产业技术创新联盟创新合作演化博弈分析——基于大数据辅助监管视角

丁远一

（南京审计大学金融学院，南京 211815）

引 言

科技体制改革的目标是建立以市场为导向、企业为主体、各创新主体紧密合作的协同创新联盟，是实施创新驱动发展战略、提高国家创新能力的重要手段［1］。然而当前我国创新联盟主体间合作不够紧密，环境、机制和体制在促进创新主体之间的合作作用不够显著，各创新主体之间合作积极性不高等问题仍然存在。传统的产学研合作创新通过鼓励创新主体之间进行合作，综合创新主体的科研力量提高成果的转化率，但是这种模式间合作相对比较简单，合作路径单一，仅限于企业与大学和科研机构之间的技术转移，创新联盟创新主体之间相互扶持、合作更加紧密，是传统产学研合作结合时代发展的新趋势。创新联盟形成的理论基础是协同理论，它在强调创新联盟系统内部要素之间互动的同时，注重通过复杂互动形成协同效应和高绩效。美国硅谷的协同创新模式使得产学研之间的合作取得了突破性的进展，形成了以大学强劲科学研究能力为基础的产学研紧密结合的协同创新模式。主要表现在以下几个方面：（1）搭建了创新技术平台，强化了创新联盟成员之间协调互助的集体意识，在协同创新交互效应的影响下，非线性的创新绩效显著提高；（2）将注意力重点放在新知识孵化为技术的过程，从而使得能够发现知识、创新技术的科学家随时能够发现到企业家的技术需求，科研人员创造出的新知识随时随地传递到技术领域，有效的促进知识和技术创新之间的深度融合；（3）形成了产业发展、人才培养和科学研究之间的高度统一，协同创新过程中注重人才培养，积累了知识孵化转化为新技术环节的人才，形成雄厚的人力资本优势，提高了整个创新联盟的协同创新能力。

从创新联盟协同创新的实践来看，单一依靠联盟合作和市场磨合往往会出现市场失灵的现象，较难形成自发稳定的协同创新联盟［2］。为了避免市场失灵，监管主体需要在管理创新活动、制定相应政策鼓励协同创新等方面发挥作用，如何调节创新联盟机会主义发生的成本和协调创新的收益，促进协同创新联盟创新合作和良性发展，对于我国经济社会健康稳定发展具有重要意义［3］。近年来，以大数据为代表的信息科学技术为创新联盟的健康发展提供了新的手段［4］，2015年国务院办公厅印发了 《关于运用大数据加强对市场主体服务和监管的若干意见》，指出要将大数据作为激发市场主体活力、维护市场发展的重要抓手，构建以大数据为辅助手段的新型监管方式，系统研究大数据辅助监管的一般机理，对于明确监管方式和提升创新联盟创新活力具有重要意义。

1 文献综述

创新联盟最早形成于20世纪50年代，作为企业获取技术进步创新的重要手段，在推动企业创新进程获取创新优势的过程中发挥了重要的作用，通过对已有的文献进行梳理发现，针对创新联盟的研究主要包括内涵及动因研究、伙伴选择研究以及组织及演化研究3个方面。

1.1 创新联盟内涵及动因研究

陈劲和阳银娟［5］认为创新联盟形成的实质是协同创新，是一项相对复杂的创新组织形式，它以企业、高校和研究机构等创新主体作为核心要素，以政府、中介机构以及其他非盈利组织为辅助要素，通过各要素之间深度合作和资源整合，形成系统的非线性创新。解学梅和主良秀［6］通过对合作创新、战略联盟等概念进行辨析后，定义了协同创新的内涵，指出协同创新是在跨界整合的基础上形成的创新增值的过程，不同合作伙伴之间具有较高的协同度，经济和社会效益显著。杨林和柳洲［7］认为协同创新联盟形成的动力主要是企业追求创新绩效的内在要求，产学研各创新主体在利益的驱动下促使了创新联盟的形成。周正等［8］在对创新联盟形成动力进行分析时，强调了同行业竞争压力和政府政策扶持的影响，其中政府政策扶持能够影响创新要素的流动，提高产学研等创新主体的合作意愿，使得创新联盟快速形成。龙跃和顾新［9］则重点强调了知识投入在推动创新合作中的作用，指出知识投入是协同创新的先决条件，直接影响着创新主体参与创新合作的积极性。

