知識管理基礎、產(chǎn)業(yè)競爭優(yōu)勢和創(chuàng)新能力
——以中國和東盟信息技術上市公司為例

曹 平，陸 松，2，梁明柳

（1.廣西大學商學院；2.中國移動廣西公司，廣西南寧 530028；3.廣西大學外國語學院，廣西南寧 530004）

1 研究背景

信息技術產(chǎn)業(yè)是從事信息技術設備制造以及信息的生產(chǎn)、加工、存貯、流通與服務的新興產(chǎn)業(yè)部門。國務院在《“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》中指出，信息經(jīng)濟繁榮程度已成為國家競爭實力的重要標志，要實施網(wǎng)絡強國戰(zhàn)略，加快建設“數(shù)字中國”，推動物聯(lián)網(wǎng)、云計算和人工智能等技術向各行業(yè)全面融合滲透，構建萬物互聯(lián)、融合創(chuàng)新、智能協(xié)同、安全可控的新一代信息技術產(chǎn)業(yè)體系［1］。作為我國的重要經(jīng)貿(mào)伙伴，東盟國家也在積極發(fā)展信息技術產(chǎn)業(yè)，以期實現(xiàn)經(jīng)濟的轉型發(fā)展。2015 年以來陸續(xù)通過了《東盟信息通信技術總體規(guī)劃》《東盟輪值主席國新加坡聲明》《東盟信息通信技術總體規(guī)劃2020》《東盟互聯(lián)互通總體規(guī)劃2025》等綱領性文件，尋求以互聯(lián)網(wǎng)經(jīng)濟帶動信息技術產(chǎn)業(yè)整體突破性發(fā)展。《2019 年東南亞數(shù)字經(jīng)濟體報告》指出，到2019 年為止，東南亞地區(qū)已有3.6 億互聯(lián)網(wǎng)用戶，其中90%首選通過移動設備連接上網(wǎng)。東南亞地區(qū)的總體互聯(lián)網(wǎng)經(jīng)濟規(guī)模已經(jīng)突破1 000 億美元，從國家層面來看，馬來西亞、泰國、新加坡和菲律賓的互聯(lián)網(wǎng)經(jīng)濟年增長率為20%～30%，而依托于巨大的人口基數(shù)的越南和印度尼西亞則年均增長超過40%，其中印尼數(shù)字經(jīng)濟在2019 年達到400億美元，電商、在線媒體、在線旅游、網(wǎng)約車、數(shù)字金融服務這五大關鍵領域呈現(xiàn)增長勢頭；越南數(shù)字經(jīng)濟規(guī)模達120 億美元。同時，新加坡從2020 年開始商用兩個獨立的全國5G 電信網(wǎng)絡以及兩個覆蓋特定范圍的區(qū)域網(wǎng)，2022 年底之前實現(xiàn)5G 網(wǎng)絡覆蓋至少半個新加坡。到2025 年，東南亞地區(qū)的信息技術產(chǎn)業(yè)總體經(jīng)濟規(guī)模將突破3 000 億美元，成為不可忽視的重要力量。

東南亞國家聯(lián)盟（東盟、ASEAN）目前共有10個成員國。其中新加坡、泰國、馬來西亞、印度尼西亞、越南、菲律賓6 個國家的總人口數(shù)量、地區(qū)生產(chǎn)總值（GDP）、信息技術產(chǎn)業(yè)增長量占據(jù)主要比例，具有很強的代表性，因此本文主要針對這6 個國家進行研究，以下用“東盟六國”代替。2015 年，國家發(fā)展和改革委員會、外交部、商務部聯(lián)合發(fā)布《推動共建絲綢之路經(jīng)濟帶和21 世紀海上絲綢之路的愿景與行動》，正式提出“信息絲綢之路”計劃，計劃中指出，網(wǎng)絡的本質在于互聯(lián)，信息的價值在于互通，任何國家都不可能關起門來發(fā)展數(shù)字經(jīng)濟［2］。在國家《“十三五”國家信息化規(guī)劃》的“重大任務和重點工程”部分中提出，以廣西為支點建設中國—東盟信息港，加快建立面向東盟、服務西南中南的國際通信網(wǎng)絡體系和信息樞紐，與東盟國家共同建設基礎設施平臺、技術合作平臺、經(jīng)貿(mào)服務平臺、信息共享平臺、人文交流平臺［3］。2019 年國務院批準了《中國—東盟信息港建設總體規(guī)劃》，中國—東盟信息港進入全面建設階段。2019 年7 月召開的中國—東盟外長會上確定，2020 年是中國—東盟數(shù)字經(jīng)濟合作年，雙方將通過開展一系列活動、實施多方面舉措、促成有代表性合作項目等，依托于中國和東盟巨大的人口優(yōu)勢和發(fā)展機遇來增進數(shù)字經(jīng)濟的優(yōu)勢互補合作，共同打造合作新亮點，共商、共建、共享數(shù)字絲綢之路。對中國和東盟標桿國家的信息技術產(chǎn)業(yè)的競爭優(yōu)勢和創(chuàng)新能力開展研究，將為中國-東盟自由貿(mào)易區(qū)的經(jīng)貿(mào)發(fā)展提供理論支持，為“一帶一路”戰(zhàn)略的實施提供助力。

2 概念界定

2.1 知識管理基礎

創(chuàng)新中的行為人是信息的載體，而“知識”是被承載的信息。個體產(chǎn)生新事物的創(chuàng)造力和想象力形成了新的知識，個體行為人通過學習和適應過程采用知識，最后知識穩(wěn)定下來并被反復采用。個人所組成的群體被稱為企業(yè)（Firms），是生產(chǎn)性知識的載體。企業(yè)不斷地創(chuàng)造和吸收知識，在探索新的商業(yè)模式、發(fā)展路徑和經(jīng)濟機會的過程中創(chuàng)造出新的知識。知識管理融合了現(xiàn)代信息技術、知識經(jīng)濟理論、企業(yè)管理思想和現(xiàn)代管理理念，是匹配于知識經(jīng)濟時代的管理思想與方法。Davenport 等［4］將知識管理定義為“收集，分配和有效使用知識資源的過程”。O'Dell 等［5］將知識管理視為在企業(yè)的一種策略，確保知識在指定的時間到達正確的人，并確保他們傳播和使用信息以增強組織的知識水平。Bhatt［6］認為知識管理是創(chuàng)建，驗證，呈現(xiàn)，分發(fā)和應用知識的過程。Bounfour［7］將知識管理描述為企業(yè)內(nèi)的一系列管理和技術工具，目的是更好地傳播和利用知識和信息。Bueno 等［8］將知識管理視為一組過程，是利用知識作為企業(yè)增加價值和創(chuàng)造價值的主要決定因素。吳溢華等［9］指出，知識管理是提高組織或個人核心競爭力的重要因素,知識分類是知識管理的基礎,在組織中構建一個量化與質化的知識系統(tǒng)，讓組織中的資訊與知識透過獲得、創(chuàng)造、分享、整合、記錄、存取、更新、創(chuàng)新等過程，不斷的回饋到知識系統(tǒng)內(nèi)，從而建立起次序化、規(guī)范化、系統(tǒng)化的知識世界，有助于企業(yè)做出正確的決策，以適應市場的變遷。隨著知識經(jīng)濟時代的來臨，知識管理作為知識的主體因素而不斷發(fā)展。

