中国科技服务业集群识别与多层次创新网络演化

梁 娟，蔡猷花，陈国宏，汪 瑞

（1.福建江夏学院工商管理学院,福建福州 350108；2.福州大学经济与管理学院，福建福州 350108；3.福建工程学院管理学院，福建福州 350118）

1 研究背景

习近平总书记在党的十九大报告中，59 次提到“创新”、17 次提到“科技”，凸显了科技创新在社会主义现代化强国建设中的重要作用和地位。随着创新驱动发展战略的贯彻落实，科技服务业的活跃程度和发展速度大幅提升，已然成为促进经济服务化、推动经济增长的新动力［1］，是推动产业结构转型升级的新引擎［2］。各级政府高度重视科技服务业的发展，把建设科技服务业集聚区作为集约发展科技服务业的重要空间载体。科技服务业集聚区的快速发展推动了科技服务业集群理论的研究。目前，学者们在科技服务业集聚特征、空间集聚测度、集聚影响因素、发展水平与区域布局、对区域创新效率的影响等方面进行研究［3-7］，但对科技服务业集群创新网络方面的研究较少。

在实践领域中已经出现了科技服务业集群创新网络嵌入的现象，如美国硅谷、北京中关村、台湾新竹、张江高科技园区、深圳南山区创业服务中心、苏州科技城等［8］，已形成了区域和国际化的科技服务业网络［9］，呈现出空间集聚与全球扩张的双重趋势［10］。当前创新网络研究已经取得了丰富的成果，但大多关注于制造业或工业集群和单一层次研究，对服务业集群创新网络的专门研究和多层次创新网络的综合研究较少。Moulaert 等［11］指出服务业恐怕不能直接使用制造业集聚的理论与模型。Hipp［12］指出把不同的理论视角联系起来能更加全面地认识服务业创新网络模式及其空间格局问题。实证研究表明，突破本地的区域网络，克服 “本地知识冗余危险”［13］，形成超本地关系［14］，构建跨集群间的创新网络［15］，嵌入全球创新网络［16］，构建开放的国际创新网络［17］，能推动后发企业的逆向创新［18］。实践中科技服务业集群企业的创新活动会同时发生在多空间层次，受到各层次创新网络的协同影响，全球背景下多层次（尺度空间）行动者和机构相互作用的研究值得关注［19-20］。Capaldo 等［21］强调网络治理同样发生在企业层级与网络层级，创新网络研究的层次转向愈加显著［22］，呈现从本地网络或全球网络的分割研究向多层次网络的研究转向。

科技服务业集群创新网络已经在实践中存在，迫切需要开展相关的理论研究，为实践活动提供理论指导。因此，本文基于集群创新网络理论，以科技服务业集群为研究对象，以2001—2017 年的有效合作发明专利数据为基础构建科技服务业集群创新网络，从多层次互动的网络视角来审视中国科技服务业组织在专利合作伙伴的选择上是否具有集群指向，以及多层次创新网络的网络特征和空间格局等问题。从不同空间层次网络耦合视角对科技服务业创新网络的专门研究将总结出独特的网络演化模式和空间格局，丰富了创新网络的研究内容，以期为科技服务业创新网络在空间视角的后续研究做有益补充，为科技服务集群企业构建最佳空间尺度的创新网络提供参考。

2 中国科技服务业集群识别

2.1 空间单元选取与数据说明

本文以地级市作为分析的空间单元，对科技服务业集群的空间范围进行界定。以2015 年行政区划为标准，根据《2016 年中国城市统计年鉴》，因三亚市数据缺失，研究范围界定为291 个地级及以上城市。为确保数据的稳定性和可信性并全面地识别潜在的科技服务业集群，借鉴周灿等［23］学者的研究，使用2015—2017 年城镇科技服务业从业人员的均值测算各城市科技服务业的区位熵。

2.2 中国科技服务业集群识别方法与步骤

基于科技服务业集群的空间集聚、高创新性、智力密集性等核心特征，在综合考虑数据的可获得性的基础上，使用区位熵对科技服务业的空间集聚程度进行测度，再结合社会网络分析法识别中国潜在的科技服务业集群［23］。

