粵港澳大灣區與舊金山灣區技術轉讓網絡演化模式比較研究

何喜軍 吳爽爽 張佑 Chan Chee Seng 龐婷

摘 要：采集2003-2019年粵港澳大灣區（以下簡稱GBA）和舊金山灣區（以下簡稱SFBA）發明專利轉讓數據，從宏觀、中觀、微觀3個維度，分別構建GBA與SFBA的城市間、組織間以及主體間技術轉讓網絡，以探索灣區網絡結構特征及演化規律。研究發現：①GBA的城市間技術轉讓網絡由以“廣州”為核心的單核結構向以“深圳-東莞-廣州”為核心的多核結構演化，但香港、澳門與內地核心城市間聯系松散，在網絡中處于邊緣位置，SFBA的城市間網絡由以“Santa Clara-San Mateo”為核心的雙核結構向以“Santa Clara-San Francisco-San Mateo”為核心的多核結構演化；②企業間轉讓是GBA組織間網絡中最重要的轉讓模式，產學研間轉讓呈現衰退趨勢，金融機構在網絡演化中的作用未得到有效發揮，企業與金融機構間的轉讓是SFBA網絡中最重要的模式，且呈現快速增長趨勢；③SFBA和GBA的主體間技術轉讓網絡均具有高頻率小群體和低頻率大群體兩種結構模式，網絡演化由少部分關鍵主體主導，且形成了基于核心主體的星型轉讓模式；④與SFBA主體間網絡相比，GBA網絡結構穩定性較低，持續參與技術轉讓的主體規模較小，主體間技術創新能力差距較大，未能形成優勢互補、均衡發展的技術轉讓互惠模式。

關鍵詞：粵港澳大灣區；舊金山灣區；技術轉讓網絡；演化模式

DOI：10.6049/kjjbydc.2022030145

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2023）09-0033-11

0 引言

灣區作為獨特的城市群及區域經濟一體化發展的高級形態，以高度的創新性、開放性和國際化為顯著特征［1］，是促進區域全面開放以及激發創新活力、經濟活力的重要載體。粵港澳大灣區作為我國最發達的城市群之一，集聚了大量創新要素和資源，其以建設國際科技創新中心為目標，以深化內地與港澳合作為基礎，通過強化區域創新要素流動推動區域經濟高質量發展。

世界城市群建設經驗顯示，優化灣區創新網絡結構及空間演化路徑、促進城市間創新要素流動，是建設世界一流灣區的關鍵（辜勝阻，曹冬梅，楊嵋，2018）。技術轉讓作為創新要素流動的重要方式，是技術從原產地到使用地之間的轉移［2］。其中，個體間技術轉讓能為組織提供技術獲取機會［3］，提升組織創新水平與競爭力［4］；城市間技術轉讓則對支撐區域技術進步［5］、促進區域技術流動與經濟協調發展起重要作用［6，7］。因此，建立一個高效持續發展的技術轉讓網絡，對促進灣區城市群協調發展、增強科技創新能力具有重要價值［8］。

1 文獻述評

有關粵港澳大灣區技術轉讓網絡的研究，主要聚焦于創新生態系統建設和創新網絡空間演化。如陳健等［9］系統歸納了創新生態系統概念、理論與治理對策；在此基礎上，辜勝阻等（2018）提出構建粵港澳大灣區創新生態系統的戰略思考；丁旭光等［10］借鑒舊金山灣區的創新經驗，提出構建粵港澳大灣區創新共同體的對策。這些研究從宏觀和定性視角為大灣區技術轉讓網絡建設與治理提出對策。此外，引入社會網絡分析方法，探索大灣區創新網絡空間結構演化規律是近年來的研究焦點。如許培源、吳貴華（2019）選取Web of Science 中科技論文合作數據，研究大灣區知識創新網絡空間結構演化及形成機制；馬海濤等［1］基于論文合作數據，借助基尼系數測度屬性和功能多中心性方法，對粵港澳大灣區城市群的知識多中心性及知識網絡的空間演化進行研究，但基于論文數據的局限性，難以全面表征大灣區城市間創新要素的流動情況。

