企业数智知识转移的非均衡博弈及动态推演

康天姝　辛玲玲

把[摘要]数智化转型背景下，企业的数智知识储备将直接影响数智化转型的实施效能。关注企业间的数智知识转移的非均衡博弈过程，应用进化博弈理论构建异质性企业知识转移的博弈模型，从双重视角分析进化稳定结果，并使用matlab进行算例分析，进一步探究企业知识资源非均衡的互动关系的动态演化轨迹。研究发现：不加干预情况下，逐利的两类企业知识互动存在依附关系。经过长期演化，会造成单向的知识转移行为不断蔓延，企业间知识资源的依附关系持续加深，从而使企业互动陷入一种“非均衡的均衡”，进而割裂了社会网络积极的共生关系及协同效应。为此，应通过加强企业间的契约设计及引入政府和社会资本等主体的干预来调整企业知识转移的成本和收益，从而确保企业间知识互动进入良性循环。

[关键词]数智知识；知识转移；非均衡博弈；进化博弈；动态推演

[中图分类号]F426.6；F49              [文献标识码]A  [文章编号]1009—0274（2022）06—0099—09

[作者简介]康天姝，女，北京邮电大学经济管理学院公共管理专业硕士研究生，研究方向：信息管理与信息系统；辛玲玲，女，北京邮电大学经济管理学院教授，研究方向：高等教育与知识管理。

一、引言

当今社会，数智化转型对人类生产生活和经济社会高质量发展产生重大影响。如何推动我国企业数智化转型、加快新旧动能转换和产业转型升级，成为实务界和学术界共同关注的焦点[1]。知识是企业创新发展至关重要的要素[2-3]，并且越来越被用作产业生产分配的系统资源[4]，企业数智知识储备将直接影响企业数智化转型的实施效能。既有研究表明数智知识是与数智学习行为相互耦合的重要组成部分[5]，数智知识成为智能社会“类生命有机体”的基础配套知识体系，它包括在数据释能和技术赋能基础上实现“自觉思考”的数智技术，以及支撑各种数智技术实现产业化落地的系列知识。创新的本质是知识创造[6]，企业保持竞争力的关键是不断通过共享、创造和使用新知识形成知识“高地”。因此，从知识转移视角分析在数智化转型进程中企业间的非线性互动机制，具有重要的理论和现实意义。

数智知识发展至今呈现出明显的知识交叉融合特性，不断模糊着专业知识边界。数智知识转移比以往任何时刻都更加凸显出技术创新与社会场景深度契合、物理世界与虚拟世界高度互嵌的趋势特征。作为正确认识和高效赋能数智社会发展的基本前提[7]，数智知识在企业决策、创新、管理等多方面发挥着重要的支撑作用。如何获得数智知识成为企业成功进行数智化转型的关键所在。研究表明，企业知识资源的积累主要有“自主知识创新”和“外部知识获取”两种路径[8]，而大部分企业都不可能在其内部拥有一切关键知识资源[9]。尤其是伴随着新兴技术的不断创新和突破，智能产品功能日新月异，产业创新边界日渐交叉，企业数智化转型正在面临不断涌现的新挑战、新模式和新需求，亟需进行大量的外部性和异质性知识补充。对企业而言，仅依靠内部难以满足其快速应对市场的需要[3]，必须从外部转移新的知识[9]。而数智知识转移就是一种主体间的方向性知识传递，被转移方通过学习合作者的异质性数智知识将其内化创新。对转移方而言，这种知识的扩散及应用可以扩大市场份额及数据供给；对被转移方而言，通过吸纳新知识可以形成良好的补充[3]。

