數(shù)智賦能先進制造業(yè)關(guān)鍵共性技術(shù)協(xié)同創(chuàng)新策略

摘 "要：針對數(shù)智化轉(zhuǎn)型與不轉(zhuǎn)型情景，構(gòu)建Stackelberg模型考察數(shù)智技術(shù)對先進制造業(yè)創(chuàng)新的賦能作用，研究企業(yè)數(shù)智化轉(zhuǎn)型對關(guān)鍵共性技術(shù)協(xié)同創(chuàng)新的影響。結(jié)果表明：數(shù)智技術(shù)有助于先進制造業(yè)創(chuàng)新價值鏈重構(gòu)，通過鏈長式協(xié)同平臺能推動企業(yè)數(shù)智化轉(zhuǎn)型；數(shù)智技術(shù)能推動先進制造業(yè)協(xié)同研發(fā)關(guān)鍵共性技術(shù)，但受到數(shù)字融合度、智能障礙度和智能化成本的制約；數(shù)字融合度和智能障礙度是關(guān)鍵共性技術(shù)出現(xiàn)“研發(fā)失靈”的重要誘因；若在復雜智能化環(huán)境下運行激勵機制，則低數(shù)字化企業(yè)將主動投入少量資源開展數(shù)智化轉(zhuǎn)型。

關(guān)鍵詞：數(shù)智賦能；先進制造業(yè)；關(guān)鍵共性技術(shù)；協(xié)同創(chuàng)新

中圖分類號：F124.3 " " " " " " " " " " " " " " 文獻標識碼：A 文章編號：1008-5483（2024）01-0064-06

Synergistic Innovation Strategy for Key Generic Technology of

Digit-intelligence Empowering Advanced Manufacturing Industry

Hu Zetao， Li Baolin， Li Yanli， Yang Lihua

（School of Economics amp; Management， Hubei University of Automotive Technology， Shiyan 442002， China）

Abstract： In view of the digit-intelligence transformation or not scenario， the Stackelberg model was constructed to investigate the empowerment effect of digit-intelligence technology on the innovation of the advanced manufacturing industry and study the impact of enterprises’ digit-intelligence transformation on the synergistic innovation of key generic technology. The results show that digit-intelligence technology helps reconstruct the innovation value chain of the advanced manufacturing industry and promotes the digit-intelligence transformation of enterprises through the chain-length collaborative platform. Digital intelligence technology can promote the collaborative research and development （Ramp;D） of key common technologies in the advanced manufacturing industry， but it is restricted by digital integration degree， intelligent obstacle degree， and intelligent cost. The degrees of digital integration and intelligent obstacles are the important causes of the “Ramp;D failure” of key generic technologies. If the incentive mechanism is operated in a complex intelligent environment， enterprises with a low degree of digitization will actively invest a small number of resources to achieve digit-intelligence transformation.

Key words： digit-intelligence empowerment; advanced manufacturing industry; key generic

