协作研发网络结构、企业知识吐纳能力与创新——基于71家新能源汽车企业的考察

一 引 言

2019年初，中国工信部等四部委印发了《关于进一步完善新能源汽车推广应用财政补贴政策的通知》，国家对新能源汽车的消费购置补贴退坡50%以上；2019年6月，北京市按照此通知要求，率先取消地方对新能源汽车(新能源公交车和燃料电池汽车除外)的购置补贴。政策变动的主要目的是提高新能源汽车的核心技术门槛，退出以“销量、补贴”换“修补式创新”的低迷状态，实现从“汽车大国到汽车强国”的转变。与此同时，2019年世界新能源汽车大会上，习近平主席强调了中国新能源汽车产业的发展方向——深化产业合作，加速科技创新，争创新能源汽车推广的全球标杆。

实践中，新能源汽车企业也越来越多地选择合作创新，例如比亚迪与美国混合动力公司合作研发氢燃料电池客车，英特尔宣布与上汽集团合作研发自动驾驶技术，吉利汽车与沃尔沃再度联手，成立技术合资公司。这些企业通过正式的官方合作或者非正式的链接构建了协作研发网络。然而研究发现，这种协作研发并非总是有效(张红娟和谭劲松，2014)[1]，协作研发网络的结构会直接影响到网络资源的配置，造成企业获取资源、知识和信息的差异，进而导致企业创新绩效的差异。国内外学者就协作研发网络结构对创新绩效的影响进行了丰富的研究，但没有统一结论。张米尔等(2013)[2]研究认为企业拥有更多的合作伙伴会提高新技术的创造速度，使新技术、技能在数量和质量上加速涌现；袁庆宏等(2017)[3]认为企业处于网络的核心位置或者拥有与其他企业的众多联结会获取更多更有效的资源，能够促进企业的创新绩效；但张公一等(2017)[4]的研究结果表明占据较强的核心位置反而会使企业过度嵌入在某一研发网络，不利于新知识、新技能的产生；曾德明和文金艳(2015)[5]、冯科和曾德明(2018)[6]认为较强的联结会使少数优势企业处于垄断地位，影响企业获取新的、异质性的知识，从而抑制企业创新。还有学者，如Guan和Liu(2016)[7]基于纳米能源专利合作研发网络的研究显示，企业在网络结构中的地位与企业技术创新呈现“U”型关系；Dong和Yang(2015)[8]对美国医药产业研发网络的研究表明，网络地位对企业技术创新的作用并不确定，会受到合作伙伴所有制形式等因素的影响；同样地，吴文清等(2014)[9]、涂静等(2017)[10]的研究表明知识扩散或企业知识吸收的力度也会影响创新过程的进展，形成有差别的创新绩效。

现实中，新能源汽车企业的研发创新活动呈现出梯队状态，部分龙头企业敢于也有足够的资金进行探索式创新，致力于以新技术、新产品来抢占市场，处于第一梯队；部分企业意识到创新的重要性，但局限于现有能力，只能根据市场的反馈进行改正、改善式的创新，以不断扩大市场份额，处于第二梯队；在第三梯队，大部分企业没有实质的研发创新，处于生产状态。这三个梯队并不是连续性的，第一、二梯队的企业数量少，呈现“断崖”式特征，企业间的创新模式、知识吸收与扩散能力以及创新绩效差距非常大。那么，不同的协作研发网络结构是否会对企业创新产生不同的作用？企业的知识吸收与扩散等关键能力又会起到什么作用？本文基于2010-2017年嵌入在研发网络中的71家新能源汽车的数据，从以下两个层面展开研究：(1)分析协作研发网络结构对企业不同创新模式下创新绩效的影响；(2)引入知识吐纳能力来表征企业知识吸收与扩散的能力状态，并分析其在协作研发网络结构与企业创新关系间发挥的作用。

