经济发展新常态与技术封锁并存情景下如何促进科技成果转化——政策选择的视角

胡文静，马建霞，谢 珍

(1.中国科学院西北生态环境资源研究院文献情报中心，甘肃 兰州 730000；2.中国科学院大学经济与管理学院，北京 101408)

0 引言

目前，全球经济增长面临人口增速放缓、老龄化加速和环境保护日益严格等诸多约束。国务院发展研究中心预测，全球经济增长速度将呈现趋势性下降，在未来较长一段时间可能会保持较低的增速[1]。与此同时，一些西方国家改变了新自由主义的经济政策，回归某种程度上的国家干预主义，包括国家干预市场、管制贸易并利用它支持本国的产业政策，抑制其他国家的经济发展[2]。在国内外形势的影响下，中国经济已由高速增长阶段转向高质量发展阶段，进入经济增长速度适宜、结构优化的可持续增长新常态。

从本质看，贸易战是国家科技创新特别是高科技的较量[3]。可以预见，随着中美贸易战、科技战全面升级，西方对华技术封锁将长期存在且有加剧之势，在一定时间内对中国的技术引进、技术存量造成不利影响。

经济增长方式由传统的要素驱动向创新驱动转变是新常态发展模式的重要特征[4]。在新常态下，实现创新驱动发展的重要指标是科技成果转化率[5]。相比于发达国家平均40%～50%的科技成果转化率，中国科技成果转化率不足10%，仍处于相对落后的水平[6]。科技成果转化率与经济新常态的要求存在现实落差，成为掣肘创新驱动发展的瓶颈。

促进科技成果转化是社会发展的必然要求，也是政府有效作为的直接结果。如何在经济发展新常态与技术封锁并存情景下通过政策手段进一步促进科技成果转化，是创新驱动发展战略有效实施的关键，对区域发展具有重要战略意义。

1 相关研究综述

从对科技成果转化体系的认知看，研究理念经历了从线性范式到互动范式再到系统范式的转变[7]。线性范式的理论依据主要是社会契约论。科研系统在财政资金支持下，鼓励研究人员进行 “兴趣导向”的自由探索，产业界根据需要寻找所需成果。在此，成果转化是一个被动的、单向的行为；互动范式的理论依据是资源稀缺论，科研活动围绕国家和产业的现实需求展开，研究即服务。科技成果转化呈现科研与产业双向互动的模式；创新生态系统理论是系统范式的理论依据[8]。创新主体通过复杂互动网络，开展 “愿景导向”的科研与创新活动，强调 “研究即引擎”。科技成果转化成为整个创新生态系统的共同行为与落脚点。

从不同研究范式出发，现有研究主要从投入产出视角[9-10]、激励机制视角[11-12]、利益相关者视角[13-16]、法律视角[17-18]、转化模式视角[19-20]等分别强调R&D经费与人员投入、股权激励、产学研结合、科技成果权利归属与转化模式选择等因素对促进科技成果转化的影响。

现有研究的局限性主要表现在两个方面。一是没有从功能性的角度突出科技成果转化在系统范式中的重要性。需要寻找一个理论支持，作为在系统范式下研究创新驱动理念下科技成果转化的依据；二是对科技成果转化影响因素的研究还处在 “一对一”的影响、局部性分析阶段。影响强度的测度未考虑系统要素之间的联动效应。

大国竞争时代下的科技创新已发展到超大规模的资源投入阶段，它已不是通过简单的资源配置能够决定，更需要一套高效率运作的政策体系加以支撑[21]。从上述两点出发对已有研究进行补充，将区域创新能力理论应用于科技成果转化影响因素模型构建，通过情景分析与政策模拟回答在经济发展新常态与技术封锁并存的情景下促进科技成果转化及科技创新的政策路径选择问题。

2 区域创新能力系统框架

区域科技创新理论起源于Freeman[22]的技术创新理论和国家创新理论，最早由Cooke等[23]提出，认为创新能力依赖于主体激励机制与外部环境条件。在此基础上，Tura等[24]认为区域创新能力是一种将经济、智力和社会资源进行有效结合和利用的能力。其构成主体是由研究机构、企业、政府、金融机构组成的科技创新战略联盟，通过整合创新价值链上的各类资源和交互式联动来实现系统的良性发展[25]。其落脚点在于科技成果转化，通过创新促进经济高质量发展[26]，是在 “系统范式下”突出科技成果转化功能的理论支撑。

