支点城市与“一带一路”沿线省区市协同科技创新研究——以广州为例

李文辉，邱钰杰

（1.华南师范大学经济与管理学院；2.华南师范大学地理科学学院；3.华南师范大学科技创新与区域发展研究中心，广东广州 510631）

习近平主席指出，“一带一路”是和平之路、繁荣之路、开放之路、创新之路、文明之路。对此，许多学者呼吁把“一带一路”打造成科技创新之路，并进行了大量研究。在新一轮科技创新及产业变革背景下，科技创新活动不断突破技术、组织和地区等方面的限制［1］，“一带一路”沿线省区市和国家间的创新效率、创新协同等显得更加重要［2］。“一带一路”战略涉及多个区域和国家，也是一条协同创新之路，需要合作机制协同创新、科学技术协同创新等。其中，科技合作与创新驱动、区域创新体系协同发展是推动“一带一路”地区协调发展、缩短差距的强力纽带和驱动力［3］。

支点城市是推进“一带一路”战略的桥头堡，其积极作用受到了广泛关注［4］。“一带一路”连接的并不仅是单个支点城市，而是要打通以重要城市为核心的中心-外围城市群之间的联系和协同［5］。因此，地方政府纷纷出台相应政策和相应配套措施，加强支点城市建设，以发挥其在产业升级、区域发展、对外开放和国际贸易等方面的战略作用。有研究也认为，“一带一路”支点城市建设要注重处理好增量发展与存量发展、“引进来”与“走出去”、同质竞争与差异化发展、向内对接和向外对接、政府与企业、自力与借力、地方政府与上级政府、物质与文化等八组关系［6］。

支点城市与“一带一路”沿线省区市协同科技创新的发展水平，决定着“创新之路”建设的协同程度和建设效果。目前，以“一带一路”支点城市为案例，以社会网络分析方法对沿线省区市协同科技创新网络进行研究的文献并未呈现。而社会网络结构对于信息和创新的扩散、技术和知识的交流非常重要［7-8］。本研究试图以“一带一路”支点城市广州为例，借助广州与“一带一路”沿线省区市合作申请专利计量信息，分析其协同科技创新特征和机制，以期为国家“一带一路”战略和创新驱动发展战略实施，为广州建设国家创新中心城市和国际科技创新枢纽，提供参考和借鉴。

1 研究设计和数据来源

1.1 研究对象

国家《推动共建丝绸之路经济带和21 世纪海上丝绸之路的愿景与行动》圈定了“一带一路”战略重点涉及18 个省区市：新疆、陕西、甘肃、宁夏、青海、内蒙古等西北6 省区市，黑龙江、吉林、辽宁等东北3 省区市，广西、云南、西藏等西南3 省区，上海、福建、广东、浙江、海南等东南沿海5 省区市，内陆地区的重庆。本研究以广东省省会城市广州为“一带一路”支点城市案例，分析广州与广东省以外的其他17 个重点涉及省区市（简称“沿线省区市”）之间的协同科技创新网络发展特征，并探讨其作用机制。

1.2 研究数据

专利数据来源于国家知识产权局专利数据库，于2018 年7 月1 日，在专利检索项“申请人”和“地址”中输入广州和沿线省区市之一，分别进行检索，根据有关专利信息数据建立原始信息数据库，包括发明专利、实用新型专利和外观设计专利。以“申请日”截至2017 年12 月31 日、按自然年份进行分类汇总，形成可用于研究分析的有效信息，共有合作申请专利1 696 项。

1.3 研究设计

合作申请专利是探讨知识共享和创新合作最直接、最有效的方式，合作专利计量信息可以很好地表征科技创新合作情况，在科学研究中可以反映网络中相关节点基于创新活动所进行的合作程度［9-10］。同时，社会网络既能分析关系网络的结构问题，还可深入探讨网络特征与个体属性的关联，已经成为社会网络关系研究的主要途径。

在研究中，如果专利申请人中既包含广州的单位，又包括沿线省区市的单位，则认为两地间建立了协同科技创新关系网络。创新网络由一组节点V、V=（V1，V2,…,Vn）和一组边E、E=（E1，E2,…,En）所构成。网络中的节点数可以表示为N=|V|，而边数则可记为M=|E|［11］。研究中的协同科技创新网络，是以广州单位和沿线省区市单位为节点，以单位之间的专利合作申请关系为边，以合作申请专利数量为边权重所构建的加权无向网络，并通过Ucinet 软件进行可视化分析。