二 理论分析与研究假设

基于研发资源的配置与使用方式，以及当前技术知识路径偏离与客户路径偏离的程度(曾德明等，2016)[11]，企业创新可以分为利用式和探索式两种不同模式。利用式创新是建立在现有的知识技术轨迹之上的渐进式创新活动，通过改善产品质量、小幅度地改进产品设计或者拓宽营销渠道等来最大限度地利用、整合和强化已有的技术、信息与知识(Danneel，2002)[12]，技术进程相对缓慢，以渐进式的技术改善来满足现有市场需求。探索式创新则是一种幅度较大的突破性创新活动，基于未知的知识进行探索与理解，创新主体脱离已有知识技术轨道，在更大更宽范围内进行知识技术的新组合(Carnabuci和Operti，2013)[13]，表现为通过新的产品、技术与服务以及新的营销渠道优先占领市场份额。

(一)网络联结强度与创新

在企业、科研机构、中介服务和政府等与企业研发相关的主体组成的协作网络中，网络结构是指整个网络层面上主体间联结的数量特征和质量特征(Mitchell，1969)[14]。数量特征表现为协作研发网络中两个节点之间的联系频率，反映关系嵌入程度，用联结强度来表示；质量特征表现为协作研发网络中网络节点的位置，反映结构嵌入程度，用网络中心度来表示。

网络联结强度反映出在某一联结投入的情感程度、所花时间以及提供的互惠服务，会影响网络成员间的社会资本、粘滞知识转移。根据联结关系的频率和稳定性等，可以区分联结程度的强弱(杨慧军和杨建君，2016)[15]，强联结说明组织之间的知识、信息交流频繁，弱联结则说明组织之间互动交流相对较少。较强程度的联结意味着较高的互动频率、较多的情感投入与长期的接触，企业间易形成相互信任的深入合作关系，能够进行特定领域信息、知识和技术的深度交流、交换与挖掘，有利于知识技术发展轨迹相对固定且演进速度较慢的利用式创新。强联结能很好地提高成员间的社会资本，方便企业以较低的成本与其他主体进行资源和信息交换，形成深入的了解、较高网络凝聚力以及相近的企业文化与价值观念，这种相互兼容的文化氛围与社会资本能够推进企业对已有产品或服务进行更好提升或改善。同时，强网络联结能够降低创新环境的不确定性，网络内成员间的合作更为稳定，有助于网络规范与准则的形成，提供持续的知识交互(任胜钢等，2011)[16]。利用式创新是对已有知识与技术的强化和拓展，需要稳定长期的信息和知识流来挖掘深层次的技术创新点，解决主题明确的问题，强网络联结能够有效地满足利用式创新模式下企业对知识信息的需求。由此，提出假设：

H1a：网络联结强度与利用式创新呈正相关关系。

适度的联结强度可以使成员间有较多的接触和互动，增加新知识和技术的搜索与交流(史丽萍等，2014)[17]，促进一定范围的交流合作。但网络联结强度的过度上升将会造成信息知识的重复、冗余，容易将企业限定在一定范围的知识与信息中，无法有效获取创新所需要的新知识信息与新技术，形成过度嵌入。且企业与熟悉的合作者进行连续合作，久而久之易产生强联盟的倾向，这种相对封闭的联盟会限制企业的交流领域，将企业锁定在“有限效率”的合作关系中(詹也和吴晓波，2012)[18]。随着网络联结强度的进一步增加，合作者之间的知识高度同化，网络节点间知识信息的势能差欠缺，相对稳定的网络结构又无法让企业接触到异质性知识，而企业探索式创新依赖于新的、异质性的知识和信息的流入，因此，高网络联结强度会在一定程度上抑制探索式创新，降低企业的长期创新绩效。

中等程度的网络联结能为企业带来异质性的信息和知识，提高企业信息和知识的多样化水平，且不会将企业封锁在固定的知识信息范围内，有利于提高企业创新绩效。综合而言，极端的弱联结和强联结对企业探索式创新并不会起到积极的作用。由此，提出如下假设：

