新兴技术的未来产业影响力之分析方法研究综述

汪江桦　冷伏海

要：文章对国内外新兴技术未来产业影响力的分析方法进行了整理和综评，提出了评价新兴技术未来产业影响力的三大关键问题，即：确定影响因素、建立指标体系和搜集研究数据，并通过对新兴技术未来产业影响力研究所存在的过分依赖专家经验、缺乏有力的数据分析支持、缺乏对动态性影响因素的考虑现状问题分析，提出了通过扩宽数据来源、融合数学理论方法和开发实时技术评价信息系统来解决问题的思路。

关键词：新兴技术 未来产业影响力 技术预见 技术评价

中图分类号： F490.6文献标识码： Ａ 文章编号： 1003-69３８（２０12）０4－0070-06新兴技术是建立在科学基础上的革新，这些技术有潜力去创造一个新行业或改造一个老行业，包括产生于激进革新的间断性技术以及通过集中多个过去的独立研究成果而形成的更具创新性的技术［1］。新兴技术拥有巨大的潜能，对国家的经济和科技的发展具有重大影响，各国政府对其关注日益增强。然而，新兴技术的发展及其产业化具有很大的不确定性，判断一项新兴技术是否能够推动产业的发展甚至于形成新产业，是目前新兴技术研究领域的一个热点和难点问题。要想从众多新兴技术中挑选出真正有发展潜力、对相关产业能够产生较大影响力的技术，需要建立一套能快速有效地对新兴技术的未来产业影响力进行评价的方法和机制。目前，国内外对新兴技术的研究开始逐年增多，取得了很多有借鉴价值的研究成果。为了更好地把握该领域的研究进展和方向，有必要对已有的研究工作进行总结。为此，本研究将对国内外有关新兴技术的未来产业影响力的研究进行梳理，揭示其研究现状，分析指出其存在的问题以及未来的发展趋势，为该方向的研究人员提供借鉴和参考。

1 国外研究进展

新兴技术的未来产业影响力分析在国外是一个较新的研究领域，虽然在相关领域已经取得了一些重要成果，但在很多方面仍处于起步和探索的阶段。目前，国外学者针对新兴技术主要进行了技术预见、技术评价及商业潜力等方面的研究，所采用的情报分析方法主要是技术未来分析方法。该方法是由2004年欧洲预测技术研究所研讨会提出的，用来概括各类与未来技术相关的分析方法和实践，如技术预见、技术预测、技术监测、技术情报竞争和技术评价等［2］［3］。技术未来分析是一个对新兴技术的发展路径和未来潜在效应的分析过程，包括产业领域的技术预测和技术情报分析［4］，能够为新兴技术的未来产业影响力分析提供一定的借鉴作用。

1.1 路线图方法

技术路线图作为一种前瞻方法，被广泛应用于技术未来分析、新兴技术的预测、评估和投资决策等领域。路线图方法应用图形、表格、文字等形式描述新兴技术变化的步骤或技术相关环节之间的逻辑关系，具有简洁直观的特点。该方法常用于帮助决策者把握该技术领域的发展方向，确定发展中将会遇到的关键问题及制定相应的解决方案。

Chris Holmes［5］ 应用操作和技术路线图（Operation and Technology Roadmap，OTR）方法帮助新加坡中小企业识别和选择具有发展潜力的新兴技术。OTR是对剑桥大学Robert Phaal等［6］ 提出的T-Plan方法的改进，它通过五个关键步骤使公司能够快速创建自己的一个OTR，是一种快速而简单的过程。Chris Holmes［5］ 选取36家制造业的公司作为试点，验证了该方法的有效性（步骤见图1）。

Torsten Fleischer等［7］尝试运用科学路线图对纳米技术及其成果质量进行评价分析，由路线图的开发者、纳米材料专家和知识转移组织成立工作组根据行业和中小企业的要求绘制路线图并建立有关纳米潜在发展能力的知识库，为纳米技术的理论研究与实际应用的结合提供了一种思路，对许多有着理论与应用脱节问题的科学研究有着重要的借鉴意义。

