基于联盟间知识互动关系的联盟组合策略研究

，

(1.西华大学 创新创业学院,四川 成都 610039； 2电子科技大学 经济与管理学院,四川 成都 611731)

基于联盟间知识互动关系的联盟组合策略研究

杜欣1，邵云飞2

(1.西华大学 创新创业学院,四川 成都 610039； 2电子科技大学 经济与管理学院,四川 成都 611731)

联盟间知识互动关系对联盟组合的知识创新增长有着重要的影响。本文首先运用Lotka-Volterra模型，构建了联盟组合知识增长模型；然后以联盟间知识互动关系为切入点，分别研究了互动、竞争、替代三种联盟组合策略对联盟组合知识创新的影响；之后以大唐移动公司的联盟组合策略为案例对研究结论进行了解释。最后，面向焦点企业提出针对不同组合策略的管理启示。

联盟组合；知识互动；组合策略；Lotka-Volterra模型

1 引言

在全球化环境中，越来越多的企业通过大量发展联盟来实现可持续的竞争优势[1]。Gulati 指出[2]：“企业组建联盟的频率正在加速，像康宁、摩托罗拉、IBM、HP等公司，它们同时拥有数百个联盟”。以美国软件业为例，1990年仅有32%的上市企业建立了联盟关系，平均每家企业拥有4个联盟；而到2000年，该行业中上市企业拥有联盟的比例已经高达95%，且平均每家企业拥有的联盟数量跃升至32个，部分企业的联盟数量超过50个[3]。这种以一个焦点企业为核心拥有多个联盟的集合体被称为联盟组合[4]。

随着信息化和全球化浪潮的到来，知识取代劳动力、资本成为最具战略意义的资源。焦点企业可以通过构建联盟组合来获取有价值的知识，扩大自身的知识存量，实现知识增长。联盟组合的形成通常被看作是焦点企业获取有价值知识以克服自身知识不足的战略性举措，或者是知识互惠或学习的平台[4]。Castro和Roldn从知识价值的角度研究了联盟组合的规模与绩效的关系[5]。Haider和Mariotti的研究表明：企业摆脱二元逻辑同时形成多个联盟是为了填补他们对新兴知识的需求。一方面，联盟组合的形成可以提高知识的利用水平，焦点企业为了应付创新中各种各样的知识需求而发展多个联盟；另一方面，为了获得收益增加竞争力，焦点企业需要塑造和管理他们的联盟组合[6]。焦点企业不能只关注当前已有的联盟，而应当到更大的社会网络中发展新的知识联盟，并意识到这些新联盟会如何影响他们现有联盟。

从现有研究可以看出，联盟组合是一个网络整体，联盟与联盟间通过焦点企业形成直接或间接的网络联系，知识资源通过网络进行流通、结合、创新，从而导致知识存量的增加。焦点企业构建联盟组合的一个重要目的就是利用联盟间知识互动，实现知识创新，促进知识增长[7]。近年来，学者们也开始认识到企业的联盟组合中存在着资源的协同或者冲突效应[8]。例如，徐二明和徐凯的研究结果表明，资源互补和竞争在企业联盟间是可以同时存在的，资源互补能够提高联盟的创新绩效，而竞争则会阻碍联盟创新[9]。詹也和吴晓波通过研究发现，分属不同联盟的企业之间常常在合作之余，为取得竞争性资源优势(如稀缺的人力、物力、财力、声誉等)展开显性或者隐性的竞争。这种多边竞争加剧了联盟企业对焦点企业的业务、资源和注意力的争夺，从而提高焦点企业在联盟组合中的地位和控制力。与此同时，焦点企业为了获得异质性资源，在构建联盟组合时也必须考虑联盟企业之间的资源互补性，如果联盟组合的资源冗余性太高会导致联盟创新效率的降低[10]。因此，焦点企业在发展多个联盟时，除了考察联盟伙伴本身之外，还要考虑新建联盟与原有联盟之间的知识互动关系，从而选择不同的联盟组合策略。

