我國人工智能芯片產業協同創新網絡時空演化特征分析

李秀敏，陳梓爍，陳雅琪

（1.廣東工業大學經濟學院，廣東廣州 510520；2.廣東工業大學數字經濟與數據治理重點實驗室，廣東廣州 510520）

近年來，中國人工智能（AI）芯片市場規模不斷擴大，2021 年我國AI 芯片市場規模為426.8 億元，相比于2019 年擴大了2.45 倍［1］。然而，在AI 芯片產業蓬勃發展的同時，AI 芯片產業正面臨著激烈的全球競爭、技術快速迭代以及研發成本高昂等諸多挑戰。在此背景下，協同創新逐漸成為推動AI 芯片產業發展的關鍵機制。協同創新網絡能夠整合企業、高校、科研機構和政府等多方力量，促進各方資源高效利用，共同推進技術創新和產業升級。通過研究AI 芯片產業協同創新網絡，可以揭示不同參與者之間的合作關系、知識傳遞與價值創造機制，同時有助于優化政府產業政策，為實現國家戰略目標提供科學依據。因此，深入探討AI 芯片產業協同創新網絡對于推動產業健康發展具有重要意義。

1 文獻綜述

目前，關于AI 芯片產業的研究主要涵蓋以下4 個方面：一是對AI 芯片的概念、分類和特征展開了深入探討。研究認為，AI 芯片主要包括GPU、FPGA、ASIC 和類腦芯片［2］，具備高性能、低能耗等特點［3-4］，并被廣泛應用于安防、自動駕駛、智能家居等領域［5-7］。二是關于AI 產業發展概況的研究表明，我國AI 芯片專利數量已經超過美國成為全球第一［8-9］。然而，從專利質量來看，我國AI 芯片產業的專利布局主要集中于商業應用層面［10］，而在關鍵核心技術領域依然薄弱［11-13］，高端市場主要由英偉達、英特爾等國際巨頭壟斷［14-15］，在關鍵核心技術領域對美國存在依賴［16-18］，這在一定程度上對國家安全構成威脅［19］。三是關于AI 芯片產業發展趨勢的研究，商慧敏［20］和尹首一等［21］學者預測AI 芯片將朝著更高靈活性、適應性和低功耗的通用智能芯片方向發展［20-21］，趙正平［22］指出AI 芯片整體趨勢是朝著更高精度、更高能量效率和全集成處理器的方向發展。四是關于AI 芯片產業協同創新網絡的研究，此部分研究與本文最為相關。肖瑤等［23］首先使用現場可編程門陣列（FPGA 芯片）為檢索詞，在美國專利網站USPTO 和國家知識產權局官網上獲取專利數據，其次結合行業報告、公司官網及專利信息資料對FPGA芯片企業的產業鏈環節進行劃分，在此基礎上，通過比較中外企業的專利授權量來評估我國FPGA 產業鏈各環節的國際競爭力，最后，使用專利引用數據構建FPGA 芯片知識轉移網絡，并對整體網絡的中心性、網絡密度等特征進行分析，發現中國企業在FPGA 芯片知識轉移網絡的影響力較弱。趙程程等［24］首先使用加速器芯片、類腦芯片和通用 AI 芯片3 類芯片為檢索詞，在德溫特專利引文索引數據庫獲取專利數據，其次提取每年出現頻次最高的50 個關鍵節點數據并選擇pathfinder 算法、Spotlight 算法識別出AI 芯片技術創新的網絡圖譜和路徑，最后從區域層面分析發現AI 芯片創新主體的研發合作規模逐漸減小、合作網絡向“地緣性+業緣性”轉變以及研發合作方向呈現出兩極化特征。

肖瑤等［23］、趙程程等［24］對產業鏈環節劃分和創新網絡分析為本研究提供了有益的思路，但以上研究仍有完善空間：（1）專利檢索詞可以進一步完善。由于AI 芯片涉及材料、器件、電路和半導體等多個領域，僅通過芯片名稱搜索專利可能會遺漏數據；（2）創新主體數量可以進一步擴大。除了已有文獻分析的每年出現頻次最高的50 個關鍵節點外，可以進一步研究所有創新主體，以更全面地反映AI芯片產業協同創新網絡的特征；（3）方法可以進一步完善。已有研究缺乏使用客觀方法對產業發展階段進行劃分，容易誤判市場趨勢和產業結構；（4）協同創新網絡分析可以進一步完善。結合產業鏈視角將整體網絡劃分為上游、中游和下游網絡，并從產業鏈橫向和縱向環節分析各環節網絡的結構特征，而不僅僅局限于產業的整體網絡分析；（5）研究內容可以進一步補充。已有文獻缺少關于AI 芯片產業城市間的合作聯系研究，難以了解不同城市在AI 芯片產業協同創新網絡中的地位和作用。