先進制造業(yè)是實體經(jīng)濟的支柱，作為制造業(yè)技術(shù)變革和發(fā)展的引領(lǐng)者，其數(shù)字化發(fā)展與智能化應用是后發(fā)國家全球價值鏈升級的關(guān)鍵［1］。關(guān)鍵共性技術(shù)是指知識結(jié)構(gòu)復雜、覆蓋領(lǐng)域廣、滲透力度深的技術(shù)體系，存在量化識別復雜、市場供給失靈和資源錯配動蕩等問題［2-5］，其突破需要多行業(yè)、領(lǐng)域和主體的長周期協(xié)同。面對國際動蕩和產(chǎn)業(yè)整體競爭加劇的風險，關(guān)鍵共性技術(shù)是保障先進制造業(yè)持續(xù)創(chuàng)新和應對“中低端轉(zhuǎn)移”和“高端轉(zhuǎn)化遇阻”雙重沖擊的重要基石［1］。如今，數(shù)智技術(shù)為制造業(yè)價值鏈升格帶來了供應鏈生態(tài)智能化［6］、知識編排即時化［7］和創(chuàng)新范式服務化［8］等機會窗口，但也使關(guān)鍵共性技術(shù)創(chuàng)新面臨知識結(jié)構(gòu)更復雜和創(chuàng)新投入愈龐大等挑戰(zhàn)，需要資源雄厚、產(chǎn)業(yè)和創(chuàng)新鏈完備的先進制造業(yè)主導協(xié)同創(chuàng)新。立足先進制造業(yè)對價值鏈升級的需求，考慮關(guān)鍵共性技術(shù)突破和先進制造企業(yè)數(shù)智化轉(zhuǎn)型的新要求，文中采用Stackelberg模型分析先進制造業(yè)關(guān)鍵共性技術(shù)創(chuàng)新的協(xié)同過程，主要探討數(shù)智技術(shù)對先進制造業(yè)的賦能作用，考察數(shù)智化轉(zhuǎn)型對關(guān)鍵共性技術(shù)協(xié)同創(chuàng)新的影響，最后設計數(shù)智化轉(zhuǎn)型激勵機制，以期為數(shù)智經(jīng)濟背景下的先進制造業(yè)高水平創(chuàng)新和關(guān)鍵共性技術(shù)創(chuàng)新的協(xié)同策略提供一定參考。

1 問題描述與模型構(gòu)建

不同于一般技術(shù)，關(guān)鍵共性技術(shù)獨有的外部性和關(guān)聯(lián)性決定了其創(chuàng)新需要多主體的高度協(xié)同［9］。假定創(chuàng)新價值鏈由學研方、企業(yè)和技術(shù)供應商組成。研發(fā)某關(guān)鍵共性技術(shù)，學研方可自主研發(fā)，也可以借助智慧系統(tǒng)開展數(shù)智創(chuàng)新。學研方突破關(guān)鍵共性技術(shù)后，經(jīng)企業(yè)商業(yè)化溢出到下游產(chǎn)業(yè)，如圖1所示。根據(jù)4種主流的研發(fā)模式構(gòu)建模型［10］，考慮是否數(shù)智化轉(zhuǎn)型2種情形（IS與NS），將3種市場主導的模型與政府主導的基礎模型進行對比。

1.1 研究假設

假設1 學研方自主創(chuàng)新的成本高于數(shù)智創(chuàng)新。關(guān)鍵共性技術(shù)的價值多反映在產(chǎn)品中，可用產(chǎn)品價值表示創(chuàng)新價值，且不存在庫存［9］。研發(fā)成本指單個產(chǎn)品的成本，數(shù)智創(chuàng)新節(jié)約成本[c]為自主創(chuàng)新單位成本[cr]與數(shù)智創(chuàng)新單位成本[cs]的差。

假設2 因具備產(chǎn)業(yè)引領(lǐng)性和市場主導性，先進制造業(yè)極易成為行業(yè)寡頭，存在非對稱博弈。根據(jù)研發(fā)能力，學研方在創(chuàng)新價值網(wǎng)絡中為領(lǐng)導者，企業(yè)和技術(shù)供應商為追隨者。

假設3 先進制造企業(yè)作為創(chuàng)新網(wǎng)絡的中間節(jié)點，能較準確地評估技術(shù)的潛在價值［11］。參考相關(guān)研究［12］，數(shù)字結(jié)構(gòu)為

[Eaf=φφ+ψa0+φφ+ψf， " f=a+εa=a0+μ， " Ef-a02=φ+ψ， " t=φφ+ψ] （1）

式中：[Ea|f]為市場潛在需求[a]的預估值；[t]為數(shù)字融合度；[f]為私有知識潛在估計值；[a0]為需求的確定部分；[ε]和[μ]分別為[f]和[a]的不確定因素，期望均為0，方差分別為[φ]和[ψ]。

假設4 數(shù)智創(chuàng)新需要大量資金投入，智能融合度[τ]越高，成本將急劇增加。智能融合度[τ]為[I/k]，[k]為智能障礙度，[I]為智能化投資成本［13-14］。

