基于探索、开发的区域创新生态系统评价与动态演化研究

王 寅，袁月英，孙 毅，王丹丹

(1.天津财经大学国际工商学院，天津 300222；2.天津财经大学会计学院，天津 300222)

0 引言

我国各地区创新生态系统发展不平衡，科技创新能力、经济发展水平差距显著，严重阻碍了科技强国之路，致使数字化技术的应用和开放式创新的推广进程缓慢。党中央、国务院多次通过会议强调要实施创新驱动战略、建设创新型国家，使创新生态系统建设和治理成为理论界和实务界的重要议题。此外，经过多次工业革命，创新范式已从企业自主创新转变为开放型创新，再转变为协同创新与联盟，并在动态、共生、网络化的环境下发展成为基于利益相关者的生态系统[1]。创新生态系统的协同效应取代了产业技术联盟和工业区的规模经济与范围经济，成为很多地区追捧的创新范式。值得注意的是，系统的要素基础及其管理过程中所产生的路径依赖等风险极易引发系统发展停滞或退化，进一步扩大了系统间创新能力的差距。

双元性创新是组织技术创新的最优模式，系统治理者应科学规划开发式创新与探索式创新，促进系统创新的均衡性、互补性和连续性。开发式创新强调对即有知识和技术的挖掘，改进和提升生命周期内的产品质量和生产效率，匹配客户端的短期需求和使用体验[2]，是技术创新的量变过程[3]。探索式创新强调对即有知识和技术的突破，利用全新一代产品挖掘新的市场和客户机会，匹配组织的长期需求[3]，具有复杂性、突破性和高风险性等特征。组织在对创新生态系统的风险控制、创新孵化、资源禀赋等能力高度依赖的情境下，实现可共享的、持续的、风险可控的技术探索，进而影响系统的创新效率、均衡性及演化方向[4]。那么基于双元创新视角，如何评价区域创新生态系统的均衡性？系统微观的动态演化规律是什么？包含哪些阶段？当前学界对区域型创新生态系统的研究集中于运转机制、创新主体的协同、开放性创新和评价体系等方面[5-6]，并论证双元性创新与系统绩效的正反馈作用[7]，但未涉及基于创新二元能力的系统评价及其动态演化机理。

管理实践中，双元性创新受到区域治理者和企业管理者的高度重视，国内外的统计年鉴、硅谷等先进创新生态系统的战略规划都对开发式创新和探索式创新进行指标分类，然而国内大多数系统的建设和管理却效果欠佳，仍缺乏可靠的方法论。

基于此，本文将以创新二元性的全新切入点，探究区域创新生态系统的演化特征和机理，根据现有理论和科技创新统计数据，利用专家打分、因子分析等方法构建基于探索与开发的系统评价体系，以2018年的平均数为基值对我国31个省份的系统进行评价，并挑选出广东、浙江、北京等高级系统的案例，利用1998—2017年的纵向数据对其动态发展规律进行剖析，提出探索性命题并探讨相关的政策应用。

1 相关构念及特征分析

1.1 创新生态系统的构念

Iansiti认为，创新生态系统 (以下简称“系统”)是由处于不同生态位的组织相互影响、竞争和组合优化形成，受不同宏观要素影响的协同体[8]，通过信息链、资金链、知识链等推动其自身联结与演化。系统通过组织间的研发合作、专利许可和转让以及产品标准合作与制定等协同匹配市场需求[9]，形成技术和资源的竞争优势[10]。近期研究则进一步强调开放式创新，将客户和公众纳入系统的物质、信息和知识流动过程中[11]。综上，区域创新生态系统是在一定地理区域内的企业、高校、科研机构、中介机构及客户等，在宏观环境要素的影响下，利用开放式创新，通过知识、资源的流动与共同学习创造，满足市场需求的协同体。

1.2 创新生态系统要素及仿生特征

基于仿生视角，系统主要由宏观环境和微观组织群落构成，创新群落按其特征和生态位分为创新主体群落，以及与主体群落形成知识联结的上、下游群落[12]。主体群落是将创意转化为技术的核心单元集合体，决定创新动能[13]，如富含高科技企业、高校和科研机构的高新技术开发区等；上游群落是孵化创新所需资源提供者的集合体，如供给原材料和基础性技术的校企集群等，从供给侧制造生态壁垒[14]；下游群落是输出创新产品并负责匹配客户需求、收集客户信息流的产业层。各群落在系统内共生和网络协同过程中动态互动[4]，与宏观环境交互影响，形成创新偏好与重心不同的系统[15]，如图1所示。

