合作研發與技術交易誰更有利于技術融合：以人工智能多層專利網絡為例

收稿日期：2022-05-13" 修回日期：2022-10-26

作者簡介：劉曉燕（1974-），女，河北唐山人，博士，北京工業大學經濟與管理學院副教授、博士生導師，研究方向為組織理論與戰略管理；龐雅如（1996-），女，山西大同人，北京工業大學經濟與管理學院碩士研究生，研究方向為組織理論與戰略管理；單曉紅（1976-），女，吉林省吉林市人，博士，北京工業大學經濟與管理學院副教授、博士生導師，研究方向為信息管理、商務智能。本文通訊作者：單曉紅。

摘" 要：技術融合能夠顯著提高企業創新能力，是產業融合的基礎。合作研發和技術交易是常見的技術創新模式。為探究不同創新模式下的技術融合影響因素，以人工智能產業為例構建組織-技術多層網絡模型，從技術異質性和創新能力異質性兩個維度探究不同創新模式下組織合作伙伴異質性對技術融合的影響。研究表明，在合作研發模式下，技術異質性、創新能力異質性有利于技術融合；在技術交易模式下，創新能力異質性有利于技術融合，技術異質性不利于技術融合。

關鍵詞關鍵詞：技術融合；合作研發；技術交易；伙伴異質性；技術領域異質性

DOI：10.6049/kjjbydc.2022050391

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：G301

文獻標識碼：A

文章編號：1001-7348（2024）05-0010-09

0" 引言

伴隨全球競爭格局變化以及“大智移云”技術發展，越來越多的企業需要依靠研發擺脫面臨的困境，技術創新已經成為關乎企業生存發展的核心問題。技術融合是技術創新的關鍵環節，通過對多種技術進行組合與重構達到創新目的［1］。Rosenberg［2］最早提出技術融合概念，將其定義為不同產業利用相似技術進行生產工作；Pennings［3］將技術融合與技術會聚進行區分，認為技術會聚是現有技術組合，而技術融合既包含現有技術組合，也包含創造出以前不存在的新技術；Curran［4］認為技術融合是科技成果向產業轉移的過程，即科技成果轉化；Hacklin［5］等在 Rosenberg的基礎上，將技術融合分為4個階段，即科學知識融合、技術領域融合、新產品應用以及市場融合，并指出技術融合模糊了固定的產業邊界，改變了現有產業結構；Karvonen［6］認同Hacklin的觀點，認為在融合過程中上一階段融合是下一階段融合的觸發器。技術融合的本質是促進創新擴散、提升企業或產業績效，為企業提供嵌入新產業價值鏈的機會。

組織通過協同創新獲取互補性創新資源，實現技術融合［7］。技術創新模式主要包括合作研發、技術交易、技術并購等，不同創新模式的技術轉移渠道不同（靳瑞杰等，2019）。其中，合作研發是與合作伙伴共同進行創新，風險共擔，進入門檻較低；技術交易是通過在技術市場上的專利交易獲取企業所需創新資源，具有便捷、高效的特點。上述兩種創新模式有助于企業快速獲取異質性知識，推動企業創新，因此成為技術創新的主流模式。既有研究表明，雖然技術創新有效促進技術融合，但不同創新模式對技術融合效率的影響存在顯著差異［8］，由于缺少對這種差異的深入探討，導致研發伙伴選擇存在盲目性，創新效率不高。基于此，本文將深入剖析合作研發與技術交易兩種常見的創新模式對技術融合的影響，以幫助企業結合自身戰略選擇匹配的創新伙伴或交易伙伴。

合作研發和技術交易均為跨組織創新，但兩者創新過程與技術轉移方式不同。其中，前者是指組織與合作伙伴共同開展技術攻關或產品研發，具有穩定、長期的合作關系（于飛等，2017），是知識轉移中效果最顯著、最有前景的方式之一。其主要優點在于：一是為資源、技術的跨組織流動提供空間，為企業提供更高效的資源搜尋和獲取方法；二是分擔創新成本，降低創新風險，促進合作雙方技術訣竅等隱性知識轉移。其缺點在于：不同組織由于戰略目標、組織文化的差異，在管理過程和利益分配方面難以協同，不利于技術融合。技術交易則是一種以市場交易獲取技術或創新資源的方式（何郁冰等，2020），即技術擁有方通過專利許可或專利轉讓等形式將技術提供給需求方，且以顯性知識轉移為主。技術交易的優點在于：能夠加速知識共享，使企業快速獲取互補性技術知識，壓縮新產品研發周期。其缺點在于：由于市場不確定性和信息不對稱，導致交易成本過高。

