制造业作为经济发展的主要动力和国家创新能力的核心体现,在激烈的全球竞争中,如何提高其创新绩效一直为学界所关注。目前,我国制造业主要以集群形式存在[1-2],但诸多实践表明,产业集聚虽已成为区域技术扩散的重要组织形式,但对于产业结构高度化的推动作用不明显[3]。同时,由信息化带来的虚拟转型使我国制造业在尚未完全实现高度化的情况下摆脱了地理空间束缚,进入全球协作与分工系统,从而面临新的机遇和挑战。
产业升级离不开创新,知识扩散空间衰减使得区域创新网络内部具有知识流动优势,进而促使区域创新网络逐渐成为产业集群技术创新的重要载体,也成为产业集群能否增强竞争力的关键因素。寿柯炎等[4]认为,企业可以通过构建合适的创新网络完成绩效追赶进而实现产业发展;吴松强等[5]发现,产业集群创新网络结构会影响知识搜索效率并最终影响企业竞争优势;侯光文等[6]指出,创新网络关系带来的知识获取是提升产业集群创新绩效的重要手段。综上,许多研究从作用机理、网络结构、网络关系等方面分析了创新网络与创新绩效的联系,但大多数结论诞生于同质创新网络背景下。这种区域性质的知识扩散必然导致地方产业集群创新具有显著地方化特征(毛琦梁、王菲,2018)。事实上,全球制造业格局正在经历新一轮洗牌,例如美国强调重振制造业,德国提出“工业4.0”蓝图,法国力推“再工业化战略”。在互联网、大数据和人工智能等新兴技术迅猛发展的背景下,我国制造业面临多个产业融合与转型升级的关节点,制造集群可能同时嵌入多个创新网络,而网络异质性又必然导致网络关系与资源分布差异,进而影响创新活动效率(孙骞、欧光军,2018)。由信息化浪潮带来的制造业虚拟化转型能够使制造企业打破区域创新网络限制,融入全球价值链。制造业虚拟化转型过程中的全球化属性加上平台化运作模式导致的易碎、动态关系特征,可能打破区域创新网络平衡(陈小勇,2017)。同时,创新活动作为高风险过程,技术动态性冲击也会对虚拟网络嵌入过程产生影响(冯军政,2013)。综上分析,在当前背景下,将技术动态性关联起来探索因虚拟化转型带来的双重创新网络与创新绩效演化问题,有利于挖掘双重创新网络的影响及其作用机制,为双重创新网络平衡以及制造业向虚拟化转型策略制定提供借鉴。
鉴于此,本文基于双重创新网络视角,运用多主体仿真与实证检验方法研究虚拟网络嵌入对制造业集群创新网络绩效的影响。首先,对比分析产业集群区域创新网络和虚拟创新网络嵌入情况下创新网络绩效演化特征及效应;其次,从动态视角考察不同技术动态性冲击下双重创新网络创新绩效演化差异;最后,探索虚拟化嵌入程度不同时,创新网络绩效演化的不同规律与特征。
一方面,制造业发展很大程度上得益于区域创新网络的活跃程度。区域创新网络作为一定地理范围内以创新为目标的各行为主体在合作创新中建立起来的各种网络关系总和(李凯、李世杰,2004),可以给地理上邻近的企业带来外部规模经济,通过彼此分工,降低进入和技术壁垒,进而实现群体发展。事实上,中国制造业集聚正呈现不断加深趋势,并且对经济增长有显著推动作用[7]。这是因为随着创新难度和风险急剧上升,独立创新甚至小范围合作创新已经难以适应多变的环境,创新逐步转向系统化、网络化。刘军等(2010)发现,多数传统制造业聚集能够促进区域创新进而实现发展;原毅军等[8]发现,制造业产业集聚与技术创新呈倒“U”型关系,而我国多数省份处在倒“U”型曲线上升过程中。依赖于相关企业地理上的集聚[9],技术、中间品、服务、成本以及劳动力资源能够得到高效利用[10],进而增强整个制造业集群的竞争力。因此,这种发展形式普遍被各国工业化过程所采用[7]。
