技術型初創企業的潛力發展方向識別研究

李婧雯 石靜

摘 要：[目的/意義]日益復雜的技術創新與嚴峻的市場環境，給技術型初創企業的生存與發展帶來挑戰。盡早發現潛力技術機會可以幫助此類企業優化發展戰略，爭取未來競爭優勢。[方法/過程]本研究利用全球專利數據，提出一種基于技術潛力評估和技術—企業關聯關系的技術方向識別方法，為技術型初創企業尋求可行的技術發展路徑。在技術潛力評估中，綜合考慮專利的技術價值與經濟價值構建技術潛力評估指標，從全領域探測得到潛力技術候選集;在技術—企業關聯關系中，進一步考慮目標企業與潛力技術的關聯程度，從候選集中定位最優技術。本研究選擇人工智能領域進行實證，以商湯科技作為目標企業。在上述方法框架下，基于全領域專利數據為目標企業選擇潛力技術發展方向。[結果/結論]本文實證驗證了上述方法的可行性與科學性，可以幫助類似的技術型初創企業識別潛力技術方向、制定創新戰略，從而輔助其突破困境、持續發展。

關鍵詞：初創企業;技術探測;潛力技術方向;識別;商湯科技;人工智能;專利數據

DOI：10.3969/j.issn.1008-0821.2022.05.010

〔中圖分類號〕G306 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）05-0098-12

Abstract：[Purpose/Significance]Increasingly complex technological innovation and severe market environment bring challenges to the survival and development of the technology-based start-ups.Early detection of potential technology opportunities can help such enterprises optimize their development strategies to strive for future competitive advantages.[Method/Process]Based on global patent data，this study proposed a technology direction identification method in view of technology potential assessment and technology-firm association relationship，so as to seek feasible technology development path for technology start-ups.In the evaluation of technical potential，the technical potential evaluation index was constructed by considering the technical value and economic value，and measure the technical potential direction of all patents in related fields.In the technology-firm relationship，take the degree of association between the target company and the potential technology into further consider and locate the optimal technology from the candidate set.This research selected the field of artificial intelligence for empirical research，and takes SenseTime as the target enterprise;under the above-mentioned method framework，the target enterprise selected the potential technology development direction based on the patent data of the whole field.[Result/Conclusion]This paper verifies the feasibility and scientificity of the proposed method above，which can help similar technology-based start-ups identify potential technology directions and develop innovation strategies，so as to help them break through difficulties and develop sustainably.

Key words：start-up firm;technology detection;technical potential direction;identification;SenseTime;artificial intelligence;patent data

大數據時代，發明創新是企業、行業及國家經濟繁榮發展的最重要驅動因素之一[1]，十九屆五中全會將創新驅動發展確定為我國現代化建設的核心任務，新興技術創新能夠帶動整個國民經濟的發展。技術型初創企業是以技術產品為核心，開展生產研發和服務活動的一類企業，作為新興技術領域的市場初探者，其在市場運營和發展過程中有著明顯的創新性和靈活性[2]，其核心競爭力和發展重心根植于前沿技術，是我國當前創新驅動發展進程中的重要角色。但由于風險程度高、盈利不穩定以及未來發展路線不清晰等原因，導致大多技術型初創企業在經歷初期“輝煌”之后，難以持續創新，最終在激烈的市場競爭中被淘汰。根據全國企業信用信息公示系統的數據，2018—2020年新增的技術型初創企業約有175萬家，被市場關注并看好的企業僅有15萬家，大多數企業由于后續創新不足而夭折。而技術創新能力是技術型初創企業戰略制定、技術拓展和獲取市場競爭優勢的有效保障，是應對外部日趨激烈的競爭環境從而進一步爭取市場優勢的有力武器[3]。由此，技術型初創企業應當如何提升持續創新能力和在市場競爭中維持創新優勢，是值得探究的問題。688CDADD-5B64-475C-B805-31786A41E808

早在21世紀初，技術創新的競爭熱點就已經逐漸集中在知識產權的競爭[4]。專利數據，能夠直觀地體現企業知識產權的擁有情況，是企業技術成熟度的精髓體現以及衡量企業技術創新度的重要綜合性指標，對于市場競爭力評估以及制定各種戰略決策都有重要的情報價值[5]。作為創新技術的主要載體，專利所表達出來的信息能夠清晰體現企業技術創新的領域及發展階段，通過專利數據分析能對行業及領域的未來技術發展趨勢進行科學預測[6]，與此同時，專利數據的可獲取性以及客觀性等特征，也使得用其識別潛在技術發展方向具有可行性。因此，本研究基于專利數據構建技術潛力評估指標，提出一套適用于技術型初創企業的潛在技術方向識別方法。本文所提出的方法框架融合了技術自身特征以及技術與企業的關系特征，不僅能夠輔助此類企業探索可行的技術方向，也可以進一步為技術潛力評估的相關研究提供借鑒。