2.2.1 基于区位熵的科技服务业空间集群测度

区位熵可对各地区科技服务业的集聚程度进行测度，是专业化的重要衡量指标之一，其计算公式为：LGi=(Ki/K) / (Ti/T)，其中LGi为i城市的区位熵，Ki为i城市科技服务业城镇单位就业人员总数，K为全国科技服务业城镇单位就业人员总数，Ti为i城市城镇单位就业人员数，T为全国城镇单位就业人员数。根据上述公式，结合《中国城市统计年鉴》中的统计数据，可计算出中国291 个地级以上城市科技服务业的区位熵。LGi＞1 表示i城市科技服务业从业人员的空间集聚水平高于全国平均水平，62 个城市的区位熵大于1，为潜在集群。

2.2.2 潜在科技服务业集群筛选

选取上述62 个LGi＞1 的城市，借鉴李佳洺等［24］、周灿等［23］的研究，以第80 个百分位数的数值作为科技服务业城镇单位从业人员（2015—2017 年度城镇单位从业人员平均值）和创新规模（2017 年度城市发明申请数、发明授权数或专利数）的阈值下限，排除未达到阈值的城市。通过排序比较，排除不满足从业人员阈值条件的22 个区域（日喀则市、昌都市、张掖市、丹东市、拉萨市、天水市、普洱市、张家口市、遵义市、齐齐哈尔市、白城市、丽江市、蚌埠市、崇左市、东营市、榆林市、海东市、七台河市、铁岭市、咸阳市、昭通市、攀枝花市），以及不满足创新规模阈值条件的17 个区域（大庆市、呼和浩特市、保定市、兰州市、西宁市、鞍山市、毕节市、襄阳市、南宁市、乌鲁木齐市、威海市、沧州市、渭南市、锦州市、银川市、海口市、岳阳市）。深圳市和珠海市2017 年科技服务业从业人员的区位熵大于1，且专利申请量、专利授权量和发明数均排在第80 个百分位数之前，因此补充这两个区域，筛选补充后共有25 个中国科技服务业集群区域。

根据检索的专利信息，整理出上述25 个中国科技服务业集群区域的关系矩阵，由于区域间的联系数量最大值为9 906，最小值为2，差异较大，偏度系数和峰度系数分别为4.923 和25.620，呈现高度偏态分布。为了提高网络图的可读性，借鉴已有研究的做法［23］，采用封顶方式处理数据，将2015年、2016 年、2017 年最高联系数量设置为2 000 条、3 000 条、5 000 条，低于最高阈值的均为联结关系的原始值。使用UCINET 绘制2015 年潜在集群专利联系的城市区域联系网络（见图1），可以直观地观察集群多层次网络之间的联结关系和联结强度。图1 中，圆形代表东部区域，正方形代表中部区域，上三角代表西部区域，箱子代表东北区域，下三角代表全球；合作关系用线的粗细表示，越粗合作关系越多；度中心度的大小用节点和节点的标签表示，度中心度越高，节点越大。

图1 中国25 个潜在科技服务业集群网络

由图1 可以发现，25 个集聚区域在区域、全球尺度上的网络关系、连接强度、度中心度等存在着较大的差异，关系连接最多的是北京、南京、深圳、上海、杭州、广州、南昌、武汉等集群，成为科技服务业多层次创新网络的核心。在区域创新网络层面，北京、深圳、南昌、南京、广州、杭州、上海、武汉等集群的关系联结较为密集，上述集群基于地理邻近因素和区位优势增加了面对面接触的频率和关系强度，社会资本又促进了合作关系和信任关系的建立，分散了知识创新的风险，可提升知识转移的效果，促进创新绩效的提高，成为区域创新网络的核心节点。在全球创新网络层面，深圳、北京、上海、南京、广州等集群通过组织临近促进了彼此间的沟通和理解、交流和学习，关系连接最多，成为全球创新网络的核心节点。由于绵阳、洛阳集群内创新合作少，且只和区域内创新主体建立了极少的联结，尚未形成集聚效应，故排除绵阳、洛阳，剩余23 个潜在科技服务业集群。

