当前位置：首页>跳槽>顶刊RP:核心研发人员跳槽,能把整套技术一起带走吗?

顶刊RP:核心研发人员跳槽,能把整套技术一起带走吗?

2026-08-24 04:38:12

在这里输入文本

核心研发人员跳槽后，企业最担心的不是少了一个人，而是他把原公司的技术知识带到了新雇主那里。

一种直观判断是，参与研发的人越多，知道技术秘密的人就越多，知识泄露的风险自然越高。但另一种可能是，大型研发团队通常分工更细，每个人只掌握整套技术中的一部分。即使其中一人离职，他能够带走的也只是一块拼图，很难独立复制原有技术。

那么，研发团队究竟是增加了知识泄露的渠道，还是构成了一种知识保护机制？

宁波诺丁汉大学商学院的 Di Tong 和经济学院的 Xiaoyu Zhang 在创新管理领域权威期刊 Research Policy（FT50）发表论文"Leaky Mess or Safety Vaults? Team Knowledge Production and Post-Mobility Knowledge Spillover"（知识泄漏的温床，还是安全保险库？团队知识生产与发明人流动后的知识溢出），研究了团队知识生产与发明人流动后知识溢出的关系。

文章利用美国专利和发明人流动数据，构建了23,909次跨企业流动事件。

研究发现，团队研发的专利比个人独立研发的专利更不容易被发明人的新雇主使用。团队每增加一名成员，相关专利被新雇主引用的概率下降约0.2个百分点。

这种保护并非因为团队成员掌握了更特殊的技能，而是因为分工将有经济价值的技术知识分散在不同成员手中。一个人离开团队后，通常无法获得其他成员掌握的知识片段。

但这种保护存在两个重要边界。当多名共同发明人一起跳槽时，分散的知识会被重新组合，团队保护作用明显减弱。当技术本身已经十分复杂时，复杂性已经构成模仿障碍，团队规模提供的额外保护也会下降。

研究背景

1. 人才流动之后，企业如何保护知识

研发人员流动是企业间知识传播的重要渠道。专利文件可以记录技术成果，却很难完整记录研发过程中形成的经验、判断、实验方法和操作细节。这些难以编码的知识往往储存在发明人头脑中。当发明人转入其他企业后，新雇主可能利用其经验继续研发，甚至直接沿用原企业的技术路线。

企业通常可以通过竞业限制、保密协议和知识产权诉讼减少人才流动及知识外泄。但这些法律手段存在明显局限：

执行成本较高，企业需要投入大量时间和法律资源。
不同地区对竞业限制的认可程度存在差异，合同未必能够有效执行。
过度限制员工流动可能损害企业声誉，增加招聘优秀人才的难度。

因此，一个更现实的问题是，当核心人员离职无法避免时，企业能否通过内部研发组织方式，降低其带走完整知识的能力。

2. 团队研发可能增加泄露，也可能保护知识

围绕团队研发与知识泄露，现有研究存在两种相反观点：

第一种观点强调信息接触范围。知识接触者越少，越容易保密。团队研发需要成员交流信息，团队越大，知道相关技术的人越多，潜在的泄露渠道也越多。从这一角度看，大型研发团队可能增加知识流出的风险。
第二种观点强调劳动分工。大型团队通常会把研发任务拆分为若干子任务，每位发明人只负责其中一部分。团队规模越大，单个成员掌握的完整技术比例可能越低。即使某位成员跳槽，他也未必能够独立复制整项技术。

文章的关键工作，就是解释这两种逻辑为何可以同时成立，并判断哪一种力量在发明人流动后占据主导地位。

理论机制

1. 团队生产形成两类知识

作者将研发团队中的知识分为任务专属知识和元知识：

任务专属知识是完成具体发明任务产生的实质性技术知识，例如某个部件的设计方法、某项工艺的参数设置以及不同技术模块之间的配合方式。这类知识具有直接经济价值，也是新雇主真正希望获得的内容。
元知识是用于协调团队合作的知识，包括整个项目要解决什么问题、每个人负责什么、谁掌握哪类技能以及不同子任务如何衔接。为了保证团队正常运转，元知识需要在成员之间共享。

