技术预测与技术预见及其客观分析方法①

黄鲁成，成雨，吴菲菲，苗红，张静，杨梓，武丹

（北京工业大学 经济与管理学院，北京100124）

技术预测、技术预见活动在科技发展中发挥着巨大作用。随着科学技术的飞速发展，知识不断爆炸，目前技术预见、技术预测活动面临巨大挑战。如何有效使用大量的科技发展信息，如何避免技术领域专家的局限性和潜在的片面性，如何提高技术预见和技术预测的科学性，如何提高政府科技管理部门参与科技管理的深度，成为我国急需解决的问题。

针对目前我国很少利用专利、文献数据进行技术预测（预见）的实际情况，本文对目前技术预测和技术预见的特点进行阐述，并提出在技术预见和技术预测中采用客观数据方法的思路，其中大部分客观分析方法已在实践中被应用。

1 技术预测和技术预见及其方法

技术是使企业在竞争环境中具备获利能力的首要要素，即使企业拥有竞争优势，为了创造市场主导产品或服务，也需要通过识别、采用和引导技术变化来持续实施技术开发活动［1］。基于对未来市场、产品和新兴技术选择预测的投资具有较大的风险，不足的技术趋势信息和不当的技术管理是导致企业失败的主要原因［2-5］。因此，技术预测（预见）的意义十分明显：预测未来技术的性能、预见技术的发展趋势，可以提高新技术选择的可靠性，提升科技管理的整体能力。

1.1 技术预测和技术预见的含义

技术预测是在特定时间和特定水准下发展并预测一项技术的完成情形［6］，是对技术创新、科技改良以及可能的科技发明进行描述和预测。还有学者认为，技术预测是对适用技术、工艺及相关方法的未来特性的把握［7］。Firat等［8］认为，一般意义而言，技术预测是对技术变化（特别是发明、创新和采用）的效应、特性、潜在方向和变化速度的系统性、有目的的理解和展望。

20世纪80年代，Irvine和Martin［9］提出“预见”的概念，将其定义为以潜在的长期未来发展为视角而组织的一系列研究和创新计划及重点项目。他们通过结合包括德尔菲法在内的分析方法，形成了“技术预见”的研究体系。欧盟委员会认为，技术预见具有系统性、多方参与性、未来情报分享性和中长期性特点。技术预见要确定在不同的时间阶段上人们所期待的技术发展状态。从一般意义上讲，技术预见具有4个特点——跨学科性、利益相关者参与、问题导向和解决方案导向①见丹麦技术大学报告：《Report：Review of Science and Technology Foresight Studies and Comparison with GTS2015》（http：／／www.teknologiportalen.dk／NR／rdonlyres／5A0D95D9-FD3B-4A44-B7C2-AB619D20C98A／3667／Reviewofscienceandtechnology.pdf）。。还有学者认为，技术预见是对科学、技术、经济、环境和社会的远期未来进行有步骤的探索，用于选定可能产生最大经济与社会效益的战略研究领域和通用新技术［10］。

从研究目的的角度来说，技术预测旨在提升技术竞争力，用于技术规划的初期阶段，预测内容是包括技术发展方向和发展速度等在内的技术趋势，旨在加强技术选择的准确性、提升技术管理能力；技术预见倡导的基本理念是，在对科学、技术、经济和社会在未来一段时间进行“整体化预测”的基础上，“系统化选择”具有战略意义的研究领域、关键技术和通用技术，利用“最优化配置”手段最终实现经济与社会利益最大化，近年来多应用于国家政策手段的选择［11］。

1.2 技术预见与技术预测的特征对比

文献研究结果表明，技术预测与技术预见在应用领域方面的界线较模糊。正如Marien在研究初始阶段将技术预测定义为长期的前瞻性活动，与之相近的研究包括“未来学”“未来研究”和“预测”［12］。但是，经过长期以来不断的改进和完善，学者们对“技术预测”和“技术预见”的运用更具特色。总的来说，上述两者所要解决的问题都是经济与社会发展中出现的技术问题和科学问题；从实现方法来看，两者都可灵活运用定量和定性的方法；从实现意义来讲，两者都能对执行者或决策者提供技术发展规划的建议。然而，两者在实现过程中存在较大差别。表1从研究基础、研究成果周期、实施主体、运用范围、作用对象、研究内容、研究目的和最终产出成果等方面列示了两者的差异。

