工业数字平台价值扩展：平台架构、平台服务与平台治理的协同演化
一、 作者、机构与发表信息
本项研究的主要作者为 Marin Jovanovic (所属机构：丹麦哥本哈根商学院运营管理系)、David Sjödin 与 Vinit Parida (后两位作者所属机构：瑞典吕勒奥理工大学工商管理、技术与社会科学系，并同时隶属于挪威东南大学商学院)。该研究以题为《Co-evolution of platform architecture, platform services, and platform governance: expanding the platform value of industrial digital platforms》的论文形式，发表于学术期刊 *Technovation*。文章在线发表于2020年，收录于该期刊的某一卷期。
二、 研究学术背景
本研究隶属于数字创新与战略管理交叉领域，具体聚焦于“数字服务化”(Digital Servitization)和“工业数字平台”(Industrial Digital Platforms)两大前沿主题。在制造业数字化转型的浪潮下，工业制造商正日益采用数字平台来创造和捕获新价值。然而，现有研究存在显著空白。
首先，当前平台研究大多侧重于B2C（企业对消费者）的多边市场平台（如Uber、Airbnb），而对B2B（企业对企业）背景下，尤其是工业领域的数字平台关注不足。工业数字平台通常围绕实体资产（如建筑设备、机床）构建，其发展路径、参与主体和治理逻辑与消费互联网平台存在本质差异。其次，现有文献缺乏一个整体的、过程性的视角来理解工业数字平台是如何演化的。具体而言，平台的技术架构（Platform Architecture）、基于架构提供的服务（Platform Services），以及管理平台参与各方的规则与机制（Platform Governance），这三者如何相互关联、协同演化，从而共同扩展平台价值，尚不清晰。理论上的“镜像假说”（Mirroring Hypothesis）认为技术架构与治理结构会相互对应，但这一假说在工业数字平台动态演化过程中的具体体现尚未得到充分探究。
因此，本研究旨在填补上述研究缺口。其核心目标是：探究工业制造商如何通过工业数字平台的演化来扩展平台价值，特别是阐明平台架构、平台服务和平台治理三者之间的协同演化过程。
三、 研究详细工作流程
本研究采用定性研究方法，基于扎根理论构建（Grounded Theory Building）的原则，通过对多个典型案例的深入分析来构建理论框架。具体工作流程如下：
1. 研究设计与样本选择： 研究采用多案例研究设计，以便从复杂、并行的过程中生成多重观察，并对理论上前沿的现象获得详实见解。研究样本选择了四家全球领先的建筑设备制造商（在文中化名为Alpha, Beta, Gamma, Delta）。选择这些公司的标准是：它们均在数字化转型中采取了重大步骤，围绕其工业资产成功开发了数字平台，提供了从基础监控到高级优化乃至自动化解决方案的一系列平台服务，并且已经开始与外部合作伙伴（互补者）甚至行业竞争对手合作开发人工智能驱动的自主服务。这确保了案例具有信息丰富性和理论启发性。
2. 数据收集： 数据收集在2018年5月至2020年1月期间进行，主要通过两种来源： * 半结构化访谈： 研究者开发了访谈提纲，旨在揭示数字平台开发的过程。通过滚雪球抽样法，总共对48名关键信息提供者进行了访谈。受访者包括高级副总裁、首席技术官、业务发展经理、研发经理、项目经理、关键客户经理等不同职能和层级的人员，以确保获得多方面的观点。访谈围绕数字服务化、技术架构发展、合作伙伴参与以及平台服务组合开发等主题展开，鼓励受访者不仅描述当前状态，也追溯平台发展的关键历程和里程碑。每次访谈时长60-120分钟，面对面或通过在线会议进行。 * 档案资料： 为减轻回顾性偏差并验证访谈内容，研究者同时收集了大量档案资料，包括公司报告、演示文稿、新闻报道等，用于跟踪平台发展过程中的变化并进行三角验证。
