企業(yè)數(shù)智知識轉(zhuǎn)移的非均衡博弈及動態(tài)推演

康天姝　辛玲玲

把[摘要]數(shù)智化轉(zhuǎn)型背景下，企業(yè)的數(shù)智知識儲備將直接影響數(shù)智化轉(zhuǎn)型的實施效能。關注企業(yè)間的數(shù)智知識轉(zhuǎn)移的非均衡博弈過程，應用進化博弈理論構(gòu)建異質(zhì)性企業(yè)知識轉(zhuǎn)移的博弈模型，從雙重視角分析進化穩(wěn)定結(jié)果，并使用matlab進行算例分析，進一步探究企業(yè)知識資源非均衡的互動關系的動態(tài)演化軌跡。研究發(fā)現(xiàn)：不加干預情況下，逐利的兩類企業(yè)知識互動存在依附關系。經(jīng)過長期演化，會造成單向的知識轉(zhuǎn)移行為不斷蔓延，企業(yè)間知識資源的依附關系持續(xù)加深，從而使企業(yè)互動陷入一種“非均衡的均衡”，進而割裂了社會網(wǎng)絡積極的共生關系及協(xié)同效應。為此，應通過加強企業(yè)間的契約設計及引入政府和社會資本等主體的干預來調(diào)整企業(yè)知識轉(zhuǎn)移的成本和收益，從而確保企業(yè)間知識互動進入良性循環(huán)。

[關鍵詞]數(shù)智知識；知識轉(zhuǎn)移；非均衡博弈；進化博弈；動態(tài)推演

[中圖分類號]F426.6；F49? ? ? ? ? ? ? [文獻標識碼]A? [文章編號]1009—0274（2022）06—0099—09

[作者簡介]康天姝，女，北京郵電大學經(jīng)濟管理學院公共管理專業(yè)碩士研究生，研究方向：信息管理與信息系統(tǒng)；辛玲玲，女，北京郵電大學經(jīng)濟管理學院教授，研究方向：高等教育與知識管理。

一、引言

當今社會，數(shù)智化轉(zhuǎn)型對人類生產(chǎn)生活和經(jīng)濟社會高質(zhì)量發(fā)展產(chǎn)生重大影響。如何推動我國企業(yè)數(shù)智化轉(zhuǎn)型、加快新舊動能轉(zhuǎn)換和產(chǎn)業(yè)轉(zhuǎn)型升級，成為實務界和學術界共同關注的焦點[1]。知識是企業(yè)創(chuàng)新發(fā)展至關重要的要素[2-3]，并且越來越被用作產(chǎn)業(yè)生產(chǎn)分配的系統(tǒng)資源[4]，企業(yè)數(shù)智知識儲備將直接影響企業(yè)數(shù)智化轉(zhuǎn)型的實施效能。既有研究表明數(shù)智知識是與數(shù)智學習行為相互耦合的重要組成部分[5]，數(shù)智知識成為智能社會“類生命有機體”的基礎配套知識體系，它包括在數(shù)據(jù)釋能和技術賦能基礎上實現(xiàn)“自覺思考”的數(shù)智技術，以及支撐各種數(shù)智技術實現(xiàn)產(chǎn)業(yè)化落地的系列知識。創(chuàng)新的本質(zhì)是知識創(chuàng)造[6]，企業(yè)保持競爭力的關鍵是不斷通過共享、創(chuàng)造和使用新知識形成知識“高地”。因此，從知識轉(zhuǎn)移視角分析在數(shù)智化轉(zhuǎn)型進程中企業(yè)間的非線性互動機制，具有重要的理論和現(xiàn)實意義。