表1 技术预测与技术预见的差异

1.3 技术预测和技术预见方法的不足

通过分析技术预测和技术预见的研究成果，我们发现现有研究方法存在如下方面的不足：进行技术预见时主要采用主观分析和定性的方法，重视专家意见，缺少定量分析；进行技术预测时很少采用专利、科技文献和网络信息等客观数据。

单纯基于专家意见的现有方法使得技术预测和技术预见过程具有较大的局限性和片面性：随着科技信息量爆炸式增长，面对大数据环境，专家难以全面、系统地把握自己研究领域的新知识，一般仅对自己所在领域“情有独钟”，其认识难免具有片面性。这使得专家基于“直觉”和“有限知识”的“评估”可能存在瑕疵，加大了技术研发决策的随机性和不稳定性。另外，政府科技管理部门很难有效参与这种主要依靠专家的技术预测（预见）活动，难以对活动及结果提出质疑和建议。

导致上述现象产生的原因是多方面的：其一，早期的技术检测主要是定性的、依赖专家的研究，因此习惯性思维导致我们需要逐步接受采用客观数据达到决策目标的过程；其二，随着电子数据库技术的发展，科学技术数据库的资源迅猛丰富，但对这些数据资源利用的不足日益显现，集中体现在数据处理和分析工具缺乏、对技术预测需求与客观数据间的关联性挖掘不充分、基于客观数据的技术预测／预见理论基础较薄弱等。

2 基于客观分析方法的技术预测和技术预见

Linstone、du Preeze和Pistorius采用多视角、机会／威胁分析等定性方法进行技术预测和技术预见，并论述了定性方法的缺陷，为定量方法的引入打下了基础［13-14］。本文在技术预测和技术预见中采用客观分析方法，并在定量分析方面进行探讨。

2.1 客观分析方法的含义及构成

技术预测（预见）的客观分析过程是：使用现阶段可获取的公开数据——专利、文献和网络信息等，采用专利分析、文献计量分析和网络信息挖掘等方法及相关分析工具，探索特定技术领域内的技术发展现状和未来趋势，并利用可视化工具将技术预测（预见）的结果予以直观展示。

由于数据来源不同，因此上述三种方法（即专利分析、文献计量分析和网络信息挖掘）在使用过程中具有差异性。具体来说：专利分析旨在对包括专利权人、专利发明人、专利权项要求、专利摘要、专利法律状态等在内的文本信息进行处理，以探索技术领域的发展现状、预测技术未来发展态势；文献计量分析旨在通过对科技论文文献数据进行挖掘、组织和分析，以文献的主题、作者和机构等为研究对象，通过绘制概念地图、采用聚类分析和因素分析、引证和共被引分析等方法，帮助研究人员把握技术发展的“隐藏模式”；网络信息挖掘多运用Web挖掘和社会网络分析方法，即首先使用数据挖掘技术自动从Web文档和服务器中发现和提取信息和知识，然后对网络信息所反映的社会关系结构及其属性进行分析。

表2列出了技术预测（预见）过程中专利、文献和网络信息数据的来源、常用分析工具及其在技术创新过程中的主要研究成果。；

表2 客观分析方法的构成

2.2 客观分析方法在技术预测（预见）中的应用

目前客观分析方法的应用还在探索中。本节中除2.2.1小节的内容外，其他方法均已被用于实践，且已得到可信的结论。

2.2.1 国家技术预见

技术预见为国家提供了一个确定技术优先领域的系统化工具，以德尔菲法方法为基础的国家层面的技术预见活动，不仅在有计划传统的国家（如日本、法国和美国）受到重视，而且在许多欧洲发达国家（如德国和英国），甚至在韩国以及印度和南非等发展中国家也受到决策者的青睐［15］。在上述国家中，日本的技术预见具有显著成效。1971年至今，日本已成功组织了8次技术预见活动。本节以日本的第8次技术预见为例，说明如何将客观分析方法运用于国家层面的技术预见活动。

日本的前7次技术预见都以德尔菲调查方法为主，而进行第8次技术预见时除了继续保留德尔菲调查方法外，首次增加了与德尔菲调查平行的3个板块——引文分析、社会经济需求调查分析和情景分析。特别值得一提的是，文献计量方法在第8次技术预见中被首次应用，实现了研究前沿和快速增长研究领域的确定、快速发展领域内容与关系图谱的绘制和定标比超研究的开展，在方法上具有令人耳目一新的创新。日本第8次技术预见框架如图1所示。其中，德尔菲调查、文献计量分析、情景分析和社会经济需求分析等技术预见方法具有不同程度的客观性和外推性，分别重点运用于基础研究、应用研究和影响研究。日本第8次技术预见框架全面整合了客观数据、专家观点、市场需求和改进的预见方法，兼顾了主观与客观、近期与中远期、微观与宏观等多对范畴的要求，从方法论上保证了在基础科学研究、工程技术和社会技术三大领域内进行科学的预测分析——每一领域的预测研究都考虑其他领域对其产生的影响［16］。

