姚 威,胡顺顺
(1.浙江大学 公共管理学院;2.浙江大学 中国科教战略研究院,浙江 杭州 310058)
2018年,中美贸易摩擦特别是“中兴事件”,让人们真切地感受到中美在包括高端芯片在内的先进制造业自主创新能力方面的差距和竞争压力。事实上,我国历来高度重视战略性新兴产业(高端制造业)自主创新能力建设。例如,2010年《国务院关于加快培育和发展战略性新兴产业的决定》将发展战略性新兴产业作为国家战略。战略性新兴产业是知识技术密集型产业,具有推动产业新旧更替的巨大潜力[1]。但是,经过近十年的政策推动,面对突如其来的贸易摩擦和日益激烈的国际竞争,我国战略性新兴产业自主创新能力并未达到原有预期,科技创新能力仍存在规模大但科技含量不足、关键核心技术对外依赖性高等问题[2]。
长期以来,学者们将政策扶持看作是促进战略性新兴产业发展的重要因素,当前中国战略性新兴产业的外生性政策驱动特征尤其显著。但是,外生性政策驱动并不利于我国从“中国制造”向“中国创造”转变,更不利于产业结构调整和经济发展方式转变。因此,应该重点关注我国战略性新兴产业内在创新驱动机制,其核心基础概念就是战略性新兴产业的自主创新能力。在上述方面,现有研究表现出以下不足:一是对战略性新兴产业自主创新能力内涵认识不够深刻,导致对其测量和评价缺乏理论基础;二是相关研究缺乏动态视角,较少讨论其演化机制;三是对通用和专用产业政策研究缺乏共识。因此,本文主要围绕以下3个问题开展研究:首先,从知识转化理论视角对战略性新兴产业自主创新能力内涵进行界定并提出测评方法;其次,探讨战略性新兴产业自主创新能力动态演化机制;最后,进一步探讨战略性新兴产业自主创新能力演化机制是否存在产业差异性,以期为我国战略性新兴产业政策体系完善提供理论支撑。
关于自主创新能力研究,尤其对于自主创新能力的本质及内涵、构成到底是什么,学界并未取得实质性进展,产生了独立创新[3]、内生创新[4-5]等相关概念。现有文献大多从模式角度出发对自主创新进行研究,鲜有深入创新自身内生性特点探讨创新能力内涵与构成的相关研究,既过度聚焦产业特性也过于强调技术创新,没有发现创新的本质是知识形态转化。如董登珍等[6]认为,自主创新能力是指企业完全依靠自身努力在现有技术基础上实现新突破,实现科研成果产业化和市场化并获取经济利益的能力;曹兴等[7]认为,自主技术创新能力是指企业在市场竞争中通过有效利用各种创新资源,建立新的核心技术或技术平台,取得自主知识产权,从而获得持续竞争优势并在创新实践中表现出各种能力的有机综合。
自主创新能力评价指标研究成果较多,如张莉等[8]从产业自主创新资源、产业自主创新效益和产业自主创新扩散方面建立指标体系;许庆瑞等[9]采用主观指标测量的创新绩效可作为衡量企业自主创新能力与环境对齐与否的重要指标;颜廷峰等[10]基于熵值法建立4个一级指标、16个二级指标的企业自主创新能力评价指标体系。但现有评价体系未能很好地体现产业和企业自主创新能力差异,产业自主创新能力并不等同于企业自主创新能力。产业自主创新能力的基础组成是企业自主创新能力。同时,产业自主创新能力是一个系统的、各类要素的有机结合,是各种能力的综合,与产业内企业组织结构﹑产品结构等密切相关。因此,在分析、确定评价内容和指标时,必须考虑非技术创新能力要素。
学界更多地关注战略性新兴产业内在要素、机理分析,探寻产业特殊静态发展模式与演化特征。刘红玉等[11]指出,战略性新兴产业形成和发展是产业自身逻辑演变以及社会型塑互动的结果,以既有产业基础、资源要素禀赋等为前提,在市场需求、科技创新与社会调控的共同作用下产生并发展;陈文锋等[12]将产业生命周期阶段性特征标志转化为推动战略性新兴产业发展的技术—市场动力因子后的实证表明,七大战略性新兴产业并不完全处在同一产业生命周期阶段,且阶段性特征显著;吴殿廷等[13]认为,我国战略性新兴产业具有创新性、领先性、高风险性和高成长性等特点。总体来看,国内学者对战略性新兴产业发展模式与演化特征的研究可以归纳为以下3种模式:集群模式[14-16]、产业融合模式[17-18]、创新驱动模式[19-22]。
