论文部分内容阅读
摘要：知识权力在技术创新网络结点间多呈非对称分布，这一特征容易导致知识共享不足、知识泄漏风险加大。本文构建了知识共享主从博弈模型，分析了知识权力强弱方知识共享贡献率、创新绩效分配系数、组织间信任、已有知识基础对知识共享的影响，发现各方创新绩效分配系数与知识共享贡献率正相关，知识共享稳定系数对知识共享总量与创新收益均有积极影响，网络中知识共享得以进行的必要条件是知识权力强势方绩效分配系数与弱势方绩效分配系数之和的比值大于知识转化系数+1，绩效分配对知识权力强势方激励效应的敏感度低于对知识权力弱势方的敏感度。
关键词：技术创新网络；知识共享；行为机理；知识权力；主从博弈
中图分类号：F272.4文献标识码：A文章编号：10035192(2014)03000807doi：10.11847/fj.33.3.8
Abstract:Asymmetrical distribution of knowledge power among the nodes of technological innovation network is likely to lead to such problems as insufficient knowledge sharing and risk of knowledge leakage. In this paper, Stackelberg game model for knowledge sharing has been built through analysis of the effects of knowledge sharing contribution rate of each party in the network, allocation of innovation performance, trust and existing knowledge base on knowledge sharing. After the analysis of model solution and equilibrium, it has been found that there is a positive correlation between performance allocation coefficient and knowledge sharing contribution rate of parties in the advantageous and disadvantageous positions in terms of knowledge power; The essential condition of conducting knowledge sharing is that ratio of allocation coefficient of the party in the advantageous position to sum of performance allocation coefficients of the party in the disadvantageous position is larger than knowledge transformation coefficient plus 1; The performance allocation is less sensitive to incentive effect of the party in the advantageous position than that of the party in the disadvantageous position.
Key words:technological innovation network; knowledge sharing; behavior mechanism; knowledge power; Stackelberg game
1引言
随着经济全球化的发展和知识经济时代的到来，技术创新活动的复杂性与不确定性增加，日益呈现出规模大、主体多以及协作关系多样化等复杂巨系统特征，单个企业的有限资源难以满足技术创新的要求［1,2］，越来越多的企业通过构建技术创新网络来吸收外部知识以提升创新能力［3］。技术创新网络超越层级和市场的优势在于它的知识获取和知识创造价值的效率，而知识较快获取得益于知识能够在网络中快速共享与流动［4］。Spencer对全球企业合作网络组织中知识共享与创新绩效之间的关系进行了研究，表明努力开展知识共享的企业会获得更加突出的绩效［5］。然而，网络结点间共享知识会将结点企业置于知识溢出和机会主义行为的关系风险之中［6,7］。因此，在对技术创新网络结点间关系深入认识基础上，揭示结点企业知识共享行为机理和降低关系风险的有效途径，才能促使成员高效的共享知识，推动创新绩效的提升。
技术创新网络中合作主体间多层次的资源依赖是组织间合作创新关系产生的根源，根据权力依赖理论，网络中结点间的资源依赖关系必然会导致结点间权力的产生，这种权力依赖关系可根据结点间权力分布的对称(Symmetry)与不对称(Asymmetry)程度进行区分。通常在权力依赖非对称的情况下，依赖度较小的成员拥有权力优势，故在决策中处于强势地位［8］，而且相关研究表明多数创新网络具有权力不对称的层级结构［9］，权力是协调和控制这类网络中组织间成员合作的重要机制［10］。在创新网络中，知识是实现创新的核心战略资源，结点间核心知识资源的依赖关系导致了知识权力的产生［11］。Latiff和Hassan明确提出知识权力(Knowledge Power)的概念，并认为知识权力来源于对知识资源的控制力和影响力［12］。创新主体间的知识权力存在差异并产生非对称性，使得组织间知识共享成为必要和可能，但反过来，这种非对称性又影响知识共享过程，如果不能很好地协调、沟通、融合，非对称性会促使权力强势方（依赖度较小方）更易使用强权控制弱势方（依赖度较大方），大幅提高强势方对弱势方的机会主义行为发生几率［13］，弱势方对强势方的信任会随之降低，网络知识共享过程中就会产生成员“搭便车”以及机会主义行为，这将降低彼此的知识共享意愿。并且还存在因核心知识或关键技术溢出而失去竞争优势的顾虑，导致知识共享不足。因此，在知识权力非对称情境下，更需要构建有效的知识共享机制，以提高合作创新效率、降低创新风险。
吉迎东，等：技术创新网络中知识共享行为机理研究——基于知识权力非对称视角Vol.33, No.3预测2014年第3期当前，理论研究者与管理实践者均对知识共享在促进合作创新中的重要作用有相当的共识，但是关于组织间知识共享的决策过程及其内在机理研究较为分散，导致促进知识共享的机制构建和制度设计问题难以解决。影响知识共享的关键因素包括合作伙伴的知识共享动机、共享能力和接受能力，以及相应的激励机制，但在这些因素作用下网络成员如何进行知识共享尚缺乏深入研究。可借鉴的是，研究技术创新联盟和知识团队的文献指出知识共享决策过程就是成员关于知识共享的内容、规模、程度等方面的博弈，主体间存在差异性时其动态过程可用主从博弈描述［14,15］。文献［16~18］运用主从博弈研究了两个结点间的知识转移决策，但未分析包含更多结点较为复杂的情形，也未给出有效指导合作各方知识共享决策的方法。更为重要的是，现有研究中没有考虑创新主体在知识共享中权力与决策地位的差异和非对称性，但在现实网络中这种非对称性广泛存在，导致强势方与弱势方的知识共享动机和过程会受到不同影响。已有研究多是从知识主体的网络结构特征研究其对知识共享的影响，选取的结构特征主要包括网络中心性、密度、结构洞等方面［19~21］，这些结构特征往往是网络权力分布所造成的表象，难以解释网络中组织间知识共享的内在机理。研究组织间知识共享机制问题，需要从微观层面打开知识权力影响下组织间知识共享的“黑箱”。综上，本研究基于技术创新网络中知识权力分布的非对称性视角，运用主从博弈模型分析网络中知识权力强势方和弱势方的知识共享行为机理，为网络中不同主体确定最佳动态竞争合作策略提供理论支持。