图1 日本第8次技术预见框架

2.2.2 技术轨道的形成及变异

技术轨道是沿着由范式规定的经济和技术折中的技术进步轨迹［17］。Dosi造性地提出专利引文网络中的引文路径可从某种角度上衍生出“技术轨道”［18］。另外，渐进式创新是在既有技术轨道上对现有技术进行改进，而突破性创新会改变原有的技术轨道［19］。实际上，技术轨道的变化不仅受创新的影响，而且受应用的引导，特别是在新兴技术的应用前景不十分明确时，企业可能在多个不同的技术轨道上探索、定位和提升能力［20］。值得关注的是，黄鲁成等进一步对已有的研究成果进行了完善，提出了以专利引用数据为基础的技术轨道动态分析方法，用以考察发展至不同阶段的技术轨道、充分挖掘技术轨道的发展状况、了解在技术预测过程中技术领域研发模式变化等情况。基于专利引用数据的技术轨道动态分析流程如图2所示［21］。

图2 基于专利引用数据的技术轨道动态分析流程

Dosi提出的基于专利引用数据刻画技术轨道的方法是领域内的主流方法，但是技术轨道处于动态的技术研发环境系统中，不可避免地受到外界的影响，如技术领域中利益相关者的研发行为、支撑技术的研发状况及技术领域内专利申请量的饱和度等，因此笔者提出了如图3所示的全面判断技术轨道变更的研究框架，据此得出的技术轨道预测结果能为研发资源的投入分配提供可靠支撑。

图3 技术轨道形成及变更研究框架

2.2.3 基于技术生命周期的技术趋势预测

企业通常依据技术生命周期阶段来确定对新技术的产业化投资。由于专利数据包含大量信息，包括技术的原理、技术的商业化潜力以及在进入产品生命周期前即可确定的技术生命周期阶段，因此通常情况下以专利申请数据作为判断技术生命周期的基础。另外，考虑到数据的时效性、易得性以及与技术发展趋势关联的紧密性，本文以专利数据、会议论文和期刊论文为判断技术趋势的数据基础。

为了将专利申请情况与科技论文中的知识积累情况结合讨论，本文提出了一个多视角的技术发展趋势预测研究框架，如图4所示。

首先，研究结果表明，不同类型的科技成果在技术发展过程中具有不同的分布特征。会议论文的时效性强，因此通常新技术先在会议论文中传播，然后是探讨技术原理的SCI期刊论文，随后是研究工程技术特性等工程特征的EI期刊论文，最后解决工程技术及产业化问题的专利不断增加。据此，我们提出将科技文献类型的变化趋势作为预测技术趋势的依据之一。

其次，从专利申请的视角出发，专利数量快速增长，表明该技术领域中的许多问题正在得到解决、新技术的功能不断得到完善，反之技术进步缓慢。对于专利权人而言，随着技术研究的逐渐完善，技术领域中的研发单位会呈现不同状态。

最后，在一个技术领域中，随着技术成熟度的提高，技术应用领域也会相应扩展，技术显示出更强的共性特征、具有较强的可应用性和产业化潜力。这在专利数据方面表现为，随着该领域知识的积累，专利数据所包含的IPC号数量增加。另一方面，若该技术领域已有清晰的应用发展方向，很难在新的领域有所突破，就会在专利数据方面表现出高度的IPC号聚集效应。因此，我们选择两个指标说明技术的共性特征和技术应用领域的聚集程度，并用研究论文的参考文献数量表征该技术领域的知识积累。

图4 多视角的技术趋势预测研究框架

2.2.4 快速发展的前沿领域探索

研究者在想深入了解一项新兴技术的未来发展趋势时，通常会把握“技术前沿”。技术前沿是一种动态趋势，虽然不一定是目前研究者普遍关注的焦点，但是拥有最快的发展趋势（所发表的学术论文数量增长很快）。“技术前沿”是指“一组突现的动态概念和潜在的研究问题”，其特点是“新出现”、研究成果增长快。大量的研究经验结果表明，新知识在产生后将以会议论文、期刊论文的形式被公开，只有当理论成果积累到一定程度后，新知识才会以发明或实用新型的方式被申请为专利。因此，本文提出以科技文献数据为基础来探索技术前沿，以保证知识来源的新颖性。

