新兴技术跨界融合的知识演变研究*

曹 兴，许 羿，李小娟，孙绮悦

(1.中南大学 商学院， 湖南 长沙 410083；2.湖南第一师范学院 商学院 ，湖南 长沙 410205；3.湖南财政经济学院 工商管理学院， 湖南 长沙 410205)

一 引 言

随着技术环境动态性和复杂性不断深化，跨界融合已成为实现技术创新的重要形式。跨界融合本质上体现了企业在知识、技能、市场资本等要素的跨区域互动、渗透[1-2]，通过主动或被动交换技术知识，使得多种技术叠加，促使技术进步的过程[3]。新兴技术源于多个技术融合及知识的更新[4]，其本质是异质性技术知识不断重组与整合的结果，具有多学科、多领域交叉融合的特征。技术融合是不同产业间共享相同知识和技术基础的过程[5]，Curran将技术融合定义为两种或两种以上现有技术，组合成一种混合技术的突破现象，并指出知识融合驱动了新兴技术的形成和发展[6]。Hacklin、Lee等提出知识融合是技术融合的前提[7-8]。Verhoeven等指出新兴技术创新源于技术知识与科学知识的积累与创造[9]；李乾瑞等认为知识链接的跨界与异化体现了新兴技术的内在特征[10]。跨界融合是以知识需求为驱动的复杂知识流动现象[11]，依赖于知识的获取和运用[12]。创新网络在企业间资源、信息的相互传输中发挥着重大作用，促进了知识转移和新知识产生[13]。企业组建技术联盟、产业集群等，进而形成知识网络结构，为内在知识元素提供便捷、灵活的流动路径，增强多元知识跨界融合的可能性[14]。冯科等发现技术融合由早期的小规模领域交叉渗透演化为社群式快速生长，多领域知识之间呈现融合趋势[15]。跨界融合过程对技术创新的作用机制表现为异质性知识跨界融合对技术创新的影响。曾德明等研究发现技术研发网络中的知识边界拓展与技术创新绩效呈正相关关系，知识深度与宽度的增加有利于新技术的涌现[16]。Brennecke等采用多层网络分析法，分析技术知识网络中不同维度的知识如何在研发人员之间转移[17]。巴志超、刘学太等构建知识网络模型，利用k-core方法，将知识网络划分为基础层、中间层、细节层三层结构，发现中间层和细节层的空间覆盖率较低，知识复杂度较高，是新兴技术孵化的关键层次[18]。

新兴技术知识网络体现了节点间进行合作交流的一种制度安排，跨界融合推动节点地位与节点间连接关系的变化，促进了网络拓扑结构、知识状态与创新能力的演变。因此，本文以虚拟现实技术为研究对象，通过收集虚拟现实技术专利数据，结合Gephi软件，构建IPC共现网络，探究新兴技术企业的知识跨界搜索、吸收存储、融合重构三种行为，划分并界定核心知识群、引导知识群和扩展知识群，分析跨界融合过程中知识演变过程。本文以跨界融合为研究视角，详细阐述新兴技术知识网络的演变机理，为新兴技术创新模式提供新的研究思路。

二 跨界融合中知识网络演变机理

新兴技术企业通过知识跨界搜索、知识吸收存储、知识融合重构三种行为，使得知识状态发生演变，知识网络不断发展。根据知识元素重要性，知识可划分为核心知识、非核心知识和边缘知识。与知识网络相对应，知识可依次归属于核心知识群(以下简称核心群)、引导知识群(以下简称引导群)和扩展知识群(以下简称扩展群)。本文通过探究知识群在网络中的跨界融合，分析新兴技术跨界融合过程中的知识网络演变机理。

(一)跨界融合中的知识层级划分

新兴技术由功能不同却相互关联的技术部件组成，每个技术部件由对应知识元素按理论逻辑串联，通过知识流动，形成含有引用、合作等关系的知识链，再由知识链构成知识群。知识链根据技术模块的运转机制，选择与另一条知识链连接，呈现交叠的关键区域，当所有知识链之间完成了结构与功能上的整合，就会形成支撑技术模块发挥功效的知识群，知识网络最终表现为结构完整、功能完备的知识群聚合形式。在跨界融合下，知识网络吸纳了多元异质性知识，加入新兴技术知识库，形成开放连通的网络结构。在技术融合过程中，知识网络中的主要核心企业，带头识别与筛选各种知识元素，通过技术投资和研发战略制定等，确定各知识群层级。