然而，企业数智知识转移正面临诸多非均衡挑战，在促进企业积极开展知识学习和知识转移的同时，也为企业公平竞争和社会整体创新效能的提升带来一定的潜在风险。一方面，数智知识转移多源自企业之间存在的知识势差，能够为供需双方知识转移提供需求耦合的外部条件[3]，企业通过吸收目标企业的非均衡知识来建设自身的“知识高地”、形成市场竞争优势。另一方面，由于企业知识产权保护力度不同、吸收能力参差不齐，加上行业竞争环境、研发资源和人員流动速度的迥异[10]，这种异质性又加剧了非均衡的产生。既有研究表明，中小企业、初创企业往往是某一细分领域的创新主体，具有较强的创新动力[11-14]。相对而言，大企业处于明显的资源优势地位，对于自身研发、生产、消费拥有更大的表现力与话语权，并且因其产业链的布局拥有行业整体掌握的信息多于初创企业。由于知识转移需要花费成本，而且知识积累存在时间和空间的差异，从而导致不同实力的企业获取知识的数量和质量大相径庭。同时， 在对知识进行吸收并内化的过程中，不同主体会由于处理能力的差异而使各方处于不对称地位。强势者往往主导流程和规则，并通过制度性安排来调节和控制各群体的关系和博弈的过程，从而进一步扩大博弈的非均衡性[15]。

基于此，立足于企业数智知识转移的非均衡博弈，引入进化博弈的理论视角，对企业间的知识转移过程进行研究，构建数智化转型时期大小两类企业知识转移的进化博弈模型，讨论企业间知识转移达到进化稳定的条件，并使用matlab进行算例分析，进一步探究企业知识资源非均衡的互动关系在不同情况下的动态演化轨迹和周期发展规律。

二、数智知识转移非均衡博弈的动态模型

博弈是在一定的游戏规则约束下，基于直接相互作用的环境条件，各参与主体依据所掌握的信息选择各自的策略，以实现利益最大化的过程。在传统博弈论研究框架下，常常假设参与人是完全理性的，但现实经济生活中参与人之间是有差别、非对称的，即其分析推理能力、理解复杂交互关系能力、认识和改正错误方式及速度存在着显著差异[16]；又由于参与人决策受其所处社会环境等因素影响，尤其在我国转型深化期的动态多变环境下，参与主体的理性局限特征明显。进化博弈理论就是从有限理性的个体出发，以群体为研究对象，认为现实中个体并不是行为最优化的，个体的决策通过个体之间模仿、学习和突变等动态过程来实现[17]。

数智化转型时期是社会和市场的探索时期，创新主体具有如下特点：（1）有限理性。许多博弈模型要求博弈参与者是理性的，然而现实市场的主体不可能是完全理性的。这一方面由于企业为了盈利而可能采取的投机行为，另一方面也由于市场广泛存在的信息资源的不对称。（2）重复博弈。博弈主体在网络中进行策略决策并预期收益，不是在一次静态交易中完成的，主体间的互动是反复往返的长期过程，主体在这过程中通过学习和调整策略来适应新兴市场的变化并获得收益。综上，数智化转型时期创新主体的博弈是不完全信息的动态博弈，博弈主体的策略选择是学习调整的结果，因而我们选择进化博弈理论来进行模型构建，强调以有限理性的视角来分析企业数智知识转移的互动过程与学习机制。

（一）博弈环境的构建

进化博弈理论认为，经过长期的学习演化后，博弈主体最终选择收益最大的策略，收益是博弈双方策略选择的根本依据[16]。因而以收益为导向，并结合大小企业的实际情况来进行博弈环境的构建：

1.假设企业A和企业B为实力不同的两家企业。企业A的实力较强，规模较大；企业B是实力较弱，规模较小的小企业，但因具有一定优势的知识资源故而具备与企业A进行博弈的资本。

2.在进行数智知识转移的决策时，企业A和企业B的策略集都为｛转移，不转移｝。“转移”策略下企业向对方企业传递数智知识；“不转移”策略下企业仅吸收学习对方的数智知识而不传递己方知识。

3.由于大企业拥有更加完善的组织结构且占有更多优势资源，因而具有较强的数智知识传递和学习能力，这种能力使得大企业能够消化知识转移的成本、承担知识转移的风险。而小企业不一定具备承担这种风险的能力。

