產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成機理
——基于中國人工智能技術(shù)的實證研究

廉翔鵬 ，蘇 竣 ，3

（1.清華大學(xué)公共管理學(xué)院，北京 100084；2.教育部科技委戰(zhàn)略研究基地清華大學(xué)科教政策研究中心，北京 100084；3.清華珠三角研究院創(chuàng)新戰(zhàn)略中心，廣東 廣州 510799）

1 引言

產(chǎn)學(xué)合作研發(fā)被認(rèn)為是推動科技活動和經(jīng)濟增長相結(jié)合的有效途徑，是解決“技術(shù)與經(jīng)濟兩張皮”問題的重要方法［1］。研究型大學(xué)是以科學(xué)研究為目標(biāo)的非營利性公共科研機構(gòu)，具有充足的科研人才和尖端的科研設(shè)備，在學(xué)科交叉、前沿研究、突破創(chuàng)新等方面具有天然優(yōu)勢，但在實現(xiàn)科技成果商業(yè)化和產(chǎn)業(yè)化方面卻存在不足。企業(yè)則是以占有市場和引領(lǐng)產(chǎn)業(yè)為目標(biāo)的營利性機構(gòu)，能夠準(zhǔn)確把握市場的需求，并且擁有充足的資金。通過產(chǎn)學(xué)合作，公共研究部門和私人研究部門間可以實現(xiàn)資源共享和優(yōu)勢互補。

隨著產(chǎn)學(xué)合作的優(yōu)勢不斷展現(xiàn)，大量高校和企業(yè)加入到協(xié)同創(chuàng)新的陣列中，形成了主體多元、關(guān)系豐富、結(jié)構(gòu)復(fù)雜的產(chǎn)學(xué)合作網(wǎng)絡(luò)。隨著網(wǎng)絡(luò)科學(xué)的發(fā)展，產(chǎn)學(xué)合作網(wǎng)絡(luò)由于蘊含豐富的知識流動、模式創(chuàng)新等信息已經(jīng)成為眾多學(xué)者的研究對象。劉鳳朝等人以中國“985高校”為研究對象，分析了1985—2009年期間專利合作網(wǎng)絡(luò)結(jié)構(gòu)及空間分布的演化路徑［2］。何郁冰和張迎春從關(guān)系嵌入和結(jié)構(gòu)嵌入的角度研究網(wǎng)絡(luò)嵌入性對產(chǎn)學(xué)協(xié)同創(chuàng)新模式的影響，劃分出4類產(chǎn)學(xué)協(xié)同創(chuàng)新網(wǎng)絡(luò)［3］。袁劍鋒和許治利用專利大樣本數(shù)據(jù)，刻畫了我國產(chǎn)學(xué)合作網(wǎng)絡(luò)的結(jié)構(gòu)特性及演化路徑［4］。高霞等人以中國ICT產(chǎn)業(yè)為例實證分析了產(chǎn)學(xué)合作創(chuàng)新網(wǎng)絡(luò)中企業(yè)合作開放度對創(chuàng)新績效的影響［5］。李明星等人以江浙滬A股上市公司為研究對象，實證檢驗了產(chǎn)學(xué)合作中企業(yè)網(wǎng)絡(luò)位置與關(guān)系強度對企業(yè)技術(shù)創(chuàng)新績效的影響［6］。

總體來看，現(xiàn)有關(guān)于產(chǎn)學(xué)合作網(wǎng)絡(luò)的研究大致可分為兩類。第一，借助復(fù)雜網(wǎng)絡(luò)統(tǒng)計指標(biāo)和分析方法，對產(chǎn)學(xué)合作網(wǎng)絡(luò)的參與主體、協(xié)作關(guān)系、網(wǎng)絡(luò)結(jié)構(gòu)、合作模式等進行定量化描述性分析，以可視化的方式展現(xiàn)產(chǎn)學(xué)合作網(wǎng)絡(luò)的動態(tài)演變［2-4］。第二，基于第一類研究中的網(wǎng)絡(luò)結(jié)構(gòu)定量化分析，將產(chǎn)學(xué)合作網(wǎng)絡(luò)納入到創(chuàng)新理論模型的建構(gòu)中，探討不同研究主體在產(chǎn)學(xué)合作網(wǎng)絡(luò)中的位置和關(guān)系強度對其創(chuàng)新績效、成果轉(zhuǎn)化、商業(yè)行為等的影響［5-9］。