組織結合自身戰略選擇合作研發或技術交易模式，在合作或交易過程中伙伴因素會影響技術融合效果。有研究發現，組織技術鄰近性過高會制約跨區域技術創新合作（黨興華等，2013）；技術鄰近性有利于技術交易達成（劉鳳朝等，2018）?？梢钥闯?，相同影響因素對不同創新模式的技術融合效果存在差異。因此，只有結合不同創新模式和伙伴異質性特征進行深入分析，才能破解不同創新戰略下與誰合作更有利于創新的難題，避免企業選擇創新伙伴的盲目性，提高技術融合效率。

人工智能是引領國家未來發展的戰略性產業，融合創新是產業發展的驅動力，技術融合是重要手段和目標，因此本文通過建立SSMs多層網絡模型，研究不同創新模式和伙伴異質性對技術融合的影響，為人工智能產業組織創新伙伴選擇提供依據。

1" 理論背景與研究假設

1.1" 理論背景

伙伴異質性概念最早可追溯至Parkhe對戰略聯盟的研究。Parkhe［9］認為，企業主體屬性多樣性和差異性會影響企業交互行為，從而影響聯盟形成和最終發展；Lin［10］認為，組織參與合作的動機是為獲取互補性能力，并將伙伴異質性定義為聯盟內部組織間互補性能力的廣泛性與多樣化；Connor［11］提出，伙伴異質性在本質上源于資源異質性，企業可以通過獲取、共享和重組合作伙伴資源，從而提高自身創新能力。技術融合源于異質性資源轉移和整合，在創新合作背景下，已有研究普遍認為異質性合作伙伴是獲取異質性資源的重要渠道［12］，使得知識、技術和資源的跨組織邊界轉移及融合更加有效［13］，而且異質性創新資源構成企業競爭優勢來源，進而激勵組織持續合作和技術融合。因此，本文從異質性視角研究合作伙伴特征。

1.2" 研究假設

伙伴異質性主要包括技術異質性、文化背景異質性、制度環境異質性、互補能力異質性、從業經驗異質性等［14］。Huang［15］將合作伙伴異質性分為組織異質性、行業異質性和國家異質性；Corsaro［16］主要從創新能力、技術知識、目標等維度對合作伙伴異質性進行刻畫。技術異質性是組織獲得互補性資源的重要來源，有助于提升技術融合效果，同時，也是技術融合的核心載體［17］；創新能力是組織協調資源、進行自主創新或與其它組織融合創新的能力，創新能力匹配性影響組織合作的穩定發展［18］。此外，技術異質性、創新能力異質性涵蓋自身現有技術與未來發展潛力兩個維度，能準確刻畫組織差異性，因此選擇技術異質性、創新能力異質性探究不同創新模式下伙伴特征對技術融合的影響。

1.2.1" 技術異質性

技術異質性是指合作雙方組織技術資源的差異性。技術融合的本質是異質性資源整合［17］，組織的技術異質性往往決定組織能否從合作中獲益（薛瀾等，2019）。已有研究表明，不同領域的技術融合有助于實現顛覆性技術突破。例如計算機科學領域的人工智能技術與生物科學領域的合成生物學的融合研究已取得重大進展，未來可能對基因治療等領域產生深遠影響［19］。由于融合過程中需要具備一定知識基礎，跨領域技術融合的高額成本將對組織技術融合產生較大壓力［20］。

當組織采取合作研發模式時，由于跨領域技術為組織提供了更多選擇機會，使得技術融合更具價值［21］，有利于激發組織創新潛能，促進新思想和新創意產生，增強研發雙方對創新機會的認知［21］。此外，合作研發可以借助共同試驗等途徑連接不同領域知識，促進雙方共擔風險，降低技術異質性帶來的融合成本，有效推進研發合作并提升創新績效［22］。

當組織采取技術交易模式時，技術融合既需要顯性知識，也需要基于實踐的隱性知識［23］。當交易雙方知識結構存在較大差異時，隱性知識獲取對于技術融合來說尤為重要［24］。這是因為技術交易以專利報告、文獻等顯性知識流動為主要渠道，交易雙方需保持緊密、持續的互動，同時，異質性知識具有較強的專用性和環境依賴性，隱性知識流動受阻易導致技術接收方很難克服技術黏性［25］。因此，技術交易過程中組織會面臨比合作研發更大的不確定性，進一步提高融合成本，不利于技術融合。綜上所述，本文提出如下研究假設：

