中国高成长企业的双元创新路径探析——以苏南自创区瞪羚企业为例

汪 涛，王璐玮，储姗姗

(南京师范大学地理科学学院，江苏 南京 210023)

0 引言

2014年10月，国务院批复同意支持南京、苏州、无锡等8个高新区和苏州工业园区建设苏南国家自主创新示范区 (苏南自创区)，其作为江苏省科技创新高地，培育了一批高创新、高盈利、高成长的瞪羚企业[1]。这些企业成为苏南地区经济增长和创新发展的生力军，其创新方式和路径为传统企业的转型升级提供了发展样本，具有重要研究价值。

瞪羚企业在不同阶段具有不同的发展需求，经常面临在现有基础上创新还是打破常规创新的困境，如何在日渐动荡的环境中管理那些看似对立且相互竞争的创新行为[2]，成为高成长企业亟待解决的问题。相关研究最早可以追溯到1976年Duncan提出的组织二元性，他认为组织能够通过结构调整适应外界的渐进或突变式变化。1996年Tushman等重拾这一概念，将其描述为可以同时管理进化式变革和革命性变革的企业，自此有关创新的二元式研究涌现[3]。基于二元视角，创新被划分为渐进式创新和突破式创新，前者是以最大化价值利用为目标，对现有技术完善和升级引起的连续性创新行为；后者是以有意识的革新为目标，开发新产品、新技术以满足市场潜在需求的跳跃性创新行为[4]。以March为代表的平衡观点认为，资源稀缺导致两者之间具有强烈的对抗性，一种创新会对另一种创新产生负外部性或排挤效应[5]。随着研究深入，更多学者基于正交观点认为渐进式创新和突破式创新之间存在相互促进的反哺效应。后续研究整合上述两种观点，将时空维度引入双元创新的探讨，由此形成两种不同的创新模式：一是渐进与突破交替进行的时间分离性平衡 (次序性)模式，二是渐进与突破并行的空间分离性平衡 (共时性)模式[6]。理论上，领先型企业在内部管理上具有较强的组织柔性，倾向于选择共时性模式，而追赶型企业在资源约束下更适于采纳次序性模式。然而现有实践表明，在蕴藏了丰富资源的创新网络中，一些领先型企业在沉没成本效应下，对外关系表现出较强的组织依赖和锁定特征，而部分追赶型企业从创新溢出中获益，时空上对双元创新的动态调节不断随着创新网络的扩容而更加灵活。因此，网络条件下需要进一步探讨瞪羚企业的双元创新路径发生机制。

随着创新格局由等级化向网络化演变，学者对双元创新的认知视角也从单个组织主体扩展到复杂的网络成员之间，频频利用网络理论揭示双元创新的发生机制。近期研究主要集中在以下3个方面：①创新网络对双元创新的边际效应，结合网络资源悖论，探究高动态环境中创新网络演化与双元创新发展的非线性关系[7-8]；②创新网络结构对两种创新的差异化影响，基于创新在前因、结果和权变因素上的异质性，剖析和比较不同网络结构特征对两种创新的驱动机制[9-10]；③创新网络演化与双元创新路径选择，从动态整合视角探究不同的创新网络发展阶段，企业如何谨慎选择自我更新、资本延伸的匹配性战略，解决两种创新之间的效益需求冲突[11-12]。由于缺乏划分创新连续性、新颖程度的统一标准，有关双元创新路径发生机制的研究仍存在较大分歧。鉴于此，本文整合网络研究范式和组织二元性研究范式，以苏南自创区183家瞪羚企业为研究对象建立创新网络，运用层次回归模型剖析网络位置、知识搜索和关系强度对渐进式创新、突破式创新的作用机理，并结合创新网络动态特征梳理瞪羚企业双元创新路径，如图1所示。

图1 苏南自创区瞪羚企业的空间分布

1 理论分析与研究假设

1.1 网络位置与企业创新能力

网络位置是指企业在网络中获取异质性资源和控制信息传递的能力[13]。度数中心度指节点与相邻节点直接相连的关系数，用于考察企业充当网络中心枢纽的程度。Brown等[14]基于组织学习视角认为，高中心性企业拥有丰富的信息源和信息渠道，有助于企业整合内外部知识；Burt基于竞争视角认为，高中心性企业通过对比多元信息从中识别出准确、有效的信息，而不受竞争对手发出误导信息的干扰[15]；Powell等[16]基于合作视角指出，高中心性企业可迅速发现和接近创新先进性企业，拥有更大的机会被挑选为合作伙伴。

