數字技術融合、動態技術群落對產業高質量創新的影響

摘 要：數字經濟時代，數據資源的開放與共享特征，使得創新主體能夠及時快速地獲取創新知識，從而推動創新合作從順序線性模式轉變為多層網狀模式，“群式”創新范式蓬勃興起。深度數實融合背景下，如何依托技術群落的動態配置實現產業高質量創新是亟待解決的重要議題。研究基于HimmPat全球專利智能檢索分析平臺，獲取新能源產業2000—2022年間的1 416 820條專利數據，構建166個專利引用網絡，執行層級回歸分析，檢驗數字技術融合、動態群落對產業創新績效的影響。結果表明：數字技術融合正向影響產業創新績效；群內成員變動和成員跨群流動均正向調節數字技術融合對產業創新績效的正向作用。研究發現，治理產業創新網絡中技術群落的動態行為有助于提升數字化情境下的產業創新績效。

關鍵詞：創新績效；數字技術融合；技術群落；成員動態行為；群落成員變動；跨群流動

中圖分類號：F 273.1

文獻標識碼：A 文章編號：1672-7312（2024）04-0355-08

The Impact of Digital Technology Convergence and Dynamic Technology Communities on High-quality Innovation Performance

LI Li，WANG Gaosen，SI Mengna

Abstract：In the era of digital economy，the openness and sharing of data resources enable innovative entities to quickly and timely acquire innovative knowledge.This has driven innovation cooperation to shift from a sequential linear model to a multi-layer network model，resulting in the flourishing of the innovation paradigm of community.Under the deep fusion of data and reality，how to rely on technology communities to achieve high-quality innovation through technology convergence is an important issue that urgently needs to be addressed.This study focuses on the new energy industry and constructs 166 patent citation networks based on 1 416 820 patent data obtained from the HimmPat global intelligent patent retrieval and analysis platform from 2000 to 2022.Hierarchical regression analysis is performed to examine the impact mechanism of digital technology convergence and dynamic behavior of technology communities’ members on industrial innovation performance.The research results indicate that the convergence of digital technology has a positive impact on the innovation performance of the new energy industry；Both intra communities’ member changes and cross communities’ member mobility positively regulate the positive effect of digital technology convergence on the innovation performance.This study found that governing the dynamic behavior of industrial technology communities can help improve industrial innovation performance in the context of digitalization.

Key words：innovation performance；digital technology convergence；technology community；dynamic behavior of members；communities’ member changes；cross communities’ member mobility

0 引言

近年來，以數字技術為代表的新一代信息技術與能源技術交叉融合，加速推動了社會綠色低碳轉型發展。2023年3月，國家能源局發布《關于加快推進能源數字化、智能化發展的若干意見》，明確提出推動數字技術與能源產業發展深度融合，加速發電清潔低碳轉型，促進綠色低碳循環經濟發展。數字化轉型背景下，如何依托數字技術融合助力新能源產業高質量創新是亟待解決的現實問題。

現有關于數字技術融合的文獻聚焦在以下兩類，一類專注于研究新一代數字技術的融合趨勢，普遍采用專利引用、專利共現和專利文本挖掘方法進行分析；另一類采用實證研究方法揭示數字化或技術融合對創新績效的影響機制，例如，KIM等[1]基于半導體、汽車、電信以及醫療設備的實證研究發現技術融合度正向促進創新績效；ZHAO等[2]實證發現創新型技術融合正向影響企業創新數量和質量，鞏固型技術融合正向影響企業創新數量但負向影響創新質量；王媛等[3]發現新能源汽車產業替代性技術融合有利于提升新產品開發績效，互補性技術融合與新產品開發績效呈現倒U型。盡管已有研究廣泛認同技術融合是產業創新的驅動力，但并未得出一致的結論，且現有研究罕有深耕技術視角下數實融合與產業創新績效作用關系的研究。因此，厘清數字技術融合與產業高質量創新之間的關系具有重要意義。

