“雙碳”領域顛覆性技術度量與識別

摘 要：顛覆性技術是促進國民經濟發展和提升大國博弈實力的關鍵因素，培育和發展顛覆性技術意義重大、影響深遠。建設美麗中國是時代的責任，實現碳達峰碳中和是大勢所趨。從學術論文、專利以及基于Google Trends數據的社會媒體數據出發，構建多源數據融合的顛覆性技術度量方法。以增長率指標、創新性指標和社會影響力指標測度“雙碳”領域顛覆性技術，綜合考慮技術對科學界、技術界以及社會經濟界三方面的影響；在識別過程中，采用改進后的CDTM模型解決多源數據公共主題提取問題；通過客觀賦權計算顛覆性指數得分，度量主題的顛覆性。實證分析識別出4項“雙碳”領域顛覆性技術，分別是生物炭吸附技術、有機生物炭基肥料制備技術、生物質裂解生物炭技術和生物質熱解生物炭技術。4項技術均與國際認可的CCUS技術相關，中國和美國在“雙碳”領域研究中占據優勢地位。

關鍵詞：技術識別；顛覆性技術；CDTM主題模型；“雙碳”領域

DOI：10.6049/kjjbydc.2023030746

中圖分類號：G301

文獻標識碼：A

0 引言

《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出強化顛覆性技術供給，以顛覆性技術創新為重點，培育顛覆性創新文化，開拓顛覆性技術領域。2022年8月科技部等九部門聯合印發《科技支撐碳達峰碳中和實施方案（2022—2030年）》，提出要聚焦基礎研究最新突破，加快培育顛覆性技術創新成果，引領實現產業和經濟發展方式迭代升級。

碳達峰碳中和是我國著力解決資源環境約束突出問題、實現中華民族永續發展的重大戰略決策，黨的二十大報告強調“積極穩妥推進碳達峰碳中和”，專節對“雙碳”工作作出系統安排。實現碳達峰碳中和是一場廣泛而深刻的經濟社會系統性變革，我國“雙碳”目標的實施要以“雙碳”工作為總牽引，抓住新一輪科技革命和產業變革機遇，強化綠色低碳科技創新，密切追蹤國際前沿領先技術。為此，“雙碳”領域的顛覆性技術度量和識別成為洞察全球“雙碳”技術機會與搶占科技競爭制高點的關鍵。

現有研究對顛覆性技術的評價和度量僅考慮該技術對科學技術界的影響，而忽視了社會公眾對前沿技術的關注。有研究表明，技術發展除技術改進的自身動力外，其本身也是一項社會行動，體現國家戰略與社會需求[1]。網絡社交媒體對某個主題領域動態持續性的關注，往往體現社會與公眾利益和需求所在；主題領域的科學研究受到公眾關注度越高，意味著該研究具有越大的社會影響力。因此，為盡可能全面地評價和識別潛在顛覆性技術，本文結合論文數據、專利數據以及社會媒體數據，構建多源數據融合的顛覆性技術測度體系，度量和識別“雙碳”領域顛覆性技術，為政府相關部門和企業未來產業發展戰略部署、宏觀政策的科學精準制定、技術彎道超車實現、核心競爭力提升等提供參考。

1 文獻回顧

顛覆性技術最早由美國哈佛大學商學院Christensen教授提出，其主要觀點是顛覆性技術從邊緣或者低端市場發展起來，隨著時間的推移，逐漸取代原有主流技術[2]。經濟學家Schumpeter[3]提出的創造性破壞理論認為，發展的本質在于將創新引入生產體系，每次大規模的創新都會淘汰舊的技術體系和生產體系，以建立新的生產體系；王康等[4]將顛覆性技術視為改變游戲規則和重塑未來格局的革命性力量，構建影響力、相似性和新穎性指標，識別顛覆性的技術融合；Dahlin等[5]認為一個有效的技術顛覆以及一項突破的發明應該是新穎的、獨特的、對未來技術有影響的；Thomond等[6]認為顛覆性創新是具有高度不連續性或革命性質的創新，將顛覆性技術特征概括為新穎性、新興性、可發展性、顛覆性、延展性；Kenagyz等[7]將顛覆性技術特征概括為簡易性、易忽略性、可發展性、易使用性、智能性；許佳琪等[8]基于現有文獻區分突破性創新和顛覆性創新，認為突破性創新屬于技術創新層面的概念，而顛覆性創新注重技術和組織資源的融合，涵蓋了所有創新范疇；李昱璇等（2024）基于“卡脖子”技術與顛覆性技術辨析，指出顛覆性技術采用差異化策略和非對稱路徑，將已有主流技術成果歸零，實現技術本身的替代和彎道超車；王康等（2022）基于顛覆性技術的概念辨析，指出在技術突破領域，顛覆性技術是指具有顛覆傳統技術路線和改變游戲規則等革命性意義的技術創新，是對原有技術體系和應用系統產生顛覆性進步作用的重大技術，與新興技術和前沿技術的最大區別在于顛覆性技術具有突破性創新特征。

