技术创新联盟动态演化博弈分析——基于双元隐性知识视角

杨　陈，孙金花

（1.西南财经大学 工商管理学院，四川 成都 611130；2.重庆理工大学 管理学院，重庆 400054）

技术创新联盟动态演化博弈分析
——基于双元隐性知识视角

杨陈1，孙金花2

（1.西南财经大学 工商管理学院，四川 成都 611130；2.重庆理工大学 管理学院，重庆 400054）

隐性知识差异化对技术创新型战略联盟演化过程会产生不同的影响。文章基于联盟合作网络嵌入视角，构建了两阶段技术创新联盟隐性知识转移的演化博弈模型，深入分析了双元隐性知识与关系嵌入等参数变化对联盟主体行为选择的影响。结果表明，在联盟实施阶段，降低联盟主体间信任的不对称性有利于增进浅隐性知识外生溢出，促进联盟主体选择协同合作策略，且投机收益对联盟主体选择协同合作策略具有负向影响；在联盟进化阶段，联盟主体间关系连带和获取深隐性知识转移收益的期望对联盟主体选择并购策略具有显著正向影响。并在此基础上通过Matlab数值模拟验证了基于双元隐性知识下的联盟不同发展阶段的联盟主体行为选择以及联盟动态演进趋势。

双元隐性知识；技术创新联盟；演化博弈

［DOI］10.3969/j.issn.1007-5097.2016.05.026

一、引　言

在创新驱动产业发展战略的背景下，如何实现双元创新已成为国家和企业关注的重点。为此，学者们围绕双元创新的实现路径展开了深入研究，现有研究大多认为建立双元型组织对于实现双元创新具有重要影响，但双元型组织具有复杂性和难以调和性等特点（Ferrary［1］，2011；Silvio Popadiuk［2］，2012），尤其对于研发投入不够重视的中国企业而言，在同一组织内部实现双元创新更为困难。因此，一些企业从开放式创新的视角出发，试图通过技术创新联盟实现双元创新。根据已有文献可知，技术创新联盟对于获取联盟方隐性知识、实现双元创新具有促进作用。然而，由于企业个体的自组织性和学习性等特征使得技术创新型战略联盟呈现出动态演化的趋势。同时，隐性知识作为技术创新联盟内部最为活跃的要素，其本身的差异性对双元创新具有不同的影响（Johannessen［3］，2008），进而对技术创新联盟的动态演化也可能存在影响。此外，根据我国产业技术创新联盟联络组报告可知，目前产学研合作的技术创新联盟运行中，多通过信息沟通和学术交流等途径来实现浅隐性知识转移，没有针对不同类型隐性知识采取相应的转移方式，致使隐性知识转移效率和研发效率不匹配，技术创新联盟呈现动荡趋势。因此，从双元隐性知识（浅隐性知识和深隐性知识）视角，剖析其在技术创新联盟动态演进过程中的作用具有重要的理论与实践意义。

国内外学者对技术创新联盟内部隐性知识的研究多采用计算机仿真和实证研究方法进行分析［4-6］，主要集中于联盟内部隐性知识转移的影响因素方面。由于隐性知识难以转移、较难编码的特性，一般意义上的交流和沟通对于促进联盟成员间隐性知识转移和吸收作用有限，而联盟成员管理者的充分沟通以及领导力的发挥对于优化创新合作网络、加快隐性知识转移具有重要影响（Mendoza et al［7］，2014）。从社会资本和网络嵌入视角对联盟内部隐性知识转移和吸收的研究主要关注信任机制和结构嵌入的影响，认为联盟成员间信任水平越高，网络密度越大，越有利于促进隐性知识的转移（Xu Jiang et al［8］，2013；Mani et al［9］，2015）。此外，还有一些学者对信息技术和隐性知识转移的关联进行分析，认为信息技术为联盟成员间线上和线下交往提供便利，确保隐性知识的有效转移（Dong&Yang［6］，2015；孙金花、杨陈［4］，2014）。总之，目前的研究多将隐性知识作为整体进行分析，忽视了前因变量对不同类型隐性知识的作用机制可能存在的差异性。

