社会资本引导下的新兴产业技术扩散网络形成机理与实证研究

张路蓬，薛 澜，周 源，潘美娟

(清华大学 公共管理学院，北京 100084)

一、引言

目前，我国发展正处于变革和转型时期。十九大报告中指出，我国经济已由高速增长阶段转向高质量发展阶段。由资源、劳动密集型产业转向技术、知识密集型产业势在必行。新兴产业作为知识技术密集、物质资源消耗少、成长潜力大、综合效益好的产业，对推动我国经济建设与发展起到了重要的引领作用，建立在科学基础上的新兴技术为后发国家实现技术赶超提供了重要基础。现阶段，我国经济的多元性和巨大的体量使得经济转型发展不仅需要前沿创新领域的突破，而且需要创新科技在整个经济体系中扩散，在各个行业中发挥作用(薛澜，2016)。新兴技术作为新兴产业发展的基础，只有通过学习、采纳并广泛扩散才能得到应用，从而产生新的技术与经济价值。《“十三五”国家战略性新兴产业发展规划》中明确指出，要发展知识密集型战略性新兴产业集群，形成以扩散知识技术为主要特征的战略性新兴产业策源地，发挥其辐射带动作用。

随着知识经济时代的到来，发掘并高效利用社会资本已经成为创新主体进行技术生产、争夺市场份额及高利润点的源动力[1]。创新主体之间以获取社会资本、互补资源等为目的，建立正式或非正式的合作关系，并在合作过程中逐渐形成以知识、技术流动为主的扩散网络。技术扩散网络在孕育新技术的同时，逐步成为新兴技术的扩散载体[2]。因此，掌握新兴产业技术扩散网络的形成机理，分析影响技术扩散网络形成的关键作用要素，对于培育企业自身竞争力、优化新兴技术扩散环境、均具有重要的理论与实践意义。

技术扩散是技术创新过程的一个后续子过程。一项创新成果，必须经过扩散和广泛应用，才能影响经济和社会的发展[3]。Rogers(2003)通过大量的案例研究，将技术扩散定义为创新在一定时间内，通过某种渠道，在社会系统成员中进行传播的过程[4]。傅家骥(2003)从生命周期角度出发，认为扩散开始于技术发明或成果首次商业化应用之时，经过大力推广、普遍采用，直到最后被先进技术替代，淘汰为止[5]。新兴技术的复杂性与高度不确定性促进了创新主体之间的多方深入合作，产生于合作、交流过程中的扩散现象随着企业间关系的复杂逐步向网络化延伸[6]。针对技术扩散网络的相关研究主要集中在两个方面：其一是对于技术扩散网络的影响因素的相关研究，Wei S(2017)等学者研究表明，技术引进和技术开发可以共同提高创新网络的整体技术水平，它们之间呈现倒“U”型的关系[7]；赵良杰等(2012)认为个体行为与社会网络结构对创新扩散的影响取决于创新自身相对优势的大小[8]；还有学者从技术创新特性[9]、采纳者行为[10-11]、传播渠道[12]、政策环境[13]等方面探讨技术扩散的影响因素。其二是针对技术扩散网络的模型研究， Turk等(2012)对宽带技术的扩散进行了仿真研究，利用Bass模型评估技术模仿的速度以及潜在接纳者的总数量[14]；黄玮强(2013)以复杂社会网络为扩散载体，建立了基于社会学习和规范压力影响下的技术扩散多智能体仿真模型[15]；高长元(2014)将复杂网络与传染病模型相结合，探讨了软件产业虚拟集群的技术扩散机理，发现邻居关系对扩散作用明显[16]；Vega和Mandel(2018)基于网络视角构建了风能技术扩散网络，分析了新兴技术扩的散障碍并提出了解决方案[17]。随着社会资本的大量涌入使创新主体之间的关系不断深化，社会资本成为影响知识转移和知识获取的重要因素[19]。David(1999)等对发展中国家的社会资本、技术扩散和可持续发展进行了探讨，开启了社会资本对技术扩散影响的相关研究。李红艳等(2004)认为社会资本在促进隐性知识的传递与扩散、提高资源配置能力等方面具有积极作用[19]；Wei和Peng(2011)构建了集群社会资本对技术创新扩散的影响机制，通过实证研究表明，集群社会资本会影响技术扩散[20]；熊捷等(2017)通过对151家高新技术企业的调查发现，企业社会资本会在一定程度上影响企业技术知识的获取进而影响企业创新绩效[21]。

