多重驱动模式下开放式知识网络的时空演化模型及治理策略

单子丹，项朝霞，陈 琳

(1.哈尔滨理工大学 经济与管理学院,黑龙江 哈尔滨 150040；2.哈尔滨理工大学 高新技术产业发展研究中心，黑龙江 哈尔滨 150040)

0 引言

随着组织技术和信息技术的快速变革，技术的复杂性和瞬息万变的市场使组织创新所面临的挑战越来越严峻。积极发展跨行业跨区域的高技术知识服务与成果转化，促进技术创新和商业模式创新，是当前国家创新驱动发展战略的重要任务。知识网络最初的研究来自理论界对该概念的界定，可追溯到Beckmann[1]的研究。Kratke[2]认为知识网络是通过个人、群体和组织的知识创造与传递来实现价值创造，其本质是一种模式或隐喻；Elisa等[3]提出，知识网络是产业联盟的骨架，网络各节点之间存在多元、交互、非线性、强耦合的交互关系，并由此共同演进成为有机的复杂系统。开放式知识网络是将新的经营方式、运作技术和管理手段注入传统产业组织或联盟内部，创造出不同形式、不同风格、不同商品的组合形态，用以满足不同消费需求的新型知识网络，这类因知识网络内部和外部交互作用而形成的创新技术、概念性或过程性创新活动、服务方法、经验规律和意识形态等共同构成了开放式知识网络的研究范畴。

目前，有关开放式知识网络的研究多集中于知识构成主体及其相互关系，知识网络触发特性及其动力学分析，网络架构、主体行为与创新绩效之间的影响机理及其战略选择等方面。开放式知识网络构成主体研究的逻辑起点是分析各类蕴含丰富知识资源的参与单元间的正式或非正式关系。李文博(2010)等[4]将知识网络构成划为核心企业、关联企业、科研机构、中介机构、金融机构等，且具备知识溢出、柔性聚集、网络拓展和信任增强等基本功能；Zaheer(2015)等[5]针对知识主体间的关系构建了知识网络中心度和结构洞度量模型。知识网络的触发特性来自主体布局与路径设计，Renzulli(2010)等[6]采用结构度量方法阐述知识网络的演化内嵌于企业的知识行为，具有缄默性和不可逆性，而结构的调适是学习和适应的交集，具有背景和路径依赖性；向希尧(2011)等[7]认为过度的嵌入会磨损知识的创造性，降低对新知识的搜寻力度；江积海(2011)[8]将成员间的合作策略视为知识网络结构特性发挥的必要条件，并以知识增量的形式映射在网络知识生产函数上；吴少波(2009)[9]认为知识链组织间的合作与冲突的稳定性直接关系到知识流动的效果。而知识网络动力学分析多从属性、治理、前因、结果等方面展开[10]，例如知识网络节点的交流程度、知识领域的交融层次、知识情景依赖等特性[11]。Dhanaraj(2014)等[12]认为知识网络关系强度对双方间的信任、共同价值观、知识体系构建，以及合资网络绩效都产生直接影响；Becerra(2008)等[13]构建了“可信赖感—承担风险的意愿”知识网络动力学模型；Easterby-Smith(2008)等[14]建立了网络边界与知识网络以及知识网络内部的互驱模型；Pérez-Nordtvedt(2018)等[15]基于美国102家企业样本，从知识产生方的传递行为到知识来源吸引力再到知识接收方的学习意图构建了知识网络过程影响模型；Cowan(2011)等[16]探索了单个虚拟知识网络中具有不同属性的知识节点演化规律。在网络架构、主体行为与创新绩效作用机理上，徐敏(2017)等[17]采用无标度加权方法对开放创新搜索、知识转移与创新绩效进行仿真分析；丁大尉(2016)[18]从科学社会学角度搭建网络环境下的开放获取知识共享机制；曾建勋(2013)[19]通过集合多种知识链接方式，基于现有云计算平台提出开放式知识链接服务体系框架和服务推荐策略。对比国内外研究现状发现，开放式知识网络下的微观个体适应性行为会使网络演化方式发生转移，技术范式和服务轨道的不断演进也会改变网络知识的基准、原理和逻辑，形成网络知识链的整体跃迁。如何挖掘开放式知识网络构成主体的时空演变特性和动力学规律、成长周期与网络创新绩效之间的关系，以及知识网络的治理策略等，尤其是不同驱动模式下，知识网络主体如何打破知识交易的路径锁定效应，降低已有竞争战略组合的刚性依赖，如何修复、完善和补偿破损网络主体间的信任关系，构建多元知识冲突消解机制，规范合作成员的参与行为等问题仍亟待解决。本文阐述了开放式知识网络的典型特征，结合各类网络参与主体的联合程度，形成联合式、强驱动式和无意识式多重驱动模式。分别分析了不同驱动模式下知识存量、流量和转量的影响要素及作用机理，构建了开放式知识网络总量的二元时空交流域方程，给出网络时空分布的演化特征，并揭示了网络主体动力学行为的运作机理和冲突消解方法。

