开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
面对日益激烈的全球市场竞争环境，企业依靠自身资源进行独立创新，已经难以满足市场对于创新的要求。创新的本质是快速获取新知识和使用新知识。Nylund[1]指出，快速的知识转移是企业保持创新竞争优势的关键，产学研合作创新是企业实现快速知识转移、维持竞争力的重要途径[2]。第十三届全国人民代表大会再次强调了“构建开放、协同、高效的共性技术研发平台，加快健全需求为导向、企业为主体的产学研一体化创新机制”。基于国家自主创新发展战略需求，通过产学研合作进行快速高效的知识转移，已成为创新管理领域研究的重要课题。
目前，学者们普遍认为产学研合作知识转移是将大学科研院所的知识向企业转移[3]。产学研合作知识转移相关研究主要围绕转移机制、影响因素、绩效评价等展开。在转移机制方面，董睿[4]构建了技术转让、联合研发和共建实体3种知识转移机制模型，并分别研究每种模式下最优知识转移机制设计方式及其有效性；王海军等[5]基于模块化理论，分别从产品模块化和组织模块化视角探讨了产学研合作知识转移机制，并以海尔集团为案例开展了实证分析；菅利荣[6]在国内外产学研合作机制对比的基础上提出，开发专利协作模式、发展产学研协同创新组合模式、建立产学研网络型创新模式是我国产学研知识转移机制发展方向。在影响因素方面，刘春艳等[7]基于I-P-O理论模型，构建了包含渠道丰富度、制度协调、政府政策等9个自变量的影响因素关系模型;王欣等[8]基于动态能力理论分析了产学研知识转移影响因素作用模型，研究知识转移速率与知识势差的关系。在绩效评价方面，嵇留洋等[9]基于行为运作管理理论，构建主体偏好影响下的演化博弈模型，对产学研合作绩效进行评价；金惠红等[10]基于知识转移视角，通过中介作用，结合浙江四地194家企业调研数据，分析产学研合作与创新绩效之间的关系。当前产学研合作创新知识转移相关研究方法，主要可以划分为以博弈模型[11]和数理模型为主的数学模型、以系统动力学与复杂网络为主的仿真模型、以动态能力理论与协同理论为主的定性分析模型。但是，现阶段多数研究集中于高校科研院所与单一类型企业之间知识转移分析，鲜有通过对企业分类进一步分析高校科研院所与企业间完成知识转移后，知识在不同企业间转移对于系统知识增值的影响。美国财富1 000强企业最新数据表明，2003-2013年间70%企业为新晋企业，中小企业成长迅速，美国硅谷地区数量众多的中小企业是美国硅谷科技创新中心形成的重要推手，不同规模企业之间存在广泛合作。因此，有必要对不同类型企业进行划分，拓宽产学研合作中知识转移涉及的企业边界。此外，目前已有关于不同政策工具对于知识转移效率影响的分析，但多围绕单一政策工具的实施展开，而在实践中，区域创新政策实施一般是多样性政策同时实施，何种政策工具组合效果最优值得探索。
产学研合作创新是跨组织边界的系统性工程，是以大学、科研院所和企业为主体，以知识为纽带形成的复杂系统[12]。单纯的理论推导无法反映知识主体的复杂行为特征以及参与者之间的复杂关联性。同时，由于政府政策实施的特殊性以及知识传递的延迟性，使用实验的方法成本极大且效果不易评价，在其它社会科学领域，往往采用系统仿真方法解决类似困境。多主体仿真方法(Multi-Agent based simulation method，ABM)能够在考虑主体自身特征、环境特征及主体行为的前提下对复杂系统演化进行刻画，通过仿真模拟在计算机中运行，在数据收集等条件有限的情况下进行社会系统实验研究。ABM被认为是通过改变底层要素特征，反映宏观复杂系统演化的有效手段。ABM仿真技术在生物、金融、社会、能源管理等领域得到了广泛应用。Garcia[13]指出，Agent建模在创新管理领域中的创新扩散、组织战略、知识信息流3个方面存在潜在应用前景。产学研合作系统中，高校科研院所是原始知识创新的策源地，实现知识从0到1的突破，企业是创新知识应用的载体，通过高校科研院所与企业的合作以及企业与企业之间的合作，实现原始知识扩散到商业价值实现的转换，这种从“微观”到“宏观”的系统知识流动过程与多主体方法中“自下而上”的建模方式相吻合。此外，产学研合作创新知识主体具有智能性、自主性和适应性，系统变化具有动态性等显著特征。因此，本文应用ABM仿真方法，分析产学研合作创新中知识在高校科研院所与不同类型企业之间转移及系统存量的演化特征。