通过文献梳理发现，国内外学者针对技术扩散的内涵及影响因素的相关研究已经颇具成效，在此基础上，学者们分别基于创新主体特性、创新扩散渠道与路径、创新外部环境等视角，分析了技术扩散网络的形成过程与机理，从而建立技术扩散网络的仿真模型。然而，现有研究大多局限于技术扩散的外部或内部单方面影响因素，往往忽略了内、外多重因素的共同作用效果， 而构建的研究模型多基于仿真技术实现，无法与现实扩散网络的发展有效结合，导致了对于技术扩散网络形成的研究存在一定局限或偏差。而针对社会资本对技术扩散形成的影响，学者们也多仅限于将社会资本作为单一因素，分析其如何影响技术扩散。与传统产业不同，新兴产业属于知识、技术密集型产业，其技术的发展与扩散在不同时期会依赖于不同的社会资源，而现有研究忽略了不同类型的社会资本对技术扩散的不同影响。现阶段，我国新兴产业发展区域不平衡，加之技术研发的复杂性与高度不确定性使得新兴技术亟需通过各种途径高效扩散。基于此，本文尝试从社会资本理论出发，将社会资本细化，分别分析不同类型社会资本对新兴技术扩散网络形成的作用机理，揭示新兴技术扩散的“黑箱”问题，并利用纵向网络模型，以人工智能产业中的自然语言处理技术为例，实证分析新兴技术扩散网络的形成过程与演化路径，在此基础上，提出优化我国新兴产业技术扩散环境、提升新兴技术扩散效率的政策建议。

二、技术扩散网络的形成机理分析与研究假设

(一)社会资本的内涵及其维度划分

社会资本最早起源于社会学，随着其在各个领域的广泛应用，对社会资本的定义主要衍生为三个方向。第一，资源学派认为，企业核心在于其掌握的不同资源，企业的异质资源为其带来可持续的竞争优势[22]。基于资源观视角，学者们将社会资本定义为一种实际或潜在的资源集合体，其嵌入于人们所共同熟识并认可的制度化关系网络中[23]。第二，网络学派认为，通过社会关系获取资源是企业进行创新活动的必要条件，在网络中的组织或个体的社会资本数量决定了其在网络中的地位[24]。基于网络视角，学者们将社会资本定义为可以获取资源和掌控资源的网络结构，该种结构为有效信息和资源的交换创造了条件[25-26]。第三，能力学派认为，能力是企业拥有的一种智力资本，它是企业决策和创新的源泉[27]。基于能力视角，学者们将社会资本定义为行动主体凭借其身份在网络中或者在更广泛的社会关系中获得稀缺资源的能力[28]。Nahapiet和Ghoshal统一了多数学者的观点，认为社会资本是在社会活动中所产生的无形或有形资源体的整合，并将社会资本的构成细分为结构资本、关系资本和认知资本[29]。此外， Chow、Inkpen等学者均将社会资本划分为结构维度、关系维度和认知维度[30-31]。

本文基于学者们普遍认可的观点，将社会资本定义为通过社会网络，创新主体(企业、学研机构等)所能够获取的社会资源。并依据Nahapiet等学者的研究，将社会资本划分为关系资本、结构资本以及认知资本三个维度。由于社会资本为企业获取、扩散知识提供了多样化渠道，因此，在推动和促进技术扩散网络形成的过程中，起到了重要作用。

