中國智能制造裝備產業產學研專利合作網絡影響因素探析

中圖分類號：F204 文獻標識碼：Adoi：10.3969/j.issn.1672-2272.202504071

Analysis of Influencing Factors in the Industry- University一Research Patent Cooperation Network of China's Intelligent Manufacturing Equipment Industry

Cao Zhenglin， Zhou Mengchao （Chongqing Intellectual Property School， Chongqing University of Technology， Chongqing 40054，China）

Abstract： Based on the incoPat patent database，this study constructs a patent collaboration network among universities，industries，and research institutions in China's inteligent equipment manufacturing sector. Utilizing social network analysis and QAP regression methods，it analyzes the networks development status，structural characteristics，and influencing factors. The results reveal that： ① The industry-university-research patent collaboration network in the intelligent equipment manufacturing industry has begun to take shape，albeit with uneven regional distribution. North China and East China exhibit higher activity，while patent applications in Central and Western China remain relatively weak. ② Universities play a prominent role as innovation entities，demonstrating significantly enhanced innovation capabilities. ③ Geographical proximity，economic proximity，and technological proximity exert significantly positive efects on the formation and development of thecollaboration network，whereas institutional proximity exerts a negative influence.Based on these findings，the study proposes the following recommendations： improve the innovation ecosystem，expand collaboration pathways tailored to local conditions，leverage the driving role ofcore entities，actively build regional collaborative innovation platforms， enhance infrastructure systems，and establish shared platforms for scientific research equipment.This research elucidates the structural characteristicsand influencing factorsof the industry-university-researchcolaboration network within China's intelligent equipment manufacturing industry. It contributes to acelerating industrial development，enhancing production eficiency，and holds both theoretical and practical value for promoting the healthy advancement of the sector.

Key Words： Intelligent Manufacturing Equipment； Industrial-Academia-Research Cooperation； NetworkStructural Features;QAP Analysis

0 引言

裝備制造業是制造業的脊梁，智能裝備及智能制造是裝備制造業的發展方向。2015年5月國務院正式印發《中國制造2025》，指出全球制造業格局面臨重大調整，智能制造正在逐步引領制造方式變革，必須緊緊抓住當前歷史機遇，加快推進技術創新力度，將智能制造作為主攻點[]。我國正處于從“中國制造”向“中國智造\"轉型的快速發展期，智能制造裝備產業作為實現“中國智造\"的重要一環，關乎我國制造業發展的全球地位和制造業高質量發展水平[2]。隨著智能制造裝備產業的快速發展，產學研合作創新模式扮演著越來越重要的角色，《中國制造2025》與《“十四五\"智能制造發展規劃》均提出要加強產學研協同創新，著力突破關鍵核心技術和系統集成技術。企業、高校、科研院所等組建聯合體，對推進我國智能制造裝備產業發展具有積極作用，為科技創新提供不竭動力。

在此機遇與挑戰并存的背景下，推動我國智能制造裝備產業產學研合作健康穩步發展至關重要。本文構建了我國智能制造裝備產業產學研合作網絡結構，分析了影響該網絡的因素，并根據各因素對產業發展的差異化作用，提出針對性建議。該研究有助于加快智能制造裝備產業發展速度、提高生產效率，對推動行業健康發展具有重要實踐參考意義。

1 文獻綜述

1.1智能制造裝備產業發展現狀

智能制裝備造產業發展現狀基于各省份的合作創新模式和技術重點，提出相對應的解決措施。如崔曉文等[3]首先從全球視角梳理了智能制造裝備產業發展現狀，繼而聚焦上海市，分析了該產業不同細分領域的情況，針對薄弱環節提出加強合作、扶持中小企業和強化人才隊伍建設等建議。熊立貴等4立足粵港澳大灣區經濟轉型升級背景，探討了智能制造裝備產業對吸引高層次人才和提升區域科研水平的作用，指出發展該產業是中國邁向制造業強國的必由之路。張慧婧等[5采用專利計量分析法，對比分析了國際、國內及湖北省智能制造裝備產業現狀，建議湖北省加快產學研協同創新，打造智能制造裝備產業先行區和示范區。嚴帥等結合理論研究與實證分析，聚焦廣州市智能裝備產業領域，基于現狀調研與企業工商登記數據，運用空間分析等地理學方法研究了該產業集群的發展現狀并提出相應建議。

