陆 松， 曹 平

(广西大学 商学院， 南宁 530004)

1 新一代信息技术产业

信息技术产业，简称信息产业，是从事信息技术设备制造以及信息生产、加工、存贮、流通与服务的新兴产业部门。它的形成和发展,是信息技术转化为社会生产力的结晶,也是信息经济走向繁荣的表现和保证[1]。2010年发布的《国务院关于加快培育和发展战略性新兴产业的决定》指出，发展战略性新兴产业已成为世界主要国家抢占新一轮经济和科技发展制高点的重大战略，包括“新一代信息技术产业”在内的七大国家战略性新兴产业是引导未来经济社会发展的重要力量。2016年，国务院再次印发《“十三五”国家战略性新兴产业发展规划》(国发〔2016〕67号)(简称“规划”)，指出未来5到10年是全球新一轮科技革命和产业变革从蓄势待发到群体迸发的关键时期，信息经济繁荣程度成为国家实力的重要标志，要实施网络强国战略，加快建设“数字中国”，推动物联网、云计算和人工智能等技术向各行业全面融合渗透，构建万物互联、融合创新、智能协同、安全可控的新一代信息技术产业体系[2]。全球各国的信息技术产业发展各有侧重，但创新都是受到重点关注的领域，呈现出高速迭代、涌现式创新的特点。近年来，以云计算、大数据为代表的创新技术不断涌现，推动信息产业向纵深发展，新一代信息技术产业迈入软件和硬件并重，电子制造业与互联网、人工智能、物联网深度融合的“全产业链”竞争时代。

2 信息技术产业创新系统

2.1 创新和创新系统

创新不是孤立完成的，而是在系统的框架中实现。系统是存在相互联系和沟通的各种行为主体，以及主体相互之间的活动融合而成的一个结构化整体。创新系统的研究范式可分为国家创新系统、区域创新系统和产业创新系统。产业是一组拥有共同知识的活动集合体，其中的企业既有共性又存在差异，为了满足给定需求或正在出现的新需求由某些相关联的产品群组成。产业创新系统中，创新是一种由行为者的交互所推动的以创造、传播、扩散和交换相关知识为目的的过程，研究范围包括：①产业创新系统理论和模型研究，包括细化和梳理产业创新系统的理论框架，采用定性分析、定量分析和实证模型，对特定机制、因果关系、构成产业系统和创新网络的异质行为者的相互作用进行分析。②针对特定产业，从知识的结构和创造以及学习和扩散的过程等角度对产业中的创新进行详细分析，对不同产业进行横向对比。③关注产业创新系统中的关键变量和机制，例如不同企业间的异质性；企业创新、选择和固化的相关过程变量；创新需求的出现、结构及其作用；创新过程中网络的形成、网络的形状、网络的结构演化和动力机制；区域集聚对创新网络的影响；产业创新系统中各种变量的协同演化。④产业创新系统自身的绩效以及与国家绩效之间的关系[3]。

2.2 信息技术产业创新系统的特点

“摩尔定律”指出，信息产业的技术水平每18个月增长一倍，实际上近年来产业迭代周期更加缩短。ICT(Information Communication Technology)技术的发展及其与服务业的融合，以及移动互联网的出现，共同推动形成了一个更具流动性的市场，其中包括大量具有不同专业知识和能力的行为者，并涌现出大量新的用户，协同创造新的细分市场和新的机会，使产业边界不断扩张。此外由于产业的高速迭代和演进，一些历史经验已经失去参考意义。例如以微软为代表的传统大规模软件研发，已逐渐被敏捷开发和软件外包模式替代。一些研究采用基于问卷调查然后进行因果关系假设的方式，对信息技术产业创新产生和扩散的解释力不足。

以高速发展的移动互联网为代表的信息技术具有开放的标准和低准入门槛，移动互联网/软件/电信、移动互联网/服务业/工业等跨越多个部门的新集群已成为目前信息技术产业创新系统变革的典型范例，完全依靠政府或者代表性企业的力量推动信息技术产业创新是不现实的。国家制度、区域特性、用户参与、金融投资和其他客观因素也对产业创新有很大的影响。

