基于产业创新链视角的智能产业技术创新力分析：以大数据产业为例

邸晓燕，张赤东

(1.北京化工大学，北京 100029; 2.中国科学技术发展战略研究院，北京 100038)

基于产业创新链视角的智能产业技术创新力分析：以大数据产业为例

邸晓燕1，张赤东2

(1.北京化工大学，北京 100029; 2.中国科学技术发展战略研究院，北京 100038)

摘 要：结合相关的产业链、技术链、价值链，以及技术成熟度的研究成果，提出智能产业及智能产业技术创新力的概念，并从横向和纵向两个维度构建出能够衡量基于技术特征的边界完整性、产业发展动态性、产业内部网络关联性的测度理论模型，并尝试给出指标体系。以大数据产业为案例，运用全景图分析了智能产业技术创新的进步与差距。

关键词：智能产业；产业技术创新力；评价；产业技术创新链

2008年金融危机爆发以来，围绕信息等智能化领域的科技竞争和产业竞争日益激烈[1]，各国政府纷纷出台政策应对，如德国提出的工业4.0、美国提出的工业互联网等。十八大以来，我国政府积极推行“互联网+”行动，在国家“十三五”及未来经济发展的展望中，智能产业的巨大市场需求与发展前景得到了众多专家的一致认可。在2017年中国软科学年会上，科技部原副部长张来武强调指出，四产、五产、六产是信息化、知识化的产物，是产业融合的产物，其中云计算是四产、五产的核心要素，是体现一个国家竞争力的供给侧工业[2]。业内人士也认为，在以云计算、大数据、人工智能为代表的智能产业发展契机面前，我国和世界发达国家处于同一起跑线上。在这种情况下，对我国智能产业创新进行客观、科学、系统的评价，研判发展趋势，找到制约瓶颈，成为当前产业界和政府相关管理部门进行战略决策的一项极为重要而迫切的任务。

一、研究文献述评

1.关于智能产业的研究

智能产业，是一类新兴的战略产业。目前智能产业处于发展的初期阶段。一般表现为新一代信息技术、智能制造等已经在一些产业领域得到了应用，如在服务业、非耐用品和个人电子产品等领域。物联网、信息物理系统等新趋势加速了智能技术发展与创新[3]。特别是智能制造，国内外有较多研究成果，研究涉及智能技术、制造技术、信息技术等多个学科[4-5]，由于这几个领域不断发展，关于智能制造的概念和内涵，也处在不断变化、充实和完善之中[6]。

与其他产业相比，它是工业社会各产业与信息化深度融合的结果，“以大数据和云技术、智能识别和操控、最优配置等技术为主导，以跨学科领域汇聚融合创新为核心动力，以资源全面共享和社会协同互利为特征”[2]。学者们从以下几方面对智能产业做了研究。第一，工业互联网和信息管理带来了多个产业的智能化趋势。物联网(IoT)技术对其他产业的影响，给各个产业带来了重要的挑战和机会。到2020年，预计将有500亿台计算机装置接入到互联网[3]。Perera等人对物联网和情景感知的技术、方法、模式、功能、系统、应用、中间件解决方案等做了广泛的研究[7]。Varghese等人研究了工业4.0必备技术，如可升级链接、机对机通信可靠性等技术对互联网潜能的决定性作用，得出的结论是，除了单一的无线标准(如wifi)，多种技术的组合，对工业无线互联网是必需的[8]。第二，大数据和云计算技术优化了产业的生产流程。O’Donovan等人研究了制造业中管理日益增长的数据时要解决的复杂性问题，以及企业做重要决策时怎样利用数据库[9]。Kehoe等人调查了150家云机器人和自动化领域的工厂，讨论了云计算对工业领域效率的影响，以及由此而产生的信息安全问题，涉及商业秘密、监管、法律等方面[10]，信息安全是未来智能工厂将会面临的一项挑战。第三，机器学习与数据挖掘带来制造过程的智能化。机器学习在制造业领域的应用是一个全新的问题。Pham等人用决策树、远程学习、基因方程、贝叶斯方法等研究了机器学习在各种不同制造业领域的应用[11]。

然而，目前对智能产业技术创新的研究还很不足，无论从概念界定、产业边界还是技术领域来看，智能产业都不符合传统的标准产业。这些研究涉及分析性的概念，而不是统计概念和产业分类概念。对于智能产业的研究，国外学者主要关注的是前沿技术领域如何影响工业制造的效率。