綜合上述文獻分析，現(xiàn)有文獻更多聚焦于產(chǎn)學(xué)合作網(wǎng)絡(luò)形成后的描述性統(tǒng)計分析和創(chuàng)新影響檢驗，鮮有研究針對產(chǎn)學(xué)合作網(wǎng)絡(luò)自身的形成機理進行探討，更缺少相關(guān)的實證研究。只有深刻理解產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成規(guī)律，才能通過政策引導(dǎo)實現(xiàn)公共研究資源和私有研究資源的流動和互補，推動形成健康良性的產(chǎn)學(xué)合作。鑒于以上研究不足和現(xiàn)實意義，本文從技術(shù)基礎(chǔ)、社會網(wǎng)絡(luò)和地理臨近3個維度構(gòu)建了產(chǎn)學(xué)合作網(wǎng)絡(luò)形成因素的理論模型，并以中國人工智能專利技術(shù)的校企合作研發(fā)網(wǎng)絡(luò)為例進行實證分析。

2 理論背景與假設(shè)

網(wǎng)絡(luò)演化是復(fù)雜網(wǎng)絡(luò)領(lǐng)域的重要研究方向，產(chǎn)學(xué)合作網(wǎng)絡(luò)是一種典型的復(fù)雜網(wǎng)絡(luò)。要想理解產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成機制，就要從網(wǎng)絡(luò)系統(tǒng)性視角剖析網(wǎng)絡(luò)形成的可能性因素。網(wǎng)絡(luò)系統(tǒng)動力學(xué)將網(wǎng)絡(luò)演化視為節(jié)點與節(jié)點產(chǎn)生連邊的趨勢和規(guī)律，從網(wǎng)絡(luò)內(nèi)部和網(wǎng)絡(luò)外部兩個方面將網(wǎng)絡(luò)形成因素分為內(nèi)生性因素和外生性因素［10］。內(nèi)生性因素又稱為網(wǎng)絡(luò)結(jié)構(gòu)嵌入，即網(wǎng)絡(luò)中存在形成某一種局部網(wǎng)絡(luò)的趨勢，例如朋友社交網(wǎng)絡(luò)中存在大量的三角閉環(huán)子網(wǎng)絡(luò)，即“朋友的朋友是朋友”現(xiàn)象符合社交網(wǎng)絡(luò)的形成規(guī)律。外生性因素主要包括節(jié)點屬性和連邊屬性。節(jié)點屬性特征使得某一節(jié)點有別于其他節(jié)點，使其更易或更難與其他節(jié)點產(chǎn)生連邊，如在社交網(wǎng)絡(luò)中個體的性格、外貌等特征。連邊屬性是節(jié)點與節(jié)點間的其他聯(lián)系對節(jié)點間形成所關(guān)注關(guān)系的影響，例如社交網(wǎng)絡(luò)中同學(xué)關(guān)系對好友關(guān)系的影響即是一種外生的連邊屬性［11］。

本研究也遵從網(wǎng)絡(luò)演化的系統(tǒng)性視角，從節(jié)點屬性、連邊屬性和結(jié)構(gòu)嵌入3個維度來剖析產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成機制。首先，技術(shù)基礎(chǔ)特征是最重要的節(jié)點屬性［10］。在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，技術(shù)創(chuàng)新是合作的主要目標(biāo)，因而大學(xué)和企業(yè)的技術(shù)基礎(chǔ)特征是影響其獲得合作機會的關(guān)鍵因素［9］。技術(shù)多樣性關(guān)系到技術(shù)供給的豐富程度，技術(shù)價值關(guān)系到技術(shù)供給的應(yīng)用潛力，技術(shù)相似性關(guān)系到技術(shù)供給的匹配程度，這3個特征會影響企業(yè)在選擇合作大學(xué)時的技術(shù)判斷［12］。因此，本文綜合考慮以上3個特征對產(chǎn)學(xué)合作網(wǎng)絡(luò)演化的影響。其次，在內(nèi)生性因素方面，本文考慮合作主體的結(jié)構(gòu)性嵌入帶來的影響，從合作的社會性角度分析合作的內(nèi)生演化趨勢［13］。最后，合作主體所從屬的環(huán)境使得主體存在合作以外的聯(lián)系，其中地理上的聯(lián)系是本文著重考慮的因素［14］。基于上述理論背景，本文將技術(shù)性、社會性和地理性因素納入到同一分析框架中，形成如圖1所示的理論框架。

