3.能力理论
交易成本经济学预示，在其他条件相同的情况下，如果需要投资于特殊（交易专用型）资产，存在相当大的不确定性，并且交易很可能频繁发生，那么共同所有权（纵向或横向一体化）将是可取的。威廉姆森同意霍姆斯特朗和罗伯茨（Holmstrom and Roberts，1998，第91页）的观点：“企业理论已经变得过于狭隘，只关注要挟（holdup）问题”和“资产专用性的作用”（2002，第189页）。其他相关因素可能包括企业能力。
虽然威廉姆森在诺奖演讲中没有提到，但他或许有些勉强地*1.威廉姆森评论说，关于能力框架，“在交易成本的早期使用阶段，存在太大的自由度和太多的事后合理化”（Williamson，2007，第375页）。认为能力理论和交易成本经济学“既竞争又互补……后者重于前者”（1996，第1106页）。他指出了一种可能性，即“交易成本经济学为企业是自制还是购买的一般性决策提供了指导，而企业能力理论则引入了更多细节”（1999，第1097页）。
我们可以观察到，威廉姆森关注的是企业与市场的关系，而不是战略管理领域的企业竞争这一主题，在这个领域里，能力的视角非常重要并得到了相当多的关注（Williamson，1999）。他很清楚，应该像弗兰克•奈特（Frank Knight，1921）和罗纳德•科斯（1937）建议的那样，提出公司规模问题：为什么大公司不能做一群小公司能做的一切，甚至做得更多。这自然让他转向有关能力的分析框架，在这一框架下人们要问：（1）相关的能力（现在和未来）是否应该置于公司内部或外部；（2）客户数据留存在何处，谁拥有它；（3）人类和机器如何使用实时数据了解客户的需求和欲望，并做出决策。因此，企业的边界也必须与能力、学习、快速组合和重新部署相关，而不仅仅与交易成本经济学的合同问题相关。
如果人们接受上述命题，那就需要对能力概念进行一些探索。威廉姆森也赞同这一点，但他认为“所有关于企业和市场组织的好理论都应该根据实用主义方法论的四个原则进行检验”。首先，保持简单；第二，使它正确；第三，使之可信；第四，做出预测并进行实证检验（Williamson，2007，第374页）。作为第一步，本节的其余部分将尝试分析“能力框架”。我接受威廉姆森提出的挑战，即引入细节并进行实证检验。所有反垄断或竞争政策问题都需要关注细节，从而关注能力。有相当多关于能力的文献，这里不再赘述。赫尔法特等人（Helfat et al.，2007；Teece，2007，2014，2016，2017）对此给出了很好的综述。与交易成本经济学一样，能力视角“将正统观点视为例外，都使用有限理性结构，都认为组织很重要”（Williamson，1999，第1098页）。
3.1企业层面的能力
商业企业的本质在于它的能力，一位著名的产业组织经济学家说，“国家财富差异的直接原因很大程度上在于企业的能力”（Sutton，2012，第8页）。尽管如此，经济学模型通常把企业视为同质的，当今的主流经济学家在思考企业边界决策时，只参考交易成本或某个垄断杠杆理论。代理理论使得与融资结构相关的选择动态化。组织理论家和战略管理学者的工作包含更丰富的企业组织论。能力视角目前在战略管理和技术管理领域得到了很好的体现，但经济学专业尚未受到影响。能力可以分为“普通能力”（ordinary capabilities）和“动态能力”。*1.本节部分引用Teece（2014）。
如果普通能力弱，企业就只能维持生存，如果普通能力强，则能让企业出色地完成既定任务。一个公司的普通能力使它能够生产和销售一套确定但静态的产品和服务。然而，普通能力的存在并不能说明当前的产品和生产计划是否合理（甚至是否有利可图）。能力的本质及其根本过程就是，直到不得不改变的时候它们才会改变。
改变的过程是被称为动态能力的更高层次能力的关键元素。动态能力决定了企业当前是否在生产合适的产品，合理地细分市场。动态能力也具有前瞻性，有助于决定企业的未来计划是否与不断变化的消费者需求以及技术和竞争机会相一致（Teece et al.，1997）。简言之，普通能力关乎的是把事情做对；动态能力关乎的是做对的事情。