H1b：网络联结强度与探索式创新呈倒U型关系。

(二)网络中心度与创新

协作研发网络结构特征的中心度用来测度企业获取与把控创新网络内资源的程度，表征企业是否处于整个研发网络的核心地位。在协作研发网络中，企业不同的网络节点位置代表着有差别的知识信息获取机会，是企业是否能够及时有效地获取所需的新知识技能继而进行创新的关键。中心度高的企业处于网络的核心位置，能够及时获取优势资源，中心度低的企业处于协作研发网络的边缘位置，信息相对滞后、稀薄。已有研究表明，相对于网络中心度低的企业，占据核心位置的企业可以获取更多联结，拥有更多的资源，具有信息控制优势，有能力调配自己所需的资源(钱锡红等，2010)[19]，促进利用式创新。

同时，处于协作网络核心位置的企业也往往具有更大的吸引力，能够集聚更多的优秀企业加入合作网络，也拥有挑选有互补技能企业为合作者的优先权。这样网络中心度高的企业就可以选择最合适的伙伴进行深度合作，促进深层次的隐性知识交流，推动利用式创新活动的开展(徐露允等，2017)[20]。由此，提出假设：

H2a：网络中心度与利用式创新呈正相关关系。

较高的网络中心度代表企业拥有更多网络结构洞数量，在网络节点信息和知识传递过程中占据有利的地位(张悦等，2016)[21]。居于核心位置的企业拥有更多的资源联结与信息渠道，可以快速有效地吸收新的知识技能，进一步形成知识、技术、资产快速交换流动的循环。此类企业往往能够及时准确地掌握行业以及市场技术动态，先于其他企业作出产品、技术等的改进与变革，在一定程度上有利于探索式创新。

但是，研发网络中心度对企业探索式创新的影响并非呈线性走向，中心度超过一定水平后会对企业创新产生消极影响。首先是企业对协作研发网络内部资源的过度依赖。当企业产生信息、知识与技术需求时，考虑运行模式、技术路径和搜寻成本，企业首选会在已有网络内寻求资源，将自身限定在原有网络中难以突破，陷入了“资源短视”，无法获取更多更新的知识与技能，不利于探索式创新。其次是有限的吸收能力和处理转化能力。高中心度带来的是大量的结构洞，处于协作研发网络边缘位置的企业无法全程参与合作，使得企业间的知识交流不充分，而知识整合加工的任务都由核心企业完成，企业有限的吸收能力和信息处理能力并不能够保障高质量完成这一任务，不利于探索式创新的展开(熊焰和李杰义，2015)[22]。最后是标准与声望“锁定”。高中心度企业往往是网络规则和行业标准的制定者，然而这也会将企业束缚其中，没有更强的动力进行大跨度宽范围的创新(漆文璐和蒋军锋，2015)[23]。因此，适度的网络中心度能够为企业提供进行探索式创新的异质性知识与资源，但当过高中心度产生的消极影响大于其带来的积极效应时，便会遏制探索式创新活动的展开。由此，提出如下假设：

H2b：网络中心度与探索式创新呈倒U型关系。

(三)知识吐纳能力的调节作用

在协作研发过程中，企业对知识的吸收消化和传递输出能力就像港口(码头)的吞吐能力一样，对资源的优化配置和合理利用起到关键作用，也对企业自身创新绩效的提升至关重要。然而，以往研究主要集中于知识吸收方或者知识扩散对接收方的影响，较少关注企业对知识吸收消化、转化输出的整体能力，本文引入企业的知识吐纳能力这一概念，分析其在协作研发网络中对企业创新的作用。

知识吐纳能力是指企业吸收消化和转化输出知识的能力总和，是企业知识积累与储存、应用与转化的综合能力反映，在企业创新价值链上必不可少。知识吐纳不仅是知识在“量”上的简单进与出，更是知识的吸收消化与传播扩散，从协作研发网络中一个决策单元传递到下一个决策单元的交流与互动(常西银和孙遇春，2018)[24]，是促进创新要素流动、推动创新协同发展的重要途径，使得知识接收方和输出方均能够获益。

由前述分析可以得出，协作研发网络结构的联结强度和中心度对利用式创新和探索式创新产生影响的关键点是企业对知识、技术、信息等数量和质量的控制，而企业知识吐纳能力的高低会影响到知识的交流与互换频率，可以改变企业获取知识的难度与多样性，进而影响协作研发网络联结强度、中心度与创新的关系。

