新興技術的未來產業影響力之分析方法研究綜述

汪江樺　冷伏海

要：文章對國內外新興技術未來產業影響力的分析方法進行了整理和綜評，提出了評價新興技術未來產業影響力的三大關鍵問題，即：確定影響因素、建立指標體系和搜集研究數據，并通過對新興技術未來產業影響力研究所存在的過分依賴專家經驗、缺乏有力的數據分析支持、缺乏對動態性影響因素的考慮現狀問題分析，提出了通過擴寬數據來源、融合數學理論方法和開發實時技術評價信息系統來解決問題的思路。

關鍵詞：新興技術 未來產業影響力 技術預見 技術評價

中圖分類號： F490.6文獻標識碼： Ａ 文章編號： 1003-69３８（２０12）０4－0070-06新興技術是建立在科學基礎上的革新，這些技術有潛力去創造一個新行業或改造一個老行業，包括產生于激進革新的間斷性技術以及通過集中多個過去的獨立研究成果而形成的更具創新性的技術［1］。新興技術擁有巨大的潛能，對國家的經濟和科技的發展具有重大影響，各國政府對其關注日益增強。然而，新興技術的發展及其產業化具有很大的不確定性，判斷一項新興技術是否能夠推動產業的發展甚至于形成新產業，是目前新興技術研究領域的一個熱點和難點問題。要想從眾多新興技術中挑選出真正有發展潛力、對相關產業能夠產生較大影響力的技術，需要建立一套能快速有效地對新興技術的未來產業影響力進行評價的方法和機制。目前，國內外對新興技術的研究開始逐年增多，取得了很多有借鑒價值的研究成果。為了更好地把握該領域的研究進展和方向，有必要對已有的研究工作進行總結。為此，本研究將對國內外有關新興技術的未來產業影響力的研究進行梳理，揭示其研究現狀，分析指出其存在的問題以及未來的發展趨勢，為該方向的研究人員提供借鑒和參考。

1 國外研究進展

新興技術的未來產業影響力分析在國外是一個較新的研究領域，雖然在相關領域已經取得了一些重要成果，但在很多方面仍處于起步和探索的階段。目前，國外學者針對新興技術主要進行了技術預見、技術評價及商業潛力等方面的研究，所采用的情報分析方法主要是技術未來分析方法。該方法是由2004年歐洲預測技術研究所研討會提出的，用來概括各類與未來技術相關的分析方法和實踐，如技術預見、技術預測、技術監測、技術情報競爭和技術評價等［2］［3］。技術未來分析是一個對新興技術的發展路徑和未來潛在效應的分析過程，包括產業領域的技術預測和技術情報分析［4］，能夠為新興技術的未來產業影響力分析提供一定的借鑒作用。

1.1 路線圖方法

技術路線圖作為一種前瞻方法，被廣泛應用于技術未來分析、新興技術的預測、評估和投資決策等領域。路線圖方法應用圖形、表格、文字等形式描述新興技術變化的步驟或技術相關環節之間的邏輯關系，具有簡潔直觀的特點。該方法常用于幫助決策者把握該技術領域的發展方向，確定發展中將會遇到的關鍵問題及制定相應的解決方案。

Chris Holmes［5］ 應用操作和技術路線圖（Operation and Technology Roadmap，OTR）方法幫助新加坡中小企業識別和選擇具有發展潛力的新興技術。OTR是對劍橋大學Robert Phaal等［6］ 提出的T-Plan方法的改進，它通過五個關鍵步驟使公司能夠快速創建自己的一個OTR，是一種快速而簡單的過程。Chris Holmes［5］ 選取36家制造業的公司作為試點，驗證了該方法的有效性（步驟見圖1）。

Torsten Fleischer等［7］嘗試運用科學路線圖對納米技術及其成果質量進行評價分析，由路線圖的開發者、納米材料專家和知識轉移組織成立工作組根據行業和中小企業的要求繪制路線圖并建立有關納米潛在發展能力的知識庫，為納米技術的理論研究與實際應用的結合提供了一種思路，對許多有著理論與應用脫節問題的科學研究有著重要的借鑒意義。

