非核心企業反向知識溢出研究
——基于開放式創新視角的系統動力學分析

李 騰，張鐘元，2

（1.遼寧大學經濟學院，遼寧 沈陽110036；2.遼寧石油化工大學理學院，遼寧 撫順113001）

一、前言

開放式創新的概念源自于切薩布魯夫（2003）的專著《開放式創新》，該書首次闡述了開放式創新的概念：“為了促進組織內部的創新，有意圖且積極地活用內部和外部技術及創意等資源的流動，其結果是增加將組織內創新擴展至組織外的市場機會”。國內外高新技術企業在實踐中不斷拓展開放式創新理論，例如Intel Corporation的外部資源應用模式、Tesla Inc.的開源式企業創新聯盟、海爾集團的物聯網生態平臺等。中國政府也認識到通過宏觀政策實現全球創新資源和市場整合在經濟全球化背景下的重要性，習近平總書記在題為《共建創新包容的開放型世界經濟》的報告中一再強調“開放、創新和包容”對“一帶一路”倡議的重要作用。不論是國家層面、區域層面還是產業層面的開放式創新，歸根結底要落到企業這個微觀經濟群組上。在知識經濟時代，企業間在創新活動中互惠互利的關鍵在于對知識轉移、擴散和溢出能力的強化，因此，從開放式創新視角研究創新生態系統中創新主體間的知識溢出機理，對明晰創新開放程度與知識溢出效應之間的影響關系以及布局中國未來產業尤為關鍵。

在核心企業與非核心企業協同共生的創新生態系統中，關于兩者之間的知識溢出研究一直處于中心地位。這些文獻的側重點是關于核心企業控制力以及資源優勢對網絡、系統整體創新績效影響的研究，而非核心企業設定為被核心企業引領和帶動的角色。近十年來，本人所在研究團隊共完成全國范圍內126家企業的調研走訪，通過整理資料發現65%以上的非核心企業和準核心企業正在不斷強化對核心企業的反向知識溢出行為。這些企業往往在由知識溢出接受方到輸出方的轉變過程中完成了網絡位置或生態位的躍遷，即非核心企業逐漸成為核心企業不可替代的合作對象，或徹底取代原有核心企業成為創新生態系統的新核心。

隨著開放式創新范式不斷深入社會經濟生活，核心企業與非核心企業之間不再是簡單的“領導——協作”、“控制——跟隨”關系，非核心企業在創新生態系統的知識生產環節發揮著越來越重要的作用。本文基于開放式創新視域研究非核心企業反向知識溢出，不僅有助于彌補現有知識溢出相關研究的理論缺口，而且有助于通過適當的政策設計引導和激勵非核心企業強化反向知識溢出，對提高創新生態系統整體創新績效和培育有活力、有競爭力的微觀經濟單元群組有一定的現實意義。

二、理論基礎

1.開放式創新

自熊彼特首次提出創新理論以來，企業內部的獨立創新帶來的技術保密和技術獨享，保證了企業的核心競爭優勢。經濟全球化背景下，技術模塊化程度提升（West J et al，2014）、產品生命周期縮短（陳朝月、許治，2018）以及信息技術帶來的知識爆炸式擴散（倪嘉成等，2018）加速了開放式創新范式取代封閉式創新范式的進程。技術的快速迭代、環境的高不確定性，使得單獨創新變得越來越困難，即便是核心企業僅依靠內部創新資源也難以滿足自身創新發展的要求。全球卓越創新型企業，如三星、寶潔、3M 和英特爾的成功，無一不是堅持了開放、合作、共享的開放式創新戰略，用事實證實了開放式創新對提高創新效率的重要作用。

開放式創新理論的出現是后發優勢理論以及組織邊界滲透理論的延續與融合：一個相對落后的企業如果能夠有效利用來自領先企業的創新資源，就能夠在合作過程中較好地適應技術變革，甚至獲得比創新者更高的收益（陶丹，2018）；與以往獨立、封閉的創新模式相比，組織邊界不再限制創新思想和市場途徑是來自組織內部還是組織外部，不同渠道的互補性資源對技術創新發揮著重要作用（Teece，1986）。正是因為開放式創新將外部互補性資源提升到與內部優勢資源同樣重要的位置（Chesbrough，2003），使企業通過替代性學習節約創新成本并提高創新效率，實現了后發企業“彎道超車”的可能。

2.知識溢出

知識溢出是指企業間通過構建合作網絡，在從事相似活動的環節中彼此獲得收益的過程，該過程的發生多基于組織間聯盟以及企業員工間社會關系（Almeida and Kogut，1997；Roper et al.，2013）。作為“馬歇爾外部性”的重要機制之一，知識溢出概念很早就被經濟學家們用來解釋產業集聚（夏揚、陳嘉偉，2015）、技術進步（姚耀軍、施丹燕，2017）、新知識生產（李姍霖等，2017）等新經濟地理學和內生增長理論的經濟現象。越來越多的企業將知識溢出視作除自主創新以外的重要知識創新來源（Bloom et al.，2013），在通過將內外部知識體系融合實現知識增長的同時，對知識的二次創新也是重構企業技術軌道的必要條件。

