图1 产业技术创新联盟共生演化过程
摘 要：分析了产业技术创新联盟共生演化过程，以领导企业为切入点，论述了产业技术创新联盟共生演化所呈现的混沌特征；借鉴生态学“虫口”模型，验证了联盟共生演化发展路径；讨论了有关领导企业聚拢能力的影响因素，通过对影响因素的优化调整，控制领导企业聚拢能力(参数值)的大小，使整个联盟的共生演化方向得以优化。结果表明：产业技术创新联盟的混沌状态是随着联盟领导企业聚拢能力从弱到强转变而呈现的，产业技术创新联盟共生演化出现的不同结果也是联盟领导企业聚拢能力不同造成的。要在宏观上把握产业技术创新联盟共生演化方向，需要对领导企业聚拢能力加以控制。
关键词：产业技术创新联盟；共生演化；混沌理论；聚拢能力；领导企业
国家六部委2008年联合发布了《关于推动产业技术创新战略联盟构建的指导意见》，指出:“产业技术创新(战略)联盟是指由企业、大学、科研机构或其它组织机构，以企业的发展需求和各方的共同利益为基础，以提升产业技术创新能力为目标，以具有法律约束力的契约为保障，形成联合开发、优势互补、利益共享、风险共担的技术创新合作组织”[1]。我国产业技术创新联盟是以产学研为主要合作形式的战略联盟，是一种在政府引导与推动下，以提升技术创新能力为目标的新型创新合作组织。这种新型创新合作组织一般由领导企业发起，相关企业、科研机构、大学以及其它组织共同参与。在这种产业技术创新联盟中，领导企业不但扮演着创新战略组织者、制定者以及实施者的角色，而且扮演着创新资源(如创新条件与资金)主要投入者的角色，因而领导企业在联盟网络中处于核心地位。所以，在产业技术创新联盟产生、发展以及演化过程中，领导企业的作用是举足轻重的。
产业技术创新联盟近年来一直是学术界与实践界关注的热点。现有相关研究主要集中于运行机制方面，如赵志泉[2]提出产业技术创新联盟是松散网络型组织共生体，呈现风险共担、利益共享且要素水平双向或多向流动等特征。此外，他还明确论述了联盟参与主体及主体间分工；李岱素、谢科苑等[3]对产业技术创新联盟合作展开了实证研究，系统分析了产学研联盟合作机制，并对联盟合作伙伴异质能力对产学研联盟的积极作用进行了探讨；王雪原、王宏起[4]研究了政府指导下产业技术创新联盟运行机制及其策略，为产业技术创新联盟良性运行提供了理论支持与方法支持；张晓等[5]通过研究国外产业技术创新联盟成功案例，提出了我国构建产业技术创新联盟过程框架、运行模式以及机制保障等政策建议；胡争光、南剑飞[6]研究了产业技术创新联盟中成果分担机制与风险机制等战略问题，提出了联盟网络战略金三角的概念。此外，学者们还从多个角度对产业技术创新联盟进行了研究，如李雪、李菁华[7]将冲突分析理论应用到产业技术创新联盟中，构建了产业技术创新联盟冲突模型；殷群和王飞[8]从知识转移层面研究了联盟运行有效性，认为联盟内部知识转移包括初始阶段、中间阶段和见效阶段3个阶段；何卫红[9]总结了国内外产业技术创新联盟运行模式发展历程，并对如何解决发展过程中存在的问题提出了建议。
学者们对产业技术创新联盟进行了大量研究，为产业技术创新联盟进一步研究奠定了良好基础，但是，学者们的研究焦点大都集中于如何构建联盟运行机制上，对于联盟演化过程及路径问题，有部分学者基于博弈论视角进行了分析，但没有形成统一清晰的界定。产业技术创新联盟作为一种技术创新合作组织，以合作伙伴间共同利益为基础，进而实现联合开发、利益共享、风险共担、优势互补。在产业技术创新联盟中，联盟主体间存在一种互相支撑、相互依存的关系，从某种意义上讲，联盟合作伙伴之间共同发展、相互促进的关系类似于生态学中的共生关系。本文以产业技术创新联盟中领导企业为切入点，探讨联盟共生演化过程所具有的混沌特征，然后，构建生态学“虫口模型”验证联盟共生演化路径，并讨论领导企业聚拢能力的影响因素，通过优化调整影响因素来控制领导企业聚拢能力(参数值)的大小，使整个联盟共生演化朝向正确方向。
