网络结构异质性对数字企业突破关键核心技术的影响

刘和东，向玉凤

（南京工业大学经济与管理学院，江苏 南京 210009）

0 引言

当今，美国对我国进行技术封锁，限制通信技术、芯片等核心技术产品出口，我国数字产业面临的“卡脖子”困境十分严峻[1]，这严重威胁到国家产业链的安全。党的二十大报告提出，要以国家战略需求为导向，坚决打赢关键核心技术攻坚战。仅靠单个企业的力量难以实现关键核心技术突破，而实施网络嵌入的开放式创新是数字企业突破关键核心技术的重要途径[2]。网络结构异质性直接影响企业的外部知识获取与创造，是企业突破关键核心技术的关键。在此背景下，厘清网络结构异质性影响企业突破关键核心技术的机制，具有重要的理论与现实意义。

对于网络结构异质性与关键核心技术突破的相关研究，主要围绕以下几个层面展开：①网络结构异质性与知识获取。企业从创新网络中获取知识，主要通过网络中心度与结构洞实现。一方面，中心度与知识获取。Lyu 等[3]（2019）认为，企业在创新合作网络中的中心度越高，越容易拥有知识获取和知识重组的优势。杜玉申和刘梓毓[4]（2021）认为，中心度较高的企业拥有更加丰富的知识信息来源，更容易创造新知识。李培哲和菅利荣[5]（2022）认为，网络中心度高的企业具有知识获取优势，能够接触到更丰富的知识信息，更容易获取外部异质性知识。另一方面，结构洞与知识获取。李德辉等[6]（2017）认为，虽然结构洞过多会需要一定的网络构建和维系成本，但其对企业创新投入具有正向激励作用。熊正德等[7]（2020）以中国制造业为研究对象，基于社会网络理论分析得出，企业占据的结构洞越多，其通过跨界搜索获取的外部知识就越多。杨张博和王钦[8]（2022）以生物医药产业为研究对象，通过实证分析得出，企业个体网的结构洞过多容易增加搜索成本，将不利于企业从直接联系的成员中获取知识。②知识获取与关键核心技术突破。Stephen 和Nola[9]（2015）认为，知识流动主导了现有知识存量对技术创新的影响。杨瑾和王雪娇[10]（2019）认为，新知识获取和知识整合是影响企业实现技术突破的关键因素。李彦勇和林润辉[11]（2020）认为，跨界知识获取能够打破企业原有知识结构，是企业实现核心技术突破的前端影响因素。李钰婷和高山行[12]（2021）认为，外部知识获取能够重构企业知识体系，推进企业突破关键核心技术。③网络结构异质性与关键核心技术突破。一方面，中心度影响关键核心技术突破。Dong 和Yang[13]（2016）认为，位于网络中心位置的企业更易于搜索知识、开发新产品。甄美荣等[14]（2020）以新能源汽车产业为例，研究发现网络中心度对利用式创新有促进作用，对探索式创新（其是关键核心技术突破的基础）的作用呈倒U 形，其中知识吸纳能力起调节作用。刘嘉明等[15]（2022）通过对人工智能企业合作网络的实证分析得出，中心度对专利质量有正向影响。另一方面，结构洞影响关键核心技术突破。吴言波和邵云飞[16]（2020）发现，结构洞能促进网络成员技术多元化对关键核心技术突破的倒U 形作用。施萧萧和张庆普[17]（2021）实证研究发现，技术主体在创新网络中占据的结构洞多少和拥有的强联系数量均对自身核心技术突破有倒U形影响。

综上所述，已有文献推动了创新网络与关键核心技术突破等相关理论的发展，但仍存在以下不足：①学者们要么侧重于分析网络结构异质性对知识获取的作用，忽视知识获取对关键核心技术突破的影响，要么偏重于分析知识获取对企业突破关键核心技术的作用，忽视网络结构异质性对知识获取的影响。这显然不利于厘清网络结构异质性对关键核心技术突破过程的全面影响。②少部分学者虽然研究了网络结构异质性对关键核心技术突破的作用，但往往只侧重于中心度或结构洞等单个因素，少有对关键核心技术突破的系统分析。网络结构异质性（中心度、结构洞）影响关键核心技术突破的机制黑箱是什么？网络结构异质性及其通过知识获取对企业突破关键核心技术的影响效应是什么？吸收能力调节知识获取促进关键核心技术突破的效应如何？现有文献很少作出回答。为此，本文将剖析基于知识获取的网络结构异质性影响数字企业突破关键核心技术的机制黑箱，构建门槛效应模型，搜集2012—2021年我国数字产业133 家上市公司网络结构异质性、知识获取与关键核心技术的相关数据，测度并比较网络结构异质性及其通过知识获取对企业突破关键核心技术的影响效应。

