开放科学(资源服务)标识码(OSID)：
The existing knowledge sharing theory of collaborative innovation believes that the nature of knowledge, the relationship between subjects, the level of conflict, and even the recognition of knowledge sharing results and the expectation of income distribution will affect the knowledge sharing process in collaborative innovation. From the perspective of the nature and characteristics of knowledge, with the advancement of collaborative innovation, tacit knowledge continues to increase, and the higher the complexity of knowledge, the worse the transferability of knowledge. Secondly, in the relationship between knowledge sharing subjects, trust plays a crucial role. Thirdly, from the perspective of inter-subject conflict, due to the differences in knowledge structure, organizational culture and innovation goals among the cooperating parties, conflicts among cooperative members are inevitable in the process of knowledge sharing, and this conflict will affect the process of knowledge sharing. Even in the case of the same goals, due to the bounded rationality of human beings and the complexity of knowledge, there will be coordination problems in knowledge sharing in collaborative innovation, and corresponding transaction costs will be generated. While blockchain technology can create a trustless distribution, and provides a solution to the problems of high maintenance cost, low transmission efficiency and low data security reliability existing in knowledge sharing between organizations.
Facing the problem of knowledge sharing in collaborative innovation, this paper introduces the case of collaborative innovation knowledge sharing in the Steemit blockchain network community and combines the characteristics of blockchain, uses VensimPLE software to build a system dynamics model for simulation analysis, and discusses the influence and mechanism of trustless partnership and high-heterogeneous partners in the process and results of collaborative innovation knowledge sharing. Among them, the experimental data adopts two parameter estimation methods: the first is to collect relevant data from literature search and white papers issued by authoritative organizations; the second is to collect real data information in the MSSQL database. The initial value of the total number of Steemit tokens is determined by collecting data information in the SteemDB browser. The