不确定环境下新能源汽车企业技术融合前因组态研究

陈子凤,王 玥,贾卫峰,成 泷

(西安邮电大学 经济与管理学院,陕西 西安 710061)

0 引言

随着国内外市场竞争愈演愈烈,技术变革日新月异,企业面临的外部环境变得越来越不确定和不可预测[1-2]。新能源汽车产业作为国家战略性新兴产业和支柱性产业,伴随着产业快速发展,新企业和跨界企业不断加入,形成激烈的行业竞争格局,其市场环境面临较大的不确定性。与此同时,随着研发投入不断增长和跨界技术的引入,使得行业整体技术水平逐年提高并产生较大的不确定性[3]。在不确定性环境下,企业处于因果关系已知但缺乏额外信息的环境中,因此无法及时有效调整自身战略。为更好地应对环境不确定性,企业需要统筹各方资源和条件,通过技术融合拓展技术边界,提升自身主动性、灵活性和适应性,以应对不确定性带来的挑战并抓住不确定性带来的机遇,进而保持企业竞争力。

技术融合是指不同技术相互作用融合的过程,不同技术在同一专利中共同出现,即认为技术间发生融合。结合组织构型理论和资源基础观理论,企业技术融合不仅是科技问题,也是经济、社会和环境问题[4]。现有研究主要从技术、组织和环境3个层面展开,在技术层面,汤文仙[5]研究发现,用户参与研发、专家有效协作、技术集成和联盟发展等是技术融合的动力因素;Caviggioli&Federico[6]、宋昱晓和苗红[7]基于专利论文数据,从技术层面探讨技术融合的驱动因素,发现交叉引用存量、技术规模、技术周期、技术复杂度、技术距离、后向引用、科学引文、地理跨度、合作合著情况、知识流动程度等因素对不同类型技术融合具有影响。在组织层面,关键研发者特质、研发资源配置和网络嵌入等对技术融合具有显著影响[8]。在环境层面,市场需求、新商业模式、产业特征、国家科技投入、技术动荡性等外部经济与社会政治环境会对技术融合产生影响[9-12]。我国新能源汽车产业整体市场环境十分复杂,整车制造成本较高,产品性能有待提升,充电设施技术仍需优化。新能源汽车企业面临的环境不确定性表现为技术迭代频繁,这给新能源汽车企业创新带来巨大挑战,使得创新风险加剧。

现有研究主要从单因素角度出发,采用统计回归方法分析技术融合的影响因素,聚焦单因素条件的净效应或两者之间的线性关系,忽略了不同维度要素间的联动匹配效应,难以系统解释多因素协同作用机理。针对现有研究的不足,本文基于TOE理论框架,从技术(Technology)、组织(Organization)和环境(Environment)3个维度构建企业技术融合程度影响因素模型,采用fsQCA方法,以中国新能源汽车整车上市企业为样本,探讨多因素间的协同作用,从组态视角对技术融合的前因进行定性和定量研究,以期从理论和实证两方面丰富现有技术融合研究。

1 概念界定与理论模型

1.1 企业技术融合

随着科学技术的迅猛发展和产品市场的快速更新,企业面临的技术和市场环境愈发不确定。为有效应对不确定性环境,企业需要吸收和整合不同技术领域知识,开展跨领域的技术和产品创新,通过技术融合扩展企业边界,解锁新的技术和产品领域,进入甚至开辟新产业[13]。在科学、技术、市场和产业融合中,技术融合占据承上启下的关键位置,是知识融合商业化过程的重要一环。企业技术融合是一种涉及多技术、多行业领域、多方面影响因素的复杂创新活动(李平,杨凤鲜,2014)。对于新能源汽车企业而言,其产品开发涉及信息技术、新材料、能源技术和自动化技术等多领域知识,不管在技术上还是市场上,均颠覆了传统燃油汽车,有效利用多领域知识,通过技术融合创造新产品和新服务,在“群雄逐鹿”阶段抓住不确定性带来的机遇,抢占领先优势,引导外部不确定性向有利于自身的方向发展,对新能源汽车企业生存发展至关重要。

