开放科学(资源服务)标识码(OSID)：
Relying on the consulting project of a science and technology management department in Jiangsu Province, the research group has established contact with 96 industrial Internet platform users through the assistance of intermediaries. In combination with on-site filling, mobile APPs, and email, this study collects 874 questionnaires from users of industrial Internet platforms and verifies the internal mechanism of knowledge coordination driven by knowledge governance on industrial Internet platforms. The results show that control, transaction and social knowledge governance have positive effects on the efficient knowledge synergy of the industrial chain, and market knowledge governance has the greatest impact. There is a significant inverse U-shaped relationship between control, transactional knowledge governance, and value-added knowledge synergy in the industrial chain, while social knowledge governance promotes value-added knowledge synergy in the industrial chain. Platform strategic consensus plays a positive moderating effect on the relationship between three kinds of knowledge governance and industrial chain knowledge synergy.
The research conclusion has some theoretical value. First, this study focuses on the mechanism composition and implementation effect of knowledge governance on industrial Internet platforms, which is conducive to extending the conceptual connotation of knowledge governance and has obvious theoretical complementary value. Secondly, the study fills the theoretical gap of knowledge synergy and deepen the research on knowledge synergy in the industrial chain from the perspective of knowledge system by exploring the differentiated influence mechanism of knowledge governance on the industrial Internet platform on the two types of knowledge synergy. Finally, it examines the moderating role of the strategic consensus of the platform in the knowledge governance of the industrial Internet platform driving the knowledge synergy process of the industrial chain, and contributes to the exploration of new research on strategic consensus.
Some enlightening suggestions for management practice are listed. (1) Industrial Internet platform enterprises should comprehensively utilize a variety of knowledge governance methods to regulate user knowledge behavior, encourage sharing of knowledge experience, and promote knowledge synergy in the industrial chain. Industrial Internet platforms need to play a dual role, not only to control and regulate user knowledge behavior, but also to enhance