創新生態系統的雙元能力判別及其演化路徑分析
——基于1998-2018年的跨案例研究

王 寅，孫 毅，王丹丹，胡漢惠

（天津財經大學 國際工商學院，天津 300222）

一、引 言

在新冠疫情重大突發事件、數字經濟及經濟逆全球化的復合背景下，創新生態系統的快速、均衡發展面臨更為嚴峻的挑戰，造成各地區創新能力差距更為顯著。與此同時，在我國供給側改革、高質量發展和強調內循環的政策空間下，推動創新生態系統均衡發展、提升系統治理能力成為中央和各地區管理部門亟需解決的現實問題。如何更為細致地評價系統的創新能力？進而，如何進行創新生態系統的分類，系統的探索性創新與開發性創新是如何動態交互的？其構成要素有何特征？在上述要素之外，宏觀的影響因素與變化規律是什么？雙元性創新為創新生態系統的研究提供更為微觀的理論視角和范式［1］。

在產業協同和網絡化的環境下，企業在相互開放與滲透的組織特征基礎上形成了多螺旋創新生態系統［2］，并進行系統融合與互通，系統所具備的網絡效應和共同專業化效應推動了全球科技的快速發展［3］。但各地區系統發展狀況的顯著差異卻惡化了科技與經濟發展的均衡，造成了明顯的“貧富差距”，如美國硅谷的科技持續領先、美國政府對華為等中國科技生態系統的長臂管轄、中國各地區科技與經濟發展失衡等?；诖耍到y的均衡發展和演化治理成為學界需要探討的議題，但目前的討論多數集中于系統構建和共生原理［4］、組織滲透與協同作用［5-6］、系統邊界［7］、創新能力評價及環境分析等［8］，少數學者基于雙元創新的悖論視角對創新生態系統進行了探討［1］，但上文的問題卻未做出詳盡解釋，并存在一定的爭議。與此同時，黨的十八大、十九大報告多次強調了探索式創新對于國家創新體系的重要作用，存在對立統一關系的開發性創新和探索性創新如何在多組織構成的創新生態系統中存在和發展，仍是未被學界揭開的黑箱。

回顧構念，開發性創新是漸進學習型人才利用現有知識和技術，在效率、流程、外形和功能方面對產品和服務進行提煉、改進，以滿足市場的短期需求，提升中短期績效的過程［9-10］。開發性創新與外部環境密切相關，使得企業打破組織界限與外界進行合作與信息交換，其與生態系統技術創新的量變過程交互作用顯著［11-12］。探索性創新是指變革引領型人才利用新技術、知識和方法，通過在新技術、新市場進行搜索、實驗以及變革，滿足市場的未來需求和組織的長期績效提升［12］。由于面臨技術變革，探索性創新的過程更為復雜，較低的成功概率要求利益相關者具備更高的風險偏好，創新單元為獲得探索性創新的持續成功與協同共享，對所處生態環境的治理能力、動態能力、知識產權保護強度和孵化能力等要素的需求較高［5］，并對創新生態系統的類型及其變革具有引導與反饋作用［13］。因此，兩種創新能力的協同過程——雙元性創新，是創新生態系統必備的能力和特性，很多學者都探討了雙元性創新與創新生態績效的正反饋作用、單軌一元（非雙元）創新型生態系統的構建過程及評價指標體系等［14-15］，但基于雙元性能力的創新生態系統評價體系、不同階段的判別體系及演化路徑的內在機理等方面鮮有學者問及，而演化過程又顯著影響系統整體的價值創造、發展特征和趨勢［16-17］，深究此問題正是本文理論意義的所在。而現實管理中，創新生態系統管理者對開發性創新與探索性創新都在規劃綱要、績效考核及統計年鑒等方面進行了設計，但現有的各省市創新生態系統的發展卻差異顯著，很多地區系統治理水平落后嚴重阻礙了其科技與經濟的發展，因此設計科學的評價、判別體系及策略集并用以指導創新系統管理與治理具備較強的現實意義。

