外围知识的取舍利用：核心企业研发外包的知识分配Agent仿真研究

符正平，王曦

（中山大学管理学院，广东广州510275）

外围知识的取舍利用：核心企业研发外包的知识分配Agent仿真研究

符正平，王曦

（中山大学管理学院，广东广州510275）

核心企业在研发外包后仍不放弃外围知识的行为已被许多学者认可其合理性，该行为丰富了以往仅需聚焦企业核心能力的传统思维。大量实证研究主要探讨了保留外围知识与聚焦核心知识这两种不同的知识分配策略的必要性，但尚未解读不同策略的触发因素及情景差别。以此缺口为切入点，提出核心企业应根据不同的研发任务难度对外围知识适当取舍利用。一系列基于agent的计算机仿真实验结果表明，为获得更大的竞争优势，当研发任务难度较低时，舍弃外围知识是核心企业的优选策略；研发任务难度较高时，保留某一最佳比例的外围知识反而成为优选策略；该最佳比例与研发任务难度呈现相反方向的变化。在外围知识利用策略方面，若核心企业保留了外围知识且高于最佳比例，则核心企业更适宜采取灵活内包的策略，相反，若外围知识低于此最佳比例，则较之灵活内包的策略，坚持外包策略具有微弱的优势。

核心企业；核心知识；外围企业；外围知识；研发外包；内包；知识分配；agent仿真

一、引言

研发外包过程允许发包方的核心企业放弃与外包过程相关的外围知识(Takeishi,2002;Brusoni, 2001)[1，2]，这种情况在发动机设计(Takeishi,2001)[3]、产品开发(Oxley,2004)[4]和软件服务(Ethiraj,2005)[5]等领域均很普遍。该现象从交易成本理论看，缘于企业控制研发成本，将规模效益较低的任务分离出企业边界(Williamson,1979)[6]。因此企业维持对应外围知识的必要性降低，企业只需专注于核心能力的维持与提升，依靠接包企业提供互补的经验和技术(Grant, 2004)[7]。

但是，与此逻辑相悖的企业行为随后被发现，Brusoni等（2001）[2]发现三大航空喷气发动机制造商将数控类电子产品完全外包后，仍然维持该领域技术的研发投入，Levina和Vaast等人（2005）[8，9]发现一些企业存在知识跨界现象，这些企业将软件开发外包后也维持一定水平的软件基础知识。这些现象与企业知识专业化的正常逻辑发生矛盾，引发人们思考此前理论的适用性：企业有何必要保留与外包任务相关的外围知识？

专家学者纷纷从外围知识对外包绩效的影响展开研究。这里的外围知识（peripheral knowledge）是指发包企业内部保留的为促进已外包业务顺利完成所需要的知识(Takeishi,2002;Brusoni,2001)[1，2]，与之相对的是发包企业自身核心能力领域的核心知识。研究结果从“知识依赖”的弊端(Brusoni,2001;Takeishi, 2001;Hoetker,2006)[2，3，10]，生产纵向一体化过程中知识和能力的差异(Jacobides,2005)[11]，保留必要外围知识与施加控制的互补性(Jensen,1995)[12]以及技术能力和合约风险的交互作用对治理模式的影响等方面取得了一些有益的成果(Mayer,2006)[13]。针对一种更加灵活的外围知识利用策略，即企业将“外包”与“内包”（insourcing）并列实施的现象，Rothaermel等人（2006）[14]认为这样可以促进企业生产出较多（但不是太多）的产品组合，从而提高新产品开发的成功率，促进企业绩效的提升。与以上众多研究相比，较有影响的是Tiwana和Keil（2007）[15]的研究发现，他们认为拥有外围知识可以帮助企业实现对供应商的有效控制，这种控制有利于促进外包绩效。

