專利網(wǎng)絡視角下的潛在顛覆性技術識別*
——以自動駕駛領域為例

紀亞琨 余 翔 張 奔,2 彭文波

(1.華中科技大學管理學院 武漢 430074； 2.華中科技大學法學院 武漢 430074)

0 引 言

顛覆性技術能夠提升產(chǎn)業(yè)競爭力，并對經(jīng)濟社會發(fā)展產(chǎn)生深遠影響，因此對顛覆性技術進行識別具有重大意義。調(diào)研發(fā)現(xiàn)，現(xiàn)有方法包括基于專家意見的主觀方法和基于文獻計量的定量方法兩大類。其中，主觀方法需要多領域?qū)＜覅f(xié)作，耗時長且難以排除主觀因素引起的偏差[1]。近年來，以文獻計量方法對顛覆性技術特征進行量化成為新趨勢。其中最常見的是以領域內(nèi)專利被引次數(shù)作為標準，直接將高被引專利視為顛覆性技術[2, 3]。在此基礎上，Wu等[4]采用多代次引文表征知識擴散，通過觀察“引文間斷”篩選具有顛覆性特征的發(fā)明。劉云等[5]基于學術論文三方組引用結構繪制新興領域顛覆性發(fā)展路線圖。李乾瑞等[6]提出基于專利引文的技術主題-時序分析模型，定義主題突現(xiàn)性和融合性等指標用以識別和預測3D打印領域的顛覆性技術主題?？梢钥吹?，由于專利數(shù)據(jù)的規(guī)范化和商業(yè)化價值，現(xiàn)有關于顛覆性技術識別的量化研究大多圍繞專利展開，且專利引用關系和結構是研究關注的重點。然而，受到專利申請人引證動機等影響，單靠專利引證信息進行分析可能導致結果失真[7]。而大量未包含專利引證信息的專利亦因此被忽視。鑒于此，本文采用專利數(shù)據(jù)并提出基于領域知識網(wǎng)絡視角綜合使用國際專利分類號(IPC)和專利文本識別潛在顛覆性技術的方案，彌補現(xiàn)有方法的不足。

為達到此目的，本文基于技術融合理論，以專利IPC分類號構建領域-發(fā)明-主題多層分析結構。在領域?qū)用?，通過構建IPC共現(xiàn)網(wǎng)絡，觀測技術節(jié)點在網(wǎng)絡中位置的變化，找到對領域已有知識結構具有“入侵”和“擴散”傾向的IPC節(jié)點；并映射到發(fā)明層找到包含上述節(jié)點的一系列專利，進一步于主題層進行主題聚類，最終獲得潛在顛覆性技術的識別結果。為說明該方法的可行性，自動駕駛汽車領域被作為案例進行分析。

1 顛覆性技術的定義和特征

根據(jù)哈佛商學院教授、顛覆式創(chuàng)新理論奠基人Christensen的表述，顛覆性技術的出現(xiàn)將改變原有技術發(fā)展軌跡，并對商業(yè)模式和行業(yè)競爭帶來重大影響[8]。

從宏觀領域?qū)用鎭砜?，顛覆性技術演化過程由知識融合性驅(qū)動[6]。在新興領域發(fā)展初期，知識庫具有非結構化和小體量特征，大量探索性實驗引發(fā)外來新知識占據(jù)邊緣位置并與現(xiàn)有知識體系產(chǎn)生新型融合關系[9]。隨后一些邊緣知識依靠持續(xù)融合發(fā)生擴散，位置向中心躍遷，領域知識結構亦隨之改變[10]。黃魯成等[11]學者形象地將這一過程比喻為外來物種入侵。

對應于微觀技術層，顛覆性技術是上述躍遷知識節(jié)點的實際載體。在早期，由于包含此類知識節(jié)點而吸收了更多新知識導致顛覆性技術在知識結構上具有激進新穎性特征，亦即與領域內(nèi)其它技術相比具有低相似性和高差異性[12]。隨時間發(fā)展，顛覆性技術開始被更多創(chuàng)新者認可，產(chǎn)生連鎖效應引發(fā)后續(xù)一系列持續(xù)性創(chuàng)新，技術影響力不斷凸顯直至完成顛覆過程[13]。