2.1 技術(shù)性因素與產(chǎn)學(xué)合作

2.1.1 技術(shù)多樣性。技術(shù)多樣性是一個大學(xué)或企業(yè)涉足技術(shù)領(lǐng)域的寬廣程度［12］。技術(shù)多樣性已經(jīng)被許多學(xué)者認(rèn)為是影響科研活動的重要因素。Brennecke和Rank認(rèn)為，多樣化的技術(shù)知識能夠為合作提供強有力的技術(shù)支撐［10］。Liu等人［15］和 Yu［16］沿襲過去研究將技術(shù)創(chuàng)新視為現(xiàn)有知識的再結(jié)合過程，而多樣化技術(shù)能夠為技術(shù)創(chuàng)新提供更多的結(jié)合創(chuàng)新機會。大學(xué)具有的技術(shù)多樣程度決定了其滿足業(yè)界技術(shù)創(chuàng)新需求的能力，因而具有多樣化技術(shù)的大學(xué)在產(chǎn)學(xué)合作中能獲得更多合作機會。對于企業(yè)而言，產(chǎn)學(xué)合作的目的在于通過協(xié)作的方式吸收利用大學(xué)的技術(shù)知識，而多樣化的技術(shù)儲備往往是順利吸收新技術(shù)的基礎(chǔ)［17］。因此，本文提出假設(shè)1a和假設(shè)1b。

假設(shè)1a：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，技術(shù)多樣性高的大學(xué)會與更多企業(yè)合作研發(fā)。

假設(shè)1b：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，技術(shù)多樣性高的企業(yè)會與更多大學(xué)合作研發(fā)。

2.1.2 技術(shù)價值。技術(shù)價值是指大學(xué)或企業(yè)技術(shù)的經(jīng)濟價值。技術(shù)的經(jīng)濟價值代表了其被商業(yè)化和產(chǎn)業(yè)化的潛力。Aldridge和Audretsch認(rèn)為，當(dāng)前大學(xué)科技成果轉(zhuǎn)化效率較低的主要原因在于其研發(fā)技術(shù)的商業(yè)化潛力不足，即其實際能夠產(chǎn)生的經(jīng)濟價值較?。?8］。大學(xué)通過國家項目支持創(chuàng)造了大量的專利技術(shù)，然而很大比例的專利技術(shù)無論是創(chuàng)新性還是應(yīng)用性都較低，以致很難成功被商業(yè)化。因此，大學(xué)的技術(shù)價值成為企業(yè)選擇合作對象的重要指標(biāo)之一。張根明和楊思涵發(fā)現(xiàn)，合作過程中雙方的努力水平和合作收益隨技術(shù)價值的增加而提高，隨技術(shù)價值的減小而降低［19］。換言之，當(dāng)企業(yè)認(rèn)為大學(xué)的技術(shù)價值較高時，企業(yè)與其合作意愿也相對較高。因此，本文提出假設(shè)2a和2b。

假設(shè)2a：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，技術(shù)價值高的大學(xué)會與更多企業(yè)合作研發(fā)。

假設(shè)2b：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，技術(shù)價值高的企業(yè)會與更少大學(xué)合作研發(fā)。

2.1.3 技術(shù)相似性。技術(shù)相似性是指大學(xué)和企業(yè)間的技術(shù)領(lǐng)域儲備的相似程度。許多研究已經(jīng)指出，一定程度相似的技術(shù)背景對于協(xié)作創(chuàng)新的必要性。第一，技術(shù)可以被理解為合作的語言工具，跨領(lǐng)域合作等同于兩個不同話語體系的交融，會增加合作雙方的溝通成本［10］。第二，技術(shù)創(chuàng)新本身具有一定的失敗概率，帶有極強的偶然性特征。技術(shù)相似程度較低的大學(xué)和企業(yè)間合作會增加上述失敗的概率，而逐利的企業(yè)對于創(chuàng)新失敗的容忍度相對較低［20］。第三，相似的技術(shù)領(lǐng)域是企業(yè)順利吸收、生產(chǎn)和商業(yè)化新技術(shù)的前提，因而在產(chǎn)學(xué)合作中企業(yè)會尋找有相似技術(shù)背景的大學(xué)合作［10］。因此，本文提出假設(shè)3。

假設(shè)3：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，具有相似技術(shù)背景的大學(xué)和企業(yè)間更易合作。

2.2 社會性因素與產(chǎn)學(xué)合作

社會性因素主要指網(wǎng)絡(luò)的結(jié)構(gòu)嵌入性［14］。結(jié)構(gòu)嵌入是指網(wǎng)絡(luò)連邊形成的某種特定模式，本質(zhì)上反映了網(wǎng)絡(luò)連邊的自相關(guān)性，即每條連邊不是孤立存在的，而是受到網(wǎng)絡(luò)中其他連邊的影響，即社會關(guān)系間會相互影響［11］。依據(jù)信息收益和資源限制間的權(quán)衡關(guān)系，合作網(wǎng)絡(luò)呈現(xiàn)出“核心—邊緣”和反“核心—邊緣”結(jié)構(gòu)嵌入趨勢。