the execution of market contracts. (2) Industrial Internet platform enterprises need to know how to combine the application of digital technology and knowledge governance mechanisms and drive innovative value-added knowledge collaboration in the industrial chain based on the dual enabling systems of technology and systems. (3) The industrial Internet platform should fully apply strategic statements, knowledge mobilization and other ways to promote the platform users' understanding of the connotation of action and active cooperation in the implementation of knowledge governance.
开放科学(资源服务)标识码(OSID)：
随着国际竞争日趋激烈,关键核心技术突破对后发国家的战略意义更加凸显。根据知识基础理论,技术问题的本源是知识。知识创新能为关键核心技术突破提供启发性线索。由于关键核心技术往往牵涉多个行业或领域,是产业整体发展面临的瓶颈,需要在产业链层面上寻求突破路径[1]。因此,支撑关键核心技术突破的知识创新需要制造商、供应商、零售商、服务机构等多元主体参与,并最大限度地进行知识互动,继而激活产业链知识协同效应。
然而,组织间的知识壁垒、工业知识的高度复杂性,以及知识活动的风险性、安全性等问题都将阻碍产业链知识协同。Audretsch[2]的研究指出,组织间知识不对称性诱发的知识配置错位、相互理解困难、专有知识泄露是产业链知识协同必须面对的问题。产业链知识协同仅是参与各方的心理预期,要使预期转化为现实,仍需发挥核心企业主导知识治理的作用。Jarvi[3]的研究发现,核心企业在知识获取、共享与创造环节实施的知识治理,为知识生态系统的知识协同提供制度保障;Gupta[4]的研究认为,自我控制型、中心领导型和多元协作型知识治理可以优化数字知识的共享协同,驱动商业合作效率提升;还有实证研究表明,创新生态系统中契约治理与信任治理的交互促进新知识协同创造(李宇等,2022)。
这些研究虽然初步肯定了知识治理与知识协同间的正向联系,但还存在一些不足:首先,知识治理机制应在具体情境中建构,否则会出现设计谬误[5]。目前,多数研究聚焦于消费互联网平台的知识治理机制,但对工业互联网平台却鲜有关注。作为物联网应用的主场,工业互联网平台拥有人、机、法、料环全面互联的大数据功能架构,可为知识治理提供数字化支持,易于形成数字技术与治理机制的双向赋能系统。因此,有必要围绕工业互联网平台特征,细致分析知识治理机制构成以及差异化功效。其次,虽然已有研究触及知识治理与知识协同的直接联系,但有关内在微观机理的讨论尚有欠缺。特别是当前实践中工业互联网平台已成为打通消费与生产、供应与制造、产品与服务等环节知识流动,提升产业链价值共创水平的重要抓手,但关于工业互联网平台知识治理如何驱动产业链知识协同仍然缺乏针对性的分析(马永开,2020)。再则,相关实证研究均隐含地假定知识治理机制发挥功效的过程是同质的,这显然具有挑战性。如果治理受众对工业互联网平台实施知识治理的战略意义不能深刻理解和达成普遍认同,那么战略共识的缺位将导致知识治理机制的运行效果大打折扣。战略共识是平台治理机制落地实施的重要条件[6],在研究中引入平台战略共识将有助于明确工业互联网平台知识治理的效用边界,提升研究结论的实践价值。
鉴于平台企业具有“桥”接功能,可以利用网络位置的势能优势,对供应商、制造商、服务商等产业组织(平台用户)实施知识治理,继而引导他们寻找合作伙伴,获取互补知识,开展知识创新。为此,本研究从工业互联网平台企业视角,建构不同类型知识治理机制促进产业链知识协同的理论模型,并着重考察平台战略共识的调节效应,尝试在工业互联网平台的新型产业形态下重新审视知识治理效用。研究结论有助于拓展知识治理理论应用范围,为我国加快建设知识创新生态系统、突破关键核心技术贡献力量。
源于知识管理高失败率的反思,Grandori[7]提出知识治理概念。其后,考虑到知识活动的特殊性,以Foss[8]为代表的诸多学者强调,知识治理不仅要处理知识交易中的目标冲突,还应解决心智模式差异产生的认知性失灵。虽然知识治理的内涵仍然存在分歧,但大致可以归为三类不同观点,即注重治理结构优化的结构观、协调知识行为冲突的过程观与机制引导知识互动的制度观 [9]。相较而言,从制度层面诠释知识治理的研究最为成熟。依此逻辑,工业互联网平台知识治理就是平台企业利用非对称网络关系中的优势地位,主导推行一系列制度安排,激励约束和规范协调产业组织间知识流动的过程。
然而,在机制构成上并不存在完全独立的知识治理措施,知识治理机制应是一组可运用的控制与协调元素的组合。由此,Milagres[10]将组织内部知识治理拓展至网络层面,认为市场、科层和共识是组织间知识治理机制的主要类型;Wareham[11]将技术创新生态系统的知识治理机制分为行为规范、利益协调与公平发展;有研究发现,互联网平台企业主要利用层级型、市场型和社会型知识治理驱动价值共创,并且组织间知识治理存在一个由权威控制、市场互动逐步走向社会共治的迁移趋势(白景坤等,2020)。