1.2 TOE模型

TOE框架(技术—组织—环境)由Tornatzky &Fleisher(1990)提出,多用于解释企业技术整合与采纳行为。通过对TOE框架的梳理发现,其对本文研究具有适用性和合理性,对于企业技术融合而言,从技术、组织和环境3个方面进行探讨具有显著优势。首先,技术融合是企业对核心技术的研究与突破,具有高度的首创性和探索性等特征,技术维度不同是导致企业技术融合差异的重要因素之一。其次,技术融合活动具有复杂性和长周期性等特点,组织维度是否具备企业实现技术融合的条件也值得关注和探讨。最后,企业技术融合的发生不仅受到企业内部技术和组织因素的制约,企业外部环境因素的影响也起着不可忽视的作用。综上,本文运用TOE框架,结合技术融合的特点与研究现状,构建包括技术、组织和环境3个维度的组态分析框架,探究企业技术融合的多维度影响因素及其互动匹配机制。

1.3 TOE模型中各因素对技术融合的影响

1.3.1 技术层面

(1)技术深度对技术融合的影响。技术深度是指企业对内部技术知识的熟悉程度,体现了企业内部技术在垂直维度的复杂性[14]。企业为实现新产品开发和创新绩效,通过不断增加某一技术领域技术深度,实现核心技术自主可控,从而为进一步实施技术融合提供条件[15-16]。技术深度对技术融合具有正反两方面影响。一方面,技术深度更大的企业拥有丰富的专业化知识,研发人员能觉察这些知识与其它领域知识的融合潜力,从而提高技术融合水平[17]。同时,企业在技术深度上的积累有助于提升吸收能力,使其能够更有效地搜寻、识别、吸收和利用外部有用知识(于飞等,2021),并与自身知识进行互动和重新组合,在此过程中拓展企业技术边界,形成正反馈。另一方面,若技术深度超过某一阈值,可能导致企业对特定技术领域产生认知依赖和技术锁定,不利于企业知识多样性和技术灵活性[18],在已有技术基础潜力耗尽时造成技术自锁的恶性循环,削弱企业拓展现有技术范围的意愿和能力,对技术融合产生负面影响[19]。

(2)技术广度对技术融合的影响。技术广度是指企业技术和科学领域涉及的范围,是企业横向技术多样性水平的体现[14]。技术广度对技术融合同样具有正反两方面影响。一方面,较高的技术广度意味着企业熟悉多个技术领域,对技术探索持更开放和灵活的态度,知识和技术的异质性程度较高,能为其在相近领域和新领域开展技术探索提供更多可用知识[20]。更宽的知识基础意味着较强的吸收能力,有利于企业建立多样化的知识获取渠道和合作关系,获取更丰富的异质性知识,给企业技术融合带来更大空间[16]。同时,对外部知识的吸收利用,能够降低企业技术融合成本与风险,促进知识与技术在企业间及企业内部流动、吸收和利用,提升企业技术融合效率[15,21]。另一方面,较高的技术广度可能带来极大的潜在新组合空间,扩大试错试验范围,增加企业知识整合成本和难度,从而不利于技术融合的发生[21]。此外,技术广度过大会分散企业人力、财力和注意力,消耗企业进行技术融合所需的资源储备,导致企业难以判断真正有潜力、有价值的技术融合路径并为其提供资源保障[19-20]。

1.3.2 组织层面

(1)组织冗余对技术融合的影响。资源是企业进行创新的必需条件。组织冗余是指组织拥有超出自身需求的资源,这些资源也是未被利用的潜在资源,是企业资源过剩的体现。组织冗余作为企业的资源缓冲器,在环境变化时缓冲外部冲击,促使企业采取探索行为,实施创新战略,进行战略变革(赵亚普等,2014;吴建祖等,2016)。蔡建湖等(2022)将组织冗余分为研发人员冗余与财务冗余,并以新能源汽车企业为例,发现研发人员冗余能够显著促进企业研发资金投入,从而为技术融合提供人力和财力保障。在不确定性环境中,组织冗余对企业绩效具有正向影响[22]。这是因为企业资源越丰富,其选择就越多,对外部环境和突发事件的缓冲能力也越强,企业就越有可能实施变革。对于企业技术融合而言,在具备技术深度与技术广度的基础上,若存在相应的组织冗余,企业将更有资本和勇气对其战略进行调整,更有自信和底气承担融合创新活动的高风险,并为企业探索新技术领域、推动技术变革和创新提供所需额外资源[23-24]。同时,组织冗余也能为企业吸引合作伙伴,获取、吸收和利用外部异质性知识提供资源和利益交换的资本,这对企业技术融合具有重要影响。

