粤港澳大湾区战略性产业技术创新的地理格局及其多样性特征

吴康敏，叶玉瑶，张虹鸥，何祖欣，王翔宇，郑志军

（1. 广东省科学院广州地理研究所广东省遥感与地理信息系统应用重点实验室/广东省地理空间信息技术与应用公共实验室，广州 510070；2. 粤港澳大湾区战略研究院，广州 510070；3. 广东财经大学经济学院，广州 510320；4. 中山大学地理科学与规划学院，广州 510275）

在过去十年，“创新”逐步成为区域发展的主流话语，区域创新能力被视为是区域竞争力的关键要素（Wu et al.,2021）。尽管新冠疫情对全球经济增长造成了极大的冲击（刘卫东，2020），但创新发展仍然显示出了高强度的韧性。2020年，作为创新产出的重要指标，全球科研论文的出版增长了7.6%，国际专利申请数量达到历史新高，申请总量增长了3.5%，作为创新的重要资本支撑，风险投资交易增长了5.8%①数据来源：2021年全球创新指数报告.https://www.wipo.int/global_innovation_index/zh/。。这些数据表明，创新能力的提升已经成为推动经济增长的重要抓手，对创新能力的追求已经成为当代民族国家与区域等多尺度发展主体的共同政策目标（Capello et al.,2018；符文颖等，2020）。

与此同时，不断增长的创新地理研究文献也指出创新在空间分布上的不均衡性（Aharonson et al.,2016;Wu et al.,2021），而创新地理的空间动态与区域发展轨迹密切相关（Balland et al.,2021;Corradi‐ni et al.,2021;Santoalha et al.,2021）。作为演化经济地理学中的关键概念，“路径依赖”强调了区域发展方向根植于其原有的产业和技术结构特征（Bos‐chma et al., 2006；贺灿飞，2018），因而，理解区域技术创新地理的空间动态成为经济地理学关注的重点议题。

作为中国经济增长与城镇化的前沿，次国家尺度、跨制度区域的粤港澳大湾区的发展无疑极具特殊性（张虹鸥等，2018；2021）。凭借着珠三角与港澳成功的战略耦合，粤港澳大湾区在改革开放后实现了快速的工业化与城镇化，这种“前店后厂”的发展模式推动了早期珠三角的崛起（许学强等，2009；马向明等，2017）。然而，原有的全球生产分工模式也使得珠三角一直处于全球价值链的末端，这种发展模式受到了理论与政策研究的批判（Yang, 2012;Ye et al., 2019）。为了谋求发展转型，国家、珠三角与港澳等多尺度政府进行了一系列发展战略的积极调整（Yang,2013）。2019年，国务院发布了粤港澳大湾区发展规划纲要，其中，打造国际科技创新中心被明确为其战略定位之一（叶玉瑶等，2020）。理解粤港澳大湾区的技术创新地理空间动态特征对于推动粤港澳大湾区的协同创新至关重要，是新时期粤港澳大湾区发展的关键议题。

当前，经济地理对区域创新的研究关注主要涉及创新要素的空间组织与流动（Montresor et al.,2020；马海涛，2020；Wu et al.,2021）、创新系统构建（Cooke et al., 1997; Zhu et al., 2019；彭如霞等，2021；杜德斌，2015）、创新集群及高新技术产业园区（王缉慈等，2010；王缉慈等，2018）、多尺度创新的空间治理（吕拉昌等，2018；He,2019；曾刚等，2019；曾刚，2021）等议题，涉及国家、区域、城市、社区等多层级尺度，其关注的核心科学问题在于揭示创新的空间动态特征、解析创新的实现机制（张虹鸥等，2021）。这些研究成果为创新地理的发展打下了坚实的基础。然而，从微观尺度系统性地揭示区域技术创新地理动态的研究仍不多见，其原因一方面在于创新代理指标（如专利、论文等）在地理编码上尺度不够微观，以往研究往往基于行政区尺度进行分析（Wu et al.,2021）；另一方面在于数据统计口径、获取难度与专利分类体系同国民经济行业分类体系间的差异等，都给实证研究带来较大的挑战（马海涛等，2018；高爽等，2019）。具体到粤港澳大湾区，由于涉及港澳两个特别行政区，目前仍缺少以粤港澳大湾区为研究对象的区域技术创新地理研究成果。

