Assessment of Future Industries Oriented Towards New Quality Productivity：The "Six Forces" Model, Indicator System, and Application

Xiao Shuyang1,2,Zhou Hanya1,2,Qin Yidan2,3,Chen Jin1,2

(1.School of Economics and Management, Tsinghua University, Beijing 100084,China;2.Research Center for Technological Innovation, Tsinghua University, Beijing 100084, China;3.School of Management, Politecnico di Milano, 20133 Milano, Italy)

Abstract：The global landscape is currently undergoing a historical intersection of a new technological revolution and industrial transformation, where future industries driven by frontier and disruptive technologies have become the core driving force for reshaping global economic structures. For China, the forward-looking layout of future industries is not only a strategic choice to navigate this global paradigm shift but also a crucial lever for cultivating "new quality productive forces" and driving high-quality economic development. However, existing evaluation systems often exhibit systematic limitations, such as insufficient indicator coverage, weak practical adaptability, and a reliance on static, single-methodology frameworks that fail to capture the non-linear, complex ecosystem of future industries. To bridge this gap, this study aims to construct a scientifically rigorous, data-driven, and application-oriented evaluation indicator system tailored to the developmental characteristics of China's future industries.

This research develops the "Honeycomb Six Forces" evaluation model, breaking through the traditional linear "technology-industry" framework by mapping the entire innovation lifecycle from conceptualization to global industrial leadership. The model comprises six core dimensions: Strategic Layout Intensity (SLI), Ingenious Discovery Force (IDF), Development &Commercialization Power (DCP), Industrial Shaping Force (ISF), Ecological Empowering Force (EEF), and Trend Leadership (TL). Notably, TL is innovatively introduced as a core dimension for international benchmarking, aiming to guide China's technological innovation from following to leading. The evaluation incorporates a multi-tiered indicator structure, utilizing the Delphi method to reach expert consensus on weight distribution and employing Z-score standardization mapped to a [0, 100] interval to handle highly dispersed data. Furthermore, the study proposes overcoming traditional methodological limitations by integrating dynamic and adaptive algorithms to achieve comprehensive human-machine collaborative evaluation. The empirical study utilizes comprehensive data up to October 2025 from 31 provincial-level administrative regions in China, focusing specifically on the humanoid robot industry as a representative technology-driven future industry.

Applying this evaluation framework to the humanoid robot industry reveals several critical insights into China's current industrial landscape. The overarching developmental characteristic is defined by "unbalanced development of the six forces, regional agglomeration, and industrial heterogeneity". Specifically, the national landscape demonstrates a distinct four-tier spatial distribution. The first tier-comprising Beijing, Guangdong, Shanghai, Zhejiang, and Jiangsu-dominates the high-end segments of the value chain, forming a preliminary closed-loop innovation ecosystem. The industry is highly concentrated in three major urban clusters: the Beijing-Tianjin-Hebei region (leading in strategic layout and original innovation), the Yangtze River Delta (excelling in technology transformation and core component manufacturing), and the Guangdong-Hong Kong-Macao Greater Bay Area (focusing on complete machine integration and application scenarios). These three clusters account for approximately 62.7% of the nation's humanoid robot enterprises and over 80% of core technological resources. Conversely, central, western, and northeastern regions largely constitute the subsequent tiers, often hindered by significant shortcomings in Ecological Empowering Force and early-stage capital supply.

The primary innovation of this paper lies in its comprehensive, full-scenario evaluation framework that accurately quantifies non-linear industrial evolution, providing a robust decision-making tool for macroeconomic resource allocation. Through this framework, the study identifies four systemic bottlenecks restricting the cultivation of future industries: the rupture of technology-to-market pilot scaling, the disconnect between innovation and industrial chains, the mismatch between capital supply and industrial lifecycles, and the lack of alignment between regional strategies and local endowments. In view of these findings, the study recommends strengthening national top-level design to prevent homogeneous competition, optimizing regional collaborative layouts to foster complementary advantages, implementing targeted policies to bridge the "valley of death" in commercialization, and enhancing ecosystem empowerment by breaking down administrative and financial barriers. Specifically, it advocates for a coordinated national strategy to align regional innovation priorities, establish cross-regional innovation corridors, provide tailored support for different stages of technology maturation, and create a more integrated and efficient innovation ecosystem through institutional reforms.

Key Words：New Quality Productivity;Future Industries;Industrial Assessment; Indicator System;Science and Technology Evaluation

收稿日期：2026-01-15

修回日期：2026-03-28

基金项目：国家重点研发计划重点专项(2022YFF0903200)

作者简介：肖书阳(1991—),男,北京人,博士,清华大学经济管理学院博士后、助理研究员,清华大学技术创新研究中心助理研究员,研究方向为创新管理、科技治理;周寒雅(2003—),女,浙江杭州人,清华大学经济管理学院博士研究生,研究方向为科技政策、创新管理;秦一丹(2000—),女,河南郑州人,清华大学技术创新研究中心、米兰理工大学管理学院联合培养博士研究生,研究方向为创新管理、用户创新;陈劲(1968—),男,浙江余姚人,博士,清华大学经济管理学院教授,清华大学技术创新研究中心主任,研究方向为科技政策、创新管理。

DOI：10.6049/kjjbydc.D32026010302

开放科学(资源服务)标识码(OSID)：

中图分类号：F124

文献标识码：A

文章编号：1001-7348(2026)12-0059-13

0 引言

习近平总书记指出,“新一轮科技革命与产业变革正在重构全球创新版图、重塑全球经济结构”。当前,全球正处于新一轮科技革命与产业变革的历史性交汇期,技术迭代速度显著加快,以人工智能、量子科技、生物技术等为代表的原始创新、颠覆性创新和产业应用呈现集群化爆发态势。未来产业是指由前沿技术和颠覆性技术共同驱动,正处于孕育萌发阶段或产业化初期,具有显著战略性、引领性、颠覆性和不确定性的前瞻性产业[1]。未来产业作为其中的核心驱动力,正深刻改变着人类的生产生活方式和国际竞争格局。美国通过《未来产业法案》《无尽前沿法案》和聚焦人工智能驱动科技革命的“创世纪计划”等布局前沿技术研究与产业化;欧盟依托“地平线欧洲”计划聚焦未来健康等六大战略领域;日本以“社会5.0”愿景牵引未来产业发展。全球围绕未来产业技术话语权、价值链主导权的竞争日趋激烈,积极布局、加速抢占未来产业“制高点”不仅是技术竞争,更是制度、生态和文化的系统性博弈[2]。