“核心—邊緣”結(jié)構(gòu)嵌入指網(wǎng)絡(luò)中存在少數(shù)核心成員與其他多數(shù)成員間大量合作的趨勢［8］。這種合作網(wǎng)絡(luò)結(jié)構(gòu)的形成主要是由于合作事項需要大量的信息和知識共享，而掌握核心信息和知識的機構(gòu)或個體能夠成為信息散播的樞紐，并且不斷強化其在該網(wǎng)絡(luò)中的信息獲取能力和聲譽地位，因而具有更多的合作機會［6］。由于核心信息和知識往往被掌握在少數(shù)核心團體中，網(wǎng)絡(luò)中只有極少數(shù)的個體或機構(gòu)能夠成為核心節(jié)點，因而整體網(wǎng)絡(luò)呈現(xiàn)出“核心—邊緣”的結(jié)構(gòu)趨勢［3］。

反“核心—邊緣”結(jié)構(gòu)嵌入指網(wǎng)絡(luò)中多數(shù)成員都只有有限的幾個合作者，網(wǎng)絡(luò)中不存在明顯的中心和邊緣位置［6］。這種合作網(wǎng)絡(luò)需要多數(shù)網(wǎng)絡(luò)成員具備與合作內(nèi)容相關(guān)的基礎(chǔ)知識和信息，合作不再局限于少數(shù)幾個中心成員。此外，資源限制也使得單個成員不可能與眾多合作者同時合作，尤其是需要投入大量人力、時間和資金的合作項目這種效應(yīng)更加明顯。很多機構(gòu)會限于自身組織規(guī)模而無法維持?jǐn)?shù)量過多的合作，因此會選擇少量深入的合作［11］。在本研究中，人工智能技術(shù)的研發(fā)需要大量的資金、人力和時間的投入，與數(shù)量較少但聯(lián)系緊密的幾家企業(yè)合作會更有益于研發(fā)。因此，本文提出假設(shè)4。

假設(shè)4：產(chǎn)學(xué)合作網(wǎng)絡(luò)會呈現(xiàn)反“核心—邊緣”結(jié)構(gòu)嵌入趨勢。

2.3 地理性因素與產(chǎn)學(xué)合作

在創(chuàng)新合作研究中被強調(diào)最多的地理性因素是地理臨近性。Santamaría等人認(rèn)為，地理上的臨近增加了互動的機會，企業(yè)能夠通過直接接觸或信息交互更深入地了解大學(xué)的技術(shù)基礎(chǔ)和技術(shù)能力，增加大學(xué)和企業(yè)間的技術(shù)信任［13］。同時，地理上的臨近意味著合作雙方具有相似的文化背景和制度環(huán)境，能夠降低由文化差異和制度規(guī)制帶來的溝通、交易等合作成本。需要指出的是，雖然我國是中央領(lǐng)導(dǎo)的自上而下的行政體制，但是以省為行政單位的行政區(qū)劃方式仍然造成了特色鮮明的區(qū)域差異。尤其是以“晉升錦標(biāo)賽”為代表的激勵模式會造成一定程度上的地方保護主義，對跨區(qū)域、遠距離的產(chǎn)學(xué)合作造成阻礙［21］。因此，本文提出假設(shè)5。

假設(shè)5：在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，地理上臨近的大學(xué)和企業(yè)更容易產(chǎn)生合作。

3 研究設(shè)計

3.1 研究方法

本文采用指數(shù)隨機圖模型（Exponential Random Graph Models，ERGM）作為分析工具。網(wǎng)絡(luò)系統(tǒng)科學(xué)多以描述性統(tǒng)計分析為主，缺乏適用于網(wǎng)絡(luò)因果統(tǒng)計推斷工具，而傳統(tǒng)回歸分析模型很難解決網(wǎng)絡(luò)的結(jié)構(gòu)嵌入帶來的內(nèi)生性問題［14］。根據(jù)指數(shù)隨機圖理論，網(wǎng)絡(luò)結(jié)構(gòu)的背后動力機制可以被劃分為內(nèi)生性因素和外生性因素。內(nèi)生性因素一般指結(jié)構(gòu)嵌入，即網(wǎng)絡(luò)連邊之間并非獨立的，會產(chǎn)生相互影響。例如，在社交網(wǎng)絡(luò)中存在“朋友的朋友是朋友”的規(guī)律，即存在三角閉合結(jié)構(gòu)。外生性因素又分為節(jié)點屬性和連邊屬性，例如在合作網(wǎng)絡(luò)中，節(jié)點的某些特征和節(jié)點之間的其他關(guān)系會影響節(jié)點間的合作。