專利轉讓數據因能提供專利權流的“源-匯”關系［11］，為研究大灣區技術轉讓網絡提供了數據支撐［12］。如李文輝等［13］以1992-2017年粵港澳大灣區合作申請專利數據為依據，從城市創新協同網絡、組織創新協同網絡、個體創新協同網絡3個維度，分析大灣區技術創新協同演化過程及機理，發現灣區城市間的技術創新協同具有地理鄰近、組織鄰近和技術鄰近等特征；Feng等［14］利用2010年、2014年和2018年的專利交易數據，從整體特征、網絡節點強度、網絡關聯、網絡節點重要性等方面分析城市間技術交易網絡的空間格局。

綜上，基于專利交易數據的研究僅關注單一空間尺度的城市間網絡，對空間內創新主體間的技術流動未作深入挖掘。同時，與世界著名科技灣區技術轉讓網絡的對比研究成果也較為匱乏。因此，本研究從宏觀、中觀、微觀3個維度，對灣區不同城市間、不同類型組織間和創新主體間的技術轉讓網絡進行系統研究，挖掘網絡結構特征及演化模式，并通過與世界著名科技灣區的對比研究，為大灣區創新網絡的優化及治理提供依據。

2 研究設計

2.1 研究范圍與對象

粵港澳大灣區（Guangdong-Hong Kong-Macao Greater Bay Area，GBA）是我國參與國際競爭與合作的重要平臺，也是推動區域經濟高質量發展的重要增長極。與其它灣區不同，GBA最典型的特征是異質性，即“一國兩制、三關稅區”的獨特管理結構［15］。GBA包括香港、澳門兩個特別行政區和廣東省的廣州、深圳、珠海、佛山、肇慶、惠州、東莞、中山、江門，共11個城市。

美國舊金山灣區（San Francisco Bay Area，SFBA）是全球創新創業高地，也是美國科技金融中心和世界風險投資中心。SFBA擁有眾多世界知名的科技公司、大學和科研機構，并建立了完善的由大學-企業-風險投資-政府組成的創新生態系統（楊靜，趙俊杰，2021）。具體包括舊金山（San Francisco）、馬林（Marin）、索諾馬（Sonoma）、納帕（Napa）、索拉諾（Solano）、阿拉梅達（Alameda）、康特拉科斯塔（Contra Costa）、圣克拉拉（Santa Clara）和圣馬特奧（San Mateo）共9個郡。

GBA和SFBA有眾多相似之處：①二者均是創新要素和資源高度聚集的地區（何喜軍，吳爽爽，才久然，2021）；②均以信息通信、電子制造等作為主導產業，SFBA的硅谷是世界級高新技術的創新之都，GBA的深圳則是中國創新城市的后起之秀［16］；③在發展戰略上，均瞄準建設科技創新灣區。由于SFBA建設較早，科技創新體系較為成熟，大多數研究分別從創新主體［17］、創新資源（辜勝阻，曹冬梅，楊嵋，2018）、產業結構［18］等方面對比兩個灣區。本文將以GBA和SFBA為研究對象，從多維度構建兩個灣區的專利轉讓網絡（Patent Transfer Network，PTN）以開展結構及演化規律的探索和對比。

2.2 研究方法與內容設計

社會網絡分析方法近年來被廣泛應用于經濟區域［19-20］、城市間［7，12］以及組織間創新網絡（欒春娟，宋河發，謝彩霞，2019）等領域研究。本文利用社會網絡分析、統計學及信息熵等方法，從3個維度構建大灣區PTN并開展結構及演化模式研究。具體包括：

（1）宏觀維度：構建灣區城市間專利轉讓網絡（PTN among inter cities of Bay Area，PTN-C），基于信息熵方法考察城市在PTN中的影響程度，度量灣區城市角色；結合社會網絡的“核心-邊緣”分析，挖掘PTN的空間結構特征與演化規律。

（2）中觀維度：構建灣區不同類型組織間專利轉讓網絡（PTN among organizations of Bay Area， PTN-O），并利用統計方法研究組織間技術轉讓模式與演化規律。

（3）微觀維度：構建灣區主體間專利轉讓網絡（PTN among subjects of Bay Area， PTN-S），分析網絡結構特征并通過度量網絡穩定性、異質性、互惠性、同配性等特征，研究主體間技術轉讓模式、關系模式及演化規律。

