摘 要：以我國(guó)汽車產(chǎn)業(yè)集群數(shù)據(jù)為樣本，采用必要條件分析方法（NCA）與模糊集定性比較分析方法（fsQCA），從知識(shí)生態(tài)視角分析知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為和知識(shí)環(huán)境3種類型、6項(xiàng)前因條件對(duì)制造業(yè)集群優(yōu)化升級(jí)的多重并發(fā)聯(lián)動(dòng)效應(yīng)。研究發(fā)現(xiàn)：①所有知識(shí)生態(tài)要素均不是引致高績(jī)效的必要條件，僅知識(shí)主體能力對(duì)高績(jī)效發(fā)揮普適性作用；②產(chǎn)生高績(jī)效的集群優(yōu)化升級(jí)路徑為政產(chǎn)學(xué)研協(xié)同型、高知識(shí)凝聚型和知識(shí)生態(tài)集成型，在知識(shí)主體能力作為核心條件時(shí)，3條路徑存在遞進(jìn)關(guān)系，同時(shí)，知識(shí)生態(tài)結(jié)構(gòu)與知識(shí)環(huán)境存在潛在替代關(guān)系；③構(gòu)建完善的知識(shí)生態(tài)結(jié)構(gòu)、開展高水平知識(shí)創(chuàng)新行為是制造業(yè)集群獲得高績(jī)效的關(guān)鍵。

關(guān)鍵詞：知識(shí)生態(tài)；制造業(yè)轉(zhuǎn)型升級(jí)；NCA；fsQCA

DOI：10.6049/kjjbydc.2023050288

中圖分類號(hào)：F272.4

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）20-0088-10

0 引言

知識(shí)經(jīng)濟(jì)和數(shù)智技術(shù)背景下，由上下游企業(yè)、科技服務(wù)中介等組織在特定地理位置集聚形成的產(chǎn)業(yè)形態(tài)即產(chǎn)業(yè)集群，已成為促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展、提升國(guó)家競(jìng)爭(zhēng)力的重要載體。中共二十大報(bào)告中提出要“推進(jìn)新型工業(yè)化”“加快建設(shè)制造強(qiáng)國(guó)”“推動(dòng)戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展”。制造業(yè)作為我國(guó)重要的支柱性產(chǎn)業(yè)，如何促進(jìn)其產(chǎn)業(yè)集群優(yōu)化升級(jí)已引起眾多學(xué)者關(guān)注。

中國(guó)制造業(yè)經(jīng)過改革開放40多年發(fā)展，已實(shí)現(xiàn)從生產(chǎn)簡(jiǎn)單玩具、紡織品向提供大量精密電子產(chǎn)品的跨越。一些企業(yè)通過為國(guó)外代工，培育了自己的制造能力，其知識(shí)創(chuàng)新與技術(shù)創(chuàng)新水平也獲得顯著提高。制造業(yè)集群在代工過程中成為知識(shí)生態(tài)建設(shè)的基礎(chǔ)力量，在生態(tài)位匹配與主體互動(dòng)基礎(chǔ)上，實(shí)現(xiàn)橫向競(jìng)合、縱向耦合共生的生態(tài)化發(fā)展態(tài)勢(shì)，這對(duì)集群企業(yè)知識(shí)積累與整合、核心競(jìng)爭(zhēng)力提升乃至整體轉(zhuǎn)型升級(jí)具有重要戰(zhàn)略意義［1］。

目前我國(guó)制造業(yè)集群優(yōu)化升級(jí)主要存在3個(gè)方面問題：第一，集群企業(yè)個(gè)體創(chuàng)新能力不足，顯性和隱性知識(shí)流動(dòng)滯緩。由于信息不對(duì)稱，企業(yè)之間存在知識(shí)壁壘，知識(shí)創(chuàng)新動(dòng)力不足，生產(chǎn)技術(shù)革新裹足不前（張玲等，2020）。第二，產(chǎn)業(yè)鏈上下游企業(yè)的溝通與協(xié)作能力不足，知識(shí)整合與應(yīng)用能力較弱，工作勝任力以及凝聚力未充分激發(fā)［2］。第三，集群產(chǎn)業(yè)鏈存在割裂現(xiàn)象，知識(shí)載體關(guān)系稀疏，沒有達(dá)成統(tǒng)一愿景，缺少龍頭企業(yè)，無(wú)法協(xié)同發(fā)展［3］。這些均是影響制造業(yè)集群優(yōu)化升級(jí)的痛點(diǎn)，且與產(chǎn)業(yè)集群知識(shí)生態(tài)及創(chuàng)新行為密切相關(guān)，值得深入探討。

當(dāng)前，我國(guó)傳統(tǒng)制造業(yè)正向知識(shí)密集型現(xiàn)代制造業(yè)轉(zhuǎn)型，探討知識(shí)生態(tài)要素對(duì)制造業(yè)集群的影響有利于促進(jìn)集群創(chuàng)新、培育產(chǎn)業(yè)發(fā)展的新經(jīng)濟(jì)增長(zhǎng)點(diǎn)。但遺憾的是，知識(shí)生態(tài)影響制造業(yè)集群優(yōu)化升級(jí)的要素及作用機(jī)理的理論“暗箱”尚未打開。為此，本文將從知識(shí)生態(tài)視角切入，通過研究主體交互機(jī)制、知識(shí)創(chuàng)新行為以及知識(shí)環(huán)境，探究促進(jìn)制造業(yè)集群優(yōu)化升級(jí)的要素組合，從而為制造業(yè)高質(zhì)量發(fā)展提供理論指導(dǎo)與實(shí)踐參考。

1 理論基礎(chǔ)

1.1 制造業(yè)轉(zhuǎn)型升級(jí)理論

針對(duì)制造業(yè)轉(zhuǎn)型升級(jí)問題，相關(guān)學(xué)者主要應(yīng)用價(jià)值鏈理論、微笑曲線理論和創(chuàng)新理論展開廣泛而深入的研究。上述理論均指出，制造業(yè)轉(zhuǎn)型的核心是通過技術(shù)創(chuàng)新和資源配置提升核心競(jìng)爭(zhēng)力，從而實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。目前關(guān)于制造業(yè)轉(zhuǎn)型升級(jí)的研究方興未艾，但與集群優(yōu)化升級(jí)的相關(guān)研究較少?，F(xiàn)有的產(chǎn)業(yè)集群研究主要集中在外部因素賦能、內(nèi)部創(chuàng)新資源整合以及產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)層面。從外部賦能視角，數(shù)字經(jīng)濟(jì)被認(rèn)為是促進(jìn)制造業(yè)轉(zhuǎn)型升級(jí)的重要推手［4］。從內(nèi)部創(chuàng)新視角，學(xué)者們多聚焦于產(chǎn)業(yè)結(jié)構(gòu)升級(jí)［5］和創(chuàng)新體系建設(shè)研究。創(chuàng)新生態(tài)系統(tǒng)建設(shè)強(qiáng)調(diào)系統(tǒng)主體之間、系統(tǒng)主體與環(huán)境之間的互動(dòng)有助于實(shí)現(xiàn)產(chǎn)業(yè)情境與創(chuàng)新生態(tài)的有機(jī)融合［6］?？珙I(lǐng)域知識(shí)融合是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵［7］，而知識(shí)生態(tài)則從微觀層面揭示知識(shí)融合與創(chuàng)新的全過程。在知識(shí)生態(tài)網(wǎng)絡(luò)中，處于不同生態(tài)位的知識(shí)主體借助知識(shí)流，實(shí)現(xiàn)知識(shí)系統(tǒng)演化與知識(shí)創(chuàng)新（湯林偉，2013），最終獲得生態(tài)位提升，這從側(cè)面說(shuō)明知識(shí)創(chuàng)新與互動(dòng)機(jī)制有助于促進(jìn)產(chǎn)業(yè)集群優(yōu)化升級(jí)。創(chuàng)新生態(tài)系統(tǒng)研究主要關(guān)注宏觀層面的創(chuàng)新主體、創(chuàng)新資源與環(huán)境之間的互動(dòng)關(guān)系；知識(shí)生態(tài)系統(tǒng)研究側(cè)重于分析主體間的知識(shí)互動(dòng)演化規(guī)律；產(chǎn)業(yè)生態(tài)系統(tǒng)研究則以功能定位來(lái)區(qū)分研究主體，從產(chǎn)業(yè)內(nèi)涵特征與驅(qū)動(dòng)因素兩方面探究產(chǎn)業(yè)生態(tài)系統(tǒng)協(xié)同演化。雖然產(chǎn)業(yè)生態(tài)、創(chuàng)新生態(tài)和知識(shí)生態(tài)3個(gè)系統(tǒng)的研究主體不盡相同，但在研究方法和構(gòu)念選取上存在借鑒之處，三者相互完善、互為補(bǔ)充，為產(chǎn)業(yè)集群研究打下堅(jiān)實(shí)基礎(chǔ)。