據此，本研究將基于兩種創新能力細分的視角，對創新生態系統的雙元特征分類及創新機制進行分析，刻畫不同類型創新生態系統的要素構成及生態圖譜，利用多元統計分析設計創新生態系統的雙元創新判別體系，以其他成果同樣使用的2018年全國創新能力平均數據為“雙元交替創新生態系統”的標桿基值，跨案例分析1998-2018年北京、上海和天津地區的系統演化規律，探究系統創新能力遞減與邊際遞減的內在區別與成因，提出相關命題，并針對我國不同類型的創新生態系統提出治理建議與對策。

二、理論基礎與系統特征分析

（一）雙元性創新

組織為獲得長期競爭優勢應同時具有適應當下與未來變革的能力，即探索（exploration）與開發（exploitation）兩種相?；蚧パa的能力，隨后組織技術創新研究領域內的開發能力——開發性創新和探索能力——探索性創新被提出［18］，并將兼顧這兩種創新的過程定義為雙元創新（ambidextrous innovation）。部分學者認為開發性創新與探索式創新只是在某些維度上的表現不同，是創新行為連續體的兩端［19］，不存在清晰的構念邊界。但近年來，有關探索性創新、開發性創新以及雙元創新的區分及量化過程研究逐漸占據了主導地位［20-21］，為本文的分類及量化研究提供了理論基礎。沿用前人的研究成果，將探索式創新定義為組織通過探索型人才，利用全新知識和技術進行搜索、學習及變革，滿足新市場或新客戶對產品和服務的需求，追求長期創新績效的過程；將開發式創新定義為組織通過開發型人才，利用現有知識和技術進行延伸、改進和更新，滿足現有客戶和市場的需求，追求中短期創新績效的過程［22-23］。從現有理論來看，將雙元性創新與創新生態系統結合的研究較少，胡京波等以中航動力為對象探討了創新生態系統核心企業的雙元創新問題，揭示了創新生態系統核心企業管理創新悖論的過程機理，探討了核心企業戰略、方式、驅動三類悖論性矛盾的內在規律，并證實了O'Reilly和Tushman研究中雙元創新三種模式的存在性［1］；劉人懷等基于雙元能力視角，以創新生態系統中的平臺企業為對象，探究了其互補式資產、平臺開放度與雙元性創新之間的關系［24］。

（二）創新生態系統

從生態位的角度來看，創新生態系統由各種創新單元構成，后者在環境要素（如經濟、政治、組織、制度以及技術等）的制約下，通過長期的、動態的調整與演化過程，進行資源流、資金流、技術流和信息流的互通與耦合，形成了競爭的、共生的、協同的有機整體［25］，進而滿足用戶和公眾需求［26-27］，并且具備影響行業技術標準的能力［28］。學者們大多都在系統的內外部資源、各要素協同作用、能量傳遞方面對創新生態系統進行了構念的勾勒。據此，本研究將創新生態系統定義為科技型企業、科研型大學或科研院所及中介機構、社會公眾等，在開放式創新的推動下集聚各種資源形成生態群落，通過各群落及外部環境的能量、知識流動，把基于客戶價值主張［29］、技術創造與轉化轉讓的創新成果擴散至局部地區乃至全球范圍的有機整體。在此需要指出的是，為了理清系統縱向時間軸的動態演化過程以及給地方政府提供治理策略，本研究將以我國省域為單位進行區域型生態系統的研究。