1.2 创新联盟伙伴选择研究

宋洋和逄亚男［1］认为大多数创新联盟的失败归因于目标与战略的冲突、合作伙伴间关系的破裂、缺乏信任以及创新文化差异等几个方面，选择正确的创新合作伙伴是联盟能够成功的基础。王发明和刘丹［10］指出焦点企业是产业创新联盟的核心，焦点企业在与合作伙伴进行合作过程中应该采用Shapley值法对创新收益进行分配，焦点企业与合作共生主体互利共生共同促进创新联盟发展。张敬文等［11］利用PLS－SEM模型对创新联盟合作伙伴选择影响因素进行了分析，指出联盟合作伙伴选择的关键影响因素包括企业技术资源、文化背景等。邓渝［12］在对123家高技术企业进行实证分析的基础上，分析了不同企业技术创新过程伙伴选择战略的作用，指出突破式创新过程中一般采用市场导向伙伴选择战略，而在渐进式创新过程中一般采用关系导向伙伴选择战略。朱清等［13］利用ELECTRE－I决策方法明确了技术创新联盟伙伴如何进行选择，在这个过程中充分考虑了创新联盟伙伴进行选择时所具有的多目标性和不确定性特点。

1.3 创新联盟组织模式及演化研究

韩莹和陈国宏［2］指出在我国市场经济体制不断完善过程中，创新联盟中机会主义仍然存在，需要包括正式契约和隐形契约共同规范和作用才能维护创新联盟秩序，并对正式契约和隐形契约的具体内容进行了阐述。陈晓红和解海涛［14］从网络范式角度分析了中小企业创新过程，提出了 “四主体动态模型”的协同创新体系结构。孙亮等［15］构建了政府、创新联盟和联盟成员之间三方演化博弈关系，分析了政府介入对创新联盟形成和发展的重要性。吕一博等［16］以大学驱动型开放式创新生态系统为研究对象，从创新主体、创新要素和创新机制的视角分析了大学驱动型开放式创新生态系统形成的过程，指出创新生态系统形成的核心机制是专家主导机制，核心要素是分布式的创新网络平台。董微微［17］指出随着时代的发展，创新联盟的发展模式从单向线性创新模式在经历过互动创新模式后，已经开始向现代非线性创新模式逐渐转化。

通过对已有的文献进行梳理发现，学者们对创新联盟的形成和发展展开了深入分析，也有学者引入博弈模型分析方法对创新联盟的合作演化进行了深入的研究，但鲜见有考虑大数据辅助监管在创新联盟形成过程中的作用。基于此，本文构建了产业技术创新联盟监管方与创新主体的两方演化博弈模型，探究了大数辅助监管下创新联盟合作演化机理，以期为促进产业技术创新联盟健康发展提供借鉴和理论支撑。

2 模型建立

2.1 模型假设

H1：产业技术创新联盟在形成和发展过程中存在监管主体和创新主体两类主体，其中监管主体主要是指政府，创新主体主要是指企业、高校和科研机构。为了促进产业技术创新联盟各创新主体的合作，监管主体会对创新主体进行监督，监督过程中考虑人工监管为主，同时利用大数据监管作为辅助和基础，大数据监管创新主体不合作行为的成功率为α。

