人工智能、大数据、云计算等数字技术正深刻影响经济社会发展,推动数字产业化、产业数字化创新。在创新变革中,科技领军企业积极探索数字技术前沿,构建数字创新生态系统,努力创造更多价值[1-2]。英伟达、微软、谷歌等国际科技巨头以技术架构设计支撑各类场景创新,以场景创新驱动技术架构变革,在动态演变中逐渐成为数字创新生态系统领导者[3]。近年来,中国部分领先企业致力于构建国产数字创新生态[4],在关键核心技术方面取得重大突破,但尚未实现数字技术架构和场景驱动创新深度协同,在成长为数字创新生态系统领导者方面面临严峻挑战。
探究数字创新生态系统领导者形成机理需要回归到数字生态本质特征上。一方面,架构理论指出,数字创新生态系统架构设计影响整个系统稳定和发展。技术架构和组织架构构成数字创新生态系统的“一体两翼”。以数字技术为核心的底层架构是生态系统运行的基座,具有鲜明的赋能属性,互补者基于平台基础设施开展创新活动(刘洋等,2020);此外,数字生态系统形成复杂的结构关系,生态系统领导者在发展过程中通过动态调整自身组织架构适应生态系统变化(魏江等,2021)。另一方面,技术创新范式表明,随着数字技术的快速发展,数字创新生态系统需求和基础设施发生深刻改变[5]。以数字架构为支撑的生态系统,其创新活动开展与生态用户、特定场景紧密关联。场景驱动创新范式整合技术推动和市场拉动理论,支撑数字创新活动开展[6-7]。架构设计和场景驱动创新协同演进成为数字创新生态系统变革的内在驱动力,为解释数字生态系统领导者形成过程和微观机制提供了理论依据和发展空间。
综上所述,本文从共演视角对数字创新生态系统领导者角色形成过程和微观机制进行探讨,旨在解决以下3个关键问题:①对数字企业而言,应如何成为数字创新生态系统领导者?②架构设计和场景驱动创新协同机制如何驱动组织实现角色跃迁?③在国内数字企业面临生态建设挑战背景下,国际领先者经验对于建设国产自主引领的数字创新生态有何启示?具体而言,本文以人工智能芯片龙头英伟达为案例,基于1993—2023年数字创新生态系统发展历程,提炼数字创新生态系统领导者角色形成规律,并进一步解析架构设计和场景驱动创新的协同机制。
创新生态系统视角为探索各利益相关者数字创新活动提供了理论指引。数字创新生态系统包括不同类型关系和不同强度参与者[8],是一个动态且稳定发展的实体,因各参与者间关系变化而变化[9]。在数字创新生态系统中,不同利益相关者为实现价值主张提供异构和互补产品,通过协调、合作甚至竞争创造价值[10]。在数字创新生态系统中,部分创新主体成为生态系统领导者,领导者通常会设定一个共同的宏伟愿景,并为其他参与者创建一个平台,以创造竞争性和互补性优势[10]。魏江等(2021)指出,生态系统领导者为实现生态稳定,在不同发展阶段会采取不同治理手段或创新行为。然而,鲜有研究探讨数字创新生态系统领导者形成过程。
对数字创新生态系统而言,架构设计和场景驱动创新形成协同演进关系。其中,架构设计是数字创新生态系统的基座,通过融合数据和算力等基础设施,形成面向互补者的赋能创新平台,为上层场景创新提供基石[11]。同时,场景创新对产品应用提出新要求,支撑场景的架构设计需要不断迭代更新(刘洋等,2020)。
(1)数字创新生态系统架构设计包括技术架构和组织架构两个方面。其中,技术架构包括整合和协同各种技术、工具、平台、数据资源,以及这些资源间的交互和协作[12]。数字技术属性意味着分层架构,即一种特定的功能设计层次结构有助于启动数字创新模块化设计,使得在复杂系统设计和生产过程中不同参与者之间能够有效分工[13]。典型的数字平台生态系统架构由业务层、用户交互层、开发层、集成层、IT层组件组成,许多数字平台允许第三方开发应用程序、产品或服务,开发者工具是应用程序增长的基础,对于平台发展至关重要[14],平台技术架构影响参与者创新。同时,为尽可能覆盖更多创新参与者并占据利基市场,数字创新生态系统通过设计标准化技术架构提供丰富的开发工具,全面服务于特定利基或垂直领域[15]。
(2)数字创新生态系统组织架构是指各主体之间通过协作和互动而形成的合作关系。其中,生态系统领导者(协调者)行为影响整个系统演进。Adner &Kapoor[16]认为,生态系统协调者需要管理与两类外部参与者(上游组件供应商和下游补充者)的相互依赖关系。协调者在生态系统中可能面临结构性问题,解决协调挑战的方法在于找到合适的治理结构。为实现协作目标,协调者需要重新配置运营能力并调整组织结构,从而更好地适应数字创新环境的快速变化[17]。因而,生态系统领导者会根据生态发展阶段选择不同策略。例如,IBM通过技术合作和并购完善自身生态系统,但策略重点随着不同技术的变化而调整[18]。
(3)场景驱动创新成为数字经济时代涌现出的一种新型范式,以场景为基础,围绕相关任务使命或创新战略,集聚技术、市场等多方资源实现创新[7]。场景驱动创新整合技术推动模式和市场拉动模式,是开展数字创新活动的有效路径。随着数字技术快速发展,数字创新生态系统需求和基础设施发生深刻变化[19]。以数字技术架构为支撑的生态系统,其创新活动开展与垂直场景紧密关联。在工业4.0场景中,企业将数字技术集成到生产过程或供应链管理中,用数据捕获用户需求和偏好变化,通过技术推动和市场拉动的有效结合推动新产品研发[6]。大量数字企业主动构建创新社区,与高度活跃的客户进行产品开发和创新流程合作。客户参与有助于企业识别市场需求,调整技术部署,进而推动企业优化产品开发和创新流程[20]。