前瞻布局未来产业对我国培育新质生产力、引领现代化产业体系具有先导作用[1]。“十五五”规划纲要提出,培育壮大新兴产业和未来产业,前瞻布局未来产业,探索多元技术路线、典型应用场景、可行商业模式、市场监管规则,推动量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等成为新的经济增长点。着眼未来,面对全球竞争与国内转型的双重需求,深入探究未来产业的内涵特征、培育和发展未来产业已成为我国推动科技创新与产业创新深度融合、实现科技自立自强和经济高质量发展的必然选择。构建面向未来产业发展的科学、客观、可量化的评估指标体系,能够量化评估产业发展的核心维度与关键瓶颈、各区域的资源禀赋与发展态势,为资源向核心领域集中、政策向关键环节倾斜提供数据支撑,以避免战略布局的盲目性与资源配置的低效性。这是实现未来产业精准培育布局、因地制宜发展的关键,对于在“十五五”乃至更长周期内加快形成新质生产力、构建现代化产业体系、把握国际科技竞争主动权具有重要的现实意义。

现有评估体系存在指标覆盖度不足、实践适配性较弱、方法论静态且单一等问题,难以对未来产业发展作出精准评估。由此,本文立足全球未来产业的发展趋势,基于中国新质生产力培育的战略需求,以技术成熟度较高、产业带动性强、战略价值突出为筛选准则,结合颠覆性创新、创新生态系统、产业竞争力等理论的相关研究,聚焦未来产业重点领域,打造一套理论扎实、数据精准、应用导向的战略研判工具,以对我国31个省份及重点创新集群的未来产业发展水平进行科学、合理、客观地评估,为国家壮大布局、区域精准培育、产业资源配置提供参照系与决策支撑。针对传统产业评估方法指标滞后等问题[3],本文提出一种融合特征重标定技术、深度神经网络和动态自适应算法的标准层次分析赋权指标体系。

1 产业发展评估体系综述

未来产业的快速发展与战略重要性,推动了全球范围内评估体系的探索与构建。现有评估工具围绕国家、区域、城市等不同空间尺度,聚焦技术创新、产业发展、生态支撑等多个评价维度,形成了各具特色的指标框架。本文系统梳理国内外针对未来产业的主流评估体系,剖析其理论视角、核心特征与局限,为适用于中国未来产业发展的指标体系构建奠定基础。

1.1 国际主要评估体系

国际主流评估体系以跨国竞争视角为核心,形成了覆盖国家与城市群尺度的综合评价框架。由全球前沿科技咨询公司ICV TA&K制定的《全球未来产业指数(Global Future Industry Index, GFII)》,在世界知识产权组织(WIPO)、经济合作与发展组织(OECD)等机构支持下,聚焦量子技术、人工智能等八大未来产业,构建了“创新生态系统和技术能力—行业多样性和新兴产业—可持续性和环境—人才和教育—国际合作和对趋势的适应能力”五大维度框架,通过整合国际公开数据与专家访谈信息,实现了全球20多个经济体及顶尖城市群的综合排名,为跨国资源配置与政策协调提供了重要参考。哈佛大学肯尼迪学院贝尔弗中心发布的《全球关键和新兴技术指数(Critical and Emerging Technologies Index)》则更侧重地缘战略视角,基于三千余个数据点,构建由48个“支柱”构成的多维度评估模型,对全球25个主要国家在人工智能、生物技术、半导体、太空和量子技术这五大核心领域的综合实力进行精准量化评估,勾勒全球技术竞争的宏观格局。这类指标的共同特征在于以全球对标为核心,强调技术创新与国际竞合的宏观维度,但普遍缺乏对区域内部产业生态、细分赛道转化效率的中微观关注,难以适配单一国家不同区域和不同细分产业差异化发展的评估需求。

1.2 我国主要评估体系

我国围绕未来产业培育实践及需求,目前形成了以区域、城市、技术产业化等为导向的多类指标体系。

1.2.1 区域维度评估

中国科学院大学刘云教授团队编制的《中国区域未来产业创新指数(2025)》,基于产业创新体系理论,构建了涵盖“科研基础—科研投入产出—未来产业活力—产业基础—创新生态”五大维度的指标体系,覆盖全国31个省份,揭示了“东强西弱、多极并进”的区域发展格局;杨硕和陈劲(2025)构建了“科技创新攻关—科技成果转化—基础设施筑基—科技金融赋能—科技人才支撑—国际交流合作”六维框架,通过空间计量模型首次证实了中国未来产业的空间集聚效应与收敛趋势,为省级层面战略布局提供指引。

1.2.2 城市维度评估

《新京报》联合清华大学G20全球创业研究中心发布的《中国未来产业之城发展指数(2024)》,聚焦32个GDP达到万亿或准万亿的城市,基于21个产业的710余万条企业数据构建“产业基础—政策支持—科研能力”三维框架,清晰地呈现各主要城市未来产业的总体特征与特色优势。

1.2.3 技术产业化维度评估

科技日报社牵头编制的《颠覆性技术产业化指数报告(2025)》,基于“技术—应用—生态”(TAE)理论构建了“技术创新力—产业发展力—生态支撑力—未来成长力—市场变革力”模型,聚焦八个重大颠覆性技术领域的产业化全链条,系统评估我国各区域颠覆性技术产业化的现状与发展态势。中国工业经济联合会发布的《工业数字化转型评价综合指数(2024)》则聚焦制造业数字化转型对未来产业的支撑作用,对多个新重点行业进行“技术—业务—管理”三维评估,为产业基础升级提供了专项评估工具。

此外,一些研究虽未涉及评估体系,但对未来产业的发展思路、特征内涵以及关键因素等核心领域问题展开了深入剖析,同样对未来产业指标体系具备参考价值。王鹏和靳开颜[4]提出,科技、产业、市场和人才在发展未来产业、加速新质生产力形成的进程中,是相辅相成的四重关键力量。李军凯等[5]研究发现,未来产业创新生态系统是在创新要素供给的基础上,创新群落于创新环境中相互作用而形成的动态系统,其中,创新群落涵盖前沿知识创造群落、应用场景转化群落以及产业价值实现群落。孟祺和杨永新[6]则搭建了“技术创新—产业生态—制度环境”的综合性分析框架,剖析了技术创新、产业生态系统以及制度环境在未来科技驱动未来产业发展过程中的作用机理。综上所述,政策环境、科学技术、市场场景与创新生态是学界达成共识的未来产业发展关键要素。

