面对中国经济高质量发展要求,创新驱动呈现出由点到面的发展趋势,并由核心企业主导向全面创新推进,非核心企业的创新作用逐渐突显。在传统制造业中,非核心企业[1]以生产为主,创新活动受企业规模、信息资源、知识基础等条件限制,多为小规模的技术吸收与改进,影响力较弱。在信息时代,知识获取更加便捷,创新成本降低、核心企业优势被弱化,同时,新机遇和新挑战更多,扩展了非核心企业创新空间。一方面,消费者需求呈现多元化趋势,企业需要提供更细致、更多样化的配套产品,用以优化整体产品功能,提高产品竞争力;另一方面,在开放式创新体系下,非核心企业有助于获得更多创新资源,通过建立创新组织,整合周围创新资源,逐步独立实现创新,并依靠高效的组织效率和知识创新后发优势,形成对核心企业的跟随、并行乃至赶超。但从现有研究看,创新理论中关于企业组织结构的研究较少,已有研究多集中于宏观的创新生态系统和微观的企业创新系统分析,存在亚微观层面研究的空缺,而这个层面正是当今发展中变化最快的地带,值得深入研究。
本文将从亚微观视角抽象出非核心企业创新组织的结构特征,构建系统动力学模型,分析创新价值链结构和创新组织结构(双元结构)对非核心企业知识增长的影响。系统动力学的优势在于,通过对变量因果关系的简化,实现对复杂现实情况的仿真,并随着系统时间推移,体现其动态变化。这种在非完备信息基础上研究系统整体变化的方法比较适合本文。为此,在梳理创新组织相关文献基础上,从非核心企业创新组织的结构差异性入手,探析不同创新价值链结构下非核心企业的知识学习机理,为此,在双元结构基础上刻画以核心企业——非核心企业为主体的创新系统中非核心企业知识增长问题,并根据系统仿真结论,探讨非核心企业在不同模式下的知识最优路径,为非核心企业的未来战略制定以及政府扶持政策设计提供理论支撑。
国内外关于组织结构影响企业创新效应的研究较少,现有研究普遍认为组织结构对知识生产具有重大影响。一般认为,创新系统由核心企业和上游组件供应商、下游互补方和客户等共同组成[2],系统分为骨干企业、旗舰企业和其它组织[3]。在信息时代,系统核心并不单指骨干企业,还包括与其直接相关的一些旗舰企业,即非核心企业,它们是具有动态演化特征的交互型组织[4]。在创新系统中,包含众多以非核心企业为中心,具有独立组织结构的企业创新组织,作为一个子单元模块嵌入核心企业创新系统中,成为知识共享的重要通道——为知识转移提供组织平台[5],使组织内外部离散、独立的知识达到互补协调[6],形成创新组织内共享的知识体系,加速知识流动、促进知识增长。这种相互依赖的组织结构在影响企业创新发展[7]的同时,也影响创新系统整体的创新活力和演化前景[8],进而影响系统进化与价值共创 [9]。组织内部信任的重要性甚至超过正式合作流程(Andrews&Delahay,2000),受组织成员能力变化的影响,不同企业创新组织结构不同,中心企业对下级企业控制力的差异导致组织稳定性不同(冯荣凯,2015),进而在知识共享中获得不同信任度,影响知识共享程度,产生不同演化趋势[10]。在已有的创新组织结构研究中,以模拟仿真分析为主。基于企业密度与周期性角度的仿真模拟已经证明,创新系统中具有独立组织结构的企业组织对整体创新系统具有可演化影响(JianxiLuo,2018)。另一项系统仿真结果显示,创新组织结构对企业知识增长效应的影响具有动态化特征[11]。依靠组织内部的信息传递,可以使技术与资源得以充分利用[12],形成知识优势,为企业组织发展提供持续动力 [13],促进创新系统运行。伴随组织知识学习,创新组织结构和创新资源进行战略性匹配[14],企业内外部知识不断互补、协调[15],形成不同的企业创新发展路径。
创新价值链结构同样可以反映企业知识水平,但与创新组织结构从知识应用效率角度产生影响不同,其更多体现在不同差异化的知识增长问题上。创新价值链理论(IVC)描述了创新从理念设计到价值实现的过程,Hansen & Birkinshaw[16]按知识获取、转换与开发利用的循环往复过程,将IVC分为创意产生、创意转换和创意扩散3个阶段。在企业创新过程中,IVC分解为创新投入、创新知识凝结、创新成果实现3个过程[17]。不同发展阶段的创新要求不同,产生了IVC结构的差异化,形成长链、中链、短链IVC结构。虽然从知识网络整体来看,基础研究对技术进步具有促进作用,应用研究不具备正向关联效应[18],但是从企业视角看,两者均明显提升了企业知识水平。涉及基础研究的创新难度较大,一般对应长链结构IVC,而较短的IVC仅包括产品创新等应用研究[19]。IVC具有模块化特点,便于创新平台上非核心企业聚集、参与互动。一些不具备独立组建IVC的非核心企业,在共同的利益驱使下取长补短,组建新IVC,促进创新组织生成[20]。
