EN中文

Economic geography >

2024 , Vol. 44 >Issue 12: 121 - 131

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.12.013

Evolutionary Mechanisms of Technology Innovation of Strategic Emerging Industries in China at the Prefecture Level

  • ZHOU Ruibo ,
  • SHEN Le ,
  • HUANG Anxiao
Expand
  • School of Economics and Finance，South China University of Technology，Guangzhou 510006，Guangdong, China

Received date: 2024-03-25

  Revised date: 2024-12-20

  Online published: 2025-01-21

Fold

Abstract

Based on the data of invention patent applications in 282 China's prefecture-level cities from 2010 to 2021, and using the theory of evolutionary economic geography and the biological evolution's metaphor of Generalized Darwinism, this paper constructs a theoretical analysis framework of technology innovation of strategic emerging industries from three dimensions of technological relatedness, diversity and complexity, and explores the impact of the urban knowledge base, technological structure and technology market on the technology innovation development of strategic emerging industries. It’s found that: 1) The patent output of strategic emerging industries in China is large in scale and fast in growth, and shows the gradually weakening distribution pattern from the east of China to the west of China. 2) The overall levels of technological relatedness and diversity have risen significantly in prefecture-level cities, and the technological space shows the characteristics of "core-edge" and "dual-core" structure. 3) The innovation of industrial technology is influenced by a combination of technological relatedness, diversity and complexity, technological relatedness is conducive to technological entry and development, while technological diversity is not conducive to technological entry and development, technological complexity hinders the technological entry but facilitates technological development. It explores the developmental and evolutionary mechanisms of technological innovation of strategic emerging industries from the perspective of endogenous development of industrial technology, which enriches empirical research on the development of new quality productive forces in China, expands the analytical perspective of industrial technology evolution, and deepens the understanding of the laws of industrial technology innovation and development.

Key words： strategic emerging industries; technological evolution; technological relatedness; technological diversity; technological complexity; industrial technology innovation; new quality productive forces

Cite this article

ZHOU Ruibo , SHEN Le , HUANG Anxiao . Evolutionary Mechanisms of Technology Innovation of Strategic Emerging Industries in China at the Prefecture Level[J]. Economic geography, 2024 , 44(12) : 121 -131 . DOI: 10.15957/j.cnki.jjdl.2024.12.013

2023年9月，习近平总书记在黑龙江考察时首次提出要“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”。以科技创新推动产业创新，培育发展战略性新兴产业技术，是构建现代化产业体系、生成新质生产力的关键[1-2]，也是全国各地正努力发展的方向。然而，在“由上而下”政策体系和“地方主义”竞争格局下，地方政府为了抢占科技前沿和产业高地，罔顾地区知识基础、产业技术结构和科技创新能力，争先布局新一代信息技术、人工智能、新能源、新材料等战略性新兴产业，争相竞夺科技资源和尖端人才，造成产业规划同质化、科技资源分散化以及重复建设、恶性竞争等诸多问题，存在严重的盲目跟风乱象和发展路径焦虑[3]。因此，厘清战略性新兴产业技术发展演化的一般规律和动力机制，对指导各地“因地制宜发展新质生产力”，优化科创资源配置，科学布局战略性新兴产业，精准开辟发展新领域新赛道，都具有十分重要的现实意义。
地方产业技术并非无中生有，也不会横空出世，而是一个需要前瞻布局、逐步积累并经历市场竞争的内生演化过程，必须置于本地历史奠定的知识基础、技术结构以及市场竞争环境中进行综合研究。知识组合理论认为，科技创新活动实质上是既有知识的重新组合过程；熊彼特的创新发展理论也指出，创新的本质是生产要素的重新组合并“建立一种新的生产函数”[4]。这表明产业技术创新高度依托既有知识基础以及产业技术结构特征，通过特色优势技术的重新组合实现“创造性破坏”，进而产生区域分支和相关多样化过程[5]。欧盟称之为“精明专业化”战略，倡导大力发展与本地高度关联的产业技术，降低新兴技术的进入难度和发展风险；并尽力拓展本地独有的高复杂性技术，以保持特有复杂技术的领先优势。可见，产业技术创新发展研究，必须立足本地知识基础、技术结构特色和历史发展脉络，重视技术结构作用和内生演化机制。然而，现有研究大多以全样本技术为研究对象，存在着产业技术缺乏分类或分类过粗的问题，更缺少针对地区知识基础、产业技术结构和市场竞争环境等相关影响机制的综合研究。同时，少数聚焦于战略性新兴产业的研究，也仅停留在时空特征的静态定性描述和政府能动性的外生因素分析上[6-7]，既缺少战略性新兴产业技术细分类别的定量研究，也缺乏对技术创新内生动力和影响因素的探讨，研究结论对于技术演化机制的解释以及实践发展的指导都严重不足。
广义达尔文主义作为演化经济地理学的理论基础之一，其生物进化隐喻为地方产业技术更迭演替提供了独特的分析视角[8-9]。如上所述，地方产业技术是一个历史奠定、进退更迭并持续演替的动态过程，知识组合创新诱发新产业、新技术不断涌现，市场竞争和区域选择导致落后产业技术不断淘汰消亡[10]，这一过程与生物种群遗传、变异和进化有较高的相似性。一方面，技术创新根植于地区产业基础和技术“基因”，技术间相似程度即关联性是知识“遗传”的基础，引导地方产业技术沿着既有路径发展，呈现路径依赖特点；同时，技术结构多样化程度即多样性为知识重组、产生“变异”提供可能，有助于新奇技术的产生并推动技术实现路径突破。另一方面，产业技术创新发展需要经历优胜劣汰的市场竞争选择，复杂技术由于不易被学习、模仿和扩散而具有市场独占性、稀缺性，其垄断竞争优势带来较高的市场价值，并在演进过程中不断自我强化而不易被淘汰。
基于此，本文借鉴广义达尔文主义的生物种群进化隐喻，利用2010—2021年中国282个市域580.14万条发明专利申请数据，统计展示我国战略性新兴产业技术创新发展、时空演化和技术空间等特征性事实，将发明专利数据中的IPC技术类别一一对照并归集到战略性新兴产业的行业类别上，并从关联性、多样性和复杂性3个维度研究产业技术演化的一般规律和发展机制，系统探究本地知识基础、地区技术结构和技术市场竞争对产业技术创新发展演化的影响机制。本文认为战略性新兴产业技术创新发展受技术关联性、多样性和复杂性共同影响，其中关联性有利于技术进入和发展，而多样性不利于技术进入和发展，复杂性阻碍技术进入但有利于技术发展。因此，各地发展新质生产力要遵循产业技术创新发展一般规律，根据本地的优势特色资源、产业技术基础和科技创新条件等，从实际出发，因地制宜、分类指导，防止脱离实际的盲目跟风或低效无效的重复建设。