(2)管理能力对技术融合的影响。根据人力资本理论,在企业竞争中,人力资本的潜力与活力取决于领导者能力(彭永涛等,2022)。企业管理者扮演着多重角色,具备处理突发事件、预测与评估项目前景等决策能力。高层管理者通过制定企业创新发展战略,可以使企业在未来竞争中占据主导地位。不确定性环境下,企业管理能力越强,管理者越能对外界技术、市场和政策环境变化作出前瞻性判断并预先采取行动,结合组织冗余具备的缓冲能力,为企业实施技术变革与融合创新创造条件。同时,较强的管理能力通常意味着较高的内部执行力和效率,有利于外部合作关系的建立,进而拓宽技术广度与深度,有效促进企业技术融合。

1.3.3 环境层面

环境不确定性是指企业因缺乏必要信息和能力而难以辨别相关或不相关数据,不能精确判断和预测企业外部环境的影响。本文沿用常见的划分方法,将环境不确定性划分为技术不确定性和市场不确定性两个维度,分别探究其对企业技术融合的影响[1,25]。

(1)技术环境不确定性对技术融合的影响。技术不确定性是指技术的复杂性、不稳定性以及技术变化过程中的不可预测性[1,26]。由于不同企业的技术能力和资源冗余存在较大差异,因此在面对技术不确定性时表现出的适应性不尽相同。技术不确定性对企业技术融合的影响主要表现在两方面:首先,技术的高不确定性给企业带来挑战和压力。技术的快速变化与波动可能改变产业链格局,削弱企业原本稳固的竞争优势,对于技术适应性和实践性较强的企业而言,要敢于面对挑战,迎难而上,提升企业技术融合程度,积极开发新技术、新产品,在市场中抢占先机。其次,技术不确定性高往往意味着存在更多潜在技术方向可供选择和探索,可为企业技术融合提供素材和空间,也能为企业间技术交流与合作提供机会,从而促进企业技术融合。因此,技术不确定性对于企业而言,既是压力也是动力,既是机遇也是挑战,若企业具备良好的技术基础、组织冗余和管理能力,将有利于企业在不确定性环境下识别和利用潜在技术机会,通过技术融合抓住不确定性环境带来的机遇。

(2)市场环境不确定性对技术融合的影响。市场不确定性是指企业决策者无法准确判断和预测企业外部市场环境、市场结构变化或竞争强度等[1]。市场不确定性对技术融合的影响具有两面性,整体呈倒U型关系。一方面,当市场不确定性逐渐加剧时,市场能力较强的企业可以借助不确定性带来的机会,更加自如地迎合市场并开拓新市场,潜在新市场的诱惑会增强企业开展技术融合的动力,通过提高企业技术融合创新水平,抵御环境不确定性带来的风险[27]。另一方面,随着市场环境不确定性加剧,市场竞争更为激烈,为抵御风险,巩固市场地位,企业可能将大量资金用于抵御外界环境变化,从而减少技术创新投入,进而降低企业技术融合水平[1]。

(3)政府补助对技术融合的影响。已有研究表明,相较于研发投入,政府补贴更能发挥“四两拨千斤”的作用,是企业技术突破的催化剂,能给企业创新绩效提升带来更大助力[28]。政府补贴通过资金支持和政策支持提高企业研发强度,为企业抵抗外界不确定性风险提供帮助。同时,政府补助通过对外界释放积极信号,缓解企业融资约束,间接促进企业创新投入,提升企业技术融合水平[25]。但当财政补贴超过企业自身研发投入时,企业可能将多余补贴视为超额利润,并投向其它领域,使得政府研发补贴的作用难以得到发挥。在补贴政策的利益驱动下,新能源汽车迎来产量与销量快速增长,但由于财政补贴会扭曲市场竞争准则,削弱企业技术研发动力和积极性,从而抑制企业技术融合创新行为[29]。

在组态视角下,技术条件、组织条件和环境条件对技术融合的影响并不是相互独立的,而是通过联动匹配的方式协同发挥作用。具体而言,多重条件间的并发协同效应既可能通过适配相互强化,也可能通过替代相互抵消。因此,本文基于组态视角实证探讨技术、组织、环境三重条件如何通过相互间的联动匹配(适配/替代)影响企业技术融合。综上所述,本研究构建如图1所示的组态效应模型。

图1 企业技术融合的组态效应模型Fig.1 Configuration effect model of enterprise technology convergence