制造業(yè)轉(zhuǎn)型升級(jí)是促進(jìn)工業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展、高質(zhì)量發(fā)展的必然選擇。集群優(yōu)化升級(jí)是制造業(yè)發(fā)展的必然方向，集群內(nèi)主體眾多，從知識(shí)生態(tài)視角切入，通過構(gòu)建知識(shí)創(chuàng)新協(xié)同發(fā)展網(wǎng)絡(luò)有助于充分發(fā)揮創(chuàng)新驅(qū)動(dòng)效應(yīng)，促進(jìn)產(chǎn)業(yè)集群優(yōu)化升級(jí)。

1.2 知識(shí)創(chuàng)新理論

20世紀(jì)90年代，艾米頓提出“知識(shí)創(chuàng)新是一種通過創(chuàng)造、引進(jìn)、交流和應(yīng)用，將新理念轉(zhuǎn)化為產(chǎn)品和服務(wù)以促進(jìn)企業(yè)獲得成功的活動(dòng)”。之后學(xué)者們逐漸重視知識(shí)創(chuàng)新活動(dòng)。Braunerhjelm等［8］認(rèn)為，企業(yè)員工間的知識(shí)流動(dòng)是知識(shí)創(chuàng)新的動(dòng)力之源；Rapini等［9］通過研究集群企業(yè)知識(shí)共享行為發(fā)現(xiàn)，產(chǎn)學(xué)研合作可以促進(jìn)創(chuàng)新水平提高，知識(shí)整合和知識(shí)流動(dòng)是知識(shí)創(chuàng)新機(jī)制的重要構(gòu)成環(huán)節(jié)。其他學(xué)者對(duì)知識(shí)創(chuàng)新機(jī)制也進(jìn)行了相關(guān)研究，如Frishkoff等［10］基于知識(shí)生態(tài)視角，認(rèn)為知識(shí)創(chuàng)新機(jī)制是由人、制度、組織、技術(shù)等構(gòu)成的復(fù)雜系統(tǒng)；儲(chǔ)節(jié)旺［11］認(rèn)為，知識(shí)演化與創(chuàng)新是知識(shí)競(jìng)爭(zhēng)、協(xié)同的最終結(jié)果。

在前人研究基礎(chǔ)上，本文認(rèn)為，知識(shí)創(chuàng)新是知識(shí)在各主體間流轉(zhuǎn)演化、鞏固再生的過程，知識(shí)主體差異性會(huì)導(dǎo)致其外在表現(xiàn)不同。知識(shí)創(chuàng)新機(jī)制可以劃分為知識(shí)演化與協(xié)同、知識(shí)整合與分布、知識(shí)部署與鞏固，三者相互聯(lián)系、相互作用。在不同主體間，知識(shí)演化與協(xié)同作為創(chuàng)新的源泉具有普適性。

1.3 知識(shí)生態(tài)理論

1991年，Pór首次提出知識(shí)生態(tài)學(xué)概念，并將其引入知識(shí)管理領(lǐng)域。知識(shí)生態(tài)系統(tǒng)由知識(shí)、知識(shí)主體以及環(huán)境構(gòu)成，并存在與能量流動(dòng)、信息傳遞相似的知識(shí)流動(dòng)。按照知識(shí)載體層級(jí)，可將知識(shí)主體劃分為知識(shí)個(gè)體、知識(shí)種群與知識(shí)群落，三者通過環(huán)境的作用構(gòu)成完整、復(fù)雜的知識(shí)鏈和知識(shí)網(wǎng)絡(luò)［12］。

制造業(yè)集群有著與知識(shí)生態(tài)系統(tǒng)相似的組織結(jié)構(gòu)，且集群內(nèi)部知識(shí)活動(dòng)緊密交互，知識(shí)流動(dòng)循環(huán)于各主體之間，各級(jí)知識(shí)主體占據(jù)不同生態(tài)位，基于自身稟賦與知識(shí)創(chuàng)新活動(dòng)尋求生態(tài)位提升，最終實(shí)現(xiàn)集群轉(zhuǎn)型升級(jí)即知識(shí)生態(tài)系統(tǒng)演化躍遷，因此制造業(yè)集群可以看作是另一種知識(shí)生態(tài)系統(tǒng)。

在制造業(yè)集群知識(shí)生態(tài)系統(tǒng)中，各主體按照資源稟賦和所處網(wǎng)絡(luò)位置，擁有不同生態(tài)位［13］。知識(shí)生態(tài)位反映了知識(shí)主體在市場(chǎng)環(huán)境下的知識(shí)地位以及與其他知識(shí)主體的關(guān)系。知識(shí)創(chuàng)新是知識(shí)生態(tài)系統(tǒng)運(yùn)轉(zhuǎn)的內(nèi)在動(dòng)力機(jī)制，而知識(shí)生態(tài)位是其外在表現(xiàn)形式。知識(shí)生態(tài)系統(tǒng)以知識(shí)創(chuàng)新為驅(qū)動(dòng)力，以知識(shí)流作為連接集群知識(shí)主體的載體，通過一系列知識(shí)活動(dòng)，最終實(shí)現(xiàn)整個(gè)集群知識(shí)生態(tài)位躍遷。

2 知識(shí)生態(tài)視角下制造業(yè)集群優(yōu)化升級(jí)模型

近年來(lái)，知識(shí)生態(tài)理論在智庫(kù)聯(lián)盟、技術(shù)標(biāo)準(zhǔn)聯(lián)盟和虛擬學(xué)術(shù)社區(qū)等領(lǐng)域應(yīng)用廣泛，并逐步拓展到產(chǎn)業(yè)創(chuàng)新研究領(lǐng)域。知識(shí)生態(tài)系統(tǒng)結(jié)構(gòu)類似于自然界組成，其中，企業(yè)是系統(tǒng)的基本組成單位，通過縱向聯(lián)接上下游企業(yè)、橫向聯(lián)接關(guān)聯(lián)性企業(yè)，即可實(shí)現(xiàn)知識(shí)鏈協(xié)同，而知識(shí)鏈的交錯(cuò)編織出知識(shí)網(wǎng)絡(luò)。借助生物學(xué)隱喻剖析知識(shí)生態(tài)系統(tǒng)結(jié)構(gòu)要素及特征，有助于明晰各要素作用與內(nèi)在聯(lián)系，具體如表1所示。

本文將從知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為和知識(shí)環(huán)境3個(gè)層面構(gòu)建制造業(yè)集群優(yōu)化升級(jí)分析框架。

2.1 知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為、知識(shí)環(huán)境與集群優(yōu)化升級(jí)

2.1.1 知識(shí)生態(tài)結(jié)構(gòu)與集群優(yōu)化升級(jí)

（1）知識(shí)主體能力。知識(shí)主體能力取決于個(gè)體占據(jù)的生態(tài)位或擁有的知識(shí)資源等稟賦之和。在制造業(yè)集群中，知識(shí)資源保有量是實(shí)現(xiàn)知識(shí)創(chuàng)新的基礎(chǔ)［14］，知識(shí)主體創(chuàng)造力是實(shí)現(xiàn)價(jià)值增值的關(guān)鍵。Sun等［15］根據(jù)擁有的核心知識(shí)量，將企業(yè)分為優(yōu)勢(shì)企業(yè)和劣勢(shì)企業(yè)，以此探究異質(zhì)性企業(yè)知識(shí)創(chuàng)新行為的演化過程。知識(shí)主體能力是知識(shí)創(chuàng)新的基礎(chǔ)，知識(shí)創(chuàng)新有助于增加企業(yè)知識(shí)儲(chǔ)備，二者相輔相成，為知識(shí)主體生態(tài)位提升奠定基礎(chǔ)。

（2）知識(shí)鏈整合。知識(shí)鏈整合是指將縱向的上下游企業(yè)、橫向的關(guān)聯(lián)性企業(yè)進(jìn)行有效聯(lián)結(jié)［16］。知識(shí)鏈整合是知識(shí)創(chuàng)新的量變階段，對(duì)應(yīng)的主體是產(chǎn)業(yè)鏈上下游企業(yè)群落。知識(shí)流動(dòng)是一個(gè)循環(huán)往復(fù)且不斷產(chǎn)生反饋的過程。知識(shí)鏈上的知識(shí)流動(dòng)側(cè)重于知識(shí)整合與知識(shí)部署，以確保面對(duì)特定目標(biāo)時(shí)企業(yè)群落擁有完整的知識(shí)體系［17］。同時(shí)，鏈上企業(yè)能快速響應(yīng)用戶需求，并通過知識(shí)鏈的高效管理降低創(chuàng)新成本，從而獲得自身生存與發(fā)展空間［18］。

