中國高成長企業的雙元創新路徑探析
——以蘇南自創區瞪羚企業為例

汪 濤，王璐瑋，儲姍姍

(南京師范大學地理科學學院，江蘇 南京 210023)

0 引言

2014年10月，國務院批復同意支持南京、蘇州、無錫等8個高新區和蘇州工業園區建設蘇南國家自主創新示范區 (蘇南自創區)，其作為江蘇省科技創新高地，培育了一批高創新、高盈利、高成長的瞪羚企業[1]。這些企業成為蘇南地區經濟增長和創新發展的生力軍，其創新方式和路徑為傳統企業的轉型升級提供了發展樣本，具有重要研究價值。

瞪羚企業在不同階段具有不同的發展需求，經常面臨在現有基礎上創新還是打破常規創新的困境，如何在日漸動蕩的環境中管理那些看似對立且相互競爭的創新行為[2]，成為高成長企業亟待解決的問題。相關研究最早可以追溯到1976年Duncan提出的組織二元性，他認為組織能夠通過結構調整適應外界的漸進或突變式變化。1996年Tushman等重拾這一概念，將其描述為可以同時管理進化式變革和革命性變革的企業，自此有關創新的二元式研究涌現[3]。基于二元視角，創新被劃分為漸進式創新和突破式創新，前者是以最大化價值利用為目標，對現有技術完善和升級引起的連續性創新行為；后者是以有意識的革新為目標，開發新產品、新技術以滿足市場潛在需求的跳躍性創新行為[4]。以March為代表的平衡觀點認為，資源稀缺導致兩者之間具有強烈的對抗性，一種創新會對另一種創新產生負外部性或排擠效應[5]。隨著研究深入，更多學者基于正交觀點認為漸進式創新和突破式創新之間存在相互促進的反哺效應。后續研究整合上述兩種觀點，將時空維度引入雙元創新的探討，由此形成兩種不同的創新模式：一是漸進與突破交替進行的時間分離性平衡 (次序性)模式，二是漸進與突破并行的空間分離性平衡 (共時性)模式[6]。理論上，領先型企業在內部管理上具有較強的組織柔性，傾向于選擇共時性模式，而追趕型企業在資源約束下更適于采納次序性模式。然而現有實踐表明，在蘊藏了豐富資源的創新網絡中，一些領先型企業在沉沒成本效應下，對外關系表現出較強的組織依賴和鎖定特征，而部分追趕型企業從創新溢出中獲益，時空上對雙元創新的動態調節不斷隨著創新網絡的擴容而更加靈活。因此，網絡條件下需要進一步探討瞪羚企業的雙元創新路徑發生機制。

隨著創新格局由等級化向網絡化演變，學者對雙元創新的認知視角也從單個組織主體擴展到復雜的網絡成員之間，頻頻利用網絡理論揭示雙元創新的發生機制。近期研究主要集中在以下3個方面：①創新網絡對雙元創新的邊際效應，結合網絡資源悖論，探究高動態環境中創新網絡演化與雙元創新發展的非線性關系[7-8]；②創新網絡結構對兩種創新的差異化影響，基于創新在前因、結果和權變因素上的異質性，剖析和比較不同網絡結構特征對兩種創新的驅動機制[9-10]；③創新網絡演化與雙元創新路徑選擇，從動態整合視角探究不同的創新網絡發展階段，企業如何謹慎選擇自我更新、資本延伸的匹配性戰略，解決兩種創新之間的效益需求沖突[11-12]。由于缺乏劃分創新連續性、新穎程度的統一標準，有關雙元創新路徑發生機制的研究仍存在較大分歧。鑒于此，本文整合網絡研究范式和組織二元性研究范式，以蘇南自創區183家瞪羚企業為研究對象建立創新網絡，運用層次回歸模型剖析網絡位置、知識搜索和關系強度對漸進式創新、突破式創新的作用機理，并結合創新網絡動態特征梳理瞪羚企業雙元創新路徑，如圖1所示。

圖1 蘇南自創區瞪羚企業的空間分布

1 理論分析與研究假設

1.1 網絡位置與企業創新能力

網絡位置是指企業在網絡中獲取異質性資源和控制信息傳遞的能力[13]。度數中心度指節點與相鄰節點直接相連的關系數，用于考察企業充當網絡中心樞紐的程度。Brown等[14]基于組織學習視角認為，高中心性企業擁有豐富的信息源和信息渠道，有助于企業整合內外部知識；Burt基于競爭視角認為，高中心性企業通過對比多元信息從中識別出準確、有效的信息，而不受競爭對手發出誤導信息的干擾[15]；Powell等[16]基于合作視角指出，高中心性企業可迅速發現和接近創新先進性企業，擁有更大的機會被挑選為合作伙伴。

