技術(shù)創(chuàng)新效率視角下AI 企業(yè)戰(zhàn)略聯(lián)盟伙伴選擇
——以科大訊飛為例

王 浩 ，邊鵬飛 2，陳奕林

（1.天津科技大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.精益管理研究中心，天津 300222；2.杭州城市大數(shù)據(jù)運(yùn)營有限公司人工智能部，杭州 310000）

人工智能（Artificial Intelligence，AI）產(chǎn)業(yè)是全球價(jià)值鏈重塑的核心動(dòng)力。AI 技術(shù)的創(chuàng)新與應(yīng)用已向金融、安防、無人駕駛、智能交通、智慧城市、工業(yè)互聯(lián)網(wǎng)、智慧醫(yī)療、無人零售等領(lǐng)域不斷延伸，逐漸成為我國經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵引擎。中國科學(xué)院大數(shù)據(jù)挖掘與知識(shí)管理重點(diǎn)實(shí)驗(yàn)室發(fā)布《2019年人工智能發(fā)展白皮書》顯示，近年來我國涌現(xiàn)出一批優(yōu)秀的人工智能企業(yè)，全球人工智能企業(yè)20強(qiáng)的榜單中科大訊飛排名第八，市值108 億美元。但是2019 年以來，國內(nèi)人工智能企業(yè)的發(fā)展遇到極大的阻力。例如，科大訊飛被美國政府列入實(shí)體清單，不得不脫離美國供應(yīng)鏈體系進(jìn)而轉(zhuǎn)向國產(chǎn)供應(yīng)鏈，面臨諸多技術(shù)突破、市場競爭、戰(zhàn)略聯(lián)盟等方面的問題和考驗(yàn)。此外，在全球經(jīng)濟(jì)一體化和市場競爭白熱化背景下，大多數(shù)AI 企業(yè)僅僅依靠自己的研發(fā)力量已難以贏得持續(xù)性的創(chuàng)新優(yōu)勢，如何充分利用外部創(chuàng)新資源已成為當(dāng)下企業(yè)的戰(zhàn)略選擇。

早在2009 年，科技部等六部門聯(lián)合發(fā)布《關(guān)于推動(dòng)產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟構(gòu)建的指導(dǎo)意見》，鼓勵(lì)企業(yè)之間全方位、多層次的技術(shù)創(chuàng)新合作，以引導(dǎo)創(chuàng)新要素及核心知識(shí)在聯(lián)盟企業(yè)間良性循環(huán)，加快從要素驅(qū)動(dòng)發(fā)展向創(chuàng)新驅(qū)動(dòng)發(fā)展轉(zhuǎn)型[1]。戰(zhàn)略聯(lián)盟伙伴選擇的恰當(dāng)與否直接影響聯(lián)盟成敗，如何選擇聯(lián)盟伙伴成為R&D 聯(lián)盟成功的關(guān)鍵。AI 企業(yè)為實(shí)現(xiàn)長期的戰(zhàn)略目標(biāo)和可持續(xù)發(fā)展要求，有必要通過戰(zhàn)略聯(lián)盟的方式尋求合作伙伴以彌補(bǔ)自身創(chuàng)新要素的不足，穩(wěn)固和夯實(shí)自身的競爭優(yōu)勢。對此，篩選國內(nèi)AI 概念股代表性企業(yè)，以科大訊飛為例，基于樣本企業(yè)2016—2020 年技術(shù)創(chuàng)新關(guān)鍵性的投入產(chǎn)出指標(biāo)，構(gòu)建灰色預(yù)測——超效率DEA 模型：以技術(shù)創(chuàng)新投入產(chǎn)出指標(biāo)歷史數(shù)據(jù)對未來預(yù)測、采用熵值法對數(shù)據(jù)進(jìn)行去量綱化，基于超效率DEA 測度各決策單元及其戰(zhàn)略聯(lián)盟技術(shù)創(chuàng)新效率值的排名變化來區(qū)分戰(zhàn)略聯(lián)盟類型，從技術(shù)創(chuàng)新的視角提出戰(zhàn)略聯(lián)盟伙伴選擇方法和策略，供不同行業(yè)企業(yè)選擇戰(zhàn)略聯(lián)盟伙伴提供參考。