本文用词频增长率测度突现性。由于科技文献数据量很大，关键词集合中关键词的数量非常多，因此分析时既要考虑词频的变化率，还要考虑这些概念的影响。本文先逐年描述关键词共现网络，进行关键词网络的知识聚类，然后从各聚类中人工提取反映技术的核心词汇作为分析发展变化的基础，从而确定具有前沿特征的词汇。

分析高影响因子期刊既是分析研究前沿的有效手段，也是确定未来主要监测扫描对象的有效方法。根据影响因子对技术词汇所在的期刊源进行排序以寻找高影响因子期刊，高影响因子期刊刊载文章的质量高、文章被关注的机会多，通常代表该领域的研究前沿，利用高影响因子期刊中学术论文的关键词，可进一步补充前沿研究词汇。

另外，相关技术研究前沿还可以通过分析综述类研究文献的内容来了解。要了解国内的情况，可利用CNKI数据库检索中文综述类文献；要了解国外的情况，可选择恰当的数据库进行检索。检索结果可以作为前述研究的补充说明。基于科技文献的技术研究前沿分析框架如图5所示。

图5 基于科技文献的技术研究前沿分析框架

2.2.5 技术空白点识别

当新兴技术的发展路线逐渐清晰并且新兴技术逐渐进入成熟阶段后，一些原有的核心技术往往需要进行必要的突破和跃迁，从而满足市场主导企业可继续凭借改进的技术拥有市场主动权，或使技术追赶者可通过拥有先进技术来提升市场份额。这一过程需要企业通过技术预测识别领域内的技术空白点——它们可能是研究者尚未注意的新领域，也可能是研发难度较大、利用现有技术难以突破的技术难点［22］。基于技术未来的发展方向，技术机会有两种形式：一是某技术领域中新技术的出现，如纳米技术、基因组技术的出现；二是对现有技术的发展、改进和创新，如纳米芯片技术和转基因技术等的发展等［23］。

黄鲁成等在前人研究的基础上，提出了以文本挖掘和主成分分析为核心的技术空白点预测方法，其研究框架如图6所示。利用数据挖掘方法绘制专利地图并分析，可以全面关注目标技术的发展方向，挖掘出新技术的创新点以及该技术领域的发展潜力，进而通过深入研究、分析空白区的相邻专利集，就能够更有效地识别研发新技术的最佳时机。

图6 技术空白点预测研究框架

2.2.6 新兴技术产业化潜力预测

新兴技术是智力密集型的知识产品。与传统技术相比，其研发具有高度不确定性和创造性毁灭的特征，这些体现在市场、技术和管理等方面。其中，新兴技术的不确定性包括其学科基础的不清晰性、技术功能的不稳定性、技术发展方向的不确定性、新兴技术产业化是否能够成功等含义。另外，科学技术发展是不同力量作用的结果，包括科学技术自身进化的动力、市场需求的驱动力和人文社会的塑造力等［24］。由于科技文献中有对技术的科学基础的全面而深入的研究，它们能够充分反映技术的知识基础，因此我们提出以科技文献数据为基础，采用主客观相结合的方法，通过文献计量分析和专家判断来预测新兴技术产业化的前景。基于文献计量学的新兴技术产业化前景分析框架如图7所示。由图7可知，该框架包括两个步骤：首先，通过文献计量分析对新兴技术的发展阶段及其技术成熟度进行判断；然后，对已进入成熟期的技术进行产业化环境分析，并结合专家意见，形成新兴技术产业化前景的分析报告。

图7 基于文献计量学的新兴技术产业化前景分析框架

2.2.7 技术竞争者研发战略预测

分析技术领域中竞争对手的研发战略，旨在了解竞争对手的技术发展现状及未来发展趋势。具体包括四方面的内容：一是竞争对手是谁，即识别技术领域中的竞争对手；二是竞争对手在做什么，即研究竞争对手的研发重点；三是竞争对手为什么这样做，即研究竞争对手的战略布局；四是竞争对手是怎样做的，即分析技术功效。识别竞争对手有助于聚焦分析对象；扫描研发重点有助于掌握竞争对手的动态；分析战略布局可更好地预见未来竞争领域；分析技术功效矩阵有助于企业知己知彼、扬长避短。技术竞争者研发战略预测实现框架如图8所示。

