企業數智知識轉移的非均衡博弈及動態推演

康天姝　辛玲玲

把[摘要]數智化轉型背景下，企業的數智知識儲備將直接影響數智化轉型的實施效能。關注企業間的數智知識轉移的非均衡博弈過程，應用進化博弈理論構建異質性企業知識轉移的博弈模型，從雙重視角分析進化穩定結果，并使用matlab進行算例分析，進一步探究企業知識資源非均衡的互動關系的動態演化軌跡。研究發現：不加干預情況下，逐利的兩類企業知識互動存在依附關系。經過長期演化，會造成單向的知識轉移行為不斷蔓延，企業間知識資源的依附關系持續加深，從而使企業互動陷入一種“非均衡的均衡”，進而割裂了社會網絡積極的共生關系及協同效應。為此，應通過加強企業間的契約設計及引入政府和社會資本等主體的干預來調整企業知識轉移的成本和收益，從而確保企業間知識互動進入良性循環。

[關鍵詞]數智知識；知識轉移；非均衡博弈；進化博弈；動態推演

[中圖分類號]F426.6；F49? ? ? ? ? ? ? [文獻標識碼]A? [文章編號]1009—0274（2022）06—0099—09

[作者簡介]康天姝，女，北京郵電大學經濟管理學院公共管理專業碩士研究生，研究方向：信息管理與信息系統；辛玲玲，女，北京郵電大學經濟管理學院教授，研究方向：高等教育與知識管理。

一、引言

當今社會，數智化轉型對人類生產生活和經濟社會高質量發展產生重大影響。如何推動我國企業數智化轉型、加快新舊動能轉換和產業轉型升級，成為實務界和學術界共同關注的焦點[1]。知識是企業創新發展至關重要的要素[2-3]，并且越來越被用作產業生產分配的系統資源[4]，企業數智知識儲備將直接影響企業數智化轉型的實施效能。既有研究表明數智知識是與數智學習行為相互耦合的重要組成部分[5]，數智知識成為智能社會“類生命有機體”的基礎配套知識體系，它包括在數據釋能和技術賦能基礎上實現“自覺思考”的數智技術，以及支撐各種數智技術實現產業化落地的系列知識。創新的本質是知識創造[6]，企業保持競爭力的關鍵是不斷通過共享、創造和使用新知識形成知識“高地”。因此，從知識轉移視角分析在數智化轉型進程中企業間的非線性互動機制，具有重要的理論和現實意義。

數智知識發展至今呈現出明顯的知識交叉融合特性，不斷模糊著專業知識邊界。數智知識轉移比以往任何時刻都更加凸顯出技術創新與社會場景深度契合、物理世界與虛擬世界高度互嵌的趨勢特征。作為正確認識和高效賦能數智社會發展的基本前提[7]，數智知識在企業決策、創新、管理等多方面發揮著重要的支撐作用。如何獲得數智知識成為企業成功進行數智化轉型的關鍵所在。研究表明，企業知識資源的積累主要有“自主知識創新”和“外部知識獲取”兩種路徑[8]，而大部分企業都不可能在其內部擁有一切關鍵知識資源[9]。尤其是伴隨著新興技術的不斷創新和突破，智能產品功能日新月異，產業創新邊界日漸交叉，企業數智化轉型正在面臨不斷涌現的新挑戰、新模式和新需求，亟需進行大量的外部性和異質性知識補充。對企業而言，僅依靠內部難以滿足其快速應對市場的需要[3]，必須從外部轉移新的知識[9]。而數智知識轉移就是一種主體間的方向性知識傳遞，被轉移方通過學習合作者的異質性數智知識將其內化創新。對轉移方而言，這種知識的擴散及應用可以擴大市場份額及數據供給；對被轉移方而言，通過吸納新知識可以形成良好的補充[3]。