然而，现有研究主要集中在资源的获取和联盟伙伴的选择方面，而较少从联盟与联盟之间的关系出发，考察联盟组合的整体情况。那么，怎样的联盟组合策略可以让焦点企业获取更大的联盟利益？联盟间不同的组合策略会对联盟组合的知识创新起到什么样的作用？焦点企业在面对不同的联盟组合策略时应当如何选择？本文从研究联盟间知识互动关系的视角出发，借鉴生态学中研究物种间竞合关系的Lotka-Volterra模型，构建联盟组合的知识增长模型；并在此模型基础上，通过对不同组合策略下知识增长的稳定性以及模型仿真实验结果分析，探讨联盟间不同的知识互动关系所对应的联盟组合策略如何影响联盟知识增长；之后利用大唐移动联盟组合的案例对三种组合策略进行解释分析；最后提出焦点企业选择组合策略，组建联盟组合的管理启示。

2 联盟组合知识增长模型构建

2.1 联盟组合网络系统的生态性与Lotka-Volterra模型

Hoffmann认为联盟组合是一个由焦点企业的多个联盟组成的网络系统[4]。类比于生态系统的一般特征，联盟组合网络系统可以模拟成一个生态系统：首先，两个系统中都包含多个主体。生态系统中有多个种群；联盟组合网络系统内有多个联盟。其次，两个系统中都存在主体间的相互作用。生态系统中，种群之间通过竞争、捕食、共生等多种关系进行相互作用；联盟组合网络系统中，通过资源在网络中的共享、整合、转化，联盟与联盟之间也相应存在着资源的互补、竞争和替代等关系。最后，两个系统中都具有资源限制。在生态系统中，自然环境中资源的有限性使得种群的发展始终是有节制的，不可能无限制地发展壮大，种群间对资源进行争夺形成多级复杂的食物链网；在联盟组合网络系统中，由于资金、人才、知识、政府支持等资源也是有限的，不同联盟主体间也会存在资源争夺，并根据各联盟资源的构成关系，形成资源网。

Lotka-Volterra模型是20世纪30年代美国生态学家Lotka和意大利数学家Volterra共同提出的用于描述物种间竞合关系的理论模型。该模型是在种群动力学Logistic 模型的基础上，将研究对象从单个物种扩展到多个物种之间的相互作用上，奠定了研究物种间竞争关系的理论基础，对现代生态学理论的发展有着重要影响[11]。近年来，研究者们将该模型引入社会经济管理问题的建模分析中，并应用于知识研究领域。例如，郭燕子和武忠利用Lotka-Volterra模型研究构建了产业技术创新网络的知识创造模型，用以研究核心网络与辅助网络之间的交互作用[12]。龙跃在Lotka-Volterra模型的基础上建立了知识创新扩散模型，分别探讨了竞争系数、扩散速度、初始状态等因素对知识创新扩散过程的影响作用[13]。Chakrabarti利用非线性Lotka-Volterra交互模型产生的内生波动研究了知识的演化过程[14]。

在社会系统中，知识的增长情况与生物种群增长的作用机理非常相似，联盟组合的知识增长同时受到联盟内部和联盟间关系的影响。为了研究不同联盟之间的知识竞合关系对联盟组合知识增长的影响，基于联盟组合网络系统的生态特性，本文引入Lotka-Volterra模型对其进行研究。

2.2 Lotka-Volterra知识增长模型

假设以焦点企业M为中心建立N个联盟所形成的联盟组合中，单个联盟i拥有的知识水平为Xi。对单个联盟而言，通过联盟内部企业之间的协同创新实现知识增长，则该联盟知识自然增长情况可描述为一个S曲线增长的Logistic方程模型

(1)

其中Xi(t)表示t时刻的知识水平；ai代表该联盟知识的自然增长率，反映了该联盟整体的知识增长水平，一般地有ai>0；bi为内在互动率，代表该联盟内企业间关系对联盟知识增长的影响。由于在联盟内部知识增长过程中，尽管焦点企业可以通过共享创新资源、优化创新路径等措施提高联盟整体的知识水平，但是从整体来看，一个联盟所能获得的创新资源始终是有限的，联盟内部企业间也可能受到如信任缺失、沟通障碍、机会行为等阻碍因素的影响，因此一般的模型中大多取bi<0，用以表征联盟边界对知识创新增长的限制。

除此之外，由于焦点企业M位于联盟组合的核心位置，分属不同联盟的企业之间可以通过焦点企业的联盟组合网络产生直接或间接的联系。联盟知识增长水平也会受到来自其他联盟的影响。联盟组合中单个联盟知识增长模型可用一个推广的N种群Lotka-Volterra模型进行描述