另一方面,随着区域产业规模不断扩大,基于地理位置的规模经济会逐渐消失,因为制造业集群更多的是相似企业的简单扎堆,较高的同质化程度导致集群内部企业竞争尤为激烈,导致集群内部成本与资源压力上升,并且在过度分工与固化网络关系的影响下,集群内部企业能力有可能被锁定,从而阻碍其创新能力提升[10]。因此,在科技进步与市场需求的双重作用下,制造企业依托自身核心竞争力,呈现出虚拟化转型趋势。制造业虚拟化转型的实质是基于对市场机遇、公司内外部条件的分析,对价值链进行重构,重新激发竞争力。其重构路径首先是将价值链中部分制造业务拆分出去,再整合外部专业化制造资源,降低成本、提高效率,充分发挥自身核心竞争力并增强企业环境应变能力(杜晓君,2004)。通过虚拟化转型,制造业进一步实现突破地域限制的分工合作,将传统串行协同方式转变成并行协同方式,改变了创新路径(芮明杰。2018)。王娟等(2019)认为,嵌入全球生产网络的技术红利将服务内容内化于制造业价值链本土创新,有助于实现多元化技术创新并打破全球结构封锁实现产业升级;王如玉等(2018)指出,“互联网+”催生了新的形态,通过制造业虚拟集聚模式优化资源空间配置,成为中国制造业转型升级的新路径。
因此,在制造企业虚拟化发展过程中,双重网络嵌入性为其提供了学习全球先进知识的机会。创新网络作为一个开放系统,其非平衡特征在外部冲击下逐步变为有序,从而使产业集群逐渐适应环境(黄玮强等,2009)。外部环境是创新网络形成的保障,内部机制是创新网络演化的动力(方玮,2018)。现有关于创新网络演化内部动力的研究大多集中于两个因素,既网络成员本身的微观因素与网络关系的宏观因素[11]。因此,从技术创新视角出发,创新网络内部演化机制运行主要是网络成员内部技术能力与由此缔结的外部技术合作关系共同推动的。因为在地域边界与知识资源相对有限的环境下,企业内部技术能力与社会关系不可避免地会影响区域创新网络运行逻辑,继而很大程度上影响创新网络演化。在虚拟产业集群中,无数动态联盟突破了地域限制,企业通过互动可以发现更多外部资源以实现创新突破。一方面,通过虚拟化转型,制造企业不仅可以打破固有区域内的产业壁垒,进一步拓展企业发展路径与方向,而且能够利用运作模式共享更多外部资源,进而在一定程度上摆脱地理空间对创新的束缚,并依据技术需求进行更多选择;另一方面,虚拟化改变了企业之间的协作关系。传统产业集群因特定地理位置无法迁移而形成长期合作,并逐渐形成较为稳定的协作关系。通过虚拟化转型,企业研发、生产制造、销售、物流、金融等活动过程被肢解成单个模块,此时产业集群将基于虚拟空间把众多具有关联关系的企业聚集在一起。在无限的空间中,企业进入和退出一个虚拟产业集群的成本被大幅度降低,企业主要通过采用资源共享合作机制获取竞争优势。此时,协同是基于主体的松耦合联合,建立临时合作关系,合作因需求得到满足而终止,企业可以选择更好的合作伙伴。综上,虚拟化转型期双重创新网络演化动力如图1所示。
图1 虚拟化转型期双重创新网络演化动力
假设一个创新网络中所有主体都拥有知识,主体之间能通过交流进行学习,这些个体间的联系构成了网络中的节点与线。随着时间推移与交流的频繁,每个企业根据自身与合作伙伴的业绩进行反馈,通过向周边创新绩效更优秀的公司学习,更新自身知识。借鉴March等[12]的研究模型:知识由m个维度构成,其中新技术知识的每个维度中的元素as(s=1,2,…,m)皆以0.5的概率取1或-1,而企业掌握的主观知识每个维度中的元素xs以1/3的概率取1、-1或0,其中,“0”表示该企业对此维度的认知不确定。设个体j的认知水平kj由新技术知识与企业的主观认知之差决定,即
式(1)中,(xs,j -as)2表示个体j在维度s上新技术知识与主观认知的差距,即两者之间差距越小,kj就越大,因此,较大的kj代表了较高的认知水平。此外,虽然创新绩效水平具有很强的随机性,但从长期看,在很大程度上受其对新技术知识认知水平的影响。March[12]指出,长时间内创新绩效往往呈现正态分布,且创新绩效随着认知水平提升而提升。进一步地,David[13]认为,认知水平提升既能够提升创新绩效的期望水平,又会给创新绩效带来更大风险。因此,结合上述分析,同时兼顾研究的可操作性,假设个体j的创新绩效yj服从期望值和标准差皆为kj的正态分布,即