1 相關研究綜述

1.1 技術型初創企業相關研究

國內對于技術型初創企業的研究主要聚焦于企業商業模式創新以及技術創新影響因素。部分學者通過個例分析或橫向對比方法研究技術型初創企業的商業模式與創新機制，進而研究誘發創新的因素，為提高企業市場競爭力提供幫助[2，7]。王松等對技術型初創中小企業進行多案例分析，基于扎根理論結合內外部因素構建技術創新影響機制模型[8]。此外也有學者專門研究單因素對初創型企業技術創新的影響，例如政府引導基金[9]、風險投資背景以及持股比例[10]等均被證明能夠顯著影響企業的技術創新過程。

國外學者則更側重于研究外部因素（例如政府以及區域性因素等）對技術型初創企業的影響。Fritsch M等對德國信息技術初創型企業的區域分布特征進行研究，結果顯示加強區域知識庫建設，能夠刺激和引導技術型初創企業的出現和發展[11];Huergo E等通過實地考察方法，評估以政府補貼形式進行公共風險投資的影響是否顯著[12]。此外也有學者提出各種因素對企業發展的影響可能與所處的社會環境和商業模式有關，技術型初創企業選擇適合的商業模式是生存和發展的必要條件。但這種影響與組織所處情境有關，不同國家[13]、不同環境下[14]，商業模式、技術創新機制以及影響因素都會不同。

1.2 技術發展方向識別相關研究

國內對于技術發展方向識別的相關研究主要分為兩類：一是技術機會識別;二是技術方向預測。技術機會識別主要通過文獻共現分析[15]、專利文本挖掘[16]等方法，探索領域內不同技術的進步可能性，進而識別具備發展潛力的技術方向。技術方向預測的研究則更加具體且深入，一般圍繞特定領域基于歷史數據構建預測指標和模型，用于預測技術發展方向。其中，最普遍的是利用LDA主題模型等文本挖掘方法，提取技術主題，基于某種原則構建指標測度方法，從而預測特定領域的發展方向[17]。如張洋等以核酸病毒檢測技術為例，構建該領域的技術主題共現網絡，結合生命周期理論和技術演化規律構建指標，進行不同層次和階段的技術預測[18];曹藝文等利用新興技術主題的引文曲線，預測干細胞領域有潛力成為領域核心的突破性技術[19]。也有學者將技術方向識別研究放置于具體的應用場景中，致力于將技術發展方向識別結果應用于企業服務與管理。Giglio C等、Gwak J H等基于特定領域專利數據，參考專利引用網絡和專利分類信息，提取領域核心技術，預測領域的技術創新路徑[20-21];Chiu T F則提出了一種基于專利技術類別的聚類方法，識別企業技術主題，并將其結果應用于企業戰略規劃中[22]。

綜上所述，國內外學者對于技術型初創企業的研究主要集中于商業模式創新以及技術發展的影響因素，對技術型初創企業這一特定群體潛力發展方向識別的研究相對較少，而能夠在有價值的技術方向持續產出，是此類企業得以存活的關鍵。此外，當前大多技術方向識別研究基于領域或行業開展，視角較為宏觀，缺乏從個體企業這一微觀視角的觀察，難以直接定位輔助技術型初創企業擺脫困境。基于此，本文結合專利價值評估方法和技術—企業關聯關系，提出衡量發明專利技術潛力的技術指標和經濟指標，計算全量數據與目標企業專利技術相似度，并在人工智能領域進行實證檢驗，結合技術潛力及技術關聯度兩個維度，探測以目標企業為代表的技術型初創企業群體的潛在發展方向。

2 數據與方法

2.1 數據來源與處理

人工智能作為新一輪科技革命和技術變革的中堅力量[23]、我國創新戰略實施的重要據點，已經孕育了大量初創企業;人工智能領域作為極具發展前景的產業，是未來新的獨角獸企業集中群。這類企業在發展過程中，技術實力象征著其核心競爭力。如何幫助此類企業保持創新活力，提高市場存活率，是具有實踐價值的問題。因此，本文將潛力發展方向識別方法在人工智能領域進行實證，以驗證方法有效性。本文涉及兩個數據源：一是人工智能領域的全球專利數據;二是目標企業商湯科技的專利數據，如表1所示。

