The Structure Characteristics and Driving Mechanism of Intelligent Connected Vehicle's Transnational Technical Cooperation Network

Li Yaya1，Zhang Xinyue 1，Luo Jianqiang2，Peng Yongtao 2

(1.School of Finance and Economics, Jiangsu University；2. School of Management, Jiangsu University, Zhenjiang 212013,China)

Abstract：Intelligent connected vehicle technology is the frontier field and disruptive technology. Compared with traditional technologies, it has a high degree of complexity and uncertainty in their research and development process, therefore it relies more on external resources for collaborative innovation. Since intelligent connected vehicle technology is a frontier technology in global competition, what are the structural characteristics of collaborative innovation in intelligent connected vehicle technology? What is the internal driving mechanism? It has important theoretical and practical significance for realizing the intelligent transformation of the automobile industry by exploring the above questions.

Drawing on the global intelligent connected vehicle patent cooperation data from 2006 to 2018, this paper constructs the intelligent connected vehicle multinational technology cooperation network matrix. On this basis, the social network analysis method and the quadratic assignment procedure (QAP) are used to demonstrate the topological structure characteristics and driving mechanism of the intelligent connected vehicle's transnational technical cooperation network. The marginal contributions of this paper are mainly reflected in the following aspects. First, the existing multinational cooperation network research focuses on solar technology and nanotechnology, and mainly reveal the driving mechanism of cooperation networks from the perspective of multi-dimensional proximity, and lack of attention to the impact of government policy support.While this paper focuses on the field of intelligent networked vehicles. and specifically examines the driving role of policy support intensity. Moreover, considering the stages, regions and different combinations of policy strengths in the evolution of the cooperation network, the heterogeneity characteristics of the intelligent connected vehicle's transnational technical cooperation network are discussed from the above dimensions.

On the basis of the analysis, this study has the following findings. (1) From the start-up stage to the growth stage of technological development, the number of countries participating in the technical cooperation of intelligent connected vehicles is increasing rapidly, but the overall cooperation network is not yet complete and standardized. (2) The United States is the hub of the cooperation network. The traditional technological powers led by the United States and Germany occupies an absolute central position in the intelligent connected vehicle's technology cooperation network, and the network has an obvious core-periphery structure. (3) Block model results indicate that the pattern of global intelligent connected vehicle technological cooperation centers on core countries and is led by core countries and strong semi-peripheral countries. (4) Technological proximity, social proximity and policy intensity are the main driving forces of the evolution of transnational technology cooperation network of intelligent connected vehicles, which positively affect the evolution of transnational technology cooperation relationship. With the passage of time, the effect of geographical distance and institutional distance on the technical cooperation of intelligent and connected vehicles becomes insignificant. (5) The driving factors of the intelligent connected vehicle transnational technical cooperation network have the characteristics of heterogeneity in the three dimensions of development stage, region and policy intensity. (6) There is particularity in the driving mechanism of transnational technical cooperation of intelligent connected vehicle, that is, the state needs to offer policy support to help enterprises reduce R & D risks, provide favorable policy guarantee and promote the breakthrough of technical cooperation and innovation.

The above findings indicate that a more open attitude is expected in the participation in the R&D cooperation of intelligent connected vehicle technology. It is essential strengthen technical cooperation with the core countries of the network and accelerate the diffusion of global intelligent connected vehicle technology. Besides, the government should also increase the intensity of policy support and provide enterprises with more funds, regulations and institutional support and guarantee, so that enterprises are more likely to overcome the obstacles of innovation and achieve technological breakthroughs through independent innovation and transnational technological cooperation innovation. The governments should also promote technological cooperation and innovation in the field of intelligent networked vehicles within continents, and actively guide technological cooperation and innovation across continents to promote the diffusion of cutting-edge technologies. This research focuses on the technical cooperation of intelligent networked vehicles at the national level. In the future, it can be extended to the regional and enterprise levels to systematically describe the technical cooperation of intelligent networked vehicles at different levels.

Key Words:Intelligent Connected Vehicle; Technological Collaboration Network; Social Network Analysis; QAP Model

DOI：10.6049/kjjbydc.2021110665

开放科学(资源服务)标识码(OSID)：

中图分类号：F426.471

文献标识码：A

文章编号：1001-7348(2022)21-0012-11

收稿日期：2021-11-23

修回日期：2022-01-26

基金项目：国家自然科学基金青年项目(71704069，71802099，71772080)

作者简介：李丫丫(1988—)，女，河北保定人，博士，江苏大学财经学院副教授、硕士生导师，研究方向为技术创新；张欣悦(1998—)，女，安徽合肥人，江苏大学财经学院硕士研究生，研究方向为合作创新；罗建强(1973—)，男，陕西扶风人，博士，江苏大学管理学院教授、博士生导师，研究方向为服务创新；彭永涛(1986—)，男，河北邯郸人，博士，江苏大学管理学院副教授、硕士生导师，研究方向为服务创新。

