知識重組對高技術(shù)企業(yè)創(chuàng)新績效的影響機制研究

摘要： 創(chuàng)新是高技術(shù)企業(yè)核心能力提升的關(guān)鍵動力，而知識重組在提升創(chuàng)新績效過程中發(fā)揮了重要作用，但現(xiàn)有研究并未充分探究知識重組對創(chuàng)新績效的影響機制。本文構(gòu)建了知識重組對創(chuàng)新績效的影響機制模型，討論了關(guān)系動態(tài)性的中介作用和知識網(wǎng)絡(luò)分解性的調(diào)節(jié)作用，采用2000—2019年436家A股上市高技術(shù)企業(yè)財務(wù)、專利和聯(lián)盟數(shù)據(jù)進行實證分析。結(jié)果表明：重組創(chuàng)造不僅能直接促進創(chuàng)新績效，亦能推動關(guān)系拓展間接提升創(chuàng)新績效；重組復(fù)用與創(chuàng)新績效的關(guān)系呈倒U形，且關(guān)系穩(wěn)定性部分中介了重組復(fù)用對創(chuàng)新績效的影響；知識網(wǎng)絡(luò)分解性強化了重組創(chuàng)造與創(chuàng)新績效的正相關(guān)關(guān)系，且對重組復(fù)用與創(chuàng)新績效的倒U形關(guān)系有正向調(diào)節(jié)作用。本文完善了知識重組對創(chuàng)新績效的影響機制，對高技術(shù)企業(yè)協(xié)調(diào)內(nèi)外部資源實現(xiàn)重組創(chuàng)新具有現(xiàn)實指導(dǎo)意義。

關(guān)鍵詞：知識重組；創(chuàng)新績效；關(guān)系擴張性；關(guān)系穩(wěn)定性；知識網(wǎng)絡(luò)分解性

中圖分類號：F270 文獻標(biāo)識碼：A

0 引言

隨著創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的深入推進，知識和技術(shù)密集性強的高技術(shù)企業(yè)與其他行業(yè)的協(xié)同性不斷提升，逐步成為擺脫國外關(guān)鍵技術(shù)封鎖，實現(xiàn)產(chǎn)業(yè)技術(shù)跨越，提升國家自主創(chuàng)新能力的重要載體。在新一輪科技革命浪潮下，面對復(fù)雜多變的產(chǎn)業(yè)格局，高新技術(shù)企業(yè)培育核心競爭力必須注重強化自主創(chuàng)新能力，提升知識產(chǎn)權(quán)創(chuàng)造水平。知識作為關(guān)鍵的技術(shù)創(chuàng)新資源，在企業(yè)創(chuàng)新過程中發(fā)揮著基礎(chǔ)性作用，如何迅速獲取和應(yīng)用內(nèi)外部知識，為高技術(shù)企業(yè)傾注更多的創(chuàng)新動力一直是知識經(jīng)濟時代業(yè)界和學(xué)界探討的焦點。

SCHUMPETER[1]認(rèn)為創(chuàng)新是以新的方式組合現(xiàn)有生產(chǎn)要素或者包含新的組合?；诖?，知識基礎(chǔ)觀下的創(chuàng)新源自知識元素的重新組合[2]，每項技術(shù)發(fā)明都是已有知識要素之間耦合關(guān)系的重構(gòu)。自此，學(xué)術(shù)界愈發(fā)關(guān)注知識重組對企業(yè)創(chuàng)新的重要意義。根據(jù)重組涉及的知識范圍，現(xiàn)有研究主要從企業(yè)內(nèi)部和知識空間兩個視角探討知識重組與創(chuàng)新績效的關(guān)系。①關(guān)注企業(yè)內(nèi)部知識的研究認(rèn)為，重組發(fā)生在企業(yè)過去積累的知識之中，集中表現(xiàn)為舊知識組合的再利用和舊知識間新知識組合的創(chuàng)造[3]，并對專利數(shù)量[4]和新產(chǎn)品開發(fā)績效[5]有顯著的積極影響。②在此基礎(chǔ)上，將重組范圍擴大到整個知識空間的研究認(rèn)為，創(chuàng)新是現(xiàn)存技術(shù)知識的融合，企業(yè)外部的新知識也應(yīng)屬于創(chuàng)造新組合的素材[6]，進而擴大了知識重組的內(nèi)涵邊界。部分學(xué)者援引知識搜索與雙元性的觀點[7]，認(rèn)為知識重組是企業(yè)搜索內(nèi)外部知識，吸收有價值的知識元素，采取新的方式對這些元素或元素間的組合進行再配置，從而啟發(fā)后續(xù)創(chuàng)新過程的創(chuàng)意來源[8]。與第一種視角相比，這種觀點下的知識重組模糊了組織邊界，聚焦構(gòu)成創(chuàng)新的基本單元，其搜索和組合的知識更具跨界性和深遠(yuǎn)性，也更符合開放式創(chuàng)新背景下的研發(fā)實踐，可能對企業(yè)創(chuàng)新績效產(chǎn)生更深刻的影響[9]。然而，基于該視角對知識重組與創(chuàng)新績效關(guān)系的探究并不多見。隨著技術(shù)跨界、多學(xué)科知識融合的趨勢在創(chuàng)新過程中越來越明顯[6]，僅靠自有知識產(chǎn)權(quán)的重組，高技術(shù)企業(yè)往往難以保持創(chuàng)新動能。例如，諾基亞過于依賴Symbian系統(tǒng)，固守傳統(tǒng)技術(shù)理念，缺乏對新興技術(shù)知識的融合，無法實現(xiàn)革命性創(chuàng)新以應(yīng)對手機消費升級，最終被市場淘汰；相反，蘋果公司在自主研發(fā)設(shè)計操作系統(tǒng)、芯片和硬件的同時，積極吸收和重組跨行業(yè)知識，通過App Store平臺與全球開發(fā)者合作，共同打造豐富的應(yīng)用生態(tài)系統(tǒng)，成為全球科技巨頭。因此，將注意力轉(zhuǎn)向知識空間而非局限于企業(yè)內(nèi)部知識基礎(chǔ)，深入探究內(nèi)外部知識元素的組合特征對企業(yè)創(chuàng)新的影響機制愈發(fā)重要。為解決這一問題，本文借鑒了CARNABUCI和OPERTI[3]以及LUO等[7]對知識重組的定義，認(rèn)為知識重組是企業(yè)在知識空間內(nèi)搜索有創(chuàng)新潛力的目標(biāo)元素，以新的方式重新組合這些元素或者元素間的組合的過程，可以劃分為重組創(chuàng)造與重組復(fù)用。重組創(chuàng)造是指使用新的知識組合產(chǎn)生想法，包括從未聯(lián)系過的兩種舊知識之間的組合、兩種新知識之間的組合以及新舊知識之間的組合。重組復(fù)用是指在新的技術(shù)思維中再次使用以前的組合經(jīng)驗，只涉及舊知識組合的再利用。與重組創(chuàng)造相比，重組復(fù)用更簡單，風(fēng)險和成本更低，但也可能使企業(yè)更快面臨技術(shù)瓶頸；相反，重組創(chuàng)造雖然需要耗費大量資源，但會為企業(yè)贏得更多的技術(shù)紅利，提高持續(xù)創(chuàng)新能力。本質(zhì)上，知識重組的不同維度既是企業(yè)落實雙元創(chuàng)新戰(zhàn)略的具體操作手段和策略，也是一項技術(shù)創(chuàng)新的出發(fā)點[10]，規(guī)定了后續(xù)研發(fā)路線和資源配置計劃。因此，系統(tǒng)分析重組創(chuàng)造和重組復(fù)用兩個角度對創(chuàng)新績效差異化影響機制，有利于從微觀知識創(chuàng)造層面幫助企業(yè)做出理性的研發(fā)選擇。

