For this study, A-share listed companies in the new energy vehicle sector are selected as the initial sample to analyze the dynamics of R&D personnel cooperative network and core technologies breakthroughs.The core technologies in the new energy vehicle sector (including power battery, electric drive motor and electronic control system ) are identified based on official documents, and the relevant patent data from 2010 to 2023 is obtained from the Incopat database.Hypotheses are verified by defining variables and constructing multiple linear regression models.In addition, to further validate the hypothesis, the study divides the data according to the nature and scale of the enterprise and conducts heterogeneity analysis based on the nature and scale of the enterprises.The results show that, first, the dynamics of the R&D personnel cooperative network has an inverted U-shaped effect on core technology breakthroughs.Specifically, as the dynamics of the R&D personnel cooperative network gradually increases, the degree of technological breakthrough shows a significant trend of rising and then falling.In the early stage, an increase in network dynamics allows enterprises to obtain more external resources and innovation elements through diversified R&D personnel cooperative networks, thus promoting breakthroughs in core technologies.However, when the dynamics surpasses a certain threshold, frequent changes in cooperation may lead to instability of cooperative relationships, increased management complexity, and decreased resource utilization efficiency, thereby inhibiting the effect of core technology breakthroughs.Secondly, the depth of technology integration plays an inverted U-shaped mediating role between R&D personnel cooperative network dynamics and core technology breakthroughs, while the breadth of technology integration does not have a significant impact on this relationship.Third, further heterogeneity analysis reveals that the impact of R&D personnel cooperative network dynamics on core technology breakthroughs varies depending on the nature and scale of the enterprises.
Different from previous studies, this paper introduces the dynamic change of R&D personnel cooperative network into the research of core technology breakthroughs from the perspective of innovation.Through theoretical and empirical analysis, the study supports the original hypothesis and expands the classical theory of resource flow and cooperative network.The research findings provide valuable guidance for the dynamic configuration and integration of R&D personnel and technical resources within the enterprises.Enterprises need to maintain stable core teams and ensure