长三角“双一流”高校协同创新时空演进——基于合作授权专利的社会网络分析

解志韬，孔繁翀，谢 楠

（1.上海交通大学 安泰经济与管理学院，上海 200030；2.上海交通大学 文科建设处，上海 200240）

长三角区域具备人才富集、科技先进、制造业水平高、产业链供应链完善和市场潜力巨大等多重优势，需要率先在新发展格局、提高科技供给水平、支持国民经济高质量发展、推动经济全球化等方面形成活跃增长极。通过协同创新促进各类要素的自由流动是实现长三角更高质量一体化的重要路径和有效抓手，其中高校的作用不容忽视。高校作为创新资源集聚的高地，是国家创新体系的重要组成部分，是培养创新人才、支撑创新型国家建设的中坚力量。近几年来，我国高校的发明授权专利数量逐年递增，占国内全部发明授权专利的比重稳定在20%以上，其中“双一流”高校发挥着主力军的作用［1-2］。随着科研任务日益面向国家重大战略需求，高校协同创新已经成为新形势下加强知识资源共享、促进人才资本流动和提高科研攻关能力的关键。

高校协同创新是高校与企业、科研机构等社会主体通过联盟、契约、股权合作等方式，开展协作研发、培养人才、共享资源等创新活动，实现科技成果产出和转化等共同目标的创新过程［3-5］，已逐渐形成一个以高校为核心主体、以外部市场化需求为导向、以系统化和网络化为特征的共生系统［6］。已有研究普遍认为现阶段我国高校存在协同创新能力不足等问题，包括高校产学研的技术成交额占比较小、科技成果转化率较低、协同创新能力分布区域间差异显著、高校的内生动力不足、创新潜力尚未得到完全释放等［7-8］。然而，现有基于静态视角的研究与高校协同创新快速变化的内外部环境形成反差，尤其是聚焦“长三角”和“双一流”等特定主题，从时空演进视角进行的动态分析还有待进一步拓展。长三角区域“双一流”高校协同创新的广度、深度和成果表现随时间的演变趋势如何？在地理空间分布上呈现出何种特征和变化？双一流高校与企业、科研机构、政府单位等各类主体在合作倾向、时空分布等方面有何规律和差异？以长三角“双一流”高校的合作授权专利为对象，本文将在勾勒长三角双一流高校协同创新网络画像的同时，尝试对以上问题进行回答。

1 文献综述

协同创新涉及主体、目标、组织、制度和环境等多种创新要素的协调与整合［9］，协同创新实现的目标和功能被称为“协同效应”。区域协同创新研究聚焦特定区域，旨在通过单方面技术创新带动区域综合治理的创新［10］，其中狭义的区域协同创新指区域内机构、人员和项目的科研合作；而广义的区域协同创新则扩展到地区之间的协同合作［11］。在长三角区域一体化上升为国家战略的背景下，长三角区域协同创新的进一步加强能够有效促进长三角的科创一体化发展，进而有效破解区域边界壁垒［12］。就高校的协同创新而言，无论实证研究还是理论研究都有丰富的文献，显示出这领域的学术热点效应。

1.1 高校协同创新网络的实证研究

高校协同创新是指高校为实现以知识增值为核心的重大科技创新，而广泛推动创新要素整合和自由流动的创新组织模式［13］。在高校协同创新中，侧重点是产学研合作，同时涉及演变特征、演进趋势和影响因素等方面。

首先，从创新网络的空间视角来看，全国层面的产学研协同创新产出在空间上表现出巨大差异［14］。SUN［15］的分析表明，从2000年开始高校协同创新最活跃的区域为长三角地区，而长三角四省市内部的专利合作也呈现空间分布不均衡的特点。基于动态观察，地方政府的自我升级和上级政府的驱动共同推动了长三角地方政府从经济合作到创新合作的变迁［16］。在其他地区，对京津冀地区“211高校”的跨区域合作研究表明，产学合作表现出从外延广度扩张到内涵深度合作的演变趋势［17］。

