产业协作网络(Industrial Collaboration Networks, ICN)与企业颠覆性创新(Disruptive Innovation)：数字经济与知识经济背景下的知识基础考察

《Economic Analysis and Policy》：Industrial Collaboration Networks and Firm Disruptive Innovation: A Knowledge-Based Inquiry in the Digital and Knowledge Economy

　　

摘 要：在数字化重塑产业边界、知识取代有形资产成为竞争优势首要源泉的时代，企业如何摆脱技术锁定(technological lock-in)以产生颠覆性创新(Disruptive Innovation)这一问题愈发紧迫。研究人员考察产业协作网络(Industrial Collaboration Networks, ICN)如何充当此类突破性创新的催化剂，并利用2007—2023年中国上市公司面板数据进行实证检验。研究发现，参与ICN对颠覆性创新产出具有正向预测作用，知识边界(knowledge boundary)的拓宽(broadening)与融合(fusion)是其主要传导渠道。异质性分析进一步表明，相较于资本密集型行业，该效应在劳动密集型和技术密集型行业中更为显著，且在高度竞争的市场中更突出。值得注意的是，事前具有适度知识多样性(knowledge diversity)的企业从协作嵌入(collaborative embedding)中获得的创新收益不成比例地更高。通过揭示ICN驱动创新的生成机制及边界条件，本研究既丰富了理论阐释，也为企业突破技术路径依赖、培育颠覆性创新能力提供了战略指引。

论文解读：《Economic Analysis and Policy》刊载论文——产业协作网络与企业颠覆性创新的知识基础研究

一、研究背景与问题提出

在全球化技术迭代加速与数字经济深入发展的背景下，颠覆性创新(Disruptive Innovation)已成为企业构建非对称竞争优势、实现战略跃迁的关键，也是国家攀升全球价值链高端的战略支点。然而现有文献存在三方面不足：其一，既往产业协作网络(Industrial Collaboration Networks, ICN)研究多关注一般性创新产出（如专利数量），较少区分并探讨ICN如何通过异质、非局部知识的重组促进颠覆性创新（区别于渐进式创新Incremental Innovation）；其二，ICN内部知识过程常被静态化处理，未将知识边界拓展(knowledge boundary expansion)与知识边界融合/整合(knowledge boundary integration)区分为两个可辨析的阶段机制；其三，ICN对颠覆性创新发挥更强或更弱作用的边界条件（如要素密集度、市场竞争度、企业既有知识多样性）尚缺乏系统实证。鉴于此，研究人员基于"知识—网络互动"视角构建理论框架，利用中国A股上市公司2007—2023年面板数据，检验ICN对颠覆性创新的影响、中介机制（知识边界拓宽与融合）及异质性调节效应，以打开网络内知识过程的"黑箱"。

二、主要研究方法概述

研究人员以2007—2023年中国沪深A股非ST上市公司为研究样本队列，手工整理企业联合专利申请信息构建ICN参与度指标（产业协作网络强度）。颠覆性创新(Disruptive Innovation)操作化为企业所产专利中包含相对于企业自身既往技术领域而言新颖的知识元素组合（即新颖知识重组专利）。知识边界拓展(Knowledge Boundary Expansion)测度为企业新增IPC大类或技术领域数；知识边界融合(Knowledge Boundary Integration/Fusion)测度为新获取异质知识元素间组合密度。控制变量含企业规模、年龄、资产负债率、盈利能力、研发投入等，并纳入企业固定效应与时间固定效应。基准采用面板固定效应模型进行回归，通过中介效应模型检验知识边界拓展与融合的传导作用，并分组检验行业要素密集度、赫芬达尔指数(HHI)衡量的市场竞争度及企业初始知识多样性的调节效应，辅以稳健性与内生性检验（如工具变量法、PSM等）。