long-term cooperation.They should regularly evaluate R&D collaboration networks and introduce new partners to acquire diverse knowledge and innovative thinking.To ensure efficient communication, excessive turnover should be avoided.Encouraging cross-departmental and cross-domain collaboration, providing interdisciplinary training, and establishing multi-field projects can prevent over-reliance on specific tech paths.Strengthening dynamic resource allocation enables enterprises to quickly respond to external changes and optimize resource use, thereby enhancing competitiveness and facilitating breakthroughs in core technologies.
开放科学(资源服务)标识码(OSID)：
关键核心技术是国家发展的重要支柱,对我国科技创新与产业升级具有重要引领作用,是实现高水平科技自立自强的核心保障。关键核心技术突破有助于打破西方国家的技术封锁,推动我国现代化产业体系建设,加快发展新质生产力。关键核心技术突破往往依赖于研发人员之间的合作,企业内部研发人员动态变化影响知识流动和技术资源整合。在技术革新日益加速、市场竞争愈发激烈的大背景下,企业研发人员合作网络动态变化对实现关键核心技术突破、发展新质生产力具有重要意义。
企业合作网络对关键核心技术突破的影响得到学界广泛关注,但相关研究多聚焦静态合作网络对技术突破的影响。有学者指出,企业技术突破所需资源不只是来自企业内部,通过外部合作与交流能获得更大范围的知识与技术,并在竞争激烈的环境中提升关键核心技术突破能力[1]。尤其是有多个创新主体参与的创新网络更加具有多元性,为更复杂、难度更高的关键核心技术突破提供了可能,同时网络关系强度对合作的稳定性与高效性也具有促进作用[2]。相关研究为理解研发人员合作网络与关键核心技术突破间关系提供了基础,但研究重心多集中于组织层面,忽视了企业内部研发人员合作网络动态变化对关键核心技术突破的影响。研发人员合作网络动态变化对于促进知识共享、技术组合与合作创新具有重要意义。尤其是在研发团队内部,人员之间的协作关系不仅影响技术传递和应用[3],还直接影响创新效率与关键核心技术突破成效[4]。然而,研发人员合作网络内部结构并非一成不变,而是随着时间和任务的推进不断演变。动态性体现在人员合作关系、信息传递方式和知识资源分配模式等方面。与静态网络相比,动态网络更能反映研发人员在不同阶段的互动与合作情况,这对于识别并把握关键核心技术突破机会至关重要[5]。例如,华为公司运用模块化手段对其合作网络进行管理,将整体网络分解为承接企业专利战略的若干具备不同功能的创新群落,实现由传统“点、线”创新关联转变为网络状的创新族群,促进研发合作方之间的信息沟通,推动专利合作创新由轮式沟通到全通道式沟通的转变,有效减轻了沟通成本(王海军等,2018)。同时,在世界各地招聘人才,成立各类科研机构,丰富自身技术储备,扩大合作网络动态性与覆盖范围,将企业原有研发力量与新兴技术资源优势紧密结合,加强云计算、人工智能等新兴领域关键核心技术突破[6]。因而,从企业内部研发人员合作网络出发,分析其动态变化对关键核心技术突破的影响,是一个亟待深入研究的重要课题。
此外,企业在追求合作网络动态变化时也应考虑技术组合的有效性,确保其能为所在领域关键核心技术突破提供有效供给[7]。技术融合深度与宽度作为影响创新活动的重要因素[8],在研发人员合作网络动态变化与关键核心技术突破之间发挥重要作用。技术融合深度反映企业在某一特定技术领域的深入程度,而技术融合宽度则体现跨领域技术合作的广泛性[9]。两者变化往往与研发人员合作网络结构调整和合作模式变化密切相关。例如,海尔集团将新一代信息技术与传统制造技术深度融合,由大规模生产向定制化生产转变,构建智能制造颠覆性技术创新实现路径[10];三一重工通过数实技术融合,横向扩展技术融合范围,提升资源组合多样性,推动技术创新;同时,加快资源分布式重构升级,推进纵深领域关键核心技术突破[11]。因此,将技术融合深度与宽度纳入分析框架,能够更加全面地解释研发人员合作网络动态性对关键核心技术突破的影响。
综上所述,本研究基于中国新能源汽车A股上市公司数据,深入探讨新能源汽车企业研发人员合作网络动态性对关键核心技术突破的影响机制,并引入技术融合深度与技术融合宽度作为中介变量,进一步研究不同性质与规模企业研发人员合作网络动态性对关键核心技术突破的差异化影响效果。 本文在现有研究的基础上,从企业内部研发人员合作网络出发,解释其动态性变化对关键核心技术突破的关键作用,旨在为企业在动态多变环境下科学组织研发合作网络、合理规划技术资源分配,从而实现关键核心技术突破提供切实可行的理论依据与实践指导。
在研发人员合作网络中,不同成员通过合作来协调资源分配、信息流通和任务分工,提升组织内部工作效率,合作的主要目的是优化内部技术共享渠道、加强协作,从而提高企业技术突破水平与能力[12]。资源基础理论与资源流动理论认为,研发人员合作网络内部资源是企业获取持续竞争优势的关键,能够帮助企业在复杂多变的竞争环境中脱颖而出,进而实现关键核心技术突破。同时,关键核心技术突破所需资源不仅来自个体或团队内部,还可通过与外部互动获取,包括知识、技术、人力等不同类型资源,它们通过构建合作网络进行传递和共享[13]。