2知识权力非对称影响下创新网络知识共享主从博弈模型2.1问题描述与基本假设
技术创新网络中的成员知识权力表现在知识控制力和影响力两个方面，这种权力大小的差异和非对称性导致成员在知识共享中地位不同并且能力各异，形成了如核心企业和非核心企业的区分。知识权力大的成员多是关键知识控制者和领导者，主导网络知识共享的过程，知识权力小的成员处于从属地位。我们据此将网络结点分为知识权力强势方和弱势方，他们的知识共享行为呈主从递阶决策过程，构成一个Stackelberg主从博弈，分阶段进行。
设定技术创新网络由n个结点组成，网络结点的集合为N={1，2，…，n}，每个结点i都是理性决策主体，网络中各成员的净收益π等于通过知识共享获得的创新绩效收益减去知识共享的投入，各成员均以自身收益最大化作为配置知识共享资源的准则，通过知识共享实现的网络治理目标为整体净收益最大。在第一阶段T1，知识权力强势方L（博弈中的主方）根据自身的知识基础及收益最大化准则确定其愿意共享的知识比率pl，可将其视为提供给其他网络成员的初步合作条件。在第二阶段T2，处于从属地位的知识权力弱势方Fi (i∈N＼{l})作为参与成员获得前一阶段关于pl的信息后，结合自身将知识转化为创新绩效的能力，做出知识共享投入的最优策略pi，确定最优知识共享总投入量，在信息对称情况下这些策略会反馈给知识权力强势方L。在第三阶段T3，通过创新绩效分配对各方知识共享进行激励。知识权力强势方L因具有决策优势居于主导地位，在获得弱势方Fi知识共享贡献率的信息后，确定创新绩效分配比例并据此对各方进行激励。在第四阶段T4，知识权力弱势方Fi测算知识共享成本与所获绩效分配额的差距以确定所获创新收益，权衡参与合作创新是否获得预期回报，并决策是否继续共享知识参与合作。上述各方决策过程见图1所示。
图1知识权力非对称影响下技术创新网络知识共享决策时序为深入分析技术创新网络中知识共享的主从博弈过程，提出以下假设：
假设1设定在技术创新网络中，为完成合作创新需要共同投入的知识总量为K，K由参与合作创新的成员共同分担，设每个成员知识共享投入占总投入的比例为知识共享贡献率pi，则K=K(p1，p2，…，pn)，0≤pi≤1，i∈N，且∑ni=1pi=1。
假设2设定技术创新网络通过知识共享可实现的期望创新绩效为Q，即网络整体所产生的创新绩效的期望值。根据Samaddar和Kadiyala的研究，合作创新绩效是知识共享投入的非线性函数［17］，且合作创新绩效随知识投入总量K的增加而增加，但合作创新绩效在理论上存在极大值，即当K增加到一定程度时创新绩效达到饱和点，设为P*。同时考虑到网络成员将知识转化为创新绩效的过程，设知识转化为创新绩效的弹性系数为γ(γ＞0)，表示在创新网络的合作创新过程中，创新绩效对知识共享的弹性，即知识共享的投入增长1单位时，网络合作创新绩效的期望增长γ单位。γ越大，表明网络成员通过知识共享转化为网络创新绩效的能力越强，根据Samaddar和Kadiyala［17］及王建宇等的研究［22］，Q可以表示为Q=P*-K-γ。
假设3设定网络中知识共享各方所获得的创新绩效分配系数为αi(0≤αi≤1，i∈N)，知识共享的成果应由创新网络的参与者分享，假设其中知识权力强势方的分配系数为αl，知识权力弱势方的分配系数为αi，在知识共享过程中可以借助调整该系数来激励网络成员进行知识共享的积极性。
假设4引入网络知识共享稳定系数δ，0≤δ≤1。在网络知识共享的过程中，由于知识复杂性和创新网络松散耦合的组织特征，可能面临合作主体追求个体利益导致共享的关键知识泄漏风险，或者合作方过度保护导致的共享不足风险以及由此引发的网络解体风险、盗取和滥用网络知识、权力强势方使用强权控制弱势方等关系风险及机会主义行为。脆弱和不稳定的合作关系会使网络面临某些成员企业退出并带走其专业知识的风险，成为创新网络知识共享的风险和隐患，影响知识共享的稳定进行。用系数δ表示网络成员在知识共享过程中彼此之间的信任及稳定程度。
2.2主从博弈模型的建立
根据以上假设，构建主从博弈模型研究知识权力非对称影响下的知识共享问题。首先可以列出知识权力弱势方的目标函数πFi和知识权力强势方的目标函数πl，技术创新网络整体的目标函数π，以及相应的约束条件分别为
max πFi=δ×αi×Q-piK=δαi(P*-K-γ)-piK(1)
max πl=δ×αl×Q-plK=δαl(P*-K-γ)-plK(2)
max π=δ×Q-K=δ(P*-K-γ)-K (3)
s.t.αl+∑i∈N＼｛l｝αi=1，pl+∑i∈N＼｛l｝pi=1 (4)
为了分析知识权力非对称性影响下技术创新网络中各方知识共享的最优决策，采用逆向归纳法先对知识权力弱势方的最优知识共享贡献率pi进行求解。因此，据(1)式分别对知识共享总投入量K和知识权力弱势方知识共享贡献率pi求偏导，通过最优化一阶条件可求得K和pi的反应函数分别为
K*=(1-plδγ∑i∈N＼｛l｝αi)-(1γ+1)(5)
p*i=αi(1-pl)∑i∈N＼｛l｝αi(6)
基于知识权力弱势方的知识共享投入策略p*i，知识权力强势方通过优化知识共享贡献率pl最大化自身收益。将(5)式最优知识共享量K*代入知识权力强势方目标函数(2)式中并对pl求偏导，通过最优化一阶条件可得
p*l=αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi(7)
将(7)式代入(6)式，可得
p*i=αiαl-γ∑i∈N＼｛l｝αi(8)
将(8)式代入(5)式，得到最优知识共享总投入量为
K*=［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(9)
进而得到网络整体、知识权力强势方、知识权力弱势方的知识共享创新收益分别为π*=δ｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(10)
π*l=δαl｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -(αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi)［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(11)
π*i=δαl｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -(αiαl-∑i∈N＼｛l｝αiγ)［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(12)
3技术创新网络组织间知识共享主从博弈结果分析
3.1均衡结果分析
对上述技术创新网络中知识权力非对称影响下的Stackelberg主从博弈过程及结果进行分析，可以得到以下结论1~4。
结论1当知识权力强势方知识共享绩效分配系数与知识权力弱势方知识共享绩效分配系数总和之比大于γ+1时，组织间知识共享机制得以运行，知识权力强势方知识共享贡献率与其绩效分配系数正相关，与知识权力弱势方的绩效分配系数负相关。技术创新网络中各方根据知识共享绩效分配系数最优化配置知识共享贡献率。
在技术创新网络中只有当参与各方的知识共享贡献率均大于零时，网络中知识共享才能成功。综合(7)、(8)式，令p*l>0且p*i>0，须同时满足以下条件
αl∑i∈N＼｛l｝αi>γ+1，0<∑i∈N＼｛l｝αi<1γ+1，αl>γ+1γ+2
在创新网络中，知识资源的稀缺性带来的知识权力非对称分布在一定程度上解释了产生创新活动网络化的原因，但这仅是知识共享开展的必要条件。无论各方权力地位如何，当且仅当合作方对各自的知识共享收益与共享投入权衡后，双方均决定参与知识共享时，合作才可能形成并有效维系。
