On Track and Reconstruction: The Agglomeration of Scientific and Technological Talents and Breakthroughs in Key and Core Technologies of Enterprises

Wu Wenwu1,2, Wang Yu1, Ba Wenhao3

(1.School of International Business, Hainan University; 2.School of International Tourism and Public Management, Hainan University, Haikou 570228, China;3.School of Business, East China University of Science and Technology, Shanghai 200237, China)

Abstract： In the process of technological innovation, breakthroughs in key and core technologies (KCT) are frequently accompanied by formidable technical barriers and the challenges of complex monopolies. The agglomeration of scientific and technological talent infuses regional enterprises with substantial intellectual capital, driving the continuous evolution of the region's knowledge base and generating multiple positive externalities, including knowledge sharing, spillovers, and talent development. However, the academic community currently has a rather restricted comprehension of both the essence and the cutting-edge value inherent in the agglomeration of scientific and technological talent. Additionally, there is a dearth of studies examining the varying impacts of scientific and technological talent agglomeration on corporate knowledge development across different contexts.

Investigating the impact of talent agglomeration on KCT breakthroughs and its underlying mechanisms aims to advance the understanding of how such agglomeration facilitates knowledge diffusion, enhances corporate innovation capabilities, and propels KCT breakthroughs, thereby maximizing the innovative efficiency of talent concentration. This research not only has significant implications for enhancing corporate technological competitiveness and industrial upgrading but also provides a theoretical foundation and practical guidance for formulating more effective talent policies and innovation strategies.

This study leverages 927 709 patent data entries sourced from PatSnap and employs a computational model developed by Python to quantify the KCT breakthrough performance of A-share listed high-tech firms from 2010 to 2022. It empirically examines the influence of talent agglomeration on KCT breakthroughs and the underlying mechanisms. The key findings are as follows:First, talent agglomeration significantly promotes KCT breakthroughs, a conclusion that remains robust after addressing endogeneity concerns and conducting sensitivity analyses.Second, mechanism analysis reveals that, on one hand, talent agglomeration enhances the depth and breadth of the firm's knowledge base, fostering track-following innovation and ultimately achieving KCT breakthroughs; on the other hand, it creates favorable internal and external conditions for knowledge recombination, enabling firms to explore new pathways for KCT breakthroughs.Third, resource utilization capability weakens the impact of talent agglomeration on the depth and breadth of the knowledge base but strengthens its influence on knowledge reconfiguration.Fourth, further analysis indicates that the agglomeration of researchers in fundamental fields, applied science researchers, and personnel engaged in experimental and developmental work all exerts significant positive impacts on KCT breakthroughs.

The contributions of this paper are threefold. First, it enriches the literature on the determinants of KCT breakthroughs by incorporating national strategic factors into the analysis. By examining the relationship between talent agglomeration and KCT breakthroughs, the study highlights the pivotal role of China’s talent hub strategy in fostering technological innovation, and provides a robust theoretical basis for policy formulation. Second, it advances the economic consequences literature on talent agglomeration by exploring how it drives KCT breakthroughs from a micro-knowledge perspective, thus filling a theoretical gap in the relationship between talent agglomeration and the development of the firm’s internal knowledge base. Third, the study contributes to the situational research on corporate knowledge development choices. By investigating the moderating role of resource utilization capability, it adds new insights to the knowledge management literature and offers a novel perspective for future research on talent agglomeration effects.

The managerial implications of this study are as follows: First, while government-led talent agglomeration is currently prevalent, the roles of enterprises and human resources service institutions need to be strengthened. It is imperative to enhance the functions of market entities, expand the human resources service industry, innovate talent attraction models, and flexibly allocate talent resources to fully leverage the potential of market-driven innovation. Second, enterprises should adopt a dual-track innovation strategy, combining track-following and leapfrogging innovations. In the early stages of technology development, they should capitalize on the advantages of scientific and technological talent to rapidly enhance their technological capabilities through imitation and introduction; once technology matures, they should pursue leapfrogging by introducing new technologies, products, or business models to gain competitive advantages.Third, firms with strong resource utilization capabilities can harness the intellectual capital generated by talent agglomeration for leapfrogging innovation, while those with weaker capabilities should focus on optimizing existing technologies for track-following innovation, thereby better realizing the talent dividend of agglomeration.

Key Words：Agglomeration of Scientific and Technological Talents;Breakthroughs in Key and Core Technologies; Innovation Strategy

收稿日期：2024-08-04

修回日期：2024-10-23

基金项目：国家社会科学基金重大项目(22&ZD127)

作者简介：吴文武(1964—),男,四川绵阳人,博士,海南大学国际商学院、国际旅游与公共管理学院教授、博士生导师,研究方向为人才人事;王羽(1997—),男,湖南常德人,海南大学国际商学院博士研究生,研究方向为创新管理;巴文浩(1995—),男,甘肃武威人,华东理工大学商学院博士研究生,研究方向为公司治理。通讯作者:巴文浩。

