芯片产业加权专利合作网络研究

陈瑾宇，马丽仪，陶秋燕，2，刘晓雨

（1.北京联合大学管理学院，北京 100101；2.对外经贸大学国际商学院，北京 100029）

作为现代工业的“粮食”，芯片是电子信息产业的基础与核心。人工智能、物联网、5G技术等尖端技术的发展，无不依赖于高品质的芯片［1］。芯片产业作为战略性新兴产业的代表，对于国家安全和社会发展的重要意义日益显现。产业培育和发展依赖于组织间的合作创新，专利作为组织间合作创新的重要成果载体，使得共同研发和联合申请专利成为组织合作创新发展的重要途径，因此，专利合作网络的运行耦合与功能互补成为产学研合作创新的基本动力，优化专利合作网络是芯片产业培育发展的重要途径。专利合作网络是指企业、高校、个人以及科研院所以专利申请作为合作的方式，通过合作申请专利，购买、转让或许可专利技术构建专利联盟等形式，形成具有演化特征的合作创新系统，其实质是一种通过社会网络嵌入的知识流转以及资源整合的交互创新过程［2］。加权专利合作网络是在专利合作网络的基础之上，又着重考虑到合作网络节点和连边的权重，从而有利于对网络结构“黑箱”问题的揭示。本文以中国芯片产业为研究对象，构建芯片产业加权专利合作网络，通过分析合作网络的结构、网络关联性、社群和重要节点，深度挖掘芯片合作网络结构特征，分析芯片产业在专利合作方面的不足，提出合理建议，以促进芯片产业网络聚集效应发挥，提升资源整合和跨界合作水平，推动中国芯片产业培育和快速发展。

1 文献综述

关于芯片产业方面的研究，学者们主要围绕芯片产业关键技术及发展趋势、芯片产业形态演变和产业政策研究等方面进行。关于专利合作网络方面的研究，目前学者们主要聚焦于网络结构的特征、合作成功的影响因素、演化过程和规律等，研究视角包括区域、校企、技术等［3-13］。而加权专利合作网络的研究内容还涉及网络中边权重的确定、加权网络的结构特征、加权网络的演化等方面，如党永杰等［14］研究了主体合作网络中的边加权问题；谭红叶等［15］构建了面向加权网络的社区发现模型并验证了其方法的有效性；陈伟等［16］从多个角度分析了中国新能源汽车产业加权专利合作网络的结构特征；Marc等［17］认为网络密度、关联性等可用于分析加权合作网络的结构特征；Hochull等［18］研究了太阳能电池产业加权专利合作网络的结构特征，并证明了该网络具有“小世界性”特征。

纵观已有研究，主要存在以下几个方面的不足：一是有关芯片产业的研究，大多采用定性方法，缺少定量分析产业发展情况；二是专利合作网络现有研究大多数忽视了空间维度的研究，且仅研究了区域之间的合作，对区域内部可能存在的专利合作研究较少；三是现有芯片产业研究对基于合作网络节点和连边权重的加权专利合作网络研究不足，由于网络连边的权重对于网络结构存在着一定影响，制约了人们对芯片产业专利合作网络结构中相关“黑箱”的揭示。基于此，本文以中国芯片产业为研究对象，研究加权专利合作网络的整体特征与节点特征，从网络基本结构、网络内部结构、网络关联性、社群以及网络重要节点等方面来揭示芯片产业加权专利合作网络的内在耦合机制以及互补机制，为决策者制定合理的产学合作政策和芯片产业发展战略提供理论依据。

2 研究设计

2.1 数据来源

本文所用的专利数据来自世界知识产权组织专利检索平台（WIPO）。由于专利授权存在着12～18个月的滞后期，为了消除专利授权时滞的影响，本文选用专利申请量指标，可以减轻专利授权量可能带来的滞后性影响［19］。根据IPC国际专利分类法，以专利主题词和申请人所在地为筛选依据，检索中国在1994—2018年芯片产业联合申请的专利数据。具体步骤包括：专利主题词=(芯片OR半导体OR集成电路)，申请人所在地=(中国境内OR台湾OR香港OR澳门)。经过初步检索，共得到2 247件芯片产业联合申请专利。接着对数据进行清洗和筛选，删除不符合研究要求的数据，包括专利信息不完整、合作申请人中含有国外组织、重复出现的专利、专利申请者类型为个人等数据；同时，为了便于进行社会网络分析，对一些专利数据进行整理，如属于同一机构的子机构或研究所的只保留一级机构。经过上述整理，最后得到2 106条可用于研究的专利数据。