综上所述，已有文献为产学研合作创新知识转移研究提供了一定的基础。然而，在现有产学研合作创新研究中，存在以下问题需要完善：①忽略了企业类型异质性以及企业间知识转移对系统知识存量演化的影响；②缺乏不同类型政策工具组合对于系统知识转移效率作用的进一步探索。由此，针对已有文献研究的不足，本文以复杂系统理论为基础进行产学研知识转移机理分析，提出以企业为核心的产学研合作系统知识转移内生演化模型，采用ABM建模方法，以系统知识存量作为主要观测指标，探索产学研合作创新系统知识转移演化规律。设计多种政策情景，分析不同政策工具组合下，外生因素对于产学研合作知识转移内生演化的影响，为不同区域政府制定有针对性的创新管理政策提供理论依据和参考。
产学研合作是以大学、科研院所和企业等为适应性主体，以知识为纽带形成的复杂系统[12]。系统主体具有自主判断及学习能力，并根据其他成员行为及环境变化不断修正自身行为规则，使得系统从简单到复杂进行演变，从低级到高级不断进化[14]。产学研合作系统知识转移存在显著的复杂系统特征：①产学研合作系统知识转移存在适应性。产学研合作创新多主体不断调整自身行为方式，形成自身惯例和规则，进而改变系统结构，使系统由无序走向有序不断进化。这种主体之间的相互影响是主动的适应性关系；②产学研合作系统知识转移存在非线性。产学研合作主体之间相互交互、相互适应，与外部环境协调，实现资源的快速整合。知识主体异质性的目标和动机、主体之间复杂的适应性行为、外部环境的不确定因素等，决定了产学研合作系统知识转移之间的相互作用是一种非线性交互行为；③产学研合作系统知识资源存在流动性。产学研合作知识转移系统是一个以知识为纽带、以系统知识增值为目标而形成的具有层次的合作网络。在这个合作网络中，合作主体因为自身知识存在势差，形成以知识为核心的资源流动，同时产学研合作聚集体也与外界之间存在资源交换[15]，这种资源流动会随着主体适应性而存在或者消失；④产学研合作系统知识转移存在多样性，包括主体多样性、主体属性多样性、主体交互方式多样性、所处环境多样性、知识种类多样性、知识转移方式多样性等。因此，与传统理论和方法相比，复杂系统理论为产学研合作知识转移机理分析提供了全新视角。
知识转移是指将知识由一个创新主体传递给另一个创新主体，以便创新主体利用新知识进行生产和创造的过程。知识转移的动力在于知识主体之间存在知识势差。根据经济合作与发展组织观点，知识转移可分为：①企业、科研院所和公共部门之间的协作，包括联合研究、联合专利、联合出版以及其它非正式的联系；②通过技术转让、新设备应用等方式使得知识和技术向创新企业流动；③企业间相互合作与交流，包括业务行为(研发、营销)共享、有形或无形资源共享和专业化等；④人员流动，主要是技术人员在公共、私有部门内部或者之间的流动，从而促进知识在系统内传播[16]。前两种方式多表现为显性知识转移，后两种多表现为隐性知识转移。随着产学研合作的深入，知识转移表现为技术转让、联合研发、共建实体等合作模式。Szulanski[17]认为知识转移分为起始阶段、实施阶段、调整阶段、整合阶段。综合上述观点，本文提出产学研合作知识转移过程模型，如图1所示。
由图1可以看出，产学研合作知识转移起源于高校科研院所，并进一步从知识存量较高的企业向知识存量较低的企业转移。高校科研院所Agent作为知识发送方与企业Agent在建立合作初期存在较大知识势差，考虑到知识传递效率，高校科研院所Agent会选择与自身知识差距最小的企业Agent进行合作。合作企业的本质是互利组织，具有相同知识的企业在快速发展中很快将成为潜在竞争对手[18]，因此，企业Agent之间合作关系建立在知识保护及合作者博弈结果最优的基础上。随着Agent之间合作关系建立以及知识转移形成，知识流在Agent内部形成知识接受、知识创新、知识遗失、知识转移循环，并随着主体与系统适应性行为的变化存在或者消失。
图1 产学研合作知识转移过程模型