另外，联盟作为一种同时实现双元创新的有效途径，现有的研究主要从静态视角，分析在联盟形成阶段的隐性知识转移问题，如Kauppila（2015）通过实证研究发现联盟管理能力对隐性知识具有显著推动作用，但对于探索性创新和利用性创新的作用机制存在差异［10］。学者对联盟实施和进化阶段的研究较少，仅有的研究主要从隐性知识的特性和社会网络视角展开。Marshall（2005）认为在联盟进化阶段，合作主体间多采用并购的方式取代以往的技术创新型联盟［11］，通过并购策略获得的隐性知识更具创新性和竞争性，尤其对于具有较高价值的深隐性知识（Ferrary［1］，2011；Carayannopoulos&Auster［12］，2010）；Yang（2011）通过实证研究方法分析了联盟类型差异化及网络嵌入对联盟成员间并购行为的影响，提出了探索联盟更易于产生并购行为，且网络经纪人和网络中心性在探索联盟运行及后续的并购行为关系中具有显著地调节作用［13］；万良勇（2014）从社会网络视角分析了网络位置、独立董事治理对并购行为的影响，认为独立董事网络中心度对并购行为具有正向作用［14］。

综合以上分析可知，已有研究多基于静态视角，从联盟特定发展阶段对隐性知识转移和技术创新联盟进行分析，其中有关知识转移的研究更集中于对隐性知识的整体分析，忽视了不同难易程度的隐性知识对技术创新联盟作用机制的异同；同时，从隐性知识视角，对技术创新联盟的动态演化过程进行研究的成果极少，且忽视了不同关系嵌入机制对联盟主体的行为选择和联盟演化所产生的影响。基于此，为了深入分析在联盟合作网络嵌入下，双元隐性知识对联盟主体行为选择以及联盟动态演化的影响，弥补该领域的研究空白，本文引入演化博弈方法，结合网络嵌入理论，深入分析了联盟主体在双元隐性知识转移中的行为选择以及联盟的演化策略，并通过Matlab数值仿真分析在联盟合作网络嵌入和双元隐性知识双重作用下联盟主体行为的动态演进，以期能对技术创新型战略联盟演化趋势做出准确预测。

二、理论基础与研究假设

（一）双元隐性知识

“双元”是指同时追求不同目标的能力，主要包括同时实施探索和利用行为、同时实现效率和灵活性以及调整性和适应性的能力（De Clercq et al［15］，2013）。双元隐性知识的概念是基于隐性知识转移难易程度而提出的，目前国内外学者对此未进行深入探究，仅对隐性知识类型进行了区分，将其划分为浅隐性知识和深隐性知识（Johannessen［16］，1999）两个维度。其中浅隐性知识，即一般意义上的隐性知识，是指存在于联盟成员间以及联盟内部的以技能、能力等形式表现出来的、不太明显的、较易编码的、较难转移的，且具有适度价值的系统性知识，具有较易获得和很难理解的特点，其有效转移能够提高企业隐性知识利用效率，最大限度开发利用现有知识，实现利用式创新；而深隐性知识和组织的具体规范具有较强的联系，是存在于联盟成员间的以及联盟内部的隐藏的、难以编码和转移的以及非常具有价值的战略性知识，主要影响人的心智模式和行为方式［3］，其有效转移不仅能够丰富企业内部知识，还能从根本上改变企业现有的知识结构，有助于企业开展探索性创新，实现持续创新。基于此，本文将双元隐性知识界定为存在于组织内部的，既能对利用式创新也能对探索性创新起到推动作用的知识，具有矛盾性和融合性等特点。

（二）联盟合作网络嵌入

在技术创新联盟中，网络嵌入在一定程度上反映了联盟主体在网络中的地位及与其他网络主体的关系。合作网络是由联盟主体通过合作协议构成的关系网络，包括对异质性知识获取、吸收、转化和利用等行为，其中联盟主体是网络中的节点，联盟主体间的关系构成了合作网络的节点联系方式。具体来说，联盟主体是通过两种网络嵌入机制获得与技术创新相关的知识收益：其一是结构性嵌入机制，即联盟主体通过其在联盟中所处的位置以及占据的结构洞的多少对联盟成员间隐性知识的获取产生影响；其二是关系型嵌入机制，即联盟主体通过相互信任、关系连带强弱等机制对其隐性知识的获取产生影响。基于此，本文在结合双元隐性知识特点的基础上，重点分析关系嵌入机制中信任和关系连带对隐性知识转移以及联盟主体行为选择的影响。