除Christensen教授提出的顛覆性技術理念外，截至目前，還沒有一個明確的顛覆性技術概念界定。為了解顛覆性技術的本質特征，本文對現有研究中用于識別顛覆性技術的特征作進一步梳理歸類（見表1），歸納出顛覆性技術具有增長性、創新性、影響力、突然性、新穎性和不連續性等特征[9-13]。

隨著顛覆性技術越來越受到重視，顛覆性技術的識別方法也在不斷發展，大致可以分為幾個階段。早期階段技術識別手段不足，學者對顛覆性技術的識別僅使用定性方法，包括德爾菲法、問卷調查法、情景分析法、技術路線圖等[14-15]。如何發現該領域的技術前沿、技術熱點、技術機會，以及識別和預測顛覆性技術等都需要依靠專家意見來確定，后續收集高質量調查問卷也需要大量人力和物力，對研究進展和深度都會產生一定局限性。由于定性方法識別顛覆性技術不盡完美，研究人員開始采用定量方法度量顛覆性技術[16-17]。Tugrul等[18]將文獻計量學、專利分析、情景規劃、增長曲線和類比等技術預測工具相結合，對相關領域開展顛覆性技術識別和預測；Dotsika等[19]提出一種基于文獻驅動的潛在顛覆性技術趨勢預測方法，采用關鍵字網絡分析和可視化方法揭示出版物中的突發主題、結構和時間發展，為顛覆性領域技術的事前預測作出了重要貢獻。隨著大數據人工智能時代的到來，機器學習技術不斷發展，顛覆性技術的識別方法又邁上了新臺階，學者們不再局限于采用文獻計量學方式識別顛覆性技術，開始轉向基于機器學習的方法進行測度和衡量，例如Xu Shuo等[20]采用多機器學習的方法識別新興研究主題，利用多任務最小二乘支持向量機（MTLS-SVM）對未來兩年的結果指標進行預測；Xu Xueming[21]利用LDA模型進行主題聚類，考慮時間的影響，利用增長率、原創性、專利影響因子、顛覆性指數等多指標進行分析，篩選出有價值的顛覆性技術。主題識別模型方法也進一步完善，不斷從LDA模型等傳統模型中擴展演變，其中CDTM模型考慮到不同語料庫的共性和特性，融合識別多源數據的公共主題和特有主題[22]。在選擇數據源時，研究人員利用專利引文分析、專利特征或科學論文數據的文獻計量指標作為識別顛覆性技術的有力工具[23-25]，逐漸呈現出從單一數據到多源數據的發展，例如劉忠寶等[26]利用文獻和專利數據的摘要主題識別顛覆性技術。

以往研究對指標的選取大多只考慮技術視角或經濟視角[3-4]，目前還沒有一種很好的方法將兩個視角結合起來，且選取的指標大多集中在衡量其科學性和技術性兩個方面，影響力指標的測度也只聚焦于文獻和專利的科學影響，缺少對社會影響的度量。在數據源選擇上，大多數研究僅選擇文獻數據或專利數據等單一數據源[26]，不能融合包括社會媒體數據在內的多源數據對顛覆性技術進行更全面的度量。為此，本文采用改進的CDTM主題抽取模型，研究多源數據融合的顛覆性技術度量及識別，將技術對社會公眾和經濟層面的影響與科學技術層面的影響相結合，從多個角度度量某項技術是否具有顛覆性。

2 基于多源數據融合的顛覆性技術測度

本文基于顛覆性技術的本質特征理論，借助Wang[27]和Xu Shuo等[20]的思想，將多源數據融合的顛覆性技術測度歸納為增長率指標、創新性指標、影響力指標和連貫性指標。另外，增長性和突然性歸并到增長率指標，創新性和新穎性歸并到創新性指標。有研究指出，連貫性指標反映主題詞的語義在不同年份的一致性問題[20]，但在后續的實證研究中發現不同主題的連貫性基本上是一致的，說明該指標沒有區分度，故本文對顛覆性技術的測度不再考慮連貫性指標。

技術增長率指標主要從時間層面上考慮一項技術的出現和發展情況，獲得一項技術的發展軌跡，觀察其“突然”性的出現。增長率指標反映不同年份各個主題的增長差異，旨在識別出特定時間段內增長較快的主題，該指標通過計算每一主題當年與上一年的增長差異來衡量技術增長情況。增長率指標也是區分顛覆性技術與主流技術及新興技術的重要指標，重點測度技術在某一時間段的“突然”性出現，并不強調是近期的“突破”性出現，也不要求技術的生命周期一直發展至成熟期。本文將增長率指標記為Growthk，即第k個研究主題的增長率。如果計算出的增長率數值在某個時間段有明顯上升趨勢，則說明這個主題具有顛覆性。

創新性是技術的核心屬性，是衡量顛覆性技術的重要指標，強調顛覆性技術突破和改進領域中原有主流技術的特征，故創新性較強的技術被認為具有一定顛覆性。通過論文數據和專利數據衡量一項技術的創新性，需要判斷該論文數據和專利數據與其所引用的論文或專利是繼承還是創新的關系，若為顛覆性技術，則必然與其所引用的論文或專利主題內容不同，故可以使用前向比較方法判斷技術創新性，即如果某項技術與之前的技術不同，具有突破性或者破壞性，則認為該項技術具有顛覆性。本文通過論文或專利與其發表前的學術研究作對比，使用CIM模型（Citation Influence Model）從施引文獻和被引文獻反映的主題中判斷主題間的繼承或突破關系[28]，進而計算該主題的創新性指標Noveltyk。