强大的动态能力反映了企业在协调其资源、能力和其他资产方面的优秀程度。它们允许组织，特别是其最高管理层，对市场和技术的发展进行推测，验证它们，并重新组合资产和能力以满足新的需求。动态能力还用于评估企业何时以及如何与其他企业结盟，共同创建业务生态系统。
能力理论解释了企业层面的异质性和个体企业的绩效。新古典经济学和标准微观经济学通常假定企业是同质的。当体现为企业能力并能界定竞争的实际行为发生在上游时，重点就是企业在产品市场中的地位（以市场份额衡量）。
在传统的分析中，企业的市场份额被视为竞争脆弱性（competitive vulnerability）的反向指标。拥有高市场份额的大公司被视为受到了保护，但情况通常并非如此。小公司可能比大公司拥有更多的市场保障。市场份额并不是衡量企业稳固程度的必然指标。数字经济的情况往往正好相反。很大的市场份额可以来自机遇、网络效应或不依赖于公司先天能力的其他因素。英特尔前首席执行官安迪•格鲁夫（Andy Grove）曾经非常正确地宣称，英特尔相对较高的市场份额只不过为它参与下一轮创新提供了一席之地。简言之，在快速技术变化的环境中，在位者往往没有什么特别的优势。
事实上，大型企业常常更容易受到伤害，因为它们通常不愿意从事与现有产品构成竞争的创新，这些创新很容易被竞争对手和新进入者采用（Christensen，1997）。因此，在能力层面上评估竞争实力是不可替代的。分析产品市场份额并将它作为衡量竞争脆弱性的指标不仅毫无意义，而且很容易产生误导。特斯拉在汽车市场上的小份额和高市值就是例证。用传统反垄断的市场份额作为标准，丰田的市场脆弱性会更低，但资本市场并不这么认为。
综上所述，微观经济分析采用静态分析，更倾向于普通能力的视角，而忽略了动态能力。熊彼特（含蓄地）关注动态能力和动态（高能力的）竞争。标准产业组织经济学隐含静态优化，因此涉及普通能力和普通（低能力的）竞争。这种思路对竞争政策的影响是，它淡化了创新作为竞争机制的作用。*1.一些竞争机构的工作人员和许多反垄断学者可能不同意这一判断；但他们没有能力或意愿超越标准的产业组织文献，以及他们撰写的著述和提出的建议，恰好说明这个判断是成立的。更糟糕的是，它导致了有利于静态竞争而削弱动态能力的政策。
3.2技术能力和企业边界
如上一节所述，交易成本经济学要求企业的边界设定不仅要参照合同问题，而且要参照从合同角度看的组织的技术能力（Teece，1980，1981）。威廉姆森（1975）明确认为，技术的不可分离性并不足以确定企业的边界。他讨论了为什么仅靠“能耗经济性”（thermal economies）不足以解释钢铁制造业的一体化。他总是问：“为什么这些经济性不能用合同来获得？”随着时间的推移，威廉姆森开始看到经济组织的问题并不是“非市场即层级制企业”，而是两者同时存在（Williamson，2002，第175页）。他对产权方法持批评态度，因为它假定了“关于回报的共同知识”（common knowledge of payoffs，Kreps and Wilson，1982）和无成本的讨价还价。
战略管理理论告诉我们，个体企业的竞争优势，尤其是在高科技领域，源于拥有正确的能力（并巧妙地使用它们）和设置正确的边界（治理）。技术能力包括普通能力和动态能力两种要素。企业能力的衡量不仅与企业用来实现最佳实践（普通能力的一部分）而拥有和使用的知识（技术资源）存量有关，而且与企业预期、发展、协调、结合现有技术并发明新技术这一动态能力的关键方面密切相关。换句话说，为了适应不断变化的用户需求而使用的技术/数据和其他资源是非常重要的。正如贝尔和帕维特（Bell and Pavitt，1995，第78页）指出的：“产生和管理技术变革所需的技术能力包括技能、知识和经验，这些技能、知识和经验通常（但并非总是）与操作现有技术系统所需的技术有本质区别。”这些技能和能力可能是公司特有的。勒尼德•汉德（Learned Hand）法官在1945年对美国铝业公司的判决*1.美国诉美国铝业案148F.2d416 （2dCir.1945）。中承认了企业专有能力（firmspecific）的概念，并指出法律不应惩罚凭借出众的“技能、远见和勤奋”而取得的成功。早在战略管理文献中的各种理论框架出现之前，汉德法官就开始考虑动态能力的视角，更不用说反垄断文献了。