2.3 數據來源與處理

2.3.1 數據采集

基于IncoPat專利數據庫檢索2003-2019年GBA和SFBA的有效發明專利轉讓方信息，本文僅考慮轉讓或受讓方地址位于GBA和SFBA區域的轉讓記錄，暫不考慮跨國公司及總部地址未在灣區的組織。通過在數據庫中的申請人地址、受讓人地址、當前專利權人地址欄輸入“所屬區域為灣區城市”，生成檢索式，獲得初步數據：GBA轉讓專利48 640項，轉讓記錄11 397條；SFBA轉讓專利66 490項，轉讓記錄54 761條。

2.3.2 轉讓記錄拆分

針對存在多個轉讓方或受讓方的記錄，按照將U1→U2U3拆分為U1→U2、U1→U3，U1U2→U3拆分為U1→U3、U2→U3的規則進行拆分（其中，U1、U2、U3代表專利轉讓方或受讓方，→代表轉讓方向），數據拆分后抽取主體列表，刪除轉讓方和受讓方為個人的主體，得到主體列表。

2.3.3 主體所屬區域映射

對于數據庫未記錄地址的主體，利用JavaScript調用百度地圖API和谷歌地圖API，通過輸入主體名稱，批量獲取主體地址，并通過行政區劃列表匹配城市所屬省市信息。在此基礎上，將主體間專利轉讓記錄映射為城市間轉讓記錄，并刪除轉讓方和受讓方均不在灣區的記錄。

2.3.4 主體所屬組織類型映射

按照大學、科研院所、金融機構、企業、其它等進行組織類型劃分，構建組織間專利技術轉讓網絡。

綜上，得到的數據集包括：GBA：轉讓專利32 304項，轉讓記錄46 418條，涉及各類主體22 230個；SFBA：轉讓專利38 143項，轉讓記錄234 630條，涉及各類主體11 238個。為直觀展示中美灣區各類PTN的結構及演化規律，在宏觀和中觀維度分析時，將2003-2019年分為3個階段：階段I（2003-2008年）、階段II（2009-2014年）、階段III（2015-2019年）。在微觀維度分析時，以年為單位。

2.3.5 數據初步統計分析

基于上述數據集，統計2003-2019年中美灣區轉讓專利數（Number）與頻次（Frequency）變化趨勢，如圖1所示。

由圖1可得：2015年以前，GBA的專利轉讓處于低水平平穩發展階段，SFBA則呈現波動增長趨勢；2015-2017年，GBA進入快速增長階段，SFBA增速放緩；2017年后，GBA和SFBA的專利轉讓都呈現下降趨勢。其中：SFBA和GBA的增長都與市場及政府的推動密不可分。自2017年以后，隨著技術創新壁壘持續提高、超大型企業日漸強盛及政府反壟斷政策的孱弱，美國小企業在技術創新過程中逐漸被邊緣化［21］，以致SFBA的技術轉讓與技術擴散呈現放緩趨勢。相比之下，GBA在2017年之后步入正式發展階段，三地政府不斷出臺相關政策規劃，助推高新技術產業發展，處于政策調整和產業優化期，高質量的專利需求與供給之間出現短期不均衡態勢，專利轉讓數及頻次在發展期出現波動下降趨勢。

基于上述數據集，統計兩個灣區參與專利轉讓的各類主體數量，結果如表1所示。

從表1可知：①參與GBA專利轉讓的主體規模遠高于SFBA，充分體現了GBA具備超大規模技術市場優勢和內需潛力，對構建以國內技術交易大循環為主、國內國際雙循環相互促進的新發展格局具有重要支撐作用；②企業是GBA和SFBA專利轉讓的主體，但在地理分布上存在差異，其中，GBA內企業占比達65.2%，SFBA內企業占比達48.2%，說明SFBA內企業與灣區外企業的專利技術轉讓更活躍；③參與GBA專利技術轉讓的大學和科研院所數量多，而參與SFBA專利技術轉讓的金融機構數量多，說明在GBA與SFBA的專利轉讓網絡中組織類型差異較大。

