云計算開源生態知識共享及風險治理的演化博弈研究

魯馨蔓, 張博欣, 王 君, 李艷霞

(天津財經大學 管理科學與工程學院,天津 300222)

0 引言

數字化發展時代，開源已成為科技產業發展的重要技術支撐[1]，在大數據、人工智能、云計算等新興信息技術領域發揮著重要的推動作用。開源涵蓋文化、產業、法律、技術等多個社會維度[2]，加速了信息產業的商業模式轉型，影響著整個信息技術產業的發展格局[3]。

開源生態以開源項目為中心，涉及開源貢獻者、使用者、運營者以及服務者等多重角色，依托代碼托管平臺等基礎設施構建[4]。比較有代表性的如OpenStack云計算開源生態，其中OpenStack基金會專注于OpenStack云操作系統的開發、發布和采用，通過提供一組共享資源來構建生態社區，促進開源技術的發展[5]。另一個典型代表是云原生計算基金會(Cloud Native Computing Foundation, CNCF)，其作為Linux基金會旗下的開源軟件基金會，一直致力于培育和構建一個可持續的開源生態系統，阿里云、華為、谷歌均為CNCF的白金會員。

據中國信通院發布的開源生態白皮書(2020)數據顯示，2019年中國已使用開源技術的企業占比為87.4%，其中51.9%是基于云計算領域的開源服務。參與開源生態的企業數量在世界范圍內呈現急速增長趨勢[4]，有60.7%的企業希望通過建設開源生態的方式影響共建技術[6]。《2021中國開源發展藍皮書》指出，2020年是中國開源發展的新紀元,中國開源已從學習和使用階段過渡到參與和創新階段，并有機會在一些領域實現引領[7]。

中國一些擁抱開源、有實力的互聯網企業(如阿里、百度、京東等)逐漸進入到世界開源領跑者行列。與此同時，中國開源基金會實現新突破并成效顯著。另外，國內涌現出越來越多的開源組織，積極為完善開源生態做貢獻。如中國開源軟件推進聯盟、中國開源云聯盟等，也體現了中國開源生態的蓬勃生命力[7]。不過，開源生態一方面可以促進知識共享，實現云計算開源項目完善與提升；另一方面，也面臨安全、技術運維、知識產權等一系列風險問題。

開源的本質就是知識共享與協作[6]。在知識競爭的時代，開源可以幫助云計算企業進行知識創造、協作和共享[8]，并借助聯盟這一組織形式，更好地促進組織間的知識共享[9]，降低項目實施的復雜性，減少失敗的風險[10]。同時，開源也有效地進一步促進了政府和非政府組織內的知識共享與技術協作[11]。為此，知識共享合作過程可以看作開源生態參與者之間相互博弈的過程。

在開源生態中，研發伙伴之間的相似性使得知識共享變得更為容易，競爭對手甚至可以在不承擔投資成本的情況下使用這些知識[12]。更重要的是，泄漏的知識可能還會產生嚴重的后果。一方面，它可能會損害企業的創新能力；另一方面，未共享知識的披露，尤其是核心知識的披露，會嚴重影響企業的知識優勢地位。此外合作方也有可能在分享過程中發生違約，產生失信風險[13]。目前，我國的開源生態還不完善，開源運營治理法律體系和標準化工作尚未成體系。有關于開源的法律案例判決經驗欠缺，極度缺乏專業法律知識和應對經驗[7]。開源風險問題凸顯，積極探索治理模式成為應對開源風險、推動開源生態良性發展的重要手段。

