基于复杂系统动力学传播视角的技术范式转换预警模型分析

翁渊瀚 李 南 王京安

1（南京航空航天大学经济与管理学院，南京 211000）

2（南京工业大学经济与管理学院，南京 211800） 3（电子科技大学中山学院，中山 528400）

引 言

自18世纪60年代以来，科学技术先后经历了数次突破性的重大变革以及无数次小规模的创新活动，从蒸汽机技术到电气技术，从量子力学到信息技术，每一次的科技发展都带动了一种乃至多种技术范式的更迭转换。进入21世纪，随着信息技术的不断发展，互联网、大数据等创新技术对传统企业技术范式产生了巨大的冲击。从颠覆性创新到渐进式改良，技术范式转换的概率和频率已经远远超出想象。摩拜单车、支付宝、百度云、新浪微博、滴滴打车等企业模式变革取得了十分抢眼的效果，提供了许多技术范式转换的经典案例，也让关于企业技术范式转换的研究备受重视。

关于技术范式的研究主要集中于技术范式的理论基础、内涵界定以及演进过程等方面。如纳尔逊和温特 （1997）认为新技术范式的出现是由于企业打破了一切规则的和可预测的行为 “惯例”（Routines），找到了经过环境检验的可以代表新范式的技术［1］。马刚 （2003） 认为技术创新系统范式客观上要求建立一种促进创新系统中不同行动者相互作用的良性循环互动机制，来整合发挥各创新行动者的积极作用，加快知识创新、技术创新、制度创新的步伐，实现 “协同效应”［2］。Schot等和Kemp等通过对欧洲企业现实案例的分析，建立了战略管理理论的分析框架，以此来解释技术范式转换的演进［3，4］。 叶芬斌和许为民 （2012）基于技术生态概念建立了战略生态管理理论和具体案例，对技术范式演化过程进行分析，为技术范式转换研究提供了一个综合分析的思路［5］。李守伟等 （2009）从系统发展观的角度分析总结了技术范式演变的5个阶段及其特征，提出技术创新范式的 “金字塔” 模型［6］。 郑雨 （2006） 以小企业在技术创新中的作用为例，针对技术创新问题对技术范式内涵进行了重新界定和结构划分［7］。Nelson和Winter（1982）认为，渐进式创新和突破性创新对同一项技术的发展轨迹的影响差异很大，相比之下，突破性创新更容易引发技术范式更新［8］。此外，还有一些学者从企业家精神、社会资本、集成创新、创新管理等不同角度对技术范式的演进方式和特点进行了研究归纳［9-14］。这些研究得到了许多有价值的结论，帮助企业了解自我，在一定程度上为开展技术创新提供了依据和指导，但是大多受限于单一周期内的技术范式研究，对企业技术范式随环境变化的应激反应、企业对技术范式创新的机会识别、企业对技术范式转换的时机把握等跨周期的技术范式问题没有做出足够的探讨。

技术范式转换是内外部环境交互影响的结果，它的发生对内外部环境也有重要的影响。在频繁变化的环境中，企业的战略不确定性也随之增加，这也迫使企业不得不努力提高自身能力，变被动为主动地去调整技术范式转换节奏以保持自身竞争力。目前，就企业如何把握具有混沌、非线性、动态等复杂系统特征的技术范式的动态变化方面［15］，有价值的研究成果还不太多见，特别是针对既有技术范式稳定状态的监控、技术范式的失效预警等问题，亟待构建一个新的理论框架对其进行分析研究。

面对技术范式演化这样一个复杂系统，企业的认知水平是有限的，往往无法较早的感知关于技术范式的状态变化，进而错失了主动推进转换的最佳时机。本文在技术范式趋于动态转换的背景下，基于复杂系统的动力学传播视角，构建了一个转换预警的理论框架，并运用企业运营中产生的系统熵来度量技术范式的稳定程度，通过观察阈值点的变化对范式转换进行预警。研究通过系统熵的动力学传播解读了企业技术范式的变化过程，进而深入开展机理研究和开拓性分析，对技术范式转换预警系统如何服务于企业技术范式转换提出建议。因此，本文的理论贡献和创新之处主要在于：对反映企业竞争力衰退的衡量指标进行了梳理，在此基础上提出了技术范式转换的预警模型；探讨了该预警系统对技术范式转换的动态预测机制，并对企业创新战略选择提出建议。