experimental results show that trustless knowledge sharing partnership and high heterogeneity knowledge sharing partnership based on blockchain technology have a significant impact on improving the quality of knowledge sharing in collaborative innovation. To sum up, the process and performance of collaborative innovation knowledge sharing under the blockchain technology have been significantly improved. The trustless knowledge sharing partnership can ensure the authenticity of information in the process of collaborative innovation, promote mutual learning among collaborative innovation members, accelerate the transfer of tacit knowledge, and enhance the knowledge creation and knowledge sharing power of collaborative innovation members. High heterogeneity knowledge sharing partners can attract more collaborators, promote the formation of knowledge creation groups and knowledge sharing groups, and provide a wider range of knowledge sharing sources for collaborative innovation knowledge sharing, thus consolidating the foundation of knowledge creation.
开放科学(资源服务)标识码(OSID)：
协同创新是一种以创新为目标，以多主体、多要素和多阶段协同互动为中心，相互补充、全面深入的合作创新行为和过程。基于知识创新视角，学者们强调，协同创新是指通过知识获取、传输、应用和反馈活动促进知识流动与共享，并增加每个成员知识储备的网络组织[1-3]，最终通过知识协同创造形成知识优势[4]。其中，知识共享既是上述过程的重要环节，也是实现知识在协同主体之间(企业和研究机构间)扩散的主要方式[5]。然而，协同创新知识共享需要协调知识要素与环境，以及知识共享主体之间的关系，才能将系统内分散无序的知识整合成新的有序知识体系，从而实现协同创新[6]。现有协同创新知识共享理论认为，即使在目标一致的情况下，由于人类有限理性和知识复杂性，协同创新中知识共享会出现协调问题，并产生相应的交易成本，存在高成本、低效率和不可信任等知识共享困境[7]。
区块链是一种构建去中心化联结、分布式存储，以及基于可信数据的网络技术。区块链采用以比特币为代表的数字加密系统为核心支持技术，提供可信的技术支持[8]。区块链技术通过使用货币加密数据、时间戳信息、分布式共识账本等措施，具有高透明度、去中心化、去信任、共同维护(不可更改)和匿名等特征[9]，能够创造去信任化的分布式网络系统并实现无需信任的数据共享，从而为组织间知识共享存在的高维护成本、低传输效率和低数据安全可信度等问题提供解决方案。
面对协同创新中存在的知识共享问题，本文结合区块链特征，探讨基于区块链技术的去信任化合作伙伴关系、高异质性合作伙伴对协同创新知识共享过程和结果的影响及作用机制，通过构建基于区块链的协同创新知识共享网络体系，提升协同创新中知识共享水平。
涂振洲等[10]认为，知识共享是发生在主体间的显性与隐性知识交换和转移，以及创造新知识的过程。现有相关研究较多，如Santor等[11]、曾德明等[12]探讨了影响知识共享过程的关键因素。梳理现有研发发现，知识性质、主体间关系、冲突水平，乃至知识共享成果认定及收益分配预期，都会影响协同创新中知识共享过程。
首先，从知识性质和特点看，随着协同创新进程推进，隐性知识不断增多，知识复杂性越高，知识可转移性就越差[13]。显然，参与知识共享的合作各方需要对知识进行有效、科学的管理及利用，只有针对不同类型知识采用合适的学习和转移方法，才能使知识充分发挥作用和价值[14]。其次，从知识共享主体间关系看，信任扮演着至关重要的角色。一方面，高校、科研院所对企业的知识共享意向随着信任程度提升而增强[15]；另一方面，企业对高校、研究院的信任程度直接影响企业对协同创新合作的资源投入水平。协同创新中主体间的信任关系直接影响知识共享发生的可能性(刁丽琳、朱桂龙，2014)。基于信任关系的协同创新能够显著减少合作伙伴在知识共享过程中的障碍和冲突，同时能够拓展知识转移和吸收渠道，进而促进协同创新中知识共享行为产生。第三，从主体间冲突看，由于合作各方在知识结构、组织文化和创新目标等方面存在差异，在知识共享过程中合作成员间的冲突在所难免，这种冲突将影响知识共享过程[16]。学者们认为，合理的冲突水平有利于合作各方共同发展，促进相互间的批评和自我批评及系统间的知识共享，是影响知识共享的重要因素。然而，过度冲突可能导致知识共享失败。最后，从对知识共享成果的认定及收益分配看，一般情况下知识共享成果认定较为困难，从而导致收益分配难以达成共识。中介机构通常在协同创新过程中发挥信息承载和中站知识的作用，并在合作成果评估过程中扮演关键角色。目前，协同创新成果价值评估缺乏科学完整的体系，导致合作各方难以达成共识，进而难以找到解决收益分配等问题的平衡点[17]。