1.3 总结与评述

综合来看,现有评估体系已形成“全球—国家—区域—城市(集群)”的多空间尺度覆盖,理论基础逐步夯实,数据来源日趋丰富,应用导向日益明确,为未来产业发展监测与决策提供了重要支撑。但是,从适配中国未来产业高质量发展与因地制宜发展新质生产力的核心需求看,仍存在明显的系统性局限。在评估范围上,国际体系侧重跨国竞争,我国体系多聚焦整体产业和重点城市,对创新集群、细分领域的针对性评估还不足;在指标维度上,存在“重技术轻产业、重科研轻转化”的倾向,强调研发投入与专利产出,但对成果转化效率、场景应用落地、产业生态协同、国际趋势引领等关键环节覆盖不足,且缺少国际对标维度,无法精准衡量中国产业在全球价值链中的地位与差距;在方法论上,静态权重设定难以适配未来产业非线性演进的特征,数据处理多依赖人工处理和单一标准化方法,对颠覆性技术的不确定性与产业生态的复杂性考量不足;在实践适配性上,通用性评估框架较多,但对技术驱动型(如人形机器人产业)与场景牵引型(如医疗器械产业)等不同类型未来产业的差异化需求关注不够,难以支撑分产业、分区域的精准化政策制定。

本文构建了具有理论与实践意义的中国未来产业发展指标体系,具体分为三个层面:一是在理论框架上,基于国家创新系统等理论,识别出中国未来产业培育与发展的关键环节,构建“政策前瞻—全链创新—生态协同—趋势引领”的分析逻辑和模型;二是在评估维度上,实现重点产业、各省份、创新集群与六大核心能力维度全覆盖,创新性引入“趋势引领力”作为国际对标核心维度,为科技创新与产业创新融合发展提供产业评估体系;三是在实践应用上,从国家战略、区域发展、产业升级层面提供决策支撑,助力我国未来产业高质量发展与全球竞争地位提升。

2 评估体系构建

未来产业的产生与发展可能来自基础研究、应用研究甚至产业需求,存在大量非线性回溯、非单向演进、逆向传导等多种情形组合,其复杂性决定了其评价体系需突破传统“技术—产业”线性框架,构建兼具理论深度与实践适配性的分析范式。本文从设计理念、总体框架、研究对象、指标内容及方法论五个方面,系统阐述中国未来产业发展指标体系的核心构成,为后续评估提供科学规范的理论与技术支撑。

2.1 未来产业内涵与特征

未来产业的形成与演进是技术发展与产业需求深度耦合的结果,厘清各类技术的核心内涵与逻辑关联,是界定未来产业概念的基础。2024年,工业和信息化部等七部门联合印发《关于推动未来产业创新发展的实施意见》,提出“以前沿技术突破引领未来产业发展,加强原创性、颠覆性技术创新”。前沿技术以前瞻性、探索性为核心,聚焦科学研究前沿领域,是未来产业技术创新的先导与基础,其市场潜力已初步显现,为产业发展指明方向;颠覆性技术的定义源于克里斯坦森的颠覆性创新理论[7],核心特征是打破现有技术范式、重构产业价值链,具有非共识性与系统变革性,是推动产业代际跃迁的关键动力[8]。其他技术则围绕这一核心驱动逻辑形成互补或约束关系:新兴技术以根本创新性、不确定性为本质,处于兴起发展阶段,既是前沿技术的演化结果,也是未来产业产业化的直接依托,其发展依赖前沿技术的源头供给与颠覆性技术的方向引领[9];突破性技术强调技术性能的跃迁式提升,多表现为前沿技术领域的关键节点突破,属于核心驱动技术的深化延伸,但不具备独立驱动产业范式变革的能力;“卡脖子”技术则是制约未来产业安全发展的约束性技术,本质是全球技术竞争中的瓶颈环节,需通过前沿技术探索、新兴技术培育、突破性技术攻关与颠覆性技术替代形成协同破解[10]。

基于上述技术逻辑与国家战略导向,结合学界的研究成果,本文将未来产业界定为:由前沿技术与颠覆性技术共同驱动,当前处于孕育萌发或产业化初期阶段,具有显著战略性、引领性、颠覆性与不确定性,能够拓展生产技术可能性边界、重构技术经济范式,并对生产生活方式产生深远影响的前瞻性新兴产业。其核心属性体现在四个方面:一是前瞻性,体现为面向未来的市场需求与科技趋势,聚焦尚未被满足的潜在需求,关乎国家产业安全与全球竞争地位;二是颠覆性,通过技术突破打破传统产业边界,重构价值创造与分配模式;三是引领性,能够带动产业链上下游协同升级,催生新赛道、新业态;四是生态复杂性,其发展需要政府、企业、科研机构等多主体协同,形成涵盖技术研发、成果转化、市场应用、标准制定的复杂生态系统[11-14]。特别的是,未来产业并非现有产业的线性延伸,它的发展遵循非线性演进逻辑[15],是由科学突破、技术颠覆、产业重构与社会愿景共同驱动的“创生”过程。这种非线性体现在各驱动因素并非按固定顺序推进,而是相互作用、动态反馈的,其核心发展脉络可概括为“构想→技术→市场→产业”的发展路径,即“构想→技术”阶段解决从0到1的创新源头问题;“技术→市场→产业”阶段解决从1到N的产业化问题。这一路径并非单向链式传导,而是每个环节都存在交叉互动与反馈循环,共同构成动态复杂系统:技术研发阶段可能同步引发市场需求预判调整,市场应用过程中也可能反向推动技术迭代优化;而战略布局作为前置引领、生态赋能作为底层支撑、趋势引领作为价值输出,贯穿整个过程,进一步强化了系统的复杂性与动态性。

2.2 指标体系理论基础

基于对未来产业形成逻辑的把握和对中国产业总体发展阶段的分析,本文构建了“战略引领—创新突破—生态赋能—趋势引领”的未来产业发展理论模型,并将其与“构想—技术—市场—产业”创新链发展周期相结合,共同构成指标体系的核心。其理论基础源于以下核心理论与实践基础:

(1)国家创新系统理论。该理论强调技术创新与产业发展并非市场自发演进的结果,而是政府、企业、高校等主体协同作用的系统产物[16],产业政策理论进一步指出,主导产业或部门的选择很大程度上决定着一国的产业结构特征及其发展演变趋势。对未来产业这类前期投入大、战略周期长的领域,需通过前瞻性顶层设计引导资源配置。本文指标体系将“战略布局力”作为首要维度,衡量政府通过战略规划降低不确定性、引导技术轨道的能力,确保未来产业发展契合国家长期战略目标。