1.2智能制造裝備產業合作網絡形成過程

合作網絡形成過程基于社會網絡分析方法，對產學研專利合作網絡的形成和發展進行分析。如趙爽以中國裝備制造業為研究對象，采用社會網絡分析技術從時空二維視角解釋中國裝備制造業產學研專利申請合作網絡的發展趨勢，提出要進一步完善產學研合作支撐體系，將創新權力下放到各省份。李樹祥等8以2005一2019年江蘇省生物醫藥產業產學研專利合作數據為基礎，應用社會網絡分析方法構建產學研專利合作網絡，分析不同時期的演化特征。張明倩等9從地理、社會、技術、網絡4個方面出發研究“一帶一路\"跨國專利合作網絡的影響因素，發現地理鄰近對跨國專利的合作建立影響在逐漸減弱，而社會鄰近在逐漸發揮著作用，據此提出加深共識、增強互信和理解，優化知識產權環境，推動知識產權相關法律法規的一體化進程。馮粲等[采用社會網絡分析方法對京津冀、長三角、粵港澳大灣區三大城市群的協同創新網絡空間結構進行分析發現，地理鄰近、制度鄰近、認知鄰近對城市間協同創新能力具有顯著的正向影響。劉曉燕等[借助可分離的時序指數隨機圖模型，從地理、組織、社會、制度、技術5個維度的鄰近性視角出發探究集成電路產業不同時段技術交易網絡的演化動力，得出相對于地理鄰近性和組織鄰近性對交易關系解散的促進作用，制度、社會和技術上的鄰近則對加強交易聯系具有重要影響。

通過梳理文獻發現，諸多學者基于專利信息聚焦特定地區，分析智能制造裝備產業的合作模式與發展狀況，并構建專利合作網絡探討其結構特征與演變規律。然而，現有關于該產業合作的研究多集中于網絡演化與基本特征分析，尚未深入探討其影響因素。因此，本文的創新點主要體現為兩個方面：第一，研究對象有新意。研究聚焦于智能制造裝備產業產學研專利合作網絡的影響因素，針對該產業，現有研究多關注合作網絡的現狀、特征及演化分析，較少實證探究產學研專利合作網絡的影響因素，本研究重點探討此問題，旨在挖掘促進該網絡發展的有利因素。第二，研究視角有創新。研究從產學研合作模式視角出發，分析我國智能制造裝備產業專利合作網絡的形成與發展。產學研三方合作能有效整合資源、發揮互補優勢，對該產業的發展具有重要推動作用。

2 研究設計

2.1 研究方法

社會網絡分析法是一種綜合利用圖論和數學模型研究復雜網絡的方法[12]，廣泛用于構建合作網絡以分析其特征和結構[13]。本文依據社會網絡分析方法的主要理論，構建我國智能制造裝備產業產學研合作網絡，從整體網絡和個體網絡視角出發，探討我國各創新主體在產學研合作網絡中的地位。

與傳統計量模型相比，二次指派程序法（QAP）能夠揭示矩陣間的內在驅動機制[14]。因此，本文采用QAP回歸分析法從地理鄰近性、制度鄰近性、經濟鄰近性和科技鄰近性對我國智能制造裝備產業合作網絡的影響因素進行分析。

2.2數據來源與處理

本研究將incoPat數據庫作為檢索數據庫，首先將時間限定為2014年1月1日一2023年12月31日，其次通過incoPat的新興產業分類，將其設定為智能制造裝備產業，此處incoPat中的新興產業分類是根據國知局公布的《戰略性新興產業分類與國際專利分類參照關系表（2021）（試行）》設定。接著以聯合申請專利作為合作專利，將產學研聯合專利申請主體限定為以下方式：企業一高校、企業一科研院所、高校一科研院所、高校一企業一科研院所，最后將地區限定為中國，最終得到如下檢索式：

AD L= [20140101 TO 20231231]AND（ （AP-TYPE=C ANDAP-TYPE ：=U ）OR（AP-TYPE =C ANDAP-TYPE=R OR（AP-TYPE -R ANDAP-TYPE ：=U） OR（AP一TYPE $$ CANDAP-TYPE °eq RANDAP-TYPE $$ U）NOT（（AP-TYPE ：=G ）OR（AP-TYPE =P ）OR（AP-TYPE N））AND INDUSTRY2 （2.1）

最后通過國際專利分類號（IPC）、聯合專利分類體系（CPC）分類號進行數據清洗，并過濾掉無效專利以及其他無關數據，最終共得到我國智能制造裝備產業產學研有關專利文獻共8032篇。

3我國智能制造裝備產業產學研專利合作網絡發展現狀

3.1我國智能制造裝備產業產學研專利合作趨勢分析

基于上節篩選的數據進行專利申請趨勢分析，結果如圖1所示。 2014-2023 年，我國智能制造裝備產業產學研聯合申請專利數量總體呈上升趨勢。具體來看：2014-2017 年為迅猛發展期，專利申請量從201件增至457件，增長率從 25.00% 持續攀升至 41.49% ：2018-2020 年進人增速放緩期。盡管申請量從611件增長到951件，但增長率由 35.01% 下降至 17.14% ;2021-2022 年迎來快速增長期，申請量顯著增加，達到1622件，增長率從 21.03% 躍升至 43.52% ，這主要得益于《“十四五\"智能制造發展規劃》的發布，為產業發展提供了強勁動力，并帶動各地政策積極響應。同時高校在產學研專利合作中的主體地位日益凸顯，為該產業發展注入了新活力；2023年增速明顯回落，相較于2022年，專利申請量增長有限，這主要是由于2022年行業專利申請量基數已處于高位，增速本身難以持續維持前期水平。