2 实证研究分析

2.1 计量信息基本统计特征

2.1.1 时序特征

根据图1，广州与沿线省区市从1985 年开始有合作申请专利，总体上呈波动增长趋势，趋势线拟合程度指标R2 为0.583 4，年均增幅为77.37%。从图1 合作申请专利年度分布总体情况来看，广州与沿线省区市协同科技创新发展大致可以分为3 个阶段，其中柱形代表专利数，折线代表专利年增减率。从中可以发现，“一带一路”战略自提出和实施以来，对广州和沿线省区市科技协同创新起到了积极促进作用。

图1 合作申请专利年度分布特征

阶段1：1985—2006 年。此阶段为协同科技创新摸索起步阶段，强度较弱、水平较低，年均申请专利数仅为3.31 项，年均增长率为91.96%。

阶段2：2007—2013 年。此阶段为协同科技创新活跃成长阶段，强度增大、水平提升，申请数增加、增长率放缓，年均申请专利数大幅增长至123.57 项，但年均增长率下降为66.08%。

阶段3：2014—2017 年。此阶段为协同科技创新快速发展阶段，强度和水平进一步增大和提升，申请数增加、且在2017 年出现了年度专利数顶峰，增长率继续放缓，年均申请专利数继续增长至194.50 项，但年均增长率下降为38.73%。

2.1.2 技术发展特征

从类型来看，1 696 项专利中有发明专利1 175 项（占69.28%），实用新型专利474 项（占27.95%），外观设计专利47 项（占2.77%），说明广州与沿线省区市更加注重申请创新技术含量更高的发明专利。专利技术体现的创新技术发展阶段，可以用技术生长系数（V）、技术成熟系数（α）、技术衰老系数（β）和新技术特征系数（N）4 项系数进行衡量［12］。根据这4 项系数，研究对连续每年均有合作申请发明专利的2001—2017 年创新技术发展情况进行了分析，结果如图2 所示。

从技术生长系数看，广州与沿线省区市协同科技创新技术总体上呈生长发展态势，特别是2013 年国家实施“一带一路”战略后，生长系数从0.17 持续增长到了2017 年的0.35。从技术成熟系数和技术衰老系数看，创新技术经历了从生长到成熟，再到衰老的明显过程，技术成熟系数和技术衰老系数在2017 年分别下降为0.64 和0.92，均为2001 年之后的最低值。从新技术特征系数看，2001—2006 年在波动中呈增长趋势，2007—2013 年在波动中呈下降趋势，说明新技术特征没有得到持续发展；从2015年开始呈现逐年增长，从0.67 增长至2017 年的0.73，说明新技术特征得到了新的重视和发展。

图2 合作申请专利创新技术发展特征

2.1.3 技术领域特征

根据国际专利分类法(IPC)，专利技术领域分成8 个学部，外观设计专利不分技术领域。A 学部：人类生活需要；B 学部：作业、运输；C 学部：化学、冶金；D 学部：纺织、造纸；E 学部：固定建筑物；F 学部：机械工程、照明、加热、武器、爆破；G 学部：物理；H 学部：电学。广州与沿线省区市合作申请专利的技术领域如表1 所示。从中可以看出，申请数量较多的优势技术领域为C 学部和G 学部，分别申请491 项和338 项，占29.78%和20.50%；相对优势技术领域为B 学部、H 学部和A 学部，分别申请245 项、222 项和159 项，占14.86%、13.46%和9.64%。弱势技术领域为D 学部、F 学部和E 学部。

表1 专利技术领域分布特征和新兴技术预测

为了预测新兴技术，研究采用赫芬达尔指数（Herfindahl Index，HHI）预测广州与沿线省区市协同科技创新的技术领域发展趋势，为相关产业技术发展和技术攻关方向提供依据。计算公式为［13］：

其中，Q为某学部的全部专利申请量、N为全部申请人数量及各自专利申请量，Qi是某合作单位省区市在该学部的专利申请量，因此Qi/Q表示某学部的申请量占全部专利申请量的比例。预测结果如表1 所示，可以发现，随着国家“一带一路”战略的推进以及广州和沿线省区市产业转型升级对新兴热门技术的迫切需求，C 学部、A 学部、G 学部、H学部和B 学部在未来发展成为新兴核心技术的可能性比较大。