(2)颠覆性创新理论。未来产业的核心竞争力很大程度上源于原始创新,区别于渐进式创新对现有技术的优化,颠覆性创新通过开辟新技术轨道重构产业价值[7]。当前,中国在部分产业领域仍面临“卡脖子”风险,根源就在于原始创新能力相对薄弱。技术商业化“死亡之谷”现象揭示,实验室技术向商业化原型的跨越是创新链条中极易断裂的环节。我国科技成果转化率约30%,大量研发成果未能形成现实生产力[17],表明跨越“死亡之谷”的系统性能力有待进一步加强。此外,产业集群理论[18]指出,相关企业、机构在地理空间上集聚形成协同效应,从而能够极大地提升区域竞争力。本文指标体系纳入“原始创新力”“成果转化力”“产业塑造力”三个维度,用以衡量原始创新、成果转化与产业协同的活力。

(3)创新生态系统理论。该理论将产业发展视为要素协同、主体互动的有机过程,强调资本、人才、数据、平台等互补性要素的集聚与流动[19]。未来产业的复杂性远超传统产业,单一主体难以推动产业成型。本文指标体系将“生态赋能力”作为底层支撑维度,衡量区域为未来产业提供全生命周期要素支撑的能力。

(4)产业竞争力理论。产业的长期竞争力源于对全球价值链的主导能力[20-21]。当前,全球未来产业正处于技术—经济范式的变迁期,本文指标体系通过“趋势引领力”这一维度衡量中国未来产业对全球技术趋势、价值链地位的影响力。

2.3 评估体系总体框架

中国未来产业发展指标体系总体框架,即通过战略布局力、原始创新力、成果转化力、产业塑造力、生态赋能力、趋势引领力六大维度(一级指标),全面衡量未来产业培育的全流程、全要素发展。各一级指标的定义和内涵如下:

战略布局力(Strategic Layout Intensity, SLI),强调未来产业发展并非自然演进的结果,而是有意识的战略前瞻、政策引导和资源前置配置的产物。其衡量的是国家或一个区域以前瞻性视野,通过顶层设计、政策创新和资源前置配置,创造应用场景、引导技术轨道、补强产业链条、降低不确定性的能力。

原始创新力(Ingenious Discovery Force, IDF),对应生命周期中的“构想”或“技术”阶段,聚焦知识和技术本身的创造、拓展人类认知边界的科学发现和能够开辟新技术轨道的原始创新。其衡量的是知识生产体系的前沿性、突破性、非共识性和规模效应,表征催生未来产业的技术源头是否后劲充足。

成果转化力(Development &Commercialization Power, DCP),对应生命周期中的“技术”向“市场”的跨越。此维度衡量的是将实验室原理验证转化为可商业化原型及早期产品的系统性能力。其核心是降低技术不确定性、验证市场可行性,是决定创新能否存活的关键,是连接“创新”与“产业”的关键桥梁。

产业塑造力(Industrial Shaping Force, ISF),对应生命周期中的“市场”到“产业”的成型。此维度衡量的是将一项成功转化的技术,通过构建完整产业链、培育“链主”企业,推动产业规模化,最终形成具有协同效应与竞争力的新兴产业集群的能力。

生态赋能力(Ecological Empowering Force, EEF),作为支撑前四力的底层基础,此维度将区域视为一个有机的生命系统,评估其为企业从萌芽到壮大全过程提供互补性资产、开放性平台或创新园区、多元化资本和流动性人才的综合环境。

趋势引领力(Trend Leadership, TL),作为整个系统的输出和阶段性价值的体现,此维度不仅衡量当前的经济产出,更关注对全球技术趋势、综合可持续发展标准和全球价值链地位的影响力和话语权,表征产业发展的外部性价值和对全球趋势的引导能力。

本文将中国未来产业发展指标体系总体框架命名为“蜂窝式六力”中国未来产业发展指标体系模型,如图1所示。

根据理论与实践,本文构建了中国未来产业指标体系测度框架,如图2所示。

2.4 评估体系研究对象

研究对象聚焦10大重点产业领域、全国31个省(自治区、直辖市)以及重点创新集群,同时兼顾产业细分深度与区域覆盖广度,具体界定如下:产业领域的筛选严格遵循国家战略导向、产业带动性、生态价值性等原则,结合《关于推动未来产业创新发展的实施意见》等国家政策文件明确的未来产业发展方向,并参考相关学者提出的“技术—产业耦合组态”3×3矩阵分类方式[22],筛选出人工智能、人形机器人、海洋经济、医疗器械、氢能、新材料、核能、空天技术、类脑智能、量子通信10大重点领域。上述领域均由前沿技术与颠覆性技术共同驱动,兼具战略性与引领性,既是我国培育新质生产力的核心赛道,也是参与全球未来产业竞争的关键领域,能够全面反映我国未来产业的整体发展特征与布局逻辑。

上述研究对象的区域范围涵盖我国31个省份,并同步关注城市创新集群,如以北京国际科技创新中心为核心的京津冀创新集群,以上海国际科技创新中心为核心的长三角创新集群和粤港澳大湾区创新集群等。创新集群是我国科技创新资源集聚、未来产业发展活跃的核心区域,是引领全国未来产业发展的重要引擎,对其开展针对性评估,能够精准把握我国未来产业核心集聚区的发展特征与差异化优势。

2.5 评估体系内容与方法论

2.5.1 指标内容

采用“一级指标(6个)—二级指标(16个)—三级指标(60个)”的多层级指标结构,如表1所示。

2.5.2 指标构建方法论

为确保指标体系的科学性、客观性与可操作性,采用如下方法论框架。

(1)指标筛选原则。一是科学性原则,紧扣未来产业发展规律与“六力”理论框架,避免理论与指标选取错配;二是系统性原则,指标基本覆盖未来产业发展全链条逻辑,无关键环节遗漏;三是可比性原则,指标具备跨区域、跨产业的可比基础,部分定量指标采用“占比化”等处理;四是可操作性原则,指标数据来源于公开或可获取渠道,排除难以量化或数据缺失严重的指标。

(2)权重确定。指标间权重通过德尔菲法凝聚专家共识确定,邀请10位科技管理领域和产业界专家(专业背景覆盖创新管理、产业经济学、科技管理与政策、公共管理领域,各领域占比分别为40%、20%、20%、20%)开展三轮专家讨论论证:第一轮发放指标权重初评问卷,收集专家初步意见;第二轮反馈首轮意见汇总结果,邀请专家修正权重判断;第三轮达成专家共识,最终确定各级指标权重。