企业外包时两种不同的知识分配策略，即仅仅聚焦核心知识与保留一定水平外围知识，均已从作用机制得到了比较充分的解释，丰富的实证研究回答了企业对外围知识的划分行为的必要性问题，即采取对应的知识分配利用策略能为企业带来哪些积极影响。但是，相应策略的前置条件，即核心企业实施外包时，该如何划分核心知识与外围知识的边界还不清晰，该问题在知识密集的研发外包领域更加突出。这正是当前还需探讨的问题：企业做什么（do what）与知道什么（know what）之间如何匹配(Brusoni, 2001)[2]?具体地，需要回答两个策略选择问题：核心企业实施研发外包时，是否需要保留外围知识？若保留该知识，将具备内包能力，此时是否需要根据外界环境变化灵活地外包或内包？

以上问题需要从选择不同策略的触发因素切入。遗憾的是，以往着眼于此的研究成果较少，究其原因可能有以下三个方面：第一，需要对比研究的模式。那些未保留外围知识的企业与维持外围知识企业之间的差别，需要将两类企业作对比研究，这在客观上增加了样本收集的难度。第二，现实中企业之间的千差万别为对比研究带来干扰因素。第三，需要纵向的跨时研究视角。即使收集到相关的企业数据，它们知识分配利用的不同策略的后续效果需要跨时的跟踪与记录，这种纵向的研究视角为实证研究的样本收集带来了不便。总而言之，此时数据获取的障碍成为实证研究的主要瓶颈(Davis,2007;Harrison,2007)[16，17]。

本研究采用基于agent的模拟方法，除了能够克服以上实证研究的瓶颈，还有以下优势：第一，模拟方法可以促进理论细化，提升理论精确度和内在效度(Davis,2007)[16]。当前的研究目标正是厘清外包时知识分配的触发条件，这需要回答何种条件适合采用何种知识分配策略的问题，如果保留外围知识，需要维持什么水平的问题。这些研究的预期结论是对以往研究成果的检验与细化。第二，发包的核心企业与接包的外围企业的相互作用，构成了知识分配策略的复杂情景。这些多个企业之间的交互过程涌现出的特定结果，是鉴别不同策略之间区别的重要依据，这种非线性系统问题适合采用基于agent的仿真模拟方法(Epstein,1999)[18]。

本研究探讨的策略有3种：不保留外围知识；保留一定比例外围知识且只用于加强外包控制；保留一定比例外围知识同时灵活选择外包或内包。通过记录三种策略下，核心企业对比外围企业的相对优势变化，找到适应不同环境的策略选择。这些不同策略下相对优势的变化走势，正是通过模拟交互过程而期待涌现出的特定差别。

将观察记录的重点放在核心企业竞争优势上而不是其他，有如下考虑：首先，突出核心企业的发展诉求。竞争优势理论强调了企业发展的“势”的思维(夏清华,2002)[19]，势有高低，没有参照物的绝对数量不足以反映该数量的价值，核心企业的发展程度若没有相对量的鉴证，势必缺乏整体观念，因此研究中需要外围企业充当同步环境下的参照；其次，合作与竞争并存，这不仅仅存在于同行业的企业之间，供应商与核心企业之间也不例外(Nasr,2015)[20]。若单纯考虑外包绩效或双方（发包与接包企业）的整体绩效，可能忽视核心企业与外围企业的实力对比，这种实力差距的变化可能撼动核心企业的外包业务主导权，而这正是核心企业不愿看到的。

二、模型的构建

（一）模型的前提假设

本研究主要分析研发外包时核心企业的知识分配与利用策略，设计模拟情景时，仅设置知识存量一项资源类型。这样设计的原因如下：第一，企业研发的主要投入虽然包括资本、人才等众多资源，但是研发过程的实现依靠知识资源的直接投入(Grant,1996)[21]；第二，企业的组织运作、外包任务的交接，虽然都伴随着资金的流动，但同时伴有知识流量的发生(杨志锋, 2000)[22]；第三，种类丰富的交易市场为知识资源与其他资源的交换提供了便捷渠道。因此，考察企业中知识存量的变化，可以满足本研究的需要，企业利用相应的知识组织研发，知识在本模拟系统中既是投入也是产出(戴俊,2004)[23]。相反，若设置的变量过于丰富，虽然从情景上接近了现实，但同时会带入不必要的干扰因素(Harrison,2007)[17]。

