王煒 羅守貴

摘要：基于模擬自然和社會現(xiàn)象的NetLogo建模仿真平臺，文章結(jié)合知識創(chuàng)新和智能體（Agent）仿真模型等相關(guān)理論，對知識密集型產(chǎn)業(yè)演化機理進行研究，在基于Netlogo仿真模擬過程中，微觀的知識密集型公司作為智能體，我們發(fā)現(xiàn)知識基因（Kene）是演化發(fā)展的內(nèi)在動力，運用 Kene理論建立了知識密集型產(chǎn)業(yè)知識創(chuàng)新的知識空間模型，提出創(chuàng)新假設(shè)（Innovation Hypothesis）是知識創(chuàng)新內(nèi)在動力，描述了知識創(chuàng)新演化的適應(yīng)性機理，經(jīng)由復(fù)制（模仿）、變異、選擇的過程而演化。文章提出知識密集型產(chǎn)業(yè)發(fā)展規(guī)律對持續(xù)性的知識創(chuàng)新具有重要的理論和現(xiàn)實意義。

關(guān)鍵詞：仿真；演化；知識基因；Kene；Netlogo

一、 知識密集產(chǎn)業(yè)與知識基因研究進展

1. 知識密集產(chǎn)業(yè)的相關(guān)研究。生產(chǎn)要素的不同投入比重可以將生產(chǎn)部門劃分為勞動密集型產(chǎn)業(yè)、資本密集型產(chǎn)業(yè)和知識密集型，隨著知識經(jīng)濟的到來，知識密集型產(chǎn)業(yè)發(fā)展顯示越來越重要的地位，知識密集型產(chǎn)業(yè)是指在生產(chǎn)過程中對知識的依賴程度大，即知識含量高、腦力勞動所占比重比較大的產(chǎn)業(yè)。國內(nèi)學者高汝熹（2007）突破對知識密集型產(chǎn)業(yè)的定性認識，構(gòu)建了一套知識密集型產(chǎn)業(yè)的評價指標，并運用主成分分析法對上海知識密集型產(chǎn)業(yè)進行定量研究。許強（2007）重點研究上海知識密集型制造業(yè)，揭示了知識密集型制造業(yè)存在的問題并提出對策。陳偉等（2013）認為專利創(chuàng)新績效水平會影響知識密集型產(chǎn)業(yè)，利用2005年～2010年的專業(yè)時序數(shù)據(jù)進行實證分析，確定影響專利創(chuàng)新的主要因素。羅守貴提出知識競爭力概念來量化描述知識密集型相關(guān)產(chǎn)業(yè)，揭示亞太地區(qū)知識競爭力的格局正在發(fā)生變化，特別為上海指出如何保持知識競爭力優(yōu)勢地位的措施。王煒（2015）利用生態(tài)學理論，在Matlab仿真軟件動態(tài)模擬生產(chǎn)者和消費者的行為中融入生態(tài)特征來模擬生產(chǎn)者的自主創(chuàng)新和合作創(chuàng)新運行機理；并研究知識創(chuàng)新演化過程中的外部和內(nèi)部動力機制。

2. 知識基因在知識創(chuàng)新中應(yīng)用。SKIN模型（Simulating Knowledge Dynamics in Innovation Networks Model）是伴隨著知識密集型產(chǎn)業(yè)發(fā)展而提出的，其包含了很多同質(zhì)的智能體（Agent），這些智能體有相互影響相互作用的行為。在SKIN模型中，Gilbert（2004）基于meme的基礎(chǔ)上提出Kene概念（知識 knowledge+基因gene），又稱為“知識的基因”，用以表示知識創(chuàng)新過程組織中的知識單元的集合。Pyka（2007）基于Kene是知識單元的集合，認為每個知識單元是三維向量，知識密集公司通過合作、組建創(chuàng)新網(wǎng)絡(luò)來傳遞知識，基于agent仿真模擬復(fù)雜知識創(chuàng)新系統(tǒng)的動態(tài)變化；Pyka（2009）對近來年的文獻進行匯總納入創(chuàng)新網(wǎng)絡(luò)架構(gòu)，更全面地解釋了知識密集產(chǎn)業(yè)演化的內(nèi)在動力機制。Petra（2011）基于Agent分析合作策略（Agent-oriented Scenario）場景和資本結(jié)構(gòu)分布（Structure-oriented Scenario）場景，用Kene來描述知識間動態(tài)流動，結(jié)論是通過合作來彌補先天的不足資金，一是當初始化資本結(jié)構(gòu)平均分布時，其創(chuàng)新效率和規(guī)模小于初始化資本結(jié)構(gòu)不均時的效率和規(guī)模；二是保守策略合作，積極策略合作都有正面影響，但保守策略合作更好于積極策略合作。

