企业技术融合程度提升路径：基于模糊集定性比较分析方法

刘晓燕，张淑伟，单晓红

（北京工业大学经济与管理学院，北京 100124）

近年来，伴随着科学技术的飞速发展，原有科学、技术、市场或产业等不相交区域之间的边界开始模糊，现代产业发展出现了跨产业的技术融合特征和趋势。“技术融合”这一概念在管理学领域最早由美国研究者Rosenberg［1］提出，他认为技术融合是生产的产品具有不同的功能和性质的产业，采用相似的技术从而产生出的独立且专业化的机械工具的过程。技术融合是一种创新模式，该模式下不同技术之间通过自身的有机组合实现技术创新，以提升原有应用的性能或实现新的应用［2］。国内外学者都意识到技术融合所带来机会的重要性，纷纷进行技术融合机制研究，目前的研究主要集中在3 个方面：技术层面、组织层面和环境层面。从技术层面看，技术融合是新兴产业技术发展的动力机制，技术融合主要靠技术推动［3］，技术扩散是实现技术融合的主要方式，技术融合的潜在规模和增长速度随融合的技术类型而变化［4］。从组织层面看，产业内组织的许可策略可以减少研发的直接成本负担和技术不确定性带来的风险，有助于创造技术融合，是技术获取和利用的更可行和有效的战略［5］。宋昱晓等［6］分析技术融合趋势的驱动因素时发现专利权人数量多、合作多以及技术吸收或扩散的速度较快均能推动技术融合的实现；冯科等［7］发现专利申请人合作团队规模、产学合作、专利积累都是影响技术融合距离的影响因素。在环境层面，王媛等［1］曾探究技术动荡的环境下技术融合与新产品开发绩效的关系，并通过专利数据衡量出技术动荡性可以负向调节互补性技术融合与企业新产品开发绩效之间的正向关系；薛捷等［8］曾提出企业的外部资源整合能力可以影响技术和知识融合程度；李光泗等［9］验证了企业所在城市出口额占比、市场竞争等环境维度变量对企业技术创新能力会有显著影响等。现有研究揭示了影响技术融合的多维因素，但是由于技术因素、组织因素和环境因素之间不是孤立的，传统的单因素分析方法已不能合理解释有关因素对企业技术融合程度的具体影响，不能系统揭示多要素互动的复杂运行机理，难以满足探索要素间交互作用的需求［10］。因此，本研究基于模糊集定性比较分析（fuzzy-set qualitative comparative analysis,fsQCA）方法，揭示多影响因素间的相互关系和共同作用。在“技术-组织-环境”（TOE）理论框架下探究技术、组织、环境维度相关影响因素对企业技术融合程度的提升路径，一方面有助于企业明确高度技术融合的常见模式与组合，为企业实现高度技术融合提供理论依据，另一方面有助于企业基于自身技术条件、组织条件、所处外部环境的特点进行更有针对性的决策。

1 理论框架与变量设计

1.1 基于TOE 的技术融合理论框架

TOE 框架，即“技术-组织-环境”框架，是在创新扩散理论和技术接受模型的基础上提出来的［11］，同时考虑了企业的技术层面、组织因素、所处环境因素的共同作用，强调多层次的技术应用情境对技术应用效果的影响，例如企业自身技术、组织内部特征以及企业的外部环境等，其本质上是一种基于技术应用情境的综合性分析框架。具体来说，TOE 模型将影响技术应用的条件划分为技术条件、组织条件以及环境条件3 类。其中，技术因素主要是指技术自身特征，例如相对优越性、复杂性、兼容性等；组织因素主要是指组织的特征和资源，包括组织结构、组织规模、组织的人力资源及财务资源等［12］；环境因素主要对资源和信息进行约束，涉及外部环境的不确定性、行业内竞争的压力及相关政策等，三者之间相互影响、相互制约，共同决定创新的过程与结果。TOE 框架系统考察组织内外因素和技术本身特点，近年来被广泛应用于不同信息系统领域内组织技术环境的采纳影响因素分析，关注因素间可能存在的内生影响复杂关系［13］。因此，本研究采用TOE 理论框架的整体视角，探讨技术、组织、环境三重条件下的影响因素相互作用会如何影响企业技术融合程度，从而揭示高度技术融合的发生情况，探索技术融合程度提升路径。本研究的分析框架如图1 所示。