1 理论分析和研究框架

1.1 文献回顾

上世纪80年代，在Kuhn（1962）“科学范式”思想［16］的影响下，Dosi（1993） 首次提出了技术范式 （Technological Paradigms） 概念［17］， 为解释技术创新问题发挥了重要作用。90年代，伴随半导体、计算机、工业自动化等一系列重大技术变革的发生，技术范式理论也得到了进一步的发展，根据 Foster （1987）、 Christensen和 Bower （2015）的研究，技术范式被定义为 “解决所选择的技术问题的一种模型或模式”，是一整套发现问题、处理问题、解决问题的技术体系，影响着技术创新从研究开发到推广应用的每一个环节，兼具“技术性”与 “竞争性”，并在市场创造和企业创新中发挥着重要作用［18，19］。此后，一些学者进一步深化了对技术范式的研究，分别从宏观的行业层面和微观的企业层面对技术范式转换进行了多角度的分析［20，21］。 Pavitt和 Wald （1971） 研究了科技进步对技术范式转换的重要影响，分析了技术创新投入、创新活动的不可预见性和涌现性在技术变革中的积极意义，提出了 “科学-技术-生产”的STP范式［22］。Foster（1986） 从企业技术绩效和投入的角度阐述了技术范式变革的原因［23］。Malerba等 （2006）从技术范式变革的不同层次和维度对组织行为的影响进行了研究［24］。Teece（2007）分析了企业在技术范式转换的过程中市场战略、资源配置、研发能力等方面发生的变化［25］。总体来说，技术范式研究侧重于从宏观层面的归纳梳理，对于微观层面技术范式变化趋势的预测研究还不太多。企业如果能够对技术范式的运转情况进行有效监控，尽早发现技术范式对自身发展的桎梏，及时调整战略布局，适时推进范式转换，将有助于极大降低可能遭受的风险，持续保持市场竞争力。

在市场竞争中，试图开展创新的企业会遇到怎样的阻滞是一个历久弥新的战略管理问题。作为欧盟为成员国编制的创新指导用书， 《奥斯陆手册》 （Oslo Manual）对创新数据的采集和创新调查的方法程序进行了规范，按照可能缺乏的创新要素进行划分，把企业创新发展的阻碍分为成本因素、知识因素、市场因素、制度因素和其他因素5类［26］。其思路为后来很多学者提供了研究参考［27-30］。Li（2009）将企业创新障碍分为外生型 （Exogenous） 和内生型 （Endogenous） 两类，外生型包括供给障碍、需求障碍和环境障碍，内生型包括创新资源障碍、企业文化障碍［31］。Hadjimanolis（1999）通过对中小企业的问卷调查发现，创新发展中最主要的外生障碍包括容易被模仿、政府支撑不够、中间孵化环节短板、研发性人才稀缺、融资渠道少等，最主要的内生障碍包括研发周期短促、技术设施和创新资金缺乏、创新活动经验不足等［32］。 Madrid-Guijarro等 （2009） 通过对294位中小企业的深度访谈，将企业面临的障碍分为6项外部障碍和9项内部障碍［33］。此外，根据创新问题的性质分类，有学者将企业面临的创新障碍分为会延缓企业创新活动进展或降低创新活动效果的显性障碍，以及如资源限制、结构固化等导致企业不愿主动开展创新活动的隐形障碍［34-36］。

表1 部分关于企业创新影响因素的研究成果

从表1可以看出，虽然很多学者基于不同的角度对阻碍企业创新活动的影响因素进行了研究，研究结论也各有侧重，但其中与技术范式有关的部分主要集中于以下几个方面：（1）受制于行业内外竞争加剧、政策法规和政府行为、市场变化等外部环境因素；（2）受制于标杆模仿障碍、领先优势丧失、竞争者持续进入和技术变革等市场先发因素；（3）受制于已有知识惯例的束缚、组织认知能力和行为局限、管理层和员工创新经验不足、片面强调既有范式的静态效率等能力固化因素；（4）受制于边际收益逐渐降低、创新知识储备不足、创新风险难以评估、技术信息缺乏等转换成本因素；（5）受制于战略远见和创新价值认识不足、企业家精神缺乏、制度保守、害怕风险等组织文化因素。

