数字经济背景下数据要素在企业创新生态系统中运行机制研究

摘要数字经济发展促进企业数字化转型，为数据要素驱动数字经济背景下企业创新生态系統的构建提供可能。本次研究重点分析了数据要素的特殊性和数据要素对构建数字经济背景下的创新生态系统的关键作用，并系统分析了创新生态系统的运行机制，同时为创新生态系统的长期健康发展提供建议。

关键词 数字经济；创新生态系统；数据要素

DOI： 10.19840/j.cnki.FA.2021.06.002

*基金项目：黑龙江省哲学社会科学研究规划项目“高质量发展背景下龙江企业绿色创新生态系统研究”（20GLB113）

十九届五中全会提出了大力发展数字经济，推动数字经济和实体经济的深度融合，同时强调坚持创新在我国现代化全局中的核心地位。随着大数据和人工智能的快速崛起，数字经济已经成为经济发展的重要组成部分，数据作为生产要素，显著的提高了创新要素流动、创新资源配置的效率，充分发挥了基础资源和创新引领的作用。

数字经济作为创新的产物，时刻影响着创新，又改变了企业等创新主体之间物质流和信息流的流动方式。根据耗散结构理论，生态系统是远离平衡态的非线性开放系统，通过物质和能量的交换，由无序状态逐步转化为宏观有序结构。数字经济改变了以往用价格引导资源配置的情形，利用数据规则建立了一系列新的交易方式，影响了生态系统中资源配置方式和效率。

一、文献述评

（一）数字经济与数据要素

1995年，“数字经济之父”唐·泰普斯科特（Don Tapscott）在其著作《数字经济：网络智能时代的承诺和风险》中首次提出数字经济的概念后，学者们围绕数字经济展开了深入探讨。一直以来，学者们对数字经济都没有形成统一的定义，直到2016年，在杭州召开的G20峰会上，《G20数字经济发展与合作倡议》给出的数字经济的定义得到了学者们的广泛认可。和传统经济相比，数字经济的特征包括：数字化的知识和信息（关键生产要素）、信息通信技术（重要推力）、现代信息网络（主要载体）三个方面。数字经济在促进落后地区的发展，为实现包容性增长提供助力[1]的同时，也对税收规则[2]、国民经济核算带来较大挑战[3]。

在数字经济的概念尚未完全形成一致意见的前提下，数字经济的测量也面临着很大困境，学者们对数字经济的测度分析差异明显，其中较具代表性的测度分析方法如表1所示。

十九届四中全会首次提出数据是生产要素的一种，进一步明确了数据在生产领域的重要地位。学者们认为数据应是一种事实或信息，但是数据作为生产要素，却不仅包括数据本身，还要将承载数据的载体纳入数据要素的研究范畴。戴双兴归纳了数据要素具有的多种经济特征，并阐述了不同特征带来的经济影响[11]。在数据的主要交易模式中，数据增值服务比数据撮合交易的应用效果更好[12]，而信息技术商用的不断普及，使数据的使用和交易的成本不断降低[13]。与此同时，传输效率的提升、企业数据感知能力的增强为数据价值的实现提供了便利渠道[14]，使数据资产化进程不断加快，底层数据价值被不断释放出来[15]。

（二）创新生态系统

自创新理论被提出后，创新范式已经走过了线性范式（创新1.0）、创新体系（创新2.0）的阶段，正处于创新生态系统（创新3.0）的时期[16]。创新生态系统是以企业为中心，创新主体之间、创新主体和创新环境之间协同创新的动态网络结构[17]。各类别创新范式的具备特征如表2所示。

创新投入本身会与宏观货币政策、企业商业信用等多个因素相互作用[18]。创新生态系统作为多层次的“嵌套集合”，不同层次之间同样存在着跨层交互作用和效应[19]。基于模块化架构的企业战略管理的角度分析，企业之间的合作与竞争影响了企业的价值创造和创新生态系统的演化[20]。知识流动促进创新系统协同创新，而创新主体之间的知识广度和深度的势差对知识的流动产生的影响并不相同[21]，且创新种群的规模性增长受到共生体系中其他种群的影响[22]。

（三）数字经济、数据要素与创新生态系统

数字经济的不断发展，加快了经济发展的新旧动能转换[23]，创新资源的配置方式和组织方式都发生了重大变革[24]。外部环境因素、前摄行为都能够帮助互联网平台企业规避创新生态系统的风险[25]。

