地理邻近性对专利技术转移速度的影响研究

温芳芳　靳华　罗爽

关键词： 地理邻近性； 技术转移速度； 专利计量； 地理距离； 专利转化时滞

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０１．０１５

〔中图分类号〕Ｇ２５５.３； Ｇ３０６ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２４） ０１－０１６８－０９

党的二十大报告指出，“当前， 世界百年未有之大变局加速演进， 新一轮科技革命和产业变革深入发展， 国际力量对比深刻调整， 我国发展面临新的战略机遇。” 专利是科技革命的风向标， 也是产业变革的晴雨表。我国正处于从“专利大国” 向“专利强国” 转变的关键时期， 专利申请量已经连续１１ 年居全球首位， 但低转化率仍是“阿喀琉斯之踵”。聚焦高质量发展， 提升专利转化效率， 加快推动知识产权向现实生产力转化， 是新形势下我国专利事业面临的新任务， 也是加快实施创新驱动发展战略的必然要求。解锁专利技术转移的影响因素是破除技术转移障碍的重要抓手， 其中， 地理邻近性作为创新活动的关键变量受到重视［１］ 。国内外学者借助专利数据， 考察了地理距离对技术转移概率与数量的影响， 大多发现技术转移随地理距离增大而衰减［２］ ， 但地理距离对技术转移速度的影响却鲜有涉及。是“近水楼台先得月”， 还是“酒香不怕巷子深”， 交易双方的地理邻近性是否有助于加速专利转化？ 对该问题的检验与剖析， 能够为提升专利转化效率提供参考借鉴， 也为产业布局的优化调整带来一定启示。

１文献综述

１.１ 地理邻近性的相关研究

Ｂｏｓｃｈｍａ Ｒ［３］ 将邻近性划分为地理邻近、组织邻近、制度邻近、认知邻近和社会邻近， 并建立起多维邻近性的概念框架［４］ 。之后的邻近性研究多以此为参考， 其中地理邻近性的研究最为成熟［５］ ，相关的实证研究最为活跃， 但并未达成一致的结论。主流观点认为， 地理距离对技术转移有抑制作用。Ｍａｒｓｈａｌｌ Ａ［６］ 指出， 地理邻近降低了交易成本、交通成本和信息成本， 提高了技术转移效率。Ｃａｓ⁃ｓｉ Ｌ 等［７］ 认为， 地理空间距离越接近， 文化认同感就越强， 越有利于降低技术交易成本， 减少不必要的知识转移损失， 提升协同创新绩效。ＲａｓｓｅｎｆｏｓｓｅＧ 等［８］ 指出， 地理距离越远， 技术转移双方搜索和了解对方所花费的成本越高， 达成技术转移协议的概率越低。刘伟等［９］ 基于大学的专利转让数据，证实了地理距离确实是企业与大学合作获得探索式创新的障碍因素。

该研究主题也有一些不同的观点与发现。部分学者指出， 随着知识全球化进程加速， 地理距离的影响力正随着交通等外部环境的改变而减弱［１０］ 。闫珊珊等［１１］ 发现， 地理距离对技术转移尤其是对跨国技术转移影响较弱。夏丽娟等［１２］ 的研究结果表明， 地理距离不会抑制产学协同创新绩效。还有学者指出， 地理邻近不利于创新， 远距离的异质知识对创新更有利。Ｋｎｏｂｅｎ Ｊ 等［１３］ 认为， 跨地区的异质知识有助于提升创新绩效， 企业更多地寻求远距离的交流与合作， 地理距离对技术转移的影响正在弱化乃至消失。程华等［１４］ 指出， 虽然地理邻近有低成本、方便沟通与信息传递的优势， 但容易引起资源同质化， 长期则会抑制企业创新活力， 造成“地理锁定”。