借鉴这些观点,本研究认为工业互联网平台的知识治理可以分成控制型、交易型与社会型。其中,控制型知识治理是工业互联网平台企业锚定过程可控的治理目标,利用强推标准、选择披露、模块化分包等利于知识操纵的治理机制规范约束平台用户的知识活动;交易型知识治理注重工业互联网平台企业利用内容定制、真实沟通、内部市场等正式契约,激励平台用户围绕业务需求展开知识互动;社会型知识治理更多地强调工业互联网平台企业采取以场景学习、公共知识库、关系产权等信任关系为基础的社会机制,将平台用户的联合知识行动推向效率前沿。不同知识治理机制的特征对比如表1所示。
表1 工业互联网平台知识治理类型与特征
Tabe 1 Type characteristics of knowledge governance on industrial Internet platform
区别控制型知识治理交易型知识治理社会型知识治理治理目标过程可控,产业知识主体联结公平竞合,产业知识主体联动共治共享,产业知识主体联体治理动因知识差异风险知识配置风险知识占有风险治理主体平台企业操控平台企业引导平台企业背书治理对象被动、自由度低较主动、自由度一般主动性强、自由度大治理机制以强推标准、模块化分包、选择披露等权威控制为主以内容定制、真实沟通、内部市场等正式契约为主以集体学习、关系产权、虚拟社区等社会信任为主治理过程规范约束性质行为引导性质平等参与性质治理结构稳定,自我中心较稳定、淡化中心地位不稳定、去中心
知识协同是多元知识主体共同参与知识共享、知识转移、知识整合等知识活动,并利用异质性知识碰撞完成联合知识创造的动态过程(徐少同,2013)。若要清楚描述知识协同运行状态,需要考虑主体之间存在的各种互动链条,如创新链、关系链、知识链、业务链等。产业链反映了多个产业或多条供应链之间存在的关联性,这种关系既包括上下游纵向关系,也涉及同类分工、相互交织的横向关系[12]。由此,产业链知识协同刻画了产业主体通过协调社会分工网络知识流动驱动知识共创的过程[13]。并且,从知识协同结果来看,本研究认为产业链知识协同包括效率性知识协同和增值性知识协同两个维度。其中,前者关注知识流动的方向、速度和成本等效率性指标,后者强调知识流动的吸收、整合与创造等效果性指标。简单而言,效率性知识协同侧重产业组织间知识传递的“量”,增值性知识协同更注重产业组织间知识传递的“质”。
凭借网络枢纽的位置优势,平台企业可对接入工业互联网平台的供应商、分销商、制造商、服务商等产业组织(平台用户)进行知识治理。为获取更多的平台支持,产业主体通常会默许平台企业的治理地位,尤其是平台企业为行业龙头企业,这种地位默许有助于增强产业链知识协同治理效应。具体而言:
(1)仅依靠工业互联网平台自主演化并不能保证产业组织间形成高效的知识流动。此时,工业互联网平台企业的控制型知识治理不可或缺。利用网络权威,工业互联网平台可以强势推出标准的语义字典、编码规则与话语体系,从而降低知识表达偏差,提高差异化知识速配成功率,促进产业链知识协同[14]。如作为一家大宗货物运输的物联网平台,“返空汇”在平台上通过预先设定数据标注、分类索引、终端部署等知识池接入规则,控制引导货主、保险机构、货车厂商、技术服务商等供应链上下游组织的知识行为,促使其形成逻辑完整、兼容性强的知识链条,从而有利于规避程序性内耗,降低产业链知识协同成本。通过资质审查、明示禁止、分级授权等控制手段,工业互联网平台能够约束用户知识行为,促进知识活动在预设的行为边界内演进,这明显有助于节约产业组织间认知资源,加快知识流动,提升产业链知识协同效率。因此,本文提出如下研究假设:
H1a:控制型知识治理对产业链效率性知识协同有显著正向影响。
同时,作为典型的控制型知识治理机制,模块化分包以一种安全可控的方式平衡知识距离与知识共享矛盾。通过模块化切割、确权和分发的功能体系,工业互联网平台企业将专业知识细节打包封装,并借助丰富的应用接口降低知识复用难度[15]。这一高内聚、低耦合的知识模块化设计可以赋予用户企业充裕的自由裁量空间,有助于产业链实现增值性知识协同。更重要的是,数字技术的加持使得工业互联网平台的模块化分包、选择披露等控制型知识治理机制的实施效果更显著[16]。如树根互联平台不仅提供知识可视化、文本搜寻、智慧推理等工业微服务的API接口,提升用户企业围绕大型固定资产数据进行二次研发的规范性、灵活性和兼容性,而且利用全流程大数据分析,精准选择知识封包传递对象,实时监控知识数据的接收与使用过程,有助于大幅提升产业链知识协同质量。
然而,由于增值性知识协同的创新水平较高,过度的控制型知识治理也会产生消极影响。一方面,为维护网络关系、优先获取平台控制的工业资源,用户可能会“迁就”一些非必要要求,对增值性知识协同下的合作创新造成障碍。另一方面,对知识的数据形式、内容与交换过程进行过多限定,易削弱工业互联网平台用户进取心,淡化机会警觉,并且导致消息阻塞、关系互锁、能动性受限等问题,不断加剧知识流动的刚性协同,破坏产业链增值性知识协同。因此,本文提出如下研究假设:
H1b:控制型知识治理对产业链增值性知识协同具有显著倒U型影响。
(2)交易型知识治理着重知识供需双方的交换关系。交易成本理论指出,由于非对称信息和不确定性存在,市场主体在本质上具有机会主义倾向[17]。为规避知识交易中的机会主义风险,工业互联网平台企业可利用市场契约明确参与者权利义务,以制度化协议消减彼此的心理顾虑,促进知识分享。已有研究发现,在定制协议中事先确定知识转移类型、方向和使用范围,将显著降低大规模定制生产企业与供应链合作伙伴的讨价还价成本,简化知识授权程序,提升产业链知识协同效率(孙新波等,2019)。实践中,为解决知识定价问题,Predix工业平台联合电气设备上下游企业共同构建知识价值的全链路智能测算模型,并以此为基础,将利益分配方案事先落实到服务定制合约里,增强了参与者的公平感知,极大促进了各方进行知识互动的主动性和积极性,为提高产业链知识协同效率夯实了基础。因此,本文提出如下研究假设:
H2a:交易型知识治理对产业链效率性知识协同具有显著正向影响。
