In order to verify the characteristics of disruptive technology innovation network, this paper chooses modular theory and selects intelligent voice as the research object to analyze the evolution characteristics of disruptive technology innovation network in different stages, and explores how to coordinate and guide the members of innovation network to better participate in the iterative upgrading of disruptive technology and realize the disruptive innovation of technology.
Firstly, this paper discusses the internal relationship between modularization and disruptive technology innovation network through literature review.It is found that enterprises can effectively use the mutual embedding of technology module and organization module to optimize the management of organizational network, help enterprises to obtain heterogeneous resources, promote the improvement of innovation ability and achieve the common goal of disruptive technology innovation network. Secondly, the invention patents of intelligent speech are retrieved and screened. By using MATLAB for growth fitting analysis, the study divides the development of intelligent speech technology into the following four phases:the germination incubation period (1962-1990),the first growth period (1991-2000),the adjustment storage period (2001-2011), and the second growth period (after 2012). Thirdly, the structural evolution characteristics of the whole network are analyzed. The intelligent voice innovation network presents the following characteristics: (1) the network scale has increased significantly, and the cooperation relationship has continued to expand; (2) the world characteristics are not obvious; (3) the network gradually gathers inward with different core nodes and other characteristics. This study also analyzes the modular organization network established by micro subjects, and concludes that the modular organizational network of the intelligent voice industry is increasing and showing a continuous dynamic evolution trend. With the improvement of the organizational modularity of innovation networks, the possibility of disruptive technologies increases. In addition,each module is found to establish a very close relationship through the core nodes, and the development of the network from weak ties to strong ties is conducive to the overall stability of the modular network.