然而，技术资产不能支持竞争优势，除非它们被巧妙地部署。公司需要一个可行的商业化战略建立竞争优势。例如，柯达早期在数字成像技术方面处于领先地位，但未能实现商业化，部分原因是担心损害其高利润的感光胶片销售。简言之，如果想在市场上取得成功，公司还需要持续的改进和强大的商业化战略。成功不仅仅是几项大胆的举措，它还需要持续（但快速）的学习，包括发明、模仿、修正、收购（如果缺少技术元素的话）和战略联盟。简言之，强大的能力是必要的，原因有二：（1）达成或超越与现有产品相关的“最佳实践”（在质量和功能方面），如通过有远见地使用和改进现有技术；以及（2）开发新的产品和服务以满足并在可能的情况下预测客户/用户的需求。这首先需要强大的运营管理（普通能力）；其次需要创业管理，而创业管理需要具备“感知”新市场和技术趋势，理解它们，然后“抓住”时机的能力（即强大的动态能力；Teece，2007，第1319—1350页；Teece，2016）。
技术能力绝不是唯一需要的能力。企业必须能够有效地管理外包活动依赖的参与者生态系统。因此，治理与签订合同是密切相关的。一些公司（如苹果）可能选择外包其价值链的某些部分，而另一些公司（如三星）则将不同的部分保留在内部或全资子公司，在那里它们可以依靠法治保护它们的技术免于被盗用（即盗窃）。要把内部自制和外部购买的平衡搞对，不仅需要了解要做什么，还需要了解有哪些外部能力能以具备竞争力的价格外包，以及需要何种程度的内部监督才能成功实现自制。外包的内容、地点和方式是具有强烈公共政策影响的关键管理问题，而答案既取决于签订合同的成本，也取决于企业能力。
实现自制或购买的正确组合不仅涉及良好的管理（Chesbrough and Teece，1996），还需要良好的公司治理，因为董事会成员需要支持大胆的举措。给定如今董事会的构成方式，董事会成员可能需要将其注意力分散到无数的合规监管问题上，即使在高级经济学（advanced economics）中，也不能假定存在良好的战略治理。这里的治理挑战在于，与“疏忽之罪”相比，“委员会之罪”往往更明显，并且与董事会成员的责任有关。对许多董事会成员来说，让企业少做一点（就大胆的战略举措而言），而不是多做一点，似乎会让他们更安心。
3.3更紧密的一体化和扩大外包的（明显）悖论
能力理论的一个关键特征是，它认识到成功的企业拥有“战略性”或核心资源，因此这些资产不可被缔约，也就是说，它们需要被纳入共同的所有权和控制之下。除了最大的科技公司外，所有公司都紧紧围绕着一个战略核心进行一体化，并将其余的大部分外包出去。
核心可以随着时间的推移而改变。有些东西，比如数据处理和存储，与过去相比，显然“不那么核心”了，从向第三方云服务的转变就可以看出这一点。*1.同样，人们也可以在同一家公司内观察到不同的选择。例如，网飞将云计算支持外包给亚马逊，但在内容制作中纵向一体化。在过去十年中，由于生态系统中关键能力分布的变化，计算机硬件和软件行业发生了向网络提供服务（network-delivered service）的根本性转变。在2010年之前，无论是对小公司还是大公司而言，软件系统通常由公司自行设计，并通过购买机架式服务器来部署，这些服务器会安装必要的软件，并在适当大小的数据中心运行。