因此，本文以粤港澳大湾区为案例，在细分格网尺度的基础上，分析2020年粤港澳大湾区技术创新的空间格局及其分异特征，并通过建立专利IPC（International Patent Classification）分类号与国民经济行业分类代码间的联系，重点关注不同类型技术创新在大湾区的分布差异。以期为粤港澳大湾区创新地理研究与发展政策制定提供新的参考。

1 研究区概况、数据与方法

1.1 研究区概况

粤港澳大湾区位于中国东南沿海，与京津冀、长三角并称为中国最发达的三大城市群，是中国创新发展的前沿。本研究聚焦于创新地理，在研究区范围上采用传统的珠三角经济区概念（创新活动的主要分布区域）叠加港澳作为分析对象（王洋等，2020），在行政范围上包括广州，深圳，佛山，东莞，中山，珠海，江门，惠州（不含龙门县），肇庆（不含德庆、怀集、封开、广宁）以及香港、澳门两个特别行政区，总面积42 813.78 km2。2020年，粤港澳大湾区的GDP达到了113 654.77亿元②经济统计数据来源：国民经济和社会发展统计公报.香港与澳门数据来自特区政府统计处。，以仅占中国0.58%的国土面积，创造了占全国11.2%的经济产值。作为中国最典型的外向型经济区，叠加其特殊的跨尺度特点，粤港澳大湾区的发展得到了广泛关注（李郇等，2018；刘毅等，2019；刘逸等，2020）。在新时期，其创新发展转型也成为经济地理关注的热点话题。

1.2 研究数据

采用发明专利作为技术创新的代理指标（Hamidi et al., 2019; Wu et al., 2021；金泽润 等，2021），所用数据采集自中国国家知识产权局专利公布公告查询系统（2020年数据，获取时间为2021年8月③专利数据公布时间存在滞后性，2021年未能获取全部的2020年申请数据，数据量经与2020年《中国统计年鉴》数据比对，占比超过2020年发明专利申请量的93.5%，数据样本量足以支撑本研究分析需求。）。该专利数据库包含专利名称、申请时间、专利权人（含详细地址信息）、专利分类号等。采用地理编码技术，基于百度API接口获取每个发明专利的经纬度信息，通过坐标纠偏与异常值清洗，建立粤港澳大湾区发明专利空间数据库。该数据库包含大湾区11 个城市共190 916 条发明专利信息。

中国现行的专利公布数据库所采用的分类代码体系是国际专利分类（IPC），IPC 分类与国民经济行业分类属于两个独立的分类系统，对主要产业的技术创新研究需要建立两套分类系统间的联系（Tanner,2016）。基于“官方途径、官方口径”的分类原则，本文通过收集《广东省战略性支柱产业集群发展现状和对策研究》系列报告④http://stats.gd.gov.cn/tjfx/index_2.html。，获取广东省战略性支柱产业所对应的国民经济行业分类代码，通过《国际专利分类与国民经济行业分类参照关系表》建立战略性产业与IPC分类号间的联系。其中，新能源产业较为特殊，在广东统计信息网暂无相关报告，通过《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》，补充新能源产业的IPC 分类。具体的行业代码与IPC 分类号如表1 所示。需要指出的是，由于每一类产业所涉及的国民经济行业分类众多，对应的IPC 分类号极其复杂，表1 列出了完整的国民经济行业代码，而IPC 分类号仅列出了部分有代表性的专利分类，更详尽系统的IPC分类号可参照《国际专利分类与国民经济行业分类参照关系表》⑤《国际专利分类与国民经济行业分类参照关系表》由国家知识产权局编制，具体参见：https://www.cnipa.gov.cn/art/2018/10/8/art_75_131968.html。。

表1 粤港澳大湾区多类型技术创新专利分类筛选Table 1 Multi-type technology innovation patent classification screening index in the Guangdong-Hong Kong-Macao Greater Bay Area

1.3 研究方法

1.3.1 核密度方法及标准差尾值检验 基于核密度分析方法测度大湾区发明专利的空间分布格局，识别创新的集聚区以及定量研究创新的空间集聚程度。核密度方法被广泛应用于点模式分析中，在定量识别点集聚区上具有突出优势（Yu et al.,2015）。

核密度函数的估计形式为：

式中：f（s）是s处的核密度估计值；n是专利总样本量；h是搜索半径；dis是专利点i与位置s的距离；K是空间权重，一般基于托普勒第一定律，即根据反距离加权的方式赋权。