1 文献综述

1.1 技术结构视角下的产业技术演化

一个地区的产业技术是如何起源和发展演化的?熊彼特的“创造性破坏”概念和“重组创新”理论最为经典，认为创新是对现有知识的重新组合[4]，因此区域的知识技术基础和组合方式决定了产业技术演化。传统观点认为，一个产业内部的知识溢出是地区创新的主要源泉，即专业化有助于创新，被称为“MAR外部性”。而Jacobs指出，不同产业之间的知识溢出才是推动地区创新和经济增长的主要动力[11]。他认为，多样化结构下的互补性知识和差异化思维能够带来更高的创新回报，即多样化有利于创新，Glaeser等人称之为“Jacobs外部性”[12]。基于此，学者们针对“专业化和多样化何者更有利于创新”这一问题展开“非此即彼”的长期激烈讨论[13-14]。在以中国区域为研究对象的实证研究中，多样性对区域技术创新和产业发展的影响效果一直存在争议。例如，苏楠等认为知识多样性为不同创新主体之间的知识模仿、学习和整合重组提供了有利的条件，经验证据也证明其对技术创新具有积极影响[15]；孙瑜康等实证检验发现城市的知识多样化程度与创新水平呈“倒U型”关系，认为早期阶段城市知识多样化水平提升带来的溢出效应是中国区域创新增长的主要动力[16]；而赵建吉等得到不同结论，认为多样化阻碍了区域产业增长[17]。
多样化对技术创新的不确定性影响，可能原因是并非所有技术都能组合在一起并带来创新。Frenken等从“认知邻近性”的视角打破了“MAR外部性”和“Jacobs外部性”的二分法框架，进而导向相关多样化和非相关多样化的研究，发现相关多样性能够更好地促进区域创新[18]。具体而言，非相关多样性因过远的认知距离而导致沟通障碍，不利于技术交流和知识重组；相反，单一的专业化结构又因认知过度相似而难以带来新的信息，容易陷入路径锁定，因此合适的认知距离是知识溢出和技术重组的必要条件[19]。为了测量两种技术之间的认知距离，Boschma等[20]将Hidalgo等[21]提出的“产品空间”概念拓展到技术层面，认为新技术的创生需要本地现有知识的重新组合和开发，且依赖于特定的资源要素禀赋、产业基础和文化制度环境等地方条件。理论上，如果两种技术使用了比较相似的知识，那么更可能同时出现在同一地区。因此，根据不同技术在同一地点的共现概率测量技术之间的认知距离，称之为技术关联性，以此来刻画一个地区的“技术空间”。众多研究发现，一项新技术与本地现存技术的关联性越高，就越有可能进入该地区，反之越容易退出该地区[22-23]。也就是说，地区现有技术基础为新技术进入和发展提供了有利条件，即创新活动具有路径依赖特征。

1.2 技术复杂性视角下的产业技术演化

除了地区技术结构（关联性和多样性）影响技术演化之外，技术本身的复杂性也是影响技术演化的重要原因。后有学者从技术“质量”的角度引入复杂性的概念，认为复杂技术往往具有较高的附加价值和垄断收益，且其内含的隐性知识难以被模仿和学习[24-25]，只能在某些特定环境下产生或传播，因而具有较强的空间粘性，往往集聚在创新能力强的中心城市[26]。Balland等构建了包括关联性和复杂性两个维度的“精明专业化”框架，研究区域多元化的路径。根据“关联性”和“复杂性”的大小组合划分出4个象限的技术发展策略[5]。区域衍生与其关联性强的技术，基础更好且风险更小；而发展复杂性高的技术，难度更大但潜在收益更高，因此许多地区存在渴望发展复杂技术却基础能力不足的“多元化困境”。该框架被广泛应用至区域技术演化路径的理论和实证研究之中，学者们发现，尽管不同地区的技术演化路径和机制具有差异性，但总体而言，在当地相关能力的基础上开发新的复杂技术能够有效缓解“多元化困境”[27-28]。
需要注意的是，产业技术空间处于动态变化的过程，不同产业技术可能存在演化机制的差异性。战略性新兴产业技术与传统产业技术的核心区别在于，其同时具备主观上的“战略性”和客观上的“新颖性”，空间分布上往往表现出更强的自由度和偶然性。王建华利用2010—2020年城市层面的专利数据针对战略性新兴产业的技术路径展开研究，发现邻近性技术路径发展依赖于本地知识基础，而突破性技术路径发展则不然，呈现出随机偶然性[29]。同样是新兴技术，欧洲地区工业4.0技术的发展呈现显著的路径依赖特征，即在工业3.0技术具有比较优势的地区，开发新的工业4.0技术的潜力更大[30]。徐洁等发现，非关联技术对战略性新兴产业技术的进入和增长具有促进作用，其突破性创新更多地源于多样化知识溢出和异质性技术融合[31]。同时，也有研究发现非相关多样化的技术结构不利于新兴产业早期的技术创新[32]。
总体上看，现有产业技术演化机制相关研究主要聚焦两大方向，一是从地区的技术支持角度，以技术多样性和关联性分别衡量区域技术结构和知识基础，探究产业技术创新发展的内生条件；二是从技术的市场竞争角度，通过技术复杂性反映技术的获取难度和市场价值，分析市场优胜劣汰的选择作用对技术演化的影响机制。综上，已有研究为本文提供了有益参考，但仍有进一步拓展的空间：①大多数学者仅从关联性、多样性和复杂性中的1个或2个维度分析技术演化机制，鲜有同时纳入3个维度的实证研究；②受限于战略性新兴产业技术的数据获取，现有文献大多数以全样本技术为研究对象，缺少细分类别的产业技术数据，无法全面揭示战略性新兴产业技术创新发展的演化机制；③研究结果中地区技术结构多样性对新兴产业技术演化发展的影响机制存在争议，且关于技术“质量”层面即技术复杂性的讨论不足。由此可见，当前学界对于战略性新兴产业技术创新发展演化机制仍缺乏系统性研究和证据，亟需构建一个包含技术多样性、关联性和复杂性3个维度的综合分析框架，以实证检验本地知识基础、产业技术结构和技术市场特征对地方战略性新兴产业技术创新的影响机制。