3. 数据分析： 数据分析采用主题分析法（Thematic Analysis），这是一个系统化识别数据中模式的过程。具体步骤如下： * 第一步（识别经验主题）： 深入阅读访谈转录文本，对受访者使用的共同词汇、短语和术语进行编码，提炼出反映受访者原意的经验主题（例如，“连接机器收集数据”、“创建数据分析门户”、“与经销商合作教育”）。 * 第二步（构建概念类别）： 进一步审视这些经验主题，发现它们之间的联系和模式，通过迭代过程将相关的经验主题组合成理论上 distinct 的概念类别。例如，与数据和技术相关的主题被归类为“产品数据收集”、“分析利用”和“人工智能启用”；与服务相关的主题被归类为“监控服务开发”、“优化服务开发”和“自主服务开发”；与合作伙伴管理相关的主题被归类为“价值链扩展”、“价值系统扩展”和“生态系统扩展”。 * 第三步（形成聚合维度与理论框架）： 利用文献见解，将概念类别聚合成更高层次的聚合维度：平台架构（包含产品数据收集、分析利用、人工智能启用）、平台服务（包含监控、优化、自主服务开发）和平台治理（包含价值链、价值系统、生态系统扩展）。接着，研究者分析了这三个聚合维度之间、及其下属类别之间的逻辑联系和“镜像”关系。通过跨案例分析，他们识别出三个清晰的演进阶段，并将其标记为三种平台原型：产品平台、供应链平台和平台生态系统。此外，研究者还从文献中引入“搜索深度”、“搜索广度”和“重组”这三个创新机制的概念类别，用以解释每个原型阶段平台价值扩展的内在驱动力。 * 验证： 初步分析结果向10名案例公司的关键信息提供者进行了展示和讨论，以验证研究发现的有效性，并根据反馈进行了相应调整。
四、 研究主要结果
研究结果揭示了一个工业数字平台演化的整体模型，清晰地展示了平台架构、平台服务和平台治理三个维度如何相互关联、协同演化并镜像对方。
1. 平台架构的演化阶段： * 产品数据收集阶段： 初始投资于传感器网络，连接大量工业资产（如建筑机械），以机器为中心收集基础运行数据（如油温、工时）。核心是建立连接能力，为后续服务提供数据基础。 * 分析利用阶段： 部署更先进的传感器，增加数据质量和多样性（如地理定位、负载测量）。投资于云服务器和数据分析能力，对数据进行聚合、关联和模式识别，实现实时可视化和高级分析。 * 人工智能启用阶段： 引入AI算法（如机器学习）和更开放的接口（如API）。AI用于根因分析、预测性维护和自主决策。平台开放性允许外部技术合作伙伴通过API接入，利用平台数据开发增值服务，极大地扩展了平台的功能边界。
2. 平台服务的演化阶段： * 监控服务开发： 对应产品数据收集阶段。提供机器层面的自动化报告、早期预警和基础诊断服务（如燃油效率分析、故障预警）。服务视角是单个机器。 * 优化服务开发： 对应分析利用阶段。服务范围从单机扩展到整个车队乃至整个工作现场。提供车队管理、现场管理服务（如交通流优化、生产监控），甚至基于结果的商业模式，即保证客户设备的总正常运行时间。 * 自主服务开发： 对应人工智能启用阶段。提供自主运输解决方案（如无人驾驶卡车）和自主咨询服务。后者利用AI动态调整客户流程以实现战略目标最大化，代表了最高级别的服务价值。