0 引言

智能网联汽车技术是当今新兴技术的前沿领域与颠覆性技术，是一个融合汽车、人工智能、大数据、信息通信等高新技术的领域，成为世界各国重点发展的科技阵地[1]。2020年，美国颁布《确保美国自动驾驶汽车技术的领导地位》，中国国家发改委、工信部等联合颁布《智能汽车创新发展战略》，各国纷纷出台相关政策支持智能网联汽车的创新与发展。同时，围绕该领域技术突破的合作创新实践不断增多。与传统技术相比，新兴技术研发具有高度复杂性和不确定性，更需要借助外部资源进行合作创新[2]。由于新兴技术具有多学科、多技术融合特征，为获得复杂、新颖的技术知识，需要融入全球创新系统，开展跨国技术合作创新[3]。跨国技术合作网络由各国间的技术合作关系构成，是一种跨国合作创新模式，技术合作网络形成是各国寻找技术合作伙伴和资源互补的过程[4]。那么，作为全球角逐的前沿技术领域，智能网联汽车技术合作创新具有何种结构特征？其内在驱动机制是怎样的？如何通过跨国合作创新培育和推动智能网联汽车技术发展？回答这些问题对于实现汽车产业智能转型和技术“弯道超车”具有重要理论与现实意义。

目前，学术界对智能网联汽车技术与产业发展的讨论可以分为4类：第一类研究重点关注智能驾驶技术发展问题，包括智能驾驶技术知识流动轨道、技术融合特征和技术扩散[5-6]；第二类是关于智能驾驶技术带来的伦理道德与法律问题，学者们评估了自动驾驶行业的道德意识及参与度，并指出特殊立法与规制的重要性[7]；第三类研究评估了智能网联汽车技术的环境影响，肯定了该技术对环境的积极作用[8]；第四类研究讨论了智能网联汽车技术的大众接受度及影响因素[9]。然而，现有研究对智能网联汽车技术合作创新关注不足，更鲜有研究涉及智能网联汽车技术的跨国合作创新问题。智能网联汽车技术正处于高速发展期，随着各国合作创新实践不断增多，对其跨国合作创新网络及驱动机制的研究变得越来越迫切。

此外，基于社会网络分析方法的合作创新研究已被经济学和管理学文献广泛采用[10]，学者们基于专利合作网络、专利引用网络、论文合作网络和研发合作网络描绘创新全球化态势，大多数研究关注企业或组织层面的合作创新，仅有少部分研究以国家为样本，探索跨国或国际技术合作创新[11-14]，如太阳能、纳米、ICT、能源技术等领域的跨国合作创新。然而，已有研究更多着眼于跨国合作网络的结构特征，对网络演化的驱动机制相对忽视。受Boschma[15]提出邻近性与创新关系理论的启发，少数学者探讨地理邻近性、制度邻近性、技术与社会邻近性等多维邻近性对合作创新的影响[16-17]，但尚未考虑政府政策对国际技术合作创新的驱动作用。尤其在智能网联汽车技术需要系统政策支持的背景下，其跨国技术合作创新驱动机制是否具有特殊性，亟待考察。

基于此，本文采用2006—2018年智能网联汽车技术专利数据，运用社会网络分析方法，构建智能网联汽车跨国技术合作网络，揭示智能网联汽车跨国技术合作网络的结构特征和驱动机制。本文边际贡献主要在于：第一，已有跨国合作网络研究以太阳能、纳米等技术为主，本文将研究对象聚焦于智能网联汽车这一新兴前沿领域；第二，已有研究主要从多维邻近性视角揭示合作网络的驱动机制，缺乏关注政府政策支持强度对新兴技术跨国合作创新的影响，本文特别考察政策支持强度的驱动作用；第三，区别考虑合作网络演化的阶段性、区域性以及不同政策强度组合，并从这3个维度探讨智能网联汽车跨国技术合作网络的异质性特征。

1 理论分析与研究假设

影响技术合作的因素被学者们广泛讨论。多维邻近性被公认为是技术合作创新的重要驱动因素，最为经典的是Boschma[15]的5个维度划分，即地理邻近性、认知/技术邻近性、社会邻近性、组织邻近性和制度邻近性。除多维邻近性影响外，本文还特别考虑各国关于智能网联汽车政策支持强度对跨国技术合作创新的影响。

1.1 地理邻近性对智能网联汽车跨国技术合作的影响

地理邻近性表示国家之间地理距离接近程度。地理邻近性是研究合作创新驱动机制的重要因素和分析工具。学者们提出，地理距离会阻碍技术合作，地理距离越远，对隐性知识传播就越不利，而面对面交流更有利于关键技术传播[16]。同时，随着全球化不断深入，信息通信技术的发展，特别是基于互联网的应用，如电子邮件、Twitter等，“地理已死”越来越接近现实[18]。信息技术的发展使得网上面对面交流成为可能，促进了显性与隐性知识传播，地理距离对跨国合作创新的影响变得不显著。此外，有学者指出地理邻近可能导致同一区域内知识具有同质化特征，不利于知识流动[18]。智能网联汽车技术是前沿颠覆性技术，其研发具有高度复杂性和不确定性。在实践中，各国企业早已打破物理距离限制，寻求跨国技术合作。如德国宝马公司与中国百度公司早在2014年便达成合作协议，共同开发无人驾驶汽车技术。在新兴技术领域，企业通过跨国技术合作寻求异质性资源，获得互补资产，以提高自身技术竞争力，地理距离的限制逐渐被打破。因此，本文提出如下假设：

H1：地理距离在智能网联汽车技术合作中的作用随时间推移逐渐变得不显著。

1.2 技术邻近性对智能网联汽车跨国技术合作的影响

技术邻近性是指合作双方技术基础与结构上的相似性。合作双方进行合作创新的前提是需要具有一定相似的技术基础。尤其是突破性新兴技术，包含更多隐性知识，技术相似性强更有利于合作双方有效消化吸收相关技术知识[4]。相反，如果技术距离较大，会导致合作双方沟通成本增加，技术合作创新效率也会降低。此外，部分学者发现，技术邻近性与合作创新之间存在非线性关系[10]，技术邻近性过高易导致技术同质化，形成技术开发的路径依赖，不利于基于异质性技术的整合创新。智能网联汽车技术复杂度较高，是一个多技术融合创新领域，但目前技术主导设计尚未形成，导致各企业知识具有多元化、异质性特征，技术邻近性过高的状态尚不显著。因此，本文认为技术邻近性与智能网联汽车技术合作之间存在正向关系，即技术邻近性越高，越能促进智能网联车企跨国技术合作。基于此，本文假设如下：