因此,在非核心企业创新中,创新组织结构和创新价值链结构对企业知识增长均具有重大影响。在信息时代,这些具有独立结构的非核心企业创新组织已经对整体创新系统产生影响,不同信任度会产生紧密度不同的创新组织结构,形成创新组织稳定性差异,影响知识水平。缺乏完整知识体系的非核心企业难以独立进行创新,而结成创新组织可有效弥补上述缺陷,形成从设计、开发到生产的IVC。不同IVC结构的创新差异较大,其需要的知识基础、合作要求也不同,导致企业知识学习效果不同。在企业创新中,IVC的模块化属性为知识生产的多主体参与奠定了基础,创新组织是知识创新与流转的载体,在创新组织内部知识共享效率较高,因此企业间的创新组织降低了知识流转成本,进而加速了知识创新。在实际发展中,非核心企业面临的首要问题是如何最大程度利用获取的知识资源,选择高水平的IVC,实现知识稳步增长。虽然开放式创新环境下的企业合作更容易开展,但在差异化组织关系下,创新成果转化周期也不同。因此,企业会采用不同创新组织结构,如早期的腾讯公司通过模仿和移植获取创新知识,当公司具有一定实力、能开发出功能复杂的产品时,为了避免创新活动趋于流程化和僵化,会成立多个创新小团队,独立进行创新[21]。IVC结构和IONE组织结构对企业知识发展效应具有显著影响,而现有文献中还没有关于二元结构下针对非核心企业发展的研究。基于以上理论缺口,本文将以创新组织结构为切入点,针对不同知识类型的IVC结构差异,对非核心企业知识学习的知识创新效应进行深入探索。
综合前人对创新组织的研究,本文定义非核心企业创新组织(Innovation Organization of Non-core Enterprises,下文简称IONE)隶属于核心企业创新系统,是由一些不能或不必要独立组建IVC的非核心企业、部门,以创新发展为目的而组成的联盟组织[25]。IONE以非核心企业为中心,可以在系统内完成创新全过程,具有独立架构,形成以知识创新为核心的组织并参与核心企业系统运行。一般情况下,作为核心企业创新系统的子系统,个别IONE的短期发展对核心企业系统没有显著影响,但是非核心创新组织的层级性或区域性缺失会造成严重影响。每个IONE具有完整的IVC,然而受企业控制力影响,IONE结构并不完全相同。
根据对制造业企业的跟踪调查和文献研究[9-11]发现,IONE结构类型可以结合利益相关性和组织紧密度进行细分(王伟光等,2018),具体为:高稳定性对称结构、较为稳定的非对称结构、不稳定性对称结构。在高稳定性对称结构中,中心企业效益直接影响边缘企业,各边缘企业与中心企业的紧密度基本一致。在该类型组织结构下,企业合作通常是长期且稳定的,多见于模块化配件的总装企业与配套企业之间。在较为稳定的非对称结构中,中心企业与个别边缘企业的关系紧密度超过其它企业,出现组织结构的非对称性偏差。在该类型组织结构中,边缘企业受中心企业影响较大,部分边缘企业存在脱离IONE的风险,该结构多存在于技术研发和代工生产分工联盟中。在不稳定性对称结构中,中心企业的利益对边缘企业影响不大,联合目的仅为短期内实现创新资源整合,往往随着项目结束而终止合作关系,企业与科研机构、高校之间的技术咨询合作多属此类。由此,IONE结构的稳定性可以分成高、中、低三类,如图1所示。
图1 非核心企业创新组织类型
非核心企业类型多样化,诸如INOE内部的边缘企业在数量、规模、功能上都存在较大差异,导致IONE结构较为复杂,难以进行理论建模。为此,本文使用图论原理对IONE结构进行分解,抽象出IONE的基础结构。定义IONE是由一个中心企业和两个边缘企业构成的企业创新组织,并根据稳定性程度划分为3种IONE结构模式,即高稳定性的引领式组织、中稳定性的内化式组织和低稳定性的并列式组织。在IONE基础结构模型中,A代表中心企业,B、C代表边缘企业(如图2)。3个企业共同组成IVC的创意—研发—生产,但本文不具体区分三者的职能分属。由于非核心企业数量众多,单个IONE受核心企业创新系统的影响较小,因此模型中暂不考虑IONE受外部政策及环境因素的影响,即假设外部环境较为稳定。