此外，信息技术产业中的企业具有高度的异质性，一方面存在大量的模仿、学习、借鉴和跟随进入行为，另一方面由于新技术对于抢占商机和获取经济利益的巨大作用，产业内部的信息不完全性非常显著。如果把创新视为产业以及产业中的组成企业对于技术、商业等新范式的选择和固化，基于“经济人”和“完全信息”假设的研究范式与信息技术产业创新系统的实际情况存在背离。忽略信息技术产业创新系统中社会化和行为人认知的部分，将无法解释现实中存在的创新路径依赖，创新系统自组织等特性，因此，对产业创新系统的深入研究需要“动态”和“变化”的研究视角及方法。

3 演化复杂系统

演化(evolution)又被翻译为“进化”，指事物的生长、变化或发展。演化经济学注重对“变化”和“创新”的研究，其科学基础是动态演化的有机世界观，采用整体分析法而不是简化分析法，关注多样性，用复杂系统的观点看待经济体系；关注经济动态过程，认为系统按照特定种类的过程变化，把经济系统看成演化过程的产物。

基于进化论的研究发现了自组织等现象，由此诞生了复杂系统的思想。Mitchell的著作成为复杂性研究的一个里程碑[4]。随着以互联网为代表的计算机科学和各种相关学科的不断发展，复杂系统中研究的关键变量从质量、作用力这些物理学概念或者遗传形状等生物学隐喻发展为信息、通信、反馈、控制等。在此基础之上，复杂性科学研究获得了重大突破，首先是可以使用信息来对复杂性进行衡量和判定，其次是在复杂性科学与网络科学之间建立了深度的关联，最后是基于信息-通信-反馈的研究，使得复杂性科学可以充分利用计算机科学研究的成果和工具，在系统模拟仿真上更有实际意义。复杂系统和演化经济学的方法论和本体论基本统一，研究方法和研究目标也能相互兼容。自组织、组织化学习和网络化学习、路径依赖和锁定、协同演化和涌现等复杂科学概念在演化经济学领域取得了丰富的研究成果。可以说复杂系统方法是演化经济学研究方法的基础，又或者说，只有复杂系统才具备“演化”的研究意义和价值。复杂系统通过“演化”可能得到预料之外的具有巨大的发展潜力和经济价值的结果，这就是“创新”的来源。

信息技术产业是仰赖于创新而存在的知识密集型产业。创新是产生新知识或把现有知识要素以新的方式组合在一起的过程，体现为知识的流动、传播和固化，本质上是系统化和网络化的。创新系统包括了所有能影响创新的开发、扩散和使用的重要的经济、社会、政治、组织、制度因素及其他因素，以及各要素之间的相互关系，并把创新和学习过程放在核心位置，实际上隐含了演化复杂系统中的双向反馈机制、非线性相关和自组织等特性。信息产业创新系统的复杂性体现在网络的复杂化、组织的复杂化和知识的复杂化方面。知识的学习和溢出是新一代信息技术产业最重要的推动力，促进显性和隐性知识的学习以及有效扩散的机制是信息产业创新系统的重要功能。要跟上复杂技术进步的步伐，要求网络不断地学习、集成并应用广泛的知识与技术诀窍。在当前复杂的技术环境下，顾客参与(用中学)、新型社会化网络(社交网络)等因素对知识的形成和传播起到非常重要的作用，就算是最大、最复杂的企业和组织也无法单独依靠自己的生产经验或研究开发力量来取得成功。信息技术产业的演化复杂系统视角的研究领域非常广泛，从知识创造、传播、学习和固化的影响角度来看，可汇总出如下研究框架，如图1所示。

