劉聰+劉國新

摘要：分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移有利于知識在網(wǎng)絡(luò)內(nèi)的擴散和傳播。將核心企業(yè)間知識轉(zhuǎn)移策略分為轉(zhuǎn)移和保護兩類，構(gòu)建分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移策略的演化博弈模型，分析其演化路徑，探討不同因素對核心企業(yè)間知識轉(zhuǎn)移的影響作用，并針對性地提出相應(yīng)的對策建議，促進核心企業(yè)間的知識轉(zhuǎn)移。研究發(fā)現(xiàn)，核心企業(yè)采取知識轉(zhuǎn)移策略的概率與雙向知識轉(zhuǎn)移額外收益、知識吸收和挖掘能力、知識外溢造成的損失呈正相關(guān)，與核心企業(yè)間差異化知識存量的差距、單向知識轉(zhuǎn)移收益、知識保護活動的成本呈負相關(guān)。

關(guān)鍵詞：分布式創(chuàng)新網(wǎng)絡(luò)；核心企業(yè)；知識轉(zhuǎn)移；演化博弈

中圖分類號：F272文獻標識碼：A DOI：10.3963/j.issn.1671-6477.2017.02.0007

隨著產(chǎn)品技術(shù)多樣性和復(fù)雜性的增加，單個企業(yè)已很難掌握技術(shù)創(chuàng)新所需的全部知識，因而尋求外部知識獲取成為企業(yè)建立競爭優(yōu)勢的重要渠道之一。分布式創(chuàng)新建立在產(chǎn)業(yè)聚集、地區(qū)生產(chǎn)專業(yè)化和地方化創(chuàng)新的基礎(chǔ)上，強調(diào)將不同地域的本地化知識進行整合，依據(jù)共同的創(chuàng)新平臺進行創(chuàng)新活動[1]。分布式創(chuàng)新網(wǎng)絡(luò)內(nèi)各創(chuàng)新主體是各領(lǐng)域內(nèi)知識的擁有者，創(chuàng)新主體間在多個環(huán)節(jié)、多個層面有著正式和非正式聯(lián)系，進行著知識的擴散和轉(zhuǎn)移。作為分布式創(chuàng)新網(wǎng)絡(luò)中的“龍頭”，核心企業(yè)以其高度異質(zhì)性的知識、強大的創(chuàng)新能力、網(wǎng)絡(luò)的深度嵌入性，成為分布式創(chuàng)新網(wǎng)絡(luò)中創(chuàng)新活動的驅(qū)動力，因此核心企業(yè)間的知識轉(zhuǎn)移也必然會成為影響分布式創(chuàng)新活動的重要因素。但核心企業(yè)間的知識轉(zhuǎn)移過程目前還不清晰，需要進一步地探索與研究。本文擬采用演化博弈理論，分析有限理性條件下核心企業(yè)間知識轉(zhuǎn)移策略的博弈行為，研究核心企業(yè)間知識轉(zhuǎn)移的影響因素，為分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移加速提供對策建議。

一、文獻回顧

（一）核心企業(yè)

關(guān)于核心企業(yè)的判斷，國內(nèi)外學(xué)者研究角度各異。從網(wǎng)絡(luò)結(jié)構(gòu)角度出發(fā)，F(xiàn)reeman認為核心企業(yè)應(yīng)更靠近創(chuàng)新網(wǎng)絡(luò)中心，并能把握整個網(wǎng)絡(luò)的信息流[2]。Pérez-Nordtvedt認為網(wǎng)絡(luò)中的某些企業(yè)由于擁有異質(zhì)性知識資源而與其他企業(yè)建立關(guān)系，同時占據(jù)網(wǎng)絡(luò)中的有利位置[3]。從學(xué)習(xí)能力出發(fā)，Pittaway指出核心企業(yè)吸收和創(chuàng)造知識的速度最快，并通過強大的技術(shù)創(chuàng)新能力管理網(wǎng)絡(luò)[4]。Gay和Dousset從資源觀角度指出，核心企業(yè)擁有該行業(yè)的關(guān)鍵知識和技術(shù)，能改變貫穿整個網(wǎng)絡(luò)的信息流，并能帶動其他企業(yè)創(chuàng)新能力的提升[5]。黨興華認為處于創(chuàng)新網(wǎng)絡(luò)關(guān)鍵節(jié)點位置的便是核心企業(yè)，通過自身的影響力與實力領(lǐng)導(dǎo)創(chuàng)新活動[6]。本研究認為分布式創(chuàng)新網(wǎng)絡(luò)中的核心企業(yè)是處于分布式創(chuàng)新網(wǎng)絡(luò)中的重要節(jié)點、具有不可替代的技術(shù)和競爭優(yōu)勢，能把握貫穿整個網(wǎng)絡(luò)的信息流、快速獲取各種知識、創(chuàng)新能力和學(xué)習(xí)能力很強，并能領(lǐng)導(dǎo)和推動網(wǎng)絡(luò)創(chuàng)新活動的企業(yè)。

