Comparison of Evolution Patterns of Technology Transfer Networks in the Guangdong-Hong Kong-Macao Greater Bay Area and the San Francisco Bay Area

He Xijun1, Wu Shuangshuang1, Zhang You1, Chan Chee Seng2, Pang Ting2

(1. School of Economics and Management, Beijing University of Technology, Beijing 100124,China; 2.Faculty of Computer Science and Information Technology,University of Malaya, Kuala Lumpur 50603, Malaysia)

Abstract：The construction of the international science and technology innovation center is an important strategic direction for the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) in the new era. It will help promote the coordinated development of the GBA city clusters and the construction of an international science and technology innovation center by studying the structure and evolutionary pattern of the technology transfer network in the GBA, and proposing countermeasure suggestions and experience from the development of the technology transfer network in the San Francisco Bay Area (SFBA). At present, domestic and foreign studies using patent transaction data to analyze technology transfer networks of GBA only focus on a single spatial scale of inter-city networks. This paper further explores the structure and evolution pattern of technology transfer networks in the GBA from multiple dimensions, and conducts a comparative study on the evolution pattern of technology transfer networks in the GBA and SFBA, so as to provide a basis for the optimization and governance of innovation networks of GBA.

This paper uses patent transfer data in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) and San Francisco Bay Area (SFBA) from 2003 to 2019, and constructs inter-city, inter-organization and inter-subject technology transaction networks of GBA and SFBA from the macro, meso and micro dimensions. Using social network analysis, statistics and information entropy, this paper compares the structural characteristics and evolutionary patterns of technology transfer networks of GBA and SFBA, and has the following findings. (1) The inter-city technology transfer network of GBA has evolved from a single-center structure with Guangzhou as the core to a multi-core structure with Shenzhen-Dongguan-Guangzhou as the core; however, Hong Kong and Macau are loosely connected to the core cities and are in the peripheral structure of the network. The inter-city network of SFBA has evolved from a dual-core structure with Santa Clara-San Mateo as the core to a multi-core structure with Santa Clara-San Francisco-San Mateo as the core. (2) Enterprise to enterprise transfer is the most important transfer mode in the GBA inter-organization network, and the transfer between industry, universities and research institutes show a declining trend. The role of financial institutions in the evolution of the network has not been effectively played. The transfer between enterprises and financial institutions is the most important transfer mode in the SFBA network, and it shows a rapid growth trend. (3) The inter-subject patent transfer networks of SFBA and GBA have two structural patterns: high-frequency small groups and low-frequency large groups. The network evolution is dominated by a small number of key subjects, and a star-shaped transfer pattern based on core subjects is formed. (4) Compared with the inter-subject network of SFBA, the network structure of GBA is less stable, the scale of subjects continuously involved in technology transfer is smaller, and the gap in technological innovation capacity between subjects is larger, failing to form a reciprocal pattern of technology transfer with complementary advantages and balanced development.

Based on the research results, this paper puts forward several suggestions for promoting the efficient development of GBA’s technology transfer network. First, in terms of creating a favorable business environment, the governments of GBA should break down the institutional barriers of Guangdong, Hong Kong and Macao, bring the spillover effect of science and technology innovation into play from the core cities of Shenzhen-Dongguan-Guangzhou, and promote cross-city technology flows and collaborative innovation. Second, in promoting basic research and cooperation between industry, academia and research, GBA should pay attention to the construction of basic research platforms such as universities and national key laboratories, improve the quality of innovation achievements, and bring into full play of the educational, financial and technological advantages of Guangdong, Hong Kong and Macao to strengthen the cooperation among the three regions in terms of industry, academia, research and application. Third, in terms of financial empowerment for technological innovation, GBA should strive to establish of a cross-regional financial market, leverage the financial advantages of Hong Kong, Guangzhou and Shenzhen, and explore diversified approaches of technological financial services, so as to provide financing access for technology-based small and medium enterprises. Fourth, in the construction of industrial clusters,GBA should focus on emerging industries and strengthen support to cultivate a number of leading enterprises, and rely on leading enterprises to integrate advantageous industrial innovation resources, give play to the innovation spillover effect, and drive the development of small and medium-sized enterprises.

Key Words：The Guangdong-Hong Kong-Macao Greater Bay Area; The San Francisco Bay Area; Patent Technology Transaction Network; Evolution Pattern

DOI：10.6049/kjjbydc.2022030145

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2023)09-0033-11

收稿日期：2022-03-07

修回日期：2022-06-08

基金项目：国家自然科学基金面上项目(71974009);国家自然科学基金项目(71774010);国际科研合作基金项目(2021B35)

作者简介：何喜军(1979-),女,河北文安人,博士,北京工业大学经济与管理学院教授、博士生导师,研究方向为区域创新发展、科技成果转化;吴爽爽(1998-),女,山东菏泽人,北京工业大学经济与管理学院硕士研究生,研究方向为区域创新网络;张佑(1998-),男,北京人,北京工业大学经济与管理学院硕士研究生,研究方向为区域发展;Chan Chee Seng(1980-),男,博士,马来亚大学计算机科学与信息技术学院副教授、博士生导师,研究方向为机器学习;庞婷(1989-),女,河南新乡人,马来亚大学计算机科学与信息技术学院博士研究生,研究方向为数据挖掘。