結構洞是指行動者間的非冗余聯系[17]，其理論價值在于把中間人、局部橋、漁利者等相關思想整合成一致的分析框架。學者[18]普遍認為網絡群體間的觀念和行為比群體內部更具有異質性，跨群體建立關系的經紀行為可以為節點提供更多的新思想。結構洞通過這種經紀行為賦予節點更廣闊的中間人視野，從而比其他位置上的成員更具競爭優勢。

度數中心度和結構洞分別從中心性和中介性兩個維度刻畫企業的網絡地位。從鏈接能力看，地位高的企業更有能力調動潛在的網絡資源，使其便捷地集聚和擴散[19]，憑借可達性、時效性和參考性這3種信息優勢推動漸進式創新；從控制能力看，占據優勢地位的企業擁有更多機會充當信息中心樞紐或傳播通道，易于從網絡中獲取更多的 “橋”收益，通過掌握信息處理的先發權、主動權推動企業突破式創新。因此提出假設H1a：網絡位置正向促進企業的漸進式創新；H1b：網絡位置正向促進企業的突破式創新。

1.2 網絡位置與知識搜索水平

知識搜索水平是指企業運用網絡關系檢索、挖掘外部資源的能力。Nelson等[20]從演化經濟學和組織生態學角度提出本地搜索的概念，將其定義為企業在鄰近地域搜索或對相似知識進行搜索的行為。在本地—遠程搜索的邊界研究中，地理范圍是一個關鍵的劃分標準[21-22]。Laursen[23]指出起源于演化經濟學的知識搜索研究出現了明顯的從本地搜索向遠程搜索演進的動向。更多新近研究也表明企業獲取知識的地理范圍越廣，其知識搜索水平越高[24-25]。

知識搜索水平的差異還表現在搜索深度上。知識搜索深度是指企業對某種知識的提取強度和對知識源、知識通道的利用強度[26]。學者[27-28]主要基于Laursen等設計的調查問卷，對 “是否密集使用一些特定的知識搜索通道” “是否提取和利用特定領域的知識”等題項進行擴展，根據問答結果對知識搜索進行深度量化。這種基于搜索強度的測量方法不利于區分搜索深度對創新行為的雙向影響，即超出適定范圍后，搜索深度的持續增加會強化企業的技術軌跡，導致組織僵化[29]。因此，基于合作質量的知識搜索深度量化方法更加合理。

網絡位置與知識搜索之間存在密切聯系，從搜索寬度看，地位高的企業可以憑借緊密的異質性聯系對知識進行篩選、吸收和整合，不斷優化知識搜索條件拓展知識搜索范圍；從搜索深度看，具有地位優勢的企業可以通過非冗余聯系，高效識別有用信息，將有限精力投入到最值得維系的聯系上，在深化合作關系的同時提高合作質量。因此提出假設H2：網絡位置正向促進知識搜索水平。

1.3 知識搜索水平與企業創新能力

知識搜索服務于整個創新過程。Chen等[26]發現知識搜索廣度和深度均對創新績效產生正向促進作用，且受外部伙伴類型的影響；Stephen等[30]指出知識外部搜索在知識庫影響創新績效的過程中發揮著主要作用。在激烈的競爭環境中，企業通過利用式搜索循序漸進地升級產品與工藝，不斷積累內部知識和資源促進漸進式創新[31]；當面臨較多冗余資源時，企業通過探索式搜索擺脫常規的思考、行事模式，幫助企業找到進入新領域的機會，開拓新市場促進突破式創新[32]。因此提出假設H3a：知識搜索正向促進企業漸進式創新；H3b：知識搜索正向促進企業突破式創新。

1.4 知識搜索水平的中介效應

Berliant等[33]認為知識搜索具有代理中介特征，組織利用外部關系進行知識搜索，促進新知識的生產，以提高企業的創新能力；Alguezaui等[34]指出社會資本刺激知識搜索，進而影響組織的雙元創新行為；胡保亮等[35]發現知識搜索范圍和深度在全球制造網絡位置和創新績效之間發揮著中介作用。結合已有研究對網絡位置、知識搜索、創新能力三者關系的分析，認為網絡位置能夠通過知識搜索影響企業的創新能力，因此提出假設H4a：知識搜索在網絡位置提升漸進式創新能力的過程中起到中介作用；H4b：知識搜索在網絡位置提升突破式創新能力的過程中起到中介作用。