通過歸納前沿文獻，發現數字經濟時代創新網絡的“技術群落”特征逐漸成為關注的焦點。數據資源的開放與共享特征，使得創新主體能夠及時快速地獲取創新知識，從而推動創新合作從順序線性模式轉變為多層網狀模式，“群式”創新范式蓬勃興起。技術群落及其類似概念如技術群體、派系、創新聯合體，能夠為創新個體提供“抱團”創新的媒介和平臺，緩解企業個體創新資源匱乏、風險抵御能力低的局面，對提升創新能力具有催化作用[4-5]。隨著科技進步速度的日趨加快以及產業技術迭代周期不斷縮減，技術群落內外成員持續變動，這種技術群落成員的動態行為已逐漸被認為是驅動產業創新的最底層情境因素之一。然而，現有文獻研究大多基于靜態網絡下的情境，忽視了技術群落成員動態行為在數字技術融合與產業高質量創新關系中的調節效應。

為此，研究以新能源產業為研究對象，獲取2000—2022年間1 416 820條專利數據，構建166個創新網絡作為分析單元，構建回歸分析模型進行實證研究，試圖探討數字技術融合對產業高質量創新的影響關系，同時考察技術群落成員動態行為的調節效應。

1 理論基礎與研究假設

1.1 數字技術融合

技術融合是兩個及以上技術領域的知識通過交互、重組，模糊領域界限產生創新的過程。盡管現有文獻沒有明確界定數字技術融合的概念內涵，但可以從有關大數據、人工智能、物聯網、區塊鏈、云計算等數字技術的融合態勢研究中進行梳理。趙玉林等[6]以生物芯片為研究對象，認為數字技術融合是不同技術軌道技術的整合，需要考慮融合的技術種類數目和技術分配的平均性。張昕蔚等[7]基于人工智能與傳統安防產業融合的研究認為，數字技術融合不是單純的技術轉移和復制，而是通用目的技術與傳統產業專用性技術的多元化組合。基于數字技術的自生性、可供性、開放性等特征，研究認為數字技術融合是新一代數字技術與特定產業專用技術的多元化知識相互嵌入產生創新的過程。

1.2 動態技術群落

技術群落在創新網絡形成初期，以小規模的創新聯盟或是產業技術集群的形式出現，一些創新能力較強的技術主體通過技術合作、協作研發等形式與其他主體建立聯結，形成彼此緊密合作的小團體，即技術群落[8]。從結構上看，技術群落表現為創新網絡子網層面的社群結構，其內部聯系較為緊密而相互間關系相對稀疏。從內涵上看，技術群落是具有相似技術源的技術主體通過知識、技術與資源的頻繁交互形成的凝聚子群。

根據資源基礎理論，對外部異質資源的渴求會促使成員持續不斷的進入或退出技術群落，在創新網絡層面表現為群內成員變動行為和成員跨群流動行為[9-10]。因此，動態技術群落具有群內成員變動和成員跨群流動雙重特征。其中，群內成員變動表示技術群落內的平均成員更替程度，成員跨群流動指技術主體穿梭并歸屬的平均群數。技術群落成員變動實現了群內成員更替和群內資源的更新，不僅能促進對成員間知識庫的了解，還能改善固化的群體慣例，緩和知識同質化趨勢或鎖定風險，激發技術主體的創新活力；成員跨群流動，通過成員跨越群落邊界的行為，不僅直接擴展了所接觸的伙伴范圍和技術資源種類，還能提升成員識別優秀資源的能力，激發成員的創新活力。