图1 研究分析框架

1.2 变量设计

1.2.1 结果变量——技术融合程度的测度（HHI）

Caviggioli［14］提出以“技术融合距离”“技术融合深度”“技术融合强度”等相关概念来测度技术融合；娄岩等［15］通过专利信息、各技术所组成的网络致密性、技术融合覆盖度等指标测度技术融合，探究各技术主体对技术融合的有关影响；冯科等［16］提出以局域性技术融合力和架构型技术融合力等指标对技术融合进行测度；李慧等［17］以国际专利分类号（IPC）作为技术属性的测度指标识别融合多属性的技术创新主题；Alfonso 等［18］在研究电子信息产业（包括计算机、电信设备、电子元件、其他电子产品和非电子技术等五大产业）技术融合状况时，在搜集了代表性企业在各个产业内专利数量的基础上，通过融合专利数量计算赫芬达尔指数（HHI），并用此指数代表产业融合度。HHI 是用于衡量市场（产业）集中度的指标，也是被广泛用来作为产业融合度的测度指标，因不受企业数量和规模分布的影响，能较好地测量企业的技术融合情况，HHI 值越小则产业融合度越高。考虑到赫芬达尔指数方法简单、应用广泛，获取数据较方便，因此本研究将HHI 作为企业技术融合的测度指标。

1.2.2 前因变量

（1）技术维度的影响因素。专利是技术创新的指示器，专利数据已广泛运用于许多技术领域的研究，用作衡量企业创新能力的依据。专利反映了企业的创新能力，企业创新能力越强就越具有寻求创新资源的能力，因此越有利于技术融合。因此，选择专利数量以及自主发明专利占比作为技术维度的主要测量指标。

1）自主发明专利占比（IPR）。自主发明专利占比指企业自主发明专利数占专利总数的比例。自主发明专利数越多，代表企业自主创新能力越强，越能促进企业进行技术融合，因此可用以衡量企业利用自身技术进技术升级创新的能力。

2）专利数量总和（SPC）。专利数量总和即专利总数，是企业申请的各种类型专利数的总和［19］。李慧等［17］的研究表明，企业所拥有的专利和企业价值之间存在正向的相关关系。专利信息可以作为表征新技术产生的重要指标，是监测技术融合创新的重要数据源，企业申请专利能力在一定程度上代表企业的创新能力，对企业技术融合起到一定的影响。

（2）组织维度的影响因素。专家之间的有效协作、技术的集成和联盟发展等都是推动技术融合的动力因素［4］。关系嵌入性理论指出，在合作中关系的强度、合作伙伴的数量都会影响创新资源的流动和共享，进而影响技术融合。企业跨组织研发合作是企业获得可持续竞争优势的主要途径［20］，目的在于获取企业所稀缺的、互补性的知识、技术以及设备等，从而在一定程度上影响企业技术融合，而组织所拥有的知识禀赋将影响对外部创新资源的吸收和转化，因此从合作广度、合作深度和知识宽度3 个指标研究组织对技术融合的影响。

1）研发合作广度（BOC）。采用企业联合申请专利的合作伙伴数量表示企业跨组织研发合作广度，用来衡量企业与其他组织的研发合作情况，企业的合作伙伴数量越多，企业跨组织研发合作越广泛。

2）研发合作深度（DOC）。企业跨组织研发合作深度即企业与合作伙伴联合申请专利的平均次数，平均联合申请次数越多，企业跨组织研发合作越深，因此用企业与高校、科研单位联合申请专利次数与其合作伙伴数量的比值来评判组织维度对技术融合程度的影响。

3）知识宽度（KW）。借鉴Kim 等［21］的方法，基于发明专利的IPC 分类号信息，利用专利数据中的IPC号进行分类。王巍等［22］曾提出“企业知识宽度”的概念，指关键研发者申请的所有专利的分类号中不同小类的个数，并证明了知识宽度与研发人员内部知识搜索呈正向关系。知识宽度可以通过影响研发人员内部知识搜索的效率，从而影响企业的技术融合程度，因此可用来探究其对技术融合的影响。

（3）环境维度的影响因素。虽然技术融合的主体过程是相关技术、组织等方面的研发和调整所带来的，但外围环境要素对技术融合的影响也是不容忽视的，借鉴李光泗等［9］的研究，以企业所在城市的经济外向度（EXT）作为环境维度的测度指标，并采用企业所在城市出口额（EX）占该城市生产总值（GDP）的比重表示。出口占比较高的企业更加了解国际技术变动，并更倾向于与国外企业合作获得先进技术，因此用经济外向度指标探究环境维度对企业技术融合程度的相关影响。