然而，企業數智知識轉移正面臨諸多非均衡挑戰，在促進企業積極開展知識學習和知識轉移的同時，也為企業公平競爭和社會整體創新效能的提升帶來一定的潛在風險。一方面，數智知識轉移多源自企業之間存在的知識勢差，能夠為供需雙方知識轉移提供需求耦合的外部條件[3]，企業通過吸收目標企業的非均衡知識來建設自身的“知識高地”、形成市場競爭優勢。另一方面，由于企業知識產權保護力度不同、吸收能力參差不齊，加上行業競爭環境、研發資源和人員流動速度的迥異[10]，這種異質性又加劇了非均衡的產生。既有研究表明，中小企業、初創企業往往是某一細分領域的創新主體，具有較強的創新動力[11-14]。相對而言，大企業處于明顯的資源優勢地位，對于自身研發、生產、消費擁有更大的表現力與話語權，并且因其產業鏈的布局擁有行業整體掌握的信息多于初創企業。由于知識轉移需要花費成本，而且知識積累存在時間和空間的差異，從而導致不同實力的企業獲取知識的數量和質量大相徑庭。同時， 在對知識進行吸收并內化的過程中，不同主體會由于處理能力的差異而使各方處于不對稱地位。強勢者往往主導流程和規則，并通過制度性安排來調節和控制各群體的關系和博弈的過程，從而進一步擴大博弈的非均衡性[15]。

基于此，立足于企業數智知識轉移的非均衡博弈，引入進化博弈的理論視角，對企業間的知識轉移過程進行研究，構建數智化轉型時期大小兩類企業知識轉移的進化博弈模型，討論企業間知識轉移達到進化穩定的條件，并使用matlab進行算例分析，進一步探究企業知識資源非均衡的互動關系在不同情況下的動態演化軌跡和周期發展規律。

二、數智知識轉移非均衡博弈的動態模型

博弈是在一定的游戲規則約束下，基于直接相互作用的環境條件，各參與主體依據所掌握的信息選擇各自的策略，以實現利益最大化的過程。在傳統博弈論研究框架下，常常假設參與人是完全理性的，但現實經濟生活中參與人之間是有差別、非對稱的，即其分析推理能力、理解復雜交互關系能力、認識和改正錯誤方式及速度存在著顯著差異[16]；又由于參與人決策受其所處社會環境等因素影響，尤其在我國轉型深化期的動態多變環境下，參與主體的理性局限特征明顯。進化博弈理論就是從有限理性的個體出發，以群體為研究對象，認為現實中個體并不是行為最優化的，個體的決策通過個體之間模仿、學習和突變等動態過程來實現[17]。

數智化轉型時期是社會和市場的探索時期，創新主體具有如下特點：（1）有限理性。許多博弈模型要求博弈參與者是理性的，然而現實市場的主體不可能是完全理性的。這一方面由于企業為了盈利而可能采取的投機行為，另一方面也由于市場廣泛存在的信息資源的不對稱。（2）重復博弈。博弈主體在網絡中進行策略決策并預期收益，不是在一次靜態交易中完成的，主體間的互動是反復往返的長期過程，主體在這過程中通過學習和調整策略來適應新興市場的變化并獲得收益。綜上，數智化轉型時期創新主體的博弈是不完全信息的動態博弈，博弈主體的策略選擇是學習調整的結果，因而我們選擇進化博弈理論來進行模型構建，強調以有限理性的視角來分析企業數智知識轉移的互動過程與學習機制。

（一）博弈環境的構建

進化博弈理論認為，經過長期的學習演化后，博弈主體最終選擇收益最大的策略，收益是博弈雙方策略選擇的根本依據[16]。因而以收益為導向，并結合大小企業的實際情況來進行博弈環境的構建：

1.假設企業A和企業B為實力不同的兩家企業。企業A的實力較強，規模較大；企業B是實力較弱，規模較小的小企業，但因具有一定優勢的知識資源故而具備與企業A進行博弈的資本。

2.在進行數智知識轉移的決策時，企業A和企業B的策略集都為｛轉移，不轉移｝?！稗D移”策略下企業向對方企業傳遞數智知識；“不轉移”策略下企業僅吸收學習對方的數智知識而不傳遞己方知識。

3.由于大企業擁有更加完善的組織結構且占有更多優勢資源，因而具有較強的數智知識傳遞和學習能力，這種能力使得大企業能夠消化知識轉移的成本、承擔知識轉移的風險。而小企業不一定具備承擔這種風險的能力。