由网络嵌入理论与社会网络理论可知,企业研发人员并非孤立进行决策和行动,而是嵌入在交织的网络关系之中,网络强度、密度、范围等因素对网络活动具有不同程度的影响。不同学者从合作网络视角出发,分别从宏观[14]、中观[15]和微观[16]角度探讨企业内部研发人员合作网络结构、特征与技术突破之间的关系,得出不同的研究结论。持有积极观点的学者认为合作网络会拓宽研发人员知识和资源获取途径,在促进多样性创新的同时降低风险与成本[17];持有相反观点的学者则认为合作网络会增加团队内部协调成本与冗余知识,由于团队成员间存在利益冲突或文化差异,会增加工作不确定性,降低关键核心技术突破速度与质量[18]。可见,企业内部不同类型研发人员合作网络与关键核心技术突破之间可能并非简单的线性关系。
研发人员合作网络动态性体现在团队为促进发展,不断向团队以外寻求新合作伙伴,引进更多全面、异质性的技术与资源,以丰富团队创新思维和科研能力[19]。合作网络动态性为研发人员间的技术交互提供了可能,不同知识资源汇聚促使研发人员合作网络不断获取和内化其他合作伙伴的知识、技术资源,吸收并创造出新知识,有利于增加知识储备,进而实现技术突破。同时,随着关键核心技术突破的不断深入,不同领域研发人员通过合作逐渐将各自掌握的技术融合为整体[20],团队成员之间的信任和默契程度进入比较成熟的阶段,稳定、重复的合作使彼此有较为深入的了解(陈立勇等,2016),有利于加深研发人员之间的沟通与信任,促进隐性知识传递,提高知识共享效率,同时尽可能避免组织内部冲突,从而增加创新产出(汤超颖等,2020)。组织更愿意以关系契约为基础,建立基于高情感契约的信任[21],这有利于缩短研发人员间的知识距离,提升知识深度,实现关键核心技术突破。
适当的动态性能使研发人员网络在维持现有合作稳定性的基础上获取并吸收新知识,但研发人员合作网络动态性对创新成果产出是一把“双刃剑”。当研发人员合作网络动态性过高时,频繁的人员变动和合作关系的不断重组有可能导致知识流动稳定性降低,研发人员需要花费更多时间识别、筛选可用的技术资源(张红娟等,2022),增加研发团队内部协调成本,降低关键核心技术突破效率。过高的动态性还会引发信息传递断层,导致研发团队丧失合作默契,致使研发资源分散且无法聚焦某一领域[22],使研发人员更关注短期目标和容易完成的项目,因为长期、复杂性较高的任务往往难以在过于动态多变的不确定性环境中进行,而关键核心技术突破往往周期较长且风险较高,最终会影响技术整合的有效性,阻碍关键核心技术持续突破。据此,本文提出如下假设:
H1 :研发人员合作网络动态性与关键核心技术突破呈倒U型关系。
当合作网络动态性较低时,合作关系较为稳定,研发人员之间沟通顺畅且合作成本较低,虽然创新可能有限,但技术融合方向较为明确,企业有充足的时间和资源深度挖掘已有技术(徐可等,2024)。但随着动态性增加,网络变化频繁,组织拥有的共性技术会抑制其与其它技术融合的可能,研发人员需要花费更多时间进行协调和适应,这会妨碍技术深度融合,甚至产生相反的影响[23]。过于频繁的变化导致信息流失与合作断裂,造成融合停滞或浅层次合作,进而阻碍关键核心技术突破。随着研发人员合作网络动态性的增强,研发人员逐渐适应这种变化并形成新合作机制,能够快速吸收和整合不同领域技术知识。这种高动态性的网络环境能够打破原有技术融合瓶颈,提升技术融合深度。此时,研发人员通过跨领域合作和不断更新伙伴关系,能够获取更多异质性资源,促进深层次技术融合。据此,本文提出如下假设:
H2a:研发人员合作网络动态性与技术融合深度呈正U型关系。
此外,技术深度融合能增加技术复杂性、协调难度和资源投入,提高创新过程中的不确定性和失败风险。企业在某一领域积累了大量知识和经验,会倾向于采取保守的创新策略,专注于渐进式改进,而非颠覆性创新。关键核心技术突破具有高风险、高回报的特点(胡旭博等,2022),而技术融合深度有可能导致企业对已有技术过度依赖,削弱企业进行大规模创新的动力。当技术融合程度较高时,复杂性和协调难度增加,有可能导致技术瓶颈,最终影响关键核心技术突破效果。同时,如果企业盲目地专攻某一特定领域,则有可能会因为经验不足而陷入创新困境[24]。因此,技术融合深度在一定程度上会对关键核心技术突破产生负面影响。据此,本文提出如下假设:
H2b:技术融合深度负向影响关键核心技术突破。
由于不同研发人员在知识储备和专业技能上存在差异,研发人员合作网络动态变化实质上也是不同类型技术进行重新整合的过程(周霞等,2024)。通过与其他领域研发人员进行合作,企业研发人员得以接触到更广泛的知识和经验,从而加深对多领域技术的理解和应用。随着网络动态性提升,研发人员不断接触和学习新知识及新技术,拓宽技术边界,使得不同领域知识更容易融合,从而提升技术融合宽度。据此,本文提出如下假设:
H3a:研发人员合作网络动态性正向影响技术融合宽度。
此外,宽度增加意味着横向探索知识领域,不断拓宽认知边界,拥有更大潜力和更多机会挖掘与整合异质性知识及技术,研发人员更有可能实现技术突破(徐建中等,2019)。然而,宽度增加不一定会对关键核心技术突破起持续促进作用。首先,从风险规避角度看,研发人员在关键核心技术突破过程中侧重于在熟悉技术领域寻找机会,过高的技术融合宽度会导致研发人员在多个技术领域摇摆,这不仅会阻碍关键核心技术突破进程,也会稀释关键核心技术突破所需资源[25];其次,随着技术融合宽度的增加,组织技术资源整合成本也在不断提高,这会增加团队内部成员建立共同认知的难度,团队需要增加成本才能将外部资源吸收、整合到原有体系[26]。据此,本文提出如下假设:
H3b:技术融合宽度与关键核心技术突破呈倒U型关系。
基于上述分析,本研究构建概念模型,如图1所示。
图1 概念模型
Fig.1 Conceptual model
新能源汽车产业作为我国战略性新兴产业之一,在引领关键核心技术突破、推动绿色低碳经济发展过程中发挥重要作用。本研究选取新能源汽车企业作为研究对象,是考虑到新能源汽车产业关键核心技术突破在国内外竞争中具有重要地位以及国家政策的大力支持。新能源汽车企业关键核心技术研发,如电池技术、智能驾驶系统等,关乎国家在全球新能源汽车市场中的竞争地位。专利数据是目前关键核心技术突破领域较好反映技术因素的指标,专利数量也常用于衡量新能源汽车关键核心技术突破水平[27]。国家发展和改革委员会在《新能源汽车产业发展规划(2021—2035年)》中提出,动力电池、驱动电机以及电控系统是新能源汽车领域的关键核心技术。本文结合现有学者对新能源汽车领域专利的分析[28],将电池(H01M、H02J)、电驱(B60L、B60K)与电控(H02P)作为本研究所需专利数据的IPC代码。在确定新能源汽车关键核心技术IPC代码后,获取我国2010—2023年A股新能源汽车上市公司专利数据,并对专利数量作对数处理。