１.２ 技术转移速度的相关研究

在有限的保护期内， 专利技术快速转移， 既能够获得新技术或新产品的领先时间， 也能够享有更长的专利权垄断获利周期， 这些都有利于提升企业的市场竞争力。所以， 技术转移速度在一定程度上决定了专利的市场价值， 也影响着专利市场价值的实现效果及其产业化效率［１５］ 。王元地等［１６］ 发现，我国专利从申请到许可一般经历０～２０ 年不等的时滞， 企业技术转移的平均年龄为３.０４ 年。温芳芳等［１７］ 发现， “双一流” 高校的专利技术转移速度受到专利合作状况、专利类型、转移形式、交易对象性质、行业类型等因素影响。马荣康等［１８］ 对校企间的专利（申请）权转移数据进行实证检验， 发现整体上大学与企业间的地理距离对校企技术转移速度的阻碍作用并不显著， 大学制度背景和研发网络嵌入对地理距离与校企技术转移速度关系具有显著的负向调节作用。

１.３ 研究述评与本文的创新之处

综上， 国内外学者基于专利数据分别对地理邻近性和技术转移速度两个主题开展了一系列实证研究， 为本研究带来了有益的借鉴和启示， 但在一些方面仍有待加强： 一是地理邻近性的研究大多是考察地理距离对创新绩效、知识溢出、技术合作以及成果转移等的影响， 而地理距离对技术转移速度的影响目前尚不明确； 二是对于技术转移的时间维度关注度不够， 已有的实证研究多是考察地理距离对技术转移概率和数量的影响， 鲜有揭示地理距离与技术转移速度的关系［１９］ ； 三是大多采用绝对（空间）地理距离来测度地理邻近性， 较少使用相对距离（交通时间或成本）， 不能反映我国高铁、高速公路等交通条件改善所带来的时空压缩效应。

鉴于此， 本文将以我国新能源汽车行业的许可和转让专利为例， 以转让方（许可人）和受让方（被许可人）的地理距离表征地理邻近性， 以专利转让（许可）时滞表征技术转移速度， 考察地理邻近性对专利技术转移速度的影响。相较于以往研究， 本文的重点和创新主要表现为： 第一， 关注专利技术转移的时间效率， 考察地理邻近性对专利技术转移速度的影响； 第二， 地理鄰近性分别采用绝对距离（球面距离）和相对距离（交通时长）两种形式进行测度并加以比较； 第三， 聚焦地理邻近性， 同时以组织邻近、经济邻近、亲缘关系作为控制变量， 在多维邻近性分析框架下开展实证研究。

２ 研究假设、数据与方法

２.１ 研究假设

对于专利技术转移而言，“近水楼台先得月” 的理论依据主要来自以下几个方面： 第一， 搜寻成本是交易双方达成协议的事前成本， 而信息不对称是搜寻成本产生的主要原因。为有效解决合作双方的信息不对称问题， 需要双方积极搜寻相关信息， 并就相关解决方案进行谈判， 这一过程需要耗费时间、精力和费用， 所以远距离的技术转移时间成本更高。第二， 面对面交流有助于供需双方更好地了解彼此的研究领域和技术成果， 推动双方在研究开发等方面的合作， 这是专利引进和技术购买的前提条件， 而地理距离正是制约面对面交流的关键因素［２０］ 。第三， 地理邻近性为交易双方带来更好的互动， 使双方能够获得更丰富的信息资讯， 并促进隐性知识转移学习［２１］ ， 更容易产生亲近感， 促进相互信任［２２］ 。

地理邻近性有利于减少信息不对称， 降低交易成本， 增进主体之间的互动和信任， 从理论上来说，这些都能促进技术交易快速达成。过去几十年间，国内外学者围绕地理邻近性所开展的实证研究， 大部分都支持技术转移具有距离衰减性的观点。据此，本文提出“地理邻近性有利于加快专利技术转移”的假设， 将地理距离分为绝对距离（空间距离）和相对距离（交通时长）两种， 提出两项分假设。