1.5 關系強度的調節效應

關系強度是指企業與網絡主體基于某種互動關系的連接程度。學者[36-37]多基于調查問卷，從關系數、接觸次數、持久度、親密度等層面對關系強度進行測度。李明星等[38]則指出網絡關系是雙向的，而問卷發放往往只針對樣本企業，使關系強度調查結果不夠客觀，進而選擇企業合作的平均次數對其進行量化。股權關系的建立可有效克服合作雙方信息不對稱的限制，成員間的頻繁互動有利于形成共同解決問題的合作模式。

企業搜索知識時，與合作者建立的關系強度會影響信息傳遞質量和效率，進而影響企業創新能力。漸進式創新依靠背景知識和輔助知識挖掘更深層的技術，雙方之間多為隱性知識交流。強關系因強互惠性建立的信任基礎有利于促進關鍵技術在雙方之間分享，減小隱性知識的流動難度，促進企業的漸進式創新；企業突破式創新依賴于更寬廣的視野，要求企業不斷更新外部關系以接受新觀念。弱關系強調市場化交易原則，彼此之間不需要關系承諾和關系投資，有利于節約成本建立更多的新關系，推動企業的突破式創新[39]。因此提出假設H5a：關系強度在知識搜索促進漸進式創新時起到正向調節作用；H5b：關系強度在知識搜索促進突破式創新時起到負向調節作用。

1.6 模型構建

基于以上假設，構建以網絡位置為自變量，創新能力為因變量，知識搜索水平為中介變量，關系強度為調節變量，企業年限、行業分類及注冊資本為控制變量的層次回歸模型，探究瞪羚企業雙元創新的發生機制，如圖2所示。

圖2 瞪羚企業雙元創新發生機制的概念模型

2 研究設計

2.1 數據來源

創新網絡數據：①在萬方數據平臺檢索183家瞪羚企業的專利申請數據，從中篩選出1505條聯合申請專利數據，共涉及55家瞪羚企業；②利用C++程序分時段生成專利合作矩陣，構建創新網絡 (包含9546對合作關系，涉及254個創新主體)；③將創新主體劃分為企業、高校、研究機構、其他 (醫院、政府機構等)4種類型，并通過企查查平臺查詢瞪羚企業的控股、被控股關系、成立年份、行業分類和注冊資本等。

技術共現網絡數據：在萬方數據平臺檢索瞪羚企業申請專利的IPC分類號，統計各企業每項 “IPC”小類代碼出現的年份及在同一專利中出現的次數，利用C++程序構建企業內部技術共現網絡。

時間成本數據：利用XGeocoding獲取各創新主體的地理坐標，結合盛名列車時刻表，查詢合作雙方所在城市間的高鐵車次、發站、到站、歷時信息，計算24小時內兩城市間所有高鐵車次歷時的平均時長。

2.2 變量測量

(1)網絡位置。以蘇南自創區瞪羚企業及其專利聯合申請權人為網絡節點，構建創新網絡，進而計算瞪羚企業的度數中心度CD (i)和結構洞ESi。

(1)

(2)

式中，j為與節點i直接合作的節點，j=1,2,3…J；Xij為節點i和j的合作總次數；q為除了i和j之外的節點；piq為節點i投入到q的關系比重；mjq是節點j投入到q的關系邊際強度。

(2)知識搜索水平。根據合作雙方間的時間成本，計算知識搜索寬度widi，公式為：

(3)

depi=ln (hi)ln (Rij)

(4)

式中，dij為節點i、j所在城市間的時間成本；a為節點i所在行業近期 (2016—2018年)發明專利授權量與研究期內 (2004—2018年)發明專利授權量的比值；b為研究期內節點i所在行業的發明專利占比；Rij為研究期內節點i、j所屬合作類型的發明專利占比。

(3)關系強度。若節點i、j之間存在股權關系或合作次數不少于4次，則認為節點i、j具有強關系，否則具有弱關系。根據節點的強、弱關系數測量節點i的關系強度tiei，公式為：

(5)