DOI：10.6049/kjjbydc.2024080079

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2025)21-0141-10

0 引言

党的二十大报告强调,以国家战略需求为导向,集聚力量进行原创性引领性科技攻关,坚决打赢关键核心技术攻坚战,加快建设世界重要人才中心和创新高地。2021年9月,习近平总书记在中央人才工作会议上强调,“加快建设世界重要人才中心和创新高地”,“可以在北京、上海、粤港澳大湾区建设高水平人才高地”。2024年7月,党的二十届三中全会强调,“加快建设国家高水平人才高地和吸引集聚人才平台”。科技人才是推动关键核心技术突破的根本驱动力,近年来,我国各地制定和实施了一系列人才引进政策,旨在增强区域创新能力。

从专利视角看,关键核心技术突破的障碍主要源于他国基于先发优势,利用专利排他性建立专利网络,获得技术主导权并构建技术壁垒[1-2]。当路径依赖严重制约知识体系更新时,企业需引进新产业或新知识,从而转向新发展轨道[3]。路径构造理论通过整合路径依赖与路径创造概念,视二者为时空维度上动态转换的两种机制。从路径构造理论视角,技术锁定与解锁是内外因素交织的结果,外部突发事件或内部战略调整既可能导致技术路线顺轨式发展,也可能引发技术路线跃轨式发展[1],两种技术路线都可能推动企业打破技术锁定[3-4],实现关键核心技术突破。其中,顺轨式创新是指企业沿原有技术轨道发展,而跃轨式创新是指企业进入一个与现存技术有着根本区别的新技术轨道[4]。反映至知识层面,企业进行顺轨式创新时,其知识基础深度与宽度会不断提升;进行跃轨式创新时,由于资源基础、研发成本等因素制约,企业会在现有产品基础上进行改良,因此知识重组现象频繁发生。

科技人才聚集可以为地区企业带来丰富的智力资源,促进地区知识迭代与发展,产生知识共享效应、知识溢出效应以及人才成长效应(王聪等,2017),进而为企业拓展知识基础深度、知识基础宽度,进行知识重构,通过顺轨式创新与跃轨式创新打破路径锁定,实现关键核心技术突破提供支撑条件。因此,深入分析科技人才聚集是否影响企业知识基础深度、知识基础宽度、知识重组,探究顺轨式创新和跃轨式创新是否是科技人才聚集促进企业突破关键核心技术的两条有效路径,具有重要理论价值。

本研究可能的边际贡献主要体现在3个方面:第一,丰富关键核心技术突破的影响因素研究。以往关于关键核心技术突破的研究大多聚焦攻关方式,如研发模式、组织方式、知识开发模式等[5-6],这些研究为探索关键核心技术突破的内在机制提供了多样化视角,但忽视了外部环境因素,特别是国家战略对技术创新的深远影响。本文结合国家人才高地建设战略,分析科技人才聚集与企业关键核心技术突破间的关系,有助于更好地理解国家人才高地建设战略对技术创新的重要作用,为制定科技创新政策提供科学依据。第二,丰富科技人才集聚的经济后果研究。已有的研究证明科技人才聚集可以通过知识溢出影响区域创新能力(王聪等,2017),但未有学者进一步分析科技人才聚集带来的智力资本如何推动企业实现关键核心技术突破。本研究从微观知识视角出发,探究科技人才聚集、企业内部知识基础与关键核心技术突破间的关系,有助于丰富人才聚集效应的经济后果研究。第三,丰富企业知识发展的情景研究。本文通过分析资源利用能力在科技人才聚集对企业知识基础深度、宽度和知识重构影响中的调节效应,不仅有助于丰富知识管理理论体系研究,也为进一步研究和拓展科技人才聚集效应提供了新视角。

1 文献综述

关键核心技术是指对建设科技强国具有战略性支撑,在特定领域发挥核心作用、不可或缺的技术,其具有科学与市场的双重导向性、军民两用性以及高价值性[5-6]。顺轨式创新与跃轨式创新是企业进行关键核心技术突破的两条重要路径[1,6]。其中,顺轨式创新通常发生在企业关键核心技术突破的初期,其典型特点是通过技术积累、标准化能力提升以及迭代优化,逐步解锁技术瓶颈[4],实现关键核心技术突破。与顺轨式创新相比,跃轨式创新更加注重打破现有技术范式[1,6],通过颠覆性创新实现关键核心技术的跨越式突破,通常发生在技术创新追赶与跨越期。孙雨洁等[7]指出,关键核心技术突破呈现出“技术标准化→技术规模化→技术迭代化”的递进演化模式;有研究通过对中国高铁产业的深入分析发现,中国高铁产业经历了技术积累、引进消化吸收和自主创新3个阶段(王滋等,2023);李阳等[8]聚焦迭代式创新在关键核心技术突破中的作用,提出“学习—优化—验证”的策略组合。从上述研究可以发现,在关键核心技术突破的前期,即解决“人有我无”问题时,顺轨式创新更有利于实现关键核心技术突破。在关键核心技术突破的中后期,则宜采用跃轨式创新,实现关键核心技术突破。但无论是采用顺轨式创新还是跃轨式创新进行关键核心技术突破,都涉及知识开发利用,尤其是进行跃轨式创新时新旧技术轨道之间存在知识缺口,企业需要更新知识基础、提升技术能力[4]。