1.3 研究假設

數字技術融合通過提升知識重組的可能性和加快創新迭代來促進產業創新績效。一方面，新一代數字技術與產業專用技術的融合，能夠拓展產業的技術多元化水平和知識庫廣度，提高企業開發新技術的可能。數字化轉型改變了企業嵌入市場的時空形態，其互聯互通屬性降低了搜索成本、信息成本、管理成本等多種交易成本，使企業得以在更廣闊的時空范圍內獲取創新所需的知識與信息[11]。企業實施數字技術融合不但能提高跨技術領域知識儲備，還促進了跨領域知識重組的可能性，有助于產業涌現出更多的新穎性和先進性技術。另一方面，數字技術與產業技術的深度融合，能夠提高產業內知識流動的速率從而加快創新迭代。數字技術所展現的開放與共享特征，打通了創新主體之間的“信息孤島”，很大程度上降低了企業信息不完備和不對稱的程度[12-13]。同時，數字技術的模塊性和交互性增進了創新主體之間的交流協作，提升了協調溝通效率。隨著數字技術與產業技術的深度融合，知識在創新主體之間快速擴散，大大縮短了創新主體知識獲取的時間，有助于加速產業內創新迭代的速度。因此，提出假設H1。

H1：數字技術融合程度正向促進產業高質量創新。

技術群落內成員變動通過提升知識重組機會空間和減少群內“知識鎖定”，放大數字技術融合對產業創新績效的促進效應。一方面，創新網絡中技術群落成員變動規模的增加，擴充了群內異質性知識的儲備[14]，為數字技術融合提供更多的技術重組可能性[15]。進入技術群落的主體將自身知識庫帶入群內，避免了技術群落知識的同構和冗余，同時創新主體通過數字環境掃描能力將外部流入的新知識與原技術群落內部的舊知識進行整合、消化和吸收，從而提高知識重組的機會空間[16]。另一方面，隨著技術群落成員構成的劇烈變動，群內原有的技術知識體系會被打破，新入成員知識與企業原有知識的組合配置，會更新技術群落的知識集，減少群內“知識鎖定”的風險，增強企業處理復雜信息的能力，降低企業創新活動中外部波動的影響，從而通過數字融合促進創新績效。因此，提出假設H2a。

H2a：群內成員變動正向調節數字技術融合對產業高質量創新的影響。

成員跨群流動通過搭建知識橋接路徑，提升資源整合能力，放大數字技術融合對產業創新績效的促進效應。一方面，成員跨越技術群落的邊界能夠涉獵創新網絡中多種技術群落的異質資源庫[17]，通過識別和匹配具有兼容性的資源，搭建知識溢出的橋接路徑[18]。這種跨越式行為促使組織攝取豐富的知識輸入，夯實組織的知識基礎，增強產業的創新知識需求。同時多樣化知識資源又避免了群內同質化傾向，提升群內成員識別優質資源的能力，刺激群內成員的創新活力，有利于提高數字技術知識重組的可能性。另一方面，成員跨群流動意味著技術主體根據自身創新需求，在不同的技術群落中“穿梭”開展技術搜尋[19]。跨群運動前后獲取的內外部知識將會存在結構差異，企業為吸收、整合新知識將調整認知結構，打破原有的技術創新習慣，提升知識整合能力進而提升創新績效。因此，提出假設H2b。

H2b：成員跨群流動正向調節數字技術融合對產業高質量創新的影響。

2 研究設計

2.1 樣本與數據

新能源產業是戰略性新興產業，具有技術密集、初期研發投入巨大、成本回收周期較長等特性，且創新要素、技術體系較為復雜。國際能源署《數字化和能源》預測，數字技術融合應用將在2040年將太陽能光伏發電和風力發電的棄電率從7%降至1.6%，減少3 000萬t碳排放。目前，世界各國紛紛采取措施推動能源數字化進程，利用大數據分析、機器學習、區塊鏈、分布式能源管理及云計算等數字技術，構筑清潔低碳、安全高效的現代能源體系。

結合新能源發展態勢，在咨詢技術專家的基礎上，選定太陽能光伏、太陽能光熱、風電控制、風力發電、沼氣、儲氫、液化氫、鋰電池、燃料電池為核心研究領域。根據數字能源融合趨勢，將數字技術確定為人工智能、機器學習、計算機視覺、語音識別、自然語言處理、物聯網、云計算、區塊鏈等領域進行具體分析。研究從HimmPat解決方案式全球專利智能檢索分析平臺獲取專利數據，該平臺覆蓋全球123個國家/地區/組織的專利數據，專利數據更新頻率快，且具有高精度智能語義檢索功能。采用標題和關鍵詞策略進行專利檢索，以風力發電為例，檢索式為：（“wind generator” or “wind power” or “Doubly fed induction” or DFIG or “doubly-fed wind power” or “wind turbine” or “off-grid wind power” or “Grid-Connected”）。時間跨度選定在2000年至2022年，檢索時間為2023年6月10日，共獲取新能源產業的授權發明專利1 416 820條。

