The Research of GERT Network Model of Functional Evolution of New Energy Automobile Industry Chain from the Perspective of Knowledge Mutual Spillover

Guo Benhai,Peng Ying,Xue Huijuan

(School of Economics and Management,China Jiliang University,Hangzhou 310018,China)

Abstract：The new energy automobile industry chain has the characteristics of capital and technology intensive,and spontaneous spillover of knowledge.The improvement of its function and its degree of play determine the quality of industrial development.To improve the innovation competitiveness and overall level of China's new energy automobile industry,the key is to maximize the value of innovation,fully developing and giving full play to the function of industrial chain.Aiming at the development status of China's new energy automobile industry chain,this paper constructs a GERT network model of functional evolution of new energy automobile industry chain based on innovation value flow.From the perspective of knowledge mutual spillover,three simulation scenarios of "no knowledge mutual spillover","preliminary knowledge mutual spillover" and "full knowledge mutual spillover" are designed and compared.The research shows that knowledge mutual overflow can significantly promote the innovation value added of industrial chain,improve the probability of value transfer.It is of great significance for improving the functions of the raw materials,batteries and motors links.The relevant departments should take more active measures in developing decentralized charging pile and increasing R&D funds and talent input in the links of "three electricity".

Key Words:Knowledge Mutual Spillover；New Energy Automobile；Industry Chain Functional Evolution；GERT Network

DOI：10.6049/kjjbydc.2020060891

开放科学(资源服务)标识码(OSID)：

中图分类号：F426.471

文献标识码：A

文章编号：1001-7348(2021)02-0065-10

收稿日期：2020-10-10

修回日期：2020-10-29

基金项目：国家自然科学基金项目(72074200，71673119，71573120，71601171)

作者简介：郭本海(1970—)，男，安徽六安人，博士，中国计量大学经济与管理学院教授、博士生导师，研究方向为管理工程、产业与创新管理；彭莹(1996—)，女，安徽广德人，中国计量大学经济与管理学院硕士研究生，研究方向为产业技术创新、GERT网络；薛会娟(1981—)，女，山东淄博人，博士，中国计量大学经济与管理学院副教授、硕士生导师，研究方向为组织行为学。

0 引言

“知识互溢”是指知识的相互溢出。一般而言，知识溢出具有典型外部性特征，知识接受者将知识提供者的知识与自有知识和技能相结合，开发出新知识、新技能或新产品，却没有给予知识提供者以补偿，接受者自觉或不自觉地不承担相应成本；在知识互溢情形下，这种外部性得以避免。知识互溢多见于技术密集型产业链中。在现代产业技术高度分工条件下，技术密集型产业链上个体企业所扮演的角色十分有限，产业链功能发展与演化需通过产业链上不同企业间知识互溢与技术互动实现。以新能源汽车产业为例，无论是应对日益激烈的国内外市场竞争，还是更好地满足不断升级的消费需求，我国新能源汽车产业未来发展都必须拥有核心技术，走高端化、自主可控发展道路，这就要求不断改进和完善产业链功能，强化产业链上不同企业间的知识互溢与共享。

国内外学者对产业链的研究主要集中在产业链构建与演化升级等方面，但要深入探讨产业链功能演化机制则需从价值流动出发，分析各独立主体在不同环节如何通过功能协作实现价值转移与增值，以维系整条产业链的运转乃至升级。同时，本文考虑知识互溢情形下产业链价值流动情况，对于揭示新能源汽车产业链内部运行特点，探寻产业链功能演化路径与机制具有重要意义。

1 文献回顾

1.1 产业链结构与价值

学术界关于产业链问题的研究多见于产业链形成与演化机制[1]、产业链优化升级[2]以及产业链价值流动[3-4]等方面。如吴金明等[5]认为，产业链形成动因在于产业价值实现和创造，产业链是产业价值实现和增值的根本途径，而产业链形成机制可划分为由价值链、企业链、供需链和空间链4个维度相互对接达到均衡的内模式以及企业、市场、政府三者进行调控的外模式两种；张伟等[6]从产业链知识视角研究资源型产业链演进过程发现，产业链演进模式已从资源依赖型转变为依靠知识创新和知识的共享模式；Teng等[7]利用产业共生模型分析产业链中各利益相关者的共生关系，为提升产业链系统稳定性提出优化策略；严北战[8]基于产品链、知识链、价值链提出并论述了“三链”高级化与升级机制，揭示了其升级路径；Wang等[9]提出一种以资源、经济和环境为约束条件，进而优化核心产业链的模型，认为应当提高核心生态产业链的稳定性，并通过数据包络分析对生态产业链效率进行评价；姚凯等[10]指出平台领导者应充分协调全产业链进行价值创新以获取竞争优势；邱国栋等[11]针对汽车产业升级问题，通过案例研究发现技术创新是实现企业价值跃迁、产业结构升级的根本；刘吉成等[12]通过构建风电产业价值链增值效应系统动力学模型，探讨了影响风电产业价值增值的主要因素。