知識溢出是系統性行為，研究知識溢出行為的影響因素、方式路徑以及效應較為復雜。以接受方為研究對象，知識吸收能力的強弱在網絡位置影響知識溢出的過程中發揮調節作用（錢錫紅等，2010）。而對發起方而言，知識溢出行為受到企業的創新開放程度（周愛蘋、陳巖、翟瑞瑞，2017）、地理臨近性以及技術多樣性（劉鳳朝、楠丁，2018）等因素影響。將雙方同時納入研究范圍，影響知識溢出參與者的因素則主要有知識勢差、溢出閾限以及技術差異化程度。知識溢出主要存在兩種方式，一種是存在主觀意愿的知識選擇性披露（陳搏，2013），另一種是無法控制、難以避免的知識泄露（Hauser et al.，2007；李宇等，2017）。企業間知識溢出的主要路徑也存在兩種，一種是交互式研究合作過程中發生的知識溢出，另一種是基于買賣關系或供應關系的非交互式知識溢出（Norman，2002）。后者通常由于失去核心技術優勢而降低企業績效，并暴露產業地位的“弱點”（Johan et al.，2015）。由于企業間知識溢出具有顯著外部性特點，接受方對知識的二次創新使其具備轉變為發起方的可能，這種封閉式知識循環系統最終會帶來知識溢出創新收益的乘數效應（Andrea and Cinzia，2007；Joern et al.，2013；Hongyan and Kevin，2014），從而加速創新活動的網絡集群化（Todtling and Kaufmann，1991）。

3.核心企業與非核心企業

核心企業是創新生態系統中無可取代的角色，是系統內知識創新、擴散和應用的主要參與方，可通過網絡權力影響創新合作成員的選擇、任務分配以及認知。核心企業通過對中小型企業進行知識選擇性披露，在聚集了大量系統成員的同時，使這些成員形成基于平臺性知識的路徑依賴。這種路徑依賴實質是核心企業對創新生態系統的控制力。擁有控制力意味著核心企業擁有了對創新生態系統中成員進行選擇、任務分配以及利益分配等方面的主導權，不僅塑造了系統內創新主體間的創新分工協作體系，而且影響著創新生態系統創新發展的方向與速度。

非核心企業是相對于核心企業的一個鏡像概念。非核心企業是指那些在創新網絡中控制力弱、市場份額小、企業數量眾多、跟隨行業技術發展方向的單元群，通常作為創新生態系統中核心企業的附屬角色，為其提供配套、組裝以及代工生產（由雷，2016）。從以往研究和實踐經驗來看，非核心企業由于創新能力較弱、知識存量低，通常作為創新生態系統中知識溢出的接受者和傳播者。作為資源集聚、信息共享的一種制度安排，創新生態系統為知識相對匱乏的非核心企業提供了更多創新發展機會，甚至出現知識溢出的“逆向化”，即非核心企業由知識溢出的接受者轉向知識溢出的輸出者。

本文界定核心企業與非核心企業是基于王偉光等（2018）關于創新價值鏈的最新定義及分類方法，即將創新價值鏈分為長鏈（某企業同時控制知識創新、技術創新和產品創新三個環節）、中鏈（某企業同時控制技術創新、產品創新兩個環節）和短鏈（某企業僅控制產品創新環節）三種類型。在創新生態系統情景下，將控制創新價值鏈長鏈的企業定義為核心企業，控制創新價值鏈中鏈的企業定義為準核心企業，控制創新價值鏈短鏈的則定義為非核心企業，如圖1所示。

圖1 基于創新價值鏈視角的非核心企業界定圖

4.非核心企業反向知識溢出

隨著某地區和行業內核心企業的不斷成長，圍繞著其人才、技術、制度等優勢資源，逐步集聚了大量中小企業，初步塑造了創新生態系統的雛型。核心企業負責對創新生態系統進行管理，尤其在吸引、培育和選擇合作成員方面，其本質是通過強化正向知識溢出效應實現網絡控制能力的提升。非核心企業本著短期實現盈利的目的，搜索并選擇能夠匹配市場利基的外部知識，這些知識很大程度上來源于核心企業的正向知識溢出。非核心企業吸收來自核心企業的知識溢出，將會與本企業原有知識體系發生沖突，通過對外來知識的再認識（Recognition）、再挖掘（Reprocessing）、再整合（Reexcavate）、再加工（Reintegration）行為（以下簡稱4R行為），形成了貼近市場前沿的差異化知識群。這些盈利速度快、應用專有性強的知識群成為非核心企業嵌入創新生態系統的“籌碼”，借此在系統中換取穩定的位置。而面向市場需求的核心企業為了重構或調整核心知識軌道，也迫切需要融合來自非核心企業的差異化知識。雙方的共同需求促成了非核心企業向核心企業反向知識溢出行為的發生。至此，知識的閉路循環過程不僅提升了非核心企業的網絡位置、強化了核心企業網絡控制能力，而且影響了整個創新生態系統的動態演化（系統核心知識軌道重構）?；陂_放式創新視域下的非核心企業反向知識溢出的機理模型構建如圖2所示。