1 开放式知识网络的驱动模式

开放式知识网络由知识生产子网络、知识服务子网络、知识采纳子网络，以及其他附属子网络共同构成，各类子网络之间相互依赖，互相影响，协同运作，如图1所示。知识网络的时空演化机制是知识创造与扩散空间的平面投影，网络主体行为则是投影领域非随机演变的动力之源。由于开放式知识网络组织架构具有多样性，其驱动模式需要结合网络构成目标、主体运作特征等因素综合考量。

1.1 开放式知识网络的构成与特性

相比于其他类型的网络组织，开放式知识网络的突出特征体现在：①网络架构上，由多种性质子网络相互叠合而成，呈现为无边界动态混合型网络，其子网络间的行业边界越来越模糊，灵活性和弹性的组织更易于与环境互动；②知识类型上，涵盖可复制的同质知识，也涵盖不可复制的异质知识，或者两者的混合体，知识体系的相互作用能够最大化领域融合的利益；③知识主体行为上，参与者的颠覆性创新活动将激发网络模块间产生新的质能转换，而在知识策略上需要结合网络驱动模式的种类特征。④网络服务目标上，从服务创造、创意筛选到市场引导、商业转化，结合知识网络的线上和线下择取方式，服务对象始终呈现“目的性+多样性”的特点；⑤信息处理和输出方式上，可以是某种创新活动、开发方法或与顾客的交互行为方式，网络输出的方式和内容因驱动模式的不同而略有差异。知识生产子网络、知识服务子网络与知识采纳子网络三者之间相互协作，其联合程度和合作效果直接关系到网络组织演变及多元化知识市场形成的最终结果。

1.2 开放式知识网络的驱动模式

经济全球化要求开放式知识网络既可以在外界压力或推动下进行知识的自我增长，也可以通过知识的互驱性流动完成主体行为的协同发展，更可以无意识外溢各类创新性资源，从而形成开放式知识网络各类子系统联结的不同模式。根据网络内外驱动强度和资源驱动程度，将其划分为联合驱动模式、强驱动模式和无意识驱动模式3种。

1.2.1 联合驱动模式

联合驱动的目标是将开放式知识网络中的新兴技术、管理方式、异种资源、组织惯例与文化等进行有效耦合，为整体网络形成强大的内聚式知识流动，带动知识存量跃迁至一个全新的层级水平。当核心子网络受到外界干扰时，知识的流转能量不会发生激烈的震荡变化，而是通过主体参与行为的自调节，修复、升级并更新完成系统的整体均衡。该驱动模式关系到开放式知识网络潜在能量的集聚以及长久声誉的建立。

1.2.2 强驱动模式

开放式知识不能孤立存在，它对外部条件具有明显的依附性，即知识网络存在于商业经济、政治制度、产业关联和社会文化等共同作用的软环境内部。强驱动模式是知识辅助网络对知识核心网络的支撑与再适应。知识主体采用特定的互动模式进行交流，在竞合中取得市场主动地位，最终达成预先设定的系统战略目标。该模式能够伴随知识网络的自身演化，使知识外部流量在物质、信息、能量上发生相应变化，进而提高开放式知识的更新速度和转移效果。

1.2.3 无意识驱动模式

无意识驱动模式是开放式知识网络群体内部的非意识型传播模式。根据合作的密切程度，采用技术转让、合作开发、技术联盟、共建实体等形式对溢出方的创新成果进行适当保护，以完成成果转化的最终交融。相对于核心知识网络的内部流量和外部流量，外溢流量更能凸显个体非正式隐性知识的交换。该模式依赖于良好的商业活动空间，助推专业人才、资金与组织资源的大面积汇集，并为创新型资源的多渠道转化提供来源渠道。