核密度函数通过对点分布的空间核密度值展示发明专利的空间分布特征，但无法对这种集聚的精确位置、集聚程度等进行量化。因此，本研究引入基于统计学的标准差尾值检验方法，该方法被有效应用于点模式分布的边界确定（Yu et al.,2015；吴康敏等，2016）。核心思想是基于统计学的正态分布假设，即在数据分布中，均值±1个标准差的范围将涵盖约68%的数据频次分布，均值±2个标准差的范围将涵盖约95%的数据频次分布，均值±3个标准差的范围将涵盖约99%的数据频次分布。依托数据正态分布的特征规律，本研究将“均值±标准差”的数据检验方法与核密度估计方法相结合，在确认创新空间分布的集聚与分散模式的基础上，提取创新的集聚核心的准确位置，并且量化集聚的程度。

1.3.2 空间自相关算法 采用空间自相关算法探索发明专利的空间集聚特征。创新往往伴随着高度的集聚外部性与知识溢出（Wu et al., 2021），因而，专利在空间分布上往往具有空间自相关性。本研究采用全局空间自相关（Moran'sI）和局部空间自相关（Anselin Local Moran'sI）定量测度粤港澳大湾区技术创新在空间上的关联程度与集聚特征（陈斐等，2002）。

1.3.3 熵指数 信息熵被用于衡量系统紊乱度（吴康敏等，2018），利用信息熵度量粤港澳大湾区技术创新的多样性特征。基于技术类型计算熵值（基于格网尺度），熵值越大，技术类型的种类越多样化，表明地方的创新多样性程度越高。基于格网化的研究区，考虑6类主要产业类型，相关分类与专利类别筛选规则见1.2小节。以6类主要产业类型的发明专利点数为基础计算格网创新熵值。

记格网内发明专利总数为M，产业类型数为6类，各产业类型发明专利数Mi为：

各产业类型发明专利数占专利总数百分比Pi为：

格网创新信息熵值计算公式为：

式中：S≥0，且创新熵值越大，技术类型多样性越高；反之，创新熵值越小，则说明地方技术结构越单一。

1.3.4 平均最邻近距离 基于平均最邻近距离方法分析发明专利点间的平均距离与邻近度。该方法基于点之间最邻近距离的实测值/期望值得到分布判别系数R，R越小，表明集聚程度越高（吴康敏等，2016）。R的计算公式为：

式中：dn、dm分别是专利点间最邻近距离的实测值与期望值。

2 结果与分析

2.1 粤港澳大湾区技术创新的地理格局与空间识别

2.1.1 粤港澳大湾区技术创新分布的整体分析基于格网尺度分析探索粤港澳大湾区技术创新的空间分布特点[格网尺度为3 km×3 km（Wu et al.,2021）]。由图1-a可以看出，粤港澳大湾区的技术创新在空间上分布显著不均衡，发明专利在空间分布集中于少数县区。专利高值区显著集中在珠江的东西两岸。其中，广州与深圳的分布密度最高，专利数量超过4 000 个的格网（极高值区）一共有7个，分布在广州的越秀区、天河区，深圳的南山区、福田区，东莞的滨海片区与珠海的香洲区。其余典型的高值区位还包括东莞的松山湖片区，深圳的光明区、龙华区等；对于港澳而言，香港的专利高值区主要分布在港岛片区，澳门则形成以澳门大学为核心的专利集聚区。

进一步分析湾区内发明专利分布的空间相关性特征。基于全局空间自相关算法得到专利数据的全局相关系数为0.313 4（p=0.000 0；z=47.426 0），表明整体而言，粤港澳大湾区的发明专利在空间上呈现显著的正空间自相关性。基于局部莫兰指数算法探索高值与低值集聚区的分布特征，结果显示（图1-b），在粤港澳大湾区内形成了两个连片的专利高高集聚区，分别是广州—佛山片区和深圳—东莞片区，这两个片区集聚了湾区内主要的核心科技资源，也是广深港澳科技走廊的核心节点（叶玉瑶等，2020）。

图1 粤港澳大湾区发明专利的空间分布Fig.1 The spatial distribution of invention patents in the Guangdong-Hong Kong-Macao Greater Bay Area

基于格局的分析可以直观看出珠江东西两岸技术创新能力上的差距，进一步以广州为起点，沿东西两岸各自截取剖面线（基于3 km×3 km尺度；东岸剖面线：广州－东莞－深圳－香港剖面线经广州越秀至香港港岛；西岸剖面线：广州－佛山－中山－珠海剖面线经广州越秀至珠海香洲）（吴康敏等，2016）。结果显示（图2），东岸的技术创新积累远高于西岸。东岸的剖面线在广州、深圳形成了两个明显的高峰，在东莞形成了一个次级的峰值；西岸的剖面线高值主要集中在广州与珠海，且峰值远低于东岸。东西两岸的创新能力剖面线结果验证了两岸在创新能力上的差距（邱坚坚等，2020）。