2.2 數據清洗與處理

2.2.1 數據清洗

數據清洗包括對無效數據進行剔除、檢查合并相同專利權人等規范處理。

2.2.2 創新網絡與技術群落

選取各技術領域內專利持有量占該領域專利總量0.25%以上的專利權人，作為專利引用網絡的節點；以5年為移動時間窗口，構建專利權人之間的專利引用和被引矩陣；應用塊模型（CONCOR）來識別技術群落，剔除過于稀疏以及群數量小于2個的網絡，共計得到166個有效創新網絡。

2.2.3 變量計算

基于專利引用網絡的非對稱鄰接矩陣，利用Ucinet軟件計算相關網絡參數；利用SPSS 24.0軟件對數據進行標準化處理、統計性描述和相關性分析。

2.3 模型設定

研究的模型如下，其中式（1）檢驗數字技術融合（C）對產業高質量創新（P）的影響；式（2）和式（3）分別檢驗群內成員變動（T）、成員跨群流動（M）對數字技術融合與產業高質量創新關系的調節效應；式中XN為控制變量作用之和；εN為干擾項；N為創新網絡的個數。

2.4 變量測度

2.4.1 產業高質量創新

研究從創新產出的角度衡量產業高質量創新。鑒于專利申請比專利授權更能真實反映企業創新水平，因此采用產業內所有創新主體的專利申請數量來測度產業高質量創新（P）。進一步地考慮到專利申請到專利授權存在一定的時滯性，對專利申請數加１然后取對數處理，分別計算每個時間窗口創新網絡的創新產出。

2.4.2 數字技術融合

采用香農熵并表示數字技術融合度（C）。以每個創新網絡為單位，首先計算數字技術領域k與新能源技術領域i的IPC4共同出現在同一個專利中的數量；其次計算IPC4融合的專利數量在新能源技術領域i總專利數量中的占比，用Pik表示；最后進行計算得到創新網絡的數字技術融合度。

式中，k為數字技術領域的種類數；i為新能源技術領域種類數。

2.4.3 動態技術群落

群體成員變動（T）指連續兩個時間窗口期（t到t+1）的創新網絡內同一技術群落的成員變化率。當重疊比率不小于0.3時，認定為連續兩個時間窗口期的同一技術群落。借鑒李莉等[20]研究，采用1-技術群落成員的重疊比例并取均值來表示每個創新網絡的群內成員變動程度，計算公式如下式中，Oi，t-1∩t、Ai，t-1∪t分別為連續兩個時間窗口創新網絡中同一技術群落的成員重疊數和出現的所有成員數；n為技術群落數。

借鑒WANG等的研究，成員跨群流動（M）采用技術主體從進入創新網絡到當前時刻所歸屬的技術群落的數量進行測量，并取均值來表示每個創新網絡的成員跨群流動程度，計算公式如下式中，Sit=0，iGjt1，i∈Gjt為技術主體i在第t窗口期的群體歸屬狀態，若屬于技術群落j則記為1，反之則為0；W為網絡規模。

2.4.4 控制變量

①網絡聚類系數。網絡聚類系數（L）衡量網絡中所有節點的平均聚類系數，通常用來度量網絡的聚類化，代表著創新網絡中技術群落分化的可能性。②技術群落凝聚。技術群落凝聚（J）表示技術群落內部成員聯系的緊密性，采用每個創新網絡的平均群內密度測量。技術群落內較高的凝聚性說明群內主體之間知識、技術和資源的轉移與流動較為頻繁，對群成員實施成員變動和跨群流動的意愿具有一定的影響。③群間技術異質性（H）。群間技術異質性指產業創新網絡中技術群落之間所掌握知識技術差異程度的均值。采用專利技術類別的差異程度進行測量。群間技術異質性為企業創新提供了必要基礎，異質性的大小會不同程度地影響組織創新。