4.设定双方的2×2非均衡博弈支付矩阵，如表1所示。为简化描述问题，假设支付矩阵中得益值均表示企业因数智知识转移所带来的收益。其中，V1表示企业A和企业B都选择转移策略时企业A的收益，V2表示企业A和企业B都选择“转移”策略时企业B的收益，以此类推。假设V1、V2、V3、V4、V5均大于 0，V6为企业B单独采取“转移”策略时的收益，由于小企业对于数智知识转移风险的控制能力未知，因而V6可能大于0或小于0；如果双方都选择“不转移”策略，则双方数智知识转移的收益均为0。

接下来，把上述各图在一个坐标平面表示，得到图3.2-6和图3.2-7。从图3.2-7可以看出，点0和点C是不稳定源出发点，鞍点为点D，点A和点B是进化稳定状态。即当企业选择“转移”策略下得到的收益小于“不转移”策略下所得到的收益时，集群内企业可能选择“不转移”策略，也可能选择“转移”策略，选择何种策略要视对方企业选择“转移”策略的概率。然而由于企业选择“不转移”策略下得到的收益大于“转移”策略下得到的收益，所以两家非均衡企业长期进化结果为一个企业选择“转移”策略，而另一个企业选择“不转移”策略。

（三）大小企业数智知识转移的非均衡博弈分析

为更直观说明企业间数智知识转移的策略演化，结合市场中的现实情况，分别以企业A和企业B为算例分析其进化策略，并使用Matlab软件模拟策略的动态进化过程。

（1）企业A

当Ｖ5＜Ｖ1时，设博弈支付矩阵中各参数值分别为：v1=0.3，v3=0.5，v5=0.2，分别取y=0、0.3、0.7、1，得到企业A的策略随时间變动的动态进化图，如下图所示。

从图3.3-1可见，各“转移”策略初始概率下，企业A选择“转移”策略的概率（x）最终都会收敛于1，收敛速度随自身初始概率的增大而加快，同等情况下，随着对方选择“转移”策略的概率（y）的增大，企业A的收敛速度会放慢，但是即使y达到最大值1，x仍将收敛于1。这意味着，当企业A选择“转移”策略的收益大于“不转移”策略时，无论企业B如何选择，企业A最终将采取“转移”策略。因而我们可以得到如下推论：

推论1：对于大企业而言，在知识的创新和转移能力较强、能够因知识转移而获取更大收益（Ｖ5＜Ｖ1）的情况下，无论小企业选取哪种策略，大企业均以选择“转移”策略更为有利；经过长期的学习调整后，大企业倾向于选择“转移”策略。

当Ｖ5＞Ｖ1时，设博弈支付矩阵中各参数值分别为：v1=0.3，v3=0.5，v5=0.6，分别取y=0（不转移）、0.3（倾向不转移）、0.7（倾向转移）、1（转移），得到企业A的策略随时间变动的动态进化图，如下图所示。

从图3.3-2可见，不同的y取值下，x呈现出不同的进化趋势，这意味着存在某个临界点使得企业A倾向于不同的策略选择。于是我们进一步令y=0.6，得到企业A的策略随时间变动的动态进化图。

可以发现，y=0.6与y=0.7时，x的动态变化图呈现不同的进化趋势，这意味着临界点位于0.6和0.7之间，当企业B选择“转移”策略的概率位于0～0.6时，企业A选择“转移”策略的概率最终都会收敛于1，收敛速度随自身初始概率的增大而加快。随着企业B选择“转移”策略的概率（y）的增大，企业A的收敛速度会放慢。当y增大到0.7时，企业A选择“转移”策略的概率最终会收敛于0，且收敛速度随自身初始概率的增大而减慢。这意味着，当企业A选择“不转移”策略的收益大于“转移”策略时，企业A的策略选择会受到对方企业策略的影响。因而我们可以得到如下推论：