图1 信息技术产业的演化复杂系统视角

其中演化经济学理论和复杂科学理论的研究已经有了大量的研究成果和基础，近年的研究方向主要在于利用信息技术本身的发展，构建定量分析的工具和方法，对知识传播的机制和动态以及创新的相关课题进行深入分析，包括认知层面的理论和机制研究，产业演化的研究，演化工具和方法应用等方面。基于Web Of Science检索1990—2018年的国际研究情况，主题关键字包括(evolutionary，multi agent, agent, neutral，complex, game, network)，检索范围为(Business，Economics，Management)。此外，通过CNKI平台检索了2000—2018年的国内研究情况，主体关键字包括(演化，演化博弈，复杂网络，多代理，神经网络，机器学习，多主体，多Agent，multi agent)，检索范围为“经济与管理科学”。检索结果显示，相关研究均呈现增长趋势，如图2所示。

图2 相关研究数量

普赖斯文献指数是学术论文增长的一个衡量公式，其表达式为Y(t)=a0ebt，其中变量t表示时间(年)，e为自然对数，b为论文连续增长率，a0表示t=0的论文数量。该公式进行取对数后可以得到：lnY(t)=lna0+bt，采用一元线性回归方法对lna0和b两个参量进行估计，结果如表1所示。

表1 相关研究文献回归分析结果

从回归分析可以看到文献增长比例在95%水平上均比较显著，无论是国外还是国内的文献增长数量均符合普赖斯指数增长规律，说明相关研究处于活跃阶段，不断涌现出学术成果，是值得深入拓展的领域。

4 相关理论研究概况

4.1 演化理论研究

熊彼特对创新过程的研究最早涉及到演化理论，包括创新如何促进产业发展、结构转变和动态竞争等，使演化经济学成为一个独立的理论分支，相关思想经过马歇尔的扩展后，由尼尔森和温特在《经济变迁的演化理论》中详细阐述和定义了演化经济学的基本概念[5]。Kurt Dopfer进一步提出，演化经济学的核心问题是运用于技术和生产的经济知识本身所发生的变化[6]。贾根良认为演化经济学可简化地定义为经济系统中新奇的创生、扩散和由此所导致的结构转变进行研究的经济学范式[7]。现代演化经济学已从生物学演化和物理动力学的范畴发展到了社会演化的范畴，在经验总结的基础之上，融合复杂系统理论、认知科学、文化人类学、社会学、语言学、脑神经元科学和行为经济学，建构了一种适应于社会经济系统的分析框架。与生物学演化不同之处在于，社会演化是异质性主体的按规则导向而开展的群体性演化，驱动力是行为人的社会化学习(创新)而不是生物本能或遗传复制。尼尔森和温特指出,由创新驱动的持续变化，是现代资本化经济的主要特性，创新是现代演化经济学的核心研究纲领，研究领域包括：①科学技术进步；②企业能力和行为；③熊彼特主义竞争和产业动态；④长期经济发展；⑤后发经济的跟进和赶超[8]。

4.2 有限理性和认知

认知是行为人处理信息的过程，认知系统就是一个信息处理系统，理性是认知的特征，是行为人交互的行为及策略选择的基础，包括认知的方式，信息的处理，学习的方式等。西蒙的有限理性(Bounded Rationality)理论认为，如果要具备“完全理性”，所需要拥有的信息量以及相应的计算能力过于庞大，因此人类在进行选择时，是无法仔细分析判断效用函数中的每一项要素，也不可能仔细分析各种可能的选项的可行性和执行后果的[9]。在有限理性的基础上又进一步出现了过程理性、适应性理性、群体理性和认知理性等研究范畴，从认知的不同角度对理性进行分析。Dopfer进一步提出了理性经济人(HSO，Homo Sapiens Oeconomicus)的概念，HSO是在经济背景中制定和使用规则的动物，HSO模型不可避免地需要包含神经系统科学、认知科学和行为科学的内容[10]。Jacques Lesourne提出，演化、认知(Cognition)和自组织(Self-Organization)三者之间存在互补关系。复杂的经济环境中，由于信息不对称和不足以及有限理性的存在，行为人被迫采纳一些简化的行为规则。同时由于行为人自身条件，可得信息及所做决策的重要性不同，行为规则也有各种特性。随着时间推移，行为人不断学习、交换信息或商品，发现新信息，改变自身预期，模仿、采纳并做出决策，行为人的交互构成组织，自组织不由行为人意志推动[11]。Herrmann-Pillath也提出，认知主体的知识积累是社会经济系统构成的基础，经济学的研究应当包括个体心智的范畴[12]。

