我国高技术制造业技术创新效率研究
——基于“互联网+”视角
2020-06-28唐晓华张志国
唐晓华 刘 蕊 丁 琦 张志国
(1.辽宁大学经济学院,辽宁沈阳110036;2.中国信息通信研究院产业与规划研究所,北京100089;3.辽宁轨道交通职业学院图书馆,辽宁沈阳110023)
一、引言与文献回顾
高技术制造业是国民经济发展的战略性支撑产业,具有科技含量高,产业溢出效应强,产品附加值大等特征,对于优化产业结构,提升产业综合创新能力,支持经济高质量发展具有举足轻重的作用。进入新时代,我国高技术制造业保持着快速增长的势头。据国家统计局官网数据显示,2018 年末我国共有规模以上高技术制造业企业法人单位33573个,比2013 年末增长24.8%;占规模以上制造业的比重为9.5%,比2013 年末提高1.7 个百分点;高技术制造业营业收入占规模以上制造业的比重比2013 年提高4.0 个百分点;高技术制造业从业人员占规模以上制造业的比重比2013 年末提高3.2 个百分点;高技术制造业企业法人单位R&D 经费支出3559.1 亿元,比2013 年增长75.0%,占规模以上制造业的比重为28.4%,比2013 年提高2.9 个百分点;R&D 经费与营业收入之比为2.27%,比规模以上制造业平均水平高0.93 个百分点。这些数据表明,我国高技术制造业在产业技术进步、研发投入、从业人员,以及高技术制造业研发投入占营业收入的比重等方面,均比5 年前有明显的增长。但从整体上看,我国高技术制造业相对于美日德等发达国家,起步比较晚,发展相对缓慢,差距还比较明显。然而,面临着前所未有的历史契机和发展需求,有着很大的提升空间。
互联网的普及加快了工业化和信息化的融合进程,改变了工业生产中的研发、管理、营销等传统模式,为高技术制造业的发展带来了机遇与挑战。互联网与高技术制造业的融合发展有助于降低高技术制造业技术创新过程中的交易成本,互联网平台的应用可以为高技术制造业的创新过程注入人才等创新要素,从而促进高技术制造业技术创新效率的提高。当下,我国各地区虽然在网络基础设施建设普及方面已初具规模,但由于经济发展水平,产业规模,政策趋向等方面的因素,还没有完全将网络技术应用到新产业的布局及产业结构的调整上。
高技术制造业技术创新效率的相关研究主要体现在两个方面:一方面是对高技术制造业技术创新效率进行估算。目前国内外学者使用的主流估算方法是随机前沿分析(SFA)和包络分析(DEA),以及应用它们的改进方法对高技术制造业技术创新效率进行测算。部分学者使用两阶段法对技术创新效率进行估算取得较好的应用价值,即将技术创新过程分为技术研发和成果转化两个阶段。童泽望(2019)运用DEA 方法,从企业股份制性质和所属行业两个维度对相关企业进行效率、规模收益和投入差额进行了分析〔1〕;张永安和鲁明明(2019)以高技术制造业下属行业为研究对象,运用DEA-Malquist 指数法分析高技术制造业每个行业动态效率变化值,并结合熵值法确定投入指标权重,采用灰色关联分析法深入研究各创新投入要素对产出的贡献度〔2〕;李豫新和郑李昂(2019)运用对数型柯布—道格拉斯生产函数的SFA模型,对西部省份的经济增长效率进行了研究〔3〕。另一方面是对高技术制造业技术创新效率的影响因素进行研究,主要可分为产业内部的影响因素与产业外部的影响因素。产业内部的影响因素主要有高技术制造业的固定资产投资、人力资本投入、企业所有制的结构、研发投入结构等。Lee 和Shim(1995)通过实证研究,得出固定资产投资、各省份GDP、研发资金中政府资金的比例会抑制高技术制造业技术创新效率,企业所有制、市场竞争程度、FDI 存量、OFDI 存量,进而促进高技术制造业技术创新效率的提升〔4〕;曲晨瑶等(2017)证实了高技术制造业的集聚也可以提升技术创新效率,而且东、中、西部地区的促进作用有较为显著的差别〔5〕。产业外部的影响因素主要有市场环境、政府管控、资源禀赋、技术并购等。范德成和李盛楠(2018)的实证研究表明空间效应会促进技术研发效率,抑制经济转化效率,政府资金支持会抑制技术研发效率〔6〕。唐晓华和高鹏(2019)发现海外技术并购对先进制造业技术创新效率具有正向的促进作用,但其显著程度受并购的内在因素影响而不明显〔7〕。廖树育(2017)的研究成果表明专利泡沫会抑制高技术制造业技术创新效率,因为专利泡沫会增加技术引进以及技术消化吸收的成本〔8〕。