2 知识网络的影响要素及表达

如何刻画开放式知识网络的时空演化过程，如何分析多重驱动模式下网络知识的吸纳量与溢出量，是分析知识网络影响要素的关键，即网络布局的存量、流量与转量的测度问题。网络知识存储于运行主体的文档、专利、团队协作能力或经验中，是某阶段内一个组织或经济系统对知识资源的占有总量。其量化表现形式为拥有知识的人力资源、科技文献、专利数据等，其波动将影响组织或系统现有知识总量的增长或折旧速度。不同驱动模式直接关系到网络商业执行战略的运行效果，同时知识网络的流量大小也会略有差异。因此，通过刻画开放式知识网络的流量变化可以有效地反映知识时空变化的运作规律和成长轨迹，如图2所示。

2.1 开放式知识网络的存量

知识存量有广义和狭义之分。从广义看，知识存量是组织或系统内部人员、设备和组织结构中所有知识的总和，是智力资源时段积累与学习的结果，反映了组织系统生产知识的能力和潜力，体现了组织系统的竞争力[20]；从狭义看，知识存量是企业或区域在以往研究开发中产生的初始能量[21]。结合开放式知识网络的构成特性，即在时刻t0下，设网络θ在虚拟空间内的知识储备水平为q，有hθ1(v,t0)=q，v为知识核心网络内部的转移速率。设3类驱动模式下，时间[0,t]内的知识存量分别为hθ1(v,t),hθ2(v,t),hθ3(v,t)，有qθ3≻qθ1≻qθ2，且qθ3+qθ1>qθ2，其中qθx(x=1,2,3)由有偿知识存量qθx(1)和无偿知识存量qθx(2)构成，qθx=qθx(1)+qθx(2)。qθx(1)和qθx(2)在时间[0,t]内保持相对稳定的状态，两者均能反映系统知识的商业价值和知识网络的创新潜力。表1所示为开放式知识网络存量的量化表现和度量依据。

表1 开放式知识网络存量的量化表达

知识网络的结构存量是3类子网络间发生知识传递与转移后的知识静态结果。由于知识主体在内容、构架、交流方式等方面存在认知差异，导致网络间知识供需关系的构建形式不同。对于两类结构知识存量而言，若个体进行合作的目的是为了探索性的知识创造，则认知距离较大；若参与主体只是对原有知识进行改进和利用，则认知距离较小。子网络间的协同行为将最大程度上消除知识网络内部各部分的组合障碍，最大化整体网络价值，大幅度提升网络驱动水平。设在[0,t]内从相异子网络中随机选取知识需求双方i和j，其知识资源的积累水平分别为qi和qj，且qi=qi(1)+qi(2),qj=qj(1)+qj(2)；个体之间认知差异的距离为rij，b为主体间相互作用的“摩擦系数”(b≥0)，两者之间的关系如表2所示；用权数wi，wj和指数α，β分别表示供需知识的影响程度和比例，且0

wi+wj=1,α+β=1。

(1)

表2 开放式知识存量bk与个体认知差异距离rij的影响要素对应表

由于知识积累的技术水平、资源拼凑能力、智力资源的汇聚形式和合作创新架构等因素作用，知识结构布局的存量也因网络对知识的吸收能力不同而存在差异。一般而言，越是人力资源丰富、技术处于前沿、创新能力强的知识网络，其知识的吸收能力越强。

2.2 开放式知识网络的流(入)量

知识流量是时间t2下开放式知识结构布局中知识资源的动量，这里只考虑流入量。知识网络流量源于系统内部对知识资源需求的不断更新与升级，需要知识主体不断摄入、占有和内化各类组织资源[22]。需求基的存在必然导致知识资源流动，使知识资源的分布发生变化。

2.2.1 联合驱动下知识网络的内部流量

相比于强驱动和无意识驱动两类模式，联合驱动更注重知识网络内部子网络间的互动。网络认知差异源于网络成员对知识资源占有的异质性，若成员间以知识应用为前提，则网络认知差异度较小，知识流动的速度会被阻碍，即rij≥1。当网络布局发生质性放大，如系统凝聚力、企业家精神以及对知识生产和市场结构的理解程度等全面提升，网络内部摩擦系数b趋于0时，其知识主体的认知距离几乎不存在，即rij∈(0,1)，知识网络的流入量Tinner近似为0；反之，当摩擦系数b趋于无穷大时，网络内部知识资源无法实现稳定转移，需要借助外界环境的推动。图3所示为联合驱动下Tinner与传导个体的认知差异rij、摩擦系数b三者之间的关系。