三、技术创新联盟两阶段博弈分析

根据对战略联盟演化的阶段性特征分析可知，联盟主体间的博弈行为会受制于各联盟主体所持有的知识类型，在联盟形成阶段，联盟对象选择主要考虑对方的显性知识和战略相似性［17］；在联盟实施阶段，由于联盟本身的不确定性和风险性，联盟成员高层管理者倾向于将联盟视为对其事业和权力的威胁，而缓解此种威胁的关键在于构建相互信任的合作机制，满足双方对浅隐性知识的预期，尤其是实现供应链、生产运作等方面浅隐性知识的转移，提高联盟方的利用性创新能力；而在联盟进化阶段，联盟主体希望建立共同的心智地图，实现深隐性知识的转移，形成持续的创新能力［3，11］。但由于在前述两阶段通过显性和浅隐性知识的转移，联盟双方的知识相似性增加，为了寻求更多有价值的深隐性知识，联盟双方更倾向于采用并购战略取代技术创新型联盟［12］。

基于上述分析可知，在联盟实施阶段，为了获取浅隐性知识，联盟主体根据双方合作程度的紧密性有两种行为选择，即常规合作和协同合作，因此，基于联盟主体信任与合作程度的差异，本文构建了“常规合作—协同合作”演化博弈模型；而在联盟进化阶段，基于联盟主体对浅隐性知识需求的满足程度以及对持续创新能力的需求，其会更倾向于获取合作方的深隐性知识，但由于联盟双方知识的相似性以及深隐性知识难以编码和转移的特征，若通过上述联盟形式则难以满足对深隐性知识的需求，因此，本文基于深隐性知识获取程度构建了“维持联盟—并购”的博弈模型。

（一）模型基本假设和隐性知识转移效用函数

在技术创新联盟运行过程中，由于联盟主体始终处于权变的现实环境中，受到多种因素的影响。因此，为了更有效地分析双元隐性知识视角下技术创新型战略联盟动态演进过程，本文对模型做出如下假设：

（1）假设技术创新联盟参与方包括创新主体企业A和B。

（2）由于隐性知识在联盟各主体间协同过程中所占比例较高，因而快速准确地获取隐性知识是技术创新联盟建立的主要目的。基于此，假定技术创新主体决策中着重考虑主体双方隐性知识存储规模及转移效率。

（3）基于联盟运行实际考虑，尽管联盟主体间并购行为表现为知识位势高低企业间的双向并购，但为了保证模拟仿真的真实性，假定在联盟进化阶段仅考虑联盟主体间是否做出并购决策，对联盟主体并购方与目标方不予区分。

（4）在联盟成员一方选择并购，另一方选择维持联盟的情境下，假定选择并购策略的主体能获得一定的深隐性知识，而选择维持联盟的主体仅能获得浅隐性知识。

基于上述假设，本文建立了两阶段博弈模型，博弈双方均面临两种策略选择：｛常规合作—协同合作｝、｛维持联盟—并购｝。其中第一阶段博弈所反映的是联盟主体在充分考虑合作方隐性知识存储规模以及浅隐性知识转移效率的基础上，做出是否协同合作的决策；第二阶段博弈则充分考虑深隐性知识转移效率，做出联盟进化的决策选择。表1描述了技术创新联盟博弈双方知识转移效用构成，表2和表3分别描述了联盟实施和进化阶段的支付矩阵。

表1　技术创新联盟博弈双方知识转移效用构成

表2　联盟实施阶段支付矩阵

表3　联盟进化阶段支付矩阵

由表1可知，联盟主体的浅隐性知识内生转移收益受到联盟主体知识吸收能力的影响，知识吸收能力越强，内生知识转移收益越大；而浅隐性知识外生转移收益则受到联盟双方信任机制的影响，联盟主体间的信任度越高，在知识交流和共享过程中设置交流障碍的倾向性就越小。由于联盟主体B 与A的信任不对称会影响相应主体的行为选择（Graebner［18］，2009），因而本文将其作为影响联盟主体A浅隐性知识外生转移收益的重要因素，即βb表示联盟主体B对A的信任程度，反之亦然。而深隐性知识的转移收益则受到联盟主体关系连带的影响，利用γ表示联盟主体的连带强弱。知识转移成本主要表现为深隐性知识和浅隐性知识转移成本，受到Ci的影响，Ci是常数，且满足0＜Ci＜1。