企業(yè)提升創(chuàng)新績效不僅需要從外部搜索新的知識和信息[11]，也需要充分利用已有知識基礎(chǔ)來獲得靈感[3]?；诖?，社會網(wǎng)絡(luò)相關(guān)研究指出，企業(yè)的創(chuàng)新活動同時嵌于兩類資源網(wǎng)絡(luò)，即組織間合作網(wǎng)絡(luò)和組織內(nèi)部知識網(wǎng)絡(luò)[2]。一方面，網(wǎng)絡(luò)動態(tài)理論的核心觀點認(rèn)為組織間靜態(tài)的合作關(guān)系為企業(yè)提供的資源優(yōu)勢是暫時的，維持優(yōu)勢的關(guān)鍵在于企業(yè)能動地調(diào)整網(wǎng)絡(luò)關(guān)系以占據(jù)和擴大資源渠道[12]。學(xué)者們將合作網(wǎng)絡(luò)關(guān)系調(diào)整的結(jié)果和狀態(tài)定義為關(guān)系動態(tài)性[13]，集中體現(xiàn)為關(guān)系擴張性和關(guān)系穩(wěn)定性2個方面，其傳輸?shù)漠愘|(zhì)性信息流將顯著影響創(chuàng)新績效。關(guān)系動態(tài)性通常受到企業(yè)彌合知識缺口的意圖驅(qū)動[14]，當(dāng)企業(yè)內(nèi)部經(jīng)驗無法滿足發(fā)展重組產(chǎn)生的技術(shù)想法時發(fā)揮作用。例如，寧德時代近年來為了解決在新型儲能、動力電池和充換電等領(lǐng)域的技術(shù)難題，提升持續(xù)創(chuàng)新能力，不斷整合關(guān)系資源，調(diào)整戰(zhàn)略聯(lián)盟組合，以更好地轉(zhuǎn)化外部技術(shù)優(yōu)勢。部分研究表明，企業(yè)戰(zhàn)略行為會驅(qū)動網(wǎng)絡(luò)關(guān)系變化[15]，使其能夠在避免過多關(guān)系協(xié)調(diào)成本的前提下減少知識盲區(qū)，滿足知識需求。本文認(rèn)為由于實現(xiàn)最終的創(chuàng)新成果需根據(jù)知識重組繪制技術(shù)藍(lán)圖，獲取和吸收相關(guān)外部知識[16]，這將會影響企業(yè)對合作關(guān)系的權(quán)衡。具體表現(xiàn)為不同的知識重組選擇與水平可能導(dǎo)致外部知識搜索行為，引發(fā)關(guān)系動態(tài)并推動目標(biāo)知識跨組織流動，從而實現(xiàn)知識創(chuàng)造目標(biāo)，提升企業(yè)創(chuàng)新績效。同時，鑒于現(xiàn)有文獻大多關(guān)注知識重組對創(chuàng)新績效的直接影響，有必要從關(guān)系動態(tài)性的角度深入討論知識重組影響高技術(shù)企業(yè)創(chuàng)新績效的間接路徑。

另一方面，根據(jù)知識基礎(chǔ)理論，內(nèi)部知識網(wǎng)絡(luò)涵蓋了組織記憶布局及存儲的決策信息，其結(jié)構(gòu)反映了組織信念、經(jīng)驗慣例和知識互動模式[17]，影響企業(yè)使用現(xiàn)有知識來創(chuàng)造新機遇的方式。基于此，現(xiàn)有文獻從知識網(wǎng)絡(luò)結(jié)構(gòu)特征視角出發(fā)，廣泛探討了結(jié)構(gòu)洞、中心度、凝聚性、分解性等的創(chuàng)新效應(yīng)[2]。其中，不同于其他知識網(wǎng)絡(luò)結(jié)構(gòu)特征，分解性不僅影響了企業(yè)創(chuàng)新的投入和結(jié)果，也決定了企業(yè)知識搜尋范圍和重組潛力的大小[4]。在本文中，分解性是指知識網(wǎng)絡(luò)中的知識元素相互耦合或者相互隔離在單個知識集群中的程度，企業(yè)積累和應(yīng)用知識的過程可集中體現(xiàn)為知識網(wǎng)絡(luò)從結(jié)構(gòu)的不可分解到完全分解的連續(xù)變化[18]。在不可分解的知識網(wǎng)絡(luò)中，知識元素?fù)碛袕V泛的強耦合關(guān)系，不存在知識集群，很難從中提取特定知識組合生成新想法。隨著知識網(wǎng)絡(luò)逐漸可分解，整個網(wǎng)絡(luò)由不同的知識集群構(gòu)成，集群內(nèi)部遍布知識元素的強聯(lián)系，而集群之間的聯(lián)系較弱或無聯(lián)系，這為企業(yè)在深耕集群內(nèi)部專業(yè)知識領(lǐng)域的同時，識別跨集群的重組機會和產(chǎn)生新知識創(chuàng)造了條件[4]。已有文獻在理論層面普遍認(rèn)為知識網(wǎng)絡(luò)分解性能為重組活動提供方向和支撐，是提升創(chuàng)新績效過程中的重要內(nèi)部資源情境，但缺乏分析知識網(wǎng)絡(luò)分解性如何調(diào)節(jié)知識重組創(chuàng)新效能的研究。

綜上所述，本文基于知識基礎(chǔ)理論與網(wǎng)絡(luò)動態(tài)理論，以關(guān)系動態(tài)性為中介，知識網(wǎng)絡(luò)分解性為邊界條件，結(jié)合2000—2019年中國A股上市高技術(shù)企業(yè)數(shù)據(jù)，實證分析知識重組對高技術(shù)企業(yè)創(chuàng)新績效的影響機制模型。通過以上工作，本文的邊際貢獻如下：豐富知識重組與企業(yè)創(chuàng)新關(guān)系研究，從關(guān)系動態(tài)的角度打開知識重組影響創(chuàng)新績效的“黑箱”，完善重組創(chuàng)新過程中的內(nèi)部資源情境，也為高技術(shù)企業(yè)在知識重組過程中調(diào)整研發(fā)合作策略，提高創(chuàng)新水平提供借鑒。

1 理論基礎(chǔ)與研究假設(shè)

1.1 知識重組與高技術(shù)企業(yè)創(chuàng)新

處于復(fù)雜多變的技術(shù)環(huán)境中，高技術(shù)企業(yè)通過組合現(xiàn)有離散知識形成新知識聯(lián)系，能夠增強對新組合的理解和捕捉潛在創(chuàng)新機會，鼓勵它們嘗試新的技術(shù)推理模式并實施新技術(shù)方案[4]，改善對創(chuàng)新成果的預(yù)期。高技術(shù)企業(yè)探索已有知識空間的能力越強，越有可能規(guī)避技術(shù)鎖定，從而構(gòu)建獨特的知識庫并提升核心創(chuàng)新優(yōu)勢。同時，在原有知識新組合創(chuàng)造中積累的豐富經(jīng)驗也為高技術(shù)企業(yè)搜索內(nèi)部知識提供了便利，提升對新組合有效性的預(yù)測能力，強化組合新（舊）知識的能力。新舊知識的重組能夠創(chuàng)造競爭對手難以模仿的新技術(shù)或者知識重組邏輯，因為關(guān)于知識如何重組的“架構(gòu)型知識”通常具有隱性特征[19]，產(chǎn)生這類知識需要反復(fù)試驗和不斷試錯，且不容易被復(fù)制。此外，新舊知識或新知識之間的協(xié)同能夠幫助高技術(shù)企業(yè)進入新的技術(shù)領(lǐng)域，拓展創(chuàng)新邊界。一方面，高技術(shù)企業(yè)能夠以原有知識切入點，逐步提升新技術(shù)領(lǐng)域的研發(fā)能力，不僅確保了研發(fā)效率，也有助于產(chǎn)生新穎性技術(shù)成果[20]。例如，比亞迪將傳統(tǒng)電池技術(shù)研發(fā)經(jīng)驗與材料科學(xué)知識相結(jié)合，不斷優(yōu)化動力電池材料的配比和結(jié)構(gòu)，從而創(chuàng)造出續(xù)航久和使用壽命長的“刀片電池”。另一方面，新知識的引入與全新組合的產(chǎn)生豐富了知識多樣性，提高了新知識組合出現(xiàn)的概率，提升了高技術(shù)企業(yè)跨技術(shù)領(lǐng)域的搜索能力。例如，百度將搜索技術(shù)與人工智能最新算法結(jié)合，推出了更精確智能化搜索服務(wù)?；诖耍岢鋈缦录僭O(shè)。

