摘 要：随着研发网络化环境的形成，技术创新网络中节点间知识流动对网络结构演变的影响成为学者们关注的问题。同时，技术创新网络的本质体现为其自身就是一种知识流动的复杂适应系统。因此，从复杂适应系统(CAS)视角分析知识在技术创新网络中知识节点间的不同流动方式，以及在技术扩散过程中知识流动特征与核心节点形成过程，从节点的初始状态、节点间知识流动和节点状态变化等3个方面构建了技术创新网络中节点间知识流动规则，分析了网络中企业间知识流动过程对节点企业核心地位形成的影响，为下一步的仿真研究奠定了基础。
关键词：技术创新网络；知识流；核心企业；复杂适应系统
信息技术的迅猛发展和知识经济的到来，促使全球网络化环境得以形成，导致企业间竞争加剧，使得技术创新日益成为国家和企业获取竞争优势的源泉。与此同时，现代企业的创新活动已经由传统的、相对独立的内部自主创新，发展为产学研用多方合作、交互作用的外部网络创新，使得依托于网络的企业合作技术创新成为未来创新的主要模式[1]。
在研发网络化、全球化背景下，中国相关产业要想引进、吸收国外先进技术，将其转化成自身知识资产，迫切需要在有效利用全球资源的基础上，构建以企业为核心、产学研用有机结合的技术创新体系。而这种技术创新体系的本质体现为其本身就是一种知识流动的复杂适应系统，节点间的链接是资源、知识、技术的双向流动。因此，有必要构建技术创新网络内节点间知识流动的规则，分析网络中企业间知识流动过程对节点企业核心地位形成的影响作用，为进一步仿真研究奠定基础。
在知识爆炸的今天，没有任何一家企业能够独立掌握全部与其相关的前沿技术。企业之间由于技术研发分工，形成了超越边界甚至国界的创新网络。从微观层面看，企业创新活动主要集中在两方面，一是从创新网络中获取知识资源，并在企业内部进行整合的集成式创新；二是与创新网络中其它节点组织进行知识交互的合作式创新[2]。从宏观层面看，我国企业创新活动不仅需要从其嵌入的创新网络中获取各种知识资源，还需要从网络中的各个跨国集团企业获取技术知识等创新资源[3]。例如，华为公司在硅谷的研发中心，融入到当地技术创新网络中，通过网络化学习取得了路由器等领域最为先进的技术创新成果，逐渐成为中国乃至世界IT业的领袖企业。
企业组织往往通过制度安排与组织设计解决企业发展中遇到的各种问题，但是无法解决对知识和模块化分工网络的依赖问题。因此，以知识共享和动态分工为主要特征的网络组织应运而生[4]。该网络组织结构有以下特征：①网络由相互依赖、相互作用的模块构成，其整体性通过各模块之间的互动关系体现；②网络中的模块具有自适应和自我调节等功能，且模块间相对独立；③网络中各节点在整体网络中的地位和作用存在差异。在一定制度设计下，各节点组织状态的变化和转移会影响到网络组织整体绩效的提升。因此，探寻由局部互动产生协同效应的内在耦合机理是解决网络局部互动与全局演化的关键所在[5]。
在信息经济时代，创造“新组合”或促进需求创造是模块化组织形式的优势所在[6]。目前，模块化研究主要集中在模块化理论和模块化组织两个方面，关注焦点集中在产品设计与生产领域，以及跨国企业组织模块化和供应链模块化等相关问题。针对创新网络形成的研究，主要从交易费用理论、资源依赖理论、核心能力理论以及网络理论等方面展开，注重从社会网络探索组织间个体关系。在前期研究中，将模块化组织看作具有一定外部联系的主体，除了关注模块内部的效率外，还关注模块间的非分工合作，以及模块间的联动效应和协同效应，只有这样才有可能提升模块本身的效率。