In the analysis of the evolution trajectory of disruptive technology innovation network, it is found that subversive technology shows the curve characteristics of falling back and accumulating again after the periodic outbreak; the disruptive technology innovation network tends to be multi-subject, modular network, collaborative innovation and dynamic development. Besides modularization is conducive to the generation of disruptive technology. The architecture design based on technology modularization greatly enriches the diversified and novel knowledge resources in the innovation network, and improves the opportunities to break the existing technology configuration and realize disruptive technology innovation. It can also help the realization of disruptive technological innovation and the diffusion of innovative applications under the overall goal of the innovation network based on the loose coupling link between the modular organization networks. Lastly the expansion of network scale and the increase of heterogeneous subjects promote the evolution and upgrading of the network, reduce the interaction cost, improve the level of cognitive integration, and enhance the possibility of disruptive technological innovation.
From the perspective of modularization, this study deeply explores the structural characteristics and evolution process of disruptive technological innovation network, and analyzes the influence of the dual embedding relationship between technological modularization and organizational modularization on disruptive technological innovation. It expands the theoretical discovery that innovation network supports disruptive technological innovation, and enriches the formation mechanism of disruptive technological innovation and the role of modularization.
开放科学(资源服务)标识码(OSID)：
《国家创新驱动发展战略纲要》和《“十三五”国家科技创新规划》相继提出，“发展引领产业变革的颠覆性技术”，“推进颠覆性技术创新，加速引领产业变革”，新形势下颠覆性技术创新已被提升到国家战略高度。颠覆性技术创新是一个多主体参与、多要素协同、多阶段衔接的动态复杂过程，具有网络化特征[1]。随着创新环境日渐复杂，构建创新网络成为企业撬动颠覆性技术创新的重要途径[2]。然而，现有研究重点关注不同视角下颠覆性技术识别、预测和演进等方面[3-5]，缺乏对颠覆性技术创新网络的探索。
已有技术创新网络研究表明，单一网络节点属性对整体网络结构演化不具有明显推动作用[6]。此外，网络各层级之间具有相互依赖性[7]，通过将多重复杂网络分解为多个模块，能够更好地解析网络系统中各环节的作用关系[8]。然而，鲜有文献从技术与组织双重嵌入视角研究颠覆性技术创新网络。因此，有必要对颠覆性技术创新网络进行解构，从技术模块化与组织模块化视角解析其基本特征和演化轨迹。
智能语音作为人工智能应用最成熟的技术之一，颠覆了传统人机交互方式。本文以智能语音技术为研究对象，构建颠覆性技术创新网络并剖析其基本特征，然后桥接模块化理论与颠覆性技术创新理论，即从技术模块化与组织模块化两个维度解析以下问题：①鉴于模块化对技术创新独特的赋能作用，从技术模块化与组织模块化相互嵌入这一独特视角出发，颠覆性技术创新网络呈现出怎样的演化轨迹和演变特征？②智能语音产业一流创新主体的合作网络如何构建才有利于颠覆性技术的产生？本文研究可为新形势下我国智能语音产业实现跨越式发展提供学术证据，为我国其它相关产业/企业的颠覆变革与赶超提供借鉴。