现在，关键的能力不再是设计和提供软件的基本元素，这已经变得非常普通。现在更关键的是协调系统所需的动态能力。*1.值得注意的是，交易成本经济学不适合研究生态系统或供应链的协调，因为它的分析单元是二分体。严格地说，交易成本经济学感兴趣的是树木，而不是森林。此时，外包这些基本元素与创建和维护资产编配能力（asset orchestration）是完全一致的。软件系统的要素通常是开源库和广泛可用的计算与存储能力的组合，这些计算与存储能力通过租用在云中运行的应用程序、平台或基础设施的访问渠道来部署。这些应用程序、平台或基础设施由亚马逊、谷歌、IBM和微软这些在西方最著名的企业运营。这是由无处不在的高速网络连接和大规模的可伸缩架构实现的。在这种情况下，纵向一体化到数字基础设施的需求减少了。同外部供应者的合同安排相当令人满意。
通过外包可以不断降低成本并改善质量，从而加强了外包这些要素的动机。在市场的另一边，亚马逊和谷歌已经意识到它们运营的这些基础设施同样可以用来支持其自身的业务。至少，这给了它们规模优势，允许它们在更广泛的基础上分摊数据基础设施的固定成本，并让规模优势发挥其杠杆作用。在最好的情况下，它也是一个新的主要利润来源，亚马逊网络服务（AWS）的利润率远远高于亚马逊的核心零售业务。
在交易成本可以接受的情况下，为他人提供基础设施服务是可行的。这反过来又要求这一可用于出售的功能是能够易于理解和标准化的，利用云服务所需的互联具有易处理的复杂性，而云服务的优势在于规模。规模优势既可以来自物理规模（即更大的数据中心有更低的可变成本），也可以来自学习效应（即由于其开发成本分散在一个庞大的客户基础上，可以提供更好的解决方案）。在早期，云服务是相当基础的，包括计算能力、存储空间等，有易于理解和简单的接口。随着云服务的成熟，其范围和复杂性正在增加，例如，管理用户登录凭证的整个复杂问题可以外包给做得更好的专业供应商，因为它们管理着成千上万的用户，可以更好地防止垃圾邮件和诈骗。这与威廉姆森交易成本经济学框架的预测一致；合同关系可以完全且稳定地管理不可交易的特定服务的供应商和消费者之间的关系。提供基础设施服务所需的大部分内容都是非常通用的，并包含非常有限的交易专用型（即特殊）元素。
3.4数据所有权的优势
然而，越来越清楚的是，对数字企业（尤其是面向消费者的数字企业）来说，拥有并利用关键的“数据湖”（data lakes）是企业专用型竞争优势的关键来源，这些“数据湖”记录了客户的行为和偏好（以及驱动这些选择的相关环境因素），并帮助训练人工智能系统，这些系统又用于支持向客户和其他用户交付价值所需的相关能力。数据湖通常非常复杂，集成了多个不同的数据源和数据类型。这些数据的来源越来越多地来自连接设备，比如手机和汽车，这些设备要么为客户所有，要么以某种方式观察客户的行为。
谷歌是一个标志性案例，通过其应用程序运行的设备生态系统能够系统地收集、管理和利用客户行为数据。为了实现这一目标，谷歌采用了跨多个设备类型和多种服务提供统一体验的方法。谷歌的方法不仅仅是简单的一体化：它相信自己的每一项服务都能从其他服务中获益。同样，同一个客户可以通过手机、平板电脑和媒体设备获得服务。尽管苹果的定位有一个关键特点，即它将所有的硬件和软件产品紧密结合在一起，但苹果的每一种设备类业务都可以从其他设备类业务中获益。同一个客户可以分别通过iPhone、iPad和AppleTV获得服务。如果苹果的媒体服务是用苹果卡支付的，那么它们就会受益。苹果也利用了客户数据，但可能达不到谷歌的程度。
为编配客户行为数据培养正确能力的挑战远远不只是技术挑战。还有两个重大的经济挑战：联合产品挑战和知识资产挑战。