基于此，本研究首先參考相關文獻和行業報告，對AI 芯片的專利檢索詞進行完善，并據此檢索出AI 芯片的專利數據。其次，借鑒索琪等［25］對新能源汽車產業的分析步驟，對AI 芯片產業協同創新網絡的時空演化特征進行分析，具體步驟包括：（1）提取所有發明專利中的創新主體數據，并使用Logistic 模型劃分AI 芯片產業的發展階段；（2）將發明專利、創新主體的產業鏈環節進行劃分，在此基礎上，結合產業鏈視角，按照不同產業發展階段分別構建AI 芯片產業協同創新網絡。同時，提取創新主體所在城市信息，結合城市視角，根據不同產業發展階段分別構建AI 芯片產業協同創新網絡。（3）采用社會網絡分析方法，研究AI 芯片產業協同創新網絡的時序演化特征。（4）運用空間分析方法，探討AI 芯片產業協同創新網絡的空間演化特征。最后，找出AI 芯片產業協同創新網絡發展過程中存在的問題，提出完善AI 芯片協同創新網絡的政策建議，為相關部門制定相應的產業政策提供科學依據。

2 數據與研究設計

2.1 數據來源與處理

由于IncoPat 專利數據庫收錄了全球170 個國家1.7 億余件專利信息，且數據庫每周進行4 次更新，更新速度全球領先，可以幫助學者更好地掌握全球最新的技術信息，因此本研究使用IncoPat 專利數據庫作為AI 芯片專利數據的來源。為獲取這些專利數據，本研究使用了關鍵詞檢索方法。關鍵詞的設定參考了姜南等［26］學者的研究和人工智能芯片技術白皮書［27］，具體的關鍵詞設置如表1 所示。

依據上述關鍵詞檢索，共獲取到337 272 條AI芯片專利數據。在此基礎上，本研究進行了以下篩選：（1）剔除實用新型和外觀設計專利；（2）剔除缺失信息的專利；（3）剔除專利申請人類型為個人的專利；（4）剔除申請人人數為1 人的專利；（5）剔除申請人為外國企業的專利；（6）剔除專利有效性為失效的專利；（7）剔除申請號重復的專利。經過篩選，最終獲得2000—2022 年間的13 383 條AI芯片聯合發明專利數據。

2.2 AI 芯片產業發展階段劃分

運用Python 軟件從發明專利中提取申請人信息，以確定創新主體的數量和創新主體之間的合作連邊數量。在此基礎上，使用Logistic 模型對創新主體和連邊同時進行曲線擬合，可分別獲得創新主體和連邊的擬合方程：

式（1）～式（2）中：Y1、Y2的擬合優度R2值分別為0.971、0.979，且均低于1%的顯著性水平，說明創新主體和連邊的Logistic 曲線擬合效果良好。基于此，可分別計算出各年份Y1和Y2的一階導數和二階導數值，結果如圖1 所示。

圖1 AI 芯片產業生命周期

從圖1 可以看出，在2000—2015 年間，Y1和Y2的一階導數值和二階導數值均表現出上升趨勢，因此判定該階段為AI 芯片產業的初創期。在2016—2018 年間，Y1和Y2的二階導數值出現明顯下降，而一階導數值仍然保持增長，因此判定該階段為AI 芯片產業的形成期。在2019—2021 年間，Y1和Y2的一階導數、二階導數值呈現出穩定的下降趨勢。但在2022 年，Y1的二階導數值開始增加，而Y2的二階導數值繼續呈現穩定下降的趨勢，暗示著雖然此時增長率達到目標，但尚未穩定［29］，因此將2019—2022 年劃定為AI 芯片產業的成長期。綜上，我國AI 芯片產業創新發展階段經歷了從初創期（2000—2015 年）、形成期（2016—2018 年）到成長期（2019—2022 年）發展。