2 研究过程

2.1 研究方法

本研究采用模糊集定性比较分析方法。该方法是关注前因变量的相互依赖和不同组合构成的多重并发因果关系，并探索协同效应和互动关系的有效方法，对揭示多因素间的关联具有适用性。多重影响因素之间是互相依赖的，并且可以通过差异化的排列组合来达到影响组织结果的共同目的。模糊集定性比较分析方法基于客观的布尔算法将各个前因条件相互组合，能够克服传统的单因素分析方法的不足，可以处理复杂的因果关系［10］。该方法运用集合论，结果的稳健性只与各维度是否代表样本整体状况有关而与数量无关，能够克服本研究中样本数较小的缺陷；此外，本研究所获数据并不满足“属于与不属于”的布尔逻辑关系，也不是多值，因此排除清晰集定性比较分析方法。运用模糊集定性比较分析方法有助于清晰识别出企业在技术、组织、环境维度下的前因条件构型及其与技术融合程度的一致性联系，探究不同维度下6 个影响因素之间的多重并发因果关系，初步解释不同人工智能企业技术融合程度，并尝试总结提升企业间技术融合程度的多元路径。

2.2 数据来源及处理

本研究选取的样本为2016-2019 年间我国综合实力排名前20 位的人工智能企业（以下简称“样本”），分别编码为A1～A20。样本选取按以下原则处理：（1）结合“2019 赛迪人工智能企业百强榜”［23］，筛选出创新能力处于前列的企业；（2）去除专利数据或专利申请人数据存在缺失的企业；（3）基于每条专利拥有唯一的专利申请识别号，删除与个人合作或重叠合作的相关记录。专利有关数据主要来源是incoPat 专利数据库和德温特专利数据库；有关出口额和GDP 数据的来源于样本企业所在城市统计年鉴。

2.3 变量的测量

以样本企业2019 年的技术融合度作为结果变量来衡量技术融合度，以前3 年（即2016—2018 年）内各影响因素的测度值作为前因变量，探究不同因素组合对技术融合程度的提升路径。

2.3.1 结果变量的测量

样本企业的技术融合度如表1 所示。计算公式如下：

式（1）中：X为企业2019 年的技术专利数；xi为各行业内所拥有的专利数；n代表企业拥有的技术种类数。

根据马艳艳等［24］在研究产业技术融合状况时制定的划分标准，把技术融合程度划分为0.84～1.00、0.68～0.84、0.52～0.68、0.36～0.52、0.20～0.36等5 个区间，即分别为低度融合、中低度融合、中度融合、中高度融合、高度融合，数值越小则融合度越高。从表1 可见，样本企业的技术融合度平均值为0.78，处于0.68～0.84 区间，为中低融合度，表明我国人工智能产业的技术创新处于发展初期，整体融合度和企业间的融合水平处于相对较低水平，仍然有很大的发展进步空间。

表1 样本企业技术融合度测算结果

表1（续）

2.3.2 前因变量的测量

自主发明专利占比测量方式如下：

式（2）中：Si表示企业自主发明专利总数；p表示企业专利总数。

研发合作深度测量方式如下：

式（3）中：wi表示企业与科研院校i合作的次数；m表示与企业合作的科研或院校总数。

知识宽度的测量方式如下：

式（4）中：tj表示第j件专利拥有的IPC 数。

经济外向度测量方式如下：

各变量的定义如表2 所示。

表2 变量说明及定义

3 实证分析

3.1 描述性统计分析

运用fsQCA 3.0 软件对样本数据进行均值、标准差及最大值、最小值测算。为使各变量处于同一数量级，对专利数量进行取对数处理。具体结果如表3 所示，可以看出企业间的技术融合程度目前尚存在较大差距，因此需要充分对接行业需求，抓住机会，充分提升自身技术融合程度，从而促进技术创新；此外，企业对外合作次数较少，需要与高校、科研院所在基础研究方面开展更多的合作交流。

表3 变量描述性统计结果

3.2 变量校准

原始变量并不是以集合的形式存在的，所以进行fsQCA 分析时要对变量进行校准，赋予集合隶属关系，并将其隶属度控制在0～1 之间。变量校准参考Fiss［25］、Coduras 等［26］设定3 个锚点的方法，利用fsQCA3.0 软件中的calibrate 校准公式，将3 个锚点分别设定为处于数据的25%、50%以及75%的值，转变后集合隶属于0～1 之间。如表4 所示。