2 研究设计

2.1 研究方法

定性比较分析法(QCA)是一种基于集合论(而非相关关系)对因果关系进行建模的新方法,通过小样本分析因果关系的内在机理[30]。QCA作为探究组态效应和殊途同归的有效方法,近年来被广泛应用于管理学各领域。本文以21家中国新能源汽车整车上市企业为研究对象,运用模糊集定性比较分析(fsQCA)方法,基于TOE框架,从技术、组织和环境3个维度探寻企业实现技术融合的多种组态,分析多因素之间的联动匹配机制,解释不同技术融合度的内部推动结构与作用机理,总结企业提升技术融合度的不同路径。

2.2 案例选择

本研究选择新能源汽车企业作为研究对象,原因在于新能源汽车产业作为国家战略性新兴产业,是我国实现汽车强国、应对气候变化、推动绿色发展的支柱型产业,获得了中央及地方一系列产业政策支持。但当前,与传统燃油汽车相比,新能源汽车并不具备显著竞争优势,生产成本居高不下,技术设施尚未完全普及。由于新能源汽车的技术、市场和政策环境均存在较大的不确定性,且在技术上具有明显的跨领域融合特征,因此是研究不确定性环境下企业技术融合前因组态的合适对象。本研究选取中国A股新能源汽车整车上市企业进行数据收集、整理和筛选,剔除两家数据缺失企业,最终确定21家企业为研究样本。

2.3 数据来源与变量测度

如表1所示,本文初始数据来源于德温特专利数据库和企业年报。其中,样本企业专利数据来自于德温特专利数据库,根据授权时间和专利权人检索,具体包括专利授权时间、专利权人、专利四位IPC号等信息,技术不确定性检索时间为2012—2018年,技术深度与广度检索时间为2017—2019年,技术融合度检索时间为2021年;其它变量数据来自于巨潮资讯网提供的上市公司企业年报,具体包括资产总额、流动资产、销售费用、销售收入、政府补助等数据,组织冗余、管理水平、政策补助数据来自于2017—2019年年报,市场不确定性数据来自于2012—2018年年报。此外,条件变量均采用2017—2019年变量数值的平均值,为避免专利授权滞后性带来的误差,结果变量采用2021年数据。

表1 变量选取概况Tab.1 Overview of variable selection

3 数据分析与实证结果

3.1 变量校准

本文参考既有研究的做法,基于直接校准法,将95%分位数设置为完全隶属点,均值设置为交叉点,5%分位数设置为完全不隶属点,并将校准后的变量赋值转变为真值表,7个条件变量的定位点如表2所示。本文使用fsQCA 3.0软件进行分析。

表2 变量校准点Tab.2 Calibration points of variables

3.2 必要条件分析

数据校准后,需对条件变量进行必要性和一致性检验,结果如表3所示。在必要条件分析中,条件一致性水平均低于0.9,表明前因变量对结果变量均不构成必要条件,各变量均不是企业高/非高技术融合度的必要条件,需要对技术、组织及环境3个层面进行组态分析,挖掘条件变量间协同提升企业技术融合度的路径。

表3 条件变量必要性检验结果Tab.3 Necessity test results of conditional variables

3.3 充分条件分析

对企业高技术融合度和非高技术融合度组态构型进行分析,分别将原始一致性、PRI一致性、案例频数阈值设置为0.8、0.7和1,对满足要求的前因条件组合作进一步分析,得到复杂解和简单解。由于本研究中各条件与结果间的关系尚未明确,难以进行反事实分析,因而均选择“存在/不存在皆可”。最后,以表格形式报告中间解,将同时出现在中间解和简单解中的前因条件作为核心变量,将仅出现在中间解而未出现在简单解中的前因条件作为辅助条件。组态分析结果如表4所示。

表4 企业高/非高技术融合度组态Tab.4 Configuration of high/non-high enterprise technology convergence

组态解集由7个组态条件和7条路径组成。其中,企业高技术融合度组态解有4种,总体解的一致性为0.877,说明这4种组态为结果变量的充分条件;总覆盖度为0.433,说明这4种条件组合可覆盖43.3%的高技术融合度企业。企业非高技术融合度组态解有3种,总体解的一致性为0.946,说明这3种组态为结果变量的充分条件;总覆盖度为0.389,说明构型能解释38.9%的样本案例。