推论2：对于大企业而言，在不能因知识转移而获取更大的收益（Ｖ5＞Ｖ1）的情况下，大企业不一定都会选择“不转移”，也有可能选择“转移”策略，这是因为大企业拥有更多的知识存量，其对于知识的整合能力更强，从而可能会获得更强的溢出效应。大企业是否进行知识转移受到小企业转移概率的影响，当小企业选择知识转移的概率小于一定值时，大企业为了获得知识的溢出价值也会倾向于选择进行知识转移。当小企业选择知识转移的概率大于一定值（本例为0.7）时，意味着这种协作关系带给小企业的溢出价值更大，大企业无法从自身的知识转移行为中获得更多收益，却要付出更多的转移成本，因而在长期的学习后选择不进行知识转移。

（2）企业B

接下来以企业B为算例分析其策略的进化稳定性。当v6＜0时，设博弈支付矩阵中各参数值分别为：v2=0.3，v4=0.5，v6=-0.1，分别取x=0、0.3、0.7、1，得到企业B的策略随时间变动的动态进化图，如下图所示。

从图中可见，各“转移”策略初始概率下，企业B选择“转移”策略的概率（y）最终都会收敛于0，收敛速度随自身初始概率的增大而减慢；同等情况下，随着对方选择“转移”策略的概率（x）的增大，企业B的收敛速度会增快。这意味着，当企业B选择“转移”策略自身无法获得收益（V6＜0）时，无论企业A如何选择，企业B最终将采取“不转移”策略。因而我们可以得到如下推论：

推论3：对于小企业而言，在知识转移能力较弱的情况下，较大的转移成本不能被有效地消化掉，甚至是由于企业核心知识的转移导致收益反而下降，所以无论大企业采用什么策略，小企业均采用“不转移”策略以获得相对更大的收益。因此，经过长期的学习调整后，小企业选择“不转移”策略。

当V6＞0时，设博弈支付矩阵中各参数值分别为：V2=0.3，V4=0.5，V6=0.1，分别取y=0、0.3、0.7、1，得到企业B的策略动态进化图，如下图所示。

从图中可见，不同的x取值下，y呈现出不同的进化趋势，同样意味着临界点的存在。进一步令x=0.4，得到企业B的策略随时间变动的动态进化图。

可以发现，x=0.3与x=0.4时，y的动态变化图呈现不同的进化趋势，这意味着临界点位于0.3和0.4之间，当企业A选择“转移”策略的概率（x）大于0.4时，企业B选择“转移”策略的概率最终会收敛于0，且收敛速度随自身初始概率的增大而减慢。当x位于0～0.3时，y最终会收敛于1，值得注意的是，此时收敛速度较为缓慢（由上图可见，当x=0.3时，y在博弈步长t接近600时才收敛），这种情况在实际市场主体双方博弈行为中是罕见的。虽然在数理推导上可以实现，但是博弈实践中存在的概率比较小。因而我们可以得到如下推论：

推论4：对于小企业而言，如果具备较强的知识接受和学习能力、核心知识保护力度较强，能够承担知识转移带来的风险和成本，有一定的技术创新能力，在知识转移能力较强的情况下，即使选择“转移”策略也能使收益有所提高（V6＞0）；但同等情况下，采取“不转移”策略则可能得到更高的收益，最终小企业还是倾向于选择“不转移”策略。