技术创新和政策扶持被国内外学者反复提及,被认为是促进战略性新兴产业发展最关键的两大要素。Ellison等[23]指出,金融、财税等政策帮扶是有效促进新兴产业可持续发展的重要手段;Lovdal 等[24]研究显示,资金和政策支持是制约海洋新兴产业快速发展及商业化的重要因素。但是,鲜有学者在产业差异的基础上提出针对性产业政策。马军伟[25]应用DEA-Tobit两阶段方法,在全面衡量我国七大战略性新兴产业的金融支持效率后,指出确实存在产业差异,建议基于不同产业设置针对性支持手段和渠道。更多研究停留在通用战略性新兴产业政策和单一产业政策的讨论上,如朱海玲等[26]从政策导向、政策协调、政策执行、政策评估4个维度对湖南省政策支持现状进行分析,提出加强顶层设计、提高自主创新能力、优化配套政策、完善评估机制等措施;彭乃珠等[27]通过构建光伏产业政策二维分析框架,提出我国光伏产业政策的完善策略。
综上所述,现有文献不足主要有以下3个方面:一是国内外学者没有摆脱技术创新理论和传统主导产业理论束缚,对战略性新兴产业内涵挖掘有待深入;二是过于偏重静态分析,未能找到有效手段直接检验知识转化、流动与创新能力提升间的关系,对产业创新能力动态演化过程洞察不够;三是对产业间差异缺乏规范的实证研究。因此,从知识转化视角对战略性新兴产业自主创新能力进行研究,无论是从理论还是实践来说,都具有非常重要的意义。
基于知识的企业资源观认为,知识是企业竞争优势的重要来源[28]。知识创造水平越高,就越有利于促进企业技术创新、风险承担以及超前行动等。因此,关于组织知识创造方面的研究已经引起了国内外学者的重视。国外知识创造研究领域最具影响力的研究成果要数Nonaka[29]基于Polanyi的认识哲学论提出的知识转化与螺旋模型,即SECI理论。Nonaka指出,人类知识是通过隐性知识、显性知识之间的相互作用而创造和扩展出来的。该过程被称为知识转换(knowledge conversion),包括4种模式:社会化(Socialization)、表出化(Externalization)、联结化(Combination)和内在化(Internalization)。在此基础上,本文定义知识创造是指产学研合作过程中新引入的知识被企业以多种形式和途径加以创新应用,从而实现从知识到利润或资本转化的过程。
SECI理论自提出以来,各种质疑随之而来。如批判其主观倾向未考虑如何将科学标准与组织知识相联系[30]、认为其忽视了固有隐性知识,采用相当主观的方式定义知识等[31]。在回应上述质疑的基础上,姚威[32]在综合Boist信息空间(Information- Space即I空间)理论框架以及Nonaka(1995)的认知-存在二维知识创造理论框架的基础上,提出产学研知识创造空间(Knowledge- Creation Space,即K空间)。该框架包括3个维度,分别是编码维度、抽象维度、扩散(存在维度),如图1所示。
图1 K空间框架
资料来源:姚威,陈劲.产学研合作的知识创造过程研究[M].杭州:浙江大学出版社,2010,下同
K空间是一个分析框架,用于分析跨异质组织情境下知识创造过程中的知识形态变化。K空间中的知识形态划分如图2所示。