0 引言

湾区作为独特的城市群及区域经济一体化发展的高级形态,以高度的创新性、开放性和国际化为显著特征[1],是促进区域全面开放以及激发创新活力、经济活力的重要载体。粤港澳大湾区作为我国最发达的城市群之一,集聚了大量创新要素和资源,其以建设国际科技创新中心为目标,以深化内地与港澳合作为基础,通过强化区域创新要素流动推动区域经济高质量发展。

世界城市群建设经验显示,优化湾区创新网络结构及空间演化路径、促进城市间创新要素流动,是建设世界一流湾区的关键(辜胜阻,曹冬梅,杨嵋,2018)。技术转让作为创新要素流动的重要方式,是技术从原产地到使用地之间的转移[2]。其中,个体间技术转让能为组织提供技术获取机会[3],提升组织创新水平与竞争力[4];城市间技术转让则对支撑区域技术进步[5]、促进区域技术流动与经济协调发展起重要作用[6,7]。因此,建立一个高效持续发展的技术转让网络,对促进湾区城市群协调发展、增强科技创新能力具有重要价值[8]。

1 文献述评

有关粤港澳大湾区技术转让网络的研究,主要聚焦于创新生态系统建设和创新网络空间演化。如陈健等[9]系统归纳了创新生态系统概念、理论与治理对策;在此基础上,辜胜阻等(2018)提出构建粤港澳大湾区创新生态系统的战略思考;丁旭光等[10]借鉴旧金山湾区的创新经验,提出构建粤港澳大湾区创新共同体的对策。这些研究从宏观和定性视角为大湾区技术转让网络建设与治理提出对策。此外,引入社会网络分析方法,探索大湾区创新网络空间结构演化规律是近年来的研究焦点。如许培源、吴贵华(2019)选取Web of Science 中科技论文合作数据,研究大湾区知识创新网络空间结构演化及形成机制;马海涛等[1]基于论文合作数据,借助基尼系数测度属性和功能多中心性方法,对粤港澳大湾区城市群的知识多中心性及知识网络的空间演化进行研究,但基于论文数据的局限性,难以全面表征大湾区城市间创新要素的流动情况。

专利转让数据因能提供专利权流的“源-汇”关系[11],为研究大湾区技术转让网络提供了数据支撑[12]。如李文辉等[13]以1992-2017年粤港澳大湾区合作申请专利数据为依据,从城市创新协同网络、组织创新协同网络、个体创新协同网络3个维度,分析大湾区技术创新协同演化过程及机理,发现湾区城市间的技术创新协同具有地理邻近、组织邻近和技术邻近等特征;Feng等[14]利用2010年、2014年和2018年的专利交易数据,从整体特征、网络节点强度、网络关联、网络节点重要性等方面分析城市间技术交易网络的空间格局。

综上,基于专利交易数据的研究仅关注单一空间尺度的城市间网络,对空间内创新主体间的技术流动未作深入挖掘。同时,与世界著名科技湾区技术转让网络的对比研究成果也较为匮乏。因此,本研究从宏观、中观、微观3个维度,对湾区不同城市间、不同类型组织间和创新主体间的技术转让网络进行系统研究,挖掘网络结构特征及演化模式,并通过与世界著名科技湾区的对比研究,为大湾区创新网络的优化及治理提供依据。

2 研究设计

2.1 研究范围与对象

粤港澳大湾区(Guangdong-Hong Kong-Macao Greater Bay Area,GBA)是我国参与国际竞争与合作的重要平台,也是推动区域经济高质量发展的重要增长极。与其它湾区不同,GBA最典型的特征是异质性,即“一国两制、三关税区”的独特管理结构[15]。GBA包括香港、澳门两个特别行政区和广东省的广州、深圳、珠海、佛山、肇庆、惠州、东莞、中山、江门,共11个城市。

美国旧金山湾区(San Francisco Bay Area,SFBA)是全球创新创业高地,也是美国科技金融中心和世界风险投资中心。SFBA拥有众多世界知名的科技公司、大学和科研机构,并建立了完善的由大学-企业-风险投资-政府组成的创新生态系统(杨静,赵俊杰,2021)。具体包括旧金山(San Francisco)、马林(Marin)、索诺马(Sonoma)、纳帕(Napa)、索拉诺(Solano)、阿拉梅达(Alameda)、康特拉科斯塔(Contra Costa)、圣克拉拉(Santa Clara)和圣马特奥(San Mateo)共9个郡。

GBA和SFBA有众多相似之处:①二者均是创新要素和资源高度聚集的地区(何喜军,吴爽爽,才久然,2021);②均以信息通信、电子制造等作为主导产业,SFBA的硅谷是世界级高新技术的创新之都,GBA的深圳则是中国创新城市的后起之秀[16];③在发展战略上,均瞄准建设科技创新湾区。由于SFBA建设较早,科技创新体系较为成熟,大多数研究分别从创新主体[17]、创新资源(辜胜阻,曹冬梅,杨嵋,2018)、产业结构[18]等方面对比两个湾区。本文将以GBA和SFBA为研究对象,从多维度构建两个湾区的专利转让网络(Patent Transfer Network,PTN)以开展结构及演化规律的探索和对比。