（二）知識轉(zhuǎn)移

知識轉(zhuǎn)移的概念最早是由Teece提出，他指出跨國界的技術(shù)轉(zhuǎn)移能為企業(yè)帶來大量的應(yīng)用知識[7]。知識轉(zhuǎn)移在創(chuàng)新網(wǎng)絡(luò)中無處不在，特別是在開放式創(chuàng)新的大背景下，逐步成為企業(yè)提升競爭優(yōu)勢的重要方式。國內(nèi)外學(xué)者對于知識轉(zhuǎn)移的界定多是從動態(tài)角度給出，例如White RS認為同時具有知識傳遞和知識吸收的過程就是知識轉(zhuǎn)移[8]；魏江、王銅安認為知識轉(zhuǎn)移使新的知識得以被吸收和利用，這一知識管理活動是基礎(chǔ)且復(fù)雜的[9]。在知識轉(zhuǎn)移影響因素方面，多位學(xué)者從知識本身、知識源、知識受體、知識轉(zhuǎn)移的環(huán)境、企業(yè)文化等方面進行了研究[10-11]。在知識轉(zhuǎn)移模型方面，M.Gilbert提出知識轉(zhuǎn)移5階段模式，將知識轉(zhuǎn)移過程分為取得階段、溝通階段、應(yīng)用階段、接受階段和同化階段。取得階段是知識轉(zhuǎn)移的開始；溝通階段強調(diào)建立有效的溝通機制；應(yīng)用階段是通過反復(fù)地組織學(xué)習(xí)完成知識的轉(zhuǎn)移活動；接受階段是強調(diào)企業(yè)在對知識進行整合、改造前，必須使網(wǎng)絡(luò)中的員工接受新的知識，才有可能將新知識同化到網(wǎng)絡(luò)的知識體系中。在企業(yè)獲取外部新技術(shù)的過程中，M.Gilbert指出知識轉(zhuǎn)移的各階段不是靜態(tài)的過程，而是一個循環(huán)往復(fù)的學(xué)習(xí)過程，是個動態(tài)變化的過程[12]。

（三）企業(yè)間知識轉(zhuǎn)移的博弈分析

部分學(xué)者應(yīng)用博弈論對企業(yè)間知識轉(zhuǎn)移策略的機理和過程進行了研究，也提出了一些加速知識轉(zhuǎn)移的對策建議。阮國祥、阮平南根據(jù)演化博弈理論及仿真分析集群企業(yè)間的知識轉(zhuǎn)移，表明懲罰機制是集群網(wǎng)絡(luò)企業(yè)間知識轉(zhuǎn)移的重要治理機制[13]。秦紅霞等運用演化博弈理論分析了企業(yè)間知識共享網(wǎng)絡(luò)形成的一般規(guī)律，發(fā)現(xiàn)企業(yè)知識共享網(wǎng)絡(luò)的初始狀態(tài)和激勵措施對知識共享網(wǎng)絡(luò)的形成具有重要作用[14]。余呈先、郭東強利用演化博弈分析外部知識轉(zhuǎn)移時轉(zhuǎn)型企業(yè)與知識源企業(yè)間的行為及演化方向，研究得出知識轉(zhuǎn)移源企業(yè)與知識受體轉(zhuǎn)型企業(yè)間的強/弱知識轉(zhuǎn)移意愿影響知識轉(zhuǎn)移的效用[15]。孫艦等構(gòu)建了項目合作網(wǎng)絡(luò)內(nèi)企業(yè)間知識轉(zhuǎn)移的演化博弈模型，認為當知識轉(zhuǎn)移凈得益大于知識保護凈得益時，穩(wěn)定的轉(zhuǎn)移策略會形成，而通過控制知識轉(zhuǎn)移和知識保護的成本，降低知識損失概率；增強知識吸收能力，提高企業(yè)知識轉(zhuǎn)移得益能加速知識的轉(zhuǎn)移[16]。

分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移策略研究具有一定的普遍性，同時也有其特殊性。知識轉(zhuǎn)移過程的實現(xiàn)需要考慮到知識轉(zhuǎn)移雙方的得益與成本，得益包括目標完成的基本得益及由知識轉(zhuǎn)移產(chǎn)生的額外得益，成本包括防范核心技術(shù)與知識外溢而付出的代價及由對方機會主義行為所造成的損失，只有當?shù)靡娲笥诔杀緯r，知識轉(zhuǎn)移才會發(fā)生。本文將知識溢出因素考慮在內(nèi)，分析核心企業(yè)間知識轉(zhuǎn)移與保護策略的權(quán)衡機制，在目前的知識轉(zhuǎn)移研究中尚不多見。本文試圖以分布式創(chuàng)新網(wǎng)絡(luò)為研究對象，構(gòu)建核心企業(yè)間知識轉(zhuǎn)移策略的演化博弈模型，綜合考慮知識轉(zhuǎn)移額外得益、知識吸收及挖掘能力、知識溢出、知識保護成本等因素，分析核心企業(yè)間知識轉(zhuǎn)移的影響因素及策略選擇。