1 文獻(xiàn)綜述

戰(zhàn)略聯(lián)盟是企業(yè)整合外部資源以適應(yīng)動(dòng)態(tài)復(fù)雜市場環(huán)境和獲取競爭優(yōu)勢的有效方式之一，戰(zhàn)略聯(lián)盟的構(gòu)建和選擇與企業(yè)創(chuàng)新效率息息相關(guān)。聯(lián)盟伙伴的核心技術(shù)對企業(yè)自身識(shí)別和利用合作伙伴創(chuàng)新戰(zhàn)略中的優(yōu)劣勢有很大助力。Wassmer 等[2]從信息資源角度剖析企業(yè)尋求聯(lián)盟合作的原動(dòng)力，聯(lián)盟可幫助企業(yè)獲取新要素、提升創(chuàng)新績效。Hagedoorn 等[3]考慮聯(lián)盟伙伴的多樣性與相關(guān)性，認(rèn)為聯(lián)盟伙伴的選擇對企業(yè)的創(chuàng)新績效有積極作用。Rosenkopf 等[4]認(rèn)為聯(lián)盟能力強(qiáng)的企業(yè)會(huì)充分利挖掘聯(lián)盟中的創(chuàng)新要素與資源，有利于提高自身創(chuàng)新效益。殷俊杰、龐博等[5-6]研究企業(yè)聯(lián)盟組合管理能力、關(guān)鍵資源獲取對企業(yè)技術(shù)創(chuàng)新績效的作用關(guān)系及影響；王玉東等[7]提出R&D 聯(lián)盟可以快速共享資源和優(yōu)勢互補(bǔ)，形成規(guī)模效應(yīng)和提高技術(shù)創(chuàng)新效率。Paula 等[8]分析巴西近3 000 家制造企業(yè)的數(shù)據(jù)，指出戰(zhàn)略聯(lián)盟企業(yè)的外部研發(fā)能力正向影響其創(chuàng)新績效。Shin等[9]將206 家韓國生物技術(shù)公司戰(zhàn)略聯(lián)盟約300 項(xiàng)研發(fā)活動(dòng)分為縱向下游聯(lián)盟、縱向上游聯(lián)盟和橫向聯(lián)盟不同類型，并指出縱向聯(lián)盟對企業(yè)技術(shù)創(chuàng)新績效存在正相關(guān)關(guān)系，橫向聯(lián)盟與創(chuàng)新績效呈倒U型關(guān)系。

然而統(tǒng)計(jì)表明，現(xiàn)實(shí)中企業(yè)戰(zhàn)略聯(lián)盟成功率僅50%～60%[10]，不合適伙伴的選擇是聯(lián)盟失敗最根本原因之一。針對聯(lián)盟伙伴的選擇，以定性或定量相結(jié)合的方法較為常見。Maloni 等[11]針對企業(yè)聯(lián)盟伙伴問題，提出伙伴選擇的基本原則和基本框架。Sierra等[12]從兼容性、能力和承諾角度，給出聯(lián)盟伙伴選擇3C 標(biāo)準(zhǔn)。尹航等[13]揭示戰(zhàn)略聯(lián)盟伙伴選擇的關(guān)系和市場二元導(dǎo)向性，指出戰(zhàn)略聯(lián)盟的導(dǎo)向性與聯(lián)盟績效的作用機(jī)理。王玉東等[7]以R&D 聯(lián)盟伙伴的匹配性為視角，構(gòu)建了R&D 聯(lián)盟伙伴匹配效果的評價(jià)指標(biāo)體系。當(dāng)聯(lián)盟企業(yè)選擇的數(shù)目較多時(shí)，往往需要量化方法進(jìn)行選擇。學(xué)者們提出戰(zhàn)略聯(lián)盟伙伴選擇的方法包括數(shù)學(xué)規(guī)劃法、模糊評價(jià)法、多階段優(yōu)化法、DEA 模型等，并在不同行業(yè)中取得一定的研究成果[14-16]。對于高新技術(shù)類企業(yè)而言，從技術(shù)創(chuàng)新的視角考慮企業(yè)戰(zhàn)略聯(lián)盟伙伴的選擇，更具針對性和目標(biāo)性。數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）作為一種“面向數(shù)據(jù)”的分析方法，通過將多個(gè)輸入轉(zhuǎn)換為多個(gè)輸出來測量多個(gè)決策單元（Decision Making Units，DMU）的性能，在創(chuàng)新效率方面的應(yīng)用十分廣泛[17-18]。然而，在技術(shù)性較高的AI 行業(yè)與技術(shù)創(chuàng)新效率相關(guān)的研究不多，而應(yīng)用到企業(yè)戰(zhàn)略聯(lián)盟伙伴的選擇中則更為少見。