（二）联盟实施阶段博弈模型构建

在联盟实施阶段，当联盟主体A与B采取协同合作时，双方均获得浅隐性知识和显性知识的同时，也产生相应的浅隐性知识转移成本。因此，将联盟主体A的知识转移效用表示为Sb+ηaKb+βbθb-C1Kb；将联盟主体B的知识转移效用表示为Sa+ηaKb+βbθb-C2Ka；而当联盟主体A采取常规合作策略，B采取协同合作策略时，由于联盟主体B采取协同合作策略，促进其浅隐性知识转移，而A采取常规合作策略，则产生投机收益。因此，将联盟主体A的知识转移效用表示为Sb+ηaKb+λa，联盟主体B的知识转移效用表示为Sa-C2ka；反之亦然。当联盟主体双方均采取常规合作策略时，双方仅能获得相应的显性知识，因此，两者的知识转移效用分别表示为Sb和Sa。

根据表2支付矩阵可知，在联盟实施阶段，联盟主体A选择协同合作策略的期望收益为：

联盟主体A采取常规合作策略的期望收益为：

联盟主体A的平均收益为：

根据上述公式得到联盟主体A采取协同合作策略的复制动态方程为：

联盟主体B采取协同合作策略的期望收益为：

联盟主体B采取常规合作策略的期望收益为：

根据上述公式得到联盟主体B采取协同合作策略的复制动态方程为：

根据上述复制动态方程得到技术创新联盟实施阶段的动态博弈如图1所示。

图1　技术创新联盟实施阶段创新主体策略选择的博弈

在复制动态方程的基础上结合图1可知，四边形ABCE的面积为：

对四边形ABCE求关于βi和λi的一阶导数，可知联盟主体信任的不对称性和投机收益对技术创新联盟合作程度的影响，计算结果如下：

由公式（9）和（10）可知，在其他参数不变条件下，βi和S的变化呈正相关，即联盟主体间信任的不对称性越弱，四边形ABCE的面积就越大，表明联盟主体间采用协同合作的概率就会增加，越有利于联盟主体浅隐性知识的外生溢出，增加联盟内部浅隐性知识的共享程度，促进浅隐性知识的转移，提高联盟合作的深度与广度。同时，λi和S的变化呈负相关，即联盟主体投机收益越大，四边形ABCE的面积就越小，表明联盟主体间采用协同合作的概率就越小，越趋向于通过常规合作来获取合作方的浅隐性知识内生溢出量，且采用机会主义行为保护自身的浅隐性知识，防止浅隐性知识的内生溢出。从短期效应上看，常规合作策略可以使联盟主体获得合作方的浅隐性知识，但从长期效应上看，此种策略不仅会降低联盟双方的浅隐性知识转移意愿，加剧联盟双方信任的不对称性，还会一定程度上影响联盟运作的稳定性。

（三）联盟进化阶段博弈模型构建

在联盟进化阶段，联盟主体基于获取对创新起关键作用的深隐性知识的目的，在博弈第一阶段协同合作的基础上，主要有两种策略选择：维持联盟协同合作、并购策略。当联盟主体A和B均采取维持联盟协同合作策略时，联盟主体的知识转移效用主要由浅隐性知识内生转移收益、外生转移收益及其转移成本3部分构成，两者的知识转移效用分别表示为 ηakb+βbθb-C1ka和ηbkb+βaθa-C2kb；当联盟主体A和B均采取并购策略时，双方按照“求偶式”模式积极寻找满足要求的并购方和目标方（Graebner［19］，2004），它们均能获得深隐性知识转移收益，并产生相应的转移成本，因此，将联盟主体A和B均采取并购策略的知识转移效用分别表示为ηakb+γHb+βbθb-C1（ka+ha）和ηbka+γHa+βaθa-C2（kb+hb）；当联盟主体A采取并购策略，而B选择维持联盟协同合作策略时，A将深入了解B的深隐性知识存储规模及其知识结构（Arend［20］，2004），以此确定吸纳联盟主体B的深隐性知识规模，因此，本文以εi（0＜εi＜1/2）作为联盟主体A获得B的深隐性知识的吸纳系数，此时A的知识转移效用表示为ηaKb+ε1γHb+βbθb-C1（ka+ha）；而主体B选择维持策略，其知识转移效用为ηbka+βaθa-C2kb。