二、演化博弈模型的構(gòu)建及假設(shè)

演化博弈理論以“有限理性”的博弈方作為博弈分析的基礎(chǔ)，適用于分析缺乏預(yù)見能力的個體所組成的群體內(nèi)成員間的反復(fù)博弈，相當于現(xiàn)實經(jīng)濟中對象不固定的大量個體之間的較長期經(jīng)濟、交易關(guān)系。這種有限理性條件下的博弈分析框架，與研究生物種群性狀演化與穩(wěn)定機制的生物演化理論很相似，最終在多次重復(fù)博弈過程中通過不斷學(xué)習(xí)、模仿、調(diào)整，達到“演化穩(wěn)定策略（ESS）”[17]。

核心企業(yè)是知識轉(zhuǎn)移活動中的決策主體，在與其他核心企業(yè)的聯(lián)結(jié)過程中可以采取知識轉(zhuǎn)移策略，也可以采取知識保護策略，取決于企業(yè)在知識轉(zhuǎn)移過程中的預(yù)期凈得益。分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移過程實際上是知識源與知識受體間的互動，即博弈行為。為了研究簡便，本文假定分布式創(chuàng)新網(wǎng)絡(luò)中存在兩個核心企業(yè)1與2。

（一）模型中的基本假設(shè)

1.假定在分布式創(chuàng)新網(wǎng)絡(luò)內(nèi)存在兩個核心企業(yè)，分別處于創(chuàng)新價值鏈的上下游位置，擁有各自細分領(lǐng)域內(nèi)充滿異質(zhì)性、互補性的知識，支撐起企業(yè)的競爭優(yōu)勢。設(shè)核心企業(yè)擁有的差異化知識存量為K i（i=1，2）。

2.以任務(wù)為導(dǎo)向，分布式創(chuàng)新網(wǎng)絡(luò)是各核心企業(yè)基于共同的目標而構(gòu)建，設(shè)目標完成的基本得益為R i（i=1，2）。核心企業(yè)在保證核心知識不外泄的前提下，逐步開放各自的邊界，與其它核心企業(yè)在不同層次、不同環(huán)節(jié)進行知識轉(zhuǎn)移，雙方獲得額外收益（知識創(chuàng)新能力、知識管理能力）的系數(shù)為e ij（i=1，2，j=1，2），且0≤e ij≤1。e ij表示核心企業(yè)j為知識源，核心企業(yè)i為知識受體所進行的知識轉(zhuǎn)移。在知識單向轉(zhuǎn)移的情況下，知識受體之于知識源的額外收益系數(shù)為ρ ij（i=1，2，j=1，2），ρ ij表示核心企業(yè)j為知識源，核心企業(yè)i為知識受體所進行的單向知識轉(zhuǎn)移，且0≤ρ ij≤1。

3.在核心企業(yè)有強知識轉(zhuǎn)移意愿的前提下，知識受體核心企業(yè)的知識吸收和挖掘能力是影響知識轉(zhuǎn)移效果的重要因素。不同核心企業(yè)的專業(yè)分工不同，其知識領(lǐng)域、學(xué)習(xí)能力、吸收能力也必定有所差異。高效的知識轉(zhuǎn)移不僅需要克服知識源與知識受體間的文化距離、空間距離及知識距離，而且需要知識源對知識進行篩選、編碼，知識受體進行篩選、整合、吸收、挖掘。設(shè)核心企業(yè)的知識吸收和挖掘能力系數(shù)為M i（i=1，2），且0≤M i≤1。

4.知識轉(zhuǎn)移雙方在獲得額外收益的同時，也面臨著核心技術(shù)與知識外溢的風(fēng)險，知識源核心企業(yè)無法保證自身的核心技術(shù)與知識不會在知識轉(zhuǎn)移過程中由于對方的機會主義行為而外溢，另外核心企業(yè)無意識地泄露核心技術(shù)與知識的現(xiàn)象也時有發(fā)生。而知識受體核心企業(yè)在利己思維的驅(qū)動下，一旦發(fā)現(xiàn)竊取行為有利可圖時，基于核心技術(shù)與知識的保護承諾將變得不可信。設(shè)由核心技術(shù)與知識外溢給核心企業(yè)帶來損失的系數(shù)為N i（i=1，2），且0≤N i≤1。