路線圖方法能夠較為充分地考慮到各方面的影響因素，數據來源廣泛，具有靈活、結構化和可視化等優勢，但也有一定的局限性：一是制作過程較為復雜，前期需要大量的信息，信息的可獲取程度會成為制約它的一個問題；二是主要依賴專家經驗做出分析判斷，專家的水平會直接影響到路線圖的質量，時間跨度也較大。

1.2 專利分析法

專利分析法用于挖掘新興技術的信息及其內在聯系，其研究數據主要來自國內外的各種技術專利數據庫。對特定技術領域的專利數據進行分析研究，是評價新興技術的一種較為有效的客觀方法。

Pilkington［8］提出了一種基于統計學的專利分析方法，認為當專利數據與統計技術相結合時，可以很好地洞察技術發展的軌跡狀態和潛力。研究選取燃料電池技術開展實證研究，對自美國專利商標局獲取的“燃料電池”專利數據進行因子分析，重復利用國際專利分類分析對結果進行確認，結論認為隨著各企業圍繞特定專利技術的投資組合日益緊密，該項專利技術的商業化條件就會逐漸形成。Murat Bengisu等［9］ 對20個機械與材料領域的新興技術進行短期預測，通過利用與這些技術相關的最恰當的關鍵詞，確定在特定年份中這些領域的出版物和專利的數目，同時利用科技數據庫去分析創新活動的趨勢以及將其用于基于S曲線的短期預測，以制定更加合理的技術管理、研究基金和技術投資的決策。

專利分析法具有客觀、信息易獲取等優勢，但在實際操作中也存在一些問題：一是數據主要來源于專利數據庫，有些時候對于某一技術領域的新興技術來說可供分析的專利數量有可能會存在不足；二是分析方法多樣，但較為分散尚未形成體系，指標上存在重疊問題。

1.3 形態分析法

形態分析法建立在參數分解和問題構建的基礎上，通過排列組合和優化篩選最佳技術方案，常被用于技術預見和決策分析領域。

Yoon等［10］用從專利信息中挖掘出來的關鍵詞作為參數，借助專家經驗構建技術形態，用形態分析方法析出未覆蓋的技術形態組合進行進一步優選，對薄膜場效應晶體管理液晶顯示器這一技術領域開展了實證研究，并在一系列研究中不斷對這種方法進行了改進。隨后Yoon等［11］利用專利引文分析和聯合分析進行技術形態組合優選的實證研究，并提出利用聚類和網絡分析來構建技術詞典［12］。

形態分析法評估新興技術時既可以利用專利信息分析了解現有技術的結構和形態，又可以利用形態分析對未來技術可能的形態進行分析和優選，有較高的實用價值，但也存在一些缺點：一是構建技術形態結構本身是一個復雜的過程，涉及大量參數、方案選擇問題，對分析人員的專業水平要求較高；二是在優選技術時未能充分考慮到市場、產業、環境及其他領域的影響因素，對于新興技術產業影響力的評估尚顯不足。

1.4 模型法

為了避免使用單個方法的缺陷，國外部分學者開始傾向于嘗試將多個方法綜合在一起建立模型來進行新興技術的預測和評估。

Alan L.Porter［13］ 提出了一種整合了多種預測方法論的預測技術——快速科技情報過程（Quick technology intelligence processes， QTIP），實現QTIP有四個重要的步驟：（1）即時訪問數據庫：海量的科學文獻數據庫和專利數據庫；（2）分析軟件：使用技術挖掘軟件VantagePoint，進行專利與文獻的統計分析；（3）自動化流程生成可視化圖表；（4）決策過程的標準化。這種技術挖掘方法能夠應用于技術展望、技術預測、技術和產品路線圖和技術評估。研究將趨勢分析、方案設計、歷史類比、文獻計量學和專利分析這幾種方法綜合起來，對燃料電池和食品安全兩個新興技術進行系統動態建模，驗證其有效性。Louise.A Heslop等［14］ 介紹了一種多階段方法，該方法通過綜合文獻分析、問卷調查和專家打分等方法，建立了評價新興技術商業化的“立交橋模型”。

Tugrul U.Daim［15］ 認為在沒有歷史數據可用的前提下預測新興技術是一件非常困難的事。為了解決這一問題，他通過綜合使用文獻計量方法和專利分析法來提供數據，并利用情景規劃、生長曲線和類比等技術預測工具來對燃料電池、食品安全和光存儲技術進行預測（見圖2，圖3，圖4）。