学者们更关注于数字经济对企业个体创新带来的影响和价值，尚未从生态系统的视角考虑数字经济与创新的关系。因此，本次将以数字经济发展作为研究视角，对数字经济影响下的创新生态系统运行机制展开深入探讨。

二、数据要素推动数字经济背景下创新生态系统构建

（一）数据要素在数字经济发展中的特殊性

不同学者基于不同的视角归纳总结了数据要素的很多特征，而本次研究中，以数字经济为时代背景，着重研究数据要素区别于传统生产要素的显著经济特征。

1.非竞争性特征

非竞争性是指当某一创新主体使用数据时，不会限制其他创新主体对数据的利用。重复使用数据的边际成本机会为零，且不会导致数据质量的下降。

与非排他性不同，非竞争性强调重复使用数据并不会降低数据的质量和数量，而非排他性强调数据的消费主体没有任何限制。从数据要素的发展来看，随着数据产权制度不断完善，数据会逐渐体现出排他性的特点，但是非竞争性的特征不会受到影响。

2.非均质性特征

数据要素非均质性的特征主要指每一单位的数据要素存在本质的区别且不等价。传统生产要素的均质性特点十分明显，而不同数据要素的价值差异性很大。创新主体之间的数据价值很难用数据量的多少来衡量。同样的数据量，其中一份可能十分有用，另一份可能毫无价值，每一份数据饱满程度的差异十分明显。此外，数据价值随着时间的变化，且对创新的促进作用存在区别。很多数据在刚刚产生时，对创新的推动作用十分明显，随着时间的推移，创新产品越来越多，客户需求不断变化，数据的价值会下降，也被称作“数据折旧”。

3.外部性特征

数据要素因其非竞争性的特点，必然会导致外部性的问题，且既可能是正的外部性，也可能是负的外部性。数据要素与传统生产要素的结合能够较大程度的提升全要素生产率，体现了数据要素的正外部性特点。然而，数据要素依托数据平台发挥作用，当计算机技术无法支撑海量数据的流转而导致技术故障，此时发生系统性风险即为数据要素负外部性带来的严重后果。

（二）数据要素对创新生态系统的重要作用

数据要素是数字经济时代的产物，也是推动数字经济蓬勃发展的动力。数据要素的独有属性及推动发展的作用奠定了它不可替代的重要地位。基于此，在數字经济背景下创新生态系统的构建中，数据要素将发挥关键性的作用。首先，数据使客户需求的精准描绘成为可能，有助于高效定位客户的个性化需求，引导创新方向。其次，数据赋能创新生产的数字化、智能化转型，加快创新动能转换。再次，数据要素推动知识信息在生态系统中的循环，促进创新主体协同发展。最后，数据要素助力构建服务型政府机构，提升政府对创新资源的配置效率。

生态系统的形成包括三个重要条件：（1）开放性的系统；（2）非线性作用；（3）“涨落”导致有序。随着数字经济时代发展，数据要素的市场化程度不断扩大，为构建数字经济背景下的创新生态系统带来了可能。

1.数据要素推动创新生态系统开放性

每个创新主体与周围环境以及其他创新主体之间在人才、信息、资金等方面的交换就构成了创新生态系统的开放性。数据要素非竞争性的特点使创新生态系统进一步走向开放。特别是在数字经济发展的初期阶段，一方面，数据要素的排他性还没有完全形成，降低了数据要素流动的成本。另一方面，数据要素的非竞争性能够保证数据要素高质量的发挥作用。在创新生态系统中，企业作为创新生态系统中的核心创新主体，在数据要素驱动下，利用数据平台等方式，不断与其他企业、政府、中介服务机构、高校和科研机构等创新主体在创新人才、创新产品、研发信息、创新资金等方面进行交换，从而激发了整个系统的开放性和创新活力。

2.数据要素推动创新生态系统非线性作用

在非线性作用中，“对称破缺”是重要表征，叠加原理将不再适用，变量之间的关系更加复杂多样。非线性作用在数字经济背景下的创新生态系统中主要体现在两个方面。一方面，创新主体之间并非存在一一对应关系，不同创新主体之间都有可能存在信息流和物质流的交换。创新本身就是一项高风险、高成本的投资活动，企业启动研发不一定意味着有创新成果的产出，研发投入的增加也不意味着创新成果成比例的产出。同理，政府对企业创新活动的补贴、高校为企业提供的创新人才、中介服务创新资金的投入同样不意味着企业创新成果成比例的变化。