3. 平台治理的演化阶段： * 价值链扩展： 初始阶段聚焦于与传统供应链伙伴（如经销商、服务代理商）合作。平台赞助商对他们进行培训和能力建设，确保他们能够理解并传递数字服务的价值，共同服务客户。 * 价值系统扩展： 将治理范围扩展到需求侧（客户）和特定的技术互补者。通过客户细分、免费试用期等方式推动平台采用。同时，与选定的技术伙伴合作，开发平台核心能力之外的功能。 * 生态系统扩展： 治理变得更为开放和合作。平台赞助商主动开放接口，促进不同平台服务间的互操作性，甚至允许竞争对手的设备接入以实现混合车队优化。目标是构建一个类似“应用商店”的开放市场，吸引第三方开发者创建增值应用，从而重塑行业边界。
4. 协同演化与平台原型： 研究发现，上述三个维度并非独立发展，而是紧密耦合、相互镜像，共同定义了三个清晰的平台演化原型，每种原型由特定的创新机制驱动： * 产品平台： 架构基础是机器数据收集，提供监控服务，治理聚焦于价值链扩展。其价值扩展主要依赖于 “搜索深度” 机制，即在特定数据源内进行深入分析，发现“低垂的果实”（如效率提升点）。 * 供应链平台： 架构升级为分析利用，提供优化服务，治理扩展至价值系统（客户与互补者）。价值扩展通过 “搜索广度” 机制实现，即关联和分析来自不同机器、不同系统的多样化数据，识别跨系统的模式和优化机会。 * **平台生态系统： 架构演进到人工智能与开放接口，提供自主服务，治理演变为开放的生态系统。价值扩展的核心机制是 “重组” ，即将各种微服务（Micro-services）像乐高积木一样重新组合，配置成高度定制化、新颖的解决方案（如将车队数据、地理信息、天气预报和AI算法重组为一个动态排程方案）。
研究通过丰富的访谈引语和跨案例证据，详细论证了每个阶段中架构、服务、治理的具体实践及其相互支撑关系。例如，没有分析利用的架构（第二阶段），就无法支撑车队优化服务（第二阶段）；而没有开放的生态系统治理（第三阶段），就很难整合多方资源来实现AI驱动的自主服务（第三阶段）。
五、 结论与研究价值
本研究的主要结论是：工业数字平台的价值扩展是一个渐进、协同的演化过程，表现为三种不同的平台原型（产品平台、供应链平台、平台生态系统）。每一种原型的形成和演进，都依赖于平台架构、平台服务和平台治理三个维度的共同发展与紧密镜像。驱动这一价值扩展的内在机制，依次从搜索深度、搜索广度过渡到重组。
研究的科学价值主要体现在对现有理论的延伸： 1. 扩展了平台生态系统文献的协同演化视角： 通过实证研究，具体化了“镜像假说”在工业B2B平台动态演进中的应用，提出了一个包含架构、服务、治理三维度的协同演化框架。 2. 丰富了数字服务化文献： 揭示了数字服务化如何与平台化战略深度融合，并阐明了从提供简单数字服务到构建复杂平台生态系统的具体路径和所需条件。 3. 深化了对B2B平台独特性的理解： 指出工业数字平台的发展通常始于专有、封闭，逐步选择性开放，且由于资产专用性高、转换成本大，其竞争格局更倾向于“平台竞合”而非消费互联网的“赢家通吃”。
研究的应用价值（管理启示）包括： 1. 为工业制造商提供了清晰的路线图： 管理者需同时管理技术架构、服务创新和伙伴治理这三个关键维度，理解它们之间的协同关系。 2. 指明了投资和管理重点： 从监控服务迈向自主服务，需要相应地在数据收集、分析能力、AI技术以及开放合作上进行阶梯式投资。 3. 重新定义了平台赞助商的角色： 在生态系统中，平台赞助商不仅是技术提供者，更是生态的构建者、规则的制定者和价值的协调者。 4. 强调了数据质量和开放性的战略意义： 获取高质量数据是基础，而战略性开放则是激发生态创新、实现价值跃升的关键。
六、 研究亮点
七、 其他有价值内容
研究在讨论部分还指出了未来值得探索的方向，例如：工业数字平台早期演化阶段的具体动力学、参与者特定数据如何塑造平台治理、互补者的选择性引入机制、以及数字创新机制在平台服务发现中的更细致作用等。这些都为后续研究提供了清晰的议程。
这项研究为理解工业制造业在数字化时代的平台化转型提供了系统、深入且极具洞察力的理论框架和实践指南。