(二)关系资本与新兴技术扩散网络的形成

社会资本中的关系资本是指企业之间通过有效地合作治理形成的相互信任、相互尊重和共同行动的紧密网络关系[32]，此种网络关系是建立在信任基础上的社会成员之间的一种互动关系，可以为个体提供信息共享和资源交换的渠道[33]。现有研究表明，信息的交换多在两个相似或者同质的个体之间发生，在网络中拥有较多关系的企业更能接近各种资源，从而获得更多有效资源和支持[26,34]。由于新兴产业属于知识、技术密集主导，因此在产业形成初期，需要依赖于外部资源的注入，企业通过扩散知识技术，嵌入所参与的网络中，从而获取信息和知识的回报，通过关系连接嵌入网络的主体，可以迅速组织资源，为技术创新扩散服务[35]。在同一网络中，具有同质性的企业，往往享有共同价值倾向、观念和期望，因此，一定程度上更容易建立互动关系，从而有助于企业培养知识交流和集成的能力[30]。关系资本会影响企业与网络中其他创新主体的认知近似性和和谐性，进而影响企业采纳新兴技术的意愿[36]。因此，企业会倾向于与值得信任、有共同价值和目标、可交换丰富信息的组织来建立合作关系，逐渐形成趋同效应。然而，由于过多的暴露了自身对信息和知识的认知及掌控程度，较高的关系嵌入程度可能会导致负面效应[37]，因此关系资本对于新兴技术扩散的促进作用，更多的集中于产业形成初期。综上所述，在产业形成初期，具有相似性或同质性的企业，由于更容易产生相同的价值倾向与技术创新意愿，因此更容易产生合作关系，采纳彼此的知识、技术，从而影响技术扩散网络的形成。

传统的针对关系资本的测度，通常选择信任、互惠、承诺等主观问题，进行问卷调查[38]。基于前文分析，企业更易与具有较高同质性的企业进行合作、交流，采纳彼此的知识、技术。因此，基于相似性和同质性效应[39]，本文提出如下假设：

H1：社会资本中的关系资本影响新兴技术扩散网络的形成。

H1a：企业之间规模同质性越高，越利于新兴技术扩散网络的形成；

H1b：企业之间研发强度同质性越高，越利于新兴技术扩散网络的形成；

H1c：企业之间战略布局同质性越高，越利于新兴技术扩散网络的形成。

(三) 结构资本与新兴技术扩散网络的形成

社会资本中的结构资本是指主体之间的连接模式，可以为信息或资源的流动提供扩散渠道[40]。本文将结构资本定义为企业在网络中获取知识、技术等资源的路径，该路径决定了企业采纳技术的效果与效率。企业拥有的合作、交流关系是其获取和利用互补性、异质类知识或技术的纽带，企业在交流合作过程中可以接触到前沿知识和信息。同时，与异质性主体之间所建立的知识、技术的传播关系将有助于企业在网络中建立声誉，促进其形成更多的网络关系，从而获取丰富的外部知识[41]。由于主体之间的连接频度、强度以及连接数量的不同，构成了多样化网络结构，企业所处的结构位置是衡量其结构资本的重要依据。处于网络中心位置的企业有更多的机会利用和控制信息与资源[42]。富含结构洞的网络可以通过促进企业采纳非冗余性信息和知识、开展中间人业务、获取有形资源等途径促进技术的扩散[43]。网络中个体的受欢迎程度、活跃性程度通常被认为是具有“结构洞”或“桥联结”作用的关键节。占据结构洞、拥有较多桥连接的企业可以获取更多的异质性和优势信息[44]。此外，已经建立联系的个体之间会形成互惠性和三方传递组等稳定的网络结构关系，有利于知识的获取和扩散[45]。综上所述，不同的网络连接模式，形成了多样化的网络结构，该结构为主体之间信息、技术的扩散提供渠道，推动着技术扩散网络的形成。