目前,以“互联网+”为切入点,研究对高技术制造业创新效率影响的文献较少,更多地侧重于“互联网+”对制造业升级以及企业效率的影响,如Giudice(2016)〔9〕、刁秀华等(2018)〔10〕。还没有学者针对“互联网+”与高技术制造业技术创新效率的关系展开研究,但是已有学者研究了信息化对工业技术创新效率的影响,研究结果普遍认为信息化的提高会对工业技术创新效率产生促进作用,如Miyazaki 和Miyoshi(2012)〔11〕。本文在现有研究的基础上,借鉴相关学者的研究成果,尝试性地构建了“互联网+”的评价指标体系,并且将技术创新分为技术研发阶段与技术转化阶段,应用随机前沿分析方法(SFA)测算出我国高技术制造业技术创新效率,借助SAR 模型研究“互联网+”对我国高技术制造业技术创新效率的影响。
二、指标选取与模型设定
(一)数据来源
根据研究需要和数据的可获得性,本文的基础数据均来自《中国高技术产业统计年鉴》和《中国统计年鉴》。鉴于《中国高技术产业统计年鉴》目前只能检索到2016 年的统计数据,为了保持研究的一致性,所用截面数据来源于2017 年的《中国统计年鉴》和《中国高技术产业统计年鉴》。同时由于西藏自治区指标缺失数据较多,故将其剔除,在实际研究中只包括30 个省级行政区域的指标数据。
(二)指标选取
1.“互联网+”评价指标
互联网发展水平虽然不能完全准确地反映“互联网+”的程度,但是,由于对“互联网+”的定性研究尚处于起步阶段,互联网发展水平可以作为“互联网+”的替代指标。例如,肖利平(2018)利用国际互联网用户数反映“互联网+”的程度〔12〕。石喜爱(2017)用互联网普及率与光缆线路长度的乘积来评价“互联网+”的水平〔13〕。结合我国各地区互联网发展的实际以及数据的可获得性,本文从互联网基础设施建设水平与互联网技术应用水平两个角度构建了互联网发展水平的评价指标体系,对2016 年我国各地区“互联网+”的发展进行评价。
该指标体系构建如表1 所示。
表1 “互联网+”评价指标体系
2.高技术制造业技术创新效率与影响因素评价指标
关于高技术制造业技术创新效率评价指标体系,在现有文献中已有较为丰富的构建方法。部分学者采用两阶段法,将技术创新效率分为技术研发阶段与技术转化阶段,见表2。在技术研发阶段,采用R&D 经费内部支出和R&D 活动人员折合全时当量作为投入指标,以专利申请数作为产出指标;在技术转化阶段学者们多采用专利申请数、新产品开发经费支出、从业人员平均数作为投入指标,采用新产品销售收入作为产出指标。参考相关学者的研究,本文采用两阶段法来衡量高技术制造业技术创新效率。在技术研发阶段,选择人员与资金两种投入要素,其中人员投入用R&D 活动人员全时当量来表示,资金投入选取R&D 资本存量来表示,产出变量选择专利申请数,R&D 资本存量利用永续盘存法计算。在技术转化阶段,本文选择人员、资金和技术三种投入指标,其中,人员投入选取高技术企业从业人员年平均人数和研发机构人数表示;资金投入用新产品开发经费支出表示,并用R&D 价格指数进行平减;技术投入选取技术研发阶段的产出指标专利申请数表示,产出指标选取能够体现市场价值的新产品销售收入,同时以工业品出厂价格指数进行平减。
表2 我国高技术制造业技术创新效率评价指标体系