知识创造领域经典的SECI知识创造理论基于一个重要假设:人类知识是通过隐性知识和显性知识之间的社会化相互作用而创造与扩展出来的。上述过程被称为知识转化(Knowledge Conversion),通过社会转换(Social Conversion)过程,隐性和显性知识在质与量两个方面得以提升[29]。在批判性继承上述假设的基础上,利用K空间框架,姚威[32]提出不同于经典SECI理论的GDSP知识创造理论。GDSP理论认为,组织间知识创造过程中的知识形态从组织间显性知识开始,依次经历界定需求(Demand Codification)、知识获取(Knowledge Gain)、知识消化(Knowledge Digestion)、知识共享(Knowledge Sharing)、知识增殖(Knowledge Propagation)、知识溢出(Knowledge Spillover)和知识退化(Knowledge Degeneration)7个过程。其中,知识获取、知识消化、知识共享、知识增殖为知识创造的核心过程,如图3和表1所示。
图2 K空间知识形态划分
图3 K空间中的产学研知识创造机制
表1 GDSP知识创造过程描述
项目知识形态转化结果转化过程界定需求现象知识转化为学术知识编码化提高、抽象化提高知识获取学术知识转化为原型知识抽象化降低、组织间到组织内知识吸收原型知识转化操作知识编码化降低知识共享操作知识转化为专有知识抽象化提高知识增殖专有知识转化为系统知识编码化提高知识溢出系统知识转化为学术知识组织内到组织间知识退化学术知识转化为现象知识编码化降低、抽象化降低
由于GDSP理论在跨异质组织情境下对知识创造过程的解释力比较强,因此,本研究沿用GDSP理论的分析思路和分析框架,将其应用于战略性新兴产业自主创新能力演化情境。
经典SECI理论和GDSP理论均认为,知识是通过隐性知识和显性知识之间的社会化相互作用而创造与扩展出来的。上述过程被称为知识转化(knowledge conversion),从这个角度来讲,战略性新兴产业自主创新能力是通过知识获取和应用能力体现的,而能力演化过程可以通过追踪各发展阶段的知识形态变化规律实现。因此,应用上述理论,本研究把战略性新兴产业自主创新能力定义为:战略性新兴产业中包含官产学研用多元化主体的系统不断通过知识传递、知识消化、知识转移、知识创新的非线性复杂过程,从而获取经济利益、促进产业发展的能力。该定义通过深入分析战略性新兴产业发展演化过程背后的本质——知识形态转化,摆脱了传统研究中聚焦产业特性、过于强调技术创新等劣势。
进一步地,为研究战略性新兴产业自主创新能力演化机制,结合GDSP理论对知识转化过程4个核心阶段(知识获取、知识消化、知识共享和知识增殖)的界定,本研究从4个维度对战略性新兴产业自主创新能力进行具体测量,分别为创新开放度、创新速度、创新频度和创新程度。创新开放度是指战略性新兴产业内产生创意和新知识的主体数量与种类,创新开放度越高,产业内企业获取外部知识的来源越多,产业内知识交换与传递就越迅速。创新速度主要是指战略性新兴产业内新创意或新知识产生的绝对速度和相对速度,创新速度越快,新知识以及相关新产品和新服务的概念或原型就产生得越快,当然也反映出企业对新知识、新创意的消化和处理非常迅速。创新频度是指一段时间内战略性新兴产业创新所产生的结果。创新频度越高,可以落地以及获得经济收益的新产品和新服务就越多,反映出产业内企业进行知识共享与传播的努力。创新速度与创新频度字面意思非常相近,但两者具有很大差异。创新速度侧重新知识、新创意产生,但不一定马上产生效益,关注的是创新前段或创新过程。创新频度注重结果,反映的是一段时间内能够获得经济效益的产品或服务数量以及带来的效益。创新程度是指知识和创意引发产业变化程度,创新程度越高,突破性创新就越多,背后对应GDSP理论中提到的知识增殖能力。
综上所述,战略性新兴产业自主创新能力演化过程与GDSP理论知识转化过程的对应关系如表2所示。
表2 战略新兴产业自主创新能力演化过程与GDSP理论对应关系