5.為防范自身核心技術(shù)與知識在知識轉(zhuǎn)移過程中外泄，各核心企業(yè)通常會采取一系列保護措施，比如對員工開展保密培訓(xùn)、簽訂保密協(xié)議、實施股權(quán)激勵、安裝監(jiān)控設(shè)備等，這會構(gòu)成企業(yè)的知識保護成本。設(shè)知識保護活動的成本系數(shù)為P i（i=1，2），且0≤P i≤1。本文假定核心企業(yè)開展知識保護活動可以完全防范核心技術(shù)與知識外溢風(fēng)險。

6.我們假設(shè)核心企業(yè)1采取知識轉(zhuǎn)移策略的概率為x，則采取知識保護策略的概率為（1-x）；核心企業(yè)2采取知識轉(zhuǎn)移策略的概率為y，則采取知識保護策略的概率為（1-y），其中0≤x≤1、0≤y≤1。

（二）演化博弈模型的建立

1.當核心企業(yè)1、2均采取轉(zhuǎn)移策略時的得益函數(shù)。當雙方都采取轉(zhuǎn)移策略時，此時為知識雙向轉(zhuǎn)移，雙方都將獲得目標完成后的基本得益R i，知識轉(zhuǎn)移的額外收益，同時承擔(dān)一定的核心技術(shù)與知識外溢損失。知識轉(zhuǎn)移的額外收益大小取決于額外收益系數(shù)e ij以及知識轉(zhuǎn)移雙方的知識吸收與挖掘能力，即額外收益e ijM iK j。核心企業(yè)由于知識的外溢造成的損失為N iK i。因此，當知識雙向轉(zhuǎn)移時，核心企業(yè)1的得益函數(shù)為：

U 1（1）=R 1+e 12M 1K 2-N 1K 1

同理，核心企業(yè)2的得益函數(shù)為：

V 1（2）=R 2+e 21M 2K 1-N 2K 2

2.當核心企業(yè)1采取轉(zhuǎn)移策略，核心企業(yè)2采取保護策略時的得益函數(shù)。當核心企業(yè)1采取轉(zhuǎn)移策略，核心企業(yè)2采取保護策略時，此時為知識單向轉(zhuǎn)移，雙方都將獲得目標完成后的基本得益R i。核心企業(yè)1獲得的額外收益為0，同時承擔(dān)一定的核心技術(shù)與知識外溢損失N 1K 1，而核心企業(yè)2由于采取保護策略，獲得知識轉(zhuǎn)移的額外收益ρ 21M 2K 1，承擔(dān)因保護知識策略付出的成本P 2K 2，同時避免了知識轉(zhuǎn)移過程中的外溢風(fēng)險。因此，當知識由核心企業(yè)1向核心企業(yè)2轉(zhuǎn)移時，核心企業(yè)1的得益函數(shù)為：

U 2（1）=R 1-N 1K 1

核心企業(yè)2的得益函數(shù)為：

V 2（2）=R 2+ρ 21M 2K 1-P 2K 2

3.當核心企業(yè)1采取保護策略，核心企業(yè)2采取轉(zhuǎn)移策略時的得益函數(shù)。

同（2），核心企業(yè)1的得益函數(shù)為：

U 3（1）=R 1+ρ 12M 1K 2-P 1K 1

核心企業(yè)2的得益函數(shù)為：

V 3（2）=R 2-N 2K 2

4.當核心企業(yè)1、2均采取保護策略時的得益函數(shù)。知識轉(zhuǎn)移雙方均采取知識保護策略，雙方除基本得益R i外均無法獲得額外得益。此時，雙方均承擔(dān)因知識保護策略付出的成本P iK i，同時也避免了知識轉(zhuǎn)移過程中的外溢風(fēng)險。因此，當知識轉(zhuǎn)移雙方均采取知識保護策略時，核心企業(yè)1的得益函數(shù)為：