此外，有關(guān)DEA 模型的研究大多采納歷史數(shù)據(jù)對過往進(jìn)行回顧性分析，少有直接對未來進(jìn)行探討。研究人員常用預(yù)測時(shí)間序列對部分已知信息再開發(fā)和提取，GM（1，1）灰色預(yù)測被應(yīng)用于此類研究，探討諸多科學(xué)預(yù)測與評估等方面問題[19-20]?；诖?，本文將GM（1，1）與DEA 模型相結(jié)合，以預(yù)測數(shù)據(jù)來分析和測量AI 企業(yè)在技術(shù)創(chuàng)新投入與產(chǎn)出及戰(zhàn)略聯(lián)盟效果。內(nèi)容上從企業(yè)自身戰(zhàn)略發(fā)展考慮，以企業(yè)技術(shù)創(chuàng)新效率的視角探索AI 行業(yè)代表性企業(yè)戰(zhàn)略聯(lián)盟伙伴選擇的問題；方法上采用灰色預(yù)測—超效率DEA 模型對技術(shù)創(chuàng)新的投入產(chǎn)生進(jìn)行預(yù)測，基于預(yù)測結(jié)果綜合測度和比較目標(biāo)企業(yè)及戰(zhàn)略聯(lián)盟決策單元的技術(shù)創(chuàng)新效率及其排名變化情況，以此來確定AI 企業(yè)戰(zhàn)略聯(lián)盟伙伴的選擇。

2 研究方法與數(shù)據(jù)說明

2.1 模型構(gòu)建

2.1.1 GM（1，1）灰色預(yù)測

GM（1，1）模型是灰色預(yù)測理論的核心模型，其思想是利用累加技術(shù)使數(shù)據(jù)具備指數(shù)規(guī)律，通過建立一階微分方程求解，將結(jié)果再累減還原即為預(yù)測值。

為了簡化計(jì)算和分析，引用熵值法[21]將各決策單元（DMU）技術(shù)創(chuàng)新指標(biāo)的各年數(shù)據(jù)與灰色預(yù)測數(shù)據(jù)去量綱、加權(quán)后轉(zhuǎn)化成截面數(shù)據(jù)，再對指標(biāo)的綜合值進(jìn)行超效率DEA 測算。

2.1.2 超效率DEA 模型

數(shù)據(jù)包絡(luò)分析（DEA）被廣泛應(yīng)用于當(dāng)前經(jīng)濟(jì)與社會(huì)各領(lǐng)域的效率評價(jià)。每個(gè)樣本企業(yè)或戰(zhàn)略聯(lián)盟視為一個(gè)DMU，GM（1，1）灰色預(yù)測后的數(shù)據(jù)通過熵值法進(jìn)行綜合，結(jié)果為（x(0)（1），x(0)（2），…，x(0)（n），y(0)（1），y(0)（2），…，y(0)（q）），投入變量為x，產(chǎn)出變量為y。本文采用基于松弛測度的超效率DEA模型計(jì)算企業(yè)（戰(zhàn)略聯(lián)盟）技術(shù)創(chuàng)新的投入產(chǎn)出效率[22]。其模型為：

其中xri是第r 個(gè)技術(shù)創(chuàng)新投入指標(biāo)，yri是第t 個(gè)產(chǎn)出指標(biāo)，S-、S+分別是DMU 各種要素投入產(chǎn)出的松弛量，n、q、k 表示投入和產(chǎn)出的項(xiàng)數(shù)，i 表示年份測量投入產(chǎn)出要素各年份的效率值，σ 是評價(jià)效率值，當(dāng)σ≥1，則表示富有效率，越高越好；當(dāng)σ≤1，則表示效率低下，缺乏效率。

2.2 指標(biāo)選取

2.2.1 投入指標(biāo)