技术创新网络中创新主体间相互学习的基础是松散的网络结构。各创新主体通过学习新知识，促进知识交互，加快知识流动，进而增强跨组织学习能力；同时，创新主体之间相互适应能力也得到了提升。有学者研究发现，当网络整体受到的外部环境压力增大时，网络成员间的互动会更加频繁，网络整体凝聚力增强。网络成员相互学习能够加快知识流动，还能强化成员间相互适应能力[7]。在技术创新过程中，创新主体通过知识学习解决不协调与冲突问题，进而达到相互适应与共同发展的目的，知识创造、共享和利用的源泉是个体、技术共同体和组织之间的社会互动[8]。网络组织要想扩大规模、赢得竞争优势，必须在创新主体间展开双向、平等、高效的沟通与学习[9]。技术创新网络中的学习本质上是一个统一的社会互动过程，因而除了要关注创新主体知识建构的过程外，还要关注各创新主体之间的互动学习过程[10]。在这种知识交互过程中，网络节点间知识流动适应性规则的建立尤为重要。知识流动适应性规则是为了协调网络节点间在技术创新合作过程中的关系，而网络内节点的知识交互行为需遵循相应规则。由于技术创新网络本质是多主体、自适应的复杂适应系统，各主体具有自主判断和学习的能力。因此，网络节点间知识流动规则表现出自适应特征，能够对网络节点间知识流动秩序进行规范，决定技术创新网络结构的演化方向。
从前期研究看，技术创新网络中节点企业的成长受到网络其它节点、局域网络甚至整体网络结构演变的影响。从知识扩散角度看，核心企业的形成过程是技术创新网络中各节点在技术创新网络自身演化的同时，通过知识交互流动，逐渐对其它节点形成知识流控制的耦合互动过程。因此，根据技术创新网络核心企业形成过程的三状态模型[11]，可以从节点初始状态、节点间知识流动和节点状态变化3个方面刻画技术创新网络内节点间知识流动的适应性规则。
综上所述，技术创新网络内多主体在持续交互学习过程中，首先应建立主体间知识流动的适应性规则，并按照不同阶段的适应性规则进行知识交互，根据获得的核心知识改变自身结构和行为模式，最终使网络及其成员向更高层次演进[12]。因此，本文选取CAS理论视角，对技术创新网络中节点间知识流动过程进行分析，通过构建技术创新网络节点间知识流动的适应性规则，探讨技术创新网络节点间知识交互过程对网络结构演变及核心节点形成的影响，揭示技术创新网络生成及演化规律。
研究发现，在技术创新网络结网之初，网络中节点之间首先要进行知识匹配。在知识匹配过程中，网络中节点均处于一定的初始状态，该状态体现为7种属性，即知识存量、知识影响力、知识匹配度、知识适应度、知识激励度，知识流量、跨组织学习能力[13]。各节点根据相应知识流动规则通过与其它节点相联系的知识获取行为逐步的改变初始状态属性值，最终使网络核心性的变化趋于稳定，出现一个或者多个核心节点。
一般来说，技术创新网络结网之初，网络规模取值就已确定；此外，每个节点的7种属性都具有相应的初始值，分别给定属性的初始值范围如下：
(1)网络规模。根据对技术创新网络的相关定义，本文选取网络规模为0～100的整数值，即NS=Rand(1，100]，且取值为2-100中的整数。节点数大于1是因为技术创新网络的构成至少要两个节点。
(2)用KSit0表示给定节点在初始状态下的知识存量，并赋初始值，使KSit0=Rand(0,1 000]，且取值为1-1 000中的整数。知识存量的不同也体现了技术创新网络中节点间的信息不对称性特征。
(3)用KNSit0表示给定节点在初始状态下的知识学习能力，并赋初始值，使KNSit0=Rand(0,1]，且取值为0-1中小数点后两位的实数。KNSit0大于1是判断核心企业形成的条件之一。
(4)用KEit0表示给定节点在初始状态下的知识影响力，并赋初始值，使KEit0=Rand(0,10]，且取值为0-10中小数点后一位的实数。
(5)用KGSit0表示给定节点在初始状态下的知识匹配度，并赋初始值，使KGSit0=Rand(0,1]，且取值为0-1中小数点的后两位的实数。KGSit0=1是节点进入下一状态的条件之一。
