深度不确定性下重大工程创新团队的协同创新行为演化分析——以川藏铁路为例

何海艳, 周国华, 郑立宁

(1.成都大学 建筑与土木工程学院,四川 成都 610106 2.西南交通大学 经济管理学院,四川 成都 610031; 3.中国建筑西南勘察设计研究院有限公司,四川 成都 610073)

0 引言

川藏铁路东起成都，经雅安、康定、昌都、林芝至拉萨[1]，对国家长治久安和西藏经济社会发展具有重大而深远的战略意义[2]。深度不确定性是川藏铁路等重大工程规划和建设过程中面临的核心问题。自身和外部环境的复杂性引发了重大工程的深度不确定性。在自身复杂性方面，前后工作任务之间复杂的因素关系[3]和不明确的工程需求等都会导致重大工程未来状态的不确定性[4]。外界环境的不确定性也会导致重大工程未来状态的不确定性[5]。例如，川藏铁路依次经过四川盆地、川西高山峡谷区、川西高山原区、藏东南横断山区和藏南谷底区五个地貌单元[5]，面临地形起伏剧烈、板块活动强烈、自然灾害频发、生态环境敏感、气候条件恶劣等外界环境多重复杂性耦合形成的深度不确定性，现有基础理论、工程技术、工法装备等远不能满足其建设管理需要，亟需开展全要素——全过程——全方位的技术创新活动。

相较于普通企业技术创新联盟，表1表明川藏铁路等重大工程技术创新是“目标锁定”[7]、创新主体动态更替[6]、创新合作具有时效性且面临深度不确定性外界环境的技术创新。深度不确定性外界环境下(以下简称深度不确定性下)，重大工程创新团队可能面临如下问题。第一，创新努力可能因投机行为而受到抑制。重大工程创新团队属跨组织创新团队，创新主体数量众多且专业背景各异，监督难度大，更易滋生投机行为。第二，内部沟通不畅可能负向影响创新行为。例如，图1中的创新主体I1只有创新主体I2和I6存在协同创新关系，与创新主体I3、I4和I5之间都没有直接联结，I1与他们之间的沟通依赖于I2和I6，大大降低了整个团队知识共享和沟通的效率，从而可能抑制创新主体的创新行为。第三，重大工程技术创新影响因素越来越多[7]，需构建一系列协同机制[8]以实现创新主体间的动态协同和创新效能。深度不确定性干扰了创新主体的创新产出及其对收益共享机制的评判，可能使创新主体产生严重的不公平感知，从而改变协同创新行为，并破坏整个团队的协同创新。

表1 重大工程科技创新与普通企业科技创新联盟

学者们探讨了不确定性对创业协同创新的影响。例如，当上游成本和联合创新水平不确定时，策略承诺能够降低不确定性给企业技术创新联盟带来的不利影响，提高合作绩效[9]；环境不确定性对集团创新网络与子公司创新行为间的作用关系具有显著的差异化调节效应[10]；官员任期及产业政策周期交错导致的政策不确定也会负向影响企业R&D投资[11]；不确定环境下本地和跨区域双重学习网络的动态平衡对集群企业创新具有积极影响[12]。然而，深度不确定性是川藏铁路等重大工程技术创新过程中无法回避的问题，深度不确定性将如何影响创新主体的协同创新行为是必须探明的问题。因此，本文构建了以重大工程创新团队为研究对象的网络博弈理论模型并进行了仿真分析，探讨深度不确定性下创新主体协同创新行为的演化规律，为此类创新团队的治理提供相关建议。

图1 深度不确定性外界环境与重大工程创新团队

1 模型假设与构建

1.1 模型假设

重大工程创新网络是静态网络，一个创新主体就是一个博弈主体。创新主体的博弈半径为1，博弈策略只有合作(C)和背叛(D)。博弈主体是有限理性的。

1.2 博弈模型的构建

1.2.1 不确定性的划分

根据掌握信息的多寡，不确定性可划分为如下4个等级[13]。

第1级不确定性：自然状态和每种状态发生的概率均已知。

第2级不确定性：能够通过信息推理得知自然状态和状态发生的可能性。

第3级不确定性：对自然状态的认知模糊、不全面，导致决策与其结果之间的因素关系不明确，不能准确预知。例如创新团队对川藏铁路沿线工程地质、板块活动、自然灾害、生态环境、气候条件等的认识不全面，无法准确预测技术创新的实施结果，可能是解决了一个问题，却又引出另一个新的问题。

