收稿日期：2022-05-13" 修回日期：2022-10-26

作者簡介：劉曉燕（1974-），女，河北唐山人，博士，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授、博士生導(dǎo)師，研究方向為組織理論與戰(zhàn)略管理；龐雅如（1996-），女，山西大同人，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向為組織理論與戰(zhàn)略管理；單曉紅（1976-），女，吉林省吉林市人，博士，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授、博士生導(dǎo)師，研究方向為信息管理、商務(wù)智能。本文通訊作者：單曉紅。

摘" 要：技術(shù)融合能夠顯著提高企業(yè)創(chuàng)新能力，是產(chǎn)業(yè)融合的基礎(chǔ)。合作研發(fā)和技術(shù)交易是常見的技術(shù)創(chuàng)新模式。為探究不同創(chuàng)新模式下的技術(shù)融合影響因素，以人工智能產(chǎn)業(yè)為例構(gòu)建組織-技術(shù)多層網(wǎng)絡(luò)模型，從技術(shù)異質(zhì)性和創(chuàng)新能力異質(zhì)性兩個維度探究不同創(chuàng)新模式下組織合作伙伴異質(zhì)性對技術(shù)融合的影響。研究表明，在合作研發(fā)模式下，技術(shù)異質(zhì)性、創(chuàng)新能力異質(zhì)性有利于技術(shù)融合；在技術(shù)交易模式下，創(chuàng)新能力異質(zhì)性有利于技術(shù)融合，技術(shù)異質(zhì)性不利于技術(shù)融合。

關(guān)鍵詞關(guān)鍵詞：技術(shù)融合；合作研發(fā)；技術(shù)交易；伙伴異質(zhì)性；技術(shù)領(lǐng)域異質(zhì)性

DOI：10.6049/kjjbydc.2022050391

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）""""" 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：G301

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-7348（2024）05-0010-09

0" 引言

伴隨全球競爭格局變化以及“大智移云”技術(shù)發(fā)展，越來越多的企業(yè)需要依靠研發(fā)擺脫面臨的困境，技術(shù)創(chuàng)新已經(jīng)成為關(guān)乎企業(yè)生存發(fā)展的核心問題。技術(shù)融合是技術(shù)創(chuàng)新的關(guān)鍵環(huán)節(jié)，通過對多種技術(shù)進(jìn)行組合與重構(gòu)達(dá)到創(chuàng)新目的［1］。Rosenberg［2］最早提出技術(shù)融合概念，將其定義為不同產(chǎn)業(yè)利用相似技術(shù)進(jìn)行生產(chǎn)工作；Pennings［3］將技術(shù)融合與技術(shù)會聚進(jìn)行區(qū)分，認(rèn)為技術(shù)會聚是現(xiàn)有技術(shù)組合，而技術(shù)融合既包含現(xiàn)有技術(shù)組合，也包含創(chuàng)造出以前不存在的新技術(shù)；Curran［4］認(rèn)為技術(shù)融合是科技成果向產(chǎn)業(yè)轉(zhuǎn)移的過程，即科技成果轉(zhuǎn)化；Hacklin［5］等在 Rosenberg的基礎(chǔ)上，將技術(shù)融合分為4個階段，即科學(xué)知識融合、技術(shù)領(lǐng)域融合、新產(chǎn)品應(yīng)用以及市場融合，并指出技術(shù)融合模糊了固定的產(chǎn)業(yè)邊界，改變了現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)；Karvonen［6］認(rèn)同Hacklin的觀點(diǎn)，認(rèn)為在融合過程中上一階段融合是下一階段融合的觸發(fā)器。技術(shù)融合的本質(zhì)是促進(jìn)創(chuàng)新擴(kuò)散、提升企業(yè)或產(chǎn)業(yè)績效，為企業(yè)提供嵌入新產(chǎn)業(yè)價值鏈的機(jī)會。

組織通過協(xié)同創(chuàng)新獲取互補(bǔ)性創(chuàng)新資源，實現(xiàn)技術(shù)融合［7］。技術(shù)創(chuàng)新模式主要包括合作研發(fā)、技術(shù)交易、技術(shù)并購等，不同創(chuàng)新模式的技術(shù)轉(zhuǎn)移渠道不同（靳瑞杰等，2019）。其中，合作研發(fā)是與合作伙伴共同進(jìn)行創(chuàng)新，風(fēng)險共擔(dān)，進(jìn)入門檻較低；技術(shù)交易是通過在技術(shù)市場上的專利交易獲取企業(yè)所需創(chuàng)新資源，具有便捷、高效的特點(diǎn)。上述兩種創(chuàng)新模式有助于企業(yè)快速獲取異質(zhì)性知識，推動企業(yè)創(chuàng)新，因此成為技術(shù)創(chuàng)新的主流模式。既有研究表明，雖然技術(shù)創(chuàng)新有效促進(jìn)技術(shù)融合，但不同創(chuàng)新模式對技術(shù)融合效率的影響存在顯著差異［8］，由于缺少對這種差異的深入探討，導(dǎo)致研發(fā)伙伴選擇存在盲目性，創(chuàng)新效率不高?；诖?，本文將深入剖析合作研發(fā)與技術(shù)交易兩種常見的創(chuàng)新模式對技術(shù)融合的影響，以幫助企業(yè)結(jié)合自身戰(zhàn)略選擇匹配的創(chuàng)新伙伴或交易伙伴。

合作研發(fā)和技術(shù)交易均為跨組織創(chuàng)新，但兩者創(chuàng)新過程與技術(shù)轉(zhuǎn)移方式不同。其中，前者是指組織與合作伙伴共同開展技術(shù)攻關(guān)或產(chǎn)品研發(fā)，具有穩(wěn)定、長期的合作關(guān)系（于飛等，2017），是知識轉(zhuǎn)移中效果最顯著、最有前景的方式之一。其主要優(yōu)點(diǎn)在于：一是為資源、技術(shù)的跨組織流動提供空間，為企業(yè)提供更高效的資源搜尋和獲取方法；二是分擔(dān)創(chuàng)新成本，降低創(chuàng)新風(fēng)險，促進(jìn)合作雙方技術(shù)訣竅等隱性知識轉(zhuǎn)移。其缺點(diǎn)在于：不同組織由于戰(zhàn)略目標(biāo)、組織文化的差異，在管理過程和利益分配方面難以協(xié)同，不利于技術(shù)融合。技術(shù)交易則是一種以市場交易獲取技術(shù)或創(chuàng)新資源的方式（何郁冰等，2020），即技術(shù)擁有方通過專利許可或?qū)＠D(zhuǎn)讓等形式將技術(shù)提供給需求方，且以顯性知識轉(zhuǎn)移為主。技術(shù)交易的優(yōu)點(diǎn)在于：能夠加速知識共享，使企業(yè)快速獲取互補(bǔ)性技術(shù)知識，壓縮新產(chǎn)品研發(fā)周期。其缺點(diǎn)在于：由于市場不確定性和信息不對稱，導(dǎo)致交易成本過高。