图2 粤港澳大湾区珠江东西两岸的创新能力差异分析Fig.2 Analysis of the difference in innovation capability between the east and west banks of the Pearl River in the Guangdong-Hong Kong-Macao Greater Bay Area

2.1.2 粤港澳大湾区创新空间及其多样性特征基于格网的密度分析无法准确量化集聚核心的专利集聚程度，因此采用标准差尾值检验法确定粤港澳大湾区技术创新专利的集聚核心（吴康敏等，2016）。结果显示（图3、表2），在1sd标准差面所包含的空间范围内集中分布了141 780个发明专利，占大湾区总量的74.26%，密度达到了40.412 9 个/km2，是整个密度的9.06倍，而1sd标准差面的面积仅占研究区的8.19%，即研究区91.81%的面积只分布了25.74%的发明专利数，创新高度集聚。从3sd标准差面的分布可以看出，粤港澳大湾区技术创新的核心分布在广州与深圳，以及珠海的香洲。

表2 基于标准差面的专利分布特征Table 2 Patent Distribution Characteristics of Standard Deviation Surface

图3 粤港澳大湾区技术创新空间识别及其多样性特征（a.发明专利集聚区；b.发明专利的熵值分布）Fig.3 The identification and diversity of technological innovation space in the Guangdong-Hong Kong-Macao Greater Bay Area(a.patent cluster;b.entropy distribution of patents)

演化经济地理学认为，区域技术类型的多样性对于创新的演化与新技术的产生至关重要（Zhu et al.,2019）。因而，技术类型多样性是反映大湾区创新能力的重要维度。基于熵值法的技术类型多样性结果如图3-b 所示，熵值较高的区位仍然主要集中在环珠江地带，大湾区外围城市的技术能力多样性普遍不高。技术多样性的高值区位主要包括广州的越秀－天河片区、深圳的福田－罗湖－龙岗－坪山片区、东莞的松山湖－滨海－东南临深片区，中山的西北组团、佛山的顺德、惠州的惠城以及香港的九龙－港岛片区也有高值区的分布。这表明环珠江的粤港澳大湾区核心城市的核心地带普遍具有较高的技术结构多样性，这也验证了核心城市核心地带普遍具有较强的韧性（Zhu et al.,2019）。

2.2 粤港澳大湾区技术创新的多样性特征

2.2.1 多类型技术创新的空间布局特征 技术创新类型在空间上具有多样性特征，对发明专利的全样本分析无法凸显不同技术类型在空间分布上的分异。由于粤港澳大湾区内不同区位的自然地理条件、资源禀赋、产业结构基础、发展规划导向等因素的差异，使得不同技术类型的创新在空间上必然呈现出差异化的格局（朱晟君等，2020）。在全样本格局以及技术多样性分析的基础上，进一步对接广东省的十大战略性支柱产业规划以及十大战略性新兴产业规划，结合产业自身的创新能力及在大湾区的经济发展占比，从全样本的发明专利中挑选新一代电子信息、汽车、绿色石化、新能源、先进材料、智能机器人六类产业，进一步研究不同技术类型创新在空间分布上的特征与差异（图4、表3）。

表3 粤港澳大湾区多类型技术创新的空间特征Table 3 The spatial characteristics of various types of technological innovation in the Guangdong-Hong Kong-Macao Greater Bay Area

图4 粤港澳大湾区多类型技术创新的空间分布（a.新一代电子信息产业；b.汽车产业；c.绿色石化产业；d.新能源产业；e.先进材料产业；f.智能机器人产业）Fig.4 The spatial distribution of multiple types of technological innovations in the Guangdong-Hong Kong-Macao Greater Bay Area(a.new gener‐ation of electronic information;b.automotive;c.green petrochemical;d.new energy;e.advanced Materials;f.smart robot)

不同产业类型的技术创新数据分布特征各有不同，从发明专利的构成比例看，新一代电子信息产业的创新比例最高，占研究区发明专利总数的30.64%，占比远高于其他类型产业；其次是先进材料与绿色石化，占比分别为10.88%与10.15%。这三类产业的技术创新占比达到了2020年发明专利总量的51.67%，反映了新一代电子信息、绿色石化与先进材料在粤港澳大湾区未来进一步打造国际科技创新中心中的战略性支柱地位。新能源、智能机器人与汽车产业的发明专利占比相对较小，三个行业的总占比为8.5%，尽管当前技术创新的占比不高，但结合当前的产业发展趋势与广东省的双十战略规划，这些产业都是未来粤港澳大湾区发展的重要支撑。