不同技术模块的知识群，主导技术产业链上、中、下游的不同区段，且在知识网络中的作用也存在着差异。知识网络中主要核心企业利用雄厚的技术基础，通过研发和引进，在跨界融合过程中，增强了网络中基础知识聚集，形成了新兴技术知识网络中的核心群，占据网络的核心位置，凭借前沿知识水平，成为新兴技术创新的主要源头和创新网络演进掌控者。引导群和扩展群处于网络中的非核心地位，不会对根本性研发造成太大影响，主要起着辅助性作用。其中，引导群位于新兴技术知识网络的中间层，涉及新兴技术的一些辅助功能，连接了核心群和扩展群，揭示技术知识深化的路径和分化；扩展群位于新兴技术知识网络的边缘位置，涉及新兴技术的一些附加功能，如工艺设计、结构材料等，起着探究技术未来扩展分化、交叉衍生方向的作用，如图1所示。

图1 跨界融合中的知识层级构成及其关系

(二)跨界融合的知识行为分析

跨界融合实现了知识群间的聚集，是新兴技术快速发展的重要途径。创新主体为新兴技术知识网络搭建了知识跨界的对外吸收与扩散路径，跨领域技术知识突破技术边界，通过进阶的知识行为，从根本上促进新兴技术发展，如图2所示。

图2 跨界融合下的知识行为过程

1．知识跨界搜索行为

由于知识存在多样性，为了寻找潜在融合资源，创新主体愿意在知识聚集度高的区域进行跨界搜索，通过感知、识别、评估、筛选其他技术领域的知识，确定最优学习目标；在交流中探寻市场新的动向，寻找新技术解决方案，积累可利用关系。对于高缄默性和高复杂性的知识，创新主体挖掘其隐藏价值和兼容程度，避免了因盲目吸纳而造成从技术到产品跨界无法逾越的风险。核心知识群引领引导知识群和扩展知识群，搜索、识别并确定有助于解决技术创新问题的跨界知识。同时，核心知识群通常被其他技术领域知识优先锁定，在“被搜索”过程中考察双方匹配度，通过双向选择为跨界融合提供知识流动渠道。通过正式或非正式渠道，企业收集知识资源信息，观察其他产业发展趋势是否符合市场需求、产业是否拥有研发基础、能否遵循技术融合规律等，以此判别产业形势，进一步拓宽知识跨界搜索的渠道。

2．知识吸收存储行为

知识的流动性使其在多主体间的循环转移中产生知识溢出。当新兴技术确定跨界融合对象，或对其他技术领域锁定新兴技术知识后，知识发送方和接收方共同致力于新兴技术的创新，打通了新兴技术知识网络跨界融合的端口，使异质性知识被动黏着，或主动加入新兴技术知识网络。由于网络层面的知识吸收不能保证企业对异质性知识的充分掌握，企业需要结合自身战略目标和市场环境，在知识网络中以编码化、概念化或显性化方式存储有价值的知识，为创新奠定知识基础。深层次、复杂性的知识由于黏性较大，需要企业通过技术并购、学习等方式获得。

3．知识融合重构行为

通过跨界融合实现知识再造，使技术在更高水平上达到跨越式发展，融合重构行为是实现上述目标的必要环节。由于知识具有可塑性，融合重构行为可以将知识网络内独立零散的知识元素链接形成新的知识群，从而创造出新知识和新价值。原有知识群通过解构内部知识，把新的、离散的、具有逻辑关系和符合市场需求的知识重新编码，利用耦合机制重建知识架构，通过知识互动实现知识再造。核心知识群涉及新兴技术的关键核心知识，其融合重构行为加快了新兴技术的变革，是实施该行为的主力。引导知识群和扩展知识群新颖性较强，其融合重构行为隐含着潜在的创新机会，如创新主体采取技术联盟形式共同研发，或以股权形式参与，抑或建立企业技术研究中心等，促进了企业形成竞争优势，进一步提升企业适应环境变化的能力。

综合所述，跨界融合下三种知识行为的特征及表现形式，如表1所示。

表1 跨界融合下知识行为特征及表现形式

(三)跨界融合下知识状态演变分析

知识状态代表系统内知识的存在形式和发展态势[19]。在新兴技术知识网络中，知识状态由网络中个体企业知识状态汇总而成。随着异质性企业主体间的跨界知识共振，知识状态在不同阶段知识网络中表现出差异性变化，使得开放的网络环境下知识流动路径更加畅通，增加了网络内知识元素的数量。知识融合提升了企业知识元素的质量，导致跨界融合网络中知识存量与知识水平的改变，使得网络知识状态发生演变[20]。知识存量反映网络内知识元素的数量规模，是技术创新的基础资源储备；知识水平作为技术创新高度的衡量器，体现知识位势与知识先进程度。