就弱联结度而言，较低的知识吐纳能力会稀释研发网络中企业相互联结带来的信息知识交换数量和质量。相对有限或者供应不足的知识信息会变得更加稀薄，不能满足利用式创新和探索式创新对知识的需求。随着企业知识吐纳能力的不断提升，围绕企业的知识信息流动与周转速度逐渐加快，企业所获取的知识多样性可能提高(赵炎等，2016)[25]，能够有效地和企业的联结强度形成交互作用，在一定程度上弥补联结不足导致的协作研发网络成员关系不紧密、合作水平低，为联结伙伴提供有效的知识流，以满足利用式创新和探索式创新对知识信息质和量的需求。

在强网络联结情况下，强的知识吐纳能力使知识吸收更新速度加快与知识信息处理效率提高，在一定程度上减少强网络联结带来的知识重复与冗余，缓解企业在特定强网络联结中的“过度嵌入”。这种知识的“吐”与“纳”可以降低企业间知识势差缩小的速度，缓减因长期强联结带来的知识同化，持续为利用式创新提供稳定的知识信息源，也能够有效缓减强网络联结对探索式创新的负面作用。故提出如下假设：

H3a：知识吐纳能力在协作研发网络联结强度与利用式创新中具有调节作用，能够加强网络联结强度对利用式创新的促进作用。

H3b：知识吐纳能力在协作研发网络联结强度与探索式创新的倒U型关系中起到调节作用，能够加强适度网络联结强度对探索式创新的正向影响，也能缓减过强网络联结对探索式创新的抑制作用。

在协作研发网络中，中心度较低，处于网络边缘的企业并不具有信息资源优势，低的知识吐纳能力致使本就不充分的知识也无法有效集中，不能快速传递输出，造成知识信息获取和转移成本上升。知识吐纳能力提高表明企业对于知识信息整合利用输出的能力加强，在企业集散的知识数量增多，吸收转化的知识质量提升，可以在一定程度上缓减低中心度造成的知识信息困境。同时企业知识吐纳能力也会和企业在研发网络中的位置形成交互作用，吐纳能力越高，学习吸收和转化能力越高，知识流动的速度加快，知识信息成本不断降低，集中在企业周围的资源也会不断增加，有助于企业网络中心度的提高(朱贻文等，2017)[26]。对于网络中心度不高的企业，这既有利于利用式创新，也有利于探索式创新。

而对于高中心度的企业，强的知识吐纳能力表明作为协作研发网络核心枢纽的企业能够有效地吸收处理流动过往的知识信息，长期获取新的异质性知识；同时强的知识吐纳能力也能够加速整个协作研发网络知识流动，使协作研发网络处于不断与外界进行交换和更新的状态，有效缓减由于知识信息过度集中造成的“路径锁定”和对固定信息资源的依赖，在促进利用式创新的同时也能够减弱高中心度对探索式创新的消极作用。故提出假设：

H4a：知识吐纳能力在协作研发网络中心度与利用式创新关系中具有调节作用，能够加强网络中心度对利用式创新的促进作用。

H4b：知识吐纳能力在协作研发网络中心度与探索式创新的倒U型关系中起到调节作用，能够和低网络中心度相互作用，对探索式创新产生正向影响，也能减弱过高网络中心度对探索式创新的消极作用。

三 实证研究设计

(一)变量测量

1.探索式创新(EIit)和利用式创新(UIit)。借鉴曹洁琼等(2015)[27]的研究，本文将企业申请专利的IPC分类(国际专利分类表)号前4位代表所属的专利技术类别，如该企业在过去5年未授权过同种专利技术类别则视为探索式创新，授权过同种专利技术类别则视为利用式创新。EIit表示i企业在t年的探索式创新，它等于该年授权专利与T-5至T-1年授权的不同技术类别数量，UIit表示i企业在t年的利用式创新，它等于该年授权专利与T-5至T-1年授权的同技术类别数量。考虑到滞后效应，本文采用当年和滞后一年的专利数作为因变量计入模型。