1 网络结构异质性影响关键核心技术突破的机制分析

网络结构异质性包括中心度与结构洞两部分。一方面，网络结构异质性直接影响关键核心技术突破；另一方面，网络结构异质性经由知识获取间接影响关键核心技术突破。

关键核心技术兼具突破性和颠覆性。关键核心技术突破是与国家战略紧密相关的关键环节、核心技术的突破，能够有力促进国家创新能力提升和创新战略发展。

1.1 网络结构异质性直接影响企业突破关键核心技术

网络结构异质性对企业突破关键核心技术的直接影响机制如图1所示。

图1 网络结构异质性对企业突破关键核心技术的直接影响机制

1.1.1 中心度正向影响企业突破关键核心技术

中心度通过“要素获取、主体选择”影响关键核心技术突破。企业的中心度就是网络中与企业直接相连的其他主体个数，是企业创新网络中心性的表现。突破关键核心技术需要企业基于不同领域的知识，结合科学前沿与新兴技术知识整合其他学科知识[18]。企业中心度越高，其在结合科学前沿与新兴技术知识方面越具优势，因而越有利于突破关键核心技术。一方面，从要素获取角度看，企业处于网络位置的中心，更容易接触到其他拥有异质性知识的企业，更有能力利用从合作网络中获得的跨领域、跨学科的异质性知识[19]；同时，企业中心度较高时，其拥有的合作主体也就较多，合作过程中所交流的异质性知识等信息较为通达，更易吸引外部优质的互补性创新资源，为企业突破关键核心技术提供资源基础[20]。另一方面，从主体选择角度看，企业的中心性较高时，其选择合作伙伴的优势更大，更容易吸引创新关联性强、能力强的优质企业进入合作创新网络，进而拓展企业合作伙伴，有利于主体间知识共享、交流，最终推动企业突破关键核心技术。基于此，本文提出如下假设：

H1：中心度正向影响企业突破关键核心技术。

1.1.2 结构洞负向影响企业突破关键核心技术

在个体网中，如果某企业与另外两个企业直接相连，但这两个企业之间没有直接联系，那么这3 个企业就形成了一个结构洞。根据Burt[21]（2004）提出的结构洞理论可知，占据结构洞的企业形成了其他互不联系的两个企业间的沟通桥梁，在网络中处于控制信息和资源的地位，互不相连的企业只能通过“中间人”进行联系，即结构洞对企业创新存在积极影响。

然而，结构洞通过“网络稀疏、搜索惯性”影响关键核心技术突破。过多的结构洞不利于企业突破关键核心技术。一方面，企业个体网结构洞多，意味着其创新“网络稀疏”，导致企业搜索宽度过大，会加重网络中企业间的信息不对称，削弱企业间的信任，减少成员企业之间的联系，不利于隐性知识传播和深度知识挖掘[22]。另一方面，企业占据的结构洞多，有利于其在网络中利用信息不对称搜索本地创新资源，但也易使企业形成创新资源“搜索惯性”，将结构洞带来的位置优势转变为“网络惰性”，从而不愿跳出“舒适圈”去搜索网络外部异质性的创新资源，长期来看不利于企业突破关键核心技术。基于此，本文提出如下假设：