(2)

其中cji为联盟知识增长的外在互动率，表示联盟j知识对联盟i知识增长的影响关系：cji>0表示联盟j知识对联盟i知识增长具有正向的促进作用；cji<0则表示联盟j知识对联盟i知识增长具有负向的阻碍作用。

根据以上模型可以计算整个联盟组合的知识增长情况，定义X为焦点企业M的联盟组合整体知识水平随时间的变化情况，则有

(3)

3 基于知识互动关系的联盟组合策略

从上述模型可以看出，联盟组合的知识增长与联盟间的互动关系密切相关。联盟组合的整体知识增长也并非是单个联盟知识水平的简单线性加总，联盟间知识互动情况也会影响到联盟组合整体的知识水平增长，从而影响焦点企业对联盟组合策略的选择。

3.1 联盟间知识互动与组合策略

Pistorius和Utterback利用Lotka-Volterra模型来描述一种知识对另一种知识增长的作用情况。通过改变模型中竞争系数的代数符号，总结出三种知识间的互动模式：共生、竞争和捕食[15,16]。如果两种知识的互动可以相互促进对方的知识增长，为知识共生模式；如果两种知识之间存在竞争关系，两种知识之间相互抑制增长，则为知识竞争模式；如果两种知识之间存在捕食关系，即知识互动中一种知识促进了另一种知识的增长却反过来被后者抑制了自身的增长，为知识捕食模式，例如，一种新知识是在原有知识的基础上产生的更高级知识，这种新知识的发展随着原有知识的发展日趋成熟后，可以替代原有知识阻碍其继续发展。

联盟组合是复杂的非线性组织形式，联盟间知识互动关系对联盟知识增长存在促进或阻碍作用。根据联盟间知识互动影响关系的不同，焦点企业可以对应三种联盟组合策略：互补型组合策略、竞争型组合策略、替代型组合策略。下文就三种组合策略的模型稳定性进行分析，探索不同组合策略下联盟的知识增长情况。

3.2 互补型组合策略

(4)

结论1互补型组合策略可以促进联盟组合的知识创新。联盟之间知识的相互互补利用，不仅可以提升自身联盟的知识创新效率，还可以带动其他联盟的知识创新；联盟间知识互补关系越大，对联盟组合知识创新的促进作用越明显。

3.3 竞争型组合策略

结论2竞争型组合策略不利于联盟组合知识创新，联盟之间的知识竞争是导致联盟失败的重要原因。但从另一角度来看，尽管竞争机制导致了资源的浪费和创新效率的损失，但是对于焦点企业而言，这种竞争性的联盟组合策略可以充分激励联盟间争夺创新资源进行知识创新的积极性，缩短创新周期，同时可以识别出哪个联盟的创新能力更强，从而实现联盟的“优胜劣汰”。

3.4 替代型组合策略

在替代型组合策略下，焦点企业为了未来长远的持续竞争力考虑，在已有联盟的基础上重新发展了一个开发更高级知识的联盟，使得这两个联盟之间的知识存在替代关系(捕食关系)。一个联盟在另一个联盟知识的基础上开发出的新知识，而这些新知识对之前的知识具有替代性，会降低之前知识的存在价值，但是新知识的开发对原有知识存在依赖性。假设X1对X2的外在互动率为正(c12>0)，X2对X1的外在互动率为负(c21<0)，说明X1产生的新知识能够促进X2进行知识创新，X2是比X1更高级的知识；尽管联盟X2最初的知识水平不如联盟X1，随着时间的推移，由于X2产生的知识创新比X1的更高级，会逐渐替代之前X1产生的新知识，降低X1的知识价值，最终联盟X1将逐渐退出联盟组合。

结论3替代型组合策略适用于新旧知识共存的情况。如果高级知识对低级知识的替代性越强，联盟对高级知识创新的积极性就越高；如果低级知识对高级知识创新的促进作用越明显，联盟进行低级知识创新的积极性就会越高。

4 不同组合策略下联盟组合整体知识增长的变化

联盟组合是焦点企业与联盟伙伴相互联系而形成关系集合体[17]。为了考察不同类型的联盟组合策略对整个联盟组合知识增长水平的影响，根据(3)式可得联盟组合整体知识水平的变化率为

b2X2(t))+(c12+c21)X1(t)X2(t)