非核心企業反向知識溢出研究是知識溢出理論不可分割的重要拼圖，避免了研究局限于以核心企業為知識溢出發起者、非核心企業為接受者的單一視角，豐富和拓展了“非核心—核心”企業的動態網絡演化研究。

圖2 基于開放式創新的非核心企業反向知識溢出機理模型

三、模型構建

創新生態系統內的創新活動的參與主體和影響因素非常復雜，為了聚焦于非核心企業反向知識溢出的研究，對整個系統模型進行了簡化處理。本文確定創新生態系統中的創新主體僅包括核心企業與非核心企業，創新主體間的知識轉移方式分為正向知識溢出和反向知識溢出兩種，并通過構建系統動力學模型對企業間知識溢出機制進行仿真模擬。系統動力學模型具體分析在系統設定的仿真周期內，核心企業、非核心企業以及創新生態系統之間知識存量演變趨勢的比較，并通過調整可控變量開放程度的賦值，觀察創新開放程度對兩個創新主體知識生產以及相互之間知識溢出的影響。在對比分析核心企業知識存量和非核心企業知識存量演變趨勢的基礎上，探尋非核心企業是否存在掙脫核心企業控制的閾值點并確定該特殊點的位置，具體的設計思路如下：首先，為系統動力學模型的正常運行設定前提假設；其次，基于已有理論基礎繪制變量間因果關系圖；最后，設定體現變量間關系的方程及相關參數。

1.相關假設

H1：創新生態系統中核心企業與非核心企業的知識來源分為內部研發和外部吸收兩種，而且已有知識均面臨著市場的淘汰，最終會反映在創新主體知識存量上。

H2：正向知識溢出與核心企業和非核心企業的知識位勢相關，但兩者之間的知識勢差對知識溢出存在邊際效應遞減的影響，當知識勢差達到一定閾值時知識溢出行為將終止。

H3：核心企業知識自主創新的動力是對創新生態系統不斷強化的控制欲望，而非核心企業知識自主創新的動力是擺脫核心企業的控制。

H4：非核心企業的知識來源一方面是通過知識4R 行為對來自核心企業的知識進行二次創新，另一方面是自主創新，而且非核心企業與核心企業的知識存量是完全異質的。

H5：正向知識溢出和反向知識溢出都會增加創新生態系統的知識共享量，該指標越大意味著非核心企業知識4R能力越強。

為此，可以建立如圖3所示的因果關系圖來表示創新生態系統中創新主體間的知識創新和知識溢出行為。

圖3 創新生態系統中非核心企業反向知識溢出因果關系圖

2.主要變量設定

根據系統動力學模型設定，主要包括描述外部環境的常量、充當中介橋梁的輔助變量、隨著系統時間變化的狀態變量以及影響狀態變量的速率變量。其中，系統動力學中的狀態變量和速率變量最能反映模型演變特征，是模型最為重要的兩類變量，具體的變量說明如表1所示。核心企業、非核心企業以及兩者所處的創新生態系統均受到知識老化的影響，其本質是社會整體技術進步而導致一部分知識被淘汰。創新生態系統本身并不是創新主體，只是知識在溢出的過程中難免留存于系統中，因而創新生態系統不生產知識但可以存儲和轉播知識。

表1 系統主要變量設計

3.系統動力學方程及參數設定

系統動力學方程的設定是系統建模的重要環節，方程主要描述模型中的變量關系。由于變量關系通常能左右仿真模型的最終演變趨勢，因而在建立變量關系時需緊密聯系經典理論和實際情況。本文設定的方程及相關參數，均立足于高引用頻率的文獻和本人所在研究團隊前期累積的實地調研經驗，具體的設計內容如下：

（1）HXZSCL=INTEG（HXZSCXL+HXZSYJL-HXZSTTL，10），設定核心企業知識存量的初始值為10；

①HXZSCXL=HXZSCL*核心企業知識創新能力*集群網絡控制欲望；

②核心企業知識創新能力=WITH LOOK UP（HXZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.1），（15，0.15），（30，0.2），（50，0.3），（80，0.35），（100，0.4），（200，0.4））），創新能力與企業知識存量、創新要素投入有關，為簡化模擬系統，核心企業知識創新能力采用表函數來表述，創新能力的成長趨勢與核心企業知識存量有關；

③系統控制欲望=WITH LOOK UP（TIME，（［（0，0）-（100，1）］，（0，0.1），（10，0.12），（30，0.2），（50，0.25），（70，0.28），（80，0.3），（100，0.3））），采用與時間有關的表函數表征核心企業對集群網絡控制欲望的變化情況；

④HXZSYJL=反向知識溢出量*知識差異化程度；

⑤HXZSTTL=STEP（核心企業知識淘汰率*核心企業知識存量，1），一部分核心企業的知識與外界知識創新方向背離，使一部分知識老化，本文將知識淘汰的過程用階躍函數進行模擬；