4.設定雙方的2×2非均衡博弈支付矩陣，如表1所示。為簡化描述問題，假設支付矩陣中得益值均表示企業因數智知識轉移所帶來的收益。其中，V1表示企業A和企業B都選擇轉移策略時企業A的收益，V2表示企業A和企業B都選擇“轉移”策略時企業B的收益，以此類推。假設V1、V2、V3、V4、V5均大于 0，V6為企業B單獨采取“轉移”策略時的收益，由于小企業對于數智知識轉移風險的控制能力未知，因而V6可能大于0或小于0；如果雙方都選擇“不轉移”策略，則雙方數智知識轉移的收益均為0。

接下來，把上述各圖在一個坐標平面表示，得到圖3.2-6和圖3.2-7。從圖3.2-7可以看出，點0和點C是不穩定源出發點，鞍點為點D，點A和點B是進化穩定狀態。即當企業選擇“轉移”策略下得到的收益小于“不轉移”策略下所得到的收益時，集群內企業可能選擇“不轉移”策略，也可能選擇“轉移”策略，選擇何種策略要視對方企業選擇“轉移”策略的概率。然而由于企業選擇“不轉移”策略下得到的收益大于“轉移”策略下得到的收益，所以兩家非均衡企業長期進化結果為一個企業選擇“轉移”策略，而另一個企業選擇“不轉移”策略。

（三）大小企業數智知識轉移的非均衡博弈分析

為更直觀說明企業間數智知識轉移的策略演化，結合市場中的現實情況，分別以企業A和企業B為算例分析其進化策略，并使用Matlab軟件模擬策略的動態進化過程。

（1）企業A

當Ｖ5＜Ｖ1時，設博弈支付矩陣中各參數值分別為：v1=0.3，v3=0.5，v5=0.2，分別取y=0、0.3、0.7、1，得到企業A的策略隨時間變動的動態進化圖，如下圖所示。

從圖3.3-1可見，各“轉移”策略初始概率下，企業A選擇“轉移”策略的概率（x）最終都會收斂于1，收斂速度隨自身初始概率的增大而加快，同等情況下，隨著對方選擇“轉移”策略的概率（y）的增大，企業A的收斂速度會放慢，但是即使y達到最大值1，x仍將收斂于1。這意味著，當企業A選擇“轉移”策略的收益大于“不轉移”策略時，無論企業B如何選擇，企業A最終將采取“轉移”策略。因而我們可以得到如下推論：

推論1：對于大企業而言，在知識的創新和轉移能力較強、能夠因知識轉移而獲取更大收益（Ｖ5＜Ｖ1）的情況下，無論小企業選取哪種策略，大企業均以選擇“轉移”策略更為有利；經過長期的學習調整后，大企業傾向于選擇“轉移”策略。

當Ｖ5＞Ｖ1時，設博弈支付矩陣中各參數值分別為：v1=0.3，v3=0.5，v5=0.6，分別取y=0（不轉移）、0.3（傾向不轉移）、0.7（傾向轉移）、1（轉移），得到企業A的策略隨時間變動的動態進化圖，如下圖所示。

從圖3.3-2可見，不同的y取值下，x呈現出不同的進化趨勢，這意味著存在某個臨界點使得企業A傾向于不同的策略選擇。于是我們進一步令y=0.6，得到企業A的策略隨時間變動的動態進化圖。

可以發現，y=0.6與y=0.7時，x的動態變化圖呈現不同的進化趨勢，這意味著臨界點位于0.6和0.7之間，當企業B選擇“轉移”策略的概率位于0～0.6時，企業A選擇“轉移”策略的概率最終都會收斂于1，收斂速度隨自身初始概率的增大而加快。隨著企業B選擇“轉移”策略的概率（y）的增大，企業A的收斂速度會放慢。當y增大到0.7時，企業A選擇“轉移”策略的概率最終會收斂于0，且收斂速度隨自身初始概率的增大而減慢。這意味著，當企業A選擇“不轉移”策略的收益大于“轉移”策略時，企業A的策略選擇會受到對方企業策略的影響。因而我們可以得到如下推論：