與國外相比，孫冰等（2012）設(shè)計339份調(diào)查問卷進行結(jié)構(gòu)方程的實證研究。實證分析結(jié)果表明假設(shè)成立，Kene是技術(shù)演化中的重要知識結(jié)構(gòu)，是技術(shù)演化的關(guān)鍵內(nèi)部要素；同時，孫冰等（2012）認為適應(yīng)性是技術(shù)演化的根本動力。基于復(fù)雜適應(yīng)系統(tǒng)的觀點研究知識密集型產(chǎn)業(yè)知識創(chuàng)新呈現(xiàn)的新特征，是促進動態(tài)環(huán)境和變量下產(chǎn)業(yè)發(fā)展問題研究的新思路。將Kene理論引入產(chǎn)業(yè)技術(shù)的動態(tài)研究，以知識密集型產(chǎn)業(yè)為研究對象，提出知識密集型產(chǎn)業(yè)技術(shù)的適應(yīng)性演化新觀點。通過仿真模型對技術(shù)的演化過程進行模擬，揭示了知識密集型產(chǎn)業(yè)技術(shù)及其演化的七個復(fù)雜適應(yīng)特征。孫冰等（2013）引入Kene探討技術(shù)創(chuàng)新的適應(yīng)性演化問題，提出技術(shù)創(chuàng)新在環(huán)境中適應(yīng)性演化中的自然選擇與學習。

3. 小結(jié)?；谝陨现R密集產(chǎn)業(yè)和知識基因研究，目前知識創(chuàng)新演化的表達形式還不夠豐富，尚未從時間角度來連續(xù)地觀察與定量分析演化進程，知識密集型產(chǎn)業(yè)中技術(shù)演化過程的內(nèi)外部驅(qū)動機制。本文全新演繹企業(yè)知識基因在知識密集型產(chǎn)業(yè)知識創(chuàng)新動態(tài)演化過程。因此，在netlogo生態(tài)仿真模擬平臺上，用 Kene理論建立知識密集型產(chǎn)業(yè)知識創(chuàng)新的知識空間模型，提出創(chuàng)新假設(shè)（Innovation Hypothesis）是技術(shù)知識創(chuàng)新內(nèi)在動力，描述了知識創(chuàng)新演化的適應(yīng)性機理，經(jīng)由復(fù)制（模仿）、變異、選擇的過程而演化。

二、 NetLogo仿真平臺建模

在復(fù)雜多變的環(huán)境中，公司從供應(yīng)商買進原材料，將生產(chǎn)出來的產(chǎn)品賣給消費者。知識密集型產(chǎn)業(yè)中的技術(shù)就由若干 Kene所構(gòu)成，我們基于Kene對知識創(chuàng)新網(wǎng)絡(luò)中的知識動力進行仿真，Kene包括了多個知識單元，每一單元是一個三維向量，三維向量都由 C、A、E三個整數(shù)值組成，分別代表知識的屬性C（Capability）、能力A（Ability）和專業(yè)水平E（Expertise level）：C代表在科學、技術(shù)或商業(yè)領(lǐng)域的一種產(chǎn)業(yè)（如生物化學產(chǎn)業(yè)）；A代表在該產(chǎn)業(yè)中的一種特定能力（如生物化學產(chǎn)業(yè)中的技術(shù)）；E是主體運用這種能力A能夠達到的專業(yè)水平，也是知識創(chuàng)新的知識在市場中的適應(yīng)強度。