1.2 知识溢出

关于产业链知识溢出形成与发展原因、影响因素及影响效果，国内外学者进行了大量研究。芮明杰等[13]对产业集群中知识溢出形成与发展原因进行分析，认为产业集群内在矛盾激化和外部环境刺激共同使集群内企业自发进行知识分享与合作更新以提高集群竞争力，从而引发知识溢出；Cassar & Nicolini[14]认为，邻近区域间积极溢出效应有利于提高本地商品质量，从而促进经济增长；杨皎平等[15]以集群企业间竞争程度为调节变量，发现这一变量负向调节知识溢出创新协同效应，正向调节创新抑制效应；Tappeiner等[16]、Caragliu等[17]、Shang等[18]的研究表明，空间概念在知识溢出中占据重要地位，知识流动需要与外部环境进行交互作用，并且知识溢出有很强的地理依赖性；李婧和何宜丽[19]也得到类似结论，认为知识溢出对区域创新绩效具有显著正向影响，地理距离和社会距离都是影响知识溢出效应的重要因素；Xu等[20]通过建立计量模型，分析产业间知识溢出效应差异和影响因素发现，企业知识吸收能力与知识溢出呈正比，而知识溢出时滞与知识溢出效应呈反比；庞兰心等[21]探讨国际技术知识溢出效应影响因素发现，外资企业无法带动本土企业创新发展，但行业出口强度对企业创新绩效有显著正向溢出效应；Herstad等[22]、Isaksson等[23]、Tödtling等[24]研究发现，知识溢出效应有利于提高产学研组织知识获取、整合与创新能力；白俊红等[25]研究发现，研发要素区际流动有助于知识空间溢出，而知识溢出则有助于促进经济增长。

1.3 GERT网络

图示评审技术(Graphical Evaluation and Review Technique，简称GERT)是在计划评审技术(Program Evaluation Review Technique，简称PERT)基础上发展起来的一种新型、广义的随机网络分析方法，该方法能够对现实生活中许多系统进行网络构模与分析，并相继在科研计划管理、可靠性分析、质量控制、生产设计规划等方面得到广泛应用。作为描述和解构复杂系统的有效工具，GERT网络为研究系统内部价值动态、随机变化规律提供了一种新理论视角和方法手段。Liu[26]根据投入产出理论，设计碳纤维产业链投入产出表，利用GERT网络模型计算各行业间价值转移概率和价值增值量，据此分析各部门间动态等价价值转移关系；储佳娜等[27]针对系统稳定性问题，构建闭环式光伏产业链价值流动GERT网络模型，分析光伏系统稳定性影响因素；郭本海等[28]立足于战略性新兴产业技术突破问题，运用GERT网络模型，挖掘战略性新兴产业技术突破路径中的瓶颈节点，提出突破技术瓶颈的相关建议。

上述文献表明，在产业链演化促进企业转型升级以及如何进一步优化产业链等方面研究成果颇丰，且在知识溢出形成动因、溢出效应方面研究比较深化，但大多数学者都是从产业链整体视角进行，鲜有从知识互溢视角对产业链上下游各环节间作用关系及产业链功能演化的研究；尤其是从价值流动角度看，大多数研究还停留在定性层面，缺少对各环节参与主体间价值流动关系、价值增值情况的定量分析，无法揭示产业链内部创新价值流动及增值过程的内在机理。借用GERT网络模型不仅能够测度外界条件改变时系统内部价值的动态变化，将复杂产业系统分解为具体环节，而且可以清晰计算价值在每一个环节发生的转移与增值，从而可以将黑箱问题透明化，使研究结论更具有针对性。

基于此，本文构建新能源汽车产业链创新价值流动GERT网络(IVF-GERT)模型，以知识互溢为视角，设计未进行知识互溢、初步知识互溢和充分知识互溢3种仿真情境。根据知识互溢范围、程度不同给企业带来的影响，相应调节GERT网络参数，据此分析不同情境下产业链各环节的创新价值增值过程及结果；进一步，分别测度各投入资源对系统的作用效果，找到影响新能源汽车产业链发展的关键环节和关键资源投入，揭示产业链功能演化的基本过程及特点，为促进新能源汽车产业链功能提升与产业发展提供建议。