为确保研究样本的可靠性和代表性,根据以下原则对样本进行筛选:①剔除被ST、*ST处理的样本企业,以确保所选企业具备持续经营能力和财务健康状况;②剔除在研究期间内退市、暂停上市和终止上市的企业样本,以确保分析数据的完整性和一致性;③剔除专利数据较少以及数据存在较大缺失的样本企业,以减少数据分析的偶然性。经过严格筛选,最终确定101家样本企业为研究对象。本研究所需新能源汽车关键核心技术相关专利数据来源于Incopat数据库,企业规模与销售毛利率数据来源于国泰安数据库和前瞻数据库,企业性质数据来源于企查查。
2.2.1 被解释变量
关键核心技术突破(Tech)。关键核心技术突破是衡量企业在核心技术领域创新能力的重要指标,反映企业在关键技术领域内取得的重大技术创新成果。专利能直观反映企业关键核心技术突破,专利水平代表企业在关键技术领域内的发明创造成果。较高的专利产出意味着企业在该技术领域研发活跃度较高,并且能够持续推出新技术成果(聂力兵等,2022)。所以,本研究采用电池、电驱和电控3个领域的专利授权数量衡量关键核心技术突破水平。
2.2.2 解释变量
研发人员合作网络动态性(Dynamic)。每一项专利往往有一个或多个研发人员参与,参照现有研究,以专利信息中的“发明人”作为知识元素,如果两个或多个发明人的名字在同一专利中出现,则视其为共同研发[29]。其中,每个研发人员为网络中的一个节点,存在合作关系的节点之间用一条边连接,通过边的变化分析研发人员合作网络动态性。
由于关键核心技术突破与专利申请之间具有一定时间跨度,所以本研究参考已有做法,采用3年时间窗口构建研发人员合作网络,计算其动态性[30]。具体计算公式为:
研发人员合作网络动态性=
(1)
该指标反映研发人员合作网络的稳定性和变化性,指标计算结果介于0～1之间,数值越大表示企业研发人员合作网络动态性越高。
2.2.3 中介变量
(1)技术融合深度(Depth)。本文借鉴以往学者做法[31],基于专利IPC分类号信息,计算某企业在某一特定技术领域的相对优势RTA(Revealed Technological Advantage):
(2)
其中,Xij为企业i在j类别IPC分类号下的专利数量,表示该企业在特定技术领域的专利积累;∑iXij为所有企业在类别IPC分类号下的专利数量,表示该技术领域总体专利数量;∑jXij为企业i在所有类别IPC分类号下的专利数量,反映企业的整体专利活动。当RTA值大于1时,意味着该企业在特定技术领域的专利数量优于其它企业,即在该领域具有相对优势。
根据RTA值结果,计算企业整体技术融合深度:
技术融合深度=μRTA
(3)
其中,μRTA表示企业在各技术领域中的RTA值的均值,反映企业在所有技术领域的平均相对优势。技术融合深度越高,表明企业在不同技术领域整合的复杂性和多样性越高,同时也意味着较高的创新风险和难度等。为方便表述,本文将最终结果加1取对数表示。
(2)技术融合宽度(Width)。参考产业集中度计算方法以及以往研究对知识宽度的衡量方式[32],本文参考IPC分类号中的大组,采取赫芬达尔—赫希曼指数(HHI)逻辑进行计算,具体计算公式如下:
技术融合宽度
(4)
其中,Fi指企业i所有专利涉及的所有类型IPC数量之和,Fij指企业i所有专利涉及的j类型IPC数量之和。技术融合宽度越大,表明企业专利组合在多个技术领域的分布越均匀;知识异质性越高,表明企业在多领域进行技术探索和应用技术跨界的能力越强,且拥有更大的创新潜力和应对技术变革的灵活性。
2.2.4 控制变量
为排除可能对解释变量产生干扰的其它因素,选取以下3个控制变量:①企业规模(Size):企业规模通常与创新能力、研发资源充裕程度有关。规模较大企业拥有更多资源进行关键核心技术突破,使用企业总资产衡量企业规模。②销售毛利率(GPM):销售毛利率代表企业盈利能力,反映企业整体财务状况。高销售毛利率企业往往具备较强的持续投入能力,能够较好地支持技术研发活动。③企业性质(Nature):企业性质(国有企业或非国有企业)通常影响内部决策的灵活性、对创新的敏感性及资源分配方式。不同性质企业在技术突破方面可能拥有不同策略。控制变量均来自上市企业年报中的公开数据。
为验证研发人员合作网络动态性与关键核心技术突破之间的倒U型关系,构建以下回归模型:
(5)
其中,Tech{i,t}为被解释变量,表示第i个企业在第t年的关键核心技术突破水平,也是本模型试图解释的主要结果变量。
分别表示第i个企业在第t年的研发人员合作网络动态性一次项和二次项。一次项反映研发人员合作网络动态性对关键核心技术突破的直接线性影响,二次项则反映非线性影响。如果
系数为负,则表明随着研发网络动态性提升,关键核心技术突破先增加后减少。β0为截距项,表示当所有解释变量均为零时关键核心技术突破的基础水平。β1、β2分别对应Dynamic{i,t}、的回归系数。β1反映研发人员合作网络动态性的直接影响,β2反映网络动态性的非线性效应。λi∑Control代表控制变量(企业规模、销售毛利率、企业性质)对关键核心技术突破的影响,用于控制其它可能影响结果的因素,以使得模型估计更加准确。ε{i,t}为随机扰动项,表示模型中未被解释的误差部分。
变量描述性统计和相关性分析结果如表1所示,通过相关性分析可以判断自变量和因变量之间存在相关性,同时各变量之间的相关系数均小于0.6。
表1 描述性统计和相关性分析结果
Table 1 Descriptive statistical results and correlation analysis
变量 均值标准差最小值最大值关键核心技术突破研发人员合作网络动态性企业规模销售毛利率企业性质关键核心技术突破2.6541.5470.6937.7291.000----研发人员合作网络动态性0.3660.2650.0001.0000.1101.000---企业规模397.9541 022.6200.2527 171.6800.1130.0681.000--销售毛利率0.2680.148-0.2150.851-0.053-0.0230.0931.000-企业性质0.3170.4660.0001.000-0.152-0.0230.2500.0731.000