2.2 研究方法与内容设计

社会网络分析方法近年来被广泛应用于经济区域[19-20]、城市间[7,12]以及组织间创新网络(栾春娟,宋河发,谢彩霞,2019)等领域研究。本文利用社会网络分析、统计学及信息熵等方法,从3个维度构建大湾区PTN并开展结构及演化模式研究。具体包括:

(1)宏观维度:构建湾区城市间专利转让网络(PTN among inter cities of Bay Area,PTN-C),基于信息熵方法考察城市在PTN中的影响程度,度量湾区城市角色;结合社会网络的“核心-边缘”分析,挖掘PTN的空间结构特征与演化规律。

(2)中观维度:构建湾区不同类型组织间专利转让网络(PTN among organizations of Bay Area, PTN-O),并利用统计方法研究组织间技术转让模式与演化规律。

(3)微观维度:构建湾区主体间专利转让网络(PTN among subjects of Bay Area, PTN-S),分析网络结构特征并通过度量网络稳定性、异质性、互惠性、同配性等特征,研究主体间技术转让模式、关系模式及演化规律。

2.3 数据来源与处理

2.3.1 数据采集

基于IncoPat专利数据库检索2003-2019年GBA和SFBA的有效发明专利转让方信息,本文仅考虑转让或受让方地址位于GBA和SFBA区域的转让记录,暂不考虑跨国公司及总部地址未在湾区的组织。通过在数据库中的申请人地址、受让人地址、当前专利权人地址栏输入“所属区域为湾区城市”,生成检索式,获得初步数据:GBA转让专利48 640项,转让记录11 397条;SFBA转让专利66 490项,转让记录54 761条。

2.3.2 转让记录拆分

针对存在多个转让方或受让方的记录,按照将U1→U2U3拆分为U1→U2、U1→U3,U1U2→U3拆分为U1→U3、U2→U3的规则进行拆分(其中,U1、U2、U3代表专利转让方或受让方,→代表转让方向),数据拆分后抽取主体列表,删除转让方和受让方为个人的主体,得到主体列表。

2.3.3 主体所属区域映射

对于数据库未记录地址的主体,利用JavaScript调用百度地图API和谷歌地图API,通过输入主体名称,批量获取主体地址,并通过行政区划列表匹配城市所属省市信息。在此基础上,将主体间专利转让记录映射为城市间转让记录,并删除转让方和受让方均不在湾区的记录。

2.3.4 主体所属组织类型映射

按照大学、科研院所、金融机构、企业、其它等进行组织类型划分,构建组织间专利技术转让网络。

综上,得到的数据集包括:GBA:转让专利32 304项,转让记录46 418条,涉及各类主体22 230个;SFBA:转让专利38 143项,转让记录234 630条,涉及各类主体11 238个。为直观展示中美湾区各类PTN的结构及演化规律,在宏观和中观维度分析时,将2003-2019年分为3个阶段:阶段I(2003-2008年)、阶段II(2009-2014年)、阶段III(2015-2019年)。在微观维度分析时,以年为单位。

2.3.5 数据初步统计分析

基于上述数据集,统计2003-2019年中美湾区转让专利数(Number)与频次(Frequency)变化趋势,如图1所示。

由图1可得:2015年以前,GBA的专利转让处于低水平平稳发展阶段,SFBA则呈现波动增长趋势;2015-2017年,GBA进入快速增长阶段,SFBA增速放缓;2017年后,GBA和SFBA的专利转让都呈现下降趋势。其中:SFBA和GBA的增长都与市场及政府的推动密不可分。自2017年以后,随着技术创新壁垒持续提高、超大型企业日渐强盛及政府反垄断政策的孱弱,美国小企业在技术创新过程中逐渐被边缘化[21],以致SFBA的技术转让与技术扩散呈现放缓趋势。相比之下,GBA在2017年之后步入正式发展阶段,三地政府不断出台相关政策规划,助推高新技术产业发展,处于政策调整和产业优化期,高质量的专利需求与供给之间出现短期不均衡态势,专利转让数及频次在发展期出现波动下降趋势。

基于上述数据集,统计两个湾区参与专利转让的各类主体数量,结果如表1所示。

从表1可知:①参与GBA专利转让的主体规模远高于SFBA,充分体现了GBA具备超大规模技术市场优势和内需潜力,对构建以国内技术交易大循环为主、国内国际双循环相互促进的新发展格局具有重要支撑作用;②企业是GBA和SFBA专利转让的主体,但在地理分布上存在差异,其中,GBA内企业占比达65.2%,SFBA内企业占比达48.2%,说明SFBA内企业与湾区外企业的专利技术转让更活跃;③参与GBA专利技术转让的大学和科研院所数量多,而参与SFBA专利技术转让的金融机构数量多,说明在GBA与SFBA的专利转让网络中组织类型差异较大。