2 研究设计

2.1 理论分析框架

总结相关文献可知，技术关联性、多样性和复杂性等技术结构特征对于理解地方产业技术演化发展至关重要。本文基于演化经济地理学的三大理论基石（路径依赖理论、路径创造理论和复杂性理论），借鉴广义达尔文主义的生物进化隐喻，引入“遗传、变异、选择”等核心概念，用以对照关联性、多样性和复杂性等产业技术结构特性，并将其纳入统一的理论分析框架，多维度综合探讨战略性新兴产业技术创新发展演化机制（图1）。地方产业技术演化是动态多阶段的，包括新技术和新产业的涌现，现有产业技术水平的提升和规模的扩大，以及落后技术和产业的淘汰和退出[33]。在战略性新兴产业领域，能否在新的前沿技术建立比较优势，以及维持现存技术的更新增长速度，对于城市提升产业竞争力、加快形成新质生产力尤为重要。因此，本文将技术进入和技术发展作为评估战略性新兴产业技术演化过程的两个重要指标，从理论上分析技术关联性、多样性和复杂性的作用机制和影响效果（图1）。
图1 基于广义达尔文主义生物进化隐喻的研究假设

Fig.1 Research hypotheses based on the biological evolution’s metaphor of Generalized Darwinism

首先，技术关联性指新技术与现有技术之间的相似程度或关联程度，体现了本地相关知识基础和技术支撑能力，是产业技术演化的基础和主线。依据路径依赖理论所强调的“惯例”和“关联”法则，技术关联性突显了区域在现有优势技术的基础上衍生新技术的潜力大小，因此也是区域分支（即区域技术延展）的内在驱动力[34]。地方发展关联技术，往往能够以较低成本获得相关知识和相似技术支持，从而形成技术演进并实现自我强化，带动同类型技术的持续发展。
其次，技术多样性指的是地方技术门类的多寡，反映了当地技术结构特征和知识丰沃程度。技术多样性给地方带来更多的知识重组机会，在一定程度上决定了技术交叉组合和新奇涌现的概率大小[35]，构成了技术突破性创新的基本动力，这与熊彼特等提出的“重组创新”和“创造性破坏”等观点相一致[4]。然而，非相关的多样化技术结构会导致资源的分散，使得城市在特定技术上的投入不足，并增加跨领域的技术交流成本。因此，过度多样化可能会对技术进入或发展产生不利影响。
最后，技术复杂性指技术本身的知识隐晦程度和学习模仿、扩散传播的难易程度。产业复杂性同样影响技术演化，复杂技术难以掌握导致遍在性低（或称偏在性高），但“稀缺性”又使其具有较高的市场价值，在“进化”过程中形成垄断竞争优势而不易被市场淘汰[25]。同时，复杂技术包含一些根植于工人、企业和特定区域环境中的隐性知识，这些非编码知识难以被复制和模仿，具有较强的空间粘性，对技术导入有阻碍作用。因此，尽管各地都渴望在复杂技术上建立比较优势，获取技术垄断租金实现技术持续领先发展，但大多数区域缺乏衍生复杂技术的基础条件和相关能力。
综上所述，在关联性、多样性和复杂性的共同作用下，地方产业技术结构演化或是沿着“惯例”形成路径依赖、或是产生“新奇”实现路径突破，并在市场竞争中优胜劣汰，最终形成一个兼具传承性、涌现性和适应性的非线性变化的复杂过程。

2.2 数据来源及说明

发明专利是对产品、方法或流程所提出的新技术方案，作为知识产权和技术信息的载体，是衡量技术创新产出的常见指标。相比实用新型和外观设计专利，发明专利科技含量更高、获取难度较大，更能真实反映地区产业技术创新能力。此外，发明专利从申请到授权需要经过实质审查，需要1~3年不等时间，授权专利存在滞后性，难以及时反映当期创新活动。因此，本文采用发明专利申请数据来衡量战略性新兴产业技术创新活动产出。具体数据来源及处理步骤如下：①从“incoPat全球专利数据库”下载2010—2021年中国市域申请的发明专利数据。②根据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（2021）》，将发明专利IPC分类号对应到战略性新兴产业的40个二级分类，共涉及国际专利分类表8个部、89个大类、317个小类、2893个大组、35473个小组。③根据申请人地址将专利匹配到相应市域。由于部分市域在研究期间经历了行政区划调整导致数据不统一，基于数据可得性和完整性要求，本文剔除数据缺失较多的港澳台地区及有关市域，最终得到282个市域2010—2021年按战略性新兴产业分类的发明专利申请数据。此外，实证回归模型中的控制变量数据均来源于历年的《中国城市统计年鉴》，少量缺失值使用地方统计年鉴数据或采用线性插值法进行补充。