2.2 研究方法

专利合作网络是一个具有多种行动者和多重关系的复杂系统，社会网络分析是研究社会复杂系统的有效理论方法［20］。常规统计方法处理的多数是属性数据，往往符合经典统计学的独立性假设，而网络数据是建立在行动者具有连接偏好的基础之上，其本质上是一种关系数据，由于行动者之间在建立联系时存在着信息效应、网络效应和马太效应，这种关系数据并不遵循经典统计学中的独立性原则［21］，因而常规的统计分析方法并不适用于网络数据。本文基于社会网络分析方法，运用UCINET6软件，构建芯片产业加权专利合作网络，从网络结构、网络关联性以及重要节点研究网络的整体特征和节点特征。在分析网络结构时，本文选取了全局效率、网络密度、平均聚集系数等指标，具体定义如表1所示。

表1 芯片产业加权专利合作网络指标

3 研究结果与分析

3.1 网络基本结构

为了研究芯片产业加权专利合作网络的基本结构，利用UCINET软件测算了各种结构指标，如表2所示。芯片产业加权专利合作网络的网络效率为0.038，说明网络中各节点之间的合作效率低下，网络密度仅为0.002，节点间的连线较少，整体网络相对稀疏；聚类系数为0.189，表明网络中于同一节点相连的两个节点之间存在着联系的可能性不高。同时，节点之间平均路径长度值为5.236，表明节点间的平均最短距离相对较大。聚集系数和平均最短距离共同说明了芯片产业专利合作网络不具有“小世界性”的特征［22］。此外，网络的度中心势值为0.002，显示出网络在整体上并不集中于中心节点，即总体而言，中心节点的影响力和自我交易能力较弱；中介中心势值仅为0.072，体现了网络在整体上并不被中心节点控制，节点的控制能力较弱，网络的关联性较弱；接近中心势值为0.106，表明网络中节点并不依赖于中心节点，节点间的依赖性较低；而特征向量中心势值仅为0.001，说明与中心节点相连的节点绝大多数不是中心节点，即芯片产业加权专利合作网络中核心节点之间的合作水平较低。

表2 1994－2018年中国芯片产业加权专利合作网络的基本结构特征

芯片产业加权专利合作网络节点的度强度分布如图1所示，包括节点的度强度分布柱形图和双对数坐标下的散点图。可以发现，节点的度强度呈现出明显的长尾效应，低强度的节点在网络中占据着绝大多数，在双对数坐标下，节点的度强度值与对应的概率值存在着线性关系。

图1 1994—2018年中国芯片产业加权专利合作网络度强度分布

为了进一步验证度强度分布规律，本文对数据进行了曲线拟合，并检验了拟合优度，结果如表3所示。其中，可决系数(R-square)为0.823，调整自由度的可决系数(Adjusted R-square)为0.820，F检验值、幂指数(γ)和常数(c)的显著性水平均小于0.01，说明数据拟合较好。曲线拟合的幂指数γ=-0.907＜3，证明芯片产业加权专利合作网络的度强度服从幂律分布，网络具有无标度性特征［16］。此外，对于随机故障，芯片产业加权专利合作网络具有较强的鲁棒性；而对于恶意攻击，网络则具有很高的脆弱性。

表3 1994—2018年中国芯片产业加权专利合作网络度强度曲线拟合结果

3.2 网络内部结构分析

为了进一步分析专利合作网络的内部结构特征，下文从专利申请人类型、专利申请人所在区域两个方面进行研究。

（1）专利申请人类型分析。依据申请人的类型，可以将专利申请人划分为企业、高校以及科研机构3类。利用UCINET软件对各个专利申请人进行分割处理，可得到中国芯片产业加权专利合作网络可视化结果，如图2所示。其中，节点和连边分别表示专利申请人及其合作关系。在加权专利合作网络中，节点的大小体现了节点度值的大小，即节点的重要性；连边的粗细表示关系强度，即专利申请人之间的合作频次。在网络中，矩形、圆形和菱形节点依次表示企业、高校及科研院所。

