基于熵权-TOPSIS-德尔菲法的核心技术识别研究*——以芯片产业技术为例

田雪姣 鲍新中 杨大飞 杨 武

(1.北京联合大学 应用科技学院 北京 100012；2.北京石油化工学院 经济管理学院 北京 102617；3.北京科技大学 经济管理学院 北京 100083)

0 引 言

2017年我国芯片产业在全球范围内发展为成长最迅速的产业，但尽管如此，我国芯片产业仍然面临高端芯片难以自产自足、长期处于世界芯片产业链下游、核心技术受制于人的困境。例如，在芯片光刻机制造领域，荷兰ASML公司凭借与其他芯片专利领先的发达国家形成技术及产业利益联盟，一直垄断着光刻机领域的高端技术，从第一代光刻机工艺节点1500nm到现在的7nm共十几代技术，ASML公司几乎垄断了各个工艺节点的核心技术，而我国的生产工艺还在14nm徘徊。近年来在美国的施压之下，ASML公司更加严控对我国销售高端光刻机，致使我国陷入对其技术和产品的严重依赖。再比如在通信技术领域，1G、2G时代的核心技术和专利大部分垄断在美日韩等国家，致使我国长时间陷入通信标准技术的锁定范围内，直到近期我国5G时代开始打破国外的技术锁定，领先于世界标准，但同时这也使得美国等一些国家开始了对我国的打压，例如美国发布的贸易保护主义、限制技术出口等一系列打压政策，使得我国芯片制造业的发展举步维艰。

技术的落后以及国际环境的恶劣多变迫使我们不断去思考自身存在的问题，我国需要有意识地避免陷入其他国家的技术锁定中，逐渐形成自己的核心技术，实现科技自立自强，才是我国企业未来的发展方向。掌握核心技术的关键和首要问题是需要识别核心技术及其演变过程，专利是技术的重要产出形式，因此使用专利信息对核心技术进行识别具有可行性。本文基于专利信息对芯片领域的核心技术进行识别，对掌握芯片领域的发展趋势，破解国外技术锁定具有重要意义。

1 文献回顾

对于核心技术的识别，现有文献展开了一些研究，尽管现有研究尚未对核心技术形成统一、明确的定义，但是大部分研究认为，核心技术是指在一个技术领域中，能够对其他技术产生重要影响，并且对产业经济的发展具有重要支撑作用的技术，具有主导性、支撑性、基础性等特征[1]。现有研究大多数从专利视角去识别核心技术，将核心专利的技术主题称为核心技术[2]。专利信息中蕴含着重要的科技创新信息[3]，对于把握和理解技术创新发展趋势和方向具有重要价值[4]，利用专利信息发掘核心技术对于精准预测技术发展方向具有重要意义[5]。

当前研究中核心专利的识别方法主要有专家经验法、单一指标识别法、多指标综合评价法、专利诉讼分析法、专利交叉影响分析方法等几种。例如梁军认为，识别核心技术应当由经验丰富的同领域专家进行详细阅读后做出重要判断[6]；单一指标识别法在现有研究中主要包括基于专利被引次数的识别[7]、基于同族专利数量的识别[8]、基于专利权利要求数量的识别[9]，此外有研究人员认为，专利诉讼的发生代表着该专利具有较高的经济价值，因此将发生过诉讼次数越多的专利认为是核心专利[10]；随着核心专利识别研究的发展，学者们逐渐发现不同指标识别到的核心技术并不相同，因此部分学者提出应当采用多指标综合评价的方法[11]，此后众多学者开始尝试构建核心技术识别的多指标综合评价体系，并采用不同方法求取指标权重进而求得专利的综合评价值[12]，最终识别出综合价值高的核心专利[13]；由于交叉影响分析可以规避引文分析的局限，因此部分学者也将交叉影响分析用于核心专利的识别[14]，但该方法在测度技术交叉时存在一定的算法缺陷[5]。

尽管上述研究对本文具有重要的借鉴意义，但本文认为核心技术识别的相关研究仍然存在进一步研究的必要。例如，单一指标评价法过于片面，对核心技术的识别具有不稳定性；多指标综合评价法中，核心技术识别指标体系的构建存在不完善、指标冗余，不具有代表性、实用性不够等问题；在多指标综合评价中求取权重时，现有研究多采用单一主观赋权法或单一客观赋权法，而主观赋权法会存在忽视专利数据信息、忽视客观规律的缺陷，客观赋权法又容易受到数据间差异过大的影响，因此导致评价结果不够准确。