四、结论与讨论

通过研究得出：

一是，从博弈主体来看，企业间的互动博弈有赖于主体对知识资源的占有量，也是主体社会影响力的综合反映。由于知识资源和地位权力等条件的不对称，在大小企业的互动博弈中，往往大企业主导和控制着博弈的程序和规则、调节控制主体关系和博弈过程，进一步扩大主体间博弈的非均衡性。这种非均衡性特征潜伏着产生一个主体对另一主体的依附关系的可能性[18]。动态推演过程验证了这种依附关系的存在。更多情况下，由于大企业的知识创新和转移能力较强，能够较好承受知识转移的风险和成本，更多的知识存量也使得其拥有更好的知识整合能力，从而可能会从中获得更强的溢出效应。经过长期的博弈学习后，其通常会选择“转移”策略。对于小企业而言，接受并学习对方的数智知识比主动进行知识转移的动力更强，即使选择“转移”策略可能会使收益有所提高，但通常情况下，经过长期博弈后会选择不进行知识转移，而是依附于大企业的知识转移来进行知识的学习及内化。这意味着，领导企业（大企业）在知识流动及价值共创行为中具有关键地位，是重大技术创新的主要推动者[19]，应着力培育和扶持其在知识流动及价值共创行为中对合作伙伴的协调和服务功能[14]。

二是，从博弈过程来看，当企业选择“转移”策略下得到的收益小于“不转移”策略的收益时，企业不一定都会选择“不转移”，也有可能选择“转移”策略，这受到对方企业知识转移概率的影响，可以通过降低知识转移成本或对收益进行合理化分配来实现。作为企业投入的一部分，知识转移可以形成投入获得利益、利益又促进投入的良性、协同的循环动力[20]。而从演化过程可以看出，在不加干预的情况下，大企业针对自身数智知识进行知识转移的概率逐渐收敛于1，而小企业收敛于0，并且收敛速度与自身初始概率有关。这意味着小企业对大企业的依附关系及“搭便车”行为的产生。由此，可以通过加强企业间的契约设计来打破企业间数智知识存量的纯“依附”关系。既有研究表明，契约设计可以提升共享信息的真实性并促进共享策略达成[21]，以这种方式来形成知识转移获得增值收益、增值收益又促进知识转移的良性协同，进而实现合作利益最大化。

三是，从博弈结果来看，博弈实践中，小企业由于自身局限性或其他逐利行为的影响，往往会抵触向大企业转移己方知识资源，而仅对大企业的知识资源进行吸收、学习与再创新。然而，这种利润的存续期限是非常短暂的，“知识垄断”所造成的隔离将会使企业自身的后续发展愈加艰难[22]。从微观层面来看，如果企业拥有静止的异质性资源而不进行动态管理，会因孤立存在而缺乏市场，造成资源浪费、资源贬值甚至成为资源负担，进而破坏协同创新的基础支撑、切断协同创新的沟通桥梁[23]。从宏观层面来看，如果非对称主体间的博弈行为不能得到有效干预，经过长期的演化，会造成单向的知识转移行为不断蔓延，企业间知识资源的依附关系持续加深，从而使企业互动关系陷入一种“非均衡的均衡”。主体间失去有效共享知识资源的渠道，社会网絡积极的“共生关系”及“协同效应”被割裂，客观上降低了产业的运作效率和应对市场的反应能力。这样，实现合作的基础便会受到影响，使得产业创新系统进入恶性循环。此时以政府及社会资本为代表的其他创新主体的干预及激励尤为重要，调节信任、声誉和互惠规范不断交换、过滤、融合，便有可能重新进入一个良性的循环[24]。

数智化转型时代背景下，市场主体仍处于摸索阶段，企业间的互动关系尚未形成成熟稳定的运作模式，因此进化博弈模型建立在企业因知识转移而获得的额外收益的基础上。而在产业实践中，考虑到社会资本、社会地位、社会责任、社会声誉等对企业决策的影响，现实中企业间数智知识转移的博弈支付矩阵要比进化博弈模型研究复杂得多。因此，未来研究可以将企业数智知识转移的收益分为有形收益和无形收益，从而使得研究更贴近产业实践，进而研究企业间非均衡博弈的深层机理。此外，得到的结论是基于理论建模分析和数值仿真分析的基础之上，未来的研究可采取实证方法来验证结论的可靠性。

参考文献：

[1]罗斌元，陈艳霞.数智化如何赋能经济高质量发展——兼论营商环境的调节作用[J].科技进步与对策，2022（5）：61-71.