同時，NetLogo模型有兩部分包括可視化部件和例程，兩者具有緊密聯(lián)系。先在Interface中創(chuàng)建可視化部件，然后在例程中實現(xiàn)相應(yīng)的代碼，通過設(shè)置控件的屬性可以將兩者聯(lián)系起來。模型中例程包括初始化例程和仿真例程：（一）初始化例程通過setup實現(xiàn)，Interface頁中建立一個按鈕與setup例程相聯(lián)系，在setup中對模型初始狀態(tài)的設(shè)置，生成所需的知識密集型公司，設(shè)置其狀態(tài)，比如每個知識密集型公司初期有一些資本量，資本量反映公司規(guī)模大小，初期資本量是隨機的，資本多則公司規(guī)模大，大型公司的資本量是小公司資本量的10倍，公司用這些資本來生產(chǎn)并提高知識水平；（二）仿真的執(zhí)行通過例程go實現(xiàn)，在go例程中編寫所需執(zhí)行指令，完成循環(huán)仿真。建立可控化部件中的一個按鈕與go例程相聯(lián)系，該按鈕是一個永久（forever）按鈕，點擊后將不斷重復(fù)執(zhí)行g(shù)o例程，直到用戶再次點擊該按鈕或遇到stop指令則仿真終止。在go例程實現(xiàn)過程中，知識密集型公司將自己知識應(yīng)用于生產(chǎn)，我們定于其潛在的創(chuàng)新能力為創(chuàng)新假設(shè)（IH：Innovation Hypothesis），創(chuàng)新假設(shè)集合是知識基因Kene的子集，包括若干個知識單元，是公司創(chuàng)新繼而盈利的動力。從創(chuàng)新假設(shè)IH映射到新產(chǎn)品過程是對創(chuàng)新假設(shè)集合中的屬性值Ci匯總?cè)∧５倪^程。

生產(chǎn)所需要的原材料來源于創(chuàng)新假設(shè)的子集，計算過程類似生產(chǎn)新產(chǎn)品過程。若所需原材料在市場上找不到，則公司停止生產(chǎn)。若有多個供應(yīng)商，則選擇最便宜價格的那個供應(yīng)商；若有多個相同便宜的供應(yīng)商，選擇最高質(zhì)量的。為了描述知識密集型產(chǎn)業(yè)中知識創(chuàng)新演化的適應(yīng)性機理，我們將合作方式和學習強度作為內(nèi)在演化動力。根據(jù)合作關(guān)系是否合作、和誰合作，我們將合作策略分：無合作策略、保守策略、積極策略。保守策略是為了合作順利，尋找相似知識基礎(chǔ)的合作伙伴，積極策略是為了最大程度吸收新知識，尋找知識基礎(chǔ)差異大的合作伙伴。如何尋找合作者中，廣告?zhèn)鞑サ墓拘畔apabilities作為是否合作的基礎(chǔ)，首先尋找之前有合作過的公司、供應(yīng)商、客戶、最后是其他公司。比較合作兩者之間的capabilities，若使用保守策略，公司將和自己相近的capabilities；若使用積極策略，公司采用與自己有差異的capabilities。當capabilities是新的，該公司的專業(yè)水平E值將減少1以此來反映整合外部知識的所需要付出的代價。當capabilities是舊的，當該公司的合作伙伴有較高的專業(yè)水平E值時，該公司會提升到合作伙伴相同專業(yè)水平E值，否則，該公司的專業(yè)水平E值不變，此類合作創(chuàng)新是一種組合創(chuàng)新，組合多個合作者的知識。如果公司最新的創(chuàng)新獲得成功，利潤大于閾值，公司有些合作伙伴，則會建立一個網(wǎng)絡(luò)，該網(wǎng)絡(luò)作為一個特殊的agent能夠自動創(chuàng)新，將產(chǎn)生的利潤分配給其成員。網(wǎng)絡(luò)作為特殊的agent，他的知識基因來自其成員的基因，當網(wǎng)絡(luò)聯(lián)盟成功時，將分配大于初始成本的利潤給其成員，若失敗，則會破產(chǎn)直至消亡。當獲得利潤后，更多的新公司會因為利潤進入，但新公司由于資金有限無法完全復(fù)制現(xiàn)有公司，其專業(yè)水平E賦值為1。根據(jù)學習強度有不學習、邊干學模型、調(diào)整產(chǎn)品價格、增量學習模型、輻射性學習模型、成為合作者、成為網(wǎng)絡(luò)成員。邊干學模型：公司運用創(chuàng)新假設(shè)中的知識來生產(chǎn)，若新產(chǎn)品獲得市場認可，則增加該領(lǐng)域的專業(yè)水平E值，創(chuàng)新假設(shè)集合中的專業(yè)水平E值增加1，其他專業(yè)水平E值減少1，當專業(yè)水平E值減少為0時，其隸屬的三維向量則從Kene知識空間中退出；增量學習模型：若產(chǎn)品不符合市場需求，公司需要通過花費更多的成本來增量學習新產(chǎn)品（Incremental Research），通過增量投入R&D研發(fā)，通過改變專業(yè)水平E來提高產(chǎn)品，其中Ability是可增可減，即有兩種研究方向。一開始研究方向是隨機的，隨后從成功或失敗中學習調(diào)整Ability值。如果在行動空間方向是正確的，公司會一直朝著這個方向遞增或遞減，否則改變方向；輻射性學習模型：若產(chǎn)品不符合市場需求，并且公司瀕臨破產(chǎn)或處于困境公司需要通過花費更多的成本輻射性研究（radical Research）來生產(chǎn)迎合市場的新產(chǎn)品，轉(zhuǎn)向完全不同領(lǐng)域的市場，進入一個新的產(chǎn)業(yè)。方式是隨機產(chǎn)生新capability值來替代一個已有的capability值。