綜上所述，顛覆性技術的形成過程是具有新穎性、低影響力的一類技術創(chuàng)新影響力逐漸擴大的過程；在宏觀上該過程由技術融合驅(qū)動。

2 基于專利網(wǎng)絡的潛在顛覆性技術識別模型

具體識別模型如圖1所示。首先利用領域?qū)＠麛?shù)據(jù)構建萌芽期專利IPC共現(xiàn)網(wǎng)絡，觀察領域知識庫結構和融合關系。專利IPC分類號能夠結構化表征專利所包含的知識要素和技術融合，并具有結構化和國際通用性。適用于對跨國大規(guī)模專利數(shù)據(jù)的初步分析。為兼顧分析結果精度，本文將IPC保留至大組水平。本文重點關注發(fā)展早期位于知識體系邊緣位置的知識節(jié)點(圖1中六邊形)，在技術層則對應著包含此類IPC節(jié)點的新穎性專利(圖1中星形)。然后，在領域?qū)幼粉櫵x節(jié)點網(wǎng)絡位置隨時間的變化，通過多項指標計算其在以后成長期各階段網(wǎng)絡中的位置變化，確定隨領域發(fā)展發(fā)生擴散和地位躍遷的IPC節(jié)點。相應地映射到發(fā)明層，保留對應專利即獲得潛在顛覆性技術。之所以稱之為潛在顛覆性技術，是考慮到眾多新興領域處于快速發(fā)展期，主導技術選擇尚未完全確定，影響力變化需長時間持續(xù)觀察[13]。

圖1 潛在顛覆性技術識別模型

結合社會網(wǎng)絡中心性理論和參考前人成果，在該過程中4個指標被用于衡量網(wǎng)絡節(jié)點的進入與擴張過程。節(jié)點擴散特征使用度中心度(Degree Centrality)和中介中心度(Betweenness Centrality)兩個指標進行衡量[15]。度中心度高的節(jié)點處于網(wǎng)絡中心位置，與眾多節(jié)點產(chǎn)生交流融合，算法見式(1)。其中xij表示節(jié)點i和j之間的連接關系，當且僅當兩點具有連接關系時xij=1，否則為0；n為網(wǎng)絡節(jié)點總數(shù)。中介中心度則代表節(jié)點對網(wǎng)絡全局的控制力，因充當網(wǎng)絡中信息傳播的必經(jīng)之路而地位突出，權力擴散性特征顯著，其算法見式(2)，gjk(i)為連接j和k且經(jīng)過i的最短路徑數(shù)，gik表示所有最短路徑數(shù)，n為網(wǎng)絡節(jié)點總數(shù)。

(1)

(2)

萌芽期新穎的低影響力節(jié)點根據(jù)是否與重要節(jié)點聯(lián)系分為兩種類型。如表1所示，類型1節(jié)點在進入知識網(wǎng)絡后與重要節(jié)點連接而更靠近中心位置。其具有高接近中心度值，且具有低度中心度和中介中心度；接近中心度算法見公式(3)，dis(i,j)表示點i與j的網(wǎng)絡距離，n為網(wǎng)絡節(jié)點總數(shù)。類型2中節(jié)點在引入知識網(wǎng)絡時未與現(xiàn)有知識網(wǎng)絡的重要節(jié)點發(fā)生連接而處于更加偏遠的網(wǎng)絡位置。其在中心性特征上表現(xiàn)為具有較大的偏心度值，同時度中心度和中介中心度值較低。偏心度計算見公式(4)，dis(i,j)定義同式(3)，N為網(wǎng)絡節(jié)點集合。

(3)

CE(i)=max{dis(i,j),?j∈N}

(4)

表1 萌芽期新穎性低影響力節(jié)點類型及特征

隨后，在獲得目標專利后，為對潛在顛覆性技術所包含的研發(fā)方向進行深度剖析和解讀，在主題層提取潛在顛覆性技術專利摘要文本進行LDA(Latent Dirichlet Allocation)主題模型分析。該分析過程注重結合政策文件等外部信息，在使用專利IPC分類號的基礎上提供更細粒度結果，同時初步證實識別結果合理性。最后，通過與現(xiàn)有前向引文識別方法進行對比驗證，進一步證明了結果的可靠性。