2.3 变量测算方法

2.3.1 技术关联性

本文借鉴Boschma、Hidalgo等的方法[20-21]，基于“共现”原则，通过计算城市优势技术共现概率反映不同技术类别之间的关联性。“共现”法的计算原理在于：一种特定技术的产生，必须依赖于某些环境条件进行。如果两项技术经常同时出现在某一市域，那么它们应该具有很高的技术共性或相似性，技术演化发展所依赖的劳动力、产业结构、科研背景一般都是类似的。
首先，比较优势技术参照区位商的方法计算。以P a t e n t c , i表示市域c在战略性新兴产业技术i的发明专利申请数量，若其占该市域所有专利数量的比重大于等于全国该技术i所占的比重，则认为市域c在产业技术i具有比较优势，记为R T A c , i = 1；否则不具有比较优势，记为R T A c , i = 0。即：
当 P a t e n t c , i / ∑ i P a t e n t c , i ∑ c P a t e n t c , i / ∑ c , i P a t e n t c , i ≥ 1 ,   R T A c , i = 1
当 P a t e n t c , i / ∑ i P a t e n t c , i ∑ c P a t e n t c , i / ∑ c , i P a t e n t c , i 1 ,   R T A c , i = 0
其次，利用“共现”原理，计算两种优势技术间共现的条件概率，用以衡量技术间关联度。如果技术i、j总是在同一市域中具有比较优势，则认为它们之间关联度ϑ i , j较高。即：
ϑ i , j = m i n P R T A c , i = 1 R T A c , j = 1   , P R T A c , j = 1 R T A c , i = 1
最后，计算技术i与市域c既有优势技术之间的总体关联度，也称技术密度，用D E N c , i表示，指技术i与市域c所有其他具有比较优势的技术间关联度之和除以技术i与所有技术的关联度之和。即：
D E N c , i = ∑ j ∈ c , j ≠ i ϑ i , j / ∑ j ≠ i ϑ i , j

2.3.2 技术多样性

参考Frenken等的方法[18]，本文采用熵值法对我国市域战略性新兴产业技术多样性（D I V c）进行测度。具体计算公式如下：
D I V c = ∑ i p c , i l n 1 p c , i
式中：p c , i表示市域c的技术i专利数量占市域c专利总量的比重。

2.3.3 技术复杂性

本文基于Hidalgo等提出的反射法[24]计算技术复杂性。其原理是：如果一项技术越复杂，那么其越难以被其他地区学习和扩散，表现为越少地方拥有该技术，掌握复杂技术的地区往往具有更复杂的技术构成[25]。
首先，利用市域及其所具有比较优势的技术类别，构建市域—优势技术双模网络，表示为一个282×40阶的双模二值矩阵M c , i，反映了市域c在产业技术i的生产上是否具有比较优势R T A c , i。
其次，利用矩阵M c , i计算市域的度数中心性（K c , 0）和技术的度数中心性（K i , 0），分别表示市域c的技术多样性和技术i的空间遍在性。
K c , 0 = ∑ i M c , i
K i , 0 = ∑ c M c , i
市域c的复杂性和技术i的复杂性相互构成函数关系，因此复杂性的计算需要通过n次迭代以组合对多样性和遍在性的衡量。随着迭代次数的增多，指标的估计会变得越来越准确，当排名最终无变化时停止迭代。每个市域的复杂性值C o m c和每项技术的复杂性值C o m i的计算公式分别为：
C o m c = K c , n = 1 K c , 0 ∑ i M c , i K i , n - 1
C o m i = K i , n = 1 K i , 0 ∑ c M c , i K c , n - 1
最后，由于迭代次数的不同，导致输出结果的量级差异较大，故需将复杂性指标计算结果进行标准化处理，最终得到技术复杂性C O M i。

2.4 计量模型设定

构建两个变量衡量战略性新兴产业技术创新发展演化过程：①技术进入（ENTRY）指比较优势的形成，表示市域c在某种战略性新兴产业技术的相对优势实现从0到1的突破。即当R T A c , i , t - 1 = 0且R T A c , i , t = 1时，赋值为E N T R Y i , c , t = 1；当R T A c , i , t - 1 = 0且R T A c , i , t = 0时，赋值为E N T R Y i , c , t = 0。若样本在t-1期已经具有比较优势，即当R T A c , i , t - 1 = 1时，将E N T R Y i , c , t赋为缺失值。②技术发展（GROWTH）使用市域c一年中某一战略性新兴产业类别发明专利申请数量的增长率衡量。由于技术进入是0或1的逻辑值，本文采用线性概率OLS面板模型进行回归分析。这是因为当样本量足够大时，基于Logit或Probit的伪极大似然估计的边际效应和基于OLS条件均值估计在均值附近非常接近，而使用非线性估计可能会造成偏误。参考Balland等的做法[5]，构建以下模型：
E N T R Y i , c , t = α 1 D E N i , c , t - 1 + α 2 C O M i , t - 1 + α 3 D I V c , t - 1 + β 1 C I T Y i , c , t - 1 + θ c + δ t + ε i , c , t
G R O W T H i , c , t = α 1 D E N i , c , t - 1 + α 2 C O M i , t - 1 + α 3 D I V c , t - 1 + β 1 C I T Y i , c , t - 1 + θ c + δ t + ε i , c , t
式中：θ c是市域固定效应；δ t是时间固定效应；ε i , c , t是回归残差。变量CITY包含一系列可能影响产业技术演化的控制变量，分别是人口密度对数值（lnpopd）、人均GDP对数值（lnpgdp）、科学技术支出占地方一般公共预算支出比重（est）和普通本专科生占全市人口的比重（edu）。另外，针对该模型可能存在反向因果等导致的内生性问题，对自变量和控制变量进行一阶滞后处理，不仅考虑到时滞效应，还可以减少内生性偏误。