CHEN&HUNG基于行為網絡視角設計了創新生態系統的評價體系，主要對系統聯結效率進行了探討［30］；歐光軍等通過指標與評價體系的設計，基于創新的單一維度，以產業集群為研究對象，對創新生態系統的能力進行了評價，并強調了開放性與種群結構兩個維度的重要性，但沒有在生態系統的構念范疇進行討論［31］。吳菲菲等［27］則對高技術企業創新生態系統的有機性進行了評價，理論基于四螺旋視角，強調了客戶對創新生態系統的重要影響。此外，賀團濤等學者分析了創新生態系統的構建路徑、要素特征并最終設計了基于技術標準與網絡協作的評價指標體系［4］。陳向東、劉志春以創新生態系統的視角，對我國一些科技園區的發展進行了觀測與評價［32］。產業園區的研究模式更適合于創新2.0時代（企業集群和產業聯盟的模式），但當前經濟轉型期和開放式創新時代則需要將研究的重心置于區域型或是無邊界型的創新系統［7］。從區域型樣本的實證研究角度來看，王發明及其研究團隊以資源型城市創新生態系統為研究對象，基于ANP方法評價了黑龍江省8個樣本城市創新生態系統的創新效率和效果［15］，其研究基于創新的一級概念，未對開發性創新和探索性創新進行二級概念能力的微觀評價與動態演化討論。而分析省級創新生態系統的是孫琪在2016年的研究，其研究團隊利用熵值和TOPSIS方法進行了指標體系構建，并以浙江為評價樣本，但如果不進行縱向對比和跨樣本比較研究，則難以探索生態系統演化的內因和標桿策略。此外，吳菲菲等學者對創新生態系統的有機性評價則是將研究拓展到了全國范圍［27］。國內外開展相關實證評價較早且成上升態勢［16，33］，極少數學者涉及相關動態演化能力的研究［34-35］，但目前沒有將雙元型創新納入研究范疇并進行動態演化機理研究的相關成果；此外，由于我國特色社會主義的省級行政管理制度和市場經濟制度，現有成果亦缺乏對全國各省級創新生態系統雙元創新能力及發展階段的判別標準以及縱向時間序列的演化階段對比分析及發展趨勢分析。

（三）基于雙元創新的系統細分及演化路徑

現有研究將創新生態系統進行仿生擬合，曾國屏等學者在區域型創新生態系統的研究中提出系統要素主要包含創新群落、創新資源和創新環境，創新群落依照產業鏈和技術創新流動自上而下分為上游、主體和下游群落［36-37］。上游群落是創新資源的供應者，包括人才、資源、資本和基礎產品的供應，代表著創新生態系統的“創新底蘊”；主體群落類似于現有理論中提及的生態系統核心企業或企業集群，決定著系統的演化方向和發展階段［17，38］；下游群落是對創新產品和服務進行生產并推向客戶的成品制造型企業群、運輸服務和貿易公司等，其為系統與組中客戶的聯結和信息反饋提供了便利。各群落在創新生態系統內長期共生和能量交流中鞏固了協同、交互作用，屬于動態演化的過程［36］，上游群落和下游群落都應動態地匹配主體群落的進化特征和需求［13］，類似于自然生態系統的種群動態均衡過程。

本研究的目的在于探究創新生態系統雙元性創新能力評價及其演化發展不同階段的判別標準，并強調創新生態系統與經濟、技術、人才和社會等宏觀政策與環境的交互影響［39］，以各群落創新行為重心的偏向性（主要體現在開發性創新與探索性創新的單元數量、相對比重、績效表現和貢獻程度等方面）為出發點，結合系統中各要素和能量流動繪制了創新生態系統圖譜，如圖1 所示。其中，創新生態系統的分類依據前人對雙元創新型組織演化路徑的研究成果［12］，以開發式創新能力、探索式創新能力為二維變量，并根據不同的系統創新規模，將創新生態系統劃分為初級一元型、中級雙元交替型、中級偏開發型、中級偏顛覆型、高級雙元均衡型、高級超開發型和高級超顛覆型共7 種，創新能力由低級到高級逐級增強，最優系統為高級雙元均衡型［40］，其維度特征見表1所列。

圖1 中序號A1 與A2 的創新生態系統分別代表初級開發型系統與初級探索型系統，其特征對應表1 中初級一元型。初級一元型創新生態系統是初創的、落后的系統，產能較弱，科技轉化水平低，創新資源匱乏［37］，一般為地理位置較為偏僻的落后地區，其中退化型的初級組織也不鮮見，如底特律、東北舊工業區創新生態系統，其創新能力多數集中于某種創新，如單一的開發性創新或探索性創新，且前者居多。