路线图方法能够较为充分地考虑到各方面的影响因素，数据来源广泛，具有灵活、结构化和可视化等优势，但也有一定的局限性：一是制作过程较为复杂，前期需要大量的信息，信息的可获取程度会成为制约它的一个问题；二是主要依赖专家经验做出分析判断，专家的水平会直接影响到路线图的质量，时间跨度也较大。

1.2 专利分析法

专利分析法用于挖掘新兴技术的信息及其内在联系，其研究数据主要来自国内外的各种技术专利数据库。对特定技术领域的专利数据进行分析研究，是评价新兴技术的一种较为有效的客观方法。

Pilkington［8］提出了一种基于统计学的专利分析方法，认为当专利数据与统计技术相结合时，可以很好地洞察技术发展的轨迹状态和潜力。研究选取燃料电池技术开展实证研究，对自美国专利商标局获取的“燃料电池”专利数据进行因子分析，重复利用国际专利分类分析对结果进行确认，结论认为随着各企业围绕特定专利技术的投资组合日益紧密，该项专利技术的商业化条件就会逐渐形成。Murat Bengisu等［9］ 对20个机械与材料领域的新兴技术进行短期预测，通过利用与这些技术相关的最恰当的关键词，确定在特定年份中这些领域的出版物和专利的数目，同时利用科技数据库去分析创新活动的趋势以及将其用于基于S曲线的短期预测，以制定更加合理的技术管理、研究基金和技术投资的决策。

专利分析法具有客观、信息易获取等优势，但在实际操作中也存在一些问题：一是数据主要来源于专利数据库，有些时候对于某一技术领域的新兴技术来说可供分析的专利数量有可能会存在不足；二是分析方法多样，但较为分散尚未形成体系，指标上存在重叠问题。

1.3 形态分析法

形态分析法建立在参数分解和问题构建的基础上，通过排列组合和优化筛选最佳技术方案，常被用于技术预见和决策分析领域。

Yoon等［10］用从专利信息中挖掘出来的关键词作为参数，借助专家经验构建技术形态，用形态分析方法析出未覆盖的技术形态组合进行进一步优选，对薄膜场效应晶体管理液晶显示器这一技术领域开展了实证研究，并在一系列研究中不断对这种方法进行了改进。随后Yoon等［11］利用专利引文分析和联合分析进行技术形态组合优选的实证研究，并提出利用聚类和网络分析来构建技术词典［12］。

形态分析法评估新兴技术时既可以利用专利信息分析了解现有技术的结构和形态，又可以利用形态分析对未来技术可能的形态进行分析和优选，有较高的实用价值，但也存在一些缺点：一是构建技术形态结构本身是一个复杂的过程，涉及大量参数、方案选择问题，对分析人员的专业水平要求较高；二是在优选技术时未能充分考虑到市场、产业、环境及其他领域的影响因素，对于新兴技术产业影响力的评估尚显不足。

1.4 模型法

为了避免使用单个方法的缺陷，国外部分学者开始倾向于尝试将多个方法综合在一起建立模型来进行新兴技术的预测和评估。

Alan L.Porter［13］ 提出了一种整合了多种预测方法论的预测技术——快速科技情报过程（Quick technology intelligence processes， QTIP），实现QTIP有四个重要的步骤：（1）即时访问数据库：海量的科学文献数据库和专利数据库；（2）分析软件：使用技术挖掘软件VantagePoint，进行专利与文献的统计分析；（3）自动化流程生成可视化图表；（4）决策过程的标准化。这种技术挖掘方法能够应用于技术展望、技术预测、技术和产品路线图和技术评估。研究将趋势分析、方案设计、历史类比、文献计量学和专利分析这几种方法综合起来，对燃料电池和食品安全两个新兴技术进行系统动态建模，验证其有效性。Louise.A Heslop等［14］ 介绍了一种多阶段方法，该方法通过综合文献分析、问卷调查和专家打分等方法，建立了评价新兴技术商业化的“立交桥模型”。

Tugrul U.Daim［15］ 认为在没有历史数据可用的前提下预测新兴技术是一件非常困难的事。为了解决这一问题，他通过综合使用文献计量方法和专利分析法来提供数据，并利用情景规划、生长曲线和类比等技术预测工具来对燃料电池、食品安全和光存储技术进行预测（见图2，图3，图4）。