《中國創(chuàng)新型企業(yè)發(fā)展報(bào)告》指出，企業(yè)技術(shù)創(chuàng)新投入主要包括研發(fā)人員、研發(fā)經(jīng)費(fèi)和研發(fā)設(shè)施條件等[22]?？紤]到數(shù)據(jù)的可得性，本文投入指標(biāo)選擇研發(fā)人員數(shù)量和研發(fā)投入。研發(fā)人員數(shù)量反映企業(yè)創(chuàng)新活動(dòng)中的人力資源投入，研發(fā)支出則反映企業(yè)創(chuàng)新活動(dòng)的費(fèi)用支出。

2.2.2 產(chǎn)出指標(biāo)

衡量企業(yè)技術(shù)創(chuàng)新產(chǎn)出指標(biāo)通常包括專利（特別是發(fā)明專利）、新產(chǎn)品（工藝或服務(wù)）銷售收入等[23]，本文選取專利授權(quán)y1i、凈利潤y2i和主營業(yè)務(wù)收入y3i來反映和衡量企業(yè)在技術(shù)創(chuàng)新過程的產(chǎn)出。

2.3 樣本與數(shù)據(jù)

首先，查詢東方財(cái)富網(wǎng)、wind 金融數(shù)據(jù)庫發(fā)布的AI 概念股，基于上市公司年報(bào)公開的產(chǎn)品名稱、產(chǎn)品類型、技術(shù)及應(yīng)用情況篩選與AI 關(guān)聯(lián)度高的企業(yè)；然后，為保證精準(zhǔn)度及可行性，剔除數(shù)據(jù)缺失或異常的樣本，最終確定20 家AI 企業(yè)作為本問樣本，其中科大訊飛是人工智能技術(shù)較為成熟的典型AI 企業(yè)，在目前國際形勢下面臨著技術(shù)突破、市場競爭和戰(zhàn)略聯(lián)盟等諸多問題和挑戰(zhàn)，被選定為本文的目標(biāo)企業(yè)。從AI 基礎(chǔ)設(shè)施、技術(shù)研究及服務(wù)、行業(yè)應(yīng)用三個(gè)方面將樣本企業(yè)劃分為基礎(chǔ)層、技術(shù)層和應(yīng)用層，其匹配結(jié)果和關(guān)聯(lián)原因見表1。

表1 樣本企業(yè)及其創(chuàng)新效率值排名

樣本時(shí)間跨度為2016—2020 年，樣本企業(yè)在技術(shù)創(chuàng)新投入產(chǎn)出指標(biāo)的原始面板數(shù)據(jù)來源于wind 金融數(shù)據(jù)庫、國家知識(shí)產(chǎn)權(quán)局（https：//www.cnipr.gov.cn）專利檢索系統(tǒng)。采用GM（1，1）灰色預(yù)測分析法，利用2016—2020 年樣本企業(yè)在技術(shù)創(chuàng)新投入產(chǎn)出的面板數(shù)據(jù)預(yù)測2021—2025 年的數(shù)據(jù)。使用熵值法[21]分別將2016—2020 年和灰色預(yù)測下各DMU 技術(shù)創(chuàng)新指標(biāo)轉(zhuǎn)化成截面數(shù)據(jù)形式，表2 顯示各DMU 技術(shù)創(chuàng)新指標(biāo)的綜合值結(jié)果。

表2 樣本企業(yè)技術(shù)創(chuàng)新指標(biāo)2016—2020 年和灰色預(yù)測數(shù)據(jù)的綜合值

GM（1，1）灰色預(yù)測過程中，平均絕對百分誤差是衡量預(yù)測效果好壞的重要指標(biāo)，誤差越小代表預(yù)測效果越好，反之預(yù)測效果越差。結(jié)果顯示，灰色預(yù)測的平均絕對百分誤差值均低于10%，屬合理區(qū)間內(nèi)表明GM（1，1）灰色預(yù)測模型整體預(yù)測結(jié)果的準(zhǔn)確度與可靠性較好。

3 結(jié)果分析

3.1 DMU 技術(shù)創(chuàng)新效率

基于Super-SBM-I-V[22]模型測度各DMU 在2016—2020 年（預(yù)測前）技術(shù)創(chuàng)新效率值及相應(yīng)排名狀況，其結(jié)果見表1。其中，相對排名為排名與決策單元數(shù)的比值，相對排名越接近1 則表明該企業(yè)創(chuàng)新能力越低，反之越高。由表1 可知，神思電子的技術(shù)創(chuàng)新效率表現(xiàn)最佳，達(dá)到1.59，其次為中電興發(fā)和視源股份。DMU2 的技術(shù)創(chuàng)新效率為0.25，排名19，一定程度上反映出DMU2 有必要與其他企業(yè)構(gòu)建技術(shù)創(chuàng)新合作伙伴關(guān)系，以期優(yōu)化和改善其技術(shù)創(chuàng)新效率水平。