因此，本文提出应当在“技术-经济-法律”一体化框架下思考专利的价值问题，在该框架下本文重新构建核心技术识别的评价指标体系，并采用主客观相结合的“熵权-TOPSIS-德尔菲法”求取相应权重，建立核心技术评价模型，并基于该模型对当前我国仍受制于人的芯片领域进行核心技术识别。

2 研究设计

2.1 核心技术识别指标体系构建

在技术创新理论的发展过程中，技术、经济与法律在不同发展时期均有不同程度的融合。早在熊彼特时期，学者们就提出了在技术创新过程中技术进步会随时间变化而变化的基本观点[15]，此后学者们逐渐认识到，除技术因素外，市场因素同样重要，均是技术创新的重要推动力量，由此技术发展理论与经济学理论发生初步融合[16]。此后法理经济学开始被引入技术创新理论中，技术、经济与法律一体化的初步框架形成[17]。

在考虑核心技术识别的问题时，当前不少研究仍着重关注专利的技术价值，本文认为，核心技术除应具有相当的技术价值之外，还应当具有相应的经济价值及法律价值。技术决定了产品质量，是最基本的竞争力，此为核心技术应当具备的技术价值层面；市场作为技术的竞争平台，使技术影响力得以扩散、厂商借助技术实现利润的基本渠道，此为核心技术应当具备的经济价值层面；而法律保护给技术发明者或厂商提供了保护力，是厂商实现自己利益最大化的基本工具，此为核心技术应当具备的法律价值层面。因此，本文认为在考虑核心技术识别问题时，理论基础应当建立在基本的“技术—经济—法律”一体化框架之下，基于此，本文最初筛选了15个三级指标，为进一步保证指标体系构建的合理性及代表性，本文邀请5位专家(分别为：高校技术创新领域知名教授2名、芯片制造领域技术专家2名以及芯片制造领域企业家1名)进行指标体系的构建讨论，根据最后专家形成的统一建议，对初选指标进行删繁就简，最终形成表1所示的核心技术识别指标体系。其中，技术价值层面选取的指标为专利被引次数、引证专利数、引用非专利文献数以及IPC小类数；经济价值层面本文选取的指标为同族数和布局国家数；法律价值层面本文选取的指标为权项数和独权数。

2.2 基于“熵权-TOPSIS-德尔菲法”的核心专利识别模型构建

指标权重能够反映出指标间的相对重要程度，其计算方法分为主观计算方法和客观计算方法。在对核心技术进行识别时，本文认为选取的指标体系及计算方法应当兼顾专利信息的客观性和产业领域的实践性，而当前大部分关于核心技术识别模型的论文多采用单一的客观赋权法或单一的主观赋权法，易导致评价结果存在一定偏差[18]。

本文为减少单一权重计算方法对计算结果带来的偏差，选择主客观相结合的计算方法。在计算三级指标权重时，选择熵权法；在计算二级指标权重时，选择德尔菲法；在计算二级指标的综合评价值时，选择TOPSIS方法。其中，熵权法为客观赋权法，该方法能够客观体现出各种技术专利数据间的信息差异；德尔菲法为主观赋权法，本文邀请专业领域权威专家和芯片产业领域相关技术人员共同做出决策(具体操作步骤下文详细介绍)；而TOPSIS方法是根据有限个评价对象与理想化目标的接近程度进行排序的方法，可以对现有目标进行相对优劣评价，更重要的是简便易操作，因此最终本文构建了基于“熵权-TOPSIS-德尔菲法”的核心专利识别模型，该方法兼顾客观赋权法能够体现专利数据间差异的优势和主观赋权法能够对指标进行定性分析的优点，具有一定新颖性。

2.2.1熵权-TOPSIS计算二级指标综合评价值

本文将熵权法与TOPSIS评价方法进行结合，用于计算二级指标的综合评价值，能够更加客观、准确地反映各二级指标的价值状况。计算过程如下：

a.数据基本处理。

在进行后续计算之前，为了避免数据单位的不同对评价结果带来的影响，还需要对数据进行无量纲化处理，本文采用极差标准化的方式。设共有m个二级指标(m=1,2,3)，n个三级指标，t个专利，xijs是第s个专利第i个二级指标，第j个三级指标的原始数据值，则：