(1)引领式创新组织结构模式。引领式创新组织是3种组织结构模式中最稳定的,内部的中心企业A与边缘企业B、C之间是从属关系,且边缘企业的规模、利润等主要受中心企业影响。组织研发由中心企业主导、其它企业配合,协作沟通顺畅。各边缘企业与中心企业的关系基本无偏差,当创新组织解体时,所有成员均同时脱离组织。由于引领式创新组织结构稳定性高,可适应不同创新难度的长、中、短IVC结构,有利于非核心企业制定长期创新规划,从而实现对同类企业的跟随、并行乃至超越。但是,该模式的高稳定性强化了中心企业利益最大化原则,容易导致顺轨创新后期的知识学习不足,最终在转轨时期易整体遭受市场的毁灭式打击。因此,引领式创新组织结构模式具有系统封闭、合作稳定、一损俱损的特点。
(2)内化式创新组织结构模式。内化式创新组织是稳定性居中的结构模式,中心企业A与边缘企业B、C同样是从属关系,但与引领式不同的是,中心企业周围形成了部分内化的中心—外围结构。组织结构呈现出紧密度有偏差的情况,当创新组织解体时,关系不够紧密的边缘企业C会先行脱离。由于企业A、B之间信任度较高,使得企业A、B间的沟通效率较高、知识流动更快、知识吸收更好。内化式创新组织结构模式兼具稳定关系和不稳定关系,具有系统半封闭、合作较稳定、一荣俱荣的特点。
(3)并列式创新组织结构模式。并列式创新组织是稳定性最弱的结构模式,中心企业A与边缘企业B、C并非从属关系,合作通常是为了实现创新资源互补和共享。中心企业A的创新能力略微占优,与边缘企业B和C的关系紧密度基本相同。结构模式的不稳定性带来两方面影响:从IONE看,不稳定性导致组织知识增长容易受外界干扰,不利于组织进行高难度的长链结构创新;从核心企业创新系统来看,在不断的组织解体与重构中,实现了知识扩散的倍增效应,有利于新知识增长。
综上,根据创新组织结构稳定程度,从高到低将IONE划分为引领式、内化式以及并列式,并且3种结构模式各具优势:最容易集中力量创新的是引领式,组织信任度最高的是内化式,而知识扩散效率最高的是并列式。IVC结构影响知识生产进度,而IONE结构影响组织合作过程,两者如何交叉影响知识增长轨迹,是下文探讨的重点。
图2 非核心企业创新组织结构模式
非核心企业创新组织(IONE)是核心企业创新系统的亚微观单元,与核心企业的知识轨道相似,因此研究IONE的知识学习难以避开核心企业。由于本文为理论探索,仅考虑核心变量关系,因此将创新主体简化为仅有核心企业与非核心企业的二元结构,并限定知识流动仅为单一门类,且重点分析IONE与IVC结构下企业知识增长效果的差异,由于创新投入、知识基础等核心要素的缺失将导致IVC创新无法完成,因此进一步限定模型不受创新资源约束,即模型的创新活动可持续进行。本模型仅研究非核心企业追赶过程,当非核心企业知识存量超过核心企业时,即意味着非核心企业在创新领域已晋升为核心企业,将不再进行探讨。
March(1991)从组织学习视角提出探索式创新与利用式创新的构念,内生增长理论认为企业的长期发展取决于其知识储备,而知识学习通常分为利用式学习和探索式学习[22]。因此,设定知识增量主要受利用式学习和探索式学习两种方式影响。企业初期为了生存而采取的引进、消化、吸收等知识增长方式可归纳为利用式学习;企业为了提升系统位置而进行的新知识领域探索,则归纳为探索式学习。非核心企业与核心企业在知识学习上具有明显差异:核心企业拥有关键技术和丰富的知识存量,为了进一步强化知识存量优势、提升系统控制力,通过探索式学习实现知识增长;非核心企业技术体系不完善、知识存量小,导致早期知识来源主要是对核心企业知识的利用式学习。非核心企业通过利用式学习,不断缩小与核心企业的知识势差,从而触发企业竞争力保护机制,即当知识势差低于一定阈值时,核心企业将控制知识溢出以限制非核心企业知识增长。
图3 机理模型
非核心企业的知识增长同时受到IONE结构稳定程度和IVC结构创新难度的双重约束 [23]。一般地,IVC结构越长则创新难度越大,导致创新活动周期也越长;结构越短则创新难度越低,易于在短期内完成创新活动。按照IONE结构划分的3种模式,其稳定程度也不同。稳定性低的组织成员信任度较低,在知识分享和学习中有所保留,导致知识流动效率较低;稳定性高的组织成员可快速实现知识互学,协同完成研发—应用—生产的IVC全过程。与此同时,组织稳定性高的非核心创新组织内部,其封闭性也较高,导致组织过分“安于现状”而失去竞争意识,从而丧失拓展知识广度的欲望。因此,非核心企业在构建创新组织时,会面临IVC结构与IONE结构的二元复合选择,即企业在选择既定创新难度的价值链结构时,应明确构建何种IONE结构进行适配,以实现非核心企业对核心企业的追赶。