H1a 重組創(chuàng)造正向影響高技術(shù)企業(yè)創(chuàng)新績效。

相比于其他行業(yè)企業(yè)，高昂的試錯成本、更多的不確定性以及如何在技術(shù)快速迭代中取得優(yōu)勢，是高技術(shù)企業(yè)在創(chuàng)新時必須考慮的問題，重復(fù)利用已有知識組合通常是其重要的研發(fā)途徑。重組復(fù)用在降低創(chuàng)新風(fēng)險，節(jié)約研發(fā)成本，提高創(chuàng)新效率方面效果顯著。高技術(shù)企業(yè)由于在利用原有知識組合方面積累了大量經(jīng)驗，降低了在研發(fā)中犯錯的概率而提高了結(jié)果的可靠性[21]，它們清楚如何正確協(xié)調(diào)和重新配置過時的組合，從而產(chǎn)生新的替代組合。例如，在開發(fā)智能家居產(chǎn)品時，海爾會充分借鑒其在傳統(tǒng)家電制造中積累的產(chǎn)品設(shè)計、制造工藝以及用戶體驗等方面的經(jīng)驗，來提高技術(shù)穩(wěn)定性。重組復(fù)用也深化了高技術(shù)企業(yè)對內(nèi)部知識優(yōu)缺點和知識組合中固有的復(fù)雜聯(lián)系及其適用情形的認(rèn)知[22]，從而優(yōu)化創(chuàng)新安排以進行有效的技術(shù)布局。然而，舊知識組合的反復(fù)利用最終會耗盡其重組價值，過度依賴重組復(fù)用將導(dǎo)致邊際產(chǎn)出快速減少，增加了技術(shù)同質(zhì)性和冗余性，使后續(xù)的知識搜索道路變得更加“崎嶇”。過高的重組復(fù)用還將使高技術(shù)企業(yè)陷入“能力陷阱”[23]，難以跳脫內(nèi)部知識搜索的思維定式，缺乏學(xué)習(xí)新知識的動力和“NIH綜合征”[24]，最終導(dǎo)致創(chuàng)新水平低下（例如，柯達(dá)公司執(zhí)著發(fā)展傳統(tǒng)膠片相機技術(shù)，忽視了數(shù)碼相機市場機遇，致使其錯失創(chuàng)新良機，在新一輪市場競爭中落敗）?；诖?，提出如下假設(shè)。

H1b 重組復(fù)用對高技術(shù)企業(yè)創(chuàng)新績效有倒U形影響。

1.2 關(guān)系動態(tài)性的中介作用

組織資源的有限性以及創(chuàng)新過程的高風(fēng)險性，決定了高技術(shù)企業(yè)通常無法憑借自有知識走出研發(fā)困境，必須通過合作關(guān)系擴張和穩(wěn)定來滿足特定資源需求，從而保證已有知識產(chǎn)權(quán)能夠有效轉(zhuǎn)化為新的技術(shù)優(yōu)勢。一方面，關(guān)系擴張性使企業(yè)接觸到新的知識和信息，拓寬知識邊界，有利于鍛煉高技術(shù)企業(yè)獲取和吸收異質(zhì)性知識的能力，開展跨領(lǐng)域知識搜索以滿足對新知識的需求（例如，與國內(nèi)傳統(tǒng)車企保持長期戰(zhàn)略合作的同時，長盈精密還積極與新能源車企開展合作，不斷強化動力電池領(lǐng)域的持續(xù)研發(fā)能力）。而即便沒有獲取新知識和異質(zhì)性資源，新合作伙伴的加入也會動搖內(nèi)部研發(fā)者的技術(shù)開發(fā)認(rèn)知[25]，利于高技術(shù)企業(yè)重塑和優(yōu)化創(chuàng)新流程，提高創(chuàng)新產(chǎn)出。另一方面，維持與原有伙伴的關(guān)系對高技術(shù)企業(yè)創(chuàng)新也至為重要。高技術(shù)企業(yè)的技術(shù)體系通常較為復(fù)雜，首次或短期合作不僅難以有效轉(zhuǎn)移隱性知識，還可能造成認(rèn)知沖突。相反，穩(wěn)定持續(xù)的合作關(guān)系能夠增進組織間的技術(shù)共識和信任[13]，縮短認(rèn)知差距，彌補隱性知識缺口，提高合作創(chuàng)新產(chǎn)出（例如，海正藥業(yè)通過派遣員工到上海醫(yī)藥工業(yè)研究院（SIPI）培訓(xùn)的形式，與SIPI進行深度產(chǎn)學(xué)研合作，顯著改進了麻黃素產(chǎn)品的技術(shù)工藝）。因此，本文認(rèn)為關(guān)系擴張性與穩(wěn)定性均利于提升高技術(shù)企業(yè)創(chuàng)新績效。

網(wǎng)絡(luò)動態(tài)是企業(yè)戰(zhàn)略追求和資源需求驅(qū)動的結(jié)果，重組創(chuàng)造將推動關(guān)系擴張[15]。高技術(shù)企業(yè)組合新知識或新舊知識的水平越高，越會對組織外部知識抱有開放的態(tài)度，并在合作網(wǎng)絡(luò)中搜尋新知識資源，從而更可能通過研發(fā)聯(lián)盟的形式獲取發(fā)展創(chuàng)意所需的網(wǎng)絡(luò)知識。同時，重組創(chuàng)造水平越高，表明企業(yè)有效識別外部知識的能力越強，通常也意味著企業(yè)在吸收伙伴知識方面具有更強的靈活性，這鼓勵企業(yè)與更多網(wǎng)絡(luò)成員建立聯(lián)系。另一方面，當(dāng)重組創(chuàng)造水平比較高時，高技術(shù)企業(yè)可能擁有獨特的知識庫優(yōu)勢[26]，這對其他網(wǎng)絡(luò)成員具有吸引力。因為在探索新知識組合方面付出高水平努力的企業(yè)，會被認(rèn)為是尋找創(chuàng)新問題解決方案的合作標(biāo)桿，而不是尋求“搭便車”的機會主義者[11]，潛在伙伴更有興趣與之合作。重組創(chuàng)造要求高技術(shù)企業(yè)不僅要聚焦原有知識間的新組合，還要注重引入新知識，建立新舊知識和新知識組合。作為獲取外部知識的重要渠道，新的合作關(guān)系作為高技術(shù)企業(yè)為發(fā)展重組創(chuàng)造繪制的技術(shù)路線而發(fā)揮主觀能動性的結(jié)果，其產(chǎn)生的異質(zhì)性知識流有利于產(chǎn)生創(chuàng)造性技術(shù)。而缺乏新的聯(lián)系可能導(dǎo)致創(chuàng)意“難產(chǎn)”，無法實現(xiàn)創(chuàng)新目標(biāo)，因為內(nèi)部經(jīng)驗可能難以支撐高技術(shù)企業(yè)進入新技術(shù)領(lǐng)域[27]。基于此，本文認(rèn)為關(guān)系擴張性與重組創(chuàng)造正相關(guān)，且在重組創(chuàng)造與高技術(shù)企業(yè)創(chuàng)新的關(guān)系中可能發(fā)揮了傳遞作用，故提出如下假設(shè)。