共演模型能有效整合微观因素和宏观因素,为研究问题带来新洞察力、新理论、新解释等[21]。共同演化作为生态系统的基本属性,对于维持生态系统发展发挥重要作用。从研究情景看,本文探讨的数字创新生态系统不仅具有一般创新生态系统的共同特征,还具有数字创新的独特属性。数字创新生态系统共同演化受环境的影响,生态系统通过自适应进行系统变革,从而实现角色塑造。数字创新生态系统领导者成长过程与环境密切相关。创新主体通过感知环境变化作出系统变革,促进角色跃迁。在系统变革过程中,数字创新生态系统形成架构设计和场景驱动创新协同机制,创新主体通过架构设计适应场景驱动创新,基于场景特征调整架构设计,两者相互协同,共同驱动创新主体持续演化。综上所述,环境感知、系统变革和生态角色跃迁三者之间形成共生演化关系,架构设计和场景驱动作为内在机制驱动系统变革(见图1)。
图1 共演分析框架
Fig.1 Co-evolution analysis framework
本文采取如下研究方法:首先,基于纵向案例进行理论分析[22],还原数字创新生态系统领导者角色形成过程,挖掘数字企业角色跃迁的内在机制。其次,将专利技术网络分析法融入案例研究,通过定量分析佐证案例研究结果,确保研究的严谨性和科学性。德温特分类代码网络能够刻画专利技术内容和技术层次,并分析技术创新的核心特征[23],而组织合作网络则能分析技术创新合作行为。再次,将事件分析法(Event)融入案例研究中,通过对案例对象发展历程进行详细分析,识别出125个关键事件。根据发展阶段和研究变量对各类事件进行划分,分析各阶段关键事件行为如何导致后续阶段变化,进而对各阶段进行链接[24]。
本文选取英伟达作为案例研究对象,主要基于以下考虑:
(1)极端性原则。本文探索数字创新生态系统领导者角色形成过程和微观机制,案例企业应当体现成功且完整的发展阶段。英伟达创立于1993年,从最初的小型初创公司到成功在纳斯达克上市,通过兼并与收购扩张商业版图,在竞争对手逐渐走向没落之时不断抓住新增长点。2023年5月,英伟达市值突破1万亿美元,相当于8个英特尔的市值,总体上实现从跟随到赶超再到引领的阶段式跨越,成为数字创新生态系统领导者,经历完整的角色跃迁,符合本文研究需要。
(2)启发性原则。英伟达成长为数字创新生态系统领导者具有较强启发性。通过对案例不同阶段叙事进行分析,能够从中获得共性和差异点。案例对象在角色跃迁过程中体现出架构设计和场景驱动创新协同演进模式,可为构建领导者理论模型提供理论洞见。
(3)借鉴性原则。英伟达的成功转型能为中国新兴AI芯片厂商及相关数字企业创新生态建设提供一个值得学习的范例。
本文根据案例所处行业竞争背景和数字创新生态系统发展关键事件,将英伟达角色形成过程划分为行业探索者、产业链龙头、生态领导者3个阶段(见图2)。
图2 英伟达发展阶段划分
Fig.2 Division of NVIDIA development stages
本文数据来源于案例研究和专利网络分析(见表1)。首先,案例研究以公开二手资料为主,目前研究使用二手数据的趋势日益明显[25-26],并且这些数据来源更加多元化[27]。本文收集案例文本资料29余万字,通过多重信源交叉佐证增强研究结论的信效度;其次专利网络分析数据来源于全球德温特专利数据库,通过对专利权人进行检索,在数据库中共获得5 757条专利数据,检索日期为2023年7月19日。
表1 数据来源
Table 1 Data sources
类型来源 说明 编码数量案例研究数据新闻报道、互联网档案权威的事实性、公开报道S1101份企业官网、微信公众号等官方公开披露资料S242份公司公告、年报、定期报告官方公开披露资料S34份公司CEO、CTO等领导公开演讲资料公司领导讲话材料S47份行业机构分析报告第三方企业报告、行业报告S531份学术文献资料研究文献、公司技术论文S66份专利技术网络数据发明专利数据英伟达德温特申请专利总数/5 757条合作专利数据英伟达德温特合作专利数/923条
本文数据编码过程如下:①整合各类数据资料,建立关键事件时间轴和事件表;②基于关键事件表全面梳理与整合不同信源数据资料,对信息进行交叉验证,采纳可信的信息资料,最终制成完整事件表;③不同研究者对完整事件表进行独立编码,随后进行交叉比对,寻找编码共性并对差异性编码进行深入讨论,经过修改后形成最终数据编码表。数据编码主要遵循Gioia等[28]的思路(见图3)。
图3 数据编码结构
Fig.3 Data coding structure
该阶段芯片行业经历“野蛮式发展”,数十家图形芯片厂商围绕相对单一的“图形—游戏”市场,尤其是大型“互联网—游戏”企业大额订单进行激烈竞争,行业内各类技术标准和产品层出不穷。由于芯片行业产品结构和行业标准不成熟,技术标准选取很大程度上影响芯片产品能否满足市场需求以及最终能否被市场接受。作为初创公司,为在市场竞争中站稳脚跟,英伟达积极优化自身技术创新体系,在组织设计和市场上实行聚焦策略,并积极向外寻求合作和大型企业支持,典型证据援引见表2。
表2 跟随追赶阶段核心编码及证据举例
Table 2 Core coding and evidence examples for the following and catching-up stage