H2：结构洞负向影响企业突破关键核心技术。

1.2 网络结构异质性通过知识获取间接影响关键核心技术突破

企业网络结构异质性会影响其对知识资源的获取，进一步影响知识耦合，最终阻碍企业突破关键核心技术。间接影响机制如图2所示。

图2 网络结构异质性对企业突破关键核心技术的间接影响机制

1.2.1 网络结构异质性影响知识获取

中心度影响知识获取的数量和质量。企业中心度较高时，意味着其享有的网络资源更丰富，更容易搜索外部知识并匹配自身创新需求，进而提升知识获取的效率。一方面，较高的中心度能够增加知识获取数量。企业中心度高，其接触到的合作伙伴数量更多、类型更广，在合作过程中接触的跨领域、跨学科的异质性知识更多[23]。另一方面，较高的中心度能够提升知识获取质量。企业可通过中心度优势获取较多的知识数量，从而筛选出有价值的异质性知识，进而提升知识获取质量。

结构洞从信任度、合作频次两方面抑制知识获取。一方面，较少的结构洞可以增强企业间的信任度，打破企业间的知识壁垒，使得知识交流更加充分，有利于企业获取外部隐性知识。另一方面，较少的结构洞能增加企业间的合作频次，为网络中的成员创造学习机会，避免信息不对称和认知偏差，加速成员间知识流动[24]。因此，当企业个体网结构洞较少，即闭合程度较高时，企业获取知识的效率更高。

1.2.2 知识获取促进企业突破关键核心技术

知识获取通过内外部知识耦合、知识创造推动关键核心技术突破。知识基础观认为，隐性知识是企业突破关键核心技术最重要的要素，企业可以通过整合内部知识、获取外部知识以及新旧知识耦合突破关键核心技术。首先，知识获取可为企业突破关键核心技术提供知识基础。企业搜索外部异质性知识，筛选出对自身有价值的外部知识，增加了企业的知识存量，为企业突破关键核心技术提供了知识基础[25]。其次，知识获取可推进企业知识创造过程。企业从外部获取的有价值知识，可以与自身原有知识库的内部知识进行联结，通过新旧知识整合，耦合出全新的知识，进而超越企业原有知识实现知识创造[26]。最后，知识获取通过知识创造行为实现关键核心技术突破。新旧知识耦合创造出新知识后，企业通过对新知识中隐性知识的利用来突破关键核心技术。

综上，本文认为，网络结构异质性影响知识获取效率，知识获取影响企业突破关键核心技术。基于此，本文提出以下假设：

H3a：知识获取在中心度与关键核心技术突破间起中介作用。

H3b：知识获取在结构洞与关键核心技术突破间起中介作用。

1.2.3 吸收能力调节知识获取对企业突破关键核心技术的促进作用

在企业获取外部知识并与内部原有知识进行耦合的过程中，吸收能力发挥着关键作用。首先，知识获取。吸收能力强的企业能判断何种类型的知识是自身可以消化并利用的，更容易根据需求匹配突破关键核心技术所需的外部知识，准确识别并筛选出有利于关键核心技术突破的知识，然后通过对相关外部知识的拆分、解构、吸收和还原等，将其转化为自身的知识。其次，知识耦合。吸收能力强的企业将内外部知识打破重组，增强知识创造效果，促进自身知识更新，强化知识获取对关键核心技术突破的促进作用[27]。最后，循环促进。关键核心技术突破能够提升企业的吸收能力（内生能力）。在知识基础方面，随着企业不断突破关键核心技术，其知识、技术不断积累，累积效应使得知识基础（存量）增加，进而不断提升自身的吸收能力；在研发投入方面，企业突破关键核心技术的成果越多，越能激励自身不断增加研发投入，在研发中学习（干中学），使得知识增量不断扩大，进而提升企业的吸收能力。基于此，本文提出如下假设：