结构洞是指行动者间的非冗余联系[17]，其理论价值在于把中间人、局部桥、渔利者等相关思想整合成一致的分析框架。学者[18]普遍认为网络群体间的观念和行为比群体内部更具有异质性，跨群体建立关系的经纪行为可以为节点提供更多的新思想。结构洞通过这种经纪行为赋予节点更广阔的中间人视野，从而比其他位置上的成员更具竞争优势。

度数中心度和结构洞分别从中心性和中介性两个维度刻画企业的网络地位。从链接能力看，地位高的企业更有能力调动潜在的网络资源，使其便捷地集聚和扩散[19]，凭借可达性、时效性和参考性这3种信息优势推动渐进式创新；从控制能力看，占据优势地位的企业拥有更多机会充当信息中心枢纽或传播通道，易于从网络中获取更多的 “桥”收益，通过掌握信息处理的先发权、主动权推动企业突破式创新。因此提出假设H1a：网络位置正向促进企业的渐进式创新；H1b：网络位置正向促进企业的突破式创新。

1.2 网络位置与知识搜索水平

知识搜索水平是指企业运用网络关系检索、挖掘外部资源的能力。Nelson等[20]从演化经济学和组织生态学角度提出本地搜索的概念，将其定义为企业在邻近地域搜索或对相似知识进行搜索的行为。在本地—远程搜索的边界研究中，地理范围是一个关键的划分标准[21-22]。Laursen[23]指出起源于演化经济学的知识搜索研究出现了明显的从本地搜索向远程搜索演进的动向。更多新近研究也表明企业获取知识的地理范围越广，其知识搜索水平越高[24-25]。

知识搜索水平的差异还表现在搜索深度上。知识搜索深度是指企业对某种知识的提取强度和对知识源、知识通道的利用强度[26]。学者[27-28]主要基于Laursen等设计的调查问卷，对 “是否密集使用一些特定的知识搜索通道” “是否提取和利用特定领域的知识”等题项进行扩展，根据问答结果对知识搜索进行深度量化。这种基于搜索强度的测量方法不利于区分搜索深度对创新行为的双向影响，即超出适定范围后，搜索深度的持续增加会强化企业的技术轨迹，导致组织僵化[29]。因此，基于合作质量的知识搜索深度量化方法更加合理。

网络位置与知识搜索之间存在密切联系，从搜索宽度看，地位高的企业可以凭借紧密的异质性联系对知识进行筛选、吸收和整合，不断优化知识搜索条件拓展知识搜索范围；从搜索深度看，具有地位优势的企业可以通过非冗余联系，高效识别有用信息，将有限精力投入到最值得维系的联系上，在深化合作关系的同时提高合作质量。因此提出假设H2：网络位置正向促进知识搜索水平。

1.3 知识搜索水平与企业创新能力

知识搜索服务于整个创新过程。Chen等[26]发现知识搜索广度和深度均对创新绩效产生正向促进作用，且受外部伙伴类型的影响；Stephen等[30]指出知识外部搜索在知识库影响创新绩效的过程中发挥着主要作用。在激烈的竞争环境中，企业通过利用式搜索循序渐进地升级产品与工艺，不断积累内部知识和资源促进渐进式创新[31]；当面临较多冗余资源时，企业通过探索式搜索摆脱常规的思考、行事模式，帮助企业找到进入新领域的机会，开拓新市场促进突破式创新[32]。因此提出假设H3a：知识搜索正向促进企业渐进式创新；H3b：知识搜索正向促进企业突破式创新。

1.4 知识搜索水平的中介效应

Berliant等[33]认为知识搜索具有代理中介特征，组织利用外部关系进行知识搜索，促进新知识的生产，以提高企业的创新能力；Alguezaui等[34]指出社会资本刺激知识搜索，进而影响组织的双元创新行为；胡保亮等[35]发现知识搜索范围和深度在全球制造网络位置和创新绩效之间发挥着中介作用。结合已有研究对网络位置、知识搜索、创新能力三者关系的分析，认为网络位置能够通过知识搜索影响企业的创新能力，因此提出假设H4a：知识搜索在网络位置提升渐进式创新能力的过程中起到中介作用；H4b：知识搜索在网络位置提升突破式创新能力的过程中起到中介作用。