H2：监管主体利用人工监管时可以采用强监管和弱监管两种策略，其中强监管策略是指投入高强度的人工成本而获取较高的监督效果，弱监管策略是指投入较少的人工成本而获得相对较差的监督效果，强监管策略和弱监管策略的人工成本投入分别为LH和LL，强监管策略对不进行合作创新主体的查处率为1，弱监管策略对不进行合作创新主体的查处率为θ，弱监管策略可能受到上级监管主体失职处罚PS，处罚的概率为ρ，监管主体在有效促进创新主体进行合作时可以得到一定政治收益，有效促进创新主体合作包括创新主体进行合作以及不进行合作受到监管主体查处两种情况，政治收益包括名誉和职务晋升等，用A表示，监管主体在对不进行合作创新主体采取处罚措施时可以得到罚款收益PI，表示监管主体查处不合作创新主体有效维护联盟秩序的经济收益。

H3：假设创新联盟中创新主体有合作和不合作两种策略，不合作策略节约了合作成本CC，但是可能受到不合作罚款PI，PI同时作为监管主体的罚款收益；合作策略需要付出合作成本CC，同时获得合作收益CI，如信誉等。

H4：假设创新主体以m的概率选择合作，以（1－m）的概率选择不合作；监管主体以n的概率采取弱监管策略，以（1－n）的概率采取强监管策略；m和n随着时间t而变化。

模型中各参数含义、取值符号以及数值范围如表1所示。

表1 各参数含义、表示符号以及数值范围

2.2 模型建立

根据前面假设构建了监管主体与创新主体之间演化博弈模型，收益矩阵如表2所示。

表2 监管主体和创新主体博弈收益矩阵

根据表2中的博弈收益矩阵，能够得到创新主体采取不合作策略和合作策略的期望收益以及创新主体的平均收益分别为：

创新主体选择不合作策略的复制动态方程为：

其中W＝［1－α］（1－θ）PI，X＝（CI－CC）－（CCPI）；从表达式中可以看出，W可以认为不合作“补贴”，表示在没有被大数据技术监管查处（1－α）同时没有被人工查处（1－θ）条件下，不合作策略没有受到监管主体的惩罚，等同于监管主体对创新主体不合作策略的 “补贴”，从参数取值范围上看W＞0。X可以认为是合作 “绩效”，即合作下的收益（CI－CC）与强监管状态下不合作收益的差值（CC－PI）。

运用同样的方法可以得到监管主体采取弱监管策略和强监管策略的期望收益以及监管主体的平均得益分别为：

监管主体选择弱监管策略的复制动态方程为：

其中Y＝［1－α］（1－θ）［A＋PI－（－ρPS）］，Z＝LH－LL；从参数取值范围上看Y，Z＞0；从表达式上可以看出，Y可以认为是强监管策略下的 “转换绩效”，即创新主体采取不合作策略时没有被大数据技术监管查处（1－α）同时没有被人工查处（1－θ）条件下， 强监管策略奖励（A＋PI）与弱监管策略建立（－ρPS）之间的差值，等同于弱监管策略向强监管策略转换过程中增加的收益；Z可以认为是强监管策略下的 “转换成本”，即弱监管策略向强监管策略转换过程中增加的人工成本。

3 模型分析

通过对方程 （4）和方程 （8）的复制动态方程进行联立并求解，可以发现创新主体和监管主体在演化博弈过程中有5个动态平衡点，这5个动态平衡点分别为（0，0）、 （0，1）、 （1，0）、 （1，1）和（m∗，n∗）； 其中m∗＝W／X，n∗＝Y／Z。 在判断这5个动态平衡点是否稳定时，采用雅克比矩阵的局部稳定分析法。平衡点应该具备以下条件：对应的矩阵行列式大于0的同时迹小于0；中心点应该具有以下条件：对应的矩阵行列式大于0的同时迹等于0。计算得到该演化博弈系统的雅克比矩阵为：

该雅克比矩阵的行列式detJ和迹trJ分别为：

将5个动态平衡点分别代入式 （10）和式（11），可以计算得到各动态平衡点稳定性分析结果如表3所示。根据创新主体与监管主体的复制动态方程，可以得到两类群体的动态演化相位图如图1所示。

