战略性新兴产业的技术融合与发展趋势——基于中美欧专利的比较研究

彭文波，余 翔

(华中科技大学管理学院，湖北 武汉 430074)

0 引言

《国务院关于加快培育和发展战略性新兴产业的决定》指出，战略性新兴产业是引导未来经济社会发展的重要力量。发展战略性新兴产业已成为世界主要国家抢占新一轮经济和科技发展制高点的重大战略[1]。 《 “十三五”国家战略性新兴产业发展规划》进一步指出，战略性新兴产业代表新一轮科技革命和产业变革的方向，是培育发展新动能、获取未来竞争新优势的关键领域[2]。未来的科技创新将紧密围绕在新一代信息技术、高端装备、新材料、生物、新能源汽车、新能源、节能环保、数字创意、相关服务业9个战略性新兴产业。

战略性新兴产业的相关技术具有多样性和复杂性，因此创新者更加需要学习外部知识和技术[3]。Rosenberg[4]发现不同产业中使用相类似的技术，提出技术融合概念。实证研究表明，技术融合是新技术产生的重要驱动力[5]。而创新的本质是对已有资源、能力的新组合[6]。创新者掌握的知识与新知识越接近就越有可能获得新知识[5，7]。Curran等[8]认为技术融合开始于知识间的相互引用和合作，技术距离的缩短会更容易形成技术融合。

在技术融合研究中越来越多地使用社会网络方法[9-11]。有学者[12-14]进一步将社会网络方法与技术关联性结合起来，探索技术的演化规律。Hidalgo等[15]最早提出出口产品空间的概念，运用网络科学的方法研究技术之间的关联性与国家创新能力。专利信息是分析技术融合的主要信息来源[16]。Mansfield[17]发现公司为66%～87%的可获得专利的发明申请专利。根据世界知识产权组织 (WIPO)报告，专利包含全世界80%以上的技术信息，80%的专利从未以任何其他形式公开[18]。专利包含申请人、发明人、技术类别的结构化信息。由于专利审查员对技术方案进行了较精准的分类，专利IPC分类号记载了丰富的技术信息。专利IPC国际分类体系是世界通行的专利分类标准，这为技术融合的国际比较提供了可能性。专利语义相似性[16，19-20]、专利IPC共现网络[21-24]和专利权人合作[25]是分析技术融合的常用方法。

战略性新兴产业的现有研究专注于创新网络的形成机理[26]、技术转移[27]、区域专业化[28]、区域产业选择与培育[29]、政策支持[30]。战略性新兴产业技术融合的研究通常以我国的某个具体产业为例进行分析[23，31-32]，单个产业的分析难以观察战略性新兴产业的技术融合全貌，缺乏比较研究的视角也难以考察强势经济体与我国的技术融合差异性。另一方面，已有研究也多局限于技术融合的静态考察，技术融合的动态演化研究较少。美国和欧洲是强势经济体和全球高新技术领先地区，有必要对其技术融合动态进行考察。因此，本文采集中美欧3个专利局1985—2022年的授权发明专利数据，通过IPC共现关系构建40个战略性新兴产业二级子技术的关联性网络，对1996—2005年、2005—2015年、2016—2022年这3个时期的技术融合广度和融合强度进行动态考察。综合采用社会网络分析方法、层次结构树分析方法，对中美欧的技术融合变化情况进行时间维度上的纵向比较和空间维度上的横向比较，分析中美欧战略性新兴产业技术融合趋势的相似性并进行显著性检验。本研究可以为战略性新兴产业政策优化、技术机会发现、优势产业选择与培育提供参考意见。

1 研究方法和数据

1.1 研究框架

图1 研究框架

根据这种产业之间的共现关系，本文构建战略性新兴产业共现矩阵。根据产业共现矩阵计算出产业技术融合强度，并进一步构建产业技术关联性网络，网络中的节点为不同的产业，节点之间的连线权重为技术融合强度，基于网络结构，进一步计算技术融合广度，然后分别构建中美欧在不同时间窗口的技术融合网络。本文分别从时间 (纵向维度)和区域 (横向维度)维度考察中美欧在不同战略性新兴产业的技术融合广度及产业之间的融合强度，分析其共性和差异性。利用技术融合广度构造中美欧专利在不同时间窗口下的技术融合强度层次结构树，分析结构树之间的相似性，使用重抽样方法对层次结构树之间的相似性进行显著性检验。