（2） FHXZSCL=INTEG（FHXZSCXL+FHXZSGJL-FHXZSTTL，1），設定非核心企業知識存量的初始值為1；

⑥FHXZSCXL=擺脫控制意愿*非核心企業創新能力*FHXZSCL；

⑦擺脫控制意愿=WITH LOOK UP（TIME，（［（0，0）-（100，0.6）］，（0，0），（10，0.1），（20，0.3），（30，0.4），（40，0.45），（80，0.5），（90，0.53），（100，0.6））），采用與時間有關的表函數表征非核心企業企圖擺脫核心企業控制的訴求變化；

⑧非核心企業創新能力=WITH LOOK UP（FHXZSCL，（［（0，0）-（200，0.4）］，（0，0.05），（5，0.1），（15，0.15），（30，0.2），（50，0.3），（80，0.35），（100，0.4），（200，0.4））），知識存量是創新主體創新能力的重要參考依據，因而本文認為非核心企業與核心企業一樣，可將創新能力設定為一個與知識存量變化相關的表函數；

⑨FHXZSGJL=ZXZSYCL*知識4R能力；

⑩FHXZSTTL=STEP（非核心企業知識存量*非核心企業知識淘汰率，5），非核心企業的知識淘汰過程同核心企業相同，用階躍函數表示；

（3）JQZSCL=INTEG（反向知識溢出量+正向知識溢出量-集群網絡知識淘汰量，0），集群網絡的知識積累開始于核心企業與非核心企業建立開放式知識創新之時，因而設定初始值為0；

?ZXZSYCL=DELAY1I（IF THEN ELSE（知識閾值＜0.95，知識位勢*核心企業知識共享系數，0），2，0）；從發起者核心企業開始，經過知識發送、擴散和吸收等一系列過程，會發生時間上的延遲，因而用一階延遲函數來模擬正向知識溢出量變化；

? FXZSYCL=DELAY1I（非核心企業知識共享系數*非核心企業知識存量，3，0），非核心企業作為反向知識溢出的發起者，同樣在知識溢出過程中會產生延遲現象，同樣是使用一階延遲函數來模擬；

?JQZSTTL=JQZSCL*集群網絡知識淘汰率；

?知識4R能力=WITH LOOK UP（JQZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.1），（15，0.15），（30，0.2），（50，0.28），（80，0.35），（100，0.4），（200，0.7））），知識4R能力是非核心企業基于外部知識的再創新能力，因而將知識4R 能力成長趨勢用與集群網絡知識存量有關的表函數進行表述；

?知識閾值=FHXZSCL/HXZSCL，知識勢差=HXZSCLFHXZSCL。

四、系統仿真與分析

1.系統流圖

本文采用仿真工具Vensim PLE 對系統動力學模型進行運算，設定模型運算的時間跨度為60（Month）。在聚焦研究目標并考慮運算程序的可行性的基礎上，對開放式創新視域下創新生態系統內部知識溢出的因果關系圖進行了簡化和總結，進一步得出系統流圖（圖4）。

圖4 創新生態系統中非核心企業反向知識溢出的系統流圖

2.模型有效性檢驗

系統動力學模型在投入解決現實問題之前，需要進行有效性檢驗。有效性檢驗的作用是觀察模型與現實狀況之間的擬合程度，即模型能否反映出擬研究對象的發展特征和規律。只有通過有效性檢驗時，基于模型的分析結果才具有解決現實問題的意義。由于采用了抽象化的仿真系統來模擬反向知識溢出過程，進行實證檢驗的數據獲取難度太大，因而著重采用理論檢驗的方法分析模型的一致性、有效性和適應性。通過運行Vensim PLE的相關程序，得到初步的仿真模擬結果（圖5）。

由圖5a 可以看出，非核心企業與核心企業之間的知識差距呈現出“先增加后減少再增加”的總體趨勢。這是因為在初始階段，非核心企業剛剛嵌入創新生態系統，對來自核心企業的正向知識溢出需要一個學習、吸收和整合的過程，而此時的核心企業已具備成熟的知識創新能力，從而導致兩個主體之間的知識總量差距擴大；隨著非核心企業自主創新能力不斷提升，同時對正向知識溢出進行的知識4R行為使得非核心企業知識存量加速累積，逐步縮短了與核心企業之間的知識差距；當非核心企業的知識存量提升到一定水平之后，開始逐步由知識溢出的接受方轉變為發出方，即反向知識溢出效應越來越顯著。此時，作為反向知識溢出接受方的核心企業開始大幅提升知識存量，依靠代替性學習的優勢再次拉開與非核心企業在知識存量上的差距，進一步鞏固核心企業在創新生態系統中的核心地位。

圖5 有效性檢驗結果圖

由圖5b 可以看出，反向知識溢出逐步趕超了正向知識溢出，成為創新生態系統中主要的知識轉移方式。核心企業為招募創新生態系統成員，通過向系統進行正向知識溢出來吸引非核心企業加入，體現在系統第1個月份開始大幅提升正向知識溢出。由于核心企業存在核心競爭力保護機制，一旦非核心企業的知識存量達到某個閾值點，核心企業將刻意縮減知識溢出以保證知識存量優勢。一旦知識位勢差距再次拉大時，核心企業將放寬保護機制再次促進正向知識溢出的大幅提升；事實上，非核心企業在創新生態系統中有大量的同質性競爭對手，對核心企業進行反向知識溢出換取穩固的網絡位置是生存的唯一途徑，因而非核心企業不斷強化反向知識溢出，并最終在系統第49個月份反超正向知識溢出量。