1.5 关系强度的调节效应

关系强度是指企业与网络主体基于某种互动关系的连接程度。学者[36-37]多基于调查问卷，从关系数、接触次数、持久度、亲密度等层面对关系强度进行测度。李明星等[38]则指出网络关系是双向的，而问卷发放往往只针对样本企业，使关系强度调查结果不够客观，进而选择企业合作的平均次数对其进行量化。股权关系的建立可有效克服合作双方信息不对称的限制，成员间的频繁互动有利于形成共同解决问题的合作模式。

企业搜索知识时，与合作者建立的关系强度会影响信息传递质量和效率，进而影响企业创新能力。渐进式创新依靠背景知识和辅助知识挖掘更深层的技术，双方之间多为隐性知识交流。强关系因强互惠性建立的信任基础有利于促进关键技术在双方之间分享，减小隐性知识的流动难度，促进企业的渐进式创新；企业突破式创新依赖于更宽广的视野，要求企业不断更新外部关系以接受新观念。弱关系强调市场化交易原则，彼此之间不需要关系承诺和关系投资，有利于节约成本建立更多的新关系，推动企业的突破式创新[39]。因此提出假设H5a：关系强度在知识搜索促进渐进式创新时起到正向调节作用；H5b：关系强度在知识搜索促进突破式创新时起到负向调节作用。

1.6 模型构建

基于以上假设，构建以网络位置为自变量，创新能力为因变量，知识搜索水平为中介变量，关系强度为调节变量，企业年限、行业分类及注册资本为控制变量的层次回归模型，探究瞪羚企业双元创新的发生机制，如图2所示。

图2 瞪羚企业双元创新发生机制的概念模型

2 研究设计

2.1 数据来源

创新网络数据：①在万方数据平台检索183家瞪羚企业的专利申请数据，从中筛选出1505条联合申请专利数据，共涉及55家瞪羚企业；②利用C++程序分时段生成专利合作矩阵，构建创新网络 (包含9546对合作关系，涉及254个创新主体)；③将创新主体划分为企业、高校、研究机构、其他 (医院、政府机构等)4种类型，并通过企查查平台查询瞪羚企业的控股、被控股关系、成立年份、行业分类和注册资本等。

技术共现网络数据：在万方数据平台检索瞪羚企业申请专利的IPC分类号，统计各企业每项 “IPC”小类代码出现的年份及在同一专利中出现的次数，利用C++程序构建企业内部技术共现网络。

时间成本数据：利用XGeocoding获取各创新主体的地理坐标，结合盛名列车时刻表，查询合作双方所在城市间的高铁车次、发站、到站、历时信息，计算24小时内两城市间所有高铁车次历时的平均时长。

2.2 变量测量

(1)网络位置。以苏南自创区瞪羚企业及其专利联合申请权人为网络节点，构建创新网络，进而计算瞪羚企业的度数中心度CD (i)和结构洞ESi。

(1)

(2)

式中，j为与节点i直接合作的节点，j=1,2,3…J；Xij为节点i和j的合作总次数；q为除了i和j之外的节点；piq为节点i投入到q的关系比重；mjq是节点j投入到q的关系边际强度。

(2)知识搜索水平。根据合作双方间的时间成本，计算知识搜索宽度widi，公式为：

(3)

depi=ln (hi)ln (Rij)

(4)

式中，dij为节点i、j所在城市间的时间成本；a为节点i所在行业近期 (2016—2018年)发明专利授权量与研究期内 (2004—2018年)发明专利授权量的比值；b为研究期内节点i所在行业的发明专利占比；Rij为研究期内节点i、j所属合作类型的发明专利占比。

(3)关系强度。若节点i、j之间存在股权关系或合作次数不少于4次，则认为节点i、j具有强关系，否则具有弱关系。根据节点的强、弱关系数测量节点i的关系强度tiei，公式为：

(5)