其次，从高校的视角来看，协同创新的重要特征是各创新主体间专利合作网络的演化［18-20］，这种演化呈现明显的阶段特征，且区域内与区域间的专利合作呈现不同的空间演化模式［21］。更具体地分析表明，综合类高校和理工类高校均在校企专利合作网络中处于重要地位，研发密集型的大型国有企业、中外合资企业和知名的理工科院校具有较高的知识生产能力［9］，能源型企业在校企合作网络中处于更重要地位［22］。类似地，郭建杰等［23］研究发现，校企合作的高校主体主要是综合性大学、企业主体主要是能源企业和高技术企业。王宗水等［21］则发现“双一流”高校专利合作网络表现为小世界属性，即多数科研成果由双一流建设高校独立或内部合作完成。

最后，将创新网络的空间属性与高校的协同创新结合起来，多数研究认为地理距离可能是阻碍高校协同创新的主要因素［24-27］。李丹丹等［27］运用GIS空间分析和社会网络分析法，发现长三角高校和科研院所协同创新的知识溢出效应随着地理距离的扩大而衰减。刘桂锋等［28］通过江苏省11所“211”高校与企业以及其他高校之间的产学研专利合作网络图，发现地理距离是影响校企合作技术领域的重要因素。类似地，郭建杰［23］也认为“地理邻近”是制约产学合作的主要因素。另外一些研究则显示出相反的结论，例如，周灿等［29］认为长三角城市群的高校专利合作受地理距离的制约较弱；马荣康和李少敏［30］的实证研究也表明，高校与企业的地理距离对两者技术合作和转移的阻碍效应并不显著，如果高校拥有更强势的官方声誉、行业背景、政府背书或研发优势，将更有可能克服地理距离障碍而加强与企业的技术合作。

总之，高校协同创新在空间上的网络特征目前在学术上仍有较大的分歧，本文将进一步深入探讨这一特征，以期发现更多的证据。

1.2 产业集群视角下高校协同创新的理论分析

哈佛大学教授迈克尔·波特对产业集群（industrial cluster）的定义是在某一特定领域内互相联系的、在地理位置上集中的公司和机构的集合。即在一定的地域范围内，具有紧密联系的上下游企业、辅助厂商形成的生产体系，有高校、科研机构、中介机构形成的研发、培训和市场服务体系，还有政府通过各种政策介入提供的特殊地方环境因素［31］。

波特的理论对于理解和解释区域产业分工和产学研协同效应具有重要启示。对于高校在整个生产与研发体系中的角色而言，如果纳入这个统一的框架考察，就能发现其中的规律。高校的科研活动可分为两个层次：①基础研究，属于科学的范畴，主要成果以论文的形式体现；②应用研究，属于技术的范畴，主要成果以专利等形式体现。在产学研合作方面，高校既有与其他高校和科研机构的合作，也有与企业之间的合作。根据波特的理论，高校与企业的合作对区域产业集群的发展具有重要意义。按照集群理论，高校与企业合作的便利性在区域内具有显著的优势。因为高校要帮助企业解决技术问题，必须经常到企业的生产车间或其他工作现场去采集数据、调试设备、优化流程与方案。因此，地理距离成为高校与企业合作的一个非常重要因素。而在另一方面，高校之间的合作或高校与科研机构的合作更多的是在基础研究层面，其中涉及物理实体操作的环节相对较少，到达现场的要求不那么重要，因此地理距离的约束要弱得多。

上述推测是根据波特产业集群理论得出的，但实际情况是否如此，现有的研究揭示得并不充分。本文试图通过长三角高校专利合作的社会网络分析，验证这一理论推测。需要说明的是，之所以选择用合作专利进行验证，主要源于本文研究的是协同创新特征及其时空演化规律，而协同创新涉及的官产学研等创新主体间的协同目标是通过知识生产、转移和利用的过程实现共同的价值诉求［20］。在各种测度协同创新的指标中，发明专利是最能体现各类创新主体共同利益的载体（知识生产、转移和利用）——这一合作形式广泛存在于各类创新主体之间，而不像学术论文合作多存在于高校之间或高校与科研机构之间。

综上所述，虽然已有大量学者对高校协同创新和区域协同创新进行了研究，然而聚焦长三角“双一流”高校，其协同创新的网络特征与趋势变化如何？合作倾向和主体分布随时间推移发生了怎样的变化？是否存在地理距离影响协同创新的新证据？回答这些问题对有效提升“双一流”高校创新策源能力和推进长三角一体化国家战略，具有重要的理论与实践意义。