聚合维度 二阶主题 一阶概念 典型证据跟随式情境技术实力不足行业标准不兼容微软即将宣布基于反向纹理映射和三角形Windows 95 Direct3D,这代表如果我们完成SEGA游戏机,将会创造出与Windows不相容的产品(S4)市场能力不足市场竞争大英伟达创立时,市场上足足有20多家图形芯片公司,3年后这个数字飙升到70家。但是,3位创始人还是义无反顾地投身于这个市场(S1)抗风险能力弱如果不完成这个合约,我们就会破产。无论如何,我们都会面临倒闭的命运(S4)议价能力弱为与PS2竞争,微软打算降低Xbox二代产品主机售价,于是要求英伟达尽可能降低芯片价格,黄仁勋没有同意。之后,微软便把订单交给英伟达的竞争对手ATI(S5)自主式架构设计组织聚焦策略锁定技术方向初衷是研发一种专用芯片,用来加快电子游戏中3D图像的渲染速度,带来更逼真的显示效果(S5)精炼组织人员根据STOCK ANALYSIS的数据,直到1997年,英伟达公司雇员数仍不到百人(S5)对标竞争对手换上来自主机游戏厂商晶体动力的首席科学家兼技术主管大卫·柯克,由他带领英伟达技术开发团队,对标3Dfx(S1)推出芯片自主架构联合研发制造1994年,英伟达与SGS-Thompson Microelectronics(1998年更名为意法半导体)达成首个战略合作伙伴关系,共同研发制造单芯片图形用户界面加速器(S1)初代技术架构设计1999年8月,英伟达推出第一款GeForce 256,并首次提出GPU概念。GeForce256的出现,直接改变了业内竞争格局(S1)客户需求驱动深化对外合作巩固已有合作方1998年5月,联手微软在电脑游戏开发者会议推广他们共同开发的Di-rectX 6.0,9月成功入选OpenGL结构审核委员会(S1)建立合作伙伴关系1997年8月,与戴尔、捷威科技、美光建立合作伙伴关系。1998年3月,正式与台积电签约建立合作伙伴关系(S1)链上行业巨头与大客户绑定英特尔开始扶持ATI,在巨头围剿之下,英伟达损失惨重,股价大跌。见识到巨头威力后,英伟达为实现突围,主动去找微软和解,争取再次合作(S5)推出定制产品微软Xbox率先在美国发售,GPU是英伟达专门为其定制的X-Chip(S2)行业探索者技术体系能力持续加大研发投入英伟达研发费用从1999财年的2 507万美元,以年均55%的增长率在2005财年赶上ATI的研发费用(S5)人才调整优化NV2的失败促使黄仁勋选择大卫·柯克担任首席科学家,大卫·柯克将公司3D知识与游戏开发经验相结合,扭转了NVIDIA的颓势(S1)聚焦游戏市场产品市场细分经过不断发展,英伟达产品线逐渐丰富,覆盖多种不同的下游应用,首当其冲的是GeForce系列显卡,主要针对个人电脑游戏领域(S5)游戏市场为主视频游戏是我们的杀手级应用程序———一个能够滚动并让我们进入大市场、资助大量研发以解决巨大计算问题的飞轮(S4)
英伟达作为行业新进入者,面对技术实力和市场能力不足,采取跟随式发展策略。由于自研技术标准和行业技术标准互不兼容,存在明显差距,首款芯片产品销量受阻,未得到消费者广泛认可。同时,公司运营抗风险能力和议价能力较弱。为突破限制,英伟达从组织架构和技术架构两方面积极应对,力图实现自主式架构设计,具体表现为组织聚焦策略和推出芯片自主架构。同时,英伟达积极向外寻求产业合作,获得行业巨头认可和支持,更加紧密地与微软DirectX软件生态相结合,另不断拓宽合作范围,与戴尔、捷威科技、美光建立合作伙伴关系。在这一阶段,英伟达与合作伙伴共同申请专利282条,占比21.86%,合作紧密。在跟随式情境中,英伟达积极进行系统性改革,成为行业探索者,持续投入芯片市场竞争,构建完整的研发技术体系,并率先将产品覆盖至游戏高、中、低端应用市场。德温特分类代码网络核心节点进一步验证英伟达聚焦游戏市场相关技术领域。
经过十多年发展与积累,英伟达核心产品逐渐被市场认可,但是市场竞争并未消失,而是逐渐转化为行业巨头间更激烈的竞争。同时,移动设备、科学计算等新兴市场如雨后春笋般涌现,是否应该进入以及怎样进入这些市场,给英伟达提出全新的难题。为在激烈竞争中获胜,英伟达将视野放在行业层面,基于自身技术积累,推出面向行业的开放式架构,提升产业架构能力,在感知市场需求和技术变迁的基础上不断投资并试水潜力市场,逐步构建行业生态雏形,典型证据援引见表3。
表3 追赶超越阶段核心编码及证据举例
Table 3 Core coding and evidence examples for the catching-up and surpassing stage
聚合维度 二阶主题 一阶概念 典型证据赶超式情境技术实力积累保有用户基础创建一个全新的运算模型非常困难,我们利用我们的游戏显卡GPU Ge-Force,它已经拥有庞大的游戏市场,打牢使用者基础(S4)长远技术变革2004—2007年,英伟达首席科学家大卫·柯克在思考一个更长远的计划———让只做3D渲染的GPU技术通用化(S5)改变产品定位英伟达在经历手机端芯片市场开拓失败后,改变产品定位,将Tegra处理器运用在智能汽车、智慧城市和云端服务领域(S5)市场竞争加剧市场持续竞争2006年ATI被AMD以54亿美元巨资收购,接下来“双雄争霸”直接变成接力的AMD和英伟达。相较于行业潜在新进入者,AMD拥有更长的经营历史、更大的客户基础、更全面的知识产权和专利保护(S1)开放式架构设计组织扩张策略技术路线选择当时,这还是个看不见规模的市场。