上文在GDSP知识创造理论的基础上提出战略性新兴产业自主创新能力演化理论模型,接下来,基于知识转化视角对理论模型进行实证分析和验证。
传统上,对创新开放度、创新速度、创新频度和创新程度的测度多采取问卷调查方式,通过李克特测量量表获取评价数据,再使用因子分析、回归分析等进行定量研究[33-35]。这样做的弊端是数据可能带有主观性,存在主观定性判断。为了解决这一问题,通过分析已有统计数据,综合考虑数据可获得性并结合前文理论分析,表3为本文战略性新兴产业自主创新能力测度的具体指标。
表3 演化阶段测量具体指标
实证研究所需数据主要通过对浙江省企业研究院及其依托企业的统计数据进行分析获得。其中,浙江省企业研究院的数据全部来自浙江省科技厅生产力促进中心。之所以选取浙江省企业研究院及其依托企业的统计数据,主要是因为浙江省企业研究院,尤其是重点企业研究院凝聚了浙江省战略性新兴产业的精华,是研究战略性新兴产业的绝佳样本。浙江省于2012年启动省级重点企业研究院建设,出台了《浙江省重点企业研究院管理试行办法》(浙政办发〔2014〕114号)。围绕纯电动汽车、光伏发电装备、智能纺织印染装备、智慧医疗操作系统软件、云工程与云服务、医疗设备等23条产业链,该省建设了627家企业研究院,其中有209家省级重点企业研究院,并配套实施重大瓶颈技术攻关、青年科学家培养计划等“三位一体”的政策措施。通过数年建设,截至2016年底,209家重点企业研究院专利授权总量达到1.7万件,其中,有效发明专利授权达到5 009件,制订标准1 130件,承担各级项目1 770个,获得各类奖项606项,国家级奖项62项。已聚集科研人才3.8万人,吸引了国内外著名企业入驻,进一步促进了“国千”、“省千”等高端人才团队引进。浙江省企业研究院面向战略性新兴产业,以攻克制约产业发展的核心关键技术、研究开发战略性产品和标志性产品为目标,对补齐创新链短板、提升产业链整体水平发挥了巨大作用。
通过数据处理,剔除数据不全和明显不属于战略性新兴产业的样本,最终获得261个有效样本。有效样本中,最多的是高端装备制造业(126家),占总数的48%,其次是新一代信息技术产业(86家),占总数的33%。其余依次为新材料产业16家(6%),新能源汽车产业15家(6%),生物医药产业8家(6%),节能环保产业和新能源产业各5家,分别占总数的2%。七大战略性新兴产业样本均有涉及,且以高端装备制造和新一代信息技术产业为主。按照大、中、小、微企业划分标准,样本企业中,4家企业(2%)的年销售额在300万元以下,属于微型企业;13家企业(5%)的年销售额在300万~2 000万元之间,属于小型企业;118家企业(45%)的年销售额在2 000万~4亿元之间,属于中型企业;126家企业(48%)的年销售额在4亿元以上,属于大型企业。研发强度大于5%的企业占68%,研发强度总体水平较高。
通过文献分析发现,战略性新兴产业自主创新能力的4个维度并不都与创新绩效呈线性关系,如Laursen等[36]发现,创新开放度对创新绩效存在倒U型关系;路放等[37]发现,创新速度对企业绩效存在显著正相关关系。因此,不能盲目使用线性回归进行定量分析,否则可能导致更为复杂的计算或失真。此时,可以选择利用曲线估计,在11种曲线回归模型中进行判别[38]。曲线拟合不同于回归分析,对回归模型的具体参数要求较低,因而能基于简单数据提供最直观的结论。
常用的曲线估计模型有线性模型、二次项模型、复合模型、生长模型、对数模型、三次项模型、指数模型、逆模型、S模型以及幂模型等。因暂时无法预知战略性新兴产业自主创新能力中各子能力与产业创新绩效之间的关系,故本研究选用全部模型进行曲线估计。