第4级不确定性：完全无知，事情发生在人们常规认识之外，在此前没有任何信息表征这种事情会发生。例如“新冠役情”对川藏铁路创新团队的现场调研、学术交流、实施进度等造成了较大影响。

第1级、第2级不确定性是“一般不确定性”。第3级、第4级不确定性是更为“严重”的不确定性，即本文研究的“深度不确定性”。为探讨深度不确定性对重大工程创新团队的协同创新行为的影响，本文不考虑第1级、第2级不确定性，而是将创新主体所面临的外界环境简化为确定性外界环境和深度不确定性外界环境。

1.2.2 不确定性的度量

1.2.3 努力的动态调整

创新主体的努力包括创新努力和协作努力。创新努力的动态调整过程如式(1)所示。式中，ai(tn)和ai(tn-1)分别表示创新主体i在第tn轮和第tn-1轮博弈中的创新努力；Mi(tn)和Mi(tn-1)分别表示创新主体i在第tn轮和第tn-1轮博弈的净收益；1+Ai为创新主体i的创新努力增长系数，1/(1+Ai)为创新主体的衰减系数，其中Ai>0。

(1)

创新主体的协作努力的动态调整过程如式(2)所示。式中，bij(tn)和bij(tn-1)(0≤bij(tn),bij(tn-1)≤1)分别表示创新主体i在第tn轮和第tn-1轮博弈中对博弈对象j投入的协作努力；sij(tn)为创新主体在第i轮博弈中对博弈对象j的博弈策略，sij(tn-1)为创新主体i在第tn-1轮博弈中对博弈对象j的博弈策略，其中1为合作，0为背叛；rand(1)是(0,1)区间的一个随机实数。

(2)

1.2.4 收益的动态共享

创新主体i在第tn轮中的创新产出

(3)

其中，θ(0<θ<1)为创新努力对其创新产出的影响系数；1-θ为博弈对象的协作努力对创新主体的创新产出的影响系数；(0≤γ<1)为重大工程创新团队的创新协同对创新主体i产出的潜在影响；mi为创新主体i的博弈对象数量。εi为自然环境变量。

重大工程创新团队在第tn弈中的创新产出

(4)

创新主体i在第tn轮博弈中获得的创新收益

mi(tn)=αi+βi(tn)π(tn)

(5)

(6)

式(6)中，w2(0≤w2≤1)创新主体的为协作努力的收益共享权重；1-w2为创新主体的创新努力的收益共享权重；β为调节系数，β=0相当于按协作努力和创新努力平均分配，β>0表示在前期付出协作努力和创新努力越多的创新主体分配的创新收益越多。创新主体i在第tn轮中获得的净收益Mi(tn)如式(7)所示。其中，ci为创新主体i的努力成本系数。

(7)

1.2.5 策略的动态更新

创新主体在每轮博弈后，随机选择一个博弈对象对比净收益，若自身更高，则维持策略，若自身更低，则按式(8)更新策略。

(8)

其中，K刻画创新主体在策略学习过程中的有限理性特征，当K→0时，创新主体的非理性趋近于0，而当K→∞时，意味着创新主体处于噪声环境中，无法做出理性决策。

2 仿真与结果分析

2.1 仿真过程

第一步，构建一个创新主体数量N=200的重大工程创新网络，联结数量由平均博弈对象数量和创新主体数量决定。按平均创新努力为0.5和随机分布原则初始化创新主体的创新努力。按初始合作率为50%和随机分布原则初始化创新主体的博弈策略。按初始平均协作努力为0.5和随机分布原则初始化采取合作策略的博弈对象的协作努力。

第二步，依据收益共享规则，计算创新主体的创新收益；依据策略的动态更新规则进行策略更新。

第三步，创新主体依据努力的动态调整规则，进行创新努力和协作努力的重新分配。

第四步，循环执行第二步和第三步直至达到设定的博弈总轮数为止。

2.2 初始参数设置

主要仿真参数设置为：Ai=0.03，θ=0.8，γ=0.2，ci=1，w2=0.6，β=1，ai=0.5，Num=10。

当创新主体面临确定性外界环境时，εi=0。当创新主体面临深度不确定性时δ2=18。用εi～N(0,18)表示重大工程创新团队面临的深度不确定性环境的依据在于，据Flyvbjerg等的研究，74%的铁路类重大工程实际收益与预期收益之间的差异达到了±40%[15]。当εi～N(0,18)时，创新主体的创新收益与确定性外界环境下的创新收益之间的差异大致达到了±40%，创新团队面临与大多数铁路类重大工程相似程度的不确定性。