研究人类如何获取、利用和传播知识，解释人类知识的累积和增长的规律，一直是演化经济学的核心主题。对于“知识”、“行为”和“制度”三者之间的互动关系的研究是近年来演化经济学理论发展的研究热点，催生出行为经济学、神经经济学、行为制度经济学和认知经济学等基于认知科学的经济理论。对“知识”概念本身的研究也产生了很多成果。Leonard和Sensiper认为知识是信息的一个子集合，是主观认定的且具备应用性的信息，知识部分或全部基于经验，并抽取了相关经验中的隐性成分[13]。Bhagat等认为知识是从各种信息之中变化、重构、创造而得的，比信息或数据更广，更深，更丰富。信息技术产业本质上可以视为围绕着知识的构造、编码、传输、存储和集中呈现的相关企业的集合[14]。Dopfer区分了通用知识和非通用知识，通用知识是能够产生认知行为的知识，是抽象的，不涉及具体对象的概念体系，包括企业家认知、战略知识、核心竞争力、学习和创新规则等。企业的学习能力就是一种长期积累的通用知识。而非通用知识不能产生认知行为，通常涉及具体对象、行为和操作，例如成本、价格、竞争和顾客信息等[15]。

4.3 产业演化

产业演化指产业的发展、进步、结构转变和动态竞争。一个良性发展的产业，总是在不断的创生、选择、失衡和重新均衡之中向前推进的。创新使得产业产生新的活力和推动力，推动产业按照均衡、失衡到再均衡的路径不断演进。产业中具有不同的知识和能力的异质性个体(企业)之间形成互动，通过学习形成驱动力。Pavitt,Edquist提出：①创新和产业演化的关系在不同的国家、地区和产业之间是具有差异的，这是不同创新系统存在的原因；②产业中企业的异质性导致创新产生、创新扩散和创新固化的差异；③创新和产业演化的联系全方位存在的，在产业的演化过程中，参与者、知识、学习、制度和市场结构都会发生变化[16-17]。Malerba总结提出产业演化是学习的结果，是在不同的产业独有的知识背景下展开的，由具有不同知识和学习能力的参与者之间通过竞争/合作、市场/非市场，正式/非正式的互动产生；产业演化一方面促进产业中的产品和生产工艺发生变化，同时也促使参与者、参与者之间的互动关系、制度、知识等发生变化[18]。董广茂等[19]，张洪阳[20]，孙晓华等[21]，石俊国等[22]分别从知识转移战略、消费者异质性偏好、产业知识基础、新技术冲击和破坏性创新技术体制等要素角度进行了研究，指出旨在降低生产成本的自主创新能力可使新兴市场国家企业打破发达国家企业通过知识转移战略所建立的市场壁垒，破坏性创新是驱动产业发展的重要因素。

在复杂系统理论的启发下，演化经济学逐渐从传统的选择理论转向非线性动力学、随机过程理论、自组织理论和协同演化等复杂系统演化理论，从单一层级的演化理论扩展到多个层级的共同演化理论[23]。由于存在正反馈效应和路径依赖，随机的非线性系统本身具有产生创新、传递创新和扩散创新的能力，并且可能会受到某种偶然事件的影响，而沿着一条固定的轨迹或路径演化下去[24]。Winter,Kaniovski,Dosi将产业中的企业的异质性和连续的随机进入纳入考虑范围建立了一个描述产业演化的模型[25]。盛昭翰等以小世界模型为基础建立产业动态演化模型,分析由不同企业组成并有新企业持续随机进入的产业的竞争动态[26]。信息技术产业演化的研究以实证研究为主，包括网络众筹的产业演化角度分析及对策建议[27]，战略性新兴产业技术与制度共同演化模型研究[28]，用时间序列模型来实证分析互联网产业演化过程[29]等。其他的产业演化研究包括矿产资源产业演化机制[30]，新能源汽车产业演化[31]，LED 产业演化研究[32]等。