科技人才是拥有最大体量隐性知识的群体,也是知识创新主体(王聪等,2017),可以为企业关键核心技术突破提供强大的知识支撑。现有研究大多聚焦科技人才聚集与地区知识水平、创新效率关系分析,少有学者关注其与企业关键核心技术突破的关系。首先,由于不同地区知识存量、技术能力以及科技人才学术背景不同,科技人才聚集有助于知识从较高优势群体流向较低优势群体,促进新知识、新理念传播与采纳[9];其次,科技人才聚集打破知识与技术的空间限制,通过集体学习、线下交流、项目合作等多种形式,促进显性知识与隐性知识传播,推动新技术路线形成(王聪等,2017);最后,科技人才聚集加剧地区内外科技人才竞争,为了维持并增强个人竞争力,科技人才会不断丰富和深化自身知识基础,进而提升地区知识创新效率[10]。

通过对现有文献的梳理发现,学术界对于科技人才聚集本质和前沿知识价值的探究有限,大多关注科技人才带来的智力资本,对科技人才聚集带来的智力资本如何影响企业内部知识发展、关键核心技术突破,以及不同情景下科技人才聚集对企业知识发展水平的差异化影响缺乏关注。因此,本文基于路径构造理论,利用2010-2022年A股上市高科技企业专利数据,考察科技人才聚集对企业关键核心技术突破的影响,系统分析知识基础深度、知识基础宽度、知识重构在上述过程中的作用机制,并探究不同资源利用情景下科技人才聚集对企业知识发展水平的差异化影响。

2 理论分析与研究假设

2.1 科技人才聚集与企业关键核心技术突破

作为知识载体,科技人才聚集可以有效克服关键核心技术突破中的技术壁垒和垄断性问题。第一,科技人才聚集有助于促进大量同质性和异质性显性知识与隐性知识在地区汇集,为关键核心技术突破提供智力支持。企业创新主要来源于新知识、新技术的获取、利用。来自不同背景、拥有不同专长的科技人才在空间上聚集时,通过各种正式或非正式方式,如沟通、交流、合作等,促进知识在地区间传播和流动(王聪等,2017),帮助企业及时掌握行业动态,迅速制定并调整技术研发和产品开发方向,进而有助于跨越“死亡之谷”,实现关键核心技术壁垒突破。第二,科技人才聚集有助于企业间协作,加快关键核心技术突破。科技人才聚集带来大量行业技术信息,促进合作联盟形成。通过联合攻关方式,企业更容易实现关键核心技术突破[5,7]。第三,科技人才聚集可以增强企业知识吸收能力和创新能力,强化企业关键核心技术突破能力。关键核心技术突破是一个极为复杂的过程,涉及学科广、领域跨度大、复杂度高,需要耦合多元技术知识[6]。科技人才聚集通过促进组织内部竞争,提高资源配置效率,增强创新主体知识消化吸收能力与自主创新能力(王聪等,2017),进而有利于实现关键核心技术突破。因此,本文提出研究假设:

H1:科技人才聚集对企业关键核心技术突破具有显著正向影响。

2.2 顺轨式创新:知识基础的中介作用

顺轨式创新是指企业沿特定技术轨道发展和演进的创新过程[1,4],这意味着企业知识基础深度与宽度不断扩展。从专利视角而言,在顺轨式创新过程中,企业提交的专利申请往往是对现有技术的深化与拓展,这些专利间存在密切的技术关联性,共同勾勒出一条连续的技术演进路线。这种连续性不仅能够强化企业在特定技术领域内的领先地位,还能有效减少创新探索中的不确定因素与潜在风险。根据路径构造理论,在技术主体能动性与技术自我强化效应下,有利于企业维持该技术主导地位并实行顺轨式发展[1]。顺轨式创新具有高效率、低成本优势,有助于获取创新综合效应[4]。当科技人才聚集时,企业会以原有知识为切入点,逐步提升新领域研发能力,这不仅有助于确保研发效率,而且有助于产生新颖性技术成果。关键核心技术研发具有长周期、高投入特征,其技术体系具有关键性、独特性特征(王聪等,2017)。当出现重大、根本性新技术范式时,放弃原有技术轨道意味着企业原有资产将沦为沉没成本,这是企业所不情愿的。因此,出于成本、研发风险考虑,企业会不断拓展知识基础深度。此外,科技人才聚集还会影响企业知识基础宽度。一方面,科技人才聚集给地区带来大量新技术、新知识,这为科技人才拓展知识基础宽度提供了条件;另一方面,科技人才聚集会加剧人才竞争,激发科技人才积极学习新知识[11],从而有利于扩大企业知识基础宽度。

顺轨式创新具有较强路径依赖性,主要通过丰富知识基础促使企业深化已有知识,从而有利于突破技术锁定,构建独特的知识库并提升核心创新优势。顺轨式创新作为有效的技术创新路径,具有较强连续性和衍生性,有助于加快技术创新[4],促进企业实现关键核心技术突破。一方面,知识基础深度与宽度扩展有助于增强企业探索能力。技术具有组合和递归属性,技术突破深受企业先期经验与知识基础影响。关键核心技术涉及的知识更为复杂,知识基础深度与宽度扩展有助于企业寻找问题解决方法与思路,尝试更多路径探索新技术领域[12],进而有助于实现关键核心技术突破。另一方面,知识基础深度与宽度拓展有助于提高企业知识吸收效率。知识基础深度与宽度拓展可以帮助企业更好地理解、获取和应用新知识,加快技术积累、降低学习成本、增强创新能力[13-14],从而助力企业实现关键核心技术突破。因此,基于上述分析,本文提出研究假设:

H2:科技人才聚集通过深化知识基础促进企业关键核心技术突破。

H2a:科技人才聚集通过拓展知识基础深度促进企业关键核心技术突破;

H2b:科技人才聚集通过拓展知识基础宽度促进企业关键核心技术突破。

2.3 跃轨式创新:知识重构的中介作用

知识重构是企业进行跃轨式创新的典型特征。当企业进行跃轨式创新时,需要不断学习和吸收新技术、新知识,同时剔除过时或不再适用的知识,通过对现有知识体系的深度重构,满足企业生产活动需求[6]。科技人才聚集主要从个体层面和组织层面影响企业知识重构。个体层面,科技人才聚集不仅为员工提供新知识获取途径,而且通过激发员工危机感促使员工进行知识重构。地区人才聚集会使得企业员工感受到威胁或挑战,向员工传递出强烈的激励信号,使他们意识到必须不断提升自我以应对激烈的竞争环境,促使他们采取更多行动来提升自我价值(王聪等,2017),确保自己在不断变化的工作环境中保持领先地位。对于科技人才而言,主动学习新技能、掌握新知识、发展新能力是提高自身价值以及提升自我评价的有效途径之一。当大量外部知识进入企业时,受制于知识匹配效率,通常会出现创造与应用间的“鸿沟”,因此需要对外部知识进行重构与内化以发挥其效用[15]。组织层面,科技人才聚集给地区带来创新活力,同时,加剧企业竞争,迫使企业对知识进行重构。具体而言,出于效率与成本的考量企业会保持顺轨式发展,但当组织内部出现制约其发展的惯性或者面临生存威胁时,企业会搜寻更多可能方案,进行路径创造[16],从而推动企业知识重构。

根据路径构造理论中的路径创造观点,行为体会通过有意识的偏离行为规避来自既有发展轨迹的惯性束缚,并积极进行路径创造,以超越既有框架限制、实现技术突破(王聪等,2017)。既有研究发现,高科技企业固有知识存量与新知识领域耦合模式的调整,有助于提高企业创新绩效[17],尤其是新旧知识重组对企业探索式创新绩效具有显著促进作用(王滋等,2023)。企业通过知识重构对知识要素进行编码、重组和利用,可以在原有路径上创造新知识结构、催生新知识体系,进而形成新路径分支,减轻对既有技术的依赖并突破锁定[18],从而推动关键核心技术研发。例如,近年来我国汽车产业结合材料科学、电化学、机械工程等多学科知识,通过改变能源驱动方式,绕过在发动机、汽车底盘等方面的专利封锁,开辟出一条全新发展路径,进而带动我国汽车产业升级与发展。基于此,本文提出如下假设:

H3:科技人才聚集通过加快知识重构促进企业关键核心技术突破。

2.4 资源利用能力的调节作用

跃轨式创新和顺轨式创新分别强调知识重构与知识基础深化,由于技术路线的原因,二者间存在一定竞争关系。例如柯达虽率先掌握了数码相机的相关技术,但受既有产品线的影响,停止了相关技术研发。资源利用能力是企业核心竞争力的关键组成部分,它反映企业面对快速变化的商业环境时整合、优化配置以及充分利用内外部资源的能力[19]。具有较强资源利用能力的企业拥有更好的动态性[20-21],可以通过构建知识适配性体系,实现从人才聚集红利向创新范式跃迁的质变。因此,为了获取竞争优势,拥有较强资源利用能力的企业,更倾向于深度挖掘科技人才聚集所带来的丰富智力资本,推动颠覆性、原创性技术创新活动,以避免顺轨式创新带来的技术锁定问题,从而加速知识重构。同时,由于企业资源的有限性,强资源利用能力企业的创新偏好会影响企业对既有技术路线的研发投入,包括资源和注意力等,从而削弱科技人才聚集对顺轨式创新的影响。因此,本文提出如下研究假设:

H4:资源利用能力正向调节科技人才聚集对知识重构的影响。

H5:资源利用能力负向调节科技人才聚集对企业知识基础宽度的影响。

H6:资源利用能力负向调节科技人才聚集对企业知识基础深度的影响。

综上所述,本文构建研究框架如图1所示。

3 研究设计

3.1 数据来源与处理

根据国家统计局发布的《高技术产业分类》标准[22],本文选取2010-2022年中国A股上市高科技企业为样本。其中,财务数据与公司信息主要源自CSMAR数据库,专利信息来自PatSnap专利数据库。关键核心技术突破、知识基础宽度、知识基础深度、知识重构水平测度借助Python程序完成,涉及的关键库包括Pandas、Numpy。此外,对样本数据进行如下处理:①为避免极端值影响,对所有连续变量进行双侧1%的缩尾处理;②剔除标记为ST、*ST的公司样本;③剔除观测期内数据缺失严重的企业样本。经过整理,得到927 709条专利数据和15 209个企业—年度观测值。