2.2.2 强驱动下知识网络的外部流量

强驱动下网络知识的流量变化方向和流速依赖于网络外部各类影响要素及其之间的相互关系。图2从商业环境、文化氛围、政治条件和产业关联4方面描述知识网络的强驱动因素。有别于联合驱动模式下的知识流量比，强驱动模式的知识资源流动效应主要体现在知识存量级数的变更，这里用扩散常数Dθ2(Dθ2≥1)表示，即强驱动下知识网络的流(入)量Tinner=κijq。

2.2.3 无意识驱动下知识网络的溢入(出)流量

无意识驱动下知识网络的流量是知识网络系统内部因参与成员间频繁交流而发生的知识溢入或外溢等转移活动，其衡量方式与核心网络内的个体知识传导行为密切相关，主要涉及知识获取、传递、转换和吸收方式等，其具体影响要素如表3所示。借鉴经典的空间知识溢出模式[23]，无意识驱动下知识网络个体i与j间的知识溢入(出)流量为

(2)

表3 无意识驱动下知识网络溢入/出来源及影响因素

除了认知差异和地理空间缺口的影响，无意识驱动更侧重于子网络对外界感知的应对能力。经由表4分析，改进后的知识溢入(出)动力/阻力影响模型为

(3)

(4)

2.3 开放式知识网络的转(出)量

开放式知识网络的转量为[0,t]时间区间下，核心网络内部知识资源向辅助网络的流出量。知识转量Tout的计量需要考虑两个要素：①因新技术的出现，原有知识产品的淘汰比率，或者知识创造主体失去对有偿知识所有权的比例，这两种情况的知识总量呈现为消减态势，可以用网络知识折旧(知识折旧率为δ1)来表示。②由协作、沟通等获取到的各种技能/技巧的隐性知识，随着使用频次发生不同程度的衰减；或是个体间缺乏共同的文化和愿景，难以有效地共享知识资源(知识转出率为δ2)，进而降低了知识存量Tstock。例如关键知识型个体的流失，网络知识地图、信息共享技术等知识的外泄，或者某一专利保护过期知识主体仍旧免费使用等，都会发生知识外部流转现象。

设δ(0≤δ≤1)为知识流出系数，有δ=δ1+δ2；知识转量随时间t的变化而变化；本文根据Lu(2017)[24]将知识流出系数设置为0，5%，10%，15%，则开放式网络中的知识转量为δh(v,t)，h(v,t)为t时刻知识网络的总量，v为知识结构布局下的转移速率。

3 知识网络总量的时空特性

本章采用数理分析方法揭示开放式知识网络的存量、流量和转量三者之间的关系，三者的时空特性和分析路径，以及知识网路构造的演进规律与发展策略。数理分析方法可以清晰地探索网络参数的属性特征，获取知识参与个体的行为分歧、吸引子结构，获取形态相对稳定的非均衡状态条件。时空交流域(spatio-temporal communication field)由Frank等[25]提出，在信息论中用以分析主体间的相互关系。将“联反应—扩散”思想引入知识网络总量刻画中，建立开放式知识网络的二元时空交流域方程，以探讨系统知识流转速率的动态分布，分析知识结构布局的交互机制及作用机理。

3.1 知识总量的二元时空交流域方程

开放式知识网络θ总量hθ(v,t)的测度由两个影响因素决定：①系统知识结构内部具有动态性，包括联合驱动下知识网络的结构存量内部流动、无意识驱动下知识网络的溢入量，以及因δ2而产生的知识结构布局的转出量；②系统知识结构外部具有动态性，包括强驱动下知识网络的外部流入量，以及因δ1而产生的知识结构布局的流出量(如图4)。知识网络的时空交流域即为知识网络吸纳、流溢和驱动的时空总量，由知识参与个体的交互关系共同创造。其中，外界环境和个体互动可以通过预判、推理等方式对交流域产生作用。根据偶联反应—扩散方程[26]，该交流域hθ(v,t)服从

(1+Dθ)q-δhθ(v,t)。

(5)