假設5 智能化主導方單位建設成本[λ1]和企業(yè)成果商業(yè)化單位外溢成本[λ2]均為常數(shù)。為簡化模型推導和保證結(jié)果的一般性［14］，設[λ1]和[λ2]為0。

1.2 模型構(gòu)建

1） 模式GL——新型舉國體制 在政府主導的協(xié)同模式中，企業(yè)、學研方和技術(shù)供應商將在政府（G）引導下，以創(chuàng)新價值鏈收益最大化為目標，制定技術(shù)轉(zhuǎn)移費用[p]和[τ]。政府可依據(jù)企業(yè)的價值估計信息決策，決策模型為

[maxp，τEΤGLCISf=Ep-cr+τc×a-bp-kτ2f] （2）

式中：[b]為價值敏感系數(shù)；[Tji]為模式j下主體i的預期收益，模式j可為新型舉國體制（GL）、創(chuàng)新聯(lián)盟（EL）、產(chǎn)業(yè)技術(shù)聯(lián)盟（RL）和非盈利機構(gòu)模式（NP），主體i可為創(chuàng)新價值鏈（C）、企業(yè)（E）、學研方（R）和技術(shù)供應商（S）。采用逆向歸納法解得：

[pGL=2k-bc21-ta0+tf+2bkcrb4k-bc2] （3）

[τGL=ca0-ta0-f-bcrb4k-bc2-1] （4）

[ΤGLCIS=ktφ+a0-bcr2b4k-bc2-1] （5）

2） 模式EL——創(chuàng)新聯(lián)盟 此模式下，企業(yè)負責成果轉(zhuǎn)化和智能化決策，由學研方進行再研發(fā)。企業(yè)確定[p]和[τ]，學研方確定開發(fā)費用[e]。企業(yè)可根據(jù)市場和價值預測信息決策，決策模型為

[maxp，τEΤELENSf=Ep-e+ωτ×a-bp-kτ2f] （6）

式中：[ω]為智能化成本。NS與IS下，學研方?jīng)Q策模型分別為

[maxeE（ΤELRNS）=Ee-cr+c-ωτ×a-bp] （7）

[maxeEΤELRISf=Ee-cr+c-ωτ×a-bpf] （8）

3） 模式RL——產(chǎn)業(yè)技術(shù)聯(lián)盟 此模式下，學研方主導研發(fā)工作，企業(yè)僅負責成果轉(zhuǎn)化。學研方確定[τ]和[e]，企業(yè)確定[p]。企業(yè)決策模型為

[maxpEΤRLENSf=Ep-ea-bpf] （9）

NS 與IS下，學研方?jīng)Q策模型分別為

[maxe，τEΤRLRNS=Ee-cr+cτ×a-bp-kτ2] （10）

[maxe，τEΤRLRISf=Ee-cr+cτ×a-bp-kτ2f] （11）

4） 模式NP——非盈利機構(gòu) 此模式下，企業(yè)負責成果轉(zhuǎn)化，學研方進行研發(fā)，技術(shù)供應商負責智能化建設。由技術(shù)供應商確定[τ]，學研方確定[e]，最后由企業(yè)決定[p]。企業(yè)決策模型為

[maxpEΤNPENSf=Ep-ea-bpf] （12）

NS下技術(shù)供應商和學研方?jīng)Q策模型分別為

[maxτEΤNPSNS=Eωτa-bp-kτ2] （13）

[maxeEΤNPRNS=Ee-cr+cτa-bp] （14）

IS下技術(shù)供應商和學研方?jīng)Q策模型分別為

[maxτEΤNPSISf=Eωτa-bp-kτ2f] （15）

[maxeEΤNPRISf=Ee-cr+cτa-bpf] （16）

上述模型最優(yōu)解如表1所示。

2 模型求解

2.1 數(shù)智化轉(zhuǎn)型價值變化

比較[TjCIS]與[TjCNS]，得出模式[j]下數(shù)智化轉(zhuǎn)型對主體[i]的價值[Vji]。GL下數(shù)智化轉(zhuǎn)型對創(chuàng)新價值鏈的價值為