圖12014一2023年中國智能制造裝備產業產學研合作申請專利數量

3.2我國智能制造裝備產業產學研專利合作主體分析

根據對專利數據的初步分析， 2014-2023 年間我國智能制造裝備產業產學研專利申請主體共有16220個，其中企業占比 41.13% ，高校和科研院所分別占比39.14% 和 19.73% ，企業和高校是參與產學研合作創新的主力軍，并且在以企業為主體的合作中，企業更傾向于與高校合作，與科研院所的合作占比較少。

表1為 2014-2023 年我國智能制造裝備產業產學研專利申請數量排名前20的申請主體。清華大學以296項專利申請量排名第1，華中科技大學和中國運載火箭技術研究院分別以222和217項專利申請量排名第2和第3，其余申請主體申請量均低于200件，數據顯示，我國智能制造裝備產業產學研專利申請主體分布較為分散，排名前20位的申請主體專利申請總量僅占全部主體申請總量的 33.07% 。在前20名申請主體中，高校占據18席，占比高達 90.00% ，這些高校多為國內排名靠前、科研與創新能力較強的綜合類或理工類高校。這種現象主要得益于近10年國家政策對智能制造裝備產業的大力支持。作為研發主力軍，高校在政策、人才和資金方面獲得了充足保障，為產學研專利合作奠定了堅實基礎。值得注意的是，前20名中僅有國家電網公司1家企業。而將數據挖掘范圍擴大到前40名申請主體，也僅新增寧夏科杞現代農業機械技術服務有限公司1家企業。由此可見，雖然企業整體的專利申請總數位居第一，但申請數量分布過于分散，未能形成具有顯著數量優勢的龍頭企業。同時，企業間缺乏穩定的專利合作關系，增加了尋找新合作伙伴的成本，不利于技術創新合作中的資源優化配置，也制約了企業在產學研合作中發揮其推廣專利產品的市場作用。

表12014一2023年我國智能制造裝備產業產學研合作專利申請數量分布（top20）

3.3我國智能制造裝備產業產學研專利合作申請地域分析

對我國智能制造裝備產業產學研專利合作區域分布情況進行分析，得到表2。從表2中可以看到華北、華東地區比較活躍，中西部地區在專利申請方面相對較為薄弱，這可能是由于華東以及華北地區經濟發展水平較高，對外開放程度遠大于中西部地區，進而導致發展不均衡，在一定程度上影響了我國智能制造裝備產業的快速發展。

表2我國智能制造裝備產業產學研合作專利區域分布

進一步分析省市可見，從表2中得出北京、江蘇、廣東、浙江和山東的專利申請量位居前列，五省總量占整個網絡區域合作的 51.85% ，表明這些省份在專利合作方面聯系密切，創新水平較高。北京作為我國首都，有著良好的政治基礎和經濟扶持，在技術創新上具有得天獨厚的優勢；江蘇和浙江地處長江經濟帶，高科技企業密集，并且政府給予了持續的政策支持，比如江蘇省印發的《江蘇省制造業智能化改造和數字化轉型三年行動計劃（2022一2024年）》、浙江省印發的《浙江省高端裝備制造業發展“十四五”規劃》，都對智能制造裝備產業進行了重要部署；廣東位于我國南部沿海區域，對外開放程度高，人才聚集，高校與中小企業眾多，創業創新優勢顯著；山東省作為實體經濟大省，高度重視制造業發展，2022年山東省印發的《山東省智能制造提質升級行動計劃（2022一2025年）》將智能制造領域的“點線面”一體化發展新格局作為重點目標，大力發展智能制造裝備產業，并持續舉辦山東省新材料產業智能制造大賽，挖掘人才與先進技術。相比之下，中西部地區受限于政策和經濟資源不足，其技術創新能力與華東和華北地區的差距日益拉大，導致創新主體地域分布失衡。因此合理分配創新資源，對于吸引越來越多的省份加入到智能制造裝備產業技術創新合作大軍中起著至關重要的作用，各省份要持續提升自身發展水平，共同推動我國智能制造裝備產業蓬勃發展。