H1a：技術異質性組織開展合作研發有利于技術融合；

H1b：技術異質性組織開展技術交易不利于技術融合。

1.2.2" 創新能力異質性

創新能力是組織協調資源、自主創新或與其它組織融合創新的能力儲備，是組織實現技術融合的重要能力。創新能力是否匹配，直接影響組織協同創新效果（劉和東等，2020）。

合作研發包括產學研合作研發和企業間合作研發。對于產學研合作研發而言，根據資源基礎觀和知識基礎觀，產學研各方通過投入資源和能力滿足企業、高校以及研究機構優勢互補的內在需求［26］。其中，企業通過合作，從高校、研究機構獲取前沿知識和技術；高校、研究機構則通過合作，明確技術的市場定位，有利于提高科技成果轉化率。總而言之，產學研合作能夠滿足研發雙方的共同意愿［27］。對于企業間合作研發而言，創新能力相似的企業合作研發，由于技術兼容性較強，合作易產生鎖定效應，而創新能力差異較大的企業間不易形成競爭關系，同時，研發重心也不同，有利于相互間知識交流，更易于實現“1+1gt;2”的協同效應。

近年來企業在技術市場上的雙主體地位不斷突顯［28］，根據全國技術市場統計分析報告數據顯示，企業技術輸出和技術引進合同成交額分別約占全國總量的90%與80%。企業間技術交易以利益為導向，當創新能力存在較大差異、組織間技術學習與吸收能力不匹配時，企業間技術交易將面臨較大風險?？讘c江等［29］發現，當技術轉讓方的創新能力弱于技術受讓方時，技術受讓方可憑借較高的創新地位在交易關系中擁有較強的議價能力，從而獲取更多利益；當技術轉讓方的創新能力大于技術受讓方時，技術轉讓方則可憑借自身較大的技術優勢和創新地位提高技術轉讓費用，導致交易成本增加，從而影響技術融合效率。綜上所述，本文提出如下研究假設：

H2a：創新能力異質性組織開展合作研發有利于技術融合；

H2b：創新能力異質性組織開展技術交易不利于技術融合。

2" 研究方法

2.1" 基于社會選擇模型（SSMs）的技術融合多層網絡模型構建

為了刻畫技術融合中組織創新合作模式與技術交易模式，本文構建包括技術融合網絡、組織創新行為網絡以及組織—技術隸屬網絡的多層網絡模型。其中，技術融合網絡用來刻畫不同技術間融合關系，節點表示技術，邊表示兩個技術的融合；組織創新行為網絡用來刻畫不同組織間創新合作與技術交易關系，節點表示組織，邊表示兩個組織合作或發生技術交易；組織—技術隸屬網絡用來刻畫組織技術特征，節點包括組織和技術，邊表示組織擁有某個技術，如圖1所示。

在多層網絡模型的基礎上，借助社會選擇模型（SSMs）進行關系互動研究。社會選擇模型（SSMs）［30］有效整合了個人偏好與集體選擇，將外生節點屬性與網絡自組織過程相結合以解釋網絡形成過程。模擬中使用馬爾可夫鏈蒙特卡羅最大似然估算法進行參數估計，通過網絡局部拓撲結構對社會網絡結構進行統計性分析，量化關系形成過程和影響因素。

其中，多層網絡變量M由包含u個節點的一模網絡A、包含v個節點的一模網絡B和跨級的二模網絡X組成，即M=A，X，B。每個多層網絡變量都是單模A={aij}和B={bij}或二模（X={xij}）關系變量的集合。設Y表示A層級和B層級網絡節點屬性集，Y={yA，yB}，兩級網絡的社會選擇模型如式（1）所示 。

Pr（M=m|Y=y）=1k（θ）exp∑Q，D{θQZQ（m）+θDZD（m，y）}（1）

ZQ（m）=ZQ（a）ZQ（b）ZQ（x）ZQ（a，x）ZQ（b，x）ZQ（a，x，b）ZD（m，y）ZD（a，yA）ZD（b，yA）ZD（x，yA，yB）ZD（a，x，yA，yB）ZD（b，x，yA，yB）ZD（a，x，b，yA，yB）（2）

式中，ZQ（m）是涉及網絡關系變量的統計向量，ZQ（a）和ZQ（b）均遵循單模網絡的ERGM規范［31］，ZQ（x）遵循二模網絡的ERGM規范［32］，ZQ（a，x）、ZQ（b，x）、ZQ（a，x，b）遵循Wang等［33］提出的兩級ERGM規范。ZD（m，y）是網絡關系變量與節點屬性交互效應的向量。ZD（a，yA），ZD（b，yB）遵循羅賓斯等［34］提出的單模網絡社會選擇模型，ZD（x，yA，yB）遵循二模網絡社會選擇模型，ZD（a，x，yA，yB）是ZD（a，x，yA）、ZD（a，x，yB）的集合，ZD（b，x，yA，yB）、ZD（a，x，b，yA，yB）同理。θQ是ZQ（m）對應的參數向量，用以衡量網絡內生結構統計項的相對重要性，θD是ZD（m，y）對應的參數向量，用以衡量各網絡與屬性交互統計項的相對重要性。k（θ）是基于實際模型定義的規范化常數，有：

k（θ）=∑x∈Ωexp∑Q，D{θQZQ（m）+θDZD（m，y）}（3）

探究組織屬性特征時，ZD（m，y）作為網絡結構與節點屬性交互效應的統計項，包含對應的ZQ（m）網絡結構效應。本文將組織網絡設置為固定網絡，技術融合網絡為隨機網絡，通過選擇不同組織網絡伙伴，隨機生成技術融合網絡，并與原網絡進行擬合，探究給定組織網絡下組織屬性特征差異對技術融合的影響。