2 数据来源

发明专利、实用新型专利和外观设计专利这3类专利本身就反映了不同的技术水平，授权发明专利是体现技术创新水平的重要成果形式，王燕玲［32］指出发明专利的技术含量在3种类型的专利中最高。专利拥有量，特别是发明专利拥有量反映了一个单位在某一技术领域的核心竞争能力。一直以来，很多学者利用发明专利开展了创新效率测算、创新能力提升等方面的研究。本文使用的发明专利授权数据以及用于分析长三角双一流高校协同创新的专利数据均来自incoPat专利数据库，该数据库吸纳了120个国家和地区的上亿件专利文献，能够满足本文的研究需要。

“双一流”是世界一流大学和一流学科建设的简称，始于2015年中央提出的《统筹推进世界一流大学和一流学科建设总体方案》，包括一流大学建设高校42所和一流学科建设高校95所，共计137所高校。长三角一体化2018年上升为国家战略，区域涵盖上海、江苏、浙江和安徽“一市三省”范围。本文将长三角区域35所“双一流”高校作为专利申请人进行检索，专利类型限定为授权发明专利，专利授权公告日定为2012年1月1日—2020年12月31日，共检索出专利117 375项，从中筛选出合作（被授权单位数量大于1）的发明授权专利，共计11 348项。

3 协同创新的特征与趋势变化

本文从授权专利总量、合作专利数量及合作倾向等方面，对长三角“双一流”高校2012—2020年的专利数据（详见表1）进行分析，以2015年（启动“双一流”建设）和2018年（长三角一体化上升为国家战略）为界，每3年划分为一个阶段（第一阶段：2012—2014年，第二阶段：2015—2017年，第三阶段：2018—2020年），对其协同创新的特征现状与演进趋势进行分析。

表1 长三角“双一流”高校2012—2020年授权发明专利情况Tab.1 Status of authorized invention patents in “double first-class” universities from 2012 to 2020

从授权专利的总量来看，各高校专利总量呈现持续增长态势，2020年是2012年的2.38倍，年复合增长率为11.44%，平均每年增长约1 500件，第三阶段发明授权专利总量比第一阶段增加97.78%，其中17所高校增幅超过100%。更进一步，从区域总体来看，安徽高校专利总量的增幅较大，而上海高校的增长率则出现趋缓态势，这可能是由于专利基数及区域发展水平等因素所致。

从合作专利数量来看，各高校呈现不同的变化趋势，2020年是2012年的2.26倍，年复合增长率为10.74%，平均每年增加约150件，第三阶段合作专利数量比第一阶段增加74.21%，13所学校增幅超过100%。针对合作专利占比，虽然多数高校的授权专利总量与合作授权专利数量都随着时间的推移持续增长，但合作专利占比变化较小，且3个指标在各个阶段的位置也基本保持稳定，例如，浙江大学在3个阶段的专利授权总量均保持第一，合作授权专利数占比维持在8%左右。值得一提的是，若从区域来看，上海高校的发明授权专利合作占比总体呈增长趋势，而安徽三校则出现缓增甚至下滑，这与专利总量的变化规律并不一致。此外，研究还发现在华东五校中，除地处安徽的中国科技大学外，其余高校的合作占比稳中有升，可见办学水平是影响高校专利合作占比的重要因素之一。

张珩等［33］以高校与本市企业专利合作数除以高校与全省企业的专利合作数来计算高校本市开展合作倾向。本文以合作机构类型和合作单位区域两个维度观测3个阶段高校合作倾向及变化，其中，合作类型倾向的计算方法为高校与某类机构合作的专利数除以高校合作专利总数，合作区域倾向的计算方法为高校同某区域的合作专利数除以高校合作专利总数，若同一条专利中有3个或3个以上的机构或者区域，则分别计算1次，结果见表2。可以看出，不论合作机构数量还是合作专利数量，高校与企业的创新合作均远超其他几类机构，且3个阶段基本保持稳定，企业是高校创新合作范围最广、规模最大、程度最深的主体；而从区域角度来看，长三角区域内的合作倾向接近70%，其次是京津冀和粤港澳，随时间变化不大。

表2 2012—2020年长三角“双一流”高校专利合作倾向Tab.2 Tendency of patent cooperation of “double first-class” universities in Yangtze River Delta from 2012 to 2020