根据表3的支付矩阵，联盟主体A采取并购策略的期望收益为：

联盟主体A采取维持联盟策略的期望收益为：

联盟主体A的平均收益为：

根据上述公式得到联盟主体A采取并购策略的复制动态方程为：

联盟主体B采取并购策略的期望收益为：

联盟主体B采取维持联盟策略的期望收益为：

联盟主体B的平均收益为：

根据上述公式得到联盟主体B采取并购策略的复制动态方程为：

根据上述复制动态方程得到技术创新联盟实施阶段的动态博弈如图2所示。

图2　技术创新联盟进化阶段创新主体策略选择的博弈

由图2可知，四边形FGHJ的面积为：

对四边形FGHJ的面积求关于γ和Hi的一阶导数，可知联盟主体间关系连带的强弱以及深隐性知识内生转移收益对联盟进化策略的影响，求导结果如下：

根据上述求导结果可知，联盟主体间关系连带的强弱对联盟进化阶段策略选择具有重要影响。关系连带越强，四边形FGHJ的面积越大，联盟主体策略选择的均衡点越趋近于“并购—并购”。其主要原因在于联盟主体间的关系连带越强，双方相互嵌入的程度也就越高，越有利于彼此深入了解其深隐性知识的嵌入背景和知识元素，使得双方均能获得彼此的深隐性知识，进而促进高度非编码化和非独立化的深隐性知识的转移和吸收（Hansen［21］，1999）。此外，关系连带越强，越有利于增进联盟双方的信任对称性，目标方通常更愿意和其紧密联系的、信任的并购方形成并购关系。由上述分析不难看出，联盟主体的关系连带对深隐性知识内生转移收益以及联盟主体的并购决策具有正向影响。此外，深隐性知识转移收益与四边形FGHJ的变化也呈正相关，即联盟主体对于获取深隐性知识转移收益的期望越大，联盟进化阶段策略选择收敛于“并购—并购”的概率越高，其主要是由于深隐性知识难以通过不同联盟主体员工间交流、构建知识共享平台等来实现其有效转移，联盟主体基于自身战略需求考虑，会选择通过并购方式获取对方的深隐性知识，从而真正实现深隐性知识的成功转移。

四、双元隐性知识视角下两阶段技术创新联盟博弈的动态演化图

为了进一步分析双元隐性知识和关系嵌入机制在技术创新联盟动态演进过程中的影响，本文借助Matlab软件进行数值仿真，论证联盟不同发展阶段的策略选择及演化轨迹。在联盟实施阶段，设定p和q的初始值分别为［0.2，0.8］、［0.3，0.7］、［0.6，0.4］、［0.5，0.5］、［0.1，0.6］，仿真时间段为［0，100］，其中p表示联盟主体A选择协同合作策略的概率，1-p表示联盟主体A选择常规合作策略的概率；q代表联盟主体B选择协同合作策略的概率，1-q表示联盟主体B选择常规合作策略的概率。

（一）联盟实施阶段动态演化图

在联盟实施阶段，联盟主体A与B均采取协同合作策略的概率的初始值［p，q］趋近平衡点［0，0］的演化路径如图3所示：当初始值［p，q］中的q较大时，其演化路径为快速降低q值（联盟主体B采用协同合作策略的概率快速下降）→不同初始值下的p值同步下降（联盟主体A采用协同合作策略的概率下降）→趋向于平衡点［0，0］。而不同初始值［p，q］趋近平衡点［1，0］的演化路径（如图4所示）：当初始值点p较小时，其演化路径为快速提高p值（联盟主体A采取协同合作策略的概率增加）→不同初始值下的q值同步下降（联盟主体B采取协同合作策略的概率降低）→趋近于平衡点［1，0］。