图1

表3 各动态平衡点稳定性结果

续 表

从表3中可以看出，根据W、X、Y、Z相对大小取值的不同，能够将创新主体和监管主体之间演化博弈演化系统划分为6种情形。

情形1（X＜0并且Z＞Y）：创新主体选择合作的X小于0意味着，创新主体合作收益（CI－CC）小于不合作收益（CC－PI），创新主体必然会选择不合作策略；Z＞Y意味着监管主体选择强监管策略的 “转换成本”大于选择强监管策略下的 “转换绩效”，此时监管主体必然会选择监管策略；这种情况下复制动态方程的仅有平衡点（1，1）是稳定的，其余平衡点均不稳定，复制动态演化关系如图1（a）所示，情形1中创新主体不合作而监管主体弱监管的策略组合带来较高的创新成本，在创新联盟监管过程中应避免这种情形的发生。

情形2（X＜0并且Z＜Y）：创新主体选择合作的X小于0意味着，创新主体合作收益（CI－CC）小于不合作收益（CC－PI），创新主体必然会选择不合作策略；Z＜Y意味着监管主体选择强监管策略的 “转换成本”小于选择强监管策略下的 “转换绩效”，表明强监管策略可行性高，监管主体会根据对创新主体选择不合作策略的比例的判断结果，决定是否采用强监管策略。复制动态演化关系如图1（b）所示，当创新主体选择不合作比例小于Z／Y时，监管主体最终选择弱监管策略，当创新主体选择不合作比例大于Z／Y时，监管主体最终选择强监管策略，这种情况下复制动态方程仅有平衡点（1，0）是稳定的，其余平衡点均不稳定，情形2中监管主体采用强监管策略，创新主体仍旧选择不合作策略，这是由于对于创新主体而言，合作收益仍然小于不合作收益，这种策略组合带来较高的创新成本，在创新联盟监管过程中应避免这种情形的发生。

情形3（X＞W并且Z＞Y）：X＞W意味着创新合作的绩效大于不合作的 “补贴”，创新主体必然会选择合作策略；Z＞Y意味着监管主体选择强监管策略的 “转换成本”大于选择强监管策略下的“转换绩效”，表明强监管策略可行性低，监管主体会选择弱监管策略；这种情况下复制动态方程仅有平衡点（0，1）是稳定的，其余平衡点均不稳定，复制动态演化关系如图1（c）所示。情形3中稳定点的策略组合带来的创新成本最低，对应创新主体效益和监管主体效益双优的情形。

情形4（X＞W并且Z＜Y）：X＞W意味着创新合作的绩效大于不合作的 “补贴”，创新主体必然会选择合作策略；Z＜Y意味着监管主体选择强监管策略的 “转换成本”小于选择强监管策略下的“转换绩效”，表明强监管策略可行性高，监管主体会根据对创新主体选择不合作策略的比例的判断结果，决定是否采用强监管策略。复制动态演化关系如图1（d）所示，当创新主体选择不合作比例小于Z／Y时，监管主体最终选择弱监管策略，当创新主体选择不合作比例大于Z／Y时，监管主体最终选择强监管策略，这种情况下复制动态方程仅有平衡点（0，1）是稳定的，其余平衡点均不稳定，情形4中监管主体采用弱监管策略，创新主体选择合作策略，情形4中稳定点的策略组合带来的创新成本最低，对应创新主体效益和监管主体效益双优的情形。

情形5（0＜X＜W 并且Z＞Y）： X＜W 意味着创新合作的绩效小于不合作的 “补贴”，不合作策略具有可行性；同时X＞0意味着创新主体合作收益（CI－CC）小于不合作收益（CC－PI）， 合作策略同样具有可行性；创新主体会对监管主体选择弱监管策略的比例进行判断，根据判断结果决定自己的策略。复制动态演化关系如图1（e）所示，当监管主体选择弱监管策略比例小于X／W时，创新主体将最终选择合作策略，当监管主体选择弱监管策略比例大于X／W时，创新主体将最终选择不合作策略。Z＞Y意味着监管主体选择强监管策略的“转换成本”大于选择强监管策略下的 “转换绩效”，表明强监管策略可行性低，监管主体会选择弱监管策略；这种情况下复制动态方程仅有平衡点（1，1）是稳定的，其余平衡点均不稳定，这种策略组合带来较高的创新成本，在创新联盟监管过程中应避免这种情形的发生。