2 新能源汽车产业链创新价值流动GERT网络模型构建

2.1 模型要素定义

新能源汽车产业链构成复杂，从上游矿产采掘、材料加工，到中游电池、电机、电控三大核心领域、零部件生产、汽车整车制造，直至下游充电站配套设施、销售租赁服务等，产业链各环节、各主体间的经济技术联系并非确定性顺序传递关系，而是具有较大随机性的网络化协作过程，符合随机网络的一般性特征，如图1所示。

基于上述分析，新能源汽车产业链运行伴随着企业间知识互溢与共享，其直接结果是促进创新价值增值。因此，从本质上看，新能源汽车产业链是一种创新价值流动GERT网络(IVF-GERT)。据此，本文提出如下定义：

定义1：新能源汽车产业链GERT网络由箭线、节点和流三要素组成，考虑到实际情况，上游主体投入资源使产品增值，大部分产品价值进入下一主体继续实现价值传递和增值，但总有部分价值由于生产过程中操作不当或不可抗力等因素而损耗，故新能源汽车产业链基本构成单元如图2所示。

从图2可见，i、j分别表示产业链上各主体和环节；0表示虚拟主体，代表损耗的价值流向。Uij表示从i到j的创新价值流，pij表示i实现时节点i到节点j实现价值流动的概率，xij(1),...,xij(n)分别表示节点i到节点j实现价值流动时的n种参量，i=1,2...m;j=1,2...l,n≥2。

定义2：设新能源汽车产业链创新价值流动GERT网络中各主体间的创新价值流动量矩阵为：

则创新价值流动分配率矩阵为：其中

定义3：各主体的总创新价值由两部分构成：源节点传递价值V1、主体实现价值增值V2，结合产业发展实际和有关文献资料[28]，各主体及环节间传递的创新价值流由研发资金C、人力资本H、技术T和信息I投入产生，以此实现创新价值增值，则创新价值增值量为V=(C,H,T,I),且V=C+H+T+I。设新能源汽车产业链IVF-GERT网络创新价值增值矩阵为：

2.2 传递函数与矩母函数求解

定理1：设Wr(S1,S2,...,Sn)，其中r=1,2,...,n;n≥1，其为节点i到节点j的第r条直达路径的等价传递函数，Wk(Lm)为m阶环中第k个环的等价传递系数，则由节点i到节点j的等价传递函数Wij(S1,S2,...,Sn)为：

Wij(S1,S2,...,Sn)=

(1)

证明：由于Wk(Lm)为m阶环中第k个环的等价传递系数，则新能源汽车产业链创新活动GERT网络特征式为消去与第r条路径有关的全部节点和箭线后剩余子图的特征式为且由于Wr(S1,S2,...,Sn)为节点i到节点j的第r条直达路径的等价传递函数，r=1,2,...,R;R≥1，根据信号流图梅森公式可知节点i到节点j的等价传递函数。

定理2：设xij(1),xij(2),…,xij(n)为节点i到节点j创新价值流动过程中相互独立的n种参量，活动的等价值参量为xij(1),xij(2),…,xij(n)的线性组合，即yij=λij(1)xij(1)+λij(2)xij(2)+…+λij(n)xij(n)，若该过程的实现概率为pij，则活动ij的传递函数ωij为xij(1),xij(2),…,xij(n)传递函数的乘积与的商。

Wij(s1,s2,...,sk,...,sn)=

(2)

证明：若yij=λij(1)xij(1)+λij(2)xij(2)+…+λij(n)xij(n)，且xij(1),xij(2),…,xij(n)相互独立，则：

Wij(s1,s2,...,sn)=pijMy(s1,s2,...,sn)

=pijE[es1λij(1)xij(1)+s2λij(2)xij(2+…+snλij(n)xij(n)]

(3)

定理3：在新能源汽车产业链创新价值流动GERT网络中，节点i到节点j的等价传递函数为Wij(S1,S2,...,Sk,...,Sn)，i=1,2,...,m;j=1,2,...,l;k=1,2,...,n;n≥2,则节点i到节点j的等价传递概率Pij等于Wij(S1,S2,...,Sk,...,Sn)将所有Sk置于0的值，且其等价矩母函数为等价传递函数与等价传递概率的比值。

证明：由多参量等价矩母函数特征可知，当Sk=0时，

(4)

则新能源汽车创新价值流动GERT网络的等价传递概率为：

Pij=Wij(S1,S2,...,Sk,...,Sn)|Sk=0

(5)

根据梅森公式，主体i到主体j的等价矩母函数为：

(6)