图3　（βbθb-λa＞C1Ka，βaθa-λb＜C2Kb）演化

图4　（βbθb-λa＞C1Ka，βaθa-λb＜C2Kb）演化

图5表明了联盟实施阶段不同初始值［p，q］趋近于［0，1］的演化路径：当初始值点［p，q］中P较大时，其演化路径为迅速降低P值（联盟主体A采取协同合作策略的概率下降）→不同初始值下的q值同步增加（联盟主体B采用协同合作策略的概率提高）→趋近于平衡点（0，1）。图6表示出不同初始值点［p，q］趋近于平衡点（1，1）的演化路径：当初始值点q较小时，其演化路径为快速提高q值（联盟主体B采取协同合作策略的概率快速增加）→p值随之增加（联盟主体A采取协同合作策略的概率提高）→共同趋近于平衡点［1，1］，其中初始值点［p，q］越接近于［1，1］时，其逼近平衡点的速度越快。

图5　（βbθb-λa＜C1Ka，βaθa-λb＞C2Kb）演化

图6　（βbθb-λa＞C1Ka，βaθa-λb＞C2Kb）演化

（二）联盟进化阶段动态演化图

在联盟进化阶段不同初始值［p，q］趋近于［0，0］的演化路径如图7所示：当初始值q较大时，迅速降低q值（联盟主体B采取并购策略的概率下降）→缓慢降低p值（联盟主体A采取并购策略的概率降低）→趋近于平衡点［0，0］。而由图8可知，不同初始值［p，q］趋向于［1，0］的演化路径为：当初始值p较小时，迅速增加P值（联盟主体A采取并购策略的概率提高）→不同初始值下的q值迅速同步降低（联盟主体B采取并购策略的概率降低）→趋近于平衡点［1，0］。

图7　（γHb＜C1ha，γHb＜C2hb）演化

图8　（γHb＞C1ha，γHa＜C2hb）演化

图9表示出不同初始值［p，q］趋近于［0，1］的演化路径为：当初始值点q较小时，迅速增加q值（联盟主体B采取并购策略的概率提高）→平缓降低p值（联盟主体A采取并购策略的概率缓慢降低）→趋近于平衡点［0，1］。而当不同初始值［p，q］趋近于［1，1］时，在联盟进化阶段的演化路径呈现出较为复杂的演化轨迹如图10所示：对于q值较大、p值较小的初始点，其演化途径呈现出U型的逼近趋势，降低q值（联盟主体B采取并购策略的概率降低）与提高p值（联盟主体A采取并购策略的概率增加）→增加q值（联盟主体B采取并购策略的概率增加）→趋近于平衡点［1，1］；而针对q值较小的初始点，其演化途径表现为迅速增加p值和q值（联盟主体A与B采取并购策略的概率迅速提高）→趋近于平衡点［1，1］。

图9　（γb＜C1ha，γHa＞C2hb）演化

图10　（γb＞C1ha，γHa＞C2hb）演化

基于对上述技术创新联盟两阶段演化途径的对比分析可得到如下启示：

（1）由于本文提出的是合作双方的演化稳定策略，因此，若任意一方联盟主体在联盟实施阶段选择常规合作策略，那么联盟双方则很难实现浅隐性知识的有效转移与吸收；而任意一方联盟主体在联盟进化阶段选择维持联盟合作策略，那么联盟双方对于深隐性知识的需求则很难得到满足。由此可知，在联盟实施阶段，只有联盟主体均选择协同合作策略，在联盟进化阶段，均选择并购策略，联盟内部的深隐性知识和浅隐性知识才能得到有效转移，技术创新联盟才能实现稳定运行。

（2）在联盟实施阶段，联盟主体要获得浅隐性知识，实现协同合作需要满足的条件是（βbθb-λa＞C1ka，βaθa-λb＞C2kb）。通过数值仿真结果可知，在联盟实施阶段，若要使联盟合作取得真正成功，则应满足：①联盟主体信任不对称性降低，相互信任程度增加；②联盟双方能够获得的浅隐性知识外生转移收益较大；③通过建立联盟网络声誉机制与完善联盟内部惩罚机制等措施，将联盟主体选择常规合作所获得的投机收益维持在较小范围内。与联盟实施阶段相比，联盟进化阶段实现深隐性知识吸收和转移的条件相对较低（γHb＞C1ha，γHa＞C2hb），这主要是因为通过实施阶段的协同合作，联盟双方信任度增强，知识共享程度增加，因而对于并购策略与维持联盟策略的选择仅考虑了深隐性知识转移收益、转移成本以及联盟双方的关系连带。