H4：吸收能力正向调节知识获取对企业突破关键核心技术的促进作用。

2 网络结构异质性影响数字企业突破关键核心技术的实证分析

2.1 模型构建

由上文的机制分析，整合得出本文的研究框架，如图3所示。

图3 研究框架

由图3 的研究框架，进一步构建如下普通面板模型与门槛效应模型。

2.1.1 普通面板模型：主效应和中介效应

主效应检验模型如下：

中介效应检验模型如下：

模型（1）（2）（5）分别检验中心度、结构洞、知识获取对关键核心技术突破的直接效应；模型（3）和（4）分别检验中心度和结构洞对知识获取的直接效应；模型（6）和（7）分别检验知识获取在中心度、结构洞与关键核心技术突破之间的中介效应。其中：i代表企业；t代表时间窗口（3年为一个时间窗口）；techit代表企业i在第t个时间窗口的关键核心技术；degit代表企业i在第t个时间窗口的中心度；holeit代表企业i在第t个时间窗口的结构洞；knowit代表企业i在第t个时间窗口的知识获取；controlit为控制变量，代表企业i在第t个时间窗口的企业规模（sizeit）、企业年龄（ageit）、技术人员（staffit）、研发强度（scinit）；β10、β20······β70分别为模型（1）（2）······（7）的常数项，β11、β31、β61分别为模型（1）（3）（6）的中心度回归系数，β21、β41、β71分别为模型（2）（4）（7）的结构洞回归系数，β51、β62、β72分别为模型（5）（6）（7）的知识获取回归系数，λ1、λ2······λ7分别为模型（1）（2）······（7）的控制变量回归系数。

中介效应的判定规则为：第一步，解释变量与中介变量显著影响被解释变量，解释变量显著影响中介变量。第二步，①当解释变量与中介变量共同影响被解释变量时，如果中介变量显著，解释变量不显著，则为“完全中介效应”。②当解释变量与中介变量同时对被解释变量回归时，如果解释变量和中介变量均显著影响被解释变量，且解释变量的系数小于其单独回归的系数，则为“部分中介效应”。

2.1.2 门槛效应模型：调节效应

本文采用门槛回归模型，分析吸收能力是否存在门槛效应，即当企业的吸收能力处于不同水平时，知识获取对企业突破关键核心技术的影响是否也不同。

Hansen[28]（1999）提出的门槛效应回归模型的一般形式为：

其中：y为被解释变量；x为核心解释变量；β1、β2、β3代表回归系数；q为门槛变量；γ为经计算得出的门槛值；I(g)为示性函数，当符合示性函数的条件时，取值为1，否则为0；c为常数项；μ为随机干扰项。

根据上文分析可知，吸收能力对知识获取和企业突破关键核心技术之间的促进效应可能存在非线性影响。本文借鉴Hansen[28]（1999）的门槛回归模型，以吸收能力为门槛变量，构建知识获取对企业突破关键核心技术影响的门槛模型。具体模型如下：

其中：absorit代表企业i在第t个时间窗口的吸收能力；γ1、γ2······γn分别为待估算的第1、2······n个门槛值；β1、β2······βn+1代表知识获取的回归系数；λ8代表控制变量的回归系数；μit为随机干扰项。

2.2 数据来源

本文搜集了2012—2021年133 家数字产业（计算机、通信和其他电子设备制造）上市公司的联合申请专利数据。其中，企业控制变量的基本信息和研发经费及营业收入等财务数据源于CSMAR数据库，专利数据源于壹专利数据库。数据处理过程如下：①从CSMAR 数据库中获取所有计算机、通信和其他电子设备制造产业上市公司名单，以及企业的基本信息和财务数据，剔除信息严重缺失的企业。②选择有联合申请专利数据的企业为研究对象，以上述各企业的联合申请专利为解释变量，以企业发明专利数据为被解释变量。③基于3年滚动时间窗口，将2012—2021年分为8 个时期，即2012—2014、2013—2015……2019—2021；根据联合申请专利数据构建合作创新网络，每个时间窗口下的整体网络由各个上市公司的个体网组成，上市公司作为个体网的核心节点，其他企业则作为成员节点，合作申请的专利作为联系边。图4 是2019—2021 时间窗口下数字企业合作创新网络。最后，得出2012—2021年共有1 064个观测值，涉及133家上市公司的非平衡面板数据。

图4 2019—2021时间窗口我国数字企业合作创新网络

2.3 变量测度

2.3.1 被解释变量

关键核心技术突破。在发明、实用新型和外观设计等3种专利中，发明专利的技术质量最高，同时考虑到数据的可读性，通常用发明专利申请量来衡量关键核心技术突破水平。因此，本文用企业在创新合作网络中3年内申请的发明专利总和来衡量关键核心技术突破水平。