圖1 基于雙元性的創新生態系統構成圖譜

表1 創新生態系統不同創新模式的特征歸納

圖1中序號B1、B2、B3的創新生態系統分別代表中級創新生態系統的雙元交替型、偏顛覆型和偏開發型（特征見表1），交替型的出現是基于系統作為經濟個體的資源稀缺理論，當開發性創新、探索性創新的投入和資源能力稀缺、有限時，系統會輪轉式地進行創新重心的轉換以維持系統功能的全面性和創新的可持續性［22］，但系統慣性的存在會阻礙交替模式的切換，造成創新的重心偏移導致系統退化［41］。上述退化所造成的次優狀態分別是偏開發型系統和偏探索型系統，系統由于路徑依賴和“能力陷阱”的存在，在長期的自強化作用下會形成系統存在較多的開發性創新單元或探索性創新單元，造成產業鏈、創新群落及系統環境對某種創新的同類依賴［42-44］。前者多見于發展中國家崇尚科技創新的地區，如中國深圳、印度班加羅爾等；后者則同樣為發展中國家的制造業中心，如印度孟買以及東南亞國家的工業中心等。高級創新生態系統主要包括雙元均衡型、超探索型和超開發型（圖1中C1、C2、C3及表1中對應特征），均衡型是指系統保持開發性創新與探索性創新的快速發展及均衡［45］，實現開發式創新和探索式創新的協同作用和螺旋式上升態勢，是創新生態系統的最優模式［46-47］。超探索型和超開發型體現在某種能力短期的相對增強，與偏探索型和偏開發型類似，會存在潛在的能力陷阱、路徑依賴，導致某種創新能力的“自強化”［23］，但系統的風險和產出效率則會出現嚴重問題，不利于可持續發展，甚至出現系統退化。

理論界對于組織雙元能力退化的研究主要集中在能力陷阱和路徑依賴視角［23］。此外，動態能力較弱、資源不匹配、系統機制不完善等因素對創新生態系統會產生顯著的消極影響，亦是系統不穩定并產生退化的誘因［42-44，48］，而如何及時甄別創新生態系統退化和所處演化階段正是本研究的側重點。

基于雙元性創新視角，創新生態系統所處不同階段的主要二維變量是開發式創新能力和探索式創新能力，亦代表著系統中多種群落在長期開放式創新過程中形成的穩定性及柔韌性。此外，不同階段的創新投入、產出也有所不同，這是由其所處的宏觀環境、政策以及系統科技孵化能力所共同決定的。尤其在我國，各省級科學技術管理委員會等相關部門都會對當地的創新發展進行管理、治理和政策引導，政府也會有專項的投資資金、稅收補貼以及招商引資等活動。由于目前我國地域廣闊和經濟發展水平的不同，各地區的創新生態系統在創新方面“貧富差距”較大，其原因之一則是管理當局不能夠識別自身的發展階段和能力等級，從而進行精準的、定向的政策引導和支持，制定可持續的、正向動態演化的發展戰略。

因此，本研究將根據我國各地區創新生態系統可獲得的官方原始統計數據，基于現有相關研究的成果，利用多元統計分析的子方法探尋并構建指標體系和判別體系，即對創新微觀環境、創新宏觀環境、上游群落、下游群落以及主體群落等主要元素進行基于雙元性創新能力的測度與指標體系構建，并進一步對北京、上海、天津等樣本地區不同發展階段的創新生態系統進行橫、縱向的比較分析，探究創新能力動態演化的內在規律及差距成因，并據此提出針對性的政策建議。

三、評價指標體系的設計與模型構建

（一）指標體系設計

首先，研究參考了張仁開［49］、王發明和朱美娟［15］、歐光軍等［31］、姜慶國［50］、陸燕春等［51］有關創新生態系統研究的現有評價指標體系，進行指標初篩匯總，具體見表2所列。

