知识创造机制的热力学基础

4.5　GDSP知识创造机制的热力学基础

本研究从三个探索性案例中总结出适用于产学研合作情境下的GDSP知识创造机制。需要再次强调指出的是，本研究所分析的上述过程实际上描述的是知识流动和知识形态变化的合成结果，上述各过程的这种先后顺序只是示意性的而不是绝对的。在实际中这些步骤有很多是在微小的规模上同时运转甚至是反向进行的。本节将从热力学理论的视角进一步剖析GDSP知识创造机制的知识形态转化的循环过程。

热力学用熵来衡量系统有序程度的高低，熵越大系统的无序程度就越高。根据热力学第二定律：孤立系统总是自发地趋于平衡，熵总是增大的，一直大到不能再大的程度。随着熵的不断增加，有序状态逐渐变为无序状态，系统内部达到一种完全均匀的热动平衡的状态，不会再发生任何变化，除非外界对系统提供新的能量。但对于一个远离平衡态的开放系统来说，由于它不断地与外界交换物质和能量，非平衡系统可以通过负熵源来减少总熵，达到一种新的稳定有序的结构，即耗散结构。

耗散结构理论指出，系统从无序状态过渡到这种耗散结构有几个必要条件，一是系统必须是开放的，即系统必须与外界进行物质、能量的交换；二是系统必须是远离平衡状态的，系统中物质、能量流和热力学力的关系是非线性的；三是系统内部不同元素之间存在着非线性相互作用，并且需要不断输入能量来维持。

参与产学研合作的企业的知识系统因为引入了学研方的知识，因此是一个开放系统，合作的过程中，知识的不断交互流动，转化与创造保证了要素间远离平衡、要素间非线性相干与涨落可持续进行。企业内部的一个微观知识需求扰动就会通过相关作用放大、发展成一个整体宏观的巨大涨落使组织进入不稳定状态，然后又跌到一个新的稳定的有序状态，形成一种充满活力的有序结构。正如Shannon和Weaver（1949）所提出的：知识与熵的产生相互之间处于某种反向的关系之中。即知识的增加，导致自身能耗的减少，即熵的减少。但从总体上，增加了整个系统环境的能耗，熵还是增加的。

在K空间中（如图4.9所示），熵最小的区域是G区域，在G区域中，知识处于编码和抽象程度最高的状态下，而其扩散则受到集中控制。该区域是K空间中最有序的区域。反之，熵最大的区域是A区域，在A区域内，无法赋予知识以任何结构和形式，知识的扩散是弥漫性且完全随机的。在A和G区域中间的某处，是介于极度无序和过度有序的中间状态，称之为混沌状态。

图4.9　K空间中的熵

假如用热力学的类比，在熵最小区域内（G）知识做增值的有用功的潜能达到了最大值，而在熵最大区域（A），潜能耗尽。换句话说，处于G区域的“系统知识”能够为企业带来最大潜在收益，相对而言处于A区域的“现象知识”能够为企业带来的潜在价值是最低的。因此为追求特定优势，为了寻求秩序和节约以及可预测性和安全性，企业持续不断地在寻求逃离熵最大区域A，进入熵最小区域G。当企业的知识在熵最小和熵最大区域之间来回震荡时，GDSP知识创造机制使它活跃起来。具体来说，企业首先通过“界定需求”阶段自身做功将“现象知识”转化为“学术知识”进入混沌状态，而后在引入外部“学术知识”的情况下依次完成知识获取、消化、共享和增殖等过程，最终进入G区域。因此GDSP知识创造机制把A和G这两个区域连接起来。

然而GDSP机制的动力学不允许它们停留在那里，在不能从外部引入充分的新知识的情况下，它们迟早会在不同程度上被拉回到熵最大区域A。因此就有了知识的溢出和退化过程。当知识最后向熵最大的A区域移动时（即知识退化过程结束时），GDSP知识创造机制走向了相当于热力学平衡的状态，这是不可能有系统地从中提取有用功的一种状态。在这种状态下，只有新的波动（如新的需求产生或者新的学术知识从C点进入）才能推动GDSP知识创造向K空间上方移动，继续进入下个周期。我们把包含上述七个过程的知识创造周期称为GDSP知识创造周期。