yj~N(kj,kj2)
创新网络个体间知识传播过程高效与否,一定程度上取决于网络结构特征以及个体学习意愿[14]。特征路径短、聚合系数高是制造业集群创新网络的典型特征[15],借鉴标准的WS小世界模型[16],在t时刻,某一新技术的真实内涵由一个包括m个维度的向量as=[a1,a2,…,am]表示,在包含n个企业的网络中,个体通过合作网络不断寻找当前直接合作关系中创新绩效高于自己的企业,以概率ρj,t向其学习知识。当ρj,t较大即学习意愿高时,个体更愿意接受外部信息,从而具有更高的学习效率。假设在知识中的每个维度保持独立,ρj,t可以表示为个体j以概率ρj,t将其第s维度的认知xs,j更换为个体i在相应维度认知xs,i的概率。网络中个体间的关系重设概率设为β,即个体j与s原本存在合作关系,j以概率β终止同s的合作并与其他个体进行合作。考虑到学习意愿与关系重设概率不是一成不变的,借鉴张古鹏(2015)的观点,个体j在第t期的学习意愿pj、网络关系重设概率βj为其第t期创新绩效分别与上一期开放度和网络关系重设概率及创新绩效的函数,即
ρj,t=min[ρj,t-1exp(1-Yj,t),1]
(2)
βj,t=min[βj,t-1exp(1-Yj,t),1]
(3)
其中,Yj,t是相对创新绩效。企业依据其在产业集群创新网络中的相对绩效水平判断自身创新绩效水平,设个体j在第t期的相对创新绩效如下:
(4)
由于本文主要研究创新绩效动态演化过程,参数初始值不宜过高,以保证网络演化速度不至于过快,因此,设p0=0.2,β0=0.005。
(1)虚拟产业集群网络模型构建。借鉴王娜[17]、高长元[18]的研究成果,虚拟产业集群由无数个虚拟企业突破地域限制组成的动态联盟构成。本文假定有一动态联盟为了认知某一客观新技术知识而合作,且在合作期内,企业间的知识可以传递,其具体机制如下:由于虚拟产业集群关系是动态的,在完成一次学习过程后,企业将根据新的情景建立新的动态联盟或退出虚拟产业集群。因此,假设网络中的企业在与群内其它企业建立连接时,仅选择创新绩效高的伙伴而不考虑过往关系,且一旦形成学习关系则必定进行学习。在任意时间点上,由于每个企业资源运用能力是有限的,因此在本模型中,假设每个企业在自身资源约束下都达到连接的极限,且大多数企业规模接近,故设企业连边数为一个固定常数N。此外,在虚拟产业集群内存在优胜劣汰,即不断有新的企业进入与旧的企业退出,为了模拟这一机制,模型设置了淘汰机制,在每一时间步,创新绩效最低的5%企业会被从集群中剔除,同时会有同等数量的、绩效服从正态分布的新企业加入。
(2)双重创新网络模型构建。在虚拟网络嵌入后,假设个体在不同网络间通过交流与合作进行学习,此时,制造企业一方面要继续与本地产生集群保持联系,另一方面要积极融入虚拟创新网络。假设知识由m个维度构成,其中,本地集群负责的知识维度为ml,而虚拟集群负责的知识维度me,本地产业集群创新网络节点集合为local(i),虚拟网络节点记为集合outside(i)。此阶段企业同时嵌入两种异质性网络,考虑到制造企业本地属性,在虚拟化嵌入后,一方面本地产业集群区域创新网络保持重连策略与学习概率不变,另一方面虚拟网络中合作的随机性和动态性更强,考虑到企业合作对象数量是有限的,此时网络节点合作关系变动准则如下:每一期企业与当期虚拟网络节点创新绩效最大的N个节点连接并进行学习,学习完成后则断开连接。
(3)技术动态性与虚拟化嵌入程度。考虑到环境中的技术动态性冲击,假设有待认知的新技术知识本身可能不断变化,即知识内涵as=[a1,a2,…,am]本身会随着市场环境变化而变化。假设t+T期相较于t期,as的每个维度有0.05的概率发生变化。此外,加入虚拟集群的企业若要完成子任务所需的知识内涵是me,虚拟网络导致的模块化分工促使企业将部分知识维度融入虚拟网络中,部分知识维度保留在本地产业集群中,则总共所需的知识维度数为m,假定需要两者协同以完成一个完整的创新,设虚拟化嵌入程度表达式为:
(5)
Me越大表明企业越依赖于虚拟化网络。
在研究前期以及对虚拟化嵌入演化机制分析缺乏的情况下,借助R语言工具按照上述不同条件下双重创新网络及其绩效演化特征,确定模拟仿真流程,建立程序文件,逐步揭示虚拟化嵌入行为对创新绩效的影响。并且,通过改变参数逐个挖掘每个变量的作用,发现规律以达到预测的目的。
针对初始网络,借鉴王文平(2013)的研究并结合本研究内容,假设基础网络架构是网络密度为8%、包含50个主体的小世界网络。在此基础上,通过仿真模型进行创新网络演化模拟,如图2所示。在区间[0,50]内,随着时间推移,制造业集群区域创新网络创新绩效得到缓慢提升,在区间[50,200]内,随着时间推移,群体创新绩效始终在一定范围内波动,说明区域创新网络在一定程度上有助于推动地方产业升级。虚拟网络嵌入情景下,在区间[0,5]内随着时间推移创新集群绩效得到快速提升,在区间[5,200]内达到收敛且波动幅度更小,表明相较于区域创新网络,虚拟化嵌入情景下双重网络创新效率更高、更稳定。
图2 产业集群创新网络演化周期(Me=0.5)
为了更为完整地体现出知识更新状态下知识网络演化过程,将整个演化周期T的时长设为400。同时,为体现虚拟网络节点的丰富性并考虑仿真的可操作性,将初始虚拟创新网络节点数为2 000,企业连边数设为5。首先,不同技术动态性下区域创新网络绩效变化趋势如图3所示。随着时间推移,技术动态性冲击下因认知差距导致的区域创新网络创新绩效变化存在异质性。其中,当技术动态性较低时(T=10),平均创新绩效在初期不断上升达到最大值,此后快速下降并在T=200后保持在一个较低的水平;当技术动态性较高时(T=1),即每期更新一次知识,网络创新绩效会一直在一个较低的绩效水平上波动,不会有较大程度的起伏;当技术动态性适中时(T=5),即每5期更新一次知识,平均创新绩效在周期内出现多次倒U型,且创新绩效总体逐渐下滑。由此可见,技术动态特征会导致区域创新网络绩效不断下滑,同时,过低或过高的动态性会导致演化异质性。例如,较低的技术动态性短期内虽然会使企业得到较高的创新绩效,但是容易使其陷入“创新陷阱”。这是由于在新技术知识较为稳定的情况下,由于彼此学习,集群中的创新个体更容易达到认知上的一致,能获得较高的创新绩效,但当新技术知识更新时,集群内个体被锁定在固有知识框架内而难以摆脱桎梏。过高的技术动态性会使企业难以完全认知正确的新技术,进而陷入频繁的创新过程耦合中,虽然能够保持创新动力但难以实现绩效最优化。相比之下,适当的技术动态性(T=5)不仅有利于企业保持创新动力,而且有利于企业获得较高的创新绩效。
图3 不同技术动态性下区域创新网络绩效演化
如图4所示,嵌入虚拟网络后,不同技术动态环境下创新网络绩效皆呈现快速上涨趋势,其中,技术动态性越低,收敛区间的均值就越高。由此可见,更为开放的虚拟网络一方面有助于本地产业集群摆脱“创新陷阱”,另一方面能够保证创新绩效的稳定性,使其保持在一个较高的水平。这是由于动态开放的关系会促进集群中创新个体的认知保持差异,同时以较快的途径获得较高的创新绩效,当新技术知识因环境要求出现更迭时,集群内个体可以在保持特色的同时进行有效学习并防止认知同质化,进而避免创新能力被“锁定”。由上述分析可以发现,无论处在何种技术动态环境下,嵌入虚拟创新网络都有助于产业创新绩效提升,因此,应当积极推动虚拟化转型。
图4 不同技术动态性下双重创新网络绩效(Me=0.5)
通过上述仿真分析发现,技术动态变化情景下制造业虚拟化转型有利于创新绩效提升。那么,不同的虚拟化嵌入程度会对上述过程产生怎样的影响?