(6)用KNCit0表示给定节点在初始状态下的知识适应度，并赋初始值，使KNCit0=Rand(0,1]，且取值为0-1中小数点的后两位实数。KNCit0的取值间接受到节点知识影响力影响，KNCit0=1是节点进入下一状态的条件之一。
(7)用KNMit0表示给定节点在初始状态下的知识激励度，并赋初始值，使KNMit0=Rand(0,10]，且取值为0-10中小数点的后一位的实数。
(8)用KFit0表示给定节点在初始状态下的知识流量，并赋初始值，使 KFit0=Rand[0,1 000]，且取值为0-1 000中的整数。知识流量的不同体现了技术创新网络中节点间耦合关系的差异特征，同时也体现了节点在网络中的位置差异。
根据技术创新网络特征，网络中节点的知识存量越大，其知识影响力越大。在初始值产生时，知识流量属性会对知识存量、知识学习能力以及知识影响力产生同比效应。对于知识流量大的节点企业，它们会比一般企业更重视企业知识积累，利用更强的学习能力增加自身知识存量，进而提升企业在网络内中知识影响力。表1为4种属性间的具体对应形式(表中取值对应关系表示在取值范围中随机取值)。
表1列示的初始赋值并非实际测量值，而是表示等级的量值，是多主体仿真方法区别于实证分析的属性。现有研究大多数将网络结构看作是同质、均匀、不变的，而本文对初始值随机赋值体现了网络行为主体的异质性。在实际网络组织研究中，网络行为主体的异质性和不均匀特征已经被越来越多的学者所认同。因此，为了能够更准确地观察技术创新网络中节点企业的知识流动行为，需对网络节点的异质属性进行随机赋值，并且其属性值要随迭代不断变化。
表1 KS、KE、KNS、KF 取值范围
KS取值范围KE取值范围KF取值范围KNS取值范围0-1000-10-1000-0.10100-2001-2100-2000.10-0.20200-3002-3200-3000.20-0.30300-4003-4300-4000.30-0.40400-5004-5400-5000.40-0.50500-6005-6500-6000.50-0.60600-7006-7600-7000.60-0.70700-8007-8700-8000.70-0.80800-9008-9800-9000.80-0.90900-10009-10900-10000.90-1
在技术创新网络中，关注的是经过网络内知识匹配的初始状态后，组织间是如何进行知识流动的，应遵循什么样的规则，以及技术创新网络中节点间属性变化对企业间知识流动的方向、流量等有什么样的影响，进而讨论技术创新网络中节点组织的核心性。
本规则旨在解决技术创新网络形成之后，面临的两个基本问题：①随机初始赋值后，网络节点间的知识流动条件有哪些，即需要明确在何种条件下，第i个节点存在着从第j个节点获得知识的可能性以及最优流动途径；②知识由谁开始流动，流动经过多少个节点(流动范围)，如何选择知识接收者(流动范围)、设定传播方式。本规则的两类主体为知识流入主体(知识接收者)和知识流出主体(知识传播者)，并遵循如下规则：
(1)如果网络中节点i的知识存量小于节点j的知识存量，那么节点i就存在从节点j获取知识的可能性；如果节点i和节点j的知识存量相等，但节点i的知识影响力小于节点j，则节点i也存在从节点j获取知识的可能性，如式(1)：
(1)
j→i表示第i个节点从第j个节点中获取知识。
(2)根据规则(1)可知，网络中某一节点可以从众多节点获取知识。但在现实中，节点企业为了减少成本，对同质知识只会从一个知识源获取；同样，作为知识源对知识需求者也会进行一定的选择。创新网络中企业间的空间距离及文化距离越接近，相对来说知识的差异性就越不明显，节点间就越容易进行合作创新，知识转移成本也越低。因此，本文选择知识基差异(即知识匹配度)作为衡量知识传播标准，制定以下规则：