3.4 案例与构型讨论

3.4.1 高技术融合度组态

(1)构型1A:环境波动—技术驱动型。构型1A的一致性系数为0.910,大于0.80,原始覆盖度为0.183,能解释约18%的高技术融合度企业。该路径中,技术和市场环境不确定性发挥核心作用,即使技术深度、组织冗余、管理能力和政府补助等辅助条件缺失,在技术广度这一核心条件存在的情况下,企业仍可应对环境不确定性,实现高技术融合度。因此,将该路径命名为环境波动—技术驱动型,典型案例是海马汽车。2017年,国家开始对新能源汽车补贴政策进行调整,2018年受外部大环境、公司品类战略落地的影响,海马汽车主营板块乏力,出现巨额亏损,加上2020年新冠疫情暴发,汽车市场持续低迷,最终导致海马汽车销量暴跌。海马汽车进入新能源领域时间较短,在技术、管理及营销等方面均处于弱势地位,抗风险能力较弱,使得环境突变对海马汽车发展的负面影响较大。但海马汽车作为首家通过ISO9000标准的整车生产企业,一直在巩固与马自达的技术合作,建立自己的研发和技术体系,技术涉及范围较广,在不确定性环境下,仍然可以进行高水平技术融合。2020年,海马汽车开始加大技术研发投入,制定新型技术研发路线,于当年推出3款新车。通过海马汽车的案例可以发现,技术和市场不确定性能为企业技术融合提供压力和动力,激发企业积极利用内部技术宽度和外部知识源,实现技术融合。

(2)构型1B:环境波动—资源支撑型。构型1B的一致性系数为0.908,大于0.80,原始覆盖度为0.187,能解释约18%的高技术融合度企业。该路径中,技术和市场环境不确定性同样发挥核心作用,即使技术广度、技术深度、管理能力和政府补助等辅助条件缺失,在存在组织冗余的情况下,企业通过额外的人力、物力、财力储备,依然可以实现较高水平的技术融合。因此,将该路径命名为环境波动—资源支撑型,典型案例是中通客车。中通客车作为国内最早的客车生产企业,是最早进入新能源领域的公司之一。随着新能源汽车产业的快速崛起,各企业纷纷加大研发投入,使得新能源汽车技术步入发展快车道,导致行业技术环境充满不确定性。同时,各车企均希望在愈演愈烈的市场竞争中抓住机遇,形成领先优势,从而加剧了市场环境不确定性。因此,中通客车面临极不稳定的外部环境。2017年,山东重工集团全面接管中通客车,为其导入丰富的人力、物力、财力等资源,使得中通客车在满足自身发展的情况下,能够利用冗余资源更好地应对外部不确定性环境,积极调动各方资源,加快技术革新与进步,提升企业技术融合水平,最终取得阶段性进展,成功将氢燃料客车投放市场。因此,组织冗余资源是企业实现技术融合的一个重要原因。

命题1:在市场和技术环境不确定性较高的情况下,技术广度或组织冗余对企业实现高技术融合度具有重要作用。

(3)构型2A:环境平衡—组织支撑—政府拉动型。构型2A的一致性系数为0.879,大于0.80,原始覆盖度为0.213,能解释约21%的高技术融合度企业。该路径中,市场相对稳定、组织冗余和政府补贴为核心条件,技术广度、技术深度、～管理能力和～技术不确定性为辅助条件,企业可实现高技术融合度。因此,将该路径命名为环境平衡—组织支撑—政府拉动型,典型案例是金龙汽车。金龙汽车早在2008年就进入中国企业500强,尤其是近年来保持稳健的发展步伐,被评为“中国最具价值品牌500强”。2013—2017年,伴随着政府补贴政策的不断调整,金龙汽车的营业收入、营业外收入水平也随之发生变化,表明企业受政策调整影响较大,自身研发能力较弱。但近几年金龙汽车的资产负债率、流动比率、期间费用率均呈增长趋势,企业逐渐拥有丰富的冗余资源(董金焕,2019)。政府支持使得企业在技术与市场环境平衡状态下,即使技术广度与深度、管理水平较低,仍可依靠组织内部冗余资源实现技术融合。这说明企业在稳定的技术和市场环境中,可以通过储备各项资源为技术融合助力。