关于高技术制造业技术创新效率的大型企业和小型企业都有较高的技术创影响因素,学者们对企业规模与技术创新效率的关系持不同的观点,有些学者认为企业规模与技术创新效率呈U 型的关系新效率;另有一些学者认为大型企业创新需求大,资本雄厚,因此具有更高的技术创新效率。本文将解释变量设定为“互联网+”程度,用“互联网+”综合指数进行衡量。此外,为控制其他因素对高技术制造业技术创新效率的影响,本文选取了两个控制变量。第一个控制变量为企业规模,可以用企业总产出、销售收入、总资产等来表示,基于数据的可获得性,选用各行业的主营业务收入表示企业规模。第二个控制变量为市场竞争程度,用行业企业数量来表示市场竞争程度。企业数量多意味着该行业竞争程度较为激烈,企业的现有技术或产品难以在未来为企业带来持续收益,因此会激发企业的创新欲望,提高企业的创新效率。相反,某个行业的企业数量较少,也就意味着该行业垄断性较强,企业进入壁垒较高,企业难以有较强的创新意识。
(三)模型设定
研究和测度技术创新效率的方法主要有两种:一是随机前沿分析法(SFA),二是数据包络分析法(DEA)。由于SFA 方法在统计特性方面优于DEA 方法,因此本文采用SFA 法研究高技术制造业技术创新效率。Battese 和Coelli(1995)对随机前沿模型进行了改进,即将环境变量纳入随机前沿生产函数模型之中,这既可以研究技术效率的影响因素,也可以有效克服两阶段估计法的理论矛盾〔14〕。具体分析模型如下:
其中,Yit表示创新成果的产出,Xit表示各种投入要素,β 为待估参数,i 代表不同的行业,t 代表不同的年份。vit-uit为随机误差项,vit是不可控因素造成的随机误差,假定即所考察的所有行业中δ 是未知系数的(m×1)向量,并且独立于uit。uit为非负随机变量,代表创新过程中的技术无效率项,假定其服从非负载尾正态分布,即TEit为第i 个样本量第t 期的技术效率值。γ 表示随机误差中技术非效率所占比率,如果γ=0,即则表示模型没有技术非效率,随机误差仅由随机干扰项引起,如果0<γ<1。则表示模型具有技术非效率。
根据本文指标的选取,在技术研发和转化阶段投入产出模型可分别表示为:
根据地理学第一定律,往往相邻地区的经济指标表现出空间的依赖特征,因此,考虑技术研发阶段创新效率和技术转化阶段创新效率存在着空间溢出效应,在影响因素模型中引入一般空间计量模型:
其中y 代表技术创新效率,X 代表各个省份技术创新效率的影响因素,λ 为空间滞后系数,ρ 为空间误差系数,W 和M 分别为被解释变量和随机扰动项的空间权重矩阵。本文两个空间矩阵均用相邻0-1 矩阵表示,且取值相同。根据影响因素指标的选取,模型可具体表示为:
三、实证结果与分析
(一)描述性分析
1.我国“互联网+”发展水平描述性分析
通过表3 可知,我国“互联网+”发展水平各指标最大值和最小值相差较大,且标准差值较高,分布差异较明显,如长途光缆线路长度最大值为77483 公里,而最小值仅为3376 公里。
2.我国高技术制造业现状描述性分析
通过表4 可知,我国高技术制造业发展水平各指标最大值和最小值相差也较大,分布较为不均匀,如专利申请数(件)最大值为10.8477,而最小值仅为4.2905。
表3 我国“互联网+”发展水平描述统计分析
(二)我国各地区“互联网+”程度分析
表4 我国高技术制造业发展水平描述统计分析
本文通过熵值法确定“互联网+”各指标的权重,计算出“互联网+”综合指数,并应用STATA15.0 画出我国各地区“互联网+”综合指数条形图,结果见表5 和图1 所示。从图1可以看出,我国各地区“互联网+”综合指数的空间分布呈现空间依赖特征。浙江省、广东省以及北京市的“互联网+”综合指数在较高区域,山东省、江苏省和福建省“互联网+”综合指数在次高区域,并且较高区域和次高区域呈现空间相邻特征;河南省、黑龙江省以及辽宁省等区域相对“互联网+”综合指数在较低区域,并且呈现空间相邻的特征;吉林省、青海省以及云南省等区域在“互联网+”综合指数的最低区域,相对分布比较随机。
(三)我国各地区高技术制造业技术创新效率结果分析
本文利用STATA15.0软件对我国各地区高技术制造业研发阶段与转化阶段技术创新效率进行了测定,结果见表6、图2 和图3 所示。
表5 我国各地区互联网发展水平
表6 我国各地区高技术制造业技术创新效率
