基于知识积累专利竞赛模型评述.docVIP

基于知识积累的专利竞赛模型评述 　　[摘 要] 本文评述主要的基于知识积累的专利竞赛模型，它们克服了无记忆模型无法区分领先者与落后者的缺陷，得出了ε-占先、纯粹知识效应等多种结果，并从知识积累的角度解释了内外资公司间一直存在较大技术差距的原因。 　　[关键词] 专利竞赛 RD 知识 内资公司 　　 　　目前，内资公司技术创新能力的低下成为了各界所关注的焦点。那么，为什么改革开放近30年来，在许多行业中内外资公司间的技术差距一直存在？近年发展起来的基于经验积累的专利竞赛模型，从公司RD知识积累的角度对此给出了解答。该类模型认为，公司曾经独占的专利技术会让公司积累起RD经验或者产品生产体验。这些历史经验或体验增加了公司关于RD活动的知识积累，并可以提高他关于新专利的研发成功概率。因此拥有旧专利的领先公司赢得下一次专利竞赛的可能性就更大，或者某公司一旦技术领先，他的领先地位在长期就有持续下去的趋势。无记忆模型是理解这些模型的共同起点。 　　一、无记忆模型 　　该模型认为RD能够成功的时间 服从指数分布，即 　　p(Tt)=1-exp[-h(χ)t](1) 　　其中χ是公司单位时间内的投资强度，风险率函数h(χ)满足h’(χ)0，h”(χ)0。这表明χ的增加总能以递减的效果增大RD成功的概率。 　　指数分布的重要特性是无记忆性。这是指在任意时刻s公司所面临的RD成功时间的概率分布与s的具体取值无关,即p(Ts)=p(Tt)。因此,当某公司B因技术水平落后等原因，晚于公司A参加专利竞赛,那么若A此时仍未成功，则B将与A面临相同的起点和RD成功时间的分布。在纳什均衡中，两公司的最优投资强度和赢得专利的机会也完全相同。因此该模型没能考虑拥有旧专利的领先公司具有较多的RD知识积累的事实，也无法得出与本文开头的实际观察相一致的结论。基于知识积累的专利竞赛模型克服了这些缺陷,它们都假设公式(1)中的h(χ)可以随公司知识的积累(RD或生产的经验）或参加专利竞赛时间的流逝而增大。 　　二、基于知识积累的专利竞赛模型 　　1.RD经验的积累 　　Fudenberg等（1983）令无记忆方法的风险率h(χ)正比于公司的累计RD投资，且瞬时投资强度χ=1是常数，即 　　h(χ)=λ(t?χ)=λt， 　　其中λ为正常数。 　　由于χ不随时间变化，因此累计RD投资或RD经验也就可以用参加RD的时间来测度。当专利价值不是太大，仅能够覆盖单个企业的研发成本时，他们发现若B公司参加RD的时间比A晚任意小的ε时间，则他在任何时刻的瞬时投资都要大于该时刻的瞬时期望赢利。所以在竞赛一开始他就会退出竞赛，使得A总会获取该项专利。这被称为领先者A的ε-占先现象。 　　Doraszelski(2003)的风险率函数则具有更一般的结构: 　　h(χ)=λχ+kzΨ, （2） 　　其中λ、k与Ψ为正常数,z是公司的知识存量,它随时间的变化率满足z’(t)=χ-δz，其中δ测度了公司对知识的遗忘程度。 　　竞赛开始时刻A的知识存量大于B，即zAzB。由于根据这样复杂的结构无法解出关于最优投资强度χ*i(i=A、B）的解析形式的纳什均衡解，所以Doraszelski采用了一种称为配置技术（collocation technique）的数值分析的方法。 　　分析结果表明，绝大部分情形下随着知识储备的增加和时间的流逝，两公司的投资强度都将逐渐减少，且将逼近某一共同的常数。这使得两公司的知识存量zA、zB随着竞赛的无穷演进也都逐渐趋同。在此背后起支配力量的是纯粹知识效应（pure knowledge effect）,该效应源于(2)式中存在一个相加的关系，它使得公司已积累的知识存量z对当期的努力χ起到了替代和削减的作用。此外，从竞赛开始时的时点来看，截止至未来任何时刻B赢得竞赛的概率都要小于A，虽然两者的差距随时间逐渐减小并趋于稳定。这表明A初始的经验优势总在发挥主导作用。 　　2.生产经验的积累 　　Chang和Wu（2006)则假设公司RD过程的有记忆性只存在于在位公司A，而潜在的进入者B其RD过程则仍受公式(1)支配。这是因为A公司拥有旧专利，利用该专利技术所积累的产品生产经验有助于公司对新的颠覆性专利的研发。特别地，他们假设A的产品生产和对新专利进行RD的风险率函数具有如下特点： 　　A公司每瞬时只生产一个老产品，其关于新技术研发的风险率函数hA(χ)满足 　　hA(χ)=hB(χ)+θτ, 　　其中hB(χ)是进入者B（可能有完全相同的多个）的风险率函数，θ0是每个老产品对hA(χ)的边际贡献率,τ是A公司参加新专利竞赛的时间。 　　现实中有不少符合这种设定的产业例子。如对新一代微处理器和可擦除可编程只读存储器（EPROMs