3 實證研究

3.1 宏觀維度：城市間技術轉讓網絡空間結構及演化模式

（1）灣區城市角色分類。根據灣區城市間以及灣區城市與灣區外城市間的技術轉讓關系，將灣區城市角色劃分為三類：①輸出角色（Out），指灣區城市為轉出方，灣區外城市為受讓方；②吸納角色（In），指灣區城市為受讓方，灣區外城市為轉出方；③自我維持角色（Self），指灣區城市既作為轉出方，也作為受讓方。

（2）基于信息熵定量測度灣區城市多元角色的重要性。從信息論思想出發，以網絡中某節點為信息源點，以其鄰近節點為目標點，測度節點在選擇過程中的影響程度以評估其重要性，即在技術轉讓過程中轉讓方或受讓方會在相鄰節點中選擇目標點進行轉出或吸納。因此，在Xu等［22］的研究基礎上，本文提出可應用加權有向網絡中節點重要性的評價方法，即利用兩城市間技術轉讓總頻次衡量城市重要性。基于該方法，不僅能度量灣區城市在灣區內部技術轉讓活動中的角色重要性，考察灣區城市與灣區外城市的創新要素流動，評估其多元角色的重要性，而且有助于反映城市產出、吸收技術以及創新強度的差異性，進行核心-邊緣結構評價時也更能反映實際情況［23］。具體步驟如下：

第一，定義網絡G=（V，M，W）。其中，V為節點集合，包括灣區城市和灣區外城市，M為連邊集合，如果節點i將專利轉讓給j，則aij=1，否則aij=0。權重矩陣W=wij表示節點間轉讓頻次，在有向網絡中，一般有wij≠wji。

第二，定義節點出權和入權。在加權有向網絡中，節點i的入權kini為指向該節點的所有邊的權重之和，節點i的出權kouti為該節點指出的所有邊的權重之和。

第三，節點鄰接出權和入權。在加權有向網絡中，節點i的鄰接出權是指輸入到節點i的鄰居的出權之和，節點i的鄰接入權是指節點i輸出到鄰居的入權之和。計算公式如下：

Aouti=∑j→ikoutj，（eji∈M）（1）

Aini=∑i→gking，（eig∈M）（2）

第四，選擇概率。在加權有向網絡中，節點i被鄰居節點選擇的概率代表其重要性，吸納選擇重要性pinij是指節點i被鄰居節點選擇為輸出節點的概率，輸出選擇重要性poutij是指節點i被鄰居節點選擇為吸納節點的概率。計算公式如下：

pinij=kini/Ainj（3）

poutij=kouti/Aoutj（4）

第五，節點信息熵。利用熵的計算方法，計算節點的吸納重要性和輸出重要性，計算公式如下：

Eini=∑j→i－pinijlog2pinij（5）

Eouti=∑i→j－poutijlog2poutij（6）

上述步驟中需要評價的節點為灣區城市，鄰居節點均指灣區外城市。

第六，自我維持角色的重要性。借鑒上述公式，給出節點自我維持角色重要性的計算方法為灣區城市輸出重要性與吸納重要性的融合。其中，評價節點為灣區城市，鄰居節點也指灣區內城市，系數θ設置為0.5。公式如下：

Ei=θEini+（1－θ）Eouti（7）

（3）灣區城市的多元角色及演化趨勢。按照3個時間段計算灣區城市各類角色的重要性及演化趨勢，結果如表2-表3所示，其中，I-III列數據展示了各城市三類角色變化情況。

由表2-表3可得：①SFBA中大部分城市三類角色重要性程度的變化較小，說明灣區城市在技術轉讓網絡中的定位清晰且穩定，同時重要性排名較高的城市，其三類角色的重要性程度都較高，說明在網絡演化中核心城市的綜合能力，即技術吸納能力、技術輸出能力和自我維持能力均較強且穩定，排名前三的核心城市包括San Francisco、Santa Clara和San Mateo；②GBA中排名靠前且穩定的城市為廣州和東莞，部分城市三類角色的重要性程度變化較大，其中中山在網絡中的吸納角色持續提升，反映出該城市產業發展的技術需求旺盛，惠州的專利輸出角色持續提升，反映出其技術創新和輻射能力快速提高，深圳和香港的技術吸納角色持續下降，其中深圳面臨傳統制造業升級和生產成本上升的轉型期，高質量技術供給不足與高質量技術需求不足并存，而香港的主要優勢表現在金融、商貿等專業服務方面，近幾年制造業“空心化”嚴重，科技產業基礎較弱，同時，香港的資金、技術、人才進入內地技術市場的手續相對繁瑣，使得香港與內地的專利轉讓受阻，珠海則更多靠技術吸納和自主研發支撐產業升級與組織創新。