式中：等号左边表示开放式知识网络θ转移的边际量(转移速率)；等号右边由4部分组成，分别是联合驱动下交流域θ的结构存量Tij、无意识驱动下交流域θ的溢入量Sij、强驱动下交流域θ的外部流量与知识存量(1+Dθ)q，以及知识衰减对交流域θ的影响δhθ(v,t)。hθ(v,t)描述了不同时间下知识创造与扩散的运动变化。假设hθ(v,t)的空间域和时间域分别为(θ-Δθ,θ+Δθ)和(0,t)，且交流域θ在Δt内不断更新，其动态特征由主体间的交换过程和网络自身属性共同决定，则将式(5)进一步处理得到

=[Tstock+Sij+(1+Dθ)q]·eδt;

=(1+Dθ)q·eδt+(Tstock+Sij)·eδt;

(6)

式中C为常数。当t=0时，

则C的常数形式也可表示为

(7)

3.2 知识网络的演化性质分析

由式(8)分析得，开放式网络的知识总量hθ(v,t)与扩散常量Dθ、网络结构存量Tstock和知识溢入总量Sij正相关，与知识流出系数δ和网络演化周期t的关系需要根据知识生产与扩散的布局分阶段考虑。

将式(7)带入式(6)，推导出

(8)

3.2.1 知识网络总量与知识流出系数间的关系

根据式(8)展开以下讨论：

hθ(v,t)=Ae-δt+C;

A≥0,C≥1。

(9)

此时hθ(v,t)在[0,t]的整体趋势呈现非线性递减(如图5)，可见知识生产与扩散在不同生命周期的总量变化轨迹不同。随着系统组织模式的不断演进，知识主体间的信任度和忠诚度不断加强，在应对外界环境变化上具备良好的感知与理解能力，知识缺口与地理空间缺口逐渐减小，知识溢入的效果不断加强。因此知识更替与升级的速度会不断加快，知识结构布局的溢出系数δ呈上升态势。此时，知识网络的总量hθ(v,t)递减且无限接近hq(v,t)=q，其知识存量延展为一条直线。可见，3类驱动模式知识总量的大小关系为Δhθ(v,t3)<Δhθ(v,t2)<Δhθ(v,t1)。

(2)若δ(0<δ<1)在任一t内不能用确定函数描述(即hθ(v,t)变化过程中δ(t)任意一次观测结果仅为某个t时刻的函数)，不同时刻独立观测到的δ(t)值也不全相同(即hθ(v,t)为一随机函数)，则其数字特性可用数学期望E[hθ(v,t)]、方差D[hθ(v,t)]及相关函数描述。因此有(1+Dθ)q≥2q≥0，Tstock+Sij≥0，0<δ(t)<1，hθ(v,t)具有如下性质：

=(1+Dθ)q+(Tstock+Sij)+(1+Dθ)q

(10)

D[hθ(v,t)]=E{hθ(v,t)-E[hθ(v,t)]}2

(11)

对于任意时刻t1,t2，hθ(v,t)统计相关特性可以用自协方差函数B(t1,t2)和相关函数R(t1,t2)表示为：

B(t1,t2)=E{[hθ(v,t1)-E[hθ(v,t1)]]·

[hθ(v,t2)-E[hθ(v,t2)]]}；

(12)

R(t1,t2)=E[hθ(v,t1)·hθ(v,t2)]；

(13)

B(t1,t2)=R(t1,t2)-E[hθ(v,t1)]·

E[hθ(v,t2)]。

(14)

协方差函数B(t1,t2)用于判断同一随机过程的两个变量是否相关，相关函数R(t1,t2)也称二阶原点混合矩，用来判断开放式知识结构布局总量的广义平稳性，以及分析随机过程的谱密度，两者刻画了知识网络总量和知识流出系数在两个不同时刻状态之间的线性依从关系，因此开放式知识网络函数的变化趋势如图6所示。

3.2.2 知识网络总量与演化周期之间的关系

知识网络总量的演化过程呈现了知识总量在不同生命周期下网络结构的分布情况与变化特征，这里根据开放式知识网络的存量、流量和转量之间的相互关系，设知识总量hθ(v,t)的数学期望函数为E[hθ(v,t)]，分析由期望函数和方差函数的取值划分出的知识网络进化的3个周期阶段：

(1)周期Ⅰ——开放式知识获取—渗透阶段，0

知识总量hθ(v,t)函数的趋势更接近知识网络单周期下的发展阶段，此时知识网络随机分布于时空交流域中，且有：

(15)

(16)