图5 虚拟化嵌入程度与创新绩效(T=5)
如图5所示,由于虚拟化嵌入程度不同,企业创新绩效也会呈现不同的特征。当虚拟化嵌入程度较高时(Me=0.75),企业创新绩效可以保持在一个较高的水准;当嵌入程度较低时(Me=0.25),企业绩效只能维持在较低的水平上且浮动较大;在嵌入程度适中时(Me=0.5),创新绩效波动较大但其极值最高。由此可以看出,虚拟化嵌入程度与创新绩效之间并不是简单的线性关系,从仿真结果看,并不是虚拟化嵌入程度越高就意味着创新绩效越好,相反,过高的虚拟化程度可能导致创新失去弹性,适度的虚拟化则有利于企业保持活力。因此,虚拟化嵌入与创新绩效之间可能存在倒U型关系,且技术动态性对上述关系的影响有待进一步探索。
结合上述仿真分析结果,在不同技术动态性下,制造集群创新绩效因不同的虚拟化嵌入程度呈现出不同的变化。为进一步分析技术动态性、虚拟化程度与创新绩效之间的关系,将技术变化动态性作为调节变量,以企业创新绩效(performance)为因变量,以虚拟化嵌入程度为自变量进行回归分析,考虑到虚拟化嵌入程度与创新绩效可能存在倒U形关系,参考Uzzi&Spiro[19]的研究成果,引入虚拟化嵌入程度的二次项。
江苏省南京市江宁开发区作为国家级经济技术开发区,培育了多个拥有现代产业体系的成熟制造业集群,近年来已经成为对外开放示范区、高新技术密集区和利用外资集聚区,多个细分领域如智能电网、汽车制造等行业达到国际、国内领先水平,数个战略性新兴产业如高端装备制造、生命科学、节能环保产业处于国内先进水平,市场占有率较高。因此,江宁开发区制造业样本具有良好的代表性。
在江宁区面向5个制造产业集群发放问卷,涉及生物医药、智能电网、高端装备、节能环保、汽车制造等产业。2018年3-6月,为尽量保证问卷回收质量,通过当地政府管理部门进行问卷分发与回收工作,总共发放问卷300份,回收有效问卷244份,回收率81.3%,有效问卷样本情况如表1所示。所有问卷都采用李克特7分量表设计,请企业高管衡量各题项描述与公司客观情况的符合程度,1-7表示同意程度逐渐提升。问卷最后一部分包含被测试所属企业的基本信息。从样本特征看,企业人数小于100的占14.75%(36家),100~500人的企业占58.61%(143家),能比较全面地覆盖大、中、小企业;从企业年龄看,成立6~10年的企业占25.41%(62家),成立10年以上的企业占31.56%(77家),能较好地体现出不同年龄段企业的基本特征;从企业性质看,民营企业115家,占比达47.13%。
表1 有效样本构成情况(N=244)
项目类别数量百分比(%)100人以下3614.75企业规模100~500人14558.61500人以上6526.635年以内10543.03企业年龄6~10年6225.4110年以上7731.56国有12952.87企业性质民营11547.13生物医药4116.80智能电网4719.26高端装备4920.08细分行业节能环保3614.74汽车制造7129.10
表2 主要变量信效度分析结果
构念条目维度因子载荷Cronbach's αKMOBartlett球形检验拟合指标S1交流频率0.846S20.815虚拟化嵌入程度S3交流持久0.8410.840.610.01S40.782Χ2/df=1.271GFI=0.927NFI=0.904CFI=0.989RMSEA=0.016I10.783I2产品创新0.745创新绩效I30.6720.700.650.01I40.646I5工艺创新0.746I60.614Χ2/df=1.495GFI=0.987NFI=0.990CFI=0.997RMSEA=0.032W10.924W20.9170.960.840.01技术动态性W3\0.921W40.859Χ2/df=1.852GFI=0.991NFI=0.993CFI=0.995RMSEA=0.044