2.1.4 区域空间分布特征

图3 反映了广州和沿线省区市合作申请专利空间区域分布特征。从合作申请专利项数超过30 项的省区市来看，与上海合作申请数量最大，为953 项，占56.19%，浙江161 项，占9.49%，广州和上海、浙江的协同科技创新属于经济邻近型模式；广西173项，占10.20%，福建90 项，占5.31%，海南62 项，占3.66%，广州和广西、福建、海南的协同科技创新属于地理邻近型模式；重庆84 项，占4.95%，云南49 项，占2.98%，辽宁38 项，占2.24%，广州和重庆、云南、辽宁的协同科技创新属于技术邻近型模式。其他省区市共合作申请专利86 项，占5.07%。

图3 合作申请专利空间区域分布特征

为了从区域角度衡量广州和各沿线省区市之间以及各技术领域之间，相比某个省区市是否具有技术优势，研究采用专利相对优势指标（Revealed Patent Advantage，RPA），衡量各沿线省区市在某技术领域的技术能力强度。RPA 计算公式如下［14］：

当Pij≠0 时，RPAij=100×tanh；当Pij=0 时，RPAij=-100。

其中，Pij为第i个省区市在第j个技术分类的专利数，表示第i个省区市的专利总数，因此表示第j个技术分类对该省区市整个区域技术领域的重要性。即表示从整体区域专利分布的情况来衡量第j个技术分类对第i个省区市的重要性。若RPA 值为正，代表相对技术水平高，反之则代表相对技术水平低。当RPA值相距15 以上，则表示两个技术能力达到统计上的显著差异［14］。

从不同省区市的RPA 值可以看出，各个省区市并不是在单一技术领域与广州开展协同科技创新，但各个省区市的合作技术领域不均衡，可能在某一个或少数几个技术领域与广州开展较多、较深入的协同科技创新；某一技术领域可能是合作申请专利数量最多的优势领域，但并不一定是该省区市协同科技创新最重点的领域。新疆合作申请专利项数最多的是C 学部，但重点的技术领域是F 学部，RPA值为88.81；陕西项数最多的是G 学部，重点的技术领域是E 学部和G 学部，RPA 值分别为67.83 和61.68；甘肃、宁夏、青海和内蒙古重点技术领域分别是A 学部、F 学部、F 学部和C 学部。黑龙江、吉林和辽宁重点技术领域分别是C 学部、E 学部和H 学部。广西项数最多的为G 学部，重点的技术领域分别是A 学部、H 学部和G 学部，RPA 值分别为61.92、52.06 和51.56；云南项数最多的为G 学部，重点的技术领域为D 学部、RPA 值为69.09；西藏重点的技术领域是A 学部。上海项数最多的为C 学部，重点的技术领域分别是C 学部、D 学部和B 学部，RPA 值分别为37.70、37.21 和27.20；浙江项数最多的是G 学部，重点的技术领域是H 学部，RPA 值为67.86；福建和海南重点的技术领域均为A 学部。重庆项数最多的是G 学部，重点的技术领域是F 学部，RPA 值为90.44。

2.1.5 协同主体特征

协同主体是指合作申请专利的申请人。研究按表2 中的类别，分别对广州和沿线省区市的协同科技创新主体进行归类，并统计其合作申请专利数。依此，“申请人”中广州或沿线省区市单位多于2个时，该项专利重复计算，如申请人为“中国南方电网有限责任公司电网技术研究中心 南方电网科学研究院有限责任公司 浙江大学”，则“中国南方电网有限责任公司电网技术研究中心 浙江大学”、“南方电网科学研究院有限责任公司 浙江大学”合作申请专利分别各计1 项。按此，合作申请专利增加了153 项、为1 849 项，即在社会网络中有1 849 对协同关系。

这天，孟导又是下班后就到叶总店里报道了。孟导到的时候，叶总正忙着接待客人。今天叶总店里生意兴隆，平时都是熟人过来聊天，而今天店里有好几拨客人，让孟导有些诧异。毕竟古玩市场里一直流传着“不作买卖照样赚大钱的叶总”这样的说法。