衡量一項技術的顛覆性需要考慮其對學界和社會的影響力。如果一項技術具有顛覆性，則該項技術不僅會在科學技術層面產生增長率和創新性等方面的影響，也會在社會媒體中引起一定的“轟動”。顛覆性技術影響力測度指標往往使用文獻或專利的被引頻次衡量，但對出現較新的顛覆性技術來說，被引頻次存在嚴重的滯后性且存在被引次數積累較少的問題。相較而言，網絡社交媒體可以動態持續關注某個主題領域，體現出技術影響社會的實時性，其中，Google Trends數據作為一種社會媒體數據，具有被引頻次數據所不具備的時效性和敏感性，有助于對顛覆性技術更精確地識別和捕捉。為此，本文使用社會媒體數據替代被引頻次數據，表征顛覆性技術測度的社會影響力指標Impactk，通過Google Trends指標分析和統計某一關鍵詞某一時期在谷歌搜索引擎中搜索的頻率及其相關統計數據。

對“雙碳”領域顛覆性技術的識別主要分為以下幾個步驟，如圖1所示。

3 數據獲取與主題抽取

3.1 數據收集與描述

本文的文本數據來自Web of Science的核心數據庫中的學術論文，以及來自Derwent Innovation Index數據庫的專利數據，選取的時間節點是2005—2021年共17年。檢索式的構建盡可能全面參考各部門發布的權威資料，如《科技支撐碳達峰碳中和實施方案（2022—2030年）》、《碳達峰、碳中和精煉報告：政策、趨勢、技術、案例、觀點及研究方法》，以及《北大金融評論》發布的“雙碳”目標下的技術路線圖等，檢索式TS=（\"carbon* captur* tech*\" OR \"carbon* utilization* tech*\" OR \"carbon* storag* tech*\" OR \"carbon* fixation* tech*\" OR \"photovoltaic* tech*\" OR \"nuclear* reactor* tech*\" OR \"clean* energ* tech*\" OR \"hydrogen* energy* tech*\" OR \"low* carbon* tech*\" OR \"enviro* tech*\" OR \"green* tech*\" OR \"zero* carbon* tech*\" OR \"carbon* emission* reduction* tech*\" OR \"sustain* energy* tech*\" OR \"carbon* neutrali* tech*\" OR \"carbon* offset* tech*\" OR “efficient electric heating conversion tech*” OR “heat storage tech*” OR “intelligent control tech*” OR “efficient electric tech*” OR “advanced power transmission tech*” OR “carbon sink” OR “biochar” OR “enhanced weathering” OR “ocean alkalization” OR “ocean fertilization” OR “carbon* removal* tech*” OR “solar radiation management tech*”），用于收集學術論文和專利數據信息。

本文收集2005—2021年論文和專利數據，通過過濾標題、摘要、關鍵詞和作者信息，最終得到48 224篇，其中論文數據38 692篇、專利數據9 532篇。論文數據包括標題、摘要、作者、出版日期、參考文獻等，專利數據涉及標題、摘要、專利家族、IPC等。將數據存放入MySQL數據庫以便后續處理，并對收集到的數據作預處理，包括大小寫轉化、去停用詞和標點符號、分詞、詞性標記和詞形還原等。論文和專利數量的年度分布如圖2所示，2005—2021年“雙碳”領域的研究論文一直呈現出快速增長態勢，可見這一領域得到了全球學者的高度關注；相關專利在2020年之前也呈現出逐年遞增態勢，之后可能受全球新冠疫情的影響而有所下降。

Google Trends數據可通過https：//trends.google.com網站統計分析Google搜索引擎每天數十億的搜索數據，獲取某一關鍵詞或者話題在特定時間段的搜索頻率及其它相關統計數據。Google Trends數據的時間鎖定在2005—2021年，根據主題模型得到每一公共主題中前20位主題代表詞，將其在網站中檢索，獲取每一主題代表詞的搜索頻次數據。

3.2 主題抽取

本文研究數據采用多源數據融合的形式。LDA模型（Latent Dirichlet Allocation）[29]、DIM模型（Dynamic Influence Model）[30]和DTM模型（Dynamic Topic Model）[31]等傳統模型可以提取單個數據源的主題，無法兼顧多個數據源公共主題的提取。CDTM模型（Common and Distinctive Topic Model）是一個層次貝葉斯模型，能最大限度地利用多個語料庫之間的共享信息[32]，不僅可以針對單數據源提取出特有主題，還可以融合論文和專利數據獲取多源數據的公共主題。改進后的CDTM模型在上述優勢的基礎上，還克服了原始CDTM模型將每個語料庫特有主題的數量設置為相同的缺陷。因此，本文使用改進后的CDTM模型抽取來自學術論文和專利數據的公共主題，用于“雙碳”領域顛覆性技術的識別。圖3為改進后的CDTM模型的概念圖，通過加入不同的超參數，放寬原本每個數據集特有主題數一致的限制。該模型的后驗過程使用折疊Gibbs抽樣算法，它是馬爾科夫鏈蒙特卡洛方法（Markov Chain Monte Carlo）的一種特例，本文將對稱狄利克雷/貝塔分布先驗α0、αζ、β0、β1和γ分別設置為0.1、0.1、0.001、0.001和0.5，Gibbs采樣運行1 000次，其中200次為老化期。