我国学者在人工智能、智能制造、战略性新兴产业发展战略等方面开展了相关研究。大多是针对国外经验借鉴、与制造业转型升级之间的相互关系，而开展的现象描述层面的定性研究[12]。理论上的关于微观机制、动力模式等深入探讨很少，关于智能产业的创新评价也初步展开，都在逐步深化认识的过程中，基础理论研究支撑不足，对其评价时需要提出新方法。

2.关于产业创新的研究

从上世纪到本世纪，创新始终都是热门话题，有关的著作、论文层出不穷。2010年以来，国外关注较多的是国家创新体系和企业层面的创新行为和活动，对企业创新模式、企业创新管理、以及企业创新案例研究比较多。相对而言，对技术创新、技术创新体系、产业技术创新体方面理论性研究较为零散。在国内，随着国家创新发展战略的逐渐清晰，专家学者进一步开展了技术创新问题的研究。技术创新理论的研究范围主要包括以下几方面：第一，企业技术创新的研究。从熊彼特的创新模型开始，微观企业角度的研究就注重技术创新过程和机制，在这些方面，中外学者都做了大量的研究，形成了技术创新经济学、创新管理等各个不同的理论流派。第二，产业技术创新的研究。产业技术创新是企业技术创新在产业空间层面的延展，是基于中观层面的系统研究，主要包括产业技术创新支撑体系的研究，产业或部门创新系统研究。第三，技术创新体系理论的研究。技术创新体系的研究更关注活动主体之间的协调互动，关于体系的定义、内涵、构成要素及其建设等方面，包括创新主体、创新政策、创新环境等。主要有具有我国特色的以企业为主体的技术创新体系研究。

此外，与技术创新相关的研究主要包括国家创新体系和区域创新体系的研究。国家创新体系是技术创新理论的背景，创新体系都是在政策、社会文化环境下的体系，没有脱离国家特征、制度、发展阶段的技术创新及技术创新体系。国家创新体系比技术创新体系的范围更大，目标更广，不像技术创新体系那样追求具体的技术创新目标，而是更宽泛的国家目标，包括科学进步、社会发展等等。区域创新体系是国家创新体系在空间上的缩小化，也是宏观层面开展的研究。

企业技术创新理论在国外比较成熟，在我国主要是理论的应用，指导企业的实践活动，在政策层面的应用。这两方面的研究，数量较为丰富，但理论发展没有太多的突破。在产业技术创新理论和技术创新体系理论研究等方面，学术研究上有一些推进和突破。产业技术创新理论主要是在其支撑体系方面有新的进展，技术创新体系理论主要在以企业为主体的技术创新体系研究方面的突破。

3.关于产业创新能力评价相关研究

在产业层次上对创新绩效的评价研究，主要针对战略性新兴产业、高技术产业、制造业等产业开展的[13]。关于创新能力或竞争力的定义及内涵的研究，可以追溯到三方面的主要理论：国家创新系统、竞争力理论、部门创新系统。国家创新系统为能力研究提供了理论基础，竞争力理论是能力测度研究框架形成的依据，部门创新或产业创新系统理论则奠定了从产业层面研究的基础。卡尔森等人(B.Carlsson and Stankiewitz, 1995;Hughes, 1984; and Callon,1992)关于技术体系的研究[14],马莱尔巴(Malerba)和Breschi等将演化论和学习理论结合起来，提出了部门创新系统的概念[15],波特提出了创新能力指标及其构成要素相互关系的数学模型。钻石理论的框架也被用于分析国家、区域、城市、集群等各层次，成为理解和改善竞争力问题的有效分析工具。目前，国内外学者对产业竞争力的研究基本上都是以钻石模型为分析范式。

一些产业竞争力评价的文献，可以认为是产业创新绩效及创新能力的研究。从20世纪90年代后开始国内学者开始产业竞争力评价研究，2007年之后文献逐渐增多，在产业选择方面，多数成果集中在高新技术产业、战略性新兴产业和制造业。评价的指标体系大体可分为两层：单层次指标和多层次指标，两种类型指标的使用大体相当。根据不同产业的类型，有些研究增加了个别特色指标。指标构建的视角主要包括钻石模型、投入产出分析、SCP框架、持续竞争、规模效益等。评价方法包括直接评价法、综合评价法等。其中直接评价法是指对构建好的指标或指标体系逐个进行直接分析，如竞争结果评价法、影响因素剖析法、多指标评价法；综合评价法主要指对影响或决定竞争力的多种因素进行综合考虑，利用统计分析、运筹学、系统工程、模糊数学等方法进行综合分析和评价，如因子分析法、层次分析法、数据包络分析法等。此外，有的学者采用了某些特殊研究方法，如偏离份额分析法、二维评价模型等[16]。上述在各个层面开展的产业创新能力测度分析，智能产业的特征没有考虑到。

