基于知識積累的專利競賽模型評述

[摘 要] 本文評述主要的基于知識積累的專利競賽模型，它們克服了無記憶模型無法區(qū)分領(lǐng)先者與落后者的缺陷，得出了ε-占先、純粹知識效應(yīng)等多種結(jié)果，并從知識積累的角度解釋了內(nèi)外資公司間一直存在較大技術(shù)差距的原因。

[關(guān)鍵詞] 專利競賽 RD 知識 內(nèi)資公司

目前，內(nèi)資公司技術(shù)創(chuàng)新能力的低下成為了各界所關(guān)注的焦點(diǎn)。那么，為什么改革開放近30年來，在許多行業(yè)中內(nèi)外資公司間的技術(shù)差距一直存在？近年發(fā)展起來的基于經(jīng)驗(yàn)積累的專利競賽模型，從公司RD知識積累的角度對此給出了解答。該類模型認(rèn)為，公司曾經(jīng)獨(dú)占的專利技術(shù)會讓公司積累起RD經(jīng)驗(yàn)或者產(chǎn)品生產(chǎn)體驗(yàn)。這些歷史經(jīng)驗(yàn)或體驗(yàn)增加了公司關(guān)于RD活動的知識積累，并可以提高他關(guān)于新專利的研發(fā)成功概率。因此擁有舊專利的領(lǐng)先公司贏得下一次專利競賽的可能性就更大，或者某公司一旦技術(shù)領(lǐng)先，他的領(lǐng)先地位在長期就有持續(xù)下去的趨勢。無記憶模型是理解這些模型的共同起點(diǎn)。

一、無記憶模型

該模型認(rèn)為RD能夠成功的時(shí)間 服從指數(shù)分布，即

p(T

其中χ是公司單位時(shí)間內(nèi)的投資強(qiáng)度，風(fēng)險(xiǎn)率函數(shù)h(χ)滿足h’(χ)>0，h”(χ)<0。這表明χ的增加總能以遞減的效果增大RD成功的概率。

指數(shù)分布的重要特性是無記憶性。這是指在任意時(shí)刻s公司所面臨的RD成功時(shí)間的概率分布與s的具體取值無關(guān)，即p(Ts)=p(T

二、基于知識積累的專利競賽模型

1.RD經(jīng)驗(yàn)的積累

Fudenberg等（1983）令無記憶方法的風(fēng)險(xiǎn)率h(χ)正比于公司的累計(jì)RD投資，且瞬時(shí)投資強(qiáng)度χ=1是常數(shù)，即

h(χ)=λ(t·χ)=λt，

其中λ為正常數(shù)。

由于χ不隨時(shí)間變化，因此累計(jì)RD投資或RD經(jīng)驗(yàn)也就可以用參加RD的時(shí)間來測度。當(dāng)專利價(jià)值不是太大，僅能夠覆蓋單個(gè)企業(yè)的研發(fā)成本時(shí)，他們發(fā)現(xiàn)若B公司參加RD的時(shí)間比A晚任意小的ε時(shí)間，則他在任何時(shí)刻的瞬時(shí)投資都要大于該時(shí)刻的瞬時(shí)期望贏利。所以在競賽一開始他就會退出競賽，使得A總會獲取該項(xiàng)專利。這被稱為領(lǐng)先者A的ε-占先現(xiàn)象。

Doraszelski(2003)的風(fēng)險(xiǎn)率函數(shù)則具有更一般的結(jié)構(gòu):

h(χ)=λχ+kzΨ， （2）

其中λ、k與Ψ為正常數(shù)，z是公司的知識存量，它隨時(shí)間的變化率滿足z’(t)=χ-δz，其中δ測度了公司對知識的遺忘程度。

競賽開始時(shí)刻A的知識存量大于B，即zA>zB。由于根據(jù)這樣復(fù)雜的結(jié)構(gòu)無法解出關(guān)于最優(yōu)投資強(qiáng)度χ*i(i=A、B）的解析形式的納什均衡解，所以Doraszelski采用了一種稱為配置技術(shù)（collocation technique）的數(shù)值分析的方法。