論文與專利的最佳主題數通過計算數據的困惑度確定[33]，因論文數據的數量約是專利數據的4倍，為使計算更簡潔方便，只計算專利數據的困惑度即可。運用Python構建困惑度求解模型，求解最優主題數，困惑度越小主題數越優，因此計算出的專利數據困惑度最小值對應的主題數為30。根據困惑度計算結果得到專利數據和論文數據的最佳主題數分別為30個和120個，即模型中各個數據源的特有主題參數。CDTM模型中公共主題參數的確定，根據《北大金融評論》發布的“雙碳”目標下的技術路線圖，可以分為煤炭領域、石油領域、天然氣領域、光伏領域、風能領域、核能領域、水電領域、氫能領域、交通領域、建筑領域、制造業領域、農業領域、碳捕集技術領域、碳利用技術領域和碳封存技術領域等15個公共主題。

通過CDTM模型的結果，可總結得到每個公共主題下前20位代表詞，如表2所示。

解讀每個公共主題下的前20位代表詞，總結得到每個公共主題代表領域的主題詞，如表3所示。

對CDTM模型公共主題識別結果，人工逐一判斷，得到以下幾個主題不是研究所需，將其作為垃圾主題舍棄。Topic 1的主題為綠色碳排放技術等政策對減碳的影響，本文不考慮政策以及經濟方面對“雙碳”領域的影響，因此將該主題舍棄。Topic 4是對森林生態系統碳通量及全球氣候環境的綜述性介紹，與本文研究“雙碳”領域的技術無關，因此將其舍棄。Topic 11是生物炭與有機肥料結合使用對農作物氮吸收和利用的影響，主要探索生物炭使用對土壤環境的改善，進而增加糧食產量，在本文中不予考慮。Topic 13是對全球海洋生態系統碳匯和碳通量的綜述性文章，與本文研究“雙碳”領域的技術無關，因此將其舍棄。Topic 14是介紹工業實驗環境安全的教學指南，與本文研究主題不符，將其舍棄。最終剩余10個主題用于識別“雙碳”領域顛覆性技術。

4 “雙碳”領域顛覆性技術度量與識別

4.1 顛覆性技術度量

（1）增長率指標。增長率指標通過計算每一主題當年與上一年的增長差異衡量技術增長情況。在CDTM模型中，特定于學術論文或專利m的研究主題k呈現出多項式概率分布m，根據此概率分布可以得到在一個時間段內，學術論文或專利在主題k中出現的概率pk，t，進而得到在t時期的增長率指標growthk，t=pk，t-pk，t-1。考慮到顛覆性技術新穎性的特點，本文將某一主題最近3年增長率的均值作為該主題的增長率指標值。

每項技術增長率指標的最終得分如表4所示。Topic 7主題的增長率最高，說明在這一時間段內該主題受到學者們較多關注并展開研究。Topic 0、Topic 9和Topic 10這3個主題的增長率也排在相對靠前的位置。而Topic 3的增長水平比較平緩，該主題沒有被學者發現或認為有研究價值，因此沒有繼續研究，成為被“拋棄”的主題。總體來看，每一個主題下的技術大多在前5年還未被研究人員發現和研究，有的技術在近兩年的研究中逐漸沒落，都不是一經研究就受到關注和追捧的，有的主題會逐漸被“拋棄”，而有的主題會逐漸產生顛覆甚至推翻現有技術，成為新的主流技術。

（2）創新性指標。技術的創新性指標利用CIM模型判斷論文或專利對前人研究的繼承和突破，該模型假定每篇施引論文或專利僅受參考文獻列表中被引論文或專利的影響，也就是說，模型采用一階馬爾可夫假設。使用Gibbs采樣算法，將CIM模型的主題數固定為15，對稱狄利克雷/貝塔分布先驗α、δ和β、δ分別設置為0.5、0.01和0.5、0.01，Gibbs采樣過程運行2 000次迭代。假設從CIM模型中獲得參考文獻或專利n對其施引文獻或專利m繼承或創新概率λm，0和λm，1，且λm，0+λm，1=1。然后，結合CDTM模型中每一篇施引文獻或專利m對主題k的多項式分布ζ，m，得到主題k下的施引文獻或專利m的創新性noveltym，k=λm，1×ζ，m，則整個主題的創新性Noveltyk=∑mm=1noveltym，k∑mm=1ζ，m。

創新性指標Noveltyk的得分，如表5所示。同樣，Topic 9、Topic 7、Topic 0和Topic 10的創新性Noveltyk得分均排在前五位，說明這幾個主題沒有過多繼承之前發表的文獻或專利，不同于其自身參考文獻或專利的部分占更大比重。Topic 12主題則與之相反，文章的繼承性相比而言更強，是對原有研究的繼續深入挖掘，沒有提出跳脫于其參考文獻的思路或方法。