1.2 研究指标

1.2.1 产业技术融合广度

本文使用技术融合网络中的标准化中介中心度[33]度量技术融合广度，公式为：

(1)

1.2.2 产业技术融合强度

本文采用产业共现矩阵计算的技术距离[34]表示技术融合强度，计算公式采用Van等[13]提出的公式：

(2)

式中，Cij表示归属于产业i和j的IPC分类号共同出现在同一件专利中，Si表示产业i出现的次数，Sj表示产业j出现的次数。

1.3 数据来源

本文的专利数据检索自Patentics专利检索平台，检索时间为2023年2月11日，获得中国授权发明专利3159616件，EPO授权专利1494407件，美国授权专利3373114件。为了尽可能真实地考察中美欧的本土创新，根据申请人地址进行筛选，只保留申请人地址为中国大陆和美国本土的授权发明专利，鉴于欧洲专利的申请人地址筛选难度较大，本文未做进一步处理。为了缓解同族专利带来的重复统计问题，全部专利进行了简单同族合并。本文将中美欧专利按照战略性新兴产业分类表中的40个二级子技术进行分组匹配。专利检索和分组匹配依据2021年国家知识产权局发布的 《战略性新兴产业分类与国际专利分类参照关系表 (试行)》[35]。该文件按照技术相关度进行匹配，实现了专利分类与战略性新兴产业直接对照，覆盖全面，便于统计。

2 研究结果

2.1 产业技术融合广度

1995年之前的专利数量较少，中国一些产业的专利数据存在缺失，且多数技术已过时，因此将技术融合的分析时间调整为1996—2022年。选取1996—2005年、2006—2015年、2016—2022年这3个时间窗口进行分析，如图2所示。

目前针对河南省的小微企业税后优惠政策很多，这些政策虽然涵盖范围非常之广，但并没有统一的体系规范。而且，国家对于小微企业的税收优惠政策变动也十分频繁，企业对于不断变化的社会经济发展可以更好的适应，可是因为此类文件并没有以立法的形式正式颁布实施，其效力并不尽如人意。多方面的因素诸如人文，自然环境因素都有可能导致这些税收优惠政策无法落到实处，并且各种税收优惠政策涉及了各类税种，计算方法多种多样，对于企业来说税制过于繁杂、计算过于困难，且这些政策在不断地调整，这也阻碍了企业远期目标的制定和实施。

图2 中美欧战略性新兴产业授权发明专利申请趋势

图3所示为3个时间窗口下的中美欧战略性新兴产业技术融合网络。其中 (a)～ (c)为中国， (d)～ (f)为美国， (g)～ (i)为欧洲。网络中的节点代表具体产业，节点大小表示产业的技术融合广度，节点之间的边表示产业之间的技术融合强度。为了更好地观察跨类技术融合，本文使用louvain算法对技术集群进行聚类，聚类内部的技术融合使为了更直观地展现中美欧的技术广度变化差异，图 4展示了3个时间窗口两两之间的技术融合广度变化值。左侧为1996—2005年与2006—2015年的变化值；右侧为2006—2015年和2016—2022年的变化值，虚线为0值，虚线左侧表示技术融合广度下降，虚线右侧表示技术融合广度上升。专利局用颜色区分，彩色无边框气泡表示参与比较的时间窗口Ti，黑色边框的气泡表示Ti的上一个时间窗口Ti-1，气泡的大小表示相应时期内目标产业的技术融合广度。

图3 3个时间窗口下中美欧战略性新兴产业技术融合网络

用黑色连线，聚类之间的技术融合使用红色连线。不同时期下技术融合广度发生过重大变化的产业使用红色虚线箭头进行标注。 “”表示产业的融合广度显著上升， “”表示产业的融合广度显著下降。