式中，stroi和weeki分别为节点i的强、弱关系数。

(4)创新能力。参考吴颖文等[41]的研究，以IPC “小组”代码为节点，构建企业内部技术共现网络，如图3所示。

图3 企业内部技术共现网络——以常州回天新材料有限公司为例

考察瞪羚企业专利IPC “小类”代码出现的次数，若任意 (t-4，t]年间出现的次数大于等于1，则定义该代码为这一企业渐进式技术的重要组分 (Incre-IPC)，否则为突破式技术的重要组分 (Break-IPC)。在此基础上，借鉴Chen[42]的研究构建企业渐进创新指数 (Incre-index)和突破创新指数 (Break-index)，见表1。

表1 企业双元创新指数的评价体系

3 实证分析

3.1 变量检验与相关性分析

各变量的Cronbach’sα系数均大于0.7，表明数据具有良好的信度。依次加入网络位置、知识搜索水平、关系强度和创新指数进行因子分析，结果显示KMO值为0.702～0.862，Bartlett球形检验的显著性水平均小于0.05，表明数据具有良好的结构效度。

对各变量进行相关性分析，结果显示各相关系数均小于0.7，且自变量、中介变量、调节变量均与因变量之间呈显著相关，为探究变量间的作用关系提供了初步分析证据。对变量进行多重共线性诊断，结果符合回归分析的前提条件，允许采用层次回归检验变量间的假设关系。

3.2 主效应检验

分别构建以Incre-index、Break-index为因变量，只加入控制变量的原模型Model1和Model2。在原模型上增设网络位置自变量，构建Model3和Model4，形成 “Model1和Model3”和 “Model2和Model4”两组对照组。在Model3和Model4中 (表2)，度数中心度和结构洞的回归系数在显著水平下均为正值，且比Model1和Model2的解释力分别增加了48.2%和51.0%，说明网络位置对两种创新均存在显著的正向影响，H1得以验证。另外，发现Model3中度数中心度的系数高于结构洞 (0.311>0.297)，而Model4中度数中心度的系数低于结构洞 (0.29<50.344)，说明度数中心度对渐进式创新更重要，而结构洞对突破式创新更重要。

3.3 中介效应检验

分别构建以知识搜索宽度、搜索深度为因变量，只加入控制变量的原模型Model7和Model8。在此基础上增设网络位置自变量以构建Model9和Model10，形成 “Model7和Model9” “Model8和Model10”两组对照组。在Model9和Model10中度数中心度和结构洞的回归系数在显著水平下均为正值，且Model9比Model7的解释力增加了48.5%，Model10比Model8的解释力增加了52.0%,说明网络位置对知识搜索存在显著的正向影响，H2得以验证，见表2。

综合H1～H3的检验结果，H4得以验证。

由表2可知，Model9中度数中心度的系数低于结构洞 (0.247<0.294)，而Model10中度数中心度的系数高于结构洞 (0.224>0.219)，说明度数中心度更利于企业开展知识深度搜索，而结构洞更利于企业拓展知识搜索宽度。

表2 主效应和中介效应检验结果

在Model1和Model2的基础上增设知识搜索水平自变量，构建Model5和Model6，形成 “Model1和Model5” “Model2和Model6”两组对照组。在Model5和Model6中知识搜索宽度和搜索深度的回归系数在显著水平下均为正值，且Model5和Model6的解释力分别增至61.1%和64.7%，说明知识搜索对两种创新具有显著的正向影响，H3得以验证。另外，发现Model5中知识搜索宽度的系数低于搜索深度 (0.202<0.299)，而Model6中知识搜索宽度的系数高于搜索深度 (0.282>0.217)，说明知识搜索深度更利于渐进式创新，而知识搜索宽度更利于突破式创新。

3.4 调节效应检验

将变量进行标准化处理，生成交互项1 (知识搜索宽度×关系强度)、交互项2 (知识搜索深度×关系强度)，构建Model11～Model18。相比未加入交互项的原模型，Model12、Model14、Model16和Model18的解释力均得以显著提升。在以Incre-index为因变量的模型中，关系强度和交互项的系数均为正值，而在以Break-index为因变量的模型中，两者系数均为负值，说明关系强度在知识搜索促进渐进式创新的过程中起着显著的正向调节作用，而在促进突破式创新的过程中起着显著的负向调节作用，H5得以验证，见表3。