U 4（1）=R 1-P 1K 1

核心企業(yè)2的得益函數(shù)為：

V 4（2）=R 2-P 2K 2

當核心企業(yè)1、2采取不同的策略時，雙方的得益矩陣如表1所示：

三、演化過程的穩(wěn)定性分析

（一）動態(tài)演化過程的均衡點分析

核心企業(yè)1采取知識轉(zhuǎn)移策略和知識保護策略的期望得益分別為：

U 1=y（R 1+e 12M 1K 2-N 1K 1）+

（1-y）（R 1-N 1K 1）

U 2=y（R 1+ρ 12M 1K 2-P 1K 1）+

（1-y）（R 1-P 1K 1）

核心企業(yè)2采取知識轉(zhuǎn)移策略和知識保護策略的期望得益分別為：

V 1=x（R 2+e 21M 2K 1-N 2K 2）+

（1-x）（R 2-N 2K 2）

V 2=x（R 2+ρ 21M 2K 1-P 2K 2）+

（1-x）（R 2-P 2K 2）

則核心企業(yè)1和核心企業(yè)2的平均得益分別為：

=xU 1+（1-x）U 2 =yV 1+（1-y）V 2

根據(jù)演化博弈復(fù)制動態(tài)方程公式，核心企業(yè)1和核心企業(yè)2采取知識轉(zhuǎn)移策略的復(fù)制動態(tài)分別為：

dx dt =x（U 1-）=x（1-x）

[yM 1K 2（e 12-ρ 12）+K 1（P 1-N 1）] （1）

dy dt =y（V 1-）=y（1-y）

[xM 2K 1（e 21-ρ 21）+K 2（P 2-N 2）] （2）

當dx/dt=dy/dt=0時得到O（0，0）、A（0，1）、B（1，0）、C（1，1）、D（x*，y*）5個平衡點，其中x*= N 2K 2-P 2K 2 e 21M 2K 1-ρ 21M 2K 1 、y*= N 1K 1-P 1K 1 e 12M 1K 2-ρ 12M 1K 2 。對于（1）、（2）由微分方程描述的分布式創(chuàng)新網(wǎng)絡(luò)內(nèi)核心企業(yè)間知識轉(zhuǎn)移策略的動態(tài)演化博弈，可借助雅克比矩陣對平衡點作局部穩(wěn)定性分析，對此系統(tǒng)的雅克比矩陣為：

N 1K 1]x（1-x）（e 12M 1K 2-ρ 12M 1K 2）

J=y（1-y）（e 21M 2K 1-ρ 21M 2K 1）（1-2y）

在分布式創(chuàng)新網(wǎng)絡(luò)內(nèi)，核心企業(yè)間的知識雙向轉(zhuǎn)移不僅獲得了目標完成的基本得益和額外得益，同時促進了知識轉(zhuǎn)移雙方的溝通與信任程度的加強，進而提升分布式創(chuàng)新網(wǎng)絡(luò)績效。雙方的溝通與信任程度的加強進一步促進雙方之間的知識轉(zhuǎn)移，如此的良性循環(huán)給雙方帶來了長期穩(wěn)定的得益。而核心企業(yè)間的單向知識轉(zhuǎn)移雖然在短期內(nèi)知識受體可獲得一定的額外得益，但會削弱知識源企業(yè)的轉(zhuǎn)移意愿，且雙方的得益遠低于知識雙向轉(zhuǎn)移帶來的長期得益，必然會影響雙方合作的長期性。因此，可以認為知識雙向轉(zhuǎn)移額外得益系數(shù)大于知識單向轉(zhuǎn)移額外得益系數(shù)e 12>ρ 12，e 21>ρ 21。

（二）動態(tài)演化過程的演化路徑分析

知識轉(zhuǎn)移過程中涉及到核心企業(yè)為保護知識而付出的成本P iK i，同時面臨著核心技術(shù)與知識外溢帶來的損失N iK i，以及額外收益e ijM iK j。根據(jù)演化博弈演化穩(wěn)定策略（ESS）理論，演化博弈的結(jié)果通常取決于演化系統(tǒng)的初始狀態(tài)，因此本研究中假設(shè)的參數(shù)初始值對最終的結(jié)果產(chǎn)生重要影響，需要對核心企業(yè)采取知識轉(zhuǎn)移策略的不同情況分別討論。

（1）當0

如表2所示，在5個均衡點中有2個均衡點O（0，0）、C（1，1）具有局部穩(wěn)定性，即演化穩(wěn)定策略，分別對應(yīng)于核心企業(yè)均采用知識轉(zhuǎn)移策略及均知識保護策略。作出該演化系統(tǒng)的相位圖（圖1），圖1描述了分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間采取知識轉(zhuǎn)移與知識保護策略的動態(tài)演化博弈過程。由圖1可知，該演化系統(tǒng)存在兩個穩(wěn)定策略，即兩種演化趨勢：（演化博弈收斂于O（0，0），表明核心企業(yè)均采取知識保護策略；（演化博弈收斂于C（1，1），表明核心企業(yè)均采取知識保護策略。點O是系統(tǒng)演化特性改變的鞍部，當初始狀態(tài)在O點附近時，初始狀態(tài)的細微改變將影響演化系統(tǒng)的最終結(jié)果，說明演化系統(tǒng)對于初始狀態(tài)的敏感性特征。當初始狀態(tài)位于ADBC區(qū)域時，演化博弈隨時間的推移而收斂于C（1，1），即核心企業(yè)均傾向于采取知識轉(zhuǎn)移策略；當初始狀態(tài)位于OADB時，演化博弈隨時間的推移而收斂于O（0，0），即核心企業(yè)均采取知識保護策略。

（2）當0<（e ij-ρ ij）M iK j

（3）當N iK i-P iK i<0<（e ij-ρ ij）M iK j時，表明知識保護活動成本大于知識外溢造成的損失，且實施知識轉(zhuǎn)移策略獲得的凈得益大于實施知識保護策略的凈得益，此時C（1，1）是演化穩(wěn)定策略，相位圖如下圖3所示。演化系統(tǒng)將收斂于C（1，1），表明核心企業(yè)均采取知識轉(zhuǎn)移策略。