模拟过程假定核心企业与外围企业的规模收益不变，因此排除知识积累过程中的企业技术的升级换代现象。此外，研发外包大多发生在知识密集型产业中，核心企业为保留外围知识而前期投入的资产属于沉没成本，所以这里假定核心企业若将研发外包任务转为内包，则不需要增加额外成本。

研发任务包括核心企业自己承担的核心研发任务和外围企业承担的外包研发任务。模型中设定，当研发任务难度增加时，核心研发任务与外包研发任务的难度同等比例增加。

（二）模型的初始化

模型设置了三类情景与两类agent。这些情景包括：

情景A，核心企业保留固定比例的外围知识，若无能够接包的外围企业则灵活内包，以下简称灵活内包策略；

情景B，核心企业保留固定比例的外围知识，这部分知识只用于对接包企业施加控制，提高研发外包成功率，以下简称坚持外包策略；

情景C，核心企业不保留外围知识，所有知识全部集中于核心知识领域，以下简称舍弃外围知识策略。

两类Agent分别是核心企业与外围企业，各有c家和w家，并假定核心企业是发包方，在发包过程中处于主导地位。核心企业除具有自己的核心知识外，还保留一定比例的外围知识（情景C除外）。与核心知识有关的核心研发任务由核心企业独立完成，不予外包。核心企业分配在核心领域的知识（即核心知识）的比例为ratio_core∈[0.5，1]。该值不低于0.5的原因是，核心知识代表企业的核心能力，在核心企业的知识总量中应该占据主导地位。该比例越高，意味着核心企业保留的外围知识越少。当ratio_core为1时，表示核心企业不保留任何外围知识。

接包的外围企业处于从属地位，只拥有外围知识，承担核心企业委托的外包任务。外包任务仅需要外围知识的投入。核心企业的初始知识存量Z1和外围企业的初始知识存量Z2分别服从[3,5]和[8,11]的均匀分布。

（三）研发外包过程的发起、匹配与知识收益

1.发起与匹配

各核心企业独立产生每一轮的任务需求，包括核心研发任务的知识需求量和与之匹配的外包研发任务知识需求量。其中研发外包任务的知识需求量如（1）式所示：

μ表示研发外包任务难度系数，取值越大表示难度越高。本研究考虑到，过高的外包任务难度将极大地减少外包关系建立的概率（模拟中当μ＞2时，核心企业与外围企业均存在明显的知识存量萎缩现象），过低的外包任务难度不符合实际情况，因此模拟中将μ值控制在1至2的范围。（1）式体现了如下关联，即外包任务的难度需要同时兼顾核心企业保留的外围知识存量与外围企业的知识存量。情景C中，核心企业只保留核心知识（ratio_core=1），此时上述（1）式中只考虑Z的取值。

与外包任务匹配的核心任务的知识需求量如（2）式所示：

α∈（1，+∞），表示核心知识与外围知识在知识市场交易时的价值比例。即α值越大，核心知识相比外围知识的价值越高。这里设定α为2。

核心企业匹配接包的外围企业。考虑到模拟过程的简便，假设每个外围企业最多接受一个外包订单，外围企业是核心企业的排他性外部资源。核心企业搜索接包企业时，顺序由知识总存量决定，即拥有最高知识总存量的核心企业优先挑选外围企业。知识总存量，是指按照固定比例折合计算的核心知识与外围知识之和，依照核心知识与外围知识在知识市场交易时的价值比例α，得到核心企业知识总存量如（3）式所示：

其中，t1与t2分别表示核心企业拥有的外围知识与核心知识的存量。

考虑到寻找过程的有限理性制约，核心企业只能从所有外围企业中挑选5家进入候选范围，挑选的依据包括：第一，上一轮曾经合作过的外围企业优先候选，除非它已从其他核心企业处接包；第二，距离本核心企业较近（在模拟环境中核心企业与外围企业分别分布于内环与外环）。随后，在候选的外围企业中锁定一家作为接包企业，锁定的条件是：该外围企业的知识存量不低于外包任务需要的知识存量，并且其在5家候选企业中排名最高。若无法满足上述条件，则核心企业将外包转为内包。内包的条件为，核心企业保留的外围知识不低于外包任务的知识需求量。若内包也无法实现，该核心企业此轮不进行任何研发活动，包括核心研发任务。情景B中，核心企业坚持由外围企业完成外包任务，因此没有内包过程。