2.3 仿真结果分析

协作率CR是选择合作策略的创新主体的数量占所有创新主体数量的比例；平均创新努力AIE指创新主体付出的总创新努力和与创新主体数量的比值；平均协作努力ACE是选择合作策略的创新主体的总协作努力与选择合作策略的创新主体数量的比值。

2.3.1 博弈对象数量与协同创新行为演化

确定性和深度不确定性下、不同平均博弈对象数量Num下，协同创新行为演化如图2所示。确定性外界环境下，当Num=3时，创新主体的AIE很高(AIE=1)，但创新网络的CR和创新主体的ACE很低；当Num=5时，创新主体的AIE降低，但创新网络的CR和创新主体的ACE均明显上升。当Num=8或Num=10时，AIE进一步降低，同时CR和ACE基本保持不变。深度不确定环境下，当Num=3时，AIE很高且振荡幅度较大，CR和ACE均演化至0。当Num=5时，AIE经过一段时间的调整后达到很高的水平(非常接近1)，CR和ACE也演化至0。当Num=8时，AIE经过较长时间的调整后缓慢接近于1，但CR和ACE却经过一段时间的调整后演化至0。当Num=10时，AIE出现显著的下降，但是CR和ACE出现显著的上升。与确定性外界环境相比，在深度不确定性外界环境下，当Num=5或Num=8时，AIE更高，但CR和ACE却低得多；当Num=10时，AIE更高，整个网络也能维持较好的合作态势。

确定性外界环境下，协同创新行为呈上述演化特征可能是以下几点原因。第一，当Num=3时，创新网络实际上被分割为若干子网络，子网络间的信息和资源共享存在很大障碍，创新主体只能依赖自身的创新努力，协作只发生在协同创新子团队内部，对创新产出贡献很小。第二，随着博弈对象的增加，创新主体与其他创新主体的联系增多，当Num=5时，创新网络成为连通网络，信息和资源共享渠道变得通畅，信息孤岛数量急剧减少，甚至不存在信息孤岛，创新网络的协作率得以迅速提高。第三，随着博弈对象数量的进一步增加，投机行为也逐渐增加，抑制了创新主体的创新努力，当Num=8或时，AIE呈下降趋势。

深度不确定性下，协同创新行为呈上述演化特征的原因如下。第一，与确定性外界环境下相似，投机行为会抑制创新主体的创新努力。因此，随着博弈对象的增加，AIE明显下降。第二，与确定性外界环境下相似，随着博弈对象的增加，创新主体之间的知识、资源和信息共享更多，创新团队的合作局面得以改善。因此，CR和ACE在Num=10时有显著提高。第三，与确定性外界环境下不同的是，深度不确定下，创新难度呈指数级增加，需要创新主体付出更高的创新努力。因此，AIE总是高于相同条件时确定性外界环境下的创新努力。第四，重大工程创新团队的创新主体数量众多，创新主体只与少部分而不是大部分其他创新主体熟悉，这就降低了创新主体的合作意愿。另外，为抑制投机行为，大规模创新团队治理更依赖法律法规、公司制度、项目规定等正式治理，在小规模创新团队中常见的个性化治理措施较少。因此，重大工程创新团队的合作难度更大。第五，深度不确定性下，知识和信息等远远多于确定性外界环境，创新主体需要更多协作才能获得关于创新团队、外界环境等的相关信息，才能够维持良好的合作局面。因此，在确定性环境下，当协作者数量为5时，创新团队就可以维持较好的合作(CR和ACE均较高)，但在深度不确定性下，协作者数量为10时才能维持整个团队的良好合作。

图2 确定性和深度不确定性下、不同平均博弈对象 数量条件下创新主体的协同创新行为演化图

2.3.2 固定收益与协同创新行为演化

确定性和深度不确定性下、不同固定收益水平下，创新主体的协同创新行为演化如图3所示。确定性外界环境下，当ai=0时，即创新主体的收益只有共享收益而没有固定收益时，AIE很低；当ai=2时，创新主体的收益由共享收益和固定收益共同组成，AIE迅速提高；当ai=5时，AIE也有所提高，但增加的幅度小于固定收益ai由0变为2时的幅度；当ai=10时，AIE继续提高，但增加的幅度远小于固定收益ai由0变为2时的幅度，也小于固定收益ai由5变为10时的幅度。深度不确定性外界环境下，当ai=0时，AIE也很低，并且与确定性环境下相当，但振荡幅度很大；当ai=2时，AIE迅速提高至与确定性环境下相当的水平，并且振荡幅度缩小；当ai=5时，AIE提高至与确定性环境下相当的水平，同时振荡幅度进一步缩小；当ai=10时，AIE仍然提高至与确定性环境下相当的水平，振荡幅度变得非常小。