知识的溢出和退化过程在现实中可以找到依据。如前文假设，知识形态转化为系统知识（高度编码、高度抽象）的时候，其溢出趋势是必然的。内生增长理论（Romer，1986，1990；Grossman＆Helpman，1992）的一个核心观点，认为企业的新知识既能促进本企业生产具有排他性的产品，也能溢出到其他企业并促进这些企业的创新，这些创新的技术知识又会溢出，从而形成不间断的企业间相互知识溢出，溢出的知识最终会通过某种方式运用于企业实践，从而促进经济增长。这是因为Arrow（1962）和Romer（1986）揭示了知识的积累过程及其经济涵义，指出知识就其本性而言是“非排他的”（non-rivalry），但就其产权而言又是“部分排他的”（partially-excludable）的特征，而正是由于知识的这种特性才产生了溢出效应。后人针对知识溢出的条件进行深入研究，认为知识的产生、传播与价值观、习俗等制度环境有关，这其中社会网络、分散决策的机制和高流动性是知识扩散、溢出的重要因素。我国学者刘柯杰（2002）认为知识溢出的原因在于：知识的稀缺性、知识的重要性以及开放条件下知识溢出的渠道大大增加。

当然，知识溢出对经济发展将会产生两种效应：一是正经济效应。从宏观上来看，Bart（1989）认为知识溢出促进了人力资本在企业间的流动，促进了企业间的合作互动，加速了新企业的诞生。Zvi Griliches（1992）认为R＆D溢出是存在的并且十分重要，因其社会回报率明显高于私人回报率。Grossman和Helpman（1992）认为知识溢出带来知识创造的累积。二是负经济效应即“搭便车”（free-rider）行为，部分企业只仿效现有的技术、模式等公共知识，而自身并不投入要素进行开发。由于模仿者在生产成本上大大低于开发者，因此，竞争将不仅使知识开发者的超额利润被耗散，而且模仿者利用成本优势实行降价竞争，将可能使创新者反而获取低于平均资金回报率的创新生产效率。创新企业不能得到全部的创新收益，边际收益将不断下降（Jaffe，1996）。而当企业创新收益小于创新成本时，从事创新的动机就会消失，等待其他企业创新的动机加强。企业之间博弈的纳什均衡必然将是无人愿意进行创新知识的开发（Bart，1987）。因此，知识的溢出效应将会抑制创新主体进行知识创新的积极性，进而降低整个社会福利。

知识也同样有自己的生命周期，随着知识溢出的范围不断扩大，知识逐渐进入退化阶段。Dosi G（1982）在总结前人关于技术演进的线性和动力问题的研究成果的基础上，提出了“技术范式”（technological paradigm）和“技术轨迹”（tech-nological trajectories）的概念。他定义技术范式是一组处理问题的，为设计师、工程师、企业家和管理人员所接受与遵循的原理、规则、方法、标准、习惯的总体；技术轨迹则是为技术范式所规定的解决问题的具体模式或发展方向，由技术范式中隐含的对技术变化方向做出明确取舍的规定所决定。在“技术范式”和“技术轨迹”概念分析的基础上，Anderson和Tushman（1990）提出了“技术生命周期”，他们认为一个新技术产生于技术的非连续状态，经过技术之间的激烈竞争后产生主导设计范式，并随后进入渐进变革阶段，直到新的技术非连续性状态出现为止。类似的Zollo和Winter（2002）仿照生物进化理论对知识的演化过程可以类比：企业知识的进化发生在组织内部创新以及企业各层次之间的合作、学习基础上，其知识演化循环可分为生成变异、内部选择、组织复制和组织遗传4个阶段。

知识进入退化阶段后，开始为下次知识创造循环做准备。许庆瑞院士（2001）基于技术生命周期各个阶段的特点，提出将技术学习与知识管理相联系的四种基本类型：程序化学习、能力学习、战略性学习和转换学习，并提出战略性学习是一种全新的创造和超越过程，转换学习则是一种“破坏”，他们共同构成了对现有范式的摧毁。这是因为技术范式的转变可能会使企业的核心能力成为核心刚性（Leonard＆Barton，1992），组织学习的自我增强特性会使组织倾向于持续投入到擅长的活动中去，形成不断重复保守行为的回路，这称为学习性锁定或学习能力陷阱（Levinthal＆March，1993），企业可能过于依赖当前的能力，反而失去了适应环境变化的动态能力（Teece、Pisano＆Shuen，1997）。类似的，陈劲、瞿文光（2000）提出了技术超学习的概念。外界环境在知识系统的演化中一方面为组织提供了外界刺激和组织对比物，另一方面也为组织评价现行运作方式的价值和活力提供了市场反馈，充当着外部选择机制。因此当环境的重大变化使得原先高效的能力不再具有价值时，需要通过战略性学习帮助组织从外部寻求新的组织惯例和资源，提供发展动力和方向。同时，战略性学习使企业跳出旧技术范式的束缚，从而进入更高层次的循环。