经过筛选，最终识别出23 个科技服务业产业集群，见表1 所示。由表1 可知，中国23 个科技服务业产业集群主要分布在东部，集中在环渤海、长三角、珠三角等区域，这些区域正是中国科技服务业发展较快的区域，也是科技部首批科技服务业区域以及科技百千企业的集中分布区域。科技部于2015 年、2016 年公布了首批、第二批科技服务业区域试点单位名单，上述集群区域有17 个在试点名单中。在上述23 个科技服务业集群区域中，有60 家企业出现在2019 年全国科技创新企业百强名单中，有20 家高校属于全国科技创新高校30 强，有23 家科研院所为全国科技创新科研院所30 强。由此可见，本方法识别出的23 个科技服务业产业集群与中国科技服务业集聚发展的实际相一致。

表1 中国23 个科技服务业集群区域分布

3 科技服务业创新网络的数据来源与研究方法

3.1 数据获取及处理

科技服务业具有高技术性的特点，专利作为最大的技术信息源，体现了组织的高技术性，合作申请专利体现了专利申请人之间的知识连接、知识吸收和协同创新，国内外学者大多使用合作申请专利数据开展创新网络空间格局、区域创新绩效等研究［23］。因此，借鉴周灿等学者的研究，本文以合作申请发明专利数据为基础数据，根据发明申请权利人之间的合作关系构建科技服务业集群多层次创新网络，数据来源于智慧芽平台，检索日期为2020年11 月。一项发明专利需要约3 年时间才能获得专利权，检索发现，2018—2020 年有较多的专利还处于实质审查阶段，尚未获得授权，为了提高纵向可比性和网络关系的延续性，本研究以2001—2017 年的有效合作发明专利数据作为多层次创新网络分析的数据基础，共45 494 组申请。考虑到创新主体的异质性，把创新主体分为企业、高校、研究所、其他4 个类别，根据创新主体所属的省份进行细分，据此将主体间创新合作分为集群（按地级市分类，市内的合作为集群层次的合作）、区域（依据《中国科技年鉴》的地区划分标准划分为东部、中部、西部、东北4 个区域，4 个区域内的合作定义为区域层次的合作。其中，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10 个省市；中部地区包括山西、安徽、江西、河南、湖北和湖南6 个省市。西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12 个省区、市；东北地区包括：辽宁、吉林和黑龙江3 个省）、全球（美国、英国、德国、日本、新加坡、意大利、韩国、瑞士、芬兰、法国、瑞典、荷兰、爱尔兰、加拿大、俄罗斯、丹麦、荷兰、以色列、土耳其、比利时、列支敦士登公国、西班牙、印度、澳大利亚、朝鲜、南非、斯洛伐克、泰国、奥地利、挪威、沙特阿拉伯、萨摩亚、巴西、马来西亚、卢森堡）3 个层次，由创新主体的空间分布可以看出，创新网络涉及到集群、区域、全球三个层次，属于多层次创新网络。

3.2 研究方法

基于前文的45 494 组有效合作申请专利数据，依据合作申请专利涉及的申请人合作关系和合作申请专利数量，构建中国科技服务业创新主体间的加权合作申请专利关系网络。根据专利申请人的名称、地址等信息，使用百度、企查查等网络搜索功能，查找出科技服务业创新主体所处的地市级空间位置，使用UCINET 软件将上述合作申请专利关系网络转换为集群、区域与全球空间层次的创新网络。全球创新主体的地理空间范围较大，故把境外机构都划归为全球空间层次，没有进行转换。根据以上方法，整理出2001—2017 年所有合作专利的申请人间的网络关系，在中国科技服务业集群识别的基础上，运用社会网络分析法，借助UCINET 软件，绘制出科技服务业集群多层次创新网络的拓扑图并直观地观察网络联结关系和联结强度及其空间布局的演化。

4 中国科技服务业集群创新网络的空间演化

4.1 中国科技服务业集群创新网络的演化过程

根据收集到的2001—2017 年间的合作发明专利申请和授权数量（见图2），结合2001—2017 年合作发明专利申请人的区位分布，把科技服务业集群创新网络的演化过程分为萌芽期、起步期、成长期三个时期，见表2 所示。