（三）參數(shù)仿真分析

在分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)知識轉(zhuǎn)移的動態(tài)演化博弈過程中，構(gòu)成知識轉(zhuǎn)移雙方得益函數(shù)的參數(shù)值的變化將影響動態(tài)演化的收斂速度和收斂結(jié)果。本文采用模擬仿真的方法，模擬當參數(shù)值變化后核心企業(yè)知識轉(zhuǎn)移策略的變動，結(jié)合演化博弈模型的相位圖，分析達到演化均衡狀態(tài)的不同情況，使用的軟件為MATLAB。假定初始狀態(tài)下各參數(shù)值為：K 1=0.8，K 2=0.6；e 12=0.8，e 21=0.8；ρ 12=0.4，ρ 21=0.4；N 1=0.4，N 2=0.3；P 1=0.2，P 2=0.2；M 1=0.8，M 2=0.3，在分析過程中，除了被分析的參數(shù)外，其余參數(shù)值保持初始值不變。仿真結(jié)果圖中x 01=0.8，y 01=0.8表示初始狀態(tài)下核心企業(yè)1與核心企業(yè)2采取知識轉(zhuǎn)移策略的概率均為0.8，對應(yīng)仿真結(jié)果圖中兩條復(fù)制動態(tài)曲線；x 02=0.8，y 02=0.8表示當參數(shù)值變化時核心企業(yè)1與核心企業(yè)2采取知識轉(zhuǎn)移策略的概率不變，均為0.8，對應(yīng)仿真結(jié)果圖中的另外兩條復(fù)制動態(tài)曲線。

1.核心企業(yè)雙方差異化的知識存量K i。

圖4顯示了不同K 1值情況下分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移策略的演化趨勢，可以發(fā)現(xiàn)，在假定的初始狀態(tài)下，K 1=0.8，K 2=0.6，演化系統(tǒng)收斂于C（1，1），即核心企業(yè)均傾向于采取知識轉(zhuǎn)移策略。圖4中，當K 1值增大到1時，演化系統(tǒng)收斂于O（0，0），即核心企業(yè)均傾向于采取知識保護策略。且當K 1值繼續(xù)增大時，演化系統(tǒng)收斂于O（0，0）的速度變快。

圖5中，當K 1值減小到0.7時，演化系統(tǒng)收斂于C（1，1），且當K 1繼續(xù)減小時，核心企業(yè)1選擇轉(zhuǎn)移策略的收斂速度變快，核心企業(yè)2選擇轉(zhuǎn)移策略的收斂速度變慢。

圖6中，當K 1=K 2=0.6，即K 1減小到0.6時，演化系統(tǒng)收斂于C（1，1），且當K 1繼續(xù)減小時，核心企業(yè)1選擇轉(zhuǎn)移策略的收斂速度變快，核心企業(yè)2選擇知識轉(zhuǎn)移策略的收斂速度變慢。

圖7中，當K 1減小到0.4時，此時K 1

綜合上述K 1值變化的4種仿真結(jié)果，可以發(fā)現(xiàn)：（1）隨著核心企業(yè)雙方差異化的知識存量K i差距的增加，演化系統(tǒng)傾向于收斂于O（0，0），且收斂的速度變快；（2）隨著核心企業(yè)雙方差異化的知識存量K i差距減小，演化系統(tǒng)傾向于收斂于C（1，1），且收斂的速度變快；（3）當核心企業(yè)雙方差異化的知識存量K i差距增加，且演化系統(tǒng)收斂于O（0，0）時，知識存量較少的核心企業(yè)起初采取知識轉(zhuǎn)移的意愿很強烈，隨著時間的推移，最終選擇知識保護策略。

2.進行雙向知識轉(zhuǎn)移的額外收益系數(shù)e ij。在圖1中，e ij的值越大，ADBC區(qū)域的面積越大，即演化系統(tǒng)收斂于C（1，1）的概率越大。在圖8中，當e 12增大到1時，演化系統(tǒng)收斂于C（1，1），且當e 12繼續(xù)增加時，收斂于C（1，1）的速度變快。雙向知識轉(zhuǎn)移的額外收益具有長期性，且具有自我增強作用，它可以增加知識轉(zhuǎn)移雙方的信任程度，降低交易成本，促進核心企業(yè)間的知識與資源共享，有利于分布式創(chuàng)新網(wǎng)絡(luò)的擴張，提升網(wǎng)絡(luò)整體績效。