H2：技术邻近性正向影响智能网联汽车跨国技术合作关系。

1.3 社会邻近性对智能网联汽车跨国技术合作的影响

社会邻近性是指合作双方基于信任建立的社会嵌入性关系。这种嵌入性关系反映合作双方在友谊、经验、亲属关系及过去共同经历的相似性，可以加深合作双方的信任[15]。技术合作障碍主要源于合作风险和谈判沟通带来的成本，社会邻近性有利于合作双方建立常规化程序，为技术合作双方间知识转移和吸收提供高效途径。基于技术合作历史建立的信任关系可以有效降低机会主义带来的风险[18]。智能网联汽车产业技术知识密集，技术专利价值高，研发风险也较大，往往需要与相关前沿技术企业进行合作创新。因此，企业为避免过高的研发风险，倾向于与已有合作历史的企业再次进行合作创新。同时，随着智能网联汽车技术的进一步发展，产品商业化进程不断推进，企业研发方向更加明确，开始建立更多合作创新联系，且受益于技术合作带来的成果。因此，本文提出以下假设：

H3：社会邻近性在智能网联汽车跨国技术合作中发挥积极作用。

1.4 制度邻近性对智能网联汽车跨国技术合作的影响

制度邻近性能够反映不同合作方国家在法律、法规、政策和市场规则等方面存在的差异[19]。制度邻近是制度距离的另一种表达方式。李琳和郭立宏[17]从知识转移和合法性获取两个视角讨论制度距离对跨国合作创新的影响。在知识转移方面，制度距离大会导致合作双方正确理解并适应彼此制度环境和市场规则的难度变大，增加合作研发的矛盾和摩擦，进而阻碍技术合作；在合法性获取方面，制度距离大会使合作方难以把握对方市场偏好和制度要求，创新行为容易偏离对方合法性标准，进而难以被对方接受和认可，从而增加技术合作创新失败风险。也有学者指出，过高的制度邻近性会造成组织结构上的过度依赖及知识过度溢出，阻碍企业进一步创新[18]。在智能网联汽车技术发展早期，出于区域专利保护，技术合作双方更有可能基于相同制度体系建立技术合作关系。随着时间推移，智能网联汽车技术发展需要整合多元化的异质性资源，技术合作主体更加多元化，制度邻近性的作用不再显著。因此，本文提出以下假设：

H4：制度距离在智能网联汽车跨国技术合作中的作用随时间推移变得不显著。

1.5 政策强度对智能网联汽车跨国技术合作的影响

根据制度理论，组织需要遵循周围的规则而生存。因此，组织战略会受到环境力量的影响，而政策就是一种环境力量。事实上，支持性创新政策可以影响组织行为，如国家层面的开放创新战略可能会显著鼓励组织层面采用开放式创新战略[20]。对于政府而言，新兴技术是对未来至关重要的颠覆性技术，也是新的增长引擎技术，具有市场潜力大、技术新颖、增长迅速等特征[21]。政府政策支持新兴技术的跨国合作，政策方案侧重于支持早期技术的共同开发、获取核心领先技术或交换互补技术，并作为一种国家创新战略[20]。同时，政府支持政策的强度越大，企业创新的财务压力和风险也就越低，技术合作动力也越强。因此，政府对新兴技术的政策支持强度越大，越有利于技术合作创新。智能网联汽车技术是近年来各国政府大力支持的颠覆性新兴技术，现有政策主要聚焦产业发展规划与战略、智能驾驶法律规则、智能网联汽车网络信息安全、道德准则等方面[22]。其中，部分政策已明确提出跨国合作创新的思路。如2016年欧盟颁布的《阿姆斯特丹宣言》指出，在自动驾驶技术领域，各成员国、行业合伙人之间需要密切合作。美国、德国和中国等国家的智能网联汽车跨国技术合作创新实践表明，政府出台相关支持政策越多，合作创新活动越活跃。因此，本文提出以下假设：

H5：政策强度对智能网联汽车跨国技术合作具有积极作用。

2 研究设计

2.1 数据来源

创新虽然不一定都表现为专利申请，但由于专利包含最全面的技术创造信息，被学者广泛应用于技术创新研究中[23]。同样，跨国技术合作可以从合作专利信息中挖掘，通过专利包含的发明人与申请人国别信息，将不同专利分配到相应国家。具体来看，通常存在两个标准，即发明人国别标准和申请人国别标准，分别根据发明人和申请人国籍定义跨国技术合作[24]。本文依据Prato&Nepelski[11]、Milani[4]的研究，采用发明人国别标准衡量智能网联汽车领域跨国技术合作。对于某项专利，如果至少一个发明人所属国别不同于其他发明人国别，那么就认为该专利为跨国技术合作。