颠覆性技术创新最早由Christensen[9]提出，其认为此类创新范式能够满足细分市场用户需求，具有显著的经济性、便捷性等特征。现有研究主题包括颠覆性技术的概念内涵、识别预测与评估、演进特征等。例如，王海军[10]将技术的扩散性、创新性和转轨性作为颠覆性技术的评判指标，识别出端到端的神经网络算法是未来颠覆性技术发展方向之一。学术界也在不断扩展颠覆性技术创新的内涵与边界，如Danneels[11]提出数码相机对胶片相机的颠覆、DVD对录像机的颠覆等应当属于高端颠覆性创新；Markides[12]认为某些特殊情境下的高端技术突破属于高端颠覆性技术创新。
从组织角度看，颠覆性技术创新高度依赖组织内外的紧密合作，通常由单个企业内部或企业与外部组成的联合体共同完成[13]。Dahlander&Gann[14]认为，传统企业独立内化的创新模式已很难适应当前竞争加剧、技术突变、用户需求个性化等情景的要求，建立主体多元化的创新网络成为企业提升竞争优势的主要途径；王海军(2021)提出颠覆性技术创新越来越依赖企业所在创新系统。基于此，本文将联合攻克并实现颠覆性技术创新的主体集定义为颠覆性技术创新网络。
目前相关研究较少关注创新网络对颠覆性技术的影响机制，颠覆性技术创新网络的动态演化过程也鲜有研究涉及。颠覆性技术突破传统技术的发展轨迹，形成全新的技术轨道，其创新网络演化过程也面临突变性与复杂性(黄鲁成等，2015)。一方面，颠覆性技术涉及多学科交叉交融，而跨界创新面临诸多不确定因素。例如，张庆普[15]通过案例分析发现跨界整合式颠覆性创新的价值涌现机理，其中的机会识别与机会把握则是难题。另一方面，异质性创新主体的广泛参与使得创新网络面临系统结构复杂化、合作关系多元化等问题，这些都使得传统企业组织管理模式捉襟见肘。
在此情景下，有必要开发颠覆性技术创新网络的调节和管理手段。其中，模块化恰好具有消解系统复杂度、推动分工协作的效能。因此，本文基于模块化理论，试图解析颠覆性技术创新网络演化的不同阶段特征，并探索如何协调与引导网络成员更好地参与技术迭代升级，实现颠覆性技术创新。
Baldwin&Clark[16]将模块化定义为通过每个可以独立设计并且能够发挥整体作用的更小系统构筑复杂产品或业务的过程；李鹏翔等[17]研究发现，创新网络结构普遍存在明显的层级模块化特征；王海军(2021)将模块化视为催生创新网络形成乃至塑造创新生态系统的重要驱动力之一。此外，模块化不仅能够有效促进企业与外部资源间的创新交互，还可以通过模块间的创新协同实现技术集成，从而获得颠覆性技术创新实现的网络效应[18]。
从技术模块化角度看，技术模块的多元化积累能够增强颠覆性技术创新的源动力。首先，模块化解耦将技术设计分解成功能独立性、互换性强的技术模块，通过技术模块的标准接口降低技术准入门槛，使得后发企业能迅速进入该技术领域。其次，基于已有标准技术模块，可提升新功能技术模块开发速度，并减少企业“竞争—试错”式学习的机会、降低创新成本[19]。再次，通过技术模块积累，基于明确定义的模块接口规则，可实现不同功能技术模块的创新集成，为探索技术创新的新供给提供可能[20]。最后，技术模块间的混合与匹配能够有效回应技术与市场间需求的动态变化，有利于企业识别利基市场，挖掘全新需求。总之，通过从单体技术模块到技术模块池系统，有利于推动颠覆性技术创新及其演化扩散。
从组织模块化角度看，模块化组织结构是指多个主体构建形成既分工独立又耦合协同的价值创造网络。组织模块的分工协作、资源共享能积极调动各网络成员的能动性。首先，各组织网络成员按照产品模块化的解耦设计进行各技术模块的研发与商品化生产，可形成基于自身能力的专业化优势。其次，在研发初期，技术模块的标准接口对外界来说是未知的，这促使各模块组织学习标准接口中的技术或工艺，进一步提高各模块组织的新知识储备与应用能力[21]。再次，各组织模块基于透明规则，发挥各自特长，加快知识传递，继而激发技术变轨和颠覆性创新(王海军等，2021)。最后，各模块组织网络间通过正式或非正式的交流互动，能够及时掌握市场需求反馈，网络成员能快速参与到彼此的技术进步中，为关键模块开发创造出颠覆性想法[22]，从而快速完成产品的动态调整，实现颠覆性技术的二次创新。
综上所述，模块化设计可以促进创新网络中的颠覆性技术产出。创新主体通过有效利用技术模块与组织模块的相互嵌入，优化组织网络管理，并帮助企业获取异质性资源，促进企业创新能力提升，实现颠覆性技术创新网络的共同目标(见图1)。
智能语音摆脱了录音控制由手动完成的局限，颠覆了传统人机互动过程中信息输入和反馈的方式。同时，智能语音技术具有通用性与数据驱动特征，也决定了其创新网络形成与演化的独特性。然而，当前学术界对智能语音的关注主要集中在智能语音技术的实际应用或相关讨论上，较少从整体产业角度展开研究，更未见学者将智能语音与专利网络相结合探讨其演化过程及规律。
本文首先以智能语音技术专利为数据源，检索下载可用专利信息；其次，借助Matlab工具对智能语音技术发展进程进行阶段性划分，根据每个阶段的专利数据，选取联合申请专利构建创新网络，并以专利申请人作为网络节点，采用Network绘制不同阶段的创新网络图；最后，分析智能语音技术专利合作创新网络的演化过程。
图1 模块化驱动的颠覆性技术创新网络演化模型
Fig.1 Evolution model of disruptive technology innovation network based on modularity