从巨大的手机市场撤退,再创造一个不知道市场规模的机器人市场(S4)并购上下游企业2007年,英伟达收购PortalPlayer,这是一家为个人媒体播放器提供半导体、固件和软件的供应商;2013年,英伟达收购高性能计算厂商The Portland Group(S1)通用行业架构设计发展通用计算架构大卫·柯克说服黄仁勋投入大量资源研发芯片能够让GPU变得通用化的CUDA技术,并让每一颗英伟达GPU都支持CUDA(S5)推出行业技术架构2006年,英伟达推出Tesla芯片架构,并在一年后公布整个Tesla通用计算产品线,芯片广泛应用于超级计算机、药物研发、医学成像和天气建模等领域(S2)行业场景驱动行业前瞻布局捕捉行业需求变化后续随着智能手机、平板电脑等消费电子的出现,公司敏锐捕捉到终端需求变化,将业务重心向高端游戏显卡市场过渡(S5)紧跟技术发展趋势2012年,深度神经网络技术在通用GPU的支持下实现重大突破,各领域AI技术得到快速发展(S5)试水潜力市场进入新市场当iPhone出现后,英伟达并没有在手机GPU市场取得较大成功,但英伟达将手机GPU芯片Tegra用在其它领域,为公司打开新业务市场(S5)创造新市场现在我们拥有数十亿美元自动驾驶、机器人技术事业,也开创了一个新产业(S4)产业链龙头产业架构能力架构迭代设计每隔一到两年,英伟达就会提出新的芯片架构,用以适应计算需求升级。其中,2012年发布的Kepler架构提出GPUDirect技术,可以绕过CPU/System Memory,完成与本机其它GPU或者其它机器GPU的直接数据交换(S5)架构体系串联英伟达所有硬件产品和解决方案都拥有统一的底层软件架构CUDA以及运行库CUDA-X(S5)拓展互联网市场AI和互联网市场英伟达经过前期路径选择已经逐步规划出3条主要赛道,同时在AI飞速迭代情况下,从元宇宙平台搭建到协助内容创作到AI时代的“台积电”定位(S5)
随着英伟达技术实力积累和市场份额的不断提升,市场竞争开始转变为行业龙头企业之间的竞争与对抗,AMD的GPU出货量一度超过NVIDIA,而且这种情形一直持续到2014年。在追赶超越情境下,英伟达在组织层面选择扩张策略,并且基于已有技术积累成功推出通用的行业技术架构,使企业业务超越单一产品市场而在行业层面实现扩展。英伟达在此阶段广泛与行业伙伴进行联合研发,合作伙伴数量达到758个,德温特分类代码网络规模迅速扩张。开放式架构设计为英伟达奠定了坚实的基础,与前一阶段不同,英伟达不再受限于特定大型客户,而是主动布局或进入新兴行业,与当下技术发展趋势同频,抓住新机遇并创造新增长点。在这一进程中,英伟达数据中心业务得到不断延伸。在赶超式情境中,英伟达积极扩张,设计开放式架构,将市场拓展到前景和需求更为广阔的互联网市场,形成产业架构能力,逐渐攀升至产业链龙头地位。
多年产业扩张使得英伟达拥有跨越多个行业的完整产品线,在激烈的市场竞争中渐占上风,而前期布局的多个潜力市场也依次走向需求爆发,并逐步在AI、机器人等关键领域形成领先优势,通过吸纳广大开发者与客户构建数字创新生态系统。为推动生态系统持续发展,英伟达把握AI、自动驾驶等新兴领域带来的机遇,重塑AI计算架构,拥有自主定义市场的能力,加强生态创新主体服务,建构更强的数字生态能力,引领AI硬件市场发展,典型证据援引见表4。
表4 发展引领阶段核心编码及证据举例
Table 4 Core coding and evidence examples for the leading stage
聚合维度 二阶主题 一阶概念 典型证据引领式情境潜在需求爆发智能医疗智能医疗市场预计将从2023年的146亿美元增长到2028年的1 027亿美元,以47.6%的复合增长率实现增长(S1)自动驾驶丰田和沃尔沃集团使用NVIDIA DRIVE端到端自动驾驶汽车和驾驶员辅助平台(S2)数据中心数据中心业务收入在2023财年达到150亿美元,占据营业总收入的56%,数据中心业务收入同比增长41%,主要增长来源于AI发展及美国云服务提供商的推动(S5)机会窗口涌现AI市场机会根据Tractica数据,2018年全球AI硬件市场收入为196亿美元,其中GPU收入为71亿美元,占36.2%,而在2025年达到2 349亿美元(S5)计算卡技术机会2012年以来,AI训练任务需求算力每3.43个月就会翻倍,整体AI模型算力需求平均两年增长25倍(S5)大模型算力机会多模态模型训练数据为图像、视频等,规模远大于语言类模型,因此需要更多计算资源和算力支持模型训练和推理(S5)生态式架构设计组织生态策略协同合作伙伴2020年完成收购Mellanox,Mellanox和英伟达数据中心业务客户高度吻合,两者结合后产生了强大的协同效应(S1)绑定生态客户2023年3月,比亚迪宣布将在全系车辆中使用NVIDIA Drive Orin平台(S3)吸引生态开发者CUDA生态合作者规模翻倍增长,目前已有400万名开发者正在与CU-DA合作,且规模还在不断扩大,目前CUDA下载量已经超过4 000万次(S5)AI生态架构塑造重塑AI计算架构2017年推出Volta GPU架构,首次引入名为张量核心的计算单元,专为深度学习设计(S1)推出AI应用平台在硬件制造基础上推出NVIDIA AI Foundations,包括语言、视觉和生物学模型构建服务,使用企业专有数据进行训练,用于处理特定领域任务(S5)软硬件生态耦合推出4层技术栈中的新产品:硬件、系统软件和库、软件平台(NVIDIA HPC、NVIDIA Al和NVIDIA Omniverse)以及AI和机器人应用框架(S4)生态场景驱动满足生态伙伴需求布局AI垂直领域未来软件和应用生态将成为计算芯片竞争的关键,英伟达在垂直行业领域的布局为其构筑了难以突破的竞争壁垒(S5)完善关键基础设施GTC2023大会上推出NVIDIA AI