智能网联汽车(ICV )是指搭载先进车载传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车与X(车、路、人、云等)智能信息交换、共享，具备复杂环境感知、 智能决策、协同控制等功能，可实现安全、高效、舒适、节能行驶，并最终实现替代人操作的新一代汽车[25]。智能网联汽车的4个发展阶段是自主式驾驶辅助、网联式驾驶辅助、人机共驾和高度自动/无人驾驶[26]。为确定智能网联汽车技术相关专利，本文首先咨询领域技术专家，同时参考Gandia等[27]的研究，准确掌握智能网联汽车技术领域检索词。考虑到专利申请到公布之间存在18个月的时滞，本文从IncoPat全球专利数据库检索截止到2018年12月31日之前的全球智能网联汽车技术专利，共得到33 023项专利。其中涉及到跨国技术合作的专利共771项，包含959条跨国技术合作关系。

经统计，2006年之前全球智能网联汽车领域的技术合作极少。因此，本文以2006年为起点年，以2018年为终点年份。本文基于智能网联汽车技术合作关系累积量的变化，运用Logistic模型将智能网联汽车跨国技术合作网络演化划分为不同生命周期阶段，Loglet Lab 软件自动拟合出结果：2006—2012年为智能网联汽车跨国技术合作网络萌芽期，2013—2018年为成长期。其中，萌芽期技术合作国为22个，成长期为58个。

2.2 网络构建与指标说明

社会网络分析是在数学理论基础上发展起来的一种网络分析方法。目前，社会网络分析方法已被广泛应用于社会经济领域[28-29]。跨国技术合作网络是用于刻画国家间技术合作关系的网络，网络中国家间连线代表国家间的合作关系。网络结构特征与演化主要通过网络密度、平均路径长度、集聚系数、网络中心性等指标衡量[14]。本文构建一个无向加权的智能网联汽车跨国技术合作网络(AVTCN)。智能网联汽车跨国技术合作网络表现为一个图集G=(V,A,W)，其中V={v1,v2,…vn}是节点Nv的集合，N为网络中合作国家的数目。A={aij,i=1,2,…N;j=1,2,…N}为边Na的集合，代表国家i与国家j之间的合作关系。如果国家i与国家j共同发明一项专利，那么两国之间绘制一条连线，且aij=1；若两国之间没有共同发明专利，则连线不存在，且aij=0。W={wij,i=1,2,…N;j=1,2,…N}为网络中国家i与国家j边的权重，即矩阵中每个单元代表节点国家之间智能网联汽车技术合作关系总量。

为描述智能网联汽车跨国技术合作网络的结构特征，本文依照杨春白雪等[2]的研究，建立分析整体网络特征和个体网络特征的双层次指标，见表1。首先，在整体网络指标方面，网络节点数代表网络规模，用网络边数、密度、平均路径长度和集聚系数等指标描述网络总体特征。其次，网络个体结构特征通过度中心度、中间中心度和接近中心度描述[30]。个体中心度指数描述各国在智能网联汽车跨国技术合作网络中的地位，中心度越高，在网络中的地位就越高。

2.3 块模型分析

块模型是一种检测网络聚集、核心—外围结构的方法[31]。本文通过块模型分析全球智能网联汽车跨国技术合作网络的核心—外围结构。具体地，依据结构对等性将所有国家划分为不同位置，即核心国、强半边缘国、弱半边缘国和边缘国。结构对等性是指两个节点相互替换，整个网络结构仍不变，此时两个节点在网络结构中是等价的，这也被称为内等构类别。如果网络包含一个内等构类别，并且块模型矩阵可用于网络节点分类，则该网络可由邻接矩阵表示，其中邻接矩阵中的块形成全满或全空的网络邻接矩阵图。因此，将原始邻接矩阵简化为新的邻接矩阵，将每个原始类别收缩为新节点，然后在新矩阵中为每个类别标记源类型。也就是说，新矩阵中的块要么是全满型(代表存在等构连接)，要么是全空型(代表没有等构连接)。这种收缩矩阵也叫影矩阵，表示类别内的关系类型。块模型分析可以使用Pajek软件实现。

2.4 QAP回归：模型设定与变量选择

二次指派程序(QAP)是一种以关系数据为研究对象的分析方法。与传统OLS回归相比，QAP回归在处理多重共线性和结构自相关方面具有优势，因此被广泛应用于基于关系数据回归的实证模型中[16]。本文采用QAP方法对全球智能网联汽车跨国技术合作网络及其驱动因素进行回归分析，并构建智能网联汽车跨国技术合作网络驱动机制模型，解释哪些因素影响发明人跨国合作关系。引力模型是解释双边贸易流的经典方法，近年来在技术合作文献中被广泛采用[4,10]。该理论模型认为，跨国技术合作关系主要受地理距离、技术邻近性、社会邻近性、制度邻近性等因素影响。本文认为，与传统技术合作不同，智能网联汽车技术合作需要系统的政府政策支持，因此特别考虑政府政策支持强度对跨国技术合作网络的影响。基于前文研究假设，本文构建改进的引力模型，探讨各因素对智能网联汽车跨国技术合作关系的驱动机制。

P=f[Dis,TP,SP,ID,Policy,Lang,Col,Inv]

(1)

其中，被解释变量P为国家i与国家j之间的智能网联汽车跨国技术合作关系数量，解释变量包括地理距离(Dis)、技术邻近性(TP)、社会邻近性(SP)、制度距离(ID)和政策强度(Policy)，控制变量为语言(Lang)、殖民联系(Col)、技术创新能力(Inv)。

地理距离用各国首都之间的物理距离衡量，数据来源于CEPII数据库，并构建地理距离矩阵。技术邻近性用Jaffe指数[32]衡量；社会邻近性(SP)用两国技术合作伙伴关系的重叠程度衡量[14]。

参考李琳和郭立宏[17]的方法，将一个国家6个维度的《全球治理指标》(WGI)数据取算数平均值计算该国综合制度环境分数，并以国家之间制度环境分数差值的绝对值测量正式制度距离(ID)。