三、 模擬仿真分析

通過以上建模，我們通過模擬仿真公司行為變化發(fā)現(xiàn)如下規(guī)律：

（1）我們看到合作策略影響著市場上公司的數(shù)量：保守合作策略為了合作順利，尋找相似知識基礎(chǔ)的合作伙伴，由于合作成本和相似行業(yè)創(chuàng)新力度不夠，導(dǎo)致公司數(shù)量是一直下降趨勢；積極合作策略是在初期整個市場的公司數(shù)量是減少的，后來才慢慢地增加數(shù)量，其原因是公司為積極合作時，為了最大程度吸收新知識，尋找知識基礎(chǔ)差異大的合作伙伴，由于跨行業(yè)之間合作，為整合付出的成本會遠大于利潤，致使公司資金入不敷衍繼而退出市場，很多初創(chuàng)企業(yè)倒閉，隨著時間推移，積極合作畢竟帶來了跨行業(yè)知識的創(chuàng)新，企業(yè)間迭代合作研發(fā)了很多新技術(shù)，隨著創(chuàng)新活動增多，使得一部分企業(yè)存活下來從而吸引更多的新公司進來；出乎意外的是，不合作策略過程中，公司數(shù)量是一直增加的，原因是公司通過自主知識創(chuàng)新來增加市場競爭力。

（2）我們看到學習強度影響著市場上公司的數(shù)量：邊干學是通過市場價格調(diào)節(jié)產(chǎn)量使得越來越多新公司加入，由于知識無法在公司間流動吸收，無法真正驅(qū)動公司的知識創(chuàng)新的能力致使公司盈利能力不佳導(dǎo)致公司數(shù)量還是下降；增量學習中公司數(shù)量增長速度不如輻射性學習方式，其原因是輻射性學習方式多采用與自己不同知識基礎(chǔ)的企業(yè)合作導(dǎo)致知識創(chuàng)新的成效越來越大；意外的是，創(chuàng)新網(wǎng)絡(luò)合作的方式反而使得公司數(shù)量一直減少，其原因是網(wǎng)絡(luò)間合作的耦合性太高，互相影響大，有一個中心公司，廣泛與其他企業(yè)合作，而其他企業(yè)很少有其他合作，如果一個中心公司有經(jīng)營不佳則會影響整個創(chuàng)新網(wǎng)絡(luò)失敗繼而使得網(wǎng)絡(luò)內(nèi)所有成員公司退出市場。