式中，stroi和weeki分別為節點i的強、弱關系數。

(4)創新能力。參考吳穎文等[41]的研究，以IPC “小組”代碼為節點，構建企業內部技術共現網絡，如圖3所示。

圖3 企業內部技術共現網絡——以常州回天新材料有限公司為例

考察瞪羚企業專利IPC “小類”代碼出現的次數，若任意 (t-4，t]年間出現的次數大于等于1，則定義該代碼為這一企業漸進式技術的重要組分 (Incre-IPC)，否則為突破式技術的重要組分 (Break-IPC)。在此基礎上，借鑒Chen[42]的研究構建企業漸進創新指數 (Incre-index)和突破創新指數 (Break-index)，見表1。

表1 企業雙元創新指數的評價體系

3 實證分析

3.1 變量檢驗與相關性分析

各變量的Cronbach’sα系數均大于0.7，表明數據具有良好的信度。依次加入網絡位置、知識搜索水平、關系強度和創新指數進行因子分析，結果顯示KMO值為0.702～0.862，Bartlett球形檢驗的顯著性水平均小于0.05，表明數據具有良好的結構效度。

對各變量進行相關性分析，結果顯示各相關系數均小于0.7，且自變量、中介變量、調節變量均與因變量之間呈顯著相關，為探究變量間的作用關系提供了初步分析證據。對變量進行多重共線性診斷，結果符合回歸分析的前提條件，允許采用層次回歸檢驗變量間的假設關系。

3.2 主效應檢驗

分別構建以Incre-index、Break-index為因變量，只加入控制變量的原模型Model1和Model2。在原模型上增設網絡位置自變量，構建Model3和Model4，形成 “Model1和Model3”和 “Model2和Model4”兩組對照組。在Model3和Model4中 (表2)，度數中心度和結構洞的回歸系數在顯著水平下均為正值，且比Model1和Model2的解釋力分別增加了48.2%和51.0%，說明網絡位置對兩種創新均存在顯著的正向影響，H1得以驗證。另外，發現Model3中度數中心度的系數高于結構洞 (0.311>0.297)，而Model4中度數中心度的系數低于結構洞 (0.29<50.344)，說明度數中心度對漸進式創新更重要，而結構洞對突破式創新更重要。

3.3 中介效應檢驗

分別構建以知識搜索寬度、搜索深度為因變量，只加入控制變量的原模型Model7和Model8。在此基礎上增設網絡位置自變量以構建Model9和Model10，形成 “Model7和Model9” “Model8和Model10”兩組對照組。在Model9和Model10中度數中心度和結構洞的回歸系數在顯著水平下均為正值，且Model9比Model7的解釋力增加了48.5%，Model10比Model8的解釋力增加了52.0%,說明網絡位置對知識搜索存在顯著的正向影響，H2得以驗證，見表2。

綜合H1～H3的檢驗結果，H4得以驗證。

由表2可知，Model9中度數中心度的系數低于結構洞 (0.247<0.294)，而Model10中度數中心度的系數高于結構洞 (0.224>0.219)，說明度數中心度更利于企業開展知識深度搜索，而結構洞更利于企業拓展知識搜索寬度。

表2 主效應和中介效應檢驗結果

在Model1和Model2的基礎上增設知識搜索水平自變量，構建Model5和Model6，形成 “Model1和Model5” “Model2和Model6”兩組對照組。在Model5和Model6中知識搜索寬度和搜索深度的回歸系數在顯著水平下均為正值，且Model5和Model6的解釋力分別增至61.1%和64.7%，說明知識搜索對兩種創新具有顯著的正向影響，H3得以驗證。另外，發現Model5中知識搜索寬度的系數低于搜索深度 (0.202<0.299)，而Model6中知識搜索寬度的系數高于搜索深度 (0.282>0.217)，說明知識搜索深度更利于漸進式創新，而知識搜索寬度更利于突破式創新。

3.4 調節效應檢驗

將變量進行標準化處理，生成交互項1 (知識搜索寬度×關系強度)、交互項2 (知識搜索深度×關系強度)，構建Model11～Model18。相比未加入交互項的原模型，Model12、Model14、Model16和Model18的解釋力均得以顯著提升。在以Incre-index為因變量的模型中，關系強度和交互項的系數均為正值，而在以Break-index為因變量的模型中，兩者系數均為負值，說明關系強度在知識搜索促進漸進式創新的過程中起著顯著的正向調節作用，而在促進突破式創新的過程中起著顯著的負向調節作用，H5得以驗證，見表3。