区块链作为一种分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式，可以有效解决信任问题，这种去信任机制构建了区块链技术应用的主要场景和应用价值。
首先，区块链通过算法机制促使应用者相信，利用去中心化、非对称加密、分布式储存等机制能够确保系统中的所有节点自动安全地交换数据[18]。在保证数据安全的前提下，区块链技术进一步解决数据传输中的低效率和高成本问题，在降低对账成本和开发费用等方面具有良好的表现。其次，区块链技术利用智能合约解决陌生信任问题。在现代社会治理中，目前居于主导地位的是依托第三方构建的中介信任，如国家信任。中介信任存在两个问题，一是信任构建成本较高，构建一个具有一定可信度的中介品牌需要长期、持续投入，过程中若发生任一失信事件，均可导致该品牌信任坍塌；二是基于人的第三方信任仍有局限，信任风险广泛存在，利用品牌信任作恶的案例屡见不鲜。现有区块链技术可以将智能合约以数字化形式写入区块链中，保障信息存储、读取、执行过程透明、可跟踪、不可篡改，可以解决个人之间、个人与组织之间，以及人与物联网之间的信任缺乏问题，使上述主体间即使没有建立传统意义上的信任关系仍可以顺利开展合作[19]。有关区块链在金融业务方面的应用研究显示，基于区块链技术的第三方信任可以扩大社会信任规模，使大范围人际互动交往成为可能，从而能够极大地促进社会分工与社会整体运营效率提升。最后，区块链技术使技术成为信任担保。基于区块链技术的分布式记账技术可以提供完美的审计追踪路径，一旦把数据记录在区块链上并加以验证，链式区块就能够使上述信息不可篡改并永久保留。此外，实施交易和交易记录这两个流程在区块链上是统一的，在应对欺诈行为防范方面效果显著。在信息不对称的情况下，合作者不会如实披露所有信息，也可能作出损人利己的行为，而区块链技术是一种不可篡改的智能化信任，可以避免违规造假等行为[20]，因而有助于控制合作成员间的冲突水平。
综上所述，区块链技术有望解决协同创新知识共享中存在的诸多问题。现有研究认为，区块链作为一种开源性底层技术可以吸引具有不同知识结构、组织文化的协同创新合作伙伴[21]。然而，现有研究就区块链技术对协同创新中知识共享的影响为何，以及这种影响通过何种机制发挥作用等议题，尚未得出明确的结论。本文旨在探索区块链影响下的协同创新知识共享过程，构建基于区块链的协同创新知识共享网络体系，以期在实践上促进区块链技术在协同创新系统中的应用。
信任模型是一个同一环境下未建立信任关系的实体间实现相互信任并管理信任的框架。信任评估是信任模型的核心功能，能否准确评估信任度直接决定实体之间的相互理解程度以及交易风险水平。因此，如何提高信任模型中的信任评估准确性是研究的重要问题。
在传统协同创新模式下，合作伙伴往往通过某种合同关系(条款、协议、法律合同等)实现联系和构建合作机制[22]。代理理论认为，合同关系通过合同这种协商方法，估计和预测未来不确定状态，然后阐明合同中各自的权利、义务和责任[23]。但是合同无法对未来不确定状态进行准确评估，因而不可能通过合同这种单一方式完全涵盖并确认各方责任。
区块链应用可以提供全新的信任机制。比特币的诞生源于对权威的不信任，并由对社区共识(而非中央权威)治理的渴望驱动[24]。共识机制作为区块链的基层协议内容，能有效保障公平。例如，对系统进行任何改进或确认某些事情，必须基于全网共识。共识机制表现为记账与确认的全网共识，其实质是一种由全体用户参与的规则制定与维护机制。区块链能够赋予智能合约可信的环境，让智能合约真正意义上成为大规模自动执行的自动合约。区块链自证可保障信息的安全性、准确性和可靠性，形成百分百可信的数据，从根本上解决以往信息可信度缺失以及契约关系中难以规避的机会主义行为等问题[25]。通过信息公开建立自我认证生态，在区块链技术下协同创新主体从可信数据开始，最终提升资产可信度和合作可信度[26]。
由此，区块链技术应用可以带来信用分享机制创新，即积累信用数据，实现信用有效拆分和传递。首先，区块链按时间顺序以链的形式将数据重新组合在一起，能够防止数据信息被修改[27]。区块链上，信息高度透明开放，遵循技术代码开源原则[28]。区块链系统中，除交易各方的私有信息被加密外，区块链数据对各参与节点开放，任何参与节点都可以通过公开的接口访问数据和开发相关应用。因此，整个系统信息高度透明。协同创新伙伴之间的各种交易记录可以反映在区块链的公开账本上，确保信息的真实性，因而可以保证协同创新中各协同方的信誉。其次，区块链网络中各节点都包含完备的备份信息，并且任何数据的更改都是可追溯的[29]。作为协同创新中知识共享的信任保证，区块链技术的可追溯性可以确保对每项交易来源进行追溯和问责。此外，区块链通过密码学方式实现数据安全保护，从而为协同创新提供安全的数据信息共享环境。综上所述，区块链技术通过防止信息篡改，保证数据信息的可靠性、完备性和可追溯性，实现协同创新中各协同方信任关系重构，因而协同创新主体间不再需要传统意义上的信息建立与维护过程，即去信任化，进而保证协同创新中信任评估的确定性和稳定性，从而有利于促进协同创新中的知识共享。