2.网络联结强度(NETTS)。现有研究中，网络联结强度多用企业间的互动频率来表征，借鉴Phelps(2010)[28]以“企业与其合作伙伴的平均合作次数”来测度网络联结强度的方法，本文采用专利合作的平均次数来测量网络联结强度。

3.网络中心度(NETBC)。常用来衡量网络中心度的指标有度数中心度、中间中心度、接近中心度等，但结果较为接近。本文借鉴张丹丹(2016)[29]的做法，选择度数中心度计算网络中心度，通过UCINET软件计算。

NetworkCentralityit=∑j

式中gjk(ni)表示在协作研发网络中j点和k点经过点i的最短路径数，gjk表示j、k两点之间的最短路径数量。

4.企业知识吐纳能力(KTC)。本文选取专利合作3年时间窗内的引用次数和专利被引次数的和来表示知识纳入与输出，为了保证统计窗口时间统计结果的准确性，选取其时间窗口的算术平均和来替代时间窗内专利引用量和被引量的总和。

5.控制变量。选取企业年龄(Age)和专利发明者人数(Lninv)作为控制变量，以控制企业成长周期、知识沉淀以及研发人员投入对创新绩效的影响。

(二)数据来源

借鉴杨仲基等(2017)[30]的做法，在国家知识产权局官方网站检索专利。首先确定摘要检索策略，将与新能源有关的相关技术词语填入摘要，并在申请人专栏中将大学、研究机构、企业两两联合填入，确保专利是联合申请，并删除单一申请人，最终检索到566条专利数据，筛选出具有联合专利的71家企业(去除只有1条联合申请专利的企业)。然后，将专利数据进行二次筛选清洗，以新能源汽车企业2010-2017年的472条联合申请专利数据作为样本，得出两类数据，一类是2010-2017年期间产学研联合申请专利数据，用于构造协作研发网络，实际以专利合作网络代替；另一类是反映企业探索式创新和利用式创新绩效的专利数据，具体为每家企业在2010-2017年间每年专利申请所属的IPC分类号前四位。参考 Schilling和Phelps(2007)[31]的研究，专利合作关系一般在专利合作之前的一年前就已确立，并且这种合作关系将会延续下去，基于此，本文以3年时间窗口建立研发协作网络，并设计无向的二元邻接矩阵自动提取算法，利用UCINET软件计算所需要的各种网络结构特征指标。

(三)计量模型

本文探讨协作研发网络结构的联结强度和中心度对利用式创新和探索式创新的影响，并分析知识吐纳能力在其中的调节作用，构建如下模型：

(1)

(2)

(3)

(4)

其中，UIit(t, t+1)表示i企业的利用式创新，EIit(t, t+1)表示i企业的探索式创新，i表示企业，t表示年份。模型(1)说明联结强度与利用式创新的关系，并验证知识吐纳能力在联结强度和利用式创新之间的调节作用，模型(2)说明联结强度与探索式创新的关系，并验证知识吐纳能力在联结强度和探索式创新之间的调节作用，模型(3)说明网络中心度与利用式创新的关系，并验证企业知识吐纳能力在网络中心度和利用式创新之间的调节作用，模型(4)说明网络中心度与探索式创新的关系，并验证企业知识吐纳能力在网络中心度和探索式创新之间的调节作用。

四 结果分析

表1为描述性统计分析和Person相关性分析，其中企业年龄、发明者人数标准差较大，说明协作研发网络内，企业成立时间、拥有的专家和发明者数量差别较大；联结强度标准差较大说明网络中可能存在着某些龙头企业，其周围建立了与众多企业的联结，而其他企业联结相对较少；知识吐纳能力标准差较大也符合在协作研发网络中“强者越强”这一现象。各变量间的相关系数较为合理，同时对各变量进行共线性统计分析(见表2)，VIF均小于10，表明变量间基本上不存在严重的共线性问题，可进行后续分析。

表1 变量的描述性统计与相关性分析

(续上表)