同时,交易契约的精细化设计,如附加培训服务、聚类交流、辅助表达等围绕具体业务促进沟通的合同条款,有助于拓展平台用户理解区间,降低异质性知识吸收难度,进而显著影响增值性知识协同。更进一步,利用智能合约、分布式账本、数字孪生等数字技术工具,工业互联网平台不仅能够提升产权交易公平透明度,追踪知识配置过程,促使交易主体及时根据反馈完成补充校对,实现知识经验的内化吸收,进而驱动产业链增值性知识协同。Foerderer[18]研究证实,工业互联网平台的云化工业软件能够强化交易型知识治理。实践中,已有部分工业互联网平台建构起虚实融合的内部交易市场以吸引知识产权方分享新颖、互补的私有性知识,促进增值性知识协同。如欧冶云商在钢铁产业平台上搭建了基于商业知识数据的产权交易市场,利用线上悬赏、电子竞价、定制付费等价格机制,激励制造商、零售商、技术服务商等平台用户加大投入,为知识消费者提供创新性知识服务。换而言之,由工业互联网平台企业主导的交易型知识治理启动了价格机制的资源配置模式,有助于将合适的知识在合适的时间传递给合适的主体,减少知识供需错配风险,促进产业链增值性知识协同。
然而,面对包含创新要素的增值性知识协同,以契约为基础的交易型知识治理并非总是产生积极影响。在考虑交易成本的情况下,市场契约不能完全应对产业链知识协同的创新需求。虽然正式契约的执行力可以确保供应链网络在规定的内容和范围内开展知识互动,但协议完备性问题的存在意味着无论条款如何精巧,都只能最小化机会主义行为,且过多的事前设计难以激发新知识的共同探索(李维安等,2014)。再加之,互联网平台的内部产权交易也是致使用户企业创新能力僵化、机会成本增加、知识价值错估、绩效分配不合理的“温床”。这些都将对产业链增值性知识协同造成负面影响。因此,本文提出如下研究假设:
H2b:交易型知识治理对产业链增值性知识协同具有显著倒U型影响。
(3)社会型知识治理强调基于信任的自由交换,反映出工业互联网平台与新老用户在长期互惠中形成以信任为基础的联合生态体。此时,平台企业主要承担背书角色,通过场景化学习、共同身份建构等社会机制建立多边信任关系,吸引联合行动者主动参与组织的价值共创,为产业链效率性知识协同带来丰富的知识流。已有研究[19]证实,在信任的作用下,创新生态系统会利用关系产权弱化知识产权的隔离作用,减少外部知识获取成本。当知识获取数量增大、速度加快以及成本降低时,就会产生效率性知识协同效应。得益于数字技术提供的便利,工业互联网平台的信用积分、交易日志、溯源追踪等数字衍生工具可使平台用户快速建立信任,主动响应工业互联网平台在公域空间内发起的虚拟知识社区、知识库建设等更为广泛的社会治理机制,继而化解产业组织内的知识占有风险,减少知识获取障碍,实现产业链效率性知识协同。因此,本文提出如下研究假设:
H3a:社会型知识治理对产业链效率性知识协同具有显著正向影响。
此外,信任具有累积效应。通过长期沟通合作,初始信任会转化为情感信任,继而促进相关主体开展集体学习。这将引导知识流动超出技术原型的简单传递,直达深层次的隐性知识共享,为产业链增值性知识协同带来更多稀缺资源。研究表明,随着新技术、新应用、新场景层出不穷,面对复杂的工业应用场景开展集体学习已经成为工业互联网平台联合用户企业一起探索前沿未知领域的常态(邹济等,2022)。这些创新知识的流入,一方面增加了公共知识库的知识存量,另一方面与现有知识的重组将改变产业链知识结构,催生增值性知识协同效应。比如,波音787在研制过程中就采取供应商群体学习、飞机设计知识地图、专利交叉授权等社会型知识治理机制,引导全球范围内的供应商在工业互联网平台上分享专有知识数据,以此推进产品模型传输、工艺流程对接和关键共性技术联合开发等生产制造环节的集体行动,显著促进产业链增值性知识协同。因此,本文提出如下研究假设:
H3b:社会型知识治理对产业链增值性知识协同具有显著正向影响。
战略共识表示相关主体在战略动因与预期行动上达成一致性认知[20]。早期研究主要关注高层团队成员对战略优先事项的共同认知。其后,受组织扁平化、决策中心下移的影响,战略共识被认为是企业内部人员关于组织战略重点的一致看法。近年来,随着新一代信息技术发展,平台企业成为产业实践中重要的组织形态。为实现大规模协作生产,包含一致性理解和战略承诺的平台战略共识引起关注。目前,已有研究将战略共识延伸至产业层面,认为其应当反映产业网络平台相关主体对战略行动的协作意愿与认可程度[21]。因此,本研究认为工业互联网平台战略共识是指平台用户对知识共创的一致性理解与战略承诺。其中,前者是战略共识基础,后者是相互协作的战略共识深化。
工业互联网平台知识治理是平台企业通过制度设计,促成平台双边或多边用户进行知识互动的重要战略举措。平台战略共识可以减少制度设计与实施过程中的资源浪费,降低利益冲突的负面影响,放大平台知识治理对产业链知识协同的正向效果。
首先,工业互联网平台的控制型知识治理一般带有强制特征,要求平台用户在事先限定的方法路径上开展知识活动。这易于形成过度干预,被视作合作关系的“噪音”。面对复杂任务分解时,知识模块的封装颗粒、端口定义、连接规范等单边控制原则都可能会增加工业互联网平台用户的适应性成本,诱发不满情绪,阻碍控制型知识治理的顺利实施。而平台战略共识意味着工业互联网平台企业与平台用户的战略认知一致,使他们从共同利益最大化角度出发,就知识治理的行动细节展开对话,有利于降低控制型知识治理的实施刚性,更好地推进产业链知识协同。已有观点指出,涉及新知识联合生产的知识协同不确定性较高,其要求自由度更大、形式更灵活、选择更多样化,而这些要素恰恰是控制型知识治理机制难以达到的[22]。假若平台战略共识程度较高,那么平台用户会表现出更多的理解、包容和支持,这将弱化控制型知识治理机制先天不足可能诱发的负面影响,使其更好地驱动产业链知识协同。因此,本文提出如下研究假设:
H4a:平台战略共识正向调节控制型知识治理与产业链知识协同关系。