对新兴产业技术创新力的评价，目前还是比较少的，对新兴产业技术成熟度，目前相对比较有影响力的是Gartner公司的生命周期分类。Gartner公司用图形表示了技术或应用软件的成熟度、在市场中的应用、这些技术与解决实际业务问题和开拓新机会之间的潜在关系。每一项技术的生命周期可以归纳为五个阶段。

4.关于产业链的相关研究

产业链是我国特有的概念，国外几乎没有中观层面的产业链研究，主要从微观的价值链、供应链角度的研究。关于产业链的研究开展较早，很多学者都界定了产业链的内涵，产业链的形成动因、产业链的构建、产业链的优化完善等问题。属于产业组织理论和区域经济学的研究热点。

在技术创新研究过程中，有的学者分析了技术创新链与产业链的关系。技术创新链在微观上可以表现为技术链和产业链[17]，但并不是一一对应的。有的学者提出了技术创新链的概念，侧重于技术的上下游衔接或横向配套的关系，用链来反映技术创新的体系性。这些研究都处在描述性规范探索阶段，没有定论。

5.现有相关研究的总结评价

以往的理论研究中，从国家到区域，再到产业层面的创新能力，主要是依据国家创新系统、产业技术创新系统的理论框架，而对产业创新系统的具体描述。实证研究则利用投入产出分析以及生产率评价理论，构建了评价模型，选取一系列指标，进行能力或竞争力的评价。大部分研究的共同点是从创新投入和创新产出两个方面构建指标，但是，这类思路把“产业技术创新体系”作为一个黑箱，究竟能力是如何决定的，而产出又是否能够剥离其他要素投入的影响，并没有给出令人信服的阐释，同时，也未反映产业系统的动态特征。研究结果在国别、区域、主体等之间比较方面有一定价值，但在产业创新能力绝对值的客观性、准确性方面，还缺乏获得公认的研究。而且，研究结论对政策分析和建议方面的作用比较薄弱。就“产业技术创新力”来说，从含义界定，到评价研究，都比较欠缺。

以往对产业链、技术链、价值链的相关研究，尽管是基于传统产业理论而总结提炼的规律，但其思路，如产业相关主体之间的链条或网状关系，不同产业的类型，表现形式等，仍可应用于智能产业的分析，对于我们构建智能产业技术创新力的评价具有重要的参考价值。Gartner对新兴产业技术成熟度的研究在目前比较有影响力，有助于理解智能产业技术发展周期的规律。

智能产业在全球范围内处于新兴发展状态，尚在探索阶段。智能化、大数据背景下产业的边界、内涵、组织模式，都发生了巨大的变化，相应地对产业技术创新能力的评价测度提出了新要求。已有研究主要源于高新技术类制造业产业规律的总结。以往对产业创新能力的评价，理论框架和指标方法都不能完美地适用于该产业。从构建评价测度方法的角度，与国外比较，看出智能产业创新能力的进步与差距。

二、智能产业技术创新的典型特点

随着信息技术的发展，虚拟世界和物理世界融合，制造业、服务业，乃至人们的衣食住行各个方面都更加电子化、智能化。智能产业是通过互联网获取IT资源而建立的生产模式，和传统的制造业、服务业都不同，不仅是技术上的颠覆和突破，同时也是产业模式、产业业态的创新。智能产业很难用传统的产业划分标准来区分边界，包括现有产业在智能化方向的横向扩展，以及新兴的智能产业。严格来说，智能产业不是传统意义上的产业，而是横跨多个技术领域的群体产业。智能产业与传统制造、服务等产业交叉重叠，具有战略性新兴产业创新的典型特点，产业辐射范围广，规模体量很大，对其他产业具有很强的影响力，从技术到应用各个环节，对技术、生产、消费，及人类的行为都在产生着影响，既可能成为国民经济支柱产业，又是支柱产业不可或缺的技术环节。

这类产业大体可以总结为以下几个特征。

1.轻资产的新型投资模式。智能产业固定资产所占比例较小，甚至无固定资产投入，初创阶段主要依靠天使投资、风险资本投入。

2.技术交叉的市场特征。智能产业通常带有跨领域交叉的技术、市场特征，对综合性、高端人才的需求尤为迫切。特别是跨领域的综合性人才，例如数据科学家，需要既懂运营，又要懂市场、懂商业模型、懂数据分析，又要有很强的商业敏感性。