（4）灣區城市間技術轉讓網絡空間結構演化模式。按照3個階段，分別構建并繪制GBA和SFBA的城市間專利轉讓網絡，如圖2-圖3所示。其中，城市節點大小根據該城市轉出和吸納專利頻次之和劃分，城市背景顏色深淺根據該城市自我維持的專利頻次調整，箭頭粗細根據城市間轉出或吸納專利頻次調整，具體見圖例。已有研究表明，城市群經濟競爭力主要取決于其內部是否形成創新空間組織體系和多中心的創新網絡（許培源，吳貴華，2019）。從圖2-圖3可以看出，SFBA內PTN-C在第I階段已呈現出多中心網絡化特征，各城市間建立了聯系，在第II階段及以后呈現出穩定的多中心發展格局。而GBA內PTN-C在第I階段呈現出廣州市一核獨大的格局，城市間聯系具有鄰近性特征，至第II階段及以后呈現快速發展態勢，“多中心”空間結構演化趨勢明顯，網絡化和多核結構特征明顯，具體表現為越來越多的城市間發生專利轉讓關系，核心城市間的聯系更緊密，各城市與核心城市的聯系緊密度也有所提升，說明城市間技術交流與轉讓關系加深，多中心網絡化格局初步形成。

基于中美灣區PTN-C的多中心發展趨勢，利用Ucinet的Core/periphery功能分析網絡的核心-邊緣結構，結果如表4所示。

由表4可得：GBA和SFBA的PTN-C均表現出顯著的核心—邊緣結構，并且核心結構中多中心演化趨勢明顯。

第一，GBA的城市間技術轉讓網絡逐漸由以廣州為核心的單核網絡結構演化為以深圳—東莞—廣州為核心的多核網絡結構。其中，深圳作為全國性國際科技產業創業中心，除了形成包括電子制造業在內的高科技制造中心外，其在金融服務、科技創新等領域優勢明顯，且制造業進入外溢環節，對外技術輻射效應明顯；東莞與深圳區位相鄰，成為深圳產業轉移的優先選擇，借助該優勢，東莞培育出一批新興產業并逐步轉向高端制造業，自主創新能力有所提升；廣州具有豐富的大學和科研機構資源，重點依托高科技園區和金融服務體系建設國際大都市，具有前沿技術研究和人才儲備等優勢。除核心城市外，GBA中越靠近核心城市的地區，其核心程度越高，說明大灣區城市間的技術轉讓具有地理鄰近性。此外，香港和澳門在專利轉讓網絡中的作用未有效發揮，一方面是由于香港和澳門的制造業“空心化”嚴重，與內地城市間的高科技產業技術供需對接難；另一方面是由于三地政府在科技、人才交流等方面的政策具有顯著差異，三地優勢資源難以有效互補。

第二，SFBA的城市間技術轉讓網絡逐漸由以Santa Clara-San Mateo為核心的雙核網絡結構演化為以Santa Clara-San Francisco-San Mateo為核心的多核網絡結構。其中，Santa Clara是硅谷的核心地段，高新技術企業云集，涉及計算機、通信、互聯網、新能源等多個領域；San Mateo與硅谷的高科技產業集中地鄰近，受其影響，技術創新發展勢頭強勁；San Francisco作為重要的海軍基地和貿易港，也是美國西部最大的金融中心，以金融、商業貿易等產業為主，近年來逐漸發展為重要的科技創新中心，與硅谷并駕齊驅，并超越San Mateo成為第二核心城市。