已有研究尝试用专利数据进行模块化测量，如王海龙[23]采用模块供应链商家与整车制造商专利申请数量的比值测量汽车产业模块化程度；张鹏(2016)以专利间的引用关系表征技术模块的分散与再整合关系。技术模块并不只是单一专利，IPC分类(国际专利分类)体系能够反映专利所在技术领域。因此，本文利用专利IPC分类号对应的技术领域表征智能语音的技术模块。
此外，考虑到本文构建的模块化组织网络区别于传统整体网络或以单个节点为核心的个体网络，因而在网络规模、节点度、网络密度、中心度、平均距离等基本网络特征分析的基础上，引入凝聚子群进行模块化组织网络的测度。在具体测度划分上，借鉴党兴华(2009)的观点，将整体网络中基于可达性的n-派凝聚子群定义为一个组织网络模块。
本文主要以德温特专利数据库与中国国家知识产权局专利数据库为数据源。考虑专利从申请到授权及公开具有一定滞后期，因此截止时间选择2020年12月31日。为保证较高的查全率和查准率，利用IPC分类号、相关高频词汇等进行多次筛选，最终得到智能语音技术申请专利 39 183 件。智能语音专利申请数量变化情况如图2所示，申请量逐年递增表明智能语音技术逐渐受到重视。智能语音领域第一条专利申请时间较早，是1935年7月Western Electric Co Inc申请的一种利用光学方法进行语音合成的记录信息存储专利，专利号为US1935030201。该技术颠覆了早期机械式信息录入方式，由光波穿过胶片及类似物中的运动原理(声音照相)实现语音合成及信息存储。
本文主要选取发明专利数和发明专利授权数对智能语音技术网络演化进行分析。因此，剔除外观设计与实用新型专利，共获取25 194 条发明专利信息(占比64.3%)。同时，考虑到1936—1961年无相关专利申请情况，在不影响后续智能语音专利增长拟合结果的情况下，删除1935年的数据节点。此外，为更精准地对智能语音技术进行阶段划分，本文借助Matlab软件，采用Cubic曲线对发明专利增长数据进行拟合[24]，得到如表1所示的各参数拟合统计结果。R2=1表示该曲线可以很好地拟合智能语音技术发展进程。
图2 智能语音专利申请数量变化曲线(1935—2020年)
Fig.2 Change curve of the numbers of intelligent voice patent application(1935-2020)
表1 智能语音专利增长拟合统计结果
Tab.1 Statistics of fitting results for the growth of intelligent voice patents
拟合类型SSER2DFEAdj R2RMSE#CoeffSplineinterp010NaNNaN54
图3为智能语音发明专利申请数据的拟合曲线。可以看出，颠覆性技术创新会经历长时间的缓慢增长，再经过市场反馈进行技术调整与改进，最终以爆发式增长态势占据主流技术领域。根据图3，本文将智能语音技术发展划分为4个阶段：1962—1990年为萌芽潜伏期，1991—2000年为第一增长期，2001—2011年为调整蓄能期，2012年以后开始进入第二增长期。
图3 智能语音专利申请复合拟合曲线
Fig.3 Composite fitting curve of intelligent voice patent application
本文基于智能语音发展四阶段的专利联合申请数据，以专利申请人数大于1为筛选标准，共筛选出合作发明专利 1 792 件，占比为7.1%。运用Ucinet测算整体网络的部分拓扑结构特征指标，结果如表2所示。可以看出，智能语音技术创新网络呈现出动态演化趋势。
首先，网络规模显著增长，合作关系不断扩张。智能语音技术专利合作网络规模呈现出动态扩张趋势，网络中的节点数由萌芽期的30个增加到第二增长期的764个，说明该领域受重视程度逐渐提升，更多创新主体参与到智能语音产业合作网络中，为颠覆性技术创新带入更多资源。随着网络规模的扩大，网络中的关系数大幅增加至1 336条，各创新主体间的技术合作频率显著提高，网络整体结构也渐趋复杂。
其次，网络小世界特性不明显。在专利申请数不断增长的情况下，网络密度却呈逐次递减态势，说明在智能语音技术发展进程中，网络间合作关系的紧密程度不高，即创新主体间仍处于松散耦合状态。此外，在萌芽潜伏期，平均距离为1.111，意味着两个创新主体间平均最少需要1个中介节点才能产生联系；到第二增长期，平均距离上升至4.25，进一步表明创新网络间的小世界特性不明显。
最后，网络逐渐向内聚拢，形成不同核心节点。智能语音技术的网络中心度先降后升，且在第二增长期达到14.37%的水平。随着网络规模的扩张及合作的深入，整体网络呈现出一定集中趋势，开始出现以不同核心节点为中心的小规模集群，最终形成一个多元融合、动态发展、具有一定网络规模的颠覆性技术创新网络。
表2 各阶段智能语音技术专利合作网络基本情况
Tab.2 Profile of each stage of intelligent voice technology patent cooperation network
网络结构特征萌芽潜伏期第一增长期调整蓄能器第二增长期网络节点数3077174764网络关系数321022441 336网络密度0.036 80.017 40.008 10.002 3平均距离1.1111.2691.6654.250网络中心度(%)3.452.265.6114.37
本研究在考虑颠覆性技术创新网络演化整体结构特征的基础上，进一步对创新网络中微观主体建立的模块化组织网络进行分析。首先，本文根据IPC分类号比重识别创新主体专注的技术子模块。在基于可达性的凝聚子群分析中，n-派系是指凝聚子群成员间距离的最大值为n，距离越大，派系成员间的限制越松散。模块化组织网络是为实现某个共同目标而形成的一个组织集合，模块内部具有紧密的联系。因此，本文基于技术子模块，选择子群成员间距离为2作为模块化组织网络划分的临界值。随着时间推移，智能语音技术创新网络中的模块化组织网络从萌芽潜伏期的0个上升至第二增长期的109个，模块化组织网络结构特征明显(见图4)。其次，借鉴张贝贝等[25]的研究，利用公式(1)～(3)测算网络模块化程度。