組織結(jié)合自身戰(zhàn)略選擇合作研發(fā)或技術(shù)交易模式，在合作或交易過程中伙伴因素會影響技術(shù)融合效果。有研究發(fā)現(xiàn)，組織技術(shù)鄰近性過高會制約跨區(qū)域技術(shù)創(chuàng)新合作（黨興華等，2013）；技術(shù)鄰近性有利于技術(shù)交易達(dá)成（劉鳳朝等，2018）。可以看出，相同影響因素對不同創(chuàng)新模式的技術(shù)融合效果存在差異。因此，只有結(jié)合不同創(chuàng)新模式和伙伴異質(zhì)性特征進(jìn)行深入分析，才能破解不同創(chuàng)新戰(zhàn)略下與誰合作更有利于創(chuàng)新的難題，避免企業(yè)選擇創(chuàng)新伙伴的盲目性，提高技術(shù)融合效率。

人工智能是引領(lǐng)國家未來發(fā)展的戰(zhàn)略性產(chǎn)業(yè)，融合創(chuàng)新是產(chǎn)業(yè)發(fā)展的驅(qū)動力，技術(shù)融合是重要手段和目標(biāo)，因此本文通過建立SSMs多層網(wǎng)絡(luò)模型，研究不同創(chuàng)新模式和伙伴異質(zhì)性對技術(shù)融合的影響，為人工智能產(chǎn)業(yè)組織創(chuàng)新伙伴選擇提供依據(jù)。

1" 理論背景與研究假設(shè)

1.1" 理論背景

伙伴異質(zhì)性概念最早可追溯至Parkhe對戰(zhàn)略聯(lián)盟的研究。Parkhe［9］認(rèn)為，企業(yè)主體屬性多樣性和差異性會影響企業(yè)交互行為，從而影響聯(lián)盟形成和最終發(fā)展；Lin［10］認(rèn)為，組織參與合作的動機(jī)是為獲取互補(bǔ)性能力，并將伙伴異質(zhì)性定義為聯(lián)盟內(nèi)部組織間互補(bǔ)性能力的廣泛性與多樣化；Connor［11］提出，伙伴異質(zhì)性在本質(zhì)上源于資源異質(zhì)性，企業(yè)可以通過獲取、共享和重組合作伙伴資源，從而提高自身創(chuàng)新能力。技術(shù)融合源于異質(zhì)性資源轉(zhuǎn)移和整合，在創(chuàng)新合作背景下，已有研究普遍認(rèn)為異質(zhì)性合作伙伴是獲取異質(zhì)性資源的重要渠道［12］，使得知識、技術(shù)和資源的跨組織邊界轉(zhuǎn)移及融合更加有效［13］，而且異質(zhì)性創(chuàng)新資源構(gòu)成企業(yè)競爭優(yōu)勢來源，進(jìn)而激勵組織持續(xù)合作和技術(shù)融合。因此，本文從異質(zhì)性視角研究合作伙伴特征。

1.2" 研究假設(shè)

伙伴異質(zhì)性主要包括技術(shù)異質(zhì)性、文化背景異質(zhì)性、制度環(huán)境異質(zhì)性、互補(bǔ)能力異質(zhì)性、從業(yè)經(jīng)驗異質(zhì)性等［14］。Huang［15］將合作伙伴異質(zhì)性分為組織異質(zhì)性、行業(yè)異質(zhì)性和國家異質(zhì)性；Corsaro［16］主要從創(chuàng)新能力、技術(shù)知識、目標(biāo)等維度對合作伙伴異質(zhì)性進(jìn)行刻畫。技術(shù)異質(zhì)性是組織獲得互補(bǔ)性資源的重要來源，有助于提升技術(shù)融合效果，同時，也是技術(shù)融合的核心載體［17］；創(chuàng)新能力是組織協(xié)調(diào)資源、進(jìn)行自主創(chuàng)新或與其它組織融合創(chuàng)新的能力，創(chuàng)新能力匹配性影響組織合作的穩(wěn)定發(fā)展［18］。此外，技術(shù)異質(zhì)性、創(chuàng)新能力異質(zhì)性涵蓋自身現(xiàn)有技術(shù)與未來發(fā)展?jié)摿蓚€維度，能準(zhǔn)確刻畫組織差異性，因此選擇技術(shù)異質(zhì)性、創(chuàng)新能力異質(zhì)性探究不同創(chuàng)新模式下伙伴特征對技術(shù)融合的影響。

1.2.1" 技術(shù)異質(zhì)性

技術(shù)異質(zhì)性是指合作雙方組織技術(shù)資源的差異性。技術(shù)融合的本質(zhì)是異質(zhì)性資源整合［17］，組織的技術(shù)異質(zhì)性往往決定組織能否從合作中獲益（薛瀾等，2019）。已有研究表明，不同領(lǐng)域的技術(shù)融合有助于實現(xiàn)顛覆性技術(shù)突破。例如計算機(jī)科學(xué)領(lǐng)域的人工智能技術(shù)與生物科學(xué)領(lǐng)域的合成生物學(xué)的融合研究已取得重大進(jìn)展，未來可能對基因治療等領(lǐng)域產(chǎn)生深遠(yuǎn)影響［19］。由于融合過程中需要具備一定知識基礎(chǔ)，跨領(lǐng)域技術(shù)融合的高額成本將對組織技術(shù)融合產(chǎn)生較大壓力［20］。

當(dāng)組織采取合作研發(fā)模式時，由于跨領(lǐng)域技術(shù)為組織提供了更多選擇機(jī)會，使得技術(shù)融合更具價值［21］，有利于激發(fā)組織創(chuàng)新潛能，促進(jìn)新思想和新創(chuàng)意產(chǎn)生，增強(qiáng)研發(fā)雙方對創(chuàng)新機(jī)會的認(rèn)知［21］。此外，合作研發(fā)可以借助共同試驗等途徑連接不同領(lǐng)域知識，促進(jìn)雙方共擔(dān)風(fēng)險，降低技術(shù)異質(zhì)性帶來的融合成本，有效推進(jìn)研發(fā)合作并提升創(chuàng)新績效［22］。