1.2 理论框架

在市场环境中，每个成熟企业的内部必然存在一个占据主导地位的核心技术范式，这个范式是一个远离平衡态的非线性开放系统。在初期，企业通过与外部环境不断进行各种资源的交换，技术范式持续进行更新改进，逐渐完成自我调试，经过一定量的积累，终于从无数其他技术范式中脱颖而出，突破上一个占主导地位技术范式的束缚，进入到一个全新的有序、稳定、动态的平衡状态，并逐渐完成对整个行业技术范式体系的重新构建，形成一个以自身为核心的成熟体系。在企业达到发展稳定期以后，随着内外部环境的继续变化，这个技术范式的收益性和市场竞争力不断降低，核心地位受到冲击，系统重新呈现出混乱、无序的非稳定状态。在这个状态中，外部创新活动开始密集，代表新技术范式的企业不断涌现，市场环境变动剧烈，涨落很大，如企业不能及时推动技术范式的转换，将会被下一个具有突变性技术范式的企业所取代。显然，技术范式的突变往往会加剧企业竞争环境的动荡程度，甚至颠覆传统的企业竞争模式，引发产业结构的革命性变化，加速对新的市场格局的重塑［37］。这时，如果在位企业无法发现并克服现有技术范式中存在的惰性，就会出现相对于新进入企业的竞争劣势［38，39］。相反，如果企业能够及时地意识到自身技术范式对未来发展的阻碍，积极开展范式转换，通过渐进式或颠覆式的创新为企业打开一个 “学习窗口 （The Window of Learning） ”［40］， 帮助企业从逐渐固化的技术范式中脱离出来，打破对现有技术路径的依赖，积极开展创新活动，提升创新研发水平，就能够使企业持续保持市场竞争力，焕发出新的活力。

为了对技术范式的运行状况进行量化，研究引入系统熵作为运行状态的衡量标准，其数值的变化与预警系统各种指标的发生概率、后果和不可控性有关。系统科学把整体具有部分或部分之和所没有的性质、特征、行为、功能等，称为整体或系统的涌现［41］。在涌现中存在微观的部分与宏观的整体交互影响的现象：部分及其各部分之间的相互作用构成了新的整体特征；产生的新特征又对部分及其各部分之间关系形成或约束或促进的新影响，这种交互关系使得系统具有一定的动态性和鲁棒性［42］。当企业中多个阻碍创新活动的因素出现相互耦合的情况下，各项预警指标将会随着企业内部的紊乱式传递被依次触发，预警系统会表现出复杂的非线性混沌态，当逆向涌现被多次放大后，企业将逐渐表现出技术范式失灵并趋于解体的征兆［43］。因此，对于这样的内部变化，需要从微观层面的技术范式预警指标变化着手分析，通过厘清系统内逆向涌现的传递和放大机制以及与企业整体变化间的关联关系，来实现宏观层面的技术范式转换预警。

基于以上分析，研究构建了一个基于动力学传播的技术范式转换预警的理论框架 （图1）。从外部环境变化、转换成本上升、核心能力固化、组织文化保守、市场先发失效5个维度概括了影响企业技术范式转换的主要因素，并以5个维度作为技术范式预警系统的一级指标，下设二级指标19个，通过对指标熵值的计算来衡量企业技术范式的转换预警。

2 模型构建

2.1 技术范式转换预警模型

根据文献梳理，本文将两级预警指标组成的复杂系统定义为技术范式转换预警系统。在预警系统中，任一指标出现熵增都会将企业技术范式推向失灵的临界状态，同时触发预警后的外溢熵增也会对其他指标造成影响，致使范式系统熵值的进一步演变。当预警系统出现跃迁式涌现时，技术范式主导地位将发生动摇。当技术范式的系统总熵值达到并超过一个临界阈值时，则可能引起现有技术范式的失灵，甚至导致技术范式崩溃。

由此，设一级预警指标所处的状态为Si（i＝1，2，…，m；m＝5）， 二级预警指标所处的状态为si（i＝1，2，…，n；n＝19）， 则预警系统的运转状态可表示为：

其中，fR为预警系统的运行状态，是关于S1、S2…S5和s1、s2…s19的函数。

在技术范式转换预警系统中，Si（i＝1，2，…，5；m＝5） 是以概率P（Si）［0≪P（Si）≪1，（Si）＝1］发生的随机事件。 同理可得， 令P（si）＝， 则si（i＝1，2，…，n；n＝19） 是以概率P（si）［0≪P（si）≪1，P（si）＝ 1］发生的随机事件，C（si）是si可能造成的事件后果，U（si）是对si不可预测性的一种度量，则状态si的运转情况可表示为：

图1 技术范式转换的主要预警因素

根据Shannon定义［44］，将企业系统熵定义为：

即H（si）＝ -kR（si）×lnR（si）

式中k为常数。

则整个技术范式的熵值为：

式中：ε为计算过程中预警指标间相互作用的修正因子。

综上所述，可以实现对技术范式中系统熵的定量计算。

2.2 预警网络动力学传播模型

由于技术范式各级预警指标之间的关系广泛而紧密，因此可以运用网络来对其进行描述。研究将各级预警指标定义为网络中的节点，将各指标间的交互关系定义为节点间的边，形成如图2所示的技术范式预警网络模型，其中包含了5个随机连接的一级预警指标和19个随机连接的二级预警指标，并可根据构建的技术范式转换预警网络模型来分析系统预警状态的跃迁过程。