3 市域战略性新兴产业技术创新发展演化特征

3.1 技术结构演化特征

近年来，我国战略性新兴产业技术蓬勃发展，发明专利申请总量从2010年的12.35万件迅速增加到2021年的85.47万件，年均增长高达46.95%（图2）；战略性新兴产业发明专利申请数量占发明专利申请总量的比重超过60%，成为我国科技创新的主阵地。从技术的产业类别上看，各门类创新产出均有明显增长，但增长态势迥异。其中，新一代信息技术发明专利申请数量常年位居第一，约占1/3，且一直保持快速增长态势；新能源汽车产业和新能源产业技术、数字创意产业和相关服务业产业技术等近年来也保持较快增长。相比之下，新材料产业、生物产业等技术在2017年后创新产出增速明显放缓，甚至在2019年出现回落。总体而言，我国战略新兴产业技术发展迅猛，是我国科技自立自强，加快形成新质生产力的关键领域，其中新一代信息技术一枝独秀，处于创新活跃发展期。
图2 2010—2021年中国战略性新兴产业专利数据

Fig.2 Patent data of strategic emerging industries in China from 2010 to 2021

本文借鉴Hidalgo等的“产品空间”理论方法[21]，基于2010和2021年的全国市域战略性新兴产业发明专利数据测算产业技术之间的关联性，并绘制展示战略性新兴产业“技术空间”关联图（图3）。图中圆圈颜色分别代表九大类战略性新兴产业技术，数字为二级分类代码，圆圈大小表示发明专利数量多少，圆圈之间连线的距离和粗细表示技术之间的关联程度。由图3可知，战略性新兴产业技术空间所呈现的技术关联网络总体上由稀松向紧密发展，表明随着产业技术规模的增长，网络联结、技术关联整体上越来越密切。从网络结构上看，技术空间呈现“核心—边缘”分布和“双核”结构特征，技术关联具有产业异质性和非连续性。其中，高端装备制造、节能环保、新材料和生物等产业技术关联性一直保持较高水平，长期位于技术空间的网络核心，技术可迁移性强，衍生相关联技术的潜力大；而新一代信息技术和数字创意产业技术与其他产业技术的关联性一直保持较低水平，处于技术网络的边缘，说明其技术通用性弱，难以从其他领域实现技术迁移，技术创新对其他产业技术的依赖性相对较弱。但是，近年来随着数字技术的迅猛发展和数字经济的蓬勃兴起，新一代信息技术和数字创意产业技术规模显著增大，其内部技术关联网络也迅速发展，逐渐形成一个新技术核心，战略性新兴产业技术“双核”结构特征愈发明显。可能的原因是，诸如人工智能、物联网、区块链等前沿数字技术的突破，不仅极大地增强了数据处理能力，促进了技术深度集成与交互操作，更推动了技术生态系统从线性发展向网状互联的转变。技术之间内生关联性因此显著增强，逐渐形成了以数字技术为核心的新技术群落。
图3 中国战略性新兴产业技术空间结构演变

Fig.3 Structural evolution of technological space for strategic emerging industries in China

3.2 空间结构演化特征

本文以2010、2015和2021年为观察年份，采用ArcGIS软件可视化分析战略性新兴产业技术空间分布及其演化特征。总体上看，我国战略性新兴产业技术发明专利产出在空间分布上呈现“东—中—西”逐渐减弱的格局，并表现出中心城市集聚和邻近扩散并存的趋势（图4a）。一方面，战略性新兴产业技术高度集聚在我国区域中心城市和城市群地区。2021年，共有20个市域战略性新兴产业发明专利申请数量超过10000件，主要分布在京津冀、长三角、珠三角、成渝、武汉、西安等地。排名前5位的城市分别为北京、深圳、上海、广州和杭州，排名前10位的城市发明专利总量约占全国的50%。相较于传统技术，战略性新兴产业技术涉及短期收益不明的新领域或前沿复杂的突破性技术，通常具有较高的技术和投资风险，因此对区域抗风险韧性和创新资源条件要求更高。同时，中心城市往往具有更强的研发能力、更多高素质人才和领先的科研机构，有助于知识交流和技术创新，且能够吸引更多资金、企业和人才，形成规模效应和产业链聚集效应，因而成为战略性新兴产业技术集聚地。另一方面，战略性新兴产业技术围绕中心城市出现邻近扩散趋势，逐渐形成以都市圈、城市群和区域中心城市为载体的战略性新兴产业创新集群。战略性新兴产业技术创新常涉及整个产业链或产业生态系统的变革和重构，一旦某一地区成为特定新兴产业技术的创新中心，周边地区往往也会受益于该中心技术、市场和人才的扩散效应。随着区域一体化和区域协同发展的加速推进，邻近地区的企业和机构通过技术溢出、合作联盟、供应链关系等方式与技术中心取得合作和联系，推动了相关产业技术的快速传播与扩散。
图4 战略性新兴产业技术创新时空格局演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图绘制，底图边界无修改。