处于开放式知识获取—渗透阶段的知识总量hθ(v,t)直接受到扩散水平Dθ、行业采纳深度Tstock，以及q，Sij和生命跨度t联合影响。网络扩散与共享加速了知识应用的整体效率，推进了知识生产与创新，最终促进了群体对知识的利用，获取了更多的边际收益。多重驱动模式下周期Ⅰ展现的因素特性存在差异，这里用t1,t2,t3分别表示联合驱动模式、强驱动模式和无意识驱动模式，有hθ(v,t1)>hθ(v,t3)>hθ(v,t2)，即联合驱动模式下开放式知识网络知识总量具有显著优势，无意识驱动模式在该阶段知识供给情况不佳的原因是组织内部协调性较弱，以及成员间缺乏相互信任。对比阶段Ⅰ的3类驱动模式发现，异构型群体知识缺口的大小对网络构建的有效性提出了更高的要求，如何权衡网络内外部知识需求基与参与个体的扩散能力，降低扩散动态性与资源有限性之间的矛盾，如何选择并优化多合作背景下的知识扩散和采纳路径，以及如何弱化生命跨度对知识域变化幅度的逆向影响，成为该阶段知识网络治理的核心问题。

(2)周期Ⅱ——开放式知识交换—潜化阶段或开放式知识扩散—倍化阶段，q

该周期下开放式知识总量hθ(v,t)函数的趋势更接近单周期下的扩散阶段，在时空交流域hθ(v,t)中，有：

E[hθ(v,t)]→(1+Dθ)q+(Tstock+Sij)+q；

(17)

(Tstock+Sij)]+2q。

(18)

多重驱动模式在该阶段下的开放式知识网络结构打破了原有周期Ⅰ的分布格局，用t1,t2,t3分别表示联合驱动、强驱动和无意识驱动，3类驱动模式在知识交换阶段表现为hθ(v,t2)>hθ(v,t1)>hθ(v,t3)，即强驱动模式下的网络知识分布明显优于联合驱动和无意识驱动两种模式，此时知识扩散水平Dθ、行业采纳深度Tstock和知识溢入量Sij对知识总量的影响程度与时间因素关联不大，参与个体间通过频繁地知识交换，使其原有的知识变化轨迹在存量基础上发生倍化反应，或通过知识互换而发生内聚潜化。其中：t1联合驱动模式下的知识创造与创新更倾向于优势知识力量的平衡；t2强驱动模式通过强辐射能力的个体与外界环境间的知识传递，影响其他主体的知识采纳和扩散水平；t3无意识模式通过个体间的多轮交换逐步形成相对稳定的网络规则，以及资源互换的社会关系。这种知识互换既有内在报酬，又有外在报酬，所获报酬近似等同于网络所付的交换成本，参与主体间频繁地进行知识交换，直至影响网络运行的整体绩效。

(3)周期Ⅲ——知识转化—稳态阶段，t≥1，且t→At,[A]=H。

该周期下知识总量hθ(v,t)函数的变化接近单周期下的成熟阶段，知识布局呈现为广义稳态。当t→At时，知识主体的协同程度、商业化转化水平和对外自调整能力为知识结构是否呈稳态的决定性要素。hθ(v,At)为知识传递过程的临界总量，当超过该临界值时，系统最初存量Tstock和hθ(v,t)都会缓慢递减；当位于临界值之下时，知识受到多类压力共同作用，hθ(v,t)的值将急速递减。该阶段的E[hθ(v,t)]和D[hθ(v,t)]，以及时空交流域hθ(v,t)具有如下特征：

E[hθ(v,t)]→(1+Dθ)q+(Tstock+Sij)；

(19)

(20)

从函数发展趋势上看，Δhθ(v,t)=E[hθ(v,t)]-q，且有Δhθmin(v,t)≤Δhθ(v,t)≤Δhθmax(v,t)。周期Ⅲ下开放式知识总量的实际值相对于E[hθ(v,t)]的偏离差值呈现递减的趋势，因此处于成熟阶段的开放式知识网络规模变更越稳定，主体间的链接越紧密，知识转化技术成果方向越明确且有序，该阶段已经建立起较为规范的知识治理规则。知识采纳Tstock则以网络分享为主，共同创造为辅。t1,t2,t3下3类驱动模式的总量大小为hθ(v,t3)>hθ(v,t2)>hθ(v,t1)，即无意识驱动模式下网络知识的密集程度相比另外两种模式更具可采纳性。此时，合作组织间的知识外溢现象十分明显，当知识网络的运作能力弱于当前市场的发展速度时，知识布局将很快进入衰退期，这种情况源于网络知识路径的惯例依赖和技术锁定等因素的共同作用。