组织学习效应是积累新知识的源动力[21]，知识跨界搜索和吸收存储行为拓宽并更新了知识获取渠道，给新兴技术知识网络注入了更多元的知识类别，提高了网络中的知识存量，完善了产业链中的知识结构，改变了原有知识惯例，更有利于实现更大潜力的技术突破，使得知识水平呈现由低到高的非线性增长趋势。随着知识存量快速增长，知识元素发生融合重构行为，原有知识体系被替换，甚至直接被淘汰，在知识存量拓展的同时，实现知识水平质的飞跃，从而减少因市场不匹配产生的研发费用和社会资源的浪费[22]，提高技术发展极限。由于知识资源总量有限，随着企业吸收新知识的成本增加，知识存量的增速在后期逐渐降低，知识水平的提升与知识存量的增长呈现一致的变化规律，如图3所示。

图3 跨界融合下的知识状态演变过程

通过知识跨界搜索和吸收存储行为，知识群不再拘泥于原有创新模式，知识元素活性被激发，通过攫取竞争环境信息，匹配可融合知识，将锁定的目标知识归并到网络中，使得知识种类不断增加、知识存量不断增长。经过知识融合重构行为，自组织知识链动态延长或切断链路，产生异质性知识重组，整体网络知识水平不断提高，推动新兴技术跃迁至更高层次的发展轨道。

三 研究设计

(一)研究对象

本文以虚拟现实(Virtual Reality，VR)技术为研究对象。VR技术是1962年产生并发展起来的一项全新的实用性新兴技术，融合了数字图像处理、计算机图形学、多媒体技术、传感器技术等多个技术，是一门崭新的综合性信息技术，具有跨学科跨领域的特性。Gartner公司发布的2018年新技术成熟曲线曾预测VR技术将在2～5年内成为主流技术。

(二)数据收集与处理

本文数据选取德温特创新专利引文索引数据库(Derwent Innovations Index，DII)。由于DII数据有时滞期，专利的申请及审批也有一个延后的时间段，因此本文检索的专利数据年限为2000-2018年。通过搜索与VR技术相关的关键词，检索表达式为TS="virtual reality" OR "environment* model*" OR "visual reality"。本文采用DII数据库提供的Endnote数据输出方式；利用Endnote软件自带的Export功能，提取本文中所需要的字段，保存为纯文本文档数据；借助Thomson Data Analyzer和Visual Basic for Applications编程，提取专利号、专利分类号、专利权人、发明人、申请日期等信息。由于2000-2007年期间的专利申请数量没有明显的变化，为增强分析的可行性，故剔除。考虑研究对象主要为企业等，剔除个人发明和同族专利。将收集到的专利数据整理，本文将VR技术发展划分为三个阶段：2008-2010年的技术萌芽期，2011-2014年的初步发展期，2015-2018年的快速成长期。

(三)研究方法

1．k-core算法

不同重要性的知识元素组成了知识网络中不同核心性的知识群，并发挥其各自的价值。利用k-core分解得到的k核，至少包含k条连边的节点组成的子网，且同一节点可能包含于多个k核中[23]。为了确定VR技术知识网络知识群的核心性，需要判断知识节点的网络地位，因此将IPC共现数据导入Gephi软件，通过k-core算法，分别对知识网络的每个知识节点赋予唯一的k值，k值的判断标准：该知识节点属于k核但不属于(k+1)核，即k值等于该知识节点所在的最高核数；由k值相同的知识节点所组成的子网称为“k壳”[24]，即等于k的知识节点的集合，k壳即为网络中不同核心性的知识群，通常认为k值越大，k壳的核心性越高[25]。借鉴Carmi、巴志超等“先分后合”的子群划分原则，根据渗滤理论(Percolation Theory)，对于相似结构或规模的k壳，利用聚类系数确定融合阈限[26-27]，将聚类系数接近的k壳合并，使得层级结构更加简洁明了。

2．IPC共现网络

IPC共现网络反映VR技术知识状态演化，IPC代码是国际通用的专利文献分类与检索工具，界定了专利所属技术领域和构成专利的知识单元，反映了同一专利中不同学科知识的融合结构，表征了技术发展路线中的多元知识交互体系。不同时期的IPC共现网络，可以衡量新兴技术知识网络跨界融合的静态结构和知识水平演化。已有研究中常使用IPC代码的前三部分表征专利技术的知识属性[28]。因此，本文提取每项专利前三部分表征的四位IPC代码、企业专利权人、地区、专利号等信息，筛选并形成共现阈值大于等于2的VR技术IPC共现序列；将VR技术发展的三个阶段IPC共现序列分别导入Gephi软件，分析VR技术知识网络的知识类别、位置和知识融合关系。