在满足规则1的情况时，如果有i个节点(i=1，2，…N-1)从第j个节点(j=1，2，…N)中获取知识，那么在知识流动网络中，第j个节点选择向符合条件KGS=Max{KGSi}的节点进行知识传播。
(3)对于节点规模为N的技术创新网络，其中如果仅有一个节点的知识存量KS，满足条件：KS=Max{KSi}(i=1，2，…N)，那么把此节点作为知识流动中的知识流出主体(即知识传播者)。
(4)一旦知识流出主体(知识传播者)确定之后，需要明确它的流动范围，在这里，流动范围不是空间地理范畴，而是衡量知识流动能力的指标。流动范围可以用知识接收者的个数表示，个数越多，说明知识流动的范围越广。技术创新网络中知识流动的范围与结点的知识激励度KNM和知识影响力KE这两个属性有关。本文采用综合评价的方法来确定流动范围。所以，可用式(2)计算知识流出主体一步迭代时间内传播的范围n。
n=
(2)
(5)当节点规模较大的时候，在考虑知识传播者与其它节点的地理临近性的情况下，如果在知识传播者周围一定空间范围内的节点个数n′多于知识流动范围n，这就需要考虑如何来选择知识接收者。本文根据式(3)确定知识接收者的选择规则。
(3)
(6)以上3个规则(规则(3)-(5)可以决定仿真中的第一步网络行为，当知识传播者完成知识传播过程，即有若干节点成为知识被传播者。本文的一个基本假设是逐级传播，即第二步是第一步所有知识的接收者，并继续按照前3个规则进行传播，且不存在重复传播行为。但是如果在此过程中，所有二级传播节点传播范围内节点知识存量都大于它的情况时，那么需要在未被传播的节点中重新按照(3)、(4)、(5)的规则进行互动，也就是说在未被传播的节点中，重新选择知识存量最大的节点。第一步迭代选取的知识传播者是知识存量最大的节点，不需要在n或者n′个节点中比较知识存量的大小，所以在第二步迭代中需要在规则(5)中加入一个新的判断规则，即二级传播节点要与下一级传播节点比较知识存量KS大小，如果它在此节点范围内知识存量KS为最小，则这条传播线路中断，当第一步的传播线路全部中断后，重新按照规则(1)，在未被传播的节点中，选择知识存量最大的节点作为传播者，网络内所有节点均被传播知识后，仿真结束。
在技术创新网络中，知识流是网络组织内各企业间为实现技术创新而进行的知识传递过程，网络内节点在完成初始状态赋值和知识流动互动后，其属性值发生改变。该状态变化体现了网络内节点在知识流过程控制中的自适应特征，同时还影响了网络节点间进一步的知识流动过程。i表示第i个知识流入主体，j表示第j个知识流出主体，其变化规则如下：
(1)本次迭代结束后，第i个和第j个节点的知识存量值变化规则如下：
(4)
规则解释：网络上节点i和节点j之间的交互会产生学习效应，即在知识交互过程中，知识接收方从知识传播方的知识溢出中学习到一定知识，而知识传播方的知识水平没有变化。因此，完成一步迭代后，知识流入主体的知识存量、增量与该主体知识学习能力有关，知识学习能力越强，一步迭代的知识存量、增量越大，并按照式(4)规则增加；而知识流出主体的知识存量不会增加。节点本身具有双重身份，既可以是知识传播者，也可以是知识接收者。α为知识存量变化系数。本文根据选取的属性值长度，根据前期经验给定α=10，多次仿真实验的变化标准相同，可进行相互比较。
(2)本次迭代结束后，第i个和第j个节点的学习能力值变化规则如下：
(5)
规则解释：本次迭代结束后，第i个知识流入主体学习能力的增量与该节点上一步的学习能力值有关。也就是说，知识学习能力增量与自身知识能力大小成正比例关系；第j个知识流出主体的知识学习能力不增加。同样，i有可能等于j。β为学习能力变化系数，根据专家咨询设定β=0.1。
(3)一步迭代结束后，第i个和第j个节点的知识影响力值变化规则如下：
(6)