數(shù)智知識發(fā)展至今呈現(xiàn)出明顯的知識交叉融合特性，不斷模糊著專業(yè)知識邊界。數(shù)智知識轉(zhuǎn)移比以往任何時刻都更加凸顯出技術創(chuàng)新與社會場景深度契合、物理世界與虛擬世界高度互嵌的趨勢特征。作為正確認識和高效賦能數(shù)智社會發(fā)展的基本前提[7]，數(shù)智知識在企業(yè)決策、創(chuàng)新、管理等多方面發(fā)揮著重要的支撐作用。如何獲得數(shù)智知識成為企業(yè)成功進行數(shù)智化轉(zhuǎn)型的關鍵所在。研究表明，企業(yè)知識資源的積累主要有“自主知識創(chuàng)新”和“外部知識獲取”兩種路徑[8]，而大部分企業(yè)都不可能在其內(nèi)部擁有一切關鍵知識資源[9]。尤其是伴隨著新興技術的不斷創(chuàng)新和突破，智能產(chǎn)品功能日新月異，產(chǎn)業(yè)創(chuàng)新邊界日漸交叉，企業(yè)數(shù)智化轉(zhuǎn)型正在面臨不斷涌現(xiàn)的新挑戰(zhàn)、新模式和新需求，亟需進行大量的外部性和異質(zhì)性知識補充。對企業(yè)而言，僅依靠內(nèi)部難以滿足其快速應對市場的需要[3]，必須從外部轉(zhuǎn)移新的知識[9]。而數(shù)智知識轉(zhuǎn)移就是一種主體間的方向性知識傳遞，被轉(zhuǎn)移方通過學習合作者的異質(zhì)性數(shù)智知識將其內(nèi)化創(chuàng)新。對轉(zhuǎn)移方而言，這種知識的擴散及應用可以擴大市場份額及數(shù)據(jù)供給；對被轉(zhuǎn)移方而言，通過吸納新知識可以形成良好的補充[3]。

然而，企業(yè)數(shù)智知識轉(zhuǎn)移正面臨諸多非均衡挑戰(zhàn)，在促進企業(yè)積極開展知識學習和知識轉(zhuǎn)移的同時，也為企業(yè)公平競爭和社會整體創(chuàng)新效能的提升帶來一定的潛在風險。一方面，數(shù)智知識轉(zhuǎn)移多源自企業(yè)之間存在的知識勢差，能夠為供需雙方知識轉(zhuǎn)移提供需求耦合的外部條件[3]，企業(yè)通過吸收目標企業(yè)的非均衡知識來建設自身的“知識高地”、形成市場競爭優(yōu)勢。另一方面，由于企業(yè)知識產(chǎn)權保護力度不同、吸收能力參差不齊，加上行業(yè)競爭環(huán)境、研發(fā)資源和人員流動速度的迥異[10]，這種異質(zhì)性又加劇了非均衡的產(chǎn)生。既有研究表明，中小企業(yè)、初創(chuàng)企業(yè)往往是某一細分領域的創(chuàng)新主體，具有較強的創(chuàng)新動力[11-14]。相對而言，大企業(yè)處于明顯的資源優(yōu)勢地位，對于自身研發(fā)、生產(chǎn)、消費擁有更大的表現(xiàn)力與話語權，并且因其產(chǎn)業(yè)鏈的布局擁有行業(yè)整體掌握的信息多于初創(chuàng)企業(yè)。由于知識轉(zhuǎn)移需要花費成本，而且知識積累存在時間和空間的差異，從而導致不同實力的企業(yè)獲取知識的數(shù)量和質(zhì)量大相徑庭。同時， 在對知識進行吸收并內(nèi)化的過程中，不同主體會由于處理能力的差異而使各方處于不對稱地位。強勢者往往主導流程和規(guī)則，并通過制度性安排來調(diào)節(jié)和控制各群體的關系和博弈的過程，從而進一步擴大博弈的非均衡性[15]。

基于此，立足于企業(yè)數(shù)智知識轉(zhuǎn)移的非均衡博弈，引入進化博弈的理論視角，對企業(yè)間的知識轉(zhuǎn)移過程進行研究，構(gòu)建數(shù)智化轉(zhuǎn)型時期大小兩類企業(yè)知識轉(zhuǎn)移的進化博弈模型，討論企業(yè)間知識轉(zhuǎn)移達到進化穩(wěn)定的條件，并使用matlab進行算例分析，進一步探究企業(yè)知識資源非均衡的互動關系在不同情況下的動態(tài)演化軌跡和周期發(fā)展規(guī)律。