首先,对数据进行Hausman检验,发现无法拒绝原假设,且随机效应模型能够在不丢失一致性的前提下提升估计效率,因此采用随机效应模型对变量进行分析。其次,由于并非所有目标企业2012—2023年均存在专利数据,所以使用非平衡面板数据回归模型对变量进行分析,结果如表2所示。从中可见,模型1以关键核心技术突破为被解释变量,引入控制变量(企业规模、销售毛利率、企业性质)进行基准回归,结果显示解释变量关键核心技术突破与控制变量具有显著相关性。模型2引入企业研发人员合作网络动态性一次项进行计算,结果显示研发人员合作网络动态性一次项对关键核心技术突破具有正向影响,结果符合原假设。模型3引入企业研发人员合作网络动态性二次项,结果显示一次项系数正向影响关键核心技术突破,而二次项系数呈现显著负向影响,说明企业研发人员合作网络动态性对关键核心技术突破的作用随着动态性提升呈现先增大后减小趋势,即倒U型关系,假设H1成立。
表2 基准回归分析结果
Table 2 Baseline regression analysis
变量关键核心技术突破模型1模型2模型3研发人员合作网络动态性-0.550**7.861***(0.222)(0.547)研发人员合作网络动态性2---8.828***(0.617)企业规模0.000***0.000***0.000***(0.000)(0.000)(0.000)销售毛利率-0.568-0.541-0.601*(0.400)(0.399)(0.349)企业性质-0.628***-0.615***-0.378***(0.130)(0.130)(0.115)常数项2.905***2.698***1.777***(0.126)(0.151)(0.147)R20.0500.0590.283观测值662662662
注:括号内为稳健标准误,*、**、***分别表示p<0.10、p<0.05和p<0.01,下同
本研究对企业研发人员合作网络动态性与关键核心技术突破间作用机制进行检验,结果如表3所示。
表3 中介效应检验结果
Table 3 Mediation effect test results
变量技术融合深度关键核心技术突破技术融合宽度关键核心技术突破模型1模型2模型3模型4研发人员合作网络动态性-2.540***-0.154***-(0.624)(0.029)研发人员合作网络动态性23.480***---(0.704)技术融合宽度----0.843(0.886)技术融合宽度2---3.862***(0.818)技术融合深度--0.488***--(0.034)常数项6.079***5.761***0.691***1.198***(0.167)(0.225)(0.020)(0.269)R20.0780.2820.0580.247观测值662662662662控制变量控制控制控制控制
表3中模型1、模型2结果显示,技术融合深度在研发人员合作网络动态性与关键核心技术突破之间发挥显著倒U型中介作用。具体而言,研发人员合作网络动态性对技术融合深度呈正U型影响,意味着当研发人员合作网络动态性从低到高变化时,技术融合深度经历了先降低后提高的过程。当研发人员合作网络动态性较低时,企业合作网络趋于稳定,虽有技术融合,但由于缺乏新鲜血液的注入,导致技术深度融合乏力;随着动态性的逐渐提高,频繁的合作关系变化会削弱企业对某一技术领域的精细化整合,资源过于分散导致技术融合深度下降;当研发人员合作网络动态性超过某一临界值达到较高水平时,研发人员逐渐适应多变的网络环境,并在技术领域拥有更丰富的知识积累和创新动力,进而促进技术融合深度快速提升。因此,假设H2a成立。
此外,技术融合深度对关键核心技术突破呈负向显著影响,假设H2b成立,表明过度依赖某一技术领域深度融合有可能导致创新路径依赖,抑制企业在其它潜在技术领域的探索和突破能力。深度融合能够带来某些领域的技术进步,但在单一领域投入过多,创新灵活性和多样性将受到限制,关键核心技术突破整体效率也会下降。如果企业在已有特定技术领域深入挖掘并已经取得突破,当新技术出现时,由于过度依赖已有技术路径,未能及时进行技术转型,也有可能导致无法实现关键核心技术突破。因此,企业在推动技术深度融合时应保持战略灵活性,确保在重点领域深耕,同时保留对新兴技术领域的关注和探索能力,以维持关键核心技术突破的长久优势。
模型3、模型4显示,技术融合宽度在研发人员合作网络动态性与关键核心技术突破之间的中介作用并不显著。研发人员合作网络动态性对技术融合宽度具有显著正向影响,假设H3a成立,表明随着研发人员合作网络动态性的增强,企业在不同技术领域之间的融合范围逐步扩大。这意味着动态的研发人员合作网络能够有效推动企业在广泛的技术领域进行整合和跨界合作,为关键核心技术突破创造更多机会。
然而,技术融合宽度与关键核心技术突破之间的倒U型关系未在回归结果中得到验证。原因可能在于,本研究以新能源汽车企业内部研发人员合作网络为样本,一方面,企业通常基于某些特定技术目标将研发人员组成团队,成员异质性技术较少,技术融合宽度存在一定限度。另一方面,新能源汽车是近几年快速兴起的热门行业,大部分企业进入行业时间较短,企业在扩大技术融合宽度过程中尚处于技术组合阶段。这一阶段的技术融合以技术资源整合为主要特征,企业通过合理的管理策略和技术整合路径协同不同领域技术,从而带来关键核心技术突破。而倒U型曲线中负向效应的出现往往需要企业跨越一个特定的技术融合宽度临界点,即当资源分配和管理能力无法满足过多技术领域整合需求时,才会显现出关键核心技术突破水平下降的情况。由于目前样本企业尚未达到这种资源冗余的临界点,因此假设H3b未成立。
(1)倾向得分匹配法。为减轻自选择偏差的影响,本研究使用倾向得分匹配法对相关变量进行内生性检验。具体步骤包括:首先,基于各项控制变量,运用logit模型计算样本的倾向得分;其次,采用近邻匹配法进行1∶1的样本匹配;最后,对匹配后样本进行回归分析,结果如表4所示。结果显示,企业研发人员合作网络动态性对关键核心技术突破的影响系数正负值符号与显著性水平与基准回归结果一致。
表4 内生性检验-倾向得分匹配法
Table 4 Endogenous test-propensity score matching