目前云計算開源生態主要存在兩種治理機制：行業自律機制與政府監管機制。前者主要強調云計算市場的自我治理，參與者主要是云計算企業以及產業聯盟。實踐表明，市場型知識治理是知識共享中一種重要的治理手段[14]。在混合組織形式治理中，合作伙伴更有可能利用市場，如委員會來幫助其處理各種意外情況，并用來協調初期沖突[15]。與之不同，政府監管機制則是側重于政府的監管與激勵職能，參與者包括云計算企業、產業聯盟以及政府。研究表明，政府補貼是激勵企業參與聯盟的動機因素，政府的激勵措施可以顯著的影響企業的經營績效[16]，還可提高參與者進行知識共享時的風險抵御能力，促進知識共享行為，并在一定程度上補充企業自身缺乏的研發資源[17]。此外，政府提供的激勵政策，還可激發知識共享方的共享動力，規避共享時效性帶來的風險成本。

考慮到外部(即法律、國家經濟和政治因素)和內部(即技術因素、組織結構和人為因素)因素的影響[13]以及開源風險的存在，構建開源生態具有不可預測性，每個參與者的行為都應該被考慮在內[18]。知識共享可以被看作是一個離散的、對稱的、動態演化的博弈過程。演化博弈理論可以有效地描述云計算開源生態的演化過程，參與者通過學習、模仿、試錯等決策行為不斷調整知識共享策略，從而逐步達到穩定、平衡的狀態。

雖然目前已有學者針對知識共享問題[10,13]以及治理問題[14,16,19]進行了研究，但在構建和完善云計算開源生態過程中，有哪些因素會影響云計算企業與產業聯盟之間的知識共享合作？在不同的治理機制下，開源風險對云計算企業和產業聯盟的影響有何不同？作為一個特殊參與者，政府該如何制定激勵或懲罰措施，從而完善開源治理規則？這些問題還尚未得到解答。

針對上述問題，本研究利用演化博弈理論，對云計算開源生態中多方參與者的開源合作行為及影響因素進行分析，建立兩種治理機制下的演化博弈模型，重點考慮開源生態中政府監管發揮的作用，為云計算開源生態中的企業決策、產業聯盟和政府治理等提供理論指導。

1 云計算開源生態的演化模型假設

1.1 行業自律機制下的模型假設

在該機制下，云計算企業和產業聯盟主要進行知識創造、技術創新和知識應用。開源項目由云計算企業和產業聯盟推動。參與者根據自己的收益選擇是否在開源項目中共享知識。

假設1假設云計算企業和產業聯盟在參與開源知識共享合作前的知識資本分別為K1和K2。實施開源知識共享合作后所增加的知識資本分別是ΔK1和ΔK2。相應的技術投資則是I1和I2。開源風險所帶來的損失用R1和R2來表示。

假設2來自云計算基金會的補貼將作為外生變量影響博弈過程，在各自投資基礎上，云計算企業和產業聯盟將獲得相同的補貼系數δ(0≤δ≤1)，獲得的補貼則分別是δI1和δI2。

假設3當違約主體突然終止分享合作時，監管措施將要求其必須支付違約金。此時，非共享方將支付W違約金，并以折損系數β(0≤β≤1)吸收額外的知識資本。當聯盟(或企業)違約時，另一方的機會成本為C1(或C2)。

假設4假設云計算企業選擇知識共享的概率為x，選擇不共享的概率為(1-x)。同樣，產業聯盟選擇知識共享和不共享的概率為y和(1-y)，其中x和y是關于時間t的函數。

1.2 政府監管機制下的模型假設

在這一機制下，政府作為利益主體參與博弈過程，并充分發揮政府職能部門的監管作用。參與開源項目的主要是云計算企業、產業聯盟和政府三方。云計算企業和產業聯盟選擇是否共享知識，政府選擇是否實施監管。

假設5假設云計算企業與產業聯盟在參與知識共享前的總知識資本為K，參與知識共享后的總知識資本為K′。知識共享過程中所付出的總技術投資為I，參與知識共享合作所帶來的總額外社會效益為B。

假設6為了促進知識共享，政府向積極參與知識共享的參與者提供補貼S，向消極的非參與者收取罰金F，在這一過程中，政府需要支付監管成本C。知識共享所帶來的風險損失為R，在監管之前，政府以θ的速度吸收云計算開源生態的知識資本。在監管之后，則以θ′的速率吸收知識資本，其中θ′>θ。因此，相應的知識資本吸收量分別為θK′和θ′K′。