注：在产学研合作知识转移过程中，★表示知识转移源头高校科研院所，○、□、△分别代表未形成合作的企业主体，●、■、▲分别代表形成合作的企业主体，知识存量●>■>▲
在产学研合作知识转移内在机理分析的基础上，基于复杂系统理论和多Agent建模方法与技术，构建产学研合作创新知识转移的ABM仿真模型，研究不同创新政策工具组合下，合作创新系统在时间上的动态演变过程。考虑到产学研合作网络的复杂性，以及仿真模型的可实现性，本文对现实情况进行简化和抽象，提出如下假设：
H1：产学研合作创新系统包括高校科研院所和企业两大类Agent，企业是产学研合作的核心Agent。
H2：知识资源需求是产学研创新主体形成网络合作关系的原因且建立的合作关系不会发生断连。
H3：知识主体合作关系的形成对自身发送能力不会产生影响，但是会对合作双方知识接受能力产生正向影响。
H4：产学研合作创新系统规模在仿真过程中会发生改变，表现为企业Agent数量随着时间推移而增加。
H5：产学研合作仿真的主体包含高校科研院所与企业，因此，不涉及企业与最终用户交互而形成的逆向知识流。
H6：产学研合作创新系统中，高校和科研院所作为原始知识发源地，不作差异划分。
具体建模流程如图2所示。
图2 产学研合作系统知识转移仿真框架
在仿真过程中，一是对系统主体属性进行定义，二是对产学研合作创新主体之间因知识转移形成的行为规则进行定义，三是在仿真周期内对合作创新系统知识存量演变以及企业类型升级进行记录，四是在原始合作创新系统演变的基础上引入创新政策工具，观察不同政策工具组合对于系统演变的影响。主要的观察指标包括产学研合作创新系统知识存量、主体知识存量、建立合作关系企业的比例、企业升级情况等。
根据郭斌[19]在最新研究中将研发人员数作为企业隐形知识以及专利规模作为企业所拥有显性知识的设定，结合国家统计局、国家发展改革委员会对于企业划型标准的规定，本模型定义4类Agent：高校科研院所Agent、大型企业Agent、中型企业Agent、小型企业Agent。根据动态能力理论，每一个知识主体基于自身能力存量，在每一个发展周期内属性能力都会有一定程度创新，并因为长期未使用而产生部分知识遗失[20]。田泽[21]认为，“吸收能力”同样适用于企业动态能力，表现为网络节点接受其它节点转移知识的能力，而网络节点的发送能力取决于知识源是否愿意共享知识以及在多大程度上能够共享知识。综合以上分析，知识主体的主要属性设计如表1所示。
表1 知识主体属性设计
知识主体知识存量知识吸收能力知识吸收能力增长率知识创新能力知识遗失率知识发送能力高校院所AgentKU——CUFUSU大型企业AgentKLRLgRLCLFLSL中型企业AgentKMRMgRMCMFMSM小型企业AgentKSRSgRSCSFSSS
根据已有研究成果，假设高校仅作为知识发送方，部分企业仅作为知识接受方，部分企业同时作为知识发送方与知识接受方。高校院所是原始知识创新的策源地，实现知识从0到1的突破。大型企业综合能力极强，推动行业发展，是促使重大创新成果落地和扩大经济效应的载体。中型企业多拥有自主知识产权核心技术，处于产业链关键环节，承担大型企业技术外包或者企业合作研发，提高系统知识创新成果落地效率。小型企业虽综合能力弱于大中型企业，但具有自己独特的核心竞争力，在产品或者服务细分市场中占有一定规模，发展潜力巨大。出于对现实情况的抽象及研究成果的参考[22],对相关参数进行如下设定：Agent创新能力
主体Agent发送能力、吸收能力以及遗失率与主体知识存量存在密切关系，假设
企业Agent吸收能力增长率
Agent交互规则是构建仿真实验模型的关键，交互规则体现产学研合作创新系统中知识主体在知识转移过程中的策略。系统知识主体总是在不断感知周边环境，作出符合自己利益的判断和相应的行为决策，每一个周期策略都由前一个周期策略状态和交互结果决定。所有主体相互作用，形成整个系统的群体行为。本文将Agent知识转移行为分为主体合作决策、知识转移决策、企业规模升级、新知识主体建立，各类Agent交互规则设计如下：
(1)高校科研院所与企业合作决策。本文主要关注企业间合作对于产学研合作创新系统知识转移所产生的变化。因此，高校科研院所与企业合作决策简化为高校科研院所与知识存量势差最小的企业在仿真初期时建立合作关系。