（3）知識(shí)網(wǎng)建構(gòu)。隨著知識(shí)鏈延伸以及知識(shí)需求多樣化，同一知識(shí)主體可能處于不同知識(shí)鏈，因而知識(shí)主體間呈現(xiàn)網(wǎng)狀結(jié)構(gòu)，即知識(shí)網(wǎng)（詹湘東等，2019）。知識(shí)網(wǎng)建構(gòu)是制造業(yè)集群進(jìn)行知識(shí)創(chuàng)新的質(zhì)變階段［19］，其核心是提高集群知識(shí)凝聚性，完成知識(shí)部署與知識(shí)鞏固，從而協(xié)調(diào)不同知識(shí)鏈完成集群戰(zhàn)略性任務(wù)［20］。知識(shí)凝聚性提升是知識(shí)部署與知識(shí)整合過程中表現(xiàn)出來(lái)的一種動(dòng)態(tài)能力。良好的組織溝通與協(xié)調(diào)能力、及時(shí)準(zhǔn)確的戰(zhàn)略決策、優(yōu)秀的組織文化與正確的組織價(jià)值觀是知識(shí)網(wǎng)絡(luò)完善的重要體現(xiàn)［21］。

2.1.2 知識(shí)創(chuàng)新行為與制造業(yè)集群優(yōu)化升級(jí)

知識(shí)創(chuàng)新行為是集群知識(shí)演化與知識(shí)協(xié)同活動(dòng)的統(tǒng)稱。如前文所述，知識(shí)演化與知識(shí)協(xié)同本身就是知識(shí)創(chuàng)新機(jī)制的一部分，其核心在于知識(shí)交換、整合、分布、鞏固與部署［22］。知識(shí)演化側(cè)重于顯性知識(shí)與隱性知識(shí)的流轉(zhuǎn)、內(nèi)化及創(chuàng)新，是生態(tài)系統(tǒng)最基礎(chǔ)、最重要的環(huán)節(jié)。研究產(chǎn)業(yè)鏈上下游企業(yè)如何通過大規(guī)模生產(chǎn)獲得過程性知識(shí)，有助于厘清其內(nèi)在邏輯，將經(jīng)驗(yàn)方法移植到更高維度的集群層面，從而實(shí)現(xiàn)整體競(jìng)爭(zhēng)力提升。集群優(yōu)化升級(jí)的主要內(nèi)容是優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提高行業(yè)競(jìng)爭(zhēng)力，獲得更高的轉(zhuǎn)型績(jī)效，而知識(shí)演化與知識(shí)協(xié)同能夠從源頭促進(jìn)集群上下游產(chǎn)業(yè)鏈“坐而論道”并“起而行之”，有助于深入挖掘整個(gè)產(chǎn)業(yè)集群知識(shí)創(chuàng)新的內(nèi)生動(dòng)力。

2.1.3 知識(shí)環(huán)境與優(yōu)化升級(jí)績(jī)效

知識(shí)環(huán)境是知識(shí)主體交互的重要物質(zhì)條件和文化基礎(chǔ)［23］。知識(shí)生態(tài)系統(tǒng)運(yùn)行與其內(nèi)外部環(huán)境密切相關(guān)。外部環(huán)境主要包括知識(shí)產(chǎn)權(quán)保護(hù)、知識(shí)轉(zhuǎn)化保障、政府政策等，內(nèi)部環(huán)境主要涉及地區(qū)高校、科研院所的人才交流、協(xié)作創(chuàng)新以及組織文化等方面。知識(shí)環(huán)境與知識(shí)主體之間交互復(fù)雜，知識(shí)主體需積極適應(yīng)知識(shí)環(huán)境變化，才能實(shí)現(xiàn)知識(shí)創(chuàng)新、競(jìng)爭(zhēng)力提升和生態(tài)位躍遷。

（1）知識(shí)轉(zhuǎn)化保障。地區(qū)知識(shí)產(chǎn)權(quán)環(huán)境深刻影響知識(shí)主體創(chuàng)新活力，加大知識(shí)產(chǎn)權(quán)保護(hù)能夠顯著促進(jìn)企業(yè)創(chuàng)新的觀點(diǎn)已經(jīng)得到多數(shù)文獻(xiàn)證實(shí)?？傮w來(lái)說(shuō)，知識(shí)轉(zhuǎn)化保障主要通過防止惡意競(jìng)爭(zhēng)、構(gòu)建和諧的創(chuàng)新環(huán)境激發(fā)集群知識(shí)主體的創(chuàng)新熱情［24］。同時(shí)，知識(shí)成果轉(zhuǎn)化存在區(qū)域異質(zhì)性［25］，強(qiáng)有力的知識(shí)轉(zhuǎn)化保障是實(shí)現(xiàn)知識(shí)生態(tài)欣欣向榮的關(guān)鍵。

（2）學(xué)研助力。產(chǎn)學(xué)研合作可實(shí)現(xiàn)上、中、下游知識(shí)創(chuàng)新主體間交互與耦合，地方高校和科研院所是企業(yè)獲得創(chuàng)新靈感的重要來(lái)源［26］。在知識(shí)生態(tài)系統(tǒng)中，企業(yè)一方面與大學(xué)、重點(diǎn)實(shí)驗(yàn)室構(gòu)建一體化鏈條，暢通學(xué)術(shù)交流；另一方面緊密圍繞產(chǎn)業(yè)發(fā)展需求，開展協(xié)同攻關(guān)（王茤祥等，2023）。在技術(shù)攻關(guān)層面，企業(yè)是創(chuàng)新主體，而學(xué)研方則為企業(yè)創(chuàng)新提供有力支撐。在基礎(chǔ)研究攻關(guān)層面，學(xué)研方通過對(duì)海量數(shù)據(jù)進(jìn)行模擬、仿真、訓(xùn)練與修正，不斷打磨研究成果，拓展知識(shí)邊界［7］。

綜上所述，知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為與知識(shí)環(huán)境的相互作用機(jī)制如圖1所示。

2.2 模型構(gòu)建

在知識(shí)生態(tài)系統(tǒng)內(nèi)，不同主體以及主體與環(huán)境之間存在復(fù)雜的交互關(guān)系。制造業(yè)集群優(yōu)化升級(jí)是知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為與知識(shí)環(huán)境等諸多因素綜合作用的結(jié)果，依靠單一要素很難提高系統(tǒng)績(jī)效。因此，本文將知識(shí)主體能力、知識(shí)鏈整合、知識(shí)網(wǎng)建構(gòu)、知識(shí)演化與協(xié)同、知識(shí)轉(zhuǎn)化保障、學(xué)研助力6個(gè)要素視為制造業(yè)集群優(yōu)化升級(jí)的前因變量，以優(yōu)化升級(jí)績(jī)效作為結(jié)果變量，構(gòu)建以知識(shí)創(chuàng)新為核心、知識(shí)流動(dòng)為紐帶的制造業(yè)集群優(yōu)化升級(jí)研究框架，如圖2所示。

3 研究方法

3.1 NCA與QCA相結(jié)合

制造業(yè)集群優(yōu)化升級(jí)影響因素繁多，而fsQCA的組態(tài)思想有助于解釋多重并發(fā)的因果復(fù)雜性問題，是分析知識(shí)生態(tài)系統(tǒng)各要素聯(lián)動(dòng)對(duì)集群升級(jí)績(jī)效影響的理想方法［27］。采用NCA與fsQCA相結(jié)合的方法，可以有效彌補(bǔ)fsQCA方法的不足，準(zhǔn)確分析知識(shí)生態(tài)與制造業(yè)集群優(yōu)化升級(jí)間的因果關(guān)系。

NCA與fsQCA是分析導(dǎo)致多因果現(xiàn)象出現(xiàn)的必要性、充分性條件的兩種邏輯方法。NCA方法的應(yīng)用邏輯是探究單個(gè)條件的必要非充分性，而fsQCA的應(yīng)用邏輯是進(jìn)行充分性分析，重點(diǎn)分析不同條件組合對(duì)結(jié)果的影響。在具體分析中，首先采用NCA方法測(cè)度知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為和知識(shí)環(huán)境條件是否是導(dǎo)致集群優(yōu)化升級(jí)的必要條件，且在多大程度上促進(jìn)集群實(shí)現(xiàn)高水平優(yōu)化升級(jí)；其次，借助fsQCA方法，從整體視角進(jìn)行跨案例比較分析，探討知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為和知識(shí)環(huán)境的聯(lián)動(dòng)協(xié)同機(jī)制以及各知識(shí)要素之間的互動(dòng)關(guān)系，從而揭示知識(shí)生態(tài)要素影響制造業(yè)集群優(yōu)化升級(jí)的復(fù)雜因果作用。

3.2 數(shù)據(jù)來(lái)源與變量測(cè)量

本文選取案例均為近年進(jìn)行了優(yōu)化升級(jí)的產(chǎn)業(yè)集群。以中國(guó)汽車工業(yè)協(xié)會(huì)發(fā)布的汽車工業(yè)整車20強(qiáng)榜單為藍(lán)本，選取案例企業(yè)所在地產(chǎn)業(yè)集群，剔除數(shù)據(jù)不完整、信息不完善的產(chǎn)業(yè)集群，并增加榜單外相關(guān)汽車產(chǎn)業(yè)集群，最終選定20個(gè)地市汽車企業(yè)制造業(yè)集群為樣本。數(shù)據(jù)收集渠道如下：一是國(guó)內(nèi)各地市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào);二是各大車企官方網(wǎng)站;三是國(guó)家知識(shí)產(chǎn)權(quán)局官方網(wǎng)站、教育部官網(wǎng)、壹專利、企查查網(wǎng)站等多種渠道。由于知識(shí)生態(tài)要素投入對(duì)集群優(yōu)化升級(jí)的影響具有時(shí)滯性，本文選取2019年1月1日至2020年12月31日的前因變量值，以及2021年1月1日至2021年12月31日的結(jié)果變量值進(jìn)行分析。借鑒已有文獻(xiàn)量化標(biāo)準(zhǔn)，對(duì)以下因素進(jìn)行量化，如表2所示。