假設7假設云計算企業與產業聯盟進行知識共享合作的概率為w，不共享的概率為(1-w)。同樣，政府監督和不監督的概率分別為z和(1-z)，其中w和z是關于t的函數。

2 云計算開源生態演化博弈模型構建

2.1 行業自律機制模型

2.1.1 構造支付矩陣及收益函數

基于行業自律機制下提出的假設，各方博弈者不同策略的支付矩陣如表1所示。UES和UEN分別表示云計算企業在分享與不分享策略下的期望收益，根據表1，云計算企業在兩種策略下的收益函數分別如下所示：

UES=y(K1+ΔK1-I1+δI1-R1)+(1-y)

(K1+ΔK1-I1+δI1-R1+W-C1)

(1)

UEN=y(K1+βΔK2-W)+(1-y)K1

云計算企業混合策略的期望收益如下：

(3)

UIS和UIN分別表示產業聯盟在分享與不分享策略下的期望收益，同樣的，產業聯盟在不同策略以及混合策略下的收益函數如下:

UIS=x(K2+ΔK2-I2+δI2-R2)+

(1-x)(K2+ΔK2-I2+δI2-R2+W-C2)

(4)

UIN=x(K2+βΔK1-W)+(1-x)K2

(5)

(6)

2.1.2 行業自律機制下演化路徑及穩定性分析

云計算企業的復制動態方程如下:

=x(1-x)[ΔK1-(1-δ)I1-R1+

W-(1-y)C1-yβΔK2]

(7)

公式(7)的二階導如下：

R1+W-(1-y)C1-yβΔK2]

(8)

同樣的，產業聯盟的復制動態方程如下:

=y(1-y)[ΔK2-(1-δ)I2-

R2+W-(1-x)C2-xβΔK1]

(9)

公式(9)的二階導如下:

=(1-2y)[ΔK2-(1-δ)I2-

R2+W-(1-x)C2-xβΔK1]

(10)

根據演化博弈理論的穩定均衡策略，當G(x*)=0且G′(x*)<0時，x*是演化穩定策略。在這種情況下，知識共享合作的演化穩定策略如下：

當y=y*時，可知G(x)=0且G′(x)=0，則對于任意的x，云計算企業的概率都是穩定的。換言之，如果產業聯盟實施知識共享合作的概率保持特定值y*，則云計算企業參與知識共享的概率是穩定的。

當y>y*時，G′(0)>0且G′(1)<0。在這種情況下，x*=1是唯一的穩定均衡策略。因此，當產業聯盟實施知識共享合作的概率達到特定值y*并持續增加時，云計算企業參與知識共享的概率會逐漸增長，最終選擇共享策略。

當y0。在這種情況下，x*=0是唯一的穩定均衡策略。因此，當產業聯盟實施知識共享合作的概率達到特定值y*并持續降低時，云計算企業參與知識共享的概率將逐漸降低，最終選擇不共享。

同公式(7)分析過程類似，當G(y*)=0且G′(y*)<0時，y*是演化穩定策略。在這種情況下，知識共享合作的演化穩定策略如下：

若x=x*，則對于任意的y而言，y都是穩定的。這表示產業聯盟采取共享概率是穩定的；若x>x*，則G′(0)>0且G′(1)<0，y*=1是唯一的穩定均衡策略，即共享將是最優策略；若x0，此時y*=0是唯一的穩定均衡策略，即不共享是最優策略。

基于以上分析，圖1進一步描述了企業與聯盟之間的動態博弈過程。如圖1所示，在云計算企業以及產業聯盟知識共享博弈中，點O和點B是系統的演化穩定性策略。點O表示兩個博弈者均不進行知識共享，點B表示博弈者均進行知識共享，點A和點C則表示博弈一方選擇知識共享，而另一方選擇不進行知識共享。在BCDA區域，系統逐漸趨向于點B，并最終在點B處達到穩定狀態。在OCDA區域，系統逐漸趨向于點O，最終在點O處達到穩定狀態。