团队扩大后，更多成员会了解项目目标和人员分工，因此元知识更容易随人才流动而传播。但元知识只能告诉新雇主某项技术由哪些部分组成，并不能直接提供全部技术细节。缺少任务专属知识，仅仅知道谁负责什么，通常不足以完成技术复制。

2.2 分工使实质性知识碎片化

团队研发的核心特征是分工。当一项发明由个人独立完成时，该发明人可能掌握从技术构思到具体实施的全部知识。离职之后，他更有能力在新企业重新使用这些知识。

当一项发明由多人共同完成时，不同成员分别负责材料、结构、算法、制造或测试等环节。每个人掌握的主要是与自身任务相关的知识，完整技术则分散在整个团队之中。

团队规模越大，任务划分通常越细，单个发明人掌握的知识份额越小。离开原企业后，他也难以继续向原同事获取其他知识片段。因此，作者提出：

团队规模越大，相关专利被发明人新雇主使用的概率越低。
如果多名共同发明人一起流动，更多知识片段会进入同一家企业，团队规模的保护作用将减弱。
如果知识本身已经非常复杂，复杂性已经能够提高理解和模仿难度，团队规模提供的额外保护将相对有限。

研究设计

1. 发明人流动事件的识别

文章使用 PatentsView 数据库中的美国实用专利数据。该数据库对发明人和专利权人进行了消歧处理，可以追踪同一发明人在不同企业之间的专利申请记录。

如果一名发明人连续两项专利对应不同企业，作者便将其识别为一次潜在的跨企业流动，并将两次专利申请日期的中点作为近似流动时间。

为提高识别准确性，样本进一步进行以下处理：

只保留样本期内发生一次跨企业流动的发明人。
如果前后两项专利的申请时间相隔超过四年，则无法准确判断流动时间，予以剔除。
剔除共同流动人数超过10人的事件，避免将企业并购或研发团队整体收购误判为普通跳槽。
剔除流动年份晚于2018年的事件，为后续引用留出足够观察期。
剔除距离流动时间过近、存在多个专利权人或在流动十年前已经授权的专利。

最终样本包含23,909名流动发明人、23,909次流动事件和121,202项流动前专利，涉及7,275家原企业和9,772家新雇主。

2. 知识溢出的衡量

文章使用专利引用识别知识的后续使用。

如果发明人的新雇主在其流动后的第二年至第五年引用了该发明人在原企业参与申请的专利，说明新雇主可能利用了相关知识。核心被解释变量 Cited 在发生引用时取1，否则取0。

作者关注的是知识是否成功进入新企业，而不是进入后被使用了多少次。样本中约90%的专利没有被新雇主引用，因此基准分析采用线性概率模型。

核心解释变量 Team Size 是专利列示的发明人数。共同流动发明人数则根据同一年从同一原企业进入同一新雇主的共同发明人数量计算。

文章还根据专利技术子类之间的既有组合情况构造知识复杂度。专利涉及的技术组件越多，组件之间的组合越少见，知识复杂度越高。

3.3 基准模型

基准模型在专利与流动事件层面展开。作者比较同一次流动事件中，发明人离职前参与的多项专利是否被新雇主引用。

模型控制流动事件固定效应，相当于控制发明人、原企业和新雇主组合的共同特征。因此，识别主要来自同一名发明人的不同专利在团队规模上的差异。

模型还控制专利流动前引用次数、权利要求数量、是否属于原企业核心技术领域、团队成员既往合作经验、专业知识相似性以及专利授权与流动之间的时间间隔，并加入专利申请年份和技术类别固定效应。标准误在发明人层面聚类。