3 总结

本文在对技术预测（预见）的含义及现存方法进行梳理的基础上，进一步强调客观分析方法在技术预测（预见）中应用的必要性，并采用客观数据（专利、文献和网络信息），对如何开展技术预测（预见）研究提出了包括6个方面研究内容的框架，包括技术轨道的形成及变异、基于技术生命周期的技术趋势预测、技术前沿领域的潜力预测、技术空白点识别、技术产业化潜力及技术竞争者研发战略预测。其中，部分研究方法已得到实证研究的验证，具有较高的可靠性，能够指导技术管理战略的制定，为国家甄选新兴技术提供有力支撑。

图8 技术竞争者研发战略预测研究框架

［1］PORTER A L，DETAMPEL M J.Technology opportunities analysis［J］.Technology Forecasting and Social Change，1995，49（3）：237-255.

［2］HENDERSON R，CLARK K B.Architectural innovation：the reconfiguration of existing product technologies and the failure of established firms［J］.Administrative Science Quarterly，1994，35（1）：9-30.

［3］CHRISTENSEN C M，SUAREZ F F，UTTERBACK J M.Strategies for survival in fast changing industries［J］.Manage.Sci.，1998，44（12）：207-220.

［4］SCHILLING M A.Technological lockout：an integrative model of the economic and strategic factors driving technology success and failure［J］.Acad.Manage.Rev.，1998，23（2）：267-284.

［5］LEMOS A D，PORTO A C.Technological forecasting techniques and competitive intelligence：tools for improving the innovation process［J］.Ind.Manage.Data Syst.，1998，98（7）：330-337.

［6］GARDE V D，PATE R R.Technological forecasting for power generation—A study using the Delphi techniqueJ.Long Range Planning198518473-79.

［7］WIKIPEDIA.Technology Forecasting［EB／OL］.［2013］.http：／／en.wikipedia.org／wiki／Technology＿forecasting.

［8］FIRAT A K，WOON W L，MADNICK S.Technology Forecasting—A Review［C］.Working paper CISL＃2008，15，2008.

［9］IRVINE J，MARTIN B R.Foresight in Science：Picking the winners［M］.London：Pinter，1984.

［10］MICHAEL M，FELIX C，DORA M.An econometrics analysis of asymmetry volatility：theory and application to patents［J］.Journal of Eeonometrics，2007，139：259-284.

［11］LEONG C，TUGRUL D.Exploring the impact of technology foresight studies on innovation：case of BRIC countries［J］.Futures，2012，44：618-630.

［12］MARIEN M.Futures studies and policy studies：complementary fields in public affairs［J］.Rev.Policy Res.，1984，4（1）：35.

［13］LINSTONE H A.The 21st century：everyman as fast-technology，terrorism，and the multiple perspective approach［J］.Technological Forecasting and Social Change，2003，70（3）：283-296.

［14］DU PREEZ G T，PISTORIUS C W I.Analyzing technological threats and opportunities in wireless data services［J］.Technological Forecasting and Social Change，2003，70（1）：1-20.

［15］秦艳艳.技术遇见何以可能——基于技术发展模型的考察［D］.上海：复旦大学，2011.

［16］WANG T-Y，SHIH-CHIEN C.Forecasting innovation performance via neural networks—a case of Taiwanese manufacturing industry［J］.Technovation，2006，26（5／6）：635-643.

［17］DOSI G.Sources procedures and microeconomics of innovation［J］.Journal of Economic Literatures，1998，26：1127-1128.

［18］BOTTAZZIA G，DOSIA G.Innovation and corporate growth in the evolution of the drug industry［J］.International Journal of Industrial Organization，2001，19（17）：1161-1187.

［19］DOSI G.Technological paradigms and technological trajectories［J］.Research Policy，1982，11（3）：147-162.

［20］王敏，银路.技术演化的集成研究及新兴技术演化［J］.科学学研究，2008，6（3）：466-471.

［21］黄鲁成，石媛嫄，吴菲菲.基于专利引用的技术轨道动态分析——以太阳能电池为例［J］.科学学研究，2013，31（3）：358-366.

［22］蔡爽.基于专利的新兴技术商业化潜力评价研究［D］.北京：北京工业大学，2008.

［23］历妍.基于专利的技术发展趋势研究［D］，北京：北京工业大学，2011.

［24］卢文光，黄鲁成.新兴技术产业化潜力评价及其特征研究［J］.技术经济，2011，6（30）：50-54.