2.2" 指標測度與模型構建

本文采用分類變量進行指標設置。其中，技術：選取組織專利中重要且廣泛出現的IPC部類（如A：人類生活必需，B：作業、運輸）進行分類。創新能力：首先統計出各組織發表的專利數量，然后加1取自然對數，保留小數后1位，相同的歸為一類。

變量的異質性關系通過mismatch（異質）參數衡量。此外，同質性為異質性的反向指標，為進一步驗證屬性異質性對技術融合的影響，將同質性參數match添加至模型中。圖2為模型構建流程。

為避免結構相同導致的多重共線性，對每個屬性分別建模。邊和互惠性是模型收斂的基準項，以邊的形式呈現，模型統計項說明如表1所示。

3" 實證研究

研究以人工智能產業為例，原因如下：第一，近十年全球人工智能產業發展迅猛［35-36］，據IncoPat全球專利數據庫的數據顯示，2010年全世界人工智能技術專利為16 102項，2019年達到114 292項，增長7倍多。第二，美國、日本、歐洲等發達國家紛紛將人工智能納入國家發展戰略，中國也高度重視新一代人工智能發展。2017年國務院頒布的《新一代人工智能發展規劃》指出，到2030年我國人工智能理論、技術與應用總體達到世界領先水平，并成為世界主要人工智能創新中心。第三，人工智能作為先導產業，可以借助技術融合帶動傳統制造業升級，是跨界技術融合的代表性產業［37］，因此本文選擇人工智能產業進行實證研究。

3.1" 數據收集與網絡構建

本文以人工智能專利數作為樣本數據，以IncoPat全球專利數據庫為來源，進行數據采集。由于2010—2019年是人工智能技術起步并飛速發展的黃金時期，因而本文將檢索年限設置為2010年1月1日至2020年1月1日，通過參考人工智能文獻及2019年世界人工智能大會發布的《2019世界人工智能技術趨勢發展報告》，確定檢索式為：TIAB=（人工智能or模式識別or語音識別or圖像識別or機器學習or虛擬個人助理or 手勢控制or推薦引擎or智能機器人or專家系統or智能駕駛or神經網絡 or計算機視覺or深度學習or自然語言進程or AI or pattern recognition or pattern identification or image recognition or speech recognition or voice recognition or machine learning or virtual assistants or gesture control or personalized recommendation engines or Intelligent processor or intelligent robot or expert system or Intelligent driving or neural network or computer vision or depth learning or natural language processing）and AD=［20100101 to 20200101］［38］。

關于數據篩選與清洗，首先根據合享價值度進行篩選，保留合享價值度為9～10的專利。同時，刪除僅有一位專利申請人的專利，最終得到人工智能產業合作專利數據，共12 205條，作為樣本數據。

基于樣本數據構建多層網絡，技術融合網絡為有向圖，鄰接矩陣為A=［aij］，aij=1表示專利技術i引用專利技術j，其中，專利技術采用專利的主IPC分類。組織合作研發網絡為無向圖，使用專利權人共現關系刻畫［39-40］ ，鄰接矩陣為B=［bij］，bij=1表示專利權人i與專利權人j出現在同一專利中，是合作研發關系。組織技術交易網絡為有向圖（借鑒 Dong［41］的識別規范），刻畫轉讓人與受讓人關系，鄰接矩陣為C=［cij］，cij=1表示轉讓人i將專利轉至受讓人j。組織—技術隸屬網絡為二部圖，刻畫組織與技術的關系，鄰接矩陣為A=［aibj］，aibj=1表示組織j擁有技術i。按上述規則建模后，最終形成合作研發和技術交易下的組織—技術多層網絡，網絡統計特征如表2和表3所示。