产学研机构之间存在广泛的异质性，如资源资质、能力水平和合作模式。这种合作伙伴异质性既是协同创新运行的前提，也是协同创新实现知识创造和增值的基础。尽管合作伙伴异质性的作用具有两面性[30]，但若通过整合各合作方的创新要素，达成优势互补的效果，那么合作绩效就能得以提高。一方面，当异质性较高时，可以保证面向创新各阶段的知识需求，从总体上促进知识共享。另一方面，异质性越高，创新主体越倾向于开展学习与研发活动[31]。同时，越多不同知识进行交互组合，就越可能创造出新的知识，实现知识创新[32]。
一方面，基于区块链技术，属于不同专业领域的个体通过公开记账模式，利用基于时间顺序的数据区块组成的数据结构了解行业环境和市场环境。因此，在区块链技术下，跨领域多行业合作增多，网络结构扩展[33]，从而提升知识异质性和文化异质性。另一方面，区块链网络中的成员扮演着节点角色，建立起广泛合作关系。通过区块链分类账的公开账本记录，可以交叉验证不同参与主体之间的信息，协同主体间的相互信用认证有助于提升主体间联结性[34]。协同创新主体上下游企业加入使得基于区块链技术的协同创新系统表现出协同创新生态系统的特点，可以进一步提升系统异质性。例如，美国能源公司 LO3 Energy与比特币开发公司Consensus Systems合作，建立基于区块链系统的可交互电网平台TransActive Grid，其系统由网络中的所有节点参与运行和维护，不存在统一的管理机构，加入到网络中的节点包括价值链中各种性质的主体，进而实现系统自调度和生态化运行[35]，并促进市场化与金融化平台构建[36]。最后，区块链系统的运行是基于对合约执行条件的自动判断，当所有判定条件都满足时，区块链系统将自动强制执行合约条款，一方面，提高合约执行效率，在没有强有力的第三方监督下有效保障合约执行[37]。另一方面，使整个网络模式从原始单链发展模式成为多链模式，同样有助于协同创新系统异质性提升。
根据以上理论分析可以发现，区块链技术通过建立去信任化的知识共享合作伙伴关系和提升知识共享伙伴异质性两个方面，促进协同创新知识共享过程。
自2016年成立以来，Steemit社区已累积了超过百万用户。作为一个基于区块链技术的社交网络内容应用平台，用户可以该在平台上发布文章。通过发布高质量文章，用户可以获得一定的回报，以此鼓励用户发布更多有价值的创作内容。在Steemit社交网络中，开创式地设立“奖励池”，除用于维持平台正常运行外，还向发布高质量作品的创作用户提供报酬[38]。此外，Steemit是世界上第一个激励式内容社区平台，能够量化并奖励参与社区建设和社交互动的各种贡献[39]。奖励池的激励资金可以进一步激发用户创作动力，引导更多用户参与到创作过程中。同时，用户可以对Steemit社交网络上的作品进行投票，分享得票较多作品的用户可以获得一定奖励，以此鼓励用户挖掘和分享更多高质量成果。根据创作用户点赞量和评论量，平台利用算法提升或者降低创作成果的曝光度。王晰巍等[40]认为，该网络社区是当前基于区块链技术的最具代表性的在线知识共享平台，通过结合区块链技术和经济逻辑，能够实现社区用户创作激励并过滤虚假内容。综合考虑，本文选取Steemit网站作为案例研究对象。
Steemit根据业务模型定制具备兼容性和自适应性的激励机制[41]，鼓励所有用户进行知识共享和知识创新，并通过代币方式奖励社区建设和创新行为。李游(2012)认为，虚拟社区中的知识共享包含各主体间知识、信息传递交流。社区的主要责任是为用户提供知识，而用户的创作分享会也为社区贡献知识。社区与用户之间，以及用户与用户之间可以实现知识交互流通。Steemit社区基于区块链技术的去中心化共识方式对用户创作内容进行贡献定价[42]，为用户提供基于共识的、双赢的、可持续发展的生态系统，使其最终在去中心化、自组织的环境下实现协同创新知识共享。
Steemit社区的知识共享过程包含知识创造和知识分享(南洋、李海刚，2019)，分别由知识创造群体和知识分享群体实现。知识创造群体是社区知识作品的主要创造者，该类用户不仅可以创作内容，而且有权投票，是知识共享过程的推动者。知识分享群体是社区知识作品的主要分享者，他们评估并转发由知识创造群体发布的作品，通过投票获得代币奖励。Steemit为对知识共享作出贡献的用户建立知识共享奖励池，包括知识创造奖励池和知识分享奖励池，用于量化并奖励知识创造群体和知识分享群体在知识共享过程中的贡献(见图1)。
图1 Steemit社区知识共享流程及成员关系
Fig.1 Steemit community knowledge sharing process and membership
本文以Steemit社区为研究案例构建知识共享系统，包含用户子系统、知识子系统、代币子系统，分别对应高异质性知识共享合作伙伴积累过程、协同创新知识共享成果质量提升过程和去信任化知识共享合作伙伴关系维护过程。
代币子系统是Steemit最基本的底层运行系统，同时包含社区知识共享激励机制。它通过设立奖励池的方式引导用户知识共享行为，激发其知识创造动力，提升用户知识共享参与度。其中，用户行为声誉、结构保证、兼容性也会影响知识共享过程中的知识创造动力和知识分享动力。系统结构主要指标包括需求系数、代币总量、代币价格、知识共享奖励池经济价值、知识创造奖励池经济价值、知识分享奖励池经济价值、知识创造动力系数、知识分享劳动力系数、知识分享动力、知识创造动力、声誉、结构保证、兼容性、奖励知识创造群体比重、奖励知识分享群体比重、向知识创造群体转化动力系数和向知识分享群体转化动力系数。如图2所示，Steemit的知识共享奖励池分为知识创造奖励池和知识分享奖励池，分别用于激励用户知识创造行为和知识分享行为，进一步增强用户知识创造意愿和知识分享意愿，最终表现为用户知识创造动力和知识分享动力提升。此外，基于去信任化的协同创新合作伙伴关系会直接影响用户的知识创造动力和知识分享动力，分别以声誉、结构保证和兼容性水平加以体现。