2.核心和外包任务的成功率

建立外包关系的核心企业与外围企业各自完成核心任务与外包任务。无论核心企业还是外围企业，必要的知识存量是完成相应任务的前提，与任务知识需求量相比，自身知识存量越高，任务成功概率越大(戴俊,2004;杜静,2004)[23,24]。依照该思想设置相应任务的成功概率。核心任务的成功概率由（4）式表示：

接包的外围企业成功概率由（5）式表示：

其中t3表示接包的外围企业知识存量。情景C中，核心企业不保留外围知识，上述（5）中的t1不予考虑。若核心企业将研发外包转为内包，该研发活动的成功概率由（6）式表示：

其中需要强调两个方面：第一，在（5）式中，接包的外围企业任务成功概率，既考虑了外围企业自身的知识存量，也考虑了与之建立外包关系的核心企业外围知识存量，后者的叠加效应体现出核心企业保留外围知识对外包绩效的促进作用(Tiwana,2007)[15]；第二，尽管从仿真需要出发，我们采用某个具体的成功率函数来“量化”任务顺利完成的可能性，但大部分情况下该成功率的值无法精确预见，无法用某个函数式来表达，因此，这里重点是理解函数代表的象征意义，而非具体的函数形式和数值，即重义不重形（杨城,2014）[25]。

3.知识收益

完成研发任务后核心企业与外围企业都将获得知识收益，该收益与研发任务对应的知识需求量有关。研发外包任务中知识收益（即外围知识增量）的比率设置为s1（0≤s1≤1），核心研发任务的知识收益（即核心知识增量）比率设置为s2（0≤s2≤1）。若研发外包任务对应的知识需求量为10，s1为0.05，则任务顺利完成后可获得的外围知识增量是10×0.05=0.5。Hensher(1988)[26]与Walsh(1991)[27]等人的研究表明，外包可以节省大约20%的成本，因此模拟过程中设定，核心企业获得外包任务知识收益中的20%，剩余80%由接包的外围企业获得。为体现研发探索中试错的价值(Teece,2010;Chesbrough,2010)[28,29]，若研发任务失败，知识收益为研发成功时的比率为f（0≤f≤1）。未获得外包任务的外围企业与无法将外包转为内包的核心企业，均无知识收益。

（四）知识存量的再分配

获得知识收益的核心企业，其核心知识与外围知识的边界可能发生偏移（如图1所示）。由于假定核心企业保留固定比例的外围知识，因此在每次知识收益更新后，核心企业将调整核心知识与外围知识存量，偏移的状态将被纠正，核心知识的比例维持在预先设定的ratio_core的水平（如图1所示）。在情景C中，核心企业不保留外围知识，因此不存在此调整过程。

（五）企业淘汰与递补

所有企业（包括核心企业与外围企业）经历周期性的知识衰减，衰减周期为m次迭代。这模拟了现实中的知识更新换代过程，原有知识存量中的一部分已不能适应新的任务要求，其价值面临贬值。系统中所有企业的知识存量接受一定数量的衰减，在同类企业知识存量（针对核心企业时特指知识总存量）平均值的基础上执行比率为h的衰减。若某个企业在知识衰减后总的知识存量为0，则被系统淘汰，并自动补充一个新的同类企业，该新企业的知识存量为本轮其它同类企业的平均值。本研究中涉及的全部参数见表1所示。

（六）结束条件及数据收集

本研究使用NetLogo5.2.1仿真平台。仿真模拟中，每次迭代800步。为消除模拟过程的随机误差，每次仿真初始设定不同的随机种子，仿真过程共重复500次。下文中显示的图表均为仿真500次迭代后的算术平均值。