表2 創新生態系統現有研究指標體系概要

續表2

其次，與課題組另一個研究類似，在參照現有研究指標體系的基礎上［27，49-50］，結合雙元性創新的構念內涵對可用科技指標進行初步篩選與分類［22-23，52］。但不同的是，本研究結合了預研樣本城市的特征，在先前研究基礎上，額外引入地區人口、GDP、知識產權保護強度（IPP Index）［53］、創新政策強度［54］等4 個指標作為系統宏觀環境的三級指標，以去除規模因素的干擾并強調地區政策的影響，從而深入地分析創新能力與效率，據此搜索全國各地區創新生態系統的統計數據。其中，國家統計年鑒和科技統計年鑒中對應用性（官方釋義對應本研究中“開發性創新”）和開發性（官方釋義對應本研究中的“探索性創新”）技術創新指標進行了分類記錄，在鞏固了論證基礎的同時，佐證了政府創新管理部門對兩種創新能力分類治理的必要性和先見性。同樣，經過同行專家和課題組討論及其評價收集，采用spss26.0 軟件運用方差、相關性、聚類和判別分析等方法，嚴格排除了初篩指標中存在共線性的所有指標，在66 個三級指標中選取開發式、探索式創新兩套指標系統的指標各21個，分別代表創新系統環境（包括系統投入和產出能力、系統宏觀環境二級指標）和創新群落（包括上游群落、主體群落和下游群落等三個二級指標），見表3所列。

表3 基于宏觀環境的創新生態系統雙元創新能力評價指標預選

（二）因子分析與評價模型

本文利用表3 所列指標體系，通過1998-2018年的《中國統計年鑒》《中國科技統計年鑒》等官方數據以及吳超鵬和唐菂［53］、張煒等［54］的研究成果與計量方法，手工收集了原始統計數據。由于要對不同量綱的數據進行加權打分，本研究運用SPSS 22.0 中的Z-scores 法對數據進行標準化處理，使Xij、Yij∈［0，1］。進一步地，利用SPSS 對指標體系中的全國各地區樣本指標統計值進行因子分析預處理，見表4 所列。其中開發式創新指標的KMO 值為 0.729＞0.7，探索式創新的 KMO 值為 0.741＞0.7，內部效度符合標準。此外，Bartlett球形度檢驗的sig值均為0，說明指標體系中的各個指標之間不存在顯著的多重共線性，呈球形分布表示其獨立性較強。

表4 KMO檢驗與BARTLETT的球形度檢驗結果

通過主成分分析法各提取兩種創新前5 個取值大于1的因子特征根，共能夠解釋原始數據變量標準方差的95.198%和89.259%，包含了原始數據的絕大部分信息，并且能夠與表3指標體系的二級指標一一對應，具有較好的代表性。進一步地，通過最大方差法進行因子旋轉，改善其解釋變量的現實效度，得到的結果見表5 所列，因子得分系數可根據表內數據計算得出，此處不再贅述。

表5 開發性創新、探索性創新指標總方差解釋結果

（三）截面數據分析、判別體系設計與分析

本研究利用該評價指標體系，對2017年我國31個省份（不包括港澳臺地區）創新生態系統指標的截面數據進行收集，進而設定區域性創新生態系統評價的分數基值與判別標準。利用區域性統計數據一方面能夠滿足地方政府制定針對性政策的需求，另一方面可以保證統計數據界限清晰、可獲得性和客觀性。同時為了實現生態系統雙元型創新發展階段判別體系的建立，研究把2017年全國分數的算數平均水平設置為“基值單位1”，進而得出各地區創新生態系統基于2017年全國單位水平的相對得分，見表6、表7所列，表中按綜合得分的降序排列。

表6 全國區域性創新生態系統探索性創新能力因子得分

表6中，2017年區域性創新生態系統的探索性創新能力排名前列的依次為北京、江蘇、廣東、山東和浙江等東部沿海城市，天津市是唯一東部沿海且為直轄市的落后地區。在引入GDP 增速、人口基數、知識產權保護強度和創新政策強度的指標后，除了北京之外，其他直轄市和經濟增速較快的城市樣本中，上海、天津的探索性創新能力與其經濟、政策和人口密度的排名次序偏離明顯，在此可以推斷上述樣本的金融、貿易能力更多地決定了地方經濟發展水平，而探索性創新與地方經濟發展的相關性和影響滯后性等特征有待考量。

表7 全國區域性創新生態系統開發性創新能力因子得分

由表7 可知，廣東、北京、江蘇、浙江和上海在創新生態系統開發性創新能力方面排名靠前，與探索性創新排名差異明顯，天津市仍為東部沿海、直轄市中落后于全國水平的城市，進一步強調了對天津市創新生態系統進行跨案例對比分析的現實必要性。在引入GDP增速、人口基數、知識產權保護強度和創新政策強度的指標后，很多城市仍未體現出創新宏觀環境方面的優勢，如上海市、天津市等，也進一步提出了考究上海市的創新要素與雙元創新能力內在關聯的必要性。