當(dāng)組織采取技術(shù)交易模式時，技術(shù)融合既需要顯性知識，也需要基于實踐的隱性知識［23］。當(dāng)交易雙方知識結(jié)構(gòu)存在較大差異時，隱性知識獲取對于技術(shù)融合來說尤為重要［24］。這是因為技術(shù)交易以專利報告、文獻(xiàn)等顯性知識流動為主要渠道，交易雙方需保持緊密、持續(xù)的互動，同時，異質(zhì)性知識具有較強(qiáng)的專用性和環(huán)境依賴性，隱性知識流動受阻易導(dǎo)致技術(shù)接收方很難克服技術(shù)黏性［25］。因此，技術(shù)交易過程中組織會面臨比合作研發(fā)更大的不確定性，進(jìn)一步提高融合成本，不利于技術(shù)融合。綜上所述，本文提出如下研究假設(shè)：

H1a：技術(shù)異質(zhì)性組織開展合作研發(fā)有利于技術(shù)融合；

H1b：技術(shù)異質(zhì)性組織開展技術(shù)交易不利于技術(shù)融合。

1.2.2" 創(chuàng)新能力異質(zhì)性

創(chuàng)新能力是組織協(xié)調(diào)資源、自主創(chuàng)新或與其它組織融合創(chuàng)新的能力儲備，是組織實現(xiàn)技術(shù)融合的重要能力。創(chuàng)新能力是否匹配，直接影響組織協(xié)同創(chuàng)新效果（劉和東等，2020）。

合作研發(fā)包括產(chǎn)學(xué)研合作研發(fā)和企業(yè)間合作研發(fā)。對于產(chǎn)學(xué)研合作研發(fā)而言，根據(jù)資源基礎(chǔ)觀和知識基礎(chǔ)觀，產(chǎn)學(xué)研各方通過投入資源和能力滿足企業(yè)、高校以及研究機(jī)構(gòu)優(yōu)勢互補(bǔ)的內(nèi)在需求［26］。其中，企業(yè)通過合作，從高校、研究機(jī)構(gòu)獲取前沿知識和技術(shù)；高校、研究機(jī)構(gòu)則通過合作，明確技術(shù)的市場定位，有利于提高科技成果轉(zhuǎn)化率?？偠灾a(chǎn)學(xué)研合作能夠滿足研發(fā)雙方的共同意愿［27］。對于企業(yè)間合作研發(fā)而言，創(chuàng)新能力相似的企業(yè)合作研發(fā)，由于技術(shù)兼容性較強(qiáng)，合作易產(chǎn)生鎖定效應(yīng)，而創(chuàng)新能力差異較大的企業(yè)間不易形成競爭關(guān)系，同時，研發(fā)重心也不同，有利于相互間知識交流，更易于實現(xiàn)“1+1gt;2”的協(xié)同效應(yīng)。

近年來企業(yè)在技術(shù)市場上的雙主體地位不斷突顯［28］，根據(jù)全國技術(shù)市場統(tǒng)計分析報告數(shù)據(jù)顯示，企業(yè)技術(shù)輸出和技術(shù)引進(jìn)合同成交額分別約占全國總量的90%與80%。企業(yè)間技術(shù)交易以利益為導(dǎo)向，當(dāng)創(chuàng)新能力存在較大差異、組織間技術(shù)學(xué)習(xí)與吸收能力不匹配時，企業(yè)間技術(shù)交易將面臨較大風(fēng)險。孔慶江等［29］發(fā)現(xiàn)，當(dāng)技術(shù)轉(zhuǎn)讓方的創(chuàng)新能力弱于技術(shù)受讓方時，技術(shù)受讓方可憑借較高的創(chuàng)新地位在交易關(guān)系中擁有較強(qiáng)的議價能力，從而獲取更多利益；當(dāng)技術(shù)轉(zhuǎn)讓方的創(chuàng)新能力大于技術(shù)受讓方時，技術(shù)轉(zhuǎn)讓方則可憑借自身較大的技術(shù)優(yōu)勢和創(chuàng)新地位提高技術(shù)轉(zhuǎn)讓費(fèi)用，導(dǎo)致交易成本增加，從而影響技術(shù)融合效率。綜上所述，本文提出如下研究假設(shè)：

H2a：創(chuàng)新能力異質(zhì)性組織開展合作研發(fā)有利于技術(shù)融合；

H2b：創(chuàng)新能力異質(zhì)性組織開展技術(shù)交易不利于技術(shù)融合。

2" 研究方法

2.1" 基于社會選擇模型（SSMs）的技術(shù)融合多層網(wǎng)絡(luò)模型構(gòu)建

為了刻畫技術(shù)融合中組織創(chuàng)新合作模式與技術(shù)交易模式，本文構(gòu)建包括技術(shù)融合網(wǎng)絡(luò)、組織創(chuàng)新行為網(wǎng)絡(luò)以及組織—技術(shù)隸屬網(wǎng)絡(luò)的多層網(wǎng)絡(luò)模型。其中，技術(shù)融合網(wǎng)絡(luò)用來刻畫不同技術(shù)間融合關(guān)系，節(jié)點(diǎn)表示技術(shù)，邊表示兩個技術(shù)的融合；組織創(chuàng)新行為網(wǎng)絡(luò)用來刻畫不同組織間創(chuàng)新合作與技術(shù)交易關(guān)系，節(jié)點(diǎn)表示組織，邊表示兩個組織合作或發(fā)生技術(shù)交易；組織—技術(shù)隸屬網(wǎng)絡(luò)用來刻畫組織技術(shù)特征，節(jié)點(diǎn)包括組織和技術(shù)，邊表示組織擁有某個技術(shù)，如圖1所示。

在多層網(wǎng)絡(luò)模型的基礎(chǔ)上，借助社會選擇模型（SSMs）進(jìn)行關(guān)系互動研究。社會選擇模型（SSMs）［30］有效整合了個人偏好與集體選擇，將外生節(jié)點(diǎn)屬性與網(wǎng)絡(luò)自組織過程相結(jié)合以解釋網(wǎng)絡(luò)形成過程。模擬中使用馬爾可夫鏈蒙特卡羅最大似然估算法進(jìn)行參數(shù)估計，通過網(wǎng)絡(luò)局部拓?fù)浣Y(jié)構(gòu)對社會網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行統(tǒng)計性分析，量化關(guān)系形成過程和影響因素。

其中，多層網(wǎng)絡(luò)變量M由包含u個節(jié)點(diǎn)的一模網(wǎng)絡(luò)A、包含v個節(jié)點(diǎn)的一模網(wǎng)絡(luò)B和跨級的二模網(wǎng)絡(luò)X組成，即M=A，X，B。每個多層網(wǎng)絡(luò)變量都是單模A={aij}和B={bij}或二模（X={xij}）關(guān)系變量的集合。設(shè)Y表示A層級和B層級網(wǎng)絡(luò)節(jié)點(diǎn)屬性集，Y={yA，yB}，兩級網(wǎng)絡(luò)的社會選擇模型如式（1）所示 。