4我國智能制造裝備產業產學研專利合作網絡結構分析

4.1我國智能制造裝備產業產學研專利合作網絡整體特征分析

本文根據所收集到的 2014-2023 年我國智能制造裝備產業產學研合作專利數據，利用Ucinet和Gephi軟件工具，構建我國智能制造裝備產業產學研專利合作網絡矩陣并對其網絡結構進行測度分析。本文采取鄰接矩陣，行與列代表著相同的專利申請單位，并按照特定順序依次排列。將我國智能制造裝備產業 2014-2023 年產學研合作專利數據轉化為 n×n 的無向對稱鄰接矩陣。運用社會網絡分析軟件Ucinet對 2014-2023 年我國智能制造裝備產業產學研專利合作網絡進行數據處理分析，如表3所示。

4.1.1產學研專利合作網絡規模持續擴大，但網絡密度呈現下降趨勢

網絡規模的大小在一定程度上反映了網絡結構的復雜程度，從表3中可以看出，2014年產學研專利合作網絡創新主體數量為233個，到2023年增至1822個，10年間增長了約8倍，這表明我國智能制造裝備產業參與合作的產學研主體持續增多，網絡規模持續擴大，但在網絡規模持續擴大的同時，網絡密度卻呈現下降趨勢，從2014年的0.008下降至2023年的0.001。這一現象表明，網絡中實際建立的合作聯系數量與網絡規模的擴張并不匹配。多數主體之間僅有一次或少數幾次合作，合作瀕率低且關系不穩定。進一步看，各合作主體往往出于短期目標或特定任務需求進行合作，成員間缺乏廣泛多元的交流，合作范圍較為局限。此外，產學研主體間建立穩定的合作關系對雙方的信任、資源投入、溝通協調等要求較高，難度較大。因此，短期內難以形成穩固的合作關系，這也是導致網絡密度呈下降趨勢的原因。

4.1.2產學研專利合作網絡平均路徑長度較大，節點間聯系較為稀疏

平均路徑長度反映了我國智能制造裝備產業產學研專利合作網絡中任意節點可到達彼此的路徑長度的平均值，其數值體現了網絡中各主體之間資源流通的難易程度[15]。平均路徑長度越短，越有利于各主體之間的快速交流，反之將會不利于合作關系的維持與網絡的穩定。從表3可見，2014年我國智能制造裝備產業產學研合作網絡的平均路徑長度為2.271，2024年增長為8.113，10年間增長了約4倍， 2017-2018 年5年間每年的平均路徑長度均小于5，即任意申請人提高5個以內的節點就可與其他節點聯系，網絡節點較為通暢，然而2019-2023 年期間，除2020年平均路徑長度小于5，其余年份均大于5，表明網絡節點間的聯系較為疏遠，節點間廣泛合作的路徑潛力較弱。

4.1.3產學研專利合作網絡呈現小世界性

聚類系數反映節點之間相連的程度，其數值范圍在0～1 ，數值越大代表著連接的可能性越大，節點之間合作更為順暢[16]。從表3可知， 2014-2023 年我國智能制造裝備產業產學研合作網絡聚類系數穩定在 0.6～0.7 范圍內，節點整體的聚集系數處于偏高水平，呈現小世界性，即網絡密度很低，但聚類系數偏高。每個階段的集聚系數均遠高于同階段的網絡密度，說明我國智能制造裝備產業產學研專利合作關系的建立并非隨機選擇，存在擇優連接性，即新增節點會優先選擇連接到已經具有高連接數的節點[17]

表32014一2023年中國智能制造裝備產業產學研專利合作網絡整體結構指標測算結

4.2我國智能制造裝備產業產學研專利合作網絡個體特征分析

根據整體網絡密度的變化規律，將我國智能制造裝備產業產學研合作網絡分為兩個階段，即2014一2018和2019一2023兩個時期。將各階段網絡中度數中心度排名前十的節點作為中心創新主體，進行個體網絡特征分析，計算度數中心度、接近中心度、中間中心度等（表4）。度數中心度反映了節點與其他節點聯系的數量，接近中心度反映的是該節點到其他節點的距離，中間中心度反映了該節點作為橋梁控制其他節點的能力[18]

4.2.1創新主體合作更加緊密，網絡核心主體趨于穩定

首先，從度數中心度指標來看，2014一2018年期間，單個主體的度數中心度最高值為86；至2019一2023年期間，該值已增長至117。同時，度數中心度的平均值也從 2014-2018 年的34上升至 2019-2023 年的90。這表明網絡中各主體之間的創新關聯顯著增強。在核心主體類型方面，高校和企業占據了創新網絡中的主導地位。值得注意的是，高校在兩個階段的核心主體中均占據 90% 的席位，凸顯了其關鍵作用；而科研院所則未進入兩階段的前10名主體之列。進一步分析高校類型，上海交通大學、清華大學、華中科技大學、重慶大學等在網絡中占據主動位置，這些高校均為地區一流的理工類高校或綜合類大學，在人才培養和創新資源方面具有顯著優勢。在企業方面，僅有國家電網1家企業進入核心主體行列，其創新能力主要依托其直屬的中國電力科學研究院有限公司及各省電力有限公司，在區域內表現突出。其次，從接近中心度和中間中心度指標來看，各主體在兩個階段均有不同程度的提升，反映出合作緊密度進一步提高。綜合分析表明，高等院校在我國智能制造裝備產業產學研合作網絡中始終扮演著重要的連接樞紐角色，且核心高校創新主體在過去10年間保持了相對穩定。