3.2 模型设定与变量说明

3.2.1 被解释变量

关键核心技术突破(KTB)。专利是创新成果的集中体现,是知识和技术的直接产物,拥有高质量专利是评价企业实现关键核心技术突破的重要依据。参考聂力兵等[6]的研究,基于熵权法,从基础性、体系性和竞争性3个维度,构建关键核心技术突破评价指标,具体如表1所示。

第一,标准化。为消除不同专利指标在量纲上的差异,需要进行标准化处理,处理公式如式(1)所示。

(1)

其中,Si,j,t为标准化前t年i专利第j个指标值,Zi,j,t为标准化后t年i专利第j个指标值,Min(Si,j,t)和Max(Si,j,t)分别为t年i专利第j个指标的最小值与最大值。

第二,计算t年i专利第j个指标权重Wi,j,t。

(2)

其中,T为年份,N为企业。

第三,计算指标j的信息熵ej(0≤ej≤1)。

(3)

第四,计算指标j的变异系数dj与权重系数Wj。

dj=1-ej

(4)

(5)

其中,L为专利指标数量。

第五,根据熵权法计算结果,取排名前1/4的专利为关键核心技术专利[6]。对不同年份关键核心技术专利进行测算,并在其基础上加1取对数,以此衡量企业关键核心技术突破水平。

3.2.2 解释变量

科技人才聚集(Talent)。借鉴孙红军等[18]的研究,采用科技人才区位熵衡量科技人才集聚程度,具体如式(6)所示。

(6)

其中,科技人才数量利用R&D人员全时当量衡量,Gi表示i地区科技人才集聚程度,Lit为i地区科技人才数量,Li为i地区总就业人口数,Lct为全国科技人才数量,Lc为全国总就业人口。

3.2.3 中介变量

(1)知识基础重构。在发明专利和实用新型专利中,IPC专利编号格式通常为“部-大类-小类-大组-小组”。参考杨金玉等[23]的研究,利用企业专利和专利引用数据的IPC大组测量企业知识重构水平,具体为对比近3年知识结构。

(7)

其中,PK为企业近3年内曾使用但观测年份中未再使用的IPC分类号数量。NK为近3年中未被使用但观测年份中新出现并被企业接触到的IPC分类号数量。为了衡量企业知识体系新旧更替程度,采用|PK-NK|作为新旧知识净变化测度指标,TK代表观测年份中目标企业申请专利所涉及的全部IPC分类号数量。

(2)知识基础宽度。基于赫芬达尔指数(HHI)测度思路,参考Zhang等[13]的研究,采用企业专利分类号中各大组分类所占比重衡量企业知识基础宽度(KW)。

(8)

式中,IPCi,j表示第i个企业第j个大组分类数量,IPCj表示观察数据中第j个指标数量。大组层面专利分类号相差越大,表明企业知识基础宽度越广。

(3)知识基础深度。参考Zhang等[13]和Lin等[14]的研究,借助显性技术优势(RTA)方差与均值的比值(σ/μ)表征知识基础深度(KD),计算方式如式(9)所示。

(9)

其中,RTAi,t表示企业i在技术类别t的专利份额占该技术类别所有专利份额的比值,Pit是企业i在技术类别t中拥有的专利数量。

3.2.4 调节变量

资源利用能力。借鉴Shao等[20]的研究,采用企业年销售额除以总资产衡量企业资源利用能力。该指标反映企业管理团队的资产或资源分配效率,与代理成本负相关。

3.2.5 控制变量

参考文献[24],控制可能影响企业关键核心技术突破(KTB)的因素,如上市年限(Age)、资产规模(Size)、债务规模(Lev)、成长性(TBQ)、第一大股东持股比例(TOP1)、总资产报酬率(ROA)、现金流水平(Cash flow)、企业性质(SOE)。同时,控制行业(Ind)与年度(Year)效应的影响。变量具体定义及测量见表2。

3.3 研究模型

为了考察科技人才聚集对企业关键核心技术突破的影响,建立如下模型:

KTBit=α0+α1Talentit+θX+Indi+Yeart+εit

(10)

其中,KTBi,t表示企业i在t年的关键核心技术突破能力,Talenti,t表示地区i在t年的科技人才聚集程度。X表示一系列企业层面控制变量集合,Indi和Yeart分别表示行业与年份固定效应,εit为随机误差项。

在基准模型(1)的基础上,进一步探究知识基础深度、知识基础宽度、知识重构在科技人才聚集影响企业关键核心技术突破中的中介作用。根据温忠麟等[25]的研究,设定如下模型:

KRit/KWit/KDit=α0+α1Talentit+θX+γi+μt+εit

(11)

KTBit=α0+α1Talentit+α2KRit/KWit/Kit+θX+γi+μt+εit

(12)

4 实证分析

4.1 描述性统计

表3反映主要变量描述性统计结果。结果显示,关键核心技术突破(KTB)水平的均值、标准差、最小值和最大值分别为1.289、1.285、0、7.897,说明我国高科技企业关键核心技术突破水平存在较大差异。科技人才聚集程度的均值、标准差、最小值和最大值分别为1.714、1.174、0.005、4.907,变异系数小于1,可能因为各地区均加大重视人才引进,其中,中西部地区人才引进力度明显大于东部地区,使得地区间科技人才聚集程度差异有所缓解。控制变量统计结果均在合理范围内。