3 实证研究

3.1 宏观维度:城市间技术转让网络空间结构及演化模式

(1)湾区城市角色分类。根据湾区城市间以及湾区城市与湾区外城市间的技术转让关系,将湾区城市角色划分为三类:①输出角色(Out),指湾区城市为转出方,湾区外城市为受让方;②吸纳角色(In),指湾区城市为受让方,湾区外城市为转出方;③自我维持角色(Self),指湾区城市既作为转出方,也作为受让方。

(2)基于信息熵定量测度湾区城市多元角色的重要性。从信息论思想出发,以网络中某节点为信息源点,以其邻近节点为目标点,测度节点在选择过程中的影响程度以评估其重要性,即在技术转让过程中转让方或受让方会在相邻节点中选择目标点进行转出或吸纳。因此,在Xu等[22]的研究基础上,本文提出可应用加权有向网络中节点重要性的评价方法,即利用两城市间技术转让总频次衡量城市重要性。基于该方法,不仅能度量湾区城市在湾区内部技术转让活动中的角色重要性,考察湾区城市与湾区外城市的创新要素流动,评估其多元角色的重要性,而且有助于反映城市产出、吸收技术以及创新强度的差异性,进行核心-边缘结构评价时也更能反映实际情况[23]。具体步骤如下:

第一,定义网络G=(V,M,W)。其中,V为节点集合,包括湾区城市和湾区外城市,M为连边集合,如果节点i将专利转让给j,则aij=1,否则aij=0。权重矩阵W=[wij]表示节点间转让频次,在有向网络中,一般有wij≠wji。

第二,定义节点出权和入权。在加权有向网络中,节点i的入权为指向该节点的所有边的权重之和,节点i的出权为该节点指出的所有边的权重之和。

第三,节点邻接出权和入权。在加权有向网络中,节点i的邻接出权是指输入到节点i的邻居的出权之和,节点i的邻接入权是指节点i输出到邻居的入权之和。计算公式如下:

(1)

(2)

第四,选择概率。在加权有向网络中,节点i被邻居节点选择的概率代表其重要性,吸纳选择重要性是指节点i被邻居节点选择为输出节点的概率,输出选择重要性是指节点i被邻居节点选择为吸纳节点的概率。计算公式如下:

(3)

(4)

第五,节点信息熵。利用熵的计算方法,计算节点的吸纳重要性和输出重要性,计算公式如下:

(5)

(6)

上述步骤中需要评价的节点为湾区城市,邻居节点均指湾区外城市。

第六,自我维持角色的重要性。借鉴上述公式,给出节点自我维持角色重要性的计算方法为湾区城市输出重要性与吸纳重要性的融合。其中,评价节点为湾区城市,邻居节点也指湾区内城市,系数θ设置为0.5。公式如下:

(7)

(3)湾区城市的多元角色及演化趋势。按照3个时间段计算湾区城市各类角色的重要性及演化趋势,结果如表2-表3所示,其中,I-III列数据展示了各城市三类角色变化情况。

由表2-表3可得:①SFBA中大部分城市三类角色重要性程度的变化较小,说明湾区城市在技术转让网络中的定位清晰且稳定,同时重要性排名较高的城市,其三类角色的重要性程度都较高,说明在网络演化中核心城市的综合能力,即技术吸纳能力、技术输出能力和自我维持能力均较强且稳定,排名前三的核心城市包括San Francisco、Santa Clara和San Mateo;②GBA中排名靠前且稳定的城市为广州和东莞,部分城市三类角色的重要性程度变化较大,其中中山在网络中的吸纳角色持续提升,反映出该城市产业发展的技术需求旺盛,惠州的专利输出角色持续提升,反映出其技术创新和辐射能力快速提高,深圳和香港的技术吸纳角色持续下降,其中深圳面临传统制造业升级和生产成本上升的转型期,高质量技术供给不足与高质量技术需求不足并存,而香港的主要优势表现在金融、商贸等专业服务方面,近几年制造业“空心化”严重,科技产业基础较弱,同时,香港的资金、技术、人才进入内地技术市场的手续相对繁琐,使得香港与内地的专利转让受阻,珠海则更多靠技术吸纳和自主研发支撑产业升级与组织创新。

(4)湾区城市间技术转让网络空间结构演化模式。按照3个阶段,分别构建并绘制GBA和SFBA的城市间专利转让网络,如图2-图3所示。其中,城市节点大小根据该城市转出和吸纳专利频次之和划分,城市背景颜色深浅根据该城市自我维持的专利频次调整,箭头粗细根据城市间转出或吸纳专利频次调整,具体见图例。已有研究表明,城市群经济竞争力主要取决于其内部是否形成创新空间组织体系和多中心的创新网络(许培源,吴贵华,2019)。从图2-图3可以看出,SFBA内PTN-C在第I阶段已呈现出多中心网络化特征,各城市间建立了联系,在第II阶段及以后呈现出稳定的多中心发展格局。而GBA内PTN-C在第I阶段呈现出广州市一核独大的格局,城市间联系具有邻近性特征,至第II阶段及以后呈现快速发展态势,“多中心”空间结构演化趋势明显,网络化和多核结构特征明显,具体表现为越来越多的城市间发生专利转让关系,核心城市间的联系更紧密,各城市与核心城市的联系紧密度也有所提升,说明城市间技术交流与转让关系加深,多中心网络化格局初步形成。