（3）社會影響力指標。利用Google Trends數據，分析和統計某一關鍵詞某一時期在谷歌搜索引擎中展示的搜索頻率及其它相關統計數據，得到社會影響力指標值。運用CDTM模型獲得每一主題k下的主題詞m，在Google Trends網站檢索2005—2021年的數據結果，得到頻率pt，m，k，乘以共同主題中詞的多項分布Φm，K，得到每一主題下某一時期的影響力impactt，k=∑mm=1pt，m，k×Φm，K∑mm=1Φm，K，則基于Google Trends搜索引擎的社會影響力指標Impactk即為每一時期影響力指標impactt，k的均值。

影響力指標Impactk綜合考慮技術顛覆性對社會和學界產生的影響，技術會受到社會各界人士以及學術領域專家和權威機構的關注，該指標反映技術受到全世界關注的水平。影響力指標Impactk的得分如表6所示，Topic 6主題代表的技術影響力水平最高，得分為801.312 3，說明該主題在2005—2021年這個時間段受到全世界各國的關注最多，包括在Google瀏覽器的搜索以及Google Scholar中發布的文獻等。Topic 9、Topic 0、Topic 7和Topic 10也都排在比較靠前的位置。Topic 8主題代表的技術影響力水平最低，說明這一主題沒有受到學術界與社會各界的廣泛關注，在這一時間段內缺乏發展潛力。

4.2 顛覆性技術識別

本文利用熵值法，對測度顛覆性技術的增長性指標、創新性指標和社會影響力指標進行客觀賦權，加總得到顛覆性指數的最終得分。按照得分從大到小的順序進行排名，從每種技術主題中選取1～2個技術術語代表該顛覆性技術的主題。

對上文中3個指標得分結果作熵值法分析，得到增長率指標、創新性指標、影響力指標的權重分別是0.38、0.45和0.17，計算最終加權數值，可得每一主題的顛覆性指數得分，如表7所示。

縱觀所有技術顛覆性指數得分，可將顛覆性指數得分的閾值設置為0.5，故前4位技術Topic 7、Topic 9、Topic 0和Topic 10即為識別出的“雙碳”領域顛覆性技術。根據主題中前20個主題詞及相關文獻梳理總結發現，Topic 7是生物炭吸附技術，用于提取和吸附，將碳資源合理儲存以備其它用途，例如幫助農作物吸附營養物質等。Topic 9是關于有機農業生物炭基肥料的制備技術，用于改善土壤肥沃程度、降低土壤污染。Topic 0代表的是生物質裂解生物炭技術，通過產生生物炭的過程仿照大自然中煤炭、天然氣以及石油等多個能源的生產反應，起到減碳的效果。Topic 10是生物質熱解生物炭技術，通過礦化、化學等方式生成生物炭，能夠合理利用碳。

根據改進后的CDTM模型抽取結果可知，上述4項顛覆性技術以論文和專利的形式出現的占比分別為52%和48%。其中，Topic 7和Topic 10更多以學術論文的形式呈現，在主題中分別占69.6%和73.4%；Topic 9和Topic 0則更多以專利數據的形式呈現，在主題中分別占71.2%和54.5%。獲取這4項顛覆性技術所在主題頻次排名前20的論文或專利數據，統計其公開發表年份以及研究人員所屬國家，分析可知，“雙碳”領域的顛覆性技術數量在2015年前后出現一個小高潮，隨后有所回落，之后又在2019年崛起；從事相關領域研究的國家主要是中國和美國，分別是43項和14項，占所有顛覆性技術的71.3%，說明中美兩國在“雙碳”領域的研究占據優勢地位。

4個“雙碳”領域顛覆性技術中前20位論文或專利涉及的主要技術子領域以及每一子領域的數量如表8所示。縱觀各領域主題，“生物炭”這一詞匯頻繁出現在各個主題中，生物炭是由天然生物質或農業廢棄物在缺氧條件下經熱化學轉化而成的一類多孔碳質材料，生物炭的生產原料是各類廢物，制備成本較低，其盈虧平衡價格是活性炭的1/6，且制備過程可以視作廢棄物的一種資源化利用方式，因此，生物炭是一種極具前景的環境友好型CO2吸附材料[34]。識別出的幾項顛覆性技術討論研究了生物炭的生產制備、有效利用等，在使用肥料促進農業作物營養元素的吸收、提高糧食產量和減少煤炭等原始燃料使用等方面起到重要作用。