Pr（M=m|Y=y）=1k（θ）exp∑Q，D{θQZQ（m）+θDZD（m，y）}（1）

ZQ（m）=ZQ（a）ZQ（b）ZQ（x）ZQ（a，x）ZQ（b，x）ZQ（a，x，b）ZD（m，y）ZD（a，yA）ZD（b，yA）ZD（x，yA，yB）ZD（a，x，yA，yB）ZD（b，x，yA，yB）ZD（a，x，b，yA，yB）（2）

式中，ZQ（m）是涉及網(wǎng)絡(luò)關(guān)系變量的統(tǒng)計向量，ZQ（a）和ZQ（b）均遵循單模網(wǎng)絡(luò)的ERGM規(guī)范［31］，ZQ（x）遵循二模網(wǎng)絡(luò)的ERGM規(guī)范［32］，ZQ（a，x）、ZQ（b，x）、ZQ（a，x，b）遵循Wang等［33］提出的兩級ERGM規(guī)范。ZD（m，y）是網(wǎng)絡(luò)關(guān)系變量與節(jié)點(diǎn)屬性交互效應(yīng)的向量。ZD（a，yA），ZD（b，yB）遵循羅賓斯等［34］提出的單模網(wǎng)絡(luò)社會選擇模型，ZD（x，yA，yB）遵循二模網(wǎng)絡(luò)社會選擇模型，ZD（a，x，yA，yB）是ZD（a，x，yA）、ZD（a，x，yB）的集合，ZD（b，x，yA，yB）、ZD（a，x，b，yA，yB）同理。θQ是ZQ（m）對應(yīng)的參數(shù)向量，用以衡量網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)統(tǒng)計項的相對重要性，θD是ZD（m，y）對應(yīng)的參數(shù)向量，用以衡量各網(wǎng)絡(luò)與屬性交互統(tǒng)計項的相對重要性。k（θ）是基于實際模型定義的規(guī)范化常數(shù)，有：

k（θ）=∑x∈Ωexp∑Q，D{θQZQ（m）+θDZD（m，y）}（3）

探究組織屬性特征時，ZD（m，y）作為網(wǎng)絡(luò)結(jié)構(gòu)與節(jié)點(diǎn)屬性交互效應(yīng)的統(tǒng)計項，包含對應(yīng)的ZQ（m）網(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)。本文將組織網(wǎng)絡(luò)設(shè)置為固定網(wǎng)絡(luò)，技術(shù)融合網(wǎng)絡(luò)為隨機(jī)網(wǎng)絡(luò)，通過選擇不同組織網(wǎng)絡(luò)伙伴，隨機(jī)生成技術(shù)融合網(wǎng)絡(luò)，并與原網(wǎng)絡(luò)進(jìn)行擬合，探究給定組織網(wǎng)絡(luò)下組織屬性特征差異對技術(shù)融合的影響。

2.2" 指標(biāo)測度與模型構(gòu)建

本文采用分類變量進(jìn)行指標(biāo)設(shè)置。其中，技術(shù)：選取組織專利中重要且廣泛出現(xiàn)的IPC部類（如A：人類生活必需，B：作業(yè)、運(yùn)輸）進(jìn)行分類。創(chuàng)新能力：首先統(tǒng)計出各組織發(fā)表的專利數(shù)量，然后加1取自然對數(shù)，保留小數(shù)后1位，相同的歸為一類。

變量的異質(zhì)性關(guān)系通過mismatch（異質(zhì)）參數(shù)衡量。此外，同質(zhì)性為異質(zhì)性的反向指標(biāo)，為進(jìn)一步驗證屬性異質(zhì)性對技術(shù)融合的影響，將同質(zhì)性參數(shù)match添加至模型中。圖2為模型構(gòu)建流程。

為避免結(jié)構(gòu)相同導(dǎo)致的多重共線性，對每個屬性分別建模。邊和互惠性是模型收斂的基準(zhǔn)項，以邊的形式呈現(xiàn)，模型統(tǒng)計項說明如表1所示。

3" 實證研究

研究以人工智能產(chǎn)業(yè)為例，原因如下：第一，近十年全球人工智能產(chǎn)業(yè)發(fā)展迅猛［35-36］，據(jù)IncoPat全球?qū)＠麛?shù)據(jù)庫的數(shù)據(jù)顯示，2010年全世界人工智能技術(shù)專利為16 102項，2019年達(dá)到114 292項，增長7倍多。第二，美國、日本、歐洲等發(fā)達(dá)國家紛紛將人工智能納入國家發(fā)展戰(zhàn)略，中國也高度重視新一代人工智能發(fā)展。2017年國務(wù)院頒布的《新一代人工智能發(fā)展規(guī)劃》指出，到2030年我國人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，并成為世界主要人工智能創(chuàng)新中心。第三，人工智能作為先導(dǎo)產(chǎn)業(yè)，可以借助技術(shù)融合帶動傳統(tǒng)制造業(yè)升級，是跨界技術(shù)融合的代表性產(chǎn)業(yè)［37］，因此本文選擇人工智能產(chǎn)業(yè)進(jìn)行實證研究。

3.1" 數(shù)據(jù)收集與網(wǎng)絡(luò)構(gòu)建

本文以人工智能專利數(shù)作為樣本數(shù)據(jù)，以IncoPat全球?qū)＠麛?shù)據(jù)庫為來源，進(jìn)行數(shù)據(jù)采集。由于2010—2019年是人工智能技術(shù)起步并飛速發(fā)展的黃金時期，因而本文將檢索年限設(shè)置為2010年1月1日至2020年1月1日，通過參考人工智能文獻(xiàn)及2019年世界人工智能大會發(fā)布的《2019世界人工智能技術(shù)趨勢發(fā)展報告》，確定檢索式為：TIAB=（人工智能or模式識別or語音識別or圖像識別or機(jī)器學(xué)習(xí)or虛擬個人助理or 手勢控制or推薦引擎or智能機(jī)器人or專家系統(tǒng)or智能駕駛or神經(jīng)網(wǎng)絡(luò) or計算機(jī)視覺or深度學(xué)習(xí)or自然語言進(jìn)程or AI or pattern recognition or pattern identification or image recognition or speech recognition or voice recognition or machine learning or virtual assistants or gesture control or personalized recommendation engines or Intelligent processor or intelligent robot or expert system or Intelligent driving or neural network or computer vision or depth learning or natural language processing）and AD=［20100101 to 20200101］［38］。

關(guān)于數(shù)據(jù)篩選與清洗，首先根據(jù)合享價值度進(jìn)行篩選，保留合享價值度為9～10的專利。同時，刪除僅有一位專利申請人的專利，最終得到人工智能產(chǎn)業(yè)合作專利數(shù)據(jù)，共12 205條，作為樣本數(shù)據(jù)。