图1 核心企业知识存量的再分配

三、仿真结果

核心企业保留外围知识的效果体现于情景A和B，这两种情景的优劣对比可以反映外围知识利用的优选策略。继而，将这两种情景中的优选策略与情景C比较，得到核心企业是否适宜保留外围知识的结

论。

表1 仿真过程参数表

图2 外围知识利用策略对比分析

（一）外围知识两种利用策略的比较

外围知识利用策略分为情景A和B。它们的区别在于，核心企业是否将保留的外围知识用于外包研发任务的灵活内包。两种利用策略各有利弊，情景A体现出相对的灵活性，当没有合适的外围企业接包时，核心企业可以将本该外包的研发任务自主完成；情景B体现出相对的成本优势，充分借助外围企业实施外包过程。

两种外围知识利用策略的模拟结果由图2反映。图中反映出三个结论：

第一，当核心企业保留的外围知识越多时（即ratio_core越接近0.5），灵活内包策略对应的情景A的优势更加突出。这种优势随着外围知识逐步减少（即ratio_core越接近0.95），情景A较之情景B出现微弱的劣势，说明与情景B对应的坚持外包策略更好。

第二，无论情景A或情景B，随着ratio_core的增加，保留外围知识的核心企业其竞争优势总是先增大后减少，从柱状图顶端的走势可见倒U型的轮廓。因此，核心企业拥有过多或过少的外围知识，都会一定程度上抑制自身的竞争优势，只有保留了最佳比例的外围知识，核心企业的竞争优势才会达到峰值。

第三，随着研发任务难度的不断提高，柱状图的峰值不断右移，从图2（a）中峰值对应ratio_core为0.55，至图2（f）中峰值对应ratio_core为0.75。因此，核心企业核心知识的保留比例与研发任务难度呈现同方向变化，相应地，核心企业外围知识的保留比例与研发任务难度呈反方向变化。这说明，保留了外围知识的核心企业，为应对增长的研发任务难度，适宜增加核心知识的保留比例。

（二）保留与舍弃外围知识的比较

与情景A和B相比，情景C中核心企业彻底地舍弃了外围知识。保留抑或舍弃外围知识后，核心企业的竞争优势的区别，需要将情景C与其对立面（即情景A与B两者之一）进行对比。其中，情景A与B的选择取决于特定研发任务难度下，何种情景能使核心企业的竞争优势达到峰值。例如，当μ=1.8时，选择情景A加入与情景C的比较，因为图2（e）中的峰值对应ratio_core为0.7时的情景A。又如，当μ=2. 0时，转而选择情景B，因为图2（f）中的峰值对应ratio_core为0.75时的情景B。照此原则，经过模拟，核心企业保留抑或舍弃外围知识后竞争优势的区别如图3所示。

图3反映出的趋势如下：

第一，核心企业舍弃外围知识时，其竞争优势随着研发任务难度μ的增加而逐渐弱化。观察800迭代次数时的模拟结果，当μ为1.0时，舍弃外围知识的核心企业的竞争优势达到107量级，随着μ的增加，该值逐步减少，当μ为2.0时，降到104量级。由此可见，核心企业由于舍弃外围知识而获得的竞争优势，受到研发任务难度的抑制。

第二，与上述情况相反，核心企业由于保留最佳比例的外围知识而获得的竞争优势，受到研发任务难度的促进。观察800迭代次数时的模拟结果，随着μ的增加，核心企业由于保留外围知识而获得的竞争优势逐步增加。

第三，当研发任务难度较低时（如μ=1.0、1.2和1.4），相比保留外围知识，舍弃外围知识让核心企业的竞争优势更加明显；舍弃策略的优越性随着μ的增加而弱化，当μ增加到一定程度（如μ=1.6，1.8和2.0），对外围知识的舍弃策略不如保留策略优越，核心企业更适宜保留外围知识。