(5)

根据上式可以看出，对联盟组合整体知识创新能力(知识水平变化)而言，除了受到来自联盟内部企业间的影响限制(bi的大小)，还受到来自联盟之间知识互动关系的影响。本文主要讨论联盟间知识互动关系的组合策略，假设联盟内部的创新协同影响因子bi为一个常量，在此不参与讨论。对焦点企业而言，扩大联盟组合的规模是否有利于知识水平的提升，取决于联盟间知识互动关系的集合，即(c12+c21)的符号。

下面利用MATLAB软件对外部互动率c12和c21的不同取值下三种联盟组合策略对联盟组合整体知识增长水平进行仿真实验。设a1=a2=0.1，b1=b2=-0.002，X1(0)=X2(0)=1，仿真结果如图1所示。

图1 不同知识互动关系下联盟组合整体知识增长情况

由图1可知，平衡状态下，互补型组合策略最终的联盟组合知识存量水平是最高的。因此，当企业构建联盟组合的战略目标是实现知识开发时，互补型组合策略有利于企业通过构建联盟追求异质性知识，实现知识创新。尽管竞争型组合策略会导致联盟组合整体知识增长水平下降，知识冗余性增加、创新资源内耗、重复开发、资源浪费等现象也是造成整体知识水平下降的原因，但不可否认相较于其他两种组合策略，竞争型组合策略的确可以缩短达到平衡状态所需要的时间，缩短创新周期。对于替代型组合策略来说，新知识对旧知识的替代性越明显，越会降低联盟组合整体的知识增长水平，而如果新旧知识能够在一个较长的时期内并存发展，也可以促进联盟组合整体的知识增长。不同组合策略对联盟组合整体知识增长的影响见表1。

表1 不同组合策略对联盟组合整体知识增长的影响

结论4从联盟组合知识创新整体来看，互补型组合策略可以最大程度地促进知识创新效率，而竞争型组合策略则可以实现最短的创新周期。对替代型组合策略而言，是否能够促进整体的知识创新水平取决于新旧知识的相互替代关系本身。

5 案例分析

本文选取大唐移动通信设备有限公司(简称“大唐移动”)联盟组合案例进行分析。2000年5月，大唐集团代表中国政府提交的TD-SCDMA技术，被国际电联(ITU)接纳为第三代移动通信国际标准(3G)。2002年3月，大唐移动挂牌成立，致力于TDD无线通信技术(及后续技术)与应用的开发，专注于无线通信解决方案与云计算、物联网、移动互联网协调发展的融合，并全力推动TD-SCDMA及其后续TD-LTE技术网络的研发和产业化进程。

在大唐移动的发展历程中，充分地利用了组建联盟的方式推动知识创新增长。2003～2004年间，TD-SCDMA技术尚处于前期研发的阶段，此时的大唐移动采用互补型策略发展联盟组合，先后与北电网络、上海贝尔阿尔卡特等公司建立联盟关系，成立了TD-SCDMA联合实验室，综合各自技术优势对TD-SCDMA系统进行互联互通测试、验证系统功能以及进行市场演示等工作。在此阶段中，联盟以TD-SCDMA的技术研发为主要目标。一个联盟的知识可运用到另一个联盟的商业化应用创新中；同时TD-SCDMA技术商业化应用的发展能促进TD-SCDMA系统知识创新，这种互补型的联盟组合策略有利于创新资源的流通和有效利用，对TD-SCDMA技术的完善和成熟具有重要的推动作用。

2005～2007年是TD-SCDMA技术飞速发展应用的时期，在这段时间中，大唐移动几乎同时与三家手机制造商(三星电子、希姆通信息技术有限公司(Simcom)、英华达公司)结成联盟，致力于TD-SCDMA在智能手机的应用方面的研发工作。由于三家联盟对象的终端产品存在市场竞争，无论哪个联盟的创新研发如果率先完成都将会抢先占领市场，进而降低另外两个联盟创新的市场价值。但是，对于大唐移动而言，这种竞争型的联盟组合策略可以增加其对联盟组合的控制力度，在联盟伙伴面前提升议价能力，同时可以整合联盟组合的整体资源，降低创新风险。