（1）知識(shí)主體能力。企業(yè)是產(chǎn)業(yè)集群的微觀組成單元，也是知識(shí)創(chuàng)新和產(chǎn)業(yè)升級(jí)的主體。知識(shí)主體的創(chuàng)新力和知識(shí)量是實(shí)現(xiàn)集群知識(shí)生態(tài)系統(tǒng)演化躍遷的保障。本文采用中心企業(yè)擁有的專利總量作為衡量知識(shí)主體能力的指標(biāo)［28-29］。

（2）知識(shí)鏈整合。知識(shí)鏈整合側(cè)重于知識(shí)整合與知識(shí)部署。本文采用參與戰(zhàn)略聯(lián)盟個(gè)數(shù)、鏈上企業(yè)知識(shí)活動(dòng)次數(shù)和鏈上企業(yè)共享專利個(gè)數(shù)衡量［16，23］。

（3）知識(shí)網(wǎng)建構(gòu)。知識(shí)凝聚性體現(xiàn)了知識(shí)網(wǎng)建構(gòu)過程中不同知識(shí)元素的整合程度，本文借鑒石靜［30］的方法，采用知識(shí)網(wǎng)中各類主體關(guān)系代表知識(shí)網(wǎng)絡(luò)建構(gòu)水平。首先，計(jì)算不同企業(yè)間知識(shí)相關(guān)度，即共享專利與知識(shí)網(wǎng)中其它專利的相關(guān)度，計(jì)算公式如下：

WARit=∑j≠isijPjtEij∑j≠iPjtEij（1）

其中，sij表示中心企業(yè)i與企業(yè)j之間的專利相關(guān)度，如果中心企業(yè)i與企業(yè)j之間存在專利k（= 1，2，…，s）的引用關(guān)系，那么sij=1，否則sij =0；Pjt表示區(qū)域知識(shí)網(wǎng)t內(nèi)企業(yè)j的專利總量；Eij表示中心企業(yè)i與企業(yè)j之間發(fā)生專利轉(zhuǎn)讓及專利許可活動(dòng)的專利總量；WARit表示中心企業(yè)i與區(qū)域知識(shí)網(wǎng)t內(nèi)其它企業(yè)的加權(quán)平均相關(guān)度。若WARit>1，則表示中心企業(yè)i與區(qū)域知識(shí)網(wǎng)t內(nèi)其它企業(yè)的專利相關(guān)度較高。知識(shí)網(wǎng)絡(luò)凝聚性采用區(qū)域知識(shí)網(wǎng)中全部企業(yè)的加權(quán)平均相關(guān)度之和，即：

COHt=∑ni=1WARit×Pit∑iPit（2）

其中，Pit 表示區(qū)域知識(shí)網(wǎng)t內(nèi)中心企業(yè)i的專利總量；COHt表示區(qū)域知識(shí)網(wǎng)t的網(wǎng)絡(luò)凝聚性。同理，若COHt>1，則表示區(qū)域知識(shí)網(wǎng)t內(nèi)知識(shí)的整體關(guān)聯(lián)度較高。

（4）知識(shí)演化與協(xié)同。知識(shí)演化與協(xié)同側(cè)重于顯性和隱性知識(shí)的流轉(zhuǎn)、內(nèi)化及創(chuàng)新［31］，因此采用集群企業(yè)跨組織的知識(shí)互動(dòng)頻數(shù)作為衡量企業(yè)知識(shí)演化與協(xié)同程度的指標(biāo)［32］。該指標(biāo)通過收集2019年1月1日至2020年12月31日之間案例企業(yè)有關(guān)戰(zhàn)略合作、行業(yè)峰會(huì)、行業(yè)競(jìng)賽等新聞報(bào)道信息而得。

（5）知識(shí)轉(zhuǎn)化保障。知識(shí)轉(zhuǎn)化保障作為企業(yè)創(chuàng)新的環(huán)境基礎(chǔ)，通過促進(jìn)知識(shí)成果轉(zhuǎn)化顯著影響企業(yè)知識(shí)創(chuàng)新水平。本文采用地區(qū)技術(shù)市場(chǎng)交易額與其GDP比值［33］，測(cè)度地區(qū)知識(shí)環(huán)境對(duì)產(chǎn)業(yè)集群優(yōu)化升級(jí)的影響。

（6）學(xué)研助力。在知識(shí)生態(tài)中，地方高校和科研院所是企業(yè)獲得創(chuàng)新靈感的重要渠道，論文合著數(shù)量可從微觀層面反映主體知識(shí)交流情況。結(jié)合論文特質(zhì)并借鑒王曉紅等［26］的研究，本文選取論文合著數(shù)以及單位時(shí)間內(nèi)校企合作項(xiàng)目數(shù)作為衡量指標(biāo)。

（7）優(yōu)化升級(jí)績(jī)效。產(chǎn)業(yè)集群優(yōu)化升級(jí)的最終目的是提高經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力。因此，本文從經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力兩方面衡量制造業(yè)集群優(yōu)化升級(jí)績(jī)效?？紤]到利潤(rùn)［34］是產(chǎn)業(yè)集群優(yōu)化升級(jí)成果的最終表現(xiàn)形式之一，故將其作為衡量轉(zhuǎn)型績(jī)效的指標(biāo)。由前文分析可知，產(chǎn)業(yè)集群優(yōu)化升級(jí)在知識(shí)生態(tài)評(píng)價(jià)中表現(xiàn)為系統(tǒng)生態(tài)位變化或躍遷，學(xué)者們通常采用“態(tài)”和“勢(shì)”來(lái)測(cè)量當(dāng)前主體生態(tài)位水平與發(fā)展趨勢(shì)。如宋琪［13］利用新產(chǎn)品開發(fā)項(xiàng)目數(shù)、論文發(fā)表數(shù)等存量指標(biāo)與專利申請(qǐng)?jiān)鲩L(zhǎng)率、合同數(shù)增長(zhǎng)率等增量指標(biāo)分別測(cè)度知識(shí)創(chuàng)新生態(tài)位的“態(tài)”和“勢(shì)”；趙長(zhǎng)軼［35］采用專利數(shù)量、產(chǎn)值利潤(rùn)率等指標(biāo)測(cè)度產(chǎn)業(yè)綜合生態(tài)位的“態(tài)”和“勢(shì)”；薛曉芳［36］利用種群知識(shí)創(chuàng)新能力和種間關(guān)聯(lián)指數(shù)分別測(cè)量虛擬企業(yè)生態(tài)系統(tǒng)知識(shí)生態(tài)位的“態(tài)”與“勢(shì)”。結(jié)合胡寧寧［37］、儲(chǔ)節(jié)旺［38］等的研究以及知識(shí)生態(tài)特質(zhì)，本文選擇地區(qū)產(chǎn)學(xué)研合作項(xiàng)目數(shù)和地區(qū)新增專利數(shù)分別作為測(cè)度生態(tài)系統(tǒng)生態(tài)位 “態(tài)”與“勢(shì)”的指標(biāo)，同時(shí)，二者也可從市場(chǎng)競(jìng)爭(zhēng)力層面反映產(chǎn)業(yè)集群優(yōu)化升級(jí)績(jī)效。其中，地區(qū)產(chǎn)學(xué)研合作項(xiàng)目數(shù)用以衡量產(chǎn)業(yè)集群所積累的資源稟賦，地區(qū)新增專利數(shù)用以測(cè)量集群知識(shí)創(chuàng)新能力。

3.3 標(biāo)準(zhǔn)化處理

結(jié)合已有研究與數(shù)據(jù)特征，將樣本數(shù)據(jù)的3個(gè)錨點(diǎn)分別設(shè)為75分位值、50分位值和25分位值，接著將7個(gè)變量輸入SPSS26.0軟件進(jìn)行校準(zhǔn)。

4 結(jié)果分析

4.1 單一要素必要條件分析

NCA方法能夠分析要素是否以及在多大程度上是結(jié)果的必要條件。利用回歸上限技術(shù)（CR）和包絡(luò)上限技術(shù)（CE）兩種方法分別計(jì)算效應(yīng)量。在NCA中，效應(yīng)量d值表示前因變量在多大程度上是結(jié)果的必要條件。若效應(yīng)量d≥0.1且蒙特卡羅仿真置換檢驗(yàn)結(jié)果顯示效應(yīng)量顯著，則認(rèn)為該條件為必要條件。