用户子系统涵盖Steemit社区内所有用户种群。其中，用户总人数、参与知识共享的用户数量，以及知识创造群体和知识分享群体的比例直接影响社区发展，而知识创造、知识分享基数水平最终影响知识共享成果质量。同时，基于区块链技术的具有天然异质性的协同创新群体能够直接影响新用户数量和质量，指标包括新用户注册速率、注册用户数、基础群体、知识分享群体数量、知识创造群体数量，因果关系如图3所示。知识分享/创造奖励池经济价值作为知识共享物质激励因素，分别影响基础群体向知识分享/创造群体转化的动力，基础群体最终转化为知识分享群体和知识创造群体。同时，区块链技术有利于高异质性协同创新合作伙伴引进，分别采用知识异质性、目的异质性和文化异质性加以体现。
知识子系统中的知识结构、知识储备和质量可以反映整个社区的知识共享发展程度，并且受另外两个子系统的共同作用。本文通过知识共享数量和质量衡量其知识共享水平，指标包括知识分享群体数量、知识创造群体数量、知识创造动力、知识分享动力、新增帖子数量、新增投票次数、社区投票总次数、社区知识共享数量、社区知识共享质量。如图4所示，知识分享/创造群体数量与知识分享/创造动力直接正向影响新增投票次数和新增帖子数量，最终体现为社区投票总数量和社区知识共享数量增加。其中，前者作为社区知识共享质量正向因素，可以体现社区共享知识中的高质量成果；后者作为社区知识共享质量负向因素，可以体现社区共享知识总量水平。
模型基本假设如下：
H1：去信任化激励因素，包括声誉、兼容性和结构保证，对知识共享动力的激励数值不随时间变化(经济激励因素除外)。
H2：自然状态下用户群体转化过程中损失较小。根据建模的就简原理，不考虑用户群体转化为知识分享群体和知识创造群体的损失量。基于以上假设，绘制系统流图，如图5所示。
主要正反馈路径如下：
(1)基于去信任化的知识共享合作伙伴关系知识共享动力提升。
知识创造动力1：知识共享奖励池经济价值→知识创造奖励池经济价值→知识创造动力系数→知识创造动力；
知识创造动力2：声誉、兼容性、结构保证(各类信任因素)→知识创造动力；
知识分享动力1：知识共享奖励池经济价值→知识分享奖励池经济价值→知识分享动力系数→知识分享动力；
知识分享动力2：声誉、兼容性、结构保证(各类信任因素)→知识分享动力。
(2)基于高异质性的知识共享合作伙伴知识共享动力提升。
知识创造群体数量1：知识创造奖励池经济价值→向知识创造群体转化动力系数→知识创造群体；
知识创造群体数量2：目的、文化、知识异质性(各类异质性因素)→注册用户群体→知识创造群体；
知识分享群体数量1：知识分享奖励池经济价值→向知识分享群体转化动力系数→知识分享群体；
知识分享群体数量2：目的、文化、知识异质性(各类异质性因素)→注册用户群体→知识分享群体。
图2 代币子系统因果关系
Fig.2 Token subsystem causality
图3 用户子系统因果关系
Fig.3 User subsystem causal relationship
图4 知识子系统因果关系
Fig.4 Knowledge subsystem causality
图5 基于区块链的Steemit社区知识共享系统流图
Fig.5 Steemit community knowledge sharing system based on blockchain
本文主要采用两种参数估计方法，一是从文献检索和权威机构发布的白皮书搜集相关数据；二是采集MSSQL数据库中的真实数据信息，主要考核指标包括用户数量、奖励池和发帖创作数量、投票转发行为信息。本文中，该模型的初始时间设置为2017年。查询数据库中2017年初的用户总数、累积用户投票总数和已发布帖子总数。Steemit代币总数的初始值根据采集SteemDB浏览器(https://steemd.com/)中的数据信息加以确定，最终参照Steemit代币发放算法规则估算出2017年初Steemit的代币总量，数据详情见表1。
表1 Steemit社区相关参数设置
Tab.1 Steemit community related parameter settings (单位：千)
变量值代币总量∗20 000(估计量)新注册用户群体数量113基础群体数量127知识分享群体数量5.6知识创造群体数量1.9社区投票总次数13 759社区帖子总数2 790
新用户注册速率是指Steemit社区引进新用户的速率。考虑到实际情况，网站初期基础群体基数较小且引进力度较大，新用户注册速率较高，而在网站运营成熟阶段，注册速率下降，最终趋于稳定。因此，在模型参数设置时采用表函数描述该变化趋势，如图6所示。
图6 新用户注册速率
Fig.6 New user registration rate
主要参数设置和方程如下：
(1)代币价格=代币总量/(用户总数*需求系数)。
(2)知识共享奖励池经济价值=新生代币量*奖励知识共享占新增总量的比重*代币价格。
(3)知识创造奖励池经济价值=知识共享奖励池经济价值*奖励知识创造群体比重。
(4)知识分享奖励池经济价值=知识分享奖励池经济价值*奖励知识分享群体比重。
(5)声誉=0.03。
(6)兼容性=0.01。
(7)结构保证=0.02。
(8)知识创造动力=声誉+兼容性+结构保证+知识创造动力系数。
(9)知识分享动力=声誉+兼容性+结构保证+知识分享动力系数。
(10)目的异质性=0.03。
(11)文化异质性=0.01。