其次,工业互联网平台的交易型知识治理效果取决于市场契约执行力。如果平台战略共识度较高,平台用户就会将组织目标与平台目标统一起来,自觉保证自身知识行为对战略成功有所助益[23]。此时,知识交换会在供需双赢诉求的谈判下快速达成,从而节约交易成本,即使面对敏感的绩效分配方案,具有高水平战略共识的平台用户也可能通过让渡部分收益以促成知识交换。平台战略共识度越高,交易型知识治理越能为工业互联网平台上的知识需求方导入高质量知识流,并在知识传送方的主动配合下,更好地实现异构知识的吸收整合,极大推动产业链知识协同。反之,较低的平台战略共识会让工业互联网平台用户企业过度关注既得利益,导致产权勒索、知识合谋、哄抬价格等恶性竞争行为频发,由此衍生的有限投入又使得平台用户的知识协作可能遭遇知识理解偏差、认知冲突、内化不足等问题,阻碍产业链知识协同。因此,本研究提出如下假设:
H4b:平台战略共识正向调节交易型知识治理与产业链知识协同关系。
最后,工业互联网平台的社会型知识治理是基于信任关系,由平台企业对用户知识行动展开的非正式引导。平台用户的内在行为动机至关重要。平台战略共识度越高,平台用户的战略承诺也越高,更清楚明白自己需要承担的战略责任,继而主动将注意力投向未来利益窗口,在知识治理过程中表现出越多的能动性努力。如源自对虚拟共存理念的战略认同,华为、海尔等平台企业在实践中倾向于加大线上课堂、学术会议、开源社区等平台集体学习项目的组织投入,激励用户企业参与工业互联网平台标识解析体系建设与推广,主动嵌入更为广泛的产学研创新联盟。这些有利于统一平台参与者的知识行为,强化了产业链知识协同效应。否则,平台战略共识的缺失将引致平台用户出现认知分歧甚至冲突,难以形成知识治理的战略合力。换而言之,不同方向的牵引力将增加利益摩擦,弱化联合行动参与意愿,降低产业链知识协同效应。因此,本研究提出如下假设:
H4c:平台战略共识正向调节社会型知识治理与产业链知识协同关系。
综上,本研究构建工业互联网平台知识治理驱动产业链知识协同概念模型,具体如图1所示。
图1 概念模型
Fig. 1 Conceptual model
研究采用问卷调查方式收集数据。目前,互联网平台的数据调研一般是由平台企业填写问卷,或者向平台参与者发放问卷。由于知识治理机制的实施效果主要通过治理受众的知识行为体现出来,他们对平台企业采取的知识治理措施具有更深刻的直观感受。因此,本文以长三角地区的工业互联网平台用户为调研样本。2023年1月至2023年4月,依托江苏省某科技管理部门合作项目,与96家工业互联网平台用户建立联系。目前,这些企业在工业互联网平台企业的主导下,从事一种或多种联合产品开发项目,具有较多的知识互动行为。为确保答卷质量,问卷由对接工业互联网平台、掌握企业实际经营状况的各部门高管匿名填写。采用现场填写和网络寄送电子邮件形式,共发放问卷1 280份,回收953份。剔除缺失数据较多、反应倾向过度一致(整份问卷勾选的选项大多相同)、陷阱题项不过关(相似问题出现截然相反答案)等可靠性较低的问卷后,最终得到82家工业互联网平台用户的874份问卷,有效回收率为68.3%。此外,在利用平均值聚合个体数据的过程中,需考虑各企业高管成员评估结果的组内差异和组间差异情况。因此,本研究检验了组内一致度 Rwg(j)(临界值0.7)、组内相关 ICC(1)(临界值0.12) 和ICC(2) (临界值0.50)。结果表明,问卷所涉各变量的Rwg(j)、ICC(1) 和ICC(2)均大于数据聚合的临界值。由此可以认为,本研究将高管成员提供的数据汇聚至组织层面存在合理性。样本基本情况如表2所示。
表2 样本分布性统计特征
Table 2 Statistical characteristics of sample distribution
类别样本特征样本数百分比(%)员工人数200人以下11613.3201～500人27531.5501～1 000人32637.31 000人以上15717.9企业性质国营企业22325.5民营企业41247.1三资企业14716.8其它9210.6企业年龄3年以下14816.93～8年43549.88年以上29133.3所处行业生物制药13515.4汽车制造19422.3通讯设备26730.5轨道交通17219.7其它10612.1高管所在部门供应链管理37542.9技术研发17920.5运营规划21624.7其它10411.9高管受教育程度专科及以下19121.8本科及以上68378.2
(1)工业互联网平台知识治理(ItKg)。借鉴白景坤[14]的研究,分别测量控制型(CtKg)、交易型(ExKg)和社会型知识治理(SoKg),并根据工业互联网平台治理特征,在题项表达方式上作出微调。其中,控制型知识治理包括“平台有标准的知识编码规范”“平台的知识模块化封装比较合理”“平台有较好的知识模块分类管理系统”等5个题项,量表的内部一致性信度为0.791;交易型知识治理包括“平台有公平的内部知识市场”“平台上有较好的知识付费项目”“平台提供了直接可用的格式合同”等4个题项,该量表的内部一致性信度为0.805;社会型知识治理包括“平台的公共知识库值得信任”“平台会针对典型工业场景发起集体学习”“平台大力支持知识产权的交叉许可”等5个题项,该量表的内部一致性信度为0.837。
(2)产业链知识协同(IcKt)。参照王文华[24]的研究,从效率性知识协同(EfKt)与增值性知识协同(AvKt)两个维度展开测量。其中,前者主要包括“我们可以快速获得所需知识”“我们能以低成本获取产业知识”等4个题项,后者主要包括“我们可以理解最新的技术知识”“我们的知识符合供应商需求”“我们的知识符合用户需求”等5个题项,该量表的内部一致性信度分别为0.826和0.811。
(3)平台战略共识(PtSg)。借鉴Walter[25]的研究,围绕以平台为载体的共性技术联合开发战略,利用“我们对平台共性技术开发的战略意义理解一致”“我们愿意为平台共性技术开发战略投入资源”“我们基本认同平台共性技术开发的合作路线”等5个题项予以测度。该量表的内部一致性信度为0.778。