表3是使用NCA方法對(duì)6個(gè)前因變量進(jìn)行分析的結(jié)果。綜合來(lái)看，除知識(shí)主體能力外，其余5個(gè)前因變量的蒙特卡羅仿真置換檢驗(yàn)p值均大于0.01，因而不符合必要條件要求。知識(shí)主體能力p值＜0.01且CR估計(jì)效應(yīng)量高達(dá)0.308，即采用上限回歸（CR）方法生成函數(shù)時(shí)僅有知識(shí)主體能力是引致產(chǎn)業(yè)集群優(yōu)化升級(jí)的必要條件。

根據(jù)瓶頸分析結(jié)果可知，如表4所示，要達(dá)到100%的集群優(yōu)化升級(jí)水平，知識(shí)主體能力、知識(shí)鏈整合、知識(shí)網(wǎng)建構(gòu)、知識(shí)演化與協(xié)同、知識(shí)轉(zhuǎn)化保障和學(xué)研助力6個(gè)前因變量的水平值分別為82.3%、85.6%、47.4%、44.1%、82.3%和49.7%。隨著集群績(jī)效水平提高，各變量增長(zhǎng)幅度不均衡，具體為知識(shí)鏈整合＞知識(shí)主體能力、知識(shí)轉(zhuǎn)化保障＞學(xué)研助力＞知識(shí)網(wǎng)建構(gòu)＞知識(shí)演化與協(xié)同。

采用fsQCA方法的必要分析結(jié)果如表5所示，可以發(fā)現(xiàn)，6個(gè)前因變量的一致性值均低于0.9，說(shuō)明其不是產(chǎn)生高績(jī)效的必要條件。通過比較發(fā)現(xiàn)，fsQCA中知識(shí)主體能力的必要性與NCA的結(jié)果稍有出入，其原因可能是fsQCA與NCA方法存在差異。根據(jù)Dul的觀點(diǎn)，觀測(cè)值的不同分布會(huì)導(dǎo)致fsQCA估計(jì)參考線與NCA估計(jì)上限值存在差異，且NCA與fsQCA對(duì)重要性的定義不同，因此fsQCA在數(shù)據(jù)集中發(fā)現(xiàn)的必要條件比NCA少得多。此外，在fsQCA組態(tài)分析中知識(shí)主體能力作為核心條件出現(xiàn)了11次，在一定程度上證明知識(shí)主體能力對(duì)高績(jī)效產(chǎn)生具有普適性作用，因此NCA與fsQCA的結(jié)果在整體上具有一致性。

4.2 組態(tài)充分性分析

采用fsQCA方法分析全樣本條件下引致高績(jī)效的組態(tài)要素，不同組態(tài)表示不同的要素匹配路徑。本文的案例數(shù)為20個(gè)，為中等規(guī)模樣本。參照已有研究，將原始一致性閾值和PRI一致性閾值分別設(shè)為0.8與0.7，同時(shí)，將案例頻數(shù)閾值設(shè)置為1，最終得到fsQCA分析結(jié)果如表6、表7所示。結(jié)果顯示，產(chǎn)生高績(jī)效的組態(tài)有5種，產(chǎn)生非高績(jī)效的組態(tài)有6種，其一致性與整體解的一致性均高于0.8，解的覆蓋度也高于標(biāo)準(zhǔn)值0.5，表明結(jié)果較理想。其中，知識(shí)主體能力對(duì)每種組態(tài)都是至關(guān)重要的核心條件，該變量分別與其它條件組合成為實(shí)現(xiàn)制造業(yè)集群高質(zhì)量發(fā)展的路徑。同時(shí)，引致非高績(jī)效的組態(tài)中，知識(shí)主體能力成為缺失的核心條件，但與高績(jī)效組態(tài)不存在對(duì)應(yīng)關(guān)系。

4.2.1 高績(jī)效路徑分析

（1）政產(chǎn)學(xué)研協(xié)同型。組態(tài)S1顯示，知識(shí)環(huán)境友好型地區(qū)通過強(qiáng)化以知識(shí)主體能力為主，知識(shí)轉(zhuǎn)化保障和學(xué)研助力為輔的要素組合可以產(chǎn)生高績(jī)效。該組態(tài)的一致性為0.86，原始覆蓋率為0.15，能夠解釋15%的樣本。這是因?yàn)樵擃愋偷貐^(qū)知識(shí)主體能力較強(qiáng)、知識(shí)資源豐富，知識(shí)轉(zhuǎn)化保障受到足夠重視，科研院所、高校與企業(yè)之間交往密切，能夠相互取長(zhǎng)補(bǔ)短，即使知識(shí)生態(tài)結(jié)構(gòu)欠佳，也可以憑借其龐大的專利擁有量、堅(jiān)實(shí)的研發(fā)基礎(chǔ)與高效的執(zhí)行力維持自身優(yōu)勢(shì)地位，從而使得集群獲得高績(jī)效。

該組態(tài)的典型案例包括上汽集團(tuán)和北汽集團(tuán)。以上汽集團(tuán)為例，作為中國(guó)汽車制造行業(yè)的龍頭企業(yè)，截至2023年1月1日，上汽集團(tuán)擁有111 506條專利，位居中國(guó)車企專利保有量第一名。上汽集團(tuán)總部位于上海自貿(mào)區(qū)內(nèi)，便捷的貿(mào)易渠道、優(yōu)惠的稅收政策和嚴(yán)格的產(chǎn)權(quán)保護(hù)制度共同構(gòu)筑了自由寬松的外部知識(shí)環(huán)境。2021年12月15日，上海自貿(mào)試驗(yàn)區(qū)臨港新片區(qū)管委會(huì)發(fā)布《中國(guó)（上海）自由貿(mào)易試驗(yàn)區(qū)臨港新片區(qū)支持知識(shí)產(chǎn)權(quán)發(fā)展的若干政策》，對(duì)符合要求的項(xiàng)目提供資金支持，為地區(qū)產(chǎn)業(yè)形成高質(zhì)量知識(shí)產(chǎn)權(quán)成果提供了政策保障。2023年2月9日，浦東新區(qū)發(fā)改委發(fā)布《引領(lǐng)區(qū)改革創(chuàng)新案例》，該文件以《引領(lǐng)區(qū)意見》為綱要，通過統(tǒng)籌政策、社會(huì)資源、專業(yè)服務(wù)全方位賦能創(chuàng)新生態(tài)建設(shè)，構(gòu)建政產(chǎn)學(xué)研金服用七位一體的創(chuàng)新生態(tài)體系，推動(dòng)制造業(yè)集群研發(fā)中心向開放創(chuàng)新中心升級(jí)，深度賦能產(chǎn)業(yè)鏈中小企業(yè)協(xié)同創(chuàng)新，打造生機(jī)勃勃的創(chuàng)新“熱帶雨林”。上海自貿(mào)試驗(yàn)區(qū)良好的創(chuàng)新環(huán)境與上汽集團(tuán)的深耕相互成就，共同鑄就了國(guó)家隊(duì)車企的輝煌。

（2）高知識(shí)凝聚型。組態(tài)S2、S3與S5的核心條件相同，構(gòu)成二階等價(jià)組態(tài)，可以一并分析。該路徑以完善的知識(shí)網(wǎng)絡(luò)和較強(qiáng)的知識(shí)主體能力為核心條件，以知識(shí)鏈高效協(xié)同整合為邊緣條件。3種組態(tài)的一致性均大于0.85，且累計(jì)覆蓋度達(dá)到0.56，能夠解釋56%的樣本。在該路徑下，通過建構(gòu)完善的知識(shí)網(wǎng)絡(luò)將集群供應(yīng)商整合起來(lái)，將高凝聚性作為一條強(qiáng)有力的紐帶，促進(jìn)中心企業(yè)與上下游供應(yīng)商知識(shí)交互。自上而下的知識(shí)流動(dòng)使得各級(jí)主體的知識(shí)標(biāo)準(zhǔn)得以統(tǒng)一，知識(shí)鏈與知識(shí)網(wǎng)之間的交互緊密而高效。中心企業(yè)的創(chuàng)新訴求通過逐級(jí)傳導(dǎo)，快速得到響應(yīng)，由于標(biāo)準(zhǔn)一致，知識(shí)主體的跨層級(jí)溝通成本大大降低，促使創(chuàng)新步伐加快，并有助于增強(qiáng)企業(yè)市場(chǎng)競(jìng)爭(zhēng)力。

除東風(fēng)汽車和長(zhǎng)安汽車外，該路徑的典型案例還包括吉利汽車和奇瑞汽車。以東風(fēng)汽車為例，作為國(guó)內(nèi)汽車行業(yè)第二梯隊(duì)的領(lǐng)頭羊，東風(fēng)汽車積極構(gòu)建自身知識(shí)生態(tài)系統(tǒng)，利用自身能力輻射帶動(dòng)配套產(chǎn)業(yè)集群發(fā)展及轉(zhuǎn)型。東風(fēng)集團(tuán)董事長(zhǎng)竺延風(fēng)在2022中國(guó)汽車供應(yīng)鏈大會(huì)上提到，我國(guó)汽車供應(yīng)鏈正向多主體參與的網(wǎng)狀生態(tài)演變，要堅(jiān)持共生共構(gòu)、共同進(jìn)化，推動(dòng)汽車產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。汽車行業(yè)具有其特殊性，產(chǎn)品設(shè)計(jì)和工藝改進(jìn)牽一發(fā)而動(dòng)全身。東風(fēng)集團(tuán)高屋建瓴、統(tǒng)籌規(guī)劃全局，以構(gòu)建完善的知識(shí)網(wǎng)絡(luò)推進(jìn)零部件業(yè)務(wù)布局與產(chǎn)品研發(fā)，增強(qiáng)零部件與整車同步開發(fā)能力，促使更多零部件企業(yè)向價(jià)值鏈中高端邁進(jìn)。