綜上，中美灣區均以少數高度發展的城市為核心，通過技術溢出帶動其它城市技術發展，在一定范圍內形成了技術創新協同、產業結構相互依存的城市群體。

3.2 中觀維度：組織間技術轉讓網絡結構與演化模式

按照I、II、III三個階段，將轉讓方、受讓方與5類組織類型進行映射，并構建灣區不同組織類型間的技術轉讓網絡，研究組織間技術轉讓模式及演化規律，結果如圖4。

（1）企業間專利轉讓是中美灣區的重要轉讓模式。其中，在GBA網絡中，I、II、III三個階段的企業間專利轉讓頻次及占比分別為：229次、80%；3 472次、77%；36 321次、87%；SFBA網絡中企業間專利轉讓頻次及占比分別為：13 060次、51%；36 287次、33%；24 622次、25%，占比均低于GBA，反映出SFBA組織間的轉讓模式比GBA更加多元化。

（2）產學研間專利轉讓是GBA的主要轉讓模式。在I、II、III三個階段中企業與大學、科研院所之間的專利轉讓頻次占比分別為14%，11%和7%，說明GBA中大學和科研院所作為技術創新主體，對滿足灣區企業技術需求具有支撐作用，但作用逐漸下降。挖掘其原因：一是GBA內國際知名的高水平研究型大學和國家重點實驗室較少，擁有高校173所、國家重點實驗室55個（全國共316個），2019年僅有4所大學位列世界前100名且均為香港高校，只有5所高校位列中國高校專利轉讓排行榜前100名。二是GBA各地產學研機構分布不均衡且城市間產學研協同創新水平不高。如香港擁有的頂級高校數量較多，具有較強的基礎研究能力，但制造業“空心化”嚴重，科技型企業不足，科研成果轉化效率不高；廣州科教資源豐富，但科技型企業規模普遍較小，企業技術創新能力不強；深圳擁有華為、騰訊等龍頭創新型企業，科研成果轉化能力強，但缺乏高水平研究型大學以及世界級基礎性、前沿性研發平臺的支撐。

（3）企業與金融機構間專利轉讓是SFBA的主要轉讓模式，其中，I、II、III三個階段中由企業向金融機構的轉出頻次及占比分別為：8 638次，34%；42 853次，39%；49 247次，50%，該比例逐漸高于企業間技術轉讓頻次及占比。由金融機構向企業的轉出頻次及占比分別為：3 682次，14%；30 614次，28%；24 266次，25%，說明金融機構在SFBA的組織間專利轉讓網絡演化中承擔重要角色。原因為：SFBA中有大量企業與金融機構通過專利權質押融資形成專利轉讓。而GBA中，因香港金融機構進入內地技術市場的手續較繁瑣［2］，導致GBA金融市場與技術市場的互聯互通程度仍有待提高。

3.3 微觀維度：主體間技術轉讓網絡結構及演化模式

通過構建灣區主體間技術轉讓網絡（PTN-S），可以發現其具有顯著的非密集、零碎、松散、非連通、大規模等特征。利用Matlab探測連通子圖，并統計2003-2019年各網絡子圖規模及數量，發現：GBA和SFBA的PTN-S均呈現出隨子圖規模拓展、子圖比例下降的趨勢，說明大規模連通子圖的數量很少，小規模的連通子圖數量較多，且大量子圖僅包括2～5個節點，表明灣區主體間的專利轉讓具有高頻率小群體和低頻率大群體兩種結構模式。

為進一步挖掘穩定型大群體構成的專利轉讓網絡結構及轉讓模式，利用Matlab逐年探測中美灣區主體間專利轉讓網絡中最大連通子圖PTN-S-LS并進行相關分析。

（1）網絡結構特征。利用Gephi計算網絡結構指標，結果如表5所示。

通過表5可得，中美灣區PTN-S-LS的網絡密度低、聚集系數小、結構稀疏。其中：GBA網絡平均路徑長度較小，SFBA的平均路徑長度較大，說明兩個灣區主體間的專利轉讓網絡不具有小世界特征，且GBA網絡中任意兩個主體間的接近程度越高，合作潛力就越大。

（2）網絡結構穩定性及結構模式。網絡結構穩定性是指網絡狀態從t-1到t之間共享節點的比例，可通過自相關函數J衡量。其值介于0～1之間，值越高表示穩定性越好。其中，G（t）是t時刻網絡中節點的集合，計算公式如式（10），結果如圖5所示。