3.2 戰(zhàn)略聯(lián)盟DMU 的技術(shù)創(chuàng)新效率

目標(biāo)企業(yè)DMU2 為了在未來尋找與其自身資源配置能力更為匹配的技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟伙伴，本文采用GM（1，1）模型，基于2016—2020 年數(shù)據(jù)對樣本企業(yè)未來5 年在技術(shù)創(chuàng)新效率的指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測，并假定DMU2 與其他DMU 產(chǎn)生一對一的戰(zhàn)略聯(lián)盟關(guān)系，即達(dá)成19 種戰(zhàn)略聯(lián)盟；將19 種聯(lián)盟DMU 與20 家企業(yè)DMU 統(tǒng)一納入超效率DEA模型中，計(jì)算每個(gè)DMU 的技術(shù)創(chuàng)新效率值及相應(yīng)排名狀況，其結(jié)果見表3 所示。

由表3 可知，無論是20 家企業(yè)DMU 還是19個(gè)戰(zhàn)略聯(lián)盟DMU 計(jì)算出的技術(shù)創(chuàng)新效率值的差異均明顯。預(yù)測后DMU2 排名為23 位，處于較低水平。這支持上文預(yù)測前的分析，即DMU2 與其他企業(yè)存在建立戰(zhàn)略聯(lián)盟的必要性。當(dāng)DMU2 與其他企業(yè)一一形成戰(zhàn)略聯(lián)盟后，技術(shù)創(chuàng)新效率值處于生產(chǎn)前沿面（效率值≥1） 的戰(zhàn)略聯(lián)盟對象有：DMU5、DMU16 和DMU17，技術(shù)創(chuàng)新效率表現(xiàn)靠后的 聯(lián) 盟 對 象 有：DMU20、DMU18、DMU11、DMU9、DMU6、DMU8、DMU1、DMU3 等。考慮DMU2 與其他DMU 的戰(zhàn)略聯(lián)盟和自身DMU 的創(chuàng)新效率排名相比是否有所提升，將戰(zhàn)略聯(lián)盟分成兩組見表4 所示：聯(lián)盟后創(chuàng)新效率高于DMU2 的創(chuàng)新效率排名時(shí)，與DMU2 達(dá)成的戰(zhàn)略聯(lián)盟稱為意向戰(zhàn)略聯(lián)盟組；反之為非意向戰(zhàn)略聯(lián)盟組。

表3 戰(zhàn)略聯(lián)盟DMU 技術(shù)創(chuàng)新效率的相對排名

表4 戰(zhàn)略聯(lián)盟的技術(shù)創(chuàng)新效率排名與變化

在非意向戰(zhàn)略聯(lián)盟組中，有DMU7、DMU3、DMU1、DMU8、DMU6、DMU9、DMU11、DMU18、DMU20 等9家企業(yè)，DMU2 與其達(dá)成戰(zhàn)略聯(lián)盟后的創(chuàng)新效率排名反而下降，說明這種聯(lián)盟會(huì)降低原企業(yè)的技術(shù)創(chuàng)新效率，與科大訊在技術(shù)創(chuàng)新資源配置上起到負(fù)效應(yīng)。意向戰(zhàn)略聯(lián)盟組中DMU2 和DMU17、DMU16、DMU5、DMU14、DMU10、DMU15、DMU13、DMU19、DMU4、DMU12 等企業(yè)達(dá)成戰(zhàn)略聯(lián)盟關(guān)系后，聯(lián)盟的技術(shù)創(chuàng)新效率排名得到提升。但DMU2 與DMU19、DMU4、DMU12 合作后的創(chuàng)新效率提升不明顯，屬普通意向伙伴（單邊）；DMU2 與DMU17、DMU16、DMU5、DMU14、DMU10、DMU15、DMU13 的7 家企業(yè)合作后的創(chuàng)新效率提升效果較顯著，屬優(yōu)先意向伙伴。