[圖2 燃料電池的模型結構][FC數據][科學計量學分析][Fisher-Pry 模型][成熟度][系統動力學模型][FC預測]

[圖3 食品安全的模型結構][脂質體&電子束數據][專利趨勢分析][Pearl-Reed曲線模型][成熟度][系統動力學模型][FS預測][歷史類比]

這三個模型分別描述了用模型法對燃料電池、食品安全和光存儲進行預測的大致過程，同時也反映了模型法在各個應用中的一般過程和思路。最后的測試結果表明，綜合幾種方法的模型所得到的預測結果均好于單一方法。然而該方法所建立的模型基本是針對某一特定技術領域的，所采取的方法也是多樣的，并沒有形成一定的

體系，缺乏通用性。

2 國內研究進展

國內對新興技術的未來產業影響力的研究尚處于起步階段，目前只有一些集中在新興技術的商業化產業化方面的相關研究，能夠為影響因素的確定和指標體系設計提供一些借鑒。

2.1 AHP分析法

AHP即層次分析方法是在深入分析實際問題的基礎上，將有關的各個因素按照不同屬性自上而下地分解成若干層次來進行分析研究，是應用較為廣泛的一種方法。

秦遠建等［16］ 從產業規模化、產業集約化、經營效益化和產業化工業基礎四個方面入手，構建基于AHP的評價模型，對收集到的評價指標數據進行標準化處理，利用專家評判方法計算權重系數，而后計算綜合評價值，對電動汽車產業化水平進行評價。周吉意等［17］將灰色聚類引入AHP評估模型，對主要來源于專家打分的初始數據進行量化處理，利用AHP確定新興技術各指標項的權重值，結合專家意見構造判斷矩陣，而后計算各新興技術的灰色聚類系數，進行新興電子技術的商業化潛力等級的評定。網絡層次分析法（ANP）是在AHP基礎上改進發展而形成的，避免了指標之間相互獨立的弊端，黃魯成等［18］將技術因素、市場因素、產業化條件因素、效應因素和符合因素列為新技術產業化潛力主要影響因素，在此基礎上通過Delphi調查構建評價指標體系，利用ANP構造判斷矩陣，計算評價指標權重。

AHP分析法的特點是簡潔、實用，對各方面影響因素考慮較為全面，且能夠從深層次對新興技術進行分析解讀。但在新興技術評價上也存在著不足之處：一是沒有預測未來的功能，需要與其他方法配合使用；二是依賴專家經驗，且在分析較為大型的系統問題時耗費的時間較長，效率低。

2.2 神經網絡分析法

近年來一些學者開始聚焦于將神經網絡引入新興技術的評價中，具體做法是將樣本數據輸入BP神經網絡進行學習訓練，而后利用BP神經網絡輸出結果進行新興技術的評價。

馬慧民等［19］從技術因素、經濟因素、市場因素和社會因素四個方面，構建專利技術產業化選擇指標體系，而后運用單隱層BP神經網絡對收集到的數據樣本進行訓練，得出結論只要能夠確定各種影響因素，同時又有充分可靠的數據樣本供網絡學習，即可進行準確而實用的評價。楊敏利等［20］利用遺傳算法對BP神經網絡所賦權值進行修訂，在BP算法訓練網絡出現收斂速度緩慢時啟用遺傳算法優化網絡的運行參數，把優化結果作為BP算法的初始值再用BP算法訓練網絡，這樣交替運行，直到達到問題要求的精度為止。研究對通過問卷收集到的數據進行專利技術產業化全過程評估，驗證了該模型的可行性和實用性。馮霞等［21］ 從技術性能、經濟效益、市場因素和宏觀環境四個方面，建立產業化前景評價指標體系，構建了前饋神經網絡專家系統，采取區間法量化產業化前景等級分析，對集成電路布圖設計的產業化前景進行綜合分析。

神經網絡分析法具有自適應性、學習能力強和大規模平行計算能力等優勢，能夠較好地處理新興技術產業影響力評價中的信息不完全、分析指標較多、部分指標之間存在非線性相關等問題。在實際操作時也需要注意一些問題：一是供分析的初始數據多是來源于專家調查問卷，問卷的信度和效度是需要考慮的問題；二是需要建立有效的評價指標體系，這關系到新興技術評估的效果。