二、數(shù)智知識轉(zhuǎn)移非均衡博弈的動態(tài)模型

博弈是在一定的游戲規(guī)則約束下，基于直接相互作用的環(huán)境條件，各參與主體依據(jù)所掌握的信息選擇各自的策略，以實現(xiàn)利益最大化的過程。在傳統(tǒng)博弈論研究框架下，常常假設參與人是完全理性的，但現(xiàn)實經(jīng)濟生活中參與人之間是有差別、非對稱的，即其分析推理能力、理解復雜交互關系能力、認識和改正錯誤方式及速度存在著顯著差異[16]；又由于參與人決策受其所處社會環(huán)境等因素影響，尤其在我國轉(zhuǎn)型深化期的動態(tài)多變環(huán)境下，參與主體的理性局限特征明顯。進化博弈理論就是從有限理性的個體出發(fā)，以群體為研究對象，認為現(xiàn)實中個體并不是行為最優(yōu)化的，個體的決策通過個體之間模仿、學習和突變等動態(tài)過程來實現(xiàn)[17]。

數(shù)智化轉(zhuǎn)型時期是社會和市場的探索時期，創(chuàng)新主體具有如下特點：（1）有限理性。許多博弈模型要求博弈參與者是理性的，然而現(xiàn)實市場的主體不可能是完全理性的。這一方面由于企業(yè)為了盈利而可能采取的投機行為，另一方面也由于市場廣泛存在的信息資源的不對稱。（2）重復博弈。博弈主體在網(wǎng)絡中進行策略決策并預期收益，不是在一次靜態(tài)交易中完成的，主體間的互動是反復往返的長期過程，主體在這過程中通過學習和調(diào)整策略來適應新興市場的變化并獲得收益。綜上，數(shù)智化轉(zhuǎn)型時期創(chuàng)新主體的博弈是不完全信息的動態(tài)博弈，博弈主體的策略選擇是學習調(diào)整的結(jié)果，因而我們選擇進化博弈理論來進行模型構(gòu)建，強調(diào)以有限理性的視角來分析企業(yè)數(shù)智知識轉(zhuǎn)移的互動過程與學習機制。

（一）博弈環(huán)境的構(gòu)建

進化博弈理論認為，經(jīng)過長期的學習演化后，博弈主體最終選擇收益最大的策略，收益是博弈雙方策略選擇的根本依據(jù)[16]。因而以收益為導向，并結(jié)合大小企業(yè)的實際情況來進行博弈環(huán)境的構(gòu)建：

1.假設企業(yè)A和企業(yè)B為實力不同的兩家企業(yè)。企業(yè)A的實力較強，規(guī)模較大；企業(yè)B是實力較弱，規(guī)模較小的小企業(yè)，但因具有一定優(yōu)勢的知識資源故而具備與企業(yè)A進行博弈的資本。

2.在進行數(shù)智知識轉(zhuǎn)移的決策時，企業(yè)A和企業(yè)B的策略集都為｛轉(zhuǎn)移，不轉(zhuǎn)移｝?！稗D(zhuǎn)移”策略下企業(yè)向?qū)Ψ狡髽I(yè)傳遞數(shù)智知識；“不轉(zhuǎn)移”策略下企業(yè)僅吸收學習對方的數(shù)智知識而不傳遞己方知識。

3.由于大企業(yè)擁有更加完善的組織結(jié)構(gòu)且占有更多優(yōu)勢資源，因而具有較強的數(shù)智知識傳遞和學習能力，這種能力使得大企業(yè)能夠消化知識轉(zhuǎn)移的成本、承擔知識轉(zhuǎn)移的風險。而小企業(yè)不一定具備承擔這種風險的能力。

4.設定雙方的2×2非均衡博弈支付矩陣，如表1所示。為簡化描述問題，假設支付矩陣中得益值均表示企業(yè)因數(shù)智知識轉(zhuǎn)移所帶來的收益。其中，V1表示企業(yè)A和企業(yè)B都選擇轉(zhuǎn)移策略時企業(yè)A的收益，V2表示企業(yè)A和企業(yè)B都選擇“轉(zhuǎn)移”策略時企業(yè)B的收益，以此類推。假設V1、V2、V3、V4、V5均大于 0，V6為企業(yè)B單獨采取“轉(zhuǎn)移”策略時的收益，由于小企業(yè)對于數(shù)智知識轉(zhuǎn)移風險的控制能力未知，因而V6可能大于0或小于0；如果雙方都選擇“不轉(zhuǎn)移”策略，則雙方數(shù)智知識轉(zhuǎn)移的收益均為0。