图2 技术范式转换预警网络模型

假定每个预警指标都有一个系统熵阈值，即预警网络中每一个节点对系统熵都设置了预警标准，当节点的熵值超过标准就会触发预警。同时，溢出的熵值将通过连接边在系统内部扩散。这种服从规律的系统熵扩散现象就是一种复杂网络的动力学传播。在预警网络中，凡是系统熵值低于预警标准的节点，都可能受到来自相连预警节点的熵传递，当该节点吸收到足够的外部熵值后会触发预警，并转而向其他节点进行熵值扩散。经过若干次这样的传播，会触发超过极限数量的预警指标，最终导致技术范式失灵。如果外部市场环境发生变化，企业的行业内竞争加剧，由竞争引起的指标熵值上升并在t时刻突破了预警标准，现将节点i设为初始预警节点，在触发预警后，溢出阈值开始以概率δij向相连节点j扩散。节点j的系统熵主要包括：节点i吸收节点j负熵形成的系统熵、节点i预警后向节点j溢出的系统熵、节点j吸收相连节点负熵形成的系统熵3个部分。当3个部分的总熵值未超过节点j的预警标准，则节点j预警不会被触发，如式 （5）所示。否则，当3个部分的总熵值超过节点j的预警标准，节点预警将被触发，如式 （6）所示。

当节点j被触发预警后，溢出的系统熵将沿着预警网络的连边继续向其他节点扩散，后续节点可能先后受到多个与之相连的已触发预警节点的影响，所以在式 （5）、（6）中，前两部分的系统熵应为前续预警节点的影响之和，由此得出式（7）、 （8）。

其中，p（0≤p≤n）为与节点j相连的前续预警节点数量。

随着系统熵在预警网络中的不断扩散，越来越多的节点可能触发预警，当预警节点达到一定数量时，企业技术范式将会从局部到整体逐渐出现运转失灵的情况，最终可能导致组织崩溃。在预警节点的动力学传播过程中可以看到，根据预警节点发生变化的先后顺序以及各级指标之间联动预警的紧密程度，可以挖掘出一些潜在的转换预警信号，对企业创新活动选择、局部结构改良和技术范式转换具备一定的指导意义。

3 模拟仿真与分析

3.1 案例背景与初始值设定

案例背景：某思高科技有限公司于2002年投资成立，注册资本3千余万元，目前拥有研产销人员300余人。公司地处沿海经济发达省份，依托高校科研院所，专业从事高性能膜材料的研产销业务，客户主要涉及化学化工行业的国有企业、上市公司、民营企业等。在过去的几年内，通过对技术与市场资源的整合，公司对一系列的科研成果进行了转化和应用推广。针对行业共性技术的创新需求，公司还开发出系列集成技术的创新应用，取得了较好的市场反响。但是，随着地方政府对化学化工行业安全整治力度的不断提升，公司在市场层面面临越来越大的压力。

为对理论推导进行检验，研究通过Matlab对某思高科技有限公司内部的系统熵传播进行模拟仿真及策略分析，考察了公司在研产销过程中系统熵扩散的控制因素及制约作用。公司属于高新技术型企业，虽然在转换成本上升、核心能力固化、组织文化保守、市场先发失效等方面保持着较低的系统熵值，但随着外部环境的变化，在政策法规与政府行为等个别环节中容易出现系统熵值预警。最初，设定某思高科技术范式失效的临界值为1000，预警网络内各节点的原始系统熵为≤500，节点预警阈值为600，政策法规与政府行为（节点2）为系统熵值异常节点，按照模型式 （7）、（8）进行模拟，当系统中预警节点总数超过60%时，模拟终止。期间，通过模拟不同节点的熵值变化来观测系统熵的扩散状态，根据实际情况选择控制参数来观察系统熵的扩散，达到对技术范式转换进行预警的目的。

3.2 模拟实验与分析

（1）模拟实验1：通过调整预警网络密度的大小发现，当该预警网络的密度K＜3时，异常节点溢出的系统熵在网络中传播速度较慢，受影响节点较少，不易出现大规模的节点预警，技术范式趋于稳定。当网络密度K≥3时，异常节点溢出的系统熵在网络中传播范围扩大，溢出的系统熵会传递到更多的节点，技术范式会受到更大影响。某思高科作为一家致力于技术研发的高新企业，集权度不高，组织结构趋于扁平，内部间的联系较为紧密，预警网络密度较高，同时政策法规与政府行为带来的影响往往具有不可预测性、直接性和不可逆性，该节点的系统熵异常变化将对公司后期发展形成较大冲击，公司急需寻找与自身技术特点适配度较高的新行业和新市场。