4.2 基准回归分析

表4反映科技人才聚集对企业关键核心技术突破影响的回归结果,表明3种情景下科技人才聚集对企业关键核心技术突破的影响均在1%水平上显著为正,故研究假设H1成立。这表明科技人才聚集可以形成强大的创新合力,在聚集过程中科技人才进行频繁的知识交流和思想碰撞,从而推动技术发展[18]。并且,科技人才聚集带来的知识溢出效应使得企业更易于获取和吸收新知识[6],从而加速技术创新和关键核心技术突破。

4.3 稳健性检验

4.3.1 更换解释变量与被解释变量

参考已有研究,采用企业当年独立申请的专利数衡量企业关键核心技术突破水平[24]。同时,参考刘玉成[26]的研究,采用各地区规上企业R&D人才数表示科技人才聚集,回归结果分别如表5中列(1)和(2)所示。数据显示,在分别替换被解释变量和解释变量后,科技人才聚集的回归系数仍然在1%水平上显著为正,表明本文研究结论依然成立。

4.3.2 被解释变量滞后一期

科技人才聚集对关键核心技术突破的影响可能需要一定时间才能充分彰显,因此选取滞后1期的关键核心技术突破水平以考察可能存在的时间滞后效应,回归结果如表5中列(3)所示。可以发现,科技人才聚集的回归系数仍然在1%水平上显著为正,表明本文研究结论依然成立。

4.3.3 工具变量法

将科技人才聚集滞后一期作为工具变量(IV)进行回归。表5中列(4)显示,IV的回归系数在1%水平上显著为正,说明工具变量满足相关性原则;列(5)显示,科技人才聚集(Talent)的回归系数依然显著为正,说明本文研究结论稳健。

4.4 中介效应检验

本文借鉴温忠麟等[25]检验中介作用的步骤,回归分析结果如表6所示。列(1)表明,科技人才聚集对企业知识基础深度在1%水平上存在显著正向影响;列(2)表明,知识基础深度对企业关键核心技术突破在1%水平上存在显著正向影响。由此可知,知识基础深度在科技人才聚集促进企业关键核心技术突破过程中发挥中介作用,故假设H2a成立。这说明科技人才聚集促使地区知识体系不断进化,通过知识溢出效应,拓展地区企业知识基础深度(王聪等,2017),使得企业能够更深入地理解和解决复杂技术问题,从而推动关键核心技术突破。

表6中列(3)表明,科技人才聚集对企业知识基础宽度在1%水平上存在显著正向影响;列(4)表明,知识基础宽度对企业关键核心技术突破在1%水平上存在显著正向影响。由此可知,知识基础宽度在科技人才聚集促进企业关键核心技术突破过程中发挥中介作用,故假设H2b成立。这说明科技人才聚集有助于提升地区企业知识多样性,促使企业从不同角度审视和解决问题[9],从而推动关键核心技术突破。综上所述,科技人才聚集有助于深化知识基础,进而促进关键核心技术突破,故研究假设H2成立。

表6中列(5)表明,科技人才聚集对知识重构在1%水平上存在显著正向影响;列(6)表明,知识重构对企业关键核心技术突破在1%水平上存在显著正向影响。由此可知,知识重构在科技人才聚集促进企业关键核心技术突破过程中发挥中介作用,故假设H3成立。这说明在科技人才聚集过程中,通过促进知识交流、碰撞和重组,有助于打破原有知识壁垒和思维定势,形成新知识体系或知识框架,激发创新灵感和找到新解决方案[24],进而推动企业关键核心技术突破。

4.5 调节效应检验

根据表7中列(1)可知,在对知识基础重构的回归分析中,科技人才聚集与资源利用能力的回归交互项系数为0.020 8,在5%水平上显著为正,表明资源利用能力在科技人才聚集对企业知识重构的影响中发挥显著正向调节作用,故假设H4成立。根据列(2)可知,在对知识基础宽度的回归分析中,科技人才聚集与资源利用能力的回归交互项系数为-0.113 7,在5%水平上显著为负,表明资源利用能力在科技人才聚集对企业知识基础宽度的影响中发挥显著负向调节作用,故假设H5成立。根据列(3)可知,在对知识基础深度的回归分析中,科技人才聚集与资源利用能力的回归交互项系数为-0.059 5,在1%水平上显著为负,表明资源利用能力在科技人才聚集对企业知识重构的影响中发挥显著负向调节作用,故假设H6成立。上述分析表明,资源利用能力不仅是企业内部资源配置和管理能力的重要体现,也是影响科技人才聚集效应发挥的关键因素,企业应当根据自身资源利用能力选择合适的知识研发路径。