(1)

其中xijs'为无量纲化后的指标值。

b.熵权TOPSIS方法计算二级指标综合评价值。

第一步，熵值计算。对于第j项指标，其熵值计算公式为：

(2)

第二步，信息效用值计算。第j项指标的信息效用值计算公式为：

dj=1-ej

(3)

第三步，指标权重计算。对于第j项指标的权重，其计算公式为：

(4)

第四步，构建加权标准化矩阵。对初始评价矩阵A=(xijs)m*n*s进行规范化，得标准化矩阵B,规范化公式如下：

(5)

对标准化矩阵B进行加权处理，得加权标准化矩阵R=(rij)m*j*s，其中，rijs=ωjbijs,ωj即前述方法确定的指标权重。

第五步，确定正负理想解集合。正理想解集合R+=(r1+,r2+,…rn+)，负理想解集合R-=(r1-,r2-,…rn-)。式中rj+=(maxrij+,minrij-)，rj-=(minrij+,maxrij-)。

第六步，计算欧氏距离dis+和dis-，计算公式为：

(6)

(7)

第七步，计算与理想解的相对贴近度，并进行性能排序，第s个专利第i个二级指标的综合评价值Cis为：

(8)

按照上述步骤一次进行每个二级指标的综合评价指数计算。

2.2.2基于“德尔菲法”的核心技术综合评价

在用客观赋权法对二级指标综合评价指数进行合成之后，本文选择主观赋权法中的“德尔菲法”对二级综合评价指数进行赋权，进而合成最终的核心技术综合评价指数。德尔菲法求取二级指标权重的操作步骤如下：

共邀请5位专家组成专家小组(5位专家与前述指标体系构建时邀请的专家相同)，通过问卷形式让每位专家对给出的问题做出相应独立判断。在问卷中将指标按重要程度高低分为“高-较高-中-较低-低”5个等级，并针对这5个等级设置不同分数档，相应等级与得分值对应关系如下：“高-100”，“较高-75”，“中-50”，“较低-25”，“低-0”。本文共经过5轮调研，根据最后一次所收集到的结果最终确定各二级指标所占权重。

其中权重计算公式为：

Wi=

(9)

其中：N1、N2、N3、N4、N5分别对应相关指标5个等级的专家人数；i=1,2,3；Wi分别代表专利的技术价值、经济价值、法律价值3个层面的权重。

求取二级指标三个层面的权重之后，本文构建核心技术识别综合评价指数来反映各个专利的重要程度，综合评价指数计算公式如下：

TCs=Wi*Cis

(10)

其中：TCs为第s个专利的核心技术识别综合评价指数，Cis为前述经“熵权-TOPSIS”方法计算得出的各二级指标综合评价值。

求得核心技术综合评价指数之后，借鉴杨大飞等[1]的做法，以TCs的最大值为基准，将专利划分为以下3种类型：综合评价指数大于或等于TCs(max)*70%的专利划分为核心专利，其技术主题为核心技术；综合评价指数小于TC(max)*70%且大于或等于TC(max)*30%的专利为关键专利；综合评价指数小于TC(max) *30%的专利为普通专利(见表2)。

表2 专利类型分类区间表

2.3 样本与数据

为获取芯片领域的专利信息，基于Innojoy专利数据库对涉及芯片领域的专利进行搜集，采用关键词与IPC分类号组合的方法，以芯片作为关键词，IPC分类号涉及C12Q1/6837,G06F113/18,G06F115/12,G06K19/07,G11C16/20, H01M50/11, H01S5/0233, H01S5/0234, H01S5/0235, H01S5/02355, H01S5/02375。本文将检索时间和范围设定为自1985年起至今的发明专利，共检索到32 106条专利。由于专利数量过于庞大，且大部分专利价值较低，为避免陷入数据沼泽，同时借鉴此前相关领域专家的处理方法[1]，首先分别将指标体系中被引频次、引证专利数、引用文献数、IPC小类数、同族数、布局国家数、权项数、独权数各个指标排名前100的专利筛选出来，继而去掉重复专利，最终获得616条芯片领域发明专利按照前文所述计算方法参与后续计算。