基于中美湾区PTN-C的多中心发展趋势,利用Ucinet的Core/periphery功能分析网络的核心-边缘结构,结果如表4所示。

由表4可得:GBA和SFBA的PTN-C均表现出显著的核心—边缘结构,并且核心结构中多中心演化趋势明显。

第一,GBA的城市间技术转让网络逐渐由以广州为核心的单核网络结构演化为以深圳—东莞—广州为核心的多核网络结构。其中,深圳作为全国性国际科技产业创业中心,除了形成包括电子制造业在内的高科技制造中心外,其在金融服务、科技创新等领域优势明显,且制造业进入外溢环节,对外技术辐射效应明显;东莞与深圳区位相邻,成为深圳产业转移的优先选择,借助该优势,东莞培育出一批新兴产业并逐步转向高端制造业,自主创新能力有所提升;广州具有丰富的大学和科研机构资源,重点依托高科技园区和金融服务体系建设国际大都市,具有前沿技术研究和人才储备等优势。除核心城市外,GBA中越靠近核心城市的地区,其核心程度越高,说明大湾区城市间的技术转让具有地理邻近性。此外,香港和澳门在专利转让网络中的作用未有效发挥,一方面是由于香港和澳门的制造业“空心化”严重,与内地城市间的高科技产业技术供需对接难;另一方面是由于三地政府在科技、人才交流等方面的政策具有显著差异,三地优势资源难以有效互补。

第二,SFBA的城市间技术转让网络逐渐由以Santa Clara-San Mateo为核心的双核网络结构演化为以Santa Clara-San Francisco-San Mateo为核心的多核网络结构。其中,Santa Clara是硅谷的核心地段,高新技术企业云集,涉及计算机、通信、互联网、新能源等多个领域;San Mateo与硅谷的高科技产业集中地邻近,受其影响,技术创新发展势头强劲;San Francisco作为重要的海军基地和贸易港,也是美国西部最大的金融中心,以金融、商业贸易等产业为主,近年来逐渐发展为重要的科技创新中心,与硅谷并驾齐驱,并超越San Mateo成为第二核心城市。

综上,中美湾区均以少数高度发展的城市为核心,通过技术溢出带动其它城市技术发展,在一定范围内形成了技术创新协同、产业结构相互依存的城市群体。

3.2 中观维度:组织间技术转让网络结构与演化模式

按照I、II、III三个阶段,将转让方、受让方与5类组织类型进行映射,并构建湾区不同组织类型间的技术转让网络,研究组织间技术转让模式及演化规律,结果如图4。

(1)企业间专利转让是中美湾区的重要转让模式。其中,在GBA网络中,I、II、III三个阶段的企业间专利转让频次及占比分别为:229次、80%;3 472次、77%;36 321次、87%;SFBA网络中企业间专利转让频次及占比分别为:13 060次、51%;36 287次、33%;24 622次、25%,占比均低于GBA,反映出SFBA组织间的转让模式比GBA更加多元化。

(2)产学研间专利转让是GBA的主要转让模式。在I、II、III三个阶段中企业与大学、科研院所之间的专利转让频次占比分别为14%,11%和7%,说明GBA中大学和科研院所作为技术创新主体,对满足湾区企业技术需求具有支撑作用,但作用逐渐下降。挖掘其原因:一是GBA内国际知名的高水平研究型大学和国家重点实验室较少,拥有高校173所、国家重点实验室55个(全国共316个),2019年仅有4所大学位列世界前100名且均为香港高校,只有5所高校位列中国高校专利转让排行榜前100名。二是GBA各地产学研机构分布不均衡且城市间产学研协同创新水平不高。如香港拥有的顶级高校数量较多,具有较强的基础研究能力,但制造业“空心化”严重,科技型企业不足,科研成果转化效率不高;广州科教资源丰富,但科技型企业规模普遍较小,企业技术创新能力不强;深圳拥有华为、腾讯等龙头创新型企业,科研成果转化能力强,但缺乏高水平研究型大学以及世界级基础性、前沿性研发平台的支撑。

(3)企业与金融机构间专利转让是SFBA的主要转让模式,其中,I、II、III三个阶段中由企业向金融机构的转出频次及占比分别为:8 638次,34%;42 853次,39%;49 247次,50%,该比例逐渐高于企业间技术转让频次及占比。由金融机构向企业的转出频次及占比分别为:3 682次,14%;30 614次,28%;24 266次,25%,说明金融机构在SFBA的组织间专利转让网络演化中承担重要角色。原因为:SFBA中有大量企业与金融机构通过专利权质押融资形成专利转让。而GBA中,因香港金融机构进入内地技术市场的手续较繁琐[2],导致GBA金融市场与技术市场的互联互通程度仍有待提高。