进一步可分别证明知识权力强势方与弱势方的知识共享投入贡献率与绩效收益分配系数的一阶导数p*lαl>0，p*lαi<0，p*iαi>0。据此可知，从最大化整体收益的目标出发，为了激励网络成员在知识共享中投入更多努力，应给予他们更丰厚的收益分配额。但在知识共享投入和知识产出弹性不变的情况下，各方的收益分配是一个零和博弈，一方分配额的增加意味着另一方的减少，故绩效分配与知识共享的投入激励成为矛盾。在知识权力非对称情况下，这种矛盾会诱发强势方侵占弱势方收益的行为产生，如缺乏有效的约束机制，弱势方会失去共享意愿，使得知识共享机制陷入激励困境而难以构建或中断运行。着眼于网络整体，知识权力强势方作为知识共享治理的主导者，必须使成员目标与网络整体目标保持一致，才有利于网络创新绩效的提升。创新网络的实践也表明，由具有知识优势的核心企业引导和激励成员企业的共享行为，使企业的创新要素通过共享而变成整个网络所拥有的要素，有利于催化产生协同效应。同时，当知识转化系数发生变化时，知识权力强势方和弱势方所得的分配系数均要相应调整，这个过程往往需要在知识权力强势方的驱动与支配下完成。
结论2强势方的知识共享贡献率越大，网络知识共享总投入量越高，整体创新绩效更大。
对于网络整体知识共享总投入量的均衡解K*，总有K*pl>0，即网络知识共享总投入量是知识权力强势方知识共享贡献率的增函数。知识权力强势方知识共享投入的努力程度越高，弱势方的投入动机越强烈。据此，强势方可通过知识共享贡献率的信息传递，激励弱势方进行更为积极的知识共享，以最大化网络整体知识共享量，也就是说知识权力强势方能够主导知识共享过程，他的共享行为会起到引导作用，促进网络知识共享总投入量的增加。由此可知，知识权力强势方应当变“自发共享”为“自觉的”主动的知识共享，并通过知识控制和学习引导等方式显示共享意愿，主导知识共享风险的治理，保障并推动知识共享机制的高效运行，实现合作创新目标。
结论3各方绩效分配系数对其知识共享贡献率的激励效应并不相同，对知识权力弱势方的影响比知识权力强势方更加敏感；且对知识权力弱势方激励的边际效用是递增的，而对知识权力强势方激励的边际效用是递减的。
通过分析各方贡献率对绩效分配系数的二阶导数，可证明得到2p*lα2l<0，2p*iα2i>0，且p*lαl<p*iαi。也就是说同样的绩效分配用于知识权力弱势方产生的激励作用大于强势方。因此不仅要激励拥有核心知识的结点作为领导者进行知识共享，确保达到前述结论1中网络共享得以运行的阈值条件，更为重要的是在共享机制中要根据不同的激励效应选择和调整绩效分配系数，注重激励知识权力处于弱势但对完成协同创新不可或缺的结点参与共享和合作创新。他们对绩效分配的敏感度更高，如果没有达到其预期，更容易退出知识共享网络。而对于诸如创新网络中的核心企业等知识权力强势方来说，当处于绩效分配敏感性较低且激励的边际效用递减阶段时，可在绩效分配上对弱势方给出更大让步，使弱势方主动参与知识共享提升收益的同时，还能更加高效增加激励带来的总效用。因此，在知识共享机制构建中，应通过合理配置绩效分配系数和激励方式来达到最大化知识共享的目的，尤其是知识权力强势方应避免利用优势地位片面追求自身收益最大，而应着眼于网络整体收益最大。
结论4网络中知识共享的总投入量及创新收益均与网络成员间的知识共享稳定系数正相关。
求取知识共享总投入量的均衡解K*对稳定系数δ的一阶导数
dK*dδ=1γ+1δ-(γγ+1)［γ(αl-∑i∈N＼｛l｝αiγ)］(1γ+1)>0
表明如果成员间关系质量高，彼此信任并且知识共享安全感越高，则各方知识共享投入所形成的总有效共享量越多。当知识共享稳定系数趋于零时，合作关系质量下降，成员间必要的相互信任缺失，将会认为对方采取机会主义行为的概率加大，彼此行为难以协调的可能性极高，因此对各方未来的知识共享收益预期水平降至极低。此时，双方在知识共享决策时会拒绝投入资源，知识共享活动难以开展，知识共享机制无法运行。
在达到均衡解情况下，网络整体合作创新收益π*对稳定系数δ的一阶导数π*δ>0，类似地，知识权力强势方和弱势方的创新收益对稳定系数的一阶导数也大于零。稳定系数与知识共享的总收益及各方收益呈正相关关系。所以从技术创新网络治理出发，培养并强化组织间信任是知识共享机制运行的重要保障，尤其在促进隐性知识共享方面更加有效。具体来说如果知识权力强势方在知识共享决策中，没有因共享核心知识而丧失竞争优势的忧虑，获取预期收益的信心充足，则会促进知识共享。同样，如果弱势方无须担心因处于劣势而使得自己应得的预期收益无法实现、被强势方侵权等风险因素，从而积极主动地完成共享任务，就会促进组织间知识共享高效运行。
3.2考虑各方已有知识基础的扩展模型
技术创新网络中的知识共享是一个动态过程，不仅需要合作各方共享新知识，而且也有赖于结点企业利用自身已有知识吸收转化新知识［23］。各结点将已有知识与新知识有效整合能更高效地促进知识转化为可执行知识进而促进创新。据此，引入各方已有知识基础对前述模型进行扩展讨论。设反映知识权力强势方和弱势方在本阶段知识共享前已有的相关知识资源为Pl、PF，各方将已有知识转化为创新绩效的弹性系数为γl、γF（γl,γF>0）。前文设定的γ为本阶段知识转化为绩效的弹性系数，一般地，本阶段的知识转化弹性γ高于γl和γF，这是由于当前知识对特定创新任务来说相关度更高，对创新绩效的直接贡献更大，已有知识与创新任务直接相关度较低，因此贡献较前者偏低。
据此在前述模型的基础上，修正知识权力影响下组织间知识共享的收益目标函数，如对(3)式修正后为π=δ×Q-K=δ(P*-K-γP-γllP-γFF)-K，其他修正类同。同前所述，按主从博弈关系对各目标函数分别进行求解，得到博弈的均衡解如下
K*=［PγllPγiFδγ(αl-γ∑i∈N＼｛l｝αi］-(1γ+1)(13)
p*l=αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi(14)
π*=δ｛P*-［PγllPγiFδγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)P-γllP-γiF｝ -
［PγllPγiFδγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(15)
由此可得以下结论5和6。
结论5在考虑知识共享时点各方已有知识基础的情况下，知识权力强势方知识共享贡献率与之前的分析相同，只与双方知识共享绩效分配系数和知识产出弹性有关，与已有知识及其转化能力无关，对知识权力弱势方知识共享贡献率也有类同结论。
结论6在考虑知识共享时点各方已有知识基础的情况下，达到一定创新绩效所需的知识共享总量减少；在一定知识共享总量基础上知识共享创新绩效增大。
此情况下，知识共享总量为(13)式，通过与(9)式比较，说明在具备已有相关知识基础的情况下，较不考虑先前已有知识影响时完成特定创新目标所需的知识共享总量减少。这意味着将使合作各方在新的创新项目中投入的知识共享量更少，得益于各方运用已有知识对共享知识进行了更为有效的消化、吸收和整合。同时，此情况下网络整体最优的知识共享创新收益为(15)式，与(10)式不考虑各方已有知识情况下的收益比较，前者增大。这说明，具备一定的知识基础相当于增加了共享知识的产出弹性，已有知识的有效运用可以使既定知识共享量的产出绩效更大，成本损耗更小。对原模型的扩展分析说明，已有知识对知识共享机制的运行有重要促进作用。已有知识基础及运用能力也是反映结点知识权力强弱动态变化的一个方面，知识权力的非对称在一定程度上归结于结点间已有知识基础和运用能力的差异，已有知识通过吸收能力的提高增大自身创新产出，提高创新收益。
4结论与展望
知识共享是创新网络竞争优势的重要来源，知识权力的非对称性使得知识共享过程的竞合关系更为复杂，组织间知识共享成为技术创新网络治理中的核心和难点问题。在创新网络实践中，需要针对知识权力非对称影响下的合作各方，选择相应的知识共享治理机制来达到降低关系风险和引导网络成员共享行为的目的。研究结论表明，可采用的机制包括基于经济关系的绩效分配与激励机制及其约束机制，以及基于社会关系的组织间信任机制。具体来说，在创新网络中，知识共享机制得以维系的前提条件是知识权力强势方的绩效分配系数应足够大，该分配系数与所有知识权力弱势方的分配系数之和的比应大于知识转化系数+1。在此条件下，绩效分配系数对知识权力弱势方在知识共享中贡献率的影响比知识权力强势方更加敏感，应当以此作为约束强势方的依据。知识共享稳定系数对知识共享投入与收益均有正向影响，在技术创新网络中科学合理的创新绩效分配与组织间知识共享的稳定氛围和惯例、文化是创新网络知识共享机制高效运行的基础和重要保障，各方已有的知识基础及知识运用、吸收和整合能力均是提升知识共享水平和创新绩效的润滑剂。