H2a 關(guān)系擴張性中介了重組創(chuàng)造對高技術(shù)企業(yè)創(chuàng)新績效的影響。

重視對已有知識組合的利用則主要影響高技術(shù)企業(yè)對原有合作關(guān)系的態(tài)度。當(dāng)重組復(fù)用水平較低時，高技術(shù)企業(yè)更傾向探索新知識組合，而原有合作關(guān)系無法有效提供新的知識元素，企業(yè)更希望與新的伙伴建立聯(lián)系，導(dǎo)致合作關(guān)系的穩(wěn)定性較弱。然而，隨著重組復(fù)用水平的提升，會產(chǎn)生改進型創(chuàng)意和想法，這種以效率為導(dǎo)向的技術(shù)思路需要高技術(shù)企業(yè)在與伙伴的持續(xù)溝通中轉(zhuǎn)移有關(guān)隱性知識。例如，WU等[28]認(rèn)為實施利用式創(chuàng)新策略的企業(yè)更希望與伙伴保持穩(wěn)定的強聯(lián)系，而HERNANDEZ和ME‐NON[15]也指出追求開發(fā)式目標(biāo)的企業(yè)更希望通過穩(wěn)定的合作關(guān)系實現(xiàn)高水平的溝通。此外，隨著重組復(fù)用水平提高，高技術(shù)企業(yè)對不確定性更為敏感，為避免額外的創(chuàng)新風(fēng)險和關(guān)系成本，更愿意與現(xiàn)有伙伴保持聯(lián)系。然而，當(dāng)重組復(fù)用水平超出一定范圍時，也可能對關(guān)系穩(wěn)定性產(chǎn)生不利影響。此時，高技術(shù)企業(yè)由于能夠從合作研發(fā)中快速實現(xiàn)隱性知識轉(zhuǎn)移，短期內(nèi)會降低對伙伴知識的期望，舊合作關(guān)系將轉(zhuǎn)變?yōu)槿哂嚓P(guān)系，這增加了高技術(shù)企業(yè)退出研發(fā)合作的概率[29]；對合作方而言，當(dāng)察覺到對方具備較強的知識轉(zhuǎn)移能力時，為防止核心知識進一步流失，也可能主動終止合作。因此，相較于較低和較高水平的重組復(fù)用，適度水平的重組復(fù)用更有利于合作關(guān)系的穩(wěn)定。重組復(fù)用強調(diào)改進技術(shù)工藝，拓展原有知識組合的應(yīng)用情境，降低研發(fā)不確定性以提升創(chuàng)新效率，其中所需的隱性知識需要從持續(xù)的合作溝通中獲取。高技術(shù)企業(yè)重組復(fù)用知識的方式能夠通過穩(wěn)定的合作關(guān)系加以改進，由此增加技術(shù)適用情境，獲得持續(xù)創(chuàng)新產(chǎn)出。而當(dāng)因過度強化重組復(fù)用，導(dǎo)致原有合作關(guān)系斷裂時，高技術(shù)企業(yè)的搭便車行為可能影響網(wǎng)絡(luò)聲譽，阻礙其持續(xù)獲取隱性知識，最終抑制了創(chuàng)新績效提升?；诖?，提出如下假設(shè)。

H2b 關(guān)系穩(wěn)定性中介了重組復(fù)用對高技術(shù)企業(yè)創(chuàng)新績效的影響。

1.3 知識網(wǎng)絡(luò)分解性的調(diào)節(jié)作用

強分解性的知識網(wǎng)絡(luò)兼具專業(yè)性和探索性[18]。一方面，各知識集群代表了專業(yè)知識模塊，在創(chuàng)新過程中只需理解各集群的整體含義[30]，使高技術(shù)企業(yè)能夠并行處理和使用模塊化的知識，這將加快重組創(chuàng)造的速度，提高技術(shù)創(chuàng)新效率。另一方面，知識集群之間較少的聯(lián)系提供了多種探索機會，而由于對各集群內(nèi)的知識有深度理解，高技術(shù)企業(yè)能夠根據(jù)知識依存關(guān)系更準(zhǔn)確地識別哪些跨集群的組合機會值得挖掘，利于降低重組創(chuàng)造的不確定性，獲得更多創(chuàng)新產(chǎn)出。相反，弱分解性的知識網(wǎng)絡(luò)則不利于重組創(chuàng)造。弱分解性意味著知識元素之間已經(jīng)形成深度依存關(guān)系，探索新的知識組合將更為困難和復(fù)雜。當(dāng)企業(yè)研發(fā)者考慮新增知識組合時，不僅要研究目標(biāo)知識元素之間耦合的可能性，更要關(guān)注一系列與目標(biāo)知識連接的其他知識元素是否會發(fā)生改變，這將大大增加搜索成本，降低創(chuàng)造新知識組合的效能?；诖耍岢鋈缦录僭O(shè)。

H3a 知識網(wǎng)絡(luò)分解性正向調(diào)節(jié)重組創(chuàng)造對高技術(shù)企業(yè)創(chuàng)新績效的影響。

與對重組創(chuàng)造的影響不同，知識網(wǎng)絡(luò)分解性主要通過提供專業(yè)化、模塊化知識影響高技術(shù)企業(yè)重組復(fù)用的創(chuàng)新效果。當(dāng)分解性較強時，知識集聚中的知識存在強聯(lián)系，對于集聚內(nèi)知識之間的聯(lián)系所代表的具體技術(shù)功能和功效，高技術(shù)企業(yè)研發(fā)者有豐富經(jīng)驗和清晰認(rèn)知，即便重組復(fù)用水平較低，在復(fù)用這類聯(lián)系時存在的風(fēng)險也不高，利于研發(fā)者準(zhǔn)確地做出創(chuàng)新決策，降低篩選更優(yōu)組合的困難，保證創(chuàng)新進程有序推進，提升創(chuàng)新效率和創(chuàng)新成果的有用性[18]。而較高水平的重組復(fù)用的消極影響在強知識網(wǎng)絡(luò)分解性的作用下也更為明顯。由于強分解性的知識網(wǎng)絡(luò)缺乏跨集群的強知識聯(lián)系，這將“助長”高技術(shù)企業(yè)知識搜索的短視行為。通常知識網(wǎng)絡(luò)集群屬于內(nèi)部不同的研發(fā)部門[4]，知識聚集之間缺乏強聯(lián)系意味著知識跨部門流動較少，內(nèi)部研發(fā)者更容易陷入局部技術(shù)鎖定，無法獲取其他有效的知識組合信息，最終降低新技術(shù)產(chǎn)出。因此，知識網(wǎng)絡(luò)分解性對重組復(fù)用與創(chuàng)新績效的關(guān)系有強化作用，當(dāng)重組復(fù)用水平較低時，高分解性的知識網(wǎng)絡(luò)會降低技術(shù)選擇和復(fù)用的難度，保證創(chuàng)新效率；當(dāng)重組復(fù)用水平較高時，高分解性的知識網(wǎng)絡(luò)將加劇局部搜索傾向和路徑依賴，不利于提升高技術(shù)企業(yè)創(chuàng)新產(chǎn)出?；诖?，提出如下假設(shè)。

H3b 知識網(wǎng)絡(luò)分解性正向調(diào)節(jié)重組復(fù)用對高技術(shù)企業(yè)創(chuàng)新績效的影響。

綜上所述，本文所提出的研究模型如圖1所示。

2 研究設(shè)計

2.1 樣本選擇與數(shù)據(jù)來源

本文參照《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類2017》中的行業(yè)劃分，以醫(yī)藥、航空航天器、電子及通信設(shè)備、電子計算機及辦公設(shè)備、醫(yī)療設(shè)備及儀器儀表、信息化學(xué)品等6類制造業(yè)企業(yè)為研究對象，主要考慮到兩方面原因：一是這類企業(yè)通常借助頻繁的研發(fā)活動和專利保護來提升行業(yè)競爭力，為驗證研究模型提供了數(shù)據(jù)支撐；二是面臨跨領(lǐng)域知識融合趨勢日顯、技術(shù)快速迭代和市場競爭加劇，如何有效重組現(xiàn)有行業(yè)知識，并整合企業(yè)內(nèi)外部網(wǎng)絡(luò)資源，以實現(xiàn)創(chuàng)新績效提升，對它們的生存發(fā)展尤為關(guān)鍵[31]。數(shù)據(jù)搜集過程如下。首先，按照相關(guān)行業(yè)代碼從國泰安數(shù)據(jù)庫獲取企業(yè)的初步名單，結(jié)合網(wǎng)上公開數(shù)據(jù)（天眼查、企查查和公司官網(wǎng)等）匯總企業(yè)的曾用名和全稱。其次，從國泰安數(shù)據(jù)庫獲取2000—2019年企業(yè)基本信息（企業(yè)規(guī)模、企業(yè)年齡、企業(yè)性質(zhì)、成立時間、研發(fā)投入等），并獲取巨潮資訊網(wǎng)披露的年度報告和招股說明書以完善有關(guān)信息。然后，本文將專利數(shù)據(jù)的時間跨度設(shè)置為25年，使用企業(yè)全稱和曾用名從智慧芽專利數(shù)據(jù)庫獲取1996—2020年的專利數(shù)據(jù)，并與企業(yè)基本信息進行匹配。最后，由于部分企業(yè)在有些年份并未聯(lián)合申請專利，為避免遺漏其他類型的研發(fā)合作，在檢索巨潮資訊網(wǎng)披露的各企業(yè)的戰(zhàn)略聯(lián)盟公告的同時，編寫爬蟲程序搜集網(wǎng)絡(luò)公開發(fā)布的聯(lián)盟合作數(shù)據(jù)，包括聯(lián)盟成立時間、合作方（不包括銀行、保險公司、證券公司等金融機構(gòu)）、合作期限（對于未披露具體期限的，假定合作期限為5年）、合作進展（終止、續(xù)約、失敗等）、合同內(nèi)容等，提取了2 198條涉及研發(fā)合作的信息，涵蓋了95%的樣本企業(yè)。為保證研究可靠性，對數(shù)據(jù)進行預(yù)處理：剔除企業(yè)年齡小于1的公司；剔除所有年份未進行合作研發(fā)或連續(xù)申請專利不滿6年的企業(yè)；剔除部分ST及*ST的公司。最終獲取了涵蓋2000—2019年2 744個觀測值的非平衡面板數(shù)據(jù)，共涉及436家上市企業(yè)。