接下來，把上述各圖在一個坐標平面表示，得到圖3.2-6和圖3.2-7。從圖3.2-7可以看出，點0和點C是不穩(wěn)定源出發(fā)點，鞍點為點D，點A和點B是進化穩(wěn)定狀態(tài)。即當企業(yè)選擇“轉(zhuǎn)移”策略下得到的收益小于“不轉(zhuǎn)移”策略下所得到的收益時，集群內(nèi)企業(yè)可能選擇“不轉(zhuǎn)移”策略，也可能選擇“轉(zhuǎn)移”策略，選擇何種策略要視對方企業(yè)選擇“轉(zhuǎn)移”策略的概率。然而由于企業(yè)選擇“不轉(zhuǎn)移”策略下得到的收益大于“轉(zhuǎn)移”策略下得到的收益，所以兩家非均衡企業(yè)長期進化結(jié)果為一個企業(yè)選擇“轉(zhuǎn)移”策略，而另一個企業(yè)選擇“不轉(zhuǎn)移”策略。

（三）大小企業(yè)數(shù)智知識轉(zhuǎn)移的非均衡博弈分析

為更直觀說明企業(yè)間數(shù)智知識轉(zhuǎn)移的策略演化，結(jié)合市場中的現(xiàn)實情況，分別以企業(yè)A和企業(yè)B為算例分析其進化策略，并使用Matlab軟件模擬策略的動態(tài)進化過程。

（1）企業(yè)A

當Ｖ5＜Ｖ1時，設博弈支付矩陣中各參數(shù)值分別為：v1=0.3，v3=0.5，v5=0.2，分別取y=0、0.3、0.7、1，得到企業(yè)A的策略隨時間變動的動態(tài)進化圖，如下圖所示。

從圖3.3-1可見，各“轉(zhuǎn)移”策略初始概率下，企業(yè)A選擇“轉(zhuǎn)移”策略的概率（x）最終都會收斂于1，收斂速度隨自身初始概率的增大而加快，同等情況下，隨著對方選擇“轉(zhuǎn)移”策略的概率（y）的增大，企業(yè)A的收斂速度會放慢，但是即使y達到最大值1，x仍將收斂于1。這意味著，當企業(yè)A選擇“轉(zhuǎn)移”策略的收益大于“不轉(zhuǎn)移”策略時，無論企業(yè)B如何選擇，企業(yè)A最終將采取“轉(zhuǎn)移”策略。因而我們可以得到如下推論：

推論1：對于大企業(yè)而言，在知識的創(chuàng)新和轉(zhuǎn)移能力較強、能夠因知識轉(zhuǎn)移而獲取更大收益（Ｖ5＜Ｖ1）的情況下，無論小企業(yè)選取哪種策略，大企業(yè)均以選擇“轉(zhuǎn)移”策略更為有利；經(jīng)過長期的學習調(diào)整后，大企業(yè)傾向于選擇“轉(zhuǎn)移”策略。

當Ｖ5＞Ｖ1時，設博弈支付矩陣中各參數(shù)值分別為：v1=0.3，v3=0.5，v5=0.6，分別取y=0（不轉(zhuǎn)移）、0.3（傾向不轉(zhuǎn)移）、0.7（傾向轉(zhuǎn)移）、1（轉(zhuǎn)移），得到企業(yè)A的策略隨時間變動的動態(tài)進化圖，如下圖所示。

從圖3.3-2可見，不同的y取值下，x呈現(xiàn)出不同的進化趨勢，這意味著存在某個臨界點使得企業(yè)A傾向于不同的策略選擇。于是我們進一步令y=0.6，得到企業(yè)A的策略隨時間變動的動態(tài)進化圖。