其中，人工智能全球專利數據來源于PATSTAT全球專利數據庫，該數據庫是以歐洲專利局專利文獻主數據庫（EPO Master Documentation Database，DOCDB）為主要數據源的面向統計分析的數據庫，收錄了超過100個國家或者組織的專利數據。在PATSTAT全球專利數據庫中，每個專利家族具有唯一的FAMILY_ID，每項專利具有唯一的APPLN_ID（即發明專利申請號，一項專利向不同地區機構重新遞交申請時會賦予新的申請編號）[24]。根據世界知識產權組織（World Intellectual Property Organization，WIPO）官方報告《技術趨勢2019：人工智能》[25]AI領域3個層次（AI Application Fields、AI Functional Application and AI Techniques）涉及的專利分類號作為本次研究人工智能領域專利數據范圍的界定標準，通過專利分類號構建數據庫檢索式，初步篩選2008—2017年的專利數據。688CDADD-5B64-475C-B805-31786A41E808

目標企業的選擇應當是已獲得初期成功，面臨持續創新難題的技術型企業。美國數據公司CB Insights每年發布“人工智能初創企業排行榜TOP 100”[26]綜合考慮了專利活躍度、投資概況、競爭格局、團隊實力和技術創新性等因素，連續兩年上榜的商湯科技（SenseTime）是人工智能視覺識別領域的獨角獸企業，其頗為搶眼的成長和融資速度在業界引起關注[27]。目標企業的數據來自智慧芽專利數據庫，該數據庫包含的專利數據覆蓋126個國家和地區[28];通過設置專利所有權為“商湯科技 OR SENSETIME”，同樣選取已授權發明專利，經人工篩選整理進行機構消歧后共得到6 152條數據。由于發明專利（尤其是被授權的發明專利）的技術性及進步性高于實用新型專利和外觀設計專利[29]，且高質量的發明專利是促進技術型企業核心競爭力和經濟發展新常態的重要因素[30]，因此，本研究僅選取已授權的發明專利進行分析。

2.2 潛力發展方向識別方法

前沿技術是技術型初創企業核心競爭力的來源，持續的創新能力是其生存命脈，這要求所識別出的技術應當是在未來競爭中有潛力的。但很明顯，對特定的企業來說，并非所有具備潛力的技術方向都適用于它。掌握在其他公司手中的知識產權會形成技術壁壘阻礙后來者的進入，對于陌生領域的盲目探索并非好的策略，因此企業對技術的熟悉程度也應當在考慮范圍內。由此，本文基于問題情境優化了以往的技術識別方法，綜合考慮技術潛力和技術關聯，對技術型初創企業潛在發展方向進行識別。在技術潛力評估中，綜合考慮了專利的技術價值及經濟價值，以體現新興技術的市場潛力[31]。在技術關聯評估中，對潛力技術和目標企業進行技術距離測度。整體識別方法框架如圖1所示。

2.2.1 技術潛力評估

專利的技術價值反映該項專利技術的重要性和先進性，常通過發明專利公開后的被引用情況測度;專利的經濟價值則反映專利權人對專利的維持情況，涉及專利是否授權以及專利維護費用等因素[32]。技術價值和經濟價值體現專利價值的不同維度，綜合考慮能夠較為全面地解析和評估技術潛力[33]。因此，本文從技術價值和經濟價值兩個維度構建專利績效指標，用以評估特定技術的發展潛力。此外，本文選擇專利家族作為基本分析單元。專利家族指的是一項專利在不同國家申請的集合，通常認為家族規模越大，專利價值越高[34]。同一項專利在每次重新遞交申請過程中都會產生新的專利申請號，因此相比單個專利申請號，基于專利家族號進行分析能夠更加準確地定位核心技術，避免重復分析。

1）技術價值及其測度

專利技術價值最常見的測度方式是使用專利被引次數指標[35-36]，Hirsch J E在2005年首次提出了H指數用來測度學者的學術影響力[37]，Guan J C等在2008年將H指數引入到專利價值評估中，綜合考慮專利數量與專利被引次數進行價值測度[38];之后不少學者利用該指數進行專利技術價值測度[39]。AW指數是在H指數基礎上加入時間權重的影響因素得來的，Bihui J等提出，學術論文出版時間長短會對其引用頻次產生影響，主張用所有文章被引用值除以發表年齡的總和平方根來評價一個學者的學術成就[40]。進一步彌補了H指數的缺陷，一定程度上控制了發表時間的影響，使得測度更準確合理[41]。因此，本文采用AW指數測度專利的技術價值，如式（1）所示：