分析結(jié)果表明，絕大部分情形下隨著知識儲備的增加和時(shí)間的流逝，兩公司的投資強(qiáng)度都將逐漸減少，且將逼近某一共同的常數(shù)。這使得兩公司的知識存量zA、zB隨著競賽的無窮演進(jìn)也都逐漸趨同。在此背后起支配力量的是純粹知識效應(yīng)（pure knowledge effect），該效應(yīng)源于(2)式中存在一個(gè)相加的關(guān)系，它使得公司已積累的知識存量z對當(dāng)期的努力χ起到了替代和削減的作用。此外，從競賽開始時(shí)的時(shí)點(diǎn)來看，截止至未來任何時(shí)刻B贏得競賽的概率都要小于A，雖然兩者的差距隨時(shí)間逐漸減小并趨于穩(wěn)定。這表明A初始的經(jīng)驗(yàn)優(yōu)勢總在發(fā)揮主導(dǎo)作用。

2.生產(chǎn)經(jīng)驗(yàn)的積累

Chang和Wu（2006)則假設(shè)公司RD過程的有記憶性只存在于在位公司A，而潛在的進(jìn)入者B其RD過程則仍受公式(1)支配。這是因?yàn)锳公司擁有舊專利，利用該專利技術(shù)所積累的產(chǎn)品生產(chǎn)經(jīng)驗(yàn)有助于公司對新的顛覆性專利的研發(fā)。特別地，他們假設(shè)A的產(chǎn)品生產(chǎn)和對新專利進(jìn)行RD的風(fēng)險(xiǎn)率函數(shù)具有如下特點(diǎn)：

A公司每瞬時(shí)只生產(chǎn)一個(gè)老產(chǎn)品，其關(guān)于新技術(shù)研發(fā)的風(fēng)險(xiǎn)率函數(shù)hA(χ)滿足

hA(χ)=hB(χ)+θτ，

其中hB(χ)是進(jìn)入者B（可能有完全相同的多個(gè)）的風(fēng)險(xiǎn)率函數(shù)，θ>0是每個(gè)老產(chǎn)品對hA(χ)的邊際貢獻(xiàn)率，τ是A公司參加新專利競賽的時(shí)間。

現(xiàn)實(shí)中有不少符合這種設(shè)定的產(chǎn)業(yè)例子。如對新一代微處理器和可擦除可編程只讀存儲器（EPROMs）的研發(fā)就嚴(yán)格依賴于現(xiàn)有的生產(chǎn)工藝和檢測水平。

同樣部分借助于數(shù)值模擬的方法，這里的主要結(jié)論和前述的模型類似：生產(chǎn)經(jīng)驗(yàn)為A公司提供了戰(zhàn)略優(yōu)勢，使得他更有可能贏得本次競賽并長期壟斷。不過，該文還發(fā)現(xiàn)A贏得本次競賽的概率隨舊技術(shù)所產(chǎn)生的現(xiàn)金流和進(jìn)入者B數(shù)目的增大而減小。前者是由于著名的“替代效應(yīng)”（replacement effect），即新專利技術(shù)使得舊技術(shù)完全過時(shí)，吞噬掉后者所產(chǎn)生的現(xiàn)金流（為A所獨(dú)自享有）。這削減了A的創(chuàng)新動機(jī)，而于白手起家的B卻毫無影響。后者原因則非常簡單，僅僅是惟一的好運(yùn)平均落在每個(gè)競爭者頭上的機(jī)會隨競爭者數(shù)目這一被除數(shù)的增大而減小。

參考文獻(xiàn):

[1]Fudenberg，D.etc.Preemption， Leapfrogging and Competition in Patent Races[J].European Economic Review，1983，22:3～31

[2]Doraszelski Ulrich. An RD Race with Knowledge Accumulation[J].The Rand Journal of Economics，2003，34:20～42

[3]Chang，S.C.and Wu H.M.Production Experiences and Market Structure in RD Competition[J].Journal of Economic Dynamics Control，2006，30:163～183