下面将结合图 3、图4进行进一步分析。中国的生物产业在2016年后单独表现为一个聚类，跨类技术融合较少。中国轨道交通产业在1996—2016年的20年期间，技术融合广度持续增强，但是在2016年之后，技术融合广度显著下降，意味着轨道交通产业已经不再是技术融合的热门领域。相较而言，先进环保产业、电子核心产业、新能源汽车产业、太阳能产业、数字创意技术、新兴软件、人工智能等产业的技术融合广度快速上升。中国的核心产业群向新能源、互联网、新兴软件、人工智能、前沿新材料、卫星及应用等方向转变。美国在2006—2015年期间，海洋工程装备保持融合广度的优势，而新技术创新创业服务、新进环保产业、高效节能产业、卫星及应用产业的技术融合广度迅速提高。2016年之后，海洋工程装备产业、新材料相关服务业、航空装备产业、智能制造装备产业的技术融合强度开始提高。原先技术融合广度较高的大部分优势的产业保持稳定，只有卫星应用产业出现了明显的后退。欧洲2005—2015年期间技术融合广度显著上升的产业主要是数字创意与融合、新能源汽车相关设施、高性能纤维及复合材料、海洋工程装备、卫星及应用、航空装备产业、人工智能产业，但是2016年之后，欧洲这些产业的融合广度都出现了下滑，尤其是卫星及应用产业和新能源汽车装置、配件制造产业下滑趋势明显。

图4 战略性新兴产业技术融合强度演变的中美欧比较

本文将中美欧近30年战略性新兴产业的融合广度演变趋势概括为热门、复苏、成熟、衰落、保持这5种类型。热门产业的技术融合广度在3个时间窗口都在持续上升，复苏产业的技术融合广度表现为先下降，后上升，成熟产业的技术融合广度表现为先上升后下降，衰落产业的技术融合广度持续下降。如图5所示，图5中的红色区域内为融合广度基本保持不变的产业，红色区域外的4个象限分别是a-热门、b-复苏、c-衰落、d-成熟，象限内的相应产业见表1。

图5 战略性新兴产业技术融合广度变化类型的中美欧比较

表1 战略性新兴产业技术融合广度演变趋势的中美欧比较

2.2 产业技术融合强度

技术融合强度可以使用层次结构树来表达，层次结构树从距离和连通性的角度设计算法，将空间中距离较近的多个观测点汇聚合成具有层次关系的新聚类。层次结构树可以呈现产业之间的关联机制和演化规律。基于式 2，使用层次聚类法分别构建不同时间窗口内中美欧的层次结构树。本文使用R语言Stats包分析层次聚类树，根据Galili[36]的测试，各种算法的聚类结果存在细微差别，其中Ward.D算法与其他算法的结果都比较接近，因此选用Ward.D算法进行计算。为了分析产业层次结构树之间的差异，本文使用R语言的dendextend包[37]绘制出需要比较的两个层次结构树交错图 (Tanglegram)，使用Untangle函数尽可能将相同的树分支对齐，以便直观展示出两个结构树的结构差异。图 6 (a)是中美欧技术融合强度层次结构树在时间维度上的纵向对比。图 6 (b)展示3个时间窗口下中美、中欧、美欧之间的技术融合强度的横向对比。

通过考察技术融合广度增长明显的产业及其关联产业的技术融合强度变化，进一步分析技术融合模式差异性背景下的产业变革。2016年后，中国的技术融合方向表现为卫星及应用产业+数字创意技术设备、新能源汽车装置配件制造+电子核心产业、新能源汽车相关设施制造+智能电网产业、人工智能产业+下一代信息网络产业、前沿新材料+高性能纤维及制品复合材料、太阳能产业+风能产业。美国的融合方向是新技术与创新创业服务+数字创业产业、航空装备产业+卫星及应用产业。欧洲的融合方向表现为生物医学工程产业+数字创意与融合服务、电子核心产业+下一代信息网络产业、新技术与创新创业服务+数字文化创意与融合服务。