AWi=∑citejt0-tapplnj（1）

其中，AWi是指專利家族i的AW指數，衡量發明專利家族i的技術價值[42];citej代表專利家族i中專利j的正向被引次數;t0代表當前年度，tapplnj代表專利最早申報年度，t0-tapplnj代表專利家族i中專利j的專利年齡。

一般來說，一項專利的正向被引次數越多，表明該專利對后續發明創造的影響越大，在該技術領域的技術價值越高[43];專利年齡指的是當前年份與最早申報年份之間的差值，用于平衡時間對專利引用次數的影響。本文所使用的AW指數綜合考慮了每個專利的正向被引次數以及專利年齡，技術型初創企業的技術創新需要及時適應內外部需求，正向被引次數多且專利年齡小的發明專利在市場環境中具有高技術價值。PATSTAT全球專利數據庫會給予每個簡單家族唯一標識符，即FAMILY_ID;現以FAMILY_ID=47438029的簡單專利家族為例說明AW指數的計算過程，該專利家族中包含3個不同的專利申請，如表2所示。

2）經濟價值及其測度

專利經濟價值是指在專利研究發明、商業化、產業化的過程中，專利技術能給所有權人或專利使用者帶來的預期收益[44]。由于在美國發明專利的申請程序復雜、審查標準嚴格且費用較高，因此 ，往往具有較高創新水平并且能夠產生預期經濟效益的技術成果傾向于在美國申請保護[45]。學者馬廷燦等認為，美國授權的發明專利數量很大程度上反映出某個企業或機構的專利總體質量和專利的經濟價值[43]。基于此，本研究通過專利家族中美國授權專利數量占比來衡量該專利家族的經濟價值，占比越高代表該專利家族的經濟價值越高，具體公式如式（2）所示：

EVi=num_USAinumi（2）

其中，EVi是指專利家族i的經濟價值;num_USAi代表專利家族i中被授權美國發明專利的數量;numi代表專利家族i中被授權發明專利的總數量。

結合專利技術價值以及專利經濟價值指標，用加權后的績效指標來衡量專利家族的技術潛力。現仍“47438029”為例說明計算過程，如表3所示：

2.2.2 技術關聯測度

按照2.1所述對人工領域內所有專利家族的技術潛力進行評估后，還需要考慮專利技術與目標企業之間的關聯程度。基于專利數據的技術關聯測度常用IPC（International Patent Classification）分類號共現的方法[46]，以4位IPC的技術類別為主。但這種劃分方式粒度較粗，對于微觀視角下的個體企業而言，難以精確描述和概括技術方向，因此，本文采用8位IPC分類號劃分技術類別。8位IPC分類號由5個不同等級的編碼組成，其中，首位字母代表部，第二、三位數字代表大類類號，第四位字母代表小類類號，用1～3位數加/00代表大組類號，將大組/00中的00改為其他數字代表小組類號。以G06F40/20為例：G代表所屬部為物理，G06代表計算或推算大類，G06F代表電數字數據處理小類，G06F40/00代表處理自然語言數據大組，G06F40/20代表具體技術領域自然語言分析。688CDADD-5B64-475C-B805-31786A41E808

1）全領域技術分布測度

仍舊以專利家族作為分析單元，一個專利家族中包含若干項專利，每項專利包含多個8位IPC分類號。根據專利家族中全部專利的技術分布構建專利家族技術向量，若某家族專利包含某個IPC分類，該IPC分類號對應標記則為1，否則記為0，家族中多項專利涉及同一技術的不重復計算。

領域內全部專利家族技術向量共同組成技術矩陣，該矩陣記錄了領域內所有專利的技術分布情況。矩陣數據示例如圖2所示，行名表示FAMILY_ID號，列名表示8位IPC代碼，矩陣中數值1表示專利家族中的專利涉及該IPC技術，數值0表示不涉及此IPC技術。

2）目標企業技術分布測度

將目標企業的專利家族數據視為一個整體，以其在IPC分類號上的分布頻次作為技術向量。若是目標企業有兩個專利家族涉及該IPC分類則賦予頻次數值2，沒有涉及該IPC分類則賦值0，匯總形成目標企業專利—IPC向量，表4選取目標企業中與圖2對應的IPC分類號及頻次值結果進行展示。

基于領域技術矩陣與目標企業技術向量，計算每個技術方向與目標企業技術向量的余弦相似度來衡量技術—企業技術關聯度，余弦相似度越大，技術關聯度越大，說明該技術方向與企業的技術研究方向越接近。