(1)系统边界。系统动力学认为,内因决定系统行为[24]。本系统主要由核心企业知识增长子系统和非核心企业知识增长子系统构成,且两个子系统之间的双元学习行为(利用式学习及探索式学习)共同受到创新组织结构稳定性影响,从而使两个子系统建立起紧密联系(Benner &Tushman,2002;Jansen et al.,2006)。本文仅将知识作为核心企业与非核心企业之间的交流介质,知识势差是产生知识溢出的主要动力[25],因此,超过知识势差阈值的逆向知识流动不作为本文研究内容。
(2)基本假设。
H1:知识生产及传播过程受IVC结构影响,长链IVC结构需要更长的知识创新周期;
H2:非核心企业在初始阶段的知识存量低于核心企业,并在未来较长一段时间内依附于核心企业;
H3:非核心企业的知识来源拥有探索式和利用式学习两种渠道,而核心企业的知识来源仅为探索式学习;
H4:知识相似性越高,越有利于不同创新主体之间的吸收与学习;
H5:企业存在竞争保护机制,当知识势差低于一定阈值时,优势企业将主动终止知识溢出。
不同IONE结构的稳定性不同,对组织内核心企业和非核心企业的知识学习存在差异化影响。IONE组织结构越稳定,越有利于核心企业与非核心企业建立信任关系,同时,稳定的结构关系还将通过成熟的组织惯例促进组织沟通效率提升[26]。此外,组织结构稳定将降低创新主体之间的竞争强度[27]。组织信任程度和组织沟通效率提升会进一步促进创新组织内部知识共享[28],有利于非核心企业开展基于外部知识的利用式学习以及探索式学习。组织内信任程度提升,有利于核心企业开展探索式学习,尤其当核心企业试图变革现有知识轨道时,更容易得到非核心企业支持[29-30],如集聚创新资源、共担创新风险等。组织竞争程度提升的本质是核心企业与非核心企业之间技术和产品的同质化程度越来越高,一旦知识不再具备稀缺属性,将加速被外部技术市场淘汰,如图3所示。
根据因果关系构建系统流图,共包括2个流位变量、5个流率变量、1个常量、5个辅助变量以及1个影子变量,系统周期设定为100(month),如图4所示。其中,流位变量为核心企业知识存量和非核心企业知识存量;流率变量为利用式学习、探索式学习1、探索式学习2、知识淘汰量1、知识淘汰量2;常量为组织结构稳定性;辅助变量为组织竞争程度、组织沟通效率、组织共享程度、组织吸收能力以及组织信任程度;影子变量为组织依赖程度。
仿真模型得以广泛应用的前提是通过基准模型的检验。将IONE结构稳定程度设定为中间值(0.5),并以单一IVC结构类型对基准模型进行检验,其验证结果如下:
3.1.1 核心企业与非核心企业探索式学习
核心企业的知识来源仅有探索式学习,图6显示,在探索式创新前期知识增量较少而后期增量较多,这与内生增长理论中探索式创新的指数式增长特征一致。核心企业只有不断强化探索式学习,满足知识创新的颠覆性、核心性和基础性要求,才能维持系统中心位置。探索式学习前期有知识整合、利用和试错等环节,核心企业经过一段周期学习后,迅速提升新知识探索速度。非核心企业知识存量低于核心企业,同时进行探索式学习时,非核心企业知识存量始终低于核心企业知识存量,在较长一段时间内无法实现超越。回顾上汽、海尔等知名企业发展路径可以发现,企业进行探索式学习自主创新时,从落后到并行的时间都超过十年,并且在同轨创新中很难实现超越,因此本文得出的100个月内非核心企业难以超越核心企业的结果与现实情况大体一致。
图4 因果关系
图5 系统流图
图6 探索式学习极限分析及核心与非核心企业对比
3.1.2 非核心企业知识利用式学习与探索式学习
图7描述了非核心企业知识积累曲线,可见,利用式学习与探索式学习两种知识曲线走势的差异较大。利用式学习在非核心企业发展初期即发挥了主要作用,曲线呈现快速上升,但到达一定阈值后曲线从峰值开始下降,总体呈现出倒U型发展态势。探索式学习经历漫长、稳定的增长过程后,在第40个月以后逐步取代利用式学习,成为非核心企业的主要知识积累方式。本文模型分析的是单项知识,表明单项新技术在引进、消化与吸收后产生的知识效应在24个月后迅速消退,企业随后进行自主创新,大概在40个月后产生新知识,从而替代引进知识,这与前期企业调研结果和学者研究得出的企业技术周期[34]基本一致。非核心企业在两种学习方式中交替演化,体现出非核心企业转型升级的本质,即创新模式从跟随模仿型创新向探索开发型自主创新演进。