3 實證分析

3.1 相關分析

變量的描述性統計與相關性分析見表1。各自變量之間的相關系數基本在0.7以內，說明不存在變量自相關的問題。在進入回歸模型之前，對數字技術融合、群內成員變動、成員跨群流動進行標準化處理并構建交互項執行層級回歸分析。結果顯示，所有變量VIF值都在可接受的范圍內，未表現出明顯的多重共線性。

3.2 基準模型回歸分析

模型1僅包含控制變量，模型2檢驗數字技術融合對產業創新績效的影響。基準模型假設檢驗的結果見表2。

模型1的結果顯示，網絡聚類系數（β=-0.294，plt;0.005）和技術群落凝聚（β=-0.236，plt;0.005）對產業創新績效呈現顯著影響。這表明網絡中創新主體之間凝聚成技術群落的可能性以及技術群落內部緊密連接程度會正向影響產業整體的創新績效。

模型2的結果顯示，數字技術融合對產業高質量創新有顯著正向影響（β=0.448，plt;0.005），假設H1得到支持。這說明，數字技術嵌入特定專用技術能夠促進產業創新績效，主要原因在于數字技術融合有助于引進跨領域互補性技術促進新技術的產生，同時數字技術融合還可以通過兼容替代性技術降低知識重組成本有利于創新產出的提升。數字技術融合往往被認為是一種跨領域技術融合，但數字技術具有較強的通用性特征，能夠在實施跨領域互補性或替代性融合時減少信息不對稱、融合成本高等困境，因而數字技術融合正向促進產業創新績效。

3.3 穩健性檢驗

3.3.1 變量縮尾檢驗

為消除變量極端觀測值導致的偏差影響，研究對所有連續變量在1%和99%的分位數上進行縮尾處理（Winsorize）。

3.3.2 替換解釋變量

考慮到衡量企業數字化技術與專用技術融合程度的方法差異可能對估計結果產生影響，借鑒謝衛紅等[21]的研究，選用數字化創新專利數量加1后取自然對數刻畫數字技術融合水平。

3.3.3 滯后被解釋變量

鑒于數字技術融合對產業創新產出具有一定的滯后影響，研究將產業高質量創新滯后2期進行回歸分析。

穩健性檢驗結果見表3，可以看出與基準回歸結果存在略微差異但基本一致，說明數字技術融合對產業高質量創新的影響是穩健的。

3.4 調節效應檢驗

模型3和模型4在模型2的基礎上加入群內成員變動及其與數字技術融合的交互項；模型5和模型6在模型2的基礎上加入成員跨群流動及其與數字技術融合的交互項，調節效應檢驗結果見表4。

模型3的結果顯示，群內成員變動對產業高質量創新不產生直接影響。以往研究基于微觀企業的創新視角，創新主體所在的技術群落成員發生變動會正向影響企業創新績效。原因在于創新主體歸屬技術群落的成員變動帶來了知識的更新和替代，對企業實施創新發揮正向作用，研究基于創新網絡視角卻發現產業中技術群落內成員變動并不直接影響產業層面的創新績效。

模型4的結果顯示群內成員變動與數字技術融合的交互項正向影響產業高質量創新（β=0.102，plt;0.1），假設H2a得到支持。這意味著技術群落內成員發生更替，直接影響群內的知識儲備和固有慣例，這將有助于提升異質知識交互的空間和知識流動的效率，從而放大數字技術融合對產業創新績效的正向效應。盡管以往研究[22]指出技術群落通常呈現穩定狀態且打破后的群體規范需要很長時間才能建立，通過信任機制進行知識交互需要時間和經驗積累，但數實融合情境下，通過快節奏的“試錯-反饋-迭代”敏捷流程進行數字技術融合，已經成為企業快速鎖定正確的創新路徑、贏得市場先機的重要手段。因此，技術群落成員變動可以通過提升異質知識重組空間的作用放大數字技術融合對產業創新績效的正向調節效應。