2.2.3 潛力技術方向探測

以目標企業與技術方向關聯程度標準化結果為橫軸，技術潛力指標標準化結果為縱軸構建技術潛力—技術關聯矩陣來進行潛力技術方向探測。橫軸代表目標初創企業與領域內其他技術方向的技術距離，縱軸代表目前領域內專利家族的發展潛力。

過去的研究中揭露了兩種不同的創新策略：技術專業化路徑和技術多元化路徑[47]。前者更注重技術深度，后者更側重技術廣度[48]。兩種路徑沒有絕對好壞之分，企業可以根據發展目標與企業定位選擇不同的創新路徑。因此，本文未預設企業背景，對兩種策略分別進行分析，將其在技術方向探測矩陣中分為兩個區域：①技術關聯度高且技術潛力高;②技術關聯度低但技術潛力高。第一種分布區域內專利家族所代表的技術，企業可以選擇專業化深耕的發展策略，在原有較好的知識積累的基礎上，進一步發展核心技術來提升競爭力;第二種分布區域內專利家族所代表的技術，企業可以選擇技術多元化發展戰略，在涉及更多技術領域的過程中尋求更好的商業機會。

3 結果分析

3.1 描述性統計分析

按照第2.1部分所述，由于商湯科技滿足本文定義的技術型初創企業特征，故選取其作為目標企業，其主要IPC分布如圖3所示。

由圖3可知，商湯科技申請的專利主要集中在G06K9/00組（基于圖文的數字識別）以及G06N3/00組（基于生物學模型的計算機系統，例如神經網絡），自2014年成立以來，公司主要致力于面部識別技術地創新及突破，目前這項技術使用深度學習達到極高的面部識別準確率，優于大部分市場同期競爭者水平;此外，該技術也被用于文本識別、無人駕駛和遙感等領域。商湯科技最先發表的專利標題為“用于合成人臉圖像的方法和系統”，其核心技術是人臉識別算法相關技術。由于行業內人工智能技術還在不斷完善和成熟，且技術領域存在進一步的細分。每一個細分領域里，正在不斷涌現新的創業公司和資本，這些企業都可能成為商湯科技的潛在競爭者。面部識別技術目前雖然仍是商湯科技的主營業務，但因缺乏差異化優勢面臨著一定威脅，解決方法之一便是尋找新的技術應用方向突破口。

按照第2.2部分所述，通過余弦相似度來衡量技術—企業技術關聯度，經過標準化處理后的相似度結果分布圖，如圖4所示：

由圖4可知，全量數據范圍內的專利家族的技術相似度結果高度集中于[0～0.6）數據區間內，依據分布圖選取每個區間內技術潛力指標最高的兩個專利家族情況進行分析，具體信息如表5所示。

由表5可知，處于較高技術相似度區間[0.6～1]內的專利IPC分類所屬小類主要有G06K（數據識別）、G06N（基于特定計算模型的計算機系統）、G06T（一般的圖像數據處理或產生）以及G06E（光學計算設備），與圖3目標企業主要IPC分類情況有較高的一致性，從專利標題可知此部分的專利聚焦于深度學習與面部視覺識別技術，主要的應用領域包括生物領域及醫學領域等;處于較低技術相似度區間[0～0.6）內的專利IPC分類所屬小類相較目標企業主要IPC分類有較多不同，除以上4小類外主要有G10L（語音分析或合成;語音識別）、G06Q（專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法）、G08B（信號裝置或呼叫裝置）、H04N（圖像通信）、H04W（無線通信網絡）、B60W（車輛控制系統）、B60K（車輛動力裝置或傳動裝置的布置或安裝）、G02B（光學元件、系統或儀器）、A61B（診斷、外科鑒定）、G16H（處置或處理醫療或健康數據的信息和通信技術）以及B62B（手動車輛），此部分專利聚焦于車輛和設備控制系統以及圖像通信技術，應用于商業、醫學及管理領域的設備控制、情境監控和信息識別等。

按照2.2部分所述，結合專利家族的技術價值和經濟價值指標，構建以專利家族為基本單位的技術潛力—技術關聯矩陣，綜合測度專利價值和技術距離，分布情況如圖5所示。

由圖5可知，全量數據中專利家族主要集中在目標企業技術關聯度低且技術潛力較低的區域;相當一部分專利家族雖然與目標企業技術關聯度較高，但是技術潛力指標并不理想，即分布在技術潛力平均值線以下的藍色圓圈密集的區域。最終識別潛力發展方向所基于的目標專利家族群分布在圖中虛線——高于或低于平均值一個標準差線所劃分的區域，即技術關聯度高且技術潛力高的區域（X值>0.475且Y值>0.032）以及技術關聯度低但技術潛力高的區域（0≤X值<0.007且Y值>0.032）。688CDADD-5B64-475C-B805-31786A41E808