基于前文对模型的选择,利用曲线估计分析,检验战略性新兴产业自主创新能力演化机制。将创新开放度、创新速度、创新频度和创新程度分别与创新绩效进行曲线拟合,结果如表4所示。通常采用拟合优度(Goodness of Fit)检验拟合模型质量,度量拟合优度的统计量是可决系数R2,R2值越接近1,说明回归曲线对观测值的拟合程度越好。
表4 七大产业四阶段与创新绩效演化关系拟合结果
注:表格中数值为R2;*P<10%,**P<5%,***P<1%,下同
由表4结果可知,创新开放度与创新绩效呈负二次项的倒U型关系,即随着创新绩效提升,创新开放度最开始是上升的,但上升到一定程度后达到极大值,此时如果创新绩效继续提高,创新开放度则会下降。也就是说,开放要适度,过低或过高都不利于战略性新兴产业创新。创新速度与创新绩效呈正线性相关关系,即随着创新绩效提升,创新速度也是上升的。创新开放度与创新绩效呈正二次项关系,即随着创新绩效提升,创新频度最开始是下降的,但下降到一定程度后达到极大值,此时如果创新绩效继续提高,创新频度则会上升。也就是说,创新频度是随着战略性新兴产业发展呈现先降低后提升的动态规律。创新程度与创新绩效呈正三次项关系,即随着创新绩效提升,创新程度最开始是上升的,后呈现波动趋势。
接下来,将七大战略性新兴产业自主创新能力演化的4条曲线绘制在一个图中并将其演化过程分为4个阶段,如图4所示。七大战略性新兴产业自主创新能力的4个维度在第一阶段均呈现上升趋势,其中开放度上升得快一些,创新速度和频度其次,最慢的是创新程度。当前,我国绝大多数战略性新兴产业仍处于该阶段,核心技术没有突破(创新程度较低),创新速度和频度也不高,但总体上创新主体间的协同互动越来越频繁(开放度较高),说明该时期影响创新能力的主要维度是开放度,故将此阶段称为开放驱动阶段。
第二阶段,开放度增长速度逐渐变缓,创新速度开始快速增长,逐渐甩开创新频度的增长速度,表现为这个阶段最活跃的影响因素,故称该阶段为速度驱动阶段。此时,创新程度增速开始加快。这是当前我国战略性新兴产业部分领先企业所处阶段,部分核心技术已取得突破(创新程度较前一阶段提升),知识产权生产速度加快(创新速度加速提升),但单位时间产生的收益有待提高(体现为创新频度)。此阶段,部分企业已达到国内乃至国际领先水平,因此与其他主体间的合作和互动较前一阶段有所下降。
第三阶段是一个非常活跃的阶段,除创新开放度开始下降外,核心技术开始取得较大突破,创新程度急剧提升,创新频度开始提升,创新速度继续提升。这是国际领先企业所处阶段,核心技术已取得较大突破,创新收益开始增加。因此,称该阶段为频度驱动阶段。
第四阶段,表现为创新程度呈指数级急剧上升,引发创新速度和频度继续提升,但创新开放度还在继续下降。故该阶段又称为程度驱动阶段。
图4 七大产业创新能力动力机制
上述4个阶段与GDSP理论所描述的以知识获取、知识消化、知识共享和知识增殖为核心过程的知识创造过程相对应,进一步验证了上述四阶段演化机制的正确性。
为进一步探讨战略性新兴产业自主创新能力演化机制是否存在产业差异性,本文分产业加以分析。在样本中,除高端装备制造产业和新一代信息技术产业外,其它产业样本量均较小,代表性较弱,因而本文仅选取高端装备制造产业和新一代信息技术产业数据进行演化机制的产业差异比较。
将高端装备制造产业自主创新能力与创新绩效分别进行曲线估计,结果如表5所示。
表5 高端装备制造产业自主创新能力与创新绩效演化关系各模型拟合结果
表5显示,除创新频度演化存在差异外,高端装备制造产业自主创新能力演化机制与七大战略性新兴产业的结果均一致。