[图2 燃料电池的模型结构][FC数据][科学计量学分析][Fisher-Pry 模型][成熟度][系统动力学模型][FC预测]

[图3 食品安全的模型结构][脂质体&电子束数据][专利趋势分析][Pearl-Reed曲线模型][成熟度][系统动力学模型][FS预测][历史类比]

这三个模型分别描述了用模型法对燃料电池、食品安全和光存储进行预测的大致过程，同时也反映了模型法在各个应用中的一般过程和思路。最后的测试结果表明，综合几种方法的模型所得到的预测结果均好于单一方法。然而该方法所建立的模型基本是针对某一特定技术领域的，所采取的方法也是多样的，并没有形成一定的

体系，缺乏通用性。

2 国内研究进展

国内对新兴技术的未来产业影响力的研究尚处于起步阶段，目前只有一些集中在新兴技术的商业化产业化方面的相关研究，能够为影响因素的确定和指标体系设计提供一些借鉴。

2.1 AHP分析法

AHP即层次分析方法是在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次来进行分析研究，是应用较为广泛的一种方法。

秦远建等［16］ 从产业规模化、产业集约化、经营效益化和产业化工业基础四个方面入手，构建基于AHP的评价模型，对收集到的评价指标数据进行标准化处理，利用专家评判方法计算权重系数，而后计算综合评价值，对电动汽车产业化水平进行评价。周吉意等［17］将灰色聚类引入AHP评估模型，对主要来源于专家打分的初始数据进行量化处理，利用AHP确定新兴技术各指标项的权重值，结合专家意见构造判断矩阵，而后计算各新兴技术的灰色聚类系数，进行新兴电子技术的商业化潜力等级的评定。网络层次分析法（ANP）是在AHP基础上改进发展而形成的，避免了指标之间相互独立的弊端，黄鲁成等［18］将技术因素、市场因素、产业化条件因素、效应因素和符合因素列为新技术产业化潜力主要影响因素，在此基础上通过Delphi调查构建评价指标体系，利用ANP构造判断矩阵，计算评价指标权重。

AHP分析法的特点是简洁、实用，对各方面影响因素考虑较为全面，且能够从深层次对新兴技术进行分析解读。但在新兴技术评价上也存在着不足之处：一是没有预测未来的功能，需要与其他方法配合使用；二是依赖专家经验，且在分析较为大型的系统问题时耗费的时间较长，效率低。

2.2 神经网络分析法

近年来一些学者开始聚焦于将神经网络引入新兴技术的评价中，具体做法是将样本数据输入BP神经网络进行学习训练，而后利用BP神经网络输出结果进行新兴技术的评价。

马慧民等［19］从技术因素、经济因素、市场因素和社会因素四个方面，构建专利技术产业化选择指标体系，而后运用单隐层BP神经网络对收集到的数据样本进行训练，得出结论只要能够确定各种影响因素，同时又有充分可靠的数据样本供网络学习，即可进行准确而实用的评价。杨敏利等［20］利用遗传算法对BP神经网络所赋权值进行修订，在BP算法训练网络出现收敛速度缓慢时启用遗传算法优化网络的运行参数，把优化结果作为BP算法的初始值再用BP算法训练网络，这样交替运行，直到达到问题要求的精度为止。研究对通过问卷收集到的数据进行专利技术产业化全过程评估，验证了该模型的可行性和实用性。冯霞等［21］ 从技术性能、经济效益、市场因素和宏观环境四个方面，建立产业化前景评价指标体系，构建了前馈神经网络专家系统，采取区间法量化产业化前景等级分析，对集成电路布图设计的产业化前景进行综合分析。

神经网络分析法具有自适应性、学习能力强和大规模平行计算能力等优势，能够较好地处理新兴技术产业影响力评价中的信息不完全、分析指标较多、部分指标之间存在非线性相关等问题。在实际操作时也需要注意一些问题：一是供分析的初始数据多是来源于专家调查问卷，问卷的信度和效度是需要考虑的问题；二是需要建立有效的评价指标体系，这关系到新兴技术评估的效果。