2.2 產(chǎn)業(yè)競爭優(yōu)勢

競爭優(yōu)勢（Competitive Advantage）是戰(zhàn)略管理領域的一個重要概念，含義是企業(yè)相對于競爭對手擁有的可持續(xù)性優(yōu)勢，包括獲得領先的市場份額或者在特定產(chǎn)業(yè)中具有超過具有平均水平的業(yè)績表現(xiàn)。Porter［10］認為，一國的貿(mào)易優(yōu)勢并非簡單地決定于自然資源、勞動力、利率、匯率，而是在很大程度上決定于產(chǎn)業(yè)創(chuàng)新和升級的能力。當代的國際競爭更多地依賴于創(chuàng)新知識的創(chuàng)造和吸收，競爭優(yōu)勢的形成和發(fā)展已經(jīng)不再局限于單個企業(yè)或行業(yè)的范圍，而是成為一個經(jīng)濟體內(nèi)部各種因素綜合作用的結果。一國的價值觀、文化、經(jīng)濟結構和歷史都成為競爭優(yōu)勢的來源，總成本領先戰(zhàn)略、差異化戰(zhàn)略和專一化戰(zhàn)略是獲得競爭優(yōu)勢的3 種通用策略。Teece 等［11］認為，競爭優(yōu)勢也可能來源于企業(yè)內(nèi)部，企業(yè)的競爭優(yōu)勢體現(xiàn)在多個方面，包括創(chuàng)新速度、產(chǎn)品質量、生產(chǎn)效率以及市場反應等較之于行業(yè)中其他企業(yè)的優(yōu)勢程度。Rao［12］指出競爭優(yōu)勢主要包含4 個方面，即提高效率，提高質量，提高生產(chǎn)率或節(jié)省成本。Sigalas 等［13］認為競爭優(yōu)勢應該重點關注績效方面的概念，差異化是獲取競爭優(yōu)勢的有效手段，而創(chuàng)新是形成差異化的最佳途徑。Porter［14］的“鉆石體系”理論指出，特定產(chǎn)業(yè)中的企業(yè)的組織方式、管理方式、競爭方式取決于所在地的環(huán)境與歷史。若是一個企業(yè)所在區(qū)域鼓勵創(chuàng)新，有政策與規(guī)則刺激企業(yè)訓練技術、提升能力與開展固定資產(chǎn)投資，企業(yè)自然有競爭力。強勢區(qū)域競爭對手也會刺激企業(yè)不斷地提升與改進。

檢索對影響競爭優(yōu)勢因素的研究，朱秀梅等［15］研究了雙元創(chuàng)業(yè)學習在學習導向與企業(yè)競爭優(yōu)勢之間的中介作用，董保寶等［16］采用交互效應模型研究網(wǎng)絡導向、創(chuàng)業(yè)能力與競爭優(yōu)勢的關系，溫超等［17］分析了創(chuàng)業(yè)學習、創(chuàng)業(yè)戰(zhàn)略與新企業(yè)競爭優(yōu)勢的關系。李巍［18］探討了中小企業(yè)創(chuàng)新均衡對競爭優(yōu)勢的影響機理,馬巧鴿等［19］研究了大數(shù)據(jù)分析能力與制造業(yè)競爭優(yōu)勢，俞會新等［20］研究了網(wǎng)絡嵌入、綠色創(chuàng)新與企業(yè)競爭優(yōu)勢關系。通過文獻檢索發(fā)現(xiàn)，雖然在理論上可以認為知識管理基礎、技術創(chuàng)新與競爭優(yōu)勢之間存在相當密切的關系，相互之間的實際聯(lián)系還是缺少實證研究。

2.3 產(chǎn)業(yè)創(chuàng)新能力

創(chuàng)新是知識經(jīng)濟的重要特征，是企業(yè)獲得競爭優(yōu)勢的有效手段。當一個企業(yè)進入某個產(chǎn)業(yè)時，由于缺乏市場資源和顧客人口，通過創(chuàng)新速度、組織結構、管理和營銷等內(nèi)在表現(xiàn)，能夠讓組織在不確定性較高的創(chuàng)業(yè)環(huán)境以及激烈的市場競爭背景下處于有利位置。技術創(chuàng)新是產(chǎn)品和過程中的新穎性的體現(xiàn)，是產(chǎn)品和流程創(chuàng)新的結合。張暉明等［20］指出技術進步是推動產(chǎn)業(yè)結構升級的內(nèi)生的直接動力。付宏等［22］認為，創(chuàng)新實現(xiàn)了技術進步，也帶來了新的市場、管理效率提升和改善的制度供給環(huán)境，推動了產(chǎn)業(yè)結構的高級化發(fā)展。近年來，以云計算、大數(shù)據(jù)為代表的創(chuàng)新技術不斷涌現(xiàn)，推動信息產(chǎn)業(yè)向縱深發(fā)展。

創(chuàng)新能力、創(chuàng)新效率或績效一直是研究的熱點，常見的研究方法包括專利文獻計量；仿真模擬；灰色關聯(lián)方法；結構方程模型；數(shù)據(jù)包絡分析方法(DEA)；隨機前沿生產(chǎn)函數(shù)模型；柯布-道格拉斯生產(chǎn)函數(shù)模型等。已有的研究更多從線性因果關系出發(fā)設定模型，需要進行較多的假設以消除內(nèi)生性問題，有可能導致某些有現(xiàn)實意義的變量被排除在模型之外，同時對于復雜系統(tǒng)中的非線性關系或者高維回歸問題無法處理。

3 研究假設

3.1 技術創(chuàng)新與競爭優(yōu)勢的關系

網(wǎng)絡就緒指數(shù)（NRI）由世界經(jīng)濟論壇（WEF），康奈爾大學和INSEAD 聯(lián)合發(fā)布，基于技術、制度和環(huán)境、行為者、影響力4 個部分共計62 項指標，全面地對各國的信息技術能力宏觀情況進行評估打分。根據(jù)2019 年的NRI 指數(shù)，亞太地區(qū)得分最高的是新加坡，世界排名第2 位，其次是馬來西亞（32 位）、中國（41 位），泰國、越南、菲律賓、印度尼西亞的得分均低于亞太地區(qū)平均水準，但子項目進步顯著。