由圖5c可以看出，核心企業與非核心企業的知識自主創新量都呈現逐步增長的趨勢，但核心企業始終在自主創新方面領先非核心企業。考慮到核心企業對創新生態系統的控制力本質上是一種知識權力，而且構建核心知識體系或軌道主要依靠自主創新，因而核心企業不斷強化知識自主創新較為符合核心企業的角色設定。反觀非核心企業，雖然基于正向知識溢出的4R 行為是知識的主要來源，但是不排除一些逐步壯大的非核心企業有掙脫核心企業控制并取而代之的意愿。這時，非核心企業唯有通過顛覆式的自主創新脫離核心企業技術軌道才有取代核心企業的可能。因此，非核心企業不斷強化自主知識創新的行為也較為符合某些非核心企業“后來者居上”的實際情況，例如支付寶之于paypal以及阿里巴巴之于亞馬遜。

由圖5d 可以看出，成長初期的非核心企業對外部知識較為依賴，而隨著非核心企業的不斷成長，逐步成為核心企業不可代替的外部知識獲取渠道。非核心企業在最初加入由核心企業控制的創新生態系統時，知識存量與核心企業差距較大，為快速適應創新協作環境，需加強對外部知識的4R 行為。因此，這段時間的非核心企業對外部知識的引進量大幅度提升。隨著非核心企業知識存量不斷提升，核心企業啟動核心競爭力保護機制抑制正向知識溢出，導致非核心企業在一段時間內（12 月至42 月）的外部知識改進創新量未有顯著提升。在這個階段中，核心企業卻對非核心企業反向知識溢出的依賴性越來越強，在系統發展中第一次超過正向知識溢出，成為最重要的知識轉移方式。核心企業通過引進反向知識溢出以及進行自主創新兩種途徑再次拉大了與非核心企業之間的知識差距，保護機制的暫時終止使非核心企業從42月開始大量引進外部知識（正向知識溢出）。

由圖5e可以看出，創新生態系統的知識存量總體呈增長趨勢，但具有“先提速后放緩再提速”的特點。集群網絡由核心企業組建，從最初的零知識存量開始，由核心企業向集群網絡進行知識溢出，使知識存量快速提升；在隨后的一段時間由于核心企業與非核心企業知識差距縮小，核心企業的正向知識溢出減少，于是減緩了知識存量的增長；隨著非核心企業的發展壯大，反向知識溢出量大幅增長，遂導致集群網絡知識總量再次呈現高速增長。

核心企業知識存量與非核心企業知識存量的演變過程可以用兩者的知識勢差更好的表示，因而沒有單列出來分析。從以上幾個變量的仿真結果來看，這些規律比較符合實際現象，說明模型能夠有效刻畫創新生態系統中核心企業與非核心企業之間知識溢出的動態演變過程，可為接下來研究變量影響系統模型提供有價值的參考信息。

3.靈敏度分析

靈敏度分析是有效性分析的后續環節，通過調整參數取值或模型結構的方式來觀察模型輸出圖像的前后變化。通過靈敏度分析得出某變量或指標對整體系統的影響程度，以此作為指導實際工作的決策依據。本文通過調整創新開放程度、政策引導偏好以及非核心企業創新投入分配，對模型進行多個指標的靈敏度分析。

（1）調整創新開放程度

核心企業與非核心企業的知識共享系數越大，意味著兩者所處創新生態系統的創新開放程度越大。為了深入探析不同企業調整創新開放程度對創新生態系統帶來的影響，需設定兩個對比方案：保持核心企業知識共享系數不變，增加非核心企業知識共享系數為0.32，得到方案1；保持非核心企業知識共享系數不變，增加核心企業知識共享系數為0.32，得到方案2。仿真結果如圖6所示。

圖6 創新開放程度靈敏度檢驗

從圖6（左）可以看出，增加兩者的知識共享系數都有利于激發非核心企業的反向知識溢出，而核心企業提升知識共享系數的作用比非核心企業更加明顯，說明非核心企業對核心企業的知識軌道有嚴重的依賴性。從圖6（右）可以看出，無論是提升核心企業還是非核心企業的知識共享系數，在短期內都增加了知識勢差，而非核心企業提升知識共享系數的敏感度明顯比核心企業要大。隨著系統時間的推移，方案2在第57個月的時候知識勢差開始呈現縮減態勢，說明高知識共享系數的核心企業會面臨知識總量被非核心企業趕超的風險。

可以得出結論，系統動力學模型對創新生態系統的創新開放程度有著較高的敏感度。由于知識共享系數過高會使企業喪失核心競爭力，核心企業與非核心企業對提升知識共享系數持博弈式觀望態度。基于此，應該發揮政府的主導和協調作用，完善創新生態系統的內部組織結構，建立更加科學、有效、規范的利益分配機制，促進核心企業與非核心企業互補性知識的高效融合，進一步提升兩者間創新合作的信任感和默契感。對于核心企業而言，宜將知識共享系數控制在合理范圍，以避免知識勢差大幅縮減而危及創新生態系統的核心位置。