本文所构建的博弈模型可为知识权力影响下的各方通过绩效分配策略和共享投入策略实施网络治理提供理论指导。研究的局限性是假设网络各结点都是理性决策主体且风险中性，并且假定决策各方的信息是对称和完全的，这在现实世界中难以完全保证，网络成员通常是有限理性且具有一定的风险偏好。进一步的研究工作，需要考虑各类主体的非理性因素和风险偏好、知识权力分布的测度和描述，并考虑具体情境下各类知识转化弹性、知识共享成本函数，深入探讨技术创新网络知识共享机制的构建与运行问题。
参考文献：
［1］Ruckman K. Technology sourcing acquisitions: what they mean for innovation potential［J］. Journal of Strategy and Management, 2009, 2(1): 5675.
［2］Gravier M J, Randall W S, Strutton D. Investigating the role of knowledge in alliance performance［J］. Journal of Knowledge Management, 2008, 12(4): 117130.
［3］Rycroft R W, Kash D E. The complexity challenge: technological innovation for the 21st century［M］. New York: A Cassel Imprint, 1999. 135146.
［4］慕继丰,陈方丽,冯宗宪.企业网络结构的效率［J］.科研管理,2002,23(5):8187.
［5］Spencer J W. Firms’ knowledgesharing strategies in the global innovation system: empirical evidence from the flat panel display industry［J］. Strategic Management Journal, 2003, 24(3): 217233.
［6］Grant R M. Toward a knowledgebased theory of the firm［J］. Strategic Management Journal, 1996, 17: 109122.
［7］Cabrera A, Cabrera E F. Knowledgesharing dilemmas［J］. Organization Studies, 2002, 23(5): 687710.
［8］Kumar N, Scheer L K, Steenkamp J B E M. The effects of perceived interdependence on dealer attitudes［J］. Journal of Marketing Research, 1995, 32(3): 348356.
［9］Brenner T, Cantner U, Graf H. Innovation networks: measurement, performance and regional dimensions［J］. Industry ＆ Innovation, 2011, 18(1): 15.
［10］Berthon P, Pitt L F, Ewing M T, et al.. Norms and power in marketing relationships: alternative theories and empirical evidence［J］. Journal of Business Research, 2003, 56(9): 699709.
［11］张巍,党兴华.企业网络权力与网络能力关联性研究——基于技术创新网络的分析［J］.科学学研究,2011,29(7):10941101.
［12］Latiff H S B H N M A, Hassan A. Rise and fall of knowledge power: an indepth investigation［J］. Humanomics, 2008, 24(1): 1727.
［13］Weitz B A, Jap S D. Relationship marketing and distribution channels［J］. Journal of the Academy of Marketing Science, 1995, 23(4): 305320.
［14］Morasch K. Strategic alliances as stackelberg cartelsconcept and equilibrium alliance structure［J］. International Journal of Industrial Organization, 2000, 18(2): 257282.
［15］吴丙山,赵骅,罗军.高新技术企业中知识分享微观机制研究［J］.科研管理,2012,33(3):6571.
［16］ Mowery D C, Oxley J E, Silverman B S. Strategic alliances and interfirm knowledge transfer［J］. Strategic Management Journal, 1996, 17: 7791.
［17］Samaddar S, Kadiyala S S. An analysis of interorganizational resource sharing decisions in collaborative knowledge creation［J］. European Journal of Operational Research, 2006, 170(1): 192210.
［18］Confessore G, Mancuso P. A dynamic model of R&D competition［J］. Research in Economics, 2002, 56(4): 365380.
［19］Gilsing V, Nooteboom B, Vanhaverbeke W, et al.. Network embeddedness and the exploration of novel technologies: technological distance, betweenness centrality and density［J］. Research Policy, 2008, 37(10): 17171731.
［20］Hansen M T. The searchtransfer problem: the role of weak ties in sharing knowledge across organization subunits［J］. Administrative Science Quarterly, 1999, 44(1): 82111.
［21］Tsai W. Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance［J］. Academy of Management Journal, 2001, 44(5): 9961004.
［22］王建宇,樊治平,姜艳萍,等.合作知识创新中基于Stackelberg博弈的资源共享决策模型［J］.中国管理科学,2005,13(3):8488.