可以發(fā)現(xiàn)，y=0.6與y=0.7時，x的動態(tài)變化圖呈現(xiàn)不同的進化趨勢，這意味著臨界點位于0.6和0.7之間，當企業(yè)B選擇“轉(zhuǎn)移”策略的概率位于0～0.6時，企業(yè)A選擇“轉(zhuǎn)移”策略的概率最終都會收斂于1，收斂速度隨自身初始概率的增大而加快。隨著企業(yè)B選擇“轉(zhuǎn)移”策略的概率（y）的增大，企業(yè)A的收斂速度會放慢。當y增大到0.7時，企業(yè)A選擇“轉(zhuǎn)移”策略的概率最終會收斂于0，且收斂速度隨自身初始概率的增大而減慢。這意味著，當企業(yè)A選擇“不轉(zhuǎn)移”策略的收益大于“轉(zhuǎn)移”策略時，企業(yè)A的策略選擇會受到對方企業(yè)策略的影響。因而我們可以得到如下推論：

推論2：對于大企業(yè)而言，在不能因知識轉(zhuǎn)移而獲取更大的收益（Ｖ5＞Ｖ1）的情況下，大企業(yè)不一定都會選擇“不轉(zhuǎn)移”，也有可能選擇“轉(zhuǎn)移”策略，這是因為大企業(yè)擁有更多的知識存量，其對于知識的整合能力更強，從而可能會獲得更強的溢出效應。大企業(yè)是否進行知識轉(zhuǎn)移受到小企業(yè)轉(zhuǎn)移概率的影響，當小企業(yè)選擇知識轉(zhuǎn)移的概率小于一定值時，大企業(yè)為了獲得知識的溢出價值也會傾向于選擇進行知識轉(zhuǎn)移。當小企業(yè)選擇知識轉(zhuǎn)移的概率大于一定值（本例為0.7）時，意味著這種協(xié)作關系帶給小企業(yè)的溢出價值更大，大企業(yè)無法從自身的知識轉(zhuǎn)移行為中獲得更多收益，卻要付出更多的轉(zhuǎn)移成本，因而在長期的學習后選擇不進行知識轉(zhuǎn)移。

（2）企業(yè)B

接下來以企業(yè)B為算例分析其策略的進化穩(wěn)定性。當v6＜0時，設博弈支付矩陣中各參數(shù)值分別為：v2=0.3，v4=0.5，v6=-0.1，分別取x=0、0.3、0.7、1，得到企業(yè)B的策略隨時間變動的動態(tài)進化圖，如下圖所示。

從圖中可見，各“轉(zhuǎn)移”策略初始概率下，企業(yè)B選擇“轉(zhuǎn)移”策略的概率（y）最終都會收斂于0，收斂速度隨自身初始概率的增大而減慢；同等情況下，隨著對方選擇“轉(zhuǎn)移”策略的概率（x）的增大，企業(yè)B的收斂速度會增快。這意味著，當企業(yè)B選擇“轉(zhuǎn)移”策略自身無法獲得收益（V6＜0）時，無論企業(yè)A如何選擇，企業(yè)B最終將采取“不轉(zhuǎn)移”策略。因而我們可以得到如下推論：

推論3：對于小企業(yè)而言，在知識轉(zhuǎn)移能力較弱的情況下，較大的轉(zhuǎn)移成本不能被有效地消化掉，甚至是由于企業(yè)核心知識的轉(zhuǎn)移導致收益反而下降，所以無論大企業(yè)采用什么策略，小企業(yè)均采用“不轉(zhuǎn)移”策略以獲得相對更大的收益。因此，經(jīng)過長期的學習調(diào)整后，小企業(yè)選擇“不轉(zhuǎn)移”策略。

當V6＞0時，設博弈支付矩陣中各參數(shù)值分別為：V2=0.3，V4=0.5，V6=0.1，分別取y=0、0.3、0.7、1，得到企業(yè)B的策略動態(tài)進化圖，如下圖所示。

從圖中可見，不同的x取值下，y呈現(xiàn)出不同的進化趨勢，同樣意味著臨界點的存在。進一步令x=0.4，得到企業(yè)B的策略隨時間變動的動態(tài)進化圖。