2.3 主要参数设定与求解

(1)节点决策概率确定。节点决策概率既是外部环境的映射函数，也是相邻节点之间决策信息的映射函数。在新能源汽车产业链上，企业创新活动受到多种因素的影响；特别地，有些事件(企业创新活动)受技术交叉性(如新能源汽车技术与传统汽车技术存在一定程度的重叠)与统计数据非完备性的限制(如新能源汽车起步不久，相关统计体系尚不健全，技术数据积累有限)，IVF-GERT网络部分节点概率难以直接计算。极大熵准则是一种选择随机变量统计特性对最符合客观情况的准则，也称最大信息原理。依据极大熵准则，可根据相关已知约束条件，推断出事件最合理或最理想的分布，求解事件发生概率。本文采用概率统计与极大熵模型相结合方法确定节点决策概率，即针对统计数据较为全面的事件，根据数据统计测算节点决策概率；而当统计数据不足时，则建立极大熵模型求解节点决策概率。从节点i到节点j的决策概率极大熵模型如下。

定义4：极大熵模型设定如下：

(7)

构造拉格朗日函数：

(8)

由驻点条件∂L/∂Pij=0得-(lnpij+1)+β=0，即lnpij=β-1，故 pij=eβ-1

(9)

将式(5)代入约束条件即可算出节点决策概率。

(2)创新价值增值量设定与求解。

定理4：在新能源汽车产业创新价值流动GERT网络中，由节点u到节点v的等价传递函数为Wuv(S1,S2,...,Sk,...,Sn)，u=1,2,...,m;v=1,2,...,l;k=1,2,...,n;n≥2，则从节点u到节点v的参量x(k)的一阶矩E[X(k)]等于Wuv(S1,S2,...,Sk,...,Sn)对参量x(k)对于Sk求偏导后置所有Sk为0的值，即节点u到节点v实现的创新价值增值量。

(10)

证明：

=f(xij(1))dxij(1)f(xij(2))dxij(2)

=xij(k)f(xij(k))dxij(k)=E[xij(k)]

(11)

3 基于IVF-GERT网络模型的新能源汽车产业链功能演化分析

原始意义上的知识互溢是自发的。在集群背景下，企业基于市场交易行为，无论是为实现某种目标和价值或是应对外部环境变化，都会有选择性地与其它企业主体进行知识交流和合作，从而引发知识溢出[29]。知识接收方企业通过对外来知识的认识、挖掘、更新与再造进行二次创新，同时溢出方企业迫切需要融合来自不同企业的差异化知识以更加贴近市场需求，双方的共同需求促成反向知识溢出行为的发生[30]，由此产生知识互溢。由于知识互溢可提升企业技术创新能力，帮助其逐步形成持续性竞争优势，企业很可能因此而采取积极措施推进知识溢出，并更加主动地接受其它企业的溢出知识；在这种互动过程中，企业间知识互溢范围不断扩大，企业创新能力增强[31]，由最初企业间各自为政、独立创新演变为主动合作、协同创新。相应地，产业竞争力增强，恶性竞争减少，创新成果增多，产业链功能稳步提升。基于此，本文按照知识互溢程度高低设定3种情境，以创新价值增值量为主要依据，分析产业链功能演化不同阶段及其特征，如图3所示。

本文在传统汽车产业链的基础上，根据新能源汽车产业自身特点，围绕电池、电机、电控三大核心组件，并延伸至上游锂钴镍、稀土等资源领域以及下游配套设施、销售及租赁服务等，构建新能源汽车产业链IVF-GERT网络，如图4所示。

图4中节点0代表损耗的价值流向；节点1代表原材料行业，包含电池正负极材料以及隔膜、电解液等，电机稀土、硅钢材料等，以及电控半导体、微处理器等元件，属于新能源汽车产业链上游环节。节点2～6属于新能源汽车产业链中游环节，分别表示整车电控系统、动力电池、驱动电机、零部件加工、整车厂商制造。节点7～10分别表示充电站及配套设施、销售及租赁服务、用户或消费者、回收再利用，属于新能源汽车产业链下游环节。

3.1 未进行知识互溢时的产业链功能

基于IVF-GERT网络模型，新能源汽车产业链创新价值增值通过研发资金、人力资本、技术及信息投入产生。本文数据来源于wind数据库、国泰安数据库中企业年报数据，选取每个节点最具代表性的上市公司2015-2018年年报数据，见表1。节点自环部分根据公司年报中相关指标数据估计，节点间传递资源效用参数在自环数据基础上计算相应比例得来，各资源效用参数指标选取见表2。利用概率统计与极大熵模型方法，对原始数据进行标准化处理，结合新能源汽车产业链已有研究成果，得出各资源效用参数与节点间传递概率，如表3所示。