5 演化分析方法和工具

5.1 演化博弈方法

从认知角度来看，演化博弈引入了演化信息，放弃了参与人的共同知识的假设，弱化了个体理性假设。演化博弈论方法以参与人群体为研究对象，分析动态的演化过程，解释群体为何达到以及如何达到这一状态，演化既有选择过程也有突变过程。国内已开展的研究包括运用演化博弈理论研究产业集群创新主体关系和创新方式[33]，基于演化动态构建产学研协同创新的知识转移演化博弈模型[34]，基于演化博弈理论研究产业创新系统的内涵、构成要素、结构与结构恃性、功能和运行动力,分析产业创新系统运行的技术、组织和制度各方面的机理[35]，针对低碳技术创新复杂系统建立动态博弈下的企业和政府目标决策模型并进行仿真应用验证[36]，运用动态演化博弈理论构建政府、企业和公众的三方博弈模型，采用Lotka-Volterra 模型求稳态均衡解[37]等。国外的研究有应用演化博弈方法对经济、管理和商业领域的知识生产网络进行研究[38]，研究创新集群中企业间的知识共享和演化稳定均衡(ESS)[39]，研究Agent的博弈和模仿策略机制所带来的“空间互惠”导致的创新行为终结和进入新的非均衡状态[40]。当前的研究通常假设个体间以均匀混合的方式交互，即所有个体部相互接触，形成完全连接网络，网络的形状和特性被忽略掉了。然而，现实情况中个体间的接触总是有限的，网络的形状和特性也是重要的影响因素。

5.2 复杂网络方法

复杂网络(Complex Network)指具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络。复杂网络研究的内容包括：网络的几何性质，网络的形成机制，网络演化的统计规律，网络上的模型性质，以及网络的结构稳定性，网络的演化动力学机制等。例如研究小世界特性的创新孵化网络对知识的转移效率和配置效率的影响[41]，采用复杂网络分析方法对信息通信技术(ICT)产业产学研合作创新复杂网络进行研究[42]，在无标度与小世界网络拓扑结构下,结合声誉机制、学习行为、网络环境等因素，研究利益驱动对创新网络合作行为演化的影响机理[43]，分析复杂网络中极少数大度的中枢节点对网络整体运行效率的影响[44]，基于复杂网络方法研究市场导向和多主体协同影响下的创新扩散[45]。Rycroft等指出，随着技术日益复杂，有组织的网络成为成功的创新的关键，推动创新网络的自组织化和技术组织的去中心化是其中的关键[46]。Johnsen等通过问卷调查的方式研究了复杂网络中的协同创新管理[47]。McCullen等基于复杂网络构建了一个多参数的创新扩散模型，把创新扩散中的行为人作为网络节点，并用变量表示行为人当前对创新的采纳程度，对不同的网络拓扑结构例如ER图和小世界网络等进行了模拟仿真并进行定量分析[48]。其他的研究包括对复杂网络中基于自主学习的知识获取动力学机制进行研究[49]，研究R&D复杂网网络在地理和协作上的关系及其效率[50]，分析复杂网络上的优化演化计算算法并探讨其应用性[51]等。针对特定产业的特点来设计网络中的节点的关键属性和网络中的权值，并应用新的算法和模型开展研究，是研究的热点方向。