（3）進行單向知識轉(zhuǎn)移的額外收益系數(shù)ρ ij。在圖1中，ρ ij的值越大，ADBC區(qū)域的面積越小，即演化系統(tǒng)收斂于O（0，0）的概率越大。在圖9中，當ρ 12增大到0.5時，演化系統(tǒng)收斂于O（0，0），且隨著ρ 12繼續(xù)增加，收斂于O（0，0）的速度變快。單向知識轉(zhuǎn)移的額外收益系數(shù)具有短期性，當知識由核心企業(yè)2向核心企業(yè)1單向轉(zhuǎn)移時，ρ 12越大，核心企業(yè)1的得益越大，此時核心企業(yè)1傾向于采取知識保護策略，既能防范自身知識外溢，也能獲得額外收益。這會降低核心企業(yè)2進行知識轉(zhuǎn)移的意愿，影響雙方長期合作。

（4）核心企業(yè)的知識吸收和挖掘能力系數(shù)M i。在圖1中，M i的值越大，ADBC區(qū)域的面積越大，即演化系統(tǒng)收斂于C（1，1）的概率越大。在圖10中，當M 1增大到0.9時，演化系統(tǒng)收斂于C（1，1），且當M 1繼續(xù)增大時，收斂于C（1，1）的速度變快。分布式創(chuàng)新網(wǎng)絡(luò)由處于同一行業(yè)產(chǎn)業(yè)鏈上下游位置的企業(yè)構(gòu)建，各企業(yè)的知識領(lǐng)域有所差異，企業(yè)間存在知識距離，因而對同一知識的理解、吸收能力不同，這些都會成為企業(yè)間知識轉(zhuǎn)移的障礙。當企業(yè)的知識吸收和挖掘能力越強時，企業(yè)在知識轉(zhuǎn)移過程中汲取的異質(zhì)性知識越多，越傾向于采取知識轉(zhuǎn)移策略。

（5）核心技術(shù)與知識外溢給核心企業(yè)帶來的損失系數(shù)N i。在圖1中，N i的值越大，ADBC區(qū)域的面積越小，即演化系統(tǒng)收斂于O（0，0）的概率越大。在圖11中，當N 1增大到0.5時，演化系統(tǒng)收斂于O（0，0），且當N 1繼續(xù)增大時，收斂于O（0，0）的速度變快。知識轉(zhuǎn)移雙方在正式和非正式交流過程中，無意識泄露自身核心技術(shù)與知識會造成一定的損失，特別是維持企業(yè)競爭優(yōu)勢的核心技術(shù)與知識的泄露，可能會造成核心企業(yè)競爭優(yōu)勢的喪失。另外，當某一方發(fā)現(xiàn)竊取行為有利可圖時，在利己思想的驅(qū)動下會出現(xiàn)知識竊取等機會主義行為，同樣會帶來一定的損失。核心企業(yè)出于維持競爭優(yōu)勢的角度，傾向于采取知識保護策略。

（6）知識保護活動的成本系數(shù)P i。在圖1中，P i的值越大，ADBC區(qū)域的面積越大，即演化系統(tǒng)收斂于C（1，1）的概率越大。在圖12中，當P 1增大到0.25時，演化系統(tǒng)收斂于C（1，1），且當P 1繼續(xù)增大時，收斂于C（1，1）的速度變快。知識保護活動可以減少知識外溢，同時也失去了獲得額外收益的機會。核心企業(yè)采取知識保護策略與否取決于知識保護策略帶來的凈得益及知識的重要性，當知識保護活動的成本不斷增加時，特別當知識保護活動成本大于知識外溢帶來的損失時，核心企業(yè)傾向于采取知識轉(zhuǎn)移策略。

四、結(jié)論與對策

本文利用演化博弈分析方法，構(gòu)建分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間知識轉(zhuǎn)移策略演化博弈模型，得出的主要結(jié)論有以下六點：（1）核心企業(yè)間差異化知識存量的差距越小，核心企業(yè)越傾向于采取知識轉(zhuǎn)移策略；（2）進行雙向知識轉(zhuǎn)移的額外收益系數(shù)e ij越大，核心企業(yè)越傾向于采取知識轉(zhuǎn)移策略；（3）進行單向知識轉(zhuǎn)移的額外收益系數(shù)ρ ij，核心企業(yè)越傾向于采取知識保護策略；（4）核心企業(yè)的知識吸收和挖掘能力M i越大，核心企業(yè)越傾向于采取知識轉(zhuǎn)移策略；（5）核心技術(shù)與知識外溢給核心企業(yè)帶來的損失系數(shù)N i越大，核心企業(yè)越傾向于采取知識保護策略；（6）知識保護活動的成本系數(shù)P i越大，核心企業(yè)越傾向于采取知識轉(zhuǎn)移策略。