技術范疇是創(chuàng)新的來源，技術能力是創(chuàng)新的基礎，有了良好的通信和互聯(lián)網(wǎng)基礎，信息技術產(chǎn)業(yè)創(chuàng)新才有立足的根本。中國和東盟六國均高度重視信息基礎網(wǎng)絡建設，中國是世界上最大的電信市場，移動、固定電話和寬帶的用戶數(shù)量都居于世界第一位，在國家“降費提速”政策指導下，2015 年開始的3 年內(nèi)投資超過62 億美元，光纖建設覆蓋全國95%的行政村，有效地促進了電子商務等互聯(lián)網(wǎng)應用的發(fā)展。新加坡基于亞太地區(qū)的區(qū)域和國際海底光纜樞紐地位，擁有世界上最發(fā)達的移動市場之一，4G 網(wǎng)絡覆蓋排名世界第1 名。馬來西亞、泰國、越南、菲律賓和印度尼西亞也依托于其龐大的人口基數(shù)帶來的需求，由政府牽頭，運營商推動，積極推動網(wǎng)絡覆蓋率，尋求將網(wǎng)絡過渡到最新一代的移動和固定技術。根據(jù)2019 年網(wǎng)絡就緒指數(shù)（NRI）指標，新加坡在移動應用APP和機器人領域排名世界第1，在“公司對新興技術的投資”“政府采購先進技術產(chǎn)品”“ICT/PCT 專利申請”“計算機軟件支出”“人工智能”等領域都有良好表現(xiàn)。值得注意的一點是，泰國、菲律賓和印尼三國在“公司對新興技術的投資”方面表現(xiàn)也很突出，均接近或進入了前30 名。泰國的機器人密度排在第28 名，印尼的“政府采購先進技術產(chǎn)品”子項目排名第12 名，僅次于中國（10 名）。

中國和東盟六國對新型信息技術的關注度和投入非常高，人工智能等新技術領域受到高度關注。新加坡計劃投資1.5 億新元以提高對未來數(shù)字經(jīng)濟發(fā)展的AI 能力，并在年度世界經(jīng)濟論壇上發(fā)布了《人工智能治理框架》，詳細論述了如何符合倫理并負責任地使用人工智能的框架；馬來西亞發(fā)布了《國家大數(shù)據(jù)分析框架》，并在該框架基礎上擴展推出了人工智能國家戰(zhàn)略；越南也制定了《決定發(fā)布實施“2025 年人工智能研究與開發(fā)”的計劃》文件。基于物聯(lián)網(wǎng)的工業(yè)互聯(lián)網(wǎng)是制造業(yè)發(fā)展的主要趨勢方向。2019 年發(fā)布的《東盟數(shù)字融合框架行動計劃》中提出要進一步促進東盟在數(shù)字融合領域的合作，以更好地應對第四次工業(yè)革命。新加坡把物聯(lián)網(wǎng)視為邁向智慧國家的重要基礎，目前已經(jīng)建設了多間創(chuàng)新科技培育中心，針對物聯(lián)網(wǎng)領域相關技術進行研究，馬來西亞也提出要將物聯(lián)網(wǎng)產(chǎn)業(yè)打造成優(yōu)勢產(chǎn)業(yè)，泰國和越南業(yè)相繼出臺了物聯(lián)網(wǎng)戰(zhàn)略和計劃，東盟六國2019 年在物聯(lián)網(wǎng)的投資累計達到7 億美元。綜上所述，我們可以得到以下的假設（技術創(chuàng)新用TI 表示，競爭優(yōu)勢用CA 表示）：

H1:技術創(chuàng)新（TI）積極影響競爭優(yōu)勢（CA）。

3.2 創(chuàng)新環(huán)境與競爭優(yōu)勢的關系

區(qū)域地理范圍內(nèi)的網(wǎng)絡構成以及由此帶來的本地化學習成本降低，有利于隱形知識學習和流動。系統(tǒng)促進本地化學習過程能夠提高創(chuàng)新性和區(qū)域經(jīng)濟的競爭優(yōu)勢。制度和環(huán)境對技術創(chuàng)新的作用主要表現(xiàn)在降低交易成本、形成激勵機制、降低行為風險等幾個方面。在2019 年的NRI 網(wǎng)絡就緒指數(shù)中，中國和東盟六國在“商業(yè)便利程度”“法律框架對數(shù)值業(yè)務模型的適應性”方面表現(xiàn)突出。除了泰國之外，所有國家的“電子商務立法”都獲得了滿分評分，說明中國和東盟六國對于電子商務的立法監(jiān)管高度重視。越南的“在線信任安全”獲得了滿分，印尼排名世界第3 名。新加坡在“電子參與”、“本地在線內(nèi)容的可用性”和“使用數(shù)字支付的城鄉(xiāng)差距”子項目都獲得了90 分以上的評分。菲律賓和中國的“電子參與”分別排在第19 名和第29 名。

政府的高度積極參與具體體現(xiàn)在幾個方面。首先是政府加大研發(fā)投入，新加坡政府從2016 開始的4 年內(nèi)共計劃投資191 億新元用于科研和創(chuàng)新，并設立了“標準、生產(chǎn)力與創(chuàng)新局(SPRING)”作為推動創(chuàng)新的專責機構。基于高效的政府機構，新加坡年度研發(fā)支出占GDP 比例約2%～3%，專利數(shù)量全球第21 位。中國則是世界第二大研發(fā)經(jīng)費投入國家，研發(fā)總額僅次于美國。其次是政府主導型的科研或創(chuàng)新中心，新加坡創(chuàng)立了全球科技創(chuàng)新中心模式，越南也在河內(nèi)建設了國家創(chuàng)新中心，初期投資8 000 萬美元，目標是吸引40 家網(wǎng)絡安全、數(shù)字內(nèi)容、智能制造和智慧城市技術的大型科技公司，以及150 家初創(chuàng)公司/中小型企業(yè)和15 家風險投資基金入駐。再次是政府為創(chuàng)新提供的各種優(yōu)惠配套政策，馬來西亞的“多媒體超級走廊”配套了多達10 項優(yōu)惠政策，其中包括“可自由在全球范圍內(nèi)集資借貸”、“免除最長達10 年的盈利稅”等，吸引了谷歌、Facebook、蘋果、華為、三星、芒果衛(wèi)視、普華永道、中國電信等企業(yè)入駐，形成了強大的數(shù)字化轉型驅動力。政府主動將新技術應用于電子政務也具備強大的創(chuàng)新推動力。新加坡提出了eCitizen（電子公民）”和“eGov（電子政務）”口號，已經(jīng)實現(xiàn)了全球領先的電子政務模式。中國和馬來西亞也在電子政務方面取得了顯著的成績。政府網(wǎng)站提供在線信息和為公民提供參與性工具和服務，包括電子信息，電子咨詢和電子決策等范疇。另一方面，各國的知識產(chǎn)權保護意識和手段也不斷提升，東盟各國共同建立知識產(chǎn)權門戶網(wǎng)站，并通過東盟電子商務協(xié)調委員會協(xié)調爭議問題，充分激發(fā)了信息技術創(chuàng)新的活力。

