創新能力β=0.1、0.5、0.9時集群平均知識增長率，結果如下。

圖2　α=0.5，β=0.1時的Pt

圖3　α=0.5，β=0.5時的Pt

圖4　α=0.5，β=0.9時的Pt

從圖2-4中可以發現：當給定產業集群主體的知識吸收能力α=0.5時，產業集群的平均知識增長率Pt會隨著主體的知識創新能力的變動而變動。當β=0.1時，Pt主要在(0.0005，0.0025)范圍內變動，平均值約為0.0015；當β=0.5時，Pt主要在(0，0.02)范圍內變動，平均值約為0.01；當β=0.9時，Pt主要在(0.01，0.025)范圍內變動，平均值約為0.015。因此，從仿真結果可得：當集群主體的知識吸收能力一定時，集群的平均知識增長率與主體的知識創新能力成正相關關系，即越高水平的STI創新將帶來越高水平的產業集群創新績效。這是因為STI模式創新升級主要依靠的是在研發過程中學習與創新、產學研合作中學習等方式。R&D和專利更可能產生先進的、帶有技術突破性質的創新，這些重大創新將帶來產業集群的創新績效的極大的、甚至是根本性的提升。產學研合作有利于提高產業集群內實現產業共性技術的突破創新和引入市場上新產品的能力。因此，企業STI創新水平越高，將推動產業集群升級取得越高的創新績效。

(2) DUI模式對創新績效的影響。給定企業的知識創新能力，令β=0.1，比較當知識吸收能力α=0.1、0.5、0.9時集群平均知識增長率，結果如下。

圖5　β=0.1，α=0.1時的Pt

圖6　β=0.1，α=0.5時的Pt

圖7　β=0.1，α=0.9時的Pt

從圖5-7中可以發現：當給定產業集群主體的知識創新能力β=0.1時，產業集群的平均知識增長率Pt會隨著主體的知識創新能力的變動而變動。當α=0.1時，Pt主要在(0.0002，0.0004)范圍內變動，平均值約為0.0003；當α=0.5時，Pt主要在(0.0005，0.0025)范圍內變動，平均值約為0.0015；當α=0.9時，Pt主要在(0.0015，0.035)范圍內變動，平均值約為0.0025。因此，從仿真結果可得：當集群主體的知識創新能力一定時，集群的平均知識增長率與主體的知識吸收能力成正相關關系，即越高水平的DUI創新將帶動越高水平的產業集群創新績效。這是因為DUI創新模式主要依靠生產過程中的實踐學習、與客戶進行聯系的過程進行觀察學習以及從競爭者中學習等方式。在生產過程中學習是引進新技術的必要適應過程，有利于企業更好地識別特定生產過程的價值和改造生產過程。在與供應商、用戶交流中學習會提高新產品開發績效，如降低開發成本、加速產品推出時間、改良產品特征、提高產品質量等。而且通過構建非正式網絡來獲取隱性知識，復雜技術可以在強聯系的個體間轉移，從而帶動產業集群的創新升級。因此，給定產業集群主體的知識創新能力，企業主體的DUI創新水平越高，產業集群創新升級績效將越高。

(3) 兩種模式下創新績效的比較。對比以上兩組圖可以發現，當集群主體的知識創新能力較低時，即如圖5、6、7所示，β=0.1時，其平均知識水平增長率最大值為0.0025，該值的取得是在知識吸收能力為最大α=0.9時；而從圖2、3、4中，我們發現當α=0.5，而β值增加時，產業集群的平均知識水平增長率的整體平均水平(約為0.01)明顯大于第一組圖的創新績效(最大值為0.0025)。說明當集群內的知識創新能力較低時，即使企業的知識吸收能力很強，帶來的創新升級績效仍然較低，即其創新績效將低于當集群的自主創新能力較強，而知識吸收能力處于平均值或較低水平時的創新績效，即在其他條件一定時，STI模式下產業集群創新升級的績效將優于DUI模式下產業集群創新升級的績效。

STI模式通過企業的自主創新產生重大技術突破，這些重大創新將帶來產業集群的創新績效的極大的、甚至是根本性的提升。企業與科學的合作在引入市場上的新產品方面也比與客戶的合作更加重要。而DUI模式下的不太先進的創新或者微調則更多的與業務服務知識相聯系，這些輕微的創新對于產業集群績效的影響是難以與那些重大創新相比較的。同時，DUI涉及的正式技術轉移相對比較少，一旦創新涉及產品架構的根本變化，企業很難從供應商、客戶處學習到想要的知識。而且隱性知識的學習過程是緩慢的，而且有時不能擔保獲得的技術是競爭者最新的、核心的。因此DUI模式的推動力難以與STI模式的推動力相提并論。