表4 变量校准锚点

3.3 单项前因变量必要性分析

利用fsQCA3.0 软件中的必要条件程序分析对每一个校准后的条件变量进行必要性操作，系统自动生成变量的一致性和覆盖率分数。借鉴Coduras 等［26］的研究，将充分和必要条件阈值设为0.8，变量的一致性作为衡量充分性的指标，变量的覆盖率作为衡量必要性的指标。如表5 所示，从必要性视角看，各维度中变量的覆盖率分数都没有达到临界值0.8以上，表明所有单因素变量都不能构成必要条件；从充分性视角看，专利数量总和、研发合作广度、研发合作深度是企业提升技术融合度的充分条件，但是“～专利数量总和、～研发合作广度、～研发合作深度”不能表示企业技术融合度低。鉴于此，前因变量对结果变量不构成充分必要条件，也说明影响技术融合的因素并不是单一的，而是受到多种因素共同影响。

表5 单项前因变量充分性和必要性分析

各前因变量的必要性数据分析表明，单项前因变量对研究结果变量的解释力不足，鉴于此，对样本企业进行技术维度、组织维度、环境维度内的前因变量组合分析，表6 列出了通过一致性0.8 检验的不同要素组合的结果。

表6 各维度内前因变量组合的充分性和必要性分析

表6 结果表明，技术维度的变量组合以及组织维度的研发合作广度*研发合作深度、研发合作广度*知识宽度、研发合作深度*知识宽度组合对企业技术融合程度提高有充分解释，说明更高阶的变量组合能够对企业技术融合程度进行充分解释。

表5 和表6 综合说明，单项前因变量不能直接解释企业技术融合程度，而其特定的组合可以对技术融合程度产生充分性影响，但是从各维度内有解释力的简约的前因条件构型无法归纳出必要的条件组合，需进一步分析探讨。

3.4 路径分析

采取Fiss［27］对结果的表达方式，分别得到样本企业产生高技术融合和低技术融合的构型，将一致性阈值设置为0.8，案例阈值设定为1，进行标准化运行，得出复杂解、中间解、简约解，经过布尔代数运算得出不同前因条件组合影响结果，如表7 所示。其中，H1、H2 表示高技术融合路径，L1 表示低技术融合路径；总体覆盖率和总体一致性表示总体的必要性水平和充分性水平［28］。

表7 样本企业的技术融合构型

根据表7 的构型可知，多前因条件共同作用下共有两条使得企业高度技术融合的路径：

（1）路径一：IPR*SPC*BOC*DOC*EXT。此路径包含了TOE 框架下技术维度的全部因素，核心条件为企业的自主发明专利占比，考虑企业的自主创新能力，且企业的知识宽度不影响企业的技术融合程度。因此，称此路径为自主创新导向型高融合路径。

（2）路径二：SPC*BOC*DOC*KW*EXT。此路径包含了TOE 框架下组织维度的全部因素，核心条件为企业的知识宽度，考虑企业内部知识种类的丰富多样性，且企业的自主发明专利占比不影响企业的技术融合程度。因此，称此路径为知识共享导向型高融合路径。

两种路径的总一致性为0.82，大于0.8，说明两种路径构型均为结果变量的充分条件；总覆盖度为0.49，说明2 种条件组合可覆盖49%的具有高技术融合程度的企业。此外，有一条导致企业非高技术融合程度的路径：～IPR*SPC*BOC*DOC*～KW*EXT，此时企业所在城市经济外向度为核心变量，该变量是造成企业技术融合程度低的主要因素。

3.5 稳健性检验

对高创新绩效的前因组态进行稳健性检验。首先，将校准锚点改为10%、50%、90%，产生的高（非高）技术融合程度路径基本一致；然后，将PRI 一致性由0.80 提高至0.90，产生的高（非高）技术融合程度路径基本一致。可见，本研究结果稳健，较符合实际情况。

4 案例与路径讨论

4.1 产生高度技术融合的路径

4.1.1 自主创新型导向路径

自主创新型导向路径的一致性为0.817，覆盖率为0.27。当企业的自主发明专利占比高、专利数量多、研发合作伙伴数量多、研发合作次数多，以及所在城市的经济外向度高时，企业的技术融合度高。此路径下的典型案例企业是阿里巴巴集团、华为技术有限公司等，这类企业往往以科技创新为驱动，积极参与国家科技创新体系建设，企业创新战略与国家科技创新战略高度耦合，重视提升自主创新能力，并以提升自主创新能力为主要策略，在重视技术基础的同时进一步加强产学研合作，将产学研转化上升到新高度，有利于技术融合创新，同时提高科技成果转化效率。