2.3 模糊評價方法

模糊評價方法基于模糊數學的隸屬度理論把定性評價轉化為定量評價，用模糊數學對受到多種因素制約的新興技術未來產業影響力做出一個總體的評價。

傅毓維等［22］ 使用政策效益和風險類指標、市場效益和風險類指標等九大類指標構建評價體系，根據測評目標和模糊綜合評價原理，建立了模糊數學評價模型對船舶工業高科技成果轉化項目成效進行綜合評價，由專家給出評價矩陣，用權重向量綜合法求多人同準則下判斷矩陣的權重向量，用頻率統計法計算成果轉化項目評價指標，在此基礎上使用模糊集計算綜合評價值，并對轉化效果進行了定量描述，從中提煉出了一些重要的管理信息，為其它成果轉化項目提供了重要的參考依據和借鑒意義。

模糊評價方法具有結果清晰、系統性強的特點，能較好地解決新興技術的不確定性和一些難以量化的問題。其優點在于考慮到了客觀事物內部關系的錯綜復雜性和價值系統的模糊性。然而和神經網絡分析法一樣，它同樣是建立在專家問卷基礎上的一種評價方法，問卷的質量和指標的選擇也關系到最終評價結果的準確性。

2.4 綜合法

近年來有學者開始嘗試將技術預見、德爾菲法和數據挖掘等多種方法綜合起來進行新興技術的評價工作。

盧文光［23］從技術因素，市場因素，產業因素，符合性因素和效應因素五個方面入手，通過Delphi和專家調查法構建了新興技術產業化潛力的評價指標體系，使用模糊一致性矩陣的方法對新興技術產業化潛力進行評價研究，然后通過系統動力學建模對新興技術產業化潛力成長性開展動態研究，模擬分析了新興技術產業化潛力成長性與影響因素的動態關系，并以“奧運科技”為對象進行了實證研究。王吉武［24］ 構建了新興技術商業化潛力三層主觀評價漏斗模型，又從技術成熟度、技術機會和技術地位三個角度構建了新興技術商業化潛力客觀評價框架，通過主客觀結合的方式來綜合評價新興技術的商業化潛力，根據新興技術商業化的階段可分性和不確定性構建了新興技術商業化投資決策模型，并以奧運科技專項中的新興技術項目為對象進行了實證研究，得到了新興技術商業化投資決策的中試和商業化推廣兩個階段的最優投資臨界點。

綜合法能夠彌補使用單一方法產生的片面和不足，對新興技術影響因素考慮的也比較全面，但仍然過分依賴專家，分析所用的數據主要來源于專家的調查問卷，在實際操作中會受到一定的限制。

3 關鍵問題

從前面的總結和分析中我們知道，對新興技術未來產業影響力的評價是一個復雜的系統工程，需要考慮多方面的因素以及對這些因素進行合理有效的有機整合。

（1） 影響因素的確定。新興技術最基本的特征是高度的不確定性，在對其未來產業影響力進行評價時需要盡可能全面地考慮各種因素，同時還要挖掘出其中哪些因素是對新興技術產業的發展產生重大影響的主要因素，哪些是次要因素以及哪些是可以忽略的非必要因素，來為后面設計評價模型的技術權重等工作提供參考，以獲得更為準確的評價結果。

（2） 指標體系的建立。新興技術未來產業影響力評價的一項重要任務是評價指標體系的建立和研究，合理的指標體系不僅利于獲得質量高的評價結果，而且也對探究新興技術產業發展的本質特征和發掘其中的基本規律有著重要的指導作用。指標的選取和設計不僅要考慮到其對新興技術產業發展的影響力大小，還要綜合考慮各指標之間的相互聯系和作用，這樣才能使評價指標體系變得更加全面和高效。

（3） 相關數據的搜集。基本上所有的產業評價模型都需要根據一些相關的歷史數據來進行分析和設計，豐富且相關性高的數據會對評價模型的構建提供大量有價值的信息，將直接影響到評價模型的評價質量和效果。對于新興技術產業來說，由于其自身還處于一個較新的發展階段以及對其的研究也才剛剛開始，可用的歷史數據通常是很有限的。因此，如何獲取建模所需充分的高質量數據是新興技術未來產業影響力評價研究中一個關鍵的問題。