2.3 發明專利、創新主體產業鏈環節的劃分

關于發明專利所屬產業鏈環節的劃分，本研究參考了索琪等［25］的方法，通過匹配專利摘要中高頻關鍵詞與上中下游對應關鍵詞來完成分類。上游關鍵詞主要涉及半導體材料和設備領域，如光刻膠、光刻機、上游靶材、單晶爐、PVD 等；中游關鍵詞包括芯片設計和制造領域，如EDA 軟件、IP 模塊、硬件仿真設備、晶圓代工、封裝測試等；下游關鍵詞則涵蓋應用領域，如云計算、消費電子、無人駕駛、智能手機、機器人、神經網絡算法、圖像識別等［28］。

關于創新主體所屬產業鏈環節的劃分，本研究參考了肖瑤等［23］、劉國巍等［29-30］、吳菲菲等［31］等人的方法。首先根據行業報告識別各環節的主要公司，接著對剩余的創新主體進行分類，依據其在各環節的專利申請數量來確定其所屬產業鏈環節。

2.4 產業鏈視角下AI 芯片產業合作網絡構建

在AI 芯片產業協同創新網絡中，設定共有N個節點和V條邊。其中，節點代表參與協同創新網絡的創新主體，連邊表示這些創新主體之間的專利合作關系。基于此，構建AI 芯片產業協同創新網絡，網絡矩陣形式如下：

在這個網絡中，C表示AI 芯片產業協同創新網絡矩陣，cij表示第i個創新主體和第j個創新主體之間的專利合作關系。基于此，進一步結合產業鏈視角，將整個網絡劃分為上游、中游和下游3 個子網絡，并將子網絡內部的連邊稱為相連邊，子網絡之間的連邊稱為相依連邊。相連邊描述了子網絡內部創新節點之間的協同創新活動，而相依連邊則表現了子網絡之間的跨環節合作活動。基于這些設定，構建了產業鏈視角下的AI 芯片產業協同創新網絡，如圖2 所示。

圖2 產業鏈視角下AI 芯片產業協同創新網絡

在這個網絡中，設定上游節點為N1，對應的連邊為V1；中游創新主體的節點為N2，連邊為V2；下游創新主體的節點為N3，連邊為V3；上游節點與中游節點之間的相依連邊為V4；中游節點和下游節點之間的相依連邊為V5。基于這些參數，整個網絡的節點總數為N=N1+N2+N3，而邊的總數為V=V1+V2+V3+V4+V5。

2.5 城市視角下AI 芯片產業合作網絡構建

本研究使用Python 軟件從發明專利中提取創新主體的申請地址信息，并按照地級市進行分類。共提取出299 個城市單元，包括293 個地級市、4 個直轄市和港澳地區。基于此，以城市為節點，城市之間的專利合作關系為連邊，構建城市空間合作網絡，網絡矩陣形式如下：

在這個網絡中，P表示AI 芯片產業空間合作網絡矩陣，Pij表示第i 個城市節點和第j個城市節點之間合作申請專利的次數。Pij數值越大，則說明兩個城市之間的創新合作越頻繁，反之則越小。

3 AI 芯片產業協同創新網絡時序演化特征分析

3.1 協同創新網絡規模日益擴大，核心節點間合作關系更加緊密

運用Python 軟件中的Networkx 庫計算不同時期協同創新網絡的社會網絡指標數據，結果如表2 所示。

表2 社會網絡指標計算結果

從表2 可以看出，我國AI 芯片產業發展表現出顯著的增長態勢。在創新主體數量方面，從初創期的1 044 個迅速增加到成長期的5 361 個，增幅高達413.51%。這意味著越來越多的企業和創新團隊投身于AI 芯片產業，為產業發展注入了新的活力。與此同時，在合作次數方面，初創期的919 次合作已經飆升到成長期的5 400 次，增幅高達487.59%。這表明創新主體逐步認識到合作創新的重要性，通過合作進行創新的現象趨于普遍，為我國AI 芯片產業的持續發展提供了有力支持。

初創期到成長期協同創新網絡的平均度呈現上升趨勢，這表明網絡中節點度較高的核心節點數量在不斷增加。與此同時，最大聯通子圖從初創期的239 個增加到成長期的1 955 個，表明核心節點間的合作關系也在逐漸增強，形成了更加緊密的合作網絡。這種緊密的合作網絡能夠通過產學研等途徑帶動其他分散的協同創新主體加入到整體的協同創新網絡中，充分發揮核心節點的輻射帶動作用，核心節點的網絡連通性得到進一步增強。