4.1.2 知识共享型导向路径

知识共享型导向路径的一致性为0.818，覆盖率为0.42。当企业的专利数量多、研发合作伙伴数量多、合作频率高、知识宽度高以及所在城市的经济外向度高时，企业的技术融合程度也会高。知识共享导向型路径构型覆盖的高融合案例更多，有关变量的路径影响力更大。典型案例企业是杭州海康威视数字技术股份有限公司（以下简称“海康威视”）、科大讯飞股份有限公司等。海康威视通过与阿里云达成战略合作，双方就云计算、物联网云智能等方面展开深度技术融合，共同推动云计算和大数据技术等在各领域的应用。此类企业打造了科技创新合作生态圈及其特有的合作体系来促进技术高度融合，实现技术创新。

4.2 产生低度技术融合的路径

低度技术融合的路径有一条，整体的一致性值为0.82，大于0.8，说明这一组态为结果变量的充分条件，此时的路径覆盖率为18%，表明结果解释了18%的样本企业的技术融合程度低的原因。当企业的自主创新能力弱、知识种类不够丰富时，企业所在城市的出口额变大反而会阻碍企业技术融合程度的提高。处于出口额大的城市，企业出口产品附加值低，出口量大但所需技术含量低，企业的技术融合成功率低。此路径下的典型案例企业是北京四维图新科技股份有限公司等，这类企业处于出口贸易较多、出口总额较高的城市，经济外向度很高，但企业本身自主创新能力不足以及知识种类的丰富度不足，导致企业技术融合创新的能力相对较弱，进而使得企业技术融合程度低。

5 结论与建议

5.1 研究结论

本研究选取我国20 家综合实力较强的人工智能企业为研究对象，基于TOE 理论框架构建企业技术融合度提升路径模型，运用模糊集定性比较分析方法探讨基于TOE 框架的技术、组织、环境维度下的6 个影响因素对企业技术融合程度的作用机制，得出如下结论：（1）企业技术融合程度的提升不依赖于单个影响因素，而多重影响因素的组合构型对技术融合程度具有明显提升效应；（2）可以从技术、组织、环境三方面创新要素及其协同作用总结出进一步提升企业技术融合程度的路径，具体为侧重提升自身研发专利创新能力的自主创新型导向路径和侧重提升组织知识宽度的知识共享型导向路径两种；（3）企业在自主创新能力较弱、知识共享能力较差、所在城市出口额较高时，技术融合成功率偏低。

5.2 实践启示

（1）从技术层面来看，自主创新是企业实现高度技术融合的永久之路。企业可以通过增强自主创新能力，确保创新主动权，加大身研发创新力度，建立一体化自主创新体系，构建符合自身特点的技术研发平台，推动实现高度技术融合。

（2）从组织层面来看，企业内部组织可以通过加强与高校、科研机构的合作力度来扩大技术引进，增加可转移和共享的知识种类，通过提高自主创新能力间接推动企业实现高度技术融合。

（3）从环境层面来看，企业所处良好的创新环境是推动企业技术融合程度提升的基础。企业所在城市出口额占比较高时，若企业缺乏自主创新能力或是知识种类不完善，将不利于提升技术融合程度；企业若处于出口量较大的地区，例如沿海城市，需要依靠提高自主创新能力和组织内部知识种类的多样性来有效增加技术融合的竞争力，二者缺一不可。企业在提升自主创新能力的同时需要积极寻求合作伙伴，获取更多异质性资源，提升自身竞争力，提升技术融合创新能力。

综述，企业在实现高度技术融合过程中要充分利用技术、组织知识及所处环境的协同作用，形成资源集约、结构合理、差异发展、协同高效的融合创新体系，确保从整体角度促进实现高度技术融合。

5.3 研究展望

本研究也存在一定局限性，未来研究需要在以下方面做深入探索：一是可以采用其他的定量研究方法对产生高度技术融合路径进一步分析；二是可以考虑更多情境下的高度技术融合机理，如市场竞争、政策支持等，丰富理论模型，开展更深入的技术融合机制研究。