2.3.2 解释变量

网络结构异质性通过中心度与结构洞来刻画。

2.3.2.1 中心度

中心度是企业网络中心性的体现，本文采用网络中与企业直接相连的其他主体的个数来衡量。

2.3.2.2 结构洞

借鉴Burt[21]（2004）的研究，本文采用限制度来衡量企业结构洞的多少。限制度越高，企业所在个体网的闭合程度越高，拥有的结构洞也就越少，故采用“1-限制度”来表示企业个体网结构洞的丰富程度。限制度计算公式为：

其中：Cij为创新合作网络中企业i受到企业j的限制度指标；piq为在企业i的全部关系中，企业q占总关系的比值。

2.3.3 中介变量

中介变量为知识获取。专利引用情况是企业获取外部知识的集中体现。本文参考赵炎等[29]（2021）的研究，采用企业的申请专利中引用其他企业专利的次数来衡量。

2.3.4 调节变量

调节变量为吸收能力。以往学者多将研发投入作为衡量企业吸收能力的指标，忽略了原有的知识基础对吸收能力的影响。本文将研发投入作为企业吸收能力增量、知识基础作为企业吸收能力存量，其中知识基础为企业加入网络前5年专利申请数量之和；并使用熵权法将两个指标加权求和来衡量企业的吸收能力。

2.3.5 控制变量

企业规模，用企业在每个时间窗口第3年的员工总数表示；企业年龄，用企业在每个时间窗口第3年的成立年份时长表示；技术人员，用企业在每个时间窗口第3年的技术人员总数表示；研发强度，用企业在每个时间窗口第3年的研发费用总额与营业收入总额的比值表示。

各变量说明如表1所示。

表1 变量说明

2.4 实证结果分析

本文采用UCINET 软件对2012—2021年数字企业的合作创新网络结构指标进行计算。首先，使用Stata17 软件对解释变量与控制变量进行多重共线性检验，计算出的VIF值均小于5，表示没有共线性问题。其次，根据豪斯曼检验，选择固定效应模型分析主效应和中介效应，结果如表2所示。其中，模型（1）和（2）分别用来分析中心度和结构洞对关键核心技术突破影响的主效应；模型（3）—（7）是知识获取中介效应的分析结果。

表2 网络结构影响关键核心技术突破的主效应和知识获取的中介效应

2.4.1 主效应检验

模型（1）和（2）用于分析网络结构异质性对企业突破关键核心技术的影响效应，其回归系数分别为中心度0.091、结构洞-0.322，且两者均在1%的水平下显著。这说明中心度对关键核心技术突破有显著正向影响，结构洞对其有显著负向影响，H1和H2得到验证。原因可能是，企业在创新网络中处于中心度较高的位置时，能获取更加丰富的跨学科、跨领域的异质性知识；处于结构洞较少的位置时，组织间信任加深，便于隐性知识的获取。而丰富的异质性与隐性知识对关键核心技术突破起显著的推动作用。

2.4.2 中介效应检验

模型（3）和（4）用来分析网络结构异质性对知识获取的影响效应，其回归系数为中心度0.102、结构洞-0.536，且两者均在1%的水平下显著。这说明中心度对知识获取有显著正向影响，结构洞对其有显著负向影响。原因可能是，企业中心度处于较高水平时，能够广泛接触到不同的合作企业，接收来源不同的跨学科、跨领域的异质性知识；企业占据的结构洞较多时，个体网中的成员间没有形成紧密联系，不利于成员间的有效交流，进而阻碍隐性知识获取。模型（5）用于分析知识获取对关键核心技术突破的影响，其回归系数为0.540，且在1%的水平下显著，表明知识获取对企业突破关键核心技术有显著正向影响。原因可能是，企业从外部获取的跨领域、跨学科知识，在与内部原有的知识匹配、重新融合后，能够产生创造性的新知识，从而有利于企业突破关键核心技术。