自聯合國歐洲經濟委員會發布《碳捕獲、利用與封存（CCUS）》報告后，CCUS技術已成為全球多個國家碳中和行動計劃的重要組成部分。本文識別出的生物炭吸附技術和生物質熱解生物炭技術，與CCUS技術中碳捕獲技術分支的點源CCUS技術對應，將水泥和鋼鐵生產、化石燃料制氫、垃圾焚燒和發電等行業產生的CO2在排放到大氣之前就進行捕獲，然后壓縮到超過100個大氣壓，注入到地下1 000m以下的多孔巖石層中，在不透水的巖石下，保存數萬年到數百萬年，使得產生的CO2在排放到大氣之前就被捕獲并封存。其中，有機生物炭基肥料制備技術對應碳捕獲技術分支的生物質能碳捕獲與封存技術，CO2由植被從大氣中提取出來，然后在生物質燃燒時從燃燒產物中回收，或者通過化學反應合成其它高價值的清潔能源，在理想狀態下加強土壤中的碳固存并最大限度減少工業化肥使用。生物質裂解生物炭技術對應碳捕獲技術分支的直接空氣碳捕獲與封存技術，CO2由植被從大氣中提取出來，直接從空氣中捕獲，該技術可以與地質封存技術結合，實現相對永久性固碳。識別出的4項顛覆性技術均能與國際認可的CCUS技術對應，由此也驗證了本文方法和指標設計的可行性。

5 結論與討論

5.1 研究結論與啟示

顛覆性技術的度量和識別研究，事關未來產業發展戰略部署和科研人員研究方向，在日益激烈的國際競爭中，為國家抓住發展機遇提供強有力支持。本文以多源數據融合的形式，從學術論文、專利以及基于Google Trends數據的社會媒體數據出發，構建多源數據融合的顛覆性技術測度方法，進而對“雙碳”領域的顛覆性技術進行度量和識別。首先，利用改進后的CDTM模型抽取公共主題，計算增長率指標；其次，結合CIM模型判斷主題的繼承與創新，計算創新性指標；最后，為彌補被引頻次數據的滯后性問題，采用Google Trends收集的數據獲取每一個主題的搜索量，計算社會影響力指標。進一步識別“雙碳”領域的顛覆性技術，針對CDTM模型抽取和篩選出的10個主題，使用熵值法綜合計算其顛覆性指數，認定指數得分高于0.5的主題為顛覆性技術。具體研究結論和啟示如下：

（1）大數據時代的數據具有多樣性，充分利用多源數據可全面度量顛覆性技術。顛覆性技術具有突破性、發展不確定性等特征，而當前研究僅限于學術界對科學數據集即學術論文數據和專利數據的引證研究，忽視了技術在促進社會進步、經濟發展、教育水平提高等諸多領域的影響。本文所設計的顛覆性技術測度體系，采用的數據源更為豐富，包含論文數據、專利數據和替代計量學數據之一的Google Trends數據作為社會媒體數據的代表，既考慮了技術在學術界的影響，也兼顧了市場技術實用以及社會大眾的接受情況。

（2）目前常用的主題提取方法有LDA、DIM、DTM等模型，但這些方法只能提取單個數據源的主題，無法兼顧多個數據源公共主題的提取。CDTM模型能最大限度地利用多個語料庫之間的共享信息，不僅可以針對單數據源提取特有主題，還可以融合論文和專利數據獲取多源數據的公共主題。本文使用改進后的CDTM模型，有效解決了“雙碳”領域多源數據公共主題提取的問題，并克服了原始CDTM模型只能揭示各種資源選取相同特有主題數量的缺陷，可以得到較好的識別效果。最終，識別出的4項技術均與“生物炭”研究相關且與國際認可的CCUS技術相對應，進一步佐證了本文指標設計和識別方法的合理性。

（3）本文識別出的“雙碳”領域顛覆性技術包括：生物炭吸附技術、有機生物炭基肥料制備技術、生物質裂解生物炭技術和生物質熱解生物炭技術。相關研究在2015和2019年前后出現小高潮，中國和美國對相關技術的研究占據優勢地位。我國應針對優勢技術給予資源傾斜，繼續深化技術創新，健全知識產權保護，加大技術推廣力度，形成優勢產業；針對“卡脖子”技術，需要對標世界核心技術開啟趕超戰略，增加基礎學科研發投入，組建核心技術攻關團隊，實現技術彎道超車，提高核心實力。

本研究有助于全面了解“雙碳”領域的科技創新前沿，為未來產業發展戰略部署、宏觀政策的科學精準制定提供參考。針對識別出的4項“雙碳”領域顛覆性技術，政府有關部門和相關企業應聚焦研發視角，合理配置資源，提高研發效率。在宏觀調控方面，應健全多元化市場投入機制，鼓勵社會資本以市場化方式進入顛覆性技術領域，設立基金為其提供資金支持；發揮稅收政策激勵作用，對顛覆性技術領域的企業實施稅收優惠政策，減輕企業資金壓力，提供低息貸款，籌措更多科研經費，使企業將精力更多投入到研發中；啟動試點工作，通過以點帶面的政策示范效應，充分調動各方創造性和積極性等；完善市場機制，采取降低或免征稅賦、加強信貸等財政措施，著力解決技術成本高昂的問題；通過拉動投資，吸引企業家加入該領域，以利基市場為導向，促進新產業和新技術的出現。

5.2 研究局限與未來展望

本文構建了基于多源數據融合的顛覆性技術測度指標體系，充實了該領域理論研究，但關于影響力指標的設計僅考慮了社會媒體的影響，存在一定局限性。未來研究可進一步完善影響力指標，一方面補充選取更多的替代計量指標數據，減少社會媒體數據帶來的擾動；另一方面與被引頻次數據相結合，綜合衡量技術在科學、技術和社會方面的影響力。另外，未來研究可在更多領域驗證本文提出的多源數據融合的顛覆性技術度量和識別方法，針對面臨的不足和缺陷加以改進，提高該方法的普適性。

參考文獻

參考文獻：

[1] CHEN ZHUFENG. Study on modern automotive electronic technology characteristics and development trend[C]. Proceedings of the 2016 5th International Conference on Environment， Materials， Chemistry and Power Electronics，2016.