[VGLC=ΤGLCIS-ΤGLCNS=ktφb4k-bc2-1gt;0] （17）

同理，EL、RL和NP下，[Vji]與0的關(guān)系分別為

[VELElt;0， " VELRgt;0， " VELClt;0， " VC=VE+VR] （18）

[VRLElt;0，VRLRgt;0， " VRLCgt;0， " k∈bc2/4， " 3+5bc2/8] （19）

[VNPElt;0， " VNPRgt;0， " VNPSgt;0， " VNPClt;0] （20）

命題1 GL下，數(shù)智化轉(zhuǎn)型使[VC]增加；在EL、RL和NP下，數(shù)智化轉(zhuǎn)型會降低[VE]，提高 [VR]；NP下，數(shù)智化轉(zhuǎn)型能提高[VS]；EL、NP下，數(shù)智化轉(zhuǎn)型將降低[VC]；RL下，有

[VCISgt;VCNS， " k∈bc2/4，3+5bc2/8] （21）

由式（19）～（21）可知，基于政府主導的模式是最優(yōu)供給策略。RL下，學研方更愿意運用智能技術(shù)，因為智能化程度越高研發(fā)的成本越低。數(shù)智化轉(zhuǎn)型時企業(yè)利益受損，應建立激勵機制彌補數(shù)智化轉(zhuǎn)型造成的損失。

2.2 協(xié)同模式比較

由式（23）可知，數(shù)智化轉(zhuǎn)型對[τ]無明顯影響。

[τj?τjNS=τjIS] （22）

命題2 比較不同模式下[τj]大小關(guān)系得：

[τGLgt;τELgt;τRLgt;τNP， " bc2/4lt;klt;bωc28c-ω-1] （23）

[τGLgt;τRLgt;τELgt;τNP， " kgt;bωc28c-ω-1] （24）

[k]在一定范圍時，RL較EL的[τ]更高；GL下[τ]最高，NP下[τ]最低。即政府主導時，創(chuàng)新價值鏈各節(jié)點間協(xié)調(diào)度最高，智能化技術(shù)能提高創(chuàng)新質(zhì)量。

推論1 EL和RL下，若[ω]小于[2c/3]，RL較EL更傾向推進智能化；若[ω]大于[2c/3]，EL較RL的[τ]更高?？稍黾覽ω]提高數(shù)智技術(shù)的融合度。即

[τRLgt;τEL， " 0lt;ωlt;2c/3τELgt;τRL， " 2c/3lt;ωlt;c] （25）

命題3 NS與IS下，[TNPENS]最小，[TELENS]和[TRLENS]大小關(guān)系如式（26）～（27）所示：

[ΤELENSgt;ΤRLENS， " tgt;t1;ΤRLENSgt;ΤELENS， " tlt;t1ΤELRNSgt;ΤRLRNS， " tgt;t2;ΤRLRNSgt;ΤELRNS， " tlt;t2ΤRLEISgt;ΤELEIS;ΤELRISgt;ΤRLRIS， " ωgt;c/2] （26）

[t1=32k2+4bkc2-8ωc+2ω2+4φ4k-bωc28k-bc2a0-bcr-2×→←3b2ω2c24k-bω2-2t2=cc-2ωa0-bcr24k-bω224φωc-ω8k-bc24k-bωc] （27）

[Tji]相減得證。故NS下，若[t]大于[t1]，[ t2]，企業(yè)和學研方的最優(yōu)決策為EL，反之最優(yōu)決策為RL；[t]過低會誤導企業(yè)的決策，導致收益的降低，動態(tài)影響其他創(chuàng)新主體。IS下，企業(yè)最優(yōu)決策為RL；學研方根據(jù)[ω]進行決策時，最劣決策均為NP，若[ω]小于[c/2]，則最優(yōu)決策為EL。

推論2 NS與IS下，存在[ω*]大于[ω]，分別有

[ΤELCNSgt;ΤRLCNS， " 0lt;ωlt;c2+2-1， " t1lt;t2ΤRLCNSgt;ΤELCNS， " c2+2-1lt;ω*lt;c， " t1gt;t2] （28）