Foundations以及NVIDIA DGX Cloud云服务,提供企业定制AI基础大模型到软硬件综合服务(S1)持续迭代产品新的Spectrum-X以太网网络平台专门用于优化AI服务器和超级计算集群(S1)自主定义市场支持大模型发展处理ChatGPT的GPU,正是英伟达的HGX A100(S1)引领AI软硬件市场2023年,在英伟达DGX大会上推出多款AI产品,如DGX超级计算机等,并于COMPUTEX大会上推出超级GPU GH200,持续引领AI硬件市场(S5)生态领导者数字生态能力生态广泛赋能英伟达持续以CUDA为核心构建护城河,结合CPU+GPU+DPU三大硬件,形成统一的生态闭环,且在各细分领域形成全套解决方案(S5)技术大幅跃升英伟达成为全球高端GPU领导者,从2011年推出Tesla M2090数据中心GPU,到2022年推出H100、L40等型号产品,多项核心技术指标大幅提升(S5)引领AI市场形成市场领先优势摩根大通预测,2023年英伟达将在AI产品市场中占据60%的市场份额(S1)AI新兴业务布局根据2023财年年报,计算与网络类GPU收入高达150.68亿美元,同比增长36%,图形处理类GPU收入高达119.06亿美元。计算与网络类收入主要应用于数据中心加速计算平台、AI驾驶舱、自动驾驶解决方案、电动汽车计算平台等(S5)
经过前述持续发展,英伟达在技术实力和市场份额上超越竞争对手,在与生态伙伴长期合作中感知到新市场和技术机会窗口,并将其转化为企业新一轮增长点。大量市场机会的爆发对企业架构设计提出新要求,面临生态式架构再设计。为抓住引领式情境带来的技术市场机会,英伟达在组织层面聚焦生态策略,在技术架构层面重塑AI生态架构。生态式架构设计吸引了大量创新互补者,英伟达的创新活动也由行业场景驱动转变为生态场景驱动。一方面,努力满足生态伙伴各种需求,使得从开发者到客户均能稳定绑定到自有生态中;另一方面,基于数字创新生态基础,英伟达自主定义市场,引领生态发展方向。英伟达在发展过程中逐渐从合作研发模式转向自主独立研发模式,第三阶段合作研发专利仅为1.84%(见图4和表5)。在引领式情境中,英伟达逐渐构建数字创新生态,并在定义AI等新兴市场发展和路径方面占据领先优势,实现数字生态能力跃升,成为数字创新生态系统领导者。如表5所示,英伟达德温特分类代码网络出现t06代码(工艺和机器控制),与自动驾驶业务密切相关。
表5 案例企业网络特征
Table 5 Characteristics of NVIDIA networks
变量跟随式情境 赶超式情境 引领式情境 组织合作网络特征合作专利数282合作对象312个(个体262)合作专利占比21.86%合作专利数610合作对象758个(个体736)合作专利占比21.90%合作专利数31合作对象30个(个体28)合作专利占比1.84%德温特分类代码网络特征专利数:1 290网络规模:47网络密度:0.51网络边数:116聚类系数:0.39平均距离:1.05专利数:2 785网络规模:72网络密度:0.53网络边数:182聚类系数:0.41平均距离:1.03专利数:1 682网络规模:64网络密度:0.53网络边数:132聚类系数:0.36平均距离:1.03德温特分类代码网络点度中心度前5名节点t01,数字计算机w04,音频/视频录制和系统u14,存储器薄膜和混合电路w01,电话和数据传输系统p85,教育、密码、广告t01,数字计算机w04,音频/视频录制和系统w01,电话和数据传输系统t04,计算机外围设备v04,印刷电路和连接器t01,数字计算机w04,音频/视频录制和系统t06,工艺和机器控制w01,电话和数据传输系统t04,计算机外围设备
图4 案例企业网络
Fig.4 NVIDIA networks
注:(a)、(b)、(c)分别为跟随式、赶超式、引领式情境组织合作网络,网络阈值分别为2、2、0;(d)、(e)、(f)分别为跟随式、赶超式、引领式情境德温特分类代码网络,网络阈值均为1
在案例分析的基础上,本文构建数字创新生态系统领导者角色形成共演模型(见图5)。该模型呈现了案例企业从芯片领域行业探索者起步,到实现赶超成为产业链龙头,再到成为数字创新生态领导者引领技术和市场的角色形成过程。这一角色形成遵循“环境感知→系统变革→角色跃迁”共演逻辑。表6较为全面地展现了英伟达不同阶段的技术、市场和并购行为,可见其在过去30年构建数字创新生态实现快速增长。
表6 英伟达不同阶段技术、市场和并购行为
Table 6 NVIDIA's technology, market, and merger and acquisition behavior at different stages