以节点1为例，相关计算过程如下：

根据信号流图梅森公式，得到节点1原材料方到节点10回收企业方的创新价值流动等价传递函数：

(12)

带入上述公式，计算得到等价传递概率(即创新价值转移量)、创新价值增值量分别为：

P1,10=W1,10(s1,s2,s3,s4)|s1=s2=s3=s4=0=W1,10(0,0,0,0)=0.395 6

2+0.265 8+0.273 3+0.245 8=1.086 1

计算方法同上，其余各节点的计算结果见表4。

由表4可知，我国新能源汽车产业虽然发展迅速，但产业链发展不均衡，并未实现创新活动的有效增值；即使是作为整个产业链中价值转移概率最高(p7,10=0.44)的充电站及配套设施环节，也未能很好地实现创新价值增值(E仅为0.858 9)，而作为价值增值量最高的原材料环节，价值转移概率未达到最高值。从创新价值增值量结果看，在产业链中游环节，整车厂商制造方实现的创新价值增值最大，而新能源汽车三大核心模块电控、电池和电机实现的创新价值量均较低，其中电池企业方价值最小。

表4计算结果可从整体上反映我国新能源汽车产业链运行现状，即上游、中游、下游企业较为分散、孤立，知识互溢缺乏，产业链融合程度较低。虽然新能源汽车行业产能扩张明显，但企业间缺乏交流合作，各自为营，导致出现结构性产能过剩问题，高成本、低品质的低端产能逐渐被淘汰，具有技术优势、市场优势的企业存活，产业链功能更多体现在提高行业集中度及整合产业资源上。

3.2 初步知识互溢时的产业链功能

知识互溢初期通常发生在企业之间交换意见和分享信息过程中，知识应用具有显著的规模优势特征，产业集群内部形成完备的专业化分工体系，尽管生产要素投入不足，企业仍能在知识互溢和共享条件下产生极高的产品模仿能力，从而促使研发成本下降、生产效率提升[32-33]。知识互溢频繁地区能够更加便利地获取要素、信息与知识，降低交易成本以及知识创造、扩散和使用成本，进而促进产业发展。

在企业间开始初步知识互溢情况下，产业链资源进一步整合，企业间技术联系加强，信息传递便利。根据相关文献资料，假定企业间进行初步知识互溢可使节点间传递转移概率提升10%，各主体研发资金、信息参数价值效用提高0.1。同理，计算各节点的价值转移概率与创新价值增值量，结果见表5。由表5可知，知识互溢使新能源汽车产业链价值转移概率和创新价值增值量整体得以提升，各环节也有显著提高，特别是电控环节成为除原材料环节外创新价值增值量最大的环节。原材料环节经过初步知识互溢后，价值转移概率有了明显提升，创新价值增值量也最大。

从中可见，知识获取、创造、外部化从另一个角度促进产业链功能发生演化，通过知识连接使产业链中各产业的创新价值增加，也更易于向下游传递，逐渐融合成一个比较完整的整体，促使企业有更多机会与外界进行交流合作，产业链功能由最初的资源整合升级为竞争与合作共存。

3.3 充分知识互溢时的产业链功能

在知识充分互溢情形下，技术密集型产业创新能力明显提高[34-35]。集群内R&D活动富集程度及知识传播效率明显提高，实现了外部技术资源的内部化，既降低了技术交易成本，分散了技术创新成本和风险，还通过合作形成技术协同效应和技术组合优势，更易于衍生出新技术，加快产业化应用速度[36]。在此过程中，知识溢出方将高度个人化的经验、技巧等向其他员工分享，通过提升人力资本的方式实现知识资本增值[29]。

根据已有研究及产业技术创新实际，相比于未进行知识互溢及初步知识互溢，充分知识互溢更能显著提升企业技术创新能力，但仅从整体角度考察知识互溢对企业创新是否有利，并不能揭示产业链各环节技术创新状况。从精准施策看，政府制定有针对性的产业政策并找准政策着力点，则需要进一步研判产业链具体环节特点，如有些环节属于敏感环节(节点)，有些环节属于重要环节(节点)，这样的节点往往是实际工作的关键所在；若能针对这些重要节点中的技术创新问题设计相应政策举措，则有望实现政策乘数效应。而GERT网络分析的一个显著优势是，依据基础资源投入，通过重要网络参数计算，可科学测度产业链各环节创新价值增值量、增值率及实现增值的概率，进一步确定产业链关键节点。为此，本文进一步假定企业间进行充分知识互溢后，企业创新概率和创新强度提高，使得各节点损耗的创新价值转移概率降低5%，相应节点间传递的转移概率提升5%，各主体包括自环人力资本、技术参数的价值效用提高0.1。