(12)知识异质性=0.02。
(13)基础群体数量=INTEG(新注册用户数量,105)。
(14)知识创造群体数量=基础群体数量*向知识创造群体转化动力系数。
(15)知识分享群体数量=基础群体数量*向知识分享群体转化动力系数。
(16)新增帖子数量=知识创造群体数量*知识创造动力系数*419。
(17)新增投票次数=(知识创造群体数量+知识分享群体数量)*知识分享动力系数*480。
(18)社区知识共享数量=INTEG(新增帖子数量, 2017)。
(19)社区投票总次数=INTEG(新增投票次数, 11 257)。
(20)社区知识共享质量=社区投票总次数/社区知识共享数量。
本文将模型初始时间设置为2017年，单位周期为年，周期为30，迭代时间跨度为0.05。
4.2.1 代币子系统
在基于声誉、兼容性和结构保证的去信任化知识分享合作伙伴关系下，奖励池经济价值随时间推移的变化如图7、8所示。根据Steemit白皮书中显示的奖励池划分规则，75%分配给知识创造奖励池，余下25%分配给知识分享奖励池。以第6年为例，知识分享奖励池经济价值为5 500，知识创造奖励池经济价值为16 250，两者比值基本为1∶3，实验结果与真实情况基本相符。
图7 知识分享奖励池经济价值 图8 知识创造奖励池经济价值
Fig.7 Economic value of knowledge sharing reward pool Fig.8 Economic value of knowledge creation reward pool
4.2.2 用户子系统
用户子系统仿真结果显示，在开源性的高异质性知识共享合作伙伴积累过程中，社区内各类型群体发展情况基本上符合“S”型增长趋势，0～15年间保持高增长态势，15～30年间增长速度趋于平缓(见图9、10、11)。
图9 基础群体数量 图10 知识分享群体数量 图11 知识创造群体数量
Fig.9 Quantities of basic groups Fig.10 Quantities of knowledge sharing groups Fig.11 Quantities of knowledge creation groups
4.2.3 知识子系统
在知识子系统中有3个重要变量，即新增投票次数、社区知识创造数量以及社区知识共享质量。新增投票次数能够体现社区中知识分享参与程度，投票次数越多、分享数量越大，说明社区中高质量知识产品总量越大。新增投票次数整体上基本符合“S”型增长趋势，在0～17年保持高水平增长，在17年时达到第一个峰值，在17～20年间略有下降，在20～30年间呈缓慢上升态势(见图12)。
新增帖子数量能够体现社区知识创造参与程度，新增帖子数量越多、知识创造数量越多，说明社区中知识产品总量越多。整体新增帖子数量基本符合“S”型增长趋势，在0～15年间保持高水平增长，在15年时达到第一个峰值，在15～17年间略有下降，在17～30年间呈缓慢上升趋势(见图13)。
社区知识共享质量由投票总次数和共享总量共同决定，可以反映社区中知识共享水平。社区知识共享质量整体上基本呈“S”型增长趋势，在0～5年间保持高水平增长，随后增长速度略有放缓，最终趋于稳定(见图14)。
图12 新增投票次数 图13 新增帖子数量 图14 知识共享质量
Fig.12 Quantities of new votes added Fig.13 Quantities of new posts Fig.14 Quality of knowledge sharing
(1)去信任化知识分享合作伙伴关系灵敏度分析。调整知识共享合作伙伴关系，分别设置声誉、结构保证和兼容性在原值基础上的(-20%)、(-5%)和(+5%)作为3组对照组，与原模型对比情况如图15所示。由图15可知，声誉、结构保证、兼容性取值调整后，知识共享质量在声誉、结构保证和兼容性的(-20%)水平下显著降低；在声誉、结构保证和兼容性的(-5%)水平下略有降低；在声誉、结构保证和兼容性的(+5%)水平下略有提升并保持平稳状态。这表明基于区块链技术的去信任化知识分享合作伙伴关系，对提升协同创新中知识共享质量具有显著影响(见图15)。
(2)高异质性知识共享合作伙伴灵敏度分析。调整知识共享合作伙伴异质性模型，分别设置目的异质性、文化异质性和知识异质性在原值基础上的(-20%)、(-5%)和(+5%)作为3组对照组，与原模型对比情况如图16所示。由图16可知，知识异质性、文化异质性、目的异质性取值调整后，知识共享质量在目的异质性、文化异质性和知识异质性(-20%)水平下显著下降；在目的异质性、文化异质性和知识异质性(-5%)水平下有较大幅度下降；在目的异质性、文化异质性和知识异质性(+5%)水平下略有提升。这表明基于区块链技术的高异质性知识共享合作伙伴关系，对提升协同创新中知识共享质量具有显著影响(见图16)。
本文分析区块链技术下协同创新系统中知识共享过程及绩效，发现由于区块链技术的去中心化、数据不可篡改、公开透明、可溯源性和匿名性等特征，基于区块链技术的协同创新系统有助于建立去信任化的知识分享合作伙伴关系和高异质性知识共享合作伙伴关系。基于上述特征，本文以Steemit网络社区为现实数据基础，构建协同创新知识共享系统动力学模型，并通过Vensim PLE软件实现仿真分析。
图15 去信任化的知识分享合作伙伴关系灵敏度分析
Fig.15 Sensitivity analysis of trustless knowledge sharing partnership
图16 高异质性的知识共享合作伙伴灵敏度分析