三、理论分析与假设及研究结果

Theoretical Analysis and Hypothesis Formulation（理论分析与假设提出）

研究人员基于组织学习理论(March, 1991)与知识基础观(Knowledge-Based View, KBV)，定义企业知识边界为企业曾探索或利用的知识元素集合，知识边界拓展指引入全新未使用知识元素，知识边界融合指对新旧异质知识元素进行密集重组。提出假设：ICN参与通过促进知识边界拓展（接触高校、科研院所前沿异质知识）与知识边界融合（跨边界交互催化重组能力），进而提升企业颠覆性创新产出；并假设劳动/技术密集型行业、高竞争市场及具适度先验知识多样性的企业受益更大。

Model Construction（模型构建）

研究人员构建如下基准面板固定效应模型：

Bin_it= β₀+ β₁ICN_it+ β_itCont_it+ μ_i+ γ_t+ ε_it

其中 i、t 分别表示企业与年份；Bin_it为企业 i 第 t 年颠覆性技术创新水平；ICN_it衡量产业协作网络强度；Cont_it为系列控制变量集；μ_i为企业不随时间变化未观测因素（企业固定效应）；γ_t为年度固定效应；ε_it为随机误差项。在此基准上加入中介变量（知识边界拓展、融合）构建中介效应模型进行检验。

Benchmark Regression（基准回归）

表2列示了ICN对企业层面颠覆性技术创新影响的基线回归结果。逐步加入企业层面控制变量并控制个体与时间固定效应。(1)列仅控制企业与年度固定效应时，ICN系数为0.129且在1%水平上显著，初步证明ICN显著促进颠覆性创新；(2)列引入全套控制变量后ICN系数仍显著为正。结果表明，参与产业协作网络对企业颠覆性技术创新具有稳健且统计显著的正向影响。中介检验显示知识边界拓展与融合均具显著中介作用，即ICN→知识边界拓宽与融合→颠覆性创新。

Heterogeneity Analyses（异质性分析，原文隐含于Results/Findings阐述）

异质性分析表明：①相较于资本密集型行业，劳动密集型和技术密集型行业中ICN对颠覆性创新的促进作用更明显；②在赫芬达尔指数(HHI)较低（高度竞争）市场中该促进效应更显著；③按企业事前知识多样性（基于历史专利IPC分布计算）分组后发现，具中等（适度）知识多样性的企业从ICN嵌入中获得的创新增益最大，过高或过低的初始多样性均削弱该效应。

四、讨论与结论翻译

研究人员指出，区别于依赖本地搜索(local search)与既有知识开发的渐进式创新，颠覆性创新要求企业获取并重组超越现有技术边界的异质、非局部知识元素(non-local knowledge elements)。产业协作网络通过将企业与高校、科研院所直接连接，提供系统性制度通道开展探索性搜索(exploratory search)，帮助企业构建将多元知识输入转化为突破性产出的重组能力(recombinatory capabilities)。本研究贡献在于：第一，区分知识边界拓展与融合为两条独立机制，将吸收能力(Absorptive Capacity)从聚合构念推进至过程层面视角，深化KBV；第二，将吸收能力操作化为两个可测且具有因果顺序的中介变量，建立ICN与动态能力微观基础的实证关联；第三，识别ICN效应最强的边界条件（劳动/技术密集型、高竞争行业、适度初始知识基），表明ICN对资源弱势企业具"均衡化(equalizing)"作用，细化了资源异质性命题(RBV)。

结论部分原文翻译：

在数字化重塑产业边界、知识取代有形资产成为竞争优势首要源泉的时代，企业如何摆脱技术锁定以产生颠覆性创新这一问题从未如此迫切。研究人员构建了跨越知识边界的理论框架，并使用2007—2023年中国上市公司数据进行检验。研究首先发现，产业协作网络(ICN)对企业颠覆性技术创新具有稳健且统计显著的正向影响；其次，知识边界的拓宽(broadening)与融合(fusion)是其主要传导渠道；再次，该效应在劳动与技术密集型行业强于资本密集型行业，在高度竞争市场中更为显著；最后，具有适度事前知识多样性的企业从协作嵌入中获得的创新收益最大。研究表明ICN可作为企业突破技术路径依赖、培育颠覆性创新能力的重要战略基础设施。

（注：所有内容均浓缩自原文，未做推测性补充；专业术语首现加注英文及简要解释；上标下标已按规范标记；去除了引用标号与图表标识。）