跟随追赶阶段追赶超越阶段发展引领阶段专利数量1 290项2 785项1 682项核心技术架构Curie、Celsius、Fahrenheit架构(前期以各产品为架构,后期提出独立架构)Maxwell、Kepler、Fermi、Tesla架构(为铺开不同市场导向的产品线奠基)Ada Lovelace、Hopper、Amgere、Turing、Vol、Pascal(开发适用于科学计算的架构Hopper,重视新兴市场芯片迭代需求)核心产品游戏显卡:GeForce 256;专业显卡:Quadro 2 Pro;Quadro FX系列;其它:Riva128游戏显卡:GeForce 8系列(G80),GeForce 600系列,GeForce 900系列。计算卡:Tesla M2090;Tesla K40;Tesla M40。专业显卡:Quadro Plex系列。其它:CUDA,Tegra SoC移动端系列芯片游戏显卡:GeForce 20 series(光线追踪产品名RTX);GeForce 30 series;GeForce 40 series。计算卡:Tesla P100;Tesla V100;A100;H100。专业显卡;Quadro GV100;Quadro P系列;Quadro RTX6000。自动驾驶显卡:Drive PX2;Drive AGX Xavier;Drive Orin;Drive Atlan。其它:Grace CPU;BlueField-2 DPU;NVIDIA Omniverse;NVIDIA AI Foundations;NVIDIA DGX-1超算;DGX GH200 AI超算客户领域游戏、专业图像渲染为主游戏、专业图像渲染、移动设备、科学计算以数据中心为主,游戏为辅,自动驾驶,专业市场独显市占率(%)53(2006年1月)78(2016年1月)84(2023年第一季度)营收增长率(%)232.319.7926.71净利润增长率(%)104.8875.4875.15公司收购情况2000年:3Dfx2002年:Exluna2003年:MediaQ2004年:iReady2005年:ULi Electronics2006年:Hybrid Graphics、PortalPlay-er2007年:Mental images2008年:Ageia2011年:Icera2013年:PGI2015年:TransGaming2018年:Mellanox Technologies2019年:Parabricks2020年:Cumulus Networks2021年:DeepMap2022年:Bright Computing、Excelero Storage、Animat-ico
图5 数字创新生态系统领导者角色形成共演模型
Fig.5 A co-evolution model for the formation of leaders in the digital innovation ecosystem
在发展初期,作为行业新进入者,案例企业面临技术实力和市场能力危机,受到合法性冲击,以感知跟随式情境为基础进行系统变革。为快速抢占市场,案例企业实施组织聚焦策略,锁定技术方向,精练组织人员,对标竞争对手,联合行业内领先芯片研发企业和制造企业推出初代自主架构。同时,案例企业形成客户需求驱动创新模式,绑定行业巨头,在市场中站稳,形成体系化技术能力,成为行业第一批探索者。
随着案例企业技术实力积累和市场份额提升,其面临市场龙头的直接竞争。在此过程中,案例企业实施组织扩张策略,在市场竞争中并购上下游企业,贯通数字产业链,面向行业布局通用计算架构。在场景驱动创新上主动试水潜力市场,推动技术能力在行业场景中释放,不断提升组织产业架构能力,成为产业链龙头。
经过前两个阶段发展,案例企业在技术实力和市场份额上超越竞争对手。受益于与生态伙伴的长期合作,案例企业对市场和技术机会窗口的出现极为敏感。案例企业前瞻布局AI技术,采取组织生态策略,积极协同合作伙伴推出AI计算架构和应用平台,重塑AI生态架构,吸引了大量开发者进行社区创新。在此阶段,案例企业成为AI(大模型)领域芯片市场定义者和数字创新生态系统领导者,并开辟了业绩增长的“第二曲线”。
本文进一步识别数字创新生态系统领导者角色形成过程模型内在驱动机制,在跟随式、赶超式、引领式情境中,依次遵循“订单式、杠杆式、赋能式”协同机制(见表7)。
表7 架构设计与场景驱动创新协同机制
Table 7 Collaborative mechanisms between architecture design and context-driven innovation
协同机制订单式协同杠杆式协同赋能式协同概念内涵订单式协同是指以客户架构为核心,通过嵌入客户研发制造体系,提供定制化产品,实现用户价值创造杠杆式协同是指以行业架构为核心,通过贯通数字产业链,撬动链上企业满足行业场景需求,实现行业价值独占赋能式协同是指以生态架构为核心,通过构建数字创新生态,满足生态伙伴各类场景需求,实现生态价值共创场景驱动创新客户需求驱动行业场景驱动生态场景驱动架构设计自主式架构设计开放式架构设计生态式架构设计底层逻辑用户价值创造行业价值独占生态价值共创
(1)订单式协同是指以客户产品架构为核心,通过嵌入客户研发制造体系,提供定制化产品,实现用户价值创造。在企业成长初期阶段,订单式协同既能确保企业技术研发体系快速追赶行业标准,又能兼顾企业活下去的现实目标。通过与大客户绑定,案例企业推出自主式架构,提升自身技术实力。订单式协同的底层逻辑是为用户创造价值,以富有吸引力的市场订单“倒逼”高强度技术学习(郭艳婷等,2023),形成技术体系化能力,是新兴企业面临新进入者危机时采取的战略举措。
(2)杠杆式协同是指以行业架构为核心,通过贯通数字产业链,撬动链上企业满足行业场景需求,实现行业价值独占。杠杆式协同突出企业在架构设计上的主动性,通过行业架构和标准设计撬动行业场景客户。案例企业在追赶超越阶段紧跟行业需求变化,立足于互联网市场,通过打造开放式架构推出一系列满足行业场景需求的芯片产品。杠杆式协同的底层逻辑是行业价值独占,企业在发展中拥有先发优势,主导行业技术发展方向并形成行业标准(应瑛等,2018)。