各节点计算结果见表7。

由表7可知，充分知识互溢给产业链带来的创新价值增值效果更为显著，各环节价值转移概率和创新价值增值量都有了极大提升，特别是在原材料环节，原先受制于价值转移概率不高的困境被完全克服，成为价值转移概率和价值增值量最大的环节。这表明，在我国新能源汽车发展过程中，伴随着产业链建设的不断完善，产业链上企业合作创新深度提高，技术进步及规模效逐步显现，进而促进整个产业链发展壮大与升级。

上表结果表明，随着知识互溢范围、程度进一步提高，企业增加的知识存量在传播与应用过程中能有效指导企业内部知识创新，加强企业间协同合作，在产业链内部逐步形成资源依赖降低、技术依赖增加的良好氛围，最终发挥人才集聚、协同合作的最优功能。

3.4 不同情境下产业链功能演化结果对比分析

以各主体未进行知识互溢情境下的数据为基准，将其与各主体进行充分知识互溢下的价值转移概率和创新价值增值量进行对比，结果如表8所示。

由表8可知，充分知识互溢带来的产业创新效果显著，这与一般认知并无差异。而借助GERT网络方法则可以得到更精准的研究结论：各节点创新增值情况差别明显，原材料、电池和电机节点价值转移更加顺畅，创新增值幅度更高。由此可见，原材料、电池、电机为新能源汽车产业链创新活动中的关键环节。

当前，我国新能源汽车产业处于发展起步阶段，还面临着产业规模小、分散竞争、单个产品竞争力不强等问题，主要表现为中资企业整体竞争实力、国内企业在基础材料和生产装备工艺等方面基础研究能力薄弱，行业“小散乱”现象存在，缺少国际知名品牌，整体处于全球价值链中低端环节。因此，政府应制定有针对性的产业政策并找准政策着力点，并重点关注上述3个关键环节。

对于原材料环节，虽然我国主流动力电池企业上游材料供应基本实现国产化，但从电控行业供应链体系看，上游零部件和原材料仍需依赖国外进口，再加上受中美贸易摩擦、新冠肺炎疫情、逆全球化等多重因素的影响，部分关键原材料稳定供应挑战加大，未来我国应继续在原材料产业上加大投入，实现原材料的自主可控。针对动力电池产业存在的优质产能不足、劣质产能过剩、与上下游供应链联系不紧密等问题，企业间应积极合作，明确技术发展路线，聚焦资源加大前沿技术研发投入，避免出现各自研发、浪费社会资源等问题。在驱动电机领域我国已具备较为充分的国产化配套能力，产业聚集效应初步显现，因此应进一步集聚资源，发挥协同优势，组建战略性产业联盟，加强关键零部件设计与制造能力。

关于因不同资源投入变动引起的增值效果差异以及是否存在投入临界点问题，本文利用控制变量法，以充分知识互溢情境为基准方案，仅改变整个产业链某一资源投入种类，并保持节点转移概率和其它资源参量不变，测算创新价值增值量变动情况，从而进行资源关键度排序，结果见表9。

表9的敏感性分析结果进一步揭示了资源投入对产业创新的影响。通过改变资源投入强度，分别选取5%、10%、15%、20%、25%及30%(限于篇幅，只列出3种情况)，发现呈现以下规律：①在资源投入强度变动不大的情况下(25%以内)，增加研发资金投入对产业创新的促进效果最显著；②当资源投入强度变动较大时(大于25%)，继续加大研发投入得到的边际收益明显递减，此时人力资本投入成为影响产业发展的关键资源要素。

针对已在特定产业链环节形成技术和规模优势的行业领先企业，应充分发挥行业带头人的作用，由局部带动整体，强链带动弱链。一方面，应针对原有领域进一步加大研发资金投入，着力布局下一代技术开发；另一方面，应发挥现有技术、人才与资源优势，在协同性可达成的基础上适当向产业链上下游拓展，以自建、合资、合作等形式为其它弱链环节赋能。

4 结论与建议

4.1 研究结论

新能源汽车产业发展具有较强的正外部性与社会公益性特征，发展初期就面临着比传统汽车产业更大的技术、成本与市场风险，对新能源产业链进行剖析，研究知识互溢情境下产业链功能演化升级机制，找到影响产业链创新价值增值的关键环节与关键资源投入具有重大现实意义。基于此，本文构建新能源汽车产业创新价值GERT网络，揭示产业链内部创新价值流动与增值机理，分析知识互溢对新能源产业链创新价值增值的推动作用，得出如下结论：①知识互溢程度不同对产业链创新价值增值的促进作用存在明显差异，当知识充分互溢时，有利于产业链发挥协同合作最优功能；②原材料、动力电池、驱动电机环节是新能源汽车产业链创新活动的关键节点，重视这些环节知识互溢有助于促进产业链创新价值增值；③当资源有限时，应优先选择增加研发资金投入；当资源充足时，人力资本是影响新能源汽车产业发展的关键要素，相关部门可根据实际情况科学选择资源配置方向。