变量关键核心技术突破研发人员合作网络动态性8.251***(0.680)研发人员合作网络动态性2-8.989***(0.639)常数项1.664***(0.188)R20.284观测值662控制变量控制
(2)滞后一期。本研究将解释变量滞后一期(研发人员合作网络动态性及其二次项)作为工具变量进行回归分析,结果如表5所示。结果显示,滞后一期动态性指标和平方项对关键核心技术突破依然具有显著影响。具体而言,滞后动态性指标系数为7.880,标准误为0.617,表明其对技术突破具有显著正向影响。同时,动态性平方项系数为-8.413,标准误为0.687,表明其对技术突破具有显著负向影响。因此,本研究主效应假设依然得到支持。
表5 内生性检验—滞后一期
Table 5 Endogeneity test-lagged by one period
变量关键核心技术突破滞后一期-研发人员合作网络动态性7.880***(0.617)滞后一期-研发人员合作网络动态性2-8.413***(0.687)常数项1.869***(0.164)R20.273观测值543控制变量控制
(3)断点回归法。断点回归分析结果如表6所示,动态性指标与关键核心技术突破之间存在显著非线性关系。具体而言,在临界值之前,技术突破水平显著增加,而断点后关系变为负相关。这说明,在动态性指标上存在一个显著的临界点,超过此临界点后,技术突破增长趋势发生逆转,支持倒U型理论预期,与原主效应假设一致。
表6 内生性检验—断点回归法
Table 6 Endogeneity test-regression discontinuity
变量关键核心技术突破研发人员合作网络动态性_临界值前2.600***(0.985)研发人员合作网络动态性_临界值后-7.969***(2.388)常数项1.649***(0.147)R20.309观测值662控制变量控制
(1)改变研发人员合作网络动态性。本文用研发人员合作网络密度动态性作为研发人员合作网络动态性的衡量指标进行回归分析,结果如表7模型1所示。网络密度反映团队成员间合作关系的紧密程度,用不同时间段的网络密度衡量动态性。通过计算不同时期网络密度变化揭示团队合作模式的波动性,计算公式为动态性=密度(t)-密度(t-1),其中t为第t个时间周期,(t-1)表示t的上一期。较大波动意味着团队内部合作模式不稳定,动态性较高。结果显示,研发人员网络密度动态性一次项系数为正,二次项系数为负,且均具有显著相关性,与原假设和基准回归分析结果一致,说明原主效应假设可检验性较强。
表7 稳健性检验结果
Table 7 Robust test results
变量关键核心技术突破模型1模型2研发人员合作网络动态性0.154***7.557***(0.014)(0.649)研发人员合作网络动态性2-0.000***-8.631***(0.000)(0.737)常数项84.965***1.893***(18.087)(0.171)R20.3540.277观测值662521控制变量控制控制
(2)截取区间子样本。考虑到我国新能源汽车产业发展与商业化速度在近5年内大幅增长,新能源汽车企业上市时间普遍较短,进而增加了交流与合作的可能。因此,仅保留2017—2023年的数据进行回归分析,结果如表7模型2所示。稳健性结果表明,解释变量与被解释变量在1%水平上显著相关,一次项系数正相关,二次项系数负相关,再一次验证了研发人员合作网络动态性与关键核心技术突破呈倒U型关系,研究结论依然稳健。
前文通过回归分析验证企业研发人员合作网络动态性对关键核心技术突破的倒U型影响,结果发现基准回归同时受到控制变量企业性质和企业规模的影响。理论上讲,一方面,国有企业与非国有企业在结构上存在较大差异,国有企业通常结构稳定、创新节奏较为稳健,因此,若研发人员合作网络动态性过高,则可能不利于关键核心技术积累与突破。相比之下,非国有企业则更加灵活,能够通过及时调整研发人员合作网络迅速应对市场变化,进而实现技术突破;另一方面,大型企业往往资源积累丰富,过高的网络动态性可能会带来管理成本提升,而中小企业研发人员合作网络灵活性或许更有助于关键核心技术突破。基于此,本研究分别按照企业性质和企业规模对研究数据进行划分,并分别进行异质性分析,结果如表8所示。
表8 异质性检验结果
Table 8 Heterogeneity test results
变量关键核心技术突破模型1模型2模型3模型4模型5模型6研发人员合作网络动态性14.519***5.273***4.669***6.453**12.105*34.129**(4.751)(0.805)(0.894)(3.214)(6.632)(14.152)研发人员合作网络动态性2-18.395***-5.946***-5.251***-6.962*-14.798**-46.056***(5.408)(0.901)(1.055)(3.588)(7.401)(15.309)常数项87.40822.876**10.617-11.507-59.214*-375.723***(63.247)(10.741)(11.706)(17.223)(31.845)(64.369)R20.5050.2000.1730.0350.0780.325观测值452210166165166165控制变量控制控制控制控制控制控制
(1)企业性质异质性分析。本研究按照国有企业与非国有企业将样本数据划分为两组,表8中模型1、模型2分别为非国有企业与国有企业的回归结果。结果显示,研发人员合作网络动态性对关键核心技术突破的影响存在显著差异,这一差异不仅体现在动态性一次项影响程度上,也体现在关键核心技术突破二次项影响即倒U型关系上。非国有企业研发人员合作网络动态性对关键核心技术突破的正向影响更显著,动态性一次项系数为14.519,而国有企业仅为5.273,表明非国有企业研发人员合作网络灵活性和敏捷性较强,能够迅速适应市场变化和技术需求,从而推动关键核心技术突破。相比之下,国有企业研发人员合作网络动态性对关键核心技术突破的促进作用较弱,显示出其在研发人员合作网络动态管理和利用方面存在不足。另外,从研发人员合作网络动态性对关键核心技术突破的负向影响看,非国有企业研发人员合作网络动态性二次项系数为-18.359,而国有企业研发人员合作网络动态性二次项系数为-5.946。这说明,在非国有企业中,动态性能适度增强关键核心技术突破能力,但过高的动态性有可能导致合作关系不稳定和资源配置低效,进而抑制关键核心技术突破。因此,非国有企业在积极开展外部合作时应重视动态性带来的潜在风险。相比之下,国有企业研发人员合作网络动态性的负向影响较小,可能是因为其固有的管理体系和资源结构使得它们在动态性管理上具有一定稳定性,能够更好地应对研发人员合作网络所面临的挑战。