技術融合網絡（B網絡）關系數為275條。其中，單向融合關系175條，雙向融合關系100條，說明目前技術以單向融合為主。網絡密度為0.070 4，表明網絡整體較稀疏，技術聯系不緊密。G06F（部—物理、計算，大類—推算技術，小類—電數字數據處理）的入度中心性最大，意味著該技術具有共性特征，在技術融合網絡中占據核心地位，其它技術都偏向引用該技術。此外，G06F的中介中心性也最大，代表該技術扮演“中間人”角色，能影響其它技術融合，在網絡中具有重要的連接和傳播作用。G06K（部—物理、計算，大類—推算技術，小類—數據識別）的出度中心性最大，表示G06K技術偏向主動引用和融合其它技術。入接近中心性最大的是B62D（部—作業、運輸，大類—無軌陸用車輛，小類—機動車）、E21B（部—固定建筑物，采礦，大類—土層或巖石的鉆進、采礦，小類—土層或巖石的鉆進）、F21V（部—機械工程，大類—照明，小類—照明裝置），說明以上三類技術節點的整合力較強，易與其它技術融合，同時，機動車、土層或巖石的鉆進、照明裝置領域是現階段智能化的重要領域。出接近中心性最大的技術是 G16H（部—物理，大類—特定領域的信息通信技術，小類—醫療保健信息學），表明G16H技術容易與其它技術建立聯系，輻射力較強，容易與其它領域技術融合，是人工智能領域融合的發力點和關注點。

合作研發網絡的節點數與技術交易網絡的節點數相近，但后者的關系數目是前者的兩倍，同時，網絡密度及聚類系數可以有效反映網絡成員間緊密程度［42］和集團化程度［43］。對比兩個創新網絡指標可以發現，在網絡密度方面，合作研發網絡密度僅為0.009 6，而技術交易網絡密度為0.022 1，可以看出技術交易網絡關系較合作研發網絡更緊密。在聚類系數方面，合作研發網絡聚類系數僅為0.312，而技術交易網絡則達到0.481，說明技術交易網絡中易形成抱團現象，關系聚集度較高。此外，從表中也可以看出，合作研發網絡和技術交易網絡中的核心組織也不同，合作研發網絡中以高校、傳統制造業和信息技術企業為核心，技術交易網絡中主要以信息技術企業或IT企業為核心企業。合作研發下的技術—組織隸屬網絡密度和技術交易下的技術—組織隸屬網絡密度分別為0.310 3與0.295 0，表明組織技術邊界較模糊，組織技術范圍較廣。

3.2" 實證結果分析

Sacf是mpnet中檢驗收斂模型可靠性的重要標準，Sacf小于0.4表明收斂模型可靠。表4結果顯示，變量的Sacf值均小于0.4，表明參數估計結果可靠。

3.2.1" 技術異質性對技術融合的影響

組織合作研發模式下的技術_Mismatch為0.035，顯著為正，說明合作研發中技術異質性對技術融合存在促進作用，有利于激發合作雙方靈感，同時，合作研發時組織雙方風險共擔，也為技術融合創造了有利條件，假設H1a得證，組織技術交易模式下的技術_Mismatch為0.006，不顯著，說明技術異質的組織間進行技術交易不利于技術融合，假設H1b得證，這是因為技術交易主要表現為文獻、專利等顯性知識流動，隱性知識流動較少，當雙方擁有共同的技術基礎時，技術受讓方才易于理解與吸收技術，若技術差距過大，技術受讓方很難克服由知識專用性、緘默性所帶來的黏性，技術融合風險大，難以實現交易技術與自身技術的交叉融合。

為進一步驗證上述結果，對技術同質性與創新能力同質性指標進行模擬。合作研發模式下的技術_Match為0.020，不顯著，與技術_Mismatch結果相反，驗證了技術異質性有利于技術融合；技術交易模式下的技術_Match為0.051，顯著為正，與技術_Mismatch結果相反，表明在技術交易過程中，技術同質的組織間進行交易更有利于技術融合，與技術異質的組織間進行交易不利于技術融合，故假設H1b得證。

3.2.2" 創新能力異質性對技術融合的影響

組織合作研發模式下創新能力的_Mismatch值為0.054，顯著為正，說明創新能力異質的組織間進行合作研發能夠促進技術融合，即假設H2a得證，這是因為雖然創新能力存在較大差距，但由于雙方資源和能力不同，實現了優勢互補。例如在產學研合作研發中，組織間的競爭壓力較小和資源具有互補性，為技術融合提供了機會。組織技術交易模式下的創新能力_Mismatch值為0.012，顯著為正，拒絕了研究假設H2b。進一步分析發現，人工智能領域技術屬于高精尖技術，當組織間創新能力相近時會形成競爭壓力，為避免核心技術外流，組織進行技術轉讓時會對核心專利進行保護，導致技術融合效率降低。當組織間創新能力差距較大時，雖然其會對技術轉移和吸收形成一定障礙，但由于組織間競爭壓力較小，技術交易對于組織而言是利大于弊，因此在技術交易模式下組織創新能力的異質性對技術融合具有促進作用。

對創新能力同質性指標進行模擬，可以發現，合作研發模式下創新能力的_Match值為-0.059，顯著為負，與創新能力的_Mismatch值結果相反，證實創新能力異質性對合作研發組織間的技術融合具有較大促進作用；技術交易模式下創新能力的_match值為-0.051，顯著為負，與創新能力的_Mismatch值結果相反，證明創新能力異質性對于技術交易組織間的技術融合具有促進作用。