图2 中国科技信息服务业集群合作发明专利和创新主体数量

表2 中国科技信息服业集群合作发明专利申请人的区位分布

表2（续）

（1）在萌芽期（2001—2005 年），每年的合作发明专利申请和授权数量少，增长速度慢，在引进、吸收、模仿创新的基础上，中国科技服务业创新主体的创新能力逐步增强，出现了北京、上海、广州、深圳、天津、武汉等集群创新网络雏形，境内合作发明专利申请人的比例在逐年上升，境外机构（如美国、英国、法国、日本、韩国、中国台湾）所占的比例在逐年下降，两者之间的差距在逐渐缩短。（2）在起步期（2006—2011 年）随着外资企业的进驻，通过产业合作和地理临近导致的知识溢出，中国本土科技服务业创新主体的创新能力增长明显，呈现渐进式增长态势，合作发明专利申请人已经由之前的以境外机构为主转为以境内机构为主，国内机构的数量和比例在逐年上升，科技服务业集群创新网络的数量也在逐年增加。（3）在成长期（2012—2017 年），中国本土科技服务业组织立足于提升自身创新能力和自主研发，合作发明专利申请人中国内机构的数量和比例占绝对性的优势，且呈现快速增长，国内机构的创新能力、技术实力、国际竞争力不断增强，开始在海外建立研发中心，呈现出集群网络、区域网络和全球网络的多层次融合，年度合作发明专利申请数量呈现快速大幅增长态势，逐渐形成23 个科技服务业集群多层次创新网络。

4.2 中国科技服务业集群创新网络演化中的区位差异性分析

运用R 软件，对科技服务组织在合作发明专利申请人的选择上是否存在显著的区位差异进行Pearson 卡方检验。通过整理专利数据，发现自2012年起，23 个潜在服务业集群开始稳定参与创新网络。因此，对23 个潜在集群中科技服务业组织在2012—2017 年之间的网络联系按照集群联系和非集群联系进行分类，使用Pearson 卡方检验方法对科技服务业组织在合作发明专利申请人的选择上的区位差异进行检验，结果如表3 所示。

表3 中国科技服务业集群创新网络卡方检验

表3 中Pearson 卡方检验结果表明，集群区域内和集群区域外的科技服务组织在合作发明专利申请人的区位选择上的卡方值均在1 000 以上，具有显著差异：（1）中国科技服务业在集群和非集群各空间尺度下合作发明专利的重要载体均是集群。由于科技服务业集群具有地理的接近性和知识溢出等根植性特点，2012—2017 年在集群本地和其他集群空间尺度上的合作发明专利比率均达到80%以上，科技服务业的跨群合作有利于集群间知识的整合。（2）与非集群区域的科技服务业组织相比，科技服务业集群内的创新组织在合作发明专利申请人的区位选择上更偏向于集群区域。2012—2017 年，集群内科技服务业组织的合作发明专利申请人中，有86%以上是选择集群组织，远远高于非集群组织，而位于非集群的科技服务业组织的合作发明专利申请人中选择集群组织的仅占50%左右，略高于非集群组织。

4.3 中国科技服务业多层次创新网络的演化特征

以科技服务组织为网络节点，根据组织间合作申请发明专利的次数，使用UCINET 画出科技服务业创新网络图，创新网络涉及到集群、区域、全球三个层次，属于多层次创新网络。图3 所示（由于篇幅有限，仅列出2001 和2006 年的创新网络图，由于2006 年的创新网络参与主体太多，仅显示度中心度高于0.417 的参与主体名称，其他主体用编号代替）。图3 中，圆形代表企业，正方形代表高校，上三角代表研究所，箱子代表其他类型的组织，线、节点和节点的标签含义与图1 相同。

图3 2001、2006 年中国科技服务业多层次创新网络图

从图3 可以看出，科技服务业组织创新网络节点与合作专利关系成倍增长。2001—2006 年，网络节点从57 个增加到241 个，合作发明专利关系由114 条增加到884 条，表明中国科技服务业组织越来越重视合作发明专利关系的建立和维系，已逐渐构建了多尺度多空间耦合的合作发明专利关系网络。科技服务业创新网络具有度分布不均匀的特征，2001 年度中心度较高的节点为展讯通信（上海）有限公司（5.357）、信息产业部电信传输研究所（5.357）、浙江大学（5.357）、株式会社KCE 东京（5.357）、科乐美股份有限公司（5.357）、科乐美运动株式会社（5.357）、科乐美运动和生活株式会社（5.357），度中心度最小值为1.786。2006 年度中心度较大的组织是华为技术有限公司（5.417）、三星电子株式会社（4.583）和清华大学（4.167），最低的度中心度是0.417。可见，随着网络规模的扩大，节点度中心度之间的差距也在增加，节点间的关系联结差距在拉大，度分布不均匀性凸显。