依据曲线拟合结果,将高端装备制造产业自主创新能力各维度,即创新开放度、创新速度、创新频度和创新程度4条曲线绘制成图并将其演化过程分为4个阶段,如图5所示。高端装备制造产业自主创新能力的4个维度在第一阶段,即开放驱动阶段,均呈现上升趋势。与七大战略性新兴产业略有不同的是,开放度上升,创新速度和频度上升速度差别不大,开放度并没有体现出特别明显的特征,最慢的仍然是创新程度。当前,我国绝大多数高端装备制造产业仍处于该阶段,核心技术没有突破(创新程度较低),创新速度和频度也不高,整个行业创新主体间的协同互动相对较缓慢(开放度也不高)。
图5 高端装备制造产业创新能力演化机制
第二阶段,开放度增长速度逐渐变缓,创新速度开始加速增长,逐渐甩开创新频度的增长速度,成为该阶段最活跃的影响因素。从图5看,相较于七大产业,对于高端装备制造产业而言,称这个阶段为速度驱动阶段更名副其实。此时,创新程度增速开始加快。这是当前我国高端装备制造产业部分领先企业所处阶段,部分核心技术已取得突破(创新程度较前一阶段增加),知识产权生产速度提升(创新速度加速提升)。但单位时间产生的收益有待提高(体现为创新频度)。此阶段,部分企业已达到国内乃至国际领先水平,因此与其他主体间的合作和互动较前一阶段有所下降。
第三阶段,战略性新兴产业与高端装备制造业演化历程开始出现一些差异,创新开放度下降,核心技术取得较大突破,创新程度急剧升高,创新速度继续加快,这些都与七大产业相同。最大的差异体现为创新频度开始下降。本研究对此的解释是,由于处于国际领先企业阶段,核心技术和新瓶颈技术开始取得较大突破,但仍处于完善改进中,故短期创新收益并不显著。因此,称此阶段为频度驱动阶段较为不符。
第四阶段与第三阶段类似,创新程度呈指数级急剧上升,引发创新速度继续提升,而创新开放度还在继续下降,这些都和七大产业一致。最大的差异仍然是创新频度,该阶段创新频度仍然持续下降。对此的解释是,由于高端装备制造行业是典型的知识密集型和资金密集型产业,故当核心技术突破及重大创新实现后,短时间很难再次取得重大突破,单位时间产生的创新收益开始减少(但总体创新绩效仍然是上升的),该阶段同样可称为程度驱动阶段。
总体而言,除创新频度在后两个阶段的情况不同外,高端装备制造产业与七大创新产业自主创新能力演化历程基本近似。
将新一代信息技术产业自主创新能力与创新绩效分别进行曲线估计,结果如表6所示。
表6 新一代信息技术产业自主创新能力与创新绩效演化关系各模型拟合结果
表6结果显示,对于新一代信息技术产业,其创新速度、创新频度与创新绩效的关系和七大战略性新兴产业无差别,分别呈现线性和U型关系。其创新开放度和创新程度与创新绩效的关系则表现不同:新一代信息技术产业创新开放度与创新绩效呈线性关系,创新程度与创新绩效呈倒U型关系。
同样,将新一代信息产业自主创新能力各维度,即创新开放度、创新速度、创新频度和创新程度4条曲线绘制在一个图中并将其演化过程分为4个阶段,如图6所示。由图6可以看到,新一代信息技术产业与七大产业的演化过程存在显著差异。
图6 新一代信息产业创新能力演化机制
首先,新一代信息产业自主创新能力的4个维度在第一阶段均呈现上升趋势,但与七大战略性新兴产业的区别是,新一代信息产业创新程度起点很高,但创新速度和创新开放度的斜率很小,创新频度起点虽然较低但斜率较高,很快就超过了创新速度和开放度。应该说,该阶段应该是由创新程度驱动的。
第二阶段,开放度增长速度逐渐加快,并甩开创新速度的增长速度,成为这个阶段最活跃的影响因素,创新频度也开始加速增长。从图6看,称这个阶段为新一代信息产业的开放驱动阶段更名副其实。与七大产业最大的不同在于,此时新一代信息产业创新程度增速开始变缓,逐步呈现下降趋势。
第三阶段,战略性新兴产业与新一代信息业演化历程开始出现更大的差异,创新开放度继续上升,创新速度变化不大,创新程度继续进一步下降,创新频度继续提升。因此,称该阶段为频度驱动阶段比较符合。
第四阶段,创新频度继续加速上升,创新开放度继续扩大,而创新速度依然平稳,此时创新程度持续加速下降。因此,该阶段具有频度驱动特征。