(a)区域内对比 (b)区域间对比

2.3 中美欧战略性新兴产业融合差异性比较及检验

聚类树之间的相似性不仅可以通过视觉观察进行比较，还可以通过查看树状图之间的相关性进行比较，Baker’s Gamma指数 (BGI)是衡量两棵层次聚类树 (树状图)之间的关联或相似性的指标[38]。该指标被定义为一组对象在两棵树中出现的等级相关性。可以理解为记录每一个聚类树中的任意两个比较对象被分配到同一个簇时，能够创建最多簇的数量K1和K2，把这两组数字根据比较的对象进行配对，计算出斯皮尔曼相关性。BGI矩阵如图 7 (a)所示，该矩阵表示中美欧在3个时间窗口的技术融合相似性。图 7 (a)中的黑色实线标注了同一地区不同时间窗口之间的技术融合相似性，黑色虚线标注了相同时间窗口下不同地区之间的技术融合相似性。可以发现，1996年以来，中国每经过一个时间窗口，BGI都小于0.5，这意味着中国战略性新兴产业的技术融合都发生了较大变化。而欧洲的BGI则一直维持在0.7以上，欧洲的产业技术融合一直比较稳定。美国在2016年之后的BGI下降到了0.47，这意味着美国的技术融合模式也发生了较大变化。通过横向对比发现，中美欧的技术融合趋势具有一致性，从图中的黑色虚线框可以发现，1996—2005年和2006—2015年期间，欧洲与美国的BGI稳定在0.7以上，这说明欧洲的技术融合方向与美国基本一致。但是2016年之后二者的相似性回落到0.62，在欧洲变化不大、美国变化明显的情况下，说明欧洲没有跟上美国的新一轮产业技术变革。相比之下，中美之间的BGI在2016年之后，急剧下降到0.26，说明中美的技术融合趋势出现明显的分化现象，中国从对美国和欧洲的跟随式发展转变为更有中国特色的技术融合模式。

(a)中美欧BGI矩阵图 (b)BGI的显著性检验

本文使用Bootstrap重抽样法对Baker’s Gamma指数进行统计显著性检验。使用Bootstrap重抽样法通过从原始数据集中随机抽取样本来构建一组新的样本数据集，用于估计统计量的分布或对模型进行评估。Bootstrap分布是通过多次重抽样来构建的概率分布，用于表示统计量的抽样分布。本文对中美欧各个时期的战略性新兴产业聚类树中的观测值分别采取可放回抽样1000次，计算每一次抽样后形成的层次结构树 (每一个聚类树共形成1000个层次结构树)。绘制出在零假设下BGI的分布情况，如图 7 (b)所示。图中给出零假设下的BGI的95%置信区间 (蓝色虚线)。表示实际BGI的红色虚线落在蓝色虚线之外，这说明各个时间段内，中美、中欧、美欧的战略性新兴产业群的BGI都具有统计意义上的显著性。

3 结论与建议

本文基于1996—2022年中美欧专利数据，构建技术融合演化的比较分析框架，综合运用社会网络指标测度和层次聚类相似性判定方法对中美欧战略性新兴产业技术融合强度和融合广度，按照1996—2005年、2006—2015年、2016—2022年这3个时间窗口进行纵向和横向比较分析。综合考察中美欧的40个战略性新兴产业的技术融合广度及产业之间的技术融合强度，划分了中美欧技术融合广度的5种变化类型。利用技术融合强度数据进一步构造中美欧专利在不同时间窗口下的技术融合强度层次结构树，通过可视化图表和定量分析，考察不同层次结构树之间的相似性，使用重抽样方法对聚类树的相似性进行显著性检验。本文的定量研究得出以下结论。

(1)从技术融合广度看，战略性新兴产业可以划分为热门、复苏、成熟、衰落、保持5种类型。中美欧共同的发展方向是电子核心产业、前沿新材料产业、新技术与创新创业服务、新兴软件和新兴技术服务产业。但3个经济体的优势产业各有侧重，中国在新能源汽车、新能源、环保、卫星和海洋装备的技术融合广度持续提升，这从近年来我国新能源汽车和光伏产业的快速增长并获得全球影响力可以得到佐证。而欧洲的新能源汽车、太阳能产业，美国的数字文化创意、智能电网产业的技术融合广度出现了明显的衰落。中国的智能制造装备产业、智能电网产业、高效节能、高性能纤维产业也出现了衰落现象。值得关注的是，美欧的智能制造装备产业处于复苏阶段，在美欧擅长的航空装备、欧洲擅长的生物医学工程等产业上，中国的技术融合广度仍然落后。中国的轨道交通装备产业在2006—2015年期间发展迅速，但是2016年之后，中美轨道交通装备产业都进入了成熟阶段。