Fig.16 Sensitivity analysis of knowledge sharing partners with high heterogeneity
(1)区块链技术具有防止信息篡改，保证数据信息的可靠性、完备性和可追溯性等特征，能够促进协同创新主体在兼容性、声誉和结构保证等方面的提升，实现协同创新中各协同方信任关系重构，形成去信任化的合作伙伴关系，提升协同创新知识共享合作各方信任水平，从而降低信用成本。因此，基于区块链技术的协同创新主体伙伴关系可以显著提升知识共享成果收益，进而促进基于长期导向的合作关系形成。上述两者间形成了互相促进的正反馈关系，协同创新主体间具有博弈互助的行为动机，各主体间的相互信任关系伴随着知识共享进程推进而逐步加深。上述过程可以提升合作各方知识共享的积极性，进而提升协同创新中知识共享质量。
(2)区块链技术以公开记账、去中心化、自动合约等特点，吸引具有不同知识结构、组织文化的合作成员，促使跨领域多行业合作增多，网络结构优化，从而实现知识共享合作伙伴的异质性提升。区块链技术使得具有天然异质性的协同创新合作伙伴加强合作，实现优势互补、资源共享和合作共赢，促进协同创新中的知识共享，有助于促进知识分享和知识创造。本研究表明，异质性可以使得协同创新中优秀合作成果的比例增大，最终提升知识共享质量。
基于以上分析，区块链技术下协同创新知识共享过程与绩效发生显著改善。去信任化的知识共享合作伙伴关系可以保障协同创新过程中信息的真实性，促进协同创新成员相互学习，加快隐性知识转移，提升协同创新成员知识创造和知识分享动力。高异质性知识共享合作伙伴能够吸引更多合作者，促使知识创造群体和知识分享群体形成，可为协同创新知识共享提供更广泛的知识分享来源，从而夯实知识创造基础。
本研究认为，区块链技术应用能够有效促进协同创新中的知识共享并提升知识共享质量，上述影响主要通过建立去信任化的知识共享合作伙伴关系和提高协同创新合作伙伴的异质性两个机制发挥作用。区块链技术在协同创新中的应用情况如下：一方面，通过建立去信任化的知识共享合作伙伴关系，提高知识生产协同性，降低知识转移的复杂性，同时促进隐性知识转移；另一方面，通过广泛联结高异质性的知识共享合作伙伴，丰富知识形态，优化协同创新网络结构，并加强系统内合作主体间的合作关系。
本研究结论对于推动区块链技术在协同创新系统中的应用，以及协同创新中知识共享水平提升具有现实价值。使用区块链技术开发去中心化的协同创新知识分享网络，有助于构建基于新一代信息技术的协同创新生态系统，而区块链网络的开源性和透明性，可以保证知识分享过程和结果的可信性。该系统摆脱了传统协同创新模式下的信任建立困境，可以促进去信任化的合作伙伴关系形成，因而能够大幅降低信任成本，促进基于长期导向的知识共享关系形成，从而提升合作各方知识共享的积极性。同时，得益于区块链技术的开源性特征，该系统能够吸引具有不同知识结构、组织文化的协同创新合作伙伴。由于聚集高异质性的协同创新合作伙伴，该系统可以保障合作伙伴的兼容性和知识系统的多样性，从而显著提升知识共享成果质量与收益。
本研究存在以下不足之处：第一，在建模过程中所涉及的变量选取和反馈联系可能与现实系统存在一定差异，例如基础群体在转化为知识分享群体和知识创造群体时存在一定的丢失率，并非完全转化；第二，以Steemit网络社区作为仿真对象，并非所有数据都能直接获取，相关数据变量的初始值与现实情况可能存在一定差异。
[1] 罗琳,魏奇锋,顾新. 产学研协同创新的知识协同影响因素实证研究[J]. 科学学研究,2017,35(10):1567-1577.
[2] 吴绍波,顾新. 战略性新兴产业创新生态系统协同创新的治理模式选择研究[J]. 研究与发展管理,2014,26(1):13-21.
[3] 唐承林,顾新,夏阳. 基于动态能力的知识网络知识优势向竞争优势转化研究[J]. 科技管理研究,2013,33(13):185-189,199.
[4] 吴悦,李小平,涂振洲,等. 知识流动视角下动态能力影响产学研协同创新过程的实证研究[J]. 科技进步与对策,2020,37(8):115-123.
[5] 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.
[6] 解学梅,刘丝雨. 协同创新模式对协同效应与创新绩效的影响机理[J]. 管理科学,2015,28(2):27-39.
[7] 曹兴,刘芳,邬陈锋. 知识共享理论的研究述评[J]. 软科学,2010,24(9):133-137.
[8] 邵奇峰,金澈清,张召,等. 区块链技术:架构及进展[J]. 计算机学报,2018,41(5):969-988.
[9] 袁勇,王飞跃. 区块链技术发展现状与展望[J]. 自动化学报,2016,42(4):481-494.
[10] 涂振洲,顾新. 基于知识流动的产学研协同创新过程研究[J]. 科学学研究,2013,31(9):1381-1390.
[11] SANTORO M D,BIERLY P E,GOPALAKRISHNAN S. Organisational learning from external sources:new issues and performance implications[J]. International Journal of Technology Management,2007,38(1/2):1-10.
[12] 曾德明,何银芳,彭盾. 基于超循环理论的产学研系统中知识转移障碍研究[J]. 软科学,2009,23(7):1-5,11.
[13] 宋建元,陈劲. 企业隐性知识共享的效率分析[J]. 科学学与科学技术管理,2005,26(2):58-61.