3 實證研究：自動駕駛領域潛在顛覆性技術識別

3.1 樣本與數(shù)據(jù)

自動駕駛領域是當前發(fā)展迅速的新興領域之一，其知識體系由計算機、自動化、機械、材料等眾多學科組成，導致領域內(nèi)專利涉及IPC分類號極為廣泛，可較好反映多學科融合和知識結構演化。此外，相應分析結果也將為我國企業(yè)制定研發(fā)計劃和選擇投資方向提供一定參考。本文選取德溫特全球?qū)＠麛?shù)據(jù)庫檢索專利申請記錄，數(shù)據(jù)涵蓋美國、歐洲、中國等主要創(chuàng)新國家和地區(qū)的創(chuàng)新活動。專利檢索式參照世界知識產(chǎn)權組織所發(fā)布的工作論文，具有一定權威性[16]。為精確劃分技術領域發(fā)展階段，同時慮及專利數(shù)據(jù)公開的滯后性，檢索時間區(qū)間選定為1970—2018年，經(jīng)同族合并后最終共獲得有關專利17 235件。

辯證的看，伊博人民以“變”看待世界的態(tài)度給殖民者入侵提供了契機，造成了自己部落的分崩離析，但這種“變”也為伊博部落帶來了新的機會，剔除了無人性的陋習，接觸到外界的新知識，使得伊博人也在不斷進步之中。正如莊子所說，“盛衰之殺，變化之流也”[8]474，盛與衰永遠在不斷交替變化之中，這乃是世界之本質(zhì)。當時的伊博部落位于衰，歐洲處于盛的位置，但是二十一世紀的伊博人卻在非洲人的知識分子中占比最多。這與伊博族的人生觀和世界觀不無關系。

3.2 技術生命周期劃分

根據(jù)檢索結果，本文采用S曲線模型擬合和推算本技術領域的技術生命周期，此過程應用Loglet Lab 4.0計算軟件進行。本文將專利數(shù)據(jù)的累計年申請數(shù)輸入軟件，經(jīng)技術生命周期擬合最常用的Logistic曲線擬合，得到自動駕駛技術生命周期階段劃分結果。

如表2所示，由于技術發(fā)展水平限制，自動駕駛領域經(jīng)歷漫長萌芽，2003年前專利數(shù)量極少。之后隨著計算機和人工智能相繼迎來發(fā)展，大量探索性實驗展開，導致專利申請數(shù)開始穩(wěn)步上升。此外，根據(jù)技術生命周期理論，萌芽期具有最顯著的激進和間斷性特征，這成為驅(qū)動技術領域走出萌芽期的內(nèi)在動力。進入成長期后此特征將逐年衰減，反之持續(xù)性創(chuàng)新激增直至領域發(fā)展成熟。綜上，本文進一步選取2003—2018年的專利數(shù)據(jù)并劃分為4個階段，以本文思路，通過觀察萌芽期(2003—2007年，2008—2012年)邊緣技術節(jié)點在成長期兩階段的位置變化，并識別具有顛覆性潛力的發(fā)明。

表2 自動駕駛技術生命周期各階段劃分(單位：年)

3.3 基于專利網(wǎng)絡的潛在顛覆性技術識別結果

在技術領域?qū)用妫謩e構建萌芽期兩階段IPC共現(xiàn)網(wǎng)絡，計算IPC節(jié)點的度數(shù)中心度、中介中心度、接近中心度和偏心度指標以確定各節(jié)點在該時期知識網(wǎng)絡中的位置。以階段1為例，將計算結果展示于表3中。可以觀察到，少數(shù)技術節(jié)點具有較高度中心度或中介中心度值，占據(jù)領域知識網(wǎng)絡核心位置，其中包括G05D-001(運載工具的位置、航道、或高度的自動控制)，G06F-017(數(shù)字計算和數(shù)據(jù)處理設備)等，而探索性實驗引發(fā)網(wǎng)絡整體呈松散結構，大量代表新技術的IPC節(jié)點占據(jù)網(wǎng)絡外圍位置。階段2領域知識網(wǎng)絡與階段1具有相似結構特征，受篇幅所限有關計算結果不再贅述。

表3 各IPC網(wǎng)絡位置指標計算結果(階段1，部分)

