1.生态资源基础：资源多样性及其结构维度

新兴技术创新绩效中，创新资源扮演着基础要素的角色。传统技术创新研究将创新资源视作创新过程中的要素投入，大多从资源存量的角度来探讨与创新绩效的关系。新兴技术创新不同于传统技术，新兴技术创新的资源基础也与传统技术不同，前者更具有生态学属性。生物多样性是生态学的核心概念，新兴技术创新绩效首先取决于创新资源的多样性特征。资源多样性指新兴技术创新所依赖的生态资源基础，具有的资源种类丰富程度及其动态的代谢与演化状态。整合以往研究关于知识异质性、技术距离等概念，将作为新兴技术创新土壤的资源多样性结构化为三个维度：资源丰富性、资源异质性与资源动态性，以完整刻画新兴技术创新资源基础的生态属性。其中，资源丰富性延续传统的存量观点，刻画企业拥有知识种类的“多与少”，企业拥有不同界域的知识种类越多，知识资源越丰富，不同的研究者越多，研究者资源越丰富；资源异质性则从质量的角度，刻画企业拥有的不同资源之间距离的“远或近”，企业拥有的知识界域跨度越大，知识异质性越大，而研究者之间的差异越大，研究者异质性越大；资源动态性则将概念从静态拓展到动态，刻画企业创新资源的“静或动”，如果企业在利用既有知识的同时，更加强调跨界探索、拓展知识界域，则知识动态性就越强，研发团队中新的研究者不断加入，则研发团队动态性越强。丰富性、异质性和动态性三者综合，形成创新资源的多样性，包括知识多样性和研究者多样性。

2.知识多样性

知识视角下的新兴技术创新，其实质是新兴技术领域新知识的创造与整合。知识作为企业创新的基础性资产和创新的客体要素，是传统技术创新与新兴技术创新赖以实现的首要资源基础。传统技术创新更加依赖结构化程度高、边界明确、具有成熟体系的逻辑架构，而新兴技术创新的知识基础与之不同，其生态特征十分鲜明，具有无边界性、跨界域性与高度离散性。新兴技术领域的知识，存量较少、分布不均，且知识代谢速度快，新知识层出不穷，新旧知识快速更迭。正是这种典型的多样性特征，构成新兴技术创新的知识资源基础，使得新兴技术创新呈现出显著不同于传统技术创新的情境、过程和结果。

（1）知识丰富性。知识丰富性从存量水平上刻画企业拥有知识的多少，构成新兴技术创新的知识基。毫无疑问，与一般技术创新一样，新兴技术创新同样需要建立在一定的知识基础之上，知识积累是新兴技术发明绩效的首要因素。但是，区别于一般技术创新往往是通过既有高水平知识基的利用性整合所取得的，新兴技术创新中的知识基并不丰富，通过现有知识基的再整合难以实现创新。知识基可以作为“探索器”来获取新的知识元素，也可以作为“种子知识”来培育新知识。知识基的水平越高，存量越丰富，对新兴技术创新的数量与质量绩效的积极作用越显著。

（2）知识异质性。企业拥有的知识是异质的，知识元素所蕴含的科学基础、逻辑架构与经验诀窍等不同层面，具有质性的差异。知识与知识之间的这种差异大小不一，高度异质性意味着知识之间具有不同的科学基础。而低度异质性往往是发生在同一知识界域内部的知识之间经验诀窍的差异。新兴技术创新的过程，是对异质性知识的整合。当两种知识异质性程度越大，整合的难度、风险与成本也就越大，新知识乃至发明的数量就越少，可见知识异质性与新兴技术创新的数量负相关。但是，一旦整合成功，往往形成突破性的科学或者技术创新，取得高质量的技术发明，可见知识异质性与新兴技术创新的质量正相关。因此，存在一个最优的知识异质性水平，在遏制创新数量和促进创新质量两个方面取得平衡，此时，新兴技术创新绩效最大。