1.1 混沌理论(Chaos theory)
混沌理论(Chaos theory)与量子力学以及相对论被认为是20世纪最伟大的发现之一。混沌理论既有质性思考又涵盖量化分析，其探讨的是动态系统中(如化学反应、人口移动、社会行为、气象变化等)那些必须用整体、连续的数据关系而无法用单一数据关系去解释及预测的一系列行为。美国气象学家爱德华·诺顿·洛伦茨于20世纪60年代初从大气流动问题中发现混沌现象(Chaos)的两个基本特点，即对初始条件极端敏感依赖性和不可预测性。“混沌”一词最先出现在1975年一篇名为“Period three implies chaos”的论文中，这篇论文的发表者是美国数学家约克及其研究生李天岩。半个世纪以来对于混沌问题的研究一直没有停止，然而至今没有形成一个统一的、权威的、普遍认可的、较为系统的混沌理论，甚至连混沌一词的解释也没有达成一致意见。例如，协同学创始人哈肯(Hanker)认为，决定论方程的无规则运动是混沌性的来源；而数学生态学家梅(May)指出在确定性非线性系统中，混沌是其内在随机性；我国著名科学家钱学森指出：“混沌是微观有序、宏观无序的现象”。纵观“混沌”的各种解释，有两个非常明确的共识：①在确定性系统中混沌是其内在随机性，是一种看似无序、实则更加有序的非周期性行为；②不能将非线性问题视为简单的线性问题，必须采用非线性问题的处理方法。混沌理论讨论的是在确定性系统中形成内在“随机过程”的途径与机制，是系统由有序状态突变成无序状态的一种演化理论。由混沌理论可知，在确定性系统中有可能出现随机结果。
1.2 基于领导企业的产业技术创新联盟共生演化过程及其混沌特征
1.2.1 产业技术创新联盟中领导企业及其作用
产业技术创新联盟可以视为一个共生系统，其由相关企业、高校、科研机构及相关中介组织等共生单元组成。其中，企业擅长产品市场开发，同时又是技术的需求者；高校的特长在于拥有较高知识创新水平；科研机构的优势在于擅长应用研究。正是由于联盟共生体中各共生单元的优势资源存在异质性，联盟共生系统才能够实现各共生单元的资源共享与优势互补，进而提升联盟共生系统运行效率以及效果。只有在联盟共生合作伙伴各主体目标与利益得到充分保障的基础上，联盟共生系统才能实现健康可持续发展。因此，产业技术创新联盟形成的共生系统是利益共享、优势互补的互利共生关系。也就是说，产业技术创新联盟是一种产业技术创新群落及其相对稳定的交流与合作关系的总和，相关行为主体(高校、企业、中介机构、科研院所以及地方政府等)以技术创新为纽带，交互作用、协同创新。
产业技术创新群落的形成与发展也有其自身规律：首先，产业内拥有主导地位的核心企业在一定的内部条件与外部环境下发起成立创新联盟，称之为领导企业，相关合作伙伴(包括企业、高校、科研机构及相关中介组织)参与其中，领导企业可看作一个或多个拥有吸聚能力与自组织能力的联盟主体。在国内外文献中，“领导企业”(leader firm)又被称作核心企业( core firm)，国内学者还将其称为主导企业、关键种企业或龙头企业。关于领导企业在产业技术创新联盟中的作用， Knight[10]和Powell[11]等研究发现，随着时间的推移，产业技术创新联盟将由少数具有明显优势地位的企业统治，这里的少数统治企业就是联盟领导企业；张首魁和党兴华[12]也认为，核心企业(领导企业)是技术创新网络的核心节点和主导者，将其它节点连接在周围，在技术创新网络中发挥重要作用，甚至主导技术创新联盟的发展； Pittaway[13]等指出核心企业是联盟中吸收和创造知识最快的企业，其通过技术与制度创新能力对网络进行管理与协调，这是创新联盟扩张与成功的关键影响因素。由此可见，领导企业在产业技术创新联盟中发挥关键性作用，领导企业利用自身优势，主导产业技术创新联盟中的知识活动，进而控制和协调整个联盟的发展。