图3 确定性和深度不确定性下、不同固定收益 水平下创新主体的协同创新行为演化图

确定性外界环境下，协同创新行为呈上述演化规律可能是以下原因。第一，创新主体依据自身净收益和博弈对象净收益的相对大小调整策略，固定收益的改变对所有创新主体的影响相同，不改变他们净收益的相对大小，因此，无论固定收益如何变化，创新主体的博弈策略都保持不变，CR和ACE也就保持不变。第二，当创新主体的收益由仅有共享收益变为共享收益和固定收益时，创新主体可锁定一定程度的收入，即使共享收益为零，这部分收入也可部分弥补创新成本，使创新主体更愿意付出努力，AIE便出现了明显的上升。

深度不确定性下，协同创新行为呈上述演化特征的原因可能是以下几点。第一，与确定性外界环境下相似，固定收益的调整对所有创新主体的影响程度相同，因此，不改变创新主体的博弈策略和协作行为。第二，与确定性外界环境下相似，当创新主体的收益首次变为由固定收益和共享收益构成时，固定收益能部分弥补创新成本，便能更大程度地激励创新主体，使其付出更多创新努力。第三，与确定性外界环境下不同的是，深度不确定性下，提高固定收益有助于“锁定”创新主体的创新努力。这是因为，深度不确定性下，创新团队的创新产出不仅取决于创新主体的创新努力和协作努力，也与环境因素息息相关，创新产出实际上是不确定的，创新主体的净收益也是不确定的，固定收益在一定程度上对冲了环境因素对创新主体净收益的不确定性影响，从而“锁定”创新主体的创新努力。

2.3.3 调节系数与协同创新行为演化

确定性和深度不确定性下、不同调节系数下，协同创新行为演化如图4所示。确定性外界环境下，当创新主体按付出的创新努力和协作努力平均分配收益时，即β=0时，AIE较高；当创新主体前期付出的创新努力和协作努力越高分配的收益越多时，即β=1、β=2和β=3时，随着调节系数β的增加，AIE是逐渐下降的，同时CR和ACE维持不变。深度不确定性外界环境下，当β=0时，AIE明显低于确定性外界环境下的水平；当β由0增加到1时，创新主体的AIE显著提高，并且明显高于确定性外界环境下的水平，同时CR和ACE保持不变；当β由1增加到2时，创新主体的AIE、CR、ACE基本保持不变，但AIE明显高于确定性外界环境下的水平；当β由2增加到3时，创新主体的创新行为发生了剧烈的改变，AIE演化至非常接近于1的水平，但CR和ACE均降低至0。

确定性外界环境下，协同创新行为呈现上述演化特征的原因可能是以下几点。第一，外界环境不干扰创新产出，创新努力、协作努力及其对创新产出的贡献易于量化，创新主体对量化结果的认可度较高，认为按付出的努力平均分配收益的方案更公平，对分配结果的公平感知较高，更愿意付出高努力。第二，当前期付出努力越多的创新主体分配的收益越多时，可能会使其他创新主体对他们是否带来与之匹配的创新产出产生质疑，进而产生不公平感，从而降低了创新努力。但是，在确定性外界环境下这种不公平感知并不强烈，AIE的下降幅度并不大。第三，在没有强烈“不公平”感知情况下，确定性外界环境下的创新合作更容易维持。原因在于，首先，大规模创新团队的治理较完善，制约了创新主体协作行为的改变。其次，大规模创新团队的创新主体数量众多，合作范围也较广泛，若创新主体因收益共享问题而将“合作”策略调整为“背叛”策略，将在较大范围内产生不良影响，对声誉造成更严重、更广泛的负面影响，创新主体在做出决策时也更为谨慎。

图4 确定性和深度不确定性下、不同调节系数下创新主体的协同创新行为演化图

在深度不确定性下，协同创新行为呈现上述演化特征的原因可能是以下几点。第一，受深度不确定性影响，创新努力和协作努力对创新产出的贡献的量化难度加大，创新难度也呈现指数增加，平均分配的收益共享策略对创新主体的激励作用减弱，因此创新主体付出的创新努力也有所降低。第二，深度不确定性下，创新团队的产出不仅受到创新主体的创新努力和协作努力影响，还受到环境因素影响，调节系数β由0变为1时，多付出努力的创新主体可以分配更多的收益，在一定程度上弥补了深度不确定性的负面影响，激励了团队中创新能力较强的创新主体付出更多努力以获取更高收益。第三，当调节系数β大到一定程度时(β=3)，某些创新主体可能会产生强烈的不公平感知，从而将“合作”策略改变为“背叛”策略。叠加深度不确定性的影响，这种“背叛”的影响是巨大的，将会在整个创新团队中迅速传播，使合作创新被瓦解，创新主体只能依赖各自的创新努力。