综上所述,企业性质对研发人员合作网络动态性与关键核心技术突破间关系具有显著影响,非国有企业在动态性管理方面展现出的灵活性和适应性为关键核心技术突破提供了有利条件,而国有企业则需要进一步提升动态管理能力,以便更好地利用研发人员合作网络实现关键核心技术突破。
(2)企业规模异质性分析。本研究按照企业规模将样本数据划分为4组,规模由小到大的分析结果分别见表8中模型3—模型6。结果显示,中小型企业研发人员合作网络动态性对关键核心技术突破的正向影响显著。其中,规模较小的企业动态性系数值较低,显示出一定的正向效应。这表明,灵活的研发人员合作网络使得中小型企业能够适应市场需求,促进关键核心技术突破。同时,规模较大的企业动态性系数值随之增加,研发人员合作网络动态性对关键核心技术突破的作用效果显著增强。这意味着大型企业能够利用丰富的资源和市场影响力,借助动态研发人员合作网络推动关键核心技术突破,从而在行业竞争中占据优势地位。然而,从研发人员合作网络动态性对关键核心技术突破的负向影响看,规模差异比较明显。相较于规模较小的企业,规模较大的后半部分企业中,研发人员合作网络动态性的二次项系数值较大,这表明后者负向效应更明显。这说明,虽然动态性在大型企业中仍能有效促进关键核心技术突破,但过高的动态性可能导致管理的复杂性和资源浪费,从而抑制关键核心技术突破。大型企业因复杂的内部结构和管理体系,过高的动态性可能会引发内部协调困难,进而影响关键核心技术突破效率,这在规模位于前四分之一的企业中体现尤为显著。
综上所述,不同规模企业在研发人员合作网络动态性对关键核心技术突破的影响上表现出显著差异。中小型企业能够利用动态性实现高效的关键核心技术突破,但在动态性过高时也会面临资源和管理挑战;而大型企业通过丰富的资源和市场优势,在动态性管理上具有更大潜力,但同样需要关注动态性带来的复杂挑战。
(1)企业研发人员合作网络动态性对关键核心技术突破呈现倒U型影响,即在研发人员合作网络动态性逐渐提升过程中,关键核心技术突破呈显著的先上升后下降趋势。随着研发人员合作网络动态性的提升,企业初期能通过多样化研发人员合作网络获取更多外部资源和创新要素,从而促进关键核心技术突破。然而,当动态性逐渐升高至超过某一临界值后,频繁的合作变动有可能导致合作关系不稳定、管理复杂度增加以及资源利用率下降,进而抑制关键核心技术突破。
(2)技术融合深度在企业研发人员合作网络动态性与关键核心技术突破间发挥倒U型中介作用,而技术融合宽度在研发人员合作网络动态性与关键核心技术突破间影响作用不显著。当研发人员合作网络动态性较低时,网络较为稳定,研发人员将技术与资源大部分投入到特定技术领域。随着动态性提升,研发人员虽然可以接触到新资源和外部知识,但过于频繁的变动有可能导致知识流动性增加,过早中断当前技术融合项目会使合作关系不稳定,反而会影响对某一领域的持续挖掘,使得技术融合深度暂时下降。而当动态性达到某一临界值后,企业逐渐找到频繁合作变动的平衡点,能够更加有效地管理知识流动和创新资源。此时,企业不仅可以维持合作网络的灵活性,还能有计划地深化技术融合,从而推动技术融合深度提升。技术融合深度虽能促进技术整合,但也有可能会引发路径依赖,最终抑制关键核心技术突破。
(3)研发人员合作网络动态性对关键核心技术突破的影响效果因企业性质与规模不同而不同。非国有企业由于市场导向性较强,表现出更高的动态灵活性,因此研发人员合作网络动态性对关键核心技术突破的影响较显著。然而,这种高动态性也容易带来合作关系不稳定和资源配置低效,导致关键核心技术突破水平增幅缓慢。相比之下,国有企业动态性管理表现较为保守,虽然动态性对关键核心技术突破的正向促进作用较弱,但由于资源稳固和管理体系成熟,其负向效应较小。同时,企业规模越大,研发人员合作网络动态性正负效应越明显。大型企业能够较好地利用广泛的研发人员合作网络资源推动关键核心技术突破,但过高的动态性也有可能增加管理复杂性和协调成本。
(1)保持一定的内部研发人员合作网络动态性对于企业关键核心技术突破至关重要,但应将合作网络动态性变化维持在一定限度内。企业应维持核心合作团队稳定,确保长期合作关系的延续,定期评估研发人员合作网络结构,适时引入新伙伴和外部资源,以获取多样化专业技术知识和创新思维。同时,避免过度频繁的人员流动与合作变更,提升团队内部沟通与协调效率。通过这种平衡,企业能有效利用研发人员合作网络动态性带来的竞争优势,同时避免其造成的潜在负向影响,进而实现关键核心技术突破。
(2)企业关键核心技术突破应适度控制技术融合深度。技术融合深度过大会导致创新路径固化,形成“技术锁定”现象。具体来说,企业应鼓励跨部门和跨领域协作,打破单一领域技术壁垒;企业管理层应定期为研发人员提供跨领域培训或合作机会,拓宽其知识视野;设立多领域创新项目,鼓励员工从不同技术领域寻找突破口。通过这些举措,防止研发人员过度依赖某些特定技术路径,从而推动关键核心技术突破。
(3)加强资源动态配置和整合。为实现关键核心技术突破,企业应建立灵活的资源配置机制,支持研发人员根据市场变化和技术发展趋势动态调整资源分配与合作策略。这需要企业具备高度的敏捷性和适应能力,能够迅速响应外部市场环境变化,有效整合内外部资源。通过优化资源配置,企业能够更好地支持创新活动,减少资源浪费和低效使用,提升整体关键核心技术突破水平和市场竞争力。
本研究存在以下不足:首先,以我国新能源汽车企业为研究对象,基于新能源汽车关键核心技术特点,所得结论对于其它类型企业或行业未必适用,未来可采用更广泛的样本数据;其次,我国不同地区发展存在较大差异,经济发展水平与政策支持力度也不同,未来应开展细化研究;最后,采用面板数据研究方法分析研发人员合作网络动态性对关键核心技术突破的影响机制,未来可对特定案例企业进行深入分析,为企业提供更加精准的策略建议和实践指导。
[1] 王菌丽,冯熹宇.创新网络嵌入对企业创新绩效的影响:回顾与展望[J].科学决策,2023,30(3):128-140.