基于樣本數(shù)據(jù)構(gòu)建多層網(wǎng)絡(luò)，技術(shù)融合網(wǎng)絡(luò)為有向圖，鄰接矩陣為A=［aij］，aij=1表示專利技術(shù)i引用專利技術(shù)j，其中，專利技術(shù)采用專利的主IPC分類。組織合作研發(fā)網(wǎng)絡(luò)為無向圖，使用專利權(quán)人共現(xiàn)關(guān)系刻畫［39-40］ ，鄰接矩陣為B=［bij］，bij=1表示專利權(quán)人i與專利權(quán)人j出現(xiàn)在同一專利中，是合作研發(fā)關(guān)系。組織技術(shù)交易網(wǎng)絡(luò)為有向圖（借鑒 Dong［41］的識別規(guī)范），刻畫轉(zhuǎn)讓人與受讓人關(guān)系，鄰接矩陣為C=［cij］，cij=1表示轉(zhuǎn)讓人i將專利轉(zhuǎn)至受讓人j。組織—技術(shù)隸屬網(wǎng)絡(luò)為二部圖，刻畫組織與技術(shù)的關(guān)系，鄰接矩陣為A=［aibj］，aibj=1表示組織j擁有技術(shù)i。按上述規(guī)則建模后，最終形成合作研發(fā)和技術(shù)交易下的組織—技術(shù)多層網(wǎng)絡(luò)，網(wǎng)絡(luò)統(tǒng)計特征如表2和表3所示。

技術(shù)融合網(wǎng)絡(luò)（B網(wǎng)絡(luò)）關(guān)系數(shù)為275條。其中，單向融合關(guān)系175條，雙向融合關(guān)系100條，說明目前技術(shù)以單向融合為主。網(wǎng)絡(luò)密度為0.070 4，表明網(wǎng)絡(luò)整體較稀疏，技術(shù)聯(lián)系不緊密。G06F（部—物理、計算，大類—推算技術(shù)，小類—電數(shù)字?jǐn)?shù)據(jù)處理）的入度中心性最大，意味著該技術(shù)具有共性特征，在技術(shù)融合網(wǎng)絡(luò)中占據(jù)核心地位，其它技術(shù)都偏向引用該技術(shù)。此外，G06F的中介中心性也最大，代表該技術(shù)扮演“中間人”角色，能影響其它技術(shù)融合，在網(wǎng)絡(luò)中具有重要的連接和傳播作用。G06K（部—物理、計算，大類—推算技術(shù)，小類—數(shù)據(jù)識別）的出度中心性最大，表示G06K技術(shù)偏向主動引用和融合其它技術(shù)。入接近中心性最大的是B62D（部—作業(yè)、運(yùn)輸，大類—無軌陸用車輛，小類—機(jī)動車）、E21B（部—固定建筑物，采礦，大類—土層或巖石的鉆進(jìn)、采礦，小類—土層或巖石的鉆進(jìn)）、F21V（部—機(jī)械工程，大類—照明，小類—照明裝置），說明以上三類技術(shù)節(jié)點(diǎn)的整合力較強(qiáng)，易與其它技術(shù)融合，同時，機(jī)動車、土層或巖石的鉆進(jìn)、照明裝置領(lǐng)域是現(xiàn)階段智能化的重要領(lǐng)域。出接近中心性最大的技術(shù)是 G16H（部—物理，大類—特定領(lǐng)域的信息通信技術(shù)，小類—醫(yī)療保健信息學(xué)），表明G16H技術(shù)容易與其它技術(shù)建立聯(lián)系，輻射力較強(qiáng)，容易與其它領(lǐng)域技術(shù)融合，是人工智能領(lǐng)域融合的發(fā)力點(diǎn)和關(guān)注點(diǎn)。

合作研發(fā)網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)與技術(shù)交易網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)相近，但后者的關(guān)系數(shù)目是前者的兩倍，同時，網(wǎng)絡(luò)密度及聚類系數(shù)可以有效反映網(wǎng)絡(luò)成員間緊密程度［42］和集團(tuán)化程度［43］。對比兩個創(chuàng)新網(wǎng)絡(luò)指標(biāo)可以發(fā)現(xiàn)，在網(wǎng)絡(luò)密度方面，合作研發(fā)網(wǎng)絡(luò)密度僅為0.009 6，而技術(shù)交易網(wǎng)絡(luò)密度為0.022 1，可以看出技術(shù)交易網(wǎng)絡(luò)關(guān)系較合作研發(fā)網(wǎng)絡(luò)更緊密。在聚類系數(shù)方面，合作研發(fā)網(wǎng)絡(luò)聚類系數(shù)僅為0.312，而技術(shù)交易網(wǎng)絡(luò)則達(dá)到0.481，說明技術(shù)交易網(wǎng)絡(luò)中易形成抱團(tuán)現(xiàn)象，關(guān)系聚集度較高。此外，從表中也可以看出，合作研發(fā)網(wǎng)絡(luò)和技術(shù)交易網(wǎng)絡(luò)中的核心組織也不同，合作研發(fā)網(wǎng)絡(luò)中以高校、傳統(tǒng)制造業(yè)和信息技術(shù)企業(yè)為核心，技術(shù)交易網(wǎng)絡(luò)中主要以信息技術(shù)企業(yè)或IT企業(yè)為核心企業(yè)。合作研發(fā)下的技術(shù)—組織隸屬網(wǎng)絡(luò)密度和技術(shù)交易下的技術(shù)—組織隸屬網(wǎng)絡(luò)密度分別為0.310 3與0.295 0，表明組織技術(shù)邊界較模糊，組織技術(shù)范圍較廣。

3.2" 實證結(jié)果分析

Sacf是mpnet中檢驗收斂模型可靠性的重要標(biāo)準(zhǔn)，Sacf小于0.4表明收斂模型可靠。表4結(jié)果顯示，變量的Sacf值均小于0.4，表明參數(shù)估計結(jié)果可靠。

3.2.1" 技術(shù)異質(zhì)性對技術(shù)融合的影響

組織合作研發(fā)模式下的技術(shù)_Mismatch為0.035，顯著為正，說明合作研發(fā)中技術(shù)異質(zhì)性對技術(shù)融合存在促進(jìn)作用，有利于激發(fā)合作雙方靈感，同時，合作研發(fā)時組織雙方風(fēng)險共擔(dān)，也為技術(shù)融合創(chuàng)造了有利條件，假設(shè)H1a得證，組織技術(shù)交易模式下的技術(shù)_Mismatch為0.006，不顯著，說明技術(shù)異質(zhì)的組織間進(jìn)行技術(shù)交易不利于技術(shù)融合，假設(shè)H1b得證，這是因為技術(shù)交易主要表現(xiàn)為文獻(xiàn)、專利等顯性知識流動，隱性知識流動較少，當(dāng)雙方擁有共同的技術(shù)基礎(chǔ)時，技術(shù)受讓方才易于理解與吸收技術(shù)，若技術(shù)差距過大，技術(shù)受讓方很難克服由知識專用性、緘默性所帶來的黏性，技術(shù)融合風(fēng)險大，難以實現(xiàn)交易技術(shù)與自身技術(shù)的交叉融合。