一级指标:战略布局力赋予10%权重,顶层设计作为“有为政府”的重要体现,权重不宜过高但需体现引导作用,未来产业发展初期需要政府前瞻性引导,成熟后应更多依靠市场力量,因而设置该权重系数。原始创新力、成果转化力、产业塑造力、生态赋能力同等赋予20%权重,分别对应“技术—产品—产业”各环节与要素支撑环节,是未来产业落地的“关键四角”,缺一不可。趋势引领力赋予10%权重,标准制定是产业话语权的关键体现,国际引领是全球竞争力的直接反映,开放合作是整合全球创新资源、加速产业成熟的重要路径,三者共同构成未来产业从本土发展走向全球引领的核心支撑,基于当前产业发展阶段特征和基础优先、逐步提升的产业发展规律,设置该权重系数。

二级指标:二级指标权重基于指标对一级指标的贡献度由专家组研判确定,遵循核心支撑指标权重更高、辅助性指标权重适度的原则。

三级指标:三级指标权重采用等权重与差异化权重相结合的方式,即对于同类型、同维度的量化指标采用等权重,对于定性与定量结合、对产业发展影响程度差异显著的指标,由专家组通过德尔菲法确定差异化权重,确保权重分配的科学性与合理性。

(3)数据收集。数据来源于国家及地方政府统计部门公开信息、行业主管机构报告、区域年鉴、中国社会经济研究基础平台、未来产业科技服务平台数据库等,确保数据的权威性与时效性。

(4)数据标准化处理。考虑到未来产业数据存在量纲差异大、离散度高、极端值多的特征,本文采用Z-score标准化法(标准分数法),通过将原始数据转化为标准正态分布下的相对位置得分,精准反映各省份在指标维度的真实水平。

对于任意一个指标维度,设该指标的原始数据为X={X1,X2,…,Xn}其中Xi为第i个“区域—产业”的原始指标值,标准化后的标准分Zi计算公式如下:

(1)

(2)

(3)

其中,Zi为第i个区域或产业该指标的标准分,取值范围通常在[-1.96,1.96]之间(约95%的数据落在这一区间);μ为该指标各区域或产业原始数据的均值;σ为该指标各区域或产业原始数据的样本标准差;n为样本量,即区域个数或产业个数。

便于后续统计,将Zi进一步映射至[0,100]区间,映射公式如下:

Si=MIN(MAX(60+20×Zi))

(4)

其中,Si为最终标准化得分(取值范围约[5,95]),系数的设定依据是使至少95%的数据得分落在[10,90]区间,避免极端值对总分的过度干扰,并有效区分差异。

(5)指数合成。采用综合指数评价方法进行指数合成,通过对标准化后的各指标得分加权综合计算中国未来产业发展指数。具体步骤与公式如下:

三级指标得分,即通过Z-score法映射后的标准化得分Si,取值为[0,100]。

二级指标得分,通过三级指标得分与对应权重加权求和得到,公式为:

(5)

其中,Sk为某二级指标下第k个三级指标的标准化得分,Wk为该三级指标的权重,m为该二级指标下三级指标的数量。

一级指标得分(分维度指数),通过二级指标得分与对应权重加权求和得到,公式为:

(6)

其中,S二级,l为某一级指标下第l个二级指标的得分,Wl为该二级指标的权重,n为该一级指标下二级指标的数量。

总指数,通过六大一级指标得分与对应权重加权求和得到,公式为:

(7)

其中,S一级,p为第p个一级指标的得分,Wp为该一级指标的权重,总指数取值范围为[0,100],得分越高表示该省份未来产业发展水平越高,或该产业延伸未来产业发展的可能性越大。

3 评价体系应用:以人形机器人产业为例

3.1 人形机器人产业发展概况

人形机器人是兼具具身智能、人工智能、精密制造等多领域前沿技术的技术驱动型未来产业,是国家新型工业化战略确定的新科技变革领域,也是培育新质生产力的重要赛道。

高工机器人产业研究所(GGII)发布的《2025年人形机器人产业发展蓝皮书》将人形机器人定义为继计算机、智能手机后的颠覆性产品,并明确指出,2025年是人形机器人量产元年。中国信息通信研究院《人形机器人产业发展白皮书(2025)》显示,2025年全球人形机器人市场规模达170亿元,中国市场规模突破85亿元,占全球比重超 50%,全年出货量1.2万台,同比增长420%,中国已成为全球人形机器人市场的核心增长极。北京赛迪出版传媒有限公司与《中国电子报》联合发布的《2025年人形机器人市场研究报告》指出,我国人形机器人整机企业超140家,市场规模15.5亿元、全球占比53.8%。

总体而言,2025年我国人形机器人产业迈入规模化发展加速阶段,核心零部件国产化率稳步提升,整机研发与场景应用取得突破性进展,凭借供应链、技术和场景落地等多重优势,我国稳居全球人形机器人产业第一大国。

3.2 产业“六力”发展总体态势

本文将构建的未来产业“蜂窝式六力”评估指标体系应用于人形机器人产业,对全国31个省份六大核心能力维度开展量化评估。具体结果与分析如下:当前,我国人形机器人产业“六力”发展呈现不均衡态势,原始创新力、成果转化力与产业塑造力构成了创新体系的核心支撑,战略布局力体现出地方政策的前瞻性,趋势引领力代表未来发展潜力,生态赋能力则成为了产业发展的短板。①战略布局力方面,北京一枝独秀,主要源于其在政策前瞻性、资金前置投入和基础设施建设投入等方面得分较高,反映出北京在产业顶层设计与基础投入上的系统性布局。②原始创新力方面,北京领先,江苏、广东、上海亦表现突出,体现在其高校院所在人形机器人领域的专业建设和资金投入,以及高水平论文发表、专利产出和发明授权方面领先全国。③成果转化力方面,浙江领先,广东、山东、安徽紧随其后,概念验证与技术熟化、创新主体的成果转化活力得分较高,技术转移市场和科技创业的活跃度较好。④产业塑造力方面,广东、北京表现优异,显示其产业链完整度较高、企业金字塔结构较为合理,在产业发展活力与产业集群能级方面领先。⑤生态赋能力方面,北京、广东优势明显,上海、浙江紧随其后,在数字基建、创新平台、资本供给与人才引育方面形成了较为完善的创新支持体系。⑥趋势引领力方面,上海位列第一,展现出强大的全球辐射和标准话语权,广东、北京、江苏、浙江也在产业控制、可持续发展贡献等方面表现突出。

3.3 区域集聚特征和梯队分布

从空间分布看,我国人形机器人产业总体指数呈现显著的区域集聚特征,京津冀、长三角、粤港澳大湾区三大城市群成为人形机器人产业发展的引擎,凭借技术、制造、政策等核心优势,集聚了全国62.7%的人形机器人企业和80%以上的核心技术资源,合计贡献了全国逾八成的产业规模与发展动能。三大城市群在六大核心能力维度上形成了显著的领先优势,并基于自身资源禀赋形成了差异化的发展定位。