ERGM刻畫了從一個隨機網(wǎng)絡(luò)集合Y中觀察到一個實際網(wǎng)絡(luò)y的概率，這個概率取決于與內(nèi)生性和外生性因素相關(guān)的網(wǎng)絡(luò)構(gòu)型（Configuration）。實際研究中根據(jù)理論設(shè)想選擇適當(dāng)?shù)臉?gòu)型加入模型。ERGM的一般形式如式（1）所示［22］。

其中：y為待觀測的實際網(wǎng)絡(luò)，本文中為2020—2021年的人工智能專利合作申請網(wǎng)絡(luò)；Y為與y節(jié)點數(shù)相同的隨機網(wǎng)絡(luò)集合；X是與構(gòu)型或協(xié)變量相關(guān)的向量；θ是待擬合的參數(shù)向量，其取值代表了對應(yīng)構(gòu)型或協(xié)變量對網(wǎng)絡(luò)生成的邊際影響；k（θ，y）是模型的常數(shù)項，為了使數(shù)值上滿足概率的數(shù)學(xué)定義。在實際操作中，θ的取值大小、正負(fù)和顯著性代表了其對應(yīng)構(gòu)型和變量對網(wǎng)絡(luò)生成的影響，是模型分析的關(guān)鍵點［11］。本文使用Wang Peng等人開發(fā)的MPnet軟件進行ERGM的參數(shù)估計和擬合優(yōu)度檢驗①。

3.2 數(shù)據(jù)來源與變量設(shè)計

3.2.1 數(shù)據(jù)來源。為探究產(chǎn)學(xué)合作研發(fā)網(wǎng)絡(luò)的形成機理，本文以211工程大學(xué)在人工智能領(lǐng)域的產(chǎn)學(xué)合作為研究對象。自2010年以來，人工智能技術(shù)進入高速發(fā)展階段，我國也積極加入到培育人工智能產(chǎn)業(yè)、促進人工智能技術(shù)研發(fā)的隊列中。為促進人工智能技術(shù)創(chuàng)新，2017年發(fā)布的《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》中明確提出，要“倡導(dǎo)開源共享理念，促進產(chǎn)學(xué)研用各創(chuàng)新主體共創(chuàng)共享”。隨著人工智能技術(shù)的不斷發(fā)展，人工智能技術(shù)研發(fā)也進入新的瓶頸期，如何突破技術(shù)的軟件和硬件難題成為產(chǎn)業(yè)界和學(xué)術(shù)界共同關(guān)注的問題，產(chǎn)學(xué)聯(lián)合共享的人工智能技術(shù)創(chuàng)新模式不斷出現(xiàn)。因此，結(jié)合當(dāng)前人工智能技術(shù)發(fā)展的現(xiàn)實需要，以及人工智能技術(shù)研發(fā)在產(chǎn)學(xué)合作上的內(nèi)在動力，本文將人工智能領(lǐng)域的產(chǎn)學(xué)合作作為研究對象。

本文以專利文本信息作為數(shù)據(jù)基礎(chǔ)。專利文本數(shù)據(jù)包括專利申請人、國際專利分類號（International Patent Classification，IPC）、申請日等字段，為本研究中產(chǎn)學(xué)合作網(wǎng)絡(luò)技術(shù)性因素、社會性因素和地理性因素的測度與表征提供了很好的數(shù)據(jù)支撐。專利數(shù)據(jù)來源于智慧芽全球?qū)＠麛?shù)據(jù)庫②，該數(shù)據(jù)平臺與中國國家知識產(chǎn)權(quán)局合作，以周為單位定期更新數(shù)據(jù)，能夠為本研究提供全面的數(shù)據(jù)支撐。本文收集了2000—2021年中國人工智能領(lǐng)域?qū)＠谋緮?shù)據(jù)27.3萬條，以2000—2019年專利數(shù)據(jù)作為技術(shù)性、社會性和地理性因素的衡量數(shù)據(jù)，以2020年和2021年專利數(shù)據(jù)表征產(chǎn)學(xué)合作網(wǎng)絡(luò)，具體數(shù)據(jù)情況如圖2所示。

圖2 2000—2021年中國人工智能領(lǐng)域申請專利和產(chǎn)學(xué)合作申請專利趨勢

3.2.2 變量設(shè)計。本文借助ERGM分析技術(shù)多樣性、技術(shù)獨立性、技術(shù)價值等節(jié)點屬性，地理臨近性、技術(shù)相似性等連邊屬性，以及2—Star、3—Star、K—Star等內(nèi)生屬性對產(chǎn)學(xué)合作網(wǎng)絡(luò)形成機理的影響。ERGM模型統(tǒng)計量含義如表1所示。