3.用户群体的价值特征。智能产业的市场价值体现在庞大的用户群体上，用户是最终的目的和最重要的资产。如大数据产业，用户选择市场，企业沿着用户需求发掘自身的研发需求。这类产业中，企业价值的评估的焦点不在于固定资产的多少，而是(潜在)用户数。

4.长尾服务的增值特点。智能产业的增加值更多体现在服务方面。大数据、智能终端都属于服务业领域，价值增值部分主要体现在服务方面，表现出制造服务化的趋势。与传统产业呈正态分布特征不同，新兴产业非常符合长尾理论。“软件产品免费，服务收费”的商业模式正在使传统产业出现新的营利模式。随着市场需求层次多元化，企业不断整合产业链上下游资源，提供系统的一体化解决方案，制造环节的高附加值正逐步转向服务环节。越贴近用户的应用层，提供的服务越是多样化、个性化，价值链的价值分享比例越高。

5.开放创新的模式特征。智能产业多采取开放式创新模式，用户参与创新。消费者和生产者的界限不再清晰，消费者也参与创新过程，从而参与生产， 正在转变为“产消者”。创新和创业融合为一个过程。

在一个产业内部，如果从系统角度来看，主体之间相互影响所包含的市场与非市场关系非常广泛，往往超出技术许可、联盟、正式的企业网络涵盖的范围。已有对创新投入和经济产出的衡量方法无法准确评估其成本和收益。以大数据为例，数据本身呈现新特点，数据点越来越多，越来越碎片化，随着可穿戴设备、物联网等的发展，随时随地产生和收集数据，相应的，数据分析市场、数据应用市场，乃至理论研究方法都发生着革命性的变化。在云计算产业链中，分工协作将从过去的一个企业内部或一个产业内部的狭义分工拓展成由各主体参与的广义分工，将是使成本下降、效率提高的重要手段。

对智能产业来说，产业发展的基本规律仍然是适用的，如依靠用户需求带来一整条产业链的建立和发展，相关产业和部门的相互配合也会构建起一套生态系统。已有创新力的评价理论，其核心要点在一定程度上仍然适用。然而，由于智能产业的表现形式不同于传统产业，因而理论需要进一步完善，具体评价方法和指标选取需要相应变革。

三、智能产业技术创新力的界定与分析框架

(一)产业技术创新力的边界界定

借鉴卡尔森技术系统的概念，从技术系统角度界定产业范围，系统的功能是产生技术、使用技术和扩散技术。创新能力有时被简称为创新力。产业技术创新力，则是一个全新的概念。

本文对产业创新力的研究，着眼于对产业技术创新链的考察，对创新综合能力的分析评价。产业技术创新链是所有产业都具有的，运行机制主要可以分为基于平台的模式，基于专利池的模式，和基于协议研发的模式[17]。在产业链方面，供应上下游关系重在考察完整性，处于领导地位的企业协调和管理设计、研发、销售、服务各环节的能力；在技术上考察，技术成熟度，技术的供给、来源，技术间的替代性/互补性等问题；价值链方面，探讨上下游利益相关主体在价值链上的位置、角色及对生产体系的影响，以及价值增值的“战略环节”等问题。

从智能产业来看，产业技术创新链主要表现为平台运行模式。智能产业，在全球范围内尚处于萌芽或新兴状态，很多企业不盈利，融资渠道不是传统的银行信贷，更多来自于风险投资。其规模、潜力也很难用产值考察，用融资效果并购额来体现价值；价值链具有很大的延伸性和关联性。产品终端需求市场的控制力更加重要，有利于实现高研发投入活动的补偿和收益。

(二)产业技术创新力测度分析的三个特性

对产业技术创新力的测度，以产业技术创新链分析为基本理论依据，分析链条上各个环节的支撑配合，最终实现产业技术创新的功能，衡量产业竞争能力。产业技术创新链具有动态特征，因此，基于产业技术创新链进行的产业技术创新力研究也就具有了动态意义。我们认为，产业技术创新力的测度，应首先界定什么是产业技术创新的范围或边界。以技术为核心(而不是以产品为核心)，从技术创新链或产业链功能实现这个角度，勾画产业边界。从产业链、技术创新链上下游关系，以产业技术领域为基准依据，定位产业技术系统的主体，构建产业边界的内容和基本模块。

产业创新力的测度应能衡量出三个特性：基于技术特征的边界完整性，产业发展的动态性，产业内部的网络关联性。

从纵向来看，我们选择产业中的典型企业，作为研究分析的重点，进行中外企业的对比分析，形成横纵结合的理论框架，横向测度产业链完整性和功能性，纵向测度主导企业的表现，形成三维立体图形，如图1所示。