(2)企业与企业合作决策。不同企业之间的合作加快新知识转移与知识商业化转变。企业间建立合作关系的条件包括：①企业出于对自身核心知识保护及知识转换效率的考虑，会选择与自身知识差距适中的企业进行合作。知识存量较高的Agent作为知识发送方，知识存量较低的Agent作为知识接收方;②为避免知识同质化程度过高导致企业间恶性竞争，建立合作关系的企业主体数量占据企业总数量一定比例时，所有企业均不再作为知识发送方建立新合作;③永久性合作比临时性合作更容易从合作成员的经验中获取、积累知识[23]，因此，已建立的合作关系持续保持。
(3)知识转移决策。知识供给方和需求方经常存在因信息不对称引发的沟通障碍，因此，知识接收方对于知识发送方所转移的知识不能做到完全消化和吸收，知识发送方出于核心知识保护、认知差异、文化情景、利益冲突、目标不协调等原因[2]，不会对所有知识进行转移，存在知识转移阈值，即当知识转移接受方知识存量小于知识发送方知识存量的特定比例时，持续进行知识转移，否则终止知识转移。知识内化存在滞后期，出于对知识的吸收、内化，设定知识主体所接受的新知识在第3个周期[24]才会转化为自身知识存量。假设知识吸收发生在t+1时刻，知识发送方为Agent j，知识接收方为Agent i，则有如下知识转移函数：
(1)
(2)
(3)
(4)
(5)
(6)
其中，Ki，t+1表示t+1时刻Agent i的知识存量，
表示t+1时刻Agent i 的知识吸收量，
表示t+1时刻Agent i的知识创新量，
表示t+1时刻Agent i的知识遗失量，
表示t-1时刻知识发送方j转移的知识量，
表示在t-1时刻建立合作关系的Agent i与Agent j之间的知识差距，α表示知识转移发生的前提即合作知识转移阈值，当Agent i的知识存量大于等于Agent j的知识存量α时，发送方停止知识转移，Sj,t-1表示知识发送方Agent j在t-1时刻的知识发送能力，Ri,t+1表示t+1时刻知识接受方的知识吸收能力，Ci,t+1表示t+1时刻Agent i的知识创新能力，Fi,t+1表示t+1时刻Agent i的知识遗失率。
(4)企业转化决策。随着市场发展，企业类型会发生变化。①当小型企业的知识存量达到中型企业初始知识存量下限时，小型企业会升级成中型企业;②当中型企业的知识存量达到大型企业初始知识存量下限时，中型企业会升级成大型企业;③企业完成类型转变后按照新的企业类型交互规则进行演化。
(5)新企业生成决策。根据市场分工不断深化及市场需求不断演变，产学研合作系统中会有新的创新企业生成，假设其初始状态符合小型企业设定，后文中简称新生小型企业。
本文采用Netlogo 6.0.4仿真软件平台进行仿真实验。结合国家统计局《统计上大中小微型企业划分办法(2017)》关于企业类型划分，以及郭斌[19]在最新研究中将研究人员数作为企业隐性知识存量、专利数作为显性知识存量的设定，并考虑国家现有企业类型分布情况，假设仿真模型中高校科研院所Agent数量为1，初始知识存量为5 000。企业初始Agent总数为300，小型企业数量占比85%，中型企业数量占比10%，大型企业数量占比5%。大中型企业知识存量分别为[1 000,1 500]、[500,1 000]，大中型企业数量较少且差异竞争较为明显，因此，中型与大型企业服从知识存量均匀分布，小型企业知识存量服从N(300，702)正态分布。我国重大政策规划周期为5年，因此，仿真时间设定为60个周期，每个周期代表1个月。小型企业新生率为20/year，其知识存量符合小型企业知识存量随机分配。系统其它初始设置值如表2所示。
表2 其它参数初始值 (单位：%)
多主体RgRCFS高校院所——0.80.595大型企业510.50.290中型企业310.50.1585小型企业210.50.180
基于初始参数假设对模型进行仿真实验，为避免随机性影响实验结果，选取100次仿真结果的平均值。产学研合作创新知识转移仿真结果如图3所示。
图3 产学研合作创新主体合作关系演化
注：节点大小代表知识存量大小，连接线表示合作关系建立，圈层表示到达高校科研院所需最小合作关系数