(4)控制变量。本研究控制了平台年龄(Age)、平台规模(Scal)、用户接入时长(Time)、用户企业性质(FmPt)4个指标,以排除其对研究结果的干扰。首先,平台年龄越长,规模越大,其实施知识管理活动的资源、经验和工具也越多,进而可能影响用户企业的产业链知识协同。为此,考虑将平台年龄与平台规模作为控制变量,并分别采用工业互联网平台企业创办年份,以及用户总数加1取自然对数的方式进行测量。其次,用户接入工业互联网平台的时间越长,其越认同“万物互联”理念(马永开,2020)。这将促使其加大与其它企业的知识共享,进而促进产业链知识协同。为此,本研究控制用户接入时长,并利用对接工业互联网平台的月份加1取自然对数进行测度。另外,俞彬[26]研究发现,技术复杂、学科交叉、创新难度大等问题导致高端制造企业更愿意开展组织间研发合作,这对产业链知识协同具有积极影响。由此,本研究控制企业性质,以虚拟变量方式进行测量,若属于高端制造企业,则为1,否则为0。
所有变量的信度值均大于基准值0.7,说明本文研究结果具有较高信度。同时,根据表3的相关分析结果,方差萃取量(AVE)的平方根都大于各变量间相关系数,可以认为,量表效度达到要求。
表3 描述性统计与相关分析结果
Table 3 Descriptive statistics and correlation analysis results
注: ***表示P<0.001,**表示P<0.01,*表示P<0.05;对角线上数字为AVE平方根
变量平均数标准差123456CtKg3.2140.5730.684ExKG3.1050.4210.128*0.721SoKg3.5820.6850.104*0.147*0.717EfKt3.8710.7280.233**0.223**0.334**0.742AvKt3.6670.4170.117*0.151*0.312**0.257**0.683PtSg3.2960.3130.105*0.129*0.143**0.155*0.162*0.639
为减少同源误差干扰,本研究不仅进行预调研,而且正式调研前根据Podsakoff[27]的建议做了以下工作:首先,向受访者承诺,采集的数据不会对外披露,并且题目无对错之分,根据实际了解的情况填写即可。其次,量表表述尽量采用通俗易懂的表达方式,以免受访者产生理解偏差。最后,确保让了解真实业务情况的部门负责人填写问卷。Harman 单因素检验结果显示:在未旋转情况下,第一个主成分解释的变异量为26.7%,累积方差解释为76.1%,所有变量分别负载在不同因子上。因此,可以认为单一因子解释大部分变异的现象并不存在,同源方差问题对后续分析可靠性的影响较小。
采用SPASS 20.0软件对样本数据进行回归分析,结果如表4所示。
表4 主效应回归分析结果
Table 4 Regression analysis of main effect
注: ***表示P<0.001,**表示P<0.01,*表示P<0.05,下同
变量模型1模型2模型3模型4效率性知识协同模型5模型6模型7模型8增值性知识协同Age0.0370.0410.0380.0440.1030.0960.0870.092Scal0.114*0.107*0.0850.0820.0660.0570.0590.063Time0.0780.0740.0560.0450.137*0.131*0.124*0.091FmPt0.0930.0820.0900.0770.0380.0340.0370.034CtKg0.253***0.211***0.127**0.148**0.133**0.128**ExKg0.278***0.201***0.162**0.155**SoKg0.158**0.236***CtKg20.0910.1040.072-0.171**-0.159**-0.141**ExKg2-0.028-0.054-0.127**-0.139***SoKg20.0830.106调整R20.1410.2030.2730.3110.1740.2610.3210.387F5.97711.34112.29814.8727.13812.23415.17318.267
其中,模型1的结果显示,平台规模(γ=0.114,p<0.05)与效率性知识协同显著正相关。这说明知识协同的效率性提升可以通过扩大工业互联网平台规模实现。模型2检验控制型知识治理与效率性知识协同关系,结果显示,仅有一次项系数显著(γ=0.253,p<0.001),说明工业互联网平台实施控制型知识治理正向影响产业链的效率性知识协同,假设H1a得到验证。模型3检验交易型知识治理与效率性知识协同关系,结果显示,仅有一次项系数(γ=0.278,p<0.001)显著,说明业互联网平台实施交易型知识治理正向驱动产业链效率性知识协同,假设H2a得到验证。模型4检验社会型知识治理与效率性知识协同关系,结果显示,仅有一次项系数显著(γ=0.158,p<0.01),说明工业互联网平台的社会型知识治理可以推进产业链的效率性知识协同,假设H3a得到验证。
此外,模型5的结果说明,用户接入工业互联网平台的时长(γ=0.135,p<0.05)与增值性知识协同显著正相关。模型6检验控制型知识治理与增值性知识协同关系,结果显示,控制型知识治理无论是一次项(γ=0.148,p<0.01),还是二次项(γ=-0.171,p<0.01)都达到显著,说明其对产业链增值性知识协同具有倒U型影响,假设H1b得到验证。模型7检验交易型知识治理与增值性知识协同关系,结果显示,交易型知识治理无论是一次项(γ=0.162,p<0.01),还是二次项(γ=-0.127,p<0.01)均达到显著,说明其对产业链增值性知识协同具有倒U型影响,假设H2b得到验证。模型8检验社会型知识治理与增值性知识协同关系,结果显示,仅有社会型知识治理的一次项(γ=0.236,p<0.001)对因变量的作用显著,说明其对产业链增值性知识协同具有正向影响,假设H3b得到验证。
由于本文研究重点并非检验平台战略共识对不同类型知识协同的影响,因此将效率性知识协同与增值性知识协同加权平均合并后代入模型,结果如表5所示。
表5 调节效应回归分析
Table 5 Regression analysis of moderating effect