3.3 戰(zhàn)略聯(lián)盟的選擇

在上述分析中，以與DMU2 創(chuàng)新效率排名提升幅度可將意向戰(zhàn)略聯(lián)盟細(xì)分為優(yōu)先考慮和一般意向伙伴。下面從優(yōu)先意向伙伴的企業(yè)自身效率排名與DMU2 戰(zhàn)略聯(lián)盟后排名變化角度，討論優(yōu)先意向伙伴與DMU2 聯(lián)盟的選擇。圖1 顯示意向伙伴組自身技術(shù)創(chuàng)新效率的相對排名和灰色預(yù)測下與DMU2 達(dá)成戰(zhàn)略聯(lián)盟的技術(shù)創(chuàng)新效率的相對排名情況。

圖1 優(yōu)先意向DMU 與聯(lián)盟的技術(shù)創(chuàng)新效率相對排名

在7 家優(yōu)先意向企業(yè)中，DMU17 和DMU15 的技術(shù)創(chuàng)新效率相對排名大于其與DMU2 戰(zhàn)略聯(lián)盟后的創(chuàng)新效率相對排名，表明DMU17、DMU15 與DMU2 聯(lián)盟后創(chuàng)新效率沒有其自身表現(xiàn)好，對意向企業(yè)在技術(shù)創(chuàng)新資源層面的疊加或融合起到排斥效應(yīng)，難以形成共贏局面。DMU5、DMU16、DMU13、DMU10 和DMU14 相對排名小于其與DMU2 聯(lián)盟后的相對排名，表明這5 個(gè)DMU 與DMU2 達(dá)成戰(zhàn)略聯(lián)盟后的創(chuàng)新效率高于其原有排名。全面分析指明這5 家企業(yè)與DMU2 形成戰(zhàn)略聯(lián)盟伙伴的第一檔。而DMU2 與DMU13、DMU10 和DMU14 各自的、聯(lián)盟后的技術(shù)創(chuàng)新效率值盟關(guān)系的驅(qū)動(dòng)力更強(qiáng)，為雙贏戰(zhàn)略聯(lián)盟伙伴。需要強(qiáng)調(diào)的是，從各DMU 及聯(lián)盟的技術(shù)創(chuàng)新效率水平角度分析，DMU5、DMU16 自身創(chuàng)新效率值、與DMU2 聯(lián)盟后的技術(shù)創(chuàng)新效率值均≥1，處于生產(chǎn)前沿面上，表明DMU5（應(yīng)用層）、DMU16（基礎(chǔ)層）與DMU2（技術(shù)層）戰(zhàn)略聯(lián)盟聯(lián)合雙方資源配置不會(huì)排斥、資源互惠且能夠達(dá)到最大程度發(fā)揮，是雙贏聯(lián)及其排名相對而言均表現(xiàn)一般，故在雙贏聯(lián)盟中排第二檔。

由此，對DMU2 技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟伙伴劃分為非意向、單邊、雙贏聯(lián)盟三大類型，見表5 所示。非意向聯(lián)盟即目標(biāo)企業(yè)在聯(lián)盟后的創(chuàng)新效率排名低于自身企業(yè)；單邊聯(lián)盟則是目標(biāo)企業(yè)單方面熱衷于合作而對意向企業(yè)在技術(shù)創(chuàng)新水平上無明顯提升；雙贏聯(lián)盟則是意向聯(lián)盟中對雙方技術(shù)創(chuàng)新效率均有提升的類型，結(jié)合各DMU 與聯(lián)盟技術(shù)創(chuàng)新效率值可將雙贏聯(lián)盟細(xì)分為第一（DMU5 和DMU16）、第二（DMU13、DMU10 和DMU14）兩個(gè)檔次。