（3）知识动态性。知识丰富性与异质性，从静态的角度衡量了知识的数量和质量。作为新兴技术创新的资源基础，其动态属性同样影响新兴技术创新绩效。从时间维度来看，企业在新兴技术创新中，存在挖潜和探索两种创新策略，即重复利用已有的知识领域，或者探索性地获取新的知识领域。当更多地采取探索策略时，企业所拥有的知识资源便更具动态性。新兴技术创新与一般技术创新一样，新兴技术创新同样需要企业聚焦于某一科学技术领域，在一个领域内往深处耕耘，形成厚实的知识积累，作为新兴技术创新的基石。但与一般技术不同的是，相比于既有知识的挖掘利用，新兴技术创新同时要求对跨越知识界领域的新知识进行探索，在新知识与存量知识的整合中实现知识创造。然而，由于新知识整合成本增加、研发风险加大等多种因素，无论是对发明数量还是质量，新知识探索对新兴技术创新的边际功效都将递减。因此新兴技术创新中存在一个最优的知识动态性程度。

（4）知识多样性与新兴技术创新绩效的关系。新兴技术创新是在知识与知识之间寻求创造性再整合的过程，知识资源的种类越丰富，则知识与知识之间的整合，在数量上具有更多潜在的可能性，同时通过吸收能力获取更多知识（Cohen，1990），从而直接有助于新兴技术创新的数量和质量的提高；知识异质性水平越高，资源之间的距离越大，其整合产生的新知识会更具新奇性和创造性（Amabile，2012），知识异质性有助于新兴技术创新质量的提高。但是，由于整合难度加大、整合成本增加，同时损失对组织外知识的吸收能力，知识异质性遏制了创新的数量。知识动态性方面，知识更新速度越快，意味着知识整合具有更多的可能性和更高的新奇性。因此，知识多样性和新兴技术创新的数量与质量都具有积极作用。但是，随着知识多样性的提高，在提升创新的可能性和新奇性的同时，知识混沌程度也会加深，在企业规模边界和研究者有限理性的约束下，整合成本和潜在的创新风险也在增加。换言之，新兴技术创新绩效并不会按照一个稳定的线性系数与知识多样性同步提升，而是按照递减的速度非线性地提升。

假设1a：知识多样性与新兴技术创新数量和质量都呈倒U形关系，与新兴技术创新绩效呈倒U形关系。

3.研究者多样性

相比于知识在新兴技术创新中作为物化的生态资源基础，研究者则构成了更加能动的生态资源，其主观创新欲望与兴趣，隐性的研发经验、技术能力与创新禀赋，是知识创造中最富效率的催化剂，也是生态资源基础中的活跃因子。知识作为创新能力的客体内容，研发团队则是企业创新能力的主体承担者，二者共同构成新兴技术创新立体的生态资源基础。企业研究者数量和种类的差异、研发胜任特征的异质，以及研发团队的动态性，形成了研究者多样性特征。新兴技术创新所依赖的研究者，其多样性特征对新兴技术创新绩效具有重要影响。(www.daowen.com)

（1）研究者丰富性。研究者丰富性，首先体现在企业拥有研究者的数量上。企业之间在研发团队的规模和研究者数量等基本维度上，存在显著差异，这种差异毫无疑问会对新兴技术创新绩效产生重要影响。全球范围内研发实力领先的新兴技术企业，拥有的研究者数以万计，而中小型新兴技术企业，特别是近些年在新兴技术领域逐渐增多的科学家创业型企业，研究队伍往往由不到十名的研发人员组成。从传统技术创新领域来看，研究者数量规模的差异，毫无疑问会影响甚至决定着企业的创新绩效。新兴技术创新情境下，将研究者数量按照研发任务规模进行平均，譬如按照发明专利数量进行平均，研究者丰富性指的是在平均每项发明专利中，参与发明的研究者数量。其次，研究者丰富性越高，研发活动的平均研究者数量越多，意味着企业采用“人海策略”进行研发。研究者丰富性越低，研发活动的平均研究者数量越少，意味着企业采用“精英策略”进行研发。传统技术领域，研究者丰富性通常作为企业创新能力的衡量指标，拥有更多的研究者意味着更高的研发实力和效率。相同规模研发项目的研究者人数与研发绩效的关系尚未见到相关的实证研究。