Ｈ： 交易双方的地理距离越小， 专利技术转移速度越快（即时滞越短）

Ｈ： 空间距离越小， 专利技术转移时滞越短

Ｈ： 交通时长越小， 专利技术转移时滞越短

２.２样本数据

２０１５ 年１２ 月， 中国汽车工业协会公布的数据显示， 中国首次超越美国成为全球最大的新能源汽车市场， 此后产销量连续７ 年位居世界第一。与此同时， 中国的新能源汽车专利也呈井喷之势， 专利技术转移十分活跃。本文以国内新能源汽车行业为例， 选取该领域实际发生转让或许可的发明專利作为样本数据， 在Ｉｎｃｏｐａｔ 专利数据库中进行检索， 对象选定“战略新兴产业—新能源汽车”， 法律状态选择“转让” 或“许可”， 申请人国别选定为“中国”， 时间限定为２０１５ 年我国新能源汽车产销量跃居世界第一以后， 因２０２２ 年数据不完整， 所以将专利申请的时间区间设定为２０１５—２０２１ 年。检索并下载符合上述条件的专利及其题录信息， 对于许可和转让信息空缺或不完整的专利， 通过大为Ｉｎｎｏ⁃ｊｏｙ 专利数据库检索补充相关信息， 数据下载时间为２０２２ 年８ 月。经汇总、筛选和整理共获得１６ ２８４件专利作为初始数据集。从许可或转让双方的地址记录中提取城市名称， 借助八爪鱼爬虫软件从百度地图抓取各个城市的经纬度， 据此计算城市之间的空间（球面）距离， 抓取的交通时长表征城市之间的相对距离。

２.３计量指标

１） 因变量： 技术转移速度（Ｔｅｃｈｎｏｌｏｇｙ Ｔｒａｎｓ⁃ｆｅｒｒｉｎｇ Ｓｐｅｅｄ， ＴＳ）， 也称技术转移时滞或技术转移年龄。本文将技术转移速度定义为一项专利从首次公开日到发生转移的时间之差， 之所以在计算时将专利首次公开日作为起点主要基于两点考虑： 一是专利自公开以后方能进入公众视野， 而在此之前很难被技术需求方搜寻到； 二是专利公开时间并不确定， 申请人可以选择提前或延迟公开。本文提及的技术转移含转让和许可两种形式（统称为转化），相应的速度指标以（转让或许可）备案生效日减去专利首次公开日， 再将所得天数除以３０ 折算为月。若一件专利被多次转化， 则以首次转化的时间为准。

２） 自变量： 地理邻近性（Ｇｅｏｇｒａｐｈｉｃ Ｐｒｏｘｉｍｉ⁃ｔｙ， ＧＰ）， 本文分别采用空间距离和交通出行时长进行测量。

交通时长（Ｔｒａｆｆｉｃ Ｄｕｒａｔｉｏｎ， ＴＤ）用百度地图所提供的两城之间的交通出行时间来表示， 单位均为小时。一般来说， 陆地交通实现地域全覆盖， 为出行首选； 对于远距离出行来说， 也会选择乘坐飞机， 但航线覆盖的城市毕竟有限。鉴于此， 本文将交通时长分为两种： 一是陆地交通时长ＴＤ１， 一般为高铁运行时长， 若两地未开通高铁则以普快列车时长代替， 若两地不通火车则以百度提供的自驾时长代替； 二是最短出行时长ＴＤ， 在陆地交通时长和空中飞行时长之间取最小值。

３） 控制变量： 组织邻近（Ｏｒｇａｎｉｚａｔｉｏｎａｌ Ｐｒｏｘ⁃ｉｍｉｔｙ， ＯＰ）， 技术转移双方的组织性质相同， 同类组织一般具有相同或相似的发展目标和经营模式。样本数据集共包含企业、院校、社会组织、个人４类主体， 若交易双方为同类主体， 则组织邻近性为１， 否则为０； 经济邻近（Ｅｃｏｎｏｍｉｃ Ｐｒｏｘｉｍｉｔｙ， ＥＰ），参照我国东部、西部和中部三大经济地带的划分标准， 若交易双方所在城市属于同一经济地带， 则视为经济发展水平接近， 经济邻近性指标为１， 否则为０； 亲缘关系（Ｇｅｎｅｔｉｃ Ｒｅｌａｔｉｏｎｓｈｉｐ， ＧＲ）， 技术转移双方若为母公司与子公司或同属一个母公司的子公司， 则亲缘关系指标设为１， 否则为０。