基于此，研究將選取雙元創新能力領先的北京市、宏觀要素與創新能力相背離的上海市以及創新能力落后但具備東部沿海與直轄市雙重身份的天津市進行跨案例的縱向比較分析。

四、1998-2018年北京、上海、天津地區的跨案例分析

首先，通過指標數據的收集，對1998-2018 年北京、上海和天津的雙元創新能力進行打分，其中部分年份缺失的數據利用時間序列模型進行回歸補全。參考已有研究，將兩種創新能力均小于1、平方和值小于2的地區定義為初級創新生態系統，將兩種創新能力均介于1～2 之間、平方和值介于2～8 之間的系統定義為中級創新生態系統，而兩種創新能力均大于2 的系統定義為高級創新生態系統。因此從演化階段來看，北京、上海、天津在2018年分別屬于高級、中級和初級創新生態系統，分別對應生態圖譜中C2、B2 與A1，案例各指標維度的具體得分見表8-表13所列。

表8 1998-2018年北京市開發性創新能力得分

續表8

表9 1998-2018年北京市探索性創新能力得分

表10 1998-2018年上海市開發性創新能力得分

續表10

表11 1998-2018年上海市探索性創新能力得分

表12 1998-2018年天津市開發性創新能力得分

續表12

表13 1998-2018年天津市探索性創新能力得分

利用因子分析中的方差貢獻比可以考察北京市、上海市和天津市三個創新生態系統的維度貢獻率，亦能挖掘造成差異的原因，鎖定核心指標及問題，并通過理論分析指導管理實踐。首先，對樣本系統進行開發性創新能力及核心因素的分析，在投入產出方面，北京1998年的初始得分較高，但增速低于上海，說明上海市經濟對科技創新的投入產出影響較大，且地方財政較為重視開發性創新投入產出，但轉化率并不高；反觀天津長期處于較低水平，唯有2005-2010年增速較快，應歸因于濱海新區的建設與規劃，2015 年之后出現的數據滑坡則是因為“統計擠水”事件，2015 年前天津的科技和宏觀統計數據應存在部分失真性。從宏觀環境角度分析，北京和上海兩個地區持續快速增長，受益于其經濟增長、人口流入以及知識產權保護強度的貢獻，但從政策數量角度來講，天津與其他兩個地區的差距并不明顯，天津的長期落后主要是由于其政策深度和有效度、人口流入速度邊際下降以及經濟增速減緩的原因，同樣2015 年的天津港爆炸事件和統計擠水事件對宏觀環境要素的影響較為明顯。最后，從創新群落的角度觀察，北京、上海和天津的高校密度相對較大，所以三個樣本地區在上游群落得分方面都較高，但北京低于上海，可以看出北京高校對開發性創新的貢獻程度較低，而上海則更注重開發性創新的發展和培育；再看下游群落，上海的得分顯著高于其他兩個城市，得益于其長期較高的貿易水平和金融水平，同樣為港口城市和自由貿易區的天津則在下游群落方面存在明顯不足，沒有發揮區位優勢；主體群落中，北京的優勢顯著，主要原因是由于北京具有較多的創新型企業和產業園區，多數科技公司、科研機構的總部都坐落于北京［38］，上海和天津則較為落后。

進而，從探索性創新的角度對三個樣本城市進行比較分析，在投入產出方面，北京長期處于領先狀態，上海和天津呈緩慢上升趨勢，說明北京科技人才引進和專利激勵政策方面投入較大，而上海、天津更注重貿易和金融的發展，科技人才的引進相對緩慢。此外，三個城市的教育資源水平也是上述問題的誘因之一。宏觀環境同時促進開發性創新與探索性創新，因此影響機理與上文相似。從創新群落來看，北京的主體群落和上游群落明顯優于上海和天津，但三地的高校數量差距并不明顯，可知北京高校更傾向于進行探索性創新。此外科研機構和高新技術企業的數量差距亦是上述現象的主要成因之一，北京作為IT產業、軍工產業等技術密集企業總部集聚地，主體群落的領先毋庸置疑。反觀下游群落得分，北京落后于上海，天津最低，說明上海的貿易和銷售終端在探索性技術領域基礎更好，在消費驅動型技術創新時代，可利用下游群落優勢實現創新生態系統的快速發展。天津則是由于長期的經濟增長緩慢、優秀企業流失等問題導致下游群落的發展較為緩慢［55-56］，同時造成區位優勢損失。