(1)虚拟化嵌入程度。本文借鉴Gulati & Sytch等[20]的研究成果,从交流频率和关系持久两个维度测量虚拟网络嵌入强度,包括“企业与虚拟知识应用开发网络交流频繁”等题项。
(2)创新绩效一般是指企业技术创新活动效率和效果。借鉴Gemünden[21]、刘学元等[22]的创新绩效测量方法,以产品创新和工艺创新两个维度衡量。其中,产品创新包括市场成功率、产品改进、新产品开发3个指标;工艺创新则包括劳动力成本降低、生产力提高、订单交付时间减少、资源消耗降低等指标。
(3)技术动态性,本文借鉴Jaworski等[23]的设计量表,以“企业所在产业内的技术变化非常快”等4个题项测量技术动态性。
此外,本文选取企业规模(企业员工人数)、企业年龄(企业成立时间)、企业性质以及产业细分类别作为控制变量。在实证过程中,首先对模型中样本数据进行信效度分析。如表2所示,量表各部分的克朗巴哈α系数皆大于0.7,表明指标内部一致性较高,通过了检验。KMO指标测量值皆大于0.6,且因子显著性概率小于0.001,说明数据适合作因子分析。因子的最小载荷I4为0.646,大于参考值0.5,表明从各变量中提取出的因子是有效的。
从表3可以看出,虚拟化嵌入与企业创新绩效之间存在正相关关系,技术动态性与虚拟化嵌入程度之间存在正相关关系,而技术动态性与创新绩效之间呈显著负相关关系,初步表明模型具有一定的合理性。
为了进一步验证技术动态性的影响,将技术动态性按照均值进行分类,大于均值3.887的为高技术动态样本,反之则为低技术动态样本。表4检验结果显示,对于技术动态性较低的企业,在控制其它因素后,虚拟化嵌入程度对创新绩效的影响为正(R=0.331,P<0.01),此时虚拟化嵌入对创新绩效的倒U型影响不显著,表明虚拟化嵌入有助于提高企业创新绩效;对于技术动态性较高的企业,虚拟化嵌入程度对创新绩效的影响为正(R=0.246,P<0.01),且随着虚拟化嵌入程度加深,反过来会降低创新绩效,表明此时虚拟化嵌入对创新绩效的倒U型影响显著,进一步验证了上文仿真分析结果。
表3 描述性统计与相关性分析结果
变量均值标准差虚拟化嵌入创新绩效技术动态性企业规模企业年龄企业性质产业细分虚拟化嵌入4.3581.6571创新绩效3.9400.9110.408**1技术动态性3.8871.9270.229**-0.122*1企业规模2.1600.823-0.0090.0260.0241企业年龄2.0210.7930.349**-0.0850.286**-0.0191企业性质1.4420.497-0.330**-0.0740.0710.069-0.470**1产业细分2.6501.181-0.344*-0.251**-0.228**0.004-0.377**0.243**1
注:*表示显著性达到5%水平,**表示显著性达到1%水平,下同
表4 虚拟化嵌入程度与创新绩效
模型技术动态性低技术动态性强(1)(2)(3)(4)虚拟化嵌入程度0.331**0.538**0.246**0.425**(0.040)(0.201)(0.050)(0.129)虚拟化嵌入程度的平方-0.026-0.148**(0.025)(0.015)企业性质-0.129-0.133-0.483**-0.446**(0.089)(0.089)(-0.107)(0.087)产业细分类型-0.197**-0.191**-0.144**-0.236**(0.052)(0.052)(0.059)(0.046)企业年龄-0.129-0.133-0.683**-0.481**(0.089)(0.089)(0.107)(0.075)企业规模0.212**0.216**0.327**0.427**(0.037)(0.038)(0.057)(0.052)R20.3630.3670.4380.544调整R20.3500.3510.2160.527F27.82822.49830.87332.868