图1 测度的理论框架图数据来源：作者绘制

(三)产业技术创新力分析的基本框架

产业技术创新力的测度模型由横纵两维分析构成，横向侧重整体视角，对技术创新链进行比较和定位；纵向用点的特征反映总体的功能性，选择领先的创新型企业，从点的角度分析产生、使用和扩散技术的能力，包括搜寻获得相关经济和技术信息能力、把握市场和技术机会的能力、获取发展技术所需的各类资源的能力等等。

从横向上来看，我们从两个模块构建产业技术创新力的测度模型。第一个模块，研究产业链结构的完整性。根据产业化功能实现，找出产业链和技术创新链上下游关系的产业及其主体，定位该环节领先、有竞争力的企业或科研机构，定义产业技术系统的边界；看技术创新链条是否完整。第二个模块，评价产业技术系统的功能，产业链环节的关联性或匹配性。各个组成部分之间关联性好，互相支撑，有助于充分发挥体系的各项功能。从系统整体角度衡量该产业的技术创新能力，评价产业创新的绩效(如图2)。

图2 横向测度理论框架数据来源：作者绘制

在智能产业，产业链的结构大体可以分解为数据源、存储、分析、应用、市场、平台等等一系列环节，判断其完整性，首要的是各环节有无；其次是产业链是否贯通，关联匹配性程度和要素配置的竞争性如何。然后是产业链的规模大小。产业链在这个产业中大还是小，构成产业链的企业量级大小。

产业链的功能性则衡量每个环节的功能性是什么，以及功能实现对产业技术创新的影响，考虑产业主体对生产要素的控制、对市场需求的响应及主体间市场竞争关系。这两类指标的量化，我们考虑借鉴能力成熟度模型(CMM)的框架，可初步分为初始级、规范级和最佳化级(如表1所示)。

我们将上述智能产业评价方法称为“产业技术创新力”，可见其是为了满足产业技术需求，改进产业技术现状，创造新技术，包括新发明、新产品、新方法、新工艺，并获取有益市场效果的行动，实现知识和技术的创造、应用、扩散的能力，是对完成产业创新活动所必备的各种条件，包括主体、技术创新链条、生态、政策等等，是对这些条件系统能力的一种度量。上述指标，有的可以量化评价，如产品(服务)上市规模、创业公司数量、IPO数量、风投金额、企业集群数量；另一些较难量化的指标，如行业龙头、创业企业的作用、各主体间关系、市场结构、创新网络等可以通过专家法获得。

图3 产业链结构示意图(以数据产业为模版)数据来源：作者绘制

模块测度指标产业链完整性行业龙头、创业企业的作用各主体间关系(战略合作、市场交易)产品(或服务)上市产业链功能性创业公司数量IPO数量风投金额(天使投资、VC)产业链的规模企业集群数量市场结构创新网络

四、典型案例：大数据产业技术创新力比较分析

借鉴美国产业技术全景图的方法，来横向比较产业技术创新的能力。2012年Bloomberg Venture发布了大数据产业全景图2.0版本，将数百个大数据创业公司和IT厂商根据产品和商业模式划分为38种。38种商业模式和产品按照产业链条划分为六大类。2014年，Turck推出了大数据全景图3.0版本。在3.0版本中，依然将大数据产业划分为六大类，但是每个类别中的产品或商业模式迅速扩展。大数据全景图3.0完整地描述了大数据的产业链，链条中包含了美国，乃至世界上其他主要国家的企业及其产品或商业模式的相关信息，因此该全景图可以反映出大数据产业发展的现状。

按照全景图方法，可以描绘我国大数据产业的技术全景图，据此分析大数据产业链结构、发展特征和企业的技术创新能力。我国大数据仍处于起步发展阶段，各地发展大数据积极性较高，行业应用得到快速推广，市场规模增速明显。

(一)我国大数据产业链

涌入的企业不断增加，产业链不断细化、完善，产业发展尚处于早期阶段，风险投资正大量涌入。WikiBon公司表示，2012年全球大数据市场已达114亿美元，2013年将达到181亿美元，年增长率达61%，2017年之前有望突破470亿美元。快速增长的市场，吸引了大量创业公司涌入, 随着市场的进一步拓展，公司估值不断飙升，吸引了大量风险投资跟进，他们把资金投入到有前途的初创公司。

IPO公司占少数。在大数据全景图3.0的创业公司中，成功IPO的公司并不多，只有16家公司“退出”( IPO或被收购)，这些公司约占4.5%；在“分析”类中，成功“退出”的公司占比例最高，为7.5%；在“数据源”类中，有6.9%的公司成功“退出”；在“基础设施”类中，有4.0%的公司“退出”；最低的是“应用”类公司，成功“退出”为1.4%；开源类公司“退出”的为0。