3.2 政產學研模式促使研發效率大幅提升，我國實現全產業鏈專利布局

將各階段的創新主體按照政府（簡稱為“G”）、高校（簡稱為“U”）、科研院所（簡稱為“R”）和企業（簡稱為“E”）進行歸類，并運用Python軟件統計各時期創新主體的專利數量及所占比例，結果如表3 所示。

表3 創新主體申請專利數量及占比

從表3 可以看出，初創期和形成期AI 芯片產業的合作創新主要形成了以企業為引領，少數高校和科研院所為輔的發展格局。在這一階段，具有優質科研資源的高校和科研院所尚未充分發揮其創新活力，政府引領作用相對不明顯。隨著產業的不斷發展，企業申請專利的占比逐漸降低，而高校、科研院所和政府的占比逐漸上升。這表明AI 芯片產業的合作創新正在形成以企業為主，高校、科研院所和政府為輔的新模式，政產學研模式逐漸完善。

為進一步探究創新主體的研發效率以及產業鏈的布局情況，將專利數據按照不同時期不同產業鏈環節進行劃分，結果如表4 所示。

表4 發明專利集中領域數量分布 單位：項

從表4 可以看出，各時期內高校與高校、科研院所與科研院所、政府與政府的研發產出相對較低。說明同一屬性的創新主體進行合作會導致創新活動缺乏異質性知識交流，不利于創新活動的開展。然而，企業的加入使得研發效率大大提升，說明開展政產學研活動有助于將不同領域的人才和資源匯集在一起，促進異質性知識和技術在協同過程中的傳播，提高AI 芯片的研發效率和應用率。

從產業鏈布局角度來看，政府、高校、科研院所和企業均在產業鏈各環節實現了專利布局。AI 芯片產業生態系統已經涵蓋了半導體材料、光刻機設備、芯片設計、制造、封裝、測試和應用的所有環節，實現了上游和中游關鍵環節從無到有的突破。如今，我國已初步形成了自主可控、鏈條完整的AI 芯片產業生態體系，為國家科技創新和經濟發展提供了有力支撐。

3.3 孤立合作網絡數量逐漸增加，創新主體間的合作難度逐漸增大

從表2 可以看出，AI 芯片產業協同創新網絡的密度在初創期為0.001 7，而在成長期降至0.000 4，這表明協同創新網絡中各節點間聯系逐漸稀疏。原因在于協同創新網絡中存在越來越多的一對一、星型孤立合作網絡。這些分散的孤立合作網絡導致眾多創新主體之間直接聯系不足，同時也限制了知識和資源在協同創新網絡中流動。盡管協同創新網絡中核心節點數量在增加，但核心節點在網絡中僅占據少數地位。因此，從整體角度看，AI 芯片產業協同創新網絡呈現出非聯通網絡特點，具有顯著的核心-邊緣結構特征。

從平均路徑長度上看，平均路徑長度從初創期的1.93 增加到成長期的2.73，這一變化表明協同創新網絡的可達性水平逐漸降低。原因在于大量節點度低且合作緊密性低的邊緣節點降低了協同創新網絡的效率和連通性，導致整個協同創新網絡信息傳遞的難度變大，協同創新網絡難以發揮集聚效應和網絡效應，可靠性并不強。同時，大量分散的創新節點反映了AI 芯片產業發展的競爭加劇。在此背景下，創新主體在網絡中各自為營的現象愈發明顯，使得各方難以形成合力，逐步導致了網絡孤島狀態的出現，對產業發展產生一定的制約。

從平均聚類系數上看，創新主體之間獲得合作的難度變得更大，反映合作聯系的不均衡態勢逐漸增強。其中，核心節點之間越容易獲得合作的機會，合作關系變得更加緊密，逐漸形成俘獲型網絡。然而，邊緣節點越難以獲得與其他節點合作的機會，路徑鎖定效應越發顯著，核心節點與新加入網絡的邊緣節點之間存在馬太效應，后發者實現技術趕超難度變大。

3.4 產業發展陷入低端鎖定的結構陷阱，產業鏈縱向合作的良好態勢還未形成

運用Python 軟件分別繪制AI 芯片產業鏈不同環節的協同創新網絡，結果如圖3 所示。

圖3 產業鏈各環節協同創新網絡

從圖3 可以看出，我國AI 芯片產業鏈下游創新主體數量明顯多于上游和中游，導致整體呈現出上游和中游網絡結構簡單，下游網絡結構復雜的特點。這意味著雖然我國在AI 芯片的專利布局上實現了全產業鏈的覆蓋，但專利布局大量聚集于較為低端的下游環節，而上游和中游核心環節的專利布局依舊不夠充分。這種不完善的發展狀況導致我國AI 芯片產業陷入低端鎖定的結構陷阱，發展前景受限。