京津冀集群(以北京为核心)侧重产业“大脑”,聚焦政策引导与新技术研发,政策的体系性与前瞻性特征显著,多个国家级创新平台落地带动具身大模型等核心技术突破,拥有31%以上的人形机器人产业链主企业(687家),是长三角与珠三角各省市的3～6倍,在原始创新力与战略布局力上形成绝对领先优势。

长三角集群以技术转化和产业链均衡布局见长,在核心零部件研发与制造领域优势突出,电机、传感器等关键部件实现核心技术突破,集聚众多整机研发企业,形成零部件与整机的协同发展模式。其中,分布在长三角的人形机器人企业数量占全国的30%左右,产业总体投入达8 228亿元,集群地位关键。

粤港澳集群则聚焦整机集成与应用场景落地,依托汽车、电子制造等产业基础,在工业装配、商业服务等场景实现规模化部署,整机量产能力与场景适配性领先。广东拥有全国最多的人形机器人产业单项冠军企业和专精特新企业,分别达到83家和960家,产业化规模化能力强。

同时,在三大核心集群之外,鲁豫、成渝以及中部、东北地区等依托自身特色场景与产业基础,逐步形成人形机器人产业次级增长极,山东、安徽等都展现出较强的产业发展后劲。人形机器人产业全国31个省份一级指标得分及排名情况如表2所示。

从全国范围看,人形机器人产业呈现出鲜明的集群集聚与梯度分化并存的格局,形成以核心省份为引领、中西部及东北部分省份为支撑、边缘省份追赶的空间发展体系,形成了四大梯队分布。

第一梯队:北京、广东、上海、浙江、江苏。占据人形机器人产业链中高端,实现了创新链的完整闭环。从指数得分情况看,北京以83.78的总分位居全国首位,主要源于在技术创新与政策前瞻两大维度的突出表现,国家地方共建具身智能机器人创新中心落地及“天工开源计划”等的推进,进一步强化了其技术引领地位。广东以80.69的总分紧随其后,其技术市场成交额高,企业数量增长快,产业链覆盖度广,深圳华为全球具身智能产业创新中心的运营及优必选等企业的量产布局,推动当地形成从核心零部件到整机制造的完整产业体系。长三角地区呈现“多极联动”发展态势,上海、浙江、江苏总分分别为75.58、73.66、72.15。上海政策体系较为完善、创新平台密集、资本供给充足,在产业控制力与全球辐射上优势明显,且设有该领域的国际科技组织;浙江和江苏则在场景应用和产业发展上表现突出,产业链完整度高、集群能级强,上市企业市值与研发投入比例均处于全国领先水平。

第二梯队:山东、湖北、安徽。山东以总分61.48进入第二梯队,原始创新与趋势引领是其短板,但高性能钕铁硼永磁材料、PEEK轻质材料等关键材料产能占全国30%以上,为其产业发展提供了坚实基础。中西部地区整体处于追赶阶段,湖北、安徽两省具备引领优势,总分分别为57.39与57.38。湖北主要依托本地高校科研能力,在基础研究投入和产出上具备优势,技术交易、标准制定、人才规模等方面也有良好基础。安徽人形机器人企业增长率位居全国第一,是全国唯一超50%的省份,显示其在人形机器人领域奋起直追、后劲充足。安徽基础研发投入较高、早期资本供给领先,但产业塑造和生态赋能不足,高端研发平台缺失、科技创业平台滞后,导致其技术转化活力未能被充分激发。

第三梯队:湖南、四川、辽宁等12省份。涵盖位于东部、中部、西部和东北地区的12个省份,呈现整体短板、单点突出的共性特征,或依赖传统工业基础,或依托局部资源禀赋,产业发展多处于探索期。中西部以四川为代表,其在产业塑造力与生态赋能力方面逐步提升,特别是在基础设施建设与科技企业培育方面有所突破。但是,中西部地区在产业配套完善度、市场化融资规模等指标上得分较低,反映出产业链协同不足、资本关注度较低等问题。东北地区普遍重视政策引导,辽宁、黑龙江、吉林的“战略布局力”指标分别位列第5～7名。但是,东北三省由于专利数量较低,算力供给不足,创新平台不足,成果转化效率偏低,限制了其总体排名。虽身处东部地区,但河北、天津、福建等省市受区域核心城市“虹吸效应”影响显著。河北基础设施投入较多、企业增长率较高,但创新平台少、创新人才不足、产业控制能力较弱、数字基建水平落后;天津基础研究投入较高,技术交易量较低,零部件制造业基础扎实、成果转化活力较低、数字基建水平落后;福建有一定企业集聚、企业研发支出较高,但缺少创新平台、成果转化环节断裂,均难以形成与周边强省的竞争优势。

第四梯队:海南、山西、青海等11省份。当前这些省份的人形机器人产业尚未形成成型的产业基础,各项指标得分处于全国相对靠后的位置,在政策落地、资金投入、技术研发、产业链配套等方面仍有较大的提升空间。部分省份已发布了相关产业指引,展现出布局未来产业的积极态度,未来可依托核心城市群的产业辐射效应,结合本地资源禀赋培育特色细分领域,逐步夯实产业发展基础,为产业后续发展积累势能。

北京、第一梯队和全国均值的“六力”维度分析详见图3。

综上所述,人形机器人产业已形成由京津冀、长三角和粤港澳三大核心区域主导的空间发展集群。通过综合测算企业集群地位与上市公司多维度数据得出的“产业集群能级”指数,并进一步计算各区域指数值占全国指数总值的份额,客观反映该产业在地理空间上的高度集聚特性。其中,粤港澳占比32%,长三角占比29%,京津冀占比23%,其他区域占比16%,相关数据的可视化结果如图4所示。总体来看,北京综合指标突出,原始创新与战略布局双双领先;江浙沪各有优势,形成各具特色、产业完整、开放协同的创新集群;广东应用场景突出,产业化规模化能力强。这一核心集聚带在一级指标“战略布局力”“原始创新力”“成果转化力”“产业塑造力”“生态赋能力”“趋势引领力”上均与其他区域形成显著代差。