[14] 冯长利,张明月,刘洪涛,等. 供应链知识共享与企业绩效关系研究:供应链敏捷性的中介作用和环境动态性的调节作用[J]. 管理评论,2015,27(11):181-191.
[15] 刘晓云,赵伟峰. 我国制造业协同创新系统的运行机制研究[J]. 中国软科学,2015，30(12):144-153.
[16] 戴勇,胡明溥. 产学研伙伴异质性对知识共享的影响及机制研究[J]. 科学学与科学技术管理,2016,37(6):66-79.
[17] 张树山,郭坤,孙毅. 全球供应链系统环境下科技协同创新伙伴关系模糊组合评估方法[J]. 中国软科学,2014,29(5):164-172.
[18] FEI GAO. Data encryption algorithm for e-commerce platform based on blockchain technology[J]. Discrete & Continuous Dynamical Systems,2019,12(4-5):1457-1470.
[19] ANJUM A,SPORNY M,SILL A. Blockchain standards for compliance and trust[J]. IEEE Cloud Computing,2017,4(4):84-90.
[20] HEISKANEN A. The technology of trust:how the internet of things and blockchain could usher in a new era of construction productivity[J]. Construction Research and Innovation,2017,8(2):66-70.
[21] 宫晓林,杨望,曲双石. 区块链的技术原理及其在金融领域的应用[J]. 国际金融,2017，11(2):46-54.
[22] 唐朝永,牛冲槐. 协同创新网络、人才集聚效应与创新绩效关系研究[J]. 科技进步与对策,2017,34(3):134-139.
[23] BENDICKSON J,MULDOON J,LIGUORI E W,et al. Agency theory:background and epistemology[J]. Journal of Management History,2016,22(4):437-449.
[24] FRIZZO-BARKER J,CHOW-WHITE P A,ADAMS P R,et al. Blockchain as a disruptive technology for business:a systematic review[J]. International Journal of Information Management,2020,51:102029.
[25] 李晓,刘正刚. 基于区块链技术的供应链智能治理机制[J]. 中国流通经济,2017,31(11):34-44.
[26] 王继业,高灵超,董爱强,等. 基于区块链的数据安全共享网络体系研究[J]. 计算机研究与发展,2017,54(4):742-749.
[27] 韩璇,袁勇,王飞跃. 区块链安全问题:研究现状与展望[J]. 自动化学报,2019,45(1):206-225.
[28] 邵奇峰,张召,朱燕超,等. 企业级区块链技术综述[J]. 软件学报,2019,30(9):2571-2592.
[29] 刘敖迪,杜学绘,王娜,等. 区块链技术及其在信息安全领域的研究进展[J]. 软件学报,2018,29(7):2092-2115.
[30] 危怀安,聂卓,疏腊林. 协同创新中心合作伙伴选择机理研究:基于2012年度“2011计划”名单的分析[J]. 科技进步与对策,2014,31(9):1-4.
[31] KONNO T. Network effect of knowledge spillover:scale-free networks stimulate R&D activities and accelerate economic growth[J]. Physica A:Statistical Mechanics and Its Applications,2016,458:157-167.
[32] MORAN P,GHOSHAL S. Markets, firms, and the process of economic development [J]. Academy of Management Review, 1999, 24(3): 390-412.
[33] LIN T,YANG X,WANG T Y,et al. Implementation of high-performance blockchain network based on cross-chain technology for IoT applications[J]. Sensors,2020,20(11):3268.
[34] 丁庆洋,王秀利,朱建明,等. 基于区块链的信息物理融合系统的信息安全保护框架[J]. 计算机科学,2018,45(2):32-39.
[35] 张宁,王毅,康重庆,等. 能源互联网中的区块链技术:研究框架与典型应用初探[J]. 中国电机工程学报,2016,36(15):4011-4023.
[36] 曾鸣,程俊,王雨晴,等. 区块链框架下能源互联网多模块协同自治模式初探[J]. 中国电机工程学报,2017,37(13):3672-3681.
[37] 张礼卿,吴桐. 区块链在金融领域的应用：理论依据、现实困境与破解策略[J]. 改革,2019，32(12):65-75.
[38] MEHTA S,GRANT K,ACKERY A. Future of blockchain in healthcare:potential to improve the accessibility,security and interoperability of electronic health records[J]. BMJ Health & Care Informatics,2020,27(3):1-6.
[39] 郭笑春,胡毅. 数字货币时代的商业模式讨论:基于双案例的比较研究[J]. 管理评论,2020,32(1):324-336.
[40] 王晰巍,邢云菲,赵丹,等. 基于社会网络分析的移动环境下网络舆情信息传播研究:以新浪微博“雾霾”话题为例[J]. 图书情报工作,2015,59(7):14-22.
[41] SUN Q,HOU R Y. Knowledge forms and enterprise innovation performance[J]. International Journal of Knowledge Management,2017,13(3):55-70.
[42] OTTE P,DE VOS M,POUWELSE J. Trustchain:a sybil-resistant scalable blockchain[J]. Future Generation Computer Systems,2020,107:770-780.