由图3可知：①合作关系。通过Tick12合作关系图可知，高校科研院所与知识存量最为接近的大型企业建立合作关系。两个links之间接受高校科研院所知识转移的企业皆为大型企业，包含在T0时刻状态即为大型的企业(简称原生大型企业)，也包含部分由中型企业升级的大型企业。对比Tick24与Tick36时刻的合作网络关系可以发现，在经过24个仿真周期后，基于知识转移所建立的产学研合作网络关系结构基本稳定，在3个links之间可以到达高校科研院所的合作企业数量未发生变化，主要变化体现为企业类型升级及合作小型企业数量增加。最终在Tick42达到为保证系统知识差异而设定的合作上限时，围绕高校科研院所建立的合作网络分为5个层次。Tick60与Tick42相比主要合作关系并未发生改变，相对于未参与合作的企业，建立合作关系的企业多发生企业类型升级。取100次仿真实验的平均值，最大合作关系平均数为491个links，在仿真结束时并非所有企业之间都存在合作关系;②知识存量。系统知识存量从135 000个单位增加到348 782个单位，增加幅度达到158%，此时大型企业知识存量为202 393个单位，中型企业知识存量为80 298个单位，小型企业知识存量为60 121个单位。大型企业知识存量对于系统知识存量的贡献率达到40%;③企业升级。经历60个仿真周期后，创新系统企业最终数量为400家，大型企业137家、中型企业128家、小型企业145家，包括13家从中型企业升级的大型企业，110家由小型企业升级的大型企业以及99家由小型企业升级的中型企业。大型企业构成了系统企业的主要类型，小型企业转变为大型企业数量的快速增长是产学研合作系统企业类型结构变化的主要推力。
国内外学者对政策工具有诸多分类方法，其中最为经典的是Rothwell与Zegveld[25]将政策工具划分为供给型、需求型和环境型3类。本文情景仿真政策工具的选择，基于政府相关网站、中国法律知识资源总库、北大法宝、人民政府网站等多种公开网站搜集与总结科技创新政策文本，结合现有关于不同政策对于企业知识增值影响的研究，最终选择创新人才政策(TP)、创新服务政策(SP)、创新创业政策(EP)3类政策工具，依据不同政策工具组合实施后的结果与基础情景(Basic)仿真结果进行对比分析，进一步考察产学研合作政策对于系统知识转移的影响。主要观测指标包括知识存量变化、企业类型升级数量、系统最大合作数、合作关系最大时刻。
(1)创新人才政策影响分析。创新人才政策对应供给型政策工具，具体指政府通过人才政策支持改善创新要素供给状况。在现实环境中表现为大力引进国内外科研人员，在模型中设计为主体知识存量增加。每12个仿真周期固定企业类型增加1 000个单位知识存量，知识存量平均分配给同类型企业。情境1(LTP)表示大型企业知识存量增加，情境2(MTP)表示中型企业知识存量增加，情境3(STP)表示小型企业知识存量增加。仿真结果如表3所示。
表3 创新人才政策影响分析
情景系统知识存量大型企业知识存量中型企业知识存量小型企业知识存量小型升级中型中型升级大型小型升级大型系统合作关系数量停止知识转移主体数合作关系最大时刻Basic348 782202 39380 29860 12199131104914542LTP351 837202 82880 61462 42498131044834541MTP348 568202 91478 05361 63197181064804441STP348 339197 13285 21960 018108131064874242
通过相同人才政策应用于不同类型企业情景与基础情境对比可知，大型企业实施创新人才政策要优于中小型企业实施同类政策对于系统知识总量增加的驱动作用。中型企业实施人才政策对于其快速升级为大型企业有着至关重要的作用，在相同仿真周期内中型企业升级数量增加了40%。小型企业实施人才政策对系统知识存量总量增加未产生明显驱动作用，但是，对于系统终期中型企业知识存量的增加作用显著。创新人才政策实施对于系统合作关系建立以及系统企业合作网络结构稳定的时间皆未产生显著影响。
(2)创新服务政策影响分析。创新服务政策对应需求型政策工具，具体指政府为促进创新，为创新主体提供相应配套设施，包括交通、通讯、医疗以及专业咨询服务等，现实中的一个主要表现为大力培育中介机构服务平台，在模型中设计为主体知识吸收能力增长率增加。仿真结果如图4和图5所示。