图2 1994—2018年中国芯片产业加权专利合作网络的申请人构成

首先对申请人类型分布比例进行分析，如表4所示，在芯片产业合作专利的申请人类型中，以企业名义申请的比率达到了84.48%，而高校和科研机构申请的比率的总和只占15.5%，这说明了企业在中国芯片产业专利合作中发挥着最为重要的作用。原因可能是因为技术发展和迭代的速度不断加快，为了维护自身的竞争优势和市场地位，高技术企业必须加快技术创新，与高校和科研机构不同，企业要面临着来自市场更加激烈的竞争，而技术的快速迭代导致了研发难度和成本的上升，企业无法独自掌握一个行业中所有的核心技术，合作研发就成了重要的解决方法，因此，企业往往在专利合作中占据着最重要的位置。

表4 1994—2018年中国芯片产业加权专利合作网络申请人类型分布

根据图2分析节点间的连线数量可以发现，相同形状节点间的连线占主要地位，不同形状节点之的关系相对较少，即相同类型主体间合作关系较多，不同类型主体间合作较少。进一步研究发现，不同类型主体间的合作主要集中于企业和高校之间，而企业与科研机构间的合作较少；此外，从节点间连线的粗细可以发现，相同形状节点间的连线较粗。说明相同类型主体间的关系强度较强，不同类型主体间的关系强度较弱。

（2）专利申请人所在区域分析。利用NetDraw软件绘制了芯片产业区域专利合作网络，网络中每一个节点代表着不同的省份，节点之间的连线代表着省份间存在着合作关系：节点越大，省份的度中心度越大；节点间的连线越粗，省份间的关系强度越强。从图3可以发现，中国芯片产业的区域专利合作网络在整体上是一个连通网络，网络中不存在孤立的节点，网络中心存在着几个较为核心的节点，周围分布着一些度中心度相对较低的节点，呈现出核心-边缘的结构特征；网络的平均聚集系数为23.803，表明网络中与同一节点相连的两个节点之间存在着联系的可能性较高；同时，节点间平均路径长度值为1.639，表明任意两个节点之间平均只相隔了一个节点，节点间的平均最短距离相对较低。聚集系数和平均最短距离共同说明了中国芯片产业区域专利合作网络具有“小世界性”的特征。

图3 1994—2018年中国芯片产业区域专利合作网络

分析专利合作申请中各省份分布比例发现，广东、北京、上海、江苏和浙江5个沿海经济发达地区的专利申请量占总量的62.84%，在中国芯片产业专利申请中占据着领先地位，说明芯片产业发展与地区经济实力具有一定的正向关系。与此同时，仅广东一省的专利申请量就占20.87%，这与广东省对芯片产业的大力扶持有着密不可分的关系。

为了进一步分析不同省份的子群结构，以及不同省份内部和外部的相互关系，本文采用了White等提出的块模型对芯片产业区域专利合作网络进行研究［19］。块模型基于结构对等性，将节点分成不同的位置，并考察每一个位置间的关系。通过构建相似性矩阵，采用CONCOR法（迭代相关收敛法），得到如表5和表6所示的分析结果。表5中列出了块模型计算出的子群分类结果。在表6中，对于括号外的数值，主对角线上的数字代表了各子群的密度，非主对角线上的数字代表子群间的合作程度；而括号内的数值是依据整体区域专利合作网络密度比较而来，高于整体网络密度则赋值为1，否则赋值为0，用来表征各子群之间是否存在着密切的合作关系；主对角线内的数值代表子群内部的省份间是否存在着紧密的合作关系。

由表5可知，块模型的分类结果与图5中的度中心度分布基本一致，即同一子群中的节点具有相似的度中心度，并且子群划分与成员的经济发展水平具有高度相关性：子群一与子群二反映了各省份芯片产业与经济发展的差距；而子群三和子群四介于前两者之间；子群二的省份涉及中国华北、西南和东南沿海等地区。结果表明中国芯片产业的区域专利合作网络中子群划分以及子群内部关系紧密程度与中国自然地理区划无关。

表5 1994—2018年中国芯片产业区域专利合作网络块模型分析结果

从表6中可以发现，子群二的密度高于区域整体网络密度，说明子群二内部各省份间的合作关系紧密，知识流动性高，其余3个子群的密度均低于中国芯片产业区域专利合作网络整体密度，表明子群内部省份之间不存在密切的合作关系，关系强度不高；子群二具有最广泛的合作关系，子群二与子群三、子群四之间具有专利合作关系，而子群一与任何其他子群间均不具有联系。由此可见，网络中各节点间的连接、各子群之间的合作关系均不具有随机性，节点或者子群在选择合作对象时会优先考虑具有较高网络权力的节点，具有明显的同配性和同质性特征；此外，各子群的成员构成分布并不平均，子群一和子群四构成省份众多，而子群三的构成省份相对较少。