4.6 进一步研究

基于《中国科技统计年鉴》,科技人才主要分为三类,即基础研究人员(BR&D)、应用研究人员(AR&D)和试验发展人员(TR&D)。基础研究人员主要从事基础科学研究,负责探索自然规律、发现新现象、提出新理论和新方法;应用研究人员专注于将基础研究成果转化为实际应用技术,解决生产实践中的具体问题;试验发展人员主要从事新产品开发、测试和优化工作,通过反复试验和验证,确保产品性能达到设计要求[27]。基础研究人员是打破技术锁定,进行关键核心技术突破的关键;应用研究人员和试验发展人员则是连接企业与市场的桥梁,对企业突破关键核心技术也十分重要。考虑到不同类型科技人才聚集在关键核心技术突破中的作用不同,为进一步分析如何更有效地实施人才聚集战略,推动企业关键核心技术突破,本文就不同类型科技人才聚集对企业关键核心技术突破的影响进行研究,回归结果如表8所示。数据显示,基础研究人员聚集、应用研究人员聚集、试验发展人员聚集对关键核心技术突破的影响系数分别为0.000 4、0.022 3、0.100 2,均在1% 水平上显著为正,表明三类研究人员聚集均有助于企业关键核心技术突破。其中,试验发展人员聚集对企业关键核心技术突破的影响。这是因为关键核心技术突破具有投资大、周期长、不确定性高等特点,试验发展人员聚焦有助于推动关键核心技术成果的商业化应用,以此反哺创新研发活动,促进企业研发活动进入良性循环。因此,在规划科技人才战略布局时,也应重点关注试验发展人员。

5 结语

5.1 研究结论

利用2010—2022年中国A股上市高科技企业的927 709条专利数据,基于路径构造理论,深入探究科技人才聚集对关键核心技术突破的影响及作用机制,获得如下研究结论:第一,科技人才聚集对企业关键核心技术突破具有显著促进效应,在考虑内生性问题和稳健性检验后该结论仍然成立。第二,机制分析结果表明,一方面,科技人才聚集通过驱动企业扩展知识基础深度和宽度,推动企业进行顺轨式创新,进而实现关键核心技术突破;另一方面,科技人才聚集为科技人员进行知识重组创造良好内外部条件,推动企业进行知识重组以创造新突破路径,进而实现关键核心技术突破。第三,资源利用能力会削弱科技人才聚集对企业知识基础深度和宽度的影响,但会强化科技人才聚集对企业知识重构的影响。第四,进一步分析表明,基础研究人员聚集、应用研究人员聚集、试验发展人员聚集均对关键核心技术突破存在显著正向影响,其中,试验发展人员聚集对企业关键核心技术突破的影响最大,应用研究人员聚集的影响次之,基础研究人员聚集的影响最小。

5.2 对策建议

为了充分发挥科技人才聚集效应,企业和政府均应加强科技人才治理,具体启示如下:

(1)政府层面,第一,推动在北京、上海、粤港澳大湾区建设人才高地以及在各地区建设人才平台,加速人才聚集,构建人才雁阵格局,可以围绕人工智能、生物医药、新能源、数字经济等关键核心技术领域,建立一批国家级创新平台和产业联盟,汇聚各领域顶尖人才,形成人才聚集效应,为关键核心技术突破提供智力支持。第二,强化市场主体力量,发展高级人力资源服务业。鼓励企业加大研发投入,建立内部人才培养体系,同时,作为人才引进的主体,积极参与各类人才项目。建立和完善行业标准及规范,提升服务质量和效率,推动我国人力资源服务业向高端化、专业化、国际化发展,解决部分领域人才需求的“急、愁、难、盼”等问题。第三,创新人才引进体制机制,根据不同行业、不同领域人才需求特点,制定差异化引进政策,优化人才引进的审批流程,为顶尖人才和急需紧缺人才设立专门的绿色通道,打破传统的人才引进壁垒,构建更加开放、包容、高效的人才生态,以吸引和留住全球优秀人才。

(2)企业层面,应注重顺轨式创新和跃轨式创新协同发展。当关键核心技术处于发展初期时,技术尚不成熟,市场应用也不具备条件。此时,企业应充分利用科技人才聚集的智力优势,开展顺轨式创新活动。通过引进先进技术、吸收消化再创新等方式,快速提升自身技术水平,缩短与领先企业的差距。当技术逐渐成熟后,市场应用日渐普及,竞争也日趋激烈。此时,企业应适时进行跃轨式创新,寻求新增长点和建立新竞争优势。通过引入新技术、开发新产品或新业务模式等方式,实现技术飞跃和突破。此外,企业在制定知识发展路径时,需充分考虑自身资源利用能力并有所侧重。如果资源利用能力较弱,企业应借助科技人才聚集带来的智力资本,不断深化现有技术;如果资源利用能力较强,则可以借助科技人才聚集带来的智力资本,探索新知识领域,不断革新现有产品和技术,推动关键核心技术突破。

5.3 研究局限与未来展望

本文虽然围绕科技人才聚集对企业关键核心技术突破的影响机制进行了探讨,但仍然存在不足之处。第一,本文考虑了不同资源利用能力情景下科技人才聚集对顺轨式创新和跃轨式创新选择的影响,未来研究可以在其他情景下探讨企业如何选择创新模式,为企业发展提供实践指导。第二,本文仅考虑科技人才的数量聚集,未考虑聚集结构等因素对地区企业关键核心技术突破的影响。未来研究可以探究粤港澳大湾区、北京、上海等人才高地的人才聚集结构对企业关键核心技术突破的影响。第三,关键核心技术突破需要企业投入大量资源,本文暂未考虑外部力量如何协同以更好地释放科技人才聚集效应。未来研究可以考虑VC风投、政府引导基金等外部因素是否可以强化科技人才聚集对企业关键核心技术突破的影响。第四,由于技术复杂性日益提升,技术攻坚愈加强调社会资源协同,而科技人才聚集不仅促进智力资本累积,还有助于形成独特的科技人才社会网络。该网络为信息、技术、资金等社会资源流动提供了便捷通道,使得企业更易于获取外部资源,为技术攻坚提供了有力支撑。然而,本文在探讨科技人才聚集对企业技术创新的影响时,尚未充分考虑到这一影响。未来研究可以从社会资本角度考察科技人才聚集如何影响企业关键核心技术突破。

参考文献：

[1] 傅沂. 路径构造理论与演化经济学: 分离还是融合[J].学习与探索, 2018,40(8): 122-129.