4.2.2 網絡主體權力地位分配不協調

綜合上述合作網絡的度數中心度、接近中心度和中間中心度分析，雖然網絡內部創新主體之間的聯系推移顯著增強，創新合作日益緊密，但也顯現出一些問題。一方面從創新主體來看，高校占據了主導地位，企業和科研院所在合作當中處于劣勢地位，不利于充分發揮市場和科研作用。另一方面從具體數值來看， 2019-2023 年國家電網公司的中間中心度為1548960，是華中科技大學中間中心度（368405）的4倍之多，這意味著在網絡當中主體的權力和地位分配不夠均勻，優勢主體牢牢把握住資源，網絡中邊緣節點被逐漸邊緣化，不利于網絡向深度和廣度發展。

表42014一2023年中國智能制造裝備產業產學研專利合作網絡個體結構指標測算結果

5我國智能制造裝備產業產學研專利合作網絡的影響因素

5.1 影響因素選取與模型建立

影響因素的選擇可能因研究對象、目的和環境而異[19]。鄰近性理論為探索網絡形成的影響因素提供了主要視角，目前得到廣泛認可和應用的為地理鄰近、制度鄰近、經濟鄰近和科技鄰近4個鄰近維度，其為產學研專利合作行為提供了重要源動力，在促進合作資源整合與信息共享方面發揮著不可替代的作用。因此，本文選取QAP非參數實證方法對地理鄰近、制度鄰近、經濟鄰近和科技鄰近4個鄰近維度與我國智能制造裝備產業產學研專利合作網絡之間的關系進行檢驗。各指標模型建立方式如下：

地理鄰近性。地理鄰近是指合作主體間存在的空間或物理距離[20]，現有文獻研究中，對于地理鄰近的測量主要為兩種方式，第一種為計算合作主體之間的實際地理距離，第二種為采用虛擬變量[21]。基于本研究對象和可操作性，本文選擇虛擬變量，即創新主體在地理位置上位于相鄰城市，則取值為1，否則取值為0。

制度鄰近性。制度鄰近性通常包括法律法規、文化環境等正式和非正式制度，涉及因素眾多，本文在參考相關研究的基礎之上，借鑒使用劉曉燕等[1]的測算方式，采用虛擬變量，以創新主體所在城市行政級別差距作為度量創新主體間制度距離的依據，以此構建制度鄰近性矩陣，將同級別城市對應的制度鄰近性取值設定為1，否則為0。

經濟鄰近性。經濟鄰近指創新主體所在城市經濟水平的接近程度，經濟水平相似，則經濟鄰近水平高，反之則低[22]。經濟發展是社會活動的基礎，各城市的人均GDP水平被廣泛用來衡量城市間的經濟發展水平差異，因此本研究用創新合作主體所在地級市人均GDP差值的絕對值的倒數構建矩陣[23]

科技鄰近性。科技鄰近指創新主體所在城市科技支出水平的接近程度，創新過程具有前期投入大、周期長、風險較高等特點，某地區創新水平的提升往往離不開政府的財政支持，而科技支出方面的互補性有利于促進創新要素流動[24]，深化創新中的分工程度，促進城市間的合作交流，帶動區域協同發展。根據傳統技術差距理論，技術由發達地區向欠發達地區轉移，遵循梯度轉移規律，但也存在落后地區向發達地區反梯度技術轉移的情況[25]。本文以合作主體所在地級市財政支出中科技支出差值的絕對值的倒數構建矩陣。

基于上述分析，以2014—2023年我國智能制造裝備產業產學研專利合作網絡矩陣為被解釋變量，以地理鄰近、制度鄰近、經濟鄰近以及科技鄰近矩陣為解釋變量，運用QAP非參數實證方法進行分析（表5）。

表5影響因素變量指標及變量解釋

5.2 樣本數據與說明

中國智能制造裝備產業產學研專利合作網絡矩陣的構建依據前文關于產學研合作網絡的定義，其數據來源于incoPat專利數據庫；我國城市間地理和制度鄰近矩陣構建來自于前述指標定義，數據采用虛擬變量表示；我國城市間經濟和科技鄰近矩陣構建來自于前述指標定義，數據來源于中國國家統計局官網。