图7 非核心企业利用式学习与探索式学习效果对比
3.1.3 利用式学习与探索式学习综合作用下的知识存量
从图8的曲线走势观测,核心企业与非核心企业的知识总量均随时间变化呈现出几何增长,但到一定周期后,由于非核心企业对知识的专注性研究以及组织结构优势,实现了知识存量赶超。非核心企业通过利用式学习嵌入集群网络,之后逐步强化探索式学习,不断提升知识累积速度,最终超过核心企业。这种情景符合本团队对南方科技型企业的实地走访结果,即一些跟随型企业利用共享平台或集群网络知识资源,采用替代性学习策略,通过降低知识创新成本和风险,逐步蚕食掉核心企业在集群网络中的知识控制力,最终实现知识存量赶超。
图8 两种学习综合作用下的知识存量与知识势差
3.1.4 非核心企业知识吸收能力与核心企业知识转移阈值
图9显示吸收能力曲线随着时间推移,其增长率逐渐下降,表现为先快速增长后逐渐趋于稳态,即曲线最终在接近0.6的位置趋近恒定。这与知识吸收能力的门槛限制研究结论基本一致[31],说明非核心企业在发展初期的目标是嵌入由核心企业组建的集群网络,获得稳定的网络位置与创新租金。在非核心企业从过渡时期发展到成熟时期后,开始强化以自我为中心的探索式学习,吸收能力不再是企业重要的知识创新方式,因此吸收能力在第50个月时开始趋于稳定。
在知识转移曲线中,随着时间推移,知识转移阈值快速提升,经过5年的快速提升后出现平稳发展态势。知识转移阈值在本文中有两方面含义,一是调节知识在不同创新主体之间转移的门槛值,二是知识相似程度的替代变量。随着知识总量比例的提升,知识相似度增大反而有利于非核心企业吸收能力提升,强化非核心企业的利用式学习。当知识阈值超过一定数量时,将触发核心企业知识保护机制,瞬时停止知识溢出活动。
图9 非核心企业知识吸收能力与核心企业知识转移阈值
因此,上述基准模型检验结果显示,本研究方案遵循设计初衷,模型边界设定合理,通过对知识学习极端情况的仿真,结果显示与现实企业发展情况吻合,一致性较好。
根据前述理论分析,IONE结构的稳定性不同,按照从高到低,分别为引领式>内化式>并列式,在不同IVC结构下,由于创新难度不同,创新成果产出时间不同,表现为长链结构>中链结构>短链结构。下文将具体分析核心企业网络中在不同IONE结构和IVC结构(双元结构)的共同影响下,其创新知识效果如何。具体方案如表1所示。
表1 模拟方案分类
创新类型IVC短链结构IVC中链结构IVC长链结构并列式创新方案1方案4方案7内化式创新方案2方案5方案8引领式创新方案3方案6方案9
3.2.1 非核心企业利用式学习效果
表2 周期时间及峰值排序
创新类型IVC短链结构IVC中链结构IVC长链结构并列式创新72个月(2)78个月(1)85个月(1)内化式创新7个月(3)14个月(3)20个月(2)引领式创新5个月(1)7个月(2)8个月(3)
模拟结果显示,在利用式学习中IVC结构对知识增量影响显著,IONE结构影响曲线形状及周期。短链结构的知识曲线峰值普遍高于同类型长链结构,在相同知识溢出总量下,短链结构的知识吸收效率更高,知识学习效果更好,而随着创新价值链延长,其学习效果下降。引领式创新在进行短链、中链、长链创新时,系统组织结构稳定保障了创新稳定,因此三条曲线均无明显拐点。稳定的组织有助于迅速执行决策,但结构过于稳定也意味着系统具有封闭性,在进行短链创新时其峰值和知识优势最为明显,在中链结构中仅剩时间优势,长链结构则显示出明显不足。内化式创新模式系统在组织稳定性上介于其它两种模式之间,表现中规中矩,但长链创新的峰值超过引领式,20个月的峰值周期优于并列式的40个月,对于企业来说,反应时间更短。虽然本文假设创新活动持续稳定,然而实际中非核心企业往往受到资金等问题困扰,这种折中方案也不失为一种恰当选择。并列式创新模式系统在中长链创新上表现突出,但是在3种IVC结构下到达峰值的周期都非常长。相比前两组的倒U型曲线,这种接近于线性增长的创新模式在三年内看不到任何优势,即使存在知识增长优势,在短期内也难以体现。在大型产业集群或者互联网经济条件下的广义系统内,虽然这种并列式模式的企业合作难以长期持续,但只要企业合作并未跳出系统边界,相当于在广义系统内持续创新,这种广泛的企业间交流仍可以产生知识利用式学习的最大化效应。
图10 非核心企业利用式学习效果差异
3.2.2 非核心企业探索式学习效果