政策强度(Policy)用各国颁布的智能网联汽车政策与法律条目总数衡量。该数据来源于Lexis advance全球新闻数据库、中国资讯行新闻数据库以及《中国智能网联汽车产业发展报告2020》。具体来说，本文将两国政策数目之和作为政策强度的代理变量，同时以2006—2018年政策强度均值作为划分标准，将样本分为合作国政策强度均高(合作双方政策强度都大于均值)、合作国政策强度均低(合作双方政策强度都小于均值)以及合作国政策强度有高有低(合作双方政策强度一方大于均值，一方小于均值)3种组合情况。

在控制变量方面，主要控制各国语言差异(Lang)、是否存在殖民地关系(Col)以及各国技术创新能力3个因素的影响。Milani[4]指出，如果两个国家具有共同语言或殖民地关系，那么两国之间更容易产生技术合作；李琳等[33]认为，跨国合作创新更多发生在具有高技术创新水平的国家之间。语言和殖民关系数据来源于法国CEPII数据库，技术创新能力以各国智能网联汽车技术专利累积量之和表征，数据来源于合享(INCOPAT)专利数据库。

3 实证分析

3.1 智能网联汽车跨国技术合作网络结构特征

3.1.1 整体网络结构特征

本文构建全球智能网联汽车跨国技术合作网络矩阵，结合前文网络特征指标，测算得到网络整体特征统计量，如表2所示。

由表2可知，智能网联汽车跨国技术合作规模越来越大，从萌芽期的22个国家增加到成长期的58个国家，更多国家参与到这一前沿技术的合作研发中，但参与国总体规模不大。网络边数显示，国家间技术合作联系不断增加，跨国技术合作的连边数从萌芽期的62条到成长期的318条，增长近5倍，2018年智能网联汽车跨国技术合作边数达到146条。网络密度基本在0.1左右徘徊，说明智能网联汽车跨国技术合作网络还不够完整和规则。这意味着大多数国家并未在智能网联汽车技术方面与所有国家合作，而是主动选择或被选为合作伙伴。平均路径长度显示，大多数国家与其它国家“相距遥远”。聚类系数明显高于网络密度值，与预期聚类系数等于网络密度的随机网络相比，智能网联汽车跨国技术合作网络明显比随机生成的网络更聚类。通过以上分析可知，许多国家链接到网络的中心，而不是保持与其它国家的合作关系。因此，智能网联汽车跨国技术合作网络具有明显的核心—外围结构。

为进一步分析全球智能网联汽车跨国技术合作网络整体结构的动态演变，本文绘制萌芽期(2006—2012)和成长期(2013—2018)智能网联汽车跨国技术合作网络的动态演变特征图，如图1所示。网络中节点越大，意味着该国的跨国合作关系越多。网络中的线表示存在合作关系，线的粗细表示合作关系数量多少。从萌芽期到成长期，智能网联汽车跨国技术合作关系数量显著增加。美国和德国在全球智能网联汽车跨国技术合作网络中占据重要地位。总体而言，全球智能网联汽车技术合作联系越来越紧密，参与国也更加多样化。

3.1.2 网络个体结构特征

为分析网络节点的结构特征，本文使用Ucinet软件计算萌芽期和成长期排名前10位国家的度中心度、中间中心度和接近中心度，如表3所示。

从度中心度看，美国和德国在智能网联汽车跨国技术合作网络中的影响力高于其它国家，且排名前10的国家以发达国家为主。考察期内，智能网联汽车跨国技术合作网络度中心度迅速提高，表明越来越多国家参与到智能网联汽车技术合作中。例如，美国从萌芽期的11个技术合作伙伴增加到成长期的42个，德国从12个增加到31个。此外，韩国、中国的跨国技术合作发展速度最快，在网络中的关键角色凸显。接近中心度与度中心度的结果一致，美国和德国在全球智能网联汽车跨国技术合作网络中的通达性最强。

就中间中心度而言，德国的绝对中心地位逐步被美国取代，美国成为全球智能网联汽车技术合作网络的集线器和枢纽。美国的中间中心度从萌芽期28.96升至成长期的53.96，但是德国的中间中心度下降到26.64，不到美国的1/2。显然，美国是全球智能网联汽车跨国技术合作网络中不可替代的核心角色。此外，韩国、法国的中间中心度较高，分别在亚洲和欧洲扮演次中心角色。

总之，以美国、德国为首的传统科技强国在智能网联汽车跨国技术合作网络中占据绝对中心地位，网络具有明显的核心—边缘结构。韩国、日本、法国、英国在所属区域技术合作网络中扮演次核心角色，中国成为发展最快的国家，在智能网联汽车跨国技术合作网络中的关键地位日益凸显。

3.1.3 块模型分析

为刻画全球智能网联汽车跨国技术合作网络的动态演化特征，本文基于块模型对2006—2018年智能网联汽车技术合作国家位置进行分析。表4结果显示，全球智能网联汽车跨国技术合作网络中核心国家数量非常有限，呈现出集中化特征，以德国、美国为核心，萌芽期德国处于技术合作网络的绝对中心地位，而在成长期美国逐渐取代德国占据网络绝对中心地位；强半边缘国家从萌芽期的4个增加到成长期的9个，说明智能网联汽车技术实力相对较强的强半边缘国数量有所增加；弱半边缘国家数量大幅增加，萌芽期仅为9个，成长期增加到33个。这表明越来越多国家参与到智能网联汽车创新活动中，并积极与其它国家开展合作。