旨在便于觀察，本研究將北京市、上海市、天津市的開發性創新和探索性創新能力得分按照1998-2018年縱向時間軸繪制時間序列圖，以分析其周期趨勢等內在規律，如圖2-圖4所示。

圖4 1998-2017年天津市創新生態系統雙元創新能力演化

從時間序列圖來看，并結合案例樣本的GDP增速、知識產權保護強度、人口流入數量以及創新政策強度的指標對比，可以發現兩種創新能力與GDP增速和經濟發展存在潛在的相關性，呈螺旋上升趨勢。與Benner和Tushman（2003）的結論相同，開發性創新與探索性創新的變化呈反相關狀態，說明兩種創新存在明顯的界限，并爭奪創新生態系統的創新資源（March，1991）［57］。因此提出命題1：系統開發性創新、探索性創新能力的邊際變化與地區GDP 增速正相關［55-56］；命題2：開發性創新、探索性存在周期性的螺旋交互上升關系［40，58］。

此外，根據上文三個地區指標構成因素的分析可以發現，開發性創新與下游群落要素關系較為顯著，良好的貿易水平促進了其產品和技術流出與創新資源流入，而貿易較好的地區，如上海市，其貿易對經濟的拉動作用降低了其對探索性創新的技術拉動需求，創新生態系統的貿易水平與探索性創新存在擠出作用。因此提出命題3：開發性創新與地區貿易水平正相關，探索性創新反之。

五、研究結論與管理啟示

（一）研究結論

經過對開發性創新能力、探索性創新能力雙維度的創新生態系統指標和評價體系的設計，以2017 年我國創新生態系統指標平均得分為基值，對北京、上海和天津的創新生態系統進行了跨案例研究，得到以下結論：

第一，我國區域型創新生態系統發展水平存在顯著差異，東部沿海整體水平偏高，宏觀環境、投入產出、主體、上游和下游群落是組成系統并影響系統演化的重要因素。在當前發展階段，各地的政策強度、經濟底蘊、人才質量和區位優勢等創新生態環境方面的影響最為顯著，仍屬于政府主導型階段。此外，除大多數學者已論證的政策和創新主體的顯著作用之外，近年來上游群落的知識、文化網絡建設和下游群落的用戶創新信息的擴散、反饋等方面的影響持續增強。

第二，高級均衡型創新生態系統所屬地區的GDP增速和科技產出水平優勢顯著，當前我國大部分創新生態系統沒有達到高級均衡，仍有天津等發達地區出現創新生態退化的現象。統計數據方面，截至2017 年僅有22.58%的地區達到高級創新生態系統水平，京、浙、粵三地分別在2008年、2015年和2009 年經過長期的演化達到高級水平，創新產出和GDP領先于全國水平；仍有天津、重慶等發達省份沒有達到全國水平，在GDP 和創新產出方面亦落后明顯，地方政府的創新治理值得改善。此外，由于當前創新項目的真實成功率/轉化率、客戶對改進/全新產品購買率等統計數據不全面，難以有效測度系統的創新剛性風險和雙元創新的終端傳導。

第三，創新生態系統的開發式創新能力、探索式創新能力在經濟生命周期不同階段有不同的變化特征，呈螺旋上升趨勢。其中，在現有理論基礎上，研究加入了地方GDP 增速、人口流入水平、知識產權保護強度和創新政策強度等評價指標，進一步挖掘了創新生態系統開發性創新、探索性創新能力的邊際變化與地區GDP 增速、貿易水平等變量之間潛在的相關關系。其中，開發性創新和探索性創新的邊際變化呈負相關關系，并在地區GDP 增速緩慢時更加明顯，說明地區經濟水平能通過資源約束影響兩種創新之間的互動關系；系統所在地區貿易水平高會對探索性創新有代償和替代作用，會在一定程度上降低該地區探索性創新能力，促進成本更低的開發性創新能力。