实证结果

1、描述性统计

样本中约60%的企业具有家乡高管，约30%的企业参与了扶贫。均值比较显示，具有家乡高管的企业在扶贫参与和扶贫投入方面都高于其他企业。

2、基准回归结果

基准回归显示，高管家乡身份对两个扶贫指标均显著为正。具体而言，在是否参与扶贫的Logit模型中，HI系数显著为正；在扶贫投入强度的OLS模型中，HI系数同样显著为正。文章进一步计算经济意义发现，高管家乡身份增加一个标准差，企业扶贫参与概率提高约25.12%的标准差，扶贫投入强度提高约3.56%的标准差。

这说明，家乡身份不仅影响企业是否参与扶贫，也影响企业投入多少资源。

3、工具变量检验

为了缓解内生性问题，文章使用2SLS工具变量方法。

第一个工具变量是企业总部所在省份晴天比例。逻辑是，气候更好的地区更容易吸引外地人才，从而降低企业聘用本地高管的概率，但天气本身不太可能直接决定企业扶贫。
第二个工具变量是省份内佛教和道教寺庙数量。逻辑是，传统宗教文化反映地方社会文化特征，可能影响本地身份形成和本地高管任用，但不应直接决定具体企业的扶贫决策。

第一阶段结果显示，两个工具变量与高管家乡身份显著相关，弱工具变量检验也支持工具变量相关性。第二阶段结果中，HI对扶贫参与和扶贫投入仍显著为正。

机制分析

1. 团队研发降低流动后的知识使用

基准回归首先比较团队专利和个人专利。结果显示，相对于个人独立完成的专利，团队研发专利被新雇主引用的概率下降1.2个百分点。个人专利被新雇主引用的预测概率约为12%，因此这一结果相当于知识溢出概率下降约10%。

将团队规模作为连续变量后，每增加一名发明人，专利被新雇主引用的概率下降约0.2个百分点。

分组结果显示，主要保护作用来自规模适中的团队。与个人发明相比，2至5人团队的引用概率下降1.1个百分点，6至10人团队下降1.9个百分点，11至25人团队下降2.4个百分点。超大型团队数量较少，估计精度相对有限。

4.2 同一知识在原企业内部更容易继续使用

如果大型团队生产的知识只是质量较低或缺乏使用价值，那么无论原企业还是新雇主，都应当较少引用这些专利。

但回归结果显示，团队规模越大，专利越可能在发明人离职后继续被原企业引用。

这一区别符合知识碎片化机制。在原企业内部，共同发明人仍然可以相互沟通，不同知识片段能够被重新组合。发明人离开后，新雇主只能获得其中一部分，因而难以使用完整技术。

两个关键边界

1. 共同发明人一起跳槽，保护作用减弱

团队规模与共同流动人数的交互项显著为正。

团队规模本身降低知识溢出概率，但每增加一名共同流动的共同发明人，这种负向关系会减弱。当超过一名共同发明人进入同一家新雇主时，团队规模的保护作用甚至可能发生反转。

原因在于，共同流动不仅让新雇主更了解原有项目，也使多个发明人掌握的知识片段重新集中到同一企业。团队原本形成的知识分散结构因此被部分恢复。

不过，样本中超过90%的流动事件不存在共同发明人一起跳槽。因此，在多数普通人才流动事件中，大型团队仍然能够发挥知识保护作用。

2. 技术越复杂，团队规模的额外作用越小

团队规模与知识复杂度的交互项同样显著为正。知识复杂度越高，发明人越难向新同事解释技术组件之间的相互关系，新雇主也越难完成复制。复杂技术本身已经形成保护，因此团队分工带来的额外保护相对下降。

结果显示，知识复杂度提高一个标准差，会抵消团队规模平均保护作用的大约一半。

这意味着团队规模和知识复杂度是两种可以相互替代的保护机制。对于较容易理解和模仿的技术，团队分工尤其重要。对于本身高度复杂的技术，即使研发团队较小，外部企业也未必能够顺利吸收。