(1)
(2)
(3)
其中，P表示网络模块化程度，Wij表示节点i、j之间边的权重，ci、cj分别表示节点i、j所在的技术子模块类别。经计算，4个阶段的网络模块化程度取值分别为0、0.012、0.147、0.382(见图4)。结合表3可知，智能语音技术创新网络中的模块化组织网络日益增多，呈现出动态演化态势，随着网络组织模块化程度的提高，颠覆性技术产生的可能性随之增加。
中间中心度代表网络节点对整体网络资源的控制能力，表3为不同阶段各模块化组织网络中的核心主体及其中间中心度得分情况。核心节点对模块化组织网络的控制能力从第一增长期的最高得分5发展到第二增长期的10 605。这意味着核心主体在模块化组织网络形成过程中的作用越来越凸显，即各模块内部通过核心节点建立起非常紧密的联系。组织模块内部联系越紧密，越有利于颠覆性技术的产生。内部联系紧密的组织模块化网络能为网络成员提供各种创新资源，并使专业知识得以在模块化的组织网络内共享和转移。此外，网络内部从弱关系联结向有效互惠的强关系发展，将有利于模块网络整体的稳定性。在保持稳定性的基础上，各组织模块间松散耦合连接，能够减少创新网络整体的信息冗余，确保创新网络的灵活性与可扩展性。
图4 智能语音产业模块化组织网络发展情况
Fig.4 Development of modular organization network in intelligent voice industry
表3 智能语音产业模块化组织网络中的核心主体(Top 5)
Tab.3 Core entities in modular organization networks (Top 5)
阶段核心主体(中间中心度)第一增长期皇家飞利浦电子股份有限公司(5)、纽昂斯通讯公司(3)、国际商业机器公司(3)调整蓄能期纽昂斯通讯公司(75)、索尼公司(18)、清华大学(15)、北大方正集团有限公司(10)、三星电子株式会社(10)第二增长期国家电网公司(10 605)、清华大学(6 099)、东南大学(4 341)、中国科学院自动化研究所(3 921)、腾讯科技(深圳)有限公司(2 401)
4.2.1 萌芽潜伏期：技术赛道确定
在萌芽阶段，开始有企业将智能语音这一全新技术赛道纳入公司发展方向中，并选择智能语音的技术模块G10L(语音分析或合成、语言识别，占比90%)作为切入点。该阶段，语音技术主要致力于提升语音识别与合成的词汇量和准确度，降低人工输入的可能性。通过技术赛道选择，智能语音产业作为未来重点发展领域得以确定。
早期技术发展具有很大的不确定性，技术研发需要足够资金作为支撑。因此，最初涉入智能语音产业的公司主要是东芝株式会社、通用电器公司、皇家飞利浦公司等行业领导型企业。该阶段申请发明专利共478件，但专利合作申请数量仅为20件，占比4.1%。图5展示了萌芽期智能语音技术专利合作网络，其中方块代表企业，圆圈代表研究院。节点越大代表占据的网络位置越核心，线条越粗代表合作关系越多。可以发现，该阶段各节点间并未形成联动，主要依靠组织自身进行技术研发。此外，该阶段研发工作主要集中在技术突破上，并未出现产品应用。
4.2.2 第一增长期：技术模块选择
(1)基于技术模块化解耦，提高创新效率。在技术创新过程中，通过模块化解耦可将技术分解成具有功能独立性和硬件可分离的不同模块，从而降低技术准入门槛，提高技术创新效率。在第一增长期，智能语音技术发明专利产出年均增速为13.61%，且发明专利总量较萌芽阶段增长295.37%。同时，智能语音产业涉及的技术模块也上升至25个，各技术模块具体分布情况如图6所示。该阶段技术发展主要集中在G10L(语音分析或合成、语言识别)、G06F(电数字数据处理)、H04M(电话通信)等技术模块。此外，随着分析合成、矢量量化、隐马尔可夫模型等统计方法的传播应用，极大推动了语音编码、语音识别领域的技术发展和市场开拓。但由于在1991—2000年，主导技术产品尚未形成，整个智能语音产业相关产品表现为技术成熟度不高、产品性能差、分工程度较低。
图5 萌芽潜伏期专利合作网络(1962—1990年)
Fig.5 Patent cooperation network in the first phase (1962-1990)
(2)基于自身优势模块，提升竞争力。由于技术发展带来的技术复杂度提高，企业难以在多个领域建立核心地位，因此选择专注于自身优势技术模块。此时，企业开始通过辨析识别未来智能语音产品或服务可能存在的关键属性，初步选择自身专攻的技术模块方向，并加大研发投入，夯实自身创新基础能力。表4对第一增长期智能语音企业选择的技术模块进行了对比介绍，其中既包括国际著名的Nuance、IBM和微软等公司，也包括我国智能语音产业代表企业科大讯飞。以科大讯飞为例，基于听感量化思想，选择以语音合成技术为进入智能语音赛道的突破点，并不断通过源头核心技术突破，逐渐确立在中国智能语音市场中的领导地位。
图6 第一增长期专利技术模块分布(1991—2000年)
Fig.6 Distribution of technology modules in the second phase (1991-2000)
表4 典型智能语音企业技术切入点示例
Tab.4 Examples of technical entry points for typical intelligent voice enterprises