３ 研究结果

３.１ 主要指标的数据分布规律

本文开展的实证研究主要围绕表征专利技术转移速度的ＴＳ 指标与表征交易主体间地理邻近性的空间距离ＳＤ 和交通时长ＴＤ 指标展开， 首先根据这几个关键指标的数据绘制Ｋｅｒｎｅｌ 核密度图， 如图１～图３ 所示， 直观展示了这些指标的数据分布规律。

由图１ 可知， 专利的技术转移速度长短不一，自专利首次公开日起， 样本专利发生转化的时滞短则当月， 长则数年以后。数据分布区间较大， 核密度曲线呈倒Ｕ 型分布， 峰值在１８ 个月， 专利自公开之后１４～１８ 个月之间发生转化的概率最大， 大部分专利的转化时滞在１～３ 年， 时滞过长或过短的情况很少， 说明专利的市场价值具有较强的时效性， 超出一定的时间， 不利于其市场价值的实现。

由图２ 可知， 我国幅员辽阔， 技术交易主体分散于全国各地， 由经纬度计算的球面距离仅代表物理空间距离， 短则十数公里， 长则３ ０００多公里。其核密度曲线在约１５０ 公里和１ １００公里处分别出现两个峰值， 大部分的专利技术转移发生在１ ５００公里以内。整体而言， 空间距离的数据分布较为分散。

交通时长表征物理空间的可达性， 不仅取决于两地的空间距离， 也受到交通条件的直接影响。图３ 显示， 交通时长的核密度曲线呈倒Ｕ 型， 且带有长尾， 多在１０ 小时内。飞机出行显著缩短了交通时长， ＴＤ 和ＴＤ 的峰值分别在４ 小时和２ 小时。相较于空间距离， 交通时长的数据分布更为集中， 其中ＴＤ 的集中度又明显大于ＴＤ。

综上， 跨区域远距离的技术转移已成为专利转化的常态， 而从上述几个指标的数据分布状态来看， 交易双方的空间距离与其交通時长并不必然一致， 此外， 不同交通出行方式所表征的相对距离也存在明显差别。

３.２ 专利技术转移速度的组间差异比较

针对本文提出的原假设， 首先通过组间差异比较加以验证。将初始数据集１６２８４件样本专利按照交易双方所处的区域位置分为３ 组： 同城组、省内（跨城）组和跨省组， 分别对各组专利的技术转移速度指标进行描述性统计分析， 如表１ 所示， 再结合Ｋｒｕｓｋａｌ－Ｗａｌｌｉｓ 检验进行组间差异比较， 结果汇总整理后如表１ 和表２ 所示。

样本专利中超过一半（５２.２５％）为跨省区转化，同城转化占比仅为３５.７５％， 相比较而言， 跨区域的专利技术转移已成主流。由表１ 和表２ 数据可知， 无论是对同城转化、省内转化、跨省转化３ 组专利数据进行Ｋｒｕｓｋａｌ－Ｗａｌｌｉｓ 检验， 还是对任意两组数据进行两两比较， 均存在显著的组间差异（Ｐ＜０.０１）， 说明不同区域范围的专利转化， 其技术转移速度确实存在明显的差别。结合各组数据的平均值、中值以及秩均值指标来看， 同城转化的时滞最长、速度最慢， 省内跨城市的转化时滞次之， 跨省区的转化速度最快。而一般来说， 同城地理距离最小， 其次是省内， 跨省区的地理距离最大。可见，“近水楼台先得月” 的假设并不成立， 通过组间差异比较获得了与之完全相反的结论， 跨区域远距离的专利技术转移速度反而更快。