另一方面，大唐移动早在2005年5月就正式开始LTE技术的研究，并于2006年参与了以电信研究院、中国移动研究院、华为、中兴，以及清华大学、北京邮电大学等为核心的TD-LTE Advanced的研究联盟。2005年11月，在汉城举行的3GPP工作组会议通过了大唐移动主导的针对TD-SCDMA后续演进的LTE-TDD技术提案。2013年12月4日工信部正式向三大运营商发布4G牌照，中国移动、中国电信和中国联通均获得TD-LTE牌照。随着移动通讯技术的发展，以TD-LTE的4G网络将逐步取代TD-SCDMA所在的3G网络。从2008年开始，大唐移动就先后与韩国SK电讯、安捷伦、中国移动等组建联盟对TD-LTE技术进行研发和市场推广。2015年，为响应国家信息安全国产化的号召，适应“互联网+”时代的发展需要，大唐移动与明朝万达建立了战略联盟，全面应对行业移动通信领域的信息安全问题，实现技术升级和平稳过度。2016年，大唐移动作为中国移动公司的长期战略联盟伙伴，以“打造5G生态世界”为目标，共同开发5G技术创新，对5G产业生态链进行了布局。通过采用替代型联盟组合策略，大唐移动在发展TD-SCDMA的同时也不放松对升级技术TD-LTE的研发工作，并且已经开始参与多项5G关键技术研究。

从大唐移动的案例可以看出，在TD-SCDMA发展初期，焦点企业的主要目标是进行技术开发，实现知识创新。此时，大唐移动采取了互补型组合策略发展联盟伙伴，组建的联盟之间以知识互补为主，相互促进实现TD-SCDMA技术知识的创新。随着TD-SCDMA技术的成熟，商业化应用成为联盟的主导内容，作为焦点企业而言，大唐移动拥有TD-SCDMA的核心知识但并不用直接参与市场竞争，因此与不同企业组建相互具有竞争性的联盟，可以缩短实现TD-SCDMA商业化的周期并降低创新风险。与此同时，在TD-SCDMA技术发展的同时，大唐移动也通过联盟形式对后续升级技术TD-LTE进行研发，这种替代型联盟组合策略不仅分担了大唐移动对新技术的创新风险，也使得大唐移动始终走在了移动通信行业的前列。

6 结论与管理启示

知识创新带来了知识的增长。焦点企业的联盟组合促进了知识的增长、流动和升级。本文以生态网络来模拟联盟组合系统，应用Lotka-Volterra模型构建了联盟组合的知识增长关系模型，并且从知识互动关系视角探讨了焦点企业构建联盟组合的三种组合策略：互补型组合、竞争型组合和替代型组合。模型分析和仿真结果显示：互补型组合策略是最有利于联盟组合整体知识增长的策略，知识互补性越强越能够促进联盟知识增长；联盟间知识竞争能缩短知识创新的周期，还能够识别联盟知识创新水平的优劣；知识升级的发生可能在一段时期内会降低整体的知识增长量，但从长远来看，随着时间的推移，低级知识会逐渐被高级知识所取代而失去价值，而随着高级知识对低级知识的替代性增强，高级知识带来的价值增量足以弥补短期的损失。大唐移动联盟组合的案例更进一步说明了伴随着企业的发展，三种组合策略是怎样选择运用的。

根据上述结论，可以探讨焦点企业面对不同联盟组合策略时的管理启示：

(1)互补型联盟组合策略可以促进联盟间知识交流。从整体上看，发展互补型联盟组合还可以使焦点企业的知识构成更为广阔，跨行业、跨学科的知识融合可以带来更多的创新灵感。因此，焦点企业在选择联盟伙伴时应放眼全球，尽量考虑知识资源的互补性和多元性，在知识创新过程中争取实现“跨界”融合。

(2)竞争型联盟组合策略可以激发知识创新的积极性。为了减小创新风险或者缩短创新周期，焦点企业往往会参与两个甚至多个联盟进行同一种类型的知识创新，在联盟组合中引入竞争机制。尽管一定程度的竞争可以提高联盟知识创新的积极性，但是很显然这种竞争型的联盟组合策略会造成创新资源的浪费，同时也会损害焦点企业与联盟企业之间的联盟关系。故而在竞争不可避免的情况下，焦点企业可以有意识地加大联盟间的竞争力度，争取早日实现“优胜劣汰”。

(3)替代型联盟组合策略可以实现知识的升级。尽管高级知识的优势最初或许并不明显，但从长远看，焦点企业仍然应当尽早将拥有高级知识的创新联盟纳入到联盟组合中来，以促进高级知识的创新，避免低级知识被淘汰时处于被动的局面。

[1] Parmigiani A E, Riverasantos M. Clearing a path through the forest: a meta-review of inter-organizational relationships[J]. Journal of Management, 2011, 37(4): 1108-1136.