[ΤRLCISgt;ΤELCIS， " ωlt;c/2] （29）

NS情景下，若[t]大于[t2]，創(chuàng)新價值鏈在EL下的收益最高，NP最低。反之，創(chuàng)新價值鏈的最優(yōu)策略為RL；IS情景下，若[ω]小于[c/2]，創(chuàng)新價值鏈的最優(yōu)策略為RL。

2.3 協(xié)同模式與數(shù)智化轉(zhuǎn)型策略

創(chuàng)新的動力源自基礎研發(fā)能力，學研方在創(chuàng)新價值鏈中擁有供給模式選擇的決策權(quán)。假設二者開展策略式博弈。

命題4 學研方策略空間為{EL，RL，NP}，企業(yè)為{NS，IS}。若[t]大于[t2]時，納什均衡為{EL，NS}，反之為{RL，NS}。

企業(yè)數(shù)智化轉(zhuǎn)型會減少收益，最優(yōu)策略是NS。[t]大于[t2]時，學研方選擇EL，反之選擇RL；[t]等于[t2]時，均衡不唯一，故引入混合策略博弈理論。基于理性視角，故學研方選擇NP、企業(yè)選擇IS的概率為0。設學研方選擇EL的概率為[α]，反之為（[1-α]）。

命題5 在企業(yè)和學研方參與的混合策略博弈中，學研方策略空間為{EL，RL，NP}，企業(yè)為{NS，IS}，當[t]等于[t2]時，混合策略納什均衡為[{（α*，1-α*，0），（1，0）}]，得

[α*=t2φ+16k2α1/α2t2φα5/α3+kα116k/α2+α3/α4 α1=a0-bcr2， " α2=8k-bc22α3=4k-bω2， " α4=4k-bωcα5=8k-bω2] （30）

學研方有[α*]的概率選擇EL，有[1-α*]的概率選擇RL?？紤][α*]表達式的復雜性，后文單獨分析。

2.4 數(shù)智化轉(zhuǎn)型激勵機制

由命題1可知，企業(yè)傾向NS，且只有RL下，企業(yè)在IS下，提高了創(chuàng)新價值鏈的收益，故基于RL構(gòu)建數(shù)智化轉(zhuǎn)型激勵機制，必須滿足：[TRLEIS]增加且大于[TRLENS]；[TRLRIS]大于[TRLRNS]；學研方和創(chuàng)新價值鏈的收益有效提高。借助討價還價理論構(gòu)建決策模型：

[maxΔRLE，ΔRLRu=δEδR=ΔRLEηEΔRLRηRs.t. "ΔRLE+ΔRLR=ΔRLC， " ΔRLEgt;0， " ΔRLRgt;0] （31）

式中：[δi]為效用函數(shù)，即[ΔRLiηi]；[ηi]為主體i的風險規(guī)避程度；[Δji]為激勵機制運行時模式j下主體i新增的價值。企業(yè)和學研方共享創(chuàng)新價值鏈的新增價值[ΔRLC]，決定雙方的分配；該機制下企業(yè)和學研方的收益分別為[TRLEIS+ηEΔRLC/ηE+ηR]和[TRLRIS-ΔRLCηR/]

[ηE+ηR]。

命題6 設企業(yè)與學研方的[η]相等，機制運行時，若[k]滿足式（32），則RL下，企業(yè)與學研方在IS下的收益均增加。

[bc2lt;4lt;klt;11+37/14bc2/4] （32）

由[ΔRLE]，[ΔRLR]和[VRLC/2]相等，與[VRLC]小于[VRLR]得證。機制能增加企業(yè)與學研方的收益，及企業(yè)選擇IS的意愿。后文中分析機制對數(shù)智化轉(zhuǎn)型和供給模式策略的影響。