3.2 潛力發展方向識別結果分析

將數據匯總篩選整理后，分別對目標企業、技術關聯度高且技術潛力高、技術關聯度低但技術潛力高的專利家族排名TOP10的IPC分類情況進行羅列，結果如圖6所示。

基于圖6可知，以目標企業商湯科技IPC分類情況為比較基準，在技術潛力值都高于平均值加一個標準差的選取標準下，明顯可見全量數據中技術關聯高的專利家族IPC分類情況相較于技術關聯度低的專利家族IPC分類情況，前者與目標企業的專利家族IPC分類分布有較大的相似性，從一定程度上驗證了本文技術關聯度計算方法的科學性。以商湯科技為代表的技術性初創企業若想要進一步提高創新能力以加強市場競爭性，結合2.2.3部分的內容，對應圖3中的全量數據不同范圍專利家族IPC分類，基于加深技術深度和拓寬技術廣度兩個方向，提出技術專業化和技術多元化兩個主要的發展戰略，如表6所示。

以商湯科技為代表的中國技術型初創企業在不同的技術領域方向上對應采取不同的發展戰略，由表6可知，分布在技術關聯度且技術潛力高的區域的專利技術方向主要有圖像信息及特征識別、基于特定計算模型的計算機系統，以及與信息檢索相關的數據庫結構，對于這個區域內IPC分類對應的相關技術，企業可以基于當前的技術優勢基礎進一步對其進行專業深耕，例如在計算機系統建設中引入更多不同的模型算法，以及解決圖像處理和計算機視覺的工程中無法隨時隨地進行動態圖像監控的問題等等。分布在技術關聯度低但技術潛力高的區域的專利技術方向主要有語音識別（特征提取及分類技術等）以及智能控制技術，對于這個區域內的相關技術則可以采取拓寬廣度的發展戰略，由于目前這兩大類技術的領域應用范圍十分廣泛，一方面可以在企業原有研究領域的基礎上延伸富有市場需求的應用領域;另一方面可以考慮解決當前市場上其他企業暫時沒有解決方案的問題，例如語音識別技術仍未解決的噪聲干擾及情感識別等問題。根據中國信息通信研究院的統計數據顯示：2017年，我國人工智能行業規模占比首位的是計算機視覺領域（占比37%），其次是語音識別領域（占比22%），2018—2020年，計算機視覺、智能語音識別及控制技術是領域內技術企業的重要發展方向。中國產業信息研究網行業報告數據顯示，這些方向仍然是未來的主流技術趨勢，且對應企業規模也在相應擴大，技術型初創企業在基礎技術的支撐下增加應用場景和致力突破技術難題，是其在發展戰略制定時應考慮的重要方面。

4 結論與展望

近年來，我國政府對人工智能技術發展給予高度重視，出臺了一系列全國及地方性政策，并將其列入國家戰略。人工智能技術在衍生新的技術應用方式的同時，不斷催生新業態和發展模式，已經成為新一輪產業變革的核心驅動力。技術型初創企業作為前沿技術的“探索者”，在深化變革的過程中承擔著先鋒作用，為此類技術型初創企業尋找潛力技術方向，不僅能夠維持其自身競爭力，更能從整體上提升我國人工智能技術創新優勢，進一步拓寬技術應用范圍，將技術創新與產業發展更好地結合。

因此，本文以技術型初創企業為研究對象，綜合考慮技術潛力與技術—企業關聯度，構建技術潛力—技術關聯矩陣，作為潛力技術探測方法;并結合技術多元化與技術專業化兩種創新路徑，為目標企業提出相應的技術發展戰略。得到以下結論：第一，通過將目標企業商湯科技的技術分布與技術關聯度高且技術潛力高、關聯度低但技術潛力高，這兩個區域中的技術進行比較，驗證了本文指標及其測度的科學性。第二，通過對不同相似度區間專利進行舉例分析后，車輛及設備控制系統以及圖像通信技術是商湯科技此類初創企業可以考慮拓展的技術領域。第三，通過分析技術潛力—技術關聯矩陣中的技術分區，發現在技術潛力高的技術中，與企業密切關聯的技術大多與目標企業當前技術方向一致，說明數據識別、基于特定計算模型的計算機系統、圖像數據處理等技術，目前仍是該類技術型初創企業的發展重心，在市場優勢的競爭中仍處于重要地位。而與企業技術關聯度低的技術，也不失為一條“創新蹊徑”，企業可以選擇在原領域基礎上拓寬智能控制技術在專業化領域的應用，致力于語音識別應用盲區的關鍵性技術，在相關且多元的技術方向中發展競爭優勢。