（3）知識(shí)生態(tài)集成型。組態(tài)S4顯示，雖然學(xué)研助力存在缺失，知識(shí)轉(zhuǎn)化保障不確定，但是在知識(shí)生態(tài)體系構(gòu)建完善、知識(shí)主體能力較強(qiáng)的情況下，也可以實(shí)現(xiàn)高績(jī)效。該組態(tài)的一致性為0.9，覆蓋度為0.21，能夠解釋21%的樣本。這是因?yàn)榧词沟胤秸R(shí)產(chǎn)權(quán)監(jiān)管缺位或地區(qū)教育資源匱乏，但是只要該地區(qū)知識(shí)生態(tài)系統(tǒng)自成一體，仍能實(shí)現(xiàn)良性循環(huán)。一方面，各知識(shí)主體頻繁交互，知識(shí)演化自下而上、層層遞進(jìn)，并借助知識(shí)流貫穿不同層級(jí)生態(tài)位企業(yè)，為整個(gè)知識(shí)生態(tài)系統(tǒng)提供源源不斷的知識(shí)儲(chǔ)備和技術(shù)支持；另一方面，完善的知識(shí)生態(tài)結(jié)構(gòu)會(huì)反哺各級(jí)知識(shí)主體，如知識(shí)凝聚性有助于提升各主體抗風(fēng)險(xiǎn)能力，支持不同主體結(jié)成靈活、松緊有致的小團(tuán)體，促進(jìn)產(chǎn)業(yè)集群協(xié)同發(fā)展。

該路徑的典型案例包括比亞迪和濰柴動(dòng)力。以比亞迪為例， 2022年比亞迪無(wú)可爭(zhēng)議地摘得該年度全球新能源汽車銷量冠軍。作為較早布局新能源汽車的車企之一，截止到2023年3月25日，比亞迪擁有45 240條專利。比亞迪汽車具備從電池、電機(jī)、電控到整車的全產(chǎn)業(yè)鏈研發(fā)制造能力，產(chǎn)業(yè)規(guī)模和生產(chǎn)能力位居全球前列。同時(shí)，比亞迪構(gòu)筑了完善的知識(shí)生態(tài)體系，帶動(dòng)百余家重點(diǎn)企業(yè)創(chuàng)新發(fā)展，在電動(dòng)汽車產(chǎn)業(yè)鏈上、中、下游形成完善的產(chǎn)業(yè)布局，擁有相對(duì)完整的知識(shí)鏈，使得處于不同生態(tài)位的企業(yè)能夠不同程度地享受知識(shí)流帶來(lái)的便利。知識(shí)生態(tài)系統(tǒng)循環(huán)往復(fù)，造就了產(chǎn)業(yè)集群強(qiáng)大的核心競(jìng)爭(zhēng)力，即使產(chǎn)學(xué)研聯(lián)系稀疏，也可實(shí)現(xiàn)高績(jī)效。

4.2.2 非高績(jī)效路徑分析

本文也檢驗(yàn)了導(dǎo)致非高績(jī)效的路徑，共有6種組態(tài)，具體為表5中的NS1、NS2、NS3、NS4、NS5和NS6，大致可分為3條路徑：第一，知識(shí)生態(tài)抑制型。組態(tài)NS1和NS2顯示，當(dāng)6種條件幾乎都缺失時(shí)，不會(huì)產(chǎn)生高績(jī)效，如哪吒汽車和江鈴汽車。第二，資源—政策抑制型。組態(tài)NS3和NS4顯示，在知識(shí)主體能力、知識(shí)轉(zhuǎn)化保障和學(xué)研助力都缺位的情況下，單獨(dú)的知識(shí)演化與協(xié)同以及知識(shí)鏈或知識(shí)網(wǎng)絡(luò)構(gòu)建并不能有效促進(jìn)轉(zhuǎn)型升級(jí)，其中的典型案例如小鵬汽車、中通客車和宇通客車。第三，主體資源—?jiǎng)?chuàng)新活力匱乏型。組態(tài)NS5和NS6顯示，在知識(shí)演化與協(xié)同、知識(shí)創(chuàng)新表現(xiàn)以及知識(shí)主體能力、資源稟賦不足的情況下，即使努力建構(gòu)知識(shí)鏈或知識(shí)網(wǎng)絡(luò)，也無(wú)法實(shí)現(xiàn)高績(jī)效，如海馬汽車和華晨汽車。綜合上述分析，不難發(fā)現(xiàn)，3條路徑呈現(xiàn)出一定共性，即知識(shí)主體能力中資源稟賦不足是引致非高績(jī)效的直接原因，但如果知識(shí)生態(tài)系統(tǒng)構(gòu)筑完善，或許可以擺脫知識(shí)資源不足的桎梏，獲得高績(jī)效。

4.3 穩(wěn)健性檢驗(yàn)

根據(jù)已有研究經(jīng)驗(yàn)，本文將樣本數(shù)據(jù)的3個(gè)錨點(diǎn)調(diào)整為95分位值、50分位值和5分位值，并將一致性閾值提高至0.9，發(fā)現(xiàn)組態(tài)核心條件的分類未發(fā)生改變，說(shuō)明本文研究結(jié)果具有較高穩(wěn)健性。

5 結(jié)論與啟示

5.1 研究結(jié)論

本文通過拓展知識(shí)生態(tài)理論框架，采用NCA與fsQCA方法從知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為、知識(shí)環(huán)境三方面研究制造業(yè)集群實(shí)現(xiàn)優(yōu)化升級(jí)的組態(tài)路徑，得到如下結(jié)論：第一，任何單獨(dú)的知識(shí)生態(tài)要素均不是引致高績(jī)效的必要條件，僅知識(shí)主體能力對(duì)高績(jī)效發(fā)揮較為普適的作用。第二，存在3條引致高績(jī)效的路徑，即政產(chǎn)學(xué)研協(xié)同型、高知識(shí)凝聚型和知識(shí)生態(tài)集成型。在知識(shí)主體能力作為核心條件存在時(shí)，知識(shí)生態(tài)結(jié)構(gòu)與知識(shí)環(huán)境存在潛在的替代關(guān)系。第三，在知識(shí)主體能力較強(qiáng)、資源稟賦較為豐富的地區(qū)，選擇高知識(shí)凝聚型路徑是實(shí)現(xiàn)高水平轉(zhuǎn)型績(jī)效的最優(yōu)選擇。第四，在知識(shí)主體能力較強(qiáng)時(shí)，3條高績(jī)效轉(zhuǎn)型路徑之間存在遞進(jìn)關(guān)系。其中，政產(chǎn)學(xué)研協(xié)同型是實(shí)現(xiàn)高水平轉(zhuǎn)型升級(jí)的初級(jí)路徑，其關(guān)鍵是產(chǎn)學(xué)研高度協(xié)同、地方性法規(guī)完善健全。在此基礎(chǔ)上，若能構(gòu)筑完善的知識(shí)鏈與知識(shí)網(wǎng)，即可通過高知識(shí)凝聚型路徑邁向中級(jí)階段，此階段集群知識(shí)生態(tài)初見成型，高知識(shí)凝聚性使得溝通效率和交互頻度獲得較大提升。另外，隨著不同主體間交互增強(qiáng)，集群知識(shí)演化與協(xié)同能力也得到提高，而完善的知識(shí)生態(tài)結(jié)構(gòu)和較強(qiáng)的知識(shí)創(chuàng)新能力是集群釋放創(chuàng)新活力、實(shí)現(xiàn)轉(zhuǎn)型升級(jí)的關(guān)鍵，同時(shí)，也是知識(shí)生態(tài)要素的集成者，由此實(shí)現(xiàn)向更高階段的知識(shí)生態(tài)集成型路徑邁進(jìn)。第五，3條非高績(jī)效集群轉(zhuǎn)型路徑具有的共性特征為地區(qū)知識(shí)主體能力孱弱、科研資源匱乏。此時(shí)，選擇知識(shí)生態(tài)集成型路徑有可能擺脫先天資源稟賦不足的桎梏，獲得高績(jī)效。整體來(lái)看，構(gòu)筑完善的知識(shí)生態(tài)結(jié)構(gòu)和具有較高的知識(shí)創(chuàng)新能力是制造業(yè)集群獲得高水平轉(zhuǎn)型升級(jí)績(jī)效的關(guān)鍵。