1.2.2 基于领导企业的产业技术创新联盟共生演化过程
由于联盟领导企业具有吸聚和自组织能力，其发起成立联盟后，会将周围的一些相关高校、企业、中介组织以及科研机构聚拢起来，于是，联盟开始结网。随后，联盟参与主体(相关企业、高校、科研机构及中介组织)进行分工合作，搭建公共技术平台，使创新资源得到合理衔接与有效分工，使知识产权得以共享，创新联盟随之加速扩张、迅速发展、不断壮大。在联盟扩张到一定规模之后,联盟合作伙伴间创新协作关系围绕联盟主体不断完善与发展，产业技术创新联盟网络就此形成，技术开发目标得以达成，科技开发成果也能迅速投入商业化运作，产业整体竞争力得到充分提升，创新联盟走向成熟，群落规模也逐步稳定。但是，随着时间的推移，原有联盟领导企业逐渐失去聚集功能，产业技术创新联盟也步入生命周期的更替阶段，联盟中出现新的领导企业，经过一段时间的竞争，新联盟领导企业最终战胜原有联盟领导企业，完成联盟领导企业的新旧替换，联盟网络关系以及产业技术属性也随之发生变化，产业技术创新联盟进入下一轮循环发展周期。产业技术创新联盟共生演化过程如图1所示，一般分为如下4个阶段：
(1)联盟结网阶段。这一阶段是产业技术创新联盟萌芽与形成阶段，其基本特征表现为：产业内有一个或多个具有主导地位的核心企业即领导企业，其具有突破产业发展核心技术的意愿，寻求相关合作伙伴开展产业关键技术创新合作，联盟聚集主体逐渐形成，围绕联盟主体，相关企业、大学、中介组织以及科研机构开始聚集。但聚集进展缓慢，即单位时间内聚集的相关合作伙伴数目较少，联盟规模还没有形成，联盟合作伙伴缺乏稳固的信任基础，联盟网络关系较为松散。
(2)联盟发展壮大阶段。这一阶段是产业技术创新联盟快速发展阶段，基本特征表现为：领导企业与联盟合作伙伴之间关系逐渐趋于稳定，彼此间依赖性不断提升，形成了一定的合作与信任关系。联盟中合作伙伴在分享创新技术的同时，还通过在技术领域学习、消化与吸收不断提升自身技术水平。联盟合作伙伴取得竞争优势后会继续增加合作次数，提高合作力度，与此同时，一些潜在的合作伙伴也被吸引到联盟中，联盟规模迅速扩大，联盟网络关系开始形成。联盟成员合作次数会影响联盟横向关系网络发展，联盟合作伙伴间信任关系会随着合作次数增多而加强。在此基础上，联盟合作伙伴之间要素整合、资源共享以及优势互补在正式或非正式的沟通交流中得到促进与发展，联盟合作伙伴之间信任基础逐渐稳固，联盟内创新文化环境也逐渐得到改善。
图1 产业技术创新联盟共生演化过程
(3)联盟成熟阶段。这是产业技术创新联盟功能发挥较为充分的阶段，其基本特征表现为：一方面，联盟内部分工格局由于联盟相关功能的不断完善而逐渐形成，合作伙伴加入联盟的速度放缓；另一方面，联盟内网络关系由于联盟内部横向、纵向协作关系的建立而变得更为密切与复杂，联盟合作伙伴之间资源异质性形成互补优势，自身核心能力得以充分发挥，产业技术创新联盟网络就此形成。联盟合作伙伴网络关系有两种：一是产业技术创新联盟创新链之间关系紧密相关组织的水平技术联系，二是产业技术联盟相关产业链内部关系紧密企业之间的垂直联系。此阶段，联盟网络创新能力较强，且整个联盟根植于联盟内部的社会人文环境之中。