（2）調整政策引導偏好

熊彼特曾強調，“大企業已經成為經濟進步最有力的發動機，尤其已成為總產量長期擴張最有力的發動機”。從熊彼特崇尚壟斷企業對創新巨大作用的時代過渡到推廣開放式創新范式的今天，核心企業是否仍為產業、地區乃至國家最重要的創新主體，至少目前的一些案例正在顛覆過往人們對非核心企業擅長模仿、投機的刻板印象。舉國體制作為社會主義制度的獨特優勢，其政策引導應偏好核心企業還是非核心企業對整體創新績效意義重大。政策引導偏好通常會導致人才、資金和技術的集聚，使非核心企業或核心企業知識創新能力的成長曲線坡度更高。為了探析系統模型對國家政策引導偏好的靈敏度，設定2 個對比方案：保持核心企業知識創新能力的成長曲線不變，提升非核心企業知識創新能力的成長曲線坡度為WITH LOOK UP（FHXZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.12），（15，0.19），（30，0.26），（50，0.4），（80，0.48），（100，0.52），（200，0.7））），得到方案3；保持非核心企業知識創新能力的成長曲線不變，提升核心企業知識創新能力的成長曲線坡度為WITH LOOK UP（HXZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.12），（15，0.19），（30，0.26），（50，0.4），（80，0.48），（100，0.52），（200，0.7））），得到方案4。仿真結果如圖7所示。

圖7 政策引導偏好靈敏度檢驗

從圖7（左）中可以看出，通過調整國家政策支持對象，提升核心企業或非核心企業的知識創新能力，對整個創新生態系統的知識存量演變趨勢并未產生明顯變化，均符合客觀規律。但是對于政策引導偏好核心企業比非核心企業具有更高的敏感度，能以更快速度提升整個創新生態系統的知識存量。從圖7（右）中可以看出，方案調整對整個知識勢差演變趨勢影響較大。具體表現在，增加核心企業知識創新能力加快了兩者之間知識勢差的擴大，而增加非核心企業的知識創新能力則減緩了兩者之間知識勢差的擴大。

可以得出結論，政策引導偏好對整個創新生態系統發展影響重大。從創新生態系統的視角出發，依然應該發揮核心企業在創新活動中的輻射帶動作用，特別是在一些高技術附加值的產業中。從非核心企業的視角出發，通過提升自主知識創新能力縮減與核心企業的知識勢差，是實現趕超甚至取代核心企業的唯一路徑。否則，一味強調基于核心企業正向知識溢出的4R 行為，將會陷入“技術路徑鎖定”的困境，最終導致與核心企業的知識差距被不斷拉大。

（3）調整非核心企業創新要素分配

創新生態系統中的非核心企業一方面依附于核心企業的知識軌道，另一方面為避免技術軌道鎖定需進行自主創新，非核心企業的創新資源對兩種途徑的偏好將影響企業未來發展。因而，在非核心企業創新資源的約束條件下，探析不同創新資源分配機制對非核心企業創新發展以及反向知識溢出的影響是極為必要的。非核心企業的創新資源分配機制有兩種，一種是集資源于外部知識獲取，另一種是集資源于自主創新。基于兩種創新資源分配機制，設定兩種方案：保持非核心企業自主知識創新能力成長曲線不變，提升非核心企業知識4R 能力成長曲線的坡度為WITH LOOK UP（JQZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.12），（15，0.19），（30，0.26），（50，0.4），（80，0.48），（100，0.52），（200，0.7））），得到方案5；保持非核心企業外部知識4R 能力成長曲線不變，提升非核心企業自主知識創新能力成長曲線坡度為WITH LOOK UP（FHXZSCL，（［（0，0）-（200，1）］，（0，0.05），（5，0.12），（15，0.19），（30，0.26），（50，0.4），（80，0.48），（100，0.52），（200，0.7））），得到方案6。仿真結果如圖8所示。

從圖8（左）中可以看出，不論是強化非核心企業的知識創新能力還是知識4R 能力，都對增加非核心企業反向知識溢出量具有積極作用，且反向知識溢出量均呈指數增長趨勢。非核心企業強化知識4R 能力比強化知識創新能力更有利于激發反向知識溢出，因而非核心企業知識4R 能力具有更高的敏感度。從圖8（右）中可以看出，如果非核心企業強化基于外部知識的4R 能力，將被核心企業加速拉開知識差距；而如果強化內部知識的自主創新能力，將減緩被核心企業拉開知識差距的勢頭。