典型企业成立时间专注技术模块技术简介及其创新性简要Nuance1992年语音识别技术Nuance语音识别引擎技术以统计推断方法为基础,着眼于音素(音节的声音)和语境识别话语,该技术可自动且准确地转录人类语音IBM1911年语音识别技术早期IBM主要根据声音特征频率组合,将声音分组到数千个不同单元中进行语音识别,并开创性提出隐马尔可夫模型、统计语言建模等智能语音领域关键技术。1992年发布第一个个人计算机听写系统微软MARS1991年声音捕捉和语音增强技术音频和声学一直是微软的重要研究领域,其主要通过简单快速的麦克风增益自校准程序,提高估计的波束形状、噪声抑制或定位精度,适用于使用麦克风阵列捕获音频信号的实时应用科大讯飞1999年语音合成技术科大讯飞创始人刘庆峰创造性提出基于LMA模型的语音合成器,该系统提高了对音律参数的调整能力,在语音自然度与可懂度两方面均有显著提高。此外,基于数字串外推的韵律构建模型、听感量化等语音合成新方法首次实现了将中文语音合成技术的落地应用
(3)基于组织模块化设计，奠定创新基础。当企业选择好技术赛道并制定颠覆性技术赶超策略后，如何快速进入该技术领域以及加快技术研发步伐是首先要解决的问题。多数企业通过内部组织结构调整，为颠覆性技术创新作铺垫。图7为第一增长期的专利合作申请可视化图谱，可以发现，不断有企业与外界异质性创新主体(如高校(三角形)、科研院所等)建立联系，开展技术创新合作，并开始形成组织网络模块(10个)。但总体看，该阶段建立的合作关系并不紧密，网络中心度只有2.26%，处于较低水平，创新主体间关系较为松散，即创新主体间合作关系处于初步探索阶段，并未形成规模效应。
图7 第一增长期专利合作网络(1991—2000年)
Fig.7 Patent cooperation network in the second phase (1991-2000)
4.2.3 调整蓄能期：创新网络形成
(1)模块积累促进技术市场共同颠覆。经过第一增长期的发展，企业已经开始形成基于自身专业的核心竞争优势。在此基础上，基于已有标准技术模块，能够迅速开发出具有新功能的技术模块。调整蓄能阶段不再满足于简单的语音识别、语音合成等基本功能，还加入了情感识别、类人化的语音反馈。该阶段，智能语音产业技术模块开始向H04L(数字信息传输)、H04W(无线通信网络)等方向拓展，以提升语音处理的响应度、置信度。同时，随着技术模块性能的提升，开始有获得主流市场认可与广泛关注的颠覆性产品出现。典型产品如苹果公司的iPhone 4S手机，嵌入了Nuance智能语音技术的Siri于2011年在iPhone 4S中首次亮相后，颠覆了传统智能手机市场，并迅速获得主流市场追捧，引起各大厂商纷纷进入该赛道。
(2)资源开放吸引伙伴共建创新网络。为应对智能语音技术应用场景增多、产业规模扩大以及全球化的市场竞争逐渐加剧等问题，企业开始将自身不擅长的非核心技术模块转移外包，并着手构建以自身为核心的创新网络。例如，科大讯飞以信息共享的讯飞开放平台为基础，整合全球创新资源参与智能语音技术模块设计。基于讯飞开放平台，科大讯飞从智能语音扩展到整个人工智能(AI)领域，目前共拥有334种复杂的AI模块及解决方案，极大丰富了科大讯飞的技术池，并为其侵占多元化市场提供了重要资源支撑。
(3)核心企业持续强化自身竞争优势。在调整蓄能阶段，纽昂斯通讯公司、索尼公司、北大方正集团等企业占据智能语音技术创新网络的核心位置(见图8)，并与中国科学院声学研究所、北京大学等高校院所开展广泛合作。基于技术模块功能的独立性，非核心模块只需按照预定的设计规则开展创新活动，最终都能够给网络技术创新活动带来正效应。因此，核心企业拥有更大的技术市场话语权，并具有掌握创新活动和创新网络联系的自主控制力。此时，核心企业可以自己决定核心技术模块所需的流动信息类型与数量以及信息流动路径的建立与中断、加强与减弱，通过有目的地寻找合作伙伴，协调网络内部资源流动，从而在保持自身技术模块竞争力的基础上，拓展核心技术宽度，不断强化核心竞争优势，实现颠覆性技术创新。
4.2.4 第二增长期：创新网络发展
(1)创新网络发展促进颠覆性技术创新实现。如图9所示，在第二增长期，智能语音技术创新网络得到进一步发展，各模块组织网络间联系显著增强。网络中心度从萌芽期的2.26%上升至14.37%，说明各模块组织网络间的交流互动更加频繁，凝聚形成一个优势互补、相互耦合的创新网络。这是因为，随着核心技术攻克难度增加、知识密度制约、企业间合作风险等问题的出现，迫使企业寻找技术创新发展的新方向及相关资源支持，而网络规模进一步扩张可为企业拓宽技术领域范围、开展颠覆性技术研发项目提供潜在可能。此外，为成功实现颠覆性技术创新，每个创新主体均发挥各自特长，通过不同功能的技术模块相互整合，为技术创新探索提供新思路，继而激发技术变轨和颠覆性创新。在合作关系上，企业、科研机构等创新主体也形成深度合作共识，多边合作效应显著，各方稳定合作关系逐步加深。
图8 调整蓄能期专利合作网络(2000—2011年)
Fig.8 Patent cooperation network in the third phase (2000-2011)
图9 第二增长期专利合作网络(2012—2020年)
Fig.9 Patent cooperation network in the fourth phase (2012-2020)