五、结论与启示

基于对当前技术创新联盟动态演化路径及影响因素的研究，本文从双元隐性知识和关系嵌入视角对技术创新联盟的动态演化过程进行分析，采用演化博弈方法构建了技术创新联盟两阶段博弈模型，并通过Matlab数值模拟对博弈结果进行了验证，最终得到以下结论：①双元隐性知识在技术创新联盟动态演化中具有重要作用，联盟主体对于浅隐性知识转移收益的期望越大，越倾向于在联盟实施阶段采取协同合作策略；联盟主体对深隐性知识转移收益的期望越大，越倾向于在联盟进化阶段采取并购战略。②关系嵌入机制对技术创新联盟动态演化及其内部隐性知识转移具有显著影响，其中信任的不对称性对联盟成员间采取协同合作策略以及浅隐性知识转移具有负面影响；关系连带对深隐性知识内生转移收益和联盟主体采取并购决策具有正向影响。

在理论方面，本文深化了技术创新战略联盟动态演进的关键动因（隐性知识）的理论基础。一方面，从“双元”视角出发，提出了双元隐性知识的概念，并按照知识溢出效应，将其划分为浅隐性知识内生溢出与外生溢出、深隐性知识内生溢出共3个方面，通过演化博弈和数值仿真验证了双元隐性知识与技术创新联盟动态演化的匹配模式，完善了隐性知识视角下技术创新联盟演化规律，同时也为隐性知识转移与匹配研究提供了新的视角；另一方面，本文突破了传统研究聚焦于联盟经济利益局限，以社会网络理论为基础，构建了“双元隐性知识—关系嵌入—技术创新联盟动态演化”的理论框架，验证了关系嵌入对技术创新联盟动态演化和双元隐性知识转移的影响。研究结论丰富和完善了关系嵌入机制的作用机理，也为后续分析不同网络结构下隐性知识转移与技术创新型联盟动态演化提供了一定的理论基础。

在实践方面，为技术创新联盟的稳定运行提供了科学的实践引导。通过动态联盟的博弈关系的数值模拟结果既能有效引导联盟主体在不同联盟合作阶段，科学判断目标方的隐性知识类型及其存储规模，又可以根据联盟双方对隐性知识供需状况进行策略选择，最终通过不同演化途径来确保联盟主体在运行过程中获取所需的隐性知识。同时，该结果还能进一步强化关系嵌入机制在技术创新联盟演化过程中的作用。任何一方联盟主体若想获得深隐性知识，会通过组织“焦点小组”等活动促进联盟主体间人员的交流，提高联盟双方关系连带强度及联盟主体选择并购策略的概率，进而获取更多的深隐性知识转移收益。

［1］Michel Ferrary.Specialized organizations and ambidextrous clusters in the open innovation paradigm［J］.European Management Journal，2011，29（3）：181-192.

［2］Silvio Popadiuk.Scale for classifying organizations as explorers，exploiters or ambidextrous［J］.International Journal of Information Management，2012，32（1）：75-87.

［3］Jon Arild Johannessen.Organizational innovation as part of knowledge management［J］.International Journal of Information Management，2008，28（5）：403-412.

［4］孙金花，杨陈.新视角下IT能力与协同创新绩效的作用机理研究［J］.华东经济管理，2014（12）：104-108.

［5］Yuan Li，Yi Liu，Mingfang Li，et al.Transformational offshore outsourcing：Empirical evidence from alliances in China［J］.Journal of Operations Management，2008，26（2）：257-274.

［6］John Qi Dong，Chia-han Yang.Information technology and organizational learning in knowledge alliances and networks：Evidence from U.S.pharmaceutical industry［J］.Information &Management，2015，52（1）：111-122.

［7］Marlena León Mendozaa，Juan Pablo Ortega Santosb，Christian A Llerena Gavilánezc.Strategic alliances in higher education in Ecuador：the challenge of knowledge transfer and its effect on the learning curve［J］.Suma De Negocios，2014，5（12）：96-104.

［8］Xu Jiang，Mei Li，Shanxing Gao，et al.Managing knowledge

leakage in strategic alliances：The effects of trust and formal contracts［J］.Industrial Marketing Management，2013，42 （6）：983-991.

［9］Sudha Mani，Xueming Luo.Product alliances，alliance networks，and shareholder value：Evidence from the biopharmaceutical industry［J］.International Journal of Research in Marketing，2015，32（1）：9-22.