图6 技术动态性的调节效应
通过构建双重创新网络模型分析制造业产业集群虚拟化嵌入过程,利用多主体仿真模型与调查问卷研究虚拟化嵌入过程对产业集群创新绩效的影响,得到以下结论:
(1)在制造业集群中,区域创新网络一定程度上有助于推动地方制造业创新,但是创新绩效速度提升较慢且存在瓶颈,虚拟化转型有助于创新绩效快速上升且保持在一个较高的水平上。
(2)将技术动态性纳入分析后发现,区域创新网络创新绩效在技术变化冲击下存在先上升后下降的趋势,而虚拟化转型导致的双重创新网络在其冲击下使创新绩效能够收敛于一个较高的水平,且其最终收敛水平与技术动态性成反比。
(3)虚拟化嵌入程度不同,企业创新绩效呈现不同的特征。当虚拟化嵌入程度较高时,企业创新绩效可以持续保持在一个较高的水平;当嵌入程度较低时,企业创新绩效只能维持在较低的水平上且浮动较大;当嵌入程度适中时,创新绩效波动较大但其极值最高。
(4)实证结果表明,在技术动态性较低的环境下,虚拟化嵌入程度可促进企业创新绩效增长,而在技术动态性较高的环境下,虚拟化嵌入对创新绩效的倒U型影响显著。
本研究具有如下理论贡献:首先,尽管现有研究肯定了虚拟网络嵌入对制造业升级的积极作用,但是对由虚拟化嵌入带来的不同性质创新网络的具体作用分析较少。因此,本文对虚拟化嵌入作用作进一步分析,考察制造业集群在虚拟化转型时的双重创新网络嵌入及其作用演化机制;其次,虽然技术动态性作为重要的技术创新外生变量已成为创新管理研究热点,但目前对双重创新网络、技术动态性与创新绩效等构念之间的内在作用关系仍缺乏进一步模型开发与学理解释。本研究引入技术动态性作为调节变量,进而指出其对双重创新网络演化涌现特征的影响,深化了双重创新网络嵌入视角下制造业集群创新管理理论研究。
(1)制造业集群应当积极进行虚拟化转型。区域产业集群创新网络在一定程度上有助于推动地方制造业创新,但是创新绩效提升速度较慢且容易陷入陷阱,融入全球虚拟产业集群后,更加灵活的合作关系有助于打破认知与能力桎梏,进而实现创新绩效提升。因此,制造业向虚拟化转型有利于产业升级。
(2)制造企业应该积极调整虚拟化嵌入策略,以应对技术环境变革带来的冲击。企业不能盲目进行虚拟化转型,在技术动态性较低的环境下企业应该积极进行虚拟化转型,而在高动态环境下企业必须从多个维度综合考虑其虚拟化进程,以此与不同的技术需求相呼应。
(3)制造业在虚拟化转型过程中要兼顾两种创新网络,不能满足于简单地嵌入虚拟网络以获取新技术的操作技能或流程。不同技术动态性条件下,虚拟化嵌入程度可能带来不同的后果。因此,制造业在虚拟化过程中,其所处的相对方位是随企业资源获取能力及知识技术积淀的改变而不断变化的,必须从动态视角将行业技术动态特征与行业地位结合起来,在积极进行虚拟化转型的同时,保持对区域创新网络的关注。更重要的是,企业需要将对组织状态的判断与环境预测结合起来,不断强化学习意识,保持持续创新。不断变化的技术特征会带来新一轮创新和发现,简单地嵌入虚拟化网络,而忽略其所处的相对方位以平衡两种异质性创新网络,会使企业僵化地依赖于单一创新网络惯性,难以抵抗系统风险。
虽然本文对虚拟化转型背景下双重创新网络与制造业集群创新绩效演化进行了初步探索,但仍存在一些问题有待进一步探索:本研究构建的多主体仿真模型未对虚拟化背景下的模块化分工策略加以区分,后续研究应进一步考虑知识维度模块化策略对研究结论的影响。
[1] ZHANG X, HU D. Overcoming successive bottlenecks: the evolution of a potato cluster in China[J]. World Development,2014(63):102-112.