4 协同创新的网络演进分析

本文采用社会网络分析法，进一步深入研究长三角“双一流”高校的协同创新合作网络。通过社会网络分析，搭建个体关联模型，既可以刻画群体关系结构，又可以展示个体对群体功能或群体内其他个体的影响，通过网络节点间的关系和强度变化有助于更全面地研究高校协同创新的时空演进规律［34-36］。有别于传统的统计分析方法，社会网络分析法旨在利用可视化手段对一组行动者（个人或机构组织）的关系和关系模式进行测量，考虑到主要测量的是长三角“双一流”高校与其他机构的直接合作情况，无须方向，因此选取无向图分析。

网络“中心性”是社会网络分析的重点，旨在衡量每一个主体处于网络中心位置的程度［37］。中心性的测定一般关注点度中心性（degree）、接近中心性（closeness）、中介中心性（betweenness）这3类。点度中心性测量网络中一个节点与其他所有节点直接连接的程度，接近中心性测量一个节点与其他节点的邻近程度，中介中心性测量经过一个节点的最短路径数量，即节点“中间人”程度。

点度中心度的计算公式为

中间中心度的计算公式为

其中，b jk(i)=，g jk是点j和点k之间存在的捷径条数，g jk(i)是点j和点k之间存在的经过第3个点i的捷径条目数，b jk(i)是第3个点i能够控制此两点的交往的能力。

接近中心度的计算公式为

其中，d ij是点i和点j之间的捷径距离（即捷径中包含的线数）。

网络密度（density）可用于刻画网络中节点间相互连边的密集程度，在线社交网络中常用来测量社交关系的密集程度以及演化趋势，一个具有N个节点和L条实际连边的网络，其网络密度为

通过UCINET绘制的长三角“双一流”高校总体合作网络如图1所示，节点表示参与合作的机构，节点越大代表中心性越大。方形节点代表高校，圆形节点代表科研院所，三角形节点代表企业，倒三角形节点代表其他；连线表示合作关系，连线越粗代表两机构间的合作专利数量越多。从图1可以看出，在整体网络密度保持基本不变的情况下（约0.003），网络节点数逐步增加（第一阶段1 575，第二阶段2 057，第三阶段2 558），合作广度和总体网络强度均明显提升。

图1 长三角“双一流”高校专利合作总体网络演进Fig.1 Overall network evolution of patent cooperation of“double first-class”universities

进一步聚焦网络中心性，对2012—2020年3个阶段长三角“双一流”高校专利合作情况进行测度（见表3）。研究发现：在点度中心性方面，浙江大学、上海交通大学、东南大学最高，遥遥领先其他高校，说明这几所学校合作的范围最广；在接近中心性方面，各高校数值差异不大，且随时间的变化也不大；在中介中心性方面，上海交通大学、浙江大学、东南大学等理工类高校较为突出，虽然浙江大学、上海交通大学的数值有所下降，但依旧是核心中介，更有能力促进与其他节点的合作。

表3 长三角“双一流”高校专利合作网络中心性测度Tab.3 Centrality measurement of patent cooperation between“double first-class”universities in Yangtze River Delta

续表

4.1 高校—企业合作

从图2可以看出，3个阶段高校—企业专利合作的网络规模逐步扩大，网络节点数随时间明显增加（第一阶段1 220，第二阶段1 643，第三阶段2 028），网络密度保持在0.003 6。从中心节点看，第一阶段位于网络中心的五个单位分别是浙江大学、上海交通大学、华东理工大学、东华大学和东南大学，第二阶段则是上海交通大学、浙江大学、东南大学、东华大学和国家电网公司，第三阶段为浙江大学、上海交通大学、东南大学、国家电网公司和江南大学。可以看出，浙江大学和上海交通大学始终位于前两位并交替领先，东南大学的位次持续提升，而部分高校则逐步被挤出了前五位的行列。

图2 长三角高校—企业创新合作网络演进Fig.2 Evolution of innovation cooperation network between universities and enterprises in Yangtze River Delta