可以發(fā)現(xiàn)，x=0.3與x=0.4時，y的動態(tài)變化圖呈現(xiàn)不同的進化趨勢，這意味著臨界點位于0.3和0.4之間，當企業(yè)A選擇“轉(zhuǎn)移”策略的概率（x）大于0.4時，企業(yè)B選擇“轉(zhuǎn)移”策略的概率最終會收斂于0，且收斂速度隨自身初始概率的增大而減慢。當x位于0～0.3時，y最終會收斂于1，值得注意的是，此時收斂速度較為緩慢（由上圖可見，當x=0.3時，y在博弈步長t接近600時才收斂），這種情況在實際市場主體雙方博弈行為中是罕見的。雖然在數(shù)理推導上可以實現(xiàn)，但是博弈實踐中存在的概率比較小。因而我們可以得到如下推論：

推論4：對于小企業(yè)而言，如果具備較強的知識接受和學習能力、核心知識保護力度較強，能夠承擔知識轉(zhuǎn)移帶來的風險和成本，有一定的技術創(chuàng)新能力，在知識轉(zhuǎn)移能力較強的情況下，即使選擇“轉(zhuǎn)移”策略也能使收益有所提高（V6＞0）；但同等情況下，采取“不轉(zhuǎn)移”策略則可能得到更高的收益，最終小企業(yè)還是傾向于選擇“不轉(zhuǎn)移”策略。

四、結(jié)論與討論

通過研究得出：

一是，從博弈主體來看，企業(yè)間的互動博弈有賴于主體對知識資源的占有量，也是主體社會影響力的綜合反映。由于知識資源和地位權力等條件的不對稱，在大小企業(yè)的互動博弈中，往往大企業(yè)主導和控制著博弈的程序和規(guī)則、調(diào)節(jié)控制主體關系和博弈過程，進一步擴大主體間博弈的非均衡性。這種非均衡性特征潛伏著產(chǎn)生一個主體對另一主體的依附關系的可能性[18]。動態(tài)推演過程驗證了這種依附關系的存在。更多情況下，由于大企業(yè)的知識創(chuàng)新和轉(zhuǎn)移能力較強，能夠較好承受知識轉(zhuǎn)移的風險和成本，更多的知識存量也使得其擁有更好的知識整合能力，從而可能會從中獲得更強的溢出效應。經(jīng)過長期的博弈學習后，其通常會選擇“轉(zhuǎn)移”策略。對于小企業(yè)而言，接受并學習對方的數(shù)智知識比主動進行知識轉(zhuǎn)移的動力更強，即使選擇“轉(zhuǎn)移”策略可能會使收益有所提高，但通常情況下，經(jīng)過長期博弈后會選擇不進行知識轉(zhuǎn)移，而是依附于大企業(yè)的知識轉(zhuǎn)移來進行知識的學習及內(nèi)化。這意味著，領導企業(yè)（大企業(yè)）在知識流動及價值共創(chuàng)行為中具有關鍵地位，是重大技術創(chuàng)新的主要推動者[19]，應著力培育和扶持其在知識流動及價值共創(chuàng)行為中對合作伙伴的協(xié)調(diào)和服務功能[14]。

二是，從博弈過程來看，當企業(yè)選擇“轉(zhuǎn)移”策略下得到的收益小于“不轉(zhuǎn)移”策略的收益時，企業(yè)不一定都會選擇“不轉(zhuǎn)移”，也有可能選擇“轉(zhuǎn)移”策略，這受到對方企業(yè)知識轉(zhuǎn)移概率的影響，可以通過降低知識轉(zhuǎn)移成本或?qū)κ找孢M行合理化分配來實現(xiàn)。作為企業(yè)投入的一部分，知識轉(zhuǎn)移可以形成投入獲得利益、利益又促進投入的良性、協(xié)同的循環(huán)動力[20]。而從演化過程可以看出，在不加干預的情況下，大企業(yè)針對自身數(shù)智知識進行知識轉(zhuǎn)移的概率逐漸收斂于1，而小企業(yè)收斂于0，并且收斂速度與自身初始概率有關。這意味著小企業(yè)對大企業(yè)的依附關系及“搭便車”行為的產(chǎn)生。由此，可以通過加強企業(yè)間的契約設計來打破企業(yè)間數(shù)智知識存量的純“依附”關系。既有研究表明，契約設計可以提升共享信息的真實性并促進共享策略達成[21]，以這種方式來形成知識轉(zhuǎn)移獲得增值收益、增值收益又促進知識轉(zhuǎn)移的良性協(xié)同，進而實現(xiàn)合作利益最大化。