(4)联盟更替阶段。这是产业技术创新联盟的生命周期更替阶段，其基本特征为：产业技术创新联盟会向两个不同方向演化：一是原有联盟领导企业被一些具有网络竞争优势、反映产业技术发展趋势、代表产业演进方向的新联盟领导企业所取代，从而实现联盟新老领导企业的及时更替，产业技术创新联盟会以新的联盟领导企业为基础，在新的起点上实现更新与发展；二是原有联盟领导企业不能代表产业演进方向，且没有及时实现联盟新老领导企业的更替，联盟领导企业的聚集功能随着时间的推移而逐渐消逝，联盟合作伙伴随之流失，原有联盟的创新功能逐渐丧失，联盟走向衰亡。
1.2.3 产业技术创新联盟的混沌特征
(1)领导企业与其它联盟合作伙伴之间关系，从本质来说是一个确定性的复杂非线性系统关系。联盟内部的非线性因素会产生混沌现象，这并非外来随机扰动而产生的不规则结果，而是系统内在随机性的一种表现。随机性是指无法预测的、不规则的行为，与联盟外部不确定随机影响(如噪声)引致的外在随机性有所区别，对于混沌现象来说，它是“确定性系统”的一种“内在随机性”。根据混沌理论，只要非线性因素对确定性系统产生作用，那么，在可控的参数范围内,系统内在的随机性就会产生，也就是确定性混沌。从产业技术创新联盟的特征来看，即是一个确定性系统中存在非线性因素作用。确定性表现在联盟从结网开始逐步走向成熟的过程中，而非线性因素则体现在领导企业与联盟合作伙伴之间复杂关系上。联盟内领导企业与合作共生伙伴关系图2所示。
图2 联盟内领导企业与合作共生伙伴间共生关系
注：大圈表示领导企业；小白圈表示合作共生伙伴；小黑圈表示来自联盟外合作共生伙伴；实线表示强联系；虚线表示弱联系
(2)产业技术创新联盟发展演化对初始条件具有敏感的依赖性。这个性质可以从产业技术创新联盟共生演化一般过程看出。系统可持续演化行为对初始条件具有敏感依赖性是混沌运动的本质特征,当系统处于混沌状态时，系统运动轨道对初始条件的依赖将极其敏感。两条轨道从十分邻近的两个初值开始，在较短时间内差距不显著，但是随着时间的推移，其差别越来越大。从较长演进路径来看，在不断演化过程中,初始值的细微变化会不断被放大，致使轨道出现巨大偏差，这就是系统持续演化过程对初始值所呈现的敏感依赖性。从联盟创新网络演化一般过程可以发现：是否存在一个领导企业即联盟聚集主体是联盟创新网络能否形成的必要条件。此外，影响联盟创新网络共生演化的重要因素还包括领导企业聚拢能力以及联盟聚集主体能否形成充足的“场效应”。联盟创新网络发展结果对这些初始因素的影响十分敏感，不同演化结果很可能源于初始因素的微小差异。
2.1 产业技术创新联盟共生演化“虫口模型”构建
产业技术创新联盟共生演化一般过程与生物种群进化过程十分相似。因此，借鉴生态学中“虫口模型”，构建产业技术创新联盟共生演化混沌模型。“虫口模型”是一个理想化的生态共生模型，是由倍周期分岔通向混沌的典型例子，也是在确定性系统中出现混沌的最典型模型，其由数学生态学家R·May于1976年在英国《自然》杂志上首先提出，又称梅(May)模型。在这个模型中，将参数的值控制在一定范围时，模型周期是稳定的且具有不动点，但是，模型的倍周期分岔现象会随着数值的增大而出现，最终表现为类似于随机的特征。Feigenbaum[14]在研究中指出：如果一个系统中出现了倍周期分岔，那么这个系统必然出现混沌。在系统由倍周期分岔通向混沌的过程中，他还发现并确定了两个普适常数(即Feigenbaum常数)。产业技术创新联盟演化过程从领导企业聚拢联盟合作共生伙伴开始，基于此，构建联盟共生演化的虫口模型如下：
x(k+1)=λx(k)[1-x(k)] λ∈[0，4]