根據(jù)研究成果和實際案例，可以認為優(yōu)秀的創(chuàng)新環(huán)境本身就是一種競爭優(yōu)勢，同時良好的創(chuàng)新環(huán)境能夠形成更好的技術創(chuàng)新產(chǎn)出，進一步擴大競爭優(yōu)勢地位，因此，我們提出以下假設（創(chuàng)新環(huán)境用IE 表示）：

H2a：創(chuàng)新環(huán)境（IE）積極影響競爭優(yōu)勢（CA）；

H2b：技術創(chuàng)新（TI）在創(chuàng)新環(huán)境（IE）與競爭優(yōu)勢（CA）之間起積極中介作用。

3.3 知識管理基礎與競爭優(yōu)勢的關系

在知識經(jīng)濟時代，知識和技術等無形資產(chǎn)已成為企業(yè)競爭優(yōu)勢的重要來源，是企業(yè)的戰(zhàn)略資產(chǎn)。創(chuàng)新技術帶來了獨特的產(chǎn)品和服務的開發(fā)，成功的技術創(chuàng)新很大程度上取決于公司擁有的知識資源，良好的知識管理能力已經(jīng)成為企業(yè)的核心能力之一。McDermott 等［23］指出，企業(yè)可以通過持續(xù)改進或根本性創(chuàng)新來促進業(yè)務發(fā)展，這兩種方法都是通過吸收組織內(nèi)部的新知識和相關知識而開展的。郝亞美［24］認為知識管理的實施有助于提高研發(fā)型企業(yè)的核心競爭力，建立知識管理體系是研發(fā)型企業(yè)不同于傳統(tǒng)企業(yè)的本質區(qū)別。魏江等［25］提出企業(yè)集群功能整合和知識整合是促進集群企業(yè)創(chuàng)新能力躍遷的必要條件，通過知識嵌入能推動企業(yè)形成創(chuàng)新網(wǎng)絡從而獲得競爭優(yōu)勢。信息技術產(chǎn)業(yè)是由依托于信息技術之上而形成的上下游企業(yè)所構成的產(chǎn)業(yè)集聚，包括開展信息編碼，信息傳送，信息檢索，信息平臺，信息安全保護和提供各種基礎設施的企業(yè)。ICT 及其與服務業(yè)的融合以及移動互聯(lián)網(wǎng)技術的發(fā)展推動形成了一個更具流動性的市場結構，形成了大量新的用戶類型，其中包括大量具有不同專業(yè)知識和能力的行為者。具備良好的知識管理能力的個體可以通過創(chuàng)造新的細分市場和新的機會而顯著地擴張產(chǎn)業(yè)邊界，從而實現(xiàn)波特所提出的“成本領先”和“差異化”等競爭優(yōu)勢目標。

企業(yè)是生產(chǎn)性知識的載體，通過不斷地創(chuàng)造和吸收知識，在探索新的商業(yè)模式、發(fā)展路徑和經(jīng)濟機會的過程中繼續(xù)創(chuàng)造出新的知識。Subramaniam等［27］認為，企業(yè)的創(chuàng)新能力在很大程度上取決于其智力資產(chǎn)和利用知識的能力。知識作為組織資產(chǎn)使公司能夠為其產(chǎn)品和過程注入新的事物。當創(chuàng)新需要新的變革投入時，知識管理就成為了創(chuàng)新績效的重要來源和促成因素，知識管理包括識別和分析所需知識和可用知識，以及計劃和控制行動以進一步擴展知識資產(chǎn)以實現(xiàn)公司目標［28］。Nielsen［29］認為知識管理不僅可以提高創(chuàng)新績效，還可以促進公司的競爭優(yōu)勢。Zheng 等［30］通過對218 家中國制造企業(yè)的實證研究發(fā)現(xiàn)，網(wǎng)絡環(huán)境下基于知識的動態(tài)能力與企業(yè)創(chuàng)新之間存在正相關和顯著相關。一個在快速變化的動態(tài)市場中競爭的信息技術企業(yè)需要具備強大的知識管理能力，才能夠不斷地學習創(chuàng)新并對瞬息萬變的市場條件做出快速的響應，以獲得可持續(xù)的競爭優(yōu)勢。無論是在硅谷、班加羅爾還是杭州和深圳，信息技術產(chǎn)業(yè)都在尋求向最新的科技成果以及成果應用場景的趨近，企業(yè)不斷地開展組織化學習和網(wǎng)絡化學習，去尋求已經(jīng)完成聚類的、完成編碼的、被證明有應用性能和生產(chǎn)效率的信息并重構成為創(chuàng)新的重要推動力量。

因此，對于知識管理、技術創(chuàng)新和競爭優(yōu)勢之間的關系，我們提出以下假設（知識管理用KM 表示）：

H3a：知識管理（KM）積極影響競爭優(yōu)勢（CA）；

H3b：技術創(chuàng)新（TI）在知識管理（KM）與競爭優(yōu)勢（CA）之間起積極中介作用。

創(chuàng)新環(huán)境對知識管理的積極影響作用見于多個文獻之中。從認知角度來看，由于精神和文化層面的存在，人類解決問題往往依賴于先前的創(chuàng)造，或者說是經(jīng)過選擇后所采取的各種恰當?shù)姆椒ê鸵?guī)則。知識可分為顯性知識(Explicit Knowledge)和隱性知識(Tacit Knowledge)。信息技術企業(yè)的知識創(chuàng)造通常有以下途徑：（1）企業(yè)的自組織和網(wǎng)絡化學習；（2）企業(yè)模仿進入；（3）用戶參與（用中學）；（4）大學/研究機構開展的研究；（5）微個體開展的創(chuàng)新。知識的創(chuàng)造是在一定的創(chuàng)新環(huán)境中產(chǎn)生的，包括上下游產(chǎn)業(yè)支持，配套設施環(huán)境，制度、文化和政策等。在知識被創(chuàng)造出來以后，就進入了知識轉移(包括知識傳播和學習)的態(tài)勢之中。知識轉移是一種“知識擁有者”與“知識接收者”之同的一種動態(tài)互動的過程，由轉移主體（社會成員）、轉移內(nèi)容（特定的知識）、轉移媒介和轉移情景（特定的社會環(huán)境）等個要素構成［31］。知識通過中介媒體時會吸收環(huán)境中的各種噪聲，環(huán)境中的噪聲越少，知識轉移的效果越好。信息技術產(chǎn)業(yè)中的知識傳播途徑包括本地化學習（區(qū)域集聚）、企業(yè)的主動知識傳播（商業(yè)抉擇）、大學/科研機構的二次傳播、金融機構的間接性協(xié)助、用戶的學習和傳播等。