结果显示,新一代信息产业和高端装备制造产业的自主创新能力演化过程有很大差异。表现为前者创新速度(对应GDSP中的知识消化过程)虽然在提升,但一直没有在某个阶段发挥主导作用。创新程度呈现显著先升后降趋势,在第一阶段发挥主导作用,但在第二阶段开始下降,而创新频度一直加速上升,在后两个阶段都发挥主导作用。
对上述差异的解释,可以基于Jensen &Lundvall等[39]提出的技术创新的两种模式进行分析,即基于科学研究的创新模式(STI-mode:Science-Technology-Innovation)和基于经验的创新模式(DUI-mode:Learning by doing, using and Interaction)将产业分为科技驱动型产业(STI industries: Science-Technology-Driven industries)与经验驱动型产业(DUI industries: Experience by doing, using and Interaction Driven industries)两类。科技驱动型产业是指创新过程以显性科学技术知识为基础的产业,主要包括生物制药、高端装备、新材料等。经验驱动型产业是指创新过程以隐性生产制造和使用过程中积累的技术诀窍为基础的产业,主要包括传统制造业、信息产业、汽车工业等产业[40]。据此,本研究认为,相比于高端装备制造产业更偏向STI产业,新一代信息产业属于典型的DUI产业,当核心技术突破及重大创新较早实现后,单位时间产生的创新收益就会一直增加,这是由新一代信息产业自身特点所决定的。因此,战略性新兴产业自主创新能力演化存在产业特殊性。
综上,七大战略性新兴产业总体以及高端装备制造产业和新一代信息技术产业三者自主创新能力动态演化机制如表7所示。
表7 自主创新能力动态演化曲线汇总
本研究在知识转化视角下,对战略性新兴产业自主创新能力内涵进行界定在此基础上,结合GDSP理论对知识转化过程动态阶段进行划分,提出战略性新兴产业自主创新能力演化机制并分别对高端装备制造业和新一代信息产业进行产业差异分析,主要结论与贡献如下:
(1)知识转化视角下战略性新兴产业自主创新能力的定义是:战略性新兴产业中包含官产学研用多元化主体的系统不断进行知识传递、知识消化、知识转移、知识创新的非线性复杂过程,从而获取经济利益、促进产业发展的能力。该定义以知识转化与自主创新能力间的关系为焦点,在GDSP理论框架下从知识转化的时空维度交互作用视角,洞察战略性新兴产业自主创新能力动态演化规律及演化机制,丰富了产业创新前因研究。
(2)实证测评表明,战略性新兴产业自主创新能力演化的4个过程与GDSP理论的知识转化四阶段存在对应关系,战略性新兴产业发展演化过程的本质是知识形态转化。七大产业创新能力演化的4个阶段符合GDSP理论假设,每个阶段都由不同的子能力起主导作用。因此,可以将其命名为多元驱动演化机制。该结论更关注知识静态存量与创新间的关系,聚焦中观产业层面知识动态转化与创新能力之间的关系,丰富了知识管理后果研究。
(3)在产业差异方面,高端装备制造产业与七大创新产业自主创新能力演化历程基本近似,但是新一代信息产业则有较大不同,体现出战略性新兴产业自主创新能力演化具有产业特异性。对于新一代信息技术产业,虽然前两个阶段分别由创新程度和创新开发度起主导作用,但创新频度在整个产业创新能力演化过程中一直发挥非常重要的作用,尤其在后续两个阶段。因此,可以将其命名为频度驱动演化机制。该结论指明战略性新兴产业自主创新能力演化机制存在产业差异性,可为我国战略性新兴产业政策体系完善提供理论支撑。
总之,本研究认为,产业特性决定了自主创新能力演化机制,但到底是什么样的产业特性以及产业特性如何影响产业发展动力机制,有待后续研究进一步探索。