从空间分布特征上看，新一代电子信息产业的创新集聚程度最高，R值为0.057 6，发明专利间的平均最邻近距离观测值为32.03 m，属于所选分析行业中的最小值，呈现强烈集聚特征。这与该产业类型的企业、高技能劳动力的集聚分布密不可分（贺灿飞等，2011）。空间分布上，发明专利的高值区主要分布在广州与深圳的核心区，包括越秀、天河、南山、福田、罗湖等区，香港的九龙－港岛片区也有连片的分布，这些区位也是粤港澳大湾区计算机与互联网企业高度集聚的区位。先进材料、绿色石化与新能源三类产业在分布上也呈现显著的集聚特征，R值分别为0.108 4、0.109 9、0.126 3，平均最邻近距离观测值分布在100～170 m 的区间。在空间分布上，这3个产业也呈现出显著的核心城市核心区的分布指向，在广州与深圳两市的核心区均有发明专利的高值区分布。但同时也显现出差异化的空间格局，先进材料的分布高值区集中在广深，绿色石化的技术创新在其他城市如惠州、东莞、佛山、珠海等城市均有高值区分布，高值区的分布范围相对更广，新能源产业在地理分布上则更加集中，除了广州两市，仅在佛山、中山以及珠海的少数区位有专利分布，在大湾区外围城市的分布较少。汽车与智能机器人这两个产业相对其他产业的集聚度相对不高，平均最邻近距离的观测值均在300 m 以上，空间分布仍然主要集中在广深两市的核心区。

2.2.2 多类型创新空间的识别及分布特征 基于标准差尾值检验，进一步计算得到六类产业的集聚边界及其集聚特征。结果表明（图5、表4），粤港澳大湾区六类主要产业的集聚核心分布特征各有差异。从集聚核心的空间分布特征看，六类产业均在广深两市的核心区形成了最大的两个集聚核心，涵盖了广州的越秀－天河片区，深圳的福田－南山－罗湖片区。差异之处在于，新一代电子信息产业的分布最为集中，仅在广深两市形成集聚；先进材料、绿色石化的分布格局类似，广深之外主要在东莞的松山湖片区形成集聚核心；汽车产业、新能源产业与智能机器人产业在广深之外形成了较为明显的其他核心，其中，汽车产业在东莞松山湖片区、广州的南沙区形成了两个较小的核心，新能源产业在珠海的香洲形成了集聚区，智能机器人产业在珠海和东莞松山湖形成了创新的核心。

图5 粤港澳大湾区多类型技术创新空间识别（a.新一代电子信息产业；b.汽车产业；c.绿色石化产业；d.新能源产业；e.先进材料产业；f.智能机器人产业）Fig.5 The identification of multiple types of technological innovation spaces in the Guangdong-Hong Kong-Macao Greater Bay Area(a.new gener‐ation of electronic information; b.automotive;c.green petrochemical;d.new energy;e.advanced Materials;f.smart robot)

表4 粤港澳大湾区多类型技术创新的集聚特征Table 4 The agglomeration characteristics of multiple types of technological innovations in the Guangdong-Hong Kong-Macao Greater Bay Area

从六类产业的集聚程度看，集聚面积最大的是汽车产业，1sd 标准差面面积达到了5 158.24 km2，占研究区面积的12.05%，且集聚核心的创新高度集聚，1sd 标准差面集聚了高达82.24%的发明专利。集聚核心面积最小的是新一代电子信息产业，其创新核心的分布最为集中，核心区专利密度达到了19.99个/km2，这也验证了新一代电子信息产业的技术创新集聚程度最高。

2.2.3 粤港澳大湾区多类型创新空间分异的形成机制 集聚与多维度邻近。集聚被认为是创新产生的关键机制之一（Zhang et al., 2018；张虹鸥等，2021），通过推动知识溢出与降低交易成本推动地方创新的产生。经济地理学的关系转向也拓展了空间邻近的概念，认知邻近、组织邻近、机构邻近、技术邻近等多维度邻近更全面地揭示了粤港澳大湾区技术创新的产生与空间分异格局的产生（Zhu et al.,2019）。近些年来，随着湾区内不断完善的交通网络，地理邻近性尺度被不断扩大（Dong et al.,2019），大学与研究机构分支机构、重大科技基础设施在穗莞深沿线的战略性布局，要素的高度集聚产生了极大的马歇尔集聚外部性（马海涛等，2018），这些都推动了知识与人才的远距离交流与传播。在原有集群发展的基础上，“双十”战略的实施也将进一步推动技术创新在原有集群基础上的进一步发展。在集聚效应与多维度邻近机制的推动下，佛山与广州，深圳与东莞，中山与珠海各自形成了区域层面三个突出的创新集群。