图11显示在进行探索式学习时,创新效果仅与创新模式相关,而与IVC结构无关。从图中可以发现,在50个月以后曲线开始分化,引领式创新呈现出明显的指数型变化,内化式也呈现出微量指数化变化,并列式无明显变化。图像结果与理论分析一致,即前期企业主要进行利用式学习,其后才进行探索式学习。图10中9种方案的利用式学习集中在30-50个月的位置时开始回归零点,引领式曲线回归零点最快且从零点起步最早,并列式系统周期最长,在本图中其离开零点时间最晚。
与利用式创新明显不同,采用3种模式进行不同的IVC结构创新时,曲线几乎完全重合,组织稳定性高的模式显现出明显优势。这意味着当创新达到一定高度后,从系统内部关系看,企业知识存量增长仅取决于IONE结构稳定性,而与企业选择何种IVC结构关系较弱。从现有企业创新发展情况看,当企业知识存量到达一定程度后,社会分工将进一步细化,一些企业专注于生产,另一些专注研发,无论是产品改进、技术改良还是知识探索都是比较困难的,此时的IONE引领模式对顺轨创新中保持创新的持续性、高效性最有利。而从整体发展环境看,当创新发展越过利用式、达到探索式以后,需要长期保持稳定的创新政策,对非核心企业的考验将是能否维持长达50个月以上的创新投资。考虑时间成本后,非核心企业实现利润最大化的策略未必是超越。因此,一些非核心企业的知识水平即便接近乃至超过核心企业,其仍选择原级锁定,例如隐性冠军企业虽然占据技术优势,仍然选择为总装厂提供配件,而不是替代核心企业位置,也是这个原因。
图11 非核心企业探索式学习
3.2.3 非核心企业知识存量与核心企业知识存量
对比图12可以发现,两图较为相似。非核心企业占据了利用式学习的后发优势,企业曲线曲率更大,以致在一个较长的时间点其知识存量超过核心企业,这与前文分析一致,不再赘述。当非核心企业知识存量接近核心企业时,核心企业将采取制约措施,以保障自身优势。而当非核心企业知识存量超过核心企业时,形成逆势差,产生反向知识流动,这超出了本文假设,不进行分析。
3.2.4 非核心企业知识吸收能力与核心企业转移阈值
整体上看,非核心企业知识吸收能力图显示,引领式优于内化式、内化式优于并列式;在知识吸收效果上短链优于中链、中链优于长链。同一模式曲线尾部趋同,整体曲线大体分成3个部分。非核心企业知识吸收能力与创新模式相关度越高,组织稳定性越高,其知识吸收能力越强。在相同的创新投入下,组织稳定性越高,组织内部忠诚度越高,创新效率越高(王伟光,2019)。简单高效的企业组织可以提升创新效率,这也是非核心企业相比核心企业的重要优势。快速的信息流转也意味着发展活力充沛,易形成创新系统,所以经济发展水平高、创新生态系统优良的地区,例如中国东南沿海地区往往具有更多发展较好的非核心企业。
知识转移阈值图与知识吸收能力整体趋势图较相似,但是知识转移在30个月后出现内化式高于引领式的情形。30个月恰好是引领式系统进行利用式学习效果趋近于0的时间点,即在其后的探索式创新中,系统内的知识交流趋于稳定。核心企业始终处于独立主体位置,这对后期探索式学习的合作可能造成一定影响。内化式模式中存在关系超紧密的企业,该企业可融合到核心企业或者进行无阻碍沟通,在后期合作中该企业将积极配合核心企业,不会因为系统内部屏障而限制知识转移,从而形成更高的阈值水平。因此,内化式沟通门槛低,组织内知识流动更频繁,这也形成了在知识学习仿真中一直占据中间位置的内化式模式具有最高知识转移阈值的独特现象。起步期的企业中存在一批家族式、夫妻式、父子式企业,这种企业间存在天然的紧密性组织,一些规模较大的企业喜欢并购或者控股以加强企业联系,也正是这个原因。
3.3.1 仿真模拟结果
非核心企业在不同IONE模式下进行短链、中链、长链创新,产生不同效果,其中,利用式学习差异较大、学习周期相对较短,当知识势差达到一定阈值时,转化为探索式学习,并呈现出组织模式趋同的情况。在利用式学习过程中,不同组实验对比结果显示,利用式学习曲线差异明显,引领式短链创新效果最好,并列式中长链创新效果更好但是周期过长,其不稳定的组织结构是否可以支撑长期创新合作是主要问题。当非核心企业知识存量达到一定程度时,受核心企业知识转移控制的影响,转而进行探索式学习。在探索式学习阶段,组织结构稳定性高的非核心企业更具发展优势,其中,引领式最高效、内化式次之、并列式最弱,在相同的IONE模式下不同创新知识增量方案并没有太大区别,能否进行长期累积是决定知识增量的主要因素。非核心企业作为后发企业,利用组织结构效率优势,在一定条件下可以实现对核心企业知识存量的赶超,但是完成赶超的时间较长,且手段主要依靠探索式学习。换言之,后发企业进行利用式学习只能与先进企业保持跟随,与先进企业的并行及赶超只有通过长期不懈的自主创新才能实现。