2.3 模糊评价方法

模糊评价方法基于模糊数学的隶属度理论把定性评价转化为定量评价，用模糊数学对受到多种因素制约的新兴技术未来产业影响力做出一个总体的评价。

傅毓维等［22］ 使用政策效益和风险类指标、市场效益和风险类指标等九大类指标构建评价体系，根据测评目标和模糊综合评价原理，建立了模糊数学评价模型对船舶工业高科技成果转化项目成效进行综合评价，由专家给出评价矩阵，用权重向量综合法求多人同准则下判断矩阵的权重向量，用频率统计法计算成果转化项目评价指标，在此基础上使用模糊集计算综合评价值，并对转化效果进行了定量描述，从中提炼出了一些重要的管理信息，为其它成果转化项目提供了重要的参考依据和借鉴意义。

模糊评价方法具有结果清晰、系统性强的特点，能较好地解决新兴技术的不确定性和一些难以量化的问题。其优点在于考虑到了客观事物内部关系的错综复杂性和价值系统的模糊性。然而和神经网络分析法一样，它同样是建立在专家问卷基础上的一种评价方法，问卷的质量和指标的选择也关系到最终评价结果的准确性。

2.4 综合法

近年来有学者开始尝试将技术预见、德尔菲法和数据挖掘等多种方法综合起来进行新兴技术的评价工作。

卢文光［23］从技术因素，市场因素，产业因素，符合性因素和效应因素五个方面入手，通过Delphi和专家调查法构建了新兴技术产业化潜力的评价指标体系，使用模糊一致性矩阵的方法对新兴技术产业化潜力进行评价研究，然后通过系统动力学建模对新兴技术产业化潜力成长性开展动态研究，模拟分析了新兴技术产业化潜力成长性与影响因素的动态关系，并以“奥运科技”为对象进行了实证研究。王吉武［24］ 构建了新兴技术商业化潜力三层主观评价漏斗模型，又从技术成熟度、技术机会和技术地位三个角度构建了新兴技术商业化潜力客观评价框架，通过主客观结合的方式来综合评价新兴技术的商业化潜力，根据新兴技术商业化的阶段可分性和不确定性构建了新兴技术商业化投资决策模型，并以奥运科技专项中的新兴技术项目为对象进行了实证研究，得到了新兴技术商业化投资决策的中试和商业化推广两个阶段的最优投资临界点。

综合法能够弥补使用单一方法产生的片面和不足，对新兴技术影响因素考虑的也比较全面，但仍然过分依赖专家，分析所用的数据主要来源于专家的调查问卷，在实际操作中会受到一定的限制。

3 关键问题

从前面的总结和分析中我们知道，对新兴技术未来产业影响力的评价是一个复杂的系统工程，需要考虑多方面的因素以及对这些因素进行合理有效的有机整合。

（1） 影响因素的确定。新兴技术最基本的特征是高度的不确定性，在对其未来产业影响力进行评价时需要尽可能全面地考虑各种因素，同时还要挖掘出其中哪些因素是对新兴技术产业的发展产生重大影响的主要因素，哪些是次要因素以及哪些是可以忽略的非必要因素，来为后面设计评价模型的技术权重等工作提供参考，以获得更为准确的评价结果。

（2） 指标体系的建立。新兴技术未来产业影响力评价的一项重要任务是评价指标体系的建立和研究，合理的指标体系不仅利于获得质量高的评价结果，而且也对探究新兴技术产业发展的本质特征和发掘其中的基本规律有着重要的指导作用。指标的选取和设计不仅要考虑到其对新兴技术产业发展的影响力大小，还要综合考虑各指标之间的相互联系和作用，这样才能使评价指标体系变得更加全面和高效。

（3） 相关数据的搜集。基本上所有的产业评价模型都需要根据一些相关的历史数据来进行分析和设计，丰富且相关性高的数据会对评价模型的构建提供大量有价值的信息，将直接影响到评价模型的评价质量和效果。对于新兴技术产业来说，由于其自身还处于一个较新的发展阶段以及对其的研究也才刚刚开始，可用的历史数据通常是很有限的。因此，如何获取建模所需充分的高质量数据是新兴技术未来产业影响力评价研究中一个关键的问题。