表5 DMU2 戰(zhàn)略聯(lián)盟伙伴的類型及數(shù)量

4 結(jié)論與啟示

4.1 研究結(jié)論

針對AI 行業(yè)企業(yè)戰(zhàn)略聯(lián)盟伙伴選擇問題，以技術(shù)創(chuàng)新投入產(chǎn)出指標(biāo)的歷史數(shù)據(jù)為基礎(chǔ)對未來預(yù)測、采用熵值法對數(shù)據(jù)進(jìn)行去量綱化，構(gòu)建了灰色預(yù)測——超效率DEA 模型測度創(chuàng)新效率值及其排名變化，以此選擇和確定目標(biāo)DMU 的戰(zhàn)略聯(lián)盟伙伴。研究發(fā)現(xiàn)：（1）AI 行業(yè)不同企業(yè)的技術(shù)創(chuàng)新效率值差異明顯，表現(xiàn)不均衡；（2）戰(zhàn)略聯(lián)盟伙伴選擇直接影響到自身企業(yè)與聯(lián)盟的技術(shù)創(chuàng)新效率水平；（3）不僅要考慮企業(yè)自身發(fā)展因素，還要從意向企業(yè)的戰(zhàn)略發(fā)展互惠角度全面考慮聯(lián)盟伙伴的選擇，以此識(shí)別與目標(biāo)企業(yè)戰(zhàn)略聯(lián)盟伙伴的優(yōu)先企業(yè)。

4.2 管理啟示

4.2.1 優(yōu)化技術(shù)創(chuàng)新投入與產(chǎn)出比

我國AI 行業(yè)企業(yè)各自業(yè)務(wù)鏈條與生態(tài)體系、經(jīng)營領(lǐng)域與市場地位各不相同，企業(yè)間的技術(shù)創(chuàng)新效率值差異明顯且差距較大，技術(shù)創(chuàng)新水平較低不利于AI 企業(yè)的可持續(xù)發(fā)展和競爭優(yōu)勢的保持。科大訊飛在技術(shù)創(chuàng)新的投入與產(chǎn)出絕對量較大，但其創(chuàng)新效率值不高。需依據(jù)自身企業(yè)的優(yōu)勢和資源均衡和優(yōu)化其技術(shù)創(chuàng)新上的投入和產(chǎn)出比，提高技術(shù)轉(zhuǎn)化利率和增強(qiáng)技術(shù)創(chuàng)新產(chǎn)出能力，以提升企業(yè)自身的技術(shù)創(chuàng)新效率、努力打造自我競爭優(yōu)勢。

4.2.2 區(qū)分技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟伙伴類型

企業(yè)戰(zhàn)略聯(lián)盟伙伴選擇可效提升自身與聯(lián)盟的技術(shù)創(chuàng)新效率水平，合理區(qū)分戰(zhàn)略聯(lián)盟伙伴類型對企業(yè)選擇聯(lián)盟伙伴和未來戰(zhàn)略發(fā)展有深遠(yuǎn)影響?；诒疚难芯磕Ｐ蛯δ繕?biāo)企業(yè)戰(zhàn)略聯(lián)盟伙伴進(jìn)行了合理區(qū)分，提出3 種聯(lián)盟的類型：雙贏聯(lián)盟、單邊聯(lián)盟和非意向聯(lián)盟伙伴，并對雙贏聯(lián)盟進(jìn)行細(xì)分。目標(biāo)企業(yè)通過識(shí)別技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟伙伴范圍并細(xì)致分類（第一檔雙贏聯(lián)盟），以便于企業(yè)做出聯(lián)盟選擇，最大程度促成與聯(lián)盟伙伴的共贏發(fā)展。

4.2.3 多角度選擇合適的技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟伙伴

從企業(yè)資源層次、自身發(fā)展、意向企業(yè)戰(zhàn)略發(fā)展互惠角度多方位地考慮和選擇最優(yōu)聯(lián)盟伙伴，以促使聯(lián)盟對創(chuàng)新資源要素的充分利用、穩(wěn)固和夯實(shí)自身與聯(lián)盟的競爭優(yōu)勢。事實(shí)上科大訊飛（技術(shù)層）與浪潮集團(tuán)（基礎(chǔ)層）技術(shù)相輔相成，其戰(zhàn)略聯(lián)盟致力于整合更多AI 技術(shù)創(chuàng)新產(chǎn)品與應(yīng)用，于2019 年底與浪潮集團(tuán)簽訂戰(zhàn)略合作協(xié)議，將彼此作為技術(shù)創(chuàng)新戰(zhàn)略伙伴。這與本文結(jié)果相符合，為其聯(lián)盟伙伴選擇提供其他可能參考（如應(yīng)用層的海康威視），也為其他行業(yè)企業(yè)選擇戰(zhàn)略聯(lián)盟伙伴提供借鑒。但企業(yè)戰(zhàn)略聯(lián)盟伙伴選擇的影響因素很多，仍需多方面地將技術(shù)創(chuàng)新效率與其他因素綜合考慮。