三是，從博弈結(jié)果來看，博弈實踐中，小企業(yè)由于自身局限性或其他逐利行為的影響，往往會抵觸向大企業(yè)轉(zhuǎn)移己方知識資源，而僅對大企業(yè)的知識資源進行吸收、學習與再創(chuàng)新。然而，這種利潤的存續(xù)期限是非常短暫的，“知識壟斷”所造成的隔離將會使企業(yè)自身的后續(xù)發(fā)展愈加艱難[22]。從微觀層面來看，如果企業(yè)擁有靜止的異質(zhì)性資源而不進行動態(tài)管理，會因孤立存在而缺乏市場，造成資源浪費、資源貶值甚至成為資源負擔，進而破壞協(xié)同創(chuàng)新的基礎支撐、切斷協(xié)同創(chuàng)新的溝通橋梁[23]。從宏觀層面來看，如果非對稱主體間的博弈行為不能得到有效干預，經(jīng)過長期的演化，會造成單向的知識轉(zhuǎn)移行為不斷蔓延，企業(yè)間知識資源的依附關系持續(xù)加深，從而使企業(yè)互動關系陷入一種“非均衡的均衡”。主體間失去有效共享知識資源的渠道，社會網(wǎng)絡積極的“共生關系”及“協(xié)同效應”被割裂，客觀上降低了產(chǎn)業(yè)的運作效率和應對市場的反應能力。這樣，實現(xiàn)合作的基礎便會受到影響，使得產(chǎn)業(yè)創(chuàng)新系統(tǒng)進入惡性循環(huán)。此時以政府及社會資本為代表的其他創(chuàng)新主體的干預及激勵尤為重要，調(diào)節(jié)信任、聲譽和互惠規(guī)范不斷交換、過濾、融合，便有可能重新進入一個良性的循環(huán)[24]。

數(shù)智化轉(zhuǎn)型時代背景下，市場主體仍處于摸索階段，企業(yè)間的互動關系尚未形成成熟穩(wěn)定的運作模式，因此進化博弈模型建立在企業(yè)因知識轉(zhuǎn)移而獲得的額外收益的基礎上。而在產(chǎn)業(yè)實踐中，考慮到社會資本、社會地位、社會責任、社會聲譽等對企業(yè)決策的影響，現(xiàn)實中企業(yè)間數(shù)智知識轉(zhuǎn)移的博弈支付矩陣要比進化博弈模型研究復雜得多。因此，未來研究可以將企業(yè)數(shù)智知識轉(zhuǎn)移的收益分為有形收益和無形收益，從而使得研究更貼近產(chǎn)業(yè)實踐，進而研究企業(yè)間非均衡博弈的深層機理。此外，得到的結(jié)論是基于理論建模分析和數(shù)值仿真分析的基礎之上，未來的研究可采取實證方法來驗證結(jié)論的可靠性。

參考文獻：

[1]羅斌元，陳艷霞.數(shù)智化如何賦能經(jīng)濟高質(zhì)量發(fā)展——兼論營商環(huán)境的調(diào)節(jié)作用[J].科技進步與對策，2022（5）：61-71.

[2]Grant R.M.“Prospering in dynamically－competitiveenvironments：Organizational capability knowledge integration”O(jiān)rganization Science，1996（4）：375-387.

[3]莊亞明，李金生.高技術企業(yè)知識聯(lián)盟中的知識轉(zhuǎn)移研究[J].科研管理，2004（6）：50-55.

[4]姜李丹，薛瀾，梁正.人工智能賦能下產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)的雙重轉(zhuǎn)型[J].科學學研究， 2022（4）：602-610.

[5]朱秀梅，劉月.企業(yè)數(shù)智轉(zhuǎn)型能力形成機理——基于海爾集團“知行合一”的單案例研究[J].經(jīng)濟管理，2021（12）：98-114.