①因變量。ERGM基于設(shè)定協(xié)變量和構(gòu)型的參數(shù)估計生成觀測網(wǎng)絡(luò)的概率。本研究中觀測網(wǎng)絡(luò)為2020—2021年人工智能領(lǐng)域?qū)＠夹g(shù)研發(fā)合作網(wǎng)絡(luò)（y），因而本文的因變量為生成y的概率。本文的y是基于原始專利申請人信息生成的，如果211工程大學(xué)和企業(yè)間共同申請專利，則認(rèn)為發(fā)生了產(chǎn)學(xué)合作研發(fā)。

②自變量。本文的自變量包括與技術(shù)性、社會性和地理性因素相關(guān)的6個變量。

技術(shù)性因素：技術(shù)多樣性（Technological Diversity，TD）使用一個機構(gòu)申請專利所屬IPC類型總數(shù)進行測度［10］。技術(shù)價值（Technological Value，TV）為一個機構(gòu)所有申請專利的估值總額③。技術(shù)相似性（Technological Proximity，TP）采用余弦相似度的測度方法進行測度［23］?；趯＠鸌PC信息形成機構(gòu)的IPC向量，計算211工程大學(xué)和企業(yè)間IPC向量的余弦值。取所有211工程大學(xué)和企業(yè)間技術(shù)相似性余弦值的3/4分位數(shù)作為閾值。TP大于等于該值則認(rèn)為具有高技術(shù)相似性，值取1；否則取0。

社會性因素：為測度產(chǎn)學(xué)合作網(wǎng)絡(luò)是否具有“核心—邊緣”結(jié)構(gòu)嵌入趨勢，本文選擇ERGM常用的3類構(gòu)型，即2—Star、3—Star和K—Star。2—Star測度211工程大學(xué)（企業(yè)）是否傾向于與2個企業(yè)（211工程大學(xué)）合作；3—Star測度211工程大學(xué)（企業(yè)）是否傾向于與3個企業(yè)（211工程大學(xué)）合作；K—Star測度處于網(wǎng)絡(luò)中心的211工程大學(xué)（企業(yè)）能夠獲得較多與企業(yè)（211工程大學(xué)）合作的機會［12］。

地理性因素：地理臨近性是本文考慮的地理性因素?？紤]到行政區(qū)劃的影響，本文沒有采用地理直線距離作為地理臨近性測度指標(biāo)，而是統(tǒng)計了211工程大學(xué)和企業(yè)間是否處于同一省份，是為1，否為0。

③控制變量。本文的控制變量包括邊（Edge）、專利總量（Number of Patent，NP）、專利被引量（Number of Citation，NC）和合作歷史（Collaborative History，CH）。具體測度方法見表1。

表1 ERGM模型統(tǒng)計量含義

4 實證分析

4.1 描述性分析

以211工程大學(xué)和企業(yè)為節(jié)點，以專利合作申請關(guān)系為連邊，構(gòu)建2020—2021年中國人工智能領(lǐng)域產(chǎn)學(xué)合作網(wǎng)絡(luò)，如圖3所示。網(wǎng)絡(luò)包含79個211工程大學(xué)和790個人工智能領(lǐng)域企業(yè)。網(wǎng)絡(luò)包含644個連邊，5 201個大學(xué)—2—Star構(gòu)型，619個企業(yè)—2—Star構(gòu)型，43 412個大學(xué)—3—Star構(gòu)型，2 449個企業(yè)—3—Star構(gòu)型。在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)方面，大學(xué)的度中心性標(biāo)準(zhǔn)差為11.9，企業(yè)的度中心性標(biāo)準(zhǔn)差為1.544，大學(xué)的度中心性偏度為-0.577，企業(yè)的度中心性偏度為3.972，聚類系數(shù)為0.054。

圖3 2020—2021年中國人工智能領(lǐng)域產(chǎn)學(xué)合作網(wǎng)絡(luò)

4.2 分析結(jié)果

根據(jù)Wang等人的研究，包含在模型中的構(gòu)型、協(xié)變量的t-ratio值均小于0.1，代表模型收斂較好［24］。根據(jù)表2中ERGM參數(shù)估計結(jié)果可知，本文ERGM收斂較好。進一步需要對模型的擬合優(yōu)度（Goodness-Of-Fit，GOF）進行檢驗。GOF檢驗須將Wang等人的研究中要求的構(gòu)型加入到模型中（見表3），GOF檢驗結(jié)果中大多數(shù)構(gòu)型與協(xié)變量的t-ratio值小于2，說明模型擬合較好，即基于參數(shù)估計結(jié)果生成的網(wǎng)絡(luò)與觀測網(wǎng)絡(luò)較為相似［24］。圖4為GOF檢驗過程中模擬生成的最后一個網(wǎng)絡(luò)。