4 存在困难与解决问题的思路

综上所述，虽然国内外对新兴技术的未来产业影响力的研究已取得很多成果，提出了很多解决问题的有效方法，但仍然面临许多现实的困难。

（1）过分依赖专家经验，而且处理信息的方式也较为单一。在现实应用中，这类方法通常容易受到专家对事物的偏好、熟悉程度以及专家水平等主观因素的影响，使得分析的结果与现实情况可能会存在较大出入。另外，这些方法的组织成本较高，耗时较长，实施起来困难较大。

（2）缺乏有力的数据分析支持。新兴技术的特性决定其历史数据较少，目前研究中数据来源有限，主要是专家经验、科学文献或是专利等单一数据源，数据量不足，这将会对新兴技术预测的准确性和可靠性产生很大的影响。

（3）缺乏对动态性影响因素的考虑。在多数相关研究中，对新兴技术未来产业影响力的分析中考虑较多的是技术本身因素，虽然也会考虑到一些市场等其他因素，但对动态变化的因素尚且考虑不够，而新兴技术通常具有较强的不确定性，会随着各方面因素的变化而动态的变动。尤其是随着国际社会政治与经济等环境的日益复杂和多变，影响新兴技术发展的不确定因素也越来越多，对目前的技术预测手段与方法产生了严峻挑战。

针对这些问题，我们提出了一些解决问题的思路。首先，针对新兴技术未来产业影响力研究的一个难题是历史数据较少的问题，可从科学文献、专利、市场调查报告和网络等数据资源中收集相关数据，扩宽数据来源，建立更为丰富的信息数据库。例如使用Web挖掘技术能够对海量自由公众网络信息资源知识规律进行提取和判断，为在新兴技术评价中利用丰富的自由公众网络资源创造了可能性。另外，也可以通过迁移学习的方法，利用技术之间在某些方面存在的相似性来对一些全新的技术进行分析和预测；其次，针对影响新兴技术发展的各种不确定因素的急剧增加，可考虑将一些处理不确定问题的数学理论方法应用到该问题的解决中来，以应对由社会政治与经济等复杂多变的因素所带来的挑战。如利用模糊数学、粗糙集等一些有效处理不确定问题的数学方法来建立动态评价指标体系，增强对新兴技术未来产业影响力评价的鲁棒性和可靠性；最后，可以通过开发类似国外NASA的TechTracS Information System［25］和IPTS的Technology Identification Methodology［26］的技术评价信息系统，综合考虑影响技术评价的各方面因素，采用多种技术方法相结合的手段，以及结合在其他领域成熟的数据挖掘技术，实现系统化、实时化、多角度、鲁棒性的技术产业化前景预测。

5 结语

新兴技术对世界各国的经济与科技发展的重要影响是不言而喻的，及早地对潜在新兴技术进行研发和产业布局，将有助于国家与企业把握住科技发展的方向和抓住历史发展的机遇，在世界激烈的经济和科技的竞争中立于不败之地。因此，面对众多的新技术，如何找出那些真正具有发展潜力的技术就显得非常关键。作为一种用于挖掘技术发展潜力的重要手段，新兴技术的未来产业影响力分析方法已引起世界各国情报人员关注和研究兴趣，并已取得很多有价值的相关研究成果。为了更好地了解该领域的发展现状和动态，本文对已有的这些研究成果进行了梳理和总结，指出了目前还存在的问题，并对这些问题的解决提出了自己的看法，以期为大家在这方面的研究提供一点参考和帮助。

参考文献：

［1］乔治·戴， 保罗·休梅克. 沃顿论新兴技术管理［M］.北京：华夏出版社，2002.

［2］Technology Futures Analysis Methods Working Group. Technology futures analysis： toward integration of the field and new methods［J］.Technological Forecasting and Social Change，2004，71（3）：287-303.

［3］徐峰， 冷伏海. 面向未来的技术分析概念、方法与应用研究进展［J］.情报学报，2010，（3）：539-544.

［4］黄鲁成等.技术未来分析理论方法与应用［M］.北京：科学出版社，2010.