３.３ 相关分析与回归分析

为进一步检验地理邻近性对专利技术转移速度的影响， 将专利技术转移速度（ＴＳ）、空间距离（ＳＤ）和交通时长（ＴＤ 和ＴＤ）共４ 组指标数据导入ＳＰＳＳ软件进行相关和回归分析。本文在计算地理距离时以城市为坐标， 同城交易的距离一律视为０， 所以只保留跨城市的１０４６２件专利参与相关和回归分析。ＴＳ 为因变量， ＳＤ、ＴＤ１ 和ＴＤ２ 分别作为自变量， 组织邻近（ＯＰ）、经济邻近（ＥＰ） 和亲缘关系（ＧＲ）作为３ 个控制变量。上述自变量和因变量均为连续变量， 控制变量全部为二分类变量。结果如表３ 和表４ 所示。

由表３ 数据可知： 首先， ＳＤ、ＴＤ 和ＴＤ 三者之间显著正相关， 说明城市间的交通时长虽与空间距离高度相关， 但并非完全由空间距离决定， 空间距离和交通时长在表征地理邻近性时具有互补性，而不能相互取代。其次， 专利技术转移速度ＴＳ 与空间距离ＳＤ 和陆地交通时长ＴＤ 显著负相关， 但相关系数很小， ＴＳ 则与最短交通时长ＴＤ 不相关。最后， ＴＤ 和ＴＤ 显著正相关， 但两组数据仍有明显差别， 平均值相差逾２ 小时， 飞机出行大幅缩短了交通时长， 可见， 在表征空间可达性时， 不同的交通出行方式会对分析结果产生直接影响， 需考虑交通工具的多样性与差异性。

因ＴＤ 与ＴＳ 不相关， 所以未纳入回归分析。模型１ 和模型２ 分别将空间距离ＳＤ 和交通时长ＴＤ 作为自变量进行一元线性回归， 模型３ 和模型４ 加入了３ 个控制变量进行线性回归。上述４ 个模型全部以专利技术转移速度ＴＳ 作为因变量， 检验地理距离是否对其产生影响。由表４ 数据可知，ＳＤ 和ＴＤ 分别作为自变量在４ 个模型中全部通过回归检验， Ｆ 和ｔ 的显著性水平值都小于０.０１， 说明这两类距离指标均对专利技术转移速度产生影响。从影响形式来看， 交易双方距离越远， 专利技术转移时滞越小（速度越快）。

３个控制变量的影响在统计学意义上是显著的， 组织邻近和亲缘关系两个指标对专利技术转移时滞有正向影响， 而经济邻近对其有负向影响， 但结合回归系数来看， 影响程度都很小。加入３ 个控制变量以后， 回归效果略有改善， 但并不明显。地理距离对技术转移速度ＴＳ 确有微弱影响， 即便加入控制变量， 影响仍十分有限。

地理邻近性对专利技术转移速度的影响得以确认， 但Ｒ 方值和回归系数很小， 模型解释力不强，难以实现预测功能。原因在于专利技术速度同时受到多种因素的综合影响， 交易双方的地理距离只是其中之一， 对专利技术转移速度的影响极为有限。

综上， 相关和回归分析结果表明， 原假设Ｈ和Ｈ 在某种意义上反向成立， 即交易主体之间的距离越远， 专利技术转移速度越快。但是若将飞机出行考虑在内， 最短交通时长ＴＤ对专利技术转移速度没有影响。结合ＶＩＦ 值可知， 几个变量之间不存在多重共线性。控制变量的影响表现为： 交易双方组织邻近（同类型）时， 专利技术转移速度更慢； 交易双方位于同一经济带（经济邻近）时， 专利技术转移速度更快； 交易双方有亲缘关系时， 专利技术转移速度更慢。整体而言， 地理邻近性对专利技术转移速度确有一定影响， 并且是和组织邻近、经济邻近、亲缘关系等多个因素综合起作用。