图1 基于群落创新行为偏向性的区域型创新生态系统示例

创新生态系统具备开放性、多样性和自演化性等仿生特征。开放性使技术创新突破组织边界，与外界发生信息和资源交换，使系统持续演化，更新属性特征与生态定位[16]。多样性是指各系统的成分、层级、环境等都不尽相同，创新单元与群落能通过产业链、信息链和资金链等形成价值网络，通过合作共生与优胜劣汰实现演化[17]，在动态环境下不断试探并接近最优状态[18]。自演化性是系统基于环境的自我更新与进化能力[19]，受系统内部资源、创新单元与群落、政策环境、风险偏好、文化和均衡度等属性影响，其中环境对系统创新要素配置有显著作用，能够促进创新生态系统的良性变异和优化升级[20]。

2 研究评述及演化模型

2.1 创新生态系统评价的研究评述

基于组织关联和网络视角，系统的联结效率决定了其创新绩效；而基于技术标准和合作网络视角，系统的构建特征与过程则是其创新能力的决定性因素；基于系统外部要素的互动视角，客户发挥的作用在数字经济情境下决定了系统的有机性，并进一步影响系统创新效率[11]。而从研究对象来看，区域型创新生态系统有别于其他非有界性系统，数据更具可获得性和严谨性[11]，Still等通过社会网络分析了区域型系统的演进方式[21]。此外，有学者关注系统的动态演化过程，王宏起等以比亚迪汽车为例分析新能源汽车产业创新生态系统的三阶段演化过程[22]；欧忠辉等通过仿真方法探讨系统的演化模型和平衡特征[23]。综上，关于区域创新生态系统的评价及演化研究日趋成熟[7]，但鲜有研究将双元性创新作为切入视角进行系统动态演化的探讨。

2.2 创新生态系统的演化模型

基于现有理论，以开发式创新能力为横轴、探索式创新能力为纵轴，创新绩效等价线为原点等距边界，将创新生态系统划分为初、中、高级[3，15]，如图2所示。图2中，象限角平分线代表系统开发式、探索式创新的绝对均衡，扇形两侧代表次优非均衡，两种创新能力和绩效的变化决定系统的演化阶段与方向。基于此，系统划分为初级初创型、中级交替型、中级偏开发型、中级偏探索型、高级双元均衡型、高级超开发型及高级超探索型[15]。初级初创型系统创新能力弱，资源、知识和信息的动态能力差[12]，多为非发达地区和衰退型区域，如美国底特律等。中级交替型源于系统的资源约束，系统须将创新重心在探索与开发之间交替轮动，但系统自身的互补性、协同性和既有资源的自强化作用会降低上述可能性并形成演化。偏开发型和偏探索型是交替型系统的重心向某种创新偏移的结果，如系统内长期存在较多的探索式创新单元、群落和环境元素的硅谷属于偏探索型[24]，而非洲等落后地区系统更重视中低端制造业开发式创新群落的建设，多为偏开发型。高级系统中，均衡型是指系统能够长期维持两种创新的高水平均衡[25]，保证创新产出数量、效率和质量领先，为最优模式和进化终端。超探索型和超开发型系统是均衡型在其中某种创新惯性作用下丧失均衡性而产生的退化[15]，系统内在的资源因素和治理机制等是其退化的内在诱因[26],而宏观经济环境、政策以及系统对外联结能力等则是外在诱因[5]。

图2 创新生态系统分类与演化模型

3 指标筛选、模型构建与评价分析

3.1 指标筛选

参考现有的区域创新生态系统评价指标体系[11，21，27-28]，在双元性创新视角下，将原始指标划分为开发式创新指标和探索式创新指标。依据是：①两种创新的特征和构念范畴；②两种创新的测量方式，如Gilsing等利用专利大类IPC编号区分，Guan等采取发明专利度量探索式创新、实用新型和外观专利来度量开发式创新，毕晓方等则利用新会计准则中R&D投资特征区分探索式创新 (R>0,D>0;R>0,D=0)与开发式创新 (R=0,D>0)；③Gima等、Kollmann等研究的量表。经过与17位同行专家的讨论，利用统计方法排除相关性过强或同时影响两种创新的指标，从110个指标中选取开发式创新、探索式创新两套指标各17个，分别代表系统创新环境和创新群落的水平，见表1。