4 存在困難與解決問題的思路

綜上所述，雖然國內外對新興技術的未來產業影響力的研究已取得很多成果，提出了很多解決問題的有效方法，但仍然面臨許多現實的困難。

（1）過分依賴專家經驗，而且處理信息的方式也較為單一。在現實應用中，這類方法通常容易受到專家對事物的偏好、熟悉程度以及專家水平等主觀因素的影響，使得分析的結果與現實情況可能會存在較大出入。另外，這些方法的組織成本較高，耗時較長，實施起來困難較大。

（2）缺乏有力的數據分析支持。新興技術的特性決定其歷史數據較少，目前研究中數據來源有限，主要是專家經驗、科學文獻或是專利等單一數據源，數據量不足，這將會對新興技術預測的準確性和可靠性產生很大的影響。

（3）缺乏對動態性影響因素的考慮。在多數相關研究中，對新興技術未來產業影響力的分析中考慮較多的是技術本身因素，雖然也會考慮到一些市場等其他因素，但對動態變化的因素尚且考慮不夠，而新興技術通常具有較強的不確定性，會隨著各方面因素的變化而動態的變動。尤其是隨著國際社會政治與經濟等環境的日益復雜和多變，影響新興技術發展的不確定因素也越來越多，對目前的技術預測手段與方法產生了嚴峻挑戰。

針對這些問題，我們提出了一些解決問題的思路。首先，針對新興技術未來產業影響力研究的一個難題是歷史數據較少的問題，可從科學文獻、專利、市場調查報告和網絡等數據資源中收集相關數據，擴寬數據來源，建立更為豐富的信息數據庫。例如使用Web挖掘技術能夠對海量自由公眾網絡信息資源知識規律進行提取和判斷，為在新興技術評價中利用豐富的自由公眾網絡資源創造了可能性。另外，也可以通過遷移學習的方法，利用技術之間在某些方面存在的相似性來對一些全新的技術進行分析和預測；其次，針對影響新興技術發展的各種不確定因素的急劇增加，可考慮將一些處理不確定問題的數學理論方法應用到該問題的解決中來，以應對由社會政治與經濟等復雜多變的因素所帶來的挑戰。如利用模糊數學、粗糙集等一些有效處理不確定問題的數學方法來建立動態評價指標體系，增強對新興技術未來產業影響力評價的魯棒性和可靠性；最后，可以通過開發類似國外NASA的TechTracS Information System［25］和IPTS的Technology Identification Methodology［26］的技術評價信息系統，綜合考慮影響技術評價的各方面因素，采用多種技術方法相結合的手段，以及結合在其他領域成熟的數據挖掘技術，實現系統化、實時化、多角度、魯棒性的技術產業化前景預測。

5 結語

新興技術對世界各國的經濟與科技發展的重要影響是不言而喻的，及早地對潛在新興技術進行研發和產業布局，將有助于國家與企業把握住科技發展的方向和抓住歷史發展的機遇，在世界激烈的經濟和科技的競爭中立于不敗之地。因此，面對眾多的新技術，如何找出那些真正具有發展潛力的技術就顯得非常關鍵。作為一種用于挖掘技術發展潛力的重要手段，新興技術的未來產業影響力分析方法已引起世界各國情報人員關注和研究興趣，并已取得很多有價值的相關研究成果。為了更好地了解該領域的發展現狀和動態，本文對已有的這些研究成果進行了梳理和總結，指出了目前還存在的問題，并對這些問題的解決提出了自己的看法，以期為大家在這方面的研究提供一點參考和幫助。

參考文獻：

［1］喬治·戴， 保羅·休梅克. 沃頓論新興技術管理［M］.北京：華夏出版社，2002.

［2］Technology Futures Analysis Methods Working Group. Technology futures analysis： toward integration of the field and new methods［J］.Technological Forecasting and Social Change，2004，71（3）：287-303.

［3］徐峰， 冷伏海. 面向未來的技術分析概念、方法與應用研究進展［J］.情報學報，2010，（3）：539-544.