4.2 发展建议

(1)推动电池、电机、电控产业整合，加强关键环节间知识互溢，以点带面，带动整条产业链成长。以“三电”环节为技术核心，以整车制造企业为连接点，以产品为纽带，通过兼并、重组、新建等手段，有效整合汽车产业链资源，建立一体化的新能源汽车生产、消费、服务体系，形成一批具有自主知识产权和较强市场竞争力的关键零部件与整车骨干企业群，实现规模化、产业化及标准化生产；依靠政府、市场及各行业组织力量，促进行业间信息流动和技术合作，充分发挥新能源汽车产业链上下游环节间知识互溢带来的创新价值增值作用；鼓励各种类型创新，如构建紧密的产业创新联盟，促进企业间横向合作，实现优势互补，同时加强与产业链上其它企业的纵向合作，突破传统创新的内外部边界，利用群体智慧、集体资金保障创新活动的顺利开展，实现整条产业链上创新活力提升。

(2)加大分散式充电桩建设力度，关注充电设施后续运营问题。除在现有公共充电桩基础上提高充电效率和兼容稳定性之外，还应对现有充电设施进行扩建，优先建设分散式充电桩，根据各地区实际情况，综合考虑新能源汽车存量、历年汽车销量和未来市场预期以及居民汽车使用特点等因素，科学规划充电设施建设密度和建设地点，满足中小城市日益增长的市场需求。除此之外，当前运营服务不具备成熟的商业模式，充电设施分布不均且布局不合理，若由汽车厂商和电网企业共同作为运营主体，建立“汽车厂商+电网企业”融合模式，既可以解决充电桩技术问题，还能按照市场化原则实施商业化运作，通过双方合作提升运营水平，缓解充电难、僵尸桩等问题，共同推进充电基础设施发展。

(3)将政策从市场推广向核心技术研发领域倾斜，真正提高补贴效果与企业技术实力。新能源汽车产业技术环节多，资金投入大，起步阶段需依靠政策引导和财政扶持。现阶段，我国新能源汽车产业发展取得了重大突破，特别是2018年新能源汽车产销量均突破100万辆。但目前我国政策偏重于对整车企业进行财政补贴以及对消费者的税收优惠，对汽车配套产业，特别是配套基础技术研究和核心部件生产的补贴较少，由此带来的问题是整车生产厂家在面对组部件供应商时有较大的不对称性，组部件研发和生产企业缺少话语权，容易陷入成本、价格比拼而忽视产品质量和技术水平提升。为解决这些问题，政府需要继续加强补贴力度、创新补贴方式、调整补贴方向，由产业发展初期普惠制、广覆盖的购置补贴转向基于市场、立足技术创新的研发补贴制度，重点扶持新能源汽车核心技术和关键组部件研发，以此激励企业技术创新活动，取得关键技术突破，提升新能源汽车产业总体技术创新产出水平。

参考文献:

[1] 綦良群,胡乃祥.汽车产业链演化机理及影响因素研究[J].管理评论,2012,24(11):51-59.

[2] 严北战.产业势力、治理模式与集群式产业链升级研究[J].科学学研究,2011,29(1):72-78.

[3] 杜义飞,李仕明.产业价值链:价值战略的创新形式[J].科学学研究,2004，22(5):552-556.

[4] 陈柳钦.产业价值链:集群效应和链式效应[J].理论探索,2007，24(2):78-81.

[5] 吴金明,邵昶.产业链形成机制研究——“4+4+4”模型[J].中国工业经济,2006，23(4):36-43.

[6] 张伟,朱启贵,吴文元.知识视角下的资源型产业链升级研究——以贵州瓮福磷化工产业链为例[J].科学学研究,2009,27(6):889-895.

[7] TENG Y,MAO C,LIU G,et al.Analysis of stakeholder relationships in the industry chain of industrialized building in China[J].Journal of Cleaner Production,2017,152(5):387-398.

[8] 严北战.基于“三链”高级化的集群式产业链升级机理[J].科研管理,2011,32(10):64-70.

[9] WANG Q S,SUN Y,YUAN X L,et al.Addressing the efficiency of the core ecological industrial chain:a,DEA,approach[J].Journal of Cleaner Production,2017,156:235-243.