表1 区域创新生态系统评价指标体系

3.2 统计检验与评价

通过1999—2018年 (1998年前数据缺失)的中国区域科技创新评价报告及中国火炬统计年鉴等科技统计年鉴数据库，获取各区域创新生态系统的指标数据。

WSC-S型测色色差计 上海精科仪器有限公司；BSA224S型电子分析天平 赛多利斯科学仪器(北京)有限公司；BCD-215KJN型冰箱 青岛海尔股份有限公司；YXD-24B型高级电热食品烤箱 广州市豪宝厨具有限公司。

表2 指标效度检验

表3 开发式创新解释结果

表4 探索式创新解释结果

3.3 截面数据分析、判别体系设计与分析

利用评价标准分析2017年全国31个省份及东部沿海、东北、中部和西部4个地区的数据，设定创新水平参考基值与判别标准，令该年全国创新生态系统探索式和开发式创新能力得分为基值1，得出各区域系统两种创新的评价得分，见图3和图4。

图3 2017年31个省份创新生态系统探索式创新评价

图4 2017年31个省份创新生态系统开发式创新评价

从图3的探索式创新角度看，2017年创新能力前3位是沿海发达城市，如北京、江苏、广东，但东部地区也有落后于全国平均水平的城市，如河北、天津、福建、海南。沿海地区无落后水平城市的是华东地区；华北地区离散度较高，领先与落后的省份各占一半，其中北京突出的探索式创新能力如何在京津冀地区体现溢出和协同效应是亟需探讨的问题；以新疆、宁夏、青海和西藏为代表的西北、内陆地区探索式创新能力整体较弱。

此外，探索式创新与区域经济体量和GDP增速存在正相关关系，决定经济增长的前置或后置因素影响了探索式创新。值得注意的是，上海在上述相关关系中偏离明显，说明其探索式创新能力仍需提高，以获得可持续发展的长期技术创新和经济发展动力。对其金融和贸易方面的数据进行比对分析可知，其较高的贸易和金融水平对经济贡献程度更大，但与探索式创新能力的相关关系并不显著[29]。分地区看，探索式创新得分排序从高到低依次为东部、中部、东北及西部地区，与各地区经济总量和增速亦呈正相关关系，但东北和西部地区的排序出现倒挂，说明西部地区创新生态系统的探索式创新能力严重落后，存在潜在的转化或传递问题。

从图4的开发式创新角度看，系统创新能力的得分和排名与探索式创新差异显著，前5位是东部城市，即广东、北京、江苏、浙江和上海，天津、河北和海南依旧落后于全国平均水平。上海的排名仍与其经济发展不匹配，可推测系统的贸易和金融发达程度与创新能力存在一定的互斥作用[29]。分地区看，得分排序从高到低依次为东部、中部、东北及西部地区，与探索式创新排序相同。东北地区仍强于西部地区，是由于探索式创新与开发式创新的交互作用。其中，东北地区由于重工业发达的历史原因，虽然近年来经济增速缓慢，但开发式创新仍存在历史延续性，因此探讨双元性创新时间序列的自相关性也是题中之义。

为了探究系统所处演化阶段的判别标准和2017年各系统两种创新能力的分布，以开发式创新能力为横轴、探索式创新能力为纵轴，利用表5和表6的综合得分制图，如图5所示。

图5 2018年我国31个省份创新生态系统双元性创新能力分布

3.4 1998—2017年京、浙、粤区域创新生态系统纵向分析

为了微观、动态地分析各系统的均衡性及其演化路径，研究将对1998—2017年的统计数据进行纵向分析，在此选取北京、浙江和广东3个省份为案例样本进行深入探讨 (北京、浙江、广东3个样本地区分别在2008年、2009年和2015年演化为高级均衡型创新生态系统，三者依次为京津冀、长三角、珠三角的代表性省份且演化路径不同，研究其演化路径和规律可为其他省份的系统建设提供标杆及方法论)。北京的开发式创新和探索式创新能力历年领先于全国，主因子得分和综合得分如图6 (a) (b)所示；1998—2017年创新能力增速最快的是浙江，如图7 (a) (b)所示；广东的创新能力同样受贸易因素影响，但已演化为高级系统，比同类型的上海 (中级创新生态系统)更具代表性，如图8 (a) (b)所示。