5.2 管理啟示

由上分析可知，知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為、知識(shí)環(huán)境要素賦能制造業(yè)集群優(yōu)化升級(jí)的實(shí)現(xiàn)機(jī)制具有多重并發(fā)性、非對(duì)稱性和多種路徑等效性。各制造業(yè)集群應(yīng)結(jié)合自身情況，積極探索各具特色的優(yōu)化升級(jí)路徑。

（1）以深圳（比亞迪）和濰坊（濰柴動(dòng)力）等案例為代表的知識(shí)生態(tài)集成型路徑是實(shí)現(xiàn)高績(jī)效的有效捷徑，但該模式對(duì)集群知識(shí)生態(tài)結(jié)構(gòu)、知識(shí)創(chuàng)新行為等都有較高要求，因此并不具有普適性。究其原因，比亞迪和濰柴動(dòng)力都是在特定轉(zhuǎn)型期抓住機(jī)遇、轉(zhuǎn)變賽道，通過構(gòu)筑完善的知識(shí)生態(tài)、銳意創(chuàng)新，實(shí)現(xiàn)技術(shù)積累，為日后彎道超車打下堅(jiān)實(shí)基礎(chǔ)。因此，該路徑只有在滿足特定要求的情況下才會(huì)成為有效捷徑。

（2）高知識(shí)凝聚型路徑是實(shí)現(xiàn)高水平轉(zhuǎn)型績(jī)效的最優(yōu)選擇。該路徑的特色案例為杭州（吉利汽車）、武漢（東風(fēng)汽車）、重慶（長(zhǎng)安汽車）和蕪湖（奇瑞汽車）。蕪湖汽車產(chǎn)業(yè)之所以能夠躋身成功范例，是因?yàn)槭徍性谡嚒悴考笫袌?chǎng)服務(wù)方面的高效聯(lián)動(dòng)有目共睹，實(shí)現(xiàn)了網(wǎng)絡(luò)企業(yè)互聯(lián)互通、共生互生的創(chuàng)新協(xié)同與優(yōu)勢(shì)共享。在高知識(shí)凝聚性下，企業(yè)知識(shí)交互密切，跨層級(jí)溝通成本降低，有助于增強(qiáng)知識(shí)網(wǎng)絡(luò)中企業(yè)市場(chǎng)競(jìng)爭(zhēng)力，助力產(chǎn)業(yè)集群優(yōu)化升級(jí)。

（3）知識(shí)生態(tài)基礎(chǔ)較為薄弱的地區(qū)，應(yīng)正視知識(shí)主體能力和資源稟賦的不足。一方面著力構(gòu)建地方制造業(yè)集群知識(shí)生態(tài)體系，以培育專精特新“小巨人”企業(yè)為突破口，不斷優(yōu)化知識(shí)生態(tài)結(jié)構(gòu)；另一方面政府應(yīng)加強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)，完善企業(yè)知識(shí)產(chǎn)權(quán)認(rèn)證制度，建立產(chǎn)權(quán)預(yù)警機(jī)制。

5.3 不足之處

本研究尚存在一些不足，有待進(jìn)一步完善。首先，知識(shí)生態(tài)是由多種要素構(gòu)成的復(fù)雜系統(tǒng)，本文僅從“生態(tài)結(jié)構(gòu)—?jiǎng)?chuàng)新行為—知識(shí)環(huán)境”3個(gè)維度提煉出6個(gè)知識(shí)生態(tài)要素，未來(lái)可從多角度、多層面對(duì)知識(shí)生態(tài)系統(tǒng)進(jìn)行剖析;其次，本文僅對(duì)中國(guó)內(nèi)地20個(gè)地市的車企制造業(yè)集群進(jìn)行研究，未來(lái)可選取更多樣本案例，采用大樣本驗(yàn)證研究結(jié)論。

參考文獻(xiàn)：

［1］ 黃曉瓊，徐飛.知識(shí)生態(tài)視域下面向產(chǎn)業(yè)集群的區(qū)域綜合科技服務(wù)系統(tǒng)生態(tài)化發(fā)展研究［J］.科技進(jìn)步與對(duì)策，2021，38（3）：60-69.

［2］ 林潤(rùn)輝，王倫.基于探索式創(chuàng)新的知識(shí)整合能力對(duì)突破式創(chuàng)新的影響——企業(yè)吸收能力與創(chuàng)新開放度的調(diào)節(jié)作用［J］.科技管理研究，2023，43（1）：19-27.

［3］ YE D， WU Y J， GOH M.Hub firm transformation and industry cluster upgrading： innovation network perspective［J］.Management Decision， 2020， 58（7）： 1425-1448.

［4］ 周勇，吳海珍，韓兆安.數(shù)字經(jīng)濟(jì)對(duì)制造業(yè)轉(zhuǎn)型升級(jí)的影響［J］.統(tǒng)計(jì)與決策，2022，38（20）：122-126.

［5］ 呂明元，程秋陽(yáng).工業(yè)互聯(lián)網(wǎng)平臺(tái)發(fā)展對(duì)制造業(yè)轉(zhuǎn)型升級(jí)的影響：效應(yīng)與機(jī)制［J］.人文雜志，2022，66（10）：63-74.

［6］ 辛?xí)匀A，繆小明，魏芬芬.產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)組態(tài)與產(chǎn)業(yè)競(jìng)爭(zhēng)力——基于模糊集定性比較分析［J］.中國(guó)科技論壇，2023，39（3）：82-92.

［7］ 成瓊文，趙藝璇.創(chuàng)新生態(tài)系統(tǒng)知識(shí)融合的組態(tài)路徑研究［J］.科研管理，2023，44（7）：41-49.

［8］ BRAUNERHJELM P，DING D，THULIN P.The knowledge spillover theory of intrapreneurship［J］.Small Business Economics，2018，51（1）： 1-30.

［9］ RAPINI M S，DA MOTTA E ALBUQUERQUE E，CHAVE C V，et al.University-industry interactions in an immature system of innovation：evidence from Minas Gerais，Brazil［J］.Science and Public Policy，2009，36（5）：373-386.

［10］ FRISHKOFF G A， COLLINS-THOMPSON K， PERFETTI C A， et al.Measuring incremental changes in word knowledge： experimental validation and implications for learning and assessment［J］.Behavior Research Methods， 2008， 40（4）： 907-925.

［11］ 儲(chǔ)節(jié)旺，李佳軒，唐亮亮.元宇宙視域下的知識(shí)生態(tài)系統(tǒng)探析——要素、機(jī)理與展望［J］.情報(bào)科學(xué)，2023，41（4）：10-16，25.

［12］ 蔣天穎，程聰.企業(yè)知識(shí)轉(zhuǎn)移生態(tài)學(xué)模型［J］.科研管理，2012，33（2）：130-138.

［13］ 宋琪，谷灝，陳曉紅.基于組合賦權(quán)法的區(qū)域知識(shí)創(chuàng)新生態(tài)位測(cè)度研究［J］.創(chuàng)新科技，2023，23（5）：43-53.

［14］ QUINTANA-GARCIA C， BENAVIDES-VELASCO C A.Knowledge organisation in R&D alliances： its impact on product innovation［J］.Technology Analysis & Strategic Management， 2011， 23（10）： 1047-1061.

［15］ SUN Z， ZHANG W.Do government regulations prevent greenwashing？ an evolutionary game analysis of heterogeneous enterprises［J］.Journal of Cleaner Production， 2019， 231： 1489-1502.

［16］ 劉強(qiáng)，張婉茜，李曉娣，等.知識(shí)庫(kù)兼容性對(duì)螺旋型知識(shí)創(chuàng)新的影響機(jī)理研究［J/OL］.工程管理科技前沿：1-12［2024-01-06］.

［17］ 陳佑成，郭東強(qiáng).企業(yè)轉(zhuǎn)型過程中的知識(shí)生態(tài)系統(tǒng)協(xié)同演化研究 ［J］.情報(bào)理論與實(shí)踐， 2015， 38 （4）： 51-56.

［18］ 吳玉浩，姜紅，孫舒榆.知識(shí)生態(tài)視角下技術(shù)標(biāo)準(zhǔn)聯(lián)盟的穩(wěn)態(tài)機(jī)制研究 ［J］.情報(bào)理論與實(shí)踐， 2019， 42 （10）： 63-70.

［19］ OKRENT D.Risk perception and risk management： on knowledge， resource allocation and equity［J］.Reliability Engineering & System Safety，1998，59（1）： 17-25.

［20］ KHANNA R， GULER I.Degree assortativity in collaboration networks and invention performance［J］.Strategic Management Journal， 2022， 43（7）： 1402-1430.

［21］ TSOUKAS H.The firm as a distributed knowledge system： a constructionist approach［J］.Strategic management journal， 1996， 17（S2）： 11-25.

［22］ CROTEAU D， HOYNES W.Media/society：industries， images， and audiences［M］.London：Sage Publications， 2013.