經(jīng)過不斷嘗試，最終確定以上述兩階段網(wǎng)絡中系列中心度指標的均值作為參考，確定萌芽期具有新穎性低影響力的邊緣節(jié)點。共得到符合表1所描述的兩類型技術節(jié)點919個。進一步地，分別計算上述節(jié)點在階段3(2013—2015年)和階段4(2016—2018年)網(wǎng)絡中的中心度和中介中心度值是否至少有一項大于當期均值，由此觀察原節(jié)點的影響力擴張傾向。最終發(fā)現(xiàn)198個節(jié)點在階段3和階段4至少發(fā)生過1次躍遷，即影響力指標至少一項超過均值。與其它節(jié)點相比，它們具有對領域知識結構造成破壞的傾向。進一步分析發(fā)現(xiàn)，H04W-016(無線通信網(wǎng)絡的網(wǎng)絡規(guī)劃和資源劃分)，H04W-076(無線通信網(wǎng)絡的連接管理)等等多個涉及無線通信網(wǎng)絡有關技術的IPC節(jié)點影響力擴張性質(zhì)最為明顯；例如H04W-076在階段4的領域知識網(wǎng)絡中度中心度為0.06，遠大于當期均值0.019，與80個其它IPC節(jié)點發(fā)生融合；而在階段1與該節(jié)點共現(xiàn)的IPC數(shù)目為8。這說明無線通信網(wǎng)絡技術對于自動駕駛領域潛在的顛覆性作用。需要指出的是，所篩選IPC節(jié)點中有50個節(jié)點在階段3發(fā)生地位躍遷，但未在階段4繼續(xù)擴大影響力?？紤]到本領域處于成長期以及顛覆性技術影響力可能呈波動上升的事實，應長期觀察，故仍納入分析范圍。另外，經(jīng)統(tǒng)計發(fā)現(xiàn)，類型2節(jié)點發(fā)生躍遷的概率為32%，明顯高于類型1的18.3%。

最后將領域?qū)铀Y選節(jié)點映射于專利層，獲得相關專利779件。這些專利包含諸多具有潛在顛覆性的技術研發(fā)方向，因此有必要進行進一步解讀。

3.4 結果解讀與檢驗

為挖掘顛覆性技術所包含的更多技術信息，并證明篩選結果的合理性，通過LDA主題模型對779件專利摘要文本進行主題聚類，設定LDA模型參數(shù)為默認值[17]，并計算各個主題的困惑度值，觀察計算結果并結合實際分析情況最終選定主題數(shù)目為8個。

自動駕駛領域潛在顛覆性技術所包含主題如表4所示。主題1包含object、sensor、target、driver、user、input等主題詞匯，是指駕駛員狀態(tài)監(jiān)測，多駕駛模式切換等人機交互技術。我國于2018年首次發(fā)布《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，將人機交互列為“前瞻性”重點研發(fā)內(nèi)容。

表4 潛在顛覆性技術8大主題

主題2和主題8與園區(qū)自動駕駛技術相關。其中主題2為應用于廠區(qū)、物流的自動駕駛及其衍生功能；而主題8則是廠區(qū)自動引導車的路線規(guī)劃。專家表示，園區(qū)自動駕駛技術將為公路級自動駕駛提供必要技術積累，現(xiàn)已成為發(fā)展自動駕駛的戰(zhàn)略任務[18]。

主題3表示融合V2X的定位感知技術。引入無線網(wǎng)絡通信實現(xiàn)車輛與交通環(huán)境、技術設施的通信，將大大提升車輛安全性。我國已將基于5G的V2X技術列為重點研發(fā)內(nèi)容。

主題4可概述為多車輛間的數(shù)據(jù)傳輸(V2V)。V2V技術是由V2X技術演化而來的重要分支技術，可有效彌補單車智能缺陷。該技術已被麻省理工大學評選為有望影響人類未來的顛覆性技術[19]。

主題5、主題6與電驅(qū)動系統(tǒng)相關。其中主題5表示電驅(qū)動系統(tǒng)的實時響應和變速等。而主題6則是對電池、電機的智能化監(jiān)測、管理。汽車電動化已對汽車工業(yè)帶來顛覆性影響，而自動駕駛技術與新能源的融合也將成為新的重點。我國在《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021—2035年)》中多處指出，要重點支持應用于新能源汽車的智慧化、自動化技術研發(fā)。