我国大数据产业链共划分为基础设施、应用、分析、跨基础设施、开源及数据源6个环节，中国厂商绝大多数集中在了“应用”和“分析”环节，应用环节中有如阿里巴巴、腾讯等从事广告优化和营销的企业，也有其他从事金融、汽车、政府、健康、教育、安全等行业应用的企业；分析环节中有如拓尔思、美亚柏科等从事数据处理、分析环节、综合处理的企业，也有如科大讯飞从事语音识别，如海康威视、大华股份、华平股份、中威电子，国腾电子从事视频识别的企业。在应用环节，中美热点相似度较高，都包括广告优化、营销、金融、产业、政府、健康、教育、安全等。

在“开源”、“跨平台基础设施/分析”和“基础设施”三个领域，美国处于垄断地位，公司也主要集中在“跨平台基础设施/分析”和“基础设施”两个环节。中国一些厂商认为美国相关技术专业性太强，不利于普及，更倾向短平快技术应用。但一些企业坚持在这些重要环节耕耘，如用友软件、久其软件等商业软件开发公司、天玑科技、银信科技、荣之联等从事数据中心的建设与维护的公司。

目前我国的大数据产业链还不完善，有一些环节企业进入数量不多，还有一些环节仍然处于空白状态。在大数据产业链高端环节仍然缺少成熟的产品和服务。总体上，面向海量数据的存储和计算服务较多，而前端环节数据采集和预处理，后端环节数据挖掘分析和可视化，及大数据整体解决方案等产品和服务匮乏。

在基础架构环节，中国IT产业发展历史较短，基础架构中的各个环节的发展还很不成熟，IT相关技能标准的制定和实施仍然相对滞后。国内目前最主要的形态还局限于数据的存储和简单管理上，缺少面向大数据的计算和网络系统，参与者多为正在试图转型的传统IT厂商，如H3C、浪潮等。

在分析环节，从分析技术的角度进行区分，国内的企业大致可以分为商业智能类、图像分析类、语音识别类、实时处理类、空间分析类及可视化类。百度、腾讯、阿里等互联网巨头正着手建立完善的大数据服务基础架构及商业化模式，从数据的存储、挖掘、管理、计算等方面提供一站式服务，将各行各业的数据孤岛打通互联。2014年，百度大脑依托大数据在高考作文预测中命中了全国18卷中12卷作文方向，淘宝数据魔方用大数据技术锁定了用户喜好。

在跨平台基础设施环节，国内华为、联想、浪潮、曙光等一批IT厂商纷纷推出大数据解决方案。如华为云计算FusionCube一体机、浪潮云海大数据一体机、曙光大数据一体机等等。如：华为大数据一体机服务于北大重点实验室；浪潮大数据平台大大提升了济南的警务工作能力；农行采用曙光XData大数据一体机系统，满足系统对于并发用户数和性能的要求，能够支撑农业银行历史数据查询和分析业务。但总体上，国内大数据解决方案提供商实力较弱，产品一些关键行业还未形成影响力，新兴大数据解决方案初创企业也凤毛麟角。

在数据源环节，目前从事相关业务的企业只有10家左右。由于数据流通在全社会还未形成规模，国内数据源区块中的综合性平台比例较为明显，尤其是培育出了集采集、加工和流通功能于一体的数据银行典型案例。同时，在国内互联网向其他行业迅速渗透的趋势下，各类线下数据的采集和整合现象也较为突出。

图4 中国大数据产业链各环节企业分布数量数据来源：中国电子学会、中国科学技术发展战略研究院整理，2015.9

(二)与国外大数据产业链的比较

1.基础设施、跨基础设施/分析、开源被美国公司控制

中国大数据产业创新缺乏核心技术。从中国大数据产业链全景云图可以看出，在基础设施、跨基础设施/分析、开源环节中，中国公司几乎没有涉及。

在基础设施环节，中国有13家公司涉及，集中在云服务、数据存储设备，在分布式系统基础架构(Hadoop On Prem)(1家)，图形数据库(2家)。分布式系统基础架构，研发Apache Hadoop 2.0等软件和数据平台服务，缺乏原始创新。在数据库、数据库安全监控、数据传输等核心技术产品中，中国企业处于空白状态；在管理/监控工具服务、众包服务、集群服务、应用软件开发等商业模式中，中国企业也处于空白状态。