從產業鏈縱向協同創新的角度來看，我國AI 芯片產業鏈中的跨環節合作并不順暢，上中游環節與中下游環節之間的聯系相對較弱。這種現象說明AI芯片產業鏈縱向合作存在一定問題，對產業鏈的整體發展產生了一定程度的制約。首先，我國缺乏具有強大縱向整合能力的鏈主企業。這類企業在產業鏈中起著核心作用，能夠有效協調和整合上游、中游和下游企業的資源。然而，目前我國AI 芯片產業中很難找到這樣的企業，大部分企業在某一領域具有競爭優勢，但在整個產業鏈中的影響力有限，因此難以實現產業鏈的優化和協調。

其次，我國AI 芯片產業鏈各環節在技術、工藝和方案等方面存在溝通與交流不足，導致我國AI 芯片產業難以在某些環節或領域實現突破。這主要源于突破性創新需要依靠上中下游企業的緊密合作，如實現封裝測試環節國產化過程中離不開封裝材料、封裝工藝、測試設備和測試軟件等企業聯合攻關，僅靠單一領域企業難以取得突破。此外，產業鏈各環節之間的溝通和交流不足使得不同環節之間存在信息不對稱、標準不統一、工藝不同、零部件不兼容等問題，導致產業鏈各環節生產的產品無法互相使用，進而影響國產化材料和設備替代的進程。

3.5 產業鏈核心環節呈現連接性降低、節點分散等特征，表現出較高的脆弱性

根據表2 可以看出，AI 芯片產業鏈上游、中游和下游環節的平均度數中心度分別下降了71.62%、59.76%和80.17%，意味著在這些網絡中節點的平均連邊數減少，即網絡中節點的連接性降低，導致網絡中節點之間的信息流動、資源共享等活動受到限制，節點間的相互依賴關系逐漸減弱，網絡的抵抗能力逐漸變差。此外，節點之間連接性降低表明網絡在遭受節點失效或攻擊后的恢復速度會變慢，節點的重新連接需要更長的時間和更多的資源，網絡的恢復能力在逐漸變差。

從平均接近中心度上看，上游和中游環節的平均接近中心度下降比例分別為70.04%和61.19%，而下游環節的平均接近中心度指標卻增加了75.27%，這意味著在上游和中游網絡中節點之間的距離逐漸增加，導致節點之間的聯系變得更加分散，信息和資源在網絡中的傳輸和交換變得更加困難，網絡中的某些節點無法獲得必要的信息和資源，從而影響網絡的適應性。此外，節點之間的聯系變得更加分散使得連接變得更加難以建立，導致新節點難以加入網絡，進而削弱了網絡的調整能力。

從平均中間中心度上看，上游、中游和下游環節的下降比例分別為82.78%、96.42%和39.81%，上游和中游網絡下降幅度最大。這意味著上游和中游網絡的節點更多地處于邊緣位置，導致網絡中的具有較高控制和轉型能力的節點數量占比較少，從而降低了網絡的控制和轉型能力。

總體來看，我國AI 芯片產業鏈的核心環節在抵抗、恢復、適應、調整、控制及轉型能力方面都表現出較大的不足，這進一步說明了我國AI 芯片產業鏈核心環節具有較高的脆弱性。

4 AI 芯片產業協同創新網絡空間演化特征分析

4.1 局部聚集現象明顯，呈現以點帶面的發展狀況

為探討AI 芯片產業協同創新網絡的空間自相關特征，采用ArcGIS 軟件計算全局莫蘭指數，結果如表5 所示。

表5 中國AI 芯片產業協同創新網絡不同時期的全局莫蘭指數

由表5 可以看出，3 個階段的全局莫蘭指數均大于0，在初創期和成長期階段P值均小于0.10，Z值均大于1.90，說明中國AI 芯片產業在空間分布上具有正相關關系，呈現高高鄰接、低低鄰接的聚集分布特征。從不同時期的演化特征來看，中國AI 芯片產業在初創期出現聚集現象，形成期經歷了隨機分布，至成長期再次呈現聚集分布。