表3 調節效應檢驗結果

將瞪羚企業劃分為強關系組 (tiei>0)和弱關系組 (tiei≤0)，散點圖中對應組的直線斜率越大，表明其創新能力隨知識搜索水平變化而變化的幅度越大。無論在知識搜索寬度還是搜索深度的回歸中，以Incre-index為因變量的強關系組直線斜率均高于弱關系組，而以Break-index為因變量的強關系組直線斜率均低于弱關系組，直觀揭示了關系強度對漸進式創新的正向調節作用，對突破式創新的負向調節作用，如圖4所示。

圖4 關系強度對雙元創新的調節作用

3.5 被調節的中介效應檢驗

使用SPSS中的PROCESS宏命令進行檢驗，強關系調節下，度數中心度和結構洞通過知識搜索對Incre-index產生顯著的間接效應，置信區間[0.322，0.573]和[0.367，0.544]不包括0，見表4。由表4可知，強關系數多的瞪羚企業可以通過 “靠近網絡中心/占據網絡結構洞—提高知識搜索水平—改善、升級現有技術”的路徑開展創新；弱關系調節下，結構洞通過知識搜索對Incre-index產生的間接影響顯著 (置信區間[0.149，0.124],不包括0)，而度數中心度通過知識搜索對Incre-index產生的間接影響不顯著 (置信區間[-0.054，0.133]包括0)。說明弱關系多的瞪羚企業更適合通過 “占據網絡結構洞—提高知識搜索水平—改善、升級現有技術” 的路徑開展創新。

強關系調節下，度數中心度和結構洞通過知識搜索對Break-index產生的間接影響均不顯著 (置信區間包括0)。而弱關系調節下，度數中心度和結構洞通過知識搜索對Break-index產生的間接影響均顯著 (置信區間不包括0)，說明以弱關系為主的瞪羚企業更適合通過 “靠近網絡中心/占據網絡結構洞—提高知識搜索水平—技術革新、開拓新市場”的路徑開展創新。

3.6 企業雙元創新路徑的選擇

根據Incre-index與Break-index的比值，將企業劃分為19家漸進式創新主導企業 (Incre企業)和36家突破式創新主導企業 (Break企業)。分階段統計企業的網絡指標，由此繪制箱圖。

表4 被調節的中介效應檢驗結果

從均值分析，2004—2010年Incre企業在度數中心度和知識搜索深度上占有優勢，相比Break企業，Incre企業更靠近網絡中心，傾向與合作者開展高質量的創新活動。2011—2015年Incre企業的知識搜索寬度和深度均有所加強，強、弱關系數均有所增加，表明Incre企業主要利用弱關系拓展知識搜索范圍，利用強關系加深對原有合作者的知識搜索，以鞏固自身的中心性地位，提升漸進式創新能力。2016—2018年Incre企業的知識搜索寬度較前一階段有所削弱，搜索深度進一步加強，且弱關系數有所減少，強關系數有所增加，說明Incre企業逐漸將創新重心轉移到 “利用強關系加深知識搜索”上。這種創新戰略利用強關系不斷鞏固合作者間的信任基礎，建立更可靠的關系通道，降低隱性知識的流動難度，推動企業間開展高質量的創新活動。然而，強關系的維持需要消耗大量精力，在一定程度上抑制了企業弱關系的發展以及對新領域探索的積極性，如圖5所示。

注：max為企業中相應變量的最大值；mean為相應變量的均值；min為相應變量的最小值。圖5 蘇南自創區瞪羚企業相關創新變量的演化

2004—2010年Break企業在中介性地位和知識搜索寬度上具有相對優勢。相比Incre企業，Break企業有著更寬廣的視野。2011—2015年Break企業的知識搜索寬度和弱關系數均得以明顯提升，搜索深度和強關系數基本保持不變，說明企業主要利用弱關系拓展合作范圍，但在合作質量上沒有提高。2016—2018年Break企業的知識搜索寬度和深度均得以加強，弱關系數進一步增加，而強關系數維持穩定，說明Break企業不再滿足于低合作質量的遠程搜索，期望利用弱關系加強知識搜索深度。這種通過 “弱關系提升二維知識搜索水平”的創新戰略，使企業受到較少關系網絡的約束，有利于節省關系維護時間和資源以接觸更多的異質性信息，促進跨領域知識融合和復雜知識的形成，為企業贏得更大的后發優勢。