另一方面，数字经济背景下，数据要素的外部性带来的溢出效应，促进了不同生产要素协同发挥作用，形成了辐射效应，使创新主体之间的作用关系更加复杂多样。与此同时，数据要素的非均质性使创新主体在利用数据时的产出效应出现差异，这些都加剧了创新生态系统的非线性作用。

3.数据要素为生态系统带来“涨落”

孤立系统的无序程度不会自发的降低，但是一个开放性的、存在非线性作用的系统可以给从无序走向有序带来了可能。从热力学系统的角度分析，涨落实际上指实际测度值与平均效应之间的偏差，在临界点附近时，不稳定的系统会将涨落现象不断放大，促进系统达到新的平衡状态，因此涨落导致有序是形成生态系统的重要条件。涨落导致有序强调整个系统微小的变化会使整个系统向平衡状态的转化过程。

数据要素作为生产要素参与分配，突破了传统生产要素竞争性、均质性等特点，为创新生态系统带来了更多的变化和可能性。数据要素的倍增效应，点燃了创新发展的新动能，提升了企业对市场创新需求的感知能力，让企业的研发更具针对性。数字经济的影响在企业创新中不断积累和发酵，当邻近阈值时，数据要素带来的涨落使创新系统发生数字化转型，重新建立了创新生态系统演化发展的规则，并形成稳定的有序结构。

三、数字经济背景下企业创新生态系统运行机制分析

（一）大数据供需反馈的企业研发机制

躺在实验室中的科技创新成果，只有走向生产线，实现产业化落地，才能发挥其真正的价值。目前来看，我国的创新成果转化率还较低，一方面是创新成果转化的成本较高，并不符合成本效益的原则，另一方面是创新成果并没有体现出市场需求。企业的研发部门并没有准确的把握市场需求导向，导致创新产品与市场脱节。

以大数据平台的客户需求反馈来引导研发设计方向，让企业的研发更加具有针对性，促进供求信息的对接，提升了企业对创新产品市场需求的响应能力。数据要素使企业研发更加柔性，对个性化创新产品、体验式创新产品的发展起到了推动作用。根据市场需求定制研发产品，“按需定研”的模式也提升了创新成果的转化效率。

数据要素提升了企业对外部市场和客户需求的敏感度，同时也将企业研发的关注点从实验室转移到消费者。供需反馈数据平台打破了客户与企业之间的地理空间障碍，增加了客户参与研发设计的互动时间。企业通过对客户的引导和互动，识别出具有远高于普通客户需求且具有解决自我需求的客户。在互动中将有价值的信息不断沉淀，并利用大数据技术对这些数据进行收集、整合、分析并最后应用于企业研发。

传统的研发方式中，创新构思——构建概念——研发设计——产品测试——产品上市，是一个单向的链条，而供需反馈平台使整个链条首尾相连成为一个闭合的回路。产品上市并不意味着创新的结束，而是以迭代演化方式继续进行。客户把体验感受通过平台反馈给更多的潜在消费者，使创新产品的价值更好的在客户中传递，使更多的潜在用户群体了解创新产品的性能和使用感受。当创新产品上市后，研发部门继续利用大数据平台持续收集用户需求和创新产品缺陷信息，并及时反馈至企业研发部门，继续更新创新产品，使研发工作不断的契合消费者偏好。

（二）创新主体生态位重新分化的协同共生机制

从生态学的角度分析，当生活在同一空间的不同物种需求同一资源时，就发生了生态位的重叠。在传统经济背景下，创新资源的稀缺性导致某些企业对同一创新资源具有共同的需求时，必然会造成企业之间的竞争。传统经济背景下，创新主体之间的生态位关系如表3所示。

同行业企业因对同一创新资源的相同需求，导致创新主体生态位的重合度较高，体现为竞争关系。上下游企业之间在创新产品和服务存在供求关系，中介服务机构可以为企业研发提供金融等服务支持，与企业创新联系都很紧密，均体现为共生关系。高校等科研机构是为企业培育创新型人才储备、原始创新的孵化器，而企业提供的数据和资金是高校等科研机构创新活动的基础保障；政府部门能够通过财政政策、税收政策对创新企业的研发提供扶持政策，企业研发成果反哺社会也是政府部门的业绩体现，因此企业与政府、高校等科研机构的生态位重叠度都较低，体现为合作关系。