变量模型9模型10模型11模型12模型13模型14产业链知识协同(IcKt)Age0.0610.0580.0560.0540.0530.054Scal0.127*0.1040.110*0.115*0.116*0.118*Time0.116*0.0970.0930.0850.0870.087FmPt0.0740.0720.0720.0770.0740.070CtKg0.177***0.175***0.143**0.151**0.132**ExKg0.258***0.226***0.125**0.133**0.118*SoKg0.301***0.287***0.176**0.183**0.181**IcKt0.263**0.191**0.165**0.172**CtKg×IcKt0.126*ExKg×IcKt0.181**SoKg×IcKt0.212**调整R20.1570.2840.3170.3740.4410.476F6.3729.32811.30417.88731.13432.016
从模型12可以发现:平台战略共识与控制型知识治理的乘积项(γ=0.126,p<0.05)对产业链知识协同影响显著,说明平台战略共识在工业互联网平台的控制型知识治理与产业链知识协同之间有正向调节作用,假设H4a得到支持。并且,模型13的结果表明,平台战略共识与交易型知识治理的乘积项(γ=0.181,p<0.01)对产业链知识协同影响显著,说明平台战略共识正向调节工业互联网平台的交易型知识治理与产业链知识协同关系,假设H4b得到验证。最后,由模型14的结果可知,平台战略共识与社会型知识治理的乘积项(γ=0.212,p<0.01)对产业链知识协同影响显著,说明平台战略共识在工业互联网平台的社会型知识治理与产业链知识协同之间发挥正向调节作用,假设H4c得到证实。此外,为更加直观地反映平台战略共识的调节效应,绘制高于和低于均值一个标准差水平下的调节效应图,如图2所示。
图2 平台战略共识的调节效应
Fig. 2 Moderating effect of platform strategic consensus
本研究基于知识基础理论,重点探讨工业互联网平台知识治理对产业链知识协同的影响机理,实证结果显示:
(1) 控制型、交易型和社会型知识治理对产业链的效率性知识协同均具有显著正向影响。这说明利用知识治理手段,工业互联网平台企业可以提升产业链知识流动效率。然而,对比3种知识治理机制的实施效果,可以发现,交易型知识治理的作用系数与显著程度最高,意味着以市场契约为基础的知识治理手段更能激励平台用户分享知识,为驱动产业链效率性知识协同提供支持。而社会型知识治理的作用系数与显著程度最低,原因可能在于互联网情境下用户企业对工业互联网平台的可靠性仍然存疑,信任度不高,以致社会型知识治理在促进产业链知识协同方面难以充分发挥作用。
(2) 控制型知识治理、交易型知识治理对产业链的增值性知识协同存在倒U型影响,而社会型知识治理正向影响产业链的增值性知识协同。这说明以信任关系为基础的社会型知识治理对促进产业链知识行动者共同探索新知识有积极作用,但如果过度依赖工业互联网平台企业的控制力或正式契约的执行力,则无法带来具有创新价值的增值性知识协同。在知识治理实践中,工业互联网平台企业仍需关注制度约束、行政干预、契约不完备、事前设计刚性等问题。
(3)平台战略共识正向调节控制型、交易型和社会型知识治理与产业链知识协同关系。这说明工业互联网的知识治理能否驱动产业链知识协同,在一定程度上取决于平台用户企业能否在战略层面就共同努力方向、节奏、重点等内容达成一致性理解与承诺。
首先,丰富了知识治理理论体系。Pemsel[28]的研究指出,相较于组织内部的知识治理行为,供应链、产业集群、平台、生态系统等网络层面的组织间知识治理更应受到重视。为此,本研究重点讨论工业互联网平台知识治理机制构成与实施效果,有利于延伸知识治理的概念内涵,具有较高的理论参考价值。
其次,推动了知识协同理论发展。以往研究聚焦于过程视角,着力从知识协同的知识共享、知识流动、交互学习等子过程展开分析[29]。本研究从结果角度,将产业链知识协同区分为效率性知识协同与增值性知识协同,并进一步探索工业互联网平台知识治理对两类知识协同的差异化影响。这有助于填补知识协同的理论缺口,深化知识制度视角下的产业链知识协同研究。
最后,本研究拓展了战略共识的理论应用范围。传统研究大多是在人力资源管理领域讨论员工战略共识价值,对其它领域的应用缺乏必要关注[30]。随着平台经济的迅速发展,有关平台参与者之间的战略共识显得尤为重要。因此,本研究检验了平台战略共识在工业互联网平台知识治理驱动产业链知识协同过程中的调节作用,为探明战略共识的新研究方向贡献了力量。
(1)工业互联网平台企业应综合利用多种知识治理手段规范用户知识行为,激励其分享知识经验,促进产业链知识协同。工业互联网平台兼顾双重角色,既要利用“家长权威”控制规范用户知识行为,又要维护公平透明的知识交易,增强市场契约的执行力。
(2)工业互联网平台企业应组合应用数字技术与知识治理机制,借助技术与制度的双重赋能系统驱动具有创新价值的产业链增值性知识协同。
(3)工业互联网平台应当倡导用户企业在面对新知识联合生产任务时,充分应用战略陈述、共同愿景、知识动员等方式,促使平台用户真正理解行动内涵,主动作出战略承诺,积极配合知识治理机制的实施落地。
尽管本研究在理论上突出工业互联网平台知识治理对产业链知识协同的影响,并得到一些有意义的结论,但受限于成本和条件,尚存在一定局限:第一,平台知识治理机制间的互动性缺乏体现。部分研究暗示,契约、信任和控制之间存在交叉互补关系,可能共同影响知识协同结果。第二,单纯利用横截面数据,难以反映产业链知识协同的动态递进过程,纵向研究可能是未来值得尝试的方向。第三,工业互联网平台往往嵌入在更大的宏观环境生态系统中,面对不同地区的差异化创新环境,平台企业的知识治理效应仍有待深入探索。
[1] 仲伟俊,梅姝娥. 关键核心技术及其攻关策略研究:基于产业链供应链安全稳定视角[J]. 系统管理学报, 2022,31(6):1162-1168.