命題7 激勵機制運行下，企業(yè)與學研方參與博弈，當[t]大于[max{t1，t2}]時，均衡為{EL，NS}；[t]小于[min{t1，t2}]且[ω]小于[c/2]時，存在[k*]小于[k]，使均衡為{RL，IS}。

由命題3與[TRLRIS]減[ΔRLE]和[TELRIS]可證。機制運行時，若[t]大于[max{t1，t2}]，EL是學研方的最優(yōu)策略；反之，當學研方的[ω]小于[c/2]且[k]大于[k*]時，均衡為{RL，IS}。故[t]較低時，機制會改變企業(yè)的數(shù)智化轉(zhuǎn)型決策。

3 算例分析

為進一步驗證命題且更直觀地觀察模型的變化，采用Python進行數(shù)值仿真，考察[t]、[k]、[ω]、[c]對各創(chuàng)新主體收益以及學研方選擇RL概率[1-α*]的影響。是否數(shù)智化轉(zhuǎn)型，分析過程類似，文中僅展示數(shù)智化轉(zhuǎn)型下的結(jié)果。設定[a0]為10，[cr]為5，[b]為0.7，[t]為0.7，[φ]為1，[c]為0.7，[ω]為0.5，[k]為5。

由圖2可知，[ t]不變時，[TGLCIS]總是最大，[TNPCIS]最小?？傮w而言，[ω]與[k]越高，各模式的收益就越低。由圖2a～c可知，GL與RL下，[k]較[ω]對創(chuàng)新價值鏈的負向影響更大。由圖2b～d可以得知，EL與NP下，[ω]較[k]對創(chuàng)新價值鏈的負向影響更大。因此[k]與[ω]顯著影響各創(chuàng)新主體對供給模式的決策，應采用GL提高供給效率。若為提高創(chuàng)新活力，采用市場主導的供給模式時，學研方應當避免過高的智能化成本，企業(yè)與技術(shù)供應商應避免過高的智能化價格。

由圖3a可知，當[t]越高時，[TjCIS]越高，表明企業(yè)數(shù)字化程度越高，正向影響EL、RL和NP的收益。由圖3b可知，當[c]小于1.2時，[TELCIS]大于[TRLCIS]，表明節(jié)約成本越低，學研方越應該采用EL，能讓創(chuàng)新價值鏈中的其他成員分擔研發(fā)成本，反之應采用RL。

由圖4a可知，RL下，隨著[c]的增加，[TRLCIS]越高，[k]會阻礙創(chuàng)新價值鏈收益的增長，阻礙力度隨著[c]的增加而增加。圖4b可知，[c]越高，[α*]越低，[k]越高，[α*]越高。這進一步說明再研發(fā)節(jié)約成本越高，且智能化努力成本越低，學研方采用RL進行關(guān)鍵共性技術(shù)研發(fā)的概率越大，企業(yè)相反。

4 結(jié)論

以數(shù)智技術(shù)對關(guān)鍵共性技術(shù)創(chuàng)新賦能為切入點，考慮數(shù)字技術(shù)、智能技術(shù)與先進制造業(yè)的融合度，基于創(chuàng)新價值鏈視角，構(gòu)建了先進制造企業(yè)數(shù)智化轉(zhuǎn)型的4種決策模型，比較了數(shù)智化轉(zhuǎn)型價值和創(chuàng)新收益在不同供給模式下的變化，得到了數(shù)智化轉(zhuǎn)型和關(guān)鍵共性技術(shù)協(xié)同創(chuàng)新博弈的納什均衡和轉(zhuǎn)型激勵機制，探究了數(shù)智技術(shù)對先進制造業(yè)創(chuàng)新的賦能作用以及企業(yè)數(shù)智化轉(zhuǎn)型對關(guān)鍵共性技術(shù)協(xié)同創(chuàng)新的影響。結(jié)果表明：1）新型舉國體制的整體收益最高，若無鏈長式協(xié)同平臺有效管控“轉(zhuǎn)型動蕩”，企業(yè)會拒絕自上而下式的數(shù)智化轉(zhuǎn)型；2）數(shù)字融合度和智能化成本正向影響創(chuàng)新收益，數(shù)智技術(shù)能潛移默化地促進先進制造業(yè)開展關(guān)鍵共性技術(shù)創(chuàng)新；3）數(shù)字融合度過低和智能障礙度過高都會改變企業(yè)和學研方創(chuàng)新的協(xié)同策略，使先進制造業(yè)鏈內(nèi)各主體產(chǎn)生利益沖突，從而引發(fā)關(guān)鍵共性技術(shù)“研發(fā)失靈”；4）數(shù)智化轉(zhuǎn)型激勵機制運行時，企業(yè)和學研方在智能化成本較低且智能障礙度較高情景下的預期收益會提高，而低智能化成本將推動數(shù)字化水平較低的企業(yè)開展數(shù)智化轉(zhuǎn)型。