推論2：對于大企業而言，在不能因知識轉移而獲取更大的收益（Ｖ5＞Ｖ1）的情況下，大企業不一定都會選擇“不轉移”，也有可能選擇“轉移”策略，這是因為大企業擁有更多的知識存量，其對于知識的整合能力更強，從而可能會獲得更強的溢出效應。大企業是否進行知識轉移受到小企業轉移概率的影響，當小企業選擇知識轉移的概率小于一定值時，大企業為了獲得知識的溢出價值也會傾向于選擇進行知識轉移。當小企業選擇知識轉移的概率大于一定值（本例為0.7）時，意味著這種協作關系帶給小企業的溢出價值更大，大企業無法從自身的知識轉移行為中獲得更多收益，卻要付出更多的轉移成本，因而在長期的學習后選擇不進行知識轉移。

（2）企業B

接下來以企業B為算例分析其策略的進化穩定性。當v6＜0時，設博弈支付矩陣中各參數值分別為：v2=0.3，v4=0.5，v6=-0.1，分別取x=0、0.3、0.7、1，得到企業B的策略隨時間變動的動態進化圖，如下圖所示。

從圖中可見，各“轉移”策略初始概率下，企業B選擇“轉移”策略的概率（y）最終都會收斂于0，收斂速度隨自身初始概率的增大而減慢；同等情況下，隨著對方選擇“轉移”策略的概率（x）的增大，企業B的收斂速度會增快。這意味著，當企業B選擇“轉移”策略自身無法獲得收益（V6＜0）時，無論企業A如何選擇，企業B最終將采取“不轉移”策略。因而我們可以得到如下推論：

推論3：對于小企業而言，在知識轉移能力較弱的情況下，較大的轉移成本不能被有效地消化掉，甚至是由于企業核心知識的轉移導致收益反而下降，所以無論大企業采用什么策略，小企業均采用“不轉移”策略以獲得相對更大的收益。因此，經過長期的學習調整后，小企業選擇“不轉移”策略。

當V6＞0時，設博弈支付矩陣中各參數值分別為：V2=0.3，V4=0.5，V6=0.1，分別取y=0、0.3、0.7、1，得到企業B的策略動態進化圖，如下圖所示。

從圖中可見，不同的x取值下，y呈現出不同的進化趨勢，同樣意味著臨界點的存在。進一步令x=0.4，得到企業B的策略隨時間變動的動態進化圖。

可以發現，x=0.3與x=0.4時，y的動態變化圖呈現不同的進化趨勢，這意味著臨界點位于0.3和0.4之間，當企業A選擇“轉移”策略的概率（x）大于0.4時，企業B選擇“轉移”策略的概率最終會收斂于0，且收斂速度隨自身初始概率的增大而減慢。當x位于0～0.3時，y最終會收斂于1，值得注意的是，此時收斂速度較為緩慢（由上圖可見，當x=0.3時，y在博弈步長t接近600時才收斂），這種情況在實際市場主體雙方博弈行為中是罕見的。雖然在數理推導上可以實現，但是博弈實踐中存在的概率比較小。因而我們可以得到如下推論：

推論4：對于小企業而言，如果具備較強的知識接受和學習能力、核心知識保護力度較強，能夠承擔知識轉移帶來的風險和成本，有一定的技術創新能力，在知識轉移能力較強的情況下，即使選擇“轉移”策略也能使收益有所提高（V6＞0）；但同等情況下，采取“不轉移”策略則可能得到更高的收益，最終小企業還是傾向于選擇“不轉移”策略。