[2] AUDRETSCH D, BELITSKI M. Evaluating internal and external knowledge sources in firm innovation and productivity: an industry perspective[J]. R&D Management, 2023, 53(1): 168-192.
[3] JARVI K,ALMPANOPOULOU A. Organization of knowledge ecosystems:prefigurative and partial forms[J].Research Policy, 2018, 47(8): 1523-1537.
[4] GUPTA S,TUUNANEN T.Managing digital knowledge for ensuring business efficiency and continuity[J].Journal of Knowledge Management, 2023, 27(2):245-263.
[5] VAN KERKHOFF L. Knowledge governance for sustainable development: a review[J].Challenges in Sustainability, 2014,1(2):82-93.
[5] KRETSCHMER T, LEIPONEN. Platform ecosystems as meta organizations:implications for platform strategies[J].Strategic Management Journal, 2022,43(3):405-424.
[7] GRANDORI A. Neither hierarchy nor identity: knowledge governance and the theory of the firm[J].Journal of Management and Governance,2001,5(3-4): 381-399.
[8] FOSS N J, MAHONEY J T. Exploring knowledge governance[J].International Journal of Strategic Change Management, 2010,2(2-3):93-101.
[9] 于淼,朱方伟.知识治理:源起, 前沿研究与理论框架[J].科研管理,2021,42(4): 65-72.
[10] MILAGRES R, BURCHARTH A. Knowledge transfer in interorganizational partnerships: what do we know[J].Business Process Management Journal, 2019,25(1):27-68.
[11] WAREHAM J, FOX P. Technology ecosystem governance[J].Organization Science, 2014, 25(4): 1195-1215.
[12] 宋华,杨雨东.中国产业链供应链现代化的内涵与发展路径探析[J].中国人民大学学报, 2022,36(1):120-134.
[13] WHITEHEAD K, ZACHARIA Z. Investigating the role of knowledge transfer in supply chain collaboration[J].The International Journal of Logistics Management, 2019, 30(1): 284-302.
[14] 吕文晶,陈劲. 工业互联网的智能制造模式与企业平台建设:基于海尔集团的案例研究[J].中国软科学, 2019,34(7):1-13.
[15] 王雎. 开放式创新下的知识治理:基于认知视角的跨案例研究[J].南开管理评论, 2009,12(3):45-53.
[16] 卢艳秋,宋昶. 基于工业互联网平台的企业间知识复用研究[J].情报科学,2022, 40(2):141-147.
[17] CUYPERS I,HENNART J.Transaction cost theory: past progress, current challenges, and suggestions for the future[J].Academy of Management Annals,2021,15(1):111-150.
[18] FOERDERER J, KUDE T. Knowledge boundaries in enterprise software platform development:antecedents and consequences for platform governance[J].Information Systems Journal, 2019,29(1):119-144.
[19] 辛冲,李明洋. 创新生态系统中知识基础关系特征与价值共创[J].管理科学, 2022,35 (2):16-31.
[20] KELLERMANNS F W, WALTER J. To agree or not to agree? a meta-analytical review of strategic consensus and organizational performance[J].Journal of Business Research, 2011, 64(2): 126-133.
[21] EDH MIRZAEI N,FREDRIKSSON A. Strategic consensus on manufacturing strategy content:including the operators perceptions[J].International Journal of Operations &Production Management, 2016,36(4):429-466.
[22] 储节旺,安怡然. 面向关键核心技术攻关的知识生态系统:融合、演化、协同与冲击[J].情报学报, 2023,42 (3):255-267.
[23] 程俊杰.工业互联网促进产业链现代化:理论逻辑与突破路径[J].现代经济探讨,2023,42(1): 93-102.
[24] 王文华,张卓. 开放式创新组织间协同管理影响知识协同效应研究[J].研究与发展管理, 2018,30(5):38-48.
[25] WALTER J, KELLERMANNS F, FLOYD S. Strategic alignment: a missing link in the relationship between strategic consensus and organizational performance[J].Strategic Organization, 2013, 11(3):304-328.
[26] 俞彬,蔡凯星. 多元研发模式对企业价值影响动态演进研究:基于光学制造隐形冠军的案例[J].管理世界, 2022,38(6):139-157.
[27] PODSAKOFF N, SPOELMA T. What predicts within-person variance in applied psychology constructs?an empirical examination[J].Journal of Applied Psychology, 2019,104(6):727-754.
[28] PEMSEL S. Knowledge governance strategies in project-based organizations[J].Long Range Planning, 2016, 49(6): 648-660.
[29] BASHIR M, FAROOQ R.The synergetic effect of knowledge management and business model innovation on firm competence:a systematic review[J].International Journal of Innovation Science,2019,11(3):362-387.
[30] 商燕劼,庞庆华. 供应链企业间战略共识如何影响技术创新绩效:知识共享与供应链协同的作用[J].科技进步与对策, 2021,38(11):125-134.