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

[3] SCHUMPETER A J.The theory of economic development： an inquiry into profits， capital， credit， interest， and the business cycle [M]. Boston： Harvard University Press，1934.

[4] 王康，陳悅.技術融合視角下基于專利的顛覆性技術識別研究[J].情報雜志，2022，41（4）：29-36，134.

[5] DAHLIN K B， BEHRENS D M. When is an invention really radical？ defining and measuring technological radicalness[J]. Research Policy， 2005， 34（5）： 717-737.

[6] THOMOND P，LETTICE F.Disruptive innovation explored： 9th ipse international conference on concurrent engineering[J]. Research and Applications，2002，55（7）：27-31.

[7] KENAGYJW， CHRISTENSENC M. Disruptive innovation： a new diagnosis for healthcare's \"financial flu\"[J]. Healthcare Financial Management，2002，56（6）：62-66.

[8] 許佳琪，汪雪鋒，雷鳴，等.從突破性創新到顛覆性創新：內涵、特征與演化[J].科研管理，2023，44（2）：1-13.

[9] ARTHUR W. The structure of invention[J]. Research Policy，2007，36（2）：274-287.

[10] VALLE S，D VAZQUEZ-BUSTELO.Concurrent engineering performance： incremental versus radical innovation [J]. International Journal of Production Economics， 2009， 119（1）：136-148.

[11] MANYIKA J， CHUI M， BUGHIN J. Disruptive technologies： advances that will transform life， business， and the global economy[R].China Beijing， McKinsey Global Institute，2013.

[12] 孫永福，王禮恒，孫棕檀，等.引發產業變革的顛覆性技術內涵與遴選研究[J].中國工程科學， 2017， 19（5）：9-16.

[13] REINHARDT R， S GURTNER. The overlooked role of embeddedness in disruptive innovation theory[J]. Technological Forecasting and Social Change， 2018，132（2）： 268-283.

[14] 李欣， 黃魯成. 技術路線圖方法探索與實踐應用研究——基于文獻計量和專利分析視角[J]. 科技進步與對策，2016，33（5）：62-72.

[15] CARLSEN H， DREBORG K H， GODMAN M， et al. Assessing socially disruptive technological change[J]. Technology in Society，2010，32（3）：209-218.

[16] KLENNER P， HUSIG S， DOWLING M. Ex-ante evaluation of disruptive susceptibility in established value networks：when are markets ready for disruptive innovations[J]. Research Policy， 2013， 42 （4）：914-927.

[17] LIU X， WANG X， et al. Identifying disruptive technologies by integrating multi-source data[J]. Scientometrics，2022，127（2）：5325-5351.

[18] TUGRUL U DAIM， GUILLERMO RUEDA， HILARY MARTIN， et al. Forecasting emerging technologies： use of bibliometrics and patent analysis[J]. Technological Forecasting amp; Social Change，2006，73（8）：981-1012.

[19] FEFIE DOTSIKA，ANDREW WATKINS. Identifying potentially disruptive trends by means of keyword network analysis[J]. Technological Forecasting amp; Social Change，2017，119（6）：114-127.

[20] XU SHUO， HAO LIYUAN， AN XIN， et al. Emerging research topics detection with multiple machine learning models[J]. Journal of Informetrics，2019，13（4）：1-19.

[21] XU XUEMING， LI JICHAO， JIANG JIANG， et al. A disruptive technology identification method based on multisource data： take unmanned aerial vehicle systems as an example[C]. 7th International Conference on Big Data and Information Analytics （BigDIA）， 2021.

[22] XU S， LI L， AN X， et al. An approach for detecting the commonality and specialty between scientific publications and patents[J]. Scientometrics ，2021，126（7）：7445-7475.

[23] CHANGYONG LEE， OHJIN KWON， MYEONGJUNG KIM， et al.Early identification of emerging technologies： a machine learning approach using multiple patent indicators[J]. Technological Forecasting and Social Change，2018，127（2）：291-303.

[24] BUCHANAN B， CORKEN R. A toolkit for the systematic analysis of patent data to assess a potentially disruptive technology[R]. London： Intellectual Property Office，2010：2-16.

[25] CAROLIN MUND， PETER NEUHAUSLER. Towards an early-stage identification of emerging topics in science：the usability of bibliometric characteristics[J]. Journal of Informetrics， 2015，9（4）：" 1018-1033.

[26] 劉忠寶，康嘉琦，張靜.基于主題突變檢測的顛覆性技術識別——以無人機技術領域為例[J].科技導報，2020，38（20）：97-105.

[27] WANG QI. A bibliometric model for identifying emerging research topics[J]. Journal of the Association for Information Science and Technology， 2018，69（4）：290-304.