Jt=G（t－1）∩G（t）G（t－1）∪G（t）（8）

通過圖5可得，2003-2019年SFBA的網絡結構穩定性均高于GBA，說明SFBA中持續參與專利轉讓的主體數量較多。其原因在于SFBA具有優質的科技資源和創投資源，并培育了諸如谷歌、蘋果、惠普等著名企業，在網絡演化中與其它主體建立了密切、信任度高、穩定的合作關系。同時，SFBA較為完善的創新生態環境能夠吸引中小企業入駐，多元融資渠道以及灣區扶持政策有助于中小企業在SFBA中存活并穩定發展。而GBA作為新興灣區，雖形成了一批龍頭企業，如華為、中興等，但眾多初創中小企業進入和退出專利轉讓網絡的行為較頻繁，且初創企業與網絡中其它主體建立高信任度還需要較長時間。因此，GBA中具有核心競爭力并持續參與技術轉讓的核心主體數量較少，網絡演化中交易行為的波動性較大。

（3）網絡異質性及關系模式。根據Estrada［24］研究中提出的異質性指數，可判斷網絡結構的異質性。該指數對于正則有向圖是0，對于星型圖為1，計算公式如下。

ρD（G）=1V－2V－1∑（i，j）∈E1douti+1dinj－2doutidinj（9）

其中，0≤ρDG≤1，V是節點數，i與j之間有連邊，d表示節點度。該值越接近1，表示異質性越強。

表6顯示，中美灣區主體間專利轉讓網絡的異質性均大于0.11（BA無標度網絡的異質性指數為0.11［24］），說明網絡結構具有顯著異質性。異質性越高，表示各主體之間度數分布的不均勻性也越高，即少量節點度數較高而大部分節點度數較低。中美灣區主體間專利轉讓網絡比無標度網絡具有更高的異質性，說明網絡演化過程由極少數的核心主體主導。

（4）網絡主體間互惠性及關系模式。互惠性用于衡量主體間形成相互轉讓關系的趨勢。對于加權有向網絡，互惠性計算公式如下［25］：

ρ=∑i≠j（wij－w）（wji－w）∑i≠j（wij－w）2（10）

其中，wij表示從主體i到j的連邊權重，w=∑i≠jwij/（MM－1），網絡邊總數為M，如果ρ>0，則網絡中存在互惠關系。否則，網絡是反互惠的［12］。

通過計算得到，2003-2019年有14個年份的SFBA網絡主體間互惠性遠高于GBA，說明SFBA主體間的專利轉讓呈現出高互惠模式。這一方面是由于SFBA中主體的研發、消化吸收再創新能力較強，主體間技術創新與擴散能力差距較小，更易形成穩定互惠的技術轉讓關系；另一方面是由于SFBA中高新技術企業集聚度較高，集中于信息通信、電子制造、高端裝備制造等領域，灣區內產業聯系緊密，產業集群較成熟，形成了大、中、小型企業協同發展的高新技術產業集群，產業結構趨于生態化，主體間通過專利轉讓彌補技術勢差，并實現技術優勢互補，促進了產業集群各類主體的協同發展。相比之下，GBA中很多主體間呈現出單向轉讓關系，主體間技術創新能力差距較大，未能形成優勢互補、均衡發展的技術轉讓互惠模式，且產業集群主體間的協同創新水平有待提高。

（5）網絡同配性及關系模式。同配性描述了具有相似特征主體間的相關性，如度、強度或指定頂點的任何其它數量。此值歸一化后取值范圍為-1～1，正值表示節點度高的節點傾向于與其它節點度高的節點鏈接，負值表示網絡具有異配性。使用Newman［26］提出的方法，計算公式如下：

rin，outij=∑i，jsinisoutj－1M∑i，jsini∑i，jsoutj∑i，jsini2－1M（∑i，jsini）2∑i，jsinj2－1M（∑i，jsinj）2（11）

其中，M是網絡的總邊數，sini和soutj分別是M中某條邊入與出的頂點的多余入度及出度（比頂點本身的度小1），計算四類同配性系數，即rin，outij、rin，inij、rout，outij、rout，inij。

由計算結果得，SFBA網絡4類同配性系數均小于0，2014年及以后GBA的網絡同配性系數也均小于0，表明中美灣區主體間的專利轉讓關系呈現出明顯的異配特征。同配性系數為負值，表示度小的節點傾向于連接度大的節點，即節點度