5.3 QAP相關分析

在探討地理鄰近、制度鄰近、經濟鄰近和科技鄰近對我國智能制造裝備產業產學研專利合作網絡形成的影響之前，需要對這4種影響因素是否與智能制造裝備產業專利合作網絡相關進行驗證，即對解釋變量（即地理鄰近、制度鄰近、經濟鄰近和科技鄰近矩陣）與被解釋變量（即我國智能制造裝備產業產學研專利合作網絡關系矩陣）進行相關性分析。在Ucinet軟件中，將4個解釋變量矩陣和被解釋變量矩陣按照 2014-2023 年的年份順序逐年進行隨機置換，分別分析4個解釋變量矩陣和被解釋變量矩陣在 2014-2023 年期間歷年的相關關系，以便于進一步進行QAP回歸分析。QAP相關性分析的結果如表6所示。

表6QAP相關性分析結果

續表6

注：***、**、*、分別表示在 0.1%1%.1%.5% 顯著水平上通過檢驗

從表6相關性分析結果的顯著性來看， 2014-2023 年，地理鄰近、經濟鄰近、科技鄰近3個解釋變量與我國智能制造裝備產業產學研專利合作網絡的相關系數均為正數，為正相關關系，制度鄰近與我國智能制造裝備產業產學研專利合作網絡的相關系數為負數，為負相關關系，4個解釋變量均通過了顯著性檢驗，檢驗結果趨于0，且經濟鄰近、制度鄰近、科技鄰近3個解釋變量的顯著性水平基本在 0.1% 之內，地理臨近 2014-2016 年顯著性水平在 0.8%～2% 之間波動，在 2017-2023 年顯著性水平均在 0.1% 之內，這說明所選取的我國智能制造裝備產業產學研專利合作網絡的影響因素指標合理，可以進一步進行QAP回歸分析。其中，與地理及制度鄰近相比，經濟及科技鄰近與產學研合作網絡的相關系數數值相對較大，對我國智能制造裝備產業產學研專利合作網絡的形成和發展具有重要的作用。

綜上所述，在 2014-2023 年期間，地理鄰近、經濟鄰近、科技鄰近3個解釋變量與我國智能制造裝備產業產學研專利合作網絡關系的的形成和發展存在較強的正向關系，而制度鄰近解釋變量與我國智能制造裝備產業產學研專利合作網絡關系的的形成和發展存在較強的負向關系，這兩種關系的影響機制將在下一步的QAP回歸分析中進行詳細的探討。

5.4 QAP回歸分析

在確定相關性后，為進一步研究地理鄰近、制度鄰近、經濟鄰近、科技鄰近4個解釋變量對我國智能制造裝備產業產學研專利合作網絡關系的產生和發展的影響作用，還需要對這4個鄰近矩陣與智能制造裝備產業產學研專利合作網絡關系矩陣進行QAP回歸分析。利用Ucinet軟件，選擇2000次隨機置換，得到QAP多元回歸結果，如表7所示。

5.4.1地理鄰近對產學研專利合作有著持續性的推動作用

研究結果顯示，2014一2023年，地理鄰近的回歸系數均為正，且P值在2017年之后普遍為0.0005，結果在0.1% 的水平下十分顯著，通過了顯著性檢驗，說明地理鄰近在我國智能制造裝備產業產學研專利合作網絡形成和發展的過程中起到了持續性的推動作用。進一步發現，2014一2023年，時間推移下地理鄰近的系數數值逐漸變小，這說明在研究初期（2014一2018年）我國智能制造裝備產業產學研專利合作對地理鄰近依賴較大，各主體之間合作傾向于選擇與自身地理距離較近的對象，到研究后期（2019一2023年），地理鄰近對我國智能制造裝備產業產學研專利合作網絡形成和發展的影響作用隨著時間的推移逐漸減弱。這也證實，隨著我國城市間交通基礎設施的完善、物流體系的發展、信息通用技術的快速進步，地理鄰近對我國智能制造裝備產業產學研專利合作網絡的影響逐漸減弱，各主體選擇合作伙伴的地理范圍不斷擴大，遠距離合作逐步加強。

表7QAP回歸分析結果

5.4.2制度鄰近影響著產學研專利合作網絡的發展

研究結果顯示， 2017-2023 年，制度鄰近性通過了顯著性檢驗（顯著性水平在 0.1%～10% 之間波動），且其回歸系數為負。這表明在此期間，制度鄰近性對我國智能制造裝備產業產學研專利合作網絡的形成和發展產生了顯著的負向影響。結合前文對創新主體地位分布的分析（高校占據絕對主導地位），以及對高校地域分布的進一步觀察：在創新主體分布較多的省份，約 40% 的高校位于非省會城市。這種分布格局導致了大量非省會城市高校與省會城市企業之間的合作現象。合作主體間較大的制度差異（主要體現為地方政策環境的差異），反而可能為合作提供了契機。雙方傾向于尋求利用對方所在地的政策優勢，以實現專利價值的最大化。此外，回歸結果顯示，隨著時間的推移，制度鄰近性的回歸系數絕對值呈現減小的趨勢。這意味著制度鄰近性對合作網絡的負向影響正在逐漸減弱。這主要源于政府工作效率的提升和政策擴散機制的完善：各級政府在貫徹上級優惠政策時的效率提高，且成功的政策試點能夠更快、更廣泛地推廣到不同行政級別的城市，從而降低了不同級別城市主體間合作的制度壁壘，促進了同級別城市主體間的合作。