借鉴陈江涛[27]的研究，科技研发能力、科技成果转化能力、科技支撑能力是影响区域创新能力的3个维度。吸收Roper[28]基于制造业创新过程提出的 “以成果转化为中心”的价值链理念，结合国内外学者对区域创新能力影响因素的研究[29-33]，拓展区域创新能力系统外延，构建以科技成果转化为中心的区域创新能力系统框架，以此作为影响因素的作用边界，如图1所示。

图1 区域创新能力系统框架

3 区域创新能力系统模糊认知图构建

3.1 模糊认知图

模糊认知图 (Fuzzy Cognitive Map，FCM)是一种可用于复杂系统的结构化建模工具[34]，在结构层面上以图形表示，其节点表示所研究系统的概念，边表示这些概念之间的因果关系。FCM的构建需要输入所考虑系统的经验和知识。因此，FCM整合了有关构成系统的因素、特征和组件之间潜在因果关系的累积经验和知识[35]。通过模糊推理，FCM可对系统的未来状态进行预测。

FCM中各概念节点间的因果关系可以用 n×n的邻接矩阵 E =[eij]表示，矩阵元素eij代表连接节点ci和 cj的边权重，若两节点间无因果关系，则用0值表示[36]。

(1)

为了使系统在每次迭代中收敛，通过激活函数f (·)过滤状态向量的值。使用最多的为sigmoid函数与tanh函数。通常，tanh函数的收敛速度较快，故激活函数[39]为：

(2)

判断系统是否进入稳定状态的条件是所有因素的状态取值不再改变，或者达到迭代终止条件 |C(t+1)-C(t)|

3.2 概念节点设计

(1)文献分析。对相关文献进行归纳总结，在区域创新能力框架下初步识别出影响中国科技成果转化的11个因素，见表1。

表1 科技成果转化影响因素

(2)半结构化访谈。在区域创新能力系统框架下对高校及研究院所科研人员、政府科技成果管理机构、创新型企业研发人员 3 类利益相关者进行访谈。通过提问 “当提到建设创新型国家，提升科技研发能力、科技成果转化能力、科技支撑能力、科技创新能力时，您能想到哪些方面的因素?”受访者根据文献分析结果列出自己认为的补充因素。当被提及相关因素不再增加时，可认为影响因素数量达到理论性饱和。本研究访谈人数达到13人时，影响因素不再增加，包括高校及研究院所科研人员5人，政府科技成果管理机构人员4人，创新型企业研发人员4人，经过合并同类概念共得到31个系统要素，见表2。

表2 区域创新能力系统要素

3.3 概念关系强度计算

(1)确定语言变量及隶属度函数。采用5级模糊语义供专家进行概念间因果关系强度描述。模糊语义采用隶属度函数进行定性到定量的转换，以保证权重准确性。设模糊语义变量集合为A，A={VW，W，M，S，VS}，分别表示Very Weak (非常弱)、Weak (弱)、Medium (中等)、Strong (强)、Very Strong (非常强)。对应的隶属度函数为三角形隶属度函数 f (x)，论域为 V =[0,1]，如图2所示。概念间关系方向由访谈结果确定，在此仅需用语言变量表示关系强度。

图2 三角形隶属度函数

(2)确定权重矩阵。在半结构化访谈确定系统要素的基础上，聘请5名领域专家结合受访者意见，利用预先设定的语言变量对各因素之间因果关系方向及强度进行判断。利用重心法 (Centroid)对语言变量进行去模糊化操作得到精确权重数值，即求出模糊集合隶属度函数与横坐标包围面积的中心，选择中心对应的横坐标作为该模糊集合的代表值[36]。

选用Kendall协调系数检验不同专家所构建权重矩阵的内部一致性，协调系数为0.753 (P<0.01)，在0.6～0.8区间，这说明5名专家对系统要素之间影响强度的判断具有较强一致性，结果可信有效。假定5名专家信度相同，采用等权重加权平均方式进行数据集成，最后得到系统要素之间相互影响的综合权值。集成后的模糊认知图包含31个节点、77条边，图密度为0.083，节点平均度为2.484。