(2)网络异质资源创造颠覆性技术创新机会点。随着颠覆性技术入侵主流市场，模块化组织网络中的异质性主体成员越来越多。如图10所示，在第二增长期的109个组织网络模块中，网络成员间除传统产学研合作模式外，还扩展到包含政府、金融机构、第三方中介等服务机构在内的多种合作模式。不同类型创新主体拥有的技术模块具有差异性与独特性，这将促进创新网络中的信息交流与资源流动，为颠覆性技术创新提供条件和土壤。此外，技术模块的异质性能够有效提升网络成员对外界技术的敏感度，打破自身认知障碍，激发自身创造力，降低创新成本和风险，最终促进智能语音颠覆性技术创新。例如，英飞凌科技股份公司与Picovoice合作，共同开发端到端的智能语音平台，将语音AI引入边缘设备，通过低功耗的PSoC 6系列微控制器(MCU)与完整物联网连接技术间的结合，实现超低功耗物联网设备的智能语音交互。这为开发者评估和部署PSoC 6产品的语音唤醒和语义识别功能提供了更多选择，并为在智能家居、智能可穿戴设备等终端应用中内置AI语音技术开创了新的可能。
通过以上分析可以发现，智能语音技术发展的生命周期区别于传统技术发展曲线。首先，智能语音技术经历了较长的潜伏期，在经历商品化进入市场后，不断改进技术、提高产品性能，随后以爆发式增长态势侵占主流市场。其次，智能语音技术创新网络越来越趋向于多元主体、模块网络、协同创新和动态发展。除核心企业、高校院所等典型创新主体外，智能语音技术创新网络还吸纳了包含科技中介服务机构、政府部门等其它主体在内的创新资源。随着网络的演进，逐渐有创新主体占据网络核心位置，并以其为中心形成模块化的网络组织结构，而模块化网络中创新资源的充分流动，有效促进了网络成员间的协同创新。此外，创新网络会根据市场需求反馈，不断进行技术迭代创新，并不断吸引与优化参与成员，促进网络升级与扩张。
图10 模块化组织网络内部合作形式发展变化情况
Fig.10 Changes in cooperation forms within modular organizational networks
本研究利用1962—2020年智能语音技术专利合作数据和社会网络分析方法构建颠覆性技术创新网络，从模块化视角出发，深入分析颠覆性技术创新网络的结构特点和演化过程，并探讨技术模块化与组织模块化双重嵌入关系对颠覆性技术创新的影响机制。研究结论拓展了创新网络支撑颠覆性技术创新的理论发现，丰富了颠覆性技术创新的形成机制和模块化的缔结作用。本文主要研究结论如下：
第一，颠覆性技术演化呈现出阶段性爆发后回落蓄势再爆发增长的曲线特点。颠覆性技术创新网络具有网络规模扩张、小世界特征不明显和网络核心多元化等特征。同时，网络成员间形成松散耦合的链接关系，在不同阶段呈现出内部连接紧密、外部连接松散的模块化网络结构。进一步地，颠覆性技术创新网络呈现出由单层次网络演化到多层次网络共同演化的趋势。
第二，颠覆性技术创新经历了技术赛道确定、技术模块选择、技术模块积累和技术模块整合再创新4个阶段。创新主体依靠内部基础/资源确定技术发展方向，进行技术预模块化研发与创新；选择主攻技术模块，并开始与外界(如大学、实验室等研究机构)建立松散耦合的联系，开展颠覆性技术创新；通过技术模块积累，融合外部异质资源，逐步实施颠覆性技术的商品化变现；尝试探索不同技术模块的整合再创新，实现颠覆性技术创新的二次变轨。
第三，模块化有利于颠覆性技术的产生。从技术模块化角度看，基于技术模块化的架构设计，能够极大丰富创新网络中多样化和新颖性的知识资源，增加打破现有技术配置、实现颠覆性技术创新的机会。同时，网络组织模块化有助于颠覆性技术创新的产生，基于模块组织网络间的松散耦合链接，有助于实现创新网络整体目标下的颠覆性技术创新及其应用扩散。
第四，网络嵌入有利于颠覆性技术的产生。整体网络间的松散耦合链接、模块化组织网络内部的强联系等，有利于颠覆性技术的产生。同时，网络规模的扩大、异质性主体的增多，有助于促进网络演化升级，降低交互成本，提升认知融合水平，提高颠覆性技术创新实现的可能性。
本文研究结论对于后发企业选择颠覆性技术创新具有重要启示：第一，强化企业对技术发展的洞察能力，可选择在“无人区”找到适合自己的技术赛道，开拓全新市场。第二，打造核心技术模块，加快高价值专利的申请和布局，以维持自身核心竞争优势，如通过拓展专利的技术宽度和同族设计，建立“核心专利+外围专利”的多维度专利池。第三，企业应善于利用技术模块化策略，打造具有核心竞争力的技术模块平台。企业可基于技术模块平台吸引异质性伙伴加入，拓展技术池，掌握更多颠覆性技术创新机会点，实现技术创新自立自强。第四，积极构建颠覆性技术创新网络，并保证网络中差异化、优质性的创新资源输入，推动颠覆性技术创新产出，促进颠覆性技术创新网络的可持续发展。第五，促进颠覆性技术创新网络成员间的核心互动，强化颠覆性技术创新网络的治理能力。网络成员间互动是提升网络效应乃至核心企业创新绩效的关键，而设计科学的治理机制是维护网络成员利益、促进网络自组织运转的重要保障。例如，可尝试建立“优者进、劣者出”的资源引入与退出机制以及“能者多劳、能者多得”的收益分配制度等。
首先，由于专利数据并不能完全展现企业创新过程中的所有研发活动，导致由发明专利授权数据反映的创新产出、创新主体间合作关系等信息并不完备。后续研究可考虑结合案例企业的文本资料等多元数据进行分析，以保证分析数据的完整性，提高研究结果的可靠度。其次，本研究只考虑了智能语音技术，下一步研究可扩大技术领域范围，如通信、区块链、自主无人系统等颠覆性技术，以进一步验证研究结论的普适性。最后，颠覆性技术创新具有较大的不确定性，导致其创新网络存在不稳定性，未来可尝试挖掘影响颠覆性技术创新网络稳定性的关键因素，帮助企业更好地治理其颠覆性技术创新网络。此外，对于本文研究结论，可通过定量分析法进行更深入的实证检验。
[1] 曹阳春,张光宇,欧春尧,等. 颠覆性创新的技术演进特征分析——基于锂离子电池案例[J]. 中国科技论坛, 2022, 38(2):68-76.