在社会资本的结构维度中，企业之间是否存在连接纽带是网络结构的重要衡量标志。网络构型(Network Configuration)通常用来描述主体之间的连接模式，如密度、连接度或科层结构等[46]。基于此，本文利用指数随机图模型所提出的网络构型，选取层级式、循环式以及双边式衡量企业拥有的结构资本[47]。由于创新思想往往从一方经由媒介扩散到意见领袖，再从意见领袖流向弱创新方[48]，因此具有结构洞属性的传递结构可以促进技术扩散网络的形成。层级式传递结构(如图1)由于具有较明显的结构洞、桥联结性质，可以传递更多的异质性资源[45]，从而促进新兴技术的扩散。随着新兴产业的不断集聚，新兴技术的溢出效应逐渐显现，内部资源的集聚不断吸引着外部资源，企业的集聚发展加速了创新资源的自发性流动，从而促进了新兴技术的扩散[49]。循环式传递结构(如图2)属于闭合传递结构，体现了新兴技术的集聚性扩散特征，一方面有助于关键核心技术在组织之间的传递与升级，另一方面可以快速形成集聚，吸引外部资源[47]，促进新兴技术的扩散。此外，处于社会网络中的主体，其拥有的合作互惠关系是获取并利用互补性、异质类知识的纽带[42]，强连接关系下，主体可以获得的有用知识数量较大，有利于复杂、隐性知识的传递[50]，从而促进了技术扩散、资源配置和组织协作[45,51]。双边式传递结构(如图3)属于主体互惠性结构，体现了技术在双方强连接关系下的扩散特征。综上所述，层级式传递结构通过结构洞以及桥连接的重要作用，促进技术在多方企业之间的扩散；循环式传递结构促进企业集聚从而影响新兴技术的扩散；双边式传递结构通过强连接的合作、互动关系促进两方企业之间进行技术交流，从而影响新兴技术的双边扩散。

图2 循环式传递

图1 层级式传递

图3 双边式传递

基于以上分析，本文提出如下假设：

H2：社会资本中的结构资本影响技术扩散网络的形成。

H2a：层级式传递对新兴技术扩散网络的形成具有正向促进作用；

H2b：循环式传递对新兴技术扩散网络的形成具有负向抑制作用；

H2c：双边式传递对新兴技术扩散网络的形成具有负向抑制作用。

(四)认知资本与新兴技术扩散网络的形成

社会资本中的认知资本表现为企业等创新主体之间的共同愿景、共同目标和价值观，代表着创新主体的认知程度，影响着异质性个体对期望目标的理解和在社会网络中的行为方式。

在交流合作初期，有限理性主体以“利己主义”为导向，彼此之间的信息不对称现象凸显，此时网络中的认知程度较低。企业之间由于处于相同的制度环境中，拥有共性认知，并通过非正式的声誉效应与强关系或同质类的主体进行合作交流[52]。因此，认知资本中的外部环境对技术扩散网络的初期形成会产生一定的促进作用。随着合作的深入展开，企业之间逐渐建立了较紧密的合作交流关系，彼此不断加深对于知识编码规则和信息渠道的认知，双方之间达成高度共识、形成较高的共同价值观[53]。加之新兴产业的知识、技术密集程度较高，研发投入较大，因此，规模及研发程度较强的企业拥有更多的资源，从而吸引更多的企业与之合作、交流。综上所述，新兴产业的资源依赖性，使得认知资本不断引导企业进行资源交换，并在合作交流过程中，扩散知识、技术，推动着新兴技术扩散网络的形成。

认知资本的测度一方面要考虑到企业的内部认知资源，同时要兼顾创新主体所处的外部制度、文化环境。企业规模、研发强度是企业进行技术创新的基本资源，在一定程度上决定了企业对于新兴技术研发把控的前瞻性与可靠性，是企业进行深入交流过程中获取的认知资本，也是新兴技术得到广泛扩散的基础。而企业所处的制度环境是一系列与政治、经济和文化有关的法律、法规和习俗，是一种以共享价值观为基础的软实力。由于制度环境是在长时间的生产生活过程中自发形成的，因此被视为企业所接受的一系列行为规范[54]。企业所处的制度环境影响了主体的价值认知，从而对交流合作过程中所产生的扩散行为带来影响。基于以上分析，本文提出如下假设：