5.3 演化计算方法

近年来兴起的“演化计算方法”研究是一种研究工具和方法论的巨大转变，即从单纯的以矩阵、图论等数学建模方式为主，逐步转向计算机建模仿真。认知经济学一方面需要考虑个体决策制定过程中的不完全信息性，另一方面又要包含社会网络中的信息传播与挪用。由于有限理性和不完全信息，学习在个体和群体层面都是核心的特征，Multi-Agent模型、复杂适应性系统仿真以及实验经济学都已发展为重要的研究工具。国内的研究有四螺旋官产学合作创新系统概念模型的SWARM仿真[52]，运用Netlogo进行产学研合作创新网络的演化仿真[53]，基于Multi-Agent构建产业创新网络演化模[54]，用于提升创新效率并降低创新风险的Multi-Agent协同创新结构模型和仿真[55]，基于复杂网络视角构建的市场导向下的Multi-Agent协同创新网络模型和仿真[56]。国外的研究有基于Agent模拟方法构建的动态PLS结构方程模型[57]，加入潜在客户基于保留价格的市场行为的创新扩散Agent模型[58]，基于Agent并引入了文化异质性的文化背景模型，采用Hofsteds的文化尺度和创新扩散行为进行模拟[59]，采用多Agent模拟方法(SME)对市场动态和创新管理进行研究[60]，采用基于代理的方法对产学研创新政策互动进行模拟仿真分析[61]，对实证Agent创新扩散模型进行汇总和模型校准[62]。

5.4 神经网络和机器学习方法

人工智能(AI)是一种将人类认知能力模型整合进入计算机算法模型中的技术，基于神经网络、机器学习等技术对与经济学有关的人类认知能力进行建模是近年来的热门研究方向，包括用于优化和调整的进化方法，用于关联推理的人工神经网络，以及用于规划的随机方法等。在研究信息产业创新系统的动力学机制，特别是创新的产生、选择固化和传播的动力学方面，人工智能有较好的应用前景，通过设计算法和模型，在只具备少量人为先验经验的情况下，自动从数据中抽取出合适的特征，完成原本需要通过特征工程才能得到的结果。目前国内的研究较多采用BP神经网络方法[63-66]。国外研究则已经拓展到人工神经网络(ANN)方法的创新网络研究[67]，人工神经网络KN算法对创新风险进行定量分析[68]，应用神经模糊鲁棒性模型对微观和宏观的创新潜能进行研究[69]，利用PLS-SEM人工智能网络研究知识管理与技术革新以及竞争优势的关系[70]，使用人工神经网络对技术创新的投资选择和风险管控进行研究[71]等。后续的研究应继续深入采用新的机器学习方法，并借鉴深度学习理论进行建模，进一步提升模型的匹配度和解释能力。

6 小结和后续研究考虑

信息技术产业高度依赖于创新，产业动态与信息和知识的创造与传播高度关联。本文对信息技术产业创新演化复杂系统研究框架进行分析，对认知和知识角度的创新层次、产业演化以及演化研究工具和方法等相关研究情况进行汇总。根据目前的研究情况，结合我国信息技术产业当前的现状，提出以下的建议：

1)用演化视角动态看待信息技术产业创新。信息技术是不断迭代上升发展的，突破性技术和创新涌现对产业演化形成巨大的推动力。此外，与汽车产业、光伏产业以及传统的化工产业等有具体生产成品或物品的产业不一样，信息技术产业的很大一部分产品是虚拟物品，或以信息服务的方式出现，要与其他产品、流程和机制结合才能成为真正的产出。微信从本质上来看，是一组程序源代码的逻辑性组合，但是与服务业结合就形成了强大的生产力。信息技术本质上就是研究信息的创造、编码和传播，信息技术产业的创新动力机制来自信息的流动和学习。从国家创新系统角度来看，政府的目的是通过政策信息释放信号，推动信息技术创新的形成和流动，能促进知识流动和网络化学习的措施就是好举措。要从国家层上保护知识产权，针对数字产权和专门考虑，促进知识流动，把文化、制度、政策等配套做到位。从区域创新系统和产业创新系统的角度来看，重点在于如何推动和协助企业高效地创造和学习相关的知识，以获得更佳的市场机会。