３.４ 新冠疫情对统计结果的影响

考虑到新冠疫情这一重大事件可能会对技术交易主体的行为和决策产生一定干扰， 从而影响研究结论的适用性， 本文以疫情暴发为界划分两个时间窗口， 国内新冠疫情始于２０１９ 年末， 以此为界将样本数据按照专利首次公开日拆分为疫情前（２０１５—２０１９ 年）和疫情中（２０２０—２０２１ 年）两个数据集， 分别进行相关和回归分析， 通过两个窗口统计结果的直接比较， 检验地理邻近效应是否受到新冠疫情的影响。结果汇总整理后如表５ 和表６ 所示。

由表中数据可知， 疫情前空间距离ＳＤ 和陆地交通时长ＴＤ对专利技术转移时滞ＴＳ 有负向影响， 最短交通时长ＴＤ 对ＴＳ 没有影响。而疫情中的分析结果明显不同于以往， ＳＤ 对ＴＳ 的影响减弱， 且由负向转为正向； ＴＤ的影响不复存在； ＴＤ则由原先的没有影响变为微弱的正向影响。整体而言， 疫情前Ｈ 和Ｈ 反向成立， 疫情中Ｈ 和Ｈ部分成立。无论是正向影响还是负向影响都十分微弱， 且疫情中地理距离的影响要比疫情前更微弱。疫情在一定程度上改变了地理邻近效应的作用方式， 当人类出行受到极大限制时， “近水楼台” 在专利技术转移中的优势得以显现， 即交易双方地理距离越近， 专利技术转移速度越快。

４ 结论与启示

４.１ 结论与讨论

１） 跨区域远距离的专利技術转移渐成主流。究其原因： 一是政策导向。我国幅员辽阔、行政区划明显， 创新资源分布极不均衡， 政府努力推动跨区域的资源流动和配置， 促进科技成果远距离转移［１８］ 。二是交通和通信条件改善。远距离的沟通和交流变得十分便捷， 极大突破了空间距离导致的障碍， 沟通和搜寻成本降低， 这就为跨区域技术转移创造了有利条件。三是买方对于异质性和稀缺性知识与技术的客观需求。地理邻近虽具有低成本、方便沟通与信息传递等优势， 但容易引起资源同质化， 长期会抑制企业创新活力， 而远距离的弱联系扩大了企业寻求技术资源的范围， 能更好地获取异质性知识和技术［２４］，有利于创新要素耦合和创新效率提升。

２） “近水楼台先得月” 的假设不成立， 跨区域远距离的技术转移速度反而更快。基于全样本数据和疫情前数据所获得的研究推翻了“近水楼台先得月” 的假设， 而“酒香不怕巷子深” 与现实基本吻合。之所以跨区域远距离的技术转移速度更快， 除了“交通和通信条件改善降低了交易双方沟通和搜寻成本” 这一原因以外， 还有一类重要原因： 交易并非需求方获取知识和技术的唯一途径， 诸如合作研发、技术咨询与指导、技术人员互动等， 均可作为替代方案满足技术需求， 往往成本更低、效果更好。当供需双方地理邻近， 这些替代方案更易于实现， 不必非要通过转让和许可交易才能满足技术需求。凡是买方舍近求远购买的大多是本地区近距离创新主体无法提供的异质化知识和技术， 买方对于这类知识和技术的需求更迫切， 时效性要求更高，成交速度更快。买方对于近距离的同质化知识和技术的需求并不迫切， 常会经过反复比对和挑选再择优交易， 技术转移时滞反而更长。此外， 飞机出行大幅提升了可达性， 极大弱化了地理邻近效应， 导致最短交通时长对专利技术转移速度没有影响。