H3：社会资本中的认知资本影响新兴技术扩散网络的形成。

H3a：企业规模正向影响新兴技术扩散网络的形成，即企业规模越大越有利于新兴技术扩散网络的形成；

H3b：研发强度正向影响新兴技术扩散网络的形成，即企业研发强度越高越有利于新兴技术扩散网络的形成；

H3c：制度环境正向影响新兴技术扩散网络的形成，即企业所处相同制度环境下有利于新兴技术扩散网络的形成。

综上所述，本文的研究模型如图4所示：

图4 社会资本对新兴产业技术扩散网络形成的作用机理模型

三、实证分析

(一)样本来源

本文选择人工智能产业中的自然语言处理技术为例，进行实证研究。自然语言处理技术(NLP，natural language processing)是人工智能领域的一个重要研究方向，该技术在特征提取、语义识别等认知方面起到了重要作用。依据人工智能产业发展趋势的相关研究报告[55]，确定自然语言处理技术的检索式，通过TI(Thomson Innovation)搜索引擎，从德温特世界专利索引(DWPI)和德温特专利引文索引(DPCI)数据库中，通过检索式检索了自然语言处理技术的全球专利数，并利用TDA软件最终清理出排名前100的高专利被引公司作为实证研究对象注检索式为IC=(G06N000300 OR G06N000302 OR G06N000304 OR G06N000306 OR G06N0003063 OR G06N0003067 OR G06N000308 OR G06N000310 OR G06N000312 OR G06N000500 OR G06N000502 OR G06N000504 OR G06N000700 OR G06N000702 OR G06N000704 OR G06N000706 OR G06N000708 OR G06N009900)。以100家企业的公司名称为检索信息，通过OSIRIS数据库，检索该100家公司的财务数据，人工清洗因破产清算、数据缺失等原因所造成的数据不完整的企业，最终确定93家企业为研究对象。基于前文提出的研究假设，本文选取企业规模、研发强度、战略布局、制度文化以及相关网络指标为自变量，以专利引用所形成的技术扩散网络为因变量。考虑到社会资本在技术扩散网络演化过程中的作用变化，依据相关研究报告，2006年人工智能开启了认知智能时代，2011年起大数据和深度学习的成熟使人工智能在日常生活中得到大量应用，因此我们将数据划分为三个阶段，即2001-2005年、2006-2010年以及2011-2015年。

(二)变量测度

近年来，大量研究利用专利或文献的引用表征企业技术扩散、知识流动情况[56]，因此选取93家公司的专利被引情况，生成93*93矩阵表示技术扩散网络。企业经济规模以及研发强度分别代表了企业整体经营规模及企业的研发创新能力情况。企业所在国别体现了企业所处的制度、环境，国别相同，在一定程度上说明了企业处于相同的制度文化环境中[40]。专利家族是企业战略布局的重要衡量指标，反映了专利潜在的技术市场和经济势力范围，通过专利家族申请量和战略布局可以明确企业在产品和市场上的战略意图[57]。层级式传递结构代表了企业在技术扩散过程中的结构洞作用；循环式传递结构代表了企业的相对位置；双边式传递结构代表了企业与企业之间技术扩散的互动情况。相关指标测度及来源如表1所示。

(三)模型选择

由于本文聚焦于社会资本对技术扩散网络的形成作用情况，根据机理分析及指标的选择，变量遍及网络结构指标以及个体属性、个体间的关系指标，因此无法用常规计量经济学模型估计。指数随机图模型(ERGM, exponential random graph models)是统计网络模型中最常见的一类模型，解释了社会网络中的关系模式，认为社会关系的形成是由网络自组织(内部结构)、行动者属性以及外生情景因素共同作用[47]。其中，网络自组织解释了哪些特定关系的出现促进了总体关系的形成，行动者属性则是通过影响网络中行动者的参与来发挥作用，属于自身禀赋。ERGM模型理论的优势在于能够综合考虑网络形成或演化过程中，内生结构和外生属性对网络连接的影响，即同时考虑网络拓扑结构和节点属性对网络形成的作用。考虑到网络的静态或动态不同特征，指数随机图模型划分为行动者属性模型、纵向模型等。纵向模型解释了随着时间的推移网络结构的变化过程，解释了网络演进过程中结构、个体特征和邻近性等作用的综合结果。该模型结合了马尔可夫随机过程，近年来在管理学、经济社会学等领域得到了广泛应用。综上所述，考虑到算例选取数据的动态演化性(2001-2015年)以及测度指标的类型，最终选择纵向模型进行实证分析。

假设X(t0)，X(t1)，…，X(tM-1)表示2001-2015年间的观测值，以邻接矩阵的形式表示，其中X(tm)为tm时点所观测到的技术扩散网络，节点为93家相同企业，他们之间可能随着扩散网络的演化而出现不同的引用关系。网络构型是一组企业和它们之间的关系的子集。基于指数随机图模型的预测方程为：

Pr(Y=y|ATT=att,CON=con)=

(1)