[2] 姜红,高思芃,刘文韬.创新网络与技术创新绩效的关系:基于技术标准联盟行为和人际关系技能[J].管理科学,2022,35(4):69-81.
[3] KHANNA R, GULER I.Degree assortativity in collaboration networks and invention performance[J].Strategic Management Journal, 2022, 43(7): 1402-1430.
[4] SCHUMPETER J.The theory of economic development[M].Cambridge: Harvard University Press,1934.
[5] 王巍,刘彦娇,陈劲,等.关系嵌入性动态演化对创新新颖性与影响力的作用[J].系统管理学报,2025,34(1):168-186.
[6] 杜丹丽,赵丹,简萧婕.整合式创新范式下后发企业如何实现追赶性成长——基于华为纵向案例研究[J].中国科技论坛,2022,48(2):115-124.
[7] 朱婷婷,戚湧.专利合作网络技术多元化对关键核心技术突破的影响机制——管理者认知与组织惯性的中介作用[J].科技管理研究,2024,44(11):1-9.
[8] 孟凡生,赵艳,冯耀辉,等.人工智能专利网络对企业智能化发展的影响[J].科研管理,2024,45(7):118-126.
[9] KATILA R, AHUJA G.Something old, something new: a longitudinal study of search behavior and new product introduction[J].Academy of Management Journal, 2002, 45(6): 1183-1194.
[10] 王海军,于佳文,田晓冉,等.智能制造对企业颠覆性创新的作用机理——来自扎根理论的海尔案例研究[J].科技进步与对策,2023,40(1):102-113.
[11] 赵艺璇,钱庆乐,成琼文.关键核心技术创新视角下数实资源融合如何驱动企业生态位跃升[J].科技进步与对策,2025,42(6):68-77.
[12] 孙笑明,王静雪,崔文田,等.网络结构与关键研发者创造力:基于两阶段研发生涯的探讨[J].管理工程学报,2020,34(5):53-61.
[13] 贺正楚,刘思思,潘红玉.产业链企业的协同创新网络与创新效率[J].科技管理学报,2023,25(6):43-55.
[14] VANTAGGIATO F P.From learning to influence: the evolution of collaboration in European administrative networks[J].Journal of European Public Policy, 2022, 29(10): 1631-1655.
[15] BIANCHI C, GALASO P, PALOMEQUE S.The trade-offs of brokerage in inter-city innovation networks[J].Regional Studies, 2023, 57(2): 225-238.
[16] XIE X, WU Y, DEVECE C.Is collaborative innovation a double-edged sword for firms? the contingent role of ambidextrous learning and TMT shared vision[J].Technological Forecasting and Social Change, 2022, 175: 121340.
[17] 胡双钰,吴和成.促进还是抑制:合作网络嵌入对组织创新绩效影响研究[J].系统工程,2024,42(6):16-29.
[18] 杨博旭,王玉荣,李兴光.“厚此薄彼”还是“雨露均沾”——组织如何有效利用网络嵌入资源提高创新绩效[J].南开管理评论,2019,22(3):201-213.
[19] DAHLANDER L, MCFARLAND D A.Ties that last: tie formation and persistence in research collaborations over time[J].Administrative Science Quarterly, 2013, 58(1): 69-110.
[20] SCHMICKL C,KIESER A.How much do specialists have to learn from each other when they jointly develop radical product innovations[J].Research Policy, 2008, 37(3): 473-491.
[21] PHELPS C C.A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation[J].Academy of Management Journal, 2010, 53(4): 890-913.
[22] LETEN B, BELDERBOS R, VAN LOOY B.Technological diversification, coherence, and performance of firms[J].Journal of Product Innovation Management, 2007, 24(6): 567-579.
[23] 刘晓燕,孙丽娜,裘靖文,等.基于多层网络的人工智能领域跨界技术融合[J].复杂系统与复杂性科学,2022,19(1):45-51.
[24] 蒋瑜洁,史浥衡,王尚可.中国“隐形冠军”技术创新的多元或聚焦之路——基于中日新能源汽车电池领域专利对比分析[J].软科学,2024,38(6):75-81,112.
[25] 于飞,蔡翔,董亮.研发模式对企业创新的影响——知识基础的调节作用[J].管理科学,2017,30(3):97-109.
[26] XU S.Balancing the two knowledge dimensions in innovation efforts: an empirical examination among pharmaceutical firms[J].The Journal of Product Innovation Management, 2015,32(4):610-621.
[27] NEVES S A, MARQUES A C, FUINHAS J A.Technological progress and other factors behind the adoption of electric vehicles: empirical evidence for EU countries[J].Research in Transportation Economics, 2019, 74: 28-39.
[28] CHOI H.Technology-push and demand-pull factors in emerging sectors: evidence from the electric vehicle market[J].Industry and Innovation, 2018, 25(7): 655-674.
[29] WANG C,RODAN S,FRUIN M,et al.Knowledge networks,collaboration networks, and exploratory innovation[J].Academy of Management Journal,2014,57(2):484-514.
[30] YAN Y, LI J, ZHANG J.Protecting intellectual property in foreign subsidiaries: an internal network defense perspective[J].Journal of International Business Studies, 2022, 53(9): 1924-1944.
[31] 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.
[32] 张杰,郑文平.创新追赶战略抑制了中国专利质量么[J].经济研究,2018,53(5):28-41.