［23］张明,江旭,高山行.战略联盟中组织学习、知识创造与创新绩效的实证研究［J］.科学学研究,2008,26(4):868873.
关键词：技术创新网络；知识共享；行为机理；知识权力；主从博弈
中图分类号：F272.4文献标识码：A文章编号：10035192(2014)03000807doi：10.11847/fj.33.3.8
Abstract:Asymmetrical distribution of knowledge power among the nodes of technological innovation network is likely to lead to such problems as insufficient knowledge sharing and risk of knowledge leakage. In this paper, Stackelberg game model for knowledge sharing has been built through analysis of the effects of knowledge sharing contribution rate of each party in the network, allocation of innovation performance, trust and existing knowledge base on knowledge sharing. After the analysis of model solution and equilibrium, it has been found that there is a positive correlation between performance allocation coefficient and knowledge sharing contribution rate of parties in the advantageous and disadvantageous positions in terms of knowledge power; The essential condition of conducting knowledge sharing is that ratio of allocation coefficient of the party in the advantageous position to sum of performance allocation coefficients of the party in the disadvantageous position is larger than knowledge transformation coefficient plus 1; The performance allocation is less sensitive to incentive effect of the party in the advantageous position than that of the party in the disadvantageous position.
Key words:technological innovation network; knowledge sharing; behavior mechanism; knowledge power; Stackelberg game
1引言
随着经济全球化的发展和知识经济时代的到来，技术创新活动的复杂性与不确定性增加，日益呈现出规模大、主体多以及协作关系多样化等复杂巨系统特征，单个企业的有限资源难以满足技术创新的要求［1,2］，越来越多的企业通过构建技术创新网络来吸收外部知识以提升创新能力［3］。技术创新网络超越层级和市场的优势在于它的知识获取和知识创造价值的效率，而知识较快获取得益于知识能够在网络中快速共享与流动［4］。Spencer对全球企业合作网络组织中知识共享与创新绩效之间的关系进行了研究，表明努力开展知识共享的企业会获得更加突出的绩效［5］。然而，网络结点间共享知识会将结点企业置于知识溢出和机会主义行为的关系风险之中［6,7］。因此，在对技术创新网络结点间关系深入认识基础上，揭示结点企业知识共享行为机理和降低关系风险的有效途径，才能促使成员高效的共享知识，推动创新绩效的提升。
技术创新网络中合作主体间多层次的资源依赖是组织间合作创新关系产生的根源，根据权力依赖理论，网络中结点间的资源依赖关系必然会导致结点间权力的产生，这种权力依赖关系可根据结点间权力分布的对称(Symmetry)与不对称(Asymmetry)程度进行区分。通常在权力依赖非对称的情况下，依赖度较小的成员拥有权力优势，故在决策中处于强势地位［8］，而且相关研究表明多数创新网络具有权力不对称的层级结构［9］，权力是协调和控制这类网络中组织间成员合作的重要机制［10］。在创新网络中，知识是实现创新的核心战略资源，结点间核心知识资源的依赖关系导致了知识权力的产生［11］。Latiff和Hassan明确提出知识权力(Knowledge Power)的概念，并认为知识权力来源于对知识资源的控制力和影响力［12］。创新主体间的知识权力存在差异并产生非对称性，使得组织间知识共享成为必要和可能，但反过来，这种非对称性又影响知识共享过程，如果不能很好地协调、沟通、融合，非对称性会促使权力强势方（依赖度较小方）更易使用强权控制弱势方（依赖度较大方），大幅提高强势方对弱势方的机会主义行为发生几率［13］，弱势方对强势方的信任会随之降低，网络知识共享过程中就会产生成员“搭便车”以及机会主义行为，这将降低彼此的知识共享意愿。并且还存在因核心知识或关键技术溢出而失去竞争优势的顾虑，导致知识共享不足。因此，在知识权力非对称情境下，更需要构建有效的知识共享机制，以提高合作创新效率、降低创新风险。
吉迎东，等：技术创新网络中知识共享行为机理研究——基于知识权力非对称视角Vol.33, No.3预测2014年第3期当前，理论研究者与管理实践者均对知识共享在促进合作创新中的重要作用有相当的共识，但是关于组织间知识共享的决策过程及其内在机理研究较为分散，导致促进知识共享的机制构建和制度设计问题难以解决。影响知识共享的关键因素包括合作伙伴的知识共享动机、共享能力和接受能力，以及相应的激励机制，但在这些因素作用下网络成员如何进行知识共享尚缺乏深入研究。可借鉴的是，研究技术创新联盟和知识团队的文献指出知识共享决策过程就是成员关于知识共享的内容、规模、程度等方面的博弈，主体间存在差异性时其动态过程可用主从博弈描述［14,15］。文献［16~18］运用主从博弈研究了两个结点间的知识转移决策，但未分析包含更多结点较为复杂的情形，也未给出有效指导合作各方知识共享决策的方法。更为重要的是，现有研究中没有考虑创新主体在知识共享中权力与决策地位的差异和非对称性，但在现实网络中这种非对称性广泛存在，导致强势方与弱势方的知识共享动机和过程会受到不同影响。已有研究多是从知识主体的网络结构特征研究其对知识共享的影响，选取的结构特征主要包括网络中心性、密度、结构洞等方面［19~21］，这些结构特征往往是网络权力分布所造成的表象，难以解释网络中组织间知识共享的内在机理。研究组织间知识共享机制问题，需要从微观层面打开知识权力影响下组织间知识共享的“黑箱”。综上，本研究基于技术创新网络中知识权力分布的非对称性视角，运用主从博弈模型分析网络中知识权力强势方和弱势方的知识共享行为机理，为网络中不同主体确定最佳动态竞争合作策略提供理论支持。
2知识权力非对称影响下创新网络知识共享主从博弈模型2.1问题描述与基本假设
技术创新网络中的成员知识权力表现在知识控制力和影响力两个方面，这种权力大小的差异和非对称性导致成员在知识共享中地位不同并且能力各异，形成了如核心企业和非核心企业的区分。知识权力大的成员多是关键知识控制者和领导者，主导网络知识共享的过程，知识权力小的成员处于从属地位。我们据此将网络结点分为知识权力强势方和弱势方，他们的知识共享行为呈主从递阶决策过程，构成一个Stackelberg主从博弈，分阶段进行。