2.2 政府監管機制模型

2.2.1 構造支付矩陣及收益函數

基于政府監管機制下提出的假設，各方博弈者不同策略的支付矩陣如表2所示。

UEIS表示云計算企業以及產業聯盟選擇實施知識共享后的期望收益，UEIN則表示二者不進行知識共享時的期望收益。根據表2，此時其在兩種策略下的收益函數分別如下所示：

表2 各方博弈者間的支付矩陣

UEIS=z(K′-I+S-R)+(1-z)(K′-I-R)

(11)

UEIN=z(K-F)+(1-z)K

(12)

此時，混合策略的期望收益如下所示:

(13)

UGS和UGN分別表示政府選擇監管或不監管時的期望收益。

根據表2，政府在不同策略以及混合策略下的收益函數如下所示:

UGS=w(θ′K′+B-S-C)+(1-w)(θ′K+F-C)

(14)

UGN=w(B+θK′)+(1-w)θK

(15)

(16)

2.2.2 政府監管機制下演化路徑及穩定性分析

云計算企業與產業聯盟復制動態方程如下:

=w(1-w)[z(S+F)+(K′-K)-I-R]

(17)

公式(17)的二階導如下:

(18)

類似的，政府的復制動態方程如下:

=z(1-z)[w(θ′-θ)(K′-K)-

wF+K(θ′-θ)+F-C]

(19)

公式(19)的二階導如下:

wF+K(θ′-θ)+F-C]

(20)

當H(w*)=0且H′(w*)<0時，則w*是演化穩定策略。在這種情況下，知識共享合作的演化穩定策略如下：

當z=z*，可知H(w)=0且H′(w)=0。對于任意的w，云計算企業以及產業聯盟選擇知識共享策略的概率都是穩定的；若z>z*, 則H′(0)>0且H′(1)<0，w*=1是唯一的穩定均衡策略，即最終共享將成為最優策略；若z0，此時w*=0是唯一的穩定均衡策略，最終不共享將成為最優策略。

同公式(17)分析類似，當H(z*)=0且H′(z*)<0時，z*是演化穩定策略。此種情況下，知識共享合作演化穩定策略如下：

當w=w*時，可知H(z)=0且H′(z)=0。此時對于任意的z，政府實施監管策略的概率都是穩定的；若w>w*，則H′(0)>0且H′(1)<0，z*=1是唯一的穩定均衡策略，采取監管策略將是政府的最優策略；若w0，z*=0是唯一的穩定均衡策略，采取不監管策略將是政府的最優策略。

由以上分析可知，政府監管機制下的動態博弈過程和演化路徑如圖2所示。點O代表企業和聯盟選擇不共享，政府選擇不監督。點B表明企業和聯盟選擇共享，政府選擇監督。點A和C則代表其余兩種情況。在BCDA區域，系統逐漸趨向于點B并達穩定狀態。在OCDA區域，系統逐漸趨向于點O并達穩定狀態。

3 仿真分析

本文進行了兩種機制下各參與者交互行為演化過程的仿真分析。在前人研究基礎上[20]，根據上市公司行業報告和政府的工作報告進行了數值模擬，為保證數據的機密性，本研究在原有數據基礎上進行了一些修改。

3.1 行業自律機制模型下的仿真分析

在行業自律機制下，各博弈方支付矩陣的參數設定如下：K1=60，K2=55，ΔK1=55，ΔK2=50，I1=30，I2=35，C1=30，C2=32，R1=35，R2=30，β=0.2，δ=0.3，W=20。