［4］黃魯成等.技術未來分析理論方法與應用［M］.北京：科學出版社，2010.

［5］Chris Holmes， Mike Ferrill.The application of Operation and Technology Roadmapping to aid Singaporean SMEs identify and select emerging technologies［J］.Technological Forecasting and Social Change，2005，72（3）：349-357.

［6］Phaal R， Farrukh C， Probert D. T-plan： The Fast Start to Technology Roadmapping. Planning Your Route to Success［M］.University of Cambridge，Institute for Manufacturing，2011.

［7］Torsten Fleischer，Michael Decker and Ulrich Fiedeler.Assessing emerging technologies -Methodological challenges and the case of nanotechnologies ［J］.Technological Forecasting and Social Change，2005，11（9）：1112-1121.

［8］Pilkington A. Technology portfolio alignment as an indicator of commercialisation： an investigation of fuel cell patenting［J］.Technovation，2004，（24）：761-771.

［9］Murat Bengisu，Ramzi Nekhili，Forecasting Emerging Technologies with the Aid of Science and Technology Databases［Ｊ］．Technological Forecasting & Social Change.2006，（73）： 835-844.

［10］Byungun Yoon， Yongtae Park．A Systematic Approach for Identifying Technology Opportunities： Keyword-based Morphology Analysis［J］．Technological Forecasting & Social Change，2005，（72）：145-160．

［11］Byungun Yoon.Yongtae Park．Development of New Technology Forecasting Algorithm： Hybrid Approach for Morphology Analysis and Conjoint Analysis of Patent Information［J］．IEEE Transactions On Engineering Management，2007，54（3）：588-599．

［12］Byungun Yoon．On the Development of a Technology Intelligence Tool for Identifying Technology Opportunity［J］． Expert Systems with Applications，2008，35（1-2）：124-135．

［13］Alan L. Porter. QTIP： Quick technology intelligence processes［J］.Technological Forecasting and Social Change，2005，72（9）：1070-1081.

［14］Louise A. Heslop，Eileen McGregor and May Griffith，Development of a Technology Readiness Assessment Measure：The Cloverleaf Model of Technology Transfer［J］.Journal of technology Transfer，2001，（26），369-384.

［15］Tugrul U. Daim， Guillermo Rueda， Hilary Martin and Pisek Gerdsri. Forecasting emerging technologies： Use of bibliometrics and patent analysis ［J］.Technological Forecasting and Social Change，2006，73（8）：981-1012.

［16］秦遠建，蔡程.電動汽車產業化水平AHP評價模型研究［J］. 武漢理工大學學報，2004，（12）：277-281.

［17］周吉意， 呂躍進.新興技術商業化潛力評價研究——基于AHP的灰色聚類模型［J］.科學管理研究，2004，（24）：48-51.

［18］黃魯成等.基于ANP的新技術產業化潛力評價研究［J］.科學學與科學技術管理，2007，（4）：122-125.

［19］馬慧民，葉春明. BP神經網絡在專利技術產業化篩選評估中的應用研究［J］.科技管理研究，2005，（6）：94-97.

［20］楊敏利，查博.基于GA-BP神經網絡的專利技術產業化全過程評價研究［J］.科技進步與對策，2010，（10）： 117-120.

［21］馮霞，徐晉.基于神經網絡的布圖設計產業化前景評估［J］. 系統工程與電子技術，2006，（7）：1020-1023.

［22］傅毓維等.船舶工業科技成果轉化項目評價指標體系研究［J］.技術經濟，2006，（5）：92-95.

［23］盧文光.新興技術產業化潛力評價及其成長性研究［D］.北京：北京工業大學，2008.

［24］王吉武.新興技術商業化潛力評價及投資決策研究［D］. 哈爾濱：哈爾濱工程大學，2008.

［25］NASA. NASA Technology Commercialization Process ［EB/OL］.［2012-01-10］.http：//nodis3.gsfc.nasa.gov/displayDir.cfm?Internal_ID=N_PR_7500_0001_&page_

name=main.

［26］P.Moncada-Paterno-Casteuo，J. Rojo，F. Bellido.IPTS-TIM-Software V. 1. 1： A tool to help experts evaluate the marketability potential of new technologies ［M］. European commission-IPTS-TIM，1999.