高校与企业的合作是高校协同创新最重要的部分，也是整个创新系统中最有价值的环节，它是打通创新链的关键。进一步的分析表明，从现实性角度看，强强联合是其主要特征，即高校与企业的专利合作更容易发生在研发实力强大的高校和经济实力强大的大型企业，并且这种特征有不断强化的趋势。例如，长三角双一流高校与国家电网与国网各省市公司的合作在2012—2014年、2015—2017年和2018—2020年的占比从12.5%上升到23.5%，继而进一步上升到25.8%。其他合作较多的企业包括华为、中石化、中海油、神华能源等。这种合作值得鼓励，但同时也揭示了潜在的问题。数量众多的中小企业也需要更多地与高校合作，而往往因为经济实力等原因失去了机会，这恰恰是创新政策需要关注的。如果上升到产业层面，位居专利合作前列的主要包括电力热力生产和供应业、计算机、通信和其他电子设备制造业、医药制造、软件和信息技术服务业、电气机械和器材制造业、通用设备制造业、仪器仪表制造业。这些产业几乎全部是技术密集型产业，反映出技术需求下的市场配置资源机制在发挥作用。

总之，无论从企业层面还是从产业层面看，高校与企业之间的直接专利合作都具有显著的门槛效应：即高校与强企业的合作，以及高校在技术密集领域与专利的合作，但这反映的是直接合作。事实上，大量的中小企业以及非技术密集型产业领域的技术需求可能不是通过与高校直接合作研发，而是向高校或科研机构购买专利实现技术转移，继而将专利商业化。

4.2 高校—高校合作

图3展现了高校—高校专利合作的网络演进图谱，网络节点规模逐步增加（第一阶段178、第二阶段252、第三阶段373），而网络密度明显下降（第一阶段0.027，第二阶段0.023，第三阶段0.017）。从中心节点来看，浙江大学、上海交通大学和中国矿业大学交替成为3个阶段与高校合作频次前两位的机构。从区域分布来看，长三角高校与区域外高校的合作占比逐年上升，已接近半壁江山，基本打破了“地理距离”的约束和限制。如表4所示，聚焦长三角区域内部，江苏省依然最多，且优势明显，这与江苏省丰富的科教资源密不可分；安徽省虽然占比最少，但进步趋势明显，到第三阶段已和上海、浙江相差无几。

表4 与高校合作的高校分布情况Tab.4 Distribution of universities cooperating with universities

图3 长三角高校—高校创新合作网络演进Fig.3 Evolution of innovation cooperation network between universities and universities in Yangtze River Delta

4.3 高校—科研院所合作

根据图4展示的高校—科研院所合作网络图谱，网络规模节点数与高校—高校基本相当（第一阶段183，第二阶段229，第三阶段305），但增速略低。3个阶段的网络密度分别为0.024、0.031和0.022，没有显现出持续的变化趋势。上海交通大学、东南大学和浙江大学始终处于合作网络的中心位置。与科研院所合作的高校分布情况如表5所示，3个阶段与区域内科研机构的合作占比呈逐步降低态势，可见高校与科研院所的合作也在逐渐打破区域的地理边界。与前两类情况不同，在长三角区域的内部合作中，上海最多并且优势明显，浙江和安徽则相对较少，符合本文对科研院所地域分布的基本认知。

表5 与高校合作的科研院所分布情况Tab.5 Distribution of research institutions cooperating with universities

图4 长三角高校—科研院所创新合作网络演进Fig.4 Evolution of innovation cooperation network between universities and research institutes in Yangtze River Delta

4.4 高校—其他合作

图5展示了长三角双一流高校与其他主体的合作网络图谱，网络演进与上述三者基本类似。需要特别说明的是，这类合作的总量相对较少，且难以判定个人合作者的所在区域，因此不再做此类情况的地域统计和分析。

图5 长三角高校—其他创新合作网络演进Fig.5 Evolution of innovation cooperation network between universities and other institutions in Yangtze River Delta