变量均值标准差企业年龄发明者人数联结强度中心度知识吐纳能力利用式创新联结强度5.66414.8120.0300.136-网络中心度2.8793.2190.0930.2700.406-知识吐纳能力13.47028.5290.0310.3730.0870.279-利用式创新4.3936.5370.0800.2480.0840.3090.337-探索式创新1.3302.4200.0230.2160.2530.4060.1280.382

表2 各变量的多重共线性分析

表3-表6为回归结果。模型1只有控制变量，模型2加入了自变量，模型3加入自变量的平方项，验证自变量与因变量之间是否存在倒U型关系，模型4加入了知识吐纳能力，模型5加入知识吐纳能力与自变量的乘积项，验证知识吐纳能力的调节作用。

表3 联结强度对利用式创新回归结果分析

注： *、**、***分别代表p<0.05、p<0.01、p<0.001。

从表3可以看出：在模型2中，联结强度对利用式创新没有显著影响，假设1a没有得到支持，说明利用式创新对联结强度的反应不敏感，企业利用式创新大多依赖对自身现有技术的再次加工、提炼，对与外界产生的交流频率不敏感；在模型3中加入了联结强度的平方项，结果显示不显著，说明联结强度与利用式创新不存在倒U型关系。在模型5中，可以发现知识吐纳能力与联结强度的交乘项系数不显著，说明知识吐纳能力对联结强度与利用式创新的关系没有明显调节作用，假设3a没有得到支持。

表4 联结强度对探索式创新回归结果分析

注： *、**、***分别代表p<0.05、p<0.01、p<0.001。

图1 知识吐纳能力对联结强度与探索式创新关系的调节效应

从表4可以看出：在模型2中，联结强度对探索式创新的影响系数为0.129，且在p<0.01的条件下显著，表明联结强度对探索式创新产生了明显的正向作用。为了验证联结强度与探索式创新之间是否存在倒U型关系，在模型3中加入了联结强度的平方项，结果显示联结强度平方项系数为-0.384(p<0.01)。这里的联结强度一次项系数为正，平方项系数为负，因而联结强度与探索式创新存在倒U型关系，假设1b得到验证。为了验证知识吐纳能力在联结强度与探索式创新之间是否存在倒U型的调节效应，在模型5中加入了知识吐纳能力与联结强度平方的交乘项，交乘项系数为-1.343，且在p<0.01的水平下显著，说明对于探索式创新而言，知识吐纳能力显著地调节联结强度与探索式创新的关系。图1显示了知识吐纳能力的调节效应，在高知识吐纳能力情况下，倒U型曲线的斜率更大，拐点向右且向上移动，说明企业高的知识吐纳能力可以和联结强度互动，更有效率且在更高水平上促进企业探索式创新，也能够推迟倒U型曲线拐点的到来，在一定范围内有效缓减过强网络联结给探索式创新带来的不利影响，假设3b得到验证。而在达到倒U型曲线拐点时，这种抑制作用更为明显。

表5 网络中心度对利用式创新回归结果分析

注： *、**、***分别代表p<0.05、p<0.01、p<0.001。

从表5可以看出，在模型2中，网络中心度对利用式创新的影响系数为0.344，且在p<0.001的水平下显著，这与假设2a相符，说明处于网络中的有利地位可以促进利用式创新。在模型3中，网络中心度平方项系数不显著，说明网络中心度与利用式创新不存在倒U型关系，这与前文假设相符。知识吐纳能力与网络中心度交乘项为正，且系数在p<0.001的水平下显著，说明知识吐纳能力正向调节网络中心度与利用式创新的关系，假设4a得到支持，调节效应如图2所示。表明高知识吐纳能力有助于网络中心度对利用式创新的正向影响。