圖8 非核心企業創新要素分配靈敏度檢驗

可以得出結論，非核心企業將有限的創新資源用于沿著核心企業知識軌道的二次創新，比強化自主知識創新更有利于促進反向知識溢出。這似乎從某種角度印證了一種創新生態系統協作發展模式的可行性：系統內核心企業引導顛覆式創新，而非核心企業基于核心企業知識軌道面向市場需求進行漸進式創新，從而共同促進創新生態系統演變。如果不考慮技術創新的風險性和不確定性，非核心企業不論是通過強化知識創新能力還是知識4R 能力都難以超越核心企業的知識存量，但仍可通過將知識資源集中于自主創新，強化知識創新能力，從而減緩與核心企業知識差距擴大的趨勢。

4.系統演化的普適性規律及多情景拓展

通過上文仿真模擬的結果來看，唯有核心企業主動終止核心競爭力保護機制，非核心企業才有逐漸縮短并趕超核心企業的機會。處在核心企業控制能力約束下的非核心企業，即便自主知識創新能力再強也不可能趕超核心企業。換言之，非核心企業的反向知識溢出行為并不意味著非核心企業在創新能力方面的趕超，也不意味著非核心企業具備取代核心企業位置的水平，該行為的發生僅說明非核心企業處在一個不斷接近核心企業的追趕階段。而且，非核心企業反向知識溢出的貢獻更多地體現在自我成長和進步的同時，促進了核心企業知識創新能力的提高。即便忽略反向知識溢出對核心企業創新方面的助益，作為公共知識池的創新生態系統受反向知識溢出的影響，其知識邊界被不斷拓展的同時帶來系統整體創新績效的改善。即使創新生態系統中的核心企業“不思進取”，非核心企業的自主創新及其部分反向知識溢出仍可維持系統知識循環的動態平衡。

然而，核心企業與非核心企業之間復雜的競合關系是根據實際情景動態變化的，前文所構建的系統動力學模型不足以模擬多種情景下的創新生態系統。根據發展戰略的不同，可將核心企業分為兩種類型：一種是通過強化知識更新迭代和選擇性披露等手段不斷強化對系統的控制地位，此類核心企業即為競爭型核心企業；另一種是考慮風險、成本等制約因素而采取被動、保守發展戰略，其發展重點是壟斷核心技術并盡量控制知識漏出，而非尋找市場利基和突破知識軌道依賴，此類核心企業即為防守型核心企業。同樣，作為創新生態系統中的另外一種創新主體，非核心企業也存在兩種類型：一種是得益于所在系統收益共享機制而安于現狀的非核心企業，該類非核心企業希望被核心企業控制，在創新合作過程中換取既得利益和穩固的網絡位置，這種對網絡權力爭奪意愿不強的企業即為尋求庇佑型非核心企業；另一種非核心企業則不滿足于被支配的現狀，通過取代原有核心企業位置或脫離原來系統等途徑建立以自身為核心的創新生態系統，此類非核心企業即為主動進攻型非核心企業。不同類型的核心企業與非核心企業交叉形成四種網絡情景，如圖9所示：防守型核心企業與尋求庇佑型非核心企業構成情景1；競爭型核心企業與尋求庇佑型非核心企業構成情景2；主動進攻型非核心企業與防守型核心企業構成情景3；主動進攻型非核心企業與競爭型核心企業構成情景4。

圖9 不同類型企業之間組合的4種情景

5.系統在不同情景下的分析與對比

通過前文系統模型的靈敏度分析，發現政府、商會等第三方組織可通過引導機制有效激發創新生態系統內部知識轉移，促進系統創新績效整體水平的提升。但是，第三方組織難以深入影響核心企業與非核心企業之間的博弈行為，對兩者間位置交替影響作用不太顯著。然而，一個具有活力的創新生態系統，勢必需要一些原本實力較差的企業不斷成長威脅原本實力強勁的企業，而實力強勁的企業不斷強化競爭優勢以避免被趕超的群體演變過程。因此，從反向知識溢出的角度研究創新生態系統的演變過程，僅考慮外部宏觀政策的引導是不夠的，需要分析核心企業與非核心企業的不同戰略選擇。前文構建的非核心企業反向知識溢出模型通過了有效性和靈敏度檢驗，說明可較為準確地模擬現實創新生態系統知識溢出行為。在此基礎上，與研究團隊內多位教授與博士研究生討論完善系統模型，決定增加創新成功率、知識黏性、核心企業知識吸收能力等影響因素，以便于更完美地擬合四種不同的現實情景，修正后的系統流圖如圖10所示。

圖10 基于細分情景下的非核心企業反向知識溢出系統流圖

在情景1中，核心企業采取防守型策略，而非核心企業采取尋求庇佑型策略。非核心企業滿足于由核心企業“安排”的網絡位置，擺脫核心企業控制的主觀意愿不強，因而設定非核心企業有較高的知識共享系數和較低擺脫控制的意愿。防守型核心企業為避免創新風險和戰略失誤，對創新生態系統的控制欲望也較低。此情境下的非核心企業反向知識溢出增長速度緩慢，且與核心企業之間知識總量差距不大。考慮到這種類型的核心企業對顛覆式創新缺乏興趣，一定程度上導致非核心企業的外部新知識來源匱乏，進而導致4R行為受到抑制。