作为“技术驱动型”产业,人形机器人区域间的核心差距集中体现在战略布局、原始创新、成果转化和产业塑造四个维度的系统性分野。在战略布局力上,第一梯队的京津冀、长三角、珠三角地区已形成专项规划、实施细则、标准体系三位一体的完善政策体系,政府科技支出占全国总额的48%;而第四梯队的部分省份还未形成规划体系,在科研和人才的前置资金投入也普遍偏低。原始创新力方面,第一梯队的省份具有相关专业的高校院所数量遥遥领先,总数超过全国50%;而第四梯队部分省份存在高校专业、科研院所缺位现象,专利授权数量不足领先省份1/10。成果转化环节,北京的技术交易额超过第四梯队各省份总和,且具备较为完善的概念验证和中试熟化平台支撑。产业塑造层面,第一梯队省份的产业链完整度均达到85%及以上,其中北京以98.3%位居第一;而第四梯队省份的产业链完整度平均为28.8%,拥有的领域内国家高新技术企业不足第一梯队总数的3%。

4 研究发现与政策建议

基于“蜂窝式六力”指标体系对我国人形机器人产业的量化评估,本文系统剖析了该产业发展的现状特征与发展瓶颈,并从国家、区域、产业、机制四个层面提出针对性政策建议,为推动人形机器人产业高质量发展、培育新质生产力提供参考。

4.1 研究发现

(1)人形机器人产业发展呈现“六力非均衡、区域集聚化、产业异质化”的典型特征。从“六力”维度看,我国人形机器人产业在战略布局、原始创新、成果转化、产业塑造、生态赋能和趋势引领六大能力上发展不均衡。具体表现为:战略布局力与原始创新力在政策引导和科研资源丰富的地区(如北京、上海、江苏)表现突出,但中西部省份仍以跟跑为主,缺乏系统性前瞻部署。成果转化力与产业塑造力在长三角、珠三角等地较为成熟,但在全国仍存在技术熟化平台不足、中试能力薄弱、产业链关键环节缺失等共性问题。生态赋能力整体较弱,尤其在资本早期投入、高端人才储备、跨区域协同平台等方面存在短板。趋势引领力仅在北京、上海、广东等地区初步形成,大多数省份在国际标准制定、全球价值链话语权方面仍处于弱势。从区域分布看,人形机器人产业高度集聚于京津冀、长三角、粤港澳大湾区三大城市群,形成第一梯队引领、第二梯队跟进、第三梯队探索、第四梯队培育的四级梯度发展格局。区域间发展差距显著,非核心区域在关键指标上的得分仅约为核心区域的一半。从产业差异化发展看,不同区域基于自身资源禀赋形成了差异化的产业发展定位,如在三大核心城市群内,北京侧重原始创新与政策引领,长三角侧重技术转化与核心零部件制造,粤港澳侧重整机集成与场景应用,这种差异化定位推动了全国人形机器人产业的协同发展,但区域间的产业协同机制尚未完善,产业链上下游的联动效应有待进一步发挥。

(2)人形机器人产业培育面临“三断裂一缺失”的系统性瓶颈,制约新质生产力形成。基于对人形机器人产业的评估,本文识别出该产业培育与发展中存在的系统性瓶颈:一是技术—市场中试断裂,多数地区在概念验证与中试熟化环节支撑不足,导致大量实验室成果难以跨越“死亡之谷”。二是产业链—创新链协同断裂,尽管部分省份在原始创新或产业规模上具有优势,但研产脱节现象普遍。高校、科研机构与企业之间的协同机制还不顺畅,创新资源还未有效转化为产业竞争力。三是资本—产业周期匹配断裂,早期资本供给严重不足,天使或种子轮投资在有些中西部省份几乎空白。资本市场偏好中后期项目,对前沿技术、长周期项目的容忍度低,制约了原始创新项目的存活与成长。四是区域—产业适配战略缺失,部分省份在制定产业政策时缺乏差异化定位,盲目跟风布局,导致区域间产业同质化竞争加剧,未能形成基于本地禀赋的错位发展格局。

客观审视发展现状,以人形机器人产业为代表,我国未来产业在高质量发展进程中仍存在三大亟待破解的结构性问题。其一,发展平衡性不足的问题较为突出。当前产业资源多向东部发达地区集聚,中西部地区因科教资源禀赋、产业基础配套等差距,在前沿技术研发、高端产业集群培育上进展相对滞后,区域间发展差距进一步拉大;同时,产业内部存在“重终端、轻基础”的结构性失衡,核心技术受制于人的困境未根本改变。其二,因地制宜理念的落实成效有待提升。随着发展以人形机器人为代表的未来产业成为各地发展共识,部分地区出现“一哄而上”的盲目布局现象,存在对产业发展规律认识不足、缺乏科学论证就扎堆热点赛道的问题。这既导致创新资源分散化、产业布局重复化,引发“内卷式”恶性竞争,也未能充分立足本地的区位条件与资源禀赋优势,致使具有地域特色的发展路径尚不清晰。其三,融入全球科技治理体系的能力有待增强。当前全球未来产业竞争聚焦于技术标准与规则话语权的争夺,而我国在未来产业标准化体系建设上仍处于追赶阶段,在国际规则制定中的参与度和影响力还不足;面对发达国家通过碳关税、供应链审查等新型贸易壁垒构筑的“绿色围墙”,我国在技术适配、标准对接等方面的准备不足,高端科技人才集聚仍有提升空间,基础研究与前沿创新能力相对薄弱,在全球产业链价值链重构中面临核心竞争力提升的迫切压力。

4.2 政策建议

基于对人形机器人产业评估与瓶颈的分析,为培育新质生产力、建设现代化产业体系,提出以下政策建议:

(1)国家层面,强化统筹引领。加强顶层设计,建立领导机制与发展规划,避免同质化竞争。统筹全国科研力量,聚焦前沿领域实施专项攻关,设立产学研协同基金。完善数据、知识产权、金融等制度保障,加大对早期项目的支持。积极承担国际科技治理责任,推动优秀标准全球化,深化国际产业合作,提升全球竞争力。

(2)区域层面,优化协同布局。推动形成核心引领、梯度协同、特色互补格局。明确京津冀、长三角、粤港澳大湾区差异化定位,分别侧重创新策源、技术转化与集成应用。建立跨区域协同机制,推动要素向次级增长极辐射。引导中西部、东北等地区依托自身资源,发展特色细分产业,实现差异化发展。

(3)产业层面,实施分类施策。针对人形机器人技术驱动型产业特征,构建全链条技术攻关体系,强化概念验证、中试熟化等平台建设,打通技术向市场转化的关键环节。培育壮大产业主体,重点扶持链主企业,培育一批专精特新中小企业,完善产业生态。推动技术与场景深度融合,在工业、服务、养老等领域打造一批典型应用场景,通过示范应用加速产品迭代与产业化进程。