从表2 可以看出，广州和沿线省区市分别有238家和321 家单位参与了协同科技创新，平均合作申请专利数分别为7.77 项和5.76 项。可见，从协同主体看，民营企业和高新技术企业是广州和沿线省区市协同科技创新的重要力量，国有企业、科研机构和高校是活跃参与力量，中外合资企业和外国企业是积极参与者。从平均合作专利强度看，广州主体科研机构的强度最大，为16.00 项，其次是国有企业，为10.50 项，高校第3，为8.13 项；沿线省区市主体高校的强度最大，为8.40项，其次是国有企业，为6.70项，中外合资企业第3，为6.17 项。

表2 协同主体数量特征

2.2 协同科技创新社会网络特征

2.2.1 分阶段网络特征

表3 和图4 反映了广州和沿线省区市协同科技创新网络主要指标的变化特征（因清晰性要求，2007—2013 年、2014—2017 年和整体网络图在文中未附）。

表3 分阶段网络部分指标特征

从中可以看出，网络规模越来越大，从第一阶段的55 增加至第三阶段的338，说明参与协同科技创新的主体越来越多。网络密度越来越小，从第一阶段的0.022 2 减小至第三阶段的0.004 3，说明随着主体的增多，网络变得越来越松散。网络距离越来越大，从第一阶段的1.365 增加为第三阶段的3.498，说明主体之间的建立协同关系需要更多主体从中牵线搭桥。中心势反映网络的凝聚性，即紧密程度，数值在0～1 之间，越接近1 表示网络越紧密，反之表示关系越松散；其中，度数中心势指数越来越小，从第一阶段7.30%降至第三阶段的2.85%，中间中心势指数出现波动，三个阶段分别为0.69%、2.25%和1.40%；这都说明广州和沿线省区市协同科技创新网络趋于稀疏和松散，不利于科技创新资源的流动和共享。另外，每个阶段均呈现小世界网络性质。

图4 1985—2006 年合作申请专利网络特征

从网络具体节点来看，三个阶段均有合作申请专利的广州协同主体数量为5 家、占2.10%，在其中两个阶段有合作的为31 家、占13.03%，只在一个阶段有合作的为202 家、占84.84%。在三个阶段均有合作的5 个广州主体分别是：金发科技股份有限公司，共合作473 项；华南理工大学，共合作22 项；中国科学院广州地球化学研究所，共合作10 项；广州有色金属研究院，共合作9 项；中国科学院南海海洋研究所，共合作6 项。三个阶段均有合作申请专利的沿线省区市协同主体数量为4 家，占1.25%，在其中两个阶段有合作的为19 家，占5.92%，只在一个阶段有合作的为298 家，占92.83%。在三个阶段均有合作的5 个沿线省区市主体分别是：上海金发科技发展有限公司，共合作473 项；上海交通大学，共合作77 项；浙江大学，共合作48 项；东华大学，共合作13 项。可见，广州和各沿线省区市协同科技创新主体具有动态性和不确定性特征，高校、科研机构和有子母关系的企业，具有较好的协同科技创新长效性和网络小世界性质持久性。

2.2.2 整体网络特征

表4 反映了广州和沿线省区市协同科技创新整体网络中协同主体网络规模超过5 个的节点特征。其中，浙江大学网络规模最大，与其他18 个主体建立了协同科技创新合作关系，最大可能的点对数达306。广东电网公司电力科学研究院可达的效率最大，为100.00。浙江大学的中间人指数和中介指数最大，均为153.00，说明其参与协同科技创新和资源共享的渠道比较顺畅。度数中心性衡量哪些节点是网络中的重要节点，值最大的是浙江大学，为3.130，说明浙江大学等度数中心性较高的主体是网络中最具有社会地位的组织，在网络中的地位越重要。中间中心性表示一个节点处于其他节点之间最短途径上的程度，侧重于衡量节点对其他节点的控制能力，值最大的是上海交通大学，为2.402，说明通过上海交通大学等中间中心性较高的主体，可以将不同的主体联系起来，能够更好地促进创新资源在网络成员之间共享。接近中心性差异较小，其说明这些主体占据着主体之间连通路径的关键位置，到达各方向的其他主体的距离更近，而处于边缘位置的主体必须借助其他主体才能获得协同科技创新信息和资源。这也说明，广州和沿线省区市协同科技创新网络为非完全连通的网络，具有明显的“小世界”特征［16］。