Fig.4 Evolution of technological innovation of strategic emerging industries

在技术结构特性方面，观察期内中国市域战略性新兴产业技术关联性和多样性总体水平显著上升。首先，市域产业技术关联性总体处于上升状态（图4b），表明地方战略性新兴产业技术发展对本地知识基础的依赖度、关联度越来越高。空间分异上，新兴产业技术创新活跃的东部地区，市域技术关联性也更强，表明战略性新兴产业技术快速积累，不断加速该区域的技术创新涌现，出现“强者愈强、赢者通吃”的发展局面。其次，市域产业技术多样性水平也迅速提高（图4c），多样性平均值从2010年的2.12不断攀升至2021年的2.89，这为新兴产业技术重组创新提供良好的技术基础和互补知识。空间分布上，产业技术多样性水平较高的城市多分布在中心城市和城市群地区，这些城市中心度高、创新体量大，产业技术多元化趋势往往也更明显。由此可见，创新能力强的市域往往也是技术多样化程度高的地区，但与关联性水平存在非线性关系。

4 战略性新兴产业技术创新发展演化机制实证研究

4.1 回归结果分析

回归结果中模型1~3因变量为技术进入（ENTRY），模型4~6因变量为技术发展（GROWTH）（表1）。
表1 总体样本回归结果

Tab.1 Regression results of all observations

技术进入（ENTRY） 技术发展（GROWTH）
模型1 模型2 模型3 模型4 模型5 模型6
DIV 0.022***（0.004） -0.103***（0.005） -0.066***（0.005） 0.061***（0.014） 0.012（0.015） -0.027*（0.015）
DEN 0.883***（0.012） 0.639***（0.019） 0.321***（0.039） 0.570***（0.045）
COM -0.126***（0.006） 0.154***（0.019）
lnpopd 0.007**（0.003） 0.008**（0.003） 0.008**（0.003） 0.043***（0.009） 0.043***（0.009） 0.044***（0.009）
lnpgdp 0.003（0.006） 0.003（0.006） 0.003（0.006） -0.034*（0.017） -0.035**（0.017） -0.036**（0.017）
est -0.005***（0.001） -0.005***（0.001） -0.005***（0.001） -0.014***（0.004） -0.014***（0.004） -0.014***（0.004）
edu 0.005**（0.002） 0.005**（0.002） 0.005*（0.003） -0.025***（0.008） -0.025***（0.008） -0.025***（0.008）
常数项 0.022（0.065） 0.077（0.063） 0.085（0.063） 0.417**（0.200） 0.450**（0.200） 0.445**（0.200）

注：***、**和*表示统计量分别在1%、5%和10%的统计水平上显著。表2同。

首先，技术多样性方面，由模型1和模型4可知，多样性与技术进入和技术发展的回归系数均在1%水平上显著为正，说明一个地区技术结构的多样化有利于战略性新兴产业技术的进入和发展。这一结果支持了“Jacobs外部性”的观点，即多样化的技术结构提供了差异化的知识交流和技术重组的机会，通过产业间的知识溢出促进了产业技术创新。同时，该结果也侧面验证了多样性能够促进技术“变异”和“新奇”产生，有助于地方产业技术实现路径突破。然而，当关联性、复杂性加入模型后，如模型3和模型6所示，技术多样性显著阻碍了新技术的进入和发展。这说明考虑了本地知识与某类技术的关联性、技术本身复杂程度之后，多样性对技术进入不利。可能原因是，当技术多样性程度较高时，城市需要将有限的资源分配给众多技术领域，导致对特定技术及复杂技术的投入不足，难以在新的技术领域形成比较优势。
其次，技术关联性方面，由模型2和模型5可知，关联性系数在1%的水平上显著为正，说明地方在某一类战略性新兴产业的技术关联性对于该产业技术的进入和发展都具有显著的促进作用。当模型中加入技术复杂性后，如模型3和模型6所示，技术关联性仍然在1%的显著水平上促进战略性新兴产业的技术进入和技术发展，说明战略性新兴产业技术创新活动具有技术路径依赖的典型特征，即城市更容易衍生和发展知识关联性强的、有相似技术“基因”的产业技术，且关联性在技术市场对复杂技术的“竞择”作用下依然影响显著。因此，地方更倾向于围绕与本地知识基础高度相关的技术门类开展创新活动，并在此基础上进一步开发或引进复杂技术，从而降低创新难度和规避潜在风险。
最后，技术复杂性方面，在技术进入的模型3中显示，复杂性系数在1%水平上显著为负，这表明复杂技术在导入新的地区时具有明显的进入壁垒，即复杂性高的产业技术难以被新进入者所掌握和应用，其技术扩散需要依赖于深厚的本地知识技术基础，因此表现出较强的空间粘性，只有具备足够创新能力的城市才能够成功开发和应用这些技术。而在技术发展的模型6中显示，复杂性系数在1%水平上显著为正，说明复杂性对产业技术发展具有显著促进作用。可能的原因是，复杂的产业技术往往遍在性低，在技术市场的“选择”作用下，它们能够为其所在城市带来较高的市场垄断收益。这种稀缺性和垄断收益进一步激励这些产业技术的持续发展和创新，不断自我强化复杂技术的比较优势。

4.2 稳健性检验

为了检验上述回归结果的稳健性，本文采用调整样本期、样本容量和滞后期3种方法进行稳健性检验。①调整样本期：在我国战略性新兴产业技术的创新发展过程中，不同时间段的技术创新发展特征存在较大差异。由于2019年我国全面提高了专利审查质量及审查效率，战略性新兴产业技术专利数量增长速度陡降，因此选择2010—2018年的数据进行进一步检验。②调整样本容量：将2010—2021年战略性新兴产业发明专利申请数量全国排名前5%和后5%的市域数据剔除（北京、苏州、七台河、双鸭山等），对剔除极端值后的数据进行回归。③调整滞后期：将技术进入和发展的窗口期调整为3年进行回归。表2稳健性检验结果显示，多样性、关联性和复杂性对我国市域战略性新兴产业技术进入、发展的影响与上文的基准回归结果基本一致，表明实证结果稳健性较强。
表2 稳健性检验