本文在研究過程中存在以下幾點局限：①本文在評估技術潛力時，對專利的技術價值和經濟價值各取一半權重進行加權，沒有深入考慮兩因素對技術潛力影響的區別;②本研究選取人工領域的中國企業進行實證，但不同的文化背景和市場環境可能會產生更為復雜的影響，可以在未來研究中進一步拓展場景，驗證方法的適用性。

參考文獻

[1]竇麗琛，張云，陳永國，等.學習貫徹黨的十九屆五中全會精神筆談[J].經濟與管理，2021，35（2）：6-13.

[2]仝自強，李鵬翔.技術型初創企業商業模式創新演進機理研究[J].軟科學，2021，35（3）：55-62.

[3]孫世強，陶秋燕，陳瑾宇.技術創新能力、創新氛圍對創新績效的影響研究——基于中國初創企業的實證分析[J].中國管理信息化，2019，22（3）：98-101.

[4]孫紅衛，田明.專利文獻和技術創新[J].現代情報，2005，（4）：216-217.

[5]馮揚，徐愷英，盛盼盼.數字圖書館專利信息服務模式與創新策略研究[J].情報科學，2016，34（8）：69-73，77.

[6]徐愷英，馮楊，崔偉.基于專利分析的技術創新型企業競爭情報模式研究[J].情報理論與實踐，2014，37（10）：60-64.

[7]李永發，羅媞.初創企業未獲取價值與商業模式創新[J].科技進步與對策，2019，36（11）：25-33.

[8]王松，沈江.基于扎根理論的初創中小型企業創新影響因素與路徑研究[J].科技管理研究，2019，39（22）：182-190.688CDADD-5B64-475C-B805-31786A41E808

[9]黃嵩，倪宣明，張俊超，等.政府引導基金能促進技術創新嗎？——基于我國科技型初創企業的實證研究[J].管理評論，2020，32（3）：110-121.

[10]馬嫣然，蔡建峰，王淼.風險投資背景、持股比例對初創企業技術創新產出的影響——研發投入的中介效應[J].科技進步與對策，2018，35（15）：1-8.

[11]Fritsch M，Wyrwich M.Regional Emergence of Start-Ups in Information Technologies：The Role of Knowledge，Skills and Opportunities[J].Foresight and STI Governance，2019，13（2）：62-71.

[12]Huergo E，López A.Growth Effects of Economic Conditions at Birth：The Role of Public Funding for Technology-based Start-ups[J].Economics of Innovation and New Technology，2020，（4）：1-28.

[13]Isaksson A，Lfsten H，Rannikko H.The Influence of Initial Business Models on Early Business Performance：A Study of 589 New High-tech Firms[J].International Journal of Innovation Management，2021，25（5）.

[14]Guo H，Wang C，Su Z，et al.Technology Push or Market Pull？Strategic Orientation in Business Model Design and Digital Start-up Performance[J].Journal of Product Innovation Management，2020，37（4）：352-372.

[15]晁蓉，龍海東.面向新冠肺炎治療的技術識別與發現[J].情報探索，2020，（7）：36-42.

[16]楊辰，王楚涵，陶琬瑩，等.基于專利的技術機會識別：深度學習領域的案例分析[J].科技管理研究，2021，41（12）：172-176.

[17]呂皓，周曉紀.基于主題模型的技術預見文本分析[J].情報探索，2018，（10）：52-59.

[18]張洋，林宇航，侯劍華.基于融合數據和生命周期的技術預測方法：以病毒核酸檢測技術為例[J].情報學報，2021，40（5）：462-470.

[19]曹藝文，許海云，武華維，等.基于引文曲線擬合的新興技術主題的突破性預測——以干細胞領域為例[J].圖書情報工作，2020，64（5）：100-113.

[20]Giglio C，Sbragia R，Musmanno R，et al.Cross-country Learning from Patents：An Analysis of Citations Flows in Innovation Trajectories[J].Scientometrics，2021：1-20.

[21]Gwak J H，Sohn S Y.A Novel Approach to Explore Patent Development Paths for Subfield Technologies[J].Journal of the Association for Information Science & Technology，2018，69（3）：410-419.

[22]Chiu T F.A Proposed IPC-based Clustering Method for Exploiting Expert Knowledge and Its Application to Strategic Planning[J].Journal of Information Science，2014，40（1）：50-66.