[10] 姚凯,刘明宇,芮明杰.网络状产业链的价值创新协同与平台领导[J].中国工业经济,2009，26(12):86-95.

[11] 邱国栋,田杨,巩庆波.基于价值链视角的汽车产业链升级研究——以本土企业与全球产业链的协同与隔离为例[J].辽宁工程技术大学学报(社会科学版),2015,17(2):142-154.

[12] 刘吉成,何丹丹,龙腾.基于系统动力学的风电产业价值链增值效应研究[J].科技管理研究,2017,37(10):243-248.

[13] 芮明杰,李宇,刘昆.产业集群中的知识溢出:框架、焦点议题与中国情境[J].研究与发展管理,2017,29(4):54-64.

[14] CASSAR A,NICOLINI R.Spillovers and growth in a local interaction model[J].The Annals of Regional Science,2008,42(2):291-306.

[15] 杨皎平,侯楠,徐雷.知识溢出与集群创新绩效:竞争程度调节效应[J].科研管理,2015,36(6):68-74.

[16] TAPPEINER G,HAUSER C,WALDE J.Regional knowledge spillovers: fact or artifact[J].Research Policy,2008,37(5):861-874.

[17] CARAGLIU A,BO C D.Determinants of spatial knowledge spillovers in Italian provinces[J].Socio-Economic Planning Sciences,2011,45(1):28-37.

[18] SHANG Q Y,POON J P H,YUE Q T.The role of regional knowledge spillovers on China's innovation[J].China Economic Review,2012,23(4):1164-1175.

[19] 李婧,何宜丽.基于空间相关视角的知识溢出对区域创新绩效的影响研究——以省际数据为样本[J].研究与发展管理,2017,29(1):42-54.

[20] XU X D,WANG Z L,ZHOU B Y,et al.The empirical analysis of knowledge spillover effect measurement[J].Knowledge Management Research & Practice,2019,17(1):83-95.

[21] 庞兰心,官建成,高峰.国际技术知识溢出效应及其影响因素研究[J].管理评论,2019,31(1):81-89.

[22] HERSTAD S J,SANDVEN T,EBERSBERGER B.Recruitment,knowledge integration and modes of innovation[J].Research Policy,2015,44(1):138-153.

[23] ISAKSSON O H D,SIMETH M,SEIFERT R W.Knowledge spillovers in the supply chain: Evidence from the high tech sectors[J].Research Policy,2016,45(3):699-706.

[24] TÖDTLING F,LEHNER P,KAUFMANN A.Do different types of innovation rely on specific kinds of knowledge interactions[J].Technovation,2009,29(1):59-71.

[25] 白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.

[26] LIU X Q,FANG Z G,ZHANG N.A value transfer GERT network model for carbon fiber industry chain based on input-output table[J].Cluster Computing,2017,20(1):1-9.

[27] 储佳娜,郭本海,赵荧梅.考虑价值粘性的闭环式光伏产业链系统稳定性预测GERT模型[J].工业工程与管理,2018,23(2):122-129.

[28] 郭本海,陈玮,吕东东.基于GERT网络的战略性新兴产业技术瓶颈探测模型[J].系统管理学报,2017,26(4):728-736.

[29] 李宇,陆艳红,周晓雪.产业集群中的企业家导向、有意识的知识溢出与集群企业知识资本[J].中国软科学,2017,32(12):178-186.

[30] 李腾,张钟元.非核心企业反向知识溢出研究——基于开放式创新视角的系统动力学分析[J].技术经济与管理研究,2020,41(4):3-11.

[31] RAMADANI V,ABAZI-ALILI H,DANA LP,et al.The impact of knowledge spillovers and innovation on firm-performance: findings from the Balkans countries[J].International Entrepreneurship and Management Journal,2017,13(1):299-325.

[32] SERRANO-DOMINGO G,CABRER-BORRS B.Direct and indirect knowledge spillovers and industrial productivity[J].Industry and Innovation,2017,24(2):165-189.

[33] ALDIERI L,KOTSEMIR M N,VINCI C P.Knowledge spillover effects: empirical evidence from Russian regions[J].Quality & Quantity,2017,52(5):2111-2132.

[34] MAHONY M O,VECCHI M.R&D,knowledge spillovers and company productivity performance[J].Research Policy,2009,38(1):35-44.

[35] OPERTI E,CARNABUCI G.Public knowledge,private gain: the effect of spillover networks on firms' innovative performance[J].Journal of Management,2014,40(4):1042-1074.

[36] 李宇,芮明杰,陈帅.论有意识的知识溢出对产业集群创新绩效的促进机制——基于集群衍生的视角[J].复旦学报(社会科学版),2019,61(3):141-154.

(责任编辑：王敬敏)