从图4可知，随着知识吸收能力增长率提升，产学研合作创新系统知识存量随着时间变化显著增加。系统多主体之间的合作关系总数与吸收能力增长率之间成反向关系，即随着吸收能力增长率的提升，系统最终合作关系数不断下降。通过图5可知，实施创新服务政策对企业类型升级起正向作用，其中小型企业升级为大型的数量明显上升，与此同时，系统达到合作网络结构稳定的时间明显下降。通过与实施创新人才政策的结果进行对比可知，创新服务政策工具实施对因知识转移而产生的系统知识存量“涌现”的促进作用更优。
图4 创新服务政策下系统知识存量及合作关系变化
图5 创新服务政策下系统企业类型转变
(3)创新创业政策影响分析。创新创业政策对应环境型政策工具，具体指政府通过财政、租税、法律管制等政策实施激发企业创新活力，在现实环境中最终表现为创新型企业的设立。在模型中设计为每12个仿真周期新生小型企业数量的增加，仿真结果如图6和图7所示。
从图6可知，产学研合作创新系统的系统知识存量、系统最大合作数量与小型企业增加数量呈线性增长关系，其中，中小企业知识存量在仿真周期内显著增加。小型企业从基础情境下66 394个单位的知识存量增加到143 859个单位，增长幅度达116.67%。中型企业知识存量从基础情景下92 518个单位增加到213 104个单位，增长幅度达130.34%。由图7可知，新生小型企业数量的增加显著改变了企业类型升级结构，小型企业向中型企业升级的数量有了显著提高。
图6 创新创业政策下系统知识存量及合作关系变化
图7 创新创业政策下系统企业类型变化
(4)复合创新政策影响分析。在现实环境中表现为需求型、供给型和环境型3类政策工具同时实施。大型企业知识存量增加、知识主体接受能力增长率提升以及新生小型企业数量增长，对于系统知识存量增加存在明显的正向效应。因此，本文将复合创新政策工具中创新人才政策实施设计为大型企业实施创新人才政策，创新服务政策与创新创业政策实施分别取知识吸收能力增长率和小型企业新生数量设定的最大值。具体仿真结果见图8。
通过图8可知，复合政策的实施对系统知识存量增加存在显著驱动作用。其中，人才、服务、创业三大政策工具同时实施对于系统知识存量增加产生最优推动效果；创新服务政策和创新创业政策同时实施的效果优于其它两类双政策工具组合的效果；创新人才政策与创新服务政策同时实施对于合作关系建立产生的抑制作用最为显著；包含创新创业政策的复合政策工具组合实施，可使主体合作数量显著增加。政策实施需要一定的成本，如何在政策实施成本最低的同时产生最优知识转移效果是政府制定政策组合的重要考量。因此，对复合政策实施对系统知识存量增加的共振效应作进一步分析，结果如表4所示。
图8 复合创新政策实施系统仿真结果分析
注：LTP+SP表示同时实施创新人才政策和创新服务政策，SP+EP表示同时实施创新服务政策和创新创业政策，LTP+EP表示同时实施创新人才政策和创新创业政策，LTP+SP+EP表示3类政策同时实施
通过表4可知，政府同时实施创新人才政策与创新创业政策对于产学研合作系统知识存量变化并未产生共振效应，即并未对系统知识存量增加产生1+1>2的效果。同时，对于合作关系的建立产生了一定的抑制作用，但抑制作用不显著。除创新人才政策与创新创业政策工具组合未产生显著的共振作用外，创新人才政策与创新服务政策组合、创新服务政策与创新创业政策组合的实施皆产生了1+1>2的共振效应，其中，3类政策同时实施对系统知识存量增加的作用最为显著，产生了1+1+1>3的共振效应。政府实施创新服务政策与创新创业政策组合，因共振效应而产生的系统知识“涌现”与3类政策同时实施的效果相当，差额仅为10.87%，且产学研合作创新系统创新主体之间合作关系减少的数量大于3类政策同时实施，极大提高了知识转移效率，而小型企业向大型企业升级的数量仅相差3家。因此，在考虑政策实施成本以及最优实施效果的前提下，创新服务政策与创新创业政策组合同时实施对于系统知识存量增加、系统知识差异化、系统知识转移效率以及企业升级的促进效果最优。
表4 复合创新政策实施系统共振效应分析