在跨基础设施/分析环节，中国有5家公司推出大数据软硬件一体化解决方案，但是其核心数据库技术还是依赖外国公司产品。

在开源环节中，中国企业只在云部署中有5家企业，其他的产品/商业模式均没有涉及。

目前在大数据领域展开竞争的IT企业多是在数据存储、数据分析等领域有着传统优势的厂商。当下，软硬件一体化设备在大数据解决方案中占据重要地位，仍然是IBM、Oracle等国际巨头主导。对比全球大数据公司，中国大数据解决方案提供商实力还相对较弱，产品在一些关键行业还未形成影响力。代表大数据创新趋势的实时化(实时处理)、智能化(机器学习、人工智能)，专业化、民主化(开源)、非结构化数据处理等技术目前中国公司尚未具备。

2.中国公司主要集中在分析和应用环节

从中国大数据产业链全景云图可以看出，分析环节有28家公司，应用环节有50家公司。

(1)分析环节中，智能化、实时化、非结构化数据处理能力不足。

在分析环节中，中国公司主要集中在商务分析师、商业智能平台、数据可视化、大数据搜索等四个产品/商业模式，人工智能、社会分析、分析服务等产品/商业模式均只有1家公司。在非结构化数据、数据科学平台/工具、实时处理、日志分析、统计计算、机器学习、定位/人物/事件等产品/商业模式均为空白。

国外大数据全景图3.0分析环节中，数据可视化、非结构化数据、社会分析、分析服务、数据科学平台/工具等产品/商业模式进入的公司数量居前5位，是热点领域。

(2)应用环节最为活跃，但是主要市场被国外企业占领

在应用环节中，中国企业进入的数量最多，企业的热点领域与全球基本同步，进入的企业集中在市场、金融、工业、健康、安全和广告优化等领域。

面对中国大数据市场的蓬勃发展和实际需求，IBM等国际巨头不断加大对中国市场的投入，以领先的大数据与分析技术促进大数据在零售、银行、电信、医疗、制造和互联网等诸多行业落地。大数据产业链中，中国企业进入最多的是应用领域，但是应用领域目前国际巨头占有优势地位，IBM、Oracle Inter、Ancestry.com等抢占了大多数中国市场。

互联网周刊发布的《2014大数据应用案例TOP100》显示，大数据应用案例TOP100服务商中，国外公司占67%，国内公司占33%。通过对大数据应用案例TOP100应用领域分析，可以看出大数据应用最多的行业是零售(24%)、金融(17%)、城市(14%)、医疗(8%)、体育(6%) 、教育(4%)、电信(4%)，当然还有航空制造业、社交娱乐、影视、农业等(其他)领域。

3.有数据源但缺乏数据市场

中国数据源环节有10家公司，由数据源和传感器数据的公司组成，缺乏数据交易市场和政府提供的数据服务。进入的创业公司少，提供数据源服务的有些是政府的公共服务机构，如国家食品药品监督管理总局，北京市公安局公安交通管理局等，缺乏提供数据交易的市场。

五、几点启示

1.完善智能产业技术创新链

在基础设施、跨基础设施/分析、开源环节等方面，深化产学研用合作，通过政府资源配置引导、鼓励产业技术创新战略联盟发展等，培育和发展相关企业，完善智能产业的技术创新链。

智能产业的技术基础不牢，例如大数据产业链中存在空白，如在开源的框架、队列/数据流、数据方向、协调/工作流、实时处理、统计工具、机器学习等环节，在基础设施中的数据库、数据转换、应用软件开发、管理健康、集群服务等环节，都没有企业存在。

产业链空白，意味着产业竞争存在短板，而这些薄弱领域的相关环节以基础研究或基础应用研究为多，需要政府提供公共研发、政策环境支持。

2.完善智能产业的市场机制

理顺要素市场价格，完善利益机制，使各类创新的要素向智能产业高效率集聚，并实现有效配置。充分利用普惠性的金融、税收等政策，使政策连续、稳定、透明，形成稳定的预期，减少系统性风险，打造真正公平的市场竞争环境。

3.对智能产业技术创新力进行量化评价

产业技术创新力分析有助于分析大数据等这些智能产业的技术创新和竞争力发展状况，今后还需做两方面研究：一是加强理论研究，验证方法的科学性和合理性，对智能产业创新规律进行持续的总结探索，根据智能产业创新能力变化情况，调整研究框架和结论。二是加强量化比较分析，提高分析方法对创新决策的支撑作用。

在量化分析方面，采用两个维度，相对值和绝对值相结合，横向测度相对值，纵向测度绝对值。横向是产业链完整性和产业链功能性的国际比较。纵向是典型企业的绝对创新能力。应用这些指标，选择有代表性的智能产业进行测评，从中找出问题与差距。对于纵向角度的测度，选择该产业中重点的、有代表性的领先企业或机构，从技术竞争力、市场竞争力、资本运作力三个方面来构建指标。其中，技术竞争力采用研发投入、研发机构与人员、发明专利、新产品开发等指标来测度；市场竞争力采用主导产品市场占有率、品牌影响力、行业地位、产业链控制能力等指标来测度；资本运作力用并购、获得风投机会等指标测度。

参考文献：

[1]尚 勇.加快机器人科技和产业创新，迎接即将到来的智能社会浪潮[N].科技日报,2015-4-20(4).