(3)赋能式协同是指以生态架构为核心,通过构建数字技术基础设施和全链条工具体系,形成开放共享的数字创新生态,满足生态伙伴各类场景需求,实现生态价值共创。案例企业在引领阶段主动打通芯片软硬件,形成紧密耦合关系,使得开发者快速开展研发适配工作。通过构建AI生态架构赋能自动驾驶和数据中心等各类生态伙伴开展创新活动。赋能式协同的底层逻辑是生态价值共创,核心企业建构生态架构或平台基础设施,确保生态系统具备清晰愿景和共享价值基础,鼓励生态系统伙伴积极参与价值共创[29],通过资源要素整合和交换,与各利益主体开展深度协作。
数字创新生态系统领导者是数字经济高质量发展和产业生态蓬勃发展的核心动力。当前,中国数字企业发展面临构建自主引领的创新生态系统的挑战,如何成为数字创新生态系统领导者是迫切需要解决的问题。英伟达作为全球数字创新生态系统典型领导者,在30多年发展中实现角色跃迁和生态构建。英伟达纵向案例研究表明,数字创新生态系统领导者形成过程是环境、系统与组织的共演行为,进而得出如下结论:
(1)数字创新生态系统领导者经历了一系列动态成长过程,从跟随、追赶到引领阶段实现“行业探索者→产业链龙头→生态领导者”的角色跃迁。本文突破多数研究将生态系统领导者角色视为不变的前提假设,为理解数字创新生态系统领导者动态变化提供了理论依据。
(2)环境是诱发企业系统变革的核心因素,在不同创新情景中,数字企业采取适应性机制实现架构和业务创新变革,重塑组织架构和技术架构,选择合适的场景驱动创新。研究发现,数字创新生态系统领导者需要回归到数字生态本质特征上,数字创新生态系统领导者形成过程呈现出“环境感知→系统变革→角色跃迁”共演行为。
(3)数字架构设计和场景驱动创新协同机制是数字创新系统领导者角色跃迁的驱动机制。在跟随式、赶超式、引领式情境中,数字企业分别采取订单式协同、杠杆式协同、赋能式协同机制,依次克服新进入者危机、行业激烈竞争、生态建设等难题。
本文理论贡献体现在以下3个方面:
(1)从动态视角考察数字生态系统领导者形成过程,构建数字创新生态系统领导者角色形成共演模型,拓展了数字创新生态系统领导者研究。尽管当前大量研究关注到数字创新生态系统或数字平台创新,但仍缺乏对数字生态系统领导者如何形成的清晰认识。本文系统阐释数字创新生态系统领导者角色形成过程,为理解数字创新生态系统领导者动态演进提供了理论参考。
(2)识别数字创新生态系统领导者角色形成的3种协同机制。现有数字创新文献指出,数字创新生态系统具有独特性,数字架构设计和场景驱动创新相结合[30],共同推动数字创新生态系统演进。本文在此基础上,进一步打开架构设计和场景驱动创新协同机制,发现这些协同机制是驱动角色跃迁的核心动力。
(3)构建“环境感知→系统变革→角色跃迁”共演模型,探讨数字创新生态系统共生演化以及自适应性过程。研究发现,数字创新生态系统共生演化行为受环境的影响,通过自适应进行系统变革和角色跃迁。在系统变革过程中,数字创新生态系统呈现出架构设计与场景驱动创新耦合机理。创新主体通过架构设计适应场景驱动创新,并根据场景需要调整技术架构和组织架构,两者相互协同、共同促进,推动数字创新生态系统发展。
数字创新生态系统领导者是推动数字经济高质量发展和产业生态蓬勃发展的关键力量。当前,中国数字企业发展面临构建自主引领创新生态系统的挑战,以AI领域为例,美国在基础硬件、开源框架、重大科技基础设施等关键领域持续加大筹码,形成领先的创新生态系统,并试图以“技术脱钩、技术封锁、战略围堵”等形式遏制我国科技进一步发展。因此,构建自主引领的国产数字创新生态是我国当前和下一阶段的重点工作,其中数字创新生态系统领导者对于生态形成、发展、兴盛至关重要。
(1)需要辩证看待当前国产数字创新生态系统发展阶段,充分发挥各类生态系统领导者优势。国外领先的数字创新生态系统大多围绕强有力的核心企业构建,作为国家战略科技力量,国家实验室、科技领军企业、科研机构等有责任和义务参与国际高水平竞争。
(2)数字创新生态系统领导者在发展过程中需要强化协同机制,通过架构设计和场景驱动创新的协同演进提高技术实力和市场份额,尤其要发挥生态赋能机制。数字企业通过结合丰富场景适配生态架构,赋能各类生态伙伴开展创新活动,实现资源要素整合和交换,推进各利益主体开展深度协作,实现生态价值创造和共享。
(3)中国领先的数字机构需紧跟数字创新浪潮,努力推出自主开放的生态架构,把握技术和市场机会窗口,实现快速追赶。底层架构设计影响上层场景应用方向,自主开放的生态架构对于我国实现高水平科技自立自强和维护产业安全至关重要。因此,领先机构应围绕数字生态,面向国际市场形成高水平开源开放生态系统,支持相关创新主体构建自主架构体系,推动中小企业积极参与数字创新生态建设。
本文采用纵向单案例探索数字创新生态系统领导者形成过程,构建数字创新生态系统领导者形成共演模型,囿于研究对象和研究方法限制,可能会在一定程度上限制研究结果的广泛使用。同时,本文聚焦国际领先企业经验,试图总结一般性规律供国内数字机构参考,虽然数字企业在技术发展和行业领域具有特定规律,但由于组织所处制度环境存在差异,对于国内数字机构的参考仍需考虑制度差异性。未来应选取国内典型机构开展比较研究,针对架构设计和场景驱动创新协同机制,通过多案例、定性比较分析或计量分析方法进行检验,进一步提升研究结论的普适性。
[1] GRANSTRAND O,HOLGERSSON M.Innovation ecosystems: a conceptual review and a new definition[J]. Technovation, 2020, 90: 102098.