［10］Olli Pekka Kauppila.Alliance Management Capability and Firm Performance：Using Resource-based Theory to Look Inside the Process Black Box［J］.Long Range Planning，2015，48（3）：151-167.

［11］Marshall R S，Nguyen T V，Bryant S E.A dynamic model of trust development and knowledge sharing in strategic alliances ［J］.Journal of General Management，2005，31（1）：41-57.

［12］Sofy Carayannopoulosa，Ellen R Austerb.External knowledge sourcing in biotechnology through acquisition versus alliance：A KBV approach［J］.Research Policy，2010，39 （2）：254-267.

［13］Yang H，Lin Z，Peng M W.Behind Acquisitions of Alliance Partners：Exploratory Learning and Network Embeddedness［J］.Academy of Management Journal，2011，54 （5）：1069-1080.

［14］万良勇，胡璟.网络位置、独立董事治理与公司并购——来自中国上市公司的经验证据［J］.南开管理评论，2014 （2）：64-73.

［15］Dirk De Clercq，Narongsak Thongpapanl，Dimo Dimov. Shedding new light on the relationship between contextual ambidexterity and firm performance：An investigation of internal contingencies［J］.Technovation，2013，33（4/5）：119-132.

［16］Jon Arid Johannessen，Bjrn Olsen，Johan Olaisen.Aspects of innovation theory based on knowledge-management［J］. International Journal of Information Management，1999，19 （2）：121-139.

［17］Dyer J H，Nobeoka K.Creating and managing a high performance knowledge-sharing network：The Toyota case［J］. Strategic Management Journal，2000，21（3）：345-367.

［18］Melissa E Graebner.Gaveat Venditor：Trust asymmetries in acquisitions of entrepreneurial firms［J］.Academy of Management Journal，2009，52（3）：435-472.

［19］Graebner M E，Eisenhardt K M.The seller's side of story：Acquisition as courtship and governance as syndicate in entrepreneurial firms［J］.Academy of Management Journal，2004，49（3）：366-403.

［20］Richard J Arend.Conditions for Asymmetric Information Solutions when Alliances Provide Acquisition Options and Due Diligence［J］.Journal of Economics，2004，82（3）：281-312.

［21］Morten T Hansen.The Search-Transfer Problem：The Role of Weak Ties in Sharing Knowledge across Organization Subunits［J］.Administrative Science Quarterly，1999，44 （1）：82-111.

［责任编辑：欧世平］

A Dynamic Evolutionary Game Analysis of Technology Innovation Alliance —From the Perspective of Ambidextrous Tacit Knowledge

YANG Chen1，SUN Jin-hua2
（1.School of Business Administration，Southwestern University of Finance and Economics，Chengdu 611130，China；2.School of Management，Chongqing University of Technology，Chongqing 400054，China）

The differentiation of tacit knowledge has various effects on the evolutionary process of technology innovation strategic alliance.From the perspective of alliance collaboration network embeddedness，this paper builds a two-stage evolutionary game model of innovation alliance tacit knowledge transfer，and makes a deep analysis on the action selection of each alliance subject affected by ambidextrous tacit knowledge and relation embeddedness.The result shows that：In alliance implementation stage，reducing the asymmetric trust between alliance subjects is conducive to enhancing exogenous spillover of tacit knowledge and promoting subject' s action selection about collaborative cooperation strategy，and speculative gains has a negative effect on subject's action selection about collaborative cooperation strategy；In alliance evolution stage，relation ties between alliance subjects and expectation for acquiring hidden tacit knowledge transfer proceeds have a significant positive effect on subject's action selection about merger strategy.Accordingly，the paper，applying Matlab numerical simulation，verifies each alliance subject's action selection at different development stages，and describes the alliance dynamic evolutionary trend based on ambidextrous tacit knowledge.

ambidextrous tacit knowledge；technology innovation alliance；evolutionary game

F124.3

A

1007-5097（2016）05-0166-08

2015-12-25

国家社会科学基金项目（14BGL022）；国家自然科学基金资助项目（71401021）；重庆市决策咨询与管理创新项目（cstc2013yykf A40002）

杨陈（1990-），男，四川江油人，博士研究生，研究方向：知识管理；孙金花（1979-），女，黑龙江七台河人，副教授，硕士生导师，研究方向：知识管理，技术创新。