x(k)
(1)
其中， N0表示在该环境下虫口的最大容量(限额)，Nk表示在实际情况下第几代虫口的数量，x(k)=1时，虫口数量最多，x(k)∈[0，1]；λ是控制参数，当λ>4时模型发散，即x(k)参数值大于1，这显然是不成立的，因此，λ∈[0，4]。
在产业技术创新联盟中，当领导企业为最大企业且个数为1时，式(1)可以作简化处理，一般采用logistic函数方程，即：
xt+1=λxt(1-xt)
得到解析解：
x(t)
(2)
由式(2)可知，产业技术创新联盟共生演化无时间约束行为，即当t→∞时，x(t)→1(饱和值)。这说明在L=1>0的条件下(环境容量恒定不变)，产业技术创新联盟共生演化的极限趋于饱和值。实际上，对产业技术创新联盟而言，毫无节制地自发扩展下去是不可能的，而且对一个成功的创新联盟来说，也不可能没有任何准入限制门槛。如果没有任何准入条件而无限膨胀，则创新联盟会因为恶性聚合而最终走向失败。
在运用混沌模型模拟分析产业技术创新联盟的共生演化过程时，有一个问题必须加以考虑，即产业技术创新联盟形成发展起始(t=0)时领导企业个数x(0)。存在一个能够形成足够“场效应”的聚集主体即领导企业是形成产业技术创新联盟的前提，领导企业要聚拢更多的合作共生伙伴加入联盟创新网络，就必须拥有足够的自组织能力以及吸聚能力。联盟聚集主体领导企业聚拢功能有3种：聚合能力、扩展能力与自组织能力。其中，聚合能力包括吸引能力与聚集能力；扩展能力包括联盟区域的扩展能力以及沿技术链条使联盟范围扩大的能力；自组织能力包括自我发育能力、自我复制能力以及联盟技术衍生能力。
2.2 基于虫口模型的产业技术创新联盟共生演化过程分析
现实中，在产业技术创新联盟形成初期，联盟聚集主体大都是一个领导企业。领导企业具有较强的自主创新能力，拥有开展自主性创新研究以及基础性创新研究的能力，在联盟中居于主导地位，规划、引导创新作用显著，可以通过改变自身与其它网络主体之间的相互关系，使产业技术创新联盟保持创新活力。一些具有产业关联的企业、互补性企业以及上下游企业会因为领导企业的吸引而加入联盟，如此形成的产业技术创新联盟以领导企业为核心，以研发为主要内容。例如，以哈飞汽车为核心的产业技术创新联盟不仅聚集了包括汽车电子产品生产企业在内的众多高新技术企业，而且与相关科研院所以及大学形成了合作关系，共同研发；与此同时，由于领导企业的信誉良好且实力较强，一些律师事务所、风险投资机构以及会计事务所等机构也被吸引到产业技术创新联盟之中。由此可见，联盟网络主体受到领导企业的作用与影响，使产业技术创新联盟的结构更为合理，开放性更为明显，从而使产业技术创新联盟的自主创新能力得到最大限度提升。例如，以联想、方正、清华同方等领导企业为核心的中关村产业技术创新联盟，以及以青岛海尔集团为核心的海尔胶南工业园产业技术创新联盟等都展示出了旺盛的生命力以及强大的创新能力。实践经验表明，以领导企业为核心的产业技术创新联盟拥有较强的自主创新能力以及协同能力，这与其独特的系统结构及功能有关。
在产业技术创新联盟形成起始阶段，企业数目确定后，产业技术创新联盟共生演化过程对起始值的敏感依赖性可以基于领导企业聚拢能力进行分析。通常来说，领导企业的聚拢能力越强，产业技术创新联盟聚集程度就越高，合作共生伙伴或加入联盟合作伙伴就越多，合作伙伴间专业化分工也往往越细。那么，产业技术创新联盟共生演化会因领导企业聚拢能力的不同而出现怎样的差异化结果呢？