新兴技术创新情境下，研究者丰富性与创新绩效的关系，至少受到以下因素的促进或者制约。促进因素方面，研究者在平均数量上越丰富，研究者贡献的智力资本存量越大，越有助于创新数量和质量的提升；研究者在平均数量上越丰富，研究者之间的潜在合作机会越多，产生创新的可能性越大。

（2）研究者异质性。新兴技术企业的研究者不仅具有数量上的差异，更具有异质性的差异。根据研究人才的基本理论框架，研究者的异质性体现在创新动机、研发能力、研究职业的基本价值观，以及个体外在特征等四个层面。研究者的创新动机包括对科学探索与技术创新的内在欲望和浓厚兴趣，对创新风险的偏好程度以及面对创新失败的挫折感知模式。研究者的研发能力差异体现在结构与水平两个方面。结构方面，根据研发能力的SKA框架，包括研发技巧（R＆D Skills）、科学与技术知识（Science and Technology Knowlege）与解决研发关键问题的能力（Innovation Problem Solving Abilities）等三个维度。不同的研究者，在SKA的内在结构上存在显著差异。部分处于职业生涯初始阶段的研究者，更侧重于运用操作层面的研发技巧来工作，如科技查新技巧、专业研发软件的使用、专利申请与维护等。企业中大部分的研究者则是运用专业领域的科学与技术知识进行工作。具有高等专业教育背景与丰富经验的研发工作者构成了企业研发队伍的中坚力量。在新兴技术研发与创新过程中，最有价值的是针对不确定性、复杂性和动态性的创新情境提出富有技术洞察力的创新方向，并开发具有创造力的创新路径与具体方案，取得具有原创性、新奇性与有效性的创新成果。这种洞察力与创造力，体现为研究者运用创新禀赋与创新悟性，针对特定的创新命题，对其拥有的知识、经验、信息、常识等四个基本创新要素，创造性地整合以开发出卓有成效的创新解决方案的过程（见图3-3）。研究者的价值观差异，研究者所持有的职业层面的价值观，包括对科技创新及其价值的判断标准，体现为研究者在创新中的一系列选择行为模式（如知识分享等团队合作行为）。研究表明，不同文化和教育背景乃至工作履历等因素，都会直接或者间接地影响研究者的价值观，并对其技术创新绩效产生影响。从团队层面来说，作为一系列差异化价值观的整合系统，企业研发团队的价值观异质性，对企业的创新绩效既有积极的促进作用，也有消极的抑制性。研究者的个人特征差异，研究者的个人特征包含性别、年龄、学历、专业背景、工作经验、文化背景等等。个人特征差异表明研究者的知识储备、学习能力、吸收能力、合作能力等方面都存在差异性。

图3-3　基于创新要素的研究者研发能力差异图

如果研究者的异质性越小，相似度越高，就可以通过信任机制降低合作成本，从而促进技术创新数量的增加。但是，研究者相似度高也有不利的一面，差异性小代表着研究者的知识储备的差异小，每个研究者熟悉的知识数量、类型都差不多，研究团队总的知识广度就小，从而难以激发差异性想法，限制个人创造力，对跨知识和专业领域的探索不利，抑制了技术创新质量的跨越。

