本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #952
- 日期：2026-03-18
摘要
公司層級的技術變革通常被建模為從固定可能性分佈中隨機抽樣。這些模型通常忽略了公司搜尋過程中經驗上重要的方面，即公司當前技術限制未來創新以及公司技術搜尋本質上傾向於本地化的相關觀察。在本文中，我們透過將技術景觀引入搜尋理論框架，明確地處理了公司尋求技術改進的這些方面。技術搜尋被建模為技術景觀上的移動，公司的適應性行走受到公司在景觀中的位置、景觀的相關結構和創新成本的限制。我們表明，標準搜尋模型是作為更一般的景觀搜尋模型的極限情況而獲得的。我們獲得了標準搜尋模型中無法獲得的兩個關鍵結果：技術可能性空間中局部最優的存在以及最佳搜尋距離的確定。我們發現，在尋求技術改進的早期，如果初始位置較差或處於中等水平，那麼最好在技術領域進行較遠的搜尋；但隨著公司成功地找到了技術改進，最好將搜尋限制在局部區域。值得注意的是，我們獲得搜尋收益遞減，而不必假設公司從搜尋空間中的重複抽取是獨立且同分佈的。顯著的技術改進（“創新”）和微小的技術改進之間的差異取決於公司決定對技術景觀進行採樣的距離。