[2] SCHILLING M A. Technological lockout: an integrative model of the economic and strategic factors driving technology success and failure[J].Academy of Management Review, 1998, 23(2): 267-284.

[3] 孙瑜康,李国平,吕爽.京津冀城市群知识基础的演化过程与动力机制研究[J].地理研究,2023,42(7):1743-1760.

[4] 张燕航. 基于技术轨道视角的技术创新演化机制研究[J].科技进步与对策, 2015, 32(11): 10-14.

[5] 张玉臣, 谭礼. 关键核心技术的概念界定、特征辨析及突破路径[J].中国科技论坛, 2023,39(2): 20-29.

[6] 聂力兵, 龚红, 赖秀萍. 唤醒“沉睡专利”: 知识重组时滞、重组频率与关键核心技术创新[J].南开管理评论, 2024, 27(8): 86-97, 160.

[7] 孙雨洁, 闫淑敏, 江蕙伶, 等. 动态资源管理视角下科技企业关键核心技术突破路径研究[J].科研管理, 2024, 45(7): 90-100.

[8] 李阳, 许晖, 王千金. 打破“小院高墙”: 不确定情境下“单项冠军” 企业如何实现关键核心技术创新突破[J].南开管理评论, 2025,28(7):197-208.

[9] 牛冲槐, 杨玲, 杨彦超. 科技型人才聚集视角下的知识转移偏好研究[J].科技进步与对策, 2010, 27(17): 144-148.

[10] STORPER M, VENABLES A J. Buzz: face-to-face contact and the urban economy[J].Journal of Economic Geography, 2004, 4(4): 351-370.

[11] COUTURE V. Knowledge spillovers in cities: an auction approach[J].Journal of Economic Theory, 2015, 157: 668-698.

[12] 陈旭, 刘春红, 高长春, 等. 知识多样性、知识网络密度与企业创新绩效[J].华东经济管理, 2020, 34(4): 38-45.

[13] ZHANG J, BADEN-FULLER C. The influence of technological knowledge base and organizational structure on technology collaboration[J].Journal of Management Studies, 2010, 47(4): 679-704.

[14] LIN B W, WU C H. How does knowledge depth moderate the performance of internal and external knowledge sourcing strategies[J].Technovation, 2010, 30(11-12): 582-589.

[15] 李金生, 柯雯. 知识搜寻与重构如何促进专精特新中小企业绿色技术创新——战略柔性与激励型环境规制的调节作用[J].科技进步与对策, 2024, 41(7): 111-121.

[16] YAYAVARAM S, CHEN W R. Changes in firm knowledge couplings and firm innovation performance: the moderating role of technological complexity[J].Strategic Management Journal, 2015, 36(3): 377-396.

[17] 王建军, 曹宁, 叶明海. 多维知识搜寻、知识重构与企业持续创新——IT治理的调节作用[J].软科学, 2020, 34(9): 85-89.

[18] 孙红军, 张路娜, 王胜光. 科技人才集聚、空间溢出与区域技术创新——基于空间杜宾模型的偏微分方法[J].科学学与科学技术管理, 2019, 40(12): 58-69.

[19] TEECE D J, PISANO G, SHUEN A. Dynamic capabilities and strategic management[J].Strategic Management Journal, 1997, 18(7): 509-533.

[20] SHAO Y M, XU K L, SHAN Y G. Leveraging corporate digitalization for green technology innovation: the mediating role of resource endowments[J].Technovation, 2024, 133: 102999.

[21] TARAFDAR M, GORDON S R. Understanding the influence of information systems competencies on process innovation: a resource-based view[J].The Journal of Strategic Information Systems, 2007, 16(4): 353-392.

[22] 彭俞超, 吴琬婷, 李建军. 劳动力成本上升与高科技企业创业——来自工商注册信息大数据的证据[J].经济研究, 2024, 59(4): 96-112.

[23] 杨金玉, 虞吉海, 彭秋萍, 等. 职场回流如何影响科技人员创新[J].管理世界, 2024, 40(5): 174-193.

[24] 孙磊华, 何海燕, 常晓涵, 等. 军民深度协同对企业关键核心技术突破的影响[J].科技进步与对策, 2022, 39(23): 128-139.

[25] 温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J].心理科学进展, 2014, 22(5): 731-745.

[26] 刘玉成. 科技创新对科技人才聚集的影响及其空间溢出效应——基于空间面板Durbin模型的实证研究[J].浙江工商大学学报, 2019,33(5): 80-91.

[27] 徐明. 基于人才集聚的科技政策对关键核心技术攻坚的影响——以北京市为例[J].北京社会科学, 2023,38(10): 21-33, 128.

(责任编辑：胡俊健)