3.3" 模型有效性驗證

為了更好檢驗模型有效性，分別對以上4個模型進行擬合優度檢驗。擬合優度檢驗（GOF）是將仿真網絡和真實觀測網絡的統計項作對比［41］，檢驗模型擬合程度，其不僅包括上述模型的圖統計項，還包括其它細化的與模型相關的網絡結構統計項。t-ratio的絕對值小于2，表示參數擬合程度較高。由于篇幅所限，僅展示 Model1的擬合結果。

從表5可以看出，擬合結果中大多數模型t-ratio的絕對值均小于2，模型統計項、馬氏距離（Mahalanobis distance）也較小，表明該模型擬合程度較高，能夠很好地描述觀測網絡形成過程。

4" 結論與啟示

組織協同創新是促進技術融合的重要手段，本文從合作研發和技術交易兩種創新模式出發，探究組織技術異質性與創新能力異質性對技術融合的影響，為企業在不同創新模式下選擇匹配的創新伙伴提供依據和參考。

研究結果表明，在合作研發模式下，研發伙伴更具獨立性，技術異質性和創新能力異質性能有效促進技術融合；在技術交易模式下，成員聯系較緊密，易形成小團體或抱團現象，關系聚集度較高，技術異質性不利于技術融合，而創新能力異質性能促進技術融合。

結合上述結論，對企業選擇合作伙伴有以下啟示：第一，當企業采用合作創新模式時，跨領域選擇合作伙伴有利于實現突破性創新；當采用技術交易模式時，在本領域選擇合作伙伴更容易提升創新績效。第二，企業選擇合作伙伴或交易對象時，不僅要關注對方的創新能力，還應當考慮企業與合作伙伴的能力匹配性，選擇創新能力差異大的合作伙伴或交易伙伴更有利于技術創新。

本文雖然證實了不同創新模式下組織技術異質性與創新能力異質性對技術融合的影響，但仍然存在局限性。首先，在組織屬性研究上，組織同質性與異質性是社會網絡研究的重要維度，其對技術融合的影響往往此消彼長，共同存在。未來研究可深入挖掘更多維度的同質性與異質性因素，為企業選擇創新伙伴提供多維度參考。其次，本文以人工智能領域為研究對象，未來可選擇不同產業進行對比研究，進一步提升研究結論的普適性。

參考文獻：

［1］" 宋昱曉，苗紅.基于專利的技術融合趨勢的驅動因素研究［J］.情報雜志，2017，36（12）：98-105.

［2］" ROSENBERG N. Technological change in the machine tool industry， 1840-1910［J］. The Journal of Economic History， 1963， 23（4）： 414-443.

［3］" PENNINGS J M， PURANAM P. Market convergence amp; firm strategy： new directions for theory and research［C］. ECIS Conference， The Future of Innovation Studies， Eindhoven， Netherlands， 2001.

［4］" CURRAN C S， LEKER J. Patent indicators for monitoring convergence——examples from NFF and ICT［J］. Technological Forecasting and Social Change， 2011， 78（2）： 256-273.

［5］" HACKLIN F. Management of convergence in innovation： strategies and capabilities for value creation beyond blurring industry boundaries［M］. German：Physica-Verlag GmbH， 2010.

［6］" KARVONEN M，KAESSI T . Patent citations as a tool for analysing the early stages of convergence［J］. Technological Forecasting amp; Social Change， 2013， 80（6）：1094-1107.

［7］" 楊曉昕，陳波，張涵.軍民融合協同創新、空間關聯與國防創新績效［J］.科技進步與對策，2020，37（9）：145-152.

［8］" KIM K. Impact of firms' cooperative innovation strategy on technological convergence performance： the case of Korea's ICT industry［J］. Sustainability， 2017， 9（9）： 1601.

［9］" PARKHE A. Interfirm diversity， organizational learning， and longevity in global strategic alliances［J］. Journal of International Business Studies， 1991， 22（4）： 579-601.

［10］" LIN H. Cross-sector alliances for corporate social responsibility partner heterogeneity moderates environmental strategy outcomes［J］. Journal of Business Ethics， 2012， 110（2）： 219-229.

［11］" CONNER K R， PRAHALAD C K. A resource-based theory of the firm： knowledge versus opportunism［J］. Organization Science， 1996， 7（5）： 477-501.

［12］" HUANG S， CHEN J， LIANG L. How open innovation performance responds to partner heterogeneity in China［J］. Management Decision， 2018，56（1）：26-46.

［13］" KOKA B R， PRESCOTT J E. Designing alliance networks： the influence of network position， environmental change， and strategy on firm performance［J］. Strategic Management Journal， 2008， 29（6）： 639-661.