在我国高技术制造业技术研发阶段,整体来讲,我国东北地区表现为辽宁省最高,黑龙江省次之,吉林省最低;我国北部地区整体表现为技术研发阶段创新效率较低;沿海地区和中部地区相对来讲创新效率较高。具体来看,四川省、山东省、安徽省和广东省在较高区域,并且在空间上与次高区域的湖北省、湖南省和江西省相邻,表现出空间依赖特征;贵州省和江苏省空间分布较分散,但也与较高区域相邻;吉林省、内蒙古自治区和新疆维吾尔自治区等区域高技术制造业技术研发阶段创新效率位于最低区域。
续表6
在我国高技术制造业技术转化阶段,整体来讲,我国东北地区表现为辽宁省最高,吉林省次之,黑龙江省最低;我国北部地区整体表现为技术转化阶段创新效率较低;沿海地区和中部地区相对来讲表现为创新效率较高;西南地区技术转化效率较低。具体来看,河南省、湖南省和福建省以及北京市在较高区域,并且在空间上与次高区域的山东、江苏等省份相邻,表现出空间依赖特征;浙江省和辽宁省空间分布较分散,但也与次高区域相邻;北部的黑龙江省、内蒙古自治区以及西南的云南省、广西壮族自治区等区域高技术制造业技术转化阶段创新效率位于最低区域。
我国的高技术制造业创新效率呈现出典型的空间依赖特征,因此,使用空间计量模型检验“互联网+”对我国各地区高技术制造业创新效率的影响。空间计量模型的形式选择主要有空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。本部分使用STATA15.0 检验数据是否存在空间效应,结果如表7 所示。针对空间误差的两个检验,在技术研发和技术转化阶段,Moran's I 的P 值分别为0.2933 和0.8360,均表现接受“空间无自相关”假定;在空间滞后的两个检验中,Lagrange multiplier 的P 值分别为0.001 和0.013,表明存在空间滞后效应。根据以上分析,本文使用空间滞后模型(SAR)检验“互联网+”影响高技术制造业创新效率空间效应。
表7 技术研发和技术转化阶段空间效应检验
1.技术研发阶段影响因素分析
技术研发阶段一般空间模型参数估计结果如表8 所示,空间自回归系数为0.0324,且通过5%的显著性水平检验,表明技术研发阶段的创新效率存在显著的空间依赖性,而且表现空间区域越临近,影响越显著。“互联网+”对我国各地区高技术制造业技术研发阶段创新效率的影响系数为0.0794,并且检验值为4.180,模型通过了5%的显著性水平检验。系数为正,表明“互联网+”对我国各地区高技术制造业技术研发效率有正向的影响,即“互联网+”程度越高,技术研发效率越高。“互联网+”程度的提高,以及大数据技术的广泛应用,成为推动技术创新源源不断的动力。利用“互联网+”的优势,推动互联网技术、平台和应用向高新技术制造业扩散,对经济社会的影响逐渐深入,“互联网+”经济范式也开始逐渐占据发展优势。
从控制变量的角度来说,企业规模的二次项对我国高技术制造业技术研发效率的影响系数为0.0083,二次项系数为正,表面我国高技术制造业技术研发效率和企业规模之间呈“U 型”关系,即小企业和大企业有着较高的技术创新效率,而中型企业相对创新活力不足。
表8 技术研发阶段一般空间滞后模型参数估计结果
市场竞争程度对我国高技术制造业技术研发效率的影响系数为0.094,但没有通过5%的显著性水平的检验。关于市场竞争程度与高技术制造业研发效率的关系,比较统一的观点是完全竞争市场与完全垄断市场均不利于技术研发效率的提高。在完全竞争的市场条件下,企业的规模普遍偏小,由于巨大的竞争压力,企业即使有创新的动力却没有充足的创新条件。而垄断企业的利润率较高,企业也没有足够的创新动力。相对而言,寡头垄断市场与垄断竞争市场最有利于促进技术创新效率的提升。我国高技术制造业一般集中在医药制造,航空、航天器及设备制造,电子信息及通信设备制造,化学品制造等行业,其垄断性较强,因此,虽然市场竞争程度对我国高技术制造业技术研发效率有正向影响,但并不显著。
2.技术转化阶段影响因素分析