表4 整体网络个体特征

3 研究结论验证与启示

根据上述实证分析结果，研究借助SPSS 统计分析软件，采用表5 中阶段2、阶段3 指标之和与合作申请专利总数，进行了相关性多元回归验证。得出的主要研究结论如下：

（1）广州和各沿线省区市协同科技创新具有地理邻近特征。交通距离与合作专利数的皮尔逊相关性系数为-0.227，说明交通距离与合作专利数呈负相关关系，即交通距离越近，则合作申请专利数越多，协同科技创新关系越紧密。具体来看，在地理上与广州最邻近的广西、福建和海南，分别合作申请专利173 项、90 项和62 项，排在第2、第4 和第6 位，共占合作申请总数的19.16%。地理邻近有利于创新知识和技术、创新人员的流动，减少因空间阻隔而造成的障碍。因此，各沿线省区市，特别是与广州交通距离较远的省区市，应该更好地完善邮电网络通讯基础设施，构建更加便捷的知识交互手段，使协同科技创新系统变得更加开放。

（2）广州和各沿线省区市协同科技创新具有明显的经济邻近特征。GDP 与合作专利数的皮尔逊相关性系数为0.359，说明GDP 与合作专利数呈低度相关。R&D 经费投入的皮尔逊相关性系数为0.678，说明R&D 经费投入与合作专利数中度相关，且两个变量间在0.01 级别上相关性非常显著。R&D 人员投入与合作专利数的皮尔逊相关性为0.422，R&D 人员投入与合作专利数呈低度相关，且两个变量间在0.1 级别上具有显著相关性。具体来看，广州与经济发达的上海、浙江分别合作申请专利953 项和161 项，排在第1 和第3 位，共占合作申请总数的65.68%。经济发展水平是开展协同科技创新的基础，协同科技创新又反过来对经济发展带来内生效应。因此，广州和各沿线省区市应该结合自身经济发展水平，注重增加R&D 经费投入，并在此基础上增加R&D人员投入。

（3）广州和各沿线省区市协同科技创新具有组织邻近特征。高技术企业数与合作专利数的皮尔逊相关性系数为0.376，说明高技术企业数与合作专利数呈低度相关。规模以上工业企业数、研究与开发机构数与合作专利数的皮尔逊相关性系数分别为0.196 和0.158，说明规模以上工业企业数、研究与开发机构数与合作专利数呈微弱相关关系。具体来看，广州高新技术企业参与合作申请专利284项，占15.36%，其他企业共参与合作申请1 035项，占55.98%，科研机构参与合作申请400 项，占21.63%；沿线省区市高新技术企业参与合作申请专利342 项，占18.50%，其他企业共参与合作申请1 131 项，占61.17%，科研机构参与合作申请124 项，占6.71%。而同一组织系统内的企业，资源和信息流通更畅顺、更便捷、更及时，也更易于开展协同科技创新。因此，应该充分激发组织邻近的协同主体积极开展科技创新交流与合作，互通有无，协同发展。

（4）广州和各沿线省区市协同科技创新具有技术邻近特征。有效专利数与合作专利数的皮尔逊相关性系数为0.385，说明有效专利数与合作专利数呈低度相关关系。可见，在一定的技术资本积累前提下，技术邻近的协同主体之间，也可以突破地理、经济或组织的限制，优先寻求在特定技术领域与自己技术相近的主体进行合作。如广州甘蔗糖业研究所分别与广西农垦金光乳业有限公司、广西农垦糖业集团股份有限公司、广西农垦糖业集团金光制糖有限公司，共合作申请专利15 项。因此，各协同主体应该根据自身技术优势，加强与技术邻近的掌握前沿领域核心技术的主体开展产学研合作，以增强对技术的吸收和转化，促进创新技术持续生长、更新和发展。

（5）广州和各沿线省区市协同科技创新网络具有“小世界”特征。在小世界网络中，浙江大学、华南理工大学和上海交通大学、广东电网公司电力科学研究院等网络规模较大的主体均具有较高的聚集程度，小世界内的主体之间具有较好的相互信任度，更易于开展合作，从而推动协同科技创新的效率、质量和准确性，也提高了协同创新产出的能力和水平［16］。

表5 相关性回归分析结果