亞太地區(qū)尤其是華人聚居地區(qū)一直具有重視基礎教育的優(yōu)良傳統(tǒng)，良好的教育基礎對于創(chuàng)新知識的創(chuàng)造和擴散傳播有極大的幫助。根據(jù)2019 年網(wǎng)絡就緒指數(shù)（NRI），中國、新加坡和馬來西亞在“閱讀能力”和“數(shù)學能力”維度均表現(xiàn)突出。東盟各國在高校學科建設和信息技術人才培養(yǎng)方面制定了各種政策和措施，泰國的“研究型大學項目”選定朱拉隆功大學、瑪希隆大學等9 所綜合實力較強的公立大學進行研究型大學的重點建設，對其進行額外的預算分配，使其結合自身學科特色和社會經(jīng)濟發(fā)展需求，開展不同學科的高水平研究，并先后成立11 個卓越中心(Centers ofExcellence)［32］。新加坡政府依托發(fā)達的高等教育實力，以新加坡國立大學和南洋理工大學等著名高校為領軍者，加大對信息技術的研究和人才的培養(yǎng)，并通過國家研究基金會把資金投入到數(shù)字經(jīng)濟和服務業(yè)等4 個關鍵領域，重點資助大型跨學科研究項目，并創(chuàng)建專門的人才培養(yǎng)路徑。綜上所述，我們提出以下假設H4。本研究的假設詳見圖1 所示。

H4：知識管理（KM）在創(chuàng)新環(huán)境（IE）與競爭優(yōu)勢（CA）之間起到積極中介作用。

圖1 本研究假設

4 產(chǎn)業(yè)創(chuàng)新能力評估模型和樣本選取

4.1 產(chǎn)業(yè)創(chuàng)新能力評估模型

指標體系是由一系列具有相互聯(lián)系的指標所組成的整體，是預測和評價研究的基礎前提，通過將抽象的研究對象按照其深層屬性和特征的某一方面的標識分解成為具有行為化、可操作化的結構，并對指標體系中每一構成元素（即指標）賦予相應權重，實現(xiàn)從各個側面完整地反映現(xiàn)象總體或樣本的數(shù)量特征。

Hajkova 等［33］將經(jīng)濟、R&D 和教育作為系統(tǒng)分析的輸入變量，通過集成化的神經(jīng)網(wǎng)絡和聚類分析模型對歐洲聯(lián)盟中的區(qū)域創(chuàng)新系統(tǒng)進行實證檢驗，分析出不同地區(qū)創(chuàng)新系統(tǒng)的類型，并給出各區(qū)域創(chuàng)新系統(tǒng)拓撲圖。參考其做法和相關文獻［33］,并綜合考慮數(shù)據(jù)的獲取難度，本文選擇了一系列企業(yè)及地區(qū)層面的特征變量，涵蓋區(qū)域經(jīng)濟實力、區(qū)域人員能力、政府支持力度、區(qū)域產(chǎn)學研協(xié)作能力、金融環(huán)境等方面。具體采用的代理變量為企業(yè)所在地區(qū)（按省份自然區(qū)劃）年度GDP、所在區(qū)域（省份）信息技術產(chǎn)業(yè)從業(yè)人口數(shù)量、所在區(qū)域（省份）人員大專以上教育程度比例、區(qū)域的產(chǎn)業(yè)支持政策數(shù)量、企業(yè)獲得的政府補貼、企業(yè)所在區(qū)域（省份）的高校和科研院所數(shù)量、企業(yè)所在區(qū)域（省份）獲得的外資比例。

知識管理本身是一個企業(yè)內(nèi)部的管理概念，目前沒有統(tǒng)一的測量和統(tǒng)計口徑。前期研究大多是通過問卷調查來獲取數(shù)據(jù)，由于無法開展全面的問卷調查，本文選取具有解釋力的代表性變量進行研究。Gold 等［36］認為，知識管理包括知識管理基礎建設和知識管理流程兩部分，知識管理流程包括獲取、轉化、應用和保護知識方面的能力。知識管理基礎建設和企業(yè)的研發(fā)投入是密切相關的。而知識管理流程的執(zhí)行和知識的承載需要合格的知識型員工，對知識型員工的管理是知識管理的核心關鍵。體現(xiàn)在企業(yè)的研發(fā)人員數(shù)量上。Tanriverdi 等［37］認為，企業(yè)知識管理能力不止技術知識的管理，還包括客戶知識管理能力、產(chǎn)品知識管理能力和運作知識管理能力，只有具備這些能力，才能更快地應對高速變化的市場競爭。市場是企業(yè)知識管理能力的最佳衡量標準，企業(yè)學習和管理知識的目的，是為了快速地進行知識的共享與應用，以加快產(chǎn)品更新的速度，縮短產(chǎn)品研發(fā)周期并降低成本，最終達到快速占領市場的目標。因此，本文選擇知識管理基礎投入（研發(fā)資金投入）、知識管理流程投入（管理投入）、知識員工比例（研發(fā)人員數(shù)量）、知識應用投入（市場投入）、知識管理范疇（按照新一代信息技術產(chǎn)業(yè)分類的企業(yè)性質）、知識累積度（企業(yè)年齡）等變量作為知識管理的衡量。

Hausman 等［38］,Caloghirou 等［39］指出專利數(shù)據(jù)與研發(fā)支出是傳統(tǒng)的創(chuàng)新研究指標,這是因為專利更好地保存了創(chuàng)新的本質——新穎性［40］，此外，還有基于企業(yè)自身信息或其他信息來源的專家評估、歷史數(shù)據(jù)分析等指標。我國國家知識產(chǎn)權局授予的專利有三類：發(fā)明、實用新型與外觀設計，三類專利在創(chuàng)新程度上依次遞減。為了采用結構方程模型開展研究，每個潛變量需要至少3 個測量變量，因此最終選定創(chuàng)新數(shù)量（3 種專利申請和授權數(shù)）、創(chuàng)新質量（發(fā)明專利授權數(shù)）、創(chuàng)新意愿（發(fā)明專利申請數(shù)），作為技術創(chuàng)新的代理變量。