5.4.3經濟鄰近對產學研專利合作具有正向促進作用

研究結果顯示，在整體上經濟鄰近對我國智能制造裝備產業產學研專利合作網絡的形成和發展具有正向促進作用，且在近3年期間，經濟鄰近在4個解釋變量中系數占據領先地位。這表明，隨著智能制造裝備產業的持續發展，在經濟水平差距越小的城市中創新主體更容易進行合作，對于專利合作中的資源投人和把控能力更強，更容易滿足彼此對智能制造裝備產業技術研發突破與創新的需求。相比之下，經濟相對落后城市在智能制造裝備產業專利技術方面的合作創新機會本就少于經濟發達城市，因此其創新主體間的專利合作也相對較少，更多地需要尋求經濟發達城市創新主體的帶動。此外，近幾年受疫情影響，經濟發展面臨挑戰，各創新主體愈發傾向于與經濟水平相近的主體合作，以降低資源投人不均帶來的風險。

5.4.4科技鄰近的創新主體可更高效地開展合作

研究結果顯示，在整體上科技鄰近對我國智能制造裝備產業產學研專利合作網絡形成和發展起到了正向促進作用，其回歸系數值在研究期內保持相對穩定，這表明各主體更傾向于和科技支出差距較小的主體合作，這主要源于科技支出水平的相近有利于創新主體合理分配資源，對于技術創新的投入和重視程度相近有利于提高研發活動的積極性，提高專利合作的效率。同時，科技支出的差異也代表著當地科技人才的差異，更多的科技支出能吸引更多的人才加入，從而提升當地的創新能力，而專利又是創新能力的重要衡量指標，因此更多的專利合作傾向于科技支出差距較小的地區的創新主體。在科技支出水平相當的情況下，各創新主體所得到的資金支持相匹配，在進行技術創新時能最大化地進行資源互補，有助于激發創新成果的產生，進而促進更高效地專利合作。

6 結論與建議

6.1 研究結論

本文基于我國智能制造裝備產業產學研專利合作數據，借助QAP非參數分析方法，探究該產業產學研專利合作網絡形成與發展的影響因素。研究發現：第一，智能制造裝備產業產學研專利合作網絡初具規模但區域分布失衡。 2014-2023 年，該產業產學研專利申請數量快速增長，行業勢頭迅猛，技術創新水平持續提升，合作網絡規模與范圍顯著擴大，然而創新主體在區域分布上呈現不平衡狀態，其中華北、華東地區較為活躍，而中西部地區的專利申請則相對薄弱。第二，高等院校創新主體地位突出，創新能力顯著增強。 2014-2023 年，產學研專利申請量排名前20的主體中，高校占據18席（占比高達 90% ），在創新網絡中始終發揮著主導作用，相比之下，企業和科研院所處于劣勢地位，不利于發揮企業在專利產品市場化推廣中的作用。第三，不同鄰近維度對合作網絡的影響各異。地理鄰近對產學研專利合作具有持續的推動作用，制度鄰近呈現負向作用，這反而有助于促進創新要素在更大范圍內自由流動；經濟鄰近對合作具有正向促進作用，科技鄰近則發揮著重要影響。

6.2 對策建議

基于以上結論，本研究建議如下：第一，改善創新生態環境，因地制宜開創新合作途徑。對于云南、貴州、內蒙古等對外創新合作相對薄弱的省份，應優先與地理距離較近、經濟差異小的省份建立合作。而江蘇、浙江、福建等已具備一定創新合作基礎的省份，則可重點與產業結構相似的省份深化合作，通過共性互補與差異協同，提升區域創新能力。第二，強化核心主體引領作用，構建區域協同創新平臺。華中地區以以華中科技大學為引領，協同河南、湖北、陜西和安徽等省份，聚焦產業發展實際需求制定重點攻關清單，聯合開展關鍵技術研發；華東地區以以上海交通大學為核心，聯合山東、江蘇和浙江等沿海省份，打造創新聯合體，重點深化智能制造裝備產業在海洋領域的應用與發展。華南地區以重慶大學為樞紐，輻射四川、貴州和云南等省份，共建戰略腹地創新聯合體，充分發揮區域特色優勢。第三，完善基礎設施建設，促進資源共享與成果轉化。提升數據與物流支撐能力，支持貴陽、呼和浩特等城市建設區域級數據中心，助力中西部地區拓展產學研合作網絡，同時，加強沿海地區物流智能化建設，擴大高效物流體系覆蓋范圍，構建科研資源共享平臺，推動建立科研設備開放共享平臺，促進實驗室、高端儀器設備、技術服務機構等資源在區域間的高效流通與共享，加速創新成果轉化落地，有效緩解地區間科技發展不平衡問題。