四、結論與討論

通過研究得出：

一是，從博弈主體來看，企業間的互動博弈有賴于主體對知識資源的占有量，也是主體社會影響力的綜合反映。由于知識資源和地位權力等條件的不對稱，在大小企業的互動博弈中，往往大企業主導和控制著博弈的程序和規則、調節控制主體關系和博弈過程，進一步擴大主體間博弈的非均衡性。這種非均衡性特征潛伏著產生一個主體對另一主體的依附關系的可能性[18]。動態推演過程驗證了這種依附關系的存在。更多情況下，由于大企業的知識創新和轉移能力較強，能夠較好承受知識轉移的風險和成本，更多的知識存量也使得其擁有更好的知識整合能力，從而可能會從中獲得更強的溢出效應。經過長期的博弈學習后，其通常會選擇“轉移”策略。對于小企業而言，接受并學習對方的數智知識比主動進行知識轉移的動力更強，即使選擇“轉移”策略可能會使收益有所提高，但通常情況下，經過長期博弈后會選擇不進行知識轉移，而是依附于大企業的知識轉移來進行知識的學習及內化。這意味著，領導企業（大企業）在知識流動及價值共創行為中具有關鍵地位，是重大技術創新的主要推動者[19]，應著力培育和扶持其在知識流動及價值共創行為中對合作伙伴的協調和服務功能[14]。

二是，從博弈過程來看，當企業選擇“轉移”策略下得到的收益小于“不轉移”策略的收益時，企業不一定都會選擇“不轉移”，也有可能選擇“轉移”策略，這受到對方企業知識轉移概率的影響，可以通過降低知識轉移成本或對收益進行合理化分配來實現。作為企業投入的一部分，知識轉移可以形成投入獲得利益、利益又促進投入的良性、協同的循環動力[20]。而從演化過程可以看出，在不加干預的情況下，大企業針對自身數智知識進行知識轉移的概率逐漸收斂于1，而小企業收斂于0，并且收斂速度與自身初始概率有關。這意味著小企業對大企業的依附關系及“搭便車”行為的產生。由此，可以通過加強企業間的契約設計來打破企業間數智知識存量的純“依附”關系。既有研究表明，契約設計可以提升共享信息的真實性并促進共享策略達成[21]，以這種方式來形成知識轉移獲得增值收益、增值收益又促進知識轉移的良性協同，進而實現合作利益最大化。

三是，從博弈結果來看，博弈實踐中，小企業由于自身局限性或其他逐利行為的影響，往往會抵觸向大企業轉移己方知識資源，而僅對大企業的知識資源進行吸收、學習與再創新。然而，這種利潤的存續期限是非常短暫的，“知識壟斷”所造成的隔離將會使企業自身的后續發展愈加艱難[22]。從微觀層面來看，如果企業擁有靜止的異質性資源而不進行動態管理，會因孤立存在而缺乏市場，造成資源浪費、資源貶值甚至成為資源負擔，進而破壞協同創新的基礎支撐、切斷協同創新的溝通橋梁[23]。從宏觀層面來看，如果非對稱主體間的博弈行為不能得到有效干預，經過長期的演化，會造成單向的知識轉移行為不斷蔓延，企業間知識資源的依附關系持續加深，從而使企業互動關系陷入一種“非均衡的均衡”。主體間失去有效共享知識資源的渠道，社會網絡積極的“共生關系”及“協同效應”被割裂，客觀上降低了產業的運作效率和應對市場的反應能力。這樣，實現合作的基礎便會受到影響，使得產業創新系統進入惡性循環。此時以政府及社會資本為代表的其他創新主體的干預及激勵尤為重要，調節信任、聲譽和互惠規范不斷交換、過濾、融合，便有可能重新進入一個良性的循環[24]。

數智化轉型時代背景下，市場主體仍處于摸索階段，企業間的互動關系尚未形成成熟穩定的運作模式，因此進化博弈模型建立在企業因知識轉移而獲得的額外收益的基礎上。而在產業實踐中，考慮到社會資本、社會地位、社會責任、社會聲譽等對企業決策的影響，現實中企業間數智知識轉移的博弈支付矩陣要比進化博弈模型研究復雜得多。因此，未來研究可以將企業數智知識轉移的收益分為有形收益和無形收益，從而使得研究更貼近產業實踐，進而研究企業間非均衡博弈的深層機理。此外，得到的結論是基于理論建模分析和數值仿真分析的基礎之上，未來的研究可采取實證方法來驗證結論的可靠性。

參考文獻：

[1]羅斌元，陳艷霞.數智化如何賦能經濟高質量發展——兼論營商環境的調節作用[J].科技進步與對策，2022（5）：61-71.