5 结论与启示

5.1 研究结论

本文运用社会网络分析方法进行数据挖掘和可视化处理，在对长三角双一流高校专利合作的总体特征与趋势变化进行分析的基础上，分别围绕高校—企业、高校—高校、高校—科研院所、高校—其他4种合作类型，深入探讨了高校协同创新在地域分布、主体分布等方面的表现差异及演进趋势，得到了以下研究发现。①长三角35所双一流高校的授权专利总量、合作专利数量均持续稳定增长，合作占比变化较小。总体来看，相比江苏和浙江两省，上海高校授权专利总量整体增幅趋缓但合作占比上升，安徽高校授权专利总量增长较快但合作占比出现下滑。高校办学水平和类型是影响专利合作占比的重要因素之一。②针对长三角双一流高校的总体专利合作网络，网络节点数（参与机构数）不断扩大，网络密度基本稳定，其中校校合作的网络密度出现下降。浙江大学和上海交通大学等高校的网络中心性虽略有下降，但仍占据合作网络的中心位置，且更有能力促进与其他节点的合作。③基于分类研究的结果显示，校企合作是长三角双一流高校协同创新的主要形式，受地理约束较为明显，而高校与另外几类主体的合作则受地理距离制约不明显，且区域外合作占比呈增长趋势。可能的原因是，高校—企业间多为面向技术应用的合作，而高校与高校、高校与科研院所间则更注重科学层面的合作，这一发现补充和丰富了已有的研究结论。长三角三省一市的专利授权数超过全国的三分之一，且高校数量众多，高校协同创新活跃，本文的研究具有一定的典型性和代表性。而这种规律是否具有一般性，仍需要进一步的探索。

5.2 研究启示

首先，已有证据表明创新合作能够显著提升创新产出，而长三角双一流高校的专利合作占比总体仍然偏低。例如，区域内的部分高水平大学专利产出能力强大，但长期以来由于相对单一的评价方式，一流大学重基础轻应用的价值导向使得创新链的前后端难以打通。高校教师获得专利授权后便得到科技成果认定，至于是否能够通过与企业合作实现向应用的转化，无论在职称评定还是各类人才评价中都权重较低。这一现象表明，高水平大学在整个协同创新体系中的作用尚未得到充分发挥。在高校评价改革中，应当逐步建立多元评价体系，如上海交通大学等高校已设置了一定比例的成果转化应用型岗位。

其次，虽然长三角双一流高校的创新合作广度和深度仍存在不足，但部分高校的优势专业表现突出。例如，在合作占比方面，最高的是华东理工大学，其次是上海中医药大学和东华大学。具体分析发现，3所高校与企业之间的大量合作都与它们的特色或优势专业密切相关。其中，华东理工大学的化学工程专业实力雄厚，而化工产业是长三角重化工业的优势产业，华东理工大学与长三角多家化工研究机构和化工企业都有长期合作。东华大学的前身是中国纺织大学，其纺织专业具有很强的竞争力，它同样与长三角大量的相关单位有着深度合作。上海中医药大学的情况也类似。这一现象具有重要的政策启示：高校的优势专业与区域优势产业具有很强的互补性和协作空间。建议其他双一流高校在学科和专业建设方面也要瞄准区域内的支柱产业和主导产业，以一流的学科支撑一流的产业，实现强强联合。

再次，随着时间推移，长三角高校专利合作网络总体强度逐步提升，显示出良好的集群效应，同一时段内高校与企业之间、高校与高校之间、高校与科研院所之间的合作强度都明显增强。然而聚焦长三角区域内部，高校与企业之间、高校与高校之间合作的相对强度则有所减弱，高校与科研院所的合作相对强度先上升后下降，这些现象表明长三角双一流高校进行高质量协同与合作的潜力仍然很大，值得引起关注。目前，长三角区域层面的产学研合作政策仍然不多、力度不大且相对碎片化，应在政策供给和体制机制设计上，给予更多的引导和支持，大力推动区域层面统一的协同创新规划、方案和行动计划的落地实施，更好地发挥双一流高校的带动作用。

最后，应用型为主的协同创新（高校—企业合作）受地理距离约束，而基础型为主的协同创新（高校—高校、高校—科研院所等的合作）不受地理距离约束，这一结论验证了本文根据波特产业集群理论提出的假设，即高校在集群内与企业的合作具有本地化的便利优势。这一基于分类研究视角的新发现，可以更好地理解创新合作中的“地理约束”问题，据此制定指向性更为明确的分类引导政策，统筹好区域内和区域外的协同创新，例如，应用型协同创新应该更好地发挥区域一体化的创新扩散与溢出效应，而基础型协同创新应该更强调加大全国甚至全球范围的创新链接。