按照波特的理論，成本領先是建立競爭優(yōu)勢的重要戰(zhàn)略。要實現(xiàn)成本領先，要求堅決地建立起高效規(guī)模的生產(chǎn)設施，在經(jīng)驗的基礎上全力以赴降低成本，抓緊成本與管理費用的控制，以及最大限度地減小研究開發(fā)、服務、推銷、廣告等方面的成本費用，體現(xiàn)在企業(yè)的各種財務指標之中。同時，對于上市公司來說，財務指標是基本面，企業(yè)無形的競爭優(yōu)勢，例如流程管理、企業(yè)文化、企業(yè)精神等，最終都將影響投資者的信心和決策，通過企業(yè)的市值、資產(chǎn)流轉狀況等指標體現(xiàn)出來。參考相關文獻并考慮相關數(shù)據(jù)獲取的難度和信度，選定盈利能力（資產(chǎn)報酬率）、成長能力（凈資產(chǎn)增長率）、營運能力（總資產(chǎn)周轉率）、資本結構（資產(chǎn)負債率）、現(xiàn)金流量（總資產(chǎn)現(xiàn)金回收率）、企業(yè)績效（市值/資產(chǎn)總額）作為競爭優(yōu)勢的衡量。

由此，得到以下的創(chuàng)新能力評價指標體系和具體的變量設計，見圖2、表1 所示。

圖2 信息技術產(chǎn)業(yè)創(chuàng)新能力指標體系

表1 信息技術產(chǎn)業(yè)創(chuàng)新能力變量設定

中國部分的數(shù)據(jù)（不包括港澳臺地區(qū)，下同）通過統(tǒng)計年鑒、銳思數(shù)據(jù)庫、萬德數(shù)據(jù)庫等途徑收集，專利數(shù)據(jù)通過國家專利管理局網(wǎng)站收集。東盟六國的數(shù)據(jù)通過萬德數(shù)據(jù)庫、統(tǒng)計年鑒等進行收集，通過新加坡證券交易所（SGX）、越南河內(nèi)證券交易所、越南胡志明市證券交易所、菲律賓證券交易所（PSE）、泰國證券交易所（SET）、馬來西亞證券交易所、雅加達證券交易所收集上市公司數(shù)據(jù)和年報，通過各國的專利管理機構收集補充專利情況。財務數(shù)據(jù)的貨幣單位為美元或其他外幣的，根據(jù)國家統(tǒng)計局公布的2010—2017 年人民幣年度平均匯率進行了換算。對于同一指標在不同數(shù)據(jù)庫和企業(yè)年報中的含義，進行了核對以確保數(shù)據(jù)口徑一致性。最后共得到592 家中國公司的3 998 條觀測值，351 家東盟六國上市公司的2 808 條觀測值。對主要變量進行描述性統(tǒng)計特征分析，發(fā)現(xiàn)專利授權數(shù)量和申請數(shù)量、資產(chǎn)負債率、市場投入和管理投入均有明顯右向偏移，體現(xiàn)了信息技術產(chǎn)業(yè)中存在的技術外包和技術借鑒現(xiàn)象，也和信息技術產(chǎn)業(yè)追求高速擴張和負債經(jīng)營傾向形成了對應。東盟六國的信息技術產(chǎn)業(yè)上市公司分布見表2 所示。

表2 東盟六國的信息技術產(chǎn)業(yè)上市公司分布 單位：家

4.2 創(chuàng)新能力指標權重確定

指標權重指某被測對象各個考察指標在整體中價值的高低和相對重要的程度以及所占比例的大小量化值。按統(tǒng)計學原理，將某事物所含各個指標權重之和視為1(即100%)、而其中每個指標的權重則用小數(shù)表示.稱為“權重系數(shù)”。層次分析法（AHP）是一種運籌學方法，適用于難于完全定量分析的問題，將與決策有關的元素分解成目標、準則、方案等層次,在此基礎之上進行定性和定量分析。具體做法是將復雜的多目標決策問題作為一個系統(tǒng)，建立遞階層次結構模型（創(chuàng)新能力評估），然后將目標分解為多個準則，進而分解為多指標的若干層次，構造出各層次中的所有判斷矩陣。通過定性指標模糊量化方法算出層次單排序（權數(shù)）和總排序，并進行一致性檢驗，以作為目標（多指標）、多方案優(yōu)化決策的系統(tǒng)方法［41］。

首先將目標分解為多個準則（A1～A4），準則A1:技術創(chuàng)新能力，準則A2:知識管理能力，準則A3:創(chuàng)新環(huán)境能力，準則A4:競爭優(yōu)勢。接著對應具體的二級指標，將準則分解為多指標(B1-B22)的若干層次。然后通過定性指標模糊量化方法算出層次單排序（權數(shù)）和總排序，以作為目標（多指標）、多方案優(yōu)化決策的依據(jù)。首先明確5種重要程度標度［1,3,5,7,9］，數(shù)值由低至高分別表示某個指標相對另一個指標的重要程度,中間狀態(tài)取值［2，4，6，8］。然后構造成對判斷矩陣，采用專家評分法和問卷調查法進行綜合評分。綜合得到評估意見形成判斷矩陣。對矩陣每一列進行歸一化，然后對按列歸一化的矩陣按行求和，即，然后將向量歸一化，最后計算最大特征根，然后就可以按比例計算出權重值，如表3 所示。

表3 基于AHP 方法計算的信息技術產(chǎn)業(yè)創(chuàng)新能力指標權重值

為了確保權重值的合理性需要進行隨機一致性校驗。檢驗方法為先計算一致性指標，然后計算一致性比例CR=CI/RI，CR<0.1 時，可認為不一致性程度在容許范圍內(nèi)，可用特征向量作為權向量。根據(jù)隨機一致性校驗標準(表4)，隨機一致性校驗通過。

表4 AHP 方法的隨機一致性校驗標準

5 研究方法

結構方程模型(SEM)是處理多指標變量關系復雜狀況的優(yōu)秀方法，常用的結構方程模型工具有SPSS、AMOS、EQS、LISREL、MPLus 等，本文采用AMOS 軟件進行建模和分析。由于所取的樣本數(shù)據(jù)是面板數(shù)據(jù)，變量在時序上有很強的關聯(lián)性，會對擬合效果造成很大的影響，因此采用橫截面數(shù)據(jù)進行分析，具體做法是取某一年度的所有相關數(shù)據(jù)組成橫截面，每組樣本數(shù)量均大于500 個，滿足結構方程模型對樣本數(shù)量的要求。假設模型，潛變量和可測變量已在研究假設和變量選定中明確，每個潛變量均有至少3 個及以上可測變量對應。卡方檢定是估計結構方程模型的擬合指標的基本工具，對于變量的正態(tài)分布十分敏感，同時，結構方程模型中最常見的極大似然估計法的應用前提也是變量的正態(tài)性，對此，我們首先進行缺失值處理，并對可測變量進行z-score 處理。