模型5的結果顯示，成員跨群流動對產業高質量創新有顯著正向影響（β=0.211，plt;0.005）。這表明成員跨群流動不僅會正向促進企業創新績效，也在產業層發揮出關鍵作用。

模型6的結果顯示成員跨群流動與數字技術融合的交互項顯著正向影響產業高質量創新（β=0.238，plt;0.005），假設H2b得到支持。成員跨群流動實質上是創新主體跨越技術群邊界實施有目地的技術搜尋過程，研究結論印證了數字化情境下跨界搜索促進創新績效的觀點[23]。這表明，成員跨越技術群落邊界有助于為網絡知識擴散打通橋接路徑、加快知識溢出，減少了企業在數字技術融合過程中的搜索時間和成本，從而正向調節數字技術融合對產業創新績效的正向效應。

4 結語

研究以新能源產業為研究對象，獲取2000—2022年間1 416 820條專利數據，構建主要專利權人之間的創新網絡166個，依次為分析單元執行層級回歸分析，探討數字技術融合對產業高質量創新的影響關系，同時考察技術群落成員動態行為的調節效應。

1）數字技術融合能夠提升知識重組的可能性和加快創新迭代，從而促進產業高質量創新。現有研究考察了技術融合對創新績效的作用關系但研究結論尚未達成統一，且有關數字技術融合的研究仍停留在融合態勢分析層面。研究強調數字技術融合是數字技術的通用性與特定專用技術融合，并將其納入創新績效的前因變量中，豐富了數字化背景下的技術融合研究體系。因此，產業政策部門應大力引導企業推動數字技術與傳統能源產業發展深度融合，通過引入新一代數字技術加速推動傳統能源產業向數字化智能化轉型發展。

2）技術群落內成員變動通過提升知識重組機會空間和減少群內“知識鎖定”風險正向調節數字技術融合對產業高質量創新的作用關系。以往研究基于創新個體視角沿著“結構-行為-績效”的模式探討企業通過融入技術群落促進創新的理論機制，卻忽視從產業層面來看技術群是一種局部連接緊密而相互間連接稀疏的社群結構。立足于此，研究將技術群落作為產業情境變量納入研究框架，進而豐富產業創新研究體系。因此，構建并重視產業技術群落或企業創新聯合體的重要作用，通過“抱團”推動數字技術融合的活力，促進產業創新水平。

3）成員跨群流動通過搭建知識橋接路徑和提升資源整合能力正向調節數字技術融合對產業高質量創新的作用關系。研究在創新網絡層面展開研究，進一步挖掘了微觀層面的成員跨越技術群邊界流入和退出對開展知識搜索和知識重組的影響，從而正向調節數字技術融合對產業創新的促進作用。因此，提供產業技術交流互通的平臺或論壇，刺激企業在技術群落內外開展知識、技術和資源的創新互動，打通不同技術主體之間的信息壁壘，帶動能源網絡各環節的互聯互動和互補，并適當鼓勵試錯性數字技術融合提升產業創新，以數字化智能化推動能源產業綠色發展。

參考文獻：

[1] KIM K，JUNG S，HWANG J.Technology convergence capability and firm innovation in the manufacturing sector：an approach based on patent network analysis[J].Ramp;D Management，2019，49（04）：595-606.

[2]ZHAO S，ZENG D，LI J，et al.Quantity or quality：The roles of technology and science convergence on firm innovation performance[J].Technovation，2023，126：102790.

[3]王媛，曾德明，文金艷.跨領域技術融合對企業新產品開發績效的影響[J].科研管理，2020，41（08）：114-122.

[4]LI L，LIN H，LYU Y，et al.Invulnerability in innovation networks：the importance of technology cluster coupling and network centralization[J].Technology Analysis amp; Strategic Management，2023，35（04）：451-463.

[5]何彬源，李莉，呂一博，等.創新網絡位置與企業內向型開放式創新行為的關系研究——技術群體分化的調節效應[J].管理評論，2022，34（04）：90-102.