在情景2中，核心企業采取競爭型策略，而非核心企業采取尋求庇佑型策略。與情景1相比，最明顯的變化是核心企業從防守型變為競爭型。該類型核心企業強調核心競爭力的保護和系統控制力的進一步提升，具體表現在：通過設置隱性知識轉移困境和專有資產投入風險提升知識粘性；強化對外部知識的吸收能力和自主創新的成功率；對創新生態系統的控制欲望進一步提升。從圖11 可以看出，這種情景最適合反向知識溢出行為的發生，但非核心企業非常容易被核心企業拉開知識差距，這意味著合作關系不穩定且容易被創新能力更強的非核心企業所取代。

在情景3中，核心企業采取防守型策略，而非核心企業采取主動進攻型策略。此情境下的非核心企業不滿足于所處的網絡位置，積極尋求擺脫核心企業控制的機會。與情景1 相比，最明顯的變化是非核心企業從尋求庇佑型變為主動進攻型。該類型非核心企業開始強化自身核心競爭力的保護且在發展戰略上開始瞄準核心企業位置，具體表現在：非核心企業下調知識共享系數以減少知識泄露；非核心企業擺脫核心企業控制的意愿增強。模擬結果顯示這種情景最不利于反向知識溢出的發生，而且系統的第54 個月成為非核心企業趕超核心企業的臨界點，此后非核心企業成為控制創新生態系統的新核心企業。

在情景4中，核心企業采取競爭型策略，而非核心企業采取主動進攻型策略。與情景2相比，最明顯的變化是非核心企業從尋求庇佑型變為主動進攻型。因而基于情景2中核心企業的行為設定，非核心企業的發展戰略轉變為與核心企業爭奪系統控制權，具體表現在：非核心企業強化知識黏性，增加核心企業學習的困難程度；非核心企業降低知識共享系數，減少向核心企業進行反向知識溢出；非核心企業具有強烈的擺脫核心企業控制的意愿。模擬結果顯示，該情景較為適合反向知識溢出行為，知識勢差隨系統時間持續增大但增速一般，整體趨勢與情景2相仿。這說明，如果核心企業采取競爭型策略，不論非核心企業是尋求庇佑型還是主動進攻型都無法威脅到核心企業的核心地位。

圖11 多情景下仿真模擬結果比較

五、管理啟示

隨著市場經濟發展日益成熟，非核心企業在創新生態系統中的角色越來越重要，對增加地區就業機會、推動科技進步與技術創新、促進地方經濟升級轉型具有重要的現實意義。以浙江省為例，截至2017 年底工業類企業共有非核心企業3.6 萬家，所占比重高達98%，且非核心企業成長活力巨大，“小升規”企業的工業增加值和稅金總額分別較上年增加了18.9%和29%。而非核心企業的重要性絕非以上數據的簡單體現，通過對一些占據核心地位的大型企業的調查訪談，發現許多非核心企業在產業和區域中占據難以替代的位置，核心企業在創新活動中接受來自非核心企業反向知識溢出的情況也越來越普遍。

筆者認為地區經濟發展需要政府和市場兩只手實現帕累托最優，即考慮長遠戰略的政府政策引導以及市場微觀單位（核心企業、非核心企業）的自我規劃。但考慮到這些主體追求差異化的利益目標，因而管理側重點也有所不同，以下從政府、核心企業以及非核心企業三個視角進行討論。

（1）政府科學利用政策工具引導創新生態系統演變。政府應建立基于協同創新理念的信任機制，減少因核心企業與非核心企業之間投機行為造成的知識保護，降低雙方之間知識共享的風險與成本，促成雙方知識共享意愿的達成。從仿真模擬結果得知，核心企業自主知識創新對創新生態系統知識存量的影響更大。鑒于核心企業在創新生態系統通常進行基礎性、原發性研究，而非核心企業一般在核心企業技術軌道上展開漸進性創新，因而政府應通過政策支持核心企業進行前瞻性、引領性原創成果的重大突破，引導非核心企業將創新重點落在重大突破性技術的商業轉化上。

（2）核心企業需完善知識溢出補償機制。從整個創新生態系統發展的視角來思考，核心企業的知識共享系數越高越能形成創新集聚效應，但對核心企業而言意味著核心競爭力的丟失。因而，本著協同創新的發展思路，應通過建立核心企業知識溢出補償機制來彌補利益損失。通過補償機制，一方面提升核心企業向創新生態系統的正向知識溢出的力度，另一方面通過正向知識溢出總量的提升加速非核心企業和創新要素向系統的匯聚，從而進一步強化創新要素集聚效應。

（3）非核心企業需強化自主創新機制。通過仿真模擬發現，不論是知識自主創新還是基于外部知識的4R 創新行為，非核心企業始終作為核心企業的跟隨者且知識勢差不斷擴大。值得注意的是，非核心企業進行知識自主創新可以很大程度上減緩知識差距被拉大的趨勢。而且，知識創新具有方向不確定性，非核心企業通過知識自主創新將大大提升突破核心企業知識軌道約束的幾率，從而成為新一代技術革命的發起者。而這個獨特機會窗口的發生，或許可以解釋在創新生態系統中非核心企業與核心企業發生位置交換的現象。