模型（6）和（7）分别在模型（1）和（2）的基础上同时加入知识获取变量，来分析其在网络结构异质性与企业突破关键核心技术之间的中介效应。结果为：①中心度与知识获取同时为解释变量时，其回归系数为中心度0.038、知识获取0.514，且两者均在1%的水平下显著。这表明两者都显著影响关键核心技术突破，且中心度的回归系数小于单独的回归系数（0.038<0.091），说明中心度对关键核心技术突破的影响一部分是直接效应，另一部分则通过知识获取的间接效应实现，H3a得到验证。原因可能是，中心度一方面通过影响企业接收外部其他创新资源（人力、财力、物力、信息等），直接对企业突破关键核心技术起显著促进作用；另一方面通过影响外部异质性知识获取，促进隐性知识的吸收与整合，进而间接促进企业突破关键核心技术。②结构洞与知识获取同时为解释变量时，其回归系数为结构洞-0.035，但不显著；知识获取0.535，且在1%的水平下显著。这表明结构洞对企业突破关键核心技术的影响完全通过知识获取的中介效应实现，H3b得到验证。原因可能是，结构洞越少，企业获取异质性知识的数量越多、质量越高，越有利于其突破关键核心技术。

2.4.3 调节效应检验

采用门槛效应模型进行检验。以吸收能力为门槛变量，以知识获取为核心解释变量，分析吸收能力对知识获取影响关键核心技术突破的调节效应。

2.4.3.1 门槛效应的显著性检验

利用Stata17 软件进行门槛效应的显著性检验，并找出门槛个数，检验结果如表3所示。

表3 吸收能力的门槛效应显著性检验结果

从表3 中可以看出，吸收能力通过了单门槛和双门槛显著性检验，说明存在双门槛效应；虽然也通过了三门槛显著性检验，但F值为0，说明三重门槛不存在，故使用双门槛模型进行分析。由表3 可知，吸收能力的两个门槛值分别为-6.721、-4.766，所处的95%置信区间为[-6.792,-6.614]、[-5.137,-4.704]。

采用似然比LR可以进一步检验双重门槛的真实性。当似然比LR→0（纵轴）时，对应的γ值（横轴）为门槛估计值。本文对吸收能力的门槛值进行真实性LR检验，结果如图5所示。

图5 门槛值为-6.721（左）和-4.766（右）的LR函数

由图5 可知，虚线代表临界值LR=7.35，当置信区间为95%时，所有小于临界值7.35 的吸收能力值形成的区间为门槛的置信区间。当LR处于最低点（LR→0）时，双重门槛对应的两个门槛估计值为-6.721、-4.766，置信区间分别为[-6.792,-6.614]、[-5.137,-4.704]，且两个门槛值分别位于其所对应的置信区间内。因此，门槛估计值真实有效，即吸收能力的门槛估计值为其门槛真实值。

2.4.3.2 门槛效应的回归结果分析

以吸收能力为门槛变量的门槛回归结果如表4所示。

表4 以吸收能力为门槛变量的门槛回归结果

当吸收能力分别处于lnabsor<-6.721、6.721 -4.766 时，知识获取的回归系数分别为0.543、0.620、0.706，且均在1%的水平下显著，同时0.543<0.620<0.706，说明吸收能力正向递增调节知识获取对企业突破关键核心技术的促进作用，H4 得到验证。原因可能是，企业吸收能力提升，能加快识别、筛选、消化、吸收外部知识；在外部知识与内部知识耦合时，知识重组的效率提高，有利于强化知识获取对关键核心技术突破的正向影响。

3 结论与政策建议

3.1 结论

本文剖析了基于知识获取的网络结构异质性对数字企业突破关键核心技术的机制黑箱，搜集2012—2021年我国数字产业133 家上市公司网络结构异质性、知识获取与关键核心技术的相关数据，测度并比较网络结构异质性及其通过知识获取对企业突破关键核心技术的影响效应，得到如下主要结论。