4 区域创新能力系统要素功能分析

4.1 驱动因素识别

根据在系统中的作用，模糊认知图中的节点可分为驱动节点、普通节点、接收节点3种类型[48]。驱动节点指可对模型中多个节点的状态产生影响或对某些节点的状态产生重大影响的节点；接收节点指自身状态的变化主要受到系统中其他节点状态变化影响的节点；普通节点对系统的影响范围及力度弱于驱动节点。

通过计算节点的加权中心度来区分节点类别。设od (vi)与id (vi)分别为节点的加权出度与加权入度，计算od (vi)与id (vi)之差a区分节点类别。当a>0时，节点的加权出度大于加权入度，节点为驱动节点；当a<-1时，节点的加权出度远小于加权入度，节点为接收节点；当-1

4.2 区域创新能力系统的稳定状态

区域创新能力系统要素的初始状态值，由5名专家评价的方式给出,设置 “很低、低、一般、高、很高”5个评价等级，用前文所述去模糊化方法分别得到对应数值0.083、0.25、0.5、0.75、0.91，再进行加权平均确定各要素初始状态值。用式 (1)所述推理机制及式 (2)所述激活函数对科技成果转化模糊认知图进行迭代，迭代终止条件为 |C (t+1)-C (t)|≤0.0005。

经过15轮迭代，系统达到稳定状态，各要素节点达到稳定数值的迭代次数存在差异。迭代次数越少，说明区域创新能力系统整体稳定性对该要素的变化反应越敏锐，对系统稳定起短期作用；迭代次数越多，说明该要素在整个迭代周期内均对系统稳定起促进作用，是长效影响因素[49]。知识产权确权、激励机制、科研项目管理、知识产权评议、组织文化、信任水平、市场需求、产业聚集迭代一次即达到稳定状态，是在短期内促进区域创新能力系统达到稳态的8个要素；利益分配、技术引进、知识产权保护、外部市场竞争、知识流动在系统迭代后期达到稳定，是在中长期考察尺度上促进区域创新能力系统达到稳态的5个要素。其中，利益分配要素经过15轮迭代达到稳定，贯穿于系统迭代整个过程，是影响系统稳定持续性最强的一项要素。

5 系统情景模拟

5.1 特定情景对区域创新能力系统的影响

在系统稳定情况下，按照经济发展新常态与技术封锁并存进行情景设置。将区域创新能力系统中的 “技术引进”要素C11与 “经济发展水平”要素C13分别设置为-1、-0.5、-0.1，代表技术引进要素与经济发展水平要素受到 “重度冲击” “中度冲击” “轻度冲击”的情况，得到9种组合模式并进行系统迭代。当系统达到新的稳定状态时，将各要素的值与原稳态值进行对比，可体现出不同冲击水平对系统其他要素的影响，见表3。

表3 不同冲击水平下系统状态的百分比变化 (单位：%)

通过系统模拟可以看出，在 “技术引进”与 “经济发展水平”同时受到轻度冲击的情况下，区域创新能力系统中16项因素受到了影响。受影响程度排序为基础设施建设>税收优惠>R&D 人员投入>政府采购>R&D 经费投入>技术吸收=科技支撑>创新效益>金融支持>知识流动=技术存量>科技研发>科技成果转化>科技创新能力>信息化水平>技术市场成熟度。在此情境下，区域科技成果转化能力下降1%，受影响程度不高。

在 “技术引进”与 “经济发展水平”同时受到中度冲击的情况下，区域创新能力系统中17项因素受到了影响。受影响程度排序为基础设施建设>R&D 人员投入>税收优惠>R&D 经费投入>政府采购>技术吸收>科技支撑>技术存量>科技研发>知识流动>创新效益>科技成果转化>信息化水平>金融支持>技术市场成熟度化>科技创新能力>知识共享意愿。在此情境下，区域科技成果转化能力下降14%，受到一定程度的影响。