图2 知识吐纳能力对网络中心度与利用式创新关系的调节效应

表6 网络中心度对探索式创新回归结果分析

注： *、**、***分别代表p<0.05、p<0.01、p<0.001。

从表6可以看出：在模型2中，网络中心度对探索式创新的影响系数为0.167，且在p<0.001的条件下显著，在模型3中加入了网络中心度的平方项，结果显示网络中心度平方项系数为-0.681(p<0.05)，说明网络中心度与探索式创新存在明显的倒U型关系，假设2b得到验证。为了验证知识吐纳能力在网络中心度与探索式创新之间是否存在倒U型的调节效应，在模型5中加入了知识吐纳能力与网络中心度平方的交乘项，交乘项系数为-1.214，且在p<0.01的水平下显著，说明对于探索式创新而言，知识吐纳能力可以显著地调节网络中心度与探索式创新的倒U型关系。图3显示了知识吐纳能力在网络中心度与探索式创新关系中的调节效应，在高知识吐纳能力情况下，倒U型曲线的斜率更大，拐点向左且向上移动。这说明在倒U型曲线拐点之前，知识吐纳能力可以和网络中心度交互作用，更有效且在更高水平上促进企业探索式创新，但同时也加速了拐点的到来，这与前述假设并不一致，假设4b得到部分验证。在达到拐点之后，交互作用对探索式创新的抑制作用更明显。也就是说强的知识吐纳能力会将企业加速推动到协作研发网络的中心位置，成为整个网络的核心，这一过程虽然能够在一定程度上提高企业探索式创新的绩效，但也更快将企业锁定在一定的技术领域内，居于“高处不胜寒”的位置，抑制了在更大范围展开探索式创新。

图3 知识吐纳能力对网络中心度与探索式创新关系的调节效应

五 结论及其启示

本文以新能源汽车产业为例，探讨了协作研发网络结构的联结强度、中心度对企业创新的影响作用以及知识吐纳能力的调节作用。结果表明：协作研发网络的联结强度和中心度对不同类型的创新会产生不同的影响。网络联结强度对利用式创新没有显著作用，网络中心度对利用式创新有显著正向作用；而网络联结强度和网络中心度对探索式创新都有显著的倒U型作用。这说明对于企业的探索式创新而言，企业在协作研发网络中的联结强度和中心度都要适“度”，并不是水平越高越好，水平过高会产生一定程度的负面影响，限制企业自主创新。在引入知识吐纳能力作为调节变量时的研究结果显示：高知识吐纳能力能够正向影响网络中心度对利用式创新的积极作用；高知识吐纳能力能够加强适度网络联结强度对探索式创新的积极影响，也能够在一定范围内缓减强网络联结对探索式创新的消极影响；高知识吐纳能力能够加强网络中心度对探索式创新的积极影响，但也会加速负面影响的到来。

本研究对企业创新可能有如下启示：(1)积极构建协作研发网络。如上研究表明，企业在协作研发网络中的中心度可以显著提升其利用式创新绩效，适度的网络联结强度和网络中心度都能够积极地影响企业的探索式创新。企业应与科研机构、大学建立广泛的合作关系，促进彼此间知识、技术、经验等的交流互动，提高企业技术思想的开放性，融合新的创意与想法，以增强企业的技术研发能力。(2)在协作研发网络的构建与延续发展过程中，要形成与不同的企业、研究机构建立多样的互动沟通关系。通过这样一种关系不断扩大研发网络，吸收新的成员，不过度“嵌入”或“把控”某一特定的合作关系，时刻保持新的、异质性的知识不断涌入，以此来有效促进企业自主创新。(3)加强企业知识吐纳能力。当网络联结强度与网络中心位置达不到预期状态时，加强知识吐纳能力可以形成有效的互补。如促进研发人员之间的知识交流互动，鼓励研发人员到不同的企业、研究所、大学进行交流学习，加强知识信息整合流动的同时也能扩大研发协作研发网络的范围。

本文还存在以下几点不足：在模型构建中考虑并控制了企业年龄、专利发明者人数等因素，但难以充分模拟现实中的协作研发网络；一些控制变量如网络规模、网络运行规则也需在未来的研究中进一步考虑；网络联结强度和网络中心度对探索式创新都有倒U型影响，而对倒U型曲线的拐点会在什么情形或者什么层面上出现，以及企业知识吐纳能力对倒U型曲线拐点移动的幅度等，没有进行具体分析或模拟。这些都有待在未来研究中作进一步的探索。