4.4 中国科技服务业集群多层次创新网络演化的空间格局

把23 个潜在集群与中国四大区域以及国际组织之间的创新合作联系转化成多值矩阵，使用UCINET画出科技服务业集群多层次创新网络图，多层次创新网络涉及到集群、区域、全球三个层次，见图4所示（由于篇幅有限，根据前文我国科技服务业的发展阶段划分，选择了2001 年、2006 年、2012 年和2017 年的网络图）。

图4 中国23 个潜在科技服务业集群多层次创新网络

由图4 可见，2001 年，中国科技服务业多层次创新网络节点少（7 个），网络关系少，连接强度低，呈现出由北京和上海双核主导的网络特征。2006 年，中国科技服务业多层次创新网络与2001 年相比虽然节点增多（18 个，其中14 个为潜在集群），网络关系和连接强度增强，但仍然呈现出双核主导（双核为北京和深圳）的网络特征。2012 年开始，中国23 个潜在科技服务业集群全部形成，网络关系和连接强度明显增强，呈现出由东部区域的北京、深圳、广州、上海、珠海、南京等多核主导的网络模式。与2012 年相比，2017 年中国科技服务业集群多层次创新网络中的网络关系最为密集，连接强度也明显增强，且头部效应更为明显，北京、南京、深圳、上海、广州、杭州等东部区域的集群和成都、西安等西部区域的集群成为创新网络的多核中心。可见，2001—2017 年，随着科技服务业多层次创新网络的不断演化，科技服务企业在集群、四大区域和全球等多个空间尺度网络的协同创新行为逐渐增多，网络关系越来越多，网络联系强度也越来越高，空间分布上呈现出显著的非均衡性。集群为多层次创新网络的核心节点且集群的创新能级影响科技服务业集群多层次创新网络的空间范围和联系强度；区域层次网络的核心是东部区域，东部区域的高创新能级集群如北京、南京、深圳、上海、广州、杭州等城市是多层次创新网络的中心节点；全球层次网络的核心节点是东部区域和国外，多层次创新网络的网络联结关系呈现由东部区域少核主导向东部西部多核互连演化，且创新主体间的网络关系越来越密集。

（1）从集群网络层次来看，2012—2017 年23个潜在集群的合作创新联系的空间分布极为不均衡，呈现出由核心集群向弱势集群急剧递减趋势、集群内创新合作的集聚性高于非集群，北京、南京、深圳、上海、广州、杭州等集群成为中国科技服务业集群多层次创新网络中集群网络层次中的核心节点，见表4 所示。

表4 中国科技服务业多层次创新网络中集群网络创新合作节点

由表4 可见，在集群内创新合作中，北京、南京、深圳、上海、广州、杭州等集群的群内专利合作次数最多，在集群内联系总数中所占比例超过了87%，是本地创新合作最为密切的区域；在非集群创新合作中，北京、深圳、南京、上海、广州、杭州、南昌等集群的非集群内发明专利合作次数最多，在非集群创新合作总数中所占比例均超过了70%，是集群间创新合作最为密切的区域。

（2）从区域网络层次看，2012—2017 年，区域内部和区域之间的创新合作关系数递增，联系逐渐密切，表明科技服务业组织在区域层面的网络联系越来越多，网络关系越来越密切，且呈现出典型的“核心-边缘”结构特征，见表5 所示。横向看，在2012—2017 年，每年的区域网络创新合作联系均呈现出东部最强、中部和西部相当、东北弱，自东向西创新合作联系显著减少的特征，东部区域内部的创新合作联系最多且高于东部区域与其他区域之间的合作联系，这表明东部区域是中国科技服务业多层次创新网络中的核心区域。中部、西部、东北区域内部的创新合作联系要低于东部与这些区域之间的创新合作，这表明这些区域在选择创新合作伙伴时，优先选择东部区域而不是本区域内部，东部区域的超强创新能力带来的好处超越了本地距离临近优势。中部、西部、东北三个区域间的创新合作联系较少，表明这些区域在中国科技服务业的多层次创新网络中处于边缘区域，主要接受东部地区的创新溢出。