第四，創新生態系統的開發性創新能力、探索性創新能力呈周期發展趨勢，其中創新能力的路徑依賴作用導致了探索性創新或開發性創新的自強化，影響系統雙元均衡。組織或系統的創新路徑存在路徑依賴和慣性的特征，致使創新生態系統在追求開發性創新或探索性創新的過程中容易造成持續成功或持續失敗、在某種創新中持續投入以期獲得突破的“能力陷阱”。其中，持續成功的路徑依賴，容易導致系統由雙元均衡型向超開發型或超探索型偏移；而持續失敗的能力陷阱，容易導致系統由交替型向偏開發型或偏探索型退化，因此系統柔性能夠抑制路徑退化的產生。

（二）管理啟示

對應結論和研究分析過程，經過專家小組討論以及借鑒其他文獻，對我國區域型創新生態系統相關管理部門提出以下建議：

第一，相關管理部門可參考基于雙元性的創新生態系統評價體系，并結合自身發展的特征要素，完善統計指標體系，設計所轄地區的系統考核方式，引導并激勵創新單元為促進系統整體均衡發展貢獻力量。在知識產權保護、創新政策設計、人才引進、投資融資及技術孵化方面給予創新單元定向的引導和敦促，以高級均衡型創新生態系統為目標，營造適合地區的創新文化氛圍和特色產業；設計長期發展規劃綱要和系統退化的預警紅線，利用定期指標監測與差距分析引導系統的可持續、均衡發展。

第二，相關管理部門可以敦促各創新生態系統基于優勢互補原則，結對子進行雙元創新幫扶、互通與均衡發展，或利用先進的創新生態系統帶動落后的系統共同發展。北京、浙江、江蘇、廣東等高級創新生態系統可發揮自身優勢與低級、中級創新生態系統進行協同發展，以輻射的方式帶動地域創新能力擴散式進化；效仿全面建設小康過程中的結對子方式，對落后地區進行定向技術支持、人才輸送與培養、經驗交流和投融資優惠等，淘汰老舊技術與方法，推動供給側改革，實現全國創新生態系統的高質量轉型。

第三，相關管理部門應深究落后地區的內在原因，通過基于雙元的指標體系設計合理的、具備地方特色的發展方式。中央和地方政府可參考海南自貿區、川渝經濟區等落后地區發展的成功案例，將成功經驗復制到創新生態系統建設中，挖掘落后地區的特色改革路線，發揮歷史和區位優勢，同步實現技術創新脫貧和經濟脫貧。如天津市等出現系統退化的地區，應從微觀、中觀、宏觀的角度鎖定自身的競爭和合作優勢，在微觀層面建立自身生態系統的良性種群和環境構成，在中觀層面鎖定自身在京津冀一體化過程中的產業和區位定位，在宏觀上利用港口、交通、直轄市等方面的國內和國際特色，設計符合自身定位、長期進化的治理戰略。

第四，創新生態系統的管理部門應注重風險控制，防止系統出現某種創新能力的路徑依賴或陷阱，從而規避系統退化導致的創新效率和效果下滑。管理部門應注重技術創新指標的建設，如投入產出比、創新轉化率、創新價值和跨越程度等，并對上述指標進行長期跟蹤觀察，建立預警機制，識別系統由于路徑依賴而產生的退化風險。此外，系統管理者應注重系統資源的儲備，緩解系統內創新單元的資源約束，從而為雙元均衡型系統提供良好的進化條件，并為上述退化起到風險緩沖的作用。

（三）研究不足與展望

首先，由于篇幅原因，只對北京、上海、天津三個地區進行了20 年的縱向跨案例研究，缺乏一定的全面性和普適性，沒有將時間序列的回歸過程詳細展示和分析；其次，案例地區并沒有覆蓋創新生態系統分類圖譜中的全部類型，可在日后進行多案例的深入探討，挖掘其演化規律，增強理論嚴謹性。