(l)当λ=1时，表示联盟聚集主体领导企业仅能吸聚一个合作伙伴加入联盟，聚拢能力较弱，xt→0，产业技术创新联盟最终走向衰亡。在产业技术创新联盟共生演化的第一阶段，产业技术创新联盟处于萌芽、结网阶段，创新联盟没有正式形成，网络基础较为松散。如果联盟聚集主体因为“场效应”乏力而无法吸引一定数量的合作伙伴向联盟聚拢，那么，联盟就无法构建。在联盟发展的第4阶段，即联盟更替阶段，如果新老联盟主体没有及时完成更替，或新的联盟主体发展趋势与产业演进方向不一致，则联盟会随着时间的推移而丧失聚拢能力，产业技术创新联盟会逐渐丧失创新功能，最终走向衰亡。
图3 虫口模型的倍周期分岔演化过程
由图3可以看出，在[0，1]的区间上，虫口模型稳定在0值处，有且仅有一个不动点，且稳定点的状态不会发生改变。在λ=3处开始出现分岔，此后系统出现两个不动点，到λ=3.447时不动点变为4个，λ=3.544时变为8个，如果迭代次数增大，则随机性会更加明显，即模型出现混沌。
(2)当λ=2时，表示领导企业有较强的聚拢能力，产业技术创新联盟趋于一个固定值，xt→周期1解(见图4)。在产业技术创新联盟共生演化的第3阶段，联盟不断走向成熟。此时，联盟内部分工格局已基本形成，各方面功能也已经发育完善，产业技术创新联盟网络就此形成。在产业技术创新联盟网络中，相关合作伙伴(企业、高校和科研机构)在相互作用的基础上达成共同技术开发目标，当构成的集合体到达一定阀值时，就会形成足够的“场效应”，聚集功能开始强化，吸引更多相关合作伙伴聚集加入。总之合作伙伴聚合加入的速度在第三阶段有所减缓，产业技术创新联盟日渐稳定。
图4 领导企业聚拢能力较强(λ=2)时
(3)当λ=3时，表示领导企业拥有很强的聚拢能力，产业技术创新联盟在两个值之间跳动，xt→周期2解 (见图5)，在产业技术创新联盟共生演化的第二阶段有所体现，这是产业技术创新联盟快速发展阶段。合作信任关系逐渐建立起来，网络基础由原来的相对松散变为比较稳定。联盟规模迅速扩大，其原因是联盟内部企业大量扩展，相关合作伙伴(企业和高校、科技机构)不断加入。但是，产业技术创新联盟在这一阶段很有可能出现分叉，既可能走向成熟，也可能就此衰退。
图5 领导企业聚拢能力很强(λ=3)时
(4)当λ=4时，表示领导企业拥有极强的聚拢能力，产业技术创新联盟出现混沌状态，xt→混沌吸引子 (见图6、图7)，在产业技术创新联盟共生演化的第二阶段以及第四阶段有所体现。此外，模型在λ=3.84时，迭代出了几个固定的不动点，且这种现象与所赋初值的大小无关。需要指出的是，当x(0)=0.5、λ=4时，模型会继续稳定到零点：
图6 x(0)=0.5、λ=4时的现象
如上所述，联盟规模在第二阶段扩展较快，领导企业聚拢能力得到充分发挥。在第四阶段，联盟既有可能衰退，也有可能自我更新升级，联盟中一些新聚集主体替代了联盟中原有聚集主体,这些新聚集主体代表产业技术发展趋势，具有创新竞争优势，与产业演进方向一致，促使产业技术创新联盟进入新的演进轨迹、继续发展。联盟网络发展速度会因为领导企业聚拢能力的增强而加快，但是，也可能说明产业技术创新联盟在发展过程中出现急功近利的现象，忽视了环境承载能力以及新加入合作共生伙伴的优劣。若盲目吸引或聚拢，则最终会产生不良后果。
2.3 产业技术创新联盟共生演化控制参数优化分析
上述分析表明，对于产业技术创新联盟的发展演进来说，领导企业的聚拢能力太弱或太强都不利于联盟持续健康发展。如果领导企业的聚拢能力太弱，则其吸引或聚拢联盟合作共生伙伴的质量就无法保证，产业技术创新联盟会随着联盟聚集主体聚集功能的丧失而逐渐失去创新功能，最终走向消亡。如果领导企业的聚拢能力太强，则容易出现超出环境承载力的恶性聚合现象。在生态学的虫口模型中，参数λ表示昆虫的繁衍能力，显然，昆虫所处环境、气候等条件以及昆虫本身的生育能力与昆虫的繁衍能力息息相关。与之类似，联盟聚集主体领导企业的自组织能力和吸聚能力以及创新联盟激励机制等对领导企业的聚拢能力(参数λ值)有很大影响。也就是说，在产业技术创新联盟中，可以基于联盟聚集主体的自组织能力、吸聚能力和创新联盟激励因子3个变量，构建领导企业聚拢能力函数：