表3 调节效应检验结果

将瞪羚企业划分为强关系组 (tiei>0)和弱关系组 (tiei≤0)，散点图中对应组的直线斜率越大，表明其创新能力随知识搜索水平变化而变化的幅度越大。无论在知识搜索宽度还是搜索深度的回归中，以Incre-index为因变量的强关系组直线斜率均高于弱关系组，而以Break-index为因变量的强关系组直线斜率均低于弱关系组，直观揭示了关系强度对渐进式创新的正向调节作用，对突破式创新的负向调节作用，如图4所示。

图4 关系强度对双元创新的调节作用

3.5 被调节的中介效应检验

使用SPSS中的PROCESS宏命令进行检验，强关系调节下，度数中心度和结构洞通过知识搜索对Incre-index产生显著的间接效应，置信区间[0.322，0.573]和[0.367，0.544]不包括0，见表4。由表4可知，强关系数多的瞪羚企业可以通过 “靠近网络中心/占据网络结构洞—提高知识搜索水平—改善、升级现有技术”的路径开展创新；弱关系调节下，结构洞通过知识搜索对Incre-index产生的间接影响显著 (置信区间[0.149，0.124],不包括0)，而度数中心度通过知识搜索对Incre-index产生的间接影响不显著 (置信区间[-0.054，0.133]包括0)。说明弱关系多的瞪羚企业更适合通过 “占据网络结构洞—提高知识搜索水平—改善、升级现有技术” 的路径开展创新。

强关系调节下，度数中心度和结构洞通过知识搜索对Break-index产生的间接影响均不显著 (置信区间包括0)。而弱关系调节下，度数中心度和结构洞通过知识搜索对Break-index产生的间接影响均显著 (置信区间不包括0)，说明以弱关系为主的瞪羚企业更适合通过 “靠近网络中心/占据网络结构洞—提高知识搜索水平—技术革新、开拓新市场”的路径开展创新。

3.6 企业双元创新路径的选择

根据Incre-index与Break-index的比值，将企业划分为19家渐进式创新主导企业 (Incre企业)和36家突破式创新主导企业 (Break企业)。分阶段统计企业的网络指标，由此绘制箱图。

表4 被调节的中介效应检验结果

从均值分析，2004—2010年Incre企业在度数中心度和知识搜索深度上占有优势，相比Break企业，Incre企业更靠近网络中心，倾向与合作者开展高质量的创新活动。2011—2015年Incre企业的知识搜索宽度和深度均有所加强，强、弱关系数均有所增加，表明Incre企业主要利用弱关系拓展知识搜索范围，利用强关系加深对原有合作者的知识搜索，以巩固自身的中心性地位，提升渐进式创新能力。2016—2018年Incre企业的知识搜索宽度较前一阶段有所削弱，搜索深度进一步加强，且弱关系数有所减少，强关系数有所增加，说明Incre企业逐渐将创新重心转移到 “利用强关系加深知识搜索”上。这种创新战略利用强关系不断巩固合作者间的信任基础，建立更可靠的关系通道，降低隐性知识的流动难度，推动企业间开展高质量的创新活动。然而，强关系的维持需要消耗大量精力，在一定程度上抑制了企业弱关系的发展以及对新领域探索的积极性，如图5所示。

注：max为企业中相应变量的最大值；mean为相应变量的均值；min为相应变量的最小值。图5 苏南自创区瞪羚企业相关创新变量的演化

2004—2010年Break企业在中介性地位和知识搜索宽度上具有相对优势。相比Incre企业，Break企业有着更宽广的视野。2011—2015年Break企业的知识搜索宽度和弱关系数均得以明显提升，搜索深度和强关系数基本保持不变，说明企业主要利用弱关系拓展合作范围，但在合作质量上没有提高。2016—2018年Break企业的知识搜索宽度和深度均得以加强，弱关系数进一步增加，而强关系数维持稳定，说明Break企业不再满足于低合作质量的远程搜索，期望利用弱关系加强知识搜索深度。这种通过 “弱关系提升二维知识搜索水平”的创新战略，使企业受到较少关系网络的约束，有利于节省关系维护时间和资源以接触更多的异质性信息，促进跨领域知识融合和复杂知识的形成，为企业赢得更大的后发优势。