３） 疫情期间地理邻近的优势再次显现， 地理邻近性的影响方式发生了显著变化。事实上， 以往导致“地理邻近效应弱化甚至消失” 的重要原因之一是， 交通条件的改善让人类出行变得十分便捷［２５］ 。当疫情期间人类出行受到很大限制时， 远距离交易的不便再次显现。此时空间距离又成为障碍因素， 近距离的交易主体在沟通和信息搜寻方面的天然优势， 有助于降低技术交易的时间成本、提升专利技术转移速度。在新冠疫情这一特殊的社会背景下， 地理邻近效应展示出“近水楼台先得月”的优势。本文的样本数据时间区间是２０１５—２０２１年， 覆盖了疫情前和疫情中， 而疫情结束后出行不再受限， 地理邻近性对专利技术转移速度的影响是否会恢复到疫情之前的状态， 有待在一段时期以后再做进一步考察和验证。

４.２ 启示与建议

１） 对于技术交易主体的启示。专利的市场价值主要取决于专利本身具备的技术、法律和经济属性特征， 而专利市场价值的实现效率则需要考虑交易双方主体特征的影响。当前， 创新资源在更广范围内整合和有效配置， 企业仅仅依靠内部的资源进行高成本的创新活动， 已经难以适应快速发展的市场需求和日益激烈的市场竞争。地理距离对技术转移的影响逐渐弱化甚至消失， 企业更多地寻求跨区域的异质知识， 开展远距离的技术转移与合作。对于供需双方来说， 交易决策中不必过多考虑地理距离所带来的时间成本， 更不能为了追求地理邻近性而将搜寻目标局限于较小区域。为加快专利技术转移， 反而应该将目光放在更远的范围， 优先选择跨区域远距离的交易对象及专利成果。

２） 对于科技政策制定者的启示。跨区域远距离的技术交易应该受到更多的鼓励， 不只带来异质化的知识和技术， 而且能够在一定程度上提升专利转化应用的时间效率。诸如“肥水不流外人田” 或“近水楼台先得月” 的传统认知和惯性思维需要扭转。有些地方政府在制定政策时倾向于鼓励技术转移本地化， 这种做法过于狭隘， 从长远和全局来看并不利于发展。过度强调地理邻近会阻碍新知识的进入， 削弱行为主体的创新能力， 造成区域性自我封闭， 不利于外部知识流入而导致技术趋同和锁定［２６］ 。跨区域远距离的知识交流和技术转移对于创新而言， 是有益的， 也是必需的， 应该破除地域限制， 支持和鼓励跨区域远距离的专利技术转移。

３） 对于产业集群规划者的启示。以往的产业集群多强调地理和行政区划界线， 交通条件和通讯技术的飞速发展极大削弱乃至克服了主体交互对于地理邻近性的依赖。鉴于此， 有必要重新定义产业集聚概念， 重新划定产业集聚范围， 在更宽广的时空范围内谋划产业集聚的布局， 也可突破地理边界限定， 打造虚拟产业集群。自２０２０ 年以来， 国家陆续出台了多项关于虚拟产业集群的政策， 如国家发改委发布的《“数字化转型伙伴行动”倡议》、国务院印发的《“十四五”数字经济发展规划》等纷纷提出“打造跨越物理边界的虚拟产业园和产业集群”。地理边界模糊化、产业集群虚拟化正在成为数字经济时代下产业组织的新趋势。

４） 对于相关领域研究者的启示。地理距离作为创新活动的关键变量受到关注， 但学界对地理距离的多面性和多变性重视不够。地理邻近效应并非一成不变， 随着交通条件和通信技术发展， 地理距离对技术创新的影响， 包括影响程度、作用方式等都在变化， 甚至像新冠疫情这样的社会重大事件都会改变地理邻近效应的作用方式。学界有必要从地理空间和区域边界以外的维度定义邻近性概念， 并重新审视不同维度下地理邻近性对技术创新的影响。地理距离是否仍有影响？ 空间距离的影响是否已被取代？ 地理邻近性的传统认知是否仍经得起实证检验？ 这些问题值得关注和思考， 也亟待学者们借助新的计量指标在多维研究框架之下审视和解答。