设定技术创新网络由n个结点组成，网络结点的集合为N={1，2，…，n}，每个结点i都是理性决策主体，网络中各成员的净收益π等于通过知识共享获得的创新绩效收益减去知识共享的投入，各成员均以自身收益最大化作为配置知识共享资源的准则，通过知识共享实现的网络治理目标为整体净收益最大。在第一阶段T1，知识权力强势方L（博弈中的主方）根据自身的知识基础及收益最大化准则确定其愿意共享的知识比率pl，可将其视为提供给其他网络成员的初步合作条件。在第二阶段T2，处于从属地位的知识权力弱势方Fi (i∈N＼{l})作为参与成员获得前一阶段关于pl的信息后，结合自身将知识转化为创新绩效的能力，做出知识共享投入的最优策略pi，确定最优知识共享总投入量，在信息对称情况下这些策略会反馈给知识权力强势方L。在第三阶段T3，通过创新绩效分配对各方知识共享进行激励。知识权力强势方L因具有决策优势居于主导地位，在获得弱势方Fi知识共享贡献率的信息后，确定创新绩效分配比例并据此对各方进行激励。在第四阶段T4，知识权力弱势方Fi测算知识共享成本与所获绩效分配额的差距以确定所获创新收益，权衡参与合作创新是否获得预期回报，并决策是否继续共享知识参与合作。上述各方决策过程见图1所示。
图1知识权力非对称影响下技术创新网络知识共享决策时序为深入分析技术创新网络中知识共享的主从博弈过程，提出以下假设：
假设1设定在技术创新网络中，为完成合作创新需要共同投入的知识总量为K，K由参与合作创新的成员共同分担，设每个成员知识共享投入占总投入的比例为知识共享贡献率pi，则K=K(p1，p2，…，pn)，0≤pi≤1，i∈N，且∑ni=1pi=1。
假设2设定技术创新网络通过知识共享可实现的期望创新绩效为Q，即网络整体所产生的创新绩效的期望值。根据Samaddar和Kadiyala的研究，合作创新绩效是知识共享投入的非线性函数［17］，且合作创新绩效随知识投入总量K的增加而增加，但合作创新绩效在理论上存在极大值，即当K增加到一定程度时创新绩效达到饱和点，设为P*。同时考虑到网络成员将知识转化为创新绩效的过程，设知识转化为创新绩效的弹性系数为γ(γ＞0)，表示在创新网络的合作创新过程中，创新绩效对知识共享的弹性，即知识共享的投入增长1单位时，网络合作创新绩效的期望增长γ单位。γ越大，表明网络成员通过知识共享转化为网络创新绩效的能力越强，根据Samaddar和Kadiyala［17］及王建宇等的研究［22］，Q可以表示为Q=P*-K-γ。
假设3设定网络中知识共享各方所获得的创新绩效分配系数为αi(0≤αi≤1，i∈N)，知识共享的成果应由创新网络的参与者分享，假设其中知识权力强势方的分配系数为αl，知识权力弱势方的分配系数为αi，在知识共享过程中可以借助调整该系数来激励网络成员进行知识共享的积极性。
假设4引入网络知识共享稳定系数δ，0≤δ≤1。在网络知识共享的过程中，由于知识复杂性和创新网络松散耦合的组织特征，可能面临合作主体追求个体利益导致共享的关键知识泄漏风险，或者合作方过度保护导致的共享不足风险以及由此引发的网络解体风险、盗取和滥用网络知识、权力强势方使用强权控制弱势方等关系风险及机会主义行为。脆弱和不稳定的合作关系会使网络面临某些成员企业退出并带走其专业知识的风险，成为创新网络知识共享的风险和隐患，影响知识共享的稳定进行。用系数δ表示网络成员在知识共享过程中彼此之间的信任及稳定程度。
2.2主从博弈模型的建立
根据以上假设，构建主从博弈模型研究知识权力非对称影响下的知识共享问题。首先可以列出知识权力弱势方的目标函数πFi和知识权力强势方的目标函数πl，技术创新网络整体的目标函数π，以及相应的约束条件分别为
max πFi=δ×αi×Q-piK=δαi(P*-K-γ)-piK(1)
max πl=δ×αl×Q-plK=δαl(P*-K-γ)-plK(2)
max π=δ×Q-K=δ(P*-K-γ)-K (3)
s.t.αl+∑i∈N＼｛l｝αi=1，pl+∑i∈N＼｛l｝pi=1 (4)
为了分析知识权力非对称性影响下技术创新网络中各方知识共享的最优决策，采用逆向归纳法先对知识权力弱势方的最优知识共享贡献率pi进行求解。因此，据(1)式分别对知识共享总投入量K和知识权力弱势方知识共享贡献率pi求偏导，通过最优化一阶条件可求得K和pi的反应函数分别为
K*=(1-plδγ∑i∈N＼｛l｝αi)-(1γ+1)(5)
p*i=αi(1-pl)∑i∈N＼｛l｝αi(6)
基于知识权力弱势方的知识共享投入策略p*i，知识权力强势方通过优化知识共享贡献率pl最大化自身收益。将(5)式最优知识共享量K*代入知识权力强势方目标函数(2)式中并对pl求偏导，通过最优化一阶条件可得
p*l=αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi(7)
将(7)式代入(6)式，可得
p*i=αiαl-γ∑i∈N＼｛l｝αi(8)
将(8)式代入(5)式，得到最优知识共享总投入量为
K*=［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(9)
进而得到网络整体、知识权力强势方、知识权力弱势方的知识共享创新收益分别为π*=δ｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(10)
π*l=δαl｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -(αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi)［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(11)
π*i=δαl｛P*-［1δγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)｝ -(αiαl-∑i∈N＼｛l｝αiγ)［1δγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(12)
3技术创新网络组织间知识共享主从博弈结果分析
3.1均衡结果分析
对上述技术创新网络中知识权力非对称影响下的Stackelberg主从博弈过程及结果进行分析，可以得到以下结论1~4。
结论1当知识权力强势方知识共享绩效分配系数与知识权力弱势方知识共享绩效分配系数总和之比大于γ+1时，组织间知识共享机制得以运行，知识权力强势方知识共享贡献率与其绩效分配系数正相关，与知识权力弱势方的绩效分配系数负相关。技术创新网络中各方根据知识共享绩效分配系数最优化配置知识共享贡献率。
在技术创新网络中只有当参与各方的知识共享贡献率均大于零时，网络中知识共享才能成功。综合(7)、(8)式，令p*l>0且p*i>0，须同时满足以下条件
αl∑i∈N＼｛l｝αi>γ+1，0<∑i∈N＼｛l｝αi<1γ+1，αl>γ+1γ+2
在创新网络中，知识资源的稀缺性带来的知识权力非对称分布在一定程度上解释了产生创新活动网络化的原因，但这仅是知识共享开展的必要条件。无论各方权力地位如何，当且仅当合作方对各自的知识共享收益与共享投入权衡后，双方均决定参与知识共享时，合作才可能形成并有效维系。