进一步刻画核心—外围结构4种类型内部之间的关系，即全满型(具有类似的技术合作结构，以com表示)和全空型(没有类似的技术合作结构，以连字符表示)。使用Pajek进行块建模计算，得到最终的影矩阵，如表5所示。结果显示，考察期内，全球智能网联汽车跨国技术合作网络以核心国为中心，强半边缘国、弱半边缘国均积极与核心国开展技术合作创新，边缘国与其它类型国家几乎没有合作关系，处于网络边缘。总体而言，全球智能网联汽车技术合作仍以核心国为中心，由核心国和实力较强的半边缘国主导。

3.2 智能网联汽车跨国技术合作网络驱动机制分析

3.2.1 QAP回归分析

本文采用QAP方法对智能网联汽车跨国技术合作网络及其驱动因素进行回归分析。首先检验解释变量与被解释变量之间的相关性，结果显示，在智能网联汽车跨国技术合作网络演化的萌芽期、成长期以及发展全阶段，各变量均在10%的统计水平上显著，说明可以进行QAP回归。

基于智能网联汽车跨国技术合作网络萌芽期、成长期以及发展全阶段的关系数据，进行QAP回归分析，结果如表6所示。

从解释变量看，技术邻近性的回归系数在各阶段均显著，说明技术邻近性是智能网联汽车跨国技术合作网络演化的主要驱动力，H2得到验证。这也意味着，智能网联汽车这一前沿新兴领域的合作创新以强技术相似性为前提，且以技术强国之间合作为主。这一发现与已有研究结论一致，即技术邻近性在技术合作中发挥着重要作用[14]。地理距离的回归系数在萌芽期为负，在成长期和发展全阶段不显著，表明地理距离在智能网联汽车技术合作中的作用随时间推移变得不显著，H1得到验证。在智能网联汽车跨国技术合作初期，合作关系受到地理距离影响，地理位置越接近，越有利于合作关系的建立。随着信息化与全球化的发展，地理距离不再是智能网联汽车跨国技术合作的障碍，企业为了获得异质性互补资源，努力跨越物理距离的藩篱，寻求跨国合作伙伴的互补资源。

社会邻近性的回归系数在成长期和发展全阶段均为正，且具有统计学意义。这意味着各国更愿意与其伙伴的伙伴建立联系，社会邻近性高可以增加信任，提高合作效率，H3得到验证。智能网联汽车技术复杂度和研发风险较高，企业与已建立信任关系的伙伴合作能够降低创新风险。制度距离的回归系数由萌芽期的显著为负变为成长期的不显著，说明制度距离在智能网联汽车跨国技术合作中的作用随时间推移变得不显著，H4得到验证。制度距离大会增加萌芽期智能网联汽车技术合作的困难，降低知识转移效率与获得合法性的可能。制度上的邻近性也会造成组织结构的依赖，不利于整合更多异质性资源，而智能网联汽车技术的发展却越来越需要异质性知识与技术。因此，制度距离对成长期智能网联汽车跨国技术合作网络演化的影响不再显著。政策强度的回归系数在成长期和发展全阶段均显著为正，表明政策强度是智能网联汽车跨国技术合作网络演化的关键驱动因素，对智能网联汽车产业发展的政策支持强度越大，越能促进跨国技术合作研发创新，H5得到验证。这说明高技术复杂度、高风险的前沿领域技术创新离不开政府政策的系统支持。与其它技术相比，智能网联汽车跨国技术合作的驱动机制具有特殊性，国家需要从政策支撑强度方面着手，帮助企业降低研发风险，提供有力的政策保障，促进技术合作创新的突破。

在控制变量方面，共同语言的回归系数在萌芽期和成长期均为正，表明相同的语言和文化对智能网联汽车技术合作具有积极影响，语言差异是国际技术合作的障碍[17]，这与已有研究结论一致。殖民关系的系数在萌芽期、成长期以及发展全阶段均不显著，说明是否存在殖民关系对智能网联汽车技术合作没有影响。技术创新能力的系数显著为正，说明技术创新能力是影响智能网联汽车技术合作的重要因素，智能网联汽车技术合作多发生在创新能力强的国家之间。

3.2.2 “三维”异质性分析

考虑到智能网联汽车跨国技术合作网络存在发展阶段、区域以及不同政策强度组合的“三维”异质性特征，那么其驱动机制是否同样存在“三维”异质性特征？

首先，考虑技术合作网络的时间演化趋势，比较萌芽期与成长期的回归结果发现(见表6)，随着时间推移，技术邻近性和社会邻近性对网络的驱动作用在成长期更加显著，但地理距离、制度距离和共同语言的影响在成长期变得不显著或弱化。政策强度对智能网联汽车跨国技术合作网络的驱动作用在萌芽期并不显著，但对成长期的网络演化具有显著影响。这一结论与实践相印证，智能网联汽车相关政策多在2013年及以后出台，成长期才开始发挥作用。同时，技术邻近性和社会邻近性对网络的驱动作用在成长期也得到强化。因此，智能网联汽车跨国技术合作网络驱动机制具有发展阶段的异质性特征。

其次，考虑技术合作网络的区域分布特征，将2006—2018年智能网联汽车跨国技术合作网络划分为欧洲、亚洲和美洲3类样本，对分样本进行回归。表7结果显示，技术邻近性和政策强度仍然是智能网联汽车跨国技术合作网络的重要驱动因素。由于分地区样本回归降低了样本国家社会邻近性的影响，使得社会邻近性的系数变得不显著，而其它变量的符号均未发生改变，说明回归结果稳健可信。同时，分区域回归结果显示，智能网联汽车跨国技术合作网络驱动因素具有区域异质性特征，与欧洲相比，技术邻近性在美洲跨国技术合作创新中发挥着更大作用。在政策强度方面，欧洲智能网联汽车相关政策对区域内跨国技术合作创新的驱动作用更强。