在数字经济背景下的企业创新生态系统中，数据要素具有非排他性，创新主体通过平台之间的数据传递，打通数据孤岛，促使创新资源在创新主体之间的灵活流动，创新主体之间的生态位进一步分离，竞争的激烈程度不断降低，合作和共生意愿不断增强。

利用大数据平台分析，企业能够主动获得对方的研发侧重点，规避恶性竞争带来的风险。基于自身的核心优势和环境状态选择适宜自身企业的角色位置，寻找合适的生态位建立核心种群。当生态位的重叠度不断降低时，同行业企业间的关系也由恶性竞争转向中立，甚至是共生。

处于产业链上的企业之间，需求方将创新需求通过数据化平台传递给企业，企业能够更快、更准确的了解客户需求，同时企业也会将创新需求信息及时高效的向供应商传递，提高了创新效率。

中介服务机构通过平台能够更好的了解企业研发设计，更好的评估企业创新成果，企业能更好的向中介机构展示自身的创新优势和研发前景，有利于企业获得中介的金融服务支持。提升知识信息的流速对企业研发大有助益，而数字化平台恰好打通了企业与科研机构的组织壁垒。

数字型政府保证了政府能够及时高效的获取企业创新信息，了解企业的政策需求和创新难点，及时为企业纾困，打通企业创新最后一公里，为企业创新提供政策扶持。

（三）创新主体之间的协同群落演替机制

从生态学的角度分析，在一定时间和空间的范围内，各个物种的种群集合构成了群落。因群落内外部环境的不断变化，更适应环境发展的群落替代了原有群落的过程就被称之为群落演替。各类创新主体的集合构成了创新生態系统中的不同群落。在数字经济背景下，创新主体之间数字化转型的程度各不相同。随着生态系统中内外部环境的变化，创新群落的演替必然会发生。数字经济背景下，创新群落演替具有以下特点。第一，数字化创新群落替代传统创新群落是演替的主流方向；第二，创新生态系统的数字化转型会使创新主体种类不断丰富，创新群落的结构越来越复杂；第三，创新群落的演替具有不可逆转性，即创新主体的数字化转型是大势所趋。

创新生态系统中的群落演替，大致会经历三个阶段。第一，数字化创新主体入侵阶段。大数据、云计算等数字工具不断被创新主体应用推广，并提升了创新效率，数字化创新主体成功定居企业创新生态系统，并形成了竞争优势。第二，数字化创新主体大量繁殖阶段。随着数字化创新主体的优势越来越明显，更多的创新主体开始深耕企业数字化转型，使得数字化创新主体的数量越来越多。第三，竞争平衡阶段。数字化创新主体和传统创新主体的竞争不断加剧，数字化创新主体的优势性显现，逐渐将传统创新主体替代。在相互竞争中各类创新主体的组成和数量逐步固定。此时创新群落的层次更多，结构更复杂，新的创新群落达到了相对平衡的状态。数字经济背景下企业创新生态系统的结构如图1所示。

（四）创新生态保护补偿机制

数字经济背景下的创新生态系统保护补偿机制是以防止创新生态环境被破坏，增强创新主体和数字经济环境良性互动发展为目的，对因保护生态环境及其功能而付出代价、做出牺牲的行为补偿，对损害生态系统功能或导致生态系统价值丧失的行为收取经济补偿的制度安排。

创新生态系统的补偿机制需要按照谁使用谁保护、谁受益谁补偿的原则。让创新生态系统保护的收益和损失内部化，保护创新生态的主体得到补偿和激励，破坏创新生态的主体受到惩戒和处罚。“赏罚分明”“责权明确”的保护补偿机制，鼓励更多的创新主体保护创新生态，推动生态系统良性健康发展的长效机制。

保证创新生态保护补偿机制发挥效果，要以制度建设为抓手，明确生态保护补偿机制的标准，确定补偿措施，最重要的是建立以创新产出能力为基础的资金投入和管理机制，确保保护补偿制度的正常运行。

保护补偿机制中的补偿主体和受益主体既可能是创新主体，也可能是个人。将损益、责任量化并确保分配的合理性是妥善落实补偿和受益双方主体责任的重要前提。补偿标准要体现差异化，细化补偿指标体系，差异性的补偿给受损主体，同时按规定用于创新生态系统的修复。