SEM 方法需要滿足的基本多元假設包括數(shù)據(jù)分布的正態(tài)性、關系的線性、不存在離群值和多重共線性問題以及具有足夠的樣本量，否則會觸發(fā)統(tǒng)計分析的無效性問題或使分析癱瘓，而且在面板數(shù)據(jù)的處理上存在缺失。利用人工神經(jīng)網(wǎng)絡方法則對樣本要求比較寬松，且對面板數(shù)據(jù)也具有分析能力。人工神經(jīng)網(wǎng)絡(ANN)是受到生物神經(jīng)細胞結構啟發(fā)而研究出來的一種計算體系，是一種由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復雜網(wǎng)絡系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學習系統(tǒng)，由于具有大規(guī)模并行分布式結構和強大的學習及泛化能力，能在遇到一些當前難以處理的復雜問題找到較好的近似解。人工神經(jīng)網(wǎng)絡能夠處理線性和非線性關系，同時對所有多元假設都具有魯棒性。為了更好地對比研究，同時采用BP 神經(jīng)模型和CNN 神經(jīng)網(wǎng)絡模型進行分析。BP 神經(jīng)網(wǎng)絡模型設計兩個隱藏層，將可測變量作為輸入，預測變量作為輸出，通過均方根誤差RMSE 的測量來進行結果分析。作為深度學習的一種模型，CNN 神經(jīng)網(wǎng)絡通過卷積提取不同的特征，濾波器的權重在訓練期間自動學習，然后將所有提取到的特征“組合”以作出決定。根據(jù)樣本數(shù)據(jù)的特點，基于AlexNet 卷積網(wǎng)絡模型的原理，參考Rajkomar 等［43］的方法進行模型設計，技術創(chuàng)新或競爭優(yōu)勢數(shù)據(jù)作為分類標簽，知識管理、創(chuàng)新環(huán)境和技術創(chuàng)新作為輸入，隨機生成70%數(shù)據(jù)集進行模型訓練后，用30%測試集進行預測，與實際數(shù)值進行對比以判斷輸入變量之間的關聯(lián)關系。

6 結果分析

6.1 結構方程模型結果

為了保證結構方程模型的擬合結果，分別采用Cronbach's Alpha、Composite Reliability(CR)組合信度和AVE 三種校驗方法進行信度和聚合效應檢驗，結果如表5 所示。通常Cronbach's Alpha 系數(shù)達到0.7～0.8 時表示量表具有相當?shù)男哦龋_0.8～0.9 時說明量表信度非常好,所選取的潛變量的Cronbach's Alpha 系數(shù)和組合信度CR 均在0.8 以上，平均提煉方程AVE 均在0.6 以上，說明樣本的信度良好，符合結構方程模型的要求。

表5 樣本數(shù)據(jù)的信度和聚合效度

模型采用極大似然估計，結果如表6 所示。模型的卡方統(tǒng)計量為246.3，自由度110，GFI 為0.909，RMR 為0.032,RMSE 為0.046，NFI 為0.925,TLI 為0.917，CFI 為0.904，整體擬合效果較好。同時對各潛變量和可測變量之間的因子載荷進行測量，在0.05的顯著水平下各變量的因子載荷全都顯著不為0，說明測量模型符合要求。

表6 結構方程模型的擬合效果

具體觀察潛變量的路徑系數(shù)如表7 所示，可以看到，技術創(chuàng)新、創(chuàng)新環(huán)境和知識管理對及競爭優(yōu)勢的影響在0.05 的顯著性水平下顯著，且系數(shù)為正，說明不能從統(tǒng)計上拒絕假設H1、H2a、H3a。知識管理和創(chuàng)新環(huán)境對技術創(chuàng)新的影響同樣在0.05 顯著性水平下顯著不為0，創(chuàng)新環(huán)境與知識管理之間的關系在0.05 顯著性水平下為0.303。

表7 結構方程模型各潛變量間的路徑系數(shù)

考慮到橫截面是按照單一年度來截取的，可能會因為當年存在特別情況導致競爭優(yōu)勢的決定機制存在差異，因此再隨機抽取一個橫截面數(shù)據(jù)進行對照分析，測量權數(shù)和結構權數(shù)保持不變，同樣進行信度和效率檢驗合格，模型擬合效果較好，因子載荷在0.05 顯著性水平下全部顯著不為0，得到的路徑系數(shù)如表8 所示，可以看到模型估計結果保持基本一致。

表8 另一組橫截面數(shù)據(jù)測量的各潛變量間的路徑系數(shù)

除此之外，還考慮了經(jīng)濟發(fā)達省份和不發(fā)達省份，以及基礎設施子行業(yè)和信息技術服務的不同造成的影響機制區(qū)別，進一步選取不同的橫截面數(shù)據(jù)，采用按區(qū)組變量進行多組分析，多組模型中經(jīng)濟發(fā)達和欠發(fā)達省份，以及基礎設施子行業(yè)和信息技術服務業(yè)共同的路徑系數(shù)估計結果如表9 所示，與未分組模型的估計結果基本一致。

表9 結構方程模型多組模型路徑系數(shù)估計結果

表9 （續(xù)）

中介效應采用Sobel 檢驗方法，經(jīng)檢驗發(fā)現(xiàn)（見表10），技術創(chuàng)新（TI）在創(chuàng)新環(huán)境（IE）和競爭優(yōu)勢（CA）之間，以及在知識管理（KM）與競爭優(yōu)勢（CA）之間均存在中介效應，Z值在0.001 顯著性水平下均顯著，效應值分別為43.47%和29.88%，假設H2b和H3b得到初步證明。知識管理（KM）在創(chuàng)新環(huán)境（IE）和競爭優(yōu)勢（CA）的中介效應Z值為1.876，在0.05 水平下大于1，說明中介效應也存在，效應值為22.45%。假設H4得到初步證明。

表10 結構方程模型中介效應測量結果

6.2 機器學習結果

將數(shù)據(jù)樣本通過設計的模型進行訓練和測試，初始學習率設置為0.001。采用不同的算法改變學習率，選擇不同的測試集與訓練集的比例，為了對比模型的擬合優(yōu)度，同時設計了一個4 層BP 神經(jīng)網(wǎng)絡進行對比。其中隱藏層2 層，按照經(jīng)驗公式估算，采用同樣的梯度下降方法和激勵函數(shù)，迭代次數(shù)設置為1 000 次，運行結果顯示，改進的卷積網(wǎng)絡模型在收斂時間和擬合優(yōu)度上均優(yōu)于BP 神經(jīng)網(wǎng)絡。且預測值與實際值的RMSE 均較小，從另一個側面證明了前述各項假設。機器學習方法對中介效應的解釋力較弱，替代方法是利用Matlab 中的靈敏度分析（Sensitivity Analysis）模塊進行分析，即控制其他變量，僅改變一個解釋變量從而觀察結果變化，共建立9 個模型進行輸入分析，結果如表11 所示，結果與結構方程模型基本一致：