λ=f(自组织能力，聚合能力，激励因子)
显然，可以通调整对影响因素，实现对参数λ值的控制，从而优化调整产业技术创新联盟共生演化方向。
图7 x(0)=0.1、λ=4时的取值频率
(1)对联盟聚集主体领导企业的自组织能力和聚合能力进行有效控制与适度匹配。为了吸引更多合作共生伙伴加入产业技术创新联盟，需要联盟聚集主体领导企业拥有足够的自组织能力和聚合能力。同时，联盟聚集主体领导企业能够通过对自身自组织能力、企业聚合能力的控制以及适度匹配来控制参数λ值的大小。首先，通过提高领导企业吸聚能力，可以在产业技术创新联盟共生演化初始阶段促进领导企业聚拢能力的提升。联盟聚集主体领导企业要提高相关合作伙伴合作意愿和合作效应，可以对合作结构、合作方式进行改进，创造更多合作次数等。其次，通过提高自组织能力，能够在产业技术创新联盟快速成长阶段有效控制领导企业聚拢能力，避免联盟过度膨胀。
(2)保证创新联盟拥有适度的激励机制，并有针对性地运用这些激励机制。有效的激励机制可以促进产业技术创新联盟发展，并使之走向成熟。通常来讲，领导企业聚拢合作共生伙伴的意愿受到激励机制的影响，但是，激励机制不具有普适性。例如，在产业技术创新联盟中，如果对所有合作共生伙伴采用相同的激励手段、奖励政策和税收政策等，而不考虑合作共生伙伴的个体差异性以及所处阶段的差异性，则同样的激励手段对不同合作共生伙伴或者处于不同发展阶段的同一合作共生伙伴可能产生不同结果。因此，在产业技术创新联盟共生演化过程中，领导企业即产业技术创新联盟的领头羊，必须考虑合作共生伙伴的个体差异性以及同一合作共生伙伴在不同发展阶段的差异性，制定合适的具有针对性的激励机制，使产业技术创新联盟共生演化方向得到有效控制，获得最佳激励效应。
本文借鉴生态学中“虫口模型”验证了产业技术创新联盟共生演化过程，可以通过对领导企业聚拢能力影响因素的分析，控制和优化产业技术创新联盟共生演化方向。
(1)对产业技术创新联盟来说，其混沌过程属于动态过程，也就是说，混沌是变化的共生演化结果。虽然虫口模型属于简单的非线性系统模型，但是，从模型共生演化过程随着控制参数的变化规律可以看出，联盟在出现倍周期分岔之前一直处于比较稳定的状态，产业技术创新联盟的混沌状态是随着领导企业聚拢能力由弱到强的转变而逐步呈现的。
(2)在产业技术创新联盟中，混沌表示其内部的混沌。在虫口模型中没有添加随机影响因子，联盟内部特性决定了最终出现的“随机性”。“由弱到强，再由强到弱”是领导企业聚拢能力的周期，产业技术创新联盟共生演化的不同结果是由领导企业聚拢能力不同而产生的，且表现阶段也不尽相同。
(3)领导企业聚拢能力参数λ值如果太小，则产业技术创新联盟往往在初始阶段就会走向衰亡。而λ值太大，并不能说明领导企业具有极强的共生演化能力。为了避免过度恶性聚合的出现，应当综合考虑环境承载能力以及合作共生伙伴质量。
(4)要想从宏观上把握产业技术创新联盟共生演化方向，就必须对领导企业聚拢能力(即参数λ值)进行有效控制。主要控制措施包括：①对领导企业聚拢能力以及自组织能力进行有效控制与匹配；②保证产业技术创新联盟具有适度的激励机制，并且能够有针对性地运用这些激励机制。
参考文献：
[1] 李新男.推动产业技术创新战略联盟构建提升国家自主创新能力[J].中国科技产业，2009(12).