（2）模拟实验2：通过调整异常节点熵值的大小发现，当异常节点的系统熵s1＜900时，由于溢出的系统熵较少，在短暂传播后，溢出的熵增会被系统逐层吸收，传播即告终止，不易出现大规模的节点预警，技术范式趋于稳定。当异常节点的系统熵s1≥900，溢出的系统熵会传递到更多的节点，大概率会触发系统预警，技术范式趋于不稳定。近年来，某思高科所在的驻地政府一直致力于推进产业转型升级，对于当地化学化工行业始终持从紧收缩态势，不过得益于高校科研院所的优势学科平台以及创办初期的政策红利，政策法规与政府行为对公司的负面影响一直被控制在一个有限范围内，除非出现极端性环保安全事件，否则不会对公司的技术范式造成破坏性冲击。

（3）模拟实验3：通过调整节点间传播概率的大小发现，当节点间传播概率P＜0.8时，首个异常节点溢出的系统熵传播步长较短，不易出现大规模的节点预警，技术范式趋于稳定。当节点间传播概率P≥0.8时，异常节点对技术范式稳定性的影响较大，溢出的系统熵会传递到更多的节点，大概率会触发系统预警，技术范式会受到较大冲击。系统熵的传播概率受节点间的相关程度、被传播节点的扩散特性、偶然性事件等综合因素影响，但某思高科面临的政策法规与政府行为必然会增加异常节点系统熵的传播概率，从而进一步对技术范式稳定性造成负面影响。根据仿真实验可以看出，某思高科在经营过程中，随着外部环境的变化，应定期对技术范式的运行状态进行检测，对技术范式的运行状态进行评估，对与政策法规与政府行为等系统熵值增加明显的环节相关程度高的经营环节保持密切关注，要及时进行更新改造，以对技术范式的局部转换来实现对公司平均熵值的总体调控，以日常创新的方式尽量将公司各环节的平均系统熵维持在一个稳定且较低的水平，以此来保持活力和市场竞争力。

图3 某思高科技有限公司技术范式转换预警网络 （优化图）

4 研究结论

本文重点研究企业技术范式的创新转换阶段，通过观察该时期企业内部的微观变化，探讨了对技术范式转换存在影响的主要因素。研究从系统熵动力学传播的视角，结合案例分析，解释了影响技术范式转换的作用机理，认为企业的技术范式转换受制于自身的创新战略决策，而内部各维度的运行状态又影响着企业的创新战略决策。研究结果表明：

（1）技术范式的鲁棒性和脆弱性。企业的技术范式具有一定的鲁棒性，当技术范式预警节点的平均熵值维持在一个较低的水平时，系统整体稳定性较强，企业运营状态良好，即使个别节点系统熵出现异变，也不易引发全面预警；相对而言，企业的技术范式也具有一定的脆弱性。当技术范式预警网络的平均熵值维持在一个较高的水平时，系统整体稳定性较差，企业将处在牵一发而动全身的运营状态，一旦个别节点的熵值发生异变，系统熵增会在很短的步长内实现全面扩散，从而引发技术范式失灵，市场竞争力衰弱，企业将面临发展危机。

（2）节点度值和传播概率的影响。系统熵在预警网络中的传播程度与异常节点的度值和传播概率成正相关，出现异常的节点度值越大、传播概率越高对网络的破坏性越强。换言之，企业在日常管理中应当对反应核心竞争力状况的预警指标进行有效监控，由于该部分是企业技术范式的核心部分，与其他环节往往有着超过平均水平的连接度和交互概率。如高新企业需要对先发优势丧失、组织文化保守等维度的预警指标进行重点监控，销售型企业则需要对外部环境变化、转换成本上升等维度的预警指标进行重点监控。此外，相比层级化管理的企业，扁平化管理的企业更容易受到组织内出现的异常熵增的影响。

（3）网络结构变化的影响。在企业中一旦有节点出现异常熵增，为防止系统熵进一步扩散，就需要把与它们相连的边从网络中去除，这也意味着对原本的网络结构进行了重构。如果该预警节点不是企业的核心环节，即便技术范式出现一定程度的熵增，也可以通过微创新的方式，逐步实现技术范式的更新；但如果预警节点是企业的核心环节，改良式的微创新往往已经无法对技术范式的系统熵增起到很好的抑制作用，而对预警节点进行隔离一定程度上也意味着企业需要对主营业务或者运营模式做出重大改变，甚至是对既有技术范式做出取舍。