2.2 變量測量

2.2.1 被解釋變量 創(chuàng)新績效（IP）采用專利申請數(shù)量衡量，考慮專利申請存在滯后性，以及外觀設(shè)計專利披露信息較少，無法有效指征企業(yè)實質(zhì)創(chuàng)新成果。因此，本文選擇第t+1年企業(yè)申請的實用新型和發(fā)明專利數(shù)量作為第t年的創(chuàng)新績效。

2.2.2 解釋變量 借鑒CARNABUCI和OPERTI[3]、VERHOEVEN等[32]的方法，使用專利IPC小類作為知識元素，而非專利后向引用情況，避免各企業(yè)研發(fā)戰(zhàn)略偏向的影響。具體而言，知識組合以不同知識元素在同一專利中的共現(xiàn)數(shù)量衡量；判斷第t年企業(yè)申請的所有專利中的知識組合是否在t-5至t-1年出現(xiàn)，若兩兩知識元素的組合首次出現(xiàn)，涉及新知識間的組合、新舊知識的組合以及舊知識間的新組合中的任一種，則該類組合為重組創(chuàng)造（KRC），若兩兩知識元素的組合已出現(xiàn)，則為重組復(fù)用（KRR）；分別計算兩類組合在第t年所有知識組合中所占比重，作為第t年的重組創(chuàng)造和重組復(fù)用。

2.2.3 中介變量 現(xiàn)有研究普遍認(rèn)為企業(yè)之間的合作持續(xù)時間為3～5年，為保證變量測度的有效性，本文根據(jù)各企業(yè)聯(lián)合專利申請和研發(fā)聯(lián)盟情況，選擇以5年時間窗構(gòu)建合作網(wǎng)絡(luò)，并以此計算關(guān)系動態(tài)性指標(biāo)：采用與第t-4年至第t年相比，企業(yè)在第t-3年至第t + 1年間新增直接合作關(guān)系數(shù)量表示關(guān)系擴張性（CRE），保持的直接合作關(guān)系數(shù)量表示關(guān)系穩(wěn)定性（CRS）。

2.2.5 控制變量 首先，控制其他影響創(chuàng)新績效的因素：①企業(yè)年齡（Age），即第t年與成立年的差值；②企業(yè)規(guī)模（Size），第t年企業(yè)的員工數(shù)量；③國企與否（Own），將國企賦值為1，其他企業(yè)為0；④高新技術(shù)企業(yè)與否（HTR），結(jié)合高新技術(shù)企業(yè)認(rèn)定工作網(wǎng)數(shù)據(jù)，若企業(yè)在觀測年被認(rèn)定為高新技術(shù)企業(yè)，則賦值為1，否則為0；⑤研發(fā)強度（RD），第t年企業(yè)研發(fā)支出與營業(yè)收入之比。其次，已有研究表明，知識積累數(shù)量[4]、知識元素中心度的分布特征[2]、知識網(wǎng)絡(luò)凝聚性[33]會影響知識重組的效率和創(chuàng)新表現(xiàn)，本文控制以下變量：⑥知識積累（KA），截至第t年企業(yè)申請的專利總數(shù)；⑦知識網(wǎng)絡(luò)中心勢（KNC），鑒于不同企業(yè)知識基礎(chǔ)規(guī)模不同，以相對度中心勢衡量；⑧知識網(wǎng)絡(luò)全局凝聚性（KWC），以t-4至t年企業(yè)內(nèi)部加權(quán)知識網(wǎng)絡(luò)密度衡量；⑨知識網(wǎng)絡(luò)局部凝聚性（KLC），以t-4至t年企業(yè)知識網(wǎng)絡(luò)的加權(quán)平均網(wǎng)絡(luò)聚類系數(shù)衡量。最后，由于合作關(guān)系的變化以及創(chuàng)新績效可能受到前一階段合作網(wǎng)絡(luò)結(jié)構(gòu)特征（結(jié)構(gòu)洞和中心度）與關(guān)系強度的影響[13]，本文控制以下變量：⑩合作網(wǎng)絡(luò)結(jié)構(gòu)洞（CNS），以企業(yè)在t-4至t年合作網(wǎng)絡(luò)中的限制度與2的差值衡量；？合作網(wǎng)絡(luò)中心度（CNC），采用FREEMAN[34]的方法，以企業(yè)在t-4至t年標(biāo)準(zhǔn)化后的中心度衡量；？合作網(wǎng)絡(luò)關(guān)系強度（CRS），采用t-4至t年合作網(wǎng)絡(luò)中企業(yè)的直接關(guān)系強度的均值衡量，計算方式為企業(yè)與伙伴的合作總強度與直接關(guān)系數(shù)量之比。最后，本文固定了行業(yè)和年份。

2.3 模型設(shè)定

本文主要使用逐步回歸法驗證研究模型。由于被解釋變量和中介變量為計數(shù)型變量，為避免過度分散對回歸分析造成偏誤，采用負(fù)二項回歸模型進行分析。同時，鑒于樣本為非平衡面板數(shù)據(jù)，為了控制潛在的企業(yè)個體差異及系統(tǒng)變異[33]，運用廣義估計方程進行實證分析，采用獨立相關(guān)矩陣和Huber-White穩(wěn)健標(biāo)準(zhǔn)誤進行參數(shù)估計，并基于Stata16.0對回歸模型中變量的二次項和交互項均作中心化處理，以避免潛在共線性風(fēng)險。

3 研究分析

3.1 描述性統(tǒng)計與相關(guān)性分析

表1描述了各變量均值、標(biāo)準(zhǔn)差及相關(guān)性。創(chuàng)新績效的方差遠(yuǎn)大于均值，表明樣本企業(yè)的創(chuàng)新績效差異明顯；知識網(wǎng)絡(luò)中心勢、全局和局部凝聚性的均值分別為0.27、0.12、0.37，說明知識元素之間的關(guān)聯(lián)度較低，凝聚性較弱；知識網(wǎng)絡(luò)分解性均值為0.91，標(biāo)準(zhǔn)差為0.11，表明樣本企業(yè)的知識網(wǎng)絡(luò)分解性水平較高；關(guān)系穩(wěn)定性的均值明顯大于關(guān)系擴張性，表明相較于尋找新的研發(fā)伙伴，樣本企業(yè)可能更傾向與原有合作伙伴進行聯(lián)合研發(fā)。在相關(guān)性上，其他變量的相關(guān)系數(shù)普遍小于0.65，知識積累與創(chuàng)新績效強相關(guān)（r = 0.83），這符合“技術(shù)創(chuàng)新源于已有知識的重組”的普遍認(rèn)知，企業(yè)累計申請的專利越多，越有可能涉及更多的技術(shù)領(lǐng)域，為創(chuàng)新提供的重組可能性越高。此外，各變量的VIF值不超過3，變量之間不存在多重共線性。