表2 ERGM參數(shù)估計結(jié)果

圖4 基于ERGM估計參數(shù)模擬的人工智能專利技術(shù)產(chǎn)學(xué)合作網(wǎng)絡(luò)

表3 ERGM擬合優(yōu)度結(jié)果

根據(jù)表2參數(shù)估計結(jié)果可知，技術(shù)性因素是影響產(chǎn)學(xué)合作研發(fā)網(wǎng)絡(luò)生成的關(guān)鍵動力。協(xié)變量“大學(xué)—技術(shù)多樣性”的系數(shù)顯著為正（3.755），說明在產(chǎn)學(xué)合作網(wǎng)絡(luò)中技術(shù)多樣性越高的大學(xué)有更多企業(yè)與其合作；“企業(yè)—技術(shù)多樣性”的系數(shù)也顯著為正（11.039），說明技術(shù)多樣性越高的企業(yè)加入產(chǎn)學(xué)合作的概率也越大。假設(shè)1a和假設(shè)1b成立。協(xié)變量“大學(xué)—技術(shù)價值”的系數(shù)顯著為正（4.766），表明技術(shù)價值高的大學(xué)與企業(yè)合作的機會更多；而“企業(yè)—技術(shù)價值”的系數(shù)則不顯著，表明企業(yè)的技術(shù)價值并不影響產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成。假設(shè)2a成立，假設(shè)2b不成立。二元協(xié)變量技術(shù)相似性的系數(shù)顯著為正（0.925），表明在產(chǎn)學(xué)合作網(wǎng)絡(luò)中具有相似技術(shù)的企業(yè)和大學(xué)更易合作。假設(shè)3成立。

社會性因素方面，構(gòu)型“大學(xué)—2—Star”和“企業(yè)—2—Star”系數(shù)均顯著為正，即在產(chǎn)學(xué)合作網(wǎng)絡(luò)中，一所大學(xué)更傾向于與兩個企業(yè)合作，一個企業(yè)也更傾向于與兩所大學(xué)合作。構(gòu)型“大學(xué)—3—Star”和“企業(yè)—3—Star”系數(shù)均顯著為負(fù)，表明在產(chǎn)學(xué)合作網(wǎng)絡(luò)中一所大學(xué)很少會選擇與3個企業(yè)合作，一個企業(yè)也不傾向于與3所大學(xué)合作。用于衡量“核心—邊緣”趨勢的構(gòu)型“大學(xué)—K—Star”系數(shù)不顯著，而“企業(yè)—K—Star”構(gòu)型顯著為負(fù)（-2.698），說明在產(chǎn)學(xué)合作網(wǎng)絡(luò)中不會出現(xiàn)少數(shù)大學(xué)與大量企業(yè)合作的局面，而企業(yè)更是不傾向于與多個大學(xué)合作。由此可以看出，在產(chǎn)學(xué)合作網(wǎng)絡(luò)中存在顯著的反“核心—邊緣”趨勢。假設(shè)4成立。

地理性因素方面，二元協(xié)變量地理臨近性系數(shù)顯著為正（2.703），即在產(chǎn)學(xué)合作網(wǎng)絡(luò)中處于同一省份的211工程大學(xué)和企業(yè)更易合作。假設(shè)5成立。此外，構(gòu)型Edge的系數(shù)顯著為負(fù)（-5.911），說明在產(chǎn)學(xué)合作網(wǎng)絡(luò)中企業(yè)和大學(xué)間關(guān)系較為疏離，現(xiàn)階段人工智能領(lǐng)域的產(chǎn)學(xué)合作尚未形成較好的協(xié)同創(chuàng)新系統(tǒng)。協(xié)變量合作歷史的系數(shù)顯著為正（2.677），表明過去合作過的大學(xué)和企業(yè)在未來更易合作。

5 主要研究結(jié)論與啟示

產(chǎn)學(xué)合作是實現(xiàn)創(chuàng)新驅(qū)動發(fā)展、技術(shù)推動經(jīng)濟增長的重要途徑，研究產(chǎn)學(xué)合作網(wǎng)絡(luò)的形成機理，厘清產(chǎn)學(xué)合作的動力因素具有重要意義。本文以2000—2021年我國人工智能領(lǐng)域的專利產(chǎn)學(xué)合作網(wǎng)絡(luò)為例，從技術(shù)性、社會性和地理性3個維度對這一問題進行了理論構(gòu)建和實證檢驗。實證結(jié)果表明：①技術(shù)性相關(guān)的技術(shù)多樣性、技術(shù)價值和技術(shù)相似性與產(chǎn)學(xué)合作網(wǎng)絡(luò)生成密切相關(guān)，提高大學(xué)的技術(shù)多樣性與技術(shù)價值，同時提高大學(xué)和企業(yè)間的技術(shù)相似性能夠促進產(chǎn)學(xué)合作；②產(chǎn)學(xué)合作網(wǎng)絡(luò)呈現(xiàn)明顯的反“核心—邊緣”趨勢，社會資本和資源控制理論強調(diào)的馬太效應(yīng)在人工智能領(lǐng)域產(chǎn)學(xué)合作中并不存在；③地理臨近是促進產(chǎn)學(xué)合作的有利因素，能夠為產(chǎn)學(xué)合作提供相似的文化背景和穩(wěn)定的制度基礎(chǔ)。