[6]趙玉林，李丫丫.技術融合、競爭協同與新興產業績效提升——基于全球生物芯片產業的實證研究[J].科研管理，2017，38（08）：11-18.

[7]張昕蔚，劉剛.人工智能與傳統產業融合創新機制研究——基于對中國智能安防產業創新網絡的分析[J].科學學研究，2022，40（06）：1105-1116.

[8]MAHDAD M，MINH T T，BOGERS M L A M，et al.Joint university-industry laboratories through the lens of proximity dimensions：moving beyond geographical proximity[J].International Journal of Innovation Science，2020，12（04）：433-456.

[9]WANG J，YANG N，ZHANG Y，et al.Dynamics of firm’s network community associations and firm’s innovation performance[J].Technology Analysis amp; Strategic Management，2020，32（03）：239-255.

[10]SYTCH M，TATARYNOWICA A.Exploring the locus of invention：The dynamics of network communities and firms’ invention productivity[J].Academy of Management Journal，2013，57（01）：249-279.

[11]羅瑾璉，王象路，耿新.數字化轉型對企業創新產出的非線性影響研究[J].科研管理，2023，44（08）：1-10.

[12]陳慶江，平雷雨，董天宇.數字技術應用創新賦能效應的實現方式與邊界條件[J].管理學報，2023，20（07）：1065-1074.

[13]肖土盛，吳雨珊，亓文韜.數字化的翅膀能否助力企業高質量發展——來自企業創新的經驗證據[J].經濟管理，2022，44（05）：41-62.

[14]閆俊周，朱露欣，齊念念.區域創新生態系統：理論框架與研究展望[J].技術與創新管理，2022，43（06）：620-631.

[15]楊柏，陳銀忠，李海燕.數字化轉型下創新生態系統演進的驅動機制[J].科研管理，2023，44（05）：62-69.

[16]NYLN D，HOLMSTRM J.Digital innovation in context：Exploring serendipitous and unbounded digital innovation at the church of Sweden[J].Information Technology amp; People，2019，32（3）：696-714.

[17]劉洪民，劉平，張世昌，等.基于創新決策的企業環境掃描：文獻回顧、框架構建與未來展望[J].技術與創新管理，2023，44（01）：1-13.

[18]魏龍，黨興華.非對稱視角下技術創新網絡社群結構涌現及其對雙元創新的影響研究[J].運籌與管理，2017，26（10）：188-199.

[19]張志華，王紅月，杜萬恒.戰略性新興產業協同創新網絡影響企業創新績效的實證研究[J].技術與創新管理，2019，40（02）：151-157.

[20]李莉，林海芬，程露，等.技術群體成員變動、知識流耦合與產業創新網絡抗毀性：技術異質性的調節作用[J].管理工程學報，2022，36（01）：25-36.

[21]謝衛紅，李淑熒，李忠順，等.如何驅動智能制造企業數字化創新？——基于技術可供性視角的機制與證據[J].技術經濟，2023，42（11）：75-92.

[22]孫國強，賈昌進，吉迎東.網絡社群系統識別、結構特征及位置關系研究——以電子信息材料聯合專利網絡為例[J].科技進步與對策，2020，37（22）：9-17.

[23]呂榮杰，宋志燁，張義明，等.數智化能使企業跨界搜索提升創新績效的模式匹配與選擇——基于知識治理機制視角[J].科技進步與對策，2023，40（24）：133-142.

（責任編輯：王強）

收稿日期：2024-03-05

基金項目：教育部人文社會科學研究青年基金項目“基于多層技術群的智能制造關鍵核心技術突破機理與對策研究”（23YJC630083）；河南省哲學社會科學規劃年度項目“數智時代河南專精特新企業高質量創新研究”（2023CJJ196）;河南省高校人文社會科學研究一般項目“數字化轉型背景下河南省制造業高質量創新的路徑研究”（2024-ZZJH-036）

作者簡介：李莉（1991—），女，河南周口人，博士，講師、碩導，主要從事數字創新的研究工作。