2)认识到信息技术产业创新的复杂系统性。建议在国家和区域的维度上，从演化复杂系统视角来重构信息技术产业创新系统，充分认识到自组织、自组织学习、网络化学习、路径依赖和涌现等特点，促进自组织效率，政府介入并推动自组织网络的高效率演化和发展推进网络化学习。发挥国家的制度优势，进行合理和有效的管制和激励，促进组织化学习和加强金融管理，推动区域协同的同时也允许一定层面的自由度。通过制度保障，正视信息技术产业的集聚性，根据地方特色进行产业集聚疏导。重新定位大学和研究机构的角色，重视基础教育，提前储备信息技术产业的人才队伍和培养技术能力。同时应当从近年的“共享自行车”的困局中汲取经验，适当干预，防止路径依赖和低端锁定，但也不能过于冒进。路径依赖可能会因为成熟技术的迭代演进而节省成本，带来效益递增，但也可能会因为固守成规错过创新机会导致“低端”锁定。此外，路径依赖和锁定会因为冲击性技术而解构，导致新的不均衡，经过市场博弈之后演进到下一个较为稳定的路径和锁定。在信息技术产业创新自组织形成的过程中，个体往往会从自身已有的核心能力和技术优势出发，选择自己认为最优的一条技术路径进行演进，并将演进方向锁定在某个既定的技术领域。研究路径依赖和锁定对信息技术产业自组织网络演化的影响，对于解释“低端锁定”、分析信息技术产业创新绩效和进行技术演化预测具有重要意义。

3)创新系统研究应该包含认知领域的相关成果。从认知角度来看，创新就是为了汇总信息，创造知识，并形成有效的知识学习机制。创新系统是为了有利于知识的创造、传播与转移的体系，通过产学研合作、国家政策、产业地理集聚等方式实现知识的集聚和传播。可以认为，产业的知识动态就等同于产业的演化与成长。在产业创新组织网络中，企业间协作和竞争都需要某种共同知识(例如行业标准、技术规范等)，同时企业在创新过程中为了提高效率需要不断推进其专用知识的标准化和编码程度，这些都会激励企业提高专用知识的通用程度。由于知识外溢和扩散，形成了强烈的外部性，促进了整个产业的知识增长。从这个角度上来看，产业演化过程就是某一种专用知识逐步通用化的过程，在此过程中，会有新的厂商进入，也会有原来的优势厂商因为无法跟上演化速度而退出。例如苹果手机最初采用的扁平化UI界面设计，在整个手机产业中不断通用化，最终促进了整个产业演化进入平板智能机时代，并引致诺基亚、西门子和摩托罗拉等厂商退出市场。

在后续的研究工作方面，利用已有的成熟模型，结合信息技术产业的实际数据，探讨有限理性条件下网络化学习以及行为人相互交互模式的途径和效果并进行定量分析，是一个值得深入的方向。其次,应该结合认知经济学的最新成果来开展研究，知识需要有合适载体才能固化留存和有效传播，“囤积”大量信息本身是没有价值的，这些信息只有通过反思、启发和学习等过程被每个个体予以有效处理，才能有用。知识管理指的就是一个系统的、有组织的对信息处理予以规定的过程，应用该过程可以对某些员工的隐性知识和显性知识进行获取、组织和交流。之后，其他员工就可以使用这些知识来提高他们的工作效率，使其更具生产力。

4)推动演化复杂方法的应用研究。由于产业边界的模糊化和快速扩张，应推动将以复杂网络方法、演化计算方法和机器学习等的计算机科学应用于产业创新系统的方法。创新来自于学习，依赖于信息的交互，而信息技术本质上就是研究信息编码和交互的一项技术，因此内生隐含了分析和解释自身创新和演进的理论和工具方法。随着人工智能领域的高速发展，将BP神经网络方法、机器学习和深度学习模型结合行为经济学、有限理性，通过迭代式数据输入和学习不断修正模型，应用于社会技术系统上，是一个具有良好前景的研究领域。后续可以进一步深入分析和识别信息技术产业创新系统的复杂网络结构，通过网络演化博弈和模拟仿真进一步分析研究。