进一步可分别证明知识权力强势方与弱势方的知识共享投入贡献率与绩效收益分配系数的一阶导数p*lαl>0，p*lαi<0，p*iαi>0。据此可知，从最大化整体收益的目标出发，为了激励网络成员在知识共享中投入更多努力，应给予他们更丰厚的收益分配额。但在知识共享投入和知识产出弹性不变的情况下，各方的收益分配是一个零和博弈，一方分配额的增加意味着另一方的减少，故绩效分配与知识共享的投入激励成为矛盾。在知识权力非对称情况下，这种矛盾会诱发强势方侵占弱势方收益的行为产生，如缺乏有效的约束机制，弱势方会失去共享意愿，使得知识共享机制陷入激励困境而难以构建或中断运行。着眼于网络整体，知识权力强势方作为知识共享治理的主导者，必须使成员目标与网络整体目标保持一致，才有利于网络创新绩效的提升。创新网络的实践也表明，由具有知识优势的核心企业引导和激励成员企业的共享行为，使企业的创新要素通过共享而变成整个网络所拥有的要素，有利于催化产生协同效应。同时，当知识转化系数发生变化时，知识权力强势方和弱势方所得的分配系数均要相应调整，这个过程往往需要在知识权力强势方的驱动与支配下完成。
结论2强势方的知识共享贡献率越大，网络知识共享总投入量越高，整体创新绩效更大。
对于网络整体知识共享总投入量的均衡解K*，总有K*pl>0，即网络知识共享总投入量是知识权力强势方知识共享贡献率的增函数。知识权力强势方知识共享投入的努力程度越高，弱势方的投入动机越强烈。据此，强势方可通过知识共享贡献率的信息传递，激励弱势方进行更为积极的知识共享，以最大化网络整体知识共享量，也就是说知识权力强势方能够主导知识共享过程，他的共享行为会起到引导作用，促进网络知识共享总投入量的增加。由此可知，知识权力强势方应当变“自发共享”为“自觉的”主动的知识共享，并通过知识控制和学习引导等方式显示共享意愿，主导知识共享风险的治理，保障并推动知识共享机制的高效运行，实现合作创新目标。
结论3各方绩效分配系数对其知识共享贡献率的激励效应并不相同，对知识权力弱势方的影响比知识权力强势方更加敏感；且对知识权力弱势方激励的边际效用是递增的，而对知识权力强势方激励的边际效用是递减的。
通过分析各方贡献率对绩效分配系数的二阶导数，可证明得到2p*lα2l<0，2p*iα2i>0，且p*lαl<p*iαi。也就是说同样的绩效分配用于知识权力弱势方产生的激励作用大于强势方。因此不仅要激励拥有核心知识的结点作为领导者进行知识共享，确保达到前述结论1中网络共享得以运行的阈值条件，更为重要的是在共享机制中要根据不同的激励效应选择和调整绩效分配系数，注重激励知识权力处于弱势但对完成协同创新不可或缺的结点参与共享和合作创新。他们对绩效分配的敏感度更高，如果没有达到其预期，更容易退出知识共享网络。而对于诸如创新网络中的核心企业等知识权力强势方来说，当处于绩效分配敏感性较低且激励的边际效用递减阶段时，可在绩效分配上对弱势方给出更大让步，使弱势方主动参与知识共享提升收益的同时，还能更加高效增加激励带来的总效用。因此，在知识共享机制构建中，应通过合理配置绩效分配系数和激励方式来达到最大化知识共享的目的，尤其是知识权力强势方应避免利用优势地位片面追求自身收益最大，而应着眼于网络整体收益最大。
结论4网络中知识共享的总投入量及创新收益均与网络成员间的知识共享稳定系数正相关。
求取知识共享总投入量的均衡解K*对稳定系数δ的一阶导数
dK*dδ=1γ+1δ-(γγ+1)［γ(αl-∑i∈N＼｛l｝αiγ)］(1γ+1)>0
表明如果成员间关系质量高，彼此信任并且知识共享安全感越高，则各方知识共享投入所形成的总有效共享量越多。当知识共享稳定系数趋于零时，合作关系质量下降，成员间必要的相互信任缺失，将会认为对方采取机会主义行为的概率加大，彼此行为难以协调的可能性极高，因此对各方未来的知识共享收益预期水平降至极低。此时，双方在知识共享决策时会拒绝投入资源，知识共享活动难以开展，知识共享机制无法运行。
在达到均衡解情况下，网络整体合作创新收益π*对稳定系数δ的一阶导数π*δ>0，类似地，知识权力强势方和弱势方的创新收益对稳定系数的一阶导数也大于零。稳定系数与知识共享的总收益及各方收益呈正相关关系。所以从技术创新网络治理出发，培养并强化组织间信任是知识共享机制运行的重要保障，尤其在促进隐性知识共享方面更加有效。具体来说如果知识权力强势方在知识共享决策中，没有因共享核心知识而丧失竞争优势的忧虑，获取预期收益的信心充足，则会促进知识共享。同样，如果弱势方无须担心因处于劣势而使得自己应得的预期收益无法实现、被强势方侵权等风险因素，从而积极主动地完成共享任务，就会促进组织间知识共享高效运行。
3.2考虑各方已有知识基础的扩展模型
技术创新网络中的知识共享是一个动态过程，不仅需要合作各方共享新知识，而且也有赖于结点企业利用自身已有知识吸收转化新知识［23］。各结点将已有知识与新知识有效整合能更高效地促进知识转化为可执行知识进而促进创新。据此，引入各方已有知识基础对前述模型进行扩展讨论。设反映知识权力强势方和弱势方在本阶段知识共享前已有的相关知识资源为Pl、PF，各方将已有知识转化为创新绩效的弹性系数为γl、γF（γl,γF>0）。前文设定的γ为本阶段知识转化为绩效的弹性系数，一般地，本阶段的知识转化弹性γ高于γl和γF，这是由于当前知识对特定创新任务来说相关度更高，对创新绩效的直接贡献更大，已有知识与创新任务直接相关度较低，因此贡献较前者偏低。
据此在前述模型的基础上，修正知识权力影响下组织间知识共享的收益目标函数，如对(3)式修正后为π=δ×Q-K=δ(P*-K-γP-γllP-γFF)-K，其他修正类同。同前所述，按主从博弈关系对各目标函数分别进行求解，得到博弈的均衡解如下
K*=［PγllPγiFδγ(αl-γ∑i∈N＼｛l｝αi］-(1γ+1)(13)
p*l=αl-(1+γ)∑i∈N＼｛l｝αiαl-γ∑i∈N＼｛l｝αi(14)
π*=δ｛P*-［PγllPγiFδγ（αl-γ∑i∈N＼｛l｝αi）］(γγ+1)P-γllP-γiF｝ -
［PγllPγiFδγ（αl-γ∑i∈N＼｛l｝αi）］-(1γ+1)(15)
由此可得以下结论5和6。
结论5在考虑知识共享时点各方已有知识基础的情况下，知识权力强势方知识共享贡献率与之前的分析相同，只与双方知识共享绩效分配系数和知识产出弹性有关，与已有知识及其转化能力无关，对知识权力弱势方知识共享贡献率也有类同结论。
结论6在考虑知识共享时点各方已有知识基础的情况下，达到一定创新绩效所需的知识共享总量减少；在一定知识共享总量基础上知识共享创新绩效增大。
此情况下，知识共享总量为(13)式，通过与(9)式比较，说明在具备已有相关知识基础的情况下，较不考虑先前已有知识影响时完成特定创新目标所需的知识共享总量减少。这意味着将使合作各方在新的创新项目中投入的知识共享量更少，得益于各方运用已有知识对共享知识进行了更为有效的消化、吸收和整合。同时，此情况下网络整体最优的知识共享创新收益为(15)式，与(10)式不考虑各方已有知识情况下的收益比较，前者增大。这说明，具备一定的知识基础相当于增加了共享知识的产出弹性，已有知识的有效运用可以使既定知识共享量的产出绩效更大，成本损耗更小。对原模型的扩展分析说明，已有知识对知识共享机制的运行有重要促进作用。已有知识基础及运用能力也是反映结点知识权力强弱动态变化的一个方面，知识权力的非对称在一定程度上归结于结点间已有知识基础和运用能力的差异，已有知识通过吸收能力的提高增大自身创新产出，提高创新收益。
4结论与展望
知识共享是创新网络竞争优势的重要来源，知识权力的非对称性使得知识共享过程的竞合关系更为复杂，组织间知识共享成为技术创新网络治理中的核心和难点问题。在创新网络实践中，需要针对知识权力非对称影响下的合作各方，选择相应的知识共享治理机制来达到降低关系风险和引导网络成员共享行为的目的。研究结论表明，可采用的机制包括基于经济关系的绩效分配与激励机制及其约束机制，以及基于社会关系的组织间信任机制。具体来说，在创新网络中，知识共享机制得以维系的前提条件是知识权力强势方的绩效分配系数应足够大，该分配系数与所有知识权力弱势方的分配系数之和的比应大于知识转化系数+1。在此条件下，绩效分配系数对知识权力弱势方在知识共享中贡献率的影响比知识权力强势方更加敏感，应当以此作为约束强势方的依据。知识共享稳定系数对知识共享投入与收益均有正向影响，在技术创新网络中科学合理的创新绩效分配与组织间知识共享的稳定氛围和惯例、文化是创新网络知识共享机制高效运行的基础和重要保障，各方已有的知识基础及知识运用、吸收和整合能力均是提升知识共享水平和创新绩效的润滑剂。