3 芯片领域核心技术识别实证结果分析

首先运用熵权法和德尔菲法获得三级指标和二级指标的权重，经计算所得权重结果如表3所示。

表3 权重量表

将权重和无量纲化后的数据代入前述计算步骤和公示，最终求得专利综合评价指数，将指数最大值赋值为1，其他专利指数按照等比例进行调整，最终得到的专利综合指数分布区间如图1所示。

图1 芯片领域专利综合评价指数区间分布图

由图1可以看出，芯片领域616条专利的综合评价指数大致符合正态分布，评价指数位于0.3～0.4之间的专利最多，数量为201件；高指数值和低指数值区间的专利都相对较少，其中，综合评价指数值>0.9的只有2件，处于0.8～0.9之间的有8件，处于0.7～0.8之间的有22件；根据前述核心专利划分区间，综合评价指数在0.7以上，即处于核心专利区间的共有32件，处于关键专利区间的共有468件，处于普通专利区间的共有116件。因此本文最终识别出芯片领域核心专利共32件，大多数为美国持有，核心专利的基本信息见表4所示。

表4 芯片领域核心专利的基本信息及技术主题汇总

续表4 芯片领域核心专利的基本信息及技术主题汇总

通过表4，发现芯片领域所识别出的核心专利技术涉及主题集中在生物医药、半导体元器件、数据存储和通信传输技术几个领域。其中生物医药领域的相关技术主要涉及由美国Prognosys生物公司所提供的一种用于空间编码生物分析的分析方法和分析系统；半导体元器件制造领域所涉及的核心技术主要涉及由美国加利福尼亚大学提供的纳米结构和纳米线的制备方法；数据存储技术领域主要涉及电数字数据处理和使用电光元件的存储器；通信传输技术领域主要涉及由美国高通公司提供的天线零部件设备。结合核心专利的申请时间，可以发现芯片制造领域的核心技术已由21世纪初的通信、数据存储等领域逐渐演变到近年来的生物医药领域，美国近几年在生物医药相关领域的核心专利布局比较多，非常具有前瞻性，美国Prognosys生物公司近年来申请的多件关于空间编码生物分析的方法和系统均被识别为核心技术。

4 结 论

本文基于专利信息，构建了芯片产业领域的核心技术识别指标体系，运用“熵权-TOPSIS-德尔菲法”构建了核心技术识别模型，对国际芯片产业领域的核心技术进行了识别研究并得到以下结论:

(1)论文所构建的核心技术识别指标体系能够全面反映出专利的竞争优势，构建的核心技术识别模型同时避免了客观赋权法忽略专利主观价值以及主观赋权法无法体现专利数据差异的缺点，与其他同领域研究相比具有一定新颖性，丰富了核心技术识别的理论与方法，并对当前国际重点关注的芯片领域核心技术识别进行了实证研究，为中国掌握国际芯片领域的技术发展形势提供了理论依据。

(2)本文识别到的芯片领域核心技术绝大部分为美国持有，并且没有中国的专利入围，这说明美国在芯片产业领域的布局与实力均领先于其他国家，对芯片产业的发展具有掌控和引领作用。而中国在芯片产业领域还具有相当大的弱势。

(3)所识别出的核心专利涉及技术主题尤以美国Prognosys生物公司近年来申请的关于空间编码生物分析的方法和系统最为集中，从核心专利的申请时间来看，近几年核心技术已逐渐从21世纪初的通信技术、数字存储等技术领域演变到了生物医药领域，未来芯片技术在生物医药领域的应用将会呈现出蓬勃发展的趋势。这启示中国应当加大芯片技术在生物医药领域应用的研发与创新，逐步实现芯片技术从“跟跑”到“并跑”再到“领跑”。

囿于理论水平与数据获取难度，本文仍存在以下局限性：将芯片产业整体做了核心技术识别研究而并未进行不同领域的细分；囿于学科背景，未能对识别出的核心技术主题进行深入的价值分析与趋势研判；暂未对美国在芯片技术领域领先全球的原因进行深入细致的分析。未来可以考虑在以下方面进行进一步研究：将芯片产业的技术领域进行细分，深入分析每个细分领域下的核心技术演变趋势；对芯片产业领域的核心技术展开技术路径演变的研究并对其未来发展趋势进行探索性分析。