主題7為用于V2X的數(shù)據(jù)存儲技術。V2X技術在打破視野限制的同時使數(shù)據(jù)量驟增，相關車用數(shù)據(jù)存儲技術成為發(fā)展V2X的關鍵，專家預計其地位將持續(xù)凸顯[20]。

綜上，通過專利網(wǎng)絡視角所識別出的潛在顛覆性技術可被總結為8個研發(fā)方向，且識別結果與自動駕駛領域的發(fā)展趨勢相一致，具有一定合理性。

為了進一步說明本文方案的有效性，參考顛覆性技術識別的前向引文方法，考察所篩選專利是否在前向引文數(shù)量上顯著高于未入選專利。本文將萌芽期全部專利劃分為兩組，將依照本文方案入選潛在顛覆性技術的樣本定義為組0，其余為組1?？紤]到專利引文數(shù)據(jù)所具有的“偏態(tài)特征”以及引文時滯，本文參考Grimaldi等[21]的思路定義引文指數(shù)如公式(5)所示，并采用曼-惠特尼檢驗法進行兩獨立樣本秩和檢驗。

(5)

結果顯示Z=-2.783，P值=0.005<0.05，組0秩平均值1080，中位數(shù)0.8；組1秩平均值1000，中位數(shù)0.65。因此兩組在引文指數(shù)上具有顯著差異，且組0的CI值顯著大于組1。亦即組別0內(nèi)專利獲得更多前向引用，它們更具有顛覆性技術的特征。

4 結 論

針對現(xiàn)有顛覆性技術識別方法所存在的缺陷，本文提出一種基于專利網(wǎng)絡的方法，在領域?qū)硬捎肐PC分類號構建領域知識網(wǎng)絡，通過系列網(wǎng)絡指標動態(tài)觀察新穎性知識節(jié)點的入侵和擴散過程，對應于專利層識別出潛在顛覆性技術，并采取LDA模型對潛在顛覆性技術進行深入分析和結果的初步檢驗。最后進一步采用曼-惠特尼檢驗法，從另一視角進行結果可靠性分析。

通過將本方案實施于自動駕駛領域，識別出以無線通信網(wǎng)絡等技術對本領域知識網(wǎng)絡影響力有擴散趨勢，具有顛覆性潛力；這些IPC節(jié)點對應潛在顛覆性專利779件，具體到技術主題包含人機交互、V2V技術、電池智能化管理等8個研發(fā)方向，根據(jù)與多份權威文件和規(guī)劃的比較結果，發(fā)現(xiàn)預測結果與本領域發(fā)展趨勢較為符合，具有一定有效性。曼-惠特尼檢驗結果亦支持了該結論。

此外，本文的結果還帶來以下啟示：在新興領域發(fā)展萌芽期，外部知識的融入引發(fā)較強不確定性，大量新穎性技術無法越過“死亡之谷”，而少數(shù)顛覆性技術的形成需要較長時間。應關注早期知識網(wǎng)絡中的新穎性低影響節(jié)點，并持續(xù)觀測找出其中具有影響力擴張傾向的子集，其對領域知識體系具有重塑作用，常蘊含著潛在的顛覆性趨勢，是新興技術領域走出萌芽期轉(zhuǎn)向快速成長的內(nèi)因所在。尤其是具有高接近中心性特征的新進技術，具有更高發(fā)生影響力擴張的可能。這印證了此前一些學者的觀點，亦即新技術與重要的成熟技術發(fā)生融合，有較高新穎性且更易引起更多的技術融合，它們更可能被重視和優(yōu)先發(fā)展從而產(chǎn)生更大顛覆性[10]。這也為后續(xù)開展技術發(fā)展趨勢預測研究進一步提供依據(jù)。

本研究尚存在不足之處。首先，該方案需要實施于更多技術領域，從而進一步驗證其普遍性和可行性。第二，現(xiàn)有識別方案僅僅使用專利數(shù)據(jù)。在未來應考慮構建多源數(shù)據(jù)分析結構，將消費者、政策等因素納入考慮，提高模型精確度和效率。