參考文獻：

［1］ "張月月，王曉萍，馮仁光. 中國裝備制造企業(yè)跨越式升級的實現(xiàn)機制：數(shù)字技術(shù)賦能的邏輯與路徑［J/OL］. 科技進步與對策. http：//kns.cnki.net/kcms/detail/42.1224.G3.20221205.1653.016.html.

［2］ "李陽，唐玉潔. 基于專利信息的關(guān)鍵共性技術(shù)合作模式研究：以生物技術(shù)領(lǐng)域為例［J］. 科技進步與對策，2023，40（17）：67-77.

［3］ "胡凱，謝芬，楊濱瑜，等. 基于專利文本挖掘的產(chǎn)業(yè)關(guān)鍵共性技術(shù)識別與應用研究［J］. 科技管理研究，2023，43（8）：21-31.

［4］ "張健，張威，趙宇虹. 戰(zhàn)略性新興產(chǎn)業(yè)共性技術(shù)創(chuàng)新中的市場失靈與政府作用研究［J］. 科技管理研究，2017，37（10）：35-41.

［5］ "Chen Y. Research on Collaborative Innovation of Key Com-mon Technologies in New Energy Vehicle Industry Based on Digital Twin Technology［J］. Energy Reports，2022，8：15399–15407.

［6］ "陳劍，劉運輝. 數(shù)智化使能運營管理變革：從供應鏈到供應鏈生態(tài)系統(tǒng)［J］. 管理世界，2021（11）：227-240.

［7］ "周翔，葉文平，李新春. 數(shù)智化知識編排與組織動態(tài)能力演化：基于小米科技的案例研究［J］. 管理世界，2023，39（1）：138-157.

［8］ "張昊，劉德佳. 數(shù)字化發(fā)展對先進制造企業(yè)服務創(chuàng)新的影響研究：基于企業(yè)動態(tài)能力視角［J］. 中國軟科學，2023（3）：150-161.

［9］ "李保林，王娟茹，楊麗華. 多元主體參與的產(chǎn)業(yè)共性技術(shù)協(xié)同創(chuàng)新博弈模型［J］. 科技管理研究，2017，37（9）：8-14.

［10］ "葛爽，柳卸林. 我國關(guān)鍵核心技術(shù)組織方式與研發(fā)模式分析：基于創(chuàng)新生態(tài)系統(tǒng)的思考［J］. 科學學研究，2022，40（11）：2093-2101.

［11］ "陳旭，焦楷，王鵬飛. 從場景到生態(tài)：服務型制造的企業(yè)運營管理變革［J］. 工程管理科技前沿，2022，41（1）：82-89.

［12］ "聶佳佳. 零售商信息分享對閉環(huán)供應鏈回收模式的影響［J］. 管理科學學報，2013，16（5）：69-82.

［13］ "彭峰，李燕萍. 技術(shù)轉(zhuǎn)移方式、自主研發(fā)與高技術(shù)產(chǎn)業(yè)技術(shù)效率的關(guān)系研究［J］. 科學學與科學技術(shù)管理，2013，34（5）：44-52.

［14］ "Savaskan R C，Van Wassenhove L N. Reverse Channel Design：The Case of Competing Retailers［J］. Management Science，2006，52（1）：1-14.