在最差情况即 “技术引进”与 “经济发展水平”都受到重度冲击的情况下，区域创新能力系统中17项因素受到影响。受影响程度排序为科技成果转化>科技研发>科技创新能力>R&D经费投入>创新效益>技术吸收>R&D人员投入基础设施建设>科技支撑>知识流动>技术存量>信息化水平>技术市场成熟度>金融支持>税收优惠>知识共享意愿>政府采购。在此情境下，区域科技成果转化能力急剧下降200%，达到极限值，受到严重影响。

将 “经济发展水平”按照受到 “重度冲击” “中度冲击” “轻度冲击”分簇，对 “技术引进”做百分比堆积图，描述 “技术引进”对系统各要素影响程度的变化情况，如图 3所示。

图3 经济发展水平与技术引进的分簇百分比堆积

由图3与表3推断，当 “技术引进”保持特定受冲击水平时，系统要素受影响程度变化趋势均与经济发展水平的受冲击程度保持一致，即系统要素变化与经济发展水平变化呈正相关，直至达到极值，但各要素对经济发展水平受冲击程度的 “弹性”即相对变化率不同。当 “经济发展水平”保持特定受冲击水平时，受影响要素的变化趋势与技术引进的受冲击程度不总是保持一致，在经济发展水平受冲击程度达到一定程度时，大量系统要素达到极值，不再随技术冲击水平变化而变化。在百分比堆积图中表现为当经济发展水平受到重度冲击时，系统各要素在技术引进-0.1、0.5与-1水平下的面积相等，经济发展水平受冲击程度对技术引进具有 “门限效应”。

5.2 特定情景下的区域创新能力系统政策模拟

选择经济发展水平与技术引进均受到中度冲击时的情景进行政策模拟。考察不同政策对区域创新能力系统功能提升的有效性。

Lowi[50]以政策的 “强制性程度”以及 “强制性作用的途径是个体还是环境”为依据，将政策划分为管制政策、分配政策、再分配政策与自我管制政策 (或构成性政策)这4种类型。管制政策的强制性程度高，强制力针对个体。该类政策对个人或团体的行动加以限制和约束，且规定了对不服从行为的惩罚，通常涉及利益集团之间的冲突[51]。分配政策的强制性程度低，强制力针对个体。此类政策将服务和利益分配给特定的人群或地区，但不给目标群体施加过多义务，一般涉及税务减免、政府补贴等。自我管制政策的强制性程度低，强制力针对行为环境，指政府仅设定原则性的规则，由各团体自行决定采取何种具体方案，而政府不加干预的政策类型[52]。再分配性政策着眼社会公平，涉及不同社会阶级、有产者和无产者之间的冲突。该类政策一般制定周期较长，政策较为稳定，本研究不涉及此类政策。

(1)管制型政策。区域创新能力系统中的管制政策为知识产权相关政策，就促进科技创新而言，知识产权在本质上是有利于竞争的，因此属于竞争性管制政策范畴[53]。

根据模拟结果，在经济发展水平较低的情况下，知识产权保护政策的强度提升会促进经济发展，但同时使科技创新能力下降，选择当科技创新能力提升最多情况下经济发展水平达到最大值时的知识产权保护政策强度，作为最优水平进行系统设置。知识产权确权政策下，提升显著的要素为利益分配、技术创新战略联盟、技术市场成熟度与技术吸收；知识产权保护政策下，提升显著的要素为技术创新战略联盟、技术市场成熟度、技术吸收与知识共享意愿；知识产权评议政策下，提升显著的要素为金融支持、技术市场成熟度、R&D经费投入。知识产权政策组合实施对系统要素影响的效果优于单个政策实施，在政策组合实施的影响下，系统要素的提升情况见表4。

表4 知识产权政策组合要素影响效果 (单位：%)

在实施知识产权政策组合的情况下，系统提升比例最大的要素为技术创新战略联盟。此外，主要考察指标科技成果转化与科技创新能力也提升了4%。经济发展水平得到小幅提升，系统能够进行正向循环。经过一段时间，可在一定程度上抵消外部影响对经济发展水平的冲击。