根据以上趋势可以推测，一方面，研发任务难度的增加提高了外围企业接包的门槛，某些外包任务无法找到合适的接包企业；另一方面，某些外围企业即使能够承担研发外包任务，但是受难度增加的影响，外包研发成功概率势必降低。这些都将促使研发任务的整体绩效受到损失。因此，舍弃外围知识的核心企业受到研发任务难度的冲击愈发明显。相反，保留外围知识时的优势开始显现。核心企业可以利用这部分外围知识，一方面防范外围企业能力不足的风险，当外围企业无法接包时，核心企业可以灵活内包；另一方面，核心企业可以利用保留的外围知识对研发外包施加控制，促进研发外包的成功率。因此，当研发任务难度增加到一定程度时，核心企业需要由舍弃外围知识转为保留一定比例的外围知识。

接下来很容易沿此思路引申下去：当研发任务难度进一步提高时，核心企业保留的外围知识比例应当随之增加。有趣的是，这一推论与图2、图3的模拟结果矛盾。分析得到的实际情况反而是，面对逐步增加的研发任务难度，核心企业在保留外围知识的前提下，需要逐步增加核心知识的比例。保留一定外围知识的前提不能改变，因为核心企业需要防范前述的两类风险，即外围企业可能无能力接包和接包企业研发成功率降低。那么此时增加核心知识比例的作用何在？正是为了应对逐步增加的核心研发任务难度，因为增加的整体研发任务难度不仅提高了外包研发任务难度，还促进了核心研发任务难度同步走高，这将促使核心企业加强对核心知识的足够重视。因此，随着研发任务难度由低到高，核心企业对外围知识保留的最佳比例的走势如图4所示。

图3 外围知识的保留与舍弃效果对比

图4 核心企业保留外围知识的比例

四、结论和意义

本研究通过一系列基于agent的计算机仿真实验，研究核心企业研发外包时的外围知识分配策略与应用策略对企业竞争优势的影响。研究结果表明：核心企业若保留了外围知识，则存在保留该知识的最佳比例，以使核心企业竞争优势最大化，当外围知识保留比例高于此最佳比例时，核心企业更适宜采取灵活内包的策略，当低于该最佳比例时，相比灵活内包策略，坚持外包的策略具有微弱优势；外围知识最佳比例与研发任务难度变化方向相反，即难度增加时，核心企业保留的外围知识的最佳比例将逐步减少；若核心企业根据研发任务难度变化总能保持外围知识的最佳比例，则随着研发任务难度由低到高，核心企业的竞争优势将逐步增强；相反，舍弃外围知识的核心企业，其竞争优势虽然存在，但随着研发任务难度由低到高，该竞争优势将逐步弱化；在研发任务难度由低到高的过程中，由保留外围知识逐步走高的竞争优势，与由舍弃外围知识逐步走低的竞争优势之间，存在交叉点，当研发任务难度低于该交叉点时，舍弃外围知识是核心企业的优选策略，反之，当研发任务难度高于该交叉点时，保留某个最佳比例的外围知识成为优选策略。

本研究具有较强的理论和现实意义。理论意义体现在，将研发外包时企业知识分配的研究从必要性的实证推进到触发环境的判断。以往研究多以实证方法入手，得到不同知识分配策略的后续效用的解读，回答了这些策略的必要性问题。本研究着眼不同策略被选择时的触发因素，力求回答特定环境下研发外包过程中，核心企业是否需要外围知识以及如何利用这种知识的问题。就这一层面而言，本研究明确了原有相关理论的解释范围。例如，现实中某些核心企业研发外包时保留外围知识的行为可能与外包任务难度较高的环境契合。现实意义体现在，核心企业应关注两种影响的权衡,即聚焦核心能力的专业化优势和保留必要外围知识的研发绩效促进优势。这种权衡在研发任务难度存在差异时尤其重要，无论单纯聚焦细而精的核心知识还是保留一定水平的外围知识的策略，都只适合某种研发任务难度。

【参考文献】

[1]Takeishi A.Knowledge partitioning in the interfirm division of labor:The case of automotive product development[J].Organization Science，2002(3).

[2]Brusoni S,Prencipe A,Pavitt K.Knowledge specialization, organizational coupling,and the boundaries of the firm:why do firms know more than theymake?[J].Administrative Science Quarterly,2001(4).