（3）我們看到大型公司數(shù)量占公司總量的占比會影響著市場上公司的創(chuàng)新網(wǎng)絡(luò)的數(shù)量和創(chuàng)新網(wǎng)絡(luò)大?。寒斦麄€市場全為同類規(guī)模的小公司時，由于小公司規(guī)模小和實力小，導(dǎo)致無法有向心力凝聚成創(chuàng)新網(wǎng)絡(luò)；當大公司占比為小部分，畢竟大公司數(shù)量很少能形成的創(chuàng)新網(wǎng)絡(luò)的個數(shù)不多，形成創(chuàng)新網(wǎng)絡(luò)agent寡頭局面；當大公司占比為超過一半時，我們發(fā)現(xiàn)有廣泛合作行為，原因是大公司的創(chuàng)新能力不夠，所以需要與高科技小公司合作，同時，高科技小公司需要借助大公司來使得他們的知識產(chǎn)品更加商業(yè)化，幾乎每個大公司與小公司有合作，形成創(chuàng)新網(wǎng)絡(luò)agent多個寡頭局面。；當大公司占比為絕大數(shù)時，大公司之間往往會一起合作會形成超級大公司，形成較大的創(chuàng)新網(wǎng)絡(luò)規(guī)模包括更多的公司，形成創(chuàng)新網(wǎng)絡(luò)agent壟斷局面。

四、 結(jié)論與展望

知識密集型產(chǎn)業(yè)中知識創(chuàng)新演化過程是一個比較慢長的動態(tài)的復(fù)雜過程，通過本文netlogo模擬仿真發(fā)現(xiàn)，創(chuàng)新假設(shè)（Innovation Hypothesis）是技術(shù)知識創(chuàng)新內(nèi)在動力，描述了知識創(chuàng)新演化的適應(yīng)性機理，經(jīng)由復(fù)制（模仿）、變異、選擇的過程而演化。不同規(guī)模企業(yè)在同一時期選擇知識創(chuàng)新的方式是不同的，比如在產(chǎn)業(yè)發(fā)展初期，我們發(fā)現(xiàn)有廣泛合作行為，原因是大公司的創(chuàng)新能力不夠，所以需要與高科技小公司合作，同時，高科技小公司需要借助大公司來使得他們的知識產(chǎn)品更加商業(yè)化。合作方式可以相互替代，也可以相互補充，不同場合下會有不同的效果。未來，本文還需要引入更為復(fù)雜的競爭合作策略機制，構(gòu)建更為復(fù)雜的創(chuàng)新交互系統(tǒng)。

參考文獻：

[1] 高汝熹，許強.上海知識密集型產(chǎn)業(yè)評價研究——基于主成分分析法的實證[J].上海經(jīng)濟研究，2007，（7）.

[2] 許強.知識密集型產(chǎn)業(yè)評價和發(fā)展研究[D].復(fù)旦大學學位論文，2007.

[3] 陳偉，沙蓉，張永超，田世海.我國知識密集型產(chǎn)業(yè)專利創(chuàng)新績效評價研究——基于DEA-Malmquist指數(shù)方法[J].管理評論，2013，（8）.

[4] 羅守貴，陶金，王冰，張宇飛.亞太知識經(jīng)濟發(fā)展新形勢及其對上海的啟示[J].科學發(fā)展，2014，（6）.

[5] 王煒，羅守貴.基于agent的技術(shù)演化創(chuàng)新研究，現(xiàn)代管理科學，2015，（8）.

[6] 孫冰，襲希，余浩，姚洪濤.基于知識的技術(shù)演化內(nèi)部影響因素研究——以kene為視角[J].圖書情報工作，2012，56（22）.