[2] ARENAL A, ARMUNA C, FEIJOO C, et al. Innovation ecosystems theory revisited: the case of artificial intelligence in China[J]. Telecommunications Policy, 2020, 44(6): 101960.
[3] SUSENO Y, LAURELL C, SICK N. Assessing value creation in digital innovation ecosystems: a social media analytics approach[J]. The Journal of Strategic Information Systems, 2018, 27(4): 335-349.
[4] 胡登峰,黄紫微,冯楠,等.关键核心技术突破与国产替代路径及机制——科大讯飞智能语音技术纵向案例研究[J].管理世界,2022,38(5):188-209.
[5] KOLLOCH M, DELLERMANN D. Digital innovation in the energy industry: the impact of controversies on the evolution of innovation ecosystems[J]. Technological Forecasting and Social Change, 2018, 136: 254-264.
[6] BOYER J, KOKOSY A. Technology-push and market-pull strategies: the influence of the innovation ecosystem on companies' involvement in the Industry 4.0 paradigm[J]. The Journal of Risk Finance, 2022, 23(5): 461-479.
[7] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.
[8] CHAE B K. A General framework for studying the evolution of the digital innovation ecosystem: the case of big data[J]. International Journal of Information Management, 2019, 45: 83-94.
[9] NAMBISAN S. Architecture vs. ecosystem perspectives: reflections on digital innovation[J]. Information and Organization, 2018, 28(2): 104-106.
[10] BELTAGUI A, ROSLI A, CANDI M. Exaptation in a digital innovation ecosystem: the disruptive impacts of 3D printing[J]. Research Policy, 2020, 49(1): 103833.
[11] ZORINA A, DUTTON W H. Theorizing actor interactions shaping innovation in digital infrastructures: the case of residential internet development in Belarus[J]. Organization Science, 2021, 32(1): 156-180.
[12] 焦豪.数字平台生态观:数字经济时代的管理理论新视角[J].中国工业经济,2023,40(7):122-141.
[13] 史丹.数字经济条件下产业发展趋势的演变[J].中国工业经济,2022,39(11):26-42.
[14] ZUTSHI A, GRILO A. The emergence of digital platforms: a conceptual platform architecture and impact on industrial engineering[J]. Computers &Industrial Engineering, 2019, 136: 546-555.
[15] PAULI T, FIELT E, MATZNER M. Digital industrial platforms[J]. Business &Information Systems Engineering, 2021, 63: 181-190.
[16] ADNER R, KAPOOR R. Value creation in innovation ecosystems: how the structure of technological interdependence affects firm performance in new technology generations[J]. Strategic Management Journal, 2010, 31(3): 306-333.
[17] TEECE D J. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance[J]. Strategic Management Journal, 2007, 28(13): 1319-1350.
[18] GAO Y, LIU X, MA X. How do firms meet the challenge of technological change by redesigning innovation ecosystem? a case study of IBM[J]. International Journal of Technology Management, 2019, 80(3-4): 241-265.
[19] ROBERTSON J, FOSSACECA J M, BENNETT K W. A cloud-based computing framework for artificial intelligence innovation in support of multidomain operations[J]. IEEE Transactions on Engineering Management, 2021, 69(6): 3913-3922.
[20] XIE X, WANG L, ZHANG T. Involving online community customers in product innovation: the double-edged sword effect[J]. Technovation, 2023, 123: 102687.
[21] LEWIN A Y, VOLBERDA H W. Prolegomena on coevolution: a framework for research on strategy and new organizational forms[J]. Organization Science, 1999, 10(5): 519-534.
[22] CAI Y, LIN J, ZHANG R. When and how to implement design thinking in the innovation process: a longitudinal case study[J]. Technovation, 2023, 126: 102816.
[23] 温芳芳.基于德温特专利分类号耦合的技术多缘性与技术相似性研究——以29家福布斯全球2000强汽车企业为例[J].情报理论与实践,2017,40(8):87-92.
[24] MORGESON F P, MITCHELL T R, LIU D. Event system theory: an event-oriented approach to the organizational sciences[J]. Academy of Management Review, 2015, 40(4): 515-537.
[25] KOZINETS R V. The field behind the screen: using netnography for marketing research in online communities[J]. Journal of Marketing Research, 2002, 39(1): 61-72.
[26] WEST J, KUK G. The complementarity of openness: how MakerBot leveraged Thingiverse in 3D printing[J]. Technological Forecasting and Social Change, 2016, 102: 169-181.
[27] 余菲菲,王丽婷.数字技术赋能我国制造企业技术创新路径研究[J].科研管理,2022,43(4):11-19.
[28] GIOIA D A,CORLEY K G,HAMILTON A L.Seeking qualitative rigor in inductive research: notes on the Gioia methodology[J]. Organizational Research Methods, 2013, 16(1): 15-31.
[29] KETONEN-OKSI S, VALKOKARI K. Innovation ecosystems as structures for value co-creation[J]. Technology Innovation Management Review, 2019, 9(2):24-34.
[30] JOVANOVIC M, SJODIN D, PARIDA V. Co-evolution of platform architecture, platform services, and platform governance: expanding the platform value of industrial digital platforms[J]. Technovation, 2022, 118: 102218.