［5］Chris Holmes， Mike Ferrill.The application of Operation and Technology Roadmapping to aid Singaporean SMEs identify and select emerging technologies［J］.Technological Forecasting and Social Change，2005，72（3）：349-357.

［6］Phaal R， Farrukh C， Probert D. T-plan： The Fast Start to Technology Roadmapping. Planning Your Route to Success［M］.University of Cambridge，Institute for Manufacturing，2011.

［7］Torsten Fleischer，Michael Decker and Ulrich Fiedeler.Assessing emerging technologies -Methodological challenges and the case of nanotechnologies ［J］.Technological Forecasting and Social Change，2005，11（9）：1112-1121.

［8］Pilkington A. Technology portfolio alignment as an indicator of commercialisation： an investigation of fuel cell patenting［J］.Technovation，2004，（24）：761-771.

［9］Murat Bengisu，Ramzi Nekhili，Forecasting Emerging Technologies with the Aid of Science and Technology Databases［Ｊ］．Technological Forecasting & Social Change.2006，（73）： 835-844.

［10］Byungun Yoon， Yongtae Park．A Systematic Approach for Identifying Technology Opportunities： Keyword-based Morphology Analysis［J］．Technological Forecasting & Social Change，2005，（72）：145-160．

［11］Byungun Yoon.Yongtae Park．Development of New Technology Forecasting Algorithm： Hybrid Approach for Morphology Analysis and Conjoint Analysis of Patent Information［J］．IEEE Transactions On Engineering Management，2007，54（3）：588-599．

［12］Byungun Yoon．On the Development of a Technology Intelligence Tool for Identifying Technology Opportunity［J］． Expert Systems with Applications，2008，35（1-2）：124-135．

［13］Alan L. Porter. QTIP： Quick technology intelligence processes［J］.Technological Forecasting and Social Change，2005，72（9）：1070-1081.

［14］Louise A. Heslop，Eileen McGregor and May Griffith，Development of a Technology Readiness Assessment Measure：The Cloverleaf Model of Technology Transfer［J］.Journal of technology Transfer，2001，（26），369-384.

［15］Tugrul U. Daim， Guillermo Rueda， Hilary Martin and Pisek Gerdsri. Forecasting emerging technologies： Use of bibliometrics and patent analysis ［J］.Technological Forecasting and Social Change，2006，73（8）：981-1012.

［16］秦远建，蔡程.电动汽车产业化水平AHP评价模型研究［J］. 武汉理工大学学报，2004，（12）：277-281.

［17］周吉意， 吕跃进.新兴技术商业化潜力评价研究——基于AHP的灰色聚类模型［J］.科学管理研究，2004，（24）：48-51.

［18］黄鲁成等.基于ANP的新技术产业化潜力评价研究［J］.科学学与科学技术管理，2007，（4）：122-125.

［19］马慧民，叶春明. BP神经网络在专利技术产业化筛选评估中的应用研究［J］.科技管理研究，2005，（6）：94-97.

［20］杨敏利，查博.基于GA-BP神经网络的专利技术产业化全过程评价研究［J］.科技进步与对策，2010，（10）： 117-120.

［21］冯霞，徐晋.基于神经网络的布图设计产业化前景评估［J］. 系统工程与电子技术，2006，（7）：1020-1023.

［22］傅毓维等.船舶工业科技成果转化项目评价指标体系研究［J］.技术经济，2006，（5）：92-95.

［23］卢文光.新兴技术产业化潜力评价及其成长性研究［D］.北京：北京工业大学，2008.

［24］王吉武.新兴技术商业化潜力评价及投资决策研究［D］. 哈尔滨：哈尔滨工程大学，2008.

［25］NASA. NASA Technology Commercialization Process ［EB/OL］.［2012-01-10］.http：//nodis3.gsfc.nasa.gov/displayDir.cfm?Internal_ID=N_PR_7500_0001_&page_

name=main.

［26］P.Moncada-Paterno-Casteuo，J. Rojo，F. Bellido.IPTS-TIM-Software V. 1. 1： A tool to help experts evaluate the marketability potential of new technologies ［M］. European commission-IPTS-TIM，1999.