(2)分配型政策。分配型政策是民主国家占比最高的政策类型[54]。区域创新能力系统可控政策因素中所包括的分配型政策有R&D人员投入、R&D 经费投入、金融支持、税收优惠、政府采购。分配型政策在最优情况下对区域创新能力系统影响的模拟结果见表5。

表5 分配型政策影响效果 (单位：%)

系统模拟结果显示，金融支持政策的实施影响系统中13项要素的变化，受影响程度较大的前3位要素为R&D经费投入、技术市场成熟度和技术吸收，分别得到22%、14%和10%的提升；税收优惠政策的实施影响系统中15项要素的变化，受影响程度较大的前3位要素为创新效益、R&D经费投入和R&D人员投入，分别得到17%、13%和12%的提升；R&D人员投入政策的实施影响系统中13项要素的变化，受影响程度较大的前3位要素为R&D经费投入、技术存量和科技研发，分别得到26%、20%和11%的提升；R&D经费投入政策的实施影响系统中13项要素的变化，受影响程度较大的前3位要素为技术吸收、科技研发和科技成果转化，分别得到20%、7%和3%的提升；政府采购政策的实施影响系统中14项要素的变化，受影响程度较大的前3位要素为创新效益、R&D经费投入和R&D人员投入，分别得到18%、14%和12%的提升。

各项分配型政策实施对主要考察指标提升的情况是：①科技成果转化：R&D人员投入>R&D经费投入=金融支持>税收优惠=政府采购；②科技创新能力：R&D人员投入>R&D经费投入=金融支持=税收优惠=政府采购。

(3)自我管制型政策。区域创新能力系统可控政策因素中所包括的自我管制型政策有激励机制、利益分配、科研项目管理、信任水平、组织文化。自我管制型政策在最优情况下对区域创新能力系统影响的模拟结果见表6。

表6 自我管制型政策影响效果(单位：%)

系统模拟结果显示，激励机制影响系统中13项要素的变化，受影响程度较大的前3位要素为知识共享意愿、知识流动和技术吸收，分别得到39%、5%和14%的提升；利益分配政策的实施影响系统中14项要素的变化，受影响程度较大的前3位要素为技术创新战略联盟、技术吸收和技术市场成熟度，分别得到68%、33%和23%的提升；科研项目管理政策的实施影响系统中9项要素的变化，受影响程度较大的前3位要素为科技支撑、科技研发、技术存量与知识流动，分别得到40%、5%和3%的提升；系统内各主体的信任水平影响系统中14项要素的变化，受影响程度较大的前3位要素为技术创新战略联盟、技术吸收和知识共享意愿，分别得到50%、31%和27%的提升；系统的组织文化尤其是风险偏好影响系统中14项要素的变化，受影响程度较大的前3位要素为技术创新战略联盟、R&D人员投入和技术吸收，分别得到60%、56%和45%的提升。

各项自我管制型政策实施对主要考察指标提升的情况是：①科技成果转化：激励机制>信任水平=科研项目管理；②科技创新能力：组织文化>利益分配=科研项目管理>激励机制。

6 结论

通过在区域创新能力框架下构建以科技成果转化为中心的模糊认知图，在全球经济低速增长与科技围堵和封锁长期存在的情境下进行政策模拟，取得了比较符合实际的结果，得到以下启示。

6.1 明确知识产权政策在创新驱动战略中的基础性地位

横向对比各项政策实施对科技成果转化、科技创新能力、经济发展水平这3项主要考察指标的提升作用，知识产权确权、知识产权保护和知识产权评议这3项政策组合实施时，3项指标的综合提升效果达到最高。在针对提升科技成果转化能力进行政策优化时，应做到知识产权政策先行，在此基础上进行政策组合。

知识产权确权方面，自2015开始中国职务发明专利授权量超过了发明专利授权总量的90%[55]，是科技成果最重要的组成部分。合理的职务发明权属构建模式是提高科技成果市场转化效率的基础，也是转化主体各方的动力所在。中国职务发明所有权归承担单位所有，单位享有 “一年以内科技成果转化的独占实施权”，这一规定在一定程度上延缓了科技成果转化进度。有学者提出 “职务科技成果混合所有制”理念，认为职务科技成果知识产权由职务发明人和单位共同所有，既能保障国有资产不流失，还能通过产权驱动来调动科技人员的积极性，更好促进科技成果转化[56]。这一模式是在知识产权确权上值得探索的方向。同时，明确多个发明人的贡献度也是知识产权确权需要重点关注的问题，这方面需要借鉴国外已有经验同时结合中国国情进行更多的量化研究。