命题2:企业在市场和技术环境不确定性较低的情况下,需同时具备组织冗余与政府补助两个条件,才能实现较高水平的技术融合。

(4)构型2B:技术动荡—组织支撑—政府拉动型。构型2B的一致性系数为0.955,大于0.80,原始覆盖度为0.181,能解释约18%的高技术融合度企业。该路径中,市场相对稳定、组织冗余和政府补贴为核心条件,技术深度、管理能力、技术不确定性和～技术广度为辅助条件,企业可实现高技术融合度。因此,将该路径命名为技术动荡—组织支撑—政府拉动型,典型案例是宇通客车。宇通客车成立于1993年,稳居大中型客车头把交椅,2021年市场占有率达38.24%。根据企业年报,宇通客车的核心零部件大部分来自于外部供应商。从商业模式看,宇通客车本质上属于技术方案整合商,如果不能适当整合多方技术,则可能在动荡的技术环境中丧失发展优势。因此,为应对技术环境的不确定性,宇通客车利用内部不同类型的冗余资源优势,积极整合多方技术,激发企业发展活力。同时,政府大力支持企业发展壮大,为其制定具有前瞻性的指导方针,并补贴企业发展,促使企业实现较高的技术融合度。在技术环境不确定性较高的情况下,政府补助和组织冗余能为企业技术融合提供支撑。

命题3:在市场环境相对稳定、技术环境不确定性较高的情况下,组织冗余和政府补助对企业实现高技术融合度具有重要作用。

从构型1A与构型1B看,当技术与市场不确定性均较高时,技术广度与组织冗余之间具有替代关系,即二者满足其一就可以实现高技术融合度。从构型1B与构型2A看,当技术与市场不确定性均较低时,组织冗余与政府补助之间具有明显的互补关系。

3.4.2 非高技术融合度组态

构型3～5为产生非高技术融合度的路径。构型3中,在市场环境不确定性较高的情况下,企业技术深度、技术广度、组织冗余、～管理能力和～政府补助为核心条件,不利于企业产生高技术融合度。较高的市场不确定性会消耗较多组织内部冗余资源,企业管理费用随之上涨,使得员工难以深刻理解技术内部知识结构,因此无法产生较高的技术融合度。构型4中,在技术与市场环境不确定性均低的情况下,～技术广度、～组织冗余、技术深度和管理能力为核心条件,政府补助为辅助条件,企业难以产生较高的技术融合度。构型5中,在技术与市场环境不确定性均高的情况下,技术深度为核心条件,技术广度、管理能力、政府补助和～组织冗余为辅助条件,不利于企业产生较高的技术融合度。对于企业而言,组织内部资源极为重要。

命题4:当技术与市场环境不确定性较高时,技术深度不利于企业实现高水平技术融合。

命题5:当企业具有较强的管理能力,但缺少不确定性环境带来的潜在机会时,企业将难以实现高水平技术融合。

命题6:技术深度不利于企业实现高水平技术融合。

为检验上述结果的稳健性,本文将一致性水平由0.80提高至0.90,组态结果与前文基本一致,表明结果稳健。

3.5 超高技术融合度组态分析

为进一步探讨企业技术融合的前因组态,本文将结果变量分为企业高技术融合度与超高技术融合度两组。数据校准后,逐一检验条件变量的必要性和一致性水平,结果表5所示。可以发现,各条件的一致性水平均低于0.9,说明各单一变量均非高技术融合度和超高技术融合度的必要条件。

表5 条件变量必要性检验结果Tab.5 Necessity test results of conditional variables

对原始一致性阈值、PRI一致性阈值进行调整,将案例频数阈值设置为1,重新计算简单解、中间解和复杂解,经过布尔代数运算得出不同前因条件组合,结果如表6所示。可以发现,企业高技术融合度组态与上文结论基本一致,对于超高技术融合度企业而言,更需要技术不确定性因素作为支撑。一方面,当技术不确定性较高时,可以为技术融合提供更多技术元素,有助于新知识、新技术的获取与吸收利用;另一方面,技术不确定性会给企业带来压力和动力,从而激发企业开展技术融合创新的意愿和行为。总而言之,技术不确定性可以为企业带来更多机遇,对企业实现超高技术融合度具有不可或缺的作用。

表6 企业高/超高技术融合度组态Tab.6 Configuration of high/ultra-high enterprise technology convergence

4 结语

4.1 研究结论

本文以新能源汽车企业为例,探讨不确定性环境下企业技术融合的前因组态和提升路径,得到以下主要结论:

首先,企业技术融合受多方面因素共同影响,单一因素不构成技术融合的必要条件。企业高技术融合度实现路径有4条,在环境波动—技术驱动型和环境波动—资源支撑型路径中,当技术和市场不确定性均较高时,技术广度和组织冗余有其一即可;在环境平衡—组织支撑—政府拉动型和技术动荡—组织支撑—政府拉动型路径中,当市场相对稳定时,需要组织冗余和政府补助同时发挥作用。企业产生非高技术融合度的路径有3条,且与高技术融合度实现路径存在非对称性关系。

其次,在市场和技术不确定性均高时,较宽的技术广度能给企业技术融合带来丰富的技术元素和较大范围的知识获取、吸收和利用能力,组织冗余可为企业提供应对不确定性的多方面资源,帮助企业建立广泛的外部合作关系,拓宽自身技术范围,二者在实现高水平技术融合上具有替代效应。当市场相对稳定时,不管技术不确定性水平如何,企业要实现高水平技术融合,都需要发挥组织冗余和政府补助的互补效应,组织冗余带来资源韧性和灵活性,政府补助一方面直接增加企业创新投入,另一方面向外界传递积极信号,有助于企业获取融资和吸引外部合作伙伴,促进技术融合。

(3)对于企业高技术融合度而言,技术不确定性并非必备条件,在技术和市场环境相对稳定的情况下,可以实现较高水平的技术融合。但企业若想实现超高技术融合度,技术不确定性通常是不可或缺的。技术不确定性能给技术融合带来更多可用于新组合试验的技术元素,更重要的是,技术不确定性给企业技术融合探索带来更大压力和动力,激发企业利用技术融合提升技术灵活性,通过拓展技术边界突破企业边界,以更有效地应对不确定性环境。

4.2 理论贡献

本文致力于解答不确定性环境下企业技术融合如何发生及提升。相较于已有研究,本文将环境不确定性纳入研究框架,突破了现有技术融合单因素净效应的研究视角,借助TOE框架和fsQCA方法,从组态视角分析和探索企业技术融合的前因组态及构型要素间的联动匹配机制,在一定程度上揭开了技术融合驱动因素的“黑箱”,加深了对相关要素间协同机制的理解,可为后续相关研究提供视角、方法和分析框架等方面的借鉴。

4.3 实践启示

(1)企业在制定技术研发与创新等相关战略时,应结合外部环境不确定性和内部技术基础、组织冗余等资源配置特征,通过调整技术或组织特征应对环境等客观禀赋条件的制约,因地制宜地选择技术融合度提升路径。在市场和技术双重不确定性环境下,企业应积极拓展技术宽度,保持一定组织冗余,以更好地利用企业内外部知识和资源。在市场相对稳定的环境下,除组织冗余外,企业还应积极争取政府补助,一方面能直接增加企业研发投入,另一方面,政府的认可向外界释放积极信号,能够帮助企业更好地获取融资,吸引更多合作伙伴。内部组织冗余、创新资金保障和外部知识来源协同助力企业技术融合创新。

(2)伴随着环境不确定性的加剧,不管是企业、行业还是相关政策制定者,在感知不确定性带来的风险、挑战和压力的同时,也要深刻理解不确定性带来的机遇,以积极态度拥抱不确定性。政府政策制定者和行业监管者通过对不确定性的前瞻性分析,引导行业和企业发展方向,扶植有潜力的企业,提升行业整体发展水平和竞争力。企业通过高水平技术融合拓展技术边界,实现产品跨领域创新,进而拓展企业边界。成功开拓新领域的领先企业,也可利用其技术、产品和市场影响力,反过来影响技术和市场不确定性走势,使其朝着对自身有利的方向发展。

4.4 不足与展望

尽管本文力求严谨和细致,但仍存在以下不足,有待未来进一步研究。首先,在研究结论普适性上,本文仅选取中国新能源汽车企业作为样本,研究结论是否适用于其它行业有待考察,未来研究可针对更多行业展开。其次,在方法选择上,定性比较分析便于多案例间的比较,但难以从更细致入微的层面展开论证,未来可采用访谈、问卷等方法调研企业内外部其它因素对技术融合的实际影响,更细致全面地研究技术融合的前因组态。最后,本文仅进行了截面分析,未来可考虑加入时间因素,探讨技术融合前因组态的稳定性和动态性。