［23］ 吳玉浩，姜紅，陳晨.智庫(kù)聯(lián)盟知識(shí)生態(tài)系統(tǒng)的演化與運(yùn)行機(jī)理研究——以阿里研究院為例［J］.情報(bào)理論與實(shí)踐，2022，45（1）：54-62.

［24］ 吳超鵬，唐菂.知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度、技術(shù)創(chuàng)新與企業(yè)績(jī)效——來(lái)自中國(guó)上市公司的證據(jù)［J］.經(jīng)濟(jì)研究，2016，51（11）：125-139.

［25］ 武爾娜.農(nóng)業(yè)知識(shí)產(chǎn)權(quán)轉(zhuǎn)化應(yīng)用問題與策略分析［J］.現(xiàn)代農(nóng)業(yè)研究，2022，28（12）：25-27.

［26］ 王曉紅，胡士磊.中國(guó)高校產(chǎn)學(xué)合作效率：測(cè)算及外部環(huán)境因素的影響［J］.世界科技研究與發(fā)展，2017，39（6）：503-510.

［27］ 杜運(yùn)周，李佳馨，劉秋辰，等.復(fù)雜動(dòng)態(tài)視角下的組態(tài)理論與QCA方法：研究進(jìn)展與未來(lái)方向［J］.管理世界，2021，37（3）：180-197.

［28］ LEIPONEN A， HELFAT C E.Innovation objectives， knowledge sources， and the benefits of breadth［J］.Strategic Management Journal， 2010， 31（2）： 224-236.

［29］ 康淑娟，安立仁.政府干預(yù)、知識(shí)資源與區(qū)域創(chuàng)新績(jī)效——基于價(jià)值鏈視角的雙重門限效應(yīng)［J］.科技進(jìn)步與對(duì)策，2020，37（1）：57-64.

［30］ 石靜，孫建軍.科技創(chuàng)新團(tuán)隊(duì)的知識(shí)網(wǎng)絡(luò)構(gòu)建與知識(shí)測(cè)度研究［J］.情報(bào)學(xué)報(bào)，2022，41（9）：900-914.

［31］ SENOO D， MAGNIER-WATANABE R， SALMADOR M P.Workplace reformation， active ba and knowledge creation：from a conceptual to a practical framework［J］.European Journal of Innovation Management， 2007， 10（3）： 296-315.

［32］ 王筱莉，張靜，陳淑琴.虛擬學(xué)術(shù)社區(qū)知識(shí)生態(tài)系統(tǒng)的演化及其內(nèi)部知識(shí)流動(dòng)研究［J］．情報(bào)理論與實(shí)踐，2022，45（12）：156-163.

［33］ 丁勇，楊虹.知識(shí)產(chǎn)權(quán)保護(hù)對(duì)區(qū)域創(chuàng)新的影響機(jī)制研究［J］.科學(xué)與管理，2024，44（1）：10-17.

［34］ 陳立敏，譚力文.評(píng)價(jià)中國(guó)制造業(yè)國(guó)際競(jìng)爭(zhēng)力的實(shí)證方法研究——兼與波特指標(biāo)及產(chǎn)業(yè)分類法比較［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2004，22（5）：30-37.

［35］ 趙長(zhǎng)軼，王瑩.我國(guó)高技術(shù)產(chǎn)業(yè)生態(tài)位評(píng)價(jià)研究——基于省際面板數(shù)據(jù)的實(shí)證研究［J］.決策咨詢，2021，32（2）：56-63.

［36］ 薛曉芳，覃正.虛擬企業(yè)的知識(shí)創(chuàng)新機(jī)制及其知識(shí)生態(tài)位研究［J］.情報(bào)雜志，2008，27（8）：73-76.

［37］ 胡寧寧，侯冠宇.區(qū)域創(chuàng)新生態(tài)系統(tǒng)如何驅(qū)動(dòng)高技術(shù)產(chǎn)業(yè)創(chuàng)新績(jī)效——基于30個(gè)省份案例的NCA與fsQCA分析［J］.科技進(jìn)步與對(duì)策，2023，40（10）：100-109.

［38］ 儲(chǔ)節(jié)旺，李佳軒.知識(shí)生態(tài)系統(tǒng)視角下的產(chǎn)學(xué)研協(xié)同共生演化機(jī)理研究［J］.情報(bào)科學(xué)，2023，41（4）：2-9.

（責(zé)任編輯：胡俊?。?/p>

英文標(biāo)題

Multiple Paths for Optimization and Upgrading of Manufacturing Clusters through Knowledge Ecological Structure， Innovation Behavior and Knowledge Environment： A Fuzzy-set QCA Approach Based on the Automotive Industry Data

英文作者Xue Chaogai， Feng Kaibo， Cao Wujun

英文作者單位（School of Management， Zhengzhou University， Zhengzhou 450001， China）

英文摘要Abstract： Against the backdrop of the knowledge economy and digital intelligence technology， manufacturing industry clusters have gradually become crucial in promoting regional economic development and strengthening national competitiveness.Over the past two decades， China has been developing a vast and highly skilled workforce that is adapted to the most tech-intensive industries.In this process， some companies have cultivated their amazing manufacturing capabilities by contracting foreign products， and thus the manufacturing clusters have formed the knowledge ecology base in the formation process.However， the "theoretical darkbox" of how knowledge ecology affects the transformation of manufacturing clusters as well as the combination effect of influencing factors.How to promote its efficient transformation has attracted the attention of both scholars and practitioners.

According to the knowledge ecology theory， the knowledge ecosystem contains the interaction between knowledge subjects within a cluster and between subjects and the environment， maintaining the order of interspecific relationships and niche evolution at different levels.Therefore， the six elements of knowledge subject capability， knowledge chain integration， knowledge network construction， knowledge evolution and collaboration， knowledge transformation guarantee， and academic research assistance are regarded as the antecedent variables for the transformation and upgrading of the manufacturing industry.The transformation and upgrading performance is used as the outcome variable， and a path framework for the transformation and upgrading of the manufacturing industry cluster is constructed with knowledge innovation as the core and knowledge flow as the link .The study tracks 20 official websites of automobile companies using Python to obtain two-year data from January 1， 2019 to December 31， 2020.On the basis of the data， the multiple concurrent linkage effects of three types and six antecedents in the transformation and upgrading of manufacturing clusters are analyzed from the perspective of knowledge ecology by the necessary condition analysis （NCA） and fuzzy set qualitative comparative analysis （fsQCA） methods.

The results show that all knowledge ecological elements are not necessary for high transformation performance， and only the condition of "knowledge subject capability" plays a more general role in high transformation performance.The transformation and upgrading paths with high performance are in the types of "government-industry-academia-research synergy"， "high knowledge cohesion" and "high knowledge cohesion".When the ability of the knowledge subject exists as the core condition， there is a progressive relationship among the three paths， and there is a potential substitution relationship between the knowledge ecological structure and the knowledge environment.For manufacturing clusters， the construction of a sound knowledge ecological structure and high knowledge innovation behavior are key to achieving high transformation and upgrading performance.

In terms of the theoretical contributions of this study， it firstly constructs an integrative model to analyze the linkage and collaboration mechanism built by knowledge ecological structure， innovation behavior and knowledge environment， as well as the interaction relationship among various knowledge elements， so as to reveal the complex causal mechanism of knowledge ecological factors affecting the transformation performance of manufacturing clusters.Secondly， focusing on the performance and development of knowledge innovation behavior in different ecological structures， it clarifies its internal logic and helps to transfer the empirical method to the higher dimension of the cluster level， so as to improve the overall competitiveness.Thirdly， it sorts out the mechanism of knowledge innovation in manufacturing clusters and expands the theoretical research on the transformation and upgrading of manufacturing clusters from the perspective of knowledge ecology.

As to the practical contributions of this study， it first provides practical paths and methods for the transformation of manufacturing clusters against the background of digital economy and intelligent manufacturing.Second， it makes up for the lack of theories and methods in the upgrading of industrial chain， and provides practical methods for the high-quality development of clusters.Third， it provides management suggestions， practical paths， and a policy basis for the government to formulate talent introduction and industrial policies.

英文關(guān)鍵詞Key Words：Knowledge Ecology; Transformation and Upgrading of Manufacturing Industry; Necessary Condition Analysis;Fuzzy Set Qualitative Comparative Analysis

收稿日期：2023-05-15 修回日期：2023-08-02

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究項(xiàng)目（23YJC630090，19YJA630096 ）

作者簡(jiǎn)介：薛朝改（1978—），女，河南鄧州人，博士，鄭州大學(xué)管理學(xué)院教授、碩士生導(dǎo)師，研究方向?yàn)橹圃鞓I(yè)轉(zhuǎn)型升級(jí)；馮凱博（1999—），男，河南平頂山人，鄭州大學(xué)管理學(xué)院碩士研究生，研究方向?yàn)橹圃鞓I(yè)轉(zhuǎn)型升級(jí)；曹武軍（1971—），男，河南鄭州人，博士，鄭州大學(xué)管理學(xué)院教授、碩士生導(dǎo)師，研究方向?yàn)殡娮由虅?wù)、跨境電商。本文通訊作者：馮凱博。