[3]Takeishi A.Bridging inter-and intra-firm boundaries:management of supplier involvement in automobile product development[J].Strategic Management Journal,1999(5).

[4]Oxley JE,Sampson R C.The scope and governance of international R&D alliances[J].Strategic Management Journal, 2003(89).

[5]Ethiraj SK,Kale P,Krishnan M S,et al.Where do capabilities come from and how do theymatter?A study in the software services industry[J].Strategic Management Journal,2005 (1).

[6]Williamson O E.Transaction-cost economics:The governance of contractual relations[J].Journal of Law and Economics,1979(22).

[7]Grant R M,Baden-Fuller C.A Knowledge Accessing Theory of Strategic Alliances[J].Journal ofManagement Studies,2004 (1).

[8]Levina N.Collaborating on multiparty information systems development projects:A collective reflection-in-action view [J].Information Systems Research,2005(2).

[9]Levina N,Vaast E.The emergence of boundary spanning competence in practice：implications for implementation and use of information systems[J].Social Science Electronic Publishing,2004(2).

[10]Hoetker G.Do modular products lead to modular organizations?[J].Strategic Management Journal,2006(6).

[11]Jacobides M G,Winter SG.The co-evolution of capabilities and transaction costs:explaining the institutional structure of production[J].Strategic Management Journal,2005(5).

[12]Jensen M C,Heckling W H.Specific and general knowledge,and organizational structure[J].Journal of Applied Corporate Finance,1995(2).

[13]Mayer K J,Salomon R M.Capabilities,contractual hazards, and governance:Integrating resource-based and transaction cost perspectives[J].Academy of Management Journal,2006 (5).

[14]Rothaermel F T,HittM A,Jobe L A.Balancing vertical integration and strategic outsourcing:effects on product portfolio,product success,and firm performance[J].Strategic Management Journal,2006(11).

[15]Tiwana A,Keil M.Does peripheral knowledge complement control?An empirical test in technology outsourcing alliances[J].Strategic Management Journal,2007(6).

[16]Davis JP,Eisenhardt K M,Bingham C B.Developing theory through simulation methods[J].Academy of Management Review,2006(2).

[17]Harrison JR,Lin Z,Carroll G R,et al.Simulationmodeling in organizational and management research[J].Academy of Management Review,2007(4).

[18]Epstein JM.Agent-based computationalmodels and generative social science[J].Generative Social Science:Studies in Agent-Based ComputationalModeling,1999(5).

[19]夏清华.从资源到能力:竞争优势战略的一个理论综述[J].管理世界,2002(4).

[20]Nasr E S,Kilgour M D,Noori H.Strategizing niceness in co-opetition:The case of knowledge exchange in supply chain innovation projects[J].European Journal of Operational Research,2015(3).

[21]Grant RM.Toward a knowledge-based theory of the firm[J]. Strategic Management Journal,1996(S2).

[22]杨志锋，邹珊刚.知识资源、知识存量和知识流量:概念、特征和测度[J].科研管理,2000(4).

[23]戴俊，朱小梅，盛昭瀚.知识转化的机理研究[J].科研管理, 2004(6).

[24]杜静，魏江.知识存量的增长机理分析[J].科学学与科学技术管理,2004(1).

[25]杨城，朱超威.基于CAS仿真的组织互动创新机制研究[J].系统工程理论与实践,2014(9).

[26]Hensher D A.Some thoughts on competitive tendering in local bus operations[J].Transport Reviews,1988(4).

[27]Walsh K.Competitive Tendering for Local Authority Services:Initial Experiences[M].HM Stationery Office,1991.

[28]Teece D J.Business Models,Business Strategy and Innovation[J].Long Range Planning,2010(2-3).

[29]Chesbrough H.Business Model Innovation:Opportunities and Barriers[J].Long Range Planning,2010(2-3).

N945.13

A

1009－2447（2016）04－0030－09

2016-08-31

国家自然科学基金项目（71372141）；湖南省社科基金项目（11YBB322）；湖南省高等学校科学研究项目（12C0330）

符正平（1965-），男，湖南益阳人，中山大学管理学院教授。