机制检验

1. 知识越多，分工保护越明显

如果团队保护来自任务专属知识的碎片化，那么需要处理的知识越多，团队就越需要细化分工，保护作用也应越强。

作者使用专利独立权利要求数量衡量知识规模。结果显示，团队规模与权利要求数量的交互项显著为负。只有当研发任务包含较多实质性知识时，团队规模才表现出明显的保护作用。

这一结果说明，团队并非仅仅因为人数众多而降低知识流动，真正发挥作用的是多人分工形成的知识分散。

2. 并非团队专属技能无法转移

另一种解释是，发明人离职后失去了熟悉的合作伙伴，其个人技能无法在新企业发挥作用。这属于团队专属人力资本机制。

为区分两种机制，作者考察团队成员既往合作经验和专业知识相似性。如果结果主要来自成员之间的技能互补，那么团队规模的保护作用应当在合作经验更多或技能联系更强的团队中更加明显。

回归结果并未支持这一判断。团队规模与既往合作经验、专业相似性的交互项均不显著。

作者还检验新雇主是否首次进入相关专利技术领域。团队规模没有显著降低新雇主进入该领域的概率，说明发明人的一般技能仍然可以传播。真正受到限制的是某一项具体专利所包含的任务专属知识。

6.3 并非新雇主缺乏关注

共同流动可能只是提高了新雇主对原企业技术的关注，而未必帮助其获得更多知识片段。

为排除这一解释，作者进一步考察与发明人一起跳槽、但没有参与相关专利研发的其他同事。此类人员可以提高新雇主对原企业的了解，却无法提供该项专利的具体知识。

结果显示，这些非共同发明人的流动不会显著削弱团队规模的保护作用。只有真正掌握相关知识片段的共同发明人一起流动，知识溢出才会增加。

整体效果、工具变量与稳健性

1. 大型团队虽然离职人数更多，整体泄露仍然更少

大型团队成员较多，至少一人离职的概率可能更高。单次流动中的保护作用，不一定意味着专利整体上更安全。

作者因此将数据汇总到专利层面。结果显示，大型团队确实会经历更多发明人离职，但离职人数占团队成员的比例更低。更重要的是，大型团队专利最终被任何一家新雇主引用的概率仍然较低。

因此，即使考虑多次人才流动，团队规模仍然表现出净知识保护作用。

2. 团队规模影响是否泄露，而非泄露后的使用次数

作者还使用两部分模型分析专利被引用的次数。

结果显示，团队规模显著降低专利是否被新雇主使用，但在知识已经成功溢出之后，团队规模不会继续降低其被使用的频率。

这一结果符合知识碎片化逻辑。分工提高的是获取完整知识的门槛。一旦新雇主已经跨过这一门槛，原团队规模便不再影响后续使用次数。

3. 工具变量分析

团队规模可能受到研发任务难度、企业战略和人员配置等因素影响，因此基准结果不能直接解释为严格的因果效应。

作者采用两个变量作为团队规模的工具变量：

专利申请前企业累计离职的发明人数。
专利申请前企业累计死亡的发明人数。

两类事件都会减少企业可使用的研发人力，从而限制团队规模。工具变量估计中，经过工具变量处理的团队规模系数仍然显著为负，为团队规模降低知识溢出提供了初步的因果证据。

但作者也明确指出，发明人离职或死亡可能与企业随时间变化的经营状况有关，因此工具变量结果仍应谨慎解释。

7.4 其他稳健性检验

纳入发生多次流动的发明人。
仅保留单人跳槽事件。
放宽共同流动发生年份的限制。
不限制引用必须发生在流动后五年以内。
剔除成员超过15人的大型团队。
使用引用次数并采用两部分模型估计。
比较不同竞业限制执行强度的地区。

主要结论保持一致。值得注意的是，在竞业限制执行较弱的州，团队规模的保护作用更强。这说明当企业难以依靠法律阻止人才流动时，内部研发组织方式具有更高价值。

参考文献

Tong, D., & Zhang, X. (2026). Leaky mess or safety vaults? Team knowledge production and post-mobility knowledge spillover. Research Policy, 55(6), 105548.