表6 1994—2018年中国芯片产业区域专利合作网络子群密度

3.3网络关联性分析

网络的关联性也是网络结构特征的重要体现，本文从关联性的角度分析中国芯片产业加权专利合作网络中节点间的度相关性、权重与度之间的关系，如图4和图5所示，分别表示的是中国芯片产业加权专利合作网络的度-度相关关系和权-度相关关系。

合作网络的度-度相关关系是指在芯片产业加权专利合作网络中，每一个节点的度与其相邻节点平均度之间的关系。如图4所示，总体而言，合作网络中各节点度与其相邻节点平均度之间的皮尔森相关系数为0.701，并且P＜0.01，但是当节点度k＜21时，节点度与其相邻节点平均度之间不存在明显的相关性，只有在节点度k≥21时，两者间才表现出正相关性。在芯片产业的加权专利合作网络中，约90%节点的度小于21，表明度值较低节点之间不存在明显的连接偏好，而度值较高的节点间存在着较为明显的连接偏好；并且拥有较高度值的节点倾向于与度值同样较高的节点合作，即网络节点间存在着同配现象，所以网络中强强联合现象较多［23］。这与上文分析得出的芯片产业专利合作网络的区域分布同配性一致。

图4 1994—2018年中国芯片产业加权专利合作网络度-度相关关系

合作网络的权-度相关关系是指网络中节点的权重和对应度值之间的相关性，可以表征专利合作的广度和深度。如图5所示，在芯片产业的加权专利合作网络中，所有度值为k节点的平均权重与其度值具有一定的正相关性，即节点的平均权重会随着度值的增加而增加。本文对数据进行了曲线拟合，得到的最佳拟合曲线为：Strength(k)=1.789k0.986。由此可见，节点权重的增速明显高于节点度的增速，表明随着专利申请人变多，合作专利的数目会更多；此外，这种度值与平均权重之间的正相关关系同样具有优先选择机制，即节点的度值越大，其权重也越高。这种“富人越富”的同配特征会导致网络的集聚性，从而促进主体间的专利合作。

3.4社群分析

社群分析是从子网络的视角来研究加权专利合作网络的结构特征，本文采用改进的Fast-Newman算法分析了芯片产业加权专利合作网络的社群［24］。经过计算，共得到143个规模不同的社群。在所有社群中，规模最大的包含82个节点，规模最小的仅拥有2个节点。本文挑选出规模较大的4个社群为研究对象。由于规模最大社群包含的节点数目较多，为了便于分析，本文仅挑选度中心度值大于3的节点研究，结果如图6所示。图6中节点的面积大小体现了节点的度中心度水平，其中社群1的模块化程度（Q值）为0.757，其余社群的Q值均大于0.4，说明社群划分的整体质量较好。

从社群l可以发现，该社群主要包含中国电力系统的组织，而国家电网在社群中位于核心的位置，各地区的电力企业、电力系统所属的研究所与国家电网公司存在着广泛的合作关系；相比之下，社群l中各电力企业与高校、科研机构间的合作相对较少。社群2中，中兴通讯股份有限公司为社群的中心节点，主要是与芯片产业的一些知名企业合作，包括比特大陆、龙芯中科和华为海思等，但是与高校和科研院所间的合作相对较弱。社群3和社群4的中心节点分别为电子科技大学和台湾积体电路制造股份有限公司（以下简称“台积电”），其中，社群3中电子科技大学的合作主体类型较为丰富，包括企业、高校和科研院所；社群4中影响力最大的是台积电，其与联想集团、美的集团等公司均有广泛合作。总体而言，各社群的主体类型存在着较大差异。