[2] SINGH N P, STOUT B D. Knowledge flow, innovative capabilities and business success: performance of the relationship between small world networks to promote innovation[J]. International Journal of Innovation Management, 2018, 22(2): 1-35.
[3] 谭晓,西桂权,苏娜,等. 科学—技术—项目联动视角下颠覆性技术识别研究[J/OL].情报杂志:1-10[2023-02-03]. http://kns.cnki.net/kcms/detail/61.1167.g3.20230112.1618.014.html.
[4] 罗素平,寇翠翠,金金,等.基于离群专利的颠覆性技术预测——以中药专利为例[J].情报理论与实践,2019,42(7):165-170.
[5] 苏敬勤,刘建华,王智琦,等.颠覆性技术的演化轨迹及早期识别——以智能手机等技术为例[J].科研管理,2016,37(3):13-20.
[6] 邹琳,曾刚,司月芳,等.创新网络研究进展述评与展望[J].人文地理, 2018, 33(4):7-12,67.
[7] BRAILLY J. Dynamics of networks in trade fairs: a multilevel relational approach to the cooperation among competitors[J]. Journal of Economic Geography, 2016, 16(6):1-42.
[8] DONG J W, ZHANG T. Modular innovation network: a review about management strategies[C]// International Conference on Engineering and Business Management. SCI RES PUBL. Chengdu,China, 2010.
[9] CHRISTENSEN C M. The innovator's dilemma: when new technologies cause great firms to fail[M]. Boston: Harvard Business School Press, 1997.
[10] 王海军, 于佳文.基于专利发展路径的颠覆性技术识别：以智能语音领域为例[J]. 科技管理研究,2022,42(6):170-181.
[11] DANNEELS E. Disruptive technology reconsidered: a critique and research agenda[J].Journal of Product Innovation Management, 2004, 21(4):246-258.
[12] MARKIDES C. Disruptive innovation: in need of better theory[J]. Journal of Product Innovation Management, 2006, 23(1):19-25.
[13] SI S, CHEN H. A literature review of disruptive innovation: what it is, how it works and where it goes[J]. Journal of Engineering and Technology Management, 2020, 56:101568.
[14] DAHLANDER L, GANN D M. How open is innovation[J]. Research Policy, 2010, 39(6):699-709.
[15] 张庆普,周洋,王晨筱,等.跨界整合式颠覆性创新内在机理与机会识别研究[J].研究与发展管理, 2018, 30(6):93-105.
[16] BALDWIN C Y, CLARK K B. Managing in an age of modularity[J]. Harvard Business Review, 1997, 75(5):84-93.
[17] 李鹏翔,席酉民,崔文田.复杂科层组织网络中的无标度行为[J]. 科技进步与对策, 2009, 26(1):20-23.
[18] ANANYA S, JOSEPH V. An analytical framework to compare innovation strategies and identify simple rules[J]. Technovation, 2022,115:102534.
[19] HOETKER G, SWAMINATHAN A, MITCHELL W. Modularity and the impact of buyer-supplier relationships on the survival of suppliers[J]. Management Science, 2007,53(2):178-191.
[20] JAYKUMAR P, RAGHUNATH S. The relationship between architectural modularity and platform[J]. International Journal of Innovation and Technology Management, 2020, 17(7):1-25.
[21] SRIKANTH K, PURANAM P. Integrating distributed work: comparing task design, communication, and tacit coordination mechanisms[J]. Strategic Management Journal, 2011, 32: 849-875.
[22] HAO B, YE J F, FENG Y N, et al. Explicit and tacit synergies between alliance firms and radical innovation: the moderating roles of interfirm technological diversity and environmental technological dynamism[J]. R&D Management, 2019, 50(4):432-446.
[23] 王海龙,黄明,林德明.汽车产业模块化对不连续创新影响的实证分析[J]. 运筹与管理, 2018, 27(9):99-104.
[24] 孙笑明,马钰,王雅兰,等.专利数据在创新管理研究中的应用综述与展望[J]. 科技进步与对策, 2022,39(7):150-160.
[25] 张贝贝,李存金,尹西明. 关键核心技术产学研协同创新机理研究——以芯片光刻技术为例[J]. 科技进步与对策, 2023,40(1):1-11.