多样性与路径依赖。多样性作为创新产生的另一关键机制（Zhang et al., 2018；张虹鸥 等，2021），认为相关性多样性可能存在更为有效的知识溢出，区域具备相关的技术基础更容易引进或者产生相关的新技术创新（宓泽锋等，2021）。这也解释了主要战略性产业技术创新在大湾区的空间分异，广州与深圳作为产业基础最为强大、知识结构最为复杂的城市，是大湾区的两个创新核心。地方原有的技术结构特点也深刻影响着其产业创新的方向，且原有的知识积累所产生的马歇尔集聚外部性，也将在路径依赖下被不断强化，这些关键的机制都将不断加深广州、深圳、东莞、佛山、中山、珠海等城市在湾区乃至全国、全球尺度的专业化效应，从而不断推动新技术的产生与技术类型的空间分异。

3 结论与讨论

本文基于粤港澳大湾区190 916 条发明专利的空间数据库，采用点模式分析方法确定了粤港澳大湾区技术创新的地理分布结构，并通过建立战略性产业与专利IPC分类间的联系，对多类型技术创新进行分类，识别了包括新一代电子信息产业、汽车产业、绿色石化产业、新能源产业、先进材料产业、智能机器人产业共六类主要产业的技术创新的分布，对比讨论了其分布格局与特征，得出以下几个结论：

1）粤港澳大湾区的发明专利在空间上呈现明显的集聚特征，集中分布在广州与深圳两市的核心区，整体结构呈现为明显的双核分布模式，珠江东岸的技术创新能力整体高于西岸。基于熵值的技术多样性分析展现了大湾区内韧性较高的片区，主要包括广州的越秀—天河片区、深圳的福田—罗湖—龙岗—坪山片区、东莞的松山湖—滨海—东南临深片区，中山的西北组团、佛山的顺德、惠州的惠城以及香港的九龙—港岛片区等。

2）分产业类型的技术创新能力空间格局中，不同产业类型的发明专利数据呈现差异化的分布特征。其中，新一代电子信息产业的创新占比最高，占整体发明专利总数的30.64%。新一代电子信息产业与先进材料、绿色石化三类产业的创新占比达到了51.67%，是大湾区未来创新发展支柱。空间分布上，六类产业均在广深两市的核心区形成了最大的两个集聚核心，不同类型产业的集聚核心数与面积均有不同，其中，新一代电子信息产业的创新集聚程度最高。

在研究尺度上，基于地理编码、微观尺度的专利数据，本文实现了对区域技术创新地理动态的微观视角解读；在分析深度上，通过不同分类代码间的联系对技术创新的异质性进行了更深入的分析。本文可为粤港澳大湾区创新地理研究与发展政策制定提供新的资料参考，具有实践与学术研究价值。当然，本文也存在一些不足。首先是研究区的特殊性，粤港澳大湾区内包含了香港与澳门两个特别行政区，特别行政区的体制跟内地存在较大差异，知识产权保护观念上的差异使得部分的港澳专利申请并没有通过国家知识产权局的平台，尽管本研究基于点级尺度可以精确覆盖到港澳的区位，识别港澳的创新热点，但仍可能在区域层面无法突出港澳的创新能力。未来需要更系统地纳入世界知识产权组织的国际专利数据，以更全面地刻画港澳两个城市的技术创新能力。第二，中国国民经济行业分类代码与发明专利的IPC分类号属于两个独立的分类系统，本文通过现有的官方咨询报告与分类关系参照表建立了粤港澳大湾区主要产业与发明专利间的联系，但受限于国民经济分类代码与IPC分类体系的复杂性，仅能对部分有代表性产业类型的技术创新进行研究，因而无法系统全面地刻画大湾区技术类型的多样性特征。第三，本文侧重于分析粤港澳大湾区技术创新地理的动态机制多样性，受限于篇幅，也未对这种多样性格局背后的机制进行更深入的分析。这些不足，都需要在未来进一步完善。