[2] 阮建青,张晓波,卫龙宝.危机与制造业产业集群的质量升级——基于浙江产业集群的研究[J].管理世界,2010(2):69-79.
[3] 袁航,朱承亮.国家高新区推动了中国产业结构转型升级吗[J].中国工业经济,2018(8):60-77.
[4] 寿柯炎,魏江.后发企业如何构建创新网络——基于知识架构的视角[J].管理科学学报,2018,21(9):23-37.
[5] 吴松强,蔡婷婷,赵顺龙.产业集群网络结构特征、知识搜索与企业竞争优势[J].科学学研究,2018,36(7):1196-1205+1283.
[6] 侯光文,薛惠锋.集群网络关系、知识获取与协同创新绩效[J].科研管理,2017,38(4):1-9.
[7] 文东伟,冼国明.中国制造业产业集聚的程度及其演变趋势:1998-2009年[J].世界经济,2014,37(3):3-31.
[8] 原毅军,郭然.生产性服务业集聚、制造业集聚与技术创新——基于省级面板数据的实证研究[J].经济学家,2018(5):23-31.
[9] PORTER E M. Clusters and the new economics of competition[J]. Harvard business review, 1998(7):77-90.
[10] SCHMITZ H,K NADVI.Clustering and industrialization:introduction[J]. World Development,1999,27(9):1503-1514.
[11] 阮平南,王文丽,刘晓燕.基于多维邻近性的技术创新网络演化动力研究——以OLED产业为例[J].研究与发展管理,2018,30(6):59-66.
[12] MARCH J G. Exploration and exploitation in organizational learning[J]. Organization Science,1991(2):71-87.
[13] DAVID H A.Order statistics[M] New York: John Wiley,1981.
[14] CHOI J,AHN S H,CHA M S.The effects of network characteristics on performance of innovation clusters[J].Expert Systems with Applications,2013,40(11):4511-4518.
[15] 胡海波,黄涛.全球化视角下我国汽车制造企业创新网络演化路径:“江铃”与“奇瑞”双案例研究[J].科技进步与对策,2016,33(22):69-77.
[16] WATTS D.Dynamics and the small-world phenomenon[J].American Journal of Sociology,1999,105(2):493-527.
[17] 王娜.虚拟产业集群演化的复杂网络研究[D].北京:北京邮电大学,2010.
[18] 高长元,张树臣.基于复杂网络的高技术虚拟产业集群网络演化模型与仿真研究[J].科学学与科学技术管理,2012,33(3):48-56.
[19] UZZI B, SPIRO J. Collaboration and creativity: the small world problem[J]. American Journal of Sociology,2005,111(2):447-504.
[20] GULATI R,SYTCH M.Dependence asymmetry and joint dependence in interorganizational relationships: effects of embeddedness on a manufacturer's performance in procurement relationships[J].Administrative Science Quarterly,2007,52(1):32-69.
[21] GEMUNDEN H G,RITTER T,HEYDEBRECK P. Network configuration and innovation success: an empirical analysis in german high-tech industries[J]. International Journal of Research in Marketing,1996,13(5):449-462.
[22] 刘学元,丁雯婧,赵先德.企业创新网络中关系强度、吸收能力与创新绩效的关系研究[J].南开管理评论,2016,19(1):30-42.
[23] JAWORSKI B J,KOHLI A K. Market orientation: antecedents and consequences[J]. The Journal of marketing,1993,57(3):53-70.