3.2 假設(shè)檢驗

3.2.1 主效應(yīng)檢驗 模型1以創(chuàng)新績效為被解釋變量，僅估計控制變量的影響（見表2）。在此基礎(chǔ)上，加入重組創(chuàng)造、重組復(fù)用及其二次項得到模型2。重組創(chuàng)造促進了創(chuàng)新績效（β = 0.407，p < 0.01），支持了H1a。根據(jù)HAANS等[35]的建議檢驗H1b。重組復(fù)用一次項為正（β = 1.390，p < 0.01），二次項為負(fù)（β =-2.892，p < 0.01），且U test檢驗結(jié)果證實了倒U形關(guān)系存在（p < 0.01）：曲線拐點為0.215，F(xiàn)ieller-Test的95%CI為[0.187，0.248]，小于重組復(fù)用取值范圍，取該點左右兩側(cè)定點斜率，發(fā)現(xiàn)左側(cè)斜率顯著為正（Slo‐peL=1.315，p < 0.01），右側(cè)斜率顯著為負(fù)（SlopeR = -4.801，p < 0.01），進一步證實重組復(fù)用對創(chuàng)新績效有倒U形影響，支持了H1b。

3.2.2 中介作用檢驗 模型3和模型6分別估計了控制變量對關(guān)系擴張性和關(guān)系穩(wěn)定性的影響（見表2）。參考BARON和KENNY[36]的方法，對關(guān)系擴張性與關(guān)系穩(wěn)定性中介作用的驗證遵循如下步驟：①檢驗知識重組對創(chuàng)新績效的影響，即利用模型2驗證H1a、H1b；②檢驗知識重組對關(guān)系動態(tài)性的影響；③將知識重組與關(guān)系動態(tài)性同時納入回歸模型，考察二者對創(chuàng)新績效的影響。模型4表明重組創(chuàng)造提升了關(guān)系擴張性（γ = 0.640，p < 0.01），模型5同時考察關(guān)系擴張性與重組創(chuàng)造對創(chuàng)新績效的影響，結(jié)果表明：關(guān)系擴張性能夠顯著提升創(chuàng)新績效（β = 0.083，p < 0.01）；同時，加入中介變量后，重組創(chuàng)造的回歸系數(shù)仍顯著為正（β = 0.169，p < 0.05），說明關(guān)系擴張性部分中介了重組創(chuàng)造對創(chuàng)新績效的影響，支持了H2a。模型7結(jié)果顯示，重組復(fù)用一次項為正（δ = 0.199，p < 0.01），二次項為負(fù)（δ = -0.625，p < 0.01），同時，U test檢驗結(jié)果顯示曲線拐點為0.158，F(xiàn)ieller-Test的95%CI為[0.093，0.244]，落在重組復(fù)用的取值范圍內(nèi)，拐點左側(cè)斜率顯著為正（SlopeL = 0.224，p < 0.01），右側(cè)斜率顯著為負(fù)（SlopeR = -1.198，p < 0.01），表明重組復(fù)用對關(guān)系穩(wěn)定性有倒U形影響。進一步地，將關(guān)系穩(wěn)定性與重組復(fù)用同時納入回歸模型，如模型8所示，關(guān)系穩(wěn)定性對創(chuàng)新績效具有顯著促進作用（β = 0.010，p < 0.1），同時重組復(fù)用一次項和二次項仍顯著（β = 1.188，p < 0.01；β = -3.092，p < 0.01），說明關(guān)系穩(wěn)定性在重組復(fù)用與創(chuàng)新績效的非線性關(guān)系中起部分中介作用，支持了H2b。

3.2.3 調(diào)節(jié)作用檢驗 知識網(wǎng)絡(luò)分解性的調(diào)節(jié)作用回歸結(jié)果如模型9所示。重組創(chuàng)造與知識網(wǎng)絡(luò)分解性的交互項系數(shù)為正（β = 1.463，p < 0.05），說明知識網(wǎng)絡(luò)分解性強化了重組創(chuàng)造對高技術(shù)企業(yè)創(chuàng)新績效的積極作用，支持了H3a。重組復(fù)用二次項與知識網(wǎng)絡(luò)分解性的交互項系數(shù)顯著為負(fù)（β = -5.596，p < 0.05），表明知識網(wǎng)絡(luò)分解性對重組復(fù)用與創(chuàng)新績效之間的倒U形關(guān)系有強化作用，支持了H3b。圖2直觀地刻畫了知識網(wǎng)絡(luò)分解性顯著的調(diào)節(jié)作用。

3.3 穩(wěn)健性檢驗及內(nèi)生性問題

3.3.1 替換被解釋變量創(chuàng)新績效測度 鑒于不同類型的專利在質(zhì)量上存在明顯差異，相較于實用新型專利，發(fā)明專利具有更強的創(chuàng)新性和更高的創(chuàng)新質(zhì)量，使用發(fā)明專利數(shù)量作為創(chuàng)新績效的測量指標(biāo)一定程度上可兼具對創(chuàng)新數(shù)量和質(zhì)量的考量[37]。此外，本文還使用t+2年的專利申請量衡量了創(chuàng)新績效。使用兩種新的測度方式重新回歸，結(jié)果與前文一致（見表3）。

3.3.2 使用混合負(fù)二項回歸模型重新進行分析 鑒于關(guān)系擴張性為計數(shù)型變量，且出現(xiàn)了較多零值，同時兩模型報告的vuong統(tǒng)計量為3.578（Pr > z = 0.000），因此，針對表2中的模型4采用零膨脹負(fù)二項回歸模型。本文主要關(guān)注零膨脹負(fù)二項回歸結(jié)果的第一部分，表4中所有回歸結(jié)果與前文一致。

4 結(jié)論與展望

4.1 結(jié)論與討論

本文基于知識基礎(chǔ)理論和網(wǎng)絡(luò)動態(tài)理論，得到以下結(jié)論。①重組創(chuàng)造能夠顯著提升高技術(shù)企業(yè)創(chuàng)新績效，重組復(fù)用則對創(chuàng)新績效有倒U形影響。不斷挖掘新的知識組合，能夠為技術(shù)發(fā)明提供更多新思路，創(chuàng)造更多專利產(chǎn)出；而重復(fù)使用原有知識組合雖能提升創(chuàng)新效率，但對此過度依賴也會迅速產(chǎn)生技術(shù)瓶頸，降低長期創(chuàng)新潛力。②關(guān)系擴張性（或關(guān)系穩(wěn)定性）部分中介了重組創(chuàng)造（或重組復(fù)用）與創(chuàng)新績效的關(guān)系，重組創(chuàng)造產(chǎn)生的知識需求鼓勵企業(yè)積極拓展外部關(guān)系，獲取新的信息和資源從而提升創(chuàng)新績效；同時，適度憑借原有技術(shù)產(chǎn)生的創(chuàng)意，需要已有合作關(guān)系中的隱性知識獲得進一步完善，才能發(fā)展為最終的技術(shù)成果。③知識網(wǎng)絡(luò)分解性顯著強化了重組創(chuàng)造、重組復(fù)用與創(chuàng)新績效的關(guān)系。高分解性知識網(wǎng)絡(luò)中存在的豐富知識聚集能夠為企業(yè)探索新的知識組合提供思路，從而增加創(chuàng)新產(chǎn)出規(guī)模；同時，豐富的知識聚集雖然能夠輔助企業(yè)進行技術(shù)復(fù)用的決策，降低創(chuàng)新風(fēng)險，彌補企業(yè)在拓展現(xiàn)有技術(shù)應(yīng)用情境方面的不足，但也會導(dǎo)致企業(yè)陷入原有技術(shù)陷阱，更快地消耗成熟技術(shù)的創(chuàng)新紅利，降低發(fā)明成果總量。