情境系统知识存量系统合作关系数小型转变中型中型转变大型小型转变大型△LTP+SP-△LTP-△SP359 608-37-713131△SP+EP-△SP-△EP505 284-363-1910252△LTP+EP-△LTP-△EP-1 515-920-3△LTP+SP+EP-△LTP-△SP-△EP510 840-352-1840255
注：△*表示情景*与基础情景(Basic)对比所产生的系统变化值
(1)创新人才政策。大型企业实施创新人才政策对于知识总量增加的效果优于中小型企业，中型企业实施创新人才政策对于中型企业快速向大型企业升级有着至关重要的作用，创新人才政策实施对于产学研合作创新系统合作网络结构达到稳定状态并未产生显著影响。
(2)创新服务政策。创新服务政策实施增强了知识主体知识吸收能力，且带来的知识存量变化优于创新人才政策实施所产生的知识存量“涌现”。企业知识吸收能力提升越多，引起的系统知识存量“涌现”越明显。
(3)创新创业政策。创新创业政策的实施有效增加了新生小型企业数量；产学研合作创新系统知识存量、最大合作数量与小型企业增加数量呈线性增长关系，其中，中小型企业仿真周期内知识存量的增加呈现明显变化；新生小型企业数量的增加改变了系统企业升级结构。
(4)复合创新政策。除创新人才政策与创新创业政策同时实施时系统知识存量增加未产生显著共振效应外，创新人才与创新服务政策、创新服务与创新创业政策同时实施皆产生了1+1>2的共振效应，3类政策同时实施时系统知识转移的促进作用最为显著，系统知识存量的增加产生了1+1+1>3的共振效应。
(1)针对性地实施供给类政策工具。创新人才政策是使用最为频繁的供给类政策工具，在提高产学研合作知识转移效率方面具有普适性。不同产业发展阶段，针对不同企业类型实施人才政策。在产业发展初期，侧重于大型企业创新人才政策推广，实现产学研合作创新系统知识存量的快速增加；在产业发展中期，侧重于中型企业创新人才政策推广，在产业良性竞争的前提下保证产学研合作创新系统知识的高效转移及中型企业向大型企业快速升级；在产业发展后期，侧重于小型企业创新人才政策推广，实现产业高速发展，促进企业快速转型，同时引入更多异质性专业知识，保证产业转型的灵活性。除直接采用人才类供给政策工具外，根据区域产业发展需求，制定人才发展规划，开拓人才交流渠道，关注职业教育与培训是未来供给类政策工具实施需要关注的重点。
(2)提高需求类政策工具在现有区域政策工具中的比重。中介服务市场培育作为典型的需求类政策工具在提高系统创新知识转移效率方面效果显著，中介服务市场建设有利于充分挖掘现有知识主体创新潜力。中介市场培育是人才引进较为困难地区的首选方案，通过人员培训、技术外包等创新服务的开展，不断提高企业对于转移知识的吸收能力，在保证企业良性竞争环境与较低研发成本的同时，提升产学研合作创新系统的知识转移效率。
(3)将创新环境政策工具建设作为中小企业创新政策未来发展的重点。现阶段中国新生创新型企业成功生存的概率仅为15%～20%，对于产学研合作创新系统的发展产生了较强的限制。创新未找到需求“痛点”以及融资难是企业生存率较低的主要原因，而这很大程度上归结于我国创新环境政策不完善。政府需增加企业投融资政策支持的多样性，对于新成立的企业，政府应充分给予企业租税优惠，帮助初创企业渡过发展过程中的“死亡谷”。除此之外，还需通过完善法律法规为知识主体创新成果提供必要保障。
(4)考虑政策实施成本，针对不同类型的创新需求选择不同政策组合。突破战略性核心技术、“卡脖子”技术难关，需要3类政策工具同时实施，促进系统知识存量急速增长。例如，现阶段关注度极高的光刻机技术，需要实现化学、光学、电子学、材料学等多领域多学科知识的融合，对于系统知识存量有着极大需求。在政策实施成本受限的条件下，创新服务政策与创新创业政策同时实施是提高系统知识转移效率的最优选择。
[1] NYLUND P, BREM A, HERNANDEZ X F. Strategies for activating innovation ecosystems: introduction of a taxonomy[J]. IEEE Engineering Management Review, 2019,47(4):60-66.