3.3.2 非核心企业创新发展建议
(1)加快IONE建设,提高知识存量增速。非核心企业要在市场竞争缝隙中寻求发展,组建IONE是企业在现有创新能力下,通过小微联合、取长补短,构造IVC、加速创新的一种有效手段。在亚微观层面,同类企业数量较多,产品竞争激烈,那些可以更快完成利用式学习的企业更容易嵌入上级非核心企业网络中,获取更多市场份额,保障企业生存。IONE中具有完整的IVC结构,随着组织能力整体提升,非核心企业可以选取更高的价值链水平进行创新活动。IONE可以有效提高创新效率,在追赶过程中形成短期优势。而非核心企业在资金、人才配比等创新投入上先天不足,支撑长期创新具有一定难度。通过联合其它企业、部门建立IONE、使用企业外部资金与技术等完成创新过程,分担部分风险的同时,也让非核心企业控制更高级别的IVC,有助于快速将创意转化为产品,增加知识存量,提升企业竞争力。
图12 非核心企业知识与核心企业知识存量对比
图13 非核心企业知识吸收能力与知识转移阈值
(2)选取适当的IONE结构,优化企业创新路径。本文根据模拟结果中知识存量增加情况,以及完成IVC结构的时间,提出非核心企业最优路径的建议。从企业发展看,引领式优势最大,但企业选择的IVC结构较长,故应尽早进入探索式学习;内化式企业在中长期占优,应避免与短链创新组合;并列式企业在合作中需要确保项目稳定,在相互磨合中不断培养信任,以收获更多知识存量。因此,非核心企业在制定追赶策略时需要综合评价自身能力,选择不同IVC结构,适时调整知识学习策略,理性选择恰当路线。具体建议如表3所示。
表3 非核心企业最优创新模式
知识学习预期1年以内1-3年3-5年5年以上利用式短链引领式引领式引领式并列式中链引领式引领式并列式并列式长链引领式内化式内化式并列式探索式长中短链--内化式引领式
(3)加强开放式创新体系建设,提升亚微观层面企业创新能力。加强开放式创新体系建设,可以使稳定性较好的IONE更容易获取创新基本要素,同时,发挥稳定性较弱的IONE知识增长效应。非核心企业隶属于核心企业创新体系,建立IONE后可显著增加亚微观层面知识存量。但在实际中,IONE是一种为构建IVC而形成的临时企业联盟,联盟维持时间受资金、人才、企业家决策、政府政策等多因素影响,导致非核心企业知识增长具有不确定性。在稳定性较强的创新模式中,可以通过开放式创新环境建设,强化企业结构,使企业持续获取足够的创新投资及知识基础,保障组织稳定,进而保持曲线峰度及创新周期,避免由知识条件不足造成创新活动时间延长,以及由技术资金缺失导致创新活动夭折。在稳定性较弱的创新模式中,由于非核心企业个体控制力不足、IONE的低稳定性,使多数企业难以维持长期的联合创新,极易造成创新失败。通过建立开放式创新网络,使企业通过增加或更换合作伙伴等方式维持IVC的完整,保障创新完成,并且频繁的交互式关联可以实现更广范围内的知识生产动态稳定,使集群内知识溢出达到最大化效应。因此,加强开发式创新环境建设有助于形成亚微观层面的知识创新驱动力,优化核心企业创新系统。
本文根据创新价值链和组织结构基本理论构建非核心企业创新组织,对其内涵、构成及基本演化效果进行分析并构建理论模型,根据组织稳定性对创新模式进行划分,定义了引领式、内化式、并列式创新组织结构。通过模拟仿真部分,在基准模型检验基础上针对3种创新价值链结构和3种创新组织结构间的交叉影响,确定了9种参照方案,对核心企业创新体系中非核心创新系统的知识发展效果进行了比较分析。结果显示,在利用式学习过程中9种方案的效果各异,其中,短链创新、引领式创新占优,中长链创新与并列式在知识增量上占优但到达峰值的周期过长,因此企业应根据自身条件选取恰当的创新方案。非核心企业占据后发优势,在恰当的组织结构下,可以通过选择适当的创新价值链结构,制定自身发展最优路径,提升创新效率,实现企业知识存量不断增长,实现与核心企业的协同发展。
在模拟分析中发现,非核心企业从利用式学习到探索式学习,逐步缩小与核心企业的知识势差,在一定时间后可以形成零势差甚至逆势差,最终与核心企业并行或超越,但尚不清楚这种逆势差会带来何结果?产生何种效应?非核心企业创新与核心企业创新是否有所差别?非核心企业创新具有哪些独特特点?这也是本文未来讨论的研究方向。
[1] 由雷,王伟光.创新网络中非核心企业技术创新能力评价[J].经济问题探索,2017(7):54-63.