Tab.2 Robustness test results

调整样本期 调整样本容量 调整滞后期
技术进入 技术发展 技术进入 技术发展 技术进入 技术发展
DIV -0.078***（0.006） -0.156***（0.018） -0.065***（0.006） -0.054***（0.018） -0.064***（0.006） -0.034*（0.019）
DEN 0.678***（0.023） 1.027***（0.062） 0.624***（0.020） 0.712***（0.056） 0.544***（0.022） 0.312***（0.050）
COM -0.115***（0.007） 0.175***（0.023） -0.139***（0.007） 0.214***（0.024） -0.164***（0.007） 0.144***（0.022）
lnpopd -0.007（0.006） 0.007（0.018） 0.006*（0.004） 0.038***（0.011） -0.008（0.006） -0.073***（0.023）
lnpgdp 0.005（0.007） 0.072***（0.020） -0.000（0.006） -0.043**（0.019） 0.004（0.007） 0.244*（0.130）
est -0.003**（0.002） 0.006（0.007） -0.004***（0.001） -0.009*（0.005） -0.001（0.002） -0.037***（0.006）
edu 0.005（0.004） -0.042***（0.014） 0.008***（0.003） -0.021**（0.010） -0.000（0.003） -0.002（0.011）
常数项 0.171**（0.079） -0.282（0.243） 0.134*（0.070） 0.561**（0.226） 0.212***（0.082） -1.737（1.331）

5 结论与建议

5.1 主要结论

因地制宜发展新质生产力，需要遵循产业技术创新发展的内在演化规律。本文借鉴广义达尔文主义生物进化隐喻，构建了包含技术多样性、关联性和复杂性3个维度综合分析框架，基于2010—2021年我国282个市域战略性新兴产业发明专利申请数据，总结概括了我国市域战略性新兴产业技术发展演化特征，系统探究了产业技术创新发展演化机制。主要研究结论如下：
①在产业技术演化特征方面，2010年以来我国战略性新兴产业技术创新产出呈现爆发性增长，产业技术空间出现“核心—边缘”分布和“双核”结构特征；空间上呈现“东—中—西”逐渐减弱的不均衡发展格局，并表现出中心城市集聚和邻近扩散并存的趋势；市域技术关联性和多样性水平整体呈上升趋势。
②在产业技术演化机制方面，战略性新兴产业技术创新具有显著的路径依赖特征，其中技术关联性有利于新技术的进入和发展；技术多样性为差异化的知识重组创造机会，但同时也可能使城市创新资源分散，对技术进入和发展起到阻碍作用；技术复杂性由于其较高的学习壁垒而不利于技术引入，但其具有垄断市场收益而对技术发展有积极促进作用。

5.2 政策建议

基于上述结论，本文提出如下政策建议：
①各地发展新质生产力要遵循产业技术创新发展演化一般规律，坚持先立后破、因地制宜原则，根据本地的优势特色资源、产业技术基础和科技创新条件等，重点拓展、延伸具有比较优势的产业技术门类，要在改造提升传统产业的同时不断拓展新产业、新技术，防止脱离实际的盲目跟风或低效无效的重复建设。同时，在布局战略性新兴产业时，应深刻理解并充分利用当地产业技术积淀的现实基础与既有优势，深入分析本地产业链技术链的结构特征，确保产业技术发展的连续性和延续性，聚焦于与本地核心竞争力紧密相连的产业技术领域优先投放科创资源。
②坚持效率优先、分类指导、协同发展原则，充分发挥创新高地的战略引领和辐射带动作用。对于北京、上海、深圳、广州、武汉、西安等中心城市，作为我国战略性新兴产业技术创新发展的领跑者，这些城市的产业技术基础雄厚，创新能力活力突出，应做好前瞻性谋划，重点发展复杂程度高、市场收益良好的战略性新兴产业和未来产业，提升科技创新引领能力，抢占全球产业科技发展的制高点。对于京津冀、长三角、珠三角、成渝等城市群中的非核心城市，这些地区最快受到中心城市战略性新兴产业技术辐射带动，是联动并跑的地区，应促进与领跑地区的技术协同和资源共享，建立区域协同创新机制，推动技术和人才的交流互动，主动承接先进地区的技术知识溢出，提升整体竞争力。对于全国广大地区的一般城市，可通过特色技术合作和网络扩散渠道，促成核心地区技术输入，形成跟跑发展的地区，应在其优势技术领域加大研发投入，有选择地培育发展战略性新兴产业，逐步缩小与先进地区的差距。
③完善高水平开放型产业技术合作创新体制机制，构建多维技术矩阵和内外合作创新网络，增强产业技术创新活力和韧性。地方政府应加强对外创新合作，拓展利用外部科技创新资源，适度发展多样化的产业技术门类，通过技术交流、人才流动和资源共享，努力建立多领域技术协同创新机制，以避免技术路径单一化带来的锁定效应。另外，应当加强国际合作与区域联动发展，拓宽技术引进、吸收再创新的渠道，提升知识技术组合机会和技术突破性、颠覆性创新发展可能，增强技术的交叉融合与创新能力，以持续探索和开拓新的技术发展路径。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
周文, 许凌云. 论新质生产力:内涵特征与重要着力点[J]. 改革, 2023(10):1-13.