4 网络演化和知识治理策略

4.1 治理案例描述和初步分析

在多重驱动模式下，开放式知识网络的内部结构、主体行为和空间布局不断更新，反映在知识的现存容量、输入容量和输出容量上，即存量、流量和转量。本节根据联合驱动、强驱动和无意识驱动的运作特征，选取技术转移服务网络、知识产权服务网络和创业孵化服务网络2012～2017年间知识量变的转化情况，分析高技术开放式知识网络的演变机理和知识总量的时空布局，并提出相应的知识治理策略。

4.1.1 案例1——北京协同创新服务联盟

该技术转移服务网络自2012年起已与国内6家重点技术转移服务企业形成了紧密的合作关系，并与来自英国、法国等22个国家的80多家国际机构建立合作渠道，初步形成了跨区域、国际化的技术转移协作网络。近5年间，所承担的农业技术转移“信服通”工程辐射区县完整的服务体系，所构建的科技成果承接与转化平台为科技成果的承接、培育和转化提供了综合管理及一站式服务。

4.1.2 案例2——国知在线知识产权服务网络

该网络由北京国知在线知识产权服务公司开发，与中国高科产业研究会、国家知识产权出版社、国际投资促进会、电商委员会等合作，在外部知识市场需求下，融合了知产检索、知产交易、知产代理、创客IP、专家评价、技术集成等知识功能，其功能已由低端的产权代理逐步过渡为较高端的高附加值与精细化的服务内容。

4.1.3 案例3——安徽科技企业咨询服务网

该网络是由安徽省科学技术咨询中心与安徽科源工程咨询有限公司、安徽省科贸实业公司、安徽新科技职业学校、省科技设计研究所构成的企业咨询合作网。通过连续5年应用基于大数据的全量咨询方法与管理技术，使科技咨询服务网络的咨询内容、网络合作关系和创新结构都发生了质的变化。

4.2 研究设计与阶段分解

以4.1节3个案例2012～2017年的业务实现情况为例，通过分层次、分阶段、多渠道的方式获得研究数据与资料[27-28]，来探索开放式知识网络的时空演变过程与运行规律。3个案例中的知识总量以专利数量、科技创新项目数量和高端创新型人才数量为依据，设知识总量的增长速率为0.3。根据式(6)和式(7)得到hθ(v,t)与演化周期T、hθ(v,t)与知识流出系数δ、知识流出系数δ与演化周期T的关联图，如图7和图8所示。可见，2012～2017年间，案例1共经历了替代、互补、升级3个时期，业务形成和发展中的网络结构也在动态持续演进；案例2将单一地提供专利和商标代理登记服务延展至知识产权战略分析、产品市场战略、风险评估和预警等高端服务项目；案例3给出新经济模式下新型咨询服务业态的递进升级路径。

综合分析知识网络总量和知识流出系数，以及知识网络总量和演化周期之间的关系，3种驱动模式下的知识流动系数δ(0<δ<1)无论为确定型还是随机型，随着知识传导时间t的推移，知识系统在周期Ⅰ、周期Ⅱ和周期Ⅲ将逐步达到稳定状态。在知识获取初期，传导时间t越长，hθ(v,t)的知识扩散效应越显著(如表4)；在知识交换中期，知识行为学习和外界扩散能力不断增强，网络结构相对趋于稳定(如表5)；在知识转化末期，由于网络内部已经普遍采纳各种类型知识，hθ(v,t)的知识扩散效应不很明显(如表6)，知识系统在3个周期的具体变化过程、知识变化布局和演化周期解读如表7所示。

表4 周期Ⅰ阶段的知识网络参量(0

表5 周期Ⅱ阶段的知识网络参量(q

表6 周期Ⅲ阶段的知识网络参量(t≥1)

表7 跨层次纵向案例的三阶段分析

开放式知识流出系数能够在一定程度上体现知识转化成果的效率和效果，即知识网络的使用效益评价。知识流出量Tout与知识流出系数正相关，但其共享知识存量和创新成果产生量仍需结合知识网络的演化周期等因素来决定。从图7a～图7c比较可以看出，案例1是典型的联合驱动模式下的开放式知识网络，其网络知识交流程度明显高于案例2和案例3，知识共享度越高，从中获益的参与成员越多；案例2依赖技术开发方的汇聚效应，其创新成果的产生应用与核心成员的技术成果转化程度密切相关；案例3无意识驱动模式加大该知识网络构型的自由性，其独特的知识外溢效果促进了产业部门、科研院所和政府决策部门的联合，带动了多组织资源的多向作用，实现了全网价值链的升级与优化。无意识驱动模式下知识网络参与成员的获益程度比联合驱动和强驱动模式具有明显的优势。