[2]张来武.在第十二届中国软科学学术年会上的讲话[R].2016-10-13.

[3]Preuveneers D,Ilie-Zudor E.The intelligent industry of the future: A survey on emerging trends,research challenges and opportunities in Industry 4.0[J].Journal of Ambient Intelligence and Smart Environments,2017, 9(3):287-298.

[4]Shi Z, Lee G M,Whinston A B. Toward a better measure of business proximity: topic modeling for industry intelligence[J]. Social Science Electronic Publishing, 2016, 40,1035-1056.

[5]L Zhou.The intelligence industry: guiding the new way of industrial innovation evidence from hi-tech parks of PRD[R]. International Conference on Industrial Technology and Management Science(ITMS 2015):1653-1658.

[6]邓立治等.中国产业竞争力评价研究现状及展望[J].科技管理研究，2015(12):50-55.

[7]Perera C, Zaslavsky A,Christen P, Georgakopoulos D. Context aware computing for the Internet of Things: A survey[J].IEEE Communications Surveys Tutorials,2014 16(1):414-454.

[8]Varghese A,TandurD.Wireless requirements and challenges in Industry 4.0[R]. 2014 International Conference on Contemporary Computing and Informatics(IC3I),2014:634-638.

[9]O’Donovan P,Leahy K,Bruton K, O’Sullivan D T J. Big data in manufacturing:a systematic mapping study[J].Journal of Big Data 2015 2(1):20.

[10]Kehoe B, Patil S,Abbeel P,GoldbergK. A survey of research on cloud robotics and automation[J].IEEE Transactions on Automation Science and Engineering ,201512(2):398.

[11]Pham D T，Afify A A. Machine-learning techniques and their applications in manufacturing, proceedings of the institution of mechanical engineers[J]. Journal of Engineering Manufature 2005,218(5):395-412.

[12]王友发,周献忠.国内外智能制造研究热点与发展趋势[J].中国科技论坛，2016(4):154-160.

[13]彭雪蓉，刘 洋.我国创新评价研究综述：回顾与展望[J].科研管理，2016(4):247-256.

[14]Anna B S. Jacobsson B C, Lindmark S， Rickne A.Analyzing the functional dynamics of technological innovation systems: A scheme of analysis[J].Research Policy, 2008 (37), 3:407-429.

[15]Franco M. Sectoral systems of innovation and production[J]. Research Policy 2002(31):247-264.

[16]彭双等.技术创新链的结构、形成与运行[J].科技进步与对策，2012,29(9):4-7.

[17]林淼等.技术链、产业链和技术创新链：理论分析与政策含义[J].科学学研究，2001,19(4):28-31.

TheEvaluationMeasurementModelofTechnologyInnovationinIntelligentIndustry

DI Xiao-yan1，ZHANG Chi-dong2

(1.BeijingUniversityofChemicalTechnology,Beijing100029，China；2.ChineseAcademyofScienceandTechnologyforDevelopment，Beijing100038，China)

Abstract：In this paper, on the basis of literature analysis, learning from research achievements of the industry chain, technology chain, value chain, and technological maturity, we put forward the concept of intelligent industry and its technological innovative capabilities. We construct industry measure theoretical model from the horizontal and vertical dimension, which can measure the technical features of boundary integrity, dynamic of industry development, the internal network connection, and try to give the evaluation index system.

Key words：intelligent industry; industrial technological innovative capabilities; evaluation; industrial technology innovative chain

中图分类号：F062.9

A

1005-0566(2018)05-0039-10

收稿日期：2017-08-25

2018-04-12

基金项目：北京社科基金14JDJGB042；科技创新战略研究专项ZLY2015064；“科学研究与研究生培养共建项目—科研基地—技术转移机构专业化研究：以北京市为样本”。

作者简介：邸晓燕(1976-)，女，河北滦县人，北京化工大学文法学院、北京知识产权研究基地副教授，经济学博士(后)，研究方向：科技政策、产业创新。通讯作者：张赤东。

(本文责编：王延芳)