4 结论与讨论

4.1 结论与建议

渐进式创新的驱动力在于降低成本、提高质量，缩小与领先型企业的技术差距，而突破式创新的驱动力在于发展新业务，拉开与追随型企业的技术差距，可见两者的发生机制存在明显差异。文章发现，在网络位置主导两种创新的过程中，知识搜索产生了不同程度的中介效应，关系强度发挥着不同方向的调节作用，其中知识搜索深度在强关系调节下对渐进式创新的促进效果更明显，而知识搜索宽度在弱关系调节下对突破式创新的促进效果更明显。基于此，从网络管理层面提出策略：于高成长企业而言，其可以参考文章中对双元创新指数的评价进行自我评测，设计创新网络指标退化的预警红线，利用动态监测和差距分析引导企业管理内部双元创新关系、捕获外部创新资源；于政府相关部门而言，其应洞察网络环境下创新资源配置的新动向和高成长企业双元创新行动的新变化，从宏观层面动员和协调网络中的行动者。

瞪羚企业的网络位置、知识搜索和关系强度表现出不同的演化特征，其创新路径也随之更新、分化。早期，高中心性企业主要通过加深知识搜索促进创新。中期，这些企业的中心性地位有所加强，同时促进了知识搜索宽度和深度两个维度的提升，在关系强度的调节下知识搜索深度对渐进式创新更重要。近期，这些企业基于上一阶段的发展经验，将重心转移到 “利用强关系加深知识搜索”上，最终发展为Incre企业。然而，在技术更迭加速的背景下，部分Incre企业过度依赖于当前成熟资源，逐渐丧失了环境感知和适应能力，使其背负着较强的核心刚性，进而陷入 “追赶—落后—追赶”的恶性循环。因此，Incre企业一方面应该维护和拓展同Break企业建立的联系网络，凭借资源、权力、渠道等优势，通过资本运作、战略联盟获取Break企业的新流技术；另一方面，其不应拘囿于 “靠近网络中心—加深知识搜索—增加强关系—促进渐进式创新”这一条主路径，需要重视结构洞、知识搜索宽度、弱关系对渐进式创新的强化作用和对突破式创新的催化作用，以开拓出多层次、嵌套式的创新路径，如图6所示。

图6 苏南自创区瞪羚企业的创新路径

早期，高中介性企业主要通过拓展知识搜索宽度推动创新。中期，这些企业的中心性和中介性地位均得到加强，拓宽了知识搜索范围，在关系强度的调节下知识搜索宽度在突破式创新过程中起到了更重要的作用。近期，这些企业从弱关系中获益，强调利用弱关系促进知识搜索，最终发展为Break企业。然而，在高风险、高收益的创新情境下，部分Break企业面临着 “持续突破失败”的能力陷阱，试图通过增加风险投入弥补之前创新失败造成的不良后果，进而陷入 “探索—失败—再探索”的恶性循环[43]。因此，Break企业一方面需要加强技术监管和风险把控，充分评估自身所处的创新能级，谨慎选择创新方向，制定可行的技术攻关战略；另一方面，基于关系强度的负向调节，Break企业应及时更新外部关系，选择与自身知识基础差异较大的创新主体进行技术合作，进而快速构建核心竞争优势。

4.2 讨论

关于独角兽、潜在独角兽、瞪羚等高成长企业的现有研究多基于企业发展报告，以企业统计数据库为主要数据来源，从企业的产业特征、发展现状及所处区域环境等方面进行分析，而针对高成长企业创新路径发生机制的实证研究还鲜有涉及。基于此，文章整合网络研究范式和组织二元性研究范式，以苏南自创区瞪羚企业为研究样本，作了一些有意义的探索：企业专利数据的挖掘和分析属于科学计量学的研究范畴，企业股权关系分析是企业经济学传统领域，将两者结合运用到企业创新路径的量化分析中，有利于从海量科技信息资源中挖掘知识产生、传播和产业化的深层规律，促进科学计量学、企业经济学和创新经济学之间的学术对话。然而，后续研究需要进一步拓展知识搜索宽度的含义，尝试纳入制度边界、组织边界、技术边界等多元维度对其进行测量，探讨多维边界界定下的知识搜索宽度对高成长企业双元创新的影响。