針對分布式創(chuàng)新網(wǎng)絡(luò)核心企業(yè)間的知識轉(zhuǎn)移，我們提出以下建議：

（1）尋找合適的知識轉(zhuǎn)移對象，降低知識保護活動成本。一方面，分布式創(chuàng)新網(wǎng)絡(luò)中的核心企業(yè)可以借助其管理者、協(xié)調(diào)者角色的管控優(yōu)勢，建立知識地圖及數(shù)據(jù)庫，從而實現(xiàn)對所需知識擁有方的精準、快速的搜尋，降低搜尋成本的同時提高知識轉(zhuǎn)移額外收益系數(shù)。另一方面，核心企業(yè)應(yīng)對自身的知識進行系統(tǒng)的梳理，對那些維持競爭優(yōu)勢的知識予以重點保護，減少不必要的保護成本。此外，定期開展知識保護培訓(xùn)，將知識保護思想融入企業(yè)的日常組織慣例中，營造良好的知識保護文化。

（2）增強知識吸收和挖掘能力，提升知識轉(zhuǎn)移額外收益。分布式創(chuàng)新網(wǎng)絡(luò)中的核心企業(yè)處于網(wǎng)絡(luò)中的核心位置，與外部企業(yè)建立呈星型放射狀聯(lián)結(jié)，進行知識轉(zhuǎn)移的知識種類紛繁復(fù)雜，知識數(shù)量龐大，核心企業(yè)的知識吸收和挖掘能力將直接影響知識轉(zhuǎn)移的收益大小。核心企業(yè)應(yīng)注重內(nèi)部知識的積累與消化，積極探索外部知識與自身知識的結(jié)合方式，同時定期組織內(nèi)部學(xué)習(xí)，加大R&D投入，在融合外部知識的過程中實現(xiàn)知識創(chuàng)新，為企業(yè)帶來長期穩(wěn)定的收益。

[參考文獻]

[1]劉國新.企業(yè)分布式創(chuàng)新的機理及效應(yīng)[M].北京：科學(xué)出版社，2011.

[2]Freeman L C. Graphic Techniques for Exploring Social Network Data[J]. Models & Methods in Social Network Analysis， 2004：1-29.

[3]Pérez-Nordtvedt L， Kedia B L， Datta D K， et al. Effectiveness and Efficiency of Cross-Border Knowledge Transfer： An Empirical Examination[J]. Journal of Management Studies， 2008，45（4）：714-744.

[4]Pittaway L， Robertson M， Munir K， et al. Networking and innovation： a systematic review of the evidence[J]. Social Science Electronic Publishing， 2004，5（3-4）：137-168.

[5]Gay B， Dousset B. Innovation and network structural dynamics： Study of the alliance network of a major sector of the biotechnology industry[J]. Research Policy， 2005，34（10）：1457-1475.

[6]黨興華，鄭登攀. 技術(shù)創(chuàng)新網(wǎng)絡(luò)中核心企業(yè)影響力評價因素研究[J]. 科研管理，2007（28）：19-25.

[7]Magee S P. The Multinational Corporation and the Resource Cost of International Technology Transfer.by David J. Teece[J]. Journal of Business， 1978：51.

[8]White R S. Working Knowledge： How Organizations Manage What They Know[J]. Human Resource Planning， 1998， 26（4）：396-397.

[9]魏 江，王銅安.個體、群組、組織間知識轉(zhuǎn)移影響因素的實證研究[J].科學(xué)學(xué)研究，2006，24（1）：91-97.

[10]陳菲瓊.我國企業(yè)與跨國公司知識聯(lián)盟的知識轉(zhuǎn)移層次研究[J].科研管理，2001（2）：66-73.

[11]趙 續(xù)，劉國新，孔 超.基于系統(tǒng)動力學(xué)的知識粘滯轉(zhuǎn)移策略研究[J].武漢理工大學(xué)學(xué)報：信息與管理工程版，2012（6）：802-806.

[12]Gilbert M， Cordey-Hayes M. Understanding the process of knowledge transfer to achieve successful technological innovation[J]. Technovation， 1996，16（96）：301-312.

[13]阮國祥，阮平南.集群網(wǎng)絡(luò)企業(yè)間知識轉(zhuǎn)移演化博弈仿真分析[J].圖書情報工作，2011（16）：77-81.

[14]秦紅霞，陳華東.社會網(wǎng)絡(luò)視角的企業(yè)知識共享演化博弈分析[J].情報雜志，2009（5）：143-146.

[15]余呈先，郭東強.企業(yè)轉(zhuǎn)型過程中外部知識轉(zhuǎn)移的演化博弈分析[J].科技進步與對策，2012（19）：125-129.

[16]孫 艦，任 旭，郝生躍.項目合作網(wǎng)絡(luò)內(nèi)企業(yè)間知識轉(zhuǎn)移與保護的演化博弈研究[J].科技管理研究，2015（18）：145-151.

[17]謝識予.有限理性條件下的演化博弈理論[J].上海財經(jīng)大學(xué)學(xué)報，2001（5）：3-9.

（責(zé)任編輯 王婷婷）