為進一步探究中國AI 芯片產業在空間分布上是否存在局部聚集現象，采用ArcGIS 軟件計算局部莫蘭指數并繪制鄰接矩陣下中國AI 芯片產業高-高聚集和低-聚集情況，結果如表6 所示。總體上，高高聚集地區主要集中在京津冀城市群、長三角城市群和粵港澳大灣區；低低聚集地區主要位于中西部城市群。

表6 鄰接矩陣下中國AI 芯片產業高-高聚集和低-低聚集情況

分析不同階段的AI 芯片產業協同創新網絡發現，京津冀、長三角、粵港澳大灣區等區域在初創期呈現明顯的高高聚集特征，說明經濟發達地區的產業協同創新網絡聯系更緊密；西部地區呈現低低聚集現象，與周邊城市相互影響、相互聯系的程度較低，這可能與這些地區的經濟發展水平較低和擁有的高校數量及研發機構較少有關。形成期，高-高聚集的城市群沒有出現明顯改變。成長期，產業協同創新網絡呈現顯著的空間集聚特征，AI 芯片產業進入快速發展階段。與此同時，西部地區的低低聚集范圍不斷擴大至中部地區，說明西部和中部的產業相較于沿海發達地區具有發展滯后性。縱觀3個發展時期，西部地區一直沒有出現高-高聚集的城市，反映出該區域在AI 芯片產業上的滯后發展。產業布局不斷向經濟發展水平高的京津冀、長三角和粵港澳大灣區聚集，這些城市群呈現低高聚集和高高聚集的特征，說明AI 芯片產業在北京、上海、深圳等核心城市得到長足發展。成渝城市群表現為高低聚集分布，說明該地區是區域創新的中心。綜上，我國AI 芯片產業協同創新網絡表現為以點帶面的發展狀況，基本呈現出范圍更廣、規模更大、聯系更緊密的特點。

4.2 節點強度空間極化嚴重，呈現點狀區域分布格局

為探究中國AI 芯片產業的城市節點發展情況，采用自然間斷點分級法繪制城市節點強度演化表如表7 所示。

表7 中國 AI 芯片產業城市節點強度演化情況

從城市節點強度的空間分布來看，參與AI 芯片產業協同創新的城市空間單元數量不斷增加，城市創新強度不斷提升，但空間分布并不均衡。分析目前AI 芯片行業處于的成長階段，屬于低強度的城市高達234 個，占總量78.30%；僅有北京1 個高強度城市，空間極化顯著。在強聚集趨勢下中國AI 芯片產業協同創新網絡凸顯出由京津冀城市群為首，長三角城市群、粵港澳大灣區和成渝城市群多強并立的點狀區域分布格局。

從演化格局來看，AI 芯片產業協同創新網絡逐漸形成了以各省會城市為中心擴散的分布區，節點城市主要位于東部、中部和東北地區，西部地區仍屬于創新盲區。初創期，協同創新網絡格局呈現多點分散、局部聚集的特征，城市節點高值區基本囤聚在東部沿海一帶，在中部和東北地區呈現以省會或創新資源豐富的城市為核心的散布格局。除東部沿海地區，AI 芯片產業創新協同網絡在中西部地區形成了大量的塌陷地和盲區。形成期，隨著參與產業協同創新的城市主體數量不斷增加，AI 芯片產業的城市分布格局在初創期的基礎上繼續深化，以京津冀、長三角和粵港澳大灣區為核心的東部沿海控制格局進一步凸顯。成長期，城市節點創新強度持續增強，城市合作聚集趨勢也進一步加劇，基本形成了以京津冀、長三角、粵港澳大灣區和成渝城市群為核心的 AI 芯片產業城市創新合作分布格局。此階段的空間擴散效應開始凸顯，并形成了以各省會城市為中心向周邊城市擴散的分布格局，創新合作塌陷地和盲區的范圍開始縮減。

4.3 重要節點間的聯系密切，以三角結構為基礎的四邊形格局逐漸形成

為探究AI 芯片產業城市間的關聯發展情況，采用自然間斷點分級法繪制網絡關聯強度演化表如表8 所示。

表8 中國 AI 芯片產業網絡關聯強度演化情況

從城市節點間的關聯強度來看，北京-蘇州、北京-南京、北京-上海、北京-深圳、北京-重慶、北京-成都之間的關聯強度最高，彼此的協作關系最緊密。北京和上海、深圳為代表的長三角城市群與粵港澳大灣區始終處于協同創新網絡的重要節點位置，與其他城市節點的連邊數量豐富，搭建起主要的三角形網絡架構。成渝城市群在產業發展的過程中逐漸成為了重要的網絡節點，促使AI 芯片產業在三角結構的基礎上形成穩定的四邊形協同創新發展格局。此外，武漢都市圈與東部和西部地區均有復雜的網絡關聯，成為協同創新網絡東西交流的橋梁。