為進(jìn)一步驗證上述結(jié)果，對技術(shù)同質(zhì)性與創(chuàng)新能力同質(zhì)性指標(biāo)進(jìn)行模擬。合作研發(fā)模式下的技術(shù)_Match為0.020，不顯著，與技術(shù)_Mismatch結(jié)果相反，驗證了技術(shù)異質(zhì)性有利于技術(shù)融合；技術(shù)交易模式下的技術(shù)_Match為0.051，顯著為正，與技術(shù)_Mismatch結(jié)果相反，表明在技術(shù)交易過程中，技術(shù)同質(zhì)的組織間進(jìn)行交易更有利于技術(shù)融合，與技術(shù)異質(zhì)的組織間進(jìn)行交易不利于技術(shù)融合，故假設(shè)H1b得證。

3.2.2" 創(chuàng)新能力異質(zhì)性對技術(shù)融合的影響

組織合作研發(fā)模式下創(chuàng)新能力的_Mismatch值為0.054，顯著為正，說明創(chuàng)新能力異質(zhì)的組織間進(jìn)行合作研發(fā)能夠促進(jìn)技術(shù)融合，即假設(shè)H2a得證，這是因為雖然創(chuàng)新能力存在較大差距，但由于雙方資源和能力不同，實現(xiàn)了優(yōu)勢互補(bǔ)。例如在產(chǎn)學(xué)研合作研發(fā)中，組織間的競爭壓力較小和資源具有互補(bǔ)性，為技術(shù)融合提供了機(jī)會。組織技術(shù)交易模式下的創(chuàng)新能力_Mismatch值為0.012，顯著為正，拒絕了研究假設(shè)H2b。進(jìn)一步分析發(fā)現(xiàn)，人工智能領(lǐng)域技術(shù)屬于高精尖技術(shù)，當(dāng)組織間創(chuàng)新能力相近時會形成競爭壓力，為避免核心技術(shù)外流，組織進(jìn)行技術(shù)轉(zhuǎn)讓時會對核心專利進(jìn)行保護(hù)，導(dǎo)致技術(shù)融合效率降低。當(dāng)組織間創(chuàng)新能力差距較大時，雖然其會對技術(shù)轉(zhuǎn)移和吸收形成一定障礙，但由于組織間競爭壓力較小，技術(shù)交易對于組織而言是利大于弊，因此在技術(shù)交易模式下組織創(chuàng)新能力的異質(zhì)性對技術(shù)融合具有促進(jìn)作用。

對創(chuàng)新能力同質(zhì)性指標(biāo)進(jìn)行模擬，可以發(fā)現(xiàn)，合作研發(fā)模式下創(chuàng)新能力的_Match值為-0.059，顯著為負(fù)，與創(chuàng)新能力的_Mismatch值結(jié)果相反，證實創(chuàng)新能力異質(zhì)性對合作研發(fā)組織間的技術(shù)融合具有較大促進(jìn)作用；技術(shù)交易模式下創(chuàng)新能力的_match值為-0.051，顯著為負(fù)，與創(chuàng)新能力的_Mismatch值結(jié)果相反，證明創(chuàng)新能力異質(zhì)性對于技術(shù)交易組織間的技術(shù)融合具有促進(jìn)作用。

3.3" 模型有效性驗證

為了更好檢驗?zāi)Ｐ陀行?，分別對以上4個模型進(jìn)行擬合優(yōu)度檢驗。擬合優(yōu)度檢驗（GOF）是將仿真網(wǎng)絡(luò)和真實觀測網(wǎng)絡(luò)的統(tǒng)計項作對比［41］，檢驗?zāi)Ｐ蛿M合程度，其不僅包括上述模型的圖統(tǒng)計項，還包括其它細(xì)化的與模型相關(guān)的網(wǎng)絡(luò)結(jié)構(gòu)統(tǒng)計項。t-ratio的絕對值小于2，表示參數(shù)擬合程度較高。由于篇幅所限，僅展示 Model1的擬合結(jié)果。

從表5可以看出，擬合結(jié)果中大多數(shù)模型t-ratio的絕對值均小于2，模型統(tǒng)計項、馬氏距離（Mahalanobis distance）也較小，表明該模型擬合程度較高，能夠很好地描述觀測網(wǎng)絡(luò)形成過程。

4" 結(jié)論與啟示

組織協(xié)同創(chuàng)新是促進(jìn)技術(shù)融合的重要手段，本文從合作研發(fā)和技術(shù)交易兩種創(chuàng)新模式出發(fā)，探究組織技術(shù)異質(zhì)性與創(chuàng)新能力異質(zhì)性對技術(shù)融合的影響，為企業(yè)在不同創(chuàng)新模式下選擇匹配的創(chuàng)新伙伴提供依據(jù)和參考。

研究結(jié)果表明，在合作研發(fā)模式下，研發(fā)伙伴更具獨(dú)立性，技術(shù)異質(zhì)性和創(chuàng)新能力異質(zhì)性能有效促進(jìn)技術(shù)融合；在技術(shù)交易模式下，成員聯(lián)系較緊密，易形成小團(tuán)體或抱團(tuán)現(xiàn)象，關(guān)系聚集度較高，技術(shù)異質(zhì)性不利于技術(shù)融合，而創(chuàng)新能力異質(zhì)性能促進(jìn)技術(shù)融合。

結(jié)合上述結(jié)論，對企業(yè)選擇合作伙伴有以下啟示：第一，當(dāng)企業(yè)采用合作創(chuàng)新模式時，跨領(lǐng)域選擇合作伙伴有利于實現(xiàn)突破性創(chuàng)新；當(dāng)采用技術(shù)交易模式時，在本領(lǐng)域選擇合作伙伴更容易提升創(chuàng)新績效。第二，企業(yè)選擇合作伙伴或交易對象時，不僅要關(guān)注對方的創(chuàng)新能力，還應(yīng)當(dāng)考慮企業(yè)與合作伙伴的能力匹配性，選擇創(chuàng)新能力差異大的合作伙伴或交易伙伴更有利于技術(shù)創(chuàng)新。

本文雖然證實了不同創(chuàng)新模式下組織技術(shù)異質(zhì)性與創(chuàng)新能力異質(zhì)性對技術(shù)融合的影響，但仍然存在局限性。首先，在組織屬性研究上，組織同質(zhì)性與異質(zhì)性是社會網(wǎng)絡(luò)研究的重要維度，其對技術(shù)融合的影響往往此消彼長，共同存在。未來研究可深入挖掘更多維度的同質(zhì)性與異質(zhì)性因素，為企業(yè)選擇創(chuàng)新伙伴提供多維度參考。其次，本文以人工智能領(lǐng)域為研究對象，未來可選擇不同產(chǎn)業(yè)進(jìn)行對比研究，進(jìn)一步提升研究結(jié)論的普適性。

參考文獻(xiàn)：

［1］" 宋昱曉，苗紅.基于專利的技術(shù)融合趨勢的驅(qū)動因素研究［J］.情報雜志，2017，36（12）：98-105.