第一个挑战是联合产品问题，这是因为数据有许多不同的来源，并以许多不同的方式使用。事前通常不可能知道哪些来源和哪些用途将是有价值的。这里的核心问题是经典的联合产品问题的某个版本。当一个企业生产的产品需要固定或准固定比例的投入（或列昂惕夫所说的“生产过程”）时，它有时会产生副产品或服务，这些副产品或服务可能是有价值的、无价值的，甚至是负价值的。这些副产品的价值可能会发生不可预测的变化。因此，当早期的澳大利亚牧羊人为了获取羊毛而饲养绵羊时，羊肉是一种副产品。起初，羊肉毫无价值；但是，随着19世纪80年代冰箱的发明，它就变得有价值了。同样，精炼原油也会产生石油焦，石油焦的价值很低，但不是零价值，因为它可以进一步加工成工业燃料。有时候“副产品”可能最终会成为主要产品!例如，网飞将记录客户数据作为管理DVD租赁业务不可避免的副产品。这些客户数据构成了其预测算法的基础，并成为其核心竞争优势。同样，亚马逊最初在2000年开发了云计算，作为其自身和第三方商家（如Target、Marks and Spencer）的辅助软件支持功能。为了更充分地利用它创造的过剩产能满足峰值需求，它开始向其他公司提供服务，亚马逊的AWS现在是一项非常有利可图的业务。这个例子颇具“彭罗斯色彩”，因为艾迪斯•彭罗斯（Edith Penrose）建立了一个围绕过剩资源的企业增长理论。亚马逊意识到自己非常擅长运行计算机存储等基础设施服务，也非常擅长运行可靠、可伸缩、成本低廉的数据库（Miller，2016）。
第二个挑战是知识资产问题。关于客户行为的相同数据在某些情况下可以重复使用，因此是非折旧资产。*1.Teece（1980，第223—247页）解释了其中一些问题。这意味着，虽然人们知道资产可能是有价值的，但确定其潜在价值（以及是否值得收集和处理）是困难的，因为人们可能（事先）不知道一条信息可以被重复使用多少次。这意味着，在收集数据方面应该投入多少资金这一问题上，需要另做判断。
谷歌是一个很好的例子，在理解“从搜索中收集客户数据，然后将其与广告联系起来”的价值方面，它是十分成功的早期先行者。*2.谷歌也是纵向和横向一体化的典范。长期以来，谷歌的大部分广告收入涉及流量获取成本（TACs），例如，谷歌向在其网站或设备上运行谷歌搜索产品的网络成员支付收入分成。2011年，流量获取成本占谷歌Adsense广告费的51%。因此，谷歌在过去10年里一直试图减少收入分成，终止Adsense关系，整合谷歌网络成员提供的垂直领域。20年前谷歌推出时，它的关键资产是对网络内容的结构化理解；如果有人在找什么内容，很有可能在谷歌上找到它。起初，来自这种搜索活动的客户数据与广告业的联系并不紧密。谷歌在2000年成为雅虎的分包商，同年它推出了Ad Words服务（Hu，2002）。一开始谷歌盈利不多。
现在，由于谷歌有能力将来自客户搜索的数据*3.在动态能力方法中，这被称为“资产编配”，是“抓住时机”的一部分（Teece，2007）。与来自许多行业的众多公司的需求联系起来，于是产生了一个非常赚钱的商业模式。谷歌拥有在线消费者活动的详细信息，这些信息来自它在所有广告商网站上放置的追踪器cookie、它对个人搜索历史的了解，以及安卓（Android）手机发回的所有数据。谷歌知道设备用户的位置，以及离用户最近的地理位置。谷歌知道用户刚刚访问了哪些网站。谷歌读取Gmail邮件。谷歌知道很多，并利用这些数据与广告商合作，鼓励广告商改进他们呈现自己的方式，明确他们想要什么，然后进行匹配。这种结构意味着当用户搜索时，他们可以得到更有用的结果。他们给用户的广告更有可能是相关的和被点击的。因此，谷歌的利润率上升，并成为美国最大的公司之一。*1.谷歌是一个有趣的组织，因为它构建了自己的软件，拥有自己的存储，甚至设计自己的芯片。这些最新的行动是否真的必要，这是一个有待探讨的问题。
同样真实的是，新产品（和服务）的开发和交付涉及软件开发和数据挖掘的复杂协调和风险（负面溢出）。数据安全是这一切良好运行的必要条件。这也是一个技术挑战。能力（包括普通的和动态的）也很重要。很少有公司能做到这一点。创造并协调数字化能力以便为最终用户创造价值，需要使生态系统内的预期趋同，需要价格系统本身无法实现的某种生态系统管理。*2.脸书目前（2020年7月）正在发现这一点。多年来，该公司一直不理会外界对其算法传播仇恨言论和虚假信息的担忧。该算法的设计宗旨是最大化用户参与度。现在，它面临着主要广告商（有时间限制）的抵制，还有数百家广告商考虑这样做（Bond，2020）。
京公网安备 11010502034662号 