科技成果转化的强专业性与高风险性决定了判断科技成果市场转化条件的知识产权评议工作的重要性。合理的评价标准是知识产权评议结果科学、可信的关键。2016年首都科技服务业协会、中关村天合科技成果转化促进中心、中国标准化研究院等单位联合发布的全国首个科技服务业团体标准 《科技成果转化成熟度评价规范》可作为科技成果转化评价的依据和操作规范[57]。科技成果转化评议政策应从标准化角度入手，进一步推动行业标准乃至全国标准的制定以提升第三方评议的市场认可度。此外，在科技成果转化评议中应关注拟转化成果项目的法律可行性，主要体现为项目方向的 “专利诉讼与纠纷案件数量”这一指标。

知识产权保护不力是制约科技成果转化的重要因素，会严重降低创新收益预期，从而影响创新投入和技术研发。现阶段中国已建立了较完备的知识产权保护政策体系，在新一轮科技革命和产业革命蓄势待发背景下，应从两个方面进一步推进知识产权保护。①制定面向特定领域的知识产权保护战略规划[58]。聚焦新技术新领域和新业态发展，加快知识产权密集型产业和战略性新兴产业的知识产权规划设计，力求产权保护精准化；②预判新型知识产权形式，更多关注基于人工智能产品的知识产权保护政策方案的前期研究。

6.2 自我管制型政策应得到进一步重视

由于自我管制型政策不受政府强制干预，在不同层面的实际实施中存在不同组织中执行规则差别较大、落实不到位的问题。政策模拟的结果显示自我管制型政策在区域创新能力系统中的作用有其独特性，激励机制对系统中关键不可观测隐性要素知识共享意愿的影响较大，利益分配是影响系统稳定的长效影响因素，组织文化直接影响分配型政策的实施。这些特殊性决定了自我管制型政策在促进区域创新能力系统优化的政策组合中是不可或缺的一部分。

激励机制是对科技成果转化影响最大的一项自我管制型政策。一方面，2015年 《科技成果转化法》最显著的修改就是大幅度提高了给予科技人员和转化人员奖励和报酬的法定标准，同时采取了约定优先原则，原则上允许单位与其员工协商确定科技成果转化奖励和报酬的标准和数额；另一方面，在激励政策落实的时效性方面，各类法规均没有制定明确的执行标准。各地区各部门应充分利用约定优先原则，根据自身情况，在法定标准的基础上，进一步提升科技人员和转化人员的奖励和报酬水平。在此基础上，增加激励落实时间节点的政策条款，以保障激励到位。

在激励形式上，更多探索非现金权益激励方式的政策落地。科技人员项目跟投是激励成果转化较好的形式，但 《国务院国有资产监督管理委员会关于规范国有企业职工持股、投资的意见》等现有政策规定，对国有企业员工持有项目公司股权以及股权激励的总额存在上限，在一定程度上制约此类激励模式的实施。对此，需要从政策协调与配套政策一致性角度对现有政策进行调整。

此外，非物质激励措施也应得到同步重视。人才内部流通机制、职称评定机制、人文关怀机制等都是各地区各部门制定科技成果转化激励政策时需要考量的因素。

综上，抓住以科技成果转化为中心的科技创新体系这个突破口，可以形成科技创新战略安排和科技资源配置的新框架，有助于为理顺并解决一些尚存的体制和政策问题提供决策支持。不同的政策措施对区域创新能力系统带来不同的管理结果，决策者可根据决策目标选择最优的政策组合方案来达到管理目的。政策路径的选择应根据决策目标的变化动态调整，决策目标包括但不局限于系统的主要考察指标。此外，从宏观角度出发，国家科技布局战略、科技文献长期保存制度的建立、科技情报服务体系的建设与政策支持等也是应对技术封锁值得探讨的政策方向。