［14］" 辛沖，陳新，陳海峰. 伙伴異質性與產品創新：被中介的調節模型［J］. 管理科學， 2021， 34（3）：107-119.

［15］" HUANG S， CHEN J， LIANG L. How open innovation performance responds to partner heterogeneity in China［J］. Management Decision， 2018，56（1）：26-46.

［16］" CORSARO D，CANTU C，TUNISINI A . Actors' heterogeneity in innovation networks［J］. Industrial Marketing Management， 2012， 41（5）：780-789.

［17］" 劉剛，殷建瓴，耿天成.產業間距離、技術異質性與企業并購績效——基于A股上市企業的實證研究［J］.中國軟科學，2020，35（12）：104-116.

［18］" 張志華，陳向東.企業學習方式、創新能力與創新績效關系的實證研究［J］.系統管理學報，2016，25（5）：829-836.

［19］" 趙國屏.合成生物學：從“造物致用”到產業轉化［J］.生物工程學報，2022，38（11）：4001-4011.

［20］" HAGEDOORN J， LOKSHIN B， ZOBEL A K. Partner type diversity in alliance portfolios： multiple dimensions， boundary conditions and firm innovation performance［J］. Journal of Management Studies， 2018， 55（5）： 809-836.

［21］" HAO B， YE J， FENG Y， et al. Explicit and tacit synergies between alliance firms and radical innovation：the moderating roles of interfirm technological diversity and environmental technological dynamism［J］. Ramp;D Management， 2020， 50（4）： 432-446.

［22］" 吳菲菲，蒼思吉，苗紅，等.研發合作研究現狀述評與展望——基于管理全過程視角［J］.科技進步與對策，2021，38（19）：152-160.

［23］" 史良，曾立，孟斌斌，等.新興領域知識、技術、產業軍民融合發展機理研究［J］.公共管理學報，2020，17（1）：121-131，174.

［24］" 趙健宇，付程，襲希.知識嵌入性、知識流動與戰略聯盟結構升級的關系研究［J］.管理評論，2020，32（1）：91-106.

［25］" 沈能，周晶晶.技術異質性視角下的我國綠色創新效率及關鍵因素作用機制研究：基于Hybrid DEA和結構化方程模型［J］.管理工程學報，2018，32（4）：46-53.

［26］" DAS T K， TENG B S. A resource-based theory of strategic alliances［J］. Journal of Management， 2000， 26（1）： 31-61.

［27］" 孫偉，高建，張幃，等.產學研合作模式的制度創新：綜合創新體［J］.科研管理，2009，30（5）：69-75.

［28］" 湯亞非，鄒綱明.我國科技技術市場交易特點的分析［J］.科技管理研究，2009，29（12）：41-43.

［29］" 孔慶江，胡峰.論跨國公司對華技術轉讓中的知識產權戰略及其對策［J］.法學雜志，2007，28（5）：39-42.

［30］" PENG W，ROBINS G，PATTISON P，et al. Exponential random graph models for multilevel networks［J］. Social Networks， 2013， 35（1）：96-115.

［31］" SNIJDERS T A B， PATTISON P E， ROBINS G L， et al. New specifications for exponential random graph models［J］. Sociological Methodology， 2006， 36（1）： 99-153.

［32］" PENG W，SHARPE K，ROBINS G L，et al. exponential random graph （p*） models for affiliation networks［J］. Social Networks， 2011， 31（1）：12-25.

［33］" WANG P，PATTISON P，ROBINS G . Exponential random graph model specifications for bipartite networks——a dependence hierarchy［J］. Social Networks， 2013， 35（2）：211-222.

［34］" ROBINS G， ELLIOTT P， PATTISON P. Network models for social selection processes［J］. Social Networks， 2001， 23（1）： 1-30.

［35］" 劉艷秋，韓俊敏，王建國，等.人工智能專利技術分布、演化及合作創新網絡分析［J］.中國科技論壇，2021（3）：64-74.

［36］" 王友發，張茗源，羅建強，等.專利視角下人工智能領域技術機會分析［J］.科技進步與對策，2020，37（4）：19-26.

［37］" 劉曉燕，孫麗娜，裘靖文，等.基于多層網絡的人工智能領域跨界技術融合［J］.復雜系統與復雜性科學，2022，19（1）：45-51.

［38］" 李牧南，王雯殊.基于文本挖掘的人工智能科學主題演進研究［J］.情報雜志，2020，39（6）：82-88.

［39］" 苗紅，宋昱曉，黃魯成.基于知識流動網絡評價的技術融合趨勢研究［J］.科技進步與對策，2018，35（6）：131-139.

［40］" 溫芳芳.基于專利權人-分類號多重共現分析的全球專利布局研究——以太陽能汽車技術為例［J］.現代情報，2017，37（4）：165-169.