[2] 洪勇, 李琪. 基于主体间多维交互的产学研知识转移机理[J]. 科学学研究, 2018,36(5): 857-867.
[3] SIEGEL D S, WALDMAN D A, ATWATER L E, et al. Commercial knowledge transfers from universities to firms: improving the effectiveness of university-industry collaboration[J]. Journal of High Technology Management Research, 2003,14(1):111-113.
[4] 董睿, 张海涛. 产学研协同创新模式演进中知识转移机制设计[J]. 软科学, 2018,32(11): 6-10.
[5] 王海军, 成佳, 邹日菘. 产学研用协同创新的知识转移协调机制研究[J]. 科学学研究, 2018, 36(7): 1274-1283.
[6] 菅利荣. 国际典型的产学研协同创新机制研究[J]. 高校教育管理, 2012,6(5): 6-11.
[7] 刘春艳, 马海群. 产学研协同创新团队内部知识转移影响因素模型分析[J]. 图书情报工作, 2017,61(19): 41-49.
[8] 王欣,刘蔚,李款款.基于动态能力理论的产学研协同创新知识转移影响因素研究[J]. 情报科学,2016,34(7):36-40.
[9] 嵇留洋, 孟庆峰, 张成华. 考虑公平偏好的产学研合作资源投入行为演化研究[J]. 统计与决策, 2018,34(14): 177-181.
[10] 金惠红, 薛希鹏, 缪煜锭. 知识转移视角下产学研合作与创新绩效关系研究[J]. 科技进步与对策, 2015,32(20): 88-95.
[11] 吴洁, 车晓静, 盛永祥, 等. 基于三方演化博弈的政产学研协同创新机制研究[J]. 中国管理科学, 2019,27(1): 162-173.
[12] 江俊桦, 施琴芬, 于娱. 产学研合作中知识转移的系统动力学建模与仿真[J]. 情报科学, 2014,32(8): 50-55.
[13] GARCIA R. Uses of agent‐based modeling in innovation/new product development research[J]. Journal of Product Innovation Management, 2005,22(5):380-398.
[14] 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.
[15] 胡杨. 产学研合作创新聚集体的复杂适应系统特征研究[J]. 西南科技大学学报(哲学社会科学版), 2015,32(5): 76-83.
[16] 王莉, 游竹君. 基于知识流动的创新生态系统价值演化仿真研究[J]. 中国科技论坛, 2019(6): 48-55.
[17] SZULANSKI G.Exploring internal stickiness:impediments to the transfer of best practice within the firm[J]. Strategic Management Journal, 1996,17(S2):27-43.
[18] 杨波, 徐升华. 多Agent建模的虚拟企业知识转移演化博弈仿真分析[J]. 情报杂志, 2010,29(5): 20-25.
[19] 郭斌, 丁鹏, 靳雨涵, 等. 中国上市公司创新指数报告[R].杭州：浙江大学, 2019.
[20] 姚艳虹, 周惠平. 产学研协同创新中知识创造系统动力学分析[J]. 科技进步与对策, 2015,32(4): 110-117.
[21] 田泽, 顾欣. 基于Multi-Agent的跨国公司内部网络知识转移仿真研究[J]. 科技进步与对策, 2015,32(17): 139-144.
[22] WANG L, LI S, YOU Z. The effects of knowledge transfer on innovation capability: a moderated mediation model of absorptive capability and network reliance[J]. The Journal of High Technology Management Research, 2020(5):100372.
[23] CHAE S, SEO Y, LEE K C. Effects of task complexity on individual creativity through knowledge interaction: a comparison of temporary and permanent teams[J]. Computers in Human Behavior, 2015,42(1):138-148.
[24] 陈凯华, 官建成, 寇明婷, 等. 网络DEA模型在科技创新投资效率测度中的应用研究[J]. 管理评论, 2013,25(12): 3-14.
[25] HANSON E C, ROTHWELL R, ZEGVELD W. Industrial innovation and public policy: preparing for the 1980s and the 1990s[J]. American Political Science Review,1982,76(3):699-700.