最后，考虑政策强度的异质性组合，以均值为划分标准，将2006—2018年智能网联汽车跨国技术合作网络分为合作国政策强度均高、合作国政策强度均低以及合作国政策强度有高有低3类样本，对分样本进行回归。表8结果显示，技术邻近性、社会邻近性和政策强度仍然是智能网联汽车跨国技术合作网络的重要驱动因素，地理距离和制度距离对技术合作网络的影响不显著，这与表6结果一致。分样本回归结果显示，不同政策强度组合下的智能网联汽车跨国技术合作网络驱动因素具有异质性特征。与其它两类政策强度组合相比，技术邻近性、社会邻近性和政策强度因素对政策强度均高国家间技术合作的影响更为显著，而共同语言对政策强度均高国家间技术合作的影响不显著。可能的原因在于，政策强度均高的国家多为发达国家，其技术邻近性、社会邻近性和政策强度都较高，这为技术合作关系的建立创造了很好的基础与环境，更有利于合作创新。同时，技术强强联合的国家受共同语言影响变得不显著，说明语言障碍被跨越。可见，技术合作双方政策强度均高的国家，其技术邻近性、社会邻近性等因素对智能网联汽车跨国技术合作的影响更显著，更有利于前沿技术的创新突破。

3.2.3 稳健性检验

考虑到智能网联汽车跨国技术合作矩阵中有较多观测值为0，因此本文运用泊松伪最大似然(PPML)估计进行稳健性检验，该方法适用于计数模型且有较多因变量值为0的情况[4]。结果表明，技术邻近性、社会邻近性、政策强度、共同语言和技术创新能力是智能网联汽车跨国技术合作网络演化的重要驱动机制，这一结论与上述QAP回归一致，说明本文回归结果稳健，结论可信。

4 结论与展望

4.1 结论与建议

本文基于2006—2018年全球智能网联汽车专利发明人跨国合作数据，构建智能网联汽车跨国技术合作网络矩阵，运用社会网络分析方法和二次指派程序(QAP)，检验智能网联汽车跨国技术合作网络的拓扑结构特征和驱动机制，得出如下研究结论：从技术发展的萌芽期到成长期，全球参与智能网联汽车技术合作国家数呈快速增长态势，但整体合作网络尚不完整和规范；美国是智能网联汽车跨国技术合作网络的集线器和枢纽，以美国、德国为首的传统科技强国在智能网联汽车跨国技术合作网络中占据绝对中心地位，网络具有明显的核心—边缘结构；智能网联汽车技术合作模式以核心国为中心，由核心国和强半边缘国主导；技术邻近性、社会邻近性、政策强度是智能网联汽车跨国技术合作网络演化的主要驱动力，正向影响跨国技术合作关系演化，地理距离和制度距离在智能网联汽车技术合作中的作用随时间推移变得不显著；智能网联汽车跨国技术合作网络驱动因素存在发展阶段、区域以及不同政策强度组合的“三维”异质性特征；智能网联汽车跨国技术合作创新驱动机制具有其特殊性，国家需要从政策强度着手，帮助企业降低研发风险，提供政策保障，促进技术合作创新的突破。

基于以上结论，本文提出以下政策启示：第一，全球智能网联汽车跨国技术合作网络还不够完善和规范，各国应以更加开放的态度与其它国家在该领域开展深入合作，搭建前沿技术的全球创新系统，推进技术的突破性创新。第二，美国是智能网联汽车合作网络的绝对核心，其它国家应努力缩小与美国的技术差距，加强与核心国的技术合作，加快全球智能网联汽车技术扩散。同时，技术核心国需要发挥主导作用，积极与其它国家开展技术合作，促进技术外溢，推动全球传统汽车产业的智能化转型。第三，智能网联汽车技术是技术复杂度极高的前沿领域，为促进技术合作创新，应缩小各国间的技术差距，提高技术邻近性，同时也要考虑社会邻近性因素，选择社会邻近性高的伙伴进行研发合作，以降低合作研发风险。第四，政府应加大政策支持强度，为企业技术创新提供更多资金、法规和制度保障，帮助企业不断跨越颠覆性创新障碍，通过自主创新和跨国技术合作实现技术突破。第五，加强各大洲内部智能网联汽车领域的技术合作，积极引导跨大洲技术合作创新，促进前沿技术扩散。以核心国和强半边缘国为中心，以星状拓展合作创新关系，推动技术合作网络的深度演进。

4.2 不足与展望

本研究着眼于国家层面的智能网联汽车技术合作问题，未来可面向区域、企业及组织层面进行扩展和延伸，系统刻画不同层次智能网联汽车技术合作的结构和机制问题；本文基于发明人国别信息构建跨国合作矩阵，未来可利用申请人国别信息拓展相关研究；智能网联汽车技术是多技术轨道融合形成的新兴技术，技术融合可能是跨国技术合作网络形成的影响因素，未来可将技术融合纳入分析框架，探究合作网络的形成与演化机制；进一步的研究可扩展至更多新兴技术领域，揭示具有普适性的新兴产业技术跨国技术合作网络结构与演进机制。

参考文献:

[1] 翟东升,张京先.基于专利技术共现网络的无人驾驶汽车技术融合演化研究[J].情报杂志,2020,39(4):60-66,19.