技术转化阶段一般空间模型参数估计结果,如表9 所示。空间自回归系数为0.0257,表明技术转化阶段的创新效率存在明显的空间正相关。“互联网+”对我国地区技术转化效率的影响系数为0.0505,但是没有通过显著性水平检验,这说明“互联网+”对我国高技术制造业技术转化效率并没有显著影响。与技术研发阶段技术创新效率对比,“互联网+”对技术转化效率的影响系数略小于技术研发阶段,这说明“互联网+”对我国各地区技术研发阶段的影响作用更强。在技术研发阶段,企业创新人员对“互联网+”的利用程度一般来讲要高于技术转化阶段。首先,技术部门应用互联网可以研发出创新性的产品;其次,应用部门可以通过互联网,大数据等研究平台,将产品的使用情况与用户需求情况反馈给研发部门。因此,相比于应用部门,技术研发部门对于互联网的搜索、发布、传递、整合等功能的利用强度更大,范围更广,这也可以解释为什么“互联网+”对高技术制造业技术研发阶段创新效率的促进作用要高于技术转化阶段创新效率的原因。
从控制变量来讲,企业规模的二次项系数为正,对我国高技术制造业技术转化效率的影响系数为0.0174,并且通过了5%的显著性水平的检验,说明企业规模对我国高技术制造业技术转化效率呈现“U型”影响。市场竞争程度对我国高技术制造业技术转化效率的影响系数为0.3192,但并不显著,这表明市场竞争越强,我国高技术制造业技术转化效率越强,但是与技术研发阶段类似,我国高技术制造业垄断性较强,更加开放的市场可以带来更高的技术创新转化效率。
四、结论与建议
(一)主要结论
本文在实证分析的基础上,得出以下主要结论:
第一,我国互联网发展水平空间分布不平衡,且发展水平偏低。分析表明,北部地区互联网发展水平低于南方,西部地区低于东部地区,分布不平衡;互联网发展水平偏低,均值仅为0.2732。其中互联网发展水平最好的省份为广东省,互联网+指数为0.9359,互联网发展水平最低的省份为宁夏回族自治区,互联网+指数为0.0684,最高和最低省份互联网+指数相差0.8675,表现为互联网+指数地区发展极为不平衡。发展较差的区域多集中于西部区域,分别为新疆、青海、甘肃、宁夏和云南等省份和自治区,也呈现集聚效应,另外东北地区的吉林省也相对发展较差。从互联网+指数的空间分布可以看出,经济发展水平的高低和互联网的发展水平有着非常密切的关系,表现为经济发展水平高,相对应的互联网发展水平也较高,而经济发展水平低,相对应的互联网发展水平也普遍偏低。
第二,我国高技术制造业研发阶段和转化阶段技术创新效率处于较低的水平。首先在研发阶段,我国高技术制造业技术创新效率均值为0.6521,具体表现为东北地区辽宁省最高,黑龙江省次之,吉林省最低;我国北部地区整体表现为技术研发阶段创新效率较低;沿海地区和中部地区相对来讲创新效率较高。研发阶段我国高技术制造业技术创新效率最高的省份为安徽省,技术创新效率值为0.7945,技术创新效率最低的省份为新疆维吾尔自治区,技术创新效率值为0.1025,最高和最低省份技术创新效率值相差0.692,研发阶段技术创新效率的地区发展较为不均衡。其次在转化阶段,我国高技术制造业技术创新效率均值为0.5382,略低于研发阶段的技术创新效率,具体表现在东北地区呈现辽宁省最高,吉林省次之,黑龙江省最低;沿海地区和中部地区相对来讲也表现为创新效率较高;西南地区相对技术转化效率也较低。转化阶段我国高技术制造业技术创新效率最高的省份为河南省,技术创新效率值为0.8461,技术创新效率最低的省份为海南省,技术创新效率值为0.1030,最高和最低省份技术创新效率值相差0.7431。从转化阶段技术创新效率的空间分布来看,北部省份和部分南部省份,如云南省、贵州省和广西壮族自治区等区域技术创新效率较低;技术创新效率较高的区域分布在东部和中部地区,如东部的山东省、江苏省等省份,以及中部的河南省、湖南省等省份。
第三,“互联网+”对我国高技术制造业技术研发效率和技术转化阶段都产生了积极的促进作用。具体表现在“互联网+”对技术研发阶段效率系数为0.0794,对技术转化阶段效率系数值为0.0505,技术研发阶段的效率系数略高于技术转化阶段的效率系数,说明“互联网+”对技术研发阶段效率的促进作用更明显。同时,也说明我国部分省份技术创新效率水平之所以低,是由于作为创新主体的企业未能充分利用“互联网+”带来的契机,并适时加大对技术转化的投入,以调整和推进产业结构升级,从而提高企业创新水平。