4.2 理論貢獻

首先，本文有利于深化重組視角下的創(chuàng)新機制研究。與強調(diào)原有知識基礎(chǔ)優(yōu)化配置的重組創(chuàng)新文獻相比[2-4]，研究結(jié)論表明，當(dāng)利用知識空間的視角來看待知識重組時，創(chuàng)造性的組合思路依然具有積極作用。此時，復(fù)用原有知識組合對創(chuàng)新績效的影響也變得復(fù)雜，而非ZHAO等[6]聲明的線性結(jié)論，這表明因過度使用已有技術(shù)產(chǎn)生的復(fù)雜知識地圖和重組價值的損耗，不僅對創(chuàng)新質(zhì)量有消極作用，也可能影響了數(shù)量的持續(xù)增加?？傊?，本文豐富了對知識重組影響高技術(shù)企業(yè)創(chuàng)新績效的結(jié)構(gòu)化認(rèn)知，為后續(xù)研究提供了理論依據(jù)。其次，通過驗證關(guān)系動態(tài)性的中介作用，本文從外部合作層面揭示了知識重組影響創(chuàng)新績效的內(nèi)在機制。與普遍關(guān)注知識重組對創(chuàng)新績效直接作用的研究[4]不同，本文將知識重組視為創(chuàng)新戰(zhàn)略和創(chuàng)意來源，認(rèn)為合作關(guān)系動態(tài)源于企業(yè)執(zhí)行策略或創(chuàng)意產(chǎn)生的差異化知識需求，借助新關(guān)系或舊關(guān)系，高技術(shù)企業(yè)可以填補知識缺陷，從而更好地完成創(chuàng)新目標(biāo)。本文促進了知識基礎(chǔ)理論與網(wǎng)絡(luò)動態(tài)理論的融合，有利于扭轉(zhuǎn)現(xiàn)有研究普遍將網(wǎng)絡(luò)關(guān)系作為知識重組研究的情境因素[2]的思維定式，為重組創(chuàng)新的機制探討與合作網(wǎng)絡(luò)的前因后果研究提供了思路。最后，本文實證分析了知識網(wǎng)絡(luò)分解性在激發(fā)重組潛力，創(chuàng)造技術(shù)機會方面的關(guān)鍵功能，闡明了知識重組影響創(chuàng)新績效的微觀資源約束。鑒于現(xiàn)有研究[18]較少關(guān)注知識網(wǎng)絡(luò)分解性在重組活動中的具體調(diào)節(jié)機制，以此為切入點，本文從知識元素關(guān)系和知識集群關(guān)系兩個方面解構(gòu)了知識網(wǎng)絡(luò)分解性的影響，豐富了創(chuàng)新績效改善提升過程中的邊界條件。

4.3 管理啟示

首先，高技術(shù)企業(yè)應(yīng)利用深度學(xué)習(xí)、大語言模型等人工智能技術(shù)，深入挖掘自有知識產(chǎn)權(quán)價值，探索知識元素之間新的匹配方式來產(chǎn)生新想法，也可引進和培養(yǎng)復(fù)合型、高技能研發(fā)人才，學(xué)習(xí)和吸收新技術(shù)工藝，促進新舊知識的有效融合，實現(xiàn)核心技術(shù)持續(xù)迭代。另外，要理性看待已有技術(shù)成果在后續(xù)創(chuàng)新中的價值，避免一味追求現(xiàn)有技術(shù)工藝而消耗過多創(chuàng)新資源，影響整體創(chuàng)新績效。對此，企業(yè)應(yīng)優(yōu)化激勵制度，構(gòu)建靈活的內(nèi)部人員流動機制，鼓勵和支持研發(fā)團隊跳出“舒適圈”，進行多項目、跨領(lǐng)域攻關(guān)，最大程度地發(fā)揮已有經(jīng)驗的積極作用。其次，高技術(shù)企業(yè)要根據(jù)不同內(nèi)部技術(shù)開發(fā)方式適時調(diào)整外部合作關(guān)系。當(dāng)面臨新技術(shù)開發(fā)瓶頸時，企業(yè)既可以通過加入行業(yè)協(xié)會和組織、戰(zhàn)略聯(lián)盟和產(chǎn)學(xué)研合作等方式獲取新的技術(shù)信息和資源，從而快速“破局”，也可以利用數(shù)字化平臺（如官網(wǎng)、社交媒體、在線論壇等）來主動向目標(biāo)伙伴發(fā)出邀約，針對性地滿足研發(fā)需要，獲得更多創(chuàng)新機會；而當(dāng)進行技術(shù)改進和應(yīng)用情境拓展時，高技術(shù)企業(yè)可通過建立信息共享平臺、研發(fā)人員跨組織培養(yǎng)、設(shè)置合作獎勵與技術(shù)援助等方式，加強與原有合作伙伴的溝通，促進知識和技能的深度共享。最后，高技術(shù)企業(yè)應(yīng)通過融合數(shù)字化技術(shù)與傳統(tǒng)數(shù)據(jù)庫管理技術(shù)，搭建智能化知識管理系統(tǒng)，輔以分解性標(biāo)準(zhǔn)建設(shè)、知識管理團隊建設(shè)、分解性定期評估與改進等管理手段，構(gòu)筑分解性的內(nèi)部知識庫，為研發(fā)創(chuàng)意提供豐富素材。例如，借助“雙屏創(chuàng)新”知識推送平臺與“體系化、智能化、場景化”的管理制度配套，中國商用飛機有限責(zé)任公司的員工能夠迅速從結(jié)構(gòu)化、分門別類的案例庫中提取和重構(gòu)經(jīng)驗知識，增強技術(shù)問題求解能力，助力國產(chǎn)大客機C919研制。

4.4 局限與展望

首先，本文在不區(qū)分知識領(lǐng)域的前提下，僅基于知識元素組合關(guān)系的新舊特征，討論了知識重組與創(chuàng)新績效關(guān)系。然而，領(lǐng)域內(nèi)或者領(lǐng)域間的知識組合難度和成本有明顯差異，對創(chuàng)新的影響也可能不同。未來研究可結(jié)合知識領(lǐng)域劃分，進一步完善知識重組的不同維度對創(chuàng)新績效的影響機理。其次，本文剖析了組織間關(guān)系動態(tài)性的中介作用，盡管這是出于對外部合作網(wǎng)絡(luò)是重要信息渠道的考慮，但企業(yè)創(chuàng)新還同時嵌入由發(fā)明人構(gòu)成的內(nèi)部合作網(wǎng)絡(luò)，在實踐中，內(nèi)部研發(fā)者是創(chuàng)新的執(zhí)行主體，針對不同的研發(fā)創(chuàng)意，企業(yè)可能首先調(diào)整內(nèi)部合作網(wǎng)絡(luò)關(guān)系。未來研究可從研發(fā)者關(guān)系動態(tài)性的視角豐富知識重組影響創(chuàng)新績效的內(nèi)部機制。最后，本文僅討論了知識網(wǎng)絡(luò)分解性這一內(nèi)部資源結(jié)構(gòu)特征的權(quán)變作用，未來研究可結(jié)合制度理論和動態(tài)能力理論，探究外部市場和技術(shù)環(huán)境動態(tài)性、內(nèi)部吸收能力的調(diào)節(jié)功能。

參 考 文 獻

[1] SCHUMPETER J A. Business cycles [M]. New York： McGraw-Hill Book Company， 1939.

[2] XIAO T， MAKHIJA M， KARIM S. A knowledge recombination perspective of innovation： review and new re‐search directions [J]. Journal of Management， 2022， 48（6）： 1724 - 1777.

[3] CARNABUCI G， OPERTI E. Where do firms’ recombinant capabilities come from？Intraorganizational net‐works， knowledge， and firms’ ability to innovate through technological recombination [J]. Strategic Management Journal， 2013， 34（13）： 1591 - 1613.

[4] YAYAVARAM S， CHEN W R. Changes in firm knowledge couplings and firm innovation performance： the moder‐ating role of technological complexity [J]. Strategic Management Journal， 2015， 36（3）： 377 - 396.

[5] CHEN P. Recombinant reuse or recombinant creation？ The impact of knowledge recombination strategies on new product performance [J]. Technology Analysis Strategic Management， 2023， 35（10）： 1263 - 1277.

[6] ZHAO S， ZENG D， LI J， et al. Quantity or quality： the roles of technology and science convergence on firm inno‐vation performance [J/OL]. Technovation， 2023[2023-06-15]. https：//doi.org/10.1016/j.technovation.2023.102790.

[7] LUO Z， CALLAERT J， ZENG D， et al. Knowledge recombination， environmental turbulence and firms’ innova‐ tion quality： the evidence from Chinese pharmaceutical industry [J]. European Journal of Innovation Manage‐ment， 2024， 27（1）： 69 - 95.

[8] TEODORIDIS F， BIKARD M， VAKILI K. Creativity at the knowledge frontier： the impact of specialization in fast- and slow-paced domains [J]. Administrative Science Quarterly， 2019， 64（4）： 894 - 927

[9] KNEELAND M K， SCHILLING M A， AHARONSON B S. Exploring uncharted territory： knowledge search pro‐cesses in the origination of outlier innovation [J]. Organization Science， 2020， 31（3）： 535 - 557.