[2] 杨春白雪,曹兴,高远.新兴技术合作创新网络演化及特征分析[J].科研管理2020,41(7):20-32.

[3] LUBANGO L M. Effects of international co-inventor networks on green inventions in Brazil, India and South Africa[J]. Journal of Cleaner Production, 2020, 244: 118791.

[4] MILANI S. Who innovates with whom and why? evidence from international collaboration in energy patenting[J]. Economics of Innovation and New Technology, 2020, 29(4): 369-393.

[5] CHO R L T, LIU J S, HO M H C. The development of autonomous driving technology:perspectives from patent citation analysis[J]. Transport Reviews, 2021, 41(5): 685-711.

[6] MARLETTO G. Who will drive the transition to self-driving? a socio-technical analysis of the future impact of automated vehicles[J]. Technological Forecasting and Social Change,2019, 139: 221-234.

[7] WU S S. Autonomous vehicles, trolley problems, and the law[J]. Ethics and Information Technology, 2020, 22(1): 1-13.

[8] KOPELIAS P, DEMIRIDI E, VOGIATZIS K, et al. Connected & autonomous vehicles-environmental impacts-a review[J]. Science of the Total Environment, 2020, 712: 135237.

[9] NASTJUK I, HERRENKIND B, MARRONE M, et al. What drives the acceptance of autonomous driving?an investigation of acceptance factors from an end-user's perspective[J]. Technological Forecasting and Social Change, 2020, 161: 120319.

[10] GUAN J C, YAN Y. Technological proximity and recombinative innovation in the alternative energy field[J]. Research Policy,2016,45(7): 1460-1473.

[11] DE PRATO G, NEPELSKI D. Global technological collaboration network: network analysis of international co-inventions[J]. The Journal of Technology Transfer,2014,39(3):358-375.

[12] DE PAULO A F, RIBEIRO E M S, PORTO G S. Mapping countries cooperation networks in photovoltaic technology development based on patent analysis[J]. Scientometrics, 2018, 117(2): 667-686.

[13] ZHENG J, ZHAO Z, ZHANG X, et al. International collaboration development in nanotechnology: a perspective of patent network analysis[J]. Scientometrics, 2014, 98(1): 683-702.

[14] NEPELSKI D, DE PRATO G. The structure and evolution of ICT global innovation network[J]. Industry and Innovation, 2018, 25(10): 940-965.

[15] BOSCHMA R. Proximity and innovation: a critical assessment[J]. Regional Studies, 2005, 39(1): 61-74.

[16] GUI Q, LIU C, DU D. Globalization of science and international scientific collaboration:a network perspective[J]. Geoforum, 2019, 105: 1-12.

[17] 李琳,郭立宏.制度距离与跨国合作创新绩效——文化严格程度的调节作用[J].科技进步与对策,2021,38(9):16-25.

[18] 刘晓燕,李金鹏,单晓红,等.多维邻近性对集成电路产业专利技术交易的影响[J].科学学研究,2020,38(5):834-842,960.

[19] ESTRIN S, BAGHDASARYAN D, MEYER K E. The impact of institutional and human resource distance on international entry strategies[J]. Journal of Management Studies, 2009, 46(7): 1171-1196.

[20] LEE S, LEE H, LEE C. Open innovation at the national level: towards a global innovation system[J]. Technological Forecasting and Social Change, 2020, 151: 119842.

[21] COZZENS S, GATCHAIR S, KANG J, et al. Emerging technologies: quantitative identification and measurement[J]. Technology Analysis & Strategic Management, 2010, 22(3): 361-376.

[22] 中国汽车工程学会.中国智能网联汽车产业发展报告2020[M].北京：社会科学文献出版社，2020.

[23] PAVITT K. Patent statistics as indicators of innovative activities: possibilities and problems[J]. Scientometrics,1985,7:77-79.

[24] PICCI L. The internationalization of inventive activity: a gravity model using patent data[J]. Research Policy,2010,39(8): 1070-1081.

[25] 中国汽车工程学会.节能与新能源汽车技术路线图[M].北京:机械工业出版社,2016.

[26] 李克强,戴一凡,李升波,等.智能网联汽车(ICV)技术的发展现状及趋势[J].汽车安全与节能学报,2017,8(1):1-14.

[27] GANDIA R M, ANTONIALLI F, CAVAZZA B H, et al. Autonomous vehicles: scientometric and bibliometric review[J]. Transport Reviews, 2019, 39(1): 9-28.

[28] 刘敏,薛伟贤,何黎松.“一带一路”跨国技术溢出网络空间演化与路径识别——加权复杂网络分析视角[J].科技进步与对策,2020,37(23):46-53.

[29] 胡悦,马静,李雪燕.京津冀城市群创新网络结构演化及驱动机制研究[J].科技进步与对策,2020,37(13):37-44.

[30] FREEMAN L C. Centrality in social networks conceptual clarification[J]. Social Networks, 1978,1(3): 215-239.

[31] DE NOOY W, MRVAR A, BATAGELJ V. Exploratory social network analysis with Pajek: revised and expanded edition for updated software[M]. Cambridge:Cambridge University Press, 2018.

[32] JAFFE A B. Technological opportunity and spillovers of R&D: evidence from firms' patents, profits and market value[J]. The American Economic Review,1986,76(5): 984-1001.

[33] 李琳,郭立宏,杨敏利.跨国合作创新网络演化及其影响因素研究——基于国际共同发明专利数据的实证分析[J].经济问题,2021,43(9):119-129.

(责任编辑：陈 井)