從空間演化布局看，三角結構始終是中國AI 芯片產業協同創新網絡發展的基礎關聯單元，京津冀、長三角和粵港澳大灣區共同組成網絡的核心三角。隨著中西部地區科技實力的增強，成渝城市群逐漸成長為區域創新高地，與京津冀、長三角和粵港澳大灣區組成了新的網絡四邊形格局。初創期，雖然中國AI 芯片產業協同創新網絡93 個節點僅生成207條邊，但從這一稀疏的合作網絡中仍能發現三角結構的雛形，如京津冀-長三角-粵港澳大灣區；京津冀-長三角-成渝城市群，這4 個城市群之間的專利合作數量占到整體的84.19%。相較于京津冀、長三角和粵港澳大灣區彼此之間形成了稠密網絡，成渝城市群和其他城市群網絡連邊的數量較少，尚未完成發育為核心城市群。形成期，跨區域合作的網絡聯系逐漸增加，東部地區和東北地區的創新網絡更為稠密。此階段，中國AI 芯片產業協同創新網絡的三角結構繼續生長，其中京津冀城市群—長三角城市群—粵港澳大灣區逐漸成為中國AI 芯片產業協同創新網絡的核心三角。成長期，京津冀城市群—長三角城市群—粵港澳大灣區的核心三角結構更為穩固，這3 個城市群之間的專利合作數量占到整體的67.42%；和區域創新高地的成渝城市群一起形成了四邊形協同創新網絡格局，這4 個城市群之間的專利合作數量占到整體的70.82%。在此階段，武漢都市圈與四周的京津冀城市群、長三角城市群、粵港澳大灣區、成渝城市群均形成稠密的網絡聯系，發育為更小型的三角結構。可以發現中部地區在協同創新網絡中的網絡地位不斷提高，與東部地區和東北地區的網絡聯系更加緊密，但西部地區仍未與其他地區形成密切的網絡關聯。

4.4 產業集散體系不斷完善，基座、中層和頂部的金字塔結構逐漸清晰

城市之間不斷強化的產業網絡合作過程也是AI芯片產業集散體系不斷完善的過程。根據城市節點演化情況將城市劃分為5 種集散類型（見表9）。

表9 中國 AI 芯片產業城市節點強度和城市集散類型對照

將城市按表7 劃分的城市集散類型進行分類，并繪制AI 芯片產業集散體系演化表如表10 所示。從發展歷程來看，金字塔結構的中國AI 芯片產業集散體系不斷完善，基座、中層和頂部的三層結構逐漸清晰。初創期，中國城市創新擴散和協同能力普遍較低，AI芯片產業集散體系雛形初現，形成“城市—地區—區域”的金字塔結構：基座由南京、蘇州、合肥、廣州等11 個中低強度的城市組成；中高強度值的北京及中強度值的上海和深圳3 個城市是金字塔的中層；在初創階段頂層結構尚未形成；其余285 個低強度值的城市則是現階段的產業集散盲區，不構成金字塔的組成要素。形成期，中國城市的創新擴散水平和協同創新能力加強，“城市—地區—區域”的金字塔結構持續優化，但沒有發生明顯改變，中國AI 芯片產業仍未形成完整的產業集散體系。成長期，城市的協同創新能力發展迅猛，由基座、中層、頂部構成的金字塔結構逐漸清晰，形成了完整的“城市—地區—區域—國家”的中國AI 芯片產業集散體系：北京作為AI 芯片產業發展的高強度區域，成為唯一的國家級產業集散中心，處于金字塔的頂層位置；區域集散中心增至7 個城市，地區集散中心增至14 個城市，意味著由這兩部分組成的金字塔中層結構更為堅實；位于金字塔基座的集散節點增至43個城市，金字塔的基座更為穩固。至此，中國AI 芯片產業集散體系的基座、中層和頂部的三層金字塔結構已初步形成。