其中，Y为三个时间年段的技术扩散矩阵；y为Y的某一个真实值；ATT为企业的行动者属性向量及由属性带来的节点关系；CON为网络结构变量；gk为网络统计量，用以估计企业属性ATT和网络结构CON的特定y 值；κ为规范化常数，用来得到关于Y的合理概率分布；ηk为估计随机网络与现实值之间的最大拟合值。表2 给出了有关变量的纵向网络参数说明。

表1 指标选择与测度

表2 ERGM纵向网络相关参数说明

四、实证结果及讨论

(一)数据描述性统计

图5描述了排名前93家企业在NLP技术方面的专利申请和引用情况。如图可知，美国、日本在NLP专利申请和引用方面具有相对优势，其技术研发及技术扩散水平相对较高。而中国和英国在NLP专利申请进入世界前列，但是技术扩散情况较为薄弱。

图6-图8将2001-2015年93家企业NLP技术的专利引用情况进行了可视化描述，利用Gephi软件分别导入扩散网络中节点与边的CSV数据，生成网络图。红色节点代表专利所属企业；箭头方向代表专利扩散方向，例如节点A指向节点B说明企业A的某项专利技术被企业B所引用。在技术扩散网络的形成过程中，扩散网络的边数逐渐减少，网络密度随之降低。但是，表征技术扩散情况的平均节点出度逐年增加，在2011-2015年段达到17.424，说明NLP技术扩散网络逐步形成，平均技术被引用率达到17次。如表3所示。

表4为社会资本数据的相关描述性统计。每个变量的样本数目为93个，本文采用国别表征制度文化变量，93家企业来自于12个国家，其中有54家企业属于美国，1家企业属于加拿大。

(二)实证结果及分析

StOCNET软件是WINDOWS环境下的开放软件系统，适用于社会网络的高级统计分析，包含六个统计模块，其中SIENA模块专门用于处理纵向网络模型的统计分析。本文的扩散网络数据以邻接矩阵的形式表示，分别导入扩散矩阵及社会资本相关属性数据后，依据“Data-Selection-Model”操作顺序，通过四次迭代得到收敛结果。表5给出了纵向网络模型的分析结果，用来估计社会资本对新兴技术扩散网络形成的影响情况。估计结果基于马尔科夫链蒙特卡洛最大似然法(Markov chain Monte Carlo maximum likelihood estimation,MCMCMLE)。

图5 世界前93家企业NLP技术的专利发明与引用情况

图6 2001-2005年扩散网络 图7 2006-2010年扩散网络 图8 2011-2015年扩散网络

2001-2005年2006-2010年2011-2015年网络节点数目939393网络边数602853263454网络密度0.7050.6220.404网络平均节点入度25.92829.50326.909网络平均节点出度14.91314.58317.424网络平均节点度64.81757.26937.139

实证结果表明，关系资本中的企业间战略布局同质性对技术扩散网络的形成具有显著负效应，且随着扩散网络的不断演化，负效应逐渐增强；企业间研发强度同质性对技术扩散网络的形成具有正向影响，其作用效果逐渐显著增强；而企业间规模同质性仅在扩散网络形成初期产生较小的负影响，随着扩散网络的不断演化，规模同质性的作用逐渐消失。结构资本中的双边式传递对技术扩散网络的形成具有显著负效应，且随着扩散网络的不断发展，其作用效果逐渐增强，到2015年达到了-3.4；而层级式和循环式传递对技术扩散网络的作用效果并不显著。认知资本中的制度环境对技术扩散网络的形成具有显著正影响，即在相同制度环境下的企业之间更容易发生技术扩散；研发强度对技术扩散网络形成的作用逐渐显著且增强，即研发程度越强，企业的专利技术越容易扩散；企业经济规模在初期对技术扩散网络的形成具有显著促进作用，随着网络的演化，企业经济规模的作用逐渐消失。