第四,无论是技术研发阶段还是在技术转化阶段,企业规模对我国高技术制造业技术创新效率呈现U 型影响。技术创新效率与企业规模呈现U 型关系表明,小企业和大企业具有更高的创新效率,而中型企业技术创新效率水平较低。在技术研发阶段,小企业一般在市场上生存较为艰难,更需要不断地进行自主创新;而大企业在资金,技术,劳动力等条件都比较明显的优势,雄厚的资金、先进的管理以及汇聚的大量高端研发人员,更有利于提高高技术制造业技术研发效率。在技术转化阶段,企业规模越大,企业内部机制越完善,企业具有专业的市场团队与营销团队,越有利于研究成果的市场化;企业规模小时,更加依赖于创新成果的转化,也更有利于技术创新效率转化的提高。与技术研发阶段技术创新效率相比,技术转化阶段系数更大,说明企业规模对转化阶段的影响更大。
(二)政策建议
第一,高技术制造业要与时俱进,转变技术创新模式。在当今的“互联网+经济”时代,我国东部沿海发达地区的互联网建设水平有了长足的进展,但就整体而言,互联网应用于高技术制造业所带来的辐射效应偏低。为此,我国高技术制造业,一方面必须摒弃传统的路径依赖,彻底转变发展理念,增加技术创新投入,加速技术研发,提高科技成果转化效率;另一方面,高新技术制造业要以“互联网+经济”为契机,推进新基础设施建设,发展大数据产业和智能制造,促进创新模式变革,实现我国高技术制造业产业结构转型升级。
第二,高技术制造业应借助互联网+平台,与其进行深度融合。如何利用互联网技术所带来的变革推动产业结构优化,向产业数字化、服务化、智能化方向调整,是未来高技术制造业所面临的关键性问题。目前,我国工业互联网平台的建设还处于初期水平,离互联网与企业的深入融合还有很大的差距。在这样的背景下,我国高技术制造业企业与互联网企业进行跨界融合,形成“互联网+高技术制造”的新型技术创新模式,以此建立新的技术体系,形成新的标准规范,促使服务型制造、智能制造、增材制造等高技术制造业创新模式的发展。
第三,加强“互联网+”等新基础设施建设,完善互联网技术创新配套体系。通过对我国各地区互联网发展水平的空间分析发现,各地区互联网发展水平不均衡,基础设施建设还有待提高,尤其是北部地区和西部地区部分省份整体互联网水平还比较落后。因此,应进一步深化供给侧结构改革,做好“互联网+”等新基础设施建设。政府应注重引导各地区做好以下三个方面的工作:一是要科学地做好整体规划,并保证规划的高起点、高标准、高效率;二是要加快建设5G 等公共服务基础设施建设,推进“互联网+”与高技术制造业融合发展;三是要建立各区域的信息、研发、服务等网络交换平台建设,规范网络服务,实现资源共享。
第四,完善互联网法律法规制度建设,为互联网与高技术制造业协同发展提供保障。法律法规制度建设是互联网与高技术制造业融合,进行良性发展的前提条件。互联网的法律法规制度建设需要明确国家、企业、个人在网络使用中的职责,加强国家网络协调治理能力,确保网络空间的净化和合理发展。高技术制造业在与互联网的融合过程中,应逐步完善和加强互联网使用的监督管理体制机制,确保舆论的正方向和使用的合理化,切实提高网络服务高技术制造业的运行效率,充分发挥网络空间对高技术制造业智能化提升作用,加快实现技术创新综合能力的进程。
第五,建立和完善知识产权制度,加强互联网与高技术制造业融合发展的知识产权保护。互联网时代高技术制造业技术创新知识产权保护的目的是促进技术创新和产业化。由于高技术制造业具有市场垄断的特性,为此必须强化知识产权保护相关法律法规建设,加强知识产权立法的衔接配套,完善垄断竞争、对外贸易、科技创新、国防安全等领域法律法规,注重互联网+高技术制造业衍生类知识产权的开发与保护,进而健全有关网络空间知识产权的规定,增强法律法规的可操作性和协调性。在完善知识产权保护制度的同时,要加快相关知识产权平台建设,增加知识产权投入力度,推进知识产权人才队伍建设,以切实促进我国高技术制造业知识产权事业的健康发展。