參考文獻：

[1]楊大飛，孫守恒，胡倩.多維鄰近性及交互性對合作創新網絡演化的影響——以中國智能制造裝備業為例[J].科技進步與對策，2025，42（2）：11-21.

[2]劉建麗，李嬌.智能制造：概念演化、體系解構與高質量發展[J.改革，2024（2）：75-88.

[3]崔曉文，楊帆.上海智能制造裝備產業發展態勢分析[J].華東科技，2015（11）：66-69.

[4]熊立貴，涂志剛.粵港澳大灣區智能裝備產業雙創探索[J].科技創業月刊，2019，32（8）：58-60.

[5]張慧婧，胡思思，劉美蓉，等.湖北省智能制造裝備產業發展現狀及建議——基于專利計量視角[J.科技管理研究，2022，42（14）：94-100.

[6]嚴帥，張紫君，張青陽，等.廣州市智能裝備產業集群發展現狀及對策[J].科技管理研究，2019，39（1）：137-148.

[7]趙爽.產學研合作網絡時空演化研究——以中國裝備制造業為例[J].現代管理科學，2013（11）：85-87.

[8]李樹祥，褚淑貞，楊慶，等.江蘇省生物醫藥產業產學研專利合作網絡演化分析[J].科技管理研究，2021，41（14）：73-80.

[9]張明倩，柯莉.“一帶一路\"跨國專利合作網絡及影響因素研究[J].軟科學，2018，32（6）：21-25，29.

[10]馮粲，韓霞，史冬梅，等.多維鄰近性視角下城市群協同創新網絡及影響因素分析[J].中國科技論壇，2023（10）：50-61.

[11] 劉曉燕，李金鵬，單曉紅，等.多維鄰近性視角下集成電路產業技術交易網絡演化機制研究[J].中國科技論壇，2022（5）：49-57，70.

[12]DAKICHE N，TAYEB BS，SLIMANIY，etal.Tracking community evolution in social networks：asurvey[J]. Information Processing amp; Management，2018，56（3）：1084-1102.

[13]楊武，胡倩.我國智能制造裝備產業專利合作網絡演化分析[J.科技管理研究，2021，41（22）：145-153.

[14]張峰，魏巍.黃河流域制造業綠色發展合作網絡時空格局及驅動因素[J].統計與決策，2024，40（12）：173-178.

[15]李丫丫，張欣悅，羅建強，等.智能網聯汽車跨國技術合作網絡結構特征與驅動機制研究[J].科技進步與對策，2022，39（21）：12-22.

[16]曹霞，張鑫.新能源汽車產學研創新網絡演化及鄰近性機理[J].科學學研究，2023，41（9）：1678-1689.

[17]祝建輝，史恒新，尤俊銳.航空裝備制造產業專利合作的網絡結構與演化[J].科技管理研究，2021，41（12）：114-122.

[18]游達明，劉詩.深圳產學研專利合作網絡演化分析及啟示[J].科技管理研究，2022，42（17）：166-172.

[19] 關皓明，張雪瑩，孫永勝，等.中國城市電影產業網絡結構及多維鄰近解釋J」.地理科學，2023，43（10）：1763-1773.

[20]鄭江淮，戴瑋.中國技術空間雁行式變遷縮小了地區經濟差異嗎——基于地區間技術鄰近度的假說和實證[J].財貿經濟，2021，42（12）：133-149.

[21]張雅蕊，馬.多維鄰近性對創新績效的影響——以鋼鐵產業為例[J].財會月刊，2018（12）：121-128.

[22]李燕.粵港澳大灣區城市群Ramp;D知識溢出與區域創新能力——基于多維鄰近性的實證研究J」.軟科學，2019，33（11）：138-144.

[23]蘇屹，曹錚.京津冀區域協同創新網絡演化及影響因素研究[J].科研管理，2023，44（3）：43-55.

[24]唐建榮，李晨瑞，倪攀.長三角城市群創新網絡結構及其驅動因素研究[J].上海經濟研究，2018（11）：63-76.

[25]劉承良，牛彩澄.東北三省城際技術轉移網絡的空間演化及影響因素[J].地理學報，2019，74（10）：2092-2107.

（責任編輯：王莊）