[2] Gulati R. Alliances and networks[J]. Strategic Management Journal, 1998, 19(4): 293-317.

[3] Lavie D. Alliance portfolios and firm performance: a study of value creation and appropriation in the US software industry[J]. Strategic Management Journal, 2007, 28(12): 1187-1212.

[4] Hoffmann W H. Strategies for managing a portfolio of alliances[J]. Strategic Management Journal, 2007, 28(8): 827- 856.

[5] Castro I, Roldán J L. Alliance portfolio management: dimensions and performance[J]. European Management Review, 2015, 12(2): 63- 81.

[6] Haider S, Mariotti F. The orchestration of alliance portfolios: the role of alliance portfolio capability[J]. Scandinavian Journal of Management, 2016, 32(3): 127-141.

[7] 林向义,张庆普,罗洪云.知识创新联盟合作伙伴选择研究[J].中国管理科学,2008,16(S1):404- 408.

[8] Barakat M, Du S P. Alliance portfolios: designing and managing your network of business-partner relationships[J]. Academy of Management Executive, 2003, 17(4): 25-39.

[9] 徐二明,徐凯.资源互补对机会主义和联盟绩效的影响研究[J].管理世界，2012，(1)：93-100.

[10] 詹也,吴晓波.企业联盟组合配置战略与组织创新的关系研究——基于我国汽车行业的多案例研究[J].科学学研究，2012，30(3)：466- 473.

[11] Morris S A, Pratt D. Analysis of the Lotka-Volterra competition equations as a technological substitution model[J]. Technological Forecasting & Social Change, 2003, 70(2): 103-133.

[12] 郭燕子,武忠.基于Lotka-Volterra模型的产业技术创新网络知识创造机理研究[J].情报杂志，2012，31(6)：139-143.

[13] 龙跃.Lotka-Volterra系统下知识创新扩散模型及仿真研究[J].情报理论与实践，2014，37(8)：56-59.

[14] Chakrabarti A S. Stochastic Lotka-Volterra equations: a model of lagged diffusion of technology in an interconnected world[J]. Physica A Statistical Mechanics & Its Applications, 2016, 442: 214-223.

[15] Pistorius C W I, Utterback J M. A Lotka-Volterra model for multi-mode technological interaction: modeling competition, symbiosis and predator prey modes[J]. Access & Download Statistics, 1996, (3): 62-71.

[16] Pistorius C W I, Utterback J M. Multi-mode interaction among technologies[J]. Research Policy, 1997, 26(1): 67- 84.

[17] Wassmer U. Alliance portfolios: a review and research agenda[J]. Journal of Management, 2008, 36(1): 141-171.

ResearchontheKnowledgeInteractionandPortfolioStrategyinAlliancePortfolio

DU Xin1, SHAO Yun-fei2

(1.InnovationandEntrepreneurshipCollege,XihuaUniversity,Chengdu610039,China; 2.SchoolofEconomicandManagement,UniversityofElectronicScienceandTechnologyofChina,Chengdu611731,China)

The knowledge interaction between alliances has important influence on the growth of knowledge innovation in alliance portfolio. In this paper, a knowledge growth model of alliance portfolio is built on Lotka-Volterra model. Then by means of analyzing different knowledge interactions, three kinds of corresponding portfolio strategy and their influence on alliance portfolio knowledge growth are studied through model analysis and simulation. Datang mobile alliance portfolio case illustrates the conclusion. Finally, management implications are mentioned to the focal enterprise.

alliance portfolio; knowledge interaction; portfolio strategy; Lotka-Volterra model

2016-12- 07

国家自然科学基金资助项目(71572028)

F270.7

A

1003-5192(2017)06- 0069- 06

10.11847/fj.36.6.69