相反，企业需要研究者之间具有个体差异性，Nonaka认为，如果团队成员拥有差异性就能够更加完备地处理问题。研究者个体特征和知识储备差异越大，研究团队总的知识广度就越大，更容易碰撞出创新想法。虽然这种创新想法大多是不切实际的，但是一旦被组织吸收、实施后取得商业成功，将会形成高质量的创新成果。研究者差异性的优势在很多经典研究中都得到过印证，Simons等人认为若团队成员的异质性较大，成员之间的互相讨论会更有效率，处理问题会更加全面。但是研究者的差异性对技术创新质量的影响并不是线性的关系。当研究者的差异过大时，新的问题就会出现了：第一，研究者的个性特征差异过大，会导致团队内部的沟通成本大大增加。第二，研究者的知识储备差异过大。知识的数量多以及种类丰富只是技术创新的基础，要获得技术创新，研究者需要对学习到的新知识进行消化吸收，需要寻求知识之间的潜在联系，因此当研究者的知识距离过远时，就会严重影响研究者的消化吸收，甚至还会降低研究者的工作效率。这两方面都抑制了技术创新数量的增长。

（3）研究者动态性。企业研发团队中有新成员不断加入，也有成员离开。作为企业雇员，研究者具有动态性。创新所基于的科技知识具有通用和专用两种属性，在职业价值最大化的假设下，研究者运用职业选择来优化职业生涯。通用性有助于研究者通过更换职业情境，获取更高的职业收益。职业情境包括，选择不同的研究方向，参与不同的研发项目，乃至服务于不同的企业组织。同时，知识的专用性增加了研究者更换职业情境的成本，使得研究者在某一个特定情境中具有黏滞倾向。从团队层面来看，研发团队作为个体研究者职业选择的集合，具有动态性。这种动态性体现为研究者的新老更替和研究者在不同研发项目中的流动。实证研究结果表明，团队成员流动速度与团队的创新绩效呈倒U形关系（Maxim，2014）。发明者的企业间流动是体现知识转移的主要来源，接收企业可以从移动发明者的协作网络中获得额外的好处。然而，对于公司如何能最大限度地发挥未来发明者的影响，以及什么样的共同发明者网络结构对公司最有利，人们的了解仍然有限。为了回答这个问题，Gerg等（2019）构建了一个加权的和时间衰减的共同发明者网络通过对大量专利数据的研究，分析了企业间的发明者流动事件。该研究着眼于企业创新的未来影响，并将移动发明者网络特征的影响与接收企业协作网络的特征分离开来。研究结果表明，如果公司雇用了拥有不同网络的经纪人发明者，有可能为公司带来广泛的知识储备，产生高影响力的创新。研究发现，以微观世界特征来衡量，有凝聚力的公司网络夸大了未来经纪人和影响力大的发明者的影响。

（4）研究者多样性与新兴技术创新绩效的关系。研究者丰富性、异质性与动态性整合地构成了研究者多样性，作为新兴技术创新的生态资源基础，对新兴技术创新绩效具有重要影响。从上述各个维度的分析中可以看出，研究者多样性对新兴技术创新绩效的作用是把双刃剑。一方面，多样性提高了新兴技术创新的资源土壤的丰沃程度，有助于新兴技术创造性研究方向与原创技术概念的提出，从而促进创新结果的原创性与新奇性，产生高质量的创新成果。另一方面，研究者多样性也有助于创新方案的开发效率，“团队合作”与“单兵作战”在创新效率上具有显著区别。因此，随着研究者多样性的提升，新兴技术创新数量和质量都会显著提升。但是，在研究者多样性提升的同时，也提高了研发团队的组织难度。创新管理成本增加，创新风险增大，研究者多样性制造了创新“噪声”和冗余，使得多样性对新兴技术创新绩效的积极作用减弱，消极作用增强，总体的边际功效递减。理论上，当研究者多样性达到一定水平，研究者多样性对新兴技术创新就会起着遏制作用，创新数量和创新质量都将因此而下降。因此，研究者多样性与新兴技术创新绩效也呈倒U形关系。

假设1b：研究者多样性与新兴技术创新数量和质量都呈倒U形关系，与新兴技术创新绩效呈倒U形关系。