(4)机制层面,强化生态赋能。完善制度供给,深化跨区域协同治理改革,打破行政壁垒,推动产业资源在全国范围内优化配置。强化风险防控,建立技术伦理审查与风险预警机制,加强产业链安全监测与数据安全保障,为产业健康发展筑牢屏障。

5 结语

本文立足全球科技革命与产业变革的历史交汇期,紧扣中国新质生产力培育的战略需求,构建了涵盖“战略布局力、原始创新力、成果转化力、产业塑造力、生态赋能力、趋势引领力”的“蜂窝式六力”中国未来产业发展指标体系。针对人形机器人这一重点未来产业,通过对全国31个省份、重点创新集群的实证评估与分析,揭示了人形机器人产业发展特征、区域格局与核心瓶颈,验证了指标体系在理论逻辑与实践适配性上的科学性,为国家、区域与企业层面的精准决策、施策提供了量化支撑与路径参考。

展望未来,中国未来产业将进入技术群体突破、产业生态竞合、区域格局重构的新阶段。技术层面,人工智能、量子计算、合成生物等技术将深度融合,催生跨学科、跨领域的产业新范式,为现有重点产业带来颠覆性升级,同时孕育量子科技、脑机接口、智慧医疗、空天信息等新赛道;产业层面,未来产业将从单点突破走向系统竞争,创新链、产业链、资金链、人才链“四链”的深度融合、协同效率将成为核心竞争要素;区域层面,随着国家区域协调发展战略的深化,中西部省份有望在细分领域形成“隐形冠军”,打破核心城市群的单一集聚格局,形成“多极联动、网状发展”的新格局;治理层面,面向未来产业的治理将更加注重弹性监管、伦理共识与国际规则对接,实现创新与安全的协同发展。

对应未来产业的发展趋势,本文构建的指标体系将持续迭代优化:一是逐步将量子科技、脑机接口、氢能、海洋经济等重点领域纳入评估范围,实现未来产业全赛道的动态监测;二是完善指标维度设计,结合技术演进与产业变革,新增“伦理合规性”“绿色低碳度”等适配未来产业高质量发展的指标;三是优化评估方法论,引入动态权重调整机制,适配未来产业非线性演进特征,提升评估结果的精准性与时效性,为中国打造世界级未来产业创新高地提供持续的科学支撑。

尽管本文在指标体系构建与实证评估上取得了阶段性成果,但仍存在局限需在后续研究中完善:其一,评估领域的覆盖范围有待拓展。选取人形机器人产业作为代表,虽能反映未来产业的典型特征,但尚未涵盖人工智能、新材料、核能、氢能等全部重点领域,未来应扩大评估领域,全面刻画未来产业整体发展特征。其二,动态评估与机制分析有待深化。本文聚焦2024—2025年度的截面数据开展实证评估,后续需通过面板数据构建动态评估模型,进一步揭示未来产业发展的长期动态演化规律,以提升研究的理论深度与实践参考价值。

参考文献：

[1] 陈劲, 朱子钦. 以新技术、新产业驱动新质生产力[J]. 经济, 2024,26(1): 22-24.

[2] 钱贵明, 阳镇, 陈劲. 未来产业竞争视阈下的企业创新范式转型[J]. 科学学与科学技术管理, 2025, 46(3): 156-167.

[3] 杨德明, 卫晓明. 企业未来产业布局与审计定价[J]. 审计与经济研究, 2025, 40(2): 52-63.

[4] 王鹏, 靳开颜. 新质生产力视角下的未来产业发展: 内涵特征与发展思路[J]. 技术经济与管理研究, 2024,45(3): 1-6.

[5] 李军凯, 高菲, 龚轶. 构建面向未来产业的创新生态系统: 结构框架与实现路径[J]. 中国科学院院刊, 2023, 38(6): 887-894.

[6] 孟祺, 杨永新. 未来科技如何驱动未来产业发展——基于“技术创新—产业生态—制度环境”的视角[J]. 经济学家, 2025,37(3): 46-55.

[7] CHRISTENSEN C M.The innovator′s dilemma:when new technologies cause great firms to fail[M]. Boston, Mass: Harvard Business School Press,1997.

[8] 王康, 陈悦, 宋超, 等. 颠覆性技术:概念辨析与特征分析[J]. 科学学研究, 2022,40(11): 1937-1946.

[9] 周萌, 朱相丽. 新兴技术概念辨析及其识别方法研究进展[J]. 情报理论与实践, 2019, 42(10): 162-169.

[10] 陈劲, 阳镇, 朱子钦. “十四五”时期“卡脖子”技术的破解: 识别框架、战略转向与突破路径[J]. 改革, 2020,33(12): 5-15.

[11] 陈劲. 聚焦未来产业, 探寻管理创新[J]. 清华管理评论, 2020,11(9): 1.

[12] 陈劲, 吴丰. 加快科技强国建设的战略路径研究[J]. 社会科学辑刊, 2025,47(2): 110-119.

[13] 李晓华. 未来产业的内涵、特征、难点及进路[J]. 新疆师范大学学报(哲学社会科学版), 2025,46(3):71-80.

[14] 刘云,张心同.基于创新生态系统视角的未来产业培育模式——以人形机器人产业为例[J].科技进步与对策,2025,42(24): 61-71.

[15] 闫俊周, 郭婧羽. 未来产业的内涵特征、核心要素与培育路径[J]. 创新科技, 2025, 25(10): 29-39.

[16] FREEMAN C. Technology policy and economic performance: lessons from Japan[M]. London: Pinter Pub Ltd,1987.

[17] 陈维城.李毅中:要高度重视科技成果转化,“用户”要自始至终参与研发[N/OL].新京报,(2024-07-03)[2026-01-13].https://www.bjnews.com.cn/detail/1719975171129356.html.

[18] BROSNAN S,DOYLE E,O′ CONNOR,et al.From Marshall′s triad to Porter′s diamond: added value?[J].Competitiveness Review,2016,26(5):500-516.

[19] CHESBROUGH H W. Open innovation: the new imperative for creating and profiting from technology[M]. Boston, Mass: Harvard Business School Press,2023.

[20] PORTER M E. The competitive advantage of nations[M].New Jersey:John Wiley &Sons, Ltd.,1990.

[21] COOKE P. Regional innovation systems: competitive regulation in the new Europe[J]. Geoforum, 1992, 23(3): 365-382.

[22] 陈劲, 张可人, 朱子钦, 等. 未来产业市场规模评估测算方法构建思路研究[J]. 创新科技, 2025, 25(4): 20-29.

(责任编辑：梅岚峤)