表11 CNN 網(wǎng)絡和BP 網(wǎng)絡的結果對比

7 中國-東盟信息技術產(chǎn)業(yè)創(chuàng)新能力

7.1 創(chuàng)新能力評估和預測

對3 年窗口期的創(chuàng)新能力進行評估，在CNN模型中采用全連接函數(shù)Softmax 函數(shù)進分類輸出，Softmax 函數(shù)會將數(shù)值投射到［0,1］的概率區(qū)間上，因此我們對［0,1］的概率空間進行平均區(qū)分，按0.2的躍度區(qū)分5 個區(qū)間，分別對應一種創(chuàng)新能力值。由于越多的特征刺激會形成越靠近概率為1 的的分布，因此我們將(0.8，1］區(qū)間定義為綜合創(chuàng)新能力“優(yōu)秀”，其他依次類推，結果如表12 所示。

表12 2010—2017 年中國和東盟六國創(chuàng)新能力趨勢

從表12 中可以看到，中國和東盟六國的信息技術企業(yè)總體創(chuàng)新水平處于中等偏下，優(yōu)秀創(chuàng)新企業(yè)數(shù)量仍然較少，體現(xiàn)在創(chuàng)新產(chǎn)出、財務指標等多個維度對結果輸出的特征刺激不足上。2015—2017窗口期60%分位以下（普通，一般，差）占比分別為中國88.75%，東盟六國79.2%。但我們也觀察到，40%分位以上（普通，較好，優(yōu)秀）占比同比第一個窗口期（2010—2012）分別增長了18.41%和13.96%,說明2010—2017 創(chuàng)新能力總體有提升趨勢，這個輸出結果與GII、IDI以及NRI指數(shù)是基本一致的。

進一步預估以下幾個創(chuàng)新相關指標：（1）創(chuàng)新產(chǎn)出效率:3 年窗口時間內(nèi)的專利獲批數(shù)量/專利申請數(shù)量；（2）研發(fā)投入的創(chuàng)新產(chǎn)出率:均一化后的專利數(shù)量/研發(fā)投入；（3）政府補貼的創(chuàng)新意愿推動性：均一化后的專利申請數(shù)量/政府補貼。預測情況和誤差如表13 和表14 所示：

表13 2010-2017 年中國創(chuàng)新相關指標預測情況

表14 2010-2017 年東盟六國創(chuàng)新相關指標預測情況

表14 （續(xù)）

預測正確率均高于85%，從預測走向來看，創(chuàng)新相關指標均呈現(xiàn)增長趨勢，但研發(fā)投入的創(chuàng)新產(chǎn)出率和政府補貼的創(chuàng)新意愿推動性均低于50%的概率分布，體現(xiàn)出產(chǎn)業(yè)中研發(fā)投入和政府補貼數(shù)據(jù)對實際創(chuàng)新產(chǎn)出的推動力有待提高。

7.2 關鍵變量的模型敏感度

根據(jù)參考文獻［44］，可以在機器學習模型中人為增加或減弱某一局部特征后，觀察模型的輸出和預測值的變化（用模型輸出值的變化百分比來表示），來判斷關鍵變量的模型敏感程度。具體做法是通過縮放樣本中的參量數(shù)值（分別乘以0，0.5，1.0 和1.5），輸入模型再次進行預測。結果如表15 所示，可以看到中國和東盟六國的企業(yè)的自主創(chuàng)新、創(chuàng)新意愿、研發(fā)投入、企業(yè)所在地區(qū)的GDP、政府補助、企業(yè)規(guī)模指標對總體能力值影響較大大，地區(qū)從業(yè)人口規(guī)模和教育程度也具有相當?shù)挠绊懥Γf明區(qū)域集聚性和用戶參與也是影響信息技術產(chǎn)業(yè)創(chuàng)新能力的重要因素。

表15 創(chuàng)新能力關鍵變量的機器學習模型敏感度

8 結論與建議

通過文獻檢索，可以發(fā)現(xiàn)創(chuàng)新環(huán)境、知識管理和技術創(chuàng)新與競爭優(yōu)勢的關系均有很多研究成果，但是數(shù)者之間的綜合關系研究仍然少見。同時，各類研究多采用問卷調查方式，在解釋力上存在不足。本文采用2010—2017 年中國和東盟國家的信息技術產(chǎn)業(yè)上市公司數(shù)據(jù)，基于產(chǎn)業(yè)特點進行指標體系設計和變量選取，采用結構方程模型、BP 神經(jīng)網(wǎng)絡和改進的CNN 卷積神經(jīng)網(wǎng)絡模型分別進行研究，發(fā)現(xiàn)在信息技術產(chǎn)業(yè)中創(chuàng)新環(huán)境、技術創(chuàng)新以及知識管理均對競爭優(yōu)勢具有正向的影響，也驗證了技術創(chuàng)新在創(chuàng)新環(huán)境與競爭優(yōu)勢之間，以及在知識管理與競爭優(yōu)勢之間的中介作用。知識管理在創(chuàng)新環(huán)境和競爭優(yōu)勢之間的中介作用是很有意義的一個發(fā)現(xiàn)，優(yōu)良的創(chuàng)新環(huán)境對于信息技術企業(yè)的發(fā)展具有重要作用，但是如果沒有良好的知識管理能力，沒有形成良好的知識創(chuàng)造、辨別、吸收和擴散的內(nèi)在基因，企業(yè)是無法在快速迭代變化的市場競爭中存續(xù)的，近年來我國不少“獨角獸”如共享自行車、互聯(lián)網(wǎng)金融等的潰敗，都有知識失能的因素在內(nèi)。

中國和東盟各國的信息技術產(chǎn)業(yè)發(fā)展各有側重，但創(chuàng)新都是重點關注的領域，創(chuàng)新能力和績效是創(chuàng)新研究的重要方向。中國和東盟國家的信息技術產(chǎn)業(yè)發(fā)展雖然仍然處于中等水平，但是發(fā)展勢頭良好，潛力巨大，應推進網(wǎng)絡先行的“一帶一路”戰(zhàn)略，把“信息絲綢之路”打造成以通信和互聯(lián)網(wǎng)產(chǎn)業(yè)為抓手的新型國際貿(mào)易之路，沿路各國信息交流上互聯(lián)互通，優(yōu)勢產(chǎn)業(yè)互補，媒體共享共贏，在資源互換、人員交流、業(yè)務培訓上加強互動，推進產(chǎn)學研之間的高效協(xié)作，建立起多元、長效的交流合作機制，共同促進經(jīng)濟和社會發(fā)展進步。