图6 1998—2017年北京创新生态系统开发式创新、探索式创新能力得分

图7 1998—2017年浙江创新生态系统开发式创新、探索式创新能力得分

图8 1998—2017年广东创新生态系统开发式创新、探索式创新能力得分

首先，从细分维度的得分分析北京、浙江和广东得分差异的内在因素。从开发式创新能力看，广东创新环境指标增速较快，而北京增速缓慢，可知广东开发式创新环境的建设与管理更为科学，而北京的创新环境发展存在成熟期边际递减的特征。广东是下游群落增长领先的地区，浙江次之，体现了其制造业的末端属性，而北京未将制造业作为长期发展的核心，近年更是主动淘汰或迁出了部分企业和相关机构。但北京的开发式创新主体群落得分显著高于其他地区，是由于充足的科研机构数量，包括很多国家级科研机构和产业创新联盟，后者对环境变化的反馈效应促进了主体群落开发式创新的自强化作用[14]。值得注意的是，从开发式创新上游群落得分看，北京相对于广东的优势并不明显，但代表上游群落的高校、科研机构的数量和质量却明显占优，可知北京上游群落的开发式创新产出较低，广东上游群落的创新单元更注重开发式创新。

从探索式创新能力看，广东的创新环境指标显著高于北京、浙江，其中北京受限于其人口增速和城市规模，初值最大却增速最慢；而广东在探索式创新的投入和人才引进方面优势明显，从政府网站、统计局和经济发展管理局相关数据、政策的比较分析看，近年来广东各地区的人才引进政策强度领先于全国，尤其是深圳市和广州市。

从创新下游群落看，广东强于浙江，而北京增长仍缓慢，决定因素亦是产业质量、地区规划以及下游科技企业的质量和数量差异。而探索式创新主体群落的发展差异比开发式创新显著得多，北京初值高和发展速度快是其综合得分领先的主要原因，北京的科研机构在探索式创新方面存在绝对优势，投资和孵化环境较好，具备大量的国家级研发中心和产业联盟等。从上游群落角度看，北京具有长期领先优势，说明高校、科研机构和孵化机构等配套设施对探索式创新至关重要，一流院校更重视探索式创新。

进一步，将北京、浙江、广东的开发式创新和探索式创新得分与我国经济周期按照1998—2017年时间轴绘制，如图9所示。利用Matlab7.0根据回归算法绘制其双元变量基于时间序列的空间直角坐标探究其演化特征与情境因素。

观察发现，开发式创新和探索式创新在发展过程中存在生命周期调节的交替上升规律[15]。在图9的北京、浙江和广东案例样本的时间序列中亦可发现基于经济周期的类似规律，因此在跨案例证据的角度提出命题1：区域创新生态系统开发式创新、探索式创新能力与经济周期存在互动规律。

由图9可知，两种创新能力在时间序列中出现背离、相向和相交的状况。近20年，两次金融危机影响了我国的经济周期[30]，包括1997年的亚洲金融危机和2008年的美国次贷危机，纵观3个案例的创新能力趋势图，两次相交分别出现在1997年和2008年 (两种创新出现交叉，随后背离)，此外在2016年出现相向、相交趋势也与经济周期 (我国经济L型转型、股灾等)存在潜在的相关性[31]。因此提出命题2：在宏观经济滞胀期和衰退期，区域创新生态系统的开发式创新和探索式创新能力趋势相反，相向变化；命题3：在宏观经济复苏期和繁荣期，区域创新生态系统的开发式创新和探索式创新能力趋势相反，背离变化。

图9 1998—2017年北京、浙江、广东创新生态系统双元创新能力演化

进一步观察，与浙江、广东相比，北京两种创新能力的趋势性相对前置，创新的周期随动规律与企业相似[15]。上述规律是由于探索式创新的变革、突破能力更强，而开发式创新重视改进与渐变；探索式创新是开发式创新的先决条件和技术跳跃的门槛，而开发式创新则是探索式创新的存续、改善和转化率提升的基础。3个省份的创新生态系统均在双元性创新能力的螺旋驱动下，实现了新旧产业技术的交替和正向演化[13]。