[2]
高帆. “新质生产力”的提出逻辑、多维内涵及时代意义[J]. 政治经济学评论, 2023, 14(6):127-145.

[3]
洪银兴. 新质生产力及其培育和发展[J]. 经济学动态, 2024(1):3-11.

[4]
约瑟夫·熊彼特. 经济发展理论[M]. 北京: 商务印书馆, 1990.

[5]
Balland P A, Boschma R, Crespo J, et al. Smart specialization policy in the European Union:Relatedness,knowledge complexity and regional diversification[J]. Regional Studies, 2019, 53(9):1252-1268.

[6]
汤长安, 张丽家, 殷强. 中国战略性新兴产业空间格局演变与优化[J]. 经济地理, 2018, 38(5):101-107.

DOI

[7]
李明珊, 姜竹秋. 战略性新兴产业中政府补贴对企业技术效率的影响——以新能源产业为例[J]. 软科学, 2023, 37(1):15-22.

[8]
安虎森, 季赛卫. 演化经济地理学理论研究进展[J]. 学习与实践, 2014(7):5-18,2.

[9]
Boschma R, Martin R. The Handbook of Evolutionary Economic Geography[M]. Cheltenham: Edward Elgar Publishing, 2010.

[10]
赵建吉, 王艳华, 苗长虹. 区域新兴产业形成机理:演化经济地理学的视角[J]. 经济地理, 2019, 39(6):36-45.

[11]
Jacobs J. The Economy of Cities[M]. New York: Vintage Books, 1969.

[12]
Glaeser E L, Kallal H D, Scheinkman J A, et al. Growth in cities[J]. Journey of Political Economic, 1992, 100(6):1126-1152.

[13]
Audretsch D B, Feldman M P. Innovation in cities:Science-based diversity,specialization and localized competition[J]. European Economic Review, 1999, 43(2):409-429.

[14]
Baptista R, Swann P. Do firms in clusters innovate more?[J]. Research Policy, 1998, 27(5):525-540.

[15]
苏楠, 肖晓勇, 宋来胜. 外部知识、本地知识多样化类型对地区创新能力影响的实证研究——基于2000年-2011年的动态面板数据的广义矩分析[J]. 经济经纬, 2016, 33(5):19-23.

[16]
孙瑜康, 李国平, 席强敏. 知识结构、城市异质性与创新水平提升[J]. 经济管理, 2021, 43(5):60-74.

[17]
赵建吉, 曾刚. 专业化、多样化与产业增长——以中原城市群为例[J]. 经济问题探索, 2009(8):18-22.

[18]
Frenken K, Van Oort F, Verburg T. Related variety,unrelated variety and regional economic growth[J]. Regional Studies, 2007, 41(5):685-697.

[19]
郭琪, 贺灿飞. 演化经济地理视角下的技术关联研究进展[J]. 地理科学进展, 2018, 37(2):229-238.

DOI

[20]
Boschma R, Balland P A, Kogler D F. Relatedness and technological change in cities:The rise and fall of technological knowledge in US metropolitan areas from 1981 to 2010[J]. Industrial and Corporate Change, 2015, 24(1):223-250.

[21]
Hidalgo C A, Klinger B, Barabasi A L, et al. The product space conditions the development of nations[J]. Science, 2007, 317(5837):482-487.

PMID

[22]
Rigby D L. Technological relatedness and knowledge space:Entry and exit of US cities from patent classes[J]. Regional Studies, 2015, 49(11):1922-1937.

[23]
李伟, 贺灿飞. 中国区域产业演化路径——基于技术关联性与技术复杂性的研究[J]. 地理科学进展, 2021, 40(4):620-634.

DOI

[24]
Hidalgo C A, Hausmann R. The building blocks of economic complexity[J]. Proceedings of the National Academy of Sciences, 2009, 106(26):10570-10575.

[25]
Balland P A, Rigby D L. The geography of complex knowledge[J]. Economic Geography, 2017, 93(1):1-23.

[26]
张翼鸥, 谷人旭. 中国城市知识复杂性的空间特征及影响研究[J]. 地理学报, 2018, 73(8):1421-1432.

DOI

[27]
金泽润, 朱晟君. 基于关联度和复杂度的中国城市技术引入模式及其演化机制[J]. 地理科学进展, 2020, 40(6):897-910.

[28]
王俊松, 颜燕. 复杂度、关联度与城市技术演化路径——基于北京、上海、深圳的对比分析[J]. 地理科学进展, 2022, 41(4):554-566.

DOI

[29]
王建华. 中国城市战略性新兴产业技术路径演化机制——路径依赖还是随机偶然?[J]. 科学学研究, 2023, 41(10):1765-1775,1896.

[30]
Laffi M, Boschma R. Does a local knowledge base in Industry 3.0 foster diversification in Industry 4.0 technologies?Evidence from European regions[J]. Papers in Regional Science, 2022, 101(1):5-35.

[31]
徐洁, 李琳. 技术关联、产业政策与中国城市突破性创新[J]. 地理研究, 2023, 42(10):2796-2816.

DOI

[32]
宓泽锋, 曾刚. 本地知识基础对新兴产业知识流动的影响——以中国燃料电池产业为例[J]. 地理学报, 2021, 76(4):1006-1018.

DOI

[33]
李伟, 徐青文, 贺灿飞. 中国区域技术演替模式研究[J]. 地理研究, 2023, 42(11):2845-2861.

DOI

[34]
Boschma R. Relatedness as driver of regional diversification:A research agenda[J]. Regional Studies, 2017, 51(3):351-364.

[35]
贺灿飞, 李伟. 演化经济地理学与区域发展[J]. 区域经济评论, 2020(1):39-54.

Options
Outlines

/

〈 〉