3 研究结果与建议

外界环境的深度不确定性对重大工程技术创新的影响是双重的，一方面深度不确定性催生了对技术创新的强烈需求，另一方面深度不确定性也将改变创新主体的协同创新行为。然而，罕有研究关注深度不确定性对重大工程创新的影响。鉴于川藏铁路等重大工程可能极度依赖技术创新，深度不确定性到底会如何影响创新主体的创新行为是必须探明的问题。基于网络博弈和多主体建模工具Netlogo，以重大工程创新团队为研究对象，探讨了深度不确定性下协同创新行为的演化规律，研究结论如下。

第一，由博弈对象数量与协同创新行为演化的仿真可知，当平均博弈对象数量相同时，创新主体在深度不确定性下的平均创新努力AIE高于确定性外界环境。深度不确定性下，在200个创新主体构成的创新团队中，只有协同创新对象数量平均达到10时(确定性环境下为5)，创新团队才能维持较好的合作。

第二，由固定收益与协同创新行为演化的仿真可知，无论创新主体面临的外界环境如何，固定收益均能激励创新主体付出更高的平均创新努力AIE，但这种激励的效用是边际递减的；在深度不确定性下，固定收益还能缩小创新努力的波动幅度，减小创新努力的不确定性。

第三，由调节系数与协同创新行为演化的仿真可知，深度不确定性下，当调节系数处于合理区间时，按照前期付出努力越多分配收益越多的规则形成的动态收益共享机制对创新主体具有激励效果，但当调节系数超出该区间时，创新团队的合作可能会被瓦解，创新主体只能依赖各自的创新努力。

结合上述研究结果，针对川藏铁路的协同创新提出如下建议。

第一，结论一表明深度不确定性外界环境在激励创新主体付出更多创新努力的同时，也提高了创新主体之间的协作难度，需建立比确定性环境下联通程度更高的协同创新网络。因此，川藏铁路协同创新过程中应加强相关组织和创新主体之间的沟通与协作，建立更高效的协同创新网络。例如，合理利用数字川藏一体化平台等数字化、信息化平台，加强业主(川藏铁路公司)、设计单位(铁一院、铁二院)、科研机构(铁道科学研究院等)、高等院校(西南交大、上海交大、北京交大等)、装备供应商(中铁工业、铁建重工等)等创新组织及具体创新主体之间就川藏铁路相关数据、信息、知识、资源等的及时共享，消除创新网络中的信息孤岛，构建联通程度更高的协同创新网络，切实推动川藏铁路的协同创新。

第二，结论二表明在深度不确定性外界环境下，提供恰当的固定收益既能提高创新主体付出的创新努力，也能“锁定”创新主体的创新努力水平。因此，川藏铁路协同创新应结合协同创新难度、协同创新应用前景、激励主体的支付能力等，合理确定支付给创新主体的固定收益。例如，结合基础理论创新、工法创新、装备创新等不同层次创新需要创新主体付出的创新努力和协作努力的不同，以及不同层次创新的创新难度、创新收益的不同，通过合理的固定收益对冲不确定性环境对创新主体的创新努力的影响。

第三，结论三表明动态共享收益是协同创新的双刃剑，如何合理地评价各个创新主体对协同创新的贡献、如何科学地根据各个创新主体的贡献实现创新收益的动态共享，即建立合理的收益动态共享机制对维持重大工程协同创新团队的合作是至关重要的。对川藏铁路协同创新而言，应首先建立切实可行的技术创新绩效评价体系。例如，利用国家川藏铁路技术创新中心等创新平台，对川藏铁路的技术创新活动进行系统的、集中的管理，从解决川藏铁路实践问题、学术著作、人才培养、专利和发明、科研论文、产业转化等多个维度，对技术创新绩效进行综合的、独立的、客观的、公正的评估，为建立合理的动态收益共享机制奠定良好基础。其次，在合理的创新绩效评估的基础上，建立由固定收益和共享收益组成的川藏铁路技术创新动态收益共享机制。其中，共享收益则需根据创新绩效评估结果进行动态调整，实现对创新主体的有效激励。