表4 社会资本变量的统计描述

表5 实证结果

注：*表示p<0.05，**表示p<0.01，***表示p<0.001。

关系资本和认知资本中的企业研发情况对新兴技术扩散网络的形成起到了重要促进作用，这是由于在新兴产业发展过程中，创新的研发资金和研发人员投入，将在一定程度上决定新兴技术的研发水平和效率，研发水平较高的企业往往会在行业中处于领先水平，作为标杆企业其新兴技术会被其他追随者学习，并得到扩散。企业规模在网络形成初期起到了重要作用，但是随着网络的发展其作用逐渐消失，这是因为新兴技术研发初期投入的成本较大，而经济实力较强的企业在技术创新、风险承担方面的能力较强，因此对技术扩散网络的形成起到了重要促进作用，但是具有较高企业规模同质性的企业之间，在新兴产业形成初期，为了抢占市场占有率，容易产生较为激烈的竞争关系，因此对技术扩散网络的形成产生了一定抑制作用。制度环境是企业之间形成共同价值观、共同语言的基础，因此促进了企业之间的交流合作，从而对技术扩散产生促进作用。战略布局体现出企业在国际市场上的战略布局，战略布局越相似说明企业之间的竞争越大，进而对技术扩散产生了抑制作用。结构资本是企业之间进行技术扩散的路径，双边式传递资本体现了技术扩散的互惠路径，在该路径引导下的技术扩散产生在两方企业之间，因此并不利于整体扩散网络的形成，而其他结构资本在NLP技术扩散网络的形成过程中尚未表现出明显的作用。

综上所述，在人工智能产业NLP技术扩散过程中，体现出企业规模的关系、认知资本对技术扩散网络形成的促进作用逐渐减小，研发的促进作用逐渐增强；而体现出竞争态势的关系、认知资本对技术扩散网络形成的抑制作用逐渐增强。因此，社会资本对新兴产业技术扩散网络形成的作用，由“规模互补—合作”逐渐向“研发互补—竞争”演变。

五、结论及政策建议

当前正是由第三次科技革命主导的新兴产业发展的黄金时期，把握历史机遇、快速发展新兴产业，将直接影响国家未来的发展空间和竞争实力。随着国际新兴产业的迅速发展，技术深度和广度不断拓展，我国在新兴产业的发展方面也面临着一系列亟需解决的问题，尤其是在大量社会资本涌入的情境下，不同行业新兴技术扩散效率较低、区域扩散不平衡等问题严重制约着我国新兴技术的发展水平。本文从社会资本理论出发，分析了社会资本在新兴技术扩散网络形成过程中的作用机理，并利用纵向网络模型，实证分析了人工智能产业中自然语言处理技术扩散网络的形成机理，结果表明NLP技术扩散网络形成由“规模互补—合作”依赖向“研发互补—竞争”依赖转变，关系资本与认知资本在技术扩散形成过程中的作用要显著于结构资本。

本文的研究对新兴产业技术扩散的相关政策制定具有一定的借鉴意义。第一，现阶段，新兴产业的国际竞争日趋激烈，技术创新到商业应用的周期逐渐缩短，各国之间呈现出竞争合作与相互依存的态势，技术在广泛合作交流过程中得到快速扩散。然而，在人工智能NLP技术扩散的描述性分析中发现，技术扩散能力较强的企业中，并未出现中国的企业，为了防止出现核心技术受制于人的情况，我国人工智能产业应及早布局，提升自主创新能力，同时不断开拓国际市场，为新兴技术扩散提供国际环境，增强国际影响力。第二，新兴产业技术扩散环境的培养，需要政府介入进行一定干预，并进行适应性治理。对于扩散环境的培养与治理应该更加柔和，一方面新兴技术的不确定性使其在扩散方面存在一定的风险，因此要求多方利益相关者进行快速反应、分析和处理，并对以后可能会出现的问题进行针对性预见。另一方面，在规制新兴科技创新的同时，应适时降低政府的命令性监管，使得创新在包容的环境下发展，并得到扩散。第三，由政府担保来撬动更广泛的第三方来参与创新与扩散，汇集更多的社会资本。很多新兴技术的扩散都有多条路径选择，要通过社会资本和政府引导到，培养新兴技术从无意识路径依赖到有意识的路径选择，从而及时吸收社会利益相关者参与技术选择，发掘社会资本的价值。

诚然，由于本文仅选取了人工智能产业中的自然语言处理技术为例，所得结论具有一定的局限性。针对不同领域新兴产业的技术扩散情况进行实证研究，从而得出更为普适性的规律与结论，将有待于学者们的继续研究。