①网络结构异质性对企业突破关键核心技术的影响不同：中心度正向显著，结构洞负向显著。

②知识获取在网络结构异质性与企业突破关键核心技术间的中介作用不同：中心度起部分中介作用，结构洞起完全中介作用。

③吸收能力正向递增调节知识获取对企业突破关键核心技术的促进作用。

3.2 政策建议

3.2.1 充分发挥企业网络结构异质性的效能

一方面，提升企业在个体网中中心度的促进作用。①增加直接联系的创新合作企业数量。与纵向的产业链上下游企业、横向的竞争对手及配套企业建立合作网络关系；构建便捷的知识流通渠道，促进各类异质性知识资源集聚（如上游企业的原材料等专有性知识、下游客户的市场需求知识、竞争对手的相似知识、配套企业的互补性知识等），为企业突破关键核心技术提供充足的创新资源保障。②丰富合作网络中创新主体的类型。除了与产业链相关的企业合作外，还应积极与高校、科研机构等不同类型的外部组织开展研发合作；通过网络成员间的创新资源共享，促使企业广泛接收不同来源的异质性知识（如高校与科研机构的基础与应用研究方面的理论知识）。③强化企业中心度优势，吸引更多的网络外部合作主体。通过企业中心度优势，吸引网络外部的优质企业、创新能力强的高校与科研机构等主动进入创新网络；与核心企业建立合作关系，进一步提升自身在网络中的中心地位，为多元化创新资源流入提供渠道。

另一方面，有效降低企业在个体网中结构洞的负面影响。在网络内部，应做到：①鼓励其他组织积极组建联合创新关系，有效减少结构洞数量。企业在没有直接联系的成员企业间牵线搭桥，能对结构洞进行填充，使个体网变得更加闭合，进而深化组织间的合作。②增强组织间联系的紧密程度，减少结构洞带来的信息不对称。发挥自身“纽带”作用，为其他成员间的合作创造机会，加深企业间的信任，推动深度知识探索和隐性知识传递，促进企业突破关键核心技术。在网络外部，应做到：摆脱企业搜索惯性陷阱，跳出结构洞形成的知识搜索“舒适圈”，积极与网络外部的相关组织建立联系。

3.2.2 有效发挥企业知识获取的中介作用

一方面，企业应积极搜索外部知识资源，以项目合作等多种模式获取各种异质性知识。①积极建立学习型组织。提高企业探索新知识的学习意愿，积极开展企业间交流活动，提高知识获取效率；加大与外部企业知识交流的频率，彼此建立信任关系，加快外部知识流入，同时获取隐性知识，确保关键核心技术突破顺利进行。②促进企业跨界搜索各类技术与市场知识。增加企业对知识和信息的敏感性，为内部企业员工提供外部学习、感知前沿技术的机会，接触并搜集多元化、跨领域、跨部门的新技术与新市场知识，避免陷入知识固化陷阱。另一方面，企业应有效利用知识获取，促进企业突破关键核心技术。①消化外部知识，并将其转化为企业自身的知识。积极吸收外部知识资源，为企业突破关键核心技术提供知识基础。②耦合内外部知识，创造新知识。匹配内外部知识，通过不同领域知识的碰撞，为企业突破关键核心技术提供创造性的新知识。

3.2.3 提升企业的知识吸收能力

增加研发投入，加速内部知识转化，提升企业的知识吸收能力，以便更顺利地突破关键核心技术。一方面，加大研发投入，增加知识流量。①加大内部研发经费投入。为企业研发活动顺利进行提供经济支撑。②撬动外部资金投入。可以通过申请政府资金补贴、吸引外部企业投资等方式，增加企业总体研发经费投入。另一方面，提高知识储备，增加知识存量。①积累先前经验与知识，增加知识沉淀和知识储备。对获取的外部与内部已编码知识进行解码、领会，并内化为自身的知识体系。②引进更多高学历的科研人员，增加企业的科研储备。专业的科研人员在知识获取阶段能快速识别、筛选并吸收企业所需知识，进而提高企业整体的知识吸收能力。

3.3 局限与展望

本文首次将网络结构、知识获取、吸收能力与关键核心技术突破纳入同一研究框架，剖析了基于知识获取的网络结构异质性影响数字企业突破关键核心技术的机制黑箱，但还存在一些局限有待进一步研究。其一，本文没有对其他网络结构特征与知识获取、吸收能力、关键核心技术突破之间的作用机制展开探讨。其他网络结构特征对知识获取、吸收能力、关键核心技术突破同样起到重要作用，这有待进一步研究。其二，由于数据获得的局限性，本文仅以计算机、通信和其他电子设备制造产业上市公司为研究对象，未能涵盖所有数字企业，数字产业中其他细分行业突破关键核心技术的机制同样需要进一步研究。