首先，探析參與者一方選擇知識共享對另一方策略選擇的影響。以y=0.9(y>y*=0.55)為例，圖3(a)展示了云計算企業策略選擇的動態演化過程。在這種情況下，云計算企業選擇知識共享的初始概率越高，那么云計算企業達到穩定的速度就會越快。此時，云計算企業往往將知識共享作為其最優決策。相反，如果產業聯盟選擇知識共享的概率較低時，以y=0.4為例，圖3(b)展示了云計算企業策略選擇的動態演化過程。在這種情況下，云計算企業選擇共享知識的初始概率越低，云計算企業達到穩定的速度就越快。此時，云計算企業在知識共享方面表現出較為消極的態度，不共享將作為云計算企業的最優策略。

同樣的，如果云計算企業選擇知識共享的概率很高，當x>x*=0.785時，以x=0.8為例，圖4(a)顯示了產業聯盟策略選擇的動態演化過程。產業聯盟選擇知識共享的初始概率越高時，產業聯盟達到穩定的速度就越快。因此，產業聯盟會選擇知識共享作為最優策略。反之，如果云計算企業選擇知識共享的概率較低，如x

通過比較博弈雙方的策略選擇發現，當云計算企業表現出強烈的合作意向時，產業聯盟不會立即做出同樣的抉擇。與云計算企業相比，產業聯盟做出知識共享這一策略的時間會更長。這是因為產業聯盟需要考慮更多其他因素，如風險因素及產業聯盟成員的地位問題等。

接下來，本文將重點探究一些關鍵參數對系統的影響，并將初始概率設定為x,y=0.5。圖5顯示了違約金對系統演化的影響。此時違約賠償金W分別取0、20、40、60和80。圖5(a)代表了云計算企業的演化情況，不難看出，當W=0時，云計算企業的演化速度高于W=20時的演化速度。當違約金較低時(如W≤20)，x在0處趨于穩定。當違約金較高時(如W≥40)，隨著時間的推移，x在1處趨于穩定。此外，W=60和W=40之間的演化差值大于W=80和W=60之間的演化差值。同樣的，對于產業聯盟而言，如圖5(b)所示，總體趨勢與圖5(a)一致。然而，當W=20時，y將會以較快的速率趨向穩定于0。

圖5中的研究結果表明，當產業聯盟中途退出時，如果產業聯盟(過錯方)支付的違約金較低時，云計算企業仍需花費較長時間來決定是否采取不共享策略。而當違約金能夠彌補云計算企業所付出的成本時，云計算企業則會在較短時間內選擇共享策略。研究表明，違約金數額越大，雙方達成穩定的時間越短。此外，我們還發現違約金的約束作用存在著邊際遞減效應。對于產業聯盟而言，當違約金較低時，聯盟在短時間內就會做出停止知識分享的決定。

接下來分析風險損失Ri對系統演化的影響，本文將風險值分別設為Ri=25、45、65、85、100。風險損失Ri對系統的演化影響如圖6所示。

圖6(a)表明，當R1<85時，隨著R1值的減小，系統演化的速率也在逐漸增加，并最終在x=1處達到穩定狀態。當R1足夠大時(例如R1=100)，x在0處趨于穩定。這表明，隨著風險的增加，云計算企業將會逐漸傾向于選擇不共享策略。圖6(b)的總體趨勢與圖6(a)的趨勢相似。不同的是，當R1=85時，y在0處趨于穩定。也就是說，面對同樣的風險損失程度，產業聯盟更傾向于放棄知識共享。

圖7表示了風險(Ri)和補貼系數(δ)對云計算企業和產業聯盟期望收益的影響。可以看出，參與者的期望收益與風險呈負相關，與補貼系數呈正相關。也就是說，隨著風險的降低和(或)補貼系數的增加，參與者的期望收益也會增加。黑色虛線表示策略選擇邊界。在選擇邊界的左上區域，云計算企業和產業聯盟選擇不共享策略，而選擇邊界的右下區域，云計算企業和產業聯盟將選擇共享策略。