四 实证分析

采用Albert等提出的节点数量、聚类系数、网络密度等作为测度指标[29]，具体结果如表2所示。

表2 网络测度分析指标

(一)知识层级分析

下文将VR技术三个阶段的IPC共现序列分别导入Gephi软件，形成IPC共现网络。表3、表4、表5列出了以上三个阶段k-core算法得出的各k壳的节点数量〈N〉、聚类系数〈C〉和网络密度〈D〉，三个阶段的解构壳数依次为5、8、10。

表3 2008-2010年各k壳特征

表4 2011-2014年各k壳特征

表5 2015-2018年各k壳特征

2008-2010年，1～5壳的节点数逐渐减少，密度持续增长；聚类系数总体呈上升趋势，但内部有所波动，4壳出现了明显的阶段性下降，5壳时达到峰值。2011-2014年，5～8壳存在聚类现象，1～4壳不存在聚类现象。2015-2018年不存在10壳，6、9、11壳的聚类系数存在且较大；其余k壳不存在聚类系数，但7、8壳的网络密度相同且较高。通过整合具有相似形态的邻近k壳，将三个阶段的知识网络分别划分为核心群、引导群、扩展群和外围群四个层级，其中核心群属于关键知识群，其余三个群为边缘知识群，如表6所示。

表6 三个阶段知识群划分

图4 三个阶段IPC共现图谱

VR技术知识网络三个阶段的IPC共现总图，如图4所示。节点大小代表以节点度测量出的节点中心性；节点间的连线反映了知识元素间的共现关系，连线粗细由权重决定，反映了知识元素共现的频次。将外围知识群用灰色表示，可以看出外围知识群内出现多个孤立节点或外围节点对，表明此时跨界融合程度较浅，故本文不做具体分析。核心群、引导群和扩展群是图4中黑色圆点及连线区域，相比外围群更紧凑密集，跨界融合范围广、程度深。因此，下文重点分析核心群、引导群和扩展群在跨界融合演化过程中的特征。

(二)知识网络跨界融合中的演化分析

1. 核心群跨界融合

表7列出了核心群节点数〈N〉、节点数占全网比〈PN〉、无权度〈E〉、无权度占全网比〈PE〉、层级外连接数占全网连接数比〈Pex〉、聚类系数〈C〉、网络密度〈D〉的测度统计结果。随着VR技术知识网络规模的不断扩大，核心群所容纳的知识种类和知识连接稳步递增，所占全网比重逐渐增加，说明核心群扩展状态持续活跃。核心群跨越层级边界与其他层级连线的比例不断增长，在2015-2018年接近全网半数，表明核心群融合新知识的能力提高，在网络中承担了主要的知识搜索与吸纳行为。聚类系数和网络密度出现小幅度减少，说明随着新知识的不断引入，核心群知识元素间的连接增长率低于知识元素数量增长率，核心群内仍有融合重构的创新突破空间。

表7 核心群网络指标特征

三个阶段核心群知识共现演化，如图5所示。节点大小按照无权度排序，连线粗细体现知识元素两两融合的频次。可以看出核心群逐渐密集，G、H、A、F部IPC知识元素地位突出；G06F(电数字数据处理)、G06T(一般图像数据处理)、G02B(光学元件、系统或仪器)、H04N(广播通信)四种IPC代码居于中心位置，相互融合的频次大于级内其他IPC代码融合的频次，说明这四类知识元素包含在核心知识群中，是VR技术的根源性理论，它们之间的高连通性有利于新技术方向的探索，随着技术发展提高了连通强度，巩固了技术知识基础。

图5 三个阶段核心群知识共现演化

表8为三个阶段IPC加权度的数据统计。统计发现：数字图像处理和通信传播在VR技术发展中位居关键地位，A61B(医学外科诊断)、A63F(小型室内运动游戏)、G09B(教学用具及残障人士通信工具等)、G09G(对用静态方法显示可变信息的指示装置)等连通度在2011-2014年进入核心群前10，表明医学、娱乐游戏、教育等行业逐渐与VR技术知识发生跨界融合；H04L(数字信息的传输)出现在2015-2018年核心群前10，说明VR技术加强了数字信息化，体现了不断升级改进的自主知识行为。