情形6（0＜X＜W 并且Z＞Y）： X＜W 意味着创新合作的绩效小于不合作的 “补贴”，不合作策略具有可行性；同时X＞0意味着创新主体合作收益（CI－CC）小于不合作收益（CC－PI）， 合作策略同样具有可行性；创新主体会对监管主体选择弱监管策略的比例进行判断，根据判断结果决定自己的策略。复制动态演化关系如图1（e）所示，当监管主体选择弱监管策略比例小于X／W时，创新主体将最终选择合作策略，当监管主体选择弱监管策略比例大于X／W时，创新主体将最终选择不合作策略。Z小于Y意味着监管主体选择强监管策略的 “转换成本”小于选择强监管策略下的 “转换绩效”，表明强监管策略可行性高，监管主体会根据对创新主体选择不合作策略的比例的判断结果，决定是否采用强监管策略。复制动态演化关系如图1（f）所示，当创新主体选择不合作比例小于Z／Y时，监管主体最终选择弱监管策略，当创新主体选择不合作比例大于Z／Y时，监管主体最终选择强监管策略，这种情形下复制动态方程仅有平衡点（m∗，n∗）是中心点，其余平衡点均不稳定。群体状态围绕着（m∗，n∗）为中心点进行周期性调整，复制动态演化关系如图1（f）所示，孙庆文等 （2003）［18］证明了中心点（m∗，n∗）是这种情形下的稳定平衡点，但是这种稳定并非是渐进的过程，这表明在公共政策制定和实施过程中会表现出周期性行为，整个群体围绕着策略的中心点（m∗，n∗）进行周期性调整 （宋彪， 2018）［19］。

4 研究结论和政策建议

大数据辅助创新联盟创新合作监管的核心在于对创新主体进行合作 “绩效”和不合作 “补贴”相对大小的管理，通过创造良好的制度环境使得创新主体合作 “绩效”大于不合作 “补贴”是监管服务的根本所在，也是创新合作监管的重要目标。本文考虑大数据辅助创新联盟创新合作监管实际，从演化博弈的角度对监管主体与创新主体演化策略进行分析，得到如下结论：

（1）情形1和情形2的X＜0，表明创新主体进行合作的收益小于强监管状态的不合作收益，不合作成为创新的主体必然选择，意味着创新联盟合作关系恶化。监管主体的策略选择是由M和N值相对大小决定的。

（2）情形3和情形4的X＞W，创新合作的绩效大于不合作的补贴，创新主体必然会选择合作策略， 且无论 Z＞Y或 Z＜Y， 稳定点均为（0，1），合作和弱监管的策略组合对于创新联盟的效益和监管效益均达到最优。

（3） 情形5和情形6中的0＜X＜W，创新主体的策略选择取决于对监管主体选择弱监管策略比例的判断，M与N值的相对大小决定了最终稳定与较高创新成本的稳定点（1，1），还是围绕着以（m∗，n∗）为中心点进行周期性调整。从创新联盟管理的视角看，X和W相对大小的确定是创新联盟监管的核心，创新联盟监管的意义已不再局限于发现不合作行为进行惩罚，而是需要制定相关的政策确保X＞W，从而引导监管的结果趋近于创新联盟的效益和监管效益均达到最优。

（4）从X和W的表达式可以看出，表征技术水平的大数据监管成功率α具有重要的理论意义，在人工监管成功率θ不变的条件下，大数据监管成功率α的提高可以有效降低W，能够促进X＞W的实现，最终实现创新合作监管的 “技术赋能”。