［2］" ROSENBERG N. Technological change in the machine tool industry， 1840-1910［J］. The Journal of Economic History， 1963， 23（4）： 414-443.

［3］" PENNINGS J M， PURANAM P. Market convergence amp; firm strategy： new directions for theory and research［C］. ECIS Conference， The Future of Innovation Studies， Eindhoven， Netherlands， 2001.

［4］" CURRAN C S， LEKER J. Patent indicators for monitoring convergence——examples from NFF and ICT［J］. Technological Forecasting and Social Change， 2011， 78（2）： 256-273.

［5］" HACKLIN F. Management of convergence in innovation： strategies and capabilities for value creation beyond blurring industry boundaries［M］. German：Physica-Verlag GmbH， 2010.

［6］" KARVONEN M，KAESSI T . Patent citations as a tool for analysing the early stages of convergence［J］. Technological Forecasting amp; Social Change， 2013， 80（6）：1094-1107.

［7］" 楊曉昕，陳波，張涵.軍民融合協(xié)同創(chuàng)新、空間關(guān)聯(lián)與國防創(chuàng)新績效［J］.科技進(jìn)步與對策，2020，37（9）：145-152.

［8］" KIM K. Impact of firms' cooperative innovation strategy on technological convergence performance： the case of Korea's ICT industry［J］. Sustainability， 2017， 9（9）： 1601.

［9］" PARKHE A. Interfirm diversity， organizational learning， and longevity in global strategic alliances［J］. Journal of International Business Studies， 1991， 22（4）： 579-601.

［10］" LIN H. Cross-sector alliances for corporate social responsibility partner heterogeneity moderates environmental strategy outcomes［J］. Journal of Business Ethics， 2012， 110（2）： 219-229.

［11］" CONNER K R， PRAHALAD C K. A resource-based theory of the firm： knowledge versus opportunism［J］. Organization Science， 1996， 7（5）： 477-501.

［12］" HUANG S， CHEN J， LIANG L. How open innovation performance responds to partner heterogeneity in China［J］. Management Decision， 2018，56（1）：26-46.

［13］" KOKA B R， PRESCOTT J E. Designing alliance networks： the influence of network position， environmental change， and strategy on firm performance［J］. Strategic Management Journal， 2008， 29（6）： 639-661.

［14］" 辛沖，陳新，陳海峰. 伙伴異質(zhì)性與產(chǎn)品創(chuàng)新：被中介的調(diào)節(jié)模型［J］. 管理科學(xué)， 2021， 34（3）：107-119.

［15］" HUANG S， CHEN J， LIANG L. How open innovation performance responds to partner heterogeneity in China［J］. Management Decision， 2018，56（1）：26-46.

［16］" CORSARO D，CANTU C，TUNISINI A . Actors' heterogeneity in innovation networks［J］. Industrial Marketing Management， 2012， 41（5）：780-789.

［17］" 劉剛，殷建瓴，耿天成.產(chǎn)業(yè)間距離、技術(shù)異質(zhì)性與企業(yè)并購績效——基于A股上市企業(yè)的實證研究［J］.中國軟科學(xué)，2020，35（12）：104-116.

［18］" 張志華，陳向東.企業(yè)學(xué)習(xí)方式、創(chuàng)新能力與創(chuàng)新績效關(guān)系的實證研究［J］.系統(tǒng)管理學(xué)報，2016，25（5）：829-836.

［19］" 趙國屏.合成生物學(xué)：從“造物致用”到產(chǎn)業(yè)轉(zhuǎn)化［J］.生物工程學(xué)報，2022，38（11）：4001-4011.

［20］" HAGEDOORN J， LOKSHIN B， ZOBEL A K. Partner type diversity in alliance portfolios： multiple dimensions， boundary conditions and firm innovation performance［J］. Journal of Management Studies， 2018， 55（5）： 809-836.

［21］" HAO B， YE J， FENG Y， et al. Explicit and tacit synergies between alliance firms and radical innovation：the moderating roles of interfirm technological diversity and environmental technological dynamism［J］. Ramp;D Management， 2020， 50（4）： 432-446.

［22］" 吳菲菲，蒼思吉，苗紅，等.研發(fā)合作研究現(xiàn)狀述評與展望——基于管理全過程視角［J］.科技進(jìn)步與對策，2021，38（19）：152-160.

［23］" 史良，曾立，孟斌斌，等.新興領(lǐng)域知識、技術(shù)、產(chǎn)業(yè)軍民融合發(fā)展機(jī)理研究［J］.公共管理學(xué)報，2020，17（1）：121-131，174.

［24］" 趙健宇，付程，襲希.知識嵌入性、知識流動與戰(zhàn)略聯(lián)盟結(jié)構(gòu)升級的關(guān)系研究［J］.管理評論，2020，32（1）：91-106.

［25］" 沈能，周晶晶.技術(shù)異質(zhì)性視角下的我國綠色創(chuàng)新效率及關(guān)鍵因素作用機(jī)制研究：基于Hybrid DEA和結(jié)構(gòu)化方程模型［J］.管理工程學(xué)報，2018，32（4）：46-53.

［26］" DAS T K， TENG B S. A resource-based theory of strategic alliances［J］. Journal of Management， 2000， 26（1）： 31-61.

［27］" 孫偉，高建，張幃，等.產(chǎn)學(xué)研合作模式的制度創(chuàng)新：綜合創(chuàng)新體［J］.科研管理，2009，30（5）：69-75.

［28］" 湯亞非，鄒綱明.我國科技技術(shù)市場交易特點(diǎn)的分析［J］.科技管理研究，2009，29（12）：41-43.

［29］" 孔慶江，胡峰.論跨國公司對華技術(shù)轉(zhuǎn)讓中的知識產(chǎn)權(quán)戰(zhàn)略及其對策［J］.法學(xué)雜志，2007，28（5）：39-42.

［30］" PENG W，ROBINS G，PATTISON P，et al. Exponential random graph models for multilevel networks［J］. Social Networks， 2013， 35（1）：96-115.