2. 引导群跨界融合

从表9可以看到，节点数量总体增加，跨界融合范围逐渐扩大，内连数占比均小于外连数占比，说明引导群倾向于做中间衔接层级，以向外连接核心群与扩展群为主，跨界搜索和吸纳存储行为较活跃，异质性知识种类增加。2011-2014年引导群节点大幅增加，给层级内外连接提供了更多的机会，而2015-2018年节点数的减少，抑制了连接机会，导致两个指标比例在纵向时间上表现为先增后减，融合速度先快后慢，说明引导群作为过渡级，其稳定性不强，容易受到外因影响而产生较大变动。聚类系数和网络密度下降明显，尤其在2015-2018年，聚

表8 三个阶段IPC加权度排名

类系数为0，体现了以外连为主的引导群内呈现不聚合的分散趋势，融合重构行为能力较弱。

表9 引导群网络指标特征

Girvan-Newman社群发现算法是按照中介中心性层层剔除节点及其连边，从而得到联系紧密且度相近的子集的一种方法。利用这一方法将三个阶段的引导群划分为不同数量的社群，如图6所示。方形节点和圆形节点分别表示核心群与引导群知识元素，节点大小代表节点度。可以发现社群数量是逐渐增加的，核心群知识元素均匀地分布在各个社群中，凭借优越的网络地位和丰富的融合经验，与极具发展潜力的引导群知识元素相连，直接或间接产生突破式创新。这说明引导群在跨界融合过程中所形成的节点度分布更有层次性，知识行为更加灵活，不同引导群知识元素对于技术发展的影响力和贡献度呈现越来越强的差异性。

图6 三个阶段核心群引入引导群知识演化

3. 扩展群跨界融合

从表10可以看出，扩展群的节点数与共现连接数的绝对数量和网络占比总体上呈现降低趋势。外连比例在2008-2010年超越核心群与引导群位居首位，但2015-2018年骤降至1%以下。聚类系数和网络密度在2011-2014年出现下降，2015-2018年出现回升且高于初始值，说明扩展群的对外开放程度有所降低，对外跨界搜索行为较迟缓。群内的集聚程度经历了波动式上升，群内知识融合效率有所提高。

表10 扩展群网络指标特征

核心群、引导群和扩展群的知识共现，如图7所示。以方形节点表示扩展群，圆形节点表示其余两群。从图7可以看出，扩展群知识元素的节点度在三个层级中较小，在三个阶段中均处于外围区域，说明扩展群在知识网络中为非核心层级，触及的异质性知识范围极其有限，跨界融合程度较浅。由表10可见，聚类系数和知识节点数的变化呈现了各个知识群知识演变过程，为了更清楚地展现其演变趋势，现将表10中的数据用图8、图9表示。

图7 三个阶段核心群、引导群和扩展群知识共现

图8 三个阶段核心群、引导群和扩展群知识节点变化

图9 三个阶段核心群、引导群和扩展群聚类系数变化

五 结论与展望

通过企业跨界行为将新兴技术知识网络中的知识元素划分为核心知识元素、非核心知识元素和边缘知识元素，知识元素依次对应的知识群是核心知识群、引导知识群和扩展知识群，本文通过对新兴技术企业知识群的知识行为进行分析，探究新兴技术知识演变的机理。文章以虚拟现实技术为研究对象，收集专利数据，分析各知识群在跨界融合演化过程中的特征。研究结果表明：(1)在整体知识网络中，跨界融合推动网络中知识元素数量不断增加，网络中的核心群承担了主要的知识搜索与吸收行为，跨界融合状态活跃；引导群和扩展群属于边缘知识群，引导群的层级衔接作用较强，对外搜索行为较突出，扩展群的非核心性明显。(2)知识跨界搜索、知识吸收存储、知识融合重构三种行为导致知识状态发生变化。三种知识行为的交互促使网络中含有的知识元素数量不断增加，知识存量增长，知识水平不断提高，整体网络知识状态获得进一步发展。(3)核心群内知识元素的连接增长率低于知识元素数量增长率，核心群内仍有融合重构的创新突破空间。核心群的知识元素与极具发展潜力的引导群知识元素相连，直接或间接产生突破式创新。扩展群内集聚程度经历了波动式上升，群内知识融合效率逐渐提高。

本文对新兴技术知识网络跨界融合的知识演变机理进行了分析，有助于把握跨界融合态势下新兴技术的演变规律，对于培育新兴技术企业核心技术竞争力具有十分重要的理论和现实意义。但本文仅以企业为节点考虑跨界融合的知识演变，而跨界融合的过程中还有产学研等主体的参与，未来可以进一步挖掘不同性质节点对新兴技术跨界融合过程的影响。