创新生态保护补偿机制一方面重在“维护”，即资源使用方对整个创新生态系统的日常维护。在数据要素驱动下的创新生态系统中，所有创新主体都应当是创新资源的利用者，都应当担负起对创新生态系统的维护工作。由政府部门主导创新生态系统的维护工作，主要可以通过税收的方式，获取维护创新生态系统的资金支持。

创新生态保护补偿机制的另一方面重在“补偿”。利用数据要素获取收益的创新主体是补偿主体，政府可以作为创新环境利益受损者的代表向补偿主体收取费用，并评估受损主体损失的程度。通过转移支付的方式向受损者进行补偿，借此减轻外部性带来的负面影响。

（五）运行风险管理机制

风险存在于创新生态系统的运行中，为保证创新生态系统的良性运转，必须建立运行风险的管理机制。基于此，从数据安全风险、产权风险、垄断风险、创新主体数字化变革风险角度分析并构建企业运行风险管理机制。

1.数据安全风险管理

数字经济背景下企业创新生态系统除了会面临创新生态系统的常规风险以外，因数字经济的特殊性，安全风险是生态系统面对的首要风险。“共享”为信息使用带来了极大的便利，也加剧了创新主体对数据安全的忧虑。数据共享和融合意味着各个创新主体之间能够利用平台获取其他主体的数据信息，为非法数据交易提供了可能，数据泄露风险、恶意攻击风险都极大的影响了数据的安全。做好数字经济背景下的企业创新生态系统数据安全风险防范，应该从以下几个方面入手。第一是制定安全战略，加强制度设计。把数据安全纳入到创新生态系统的核心问题，加快数据安全立法。第二是保证供给，完善基础设施，在人才引进、培养、储备、成长方面保障人才梯队的合理结构，在资金的供给、流动、分配为安全项目规划提供支持。第三是划分等级，完善安全等级分类管理机制。数据要素不仅仅是创新主体的资源，也是整个创新系统乃至国家的宝贵财富，数据种类的不同决定了数据安全等级差异，不同安全等级的数据可共享的范围也应有所区别。

2.产权风险管理

完善数据要素的产权制度基础，确保数据要素平台规范运行。因数据要素确权、价值评估等多方面因素，导致数据平台的发展受阻。产权不明导致数据流动范围无法确定，收益分配无法确定，相关主体的合理权益无法得到保证。

确保数据安全的前提是对数据的使用权和所有权进行的准确划分。数据归谁使用？归谁所有？数据平台的使用边界在哪里？这都是需要考虑的问题。当数据在各个创新主体中进行无限制流动时，形成的创新成果如何进行分配，从知识产权保护的角度，必须对创新成果准确地进行分割，防止“搭便车”导致的经济外部性。

产权风险管理一方面是从制度的顶层设计着手，对数据侵权行为进行惩处，只有保护好数据的产权，才能使数据更好的在创新主体之间流动。另一方面是从技术层面着手，准确的对数据要素所有权和使用范围进行规定。

3.垄断风险管理

传统经济背景下，企业垄断行为主要是通过产业链的上下游企业扩张或者同位企业的横向兼并形成的垄断优势。数字化创新生态系统中的平台垄断主要是利用在原有市场中数据、流量等基础平台的优势，从一个垂直市场扩张到另一个或多个垂直市场。

创新主体研发数据的积淀、归集、传递和分析都需要依托平台进行。随着生态系统中各创新主体生态位的不断稳定固化，平台中数据的集中度会越来越高，数据平台会不断的合并重组，从而形成由少数组织控制超级平台的寡头垄断局势。数据平台为精准描绘客户需求提供了素材，企业引导潜在客户消费，精准定位客户偏好都能够基于数字平台收集的海量客户信息来实现。垄断带来的最大问题就是市场领导者对弱小个体的挤压，将中小企业排除在生态系统之外，创新主体数量和种类的降低都会对生态系统的多样性带来不利影响。

从反垄断的角度对平台垄断竞争行为进行监管，引入竞争机制，制定惩戒规则。对大平台利用的垄断地位形成的流量优势要进行管控，适度的向中小企业提供政策倾斜，充分发挥中小创新主体的作用。此外，将平台收集的信息作为公共事业的组成部分统一进行管理，统一进行数据分配也可作为解决对策进行探索。