3.3 微观维度:主体间技术转让网络结构及演化模式

通过构建湾区主体间技术转让网络(PTN-S),可以发现其具有显著的非密集、零碎、松散、非连通、大规模等特征。利用Matlab探测连通子图,并统计2003-2019年各网络子图规模及数量,发现:GBA和SFBA的PTN-S均呈现出随子图规模拓展、子图比例下降的趋势,说明大规模连通子图的数量很少,小规模的连通子图数量较多,且大量子图仅包括2～5个节点,表明湾区主体间的专利转让具有高频率小群体和低频率大群体两种结构模式。

为进一步挖掘稳定型大群体构成的专利转让网络结构及转让模式,利用Matlab逐年探测中美湾区主体间专利转让网络中最大连通子图PTN-S-LS并进行相关分析。

(1)网络结构特征。利用Gephi计算网络结构指标,结果如表5所示。

通过表5可得,中美湾区PTN-S-LS的网络密度低、聚集系数小、结构稀疏。其中:GBA网络平均路径长度较小,SFBA的平均路径长度较大,说明两个湾区主体间的专利转让网络不具有小世界特征,且GBA网络中任意两个主体间的接近程度越高,合作潜力就越大。

(2)网络结构稳定性及结构模式。网络结构稳定性是指网络状态从t-1到t之间共享节点的比例,可通过自相关函数J衡量。其值介于0～1之间,值越高表示稳定性越好。其中,G(t)是t时刻网络中节点的集合,计算公式如式(10),结果如图5所示。

(8)

通过图5可得,2003-2019年SFBA的网络结构稳定性均高于GBA,说明SFBA中持续参与专利转让的主体数量较多。其原因在于SFBA具有优质的科技资源和创投资源,并培育了诸如谷歌、苹果、惠普等著名企业,在网络演化中与其它主体建立了密切、信任度高、稳定的合作关系。同时,SFBA较为完善的创新生态环境能够吸引中小企业入驻,多元融资渠道以及湾区扶持政策有助于中小企业在SFBA中存活并稳定发展。而GBA作为新兴湾区,虽形成了一批龙头企业,如华为、中兴等,但众多初创中小企业进入和退出专利转让网络的行为较频繁,且初创企业与网络中其它主体建立高信任度还需要较长时间。因此,GBA中具有核心竞争力并持续参与技术转让的核心主体数量较少,网络演化中交易行为的波动性较大。

(3)网络异质性及关系模式。根据Estrada[24]研究中提出的异质性指数,可判断网络结构的异质性。该指数对于正则有向图是0,对于星型图为1,计算公式如下。

ρD(G)=

(9)

其中,0≤ρD(G)≤1,V是节点数,i与j之间有连边,d表示节点度。该值越接近1,表示异质性越强。

表6显示,中美湾区主体间专利转让网络的异质性均大于0.11(BA无标度网络的异质性指数为0.11[24]),说明网络结构具有显著异质性。异质性越高,表示各主体之间度数分布的不均匀性也越高,即少量节点度数较高而大部分节点度数较低。中美湾区主体间专利转让网络比无标度网络具有更高的异质性,说明网络演化过程由极少数的核心主体主导。

(4)网络主体间互惠性及关系模式。互惠性用于衡量主体间形成相互转让关系的趋势。对于加权有向网络,互惠性计算公式如下[25]：

(10)

其中,wij表示从主体i到j的连边权重,网络边总数为M,如果ρ>0,则网络中存在互惠关系。否则,网络是反互惠的[12]。

通过计算得到,2003-2019年有14个年份的SFBA网络主体间互惠性远高于GBA,说明SFBA主体间的专利转让呈现出高互惠模式。这一方面是由于SFBA中主体的研发、消化吸收再创新能力较强,主体间技术创新与扩散能力差距较小,更易形成稳定互惠的技术转让关系;另一方面是由于SFBA中高新技术企业集聚度较高,集中于信息通信、电子制造、高端装备制造等领域,湾区内产业联系紧密,产业集群较成熟,形成了大、中、小型企业协同发展的高新技术产业集群,产业结构趋于生态化,主体间通过专利转让弥补技术势差,并实现技术优势互补,促进了产业集群各类主体的协同发展。相比之下,GBA中很多主体间呈现出单向转让关系,主体间技术创新能力差距较大,未能形成优势互补、均衡发展的技术转让互惠模式,且产业集群主体间的协同创新水平有待提高。

(5)网络同配性及关系模式。同配性描述了具有相似特征主体间的相关性,如度、强度或指定顶点的任何其它数量。此值归一化后取值范围为-1～1,正值表示节点度高的节点倾向于与其它节点度高的节点链接,负值表示网络具有异配性。使用Newman[26]提出的方法,计算公式如下:

(11)

其中,M是网络的总边数,和分别是M中某条边入与出的顶点的多余入度及出度(比顶点本身的度小1),计算四类同配性系数,即

由计算结果得,SFBA网络4类同配性系数均小于0,2014年及以后GBA的网络同配性系数也均小于0,表明中美湾区主体间的专利转让关系呈现出明显的异配特征。同配性系数为负值,表示度小的节点倾向于连接度大的节点,即节点度高的主体间的转让趋势不明显,说明中美湾区主体间专利转让网络均在演化中形成了基于核心主体的星型转让模式。