[2] 赵志泉.产业技术创新战略联盟的运行机制研究[J].创新科技，2009(4)：18-19.
[3] 李岱素,谢科苑.产学研战略联盟合作机制系统研究[J].科技进步与对策，2009，26(16):19-22.
[4] 王雪原，王宏起.政府引导下的产学研战略联盟运行机制及策略研究[J].科技进步与对策，2009，26(6)：1-4.
[5] 张晓,邬备民，李政.产业技术创新战略联盟运行机制及策略研究[J].中国高校科技与产业化，2012(7)：24-25.
[6] 胡争光，南剑飞.产业技术创新战略联盟战略问题研究[J].科技进步与对策，2011，28(2)：74-77.
[7] 李雪，李菁华.产学研联合的深化: 产业技术创新战略联盟研究[J].科学管理研究，2008，26(1)：45-48.
[8] 殷群，王飞. 产业技术创新联盟内知识转移阶段特征分析[J].现代管理科学，2013(4): 70-72.
[9] 何卫红.产业技术创新联盟研究现状及展望[J]. 南京邮电大学学报：社会科学版，2013(2) : 50-56.
[10] KNIGHT L，PYE A.Network learning: an empirically derived model of learning by groups of organizations[J].Human Relations，2005，58(3):369-392.
[11] POWELL W，WHITE D，KOPUT K，et al. Network dynamics and field evolution:the growth of inter-organizational collaboration in the life sciences [J]. American Journal of Sociology，2005，110(4):1132-1206.
[12] 张首魁，党兴华. 松散耦合系统: 技术创新网络组织结构研究[J].中国软科学， 2006(9) : 122-129.
[13] PITTAWAY L，MAXINE R，MAXINE K，et al.Networking and innovation: a systematic review of the evidence[J].International Journal of Management Reviews,2014，5(3/4):137-168.
[14] 刘友金,刘莉君.基于混沌理论的集群式创新网络演化过程研究[J].科学学研究,2008(1):185-190.
(责任编辑：万贤贤)
Research on the Symbiotic Evolution Process of Industrial Technology Innovation Alliance: the Perspective of Leading Enterprise
Abstract：Taking leading enterprises as the breakthrough point, this paper discusses Chaotic Characteristics of the industrial technology innovation alliance symbiotic evolution presented based on the analysis of industrial technology innovation alliance symbiotic evolution process. Then this paper verifies alliance symbiotic evolution development path through the reference ecology insect mouth model. Thus, as a basis for discussion influence factors of the capacity of business leaders gathered, the entire alliance symbiotic evolution direction can be optimized through the adjustment of the influence factors and control of leader enterprises gather ability size (parameter values). The results show that chaotic state of industrial technology innovation alliance is accompanied by union leading enterprises whose gather ability transit from weak to strong changes. Industrial technology innovation alliance symbiotic evolution appears different results also are caused by union leading enterprises whose different gather ability. In order to grasp evolution direction of industrial technology innovation alliance symbiotic from a macro, we need to control gather ability of leading enterprises.
Key Words：Industrial Technology Innovation Alliance; Co-Evolution; Chaos Theory; Gather Ability; Leading Enterprises
收稿日期：2016-09-14 基金项目：山东省人文社会科学规划项目(16CRCJ05)；山东省自然科学基金项目(ZR2016GM15)
DOI：10.6049/kjjbydc.2016070008
中图分类号：F263
文献标识码：A
文章编号：1001-7348(2017)05-0058-08