3.2 政府監管機制下的仿真分析

政府監管機制下，各參數取值如下：K=100，K′=200，θ=0.3，θ′=0.5，I=65，S=8，R=45，F=8，C=30。

本部分先探索政府監管行為對云計算企業和產業聯盟知識共享行為的影響。以z=0.9(z>z*=0.79)為例，圖8(a)顯示了云計算企業和產業聯盟策略選擇的演化過程。在這種情況下，選擇知識共享策略的可能性越高，云計算企業和產業聯盟達到穩定的速度也就越快。知識共享將成為最優策略。相反，當監管概率較低時，以z=0.4為例，云計算企業和產業聯盟策略選擇的演化過程如圖8(b)所示。在這種情況下，雙方采取知識共享的概率越低，系統達到穩定性的速度就會越快。此時，云計算企業和產業聯盟在知識共享合作方面具有消極性，因而選擇不共享作為最優策略。

此外，如果云計算企業和產業聯盟選擇知識共享后能夠獲得足夠多的知識資本，那么合作雙方之間達成知識共享的概率則會顯著增加(即w>w*=0.56時)。以w=0.8為例，圖9(a)顯示了政府策略選擇的演變過程。政府監督概率越高，系統達到穩定的速度則越快。此時，政府傾向于把監管視為最優策略。相反，如果合作雙方選擇知識共享的概率較低時(w=0.3)，政府策略選擇的演變過程則如圖9(b)所示。在這種情況下，政府選擇監管的概率越低，系統達到穩定的速度越快。此時政府在參與開源時表現出消極性，選擇不監管作為最優策略。

如圖10所示，初始概率設定如下w,z=0.5。即各相關者的初始概率各為0.5時，政府知識吸收率差異(Δθ)對系統演化的影響。當Δθ<0.2時，z最終在0處達到穩定，即政府將選擇不監管措施。當Δθ>0.2時，z最終在1處達到穩定，即政府選擇監管措施。Δθ值越大，系統達到穩定的速度越快。

4 結論與啟示

本研究運用演化博弈理論分析了兩種治理機制，即行業自律機制和政府監管機制下所涉及到的三個參與者(云計算企業、產業聯盟及政府)策略選擇的演化過程。通過數值仿真分析，進一步探究了演化博弈過程以及各影響因素對博弈參與者策略行為的影響。研究發現：

(1)在行業自律機制下，違約金和基金會補貼會促進知識共享合作。其中，違約金的約束作用存在著邊際遞減效應，相較于產業聯盟，違約金對于云計算企業的約束作用體現的更為強烈。

(2)在政府監管機制下，知識吸收率、罰款和補貼可以幫助參與者平衡風險并促進知識共享合作。隨著知識吸收率差異的增大，政府參與監管的動力以及整體收益也在不斷強勁。

(2)

結合研究結果，可以得到如下啟示：

(1)在行業自律機制下，違約金、風險損失和基金會補貼對云計算企業和產業聯盟的策略選擇有顯著影響。為保護雙方的基本利益，補貼應該設置在合理的范圍內。與此同時，違約金賠償制度的建立有助于約束知識共享行為，可作為穩定云計算開源生態發展的重要措施之一。此外，風險責任的認定和處罰可進一步維護參與雙方的利益，保證知識共享的順利進行。

(2)在政府監管機制下，政府扮演著相當重要的角色。政府設定的罰款和補貼可以鼓勵云計算企業和產業聯盟在保證社會利益的基礎上開展知識共享合作。合理的監管對提高云計算開源生態的應用具有一定的威懾和促進作用。與此同時，政府可以通過參與監管來獲得更多的知識資本以確保政府和整個社會的利益。

(3)對于云計算開源生態來說，政府角色及其作用值得探究。政府作為利益相關者，在監管機制下同時具有利益訴求。通過監管，政府可以幫助云計算企業和產業聯盟平衡利益與風險。政府可以在政策制定、技術指導、平臺支撐等方面全方位推動，進而有助于構建一個開放、協作、安全的可持續云計算開源生態。