表10 中國AI 芯片產業集散體系演化

中國AI 芯片產業的城市區位分布受到多種因素的影響，包括城市經濟水平、政策優惠、交通條件等。以北京、上海、深圳為代表的一線城市更有優勢發展AI 芯片產業，因為他們具備更多的資金、人才、技術和市場，因此具有發展為頂層結構的潛力。同時，國家也會向具有戰略意義和發展潛力的城市給予政策優惠或扶持措施，以打造一些核心示范區（如武漢和成都），這些示范區在金字塔中層結構中起到區域輻射帶動的作用。此外，交通條件反映了城市流動性，因此也是影響區位分布的因素之一。

5 結論與政策建議

5.1 研究結論

本研究選取2000—2022 年間中國AI 芯片產業的發明專利數據，將AI 芯片產業發展階段劃分為初創期（2000—2015 年）、形成期（2016—2018 年）和成長期（2019—2022 年）3 個發展階段，并構建產業鏈和城市視角下AI 芯片產業協同創新網絡，以此來探討我國AI 芯片產業協同創新網絡的時空演化特征，得出以下結論：

（1）我國AI 芯片產業呈現出顯著的增長態勢，創新主體數量和合作次數都有較大幅度增長。但協同創新網絡中存在大量分散的創新節點，導致網絡可達性降低，影響整體網絡的協同創新效率。同時，協同創新網絡中合作聯系的不均衡態勢逐漸增強，核心節點之間越容易獲得合作的機會，逐漸向俘獲型網絡發展。而邊緣節點越難獲得合作機會，路徑鎖定效應越發顯著。

（2）我國已初步形成了自主可控、鏈條完整的AI 芯片產業生態體系，為國家科技創新和經濟發展提供有力支撐。但在專利布局方面，下游環節的專利布局數量明顯多于上游和中游，導致整體產業鏈呈現出低端鎖定現象，限制了產業發展前景。在產業鏈縱向協同創新方面，我國缺乏強大的整合能力的鏈主企業，各環節間溝通與交流不足，使得突破性創新難以實現。同時，產業鏈核心環節在抵抗、恢復、適應、調整、控制及轉型能力方面存在不足，表現出較高的脆弱性。

（3）我國AI 芯片產業的協同創新網絡基本呈現出范圍更廣、規模更大、聯系更緊密的特點。北京、上海、深圳、成都等城市是重要的網絡節點城市，京津冀、長三角、粵港澳大灣區構成城市關聯的核心三角，與迅速發展的成渝城市群一起組成中國AI 芯片產業的四邊形網絡關聯格局。金字塔結構的AI 芯片產業集散體系不斷完善，基座、中層和頂部的三層結構逐漸清晰，形成了完整的“城市-地區-區域-國家”的中國AI 芯片產業集散體系。北京成為現階段唯一的國家級AI 芯片產業集散中心。但空間分布并不均衡，空間極化顯著，節點城市主要位于東部、中部和東北地區，西部地區仍屬于創新盲區。

5.2 政策建議

基于以上結論，本研究提出以下政策建議：

第一，發揮大企業的引領作用，促進與中小企業的協調配合。鼓勵大企業牽頭成立AI 芯片產業聯盟，定期舉行專業論壇，幫助中小企業找準發展定位并提高與頭部企業對接的協作配套能力。同時為促進初創企業實現可持續發展，可以從芯片產業基金出發，將行業發展的戰略目標納入投資方案，細分專項領域的資金體系，加強投資重要領域里的微小企業。

第二，加強政產學研交流，實現人才培育。政府牽頭AI 芯片領域的龍頭企業與高校、科研院所成立聯合實驗室，充分利用產學研各方的資源和優勢，深入開展合作形成產業合力，將研究成果轉化商用，共同解決上游和中游芯片領域的技術難題，推動AI芯片制造和設計領域的發展。同時加強校企聯合培養的力度，開展項目制校企合作，例如共同招收碩士研究生、博士研究生等，培養上游和中游領域的復合型專業人才，為AI 芯片產業發展注入新鮮血液。

第三，制定產業鏈地圖，形成良好的企業生態圈。通過制定產業鏈地圖精準鎖定產業鏈薄弱環節，運用大數據等前沿技術促進上下游之間的信息共享，充分結合產業政策、城市定位等因素，從區域發展的角度打造以城市為單位的產業鏈細分領域“黑馬”城市，提高產業鏈整體韌性。例如南京、成都等重要的網絡節點城市應該充分發揮輻射帶動作用，建立以中心帶動周邊、以大帶小、由強帶弱的協同創新發展格局，形成全國多中心的協同創新城市集群。