规则解释：完成一步迭代后，第i个知识流入主体知识影响力增量与该节点上一步知识影响力值正相关；第j个知识流出主体知识影响力增量与该节点上一步知识影响力值正相关。式(6)中ΔKEj 的增长速度小于ΔKEi，其原因是：虽然第j个知识流出主体提供知识给知识流入主体，但根据规则(1)可知，迭代后的知识流出主体知识存量没有变化。前人对知识存量与知识影响力关系的研究表明，知识存量越大，知识影响力提升越快[13]。因此，在知识流出主体知识存量没有增加的情况下，其影响力的增速要小于知识流入主体的增速。γ与δ分别为流入主体和流出主体的知识影响力变化系数，且γ>δ，根据专家咨询设定γ=0.1，δ=0.05。同样，KEi有可能等于 KEj。
(4)本次迭代结束后，知识流入节点i和第j个知识流出节点的知识适应度值变化规则如下：
(7)
规则解释：一步迭代结束后，流入节点i的知识适应度与其上一步取值有关。也就是说，知识适应度的改变量与自身知识能力大小成正比例关系。φ是流入节点的知识适应度变化系数，根据专家咨询给定φ=0.1；第j个知识流出节点的知识适应度与其上一步取值有关，即知识适应度的改变量与其自身知识能力大小成正比例关系，φ是知识流出节点的知识适应度变化系数，根据专家咨询给定φ=0.05。
(5)本次迭代结束后，知识流入节点i和第j个知识流出节点的知识激励度值变化规则如下：
(8)
规则解释：一步迭代结束后，知识流入节点i的知识激励度规定不变，即增量为0；第j个知识流出节点的知识激励度与其上一步取值有关，也就是说，知识激励度的改变量与其本身知识能力的大小呈正相关关系，η为知识流出节点知识激励度的变化系数，根据专家咨询给定η=0.1。
技术创新网络的本质是对知识组织关系的重构，体现了知识经济的关键特征。网络环境使得知识基础在知识来源、知识进化、知识收益及知识演变等方面有了新的特性，而这些特性受到网络环境交互影响，且对企业技术创新过程有一定促进作用。网络中技术创新本质是核心知识在网络中扩散与强化的过程，而网络节点的核心知识与能力及其协同互补恰恰是企业竞争优势的本源[13]。相对来说，知识存量大、跨组织学习能力突出和协同创新能力强的企业，希望能够通过合作网络获取其它企业的专有知识，以增强自身核心知识与能力，因而对于结网合作具有强烈意愿；而研发团队强大、具有很强自主创新能力的企业则更希望通过企业自身的创新活动积累核心知识与能力。因此，加入技术创新网络的企业能够更快进行知识交互，通过跨组织学习迅速提升核心知识与能力，并通过知识传播提升网络中的地位。
在技术创新网络的一般合作创新活动中，特别是通信制造业的技术创新网络中存在众多企业主体，主体间或者主体与环境通过物质与信息的交互作用，使技术创新网络结构发生变化。通信制造业的技术创新网络结构往往在演化过程中，呈现出从单一到多样、简单到复杂的规律，而从创新网络结构演变的整体性看，整个过程充斥着局部与整体、个体与群体的知识流动和适应行为[12]。网络中的各节点在合作创新过程中具有双重身份，既是知识的供应源，也是知识的接收者，并起到知识流动中转站的作用。因此，通过分析技术创新网络中知识节点之间的不同流动方式，以及在技术扩散过程中知识流动的特征和核心节点的形成过程，从节点的初始状态、节点间知识流动和节点的状态变化等3方面构建了技术创新网络中节点间的知识流动适应性规则，通过规则分析网络节点间知识扩散、组织间知识流动过程对网络节点企业地位的影响，描述在知识流动状态下，技术创新网络结构演变的主要要素对核心企业形成的作用，为下一步的仿真工作奠定了基础。
参考文献:
[1] ROBIN COWAN,NICOLAS JONARD，JEAN-BENOIT ZIMMERMANN.Bilateral collaboration and the emergence of innovation networks[J].Management Science,2007,53(7):1051-1067.