[2]Grant R.M.“Prospering in dynamically－competitiveenvironments：Organizational capability knowledge integration”Organization Science，1996（4）：375-387.

[3]庄亚明，李金生.高技术企业知识联盟中的知识转移研究[J].科研管理，2004（6）：50-55.

[4]姜李丹，薛澜，梁正.人工智能赋能下产业创新生态系统的双重转型[J].科学学研究， 2022（4）：602-610.

[5]朱秀梅，刘月.企业数智转型能力形成机理——基于海尔集团“知行合一”的单案例研究[J].经济管理，2021（12）：98-114.

[6]董睿，张海涛.复杂网络视角下创新生态系统知识转移建模及仿真研究[J].软科学，2022（6）：122-129

[7]刘志阳，邱振宇.数智创业：从“半数智”时代迈向“全数智”时代[J].探索与争鸣， 2020（11）：141-149+179.

[8]彭灿.供应链中的知识流动与组织间学习[J].科研管理，2004（3）：81-85.

[9]杨波，徐升华.虚拟企业知识转移激励机理的演化博弈分析[J].情报理论与实践， 2010（7）：50-54.

[10]夏晶，牛文举.考虑非对称溢出效应的竞争企业研发投资[J].科研管理，2022（2）：108-117.

[11]Corsaro.D.，Cantu，C.and Tunisini.A.Actors' heteroge-neity in innovation networks[J]. Industrial Marketing Man-agement，2012（5） ： 780－789.

[12]Nambisan S，BaronＲA. Entrepreneurship in innovation eco-systems： Entrepreneurs self － regulatory processes and theirimplications for new venture success[J]. Entrepreneurship：Theory＆Practice，2013（5） ： 1071－1097.

[13]赵放，曾国屏.多重视角下的创新生态系统［J］.科学学研究，2014（12） ： 1781-1788.

[14]王发明，朱美娟.创新生态系统价值共创行为协调机制研究[J].科研管理，2019（5）：71-79. DOI：10.19571/j.cnki.1000-2995.2019.05.007.

[15]杨博文，周富利，马敬辉.组织系统内利益群体非均衡博弈分析[J].系统科学学报，2012（4）：92-96.

[16]张洪潮，何任.非对称企业合作创新的进化博弈模型分析[J].中国管理科学，2010（6）：163-170.

[17]张艳.我国证券市场泡沫形成机制研究——基于进化博弈的复制动态模型分析[J].管理世界， 2005（10）：34-40.

[18]杨博文.论利益群体的非均衡博弈是组织系统演化的动力之源[J].理论探讨， 2013（4）：89-92.

[19]米捷，郭彬，陈怀超，范建红.创新生态系统内的知识势差与知识流动机制[J].北京理工大学学报（社会科学版），2020（6）：78-87.

[20]范如国，张应青，罗会军.考虑公平偏好的产业集群复杂网络低碳演化博弈模型及其仿真分析[J].中国管理科学，2015（S1）：763-770.

[21]周建亨，冉芸.基于策略性競争博弈的供应链信息共享策略[J].中国管理科学， 2019（6）：88-102.

[22]曹玉红，尤建新.信息非对称环境下产业创新平台多方主体博弈分析[J].运筹与管理，2020（04）：78-85.

[23]薛澜，姜李丹，黄颖，梁正.资源异质性、知识流动与产学研协同创新——以人工智能产业为例[J].科学学研究，2019（12）：2241-2251.

[24]黄璜.基于社会资本的合作演化研究——“基于主体建模”方法的博弈推演[J].中国软科学，2010 （9）：173-184.

[25]董睿，张海涛.复杂网络视角下创新生态系统知识转移建模及仿真研究[J].软科学，2022（6）：122-129.

责任编辑：刘昌龙

基金项目：本文系北京市社会科学基金项目“北京市数智化转型的非均衡博弈与创新模式研究”（项目编号：21GLC066）阶段性研究成果。