4 结论与思考

4.1 研究结论

本文从宏观、中观、微观3个维度,构建中美湾区城市间、组织间和主体间专利转让网络,运用统计学、社会网络分析以及信息熵等方法,利用Matlab、Python以及Gephi等研究网络结构演化规律,并对比专利转让中的多元模式,得出如下结论。

(1)GBA和SFBA的城市间技术转让网络结构均趋向多中心格局发展。其中,GBA由以广州为核心的单核结构向以深圳-东莞-广州为核心的多核结构演化;SFBA由以Santa Clara-San Mateo为核心的双核结构向以Santa Clara-San Francisco-San Mateo为核心的多核结构演化。在空间网络结构演化过程中,网络化程度与多中心结构有一定关系,SFBA网络较早达到紧密状态,故较早呈现出多中心结构;GBA的网络化和多中心结构形成缓慢,各城市间技术水平仍存在差距,城市间技术转让具有地理邻近特征,且香港、澳门与内地的联系不够紧密,在网络中处于边缘位置。

(2)在GBA的组织间技术转让网络中,企业间转让是重要模式,产学研间的转让也较重要,但在网络演化中大学和科研院所对企业技术需求的支撑作用逐渐下降。一方面,是由于GBA中国际知名的研究型大学和国家重点实验室较少,且很多大学和科研机构的专利转化机制有待完善,科技成果转化能力有待提升;另一方面,港澳地区高校参与内地产业和企业创新存在制度阻碍,跨区域产学研合作的深度和广度仍有待拓展;金融机构对科技型中小企业的专利抵押融资积极性不高,在网络演化中的作用有待提升。

(3)在SFBA的组织间技术转让网络中,企业与金融机构间的转让是重要模式,并在网络演化中呈现快速增长趋势,企业间转让模式呈现下降态势,说明科技金融业在创新生态系统中占据非常重要的位置,风险资本产业成为硅谷乃至湾区促进技术创新与技术转让的重要引擎。

(4)SFBA和GBA的主体间技术转让网络均具有非连通、零散、局部聚集等特征,主体间转让具有高频率小群体和低频率大群体两种结构模式。基于最大连通子图的分析结果显示,SFBA网络结构稳定性高于GBA,说明GBA中持续参与技术转让的主体规模较小;两个网络的演化均由少部分关键主体主导,且形成了基于核心主体的星型转让结构模式;相比SFBA,GBA网络主体间技术创新能力的差距较大,未能形成优势互补、均衡发展的技术转让互惠模式,且产业集群主体间的协同创新水平有待提高。

4.2 研究思考

借鉴SFBA专利转让网络发展经验,粤港澳大湾区专利转让网络需在以下方面下功夫。

第一,破除粤港澳体制机制障碍,发挥核心城市带头作用,推动城市协同创新发展。粤港澳三地在知识产权制度体系、运营服务、保护机制等方面仍存在差距,由此不可避免地增加了湾区内技术交易成本,限制了创新要素流动。因此,应通过政策协调实现三地技术合作联动、强化粤港澳专利跨区域执法保护等手段破除粤港澳三地间存在的体制机制障碍,为粤港澳提供良好的创新生态环境。同时,科技创新领先发展的核心城市应充分发挥科技创新的外溢效应,基于地缘邻近,带动周边城市技术创新发展。

第二,重视基础研究平台建设,深化粤港澳产学研用合作。大湾区一方面应重视基础研究平台建设,通过加大科研投入、招聘科技人才、完善技术转化机制等方式对香港大学、香港科技大学等已具备较高创新能力的高校进行重点培育,同时,加大对国家级重点实验室、创新型高校的支持力度,为湾区提供高质量技术能力。另一方面应加强粤港澳三地产学研创新资源的深度融合。如在研发阶段,充分利用香港和广州的高校资源,为高科技企业和传统制造业转型升级提供基础研究支撑;在成果转化阶段,加强香港科技服务业与深圳高科技产业间的协同合作;在科技成果产业化阶段,利用东莞、广州等城市的制造业将具有市场前景的科技创新产品批量生产。

第三,发挥粤港澳大湾区已有金融优势,探索多元化科技金融服务方式。一要探索建立大湾区跨区域合作的金融市场,以发挥香港国际金融中心的优势以及深圳、广州等城市的金融资本优势;二要探索多元化的科技金融服务方式,以多元化的科技融资市场为基础,集风投、创投、股权融资、科技合作中心为一体,为科技型中小微企业提供技术融资。同时,加大对知识产权质押融资和知识产权证券化的推进,通过财政补贴、股权合作等方式引导鼓励金融机构与拥有高质量专利的中小企业合作,以盘活沉淀专利,将其转化为能应用于后续商业化开发的资源。

第四,重点培育一批关键行业领域的科技型龙头企业,推动创新型产业集群建设。湾区应聚焦新一代信息技术、高端装备制造、生物医药、新能源等优势新兴产业,集中力量加大资源供给,培育一批龙头企业以壮大湾区核心企业队伍。同时,湾区可通过制定“专精特新”中小企业和专精特新“小巨人”企业培育政策以及构建开放式创新服务平台,推动技术、人才等创新资源流向专精特新企业,并依托龙头企业整合优势产业资源,发挥创新溢出效应,带动中小企业发展,以形成高质量产业集群,促进湾区各类主体间形成稳定、互惠、持续发展的技术合作与转让关系,实现技术转让网络的健康发展。

参考文献：

[1] 马海涛,黄晓东,李迎成. 粤港澳大湾区城市群知识多中心的演化过程与机理[J]. 地理学报, 2018, 73(12): 2297-2314.