［31］" SNIJDERS T A B， PATTISON P E， ROBINS G L， et al. New specifications for exponential random graph models［J］. Sociological Methodology， 2006， 36（1）： 99-153.

［32］" PENG W，SHARPE K，ROBINS G L，et al. exponential random graph （p*） models for affiliation networks［J］. Social Networks， 2011， 31（1）：12-25.

［33］" WANG P，PATTISON P，ROBINS G . Exponential random graph model specifications for bipartite networks——a dependence hierarchy［J］. Social Networks， 2013， 35（2）：211-222.

［34］" ROBINS G， ELLIOTT P， PATTISON P. Network models for social selection processes［J］. Social Networks， 2001， 23（1）： 1-30.

［35］" 劉艷秋，韓俊敏，王建國，等.人工智能專利技術(shù)分布、演化及合作創(chuàng)新網(wǎng)絡(luò)分析［J］.中國科技論壇，2021（3）：64-74.

［36］" 王友發(fā)，張茗源，羅建強(qiáng)，等.專利視角下人工智能領(lǐng)域技術(shù)機(jī)會分析［J］.科技進(jìn)步與對策，2020，37（4）：19-26.

［37］" 劉曉燕，孫麗娜，裘靖文，等.基于多層網(wǎng)絡(luò)的人工智能領(lǐng)域跨界技術(shù)融合［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2022，19（1）：45-51.

［38］" 李牧南，王雯殊.基于文本挖掘的人工智能科學(xué)主題演進(jìn)研究［J］.情報雜志，2020，39（6）：82-88.

［39］" 苗紅，宋昱曉，黃魯成.基于知識流動網(wǎng)絡(luò)評價的技術(shù)融合趨勢研究［J］.科技進(jìn)步與對策，2018，35（6）：131-139.

［40］" 溫芳芳.基于專利權(quán)人-分類號多重共現(xiàn)分析的全球?qū)＠季盅芯俊蕴柲芷嚰夹g(shù)為例［J］.現(xiàn)代情報，2017，37（4）：165-169.

［41］" HE X， DONG Y， WU Y， et al. Factors affecting evolution of the interprovincial technology patent trade networks in China based on exponential random graph models［J］. Physica A： Statistical Mechanics and Its Applications， 2019， 514（1）： 443-457.

［42］" WATTS D J， STROGATZ S H. Collective dynamics of \"small-world\" networks［J］. Nature， 1998，393（4）：440-442.

［43］" DE LAAT M， LALLY V， LIPPONEN L， et al. Investigating patterns of interaction in networked learning and computer-supported collaborative learning： a role for social network analysis［J］. International Journal of Computer-Supported Collaborative Learning， 2007，2（1）：87-103.

（責(zé)任編輯：胡俊?。?/p>

Which Is More Conducive to Technology Convergence， Cooperative Innovation or Technology Transaction？ An Example of AI Multi-layer Patent Network

Liu Xiaoyan， Pang Yaru， Shan Xiaohong，Sun Lina

（College of Economics and Management，Beijing University of Technology， Beijing 100124， China）

Abstract：

With the change of the global market competition pattern in the post-epidemic era and the development of technology，the importance of Ramp;D is increasingly prominent， and technological innovation has become essential for enterprise survival and development. Since most small and medium-sized enterprises have low innovation capabilities，traditional innovation models can not meet the needs of enterprises for technological innovation. Therefore，it has become the focus of innovation research to find a more efficient innovation model.

Technology convergence can significantly improve the enterprise innovation capabilities and profoundly affect the competitiveness of enterprises and countries. However， in practice， enterprises have a series of problems in choosing convergence partners. The fundamental reason for the dilemma of technology convergence is that neither the actual process of technology convergence nor the convergence mechanism is clear， and thus it is very important to study the mechanism of technology convergence. Inter-organizational collaborative innovation is an important channel to promote technology convergence， and collaborative innovation models include cooperative Ramp;D， technology transactions， technology mergers and acquisitions， etc. Different innovation models have different advantages and disadvantages and exert various influences on technology convergence.In-depth study of the influencing factors of technology convergence under different innovation models can further clarify the mechanism of technology convergence and provide a basis for enterprises to choose innovation partners. In terms of innovation model selection， cooperative Ramp;D risk sharing and technology transaction risk have entry thresholds， and these two innovation models can help enterprises quickly obtain the heterogeneous knowledge resources required for innovation. In terms of factor selection， technology convergence comes from the transfer and convergence of heterogeneous resources， and the heterogeneity of partners has a self-evident role in promoting technology convergence. Technology heterogeneity and innovation capability heterogeneity cover the two dimensions of their own existing technologies and future development potential， and they can more accurately portray the differences between organizations.

Therefore，this paper selects technology heterogeneity and innovation capability heterogeneity to explore the impact of partner factors on technology convergence in the mode of cooperation and transaction innovation， in the hope of helping organizations screen potential cooperation or transaction partners. In terms of data sources and methods， like the developed countries that have incorporated artificial intelligence into their national development strategies， China also attaches great importance to the development of a new generation of artificial intelligence， and proposed that by 2030， China's artificial intelligence theory， technology and application should reach the world's leading level and become the world's major artificial intelligence innovation center. Moreover， the artificial intelligence industry is gradually embedded in various industries， such as manufacturing and medical care， and becomes a representative industry of cross-border technology convergence. The social selection models （SSMs） combine exogenous node attributes with network self-organization processes with consideration of individual preference and collective choice to explain the formation process of network， and statistically analyze the social network structure by describing the local topology statistics of the network， and quantify the process and influencing factors of relationship formation. Therefore， this paper uses the patent information of the artificial intelligence industry as the sample data and the IncoPat global patent database as the data source to construct the SSMs multi-layer network dependency model under the cooperative Ramp;D and technology transaction model， and studies the impact of different innovation models and partner factors on technology convergence.

The results show that under the cooperative Ramp;D model， heterogeneity in the technology field and heterogeneity in innovation capability positively promote technology convergence. Under the technology transaction model， the heterogeneity of innovation capability positively promotes technology convergence， and the heterogeneity of technology field negatively affects technology convergence.The following enlightenment is given accordingly for the selection of partners in different innovation models. First， when enterprises adopt the cooperative innovation model， the selection of cross-field partners is conducive to the occurrence of breakthrough innovation; when adopting a technology transaction model， enterprises can select partners in the field for patent transactions to improve innovation performance. Second， when selecting partners or business partners， enterprises should not only pay attention to the innovation capabilities of the other party， but also consider the demand-ability fit between enterprises themselves and the partners.

Key Words：Technology Convergence; Cooperative Ramp;D; Technology Trading; Partner Heterogeneity；Heterogeneity of Technology" Fields