Matlab7.0所构建的时间序列三维关系中两种创新存在二元互动关系，北京、浙江和广东3个样本都难以实现长期的绝对平衡，螺旋上升的过程在于两种创新对资源的争夺或正交作用，即资源稀缺导致的二元交替过程，如财政预算和拨款的限制、地方债务和税收政策的效应、人才和招商引资政策的竞争与边际效用递减等。总体来看，二元互动上升说明各系统的长期向好趋势。从微观演化路径看，北京创新生态系统的演化路径为中级交替型—中级偏探索型—高级均衡型，处于最优状态；广东创新生态系统的演化路径为初级初创型—中级偏探索型—高级超开发型，目前接近均衡状态，探索式创新相对欠缺；浙江创新生态系统的演化路径为初级初创型—中级偏探索型—高级超开发型，亦向均衡趋势线回归。

综上，当前阶段我国各地区的政策强度、经济底蕴、人才质量及区位优势等环境因素对系统的演化状态影响显著，仍属政府主导型阶段；华东、华南地区创新生态系统跨区域性扩散效果强于东北、华北和西北地区，除学者已论证的政策和创新主体的作用之外，上游群落的知识、文化网络建设和下游群落的用户创新信息的扩散、反馈等方面的影响持续增强。

4 理论贡献与政策应用

4.1 理论贡献

(1)在区域型创新生态系统评价现有研究基础上，引入双元性创新的全新视角，开发了基于探索式创新、开发式创新二维变量的评价指标体系，拓展了现有理论的评价维度，从而能够微观地揭示系统中两种创新的动态发展，为后续研究提供此视角的量化基础。

(2)以现有文献对组织双元性创新演化阶段的划分模式为依据，进一步以创新资源与绩效为边界，探究并归纳创新生态系统的演化阶段分类与判别方式，拓展了研究对象的范畴，并通过纵向案例分析弥补现有研究对创新生态系统动态演化方面缺乏探讨的不足。

(3)通过北京、浙江和广东创新生态系统开发式创新、探索式创新能力与我国经济周期的拟合，发现创新生态系统探索式创新和开发式创新能力交互上升，且在经济周期不同阶段分别呈现相向或背离变化的新规律。

4.2 政策应用

(1)地方政府可基于双元理论以高级均衡型系统为目标进行创新环境治理、政策引导和风险控制。相关部门可制定基于双元创新的长期规划，改善创新环境，优化上游群落、主体群落以及下游群落的资源流、资金流、信息流和技术流等网络化建设，降低搜索和协调成本，定向引进人力、投资和互补创新资源[1]，设计合理的财政激励政策，制定系统退化的风险预防机制以及监控、应对的措施[20]，力求实现长期均衡与正向演化。

(2)中央政府可以引导区域创新生态系统通过开放式创新进行跨区域渗透、扩散和协同发展，降低创新方面的贫富差距、假性协同和恶性竞争。在加快建设国家重要经济带的过程中，可借鉴长三角的经验，通过跨区域的基础设施建设、经营环境和财政政策优化等，避免资源和人才的恶性竞争，降低区域间经济、技术的贫富差距，全面提升国家创新能力。

(3)各级政府可利用经济周期与开发式、探索式创新的互动规律，制定宏观调控政策和创新战略规划。国家与地方政府应在经济周期的不同阶段制定对应的政策，加强各创新群落和系统环境抵御经济风险并保持长期均衡发展的能力，如重大公共卫生事件、贸易战、经济危机等特殊时期，可基于国家层面对群落要素采取定向培育和支持，如国家产业技术联盟、技术研发重大项目等；地方政府可通过优化技术共享制度、保护制度及环境因素[7]，提高各创新主体的满意度和正反馈，落实长期可持续的、有机的创新生态发展。

4.3 局限性与展望

基于指标可得性和政策可操作性，仅将区域创新生态系统确定为研究对象，但当前创新生态系统受开放式创新的影响逐渐趋于无边界化，如华为、苹果等企业为主体的全球化创新生态系统，其演化规律和要素突变仍需探讨，如由于欧美多国政府制裁而导致华为创新生态系统割裂等问题。