4.创新主体数字化变革风险管理

创新主体数字化转型是创新主体的重大变革，以企业为例，员工在企业数字化转型上的观念认同度是数字化转型能否成功的重要前提。数字化转型在给企业带来巨大机遇的同时，员工的观念、技能的升级也是重要的条件。数字化转型意味着管理者的管理模式和思维方式都要发生重大改变，员工也要从舒适区脱离，摒弃“路径依赖”。

数字化转型意味着企业各部门不会再成为数字孤岛，但是相对应的各个部门之间会出现新的利益划分，每个部门都希望获得其他部门的核心数据，维护本部门的数据优势，这种情况下，各个部门之间的目标就会很难达到统一。

如何防止创新主体数字化转型失败带来损失的风险，首先应加强对研发人员思想认识的培训，让研发人员理解数字化转型对企业创新的意义。其次是做好对数据平台的构建管理和升级维护，让研发人员切实感受到大数据给研发带来的促进作用。最后还需要整个创新生态系统中其他创新主体数字化转型的同步推进，打通数据通道，降低变革成本，让数据成为促进企业创新的生产力。AFA

参考文献

[1]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.

[2]李蕊，李水军.数字经济：中国税收制度何以回应[J].稅务研究，2020（3）：91-98.

[3]续继，唐琦.数字经济与国民经济核算文献评述[J].经济学动态，2019（10）：117-131.

[4] Brynjolfsson，E.The contribution of in‐formation technology to consumer welfare[J]. InformationSystemsResearch，1996（3）：281-300.

[5]康铁祥.中国数字经济规模测算研究[J].当代财经，2008（3）：118-121.

[6] Dean D，DigrandeS，FieldD，and Lund‐markA. The Internet Economy in G20：The S4.2 Trillion Growth Opportunity[R]. The Boston Consulting Group（BCG）Report.USA，2012.

[7]张雪玲，焦月霞.中国数字经济发展指数及其应用初探[J].浙江社会科学，2017（4）：32-40+157.

[8]刘军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究，2020（6）：81-96.

[9]许宪春，张美慧.中国数字经济规模测算研究——基于国际比较的视角[J].中国工业经济，2020（5）：23-41.

[10]杨路明，陈丽萍.南亚地区数字经济发展差异性及区域格局演变[J].亚太经济，2021（2）：65-73.

[11]戴双兴.数据要素：主要特征、推动效应及发展路径[J].马克思主义与现实，2020（6）： 171-177.

[12]田杰棠，刘露瑶.交易模式、权利界定与数据要素市场培育[J].改革，2020（7）：17-26.

[13]蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究，2021，38（3）：64-83.

[14]盛磊.以数据要素资源助推经济高质量发展[J].人民论坛·学术前沿，2020（17）：13-21.

[15]国瀚文.滥用市场支配地位隐私权保护研究——以完善数据要素市场为背景[J].商业研究，2020（10）：144-152.

[16]李万，常静，王敏杰，等.创新3.0与创新生态系统[J].科学学研究，2014，32（12）：1761-1770.

[17]刘静，解茹玉.创新生态系统：概念差异、根源与再探讨[J].科技管理研究，2020，40（20）：8-14.

[18]张林，丁鑫，王佳.货币政策、商业信用与研发投入——基于产权性质差异的实证研究[J].商业研究，2018（4）：24-32.

[19]赵放，曾国屏.多重视角下的创新生态系统[J].科学学研究，2014，32（12）：1781-1788+1796.

[20]王宏起，王卓，李玥.创新生态系统价值创造与获取演化路径研究[J/OL].科学学研究：1-15[2021-04-25].

[21]米捷，郭彬，陈怀超，等.创新生态系统内的知识势差与知识流动机制[J].北京理工大学学报（社会科学版），2020，22（6）：78-87.

[22]张笑楠.战略性新兴产业创新生态系统共生演化仿真研究[J/OL].系统科学学报，2021（2）：64-69[2021-04-25]

[23]李曉华.数字经济新特征与数字经济新动能的形成机制[J].改革，2019（11）：40-51.

[24]张昕蔚.数字经济条件下的创新模式演化研究[J].经济学家，2019（7）：32-39.

[25]王发明，朱美娟.互联网平台企业主导的创新生态系统演化风险识别及规避[J].中国科技论坛，2021（3）：75-83.

（审稿：游宇编辑：冯金玉）