[2] BAGLIERI D, FRANCESCO B, CHRISTOPHER L T. University technology transfer office business models: one size does not fit all[J]. Technovation,2018,76:51-63.

[3] SON H S, CHUNG Y H, HWANG H J. Do technology entrepreneurship and external relationships always promote technology transfer?evidence from Korean public research organizations[J]. Technovation, 2019,82:1-15.

[4] 何喜军,吴爽爽,武玉英,等. 专利转让网络中结构洞占据者识别及角色演化——粤港澳大湾区的实证研究[J].科学学与科学技术管理,2022,43(4):75-94.

[5] GRIMALDI M, HANANDI M. Evaluating the intellectual capital of technology transfer and learning public services[J]. International Journal of Engineering Business Management,2013,5:5-7.

[6] LEE S J, KIM B S, KIM Y, et al. The framework for factors affecting technology transfer for suppliers and buyers of technology in Korea[J]. Technology Analysis &Strategic Management,2018,30(2):172-185.

[7] 潘雄锋,张静,米谷. 中国区际技术转移的空间格局演变及内部差异研究[J]. 科学学研究, 2017, 35(2):240-246.

[8] CHEN H J, XIE F J. How technological proximity affect collaborative innovation?an empirical study of China's Beijing-Tianjin-Hebei region[J]. Journal of Management Analytics,2018,5(4):287-308.

[9] 陈健,高太山,柳卸林,等. 创新生态系统: 概念, 理论基础与治理[J]. 科技进步与对策, 2016, 33(17):153-160.

[10] 丁旭光. 借鉴旧金山湾区创新经验, 构建粤港澳大湾区创新共同体[J]. 探求,2017,27(6):27-30,59.

[11] ARAJO I F D, GONÇALVES E, TAVEIRA J G. The role of patent co-inventorship networks in regional inventive performance[J]. International Regional Science Review,2019,42(3-4):235-280.

[12] MARCO A D, GIUSEPPE S, ELISA U, et al. Global markets for technology: evidence from patent transactions[J]. Research Policy, 2017,46(9):1644-1654.

[13] 李文辉,李青霞,丘芷君. 基于专利计量的粤港澳大湾区协同技术创新演化研究[J]. 统计研究, 2019,36(8):74-86.

[14] FENG Z J, CAI H C, ZHOU W. Structural characteristics and spatial patterns of the technology transfer network in the Guangdong-Hong Kong-Macao greater bay area[J]. Sustainability,2020,12(6):2204.

[15] 张玉臣,朱铭祺,廖凯诚.粤港澳大湾区创新生态系统内部耦合时空演化及空间收敛分析[J].科技进步与对策,2021,38(24):38-47.

[16] 刘佐菁,陈杰,余赵,等.创新型经济体系建设的湾区经验与启示[J].中国科技论坛,2020,36(1):126-133,142.

[17] 张振刚,尚希磊. 旧金山湾区创新生态系统构建对粤港澳大湾区建设的启示[J]. 科技管理研究,2020,40(5):1-5.

[18] 谭锐. 湾区城市群产业分工:一个比较研究[J]. 中国软科学,2020,35(11):87-99.

[19] DUAN D Z, ZHANG Y, CHEN Y, et al. Regional Integration in the inter-city technology transfer system of the Yangtze River delta, China[J]. Sustainability,2019,11(10):2941.

[20] LIU C L, NIU C C, HAN J. Spatial dynamics of intercity technology transfer networks in China's three urban agglomerations: a patent transaction perspective[J]. Sustainability,2019,11(6):1647.

[21] 董昀,张明,郭强. 美国技术扩散速度放缓: 表现、成因及经济后果[J]. 经济学家,2020,32(7):119-128.

[22] XU X, ZHU C, WANG Q Y, et al. Identifying vital nodes in complex networks by adjacency information entropy[J]. Scientific Reports, 2020,10(1):1-12.

[23] 刘国巍,邵云飞,刘博.战略性新兴产业协同创新网络协同度研究——基于“网络的网络”结构分析视角[J].科技进步与对策,2021,38(23):56-66.

[24] ESTRADA E. Quantifying network heterogeneity[J]. Physical Review E,2010,82(6):66102.

[25] GARLASCHELLI D, LOFFREDO M I. Patterns of link reciprocity in directed networks[J]. Physical Review Letters,2004,93(26):268701.

[26] NEWMAN M E J. Mixing patterns in networks[J]. Physical Review E, 2003,67(2): 26126.

(责任编辑:胡俊健)