5結論與啟示

產業集群的創新績效與主體的知識創新能力(代表STI創新)成正相關關系，與主體的知識吸收能力(代表DUI創新)也成正相關關系，但是在其他條件一定時，STI模式主導下集群創新升級的績效將優于DUI模式主導下的績效。在實際經濟的運行過程中，由于STI創新與DUI創新之間存在著較強的互補性，兩種模式通常結合使用，但有主次之分。具體而言：

高新技術產業集群要堅定不移地走STI創新為主的升級道路，提升自身的知識創新水平，但同時也需要建立有利于知識擴散的組織基礎，注重DUI創新的協調輔助作用，因為產業集群的創新升級不僅需要科學技術知識，同時也需要市場信息。而許多市場信息的獲取是依賴于較強的合作伙伴關系，尤其是隱藏于顧客中的那類市場信息，而且許多工藝和產品的重大創新的創意也來源于商業伙伴關系。

傳統產業集群首先應立足于現實，強化本地區的知識溢出環境，夯實DUI創新的基礎，并積極與大學、研究機構進行合作，增強自身管理編碼知識的能力，鼓勵自主創新，逐步往STI創新轉型，進而攀升至國際分工價值鏈更高環節，帶動產業集群的二次創業。

參考文獻：

[1]Cooke P，Morgan K.The Associational Economy：Firms，Regions and Innovation [M].Oxford：Oxford University Press,1998.

[2]Morgan K.The Exaggerated Death of Geography：Learning，Proximity and Territorial Innovation Systems[J].Journal of Economic Geography,2004,4(1):3-21.

[3]Bell M，Albu M.Knowledge Systems and Technological Dynamism in Industrial Clusters in Developing Countries[J].World Development,1999,(27):1715-1734.

[4]Scott A J，Storper M.Regions，Globalization，Development[J].Regional studies,2007,41(1)：191-205.

[5]姜照華,隆連堂,張米爾.產業集群條件下知識供應鏈與知識網絡的動力學模型探討[J].科學學與科學技術管理,2004,(7):55-60.

[6]和金生,張紅兵.產業集群知識創新機制的一個新視角——基于知識發酵理論研究[J].科技管理研究，2007,27(10):230-232.

[7]李志剛,湯書昆,梁曉艷,肖偉科.基于網絡結構的產業集群知識創新和擴散績效[J].系統工程,2007，(5):1-8.

[8]陳金丹,胡漢輝,楊煜.基于網絡視角的產業集群知識演化研究[J].科學學研究,2011,29(1)：91-96.

[9]范鈞,郭立強等.網絡能力、組織隱性知識獲取與突破性創新績效[J].科研管理,2014,(1):16-24.

[10]Gereffi G.International Trade and Industrial Upgrading in The Apparel Commodity Chain[J].Journal of International Economics,1999,48(1):37-70.

[11]Gereffi G，Humphrey J，Sturgeon T.The Governance of Global Value Chains[J].Review of International Political Economy,2005,12(1):78-104.

[12]Jensen M B，Johnson B，Lorenz E，et al.Forms of Knowledge and Modes of Innovation[J].Research policy,2007,36(5):680-693.

[13]Watts D J，Strogatz S H.Collective Dynamics of Small-World Networks[J].Nature,1998，393(6684):440-442.

[14]Cowan R,Jonard N.Network Structure and The Diffusion of Knowledge[J].Journal of Economic Dynamics and Control,2004,28(8):1557-1575.

(責任編輯譚果林)

The Impact of Patterns of Industrial Clusters’ Upgrading on Innovation Performance from the Perspective of Knowledge Evolution：A Simulation Research Based on Small World Network

ZhouHaibo，Hu Hanhui

(School of Economics and Management，Southeast University，Nanjing 211189，China)

Abstract：In the era of knowledge economy，the nature of industrial clusters’ innovative upgrading is the innovation and diffusion of knowledge，and different patterns of knowledge learning can make a difference.From the perspective of knowledge evolution，this paper first identified two patterns of industrial clusters’ innovative upgrading：Science-Technology-Innovation and innovating by Doing，Using and Interacting，and then compared their performance.Based on small world network，it built a mathematical model.By numerical simulation，studied the relationships between upgrading patterns and innovation performance，and then provided a reference for the alternative of optimal pattern of industrial clusters’ upgrading.

Key words:Industrial cluster；Pattern of upgrading；Knowledge evolution；Small world network；Simulation

中圖分類號:F124.6

文獻標識碼:A

作者簡介：周海波(1989-)，男，江蘇人，東南大學經濟管理學院博士研究生；研究方向：產業集群與創新網絡。

收稿日期：2015-03-27

基金項目：國家自然科學基金面上項目“產業集群的國際間轉移與中國企業對外直接投資中的產業集群鏈式效應研究”(70873019)，國家自然科學基金面上項目“新型城鎮化約束與引導下的產業轉移的模式、路徑與組織研究”(71473037)。