[6]董睿，張海濤.復雜網(wǎng)絡視角下創(chuàng)新生態(tài)系統(tǒng)知識轉(zhuǎn)移建模及仿真研究[J].軟科學，2022（6）：122-129

[7]劉志陽，邱振宇.數(shù)智創(chuàng)業(yè)：從“半數(shù)智”時代邁向“全數(shù)智”時代[J].探索與爭鳴， 2020（11）：141-149+179.

[8]彭燦.供應鏈中的知識流動與組織間學習[J].科研管理，2004（3）：81-85.

[9]楊波，徐升華.虛擬企業(yè)知識轉(zhuǎn)移激勵機理的演化博弈分析[J].情報理論與實踐， 2010（7）：50-54.

[10]夏晶，牛文舉.考慮非對稱溢出效應的競爭企業(yè)研發(fā)投資[J].科研管理，2022（2）：108-117.

[11]Corsaro.D.，Cantu，C.and Tunisini.A.Actors' heteroge-neity in innovation networks[J]. Industrial Marketing Man-agement，2012（5） ： 780－789.

[12]Nambisan S，BaronＲA. Entrepreneurship in innovation eco-systems： Entrepreneurs self － regulatory processes and theirimplications for new venture success[J]. Entrepreneurship：Theory＆Practice，2013（5） ： 1071－1097.

[13]趙放，曾國屏.多重視角下的創(chuàng)新生態(tài)系統(tǒng)［J］.科學學研究，2014（12） ： 1781-1788.

[14]王發(fā)明，朱美娟.創(chuàng)新生態(tài)系統(tǒng)價值共創(chuàng)行為協(xié)調(diào)機制研究[J].科研管理，2019（5）：71-79. DOI：10.19571/j.cnki.1000-2995.2019.05.007.

[15]楊博文，周富利，馬敬輝.組織系統(tǒng)內(nèi)利益群體非均衡博弈分析[J].系統(tǒng)科學學報，2012（4）：92-96.

[16]張洪潮，何任.非對稱企業(yè)合作創(chuàng)新的進化博弈模型分析[J].中國管理科學，2010（6）：163-170.

[17]張艷.我國證券市場泡沫形成機制研究——基于進化博弈的復制動態(tài)模型分析[J].管理世界， 2005（10）：34-40.

[18]楊博文.論利益群體的非均衡博弈是組織系統(tǒng)演化的動力之源[J].理論探討， 2013（4）：89-92.

[19]米捷，郭彬，陳懷超，范建紅.創(chuàng)新生態(tài)系統(tǒng)內(nèi)的知識勢差與知識流動機制[J].北京理工大學學報（社會科學版），2020（6）：78-87.

[20]范如國，張應青，羅會軍.考慮公平偏好的產(chǎn)業(yè)集群復雜網(wǎng)絡低碳演化博弈模型及其仿真分析[J].中國管理科學，2015（S1）：763-770.

[21]周建亨，冉蕓.基于策略性競爭博弈的供應鏈信息共享策略[J].中國管理科學， 2019（6）：88-102.

[22]曹玉紅，尤建新.信息非對稱環(huán)境下產(chǎn)業(yè)創(chuàng)新平臺多方主體博弈分析[J].運籌與管理，2020（04）：78-85.

[23]薛瀾，姜李丹，黃穎，梁正.資源異質(zhì)性、知識流動與產(chǎn)學研協(xié)同創(chuàng)新——以人工智能產(chǎn)業(yè)為例[J].科學學研究，2019（12）：2241-2251.

[24]黃璜.基于社會資本的合作演化研究——“基于主體建?！狈椒ǖ牟┺耐蒲輀J].中國軟科學，2010 （9）：173-184.

[25]董睿，張海濤.復雜網(wǎng)絡視角下創(chuàng)新生態(tài)系統(tǒng)知識轉(zhuǎn)移建模及仿真研究[J].軟科學，2022（6）：122-129.

責任編輯：劉昌龍

基金項目：本文系北京市社會科學基金項目“北京市數(shù)智化轉(zhuǎn)型的非均衡博弈與創(chuàng)新模式研究”（項目編號：21GLC066）階段性研究成果。