4.3 知识治理策略

3类案例分别展示了联合驱动模式、强驱动模式和无意识驱动模式下高技术开放式知识网络的演变机理与知识总量的时空布局，其知识治理各有侧重和布局。知识网络结构布局的演化、分解和函数走势与网络演化周期密切相关，网络结构类型伴随时空特性的变化不断变迁或转移。

联合驱动模式下的服务网络由于缺乏行之有效的技术价值估价方法、科技成果成熟度检验，以及技术预实验或市场预评判技术，亟待寻求得到需求市场的认可与投资的技术成果，以激发知识总量大幅度变化；价值转移资源缺乏共享机制，信息数据利用效率有限，知识资源交换效果不明显，在知识治理策略上亟需构建统一的技术转移集成服务平台，以加快开放类知识结构的演进与升级；强驱动模式下的服务网络由于缺乏产权开放与保护机制，特别是在开放、开源及共享条件下，需要开发出多维可视化产权图谱空间，以提升知识创造与产权交易为一体的综合服务能力；而无意识驱动模式下的服务网络知识总量呈随机分布，其未来网络需结合大数据背景进行咨询类知识的沙盘推演和评估，网络知识库的自动分类和智能化处理等都将成为开放式知识网络生态服务圈形成的重点。

开放式知识网络具有人才智力密集、科技含量高、产业附加值大、辐射带动作用强等显著特点，其在新常态经济模式下不断渗透融合使现代产业格局发生重大变化。多重驱动模式下知识网络的治理策略集中表现在：①知识存量规模不断增容，知识价值与技术成熟度呈现正相关，网络存量边界作用于多主体协同伙伴之间，治理重点为用户体验效果的不断积累和积极引导。②知识流量侧重于对行业共性技术的共享，共享效果还需结合开放式创新的具体特征及共性技术的普及情况进行度量，知识流量则会受到早期技术潜力价值预期、网络评估效率与质量、知识产权保护和技术成果定价等因素共同影响。治理方法则是建立线上技术交易与线下技术研发之间的对接模式，其中针对高技术熟化路径形成自动分析和成本估算机制是激发开放式创新与创业相结合的关键。③知识转量作用于高新技术产业链向产业生态圈转化过程中，是面向创新创业全链条集成式网络构建的表达形式，知识流转的治理方案需要结合参与者在创新过程中的具体行为，划分专门化创新、专家领域创新或形式化创新。④知识总量和知识网络的演化周期密切相关，其治理策略需要引入数据挖掘技术，在知识获取—渗透阶段、知识交换—潜化阶段、知识扩散—倍化阶段、知识转化稳态阶段融入知识推广、用户导入、中介服务至投融资辅助的支撑环节，助推高技术众创空间、孵化器与加速器等多种服务平台的综合应用，打造一站式全过程开放式知识服务新模式。

5 结束语

本文探索了多重驱动模式下开放式知识网络的动态演化，从知识网络结构布局、生命周期特性和创新变革趋势角度，揭示知识获取、交换和商业转移的全过程。可以发现，在集聚知识内部能量的基础上，优化和完善现有高技术知识网络的运营机制与转移方式，挖掘开放式知识流动的规模优势，可以为开放式创业生态系统融集经验、技术、思想、人才和专有设备等创业资源提供有效支撑。根据网络所处的知识发展阶段，可以将行业共性技术平台与开放式创新平台相结合，拉动高技术价值增值链向创新生态圈方向进化，同时带动其他新型高技术产业快速发展，发挥新经济增长点的辐射拉动作用，为新一代信息技术产业升级发展创造新的生长空间。

“互联网+”、云计算、大数据和物联网等变革型技术的不断发展与普及应用，为新型高技术科技资源共享提供了技术支持和提升空间。未来对开放式知识网络的研究将集中于搭建创新与创业、线上与线下、孵化与投资相结合的开放式服务平台，其全过程运行机制与数字赋能方式必将激发开放式网络内部知识的快速流动，进而全面提升整体网络的知识水平。