[2] 李维安，邱昭良.网络组织的学习特性辨析[J].科研管理，2007(6):175-181.
[3] 刘国亮,邱涛.基于CAS理论的移动通信产业价值网络自适应机制研究[J].吉林大学社会科学学报,2010,50(6):118-123.
[4] ROBERT W.RYCROFT I.Does cooperation absorb complexity innovation networks and the speed and spread of complex technological innovation[J].Technological Forecasting & Social Change,2007(74):565-578.
[5] YOUMIN XI， FANGCHENG TANG.Multiplex muti-core pattern of network organization: an exploratory study[J].Computational and Mathematical Organization Theory，2004，10(2):179-195.
[6] 刘茂松，曹虹剑.信息经济时代产业组织模块化与垄断结构[J].中国工业经济,2005(8):56-64.
[7] 陈勇星，屠文娟，季萍.企业技术创新动力系统及其模型[J].统计与决策，2013(5):54-57.
[8] 蒋军锋，党兴华.基于张量分析的知识度规与信息流关系模型[J].管理科学学报，2008,11 (2) :27-34.
[9] 陈洁,丁源,杨晓非.基于CAS 理论的知识共享分析[J].情报科学，2010,28(1)：107-111.
[10] 吴传荣，陈英武.高技术企业技术创新网络中知识转移时间优化研究[J].系统工程理论与实践，2013，33(4)：955-962.
[11] 贾卫峰,党兴华.技术创新网络中核心企业形成的三状态模型研究——基于企业间关系耦合的分析[J].科学学研究，2010，28(11)：1750-1757.
[12] 曹薇.复杂适应系统理论在企业为主体的产学研合作中的应用[J].系统科学学报，2015，23(4):68-71.
[13] 林波,薛惠锋,苗治平.网络组织知识获取模型及其仿真分析[J].情报杂志，2009，28(11)：150-155.
[14] 孔令夷.资源观视域下中小微科技企业成长绩效影响因素分析[J].暨南学报：哲学社会科学版，2015(6)：25-41.
(责任编辑：林思睿)
Research on the Adaptive Rules of Knowledge Flow between Nodes in the Network of Technological Innovation——Based on CAS Theory Perspective
Abstract：With the formation of R&D network environment,technological innovation network knowledge flows between nodes on the network structure of the process of evolution to become scholars concern.The technological innovation is reflected in the nature of the network itself is a complex adaptive system of knowledge flow.Therefore,from complex adaptive systems (CAS) perspective of knowledge based on technical innovation network node flow of knowledge in different ways,and the process of technology diffusion characteristics and the forming process of core node,from the three aspects of the initial node status,the flow of knowledge between nodes interaction and node status change to elaborate technology innovation network knowledge flows between nodes rules between nodes in the network analysis of knowledge diffusion case,the enterprise knowledge flows between nodes on the network during the impact of corporate status ,lay the foundation for the next step of the simulation work.
Key Words:Technology Innovation Network; Knowledge Flow; the Core Enterprise; Complex Adaptive System
DOI：10.6049/kjjbydc.2016120204
中图分类号：F272.4
文献标识码：A
文章编号：1001-7348(2017)18-0113-05
收稿日期：2017-02-08
基金项目：国家自然科学基金青年项目(71102149)；国家自然科学基金面上项目(70972051)；工信部通信软科学项目(2014R-37)；西安邮电大学西邮新星团队资助项目(XYXX201406)