[23]丁波濤.人工智能時代的情報學發展與創新——基于情報交流理論的視角[J].情報學報，2021，40（3）：321-332.

[24]張靜，楊冠燦，劉會景.全球專利統計數據庫（PATSTAT）研究述評[J].數字圖書館論壇，2015，4（12）：62-68.

[25]世界知識產權組織.技術趨勢2019：人工智能[EB/OL].https：//www.wipo.int/tech_trends/zh/artificial_intelligence/patentscope.html，2021-03-27.

[26]CB Insights官網.人工智能初創企業排行榜TOP 100[EB/OL].https：//www.cbinsights.com/research/2019-top-100-ai-startups-where-are-they-now/，2021-07-10.

[27]李華晶.基于商湯科技的人工智能獨角獸創新創業案例啟示[J].科技中國，2020，4（10）：67-72.

[28]智慧芽全球專利數據庫.智慧芽全球專利數據庫產品介紹[EB/OL].https：//www.zhihuiya.com/products.html，2021-07-15.

[29]徐明，陳亮.基于文獻綜述視角的專利質量理論研究[J].情報雜志，2018，37（12）：28-35.688CDADD-5B64-475C-B805-31786A41E808

[30]姚清晨.不同類型創新主體擁有的不同性質發明專利維持過程實證研究[J].情報雜志，2016，35（3）：73-79.

[31]欒春娟，郭曉梅.新興技術的市場潛力研究：基于專利組合分析[J].科學與管理，2017，37（1）：27-35.

[32]Bessen J.Estimates of Patent Rents from Firm Market Value[J].Research Policy，2009，38（10）：1604-1616.

[33]馮仁濤，余翔.專利技術范圍與專利價值——基于生物技術領域專利的分析[J].情報雜志，2021，40（4）：109-118，91.

[34]侯劍華，范二寶.基于專利家族的核心技術演進分析——以太陽能光伏電池技術為例[J].情報雜志，2014，33（12）：30-35，40.

[35]Lee Y G.What Affects a Patents Value？An Analysis of Variables that Affect Technological，Direct Economic，and Indirect Economic Value：An Exploratory Conceptual Approach[J].Scientometrics，2009，79（3）：623-633.

[36]趙蓉英，李新來，李丹陽.專利引證視角下的核心專利研究——以人工智能領域為例[J].情報理論與實踐，2019，42（3）：78-84.

[37]Hirsch J E.An Index to Quantify an Individuals Scientific Research Output[J].Proceedings of the National Academy of Ences of the United States of America，2005，102（46）：16569-16572.

[38]Guan J C，Gao X.Exploring the h-Index at Patent Level[J].Journal of the American Society for Information Science and Technology，2008，60（1）：35-40.

[39]劉志齋，左文革.h指數及其衍生指標評估獸用疫苗領域單篇專利的適用性探索[J].中國農業文摘-農業工程，2020，32（3）：41-46.

[40]Jin B H，Liang L M，Rousseau R，et al.The R-and AR-indices：Complementing the h-Index[J].Chinese Science Bulletin，2007，52（6）：855-863.

[41]楊毓麗，丁媛，張蘇.基于ESI單本外文圖書質量評價體系實證研究——以計算機學科為例[J].圖書館雜志，2015，34（7）：11-18.

[42]Chung J，Ko N，Kim H，et al.Inventor Profile Mining Approach for Prospective Human Resource Scouting[J].Journal of Informetrics，2021，15（1）：101103.

[43]馬廷燦，李桂菊，姜山，等.專利質量評價指標及其在專利計量中的應用[J].圖書情報工作，2012，56（24）：89-95，59.

[44]張克群，孫泓，耿筠，等.專利被引證數與專利價值關系研究的再驗證[J].圖書館論壇，2020，40（3）：55-62.

[45]李春燕，石榮.專利質量指標評價探索[J].現代情報，2008，（2）：146-149.

[46]陳悅，王康，宋超，等.一種用于技術融合與演化路徑探測的新方法：技術群相似度時序分析法[J].情報學報，2021，40（6）：565-574.

[47]Chiu Y C，Lai H C，Liaw Y C，et al.Technological Scope：Diversified or Specialized[J].Scientometrics，2009，82（1）：37-58.

[48]Ko W W，Liu G.How Information Technology Assimilation Promotes Exploratory and Exploitative Innovation in the Small-and Medium-Sized Firm Context：The Role of Contextual Ambidexterity and Knowledge Base[J].Journal of product innovation management，2019，36（4）：442-466.

（責任編輯：陳 媛）688CDADD-5B64-475C-B805-31786A41E808