4 結論與討論

4.1 結論與建議

漸進式創新的驅動力在于降低成本、提高質量，縮小與領先型企業的技術差距，而突破式創新的驅動力在于發展新業務，拉開與追隨型企業的技術差距，可見兩者的發生機制存在明顯差異。文章發現，在網絡位置主導兩種創新的過程中，知識搜索產生了不同程度的中介效應，關系強度發揮著不同方向的調節作用，其中知識搜索深度在強關系調節下對漸進式創新的促進效果更明顯，而知識搜索寬度在弱關系調節下對突破式創新的促進效果更明顯。基于此，從網絡管理層面提出策略：于高成長企業而言，其可以參考文章中對雙元創新指數的評價進行自我評測，設計創新網絡指標退化的預警紅線，利用動態監測和差距分析引導企業管理內部雙元創新關系、捕獲外部創新資源；于政府相關部門而言，其應洞察網絡環境下創新資源配置的新動向和高成長企業雙元創新行動的新變化，從宏觀層面動員和協調網絡中的行動者。

瞪羚企業的網絡位置、知識搜索和關系強度表現出不同的演化特征，其創新路徑也隨之更新、分化。早期，高中心性企業主要通過加深知識搜索促進創新。中期，這些企業的中心性地位有所加強，同時促進了知識搜索寬度和深度兩個維度的提升，在關系強度的調節下知識搜索深度對漸進式創新更重要。近期，這些企業基于上一階段的發展經驗，將重心轉移到 “利用強關系加深知識搜索”上，最終發展為Incre企業。然而，在技術更迭加速的背景下，部分Incre企業過度依賴于當前成熟資源，逐漸喪失了環境感知和適應能力，使其背負著較強的核心剛性，進而陷入 “追趕—落后—追趕”的惡性循環。因此，Incre企業一方面應該維護和拓展同Break企業建立的聯系網絡，憑借資源、權力、渠道等優勢，通過資本運作、戰略聯盟獲取Break企業的新流技術；另一方面，其不應拘囿于 “靠近網絡中心—加深知識搜索—增加強關系—促進漸進式創新”這一條主路徑，需要重視結構洞、知識搜索寬度、弱關系對漸進式創新的強化作用和對突破式創新的催化作用，以開拓出多層次、嵌套式的創新路徑，如圖6所示。

圖6 蘇南自創區瞪羚企業的創新路徑

早期，高中介性企業主要通過拓展知識搜索寬度推動創新。中期，這些企業的中心性和中介性地位均得到加強，拓寬了知識搜索范圍，在關系強度的調節下知識搜索寬度在突破式創新過程中起到了更重要的作用。近期，這些企業從弱關系中獲益，強調利用弱關系促進知識搜索，最終發展為Break企業。然而，在高風險、高收益的創新情境下，部分Break企業面臨著 “持續突破失敗”的能力陷阱，試圖通過增加風險投入彌補之前創新失敗造成的不良后果，進而陷入 “探索—失敗—再探索”的惡性循環[43]。因此，Break企業一方面需要加強技術監管和風險把控，充分評估自身所處的創新能級，謹慎選擇創新方向，制定可行的技術攻關戰略；另一方面，基于關系強度的負向調節，Break企業應及時更新外部關系，選擇與自身知識基礎差異較大的創新主體進行技術合作，進而快速構建核心競爭優勢。

4.2 討論

關于獨角獸、潛在獨角獸、瞪羚等高成長企業的現有研究多基于企業發展報告，以企業統計數據庫為主要數據來源，從企業的產業特征、發展現狀及所處區域環境等方面進行分析，而針對高成長企業創新路徑發生機制的實證研究還鮮有涉及。基于此，文章整合網絡研究范式和組織二元性研究范式，以蘇南自創區瞪羚企業為研究樣本，作了一些有意義的探索：企業專利數據的挖掘和分析屬于科學計量學的研究范疇，企業股權關系分析是企業經濟學傳統領域，將兩者結合運用到企業創新路徑的量化分析中，有利于從海量科技信息資源中挖掘知識產生、傳播和產業化的深層規律，促進科學計量學、企業經濟學和創新經濟學之間的學術對話。然而，后續研究需要進一步拓展知識搜索寬度的含義，嘗試納入制度邊界、組織邊界、技術邊界等多元維度對其進行測量，探討多維邊界界定下的知識搜索寬度對高成長企業雙元創新的影響。