[28] DIETZ， LAURA， STEFFEN BICKEL，et al. Unsupervised prediction of citation influences[C]. International Conference on Machine Learning，2007.

[29] BLEI D M， NG A Y， JORDAN M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research， 2003， 3（1）： 993-1022.

[30] GERRISH S M， BLEI D M. A language-based approach to measuring scholarly impact[C]. Proceedings of the 27th International Conference on Machine Learning， 2010.

[31] BLEI D M， LAFFERTY J D. Dynamic topic models[C].Proceedings of the 23rd International Conference on Machine Learning， 2006.

[32] HUA T， LU C-T， CHOO J， et al. Probabilistic topic modeling for comparative analysis of document collections[J]. ACM Transactions on Knowledge Discovery from Data， 2020，14（24）：1-24.

[33] DAVID M BLEI， ANDREW Y NG， MICHAEL I JORDAN. Latent dirichlet allocation[J]. The Journal of Machine Learning Research，2003，3（3）：993-1022.

[34] 李經寬，曲孟青，張圓圓，等.生物炭CO2吸附劑的制備和改性研究進展[J].燃料化學學報，2023，15（7）：882-895.

責任編輯

（責任編輯：萬賢賢）

Measurement and Identification of Disruptive Technologies in the Field of \"Dual Carbon\" Base on the Method of Multi-Source Data Fusion

An Xin1， Liu Dihang1， Xu Shuo2

（1.School of Economics and Management， Beijing Forestry University， Beijing 100083， China;2.School of Economics and Management， Beijing University of Technology， Beijing 100124， China）

Abstract：Disruptive technology is the key to the development of national economy and the core combat effectiveness of great power game competition， and the cultivation and development of disruptive technology is of great significance and far-reaching influence. To achieve the goal of \"Carbon Peak and Carbon Neutralization\"， it is critical to strengthen green and low-carbon scientific and technological innovation， and closely track the international frontier's leading technologies. To this end， the measurement and identification of disruptive technologies in the field of \"dual carbon\" provide assistance to relevant government departments and enterprises for the strategic deployment of future industrial development， the scientific and accurate formulation of macro policies， the realization of technological overtaking， and the improvement of core competitiveness， and it has become a key issue to gain insight into the global \"dual carbon\" technology opportunities and seize the commanding heights of scientific and technological competition.

Following the essential characteristic theory of disruptive technology， this study makes disruptive technology measurement that integrates multi-source data， including growth rate indicators， innovation indicators and influence indicators， and comprehensively considers the impact of technology on the scientific community， technology community， and social economy community. Among them， the growth of technology is measured by the growth rate index to calculate the difference between the growth of each topic in the current year and the previous year; the CIM model is used in the innovation index to judge the inheritance and breakthrough of the previous research in the paper or patent; social impact indicators are used to analyze and count the frequency of searches and other relevant statistics for a certain keyword displayed in Google during a certain period of time.

In order to effectively identify disruptive technologies in the field of \"dual carbon\"， this paper collects 38 692 paper data and 9 532 patent data， and retrieves the search frequency data of public topic representative words from Google Trends to form a multi-source fusion dataset. In the process of method selection， this paper selects the improved CDTM（Common and Distinctive Topic Model） model for topic extraction from multiple data sources. This method maximizes the utilization of shared information among multiple corpora， allowing for not only the extraction of specific topics for a single data source， but also the integration of paper and patent data to obtain a common theme for multi-source data. By analyzing the results of CDTM model and manually judging them one by one， 10 topics are finally obtained for identifying disruptive technologies in the field of \"dual carbon\"， and then the disruption index score is calculated to measure the disruption of these topics.

Four disruptive technologies in the field of \"dual carbon\" are identified，namely biochar adsorption technology， organic biochar-based fertilizer preparation technology， biomass cracking biochar technology and biomass pyrolysis biochar technology. The analysis shows that all four technologies are related to internationally recognized “carbon capture， use and storage （CCUS） technologies”， and China and the United States occupy" overwhelmingly dominant positions in the field of \"dual carbon\" research. Hence， China should provide preferential resources， continue to deepen technological innovation， and improve intellectual property protection.

In regards to the technology bottlenecks， it is necessary to open the catch-up strategy for the world's core technology， increase the Ramp;D investment in basic disciplines， and achieve technical overtaking on the bend to improve the core competitiveness. In view of the four disruptive technologies identified in the field of \"dual carbon\"， it is suggested that the relevant departments of the government and enterprises focus on research and development， rationally allocate valuable and limited resources， and improve the efficiency of research and development. In terms of macro-government regulation， it is essential to improve the market diversification investment mechanism， encourage social capital to enter the field of disruptive technologies in a market-oriented way， and set up funds to provide financial support for them. In summary， the measurement and identification of disruptive technologies in the field of \"dual carbon\" based on the multi-source data fusion method helps to comprehensively understand the frontier of scientific and technological innovation in the field of \"dual carbon\"， and provides a new basis for the identification and research of disruptive technologies.

Key Words：Technology Identification; Disruptive Technology; Common and Distinctive Topic Model; \"Dual Carbon\" Field