表5 中国科技服务业多层次创新网络中区域网络创新合作联系情况 单位：次

（3）从全球网络层次看，2012—2017 年，中国东部区域与全球范围的创新合作联系最多，其次是中部和西部，东北与全球范围的创新合作联系最少，见表6 所示。

表6 中国科技服务业多层次创新网络中全球网络创新合作 单位：次

纵向看，中国各区域与全球范围间的创新合作联系呈现出阶段性波动特点，2012—2014 年间，逐年上升，2015 年回落，2016—2017 年又进入新一轮上升态势，全球范围内部的创新合作联系则呈现出逐年上升态势，且创新合作联系远高于与国内各区域之间的联系。这表明，中国科技服务业企业虽然认识到国际合作的重要性，但是由于创新能力之间的差距，与全球范围的合作还有待进一步加深。

5 结论与启示

5.1 结论

基于创新网络理论，运用区位熵和社会网络分析法识别出中国23 个科技服务业集群，收集中国科技服务业有效发明专利合作数据并构建关系矩阵，发现中国科技服务业多层次创新网络的演化过程可分为萌芽期、起步期、成长期三个时期，在萌芽期创新主体以境外机构为主，起步期以境内机构为主，且呈现出集群网络、区域网络和全球网络的多层次融合，年度合作发明专利申请数量呈现快速大幅增长态势。通过UCINET 软件绘制了2001—2017 年科技服务业组织创新网络图和23 个科技服务业集群多层次创新网络图，对科技服务业多层次创新网络的区位选择差异性、网络特征和空间格局进行分析，揭示了科技服务业集群多层次创新网络的演化规律，得出如下结论：

（1）中国科技服务业多层次创新网络呈现出明显的集群空间特征。Pearson 卡方检验方法结果表明，集群区域内与集群区域外的科技服务组织在合作发明专利申请人的区位选择上，呈现出显著差异性，中国科技服务业集群和非集群空间尺度上合作发明专利申请人选择的重要载体是集群，集群与非集群区域的科技服务业组织相比，在发明专利合作伙伴的区位选择上更偏向于集群区域。

（2）科技服务业创新网络具有度分布不均匀性、空间分布的非均衡性。由图3 不难发现，科技服务业组织已逐渐构建了多尺度多空间耦合的合作发明专利关系网络，随着网络规模的扩大，节点度中心度之间的差距也在增加，节点间的关系联结差距在拉大，度分布不均匀性凸显。创新网络在空间分布上呈现出由核心集群向弱势集群急剧递减趋势、集群内联系的集聚性高于非集群联系，具有显著的非均衡性，东部区域的高创新能级集群如北京、南京、深圳、上海、广州、杭州等城市为多层次创新网络的中心节点。

（3）中国科技服务业多层次创新网络呈现出多集群、跨区域、多尺度的“核心-边缘”空间格局。中国科技服务业多层次创新网络的创新主体涉及集群、区域和全球层次，跨区域创新合作联系逐渐递增，多尺度空间格局已经形成，东部区域是中国科技服务业多层次创新网络中的核心区域，中部、西部、东北三个区域处于边缘区域，主要接受东部地区的创新溢出，呈现出典型的“核心-边缘”结构特征。

5.2 启示

上述研究结论，有助于各级政府和组织认识到中国科技服务业集聚发展和创新网络演化的客观规律，为政府政策的制定和科技服务集群企业构建最佳空间尺度的创新网络提供参考。一方面，各集群要结合自身的资源和发展阶段动态地嵌入多层次创新网络，加强集群内各创新主体间的关系联结和联结频次，通过提高科技经费投入和科研人员投入等内生创新努力，提升创新能级，从而提高在创新网络中的网络位置和中心度，减少节点的关系联结差距。另一方面，多层次创新网络的核心东部地区在保持核心优势的同时，要注意瞄准国际科技前沿，加强与全球范围内的交叉融合、协同发展，积极嵌入全球创新网络，通过技术引进汇聚全球范围内的优质创新资源，最大限度激发创新效益。最后，多层次创新网络的边缘中部、西部、东北等区域，应奋发追赶，更加积极地嵌入多层次创新网络，加强区域间和全球范围内的创新合作与交流，逐步缩小与东部区域科技服务业发展的差距。同时，在国家层面，要破除集群间、区域间、全球范围内创新要素流动的障碍，营造有利于加强集群、区域、全球多空间层次协同创新的外部环境，进一步提升中国科技服务业的发展水平。