[2]Grant R.M.“Prospering in dynamically－competitiveenvironments：Organizational capability knowledge integration”Organization Science，1996（4）：375-387.

[3]莊亞明，李金生.高技術企業知識聯盟中的知識轉移研究[J].科研管理，2004（6）：50-55.

[4]姜李丹，薛瀾，梁正.人工智能賦能下產業創新生態系統的雙重轉型[J].科學學研究， 2022（4）：602-610.

[5]朱秀梅，劉月.企業數智轉型能力形成機理——基于海爾集團“知行合一”的單案例研究[J].經濟管理，2021（12）：98-114.

[6]董睿，張海濤.復雜網絡視角下創新生態系統知識轉移建模及仿真研究[J].軟科學，2022（6）：122-129

[7]劉志陽，邱振宇.數智創業：從“半數智”時代邁向“全數智”時代[J].探索與爭鳴， 2020（11）：141-149+179.

[8]彭燦.供應鏈中的知識流動與組織間學習[J].科研管理，2004（3）：81-85.

[9]楊波，徐升華.虛擬企業知識轉移激勵機理的演化博弈分析[J].情報理論與實踐， 2010（7）：50-54.

[10]夏晶，牛文舉.考慮非對稱溢出效應的競爭企業研發投資[J].科研管理，2022（2）：108-117.

[11]Corsaro.D.，Cantu，C.and Tunisini.A.Actors' heteroge-neity in innovation networks[J]. Industrial Marketing Man-agement，2012（5） ： 780－789.

[12]Nambisan S，BaronＲA. Entrepreneurship in innovation eco-systems： Entrepreneurs self － regulatory processes and theirimplications for new venture success[J]. Entrepreneurship：Theory＆Practice，2013（5） ： 1071－1097.

[13]趙放，曾國屏.多重視角下的創新生態系統［J］.科學學研究，2014（12） ： 1781-1788.

[14]王發明，朱美娟.創新生態系統價值共創行為協調機制研究[J].科研管理，2019（5）：71-79. DOI：10.19571/j.cnki.1000-2995.2019.05.007.

[15]楊博文，周富利，馬敬輝.組織系統內利益群體非均衡博弈分析[J].系統科學學報，2012（4）：92-96.

[16]張洪潮，何任.非對稱企業合作創新的進化博弈模型分析[J].中國管理科學，2010（6）：163-170.

[17]張艷.我國證券市場泡沫形成機制研究——基于進化博弈的復制動態模型分析[J].管理世界， 2005（10）：34-40.

[18]楊博文.論利益群體的非均衡博弈是組織系統演化的動力之源[J].理論探討， 2013（4）：89-92.

[19]米捷，郭彬，陳懷超，范建紅.創新生態系統內的知識勢差與知識流動機制[J].北京理工大學學報（社會科學版），2020（6）：78-87.

[20]范如國，張應青，羅會軍.考慮公平偏好的產業集群復雜網絡低碳演化博弈模型及其仿真分析[J].中國管理科學，2015（S1）：763-770.

[21]周建亨，冉蕓.基于策略性競爭博弈的供應鏈信息共享策略[J].中國管理科學， 2019（6）：88-102.

[22]曹玉紅，尤建新.信息非對稱環境下產業創新平臺多方主體博弈分析[J].運籌與管理，2020（04）：78-85.

[23]薛瀾，姜李丹，黃穎，梁正.資源異質性、知識流動與產學研協同創新——以人工智能產業為例[J].科學學研究，2019（12）：2241-2251.

[24]黃璜.基于社會資本的合作演化研究——“基于主體建模”方法的博弈推演[J].中國軟科學，2010 （9）：173-184.

[25]董睿，張海濤.復雜網絡視角下創新生態系統知識轉移建模及仿真研究[J].軟科學，2022（6）：122-129.

責任編輯：劉昌龍

基金項目：本文系北京市社會科學基金項目“北京市數智化轉型的非均衡博弈與創新模式研究”（項目編號：21GLC066）階段性研究成果。