[10] ACAR O A， TARAKCI M， VAN KNIPPENBERG D. Creativity and innovation under constraints： a cross-disci‐plinary integrative review [J]. Journal of Management， 2019， 45（1）： 96 - 121.

[11] SRIVASTAVA M K， GNYAWALI D R， HATFIELD D E. Behavioral implications of absorptive capacity： the role of technological effort and technological capability in leveraging alliance network technological resources[J]. Technological Forecasting and Social Change， 2015， 92： 346 - 358.

[12] AHUJA G， SODA G， ZAHEER A. The genesis and dynamics of organizational networks [J]. Organization Sci‐ence， 2012， 23（2）： 434 - 448.

[13] YAN Y， GUAN J C. Social capital， exploitative and exploratory innovations： the mediating roles of ego-network dynamics [J]. Technological Forecasting and Social Change， 2018， 126： 244 - 258.

[14] 劉鳳朝， 孫沛竹， 朱姍姍. 企業(yè)知識基礎(chǔ)對自我網(wǎng)絡(luò)節(jié)點動態(tài)的影響——行業(yè)技術(shù)變化的調(diào)節(jié)作用[J].科學(xué)學(xué)與科學(xué)技術(shù)管理， 2022， 43（8）： 156 - 172.

[15] HERNANDEZ E， MENON A. Corporate strategy and network change [J]. Academy of Management Review，2021， 46（1）： 80 - 107.

[16] ANDERSON N， POTO？NIK K， ZHOU J. Innovation and creativity in organizations [J]. Journal of Manage‐ment， 2014， 40（5）： 1297 - 1333.

[17] SIMON H A. The architecture of complexity [J]. Proceedings of the American Philosophical Society， 1962， 106（6）： 467 - 482.

[18] YAYAVARAM S， AHUJA G. Decomposability in knowledge structures and its impact on the usefulness of inven‐tions and knowledge-base malleability [J]. Administrative Science Quarterly， 2008， 53（2）： 333 - 362.

[19] YAYAVARAM S， SRIVASTAVA M K， SARKAR M. Role of search for domain knowledge and architectural knowledge in alliance partner selection [J]. Strategic Management Journal， 2018， 39（8）： 2277 - 2302.

[20] JIN N， YANG N D， SHARIF F S M， et al. Changes in knowledge coupling and innovation performance： the moderation effect of network cohesion [J]. Journal of Business Industrial Marketing， 2022， 37（11）： 2380 - 2395.

[21] CLAUSS T， KRAUS S， KALLINGER F L， et al. Organizational ambidexterity and competitive advantage： the role of strategic agility in the exploration-exploitation paradox [J]. Journal of Innovation Knowledge， 2021，6（4）： 203-213.

[22] LENNERTS S， SCHULZE A， TOMCZAK T. The asymmetric effects of exploitation and exploration on radical and in‐cremental innovation performance： an uneven affair [J]. European Management Journal， 2020， 38（1）： 121 - 134.

[23] THEEKE M， POLIDORO JR. F， FREDRICKSON J W. Path-dependent routines in the evaluation of novelty： the effects of innovators’ new knowledge use on brokerage firms’ coverage [J]. Administrative Science Quarterly，2018， 63（4）： 910 - 942.

[24] HUSSINGER K， WASTYN A. In search for the not-invented-here syndrome： the role of knowledge sources and firm success [J]. RD Management， 2016， 46（S3）： 945 - 957.

[25] SHIRADO H， CHRISTAKIS N A. Locally noisy autonomous agents improve global human coordination in net‐work experiments [J]. Nature， 2017， 545（7654）： 370 - 374.

[26] GRIGORIOU K， ROTHAERMEL F T. Organizing for knowledge generation： internal knowledge networks and the contingent effect of external knowledge sourcing [J]. Strategic Management Journal， 2017， 38（2）： 395 - 414.

[27] KNUDSEN T， LEVINTHAL D A. Two faces of search： alternative generation and alternative evaluation [J]. Or‐ganization Science， 2007， 18（1）： 39 - 54.

[28] WU J， WANG X， GUO B. Co-evolution of exploration-exploitation strategy and weak-strong ties portfolios： a longitudinal case study [J]. European Management Review， 2019， 16（4）： 1043 - 973.

[29] 和欣， 陳傳明， 鄭瑩，等. 聯(lián)盟關(guān)系斷裂研究述評與未來展望[J]. 外國經(jīng)濟與管理， 2019， 41（4）： 31 - 44.

[30] FIXSON S K， KHACHATRYAN D， LEE W. Technological uncertainty and firm boundaries： the moderating ef‐fect of knowledge modularity [J]. IEEE Transactions On Engineering Management， 2017， 64（1）： 16 - 28.

[31] 郭潤萍， 蔡莉. 雙元知識整合、創(chuàng)業(yè)能力與高技術(shù)新企業(yè)績效[J]. 科學(xué)學(xué)研究， 2017， 35 （2）： 264 - 271.

[32] VERHOEVEN D， BAKKER J， VEUGELERS R. Measuring technological novelty with patent-based indicators[J]. Research Policy， 2016， 45（3）： 707 - 723.

[33] 李健， 余悅. 合作網(wǎng)絡(luò)結(jié)構(gòu)洞， 知識網(wǎng)絡(luò)凝聚性與探索式創(chuàng)新績效： 基于我國汽車產(chǎn)業(yè)的實證研究[J]. 南開管理評論， 2018， 21（6）： 121 - 130.

[34] FREEMAN L C. Centrality in social networks conceptual clarification [J]. Social Networks， 1978， 1（3）： 215 - 239.

[35] HAANS R F J， PIETERS C， HE Z L. Thinking about U： theorizing and testing U- and inverted U-shaped rela‐tionships in strategy research [J]. Strategic Management Journal， 2016， 37（7）： 1177 - 1195.

[36] BARON R M， KENNY D A. The moderator-mediator variable distinction in social psychological research： con‐ceptual， strategic， and statistical considerations [J]. Journal of Personality and Social Psychology， 1986， 51（6）： 1173 - 1173.

[37] MARCO A C， SARNOFF J D， DEGRAZIA C A W. Patent claims and patent scope [J/OL]. Research Policy，2019[2019-06-27].https： //doi. org/10.1016/j. respol. 2019.04.014.

[38] BANERJEE T， SIEBERT R. Dynamic impact of uncertainty on RD cooperation formation and research perfor‐mance： evidence from the bio-pharmaceutical industry [J]. Research Policy， 2017， 46（7）： 1255 - 1271.

[39] HU T， JAIN A， DELIOS A. Centrality asymmetry and partner complementarity as influences on alliance dissolu‐tion [J]. British Journal of Management， 2021， 32（1）： 59 - 79.

Influence Mechanism of Knowledge Recombination on Innovation Performance of High-Tech Enterprises

YU Liang-ru， YU Bo

（School of economic and management， Harbin institute of technology， Harbin 150001， China）

Abstract： Innovation is a key driver of core competence enhancement in high-tech firms， and knowledge recombination （KR） plays an important role in the process of enhancing innovation performance （IP）， However，existing studies have not yet fully explored the mechanisms by which KR affects IP. It constructed a mechanism model of the impact of KR on IP， explored the mediating effect of relation dynamics and the moderating effect of knowledge network decomposability （DEC）， and used financial， patent and alliance data of 436 A-share listed high-tech firms during 2000-2019 for empirical analysis. The results show that： recombinant creation （KRC） not only directly promotes IP， but also indirectly promotes collaboration relation expansion （CRE）； the relationship between recombinant reuse （KRR） and IP is inverted U-shaped， and collaboration relation stability （CRS） partially mediates the impact of KRR on IP； DEC strengthens the positive relationship between KRC and IP， and positively moderates the inverted U-shaped relationship between KRR and IP. It improves the influence mechanism of KR on innovation of high-tech enterprises， which has practical guidance significance for them to coordinate internal and external resources to achieve recombination innovation.

Keywords： knowledge recombination； relation expansion； relation stability； innovation； knowledge network decomposability