本文所构建的博弈模型可为知识权力影响下的各方通过绩效分配策略和共享投入策略实施网络治理提供理论指导。研究的局限性是假设网络各结点都是理性决策主体且风险中性，并且假定决策各方的信息是对称和完全的，这在现实世界中难以完全保证，网络成员通常是有限理性且具有一定的风险偏好。进一步的研究工作，需要考虑各类主体的非理性因素和风险偏好、知识权力分布的测度和描述，并考虑具体情境下各类知识转化弹性、知识共享成本函数，深入探讨技术创新网络知识共享机制的构建与运行问题。
参考文献：
［1］Ruckman K. Technology sourcing acquisitions: what they mean for innovation potential［J］. Journal of Strategy and Management, 2009, 2(1): 5675.
［2］Gravier M J, Randall W S, Strutton D. Investigating the role of knowledge in alliance performance［J］. Journal of Knowledge Management, 2008, 12(4): 117130.
［3］Rycroft R W, Kash D E. The complexity challenge: technological innovation for the 21st century［M］. New York: A Cassel Imprint, 1999. 135146.
［4］慕继丰,陈方丽,冯宗宪.企业网络结构的效率［J］.科研管理,2002,23(5):8187.
［5］Spencer J W. Firms’ knowledgesharing strategies in the global innovation system: empirical evidence from the flat panel display industry［J］. Strategic Management Journal, 2003, 24(3): 217233.
［6］Grant R M. Toward a knowledgebased theory of the firm［J］. Strategic Management Journal, 1996, 17: 109122.
［7］Cabrera A, Cabrera E F. Knowledgesharing dilemmas［J］. Organization Studies, 2002, 23(5): 687710.
［8］Kumar N, Scheer L K, Steenkamp J B E M. The effects of perceived interdependence on dealer attitudes［J］. Journal of Marketing Research, 1995, 32(3): 348356.
［9］Brenner T, Cantner U, Graf H. Innovation networks: measurement, performance and regional dimensions［J］. Industry ＆ Innovation, 2011, 18(1): 15.
［10］Berthon P, Pitt L F, Ewing M T, et al.. Norms and power in marketing relationships: alternative theories and empirical evidence［J］. Journal of Business Research, 2003, 56(9): 699709.
［11］张巍,党兴华.企业网络权力与网络能力关联性研究——基于技术创新网络的分析［J］.科学学研究,2011,29(7):10941101.
［12］Latiff H S B H N M A, Hassan A. Rise and fall of knowledge power: an indepth investigation［J］. Humanomics, 2008, 24(1): 1727.
［13］Weitz B A, Jap S D. Relationship marketing and distribution channels［J］. Journal of the Academy of Marketing Science, 1995, 23(4): 305320.
［14］Morasch K. Strategic alliances as stackelberg cartelsconcept and equilibrium alliance structure［J］. International Journal of Industrial Organization, 2000, 18(2): 257282.
［15］吴丙山,赵骅,罗军.高新技术企业中知识分享微观机制研究［J］.科研管理,2012,33(3):6571.
［16］ Mowery D C, Oxley J E, Silverman B S. Strategic alliances and interfirm knowledge transfer［J］. Strategic Management Journal, 1996, 17: 7791.
［17］Samaddar S, Kadiyala S S. An analysis of interorganizational resource sharing decisions in collaborative knowledge creation［J］. European Journal of Operational Research, 2006, 170(1): 192210.
［18］Confessore G, Mancuso P. A dynamic model of R&D competition［J］. Research in Economics, 2002, 56(4): 365380.
［19］Gilsing V, Nooteboom B, Vanhaverbeke W, et al.. Network embeddedness and the exploration of novel technologies: technological distance, betweenness centrality and density［J］. Research Policy, 2008, 37(10): 17171731.
［20］Hansen M T. The searchtransfer problem: the role of weak ties in sharing knowledge across organization subunits［J］. Administrative Science Quarterly, 1999, 44(1): 82111.
［21］Tsai W. Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance［J］. Academy of Management Journal, 2001, 44(5): 9961004.
［22］王建宇,樊治平,姜艳萍,等.合作知识创新中基于Stackelberg博弈的资源共享决策模型［J］.中国管理科学,2005,13(3):8488.
［23］张明,江旭,高山行.战略联盟中组织学习、知识创造与创新绩效的实证研究［J］.科学学研究,2008,26(4):868873.