［41］" HE X， DONG Y， WU Y， et al. Factors affecting evolution of the interprovincial technology patent trade networks in China based on exponential random graph models［J］. Physica A： Statistical Mechanics and Its Applications， 2019， 514（1）： 443-457.

［42］" WATTS D J， STROGATZ S H. Collective dynamics of \"small-world\" networks［J］. Nature， 1998，393（4）：440-442.

［43］" DE LAAT M， LALLY V， LIPPONEN L， et al. Investigating patterns of interaction in networked learning and computer-supported collaborative learning： a role for social network analysis［J］. International Journal of Computer-Supported Collaborative Learning， 2007，2（1）：87-103.

（責任編輯：胡俊?。?/p>

Which Is More Conducive to Technology Convergence， Cooperative Innovation or Technology Transaction？ An Example of AI Multi-layer Patent Network

Liu Xiaoyan， Pang Yaru， Shan Xiaohong，Sun Lina

（College of Economics and Management，Beijing University of Technology， Beijing 100124， China）

Abstract：

With the change of the global market competition pattern in the post-epidemic era and the development of technology，the importance of Ramp;D is increasingly prominent， and technological innovation has become essential for enterprise survival and development. Since most small and medium-sized enterprises have low innovation capabilities，traditional innovation models can not meet the needs of enterprises for technological innovation. Therefore，it has become the focus of innovation research to find a more efficient innovation model.

Technology convergence can significantly improve the enterprise innovation capabilities and profoundly affect the competitiveness of enterprises and countries. However， in practice， enterprises have a series of problems in choosing convergence partners. The fundamental reason for the dilemma of technology convergence is that neither the actual process of technology convergence nor the convergence mechanism is clear， and thus it is very important to study the mechanism of technology convergence. Inter-organizational collaborative innovation is an important channel to promote technology convergence， and collaborative innovation models include cooperative Ramp;D， technology transactions， technology mergers and acquisitions， etc. Different innovation models have different advantages and disadvantages and exert various influences on technology convergence.In-depth study of the influencing factors of technology convergence under different innovation models can further clarify the mechanism of technology convergence and provide a basis for enterprises to choose innovation partners. In terms of innovation model selection， cooperative Ramp;D risk sharing and technology transaction risk have entry thresholds， and these two innovation models can help enterprises quickly obtain the heterogeneous knowledge resources required for innovation. In terms of factor selection， technology convergence comes from the transfer and convergence of heterogeneous resources， and the heterogeneity of partners has a self-evident role in promoting technology convergence. Technology heterogeneity and innovation capability heterogeneity cover the two dimensions of their own existing technologies and future development potential， and they can more accurately portray the differences between organizations.

Therefore，this paper selects technology heterogeneity and innovation capability heterogeneity to explore the impact of partner factors on technology convergence in the mode of cooperation and transaction innovation， in the hope of helping organizations screen potential cooperation or transaction partners. In terms of data sources and methods， like the developed countries that have incorporated artificial intelligence into their national development strategies， China also attaches great importance to the development of a new generation of artificial intelligence， and proposed that by 2030， China's artificial intelligence theory， technology and application should reach the world's leading level and become the world's major artificial intelligence innovation center. Moreover， the artificial intelligence industry is gradually embedded in various industries， such as manufacturing and medical care， and becomes a representative industry of cross-border technology convergence. The social selection models （SSMs） combine exogenous node attributes with network self-organization processes with consideration of individual preference and collective choice to explain the formation process of network， and statistically analyze the social network structure by describing the local topology statistics of the network， and quantify the process and influencing factors of relationship formation. Therefore， this paper uses the patent information of the artificial intelligence industry as the sample data and the IncoPat global patent database as the data source to construct the SSMs multi-layer network dependency model under the cooperative Ramp;D and technology transaction model， and studies the impact of different innovation models and partner factors on technology convergence.

The results show that under the cooperative Ramp;D model， heterogeneity in the technology field and heterogeneity in innovation capability positively promote technology convergence. Under the technology transaction model， the heterogeneity of innovation capability positively promotes technology convergence， and the heterogeneity of technology field negatively affects technology convergence.The following enlightenment is given accordingly for the selection of partners in different innovation models. First， when enterprises adopt the cooperative innovation model， the selection of cross-field partners is conducive to the occurrence of breakthrough innovation; when adopting a technology transaction model， enterprises can select partners in the field for patent transactions to improve innovation performance. Second， when selecting partners or business partners， enterprises should not only pay attention to the innovation capabilities of the other party， but also consider the demand-ability fit between enterprises themselves and the partners.

Key Words：Technology Convergence; Cooperative Ramp;D; Technology Trading; Partner Heterogeneity；Heterogeneity of Technology" Fields