本文主要有以下兩個理論貢獻：第一，本文引入網(wǎng)絡(luò)系統(tǒng)動力學(xué)的網(wǎng)絡(luò)演化理論，結(jié)合內(nèi)生和外生兩個方面的因素提出了產(chǎn)學(xué)合作網(wǎng)絡(luò)演化的動力框架。本文發(fā)現(xiàn)，產(chǎn)學(xué)合作網(wǎng)絡(luò)需要考慮微觀節(jié)點屬性、中觀連邊屬性以及宏觀環(huán)境屬性，這些因素綜合作用于產(chǎn)學(xué)合作網(wǎng)絡(luò)的生成和演化過程。第二，本文基于網(wǎng)絡(luò)系統(tǒng)動力學(xué)提出的分析框架，從技術(shù)性、社會性和地理性3個維度探究了產(chǎn)學(xué)合作網(wǎng)絡(luò)的演化規(guī)律并進行實證分析。本研究彌補了過去產(chǎn)學(xué)合作研究主要停留在描述性統(tǒng)計分析階段的不足，對產(chǎn)學(xué)合作網(wǎng)絡(luò)演化的內(nèi)在機制做出了理論貢獻。

結(jié)合以上理論分析與實證檢驗，本文提出以下政策建議。首先，為促進產(chǎn)學(xué)合作，大學(xué)應(yīng)提高研究的多樣性和價值，提高自身技術(shù)的適應(yīng)能力和經(jīng)濟創(chuàng)造力，從而吸引更多的企業(yè)與其合作。并且，為提高合作的成功率，大學(xué)和企業(yè)應(yīng)尋找與自身技術(shù)有一定相似性的合作對象，從而保障后續(xù)的技術(shù)吸收和利用。其次，產(chǎn)學(xué)合作對象并非越多越好，要尊重產(chǎn)學(xué)合作有效性規(guī)律，不要為了合作而合作。要將合作對象的數(shù)量控制在兩個左右，尋求深入、密切的產(chǎn)學(xué)合作模式，讓合作雙方都能夠從合作中獲益。最后，政府應(yīng)當(dāng)推動省際合作?，F(xiàn)階段產(chǎn)學(xué)合作呈現(xiàn)出明顯的省內(nèi)優(yōu)先趨勢，這一方面是由于近距離合作有益于深入、高效的溝通，另一方面也有制度和文化層面的因素。因此，政府應(yīng)當(dāng)減少跨省合作中的制度性障礙，為不同地區(qū)、不同層次的跨省產(chǎn)學(xué)合作提供保障。

本文還存在以下研究不足：第一，本文僅選擇人工智能這一新興技術(shù)領(lǐng)域作為分析案例，實證結(jié)果和研究結(jié)論具有一定的局限性，未來可以選擇傳統(tǒng)技術(shù)領(lǐng)域進行穩(wěn)健性檢驗。第二，本文使用專利合作研發(fā)信息作為產(chǎn)學(xué)合作網(wǎng)絡(luò)構(gòu)建的數(shù)據(jù)基礎(chǔ)，忽略了論文合作、技術(shù)轉(zhuǎn)移等合作方式，未來可以結(jié)合以上數(shù)據(jù)對產(chǎn)學(xué)合作網(wǎng)絡(luò)進行更精準(zhǔn)的刻畫。

注釋：

① Peng Wang，Garry Robins，Philippa Pattison，Johan Koskinen（2009）PNet：program for the simulation and estimation of exponential random graph models.Melbourne School of Psychological Sciences，The University of Melbourne.http：//www.melnet.org.au/pnet/.

② 數(shù)據(jù)來源：https：//www.zhihuiya.com/.

③單個專利的估值來源于“智慧芽專利價值評估體系”。它整合了專利價值相關(guān)的80多個指標(biāo)，包括引用頻次、專利國家規(guī)模、專利存活期、法律狀態(tài)等，基于深度加工的專利大數(shù)據(jù)，運用市場法，結(jié)合機器學(xué)習(xí)模型進行價值估算。同時，基于歷史上的專利成交案例等進行調(diào)整，最終得出專利價值的評估數(shù)值。