图6 1994—2018年中国芯片产业加权专利合作网络社群分布

3.5网络重要节点分析

网络重要节点分析是从节点视角研究合作网络的结构特征，本文通过分析4种不同的中心度值，归纳芯片产业加权专利合作网络中的重要节点，以及重要节点的网络影响力和控制力。合作网络的4种中心度值分别代表了节点的不同网络能力：度中心度代表了节点的直接影响力和自我交易能力；中介中心度可以衡量节点对网络的控制能力；接近中心度表征节点在多大程度上不受其他节点的控制；而特征向量中心度可以衡量节点与核心节点的接近程度［25］。芯片产业加权专利合作网络中的重要节点如表7所示，可知在所有的中心度指标中，国家电网拥有最强的影响力和自我交易能力，并且其自身就是网络中最重要的节点；而电子科技大学具有最强的网络控制能力，这是因为在芯片产业中，国家电网有限公司和电子科技大学与其他创新主体之间存在着广泛的关系，这些关系有直接合作和间接合作，同时也是国家对芯片等战略性新兴产业扶持的结果；另外，以清华大学、浙江大学和复旦大学为代表的高校也出现在重要节点之中，说明高校在中国芯片产业专利合作网络和芯片产业发展中发挥了一定作用；科研机构在合作网络重要节点中的数量较少，只有中科院微电子研究所和国网智能电网研究院，这也说明中国的科研机构在芯片产业的专利合作研究中还相对较弱。从特征向量中心度可以看出，国家电网是芯片产业专利合作网络中的核心节点，起着最为重要的作用。因此，加大国家电网公司与其他企业的合作，能加快促进中国芯片产业的整体发展。

表7 1994—2018年中国芯片产业加权专利合作网络中的重要节点

4 结论与建议

本文构建了中国芯片产业加权专利合作网络，从整体网络、子网络和节点视角分析了合作网络的基本结构、内部结构、网络关联性、凝聚子群以及重要节点，深度挖掘中国芯片产业加权专利合作网络的结构特征，得出以下结论和建议：

（1）中国芯片产业加权专利合作网络中各节点之间的合作效率低下，整体网络相对稀疏。节点间的平均最短距离较大，聚类系数较低，不具有“小世界性”的特征；网络在整体上节点间的依赖性较低，核心节点间的合作水平也较低；网络服从幂律分布，并具有无标度性的特征；对于随机故障，合作网络具有较强的鲁棒性，而对于恶意攻击，网络则具有很高的脆弱性。因此，政府要在促进芯片产业发展中发挥基础性作用，建立健全产业发展的体制机制，完善科技政策，促进产学研三方的交流与合作，推动信息和知识的流动，提升专利合作网络的密度和效率；同时，政府还要着眼于那些对芯片产业发展可能会产生重大影响的因素，比如政策因素、经济因素、地域因素等，积极采取措施，防患于未然，避免由于这些因素造成创新主体的选择性退出，促进芯片产业的整体稳定发展。

（2）在芯片产业加权专利合作网络中，专利申请人的类型及其所在地区分布存在着较大差异。在专利申请人类型中，企业占据着最重要地位，高校与科研机构的作用相对较弱；此外，不同类别专利申请人间的关系强度较低，企业与高校、企业与科研机构间的专利合作较少。这也说明了高校与科研机构的专利转化能力较弱，专利成果转化率低，因此，一方面要继续扩大对高校和科研机构的支持力度，发挥高校和科研机构在基础研究中的作用；另一方面，推动产学研三方建立创业孵化器，改善专利转化能力，促进专利成果转化。在申请人所在地区分布中，中国芯片产业联合专利申请主要集中于广东、北京、上海等经济发达地区；网络同一子群中的节点具有相似的度中心度，并且子群划分与成员的经济发展水平有关，与地理位置无关；子群内外部合作具有明显的同配性和同质性特征。因此，政府要避免“富者越富”的情况发生，应促进不同地区间企业的交流，推动核心企业与边缘企业的合作，而处于边缘的企业更要主动与北上广等芯片产业的企业进行专利合作，促进中国芯片产业的整体发展。

（3）从关联性分析中，根据节点的平均度和度值间的相关性分析发现，网络中存在着同配现象，即拥有较高度值的节点倾向于与度值同样较高的节点合作，表明在专利合作中强强联合现象较多，因此，为了提升中国芯片产业的整体竞争力，拥有高度值的企业应当积极扩大其合作伙伴的异质性，主动与较小度值的企业合作，共同促进中国芯片产业的发展。根据节点的平均权与度值间的相关性分析发现，节点权重的增速明显高于节点度的增速，即随着专利申请人变多，合作专利的数目会更多，因此，政府应推动更多组织进入芯片产业，推动联合专利申请，从而加快中国芯片产业的培育和发展。

（4）国家电网有限公司、电子科技大学在合作网络中处于重要地位，具有竞争优势。根据重要节点分析和凝聚子群分析可知，国家电网有限公司是中国芯片产业加权专利合作的核心节点，具有最高的影响力和自我交易能力，因此，促进核心节点与企业、高校和科研机构之间的交流和合作，有助于改善高校和科研机构的专利成果转化效果，提升整体创新效率和能力，加速芯片产业培育，推动中国芯片产业的发展。