(2)从技术融合强度看，2016年后中国的技术融合方向主要表现为卫星及应用产业+数字创意技术设备、新能源汽车装置配件制造+电子核心产业、新能源汽车相关设施制造+智能电网产业、人工智能产业+下一代信息网络产业、前沿新材料+高性能纤维及制品复合材料、太阳能产业+风能产业。美国的融合方向是新技术与创新创业服务+数字创业产业、航空装备产业+卫星及应用产业。欧洲表现为生物医学工程产业+数字创意与融合服务、电子核心产业+下一代信息网络产业、新技术与创新创业服务+数字文化创意与融合服务。

(3)从技术融合相似性看，中国战略性新兴产业在每个时间窗口的技术融合方向都发生了较大变化，说明中国正在快速完成产业升级转型。2016年之后中国和美国的技术融合方向开始出现明显分化，中国从对美欧的跟随式发展转变为具有中国特色的技术融合模式。欧洲的产业技术融合方向比较稳定，在2016年之前与美国的技术融合相似性较高，但在2016年之后没有跟上美国的新一轮产业技术变革的步伐。

本研究的政策启示如下。

(1)加强战略性新兴产业的技术融合研究，掌握技术融合的规律和趋势，避免产业发展方向判断失误。技术融合是战略性新兴产业发展的重要驱动力，在实现新旧动能转换和产业升级的过程中发挥重要作用。政府在设计产业政策时，应当对技术融合趋势充分进行国际比较研究，客观评估新兴产业发展阶段，精准施策，构建动态政策体系。本文为政策研究者提供新的方法和工具，提出的5种技术融合广度类型为政策制定者提供了分析产业发展阶段的国际比较框架。使用层次结构树来表达技术融合强度，通过技术融合强度相似性比较和显著性检验，可以更准确地展示不同经济体技术融合方向的相似性，有利于精准定位国际对手和学习对象。应该充分利用专利信息分析工具，加强战略性新兴产业技术融合的监测和评估，发现技术融合的潜在方向和领域。及时掌握世界主要经济体的技术融合动态和差异，制定有针对性和前瞻性的产业发展战略。

(2)应该构建有益于技术融合的良好环境，加强战略性新兴产业的人才培养和引进，鼓励跨学科交流。人才是技术创新和技术融合的主体和动力，应该建立与新时期战略性新兴产业体系相适应的人才支撑体系，加强战略性新兴产业领域创新人才的选拔培养，大力开展跨学科、跨领域、跨行业的交叉培养和交流合作，激发人才的创新活力和潜能。要推动互联网、大数据、人工智能参与到各个产业的研发和运用，释放数字化叠加倍增效应。要打造一批具有区域特色的产业集群，合理布局集群内部产业类型，促进企业之间的合作交流，建立有益于技术融合的创新网络。

(3)要从提高产业核心竞争力的战略高度来看待技术融合，鼓励通过技术融合开发新的技术路线和新的商业模式。技术融合是实现突破性创新的重要途径，新的技术路线和商业模式可以降低对外部技术的依赖，有利于摆脱部分产业被国外 “卡脖子”的困境。在发展路线选择上，要借鉴发达经济体成功的技术融合方向，同时在他们弱势的技术融合方向上寻找自身发展的突破口，赢得新的增长机会。从发挥优势产业的技术融合引领作用看，应该继续推动技术融合广度大的产业实现多样化发展，鼓励挖掘产业之间的互补性，寻找更多技术机会和发展空间。应该继续发挥我国在新能源汽车产业、新能源产业、环保产业、卫星和海洋装备产业的技术融合广度优势。欧美强势而我国相对弱势的航空装备和生物医学工程产业具有较强技术融合引领作用，更容易成为 “卡脖子”产业，应该大力扶持，对重大项目应当进行知识产权分析评议，防范知识产权风险。从借鉴发达经济体的成功融合方向看，应该加大新技术与创新创业服务+数字创业产业、航空装备产业+卫星及应用产业、生物医学工程产业+人工智能产业、电子核心+下一代信息网络等技术融合方向的探索，寻找新的创新创业机会。对于保持阶段的产业可以维持政策稳定和资源平衡，鼓励形成充分的市场竞争，提升相关企业的国际竞争力。对于成熟期或衰落期的产业，应该在充分调查研究的基础上，适时调整政策导向和资源配置，引导产业转型或淘汰。