[2] ADNER R, KAPOOR R. Value creation in innovation ecosystems: how the structure of technological interdependence affects firm performance in new technology generations[J]. Strategic Management Journal, 2010, 31(3):306-333.
[3] KIM H,LEE J N,HAN J.The role of IT in business ecosystems[J].Communications of the ACM,2010,53(5):151-156.
[4] GARNSEY E,LEONG YY.Combining resource-based and evolutionary theory to explain the genesis of bio-net-works[J].Industry and Innovation,2008,15(6):669-689.
[5] 张长征,蒋晓荣,徐海波.组织设计对知识共享的影响研究[J].科技进步与对策,2013,30(3):128-133.
[6] 李湘桔,詹勇飞.西方战略管理理论的发展历程:演进规律及未来趋势[J].外国经济与管理,2003(2):7-12.
[7] DJ TEECE.Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance[J]. Strategic Management Journal, 2007,28 (13): 1319-1350.
[8] MG JACOBIDES, SG WINTER.The co-evolution of capability and transaction costs: explaining the institutional structure of production[J]. Strategic Management Journal,2005, 26 (5) : 395-413.
[9] MG JACOBIDES, SG WINTER.Capabilities: structure, agency and evolution[J]. Organization Science, 2012,23 (5):1365-1381.
[10] JIANXI LUO. Architecture and evolvability of innovation ecosystems[J]. Technological Forecasting & Social Change2018, 136 (11):132-144.
[11] ROMANO A, PASSIANTE G, DEL VECCHIO P, et al.The innovation ecosystem as booster for the innovative entrepreneurship in the smart specialisation strategy[J].International Journal of Knowledge-Based Development, 2014, 5 (3) :271-288.
[12] 冉奥博,刘云.创新生态系统结构、特征与模式研究[J]. 科技管理研究,2014 (23):53-58.
[13] NONOKA I,TAKEUCHI H. The knowledge-creating company[M].New York: Oxford University Press,1995.
[14] 娄景辉,赵岑.基于资源基础观的中国企业建构技术创新战略与组织结构选择[J].生产力研究,2010(3):212-214.
[15] 方刚,顾莉莉.基于SECI拓展模型的产学研协同创新知识转化行为研究[J].软科学,2019,33(6):24-29+36.
[16] HANSENMT, BIRKINSHAWJ.The innovation value chain[M].Harvard Business Review, 2007.
[17] 余泳泽,刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界, 2013 (7):6-187.
[18] 余泳泽,张莹莹,杨晓章.创新价值链视角的创新投入结构与全要素生产率分析[J].产经评论,2017,8(3):31-46.
[19] 王伟光,张钟元,侯军利.创新价值链及其结构:一个理论框架[J].科技进步与对策,2019,36 (1):36-43.
[20] 陈光华,王烨.平台型高技术研究机构的组织模式及运行机制研究[J].科学管理研究,2016,34(1):42-45.
[21] 刘静,范景明.创新价值链视角下中国互联网企业产品创新机制研究——基于腾讯1998-2016嵌套式多案例分析[J].科研管理,2019,40(5):35-46.
[22] JAMES G. MARCH. Exploration and exploitation in organizational learning[J]. Organization Science,1991,2(1).
[23] 汤超颖,李美智,张桂阳.中国创新型企业内外部研发合作网络对组织二元学习平衡的影响[J].科学学与科学技术管理,2018,39(5):76-88.
[24] 夏恩君,张明,朱怀佳.开放式创新社区网络的系统动力学模型[J].科技进步与对策,2013,30(8):14-19.
[25] 刘雪锋,徐芳宁,揭上锋.网络嵌入性与知识获取及企业创新能力关系研究[J].经济管理,2015,37(3):150-159.
[26] COHEN S K, CANER T. Converting inventions into breakthrough innovations: the role of exploitation and alliance network knowledge heterogeneity[J].Journal of Engine Technological Management, 2016 (40) :29-44.
[27] AALBERS H L, DOLFSMA W. Bridging firm-internal boundaries for innovation: directed communication orientation and brokering roles[J].Journal of Engine Technological Management, 2015 (36):97-115.
[28] 秦鹏飞,申光龙,胡望斌,等.知识吸收与集成能力双重调节下知识搜索对创新能力的影响效应研究[J].管理学报,2019,16(2):219-228.
[29] 韩莹,陈国宏.多重网络嵌入与产业集群知识共享关系研究[J].科学学研究,2016,34(10): 1498-1506.
[30] 高波,余素霞.CAS视角下创新成功率与创新周期对两类创新模式的影响[J].科技进步与对策,2019,36(6):1-10.
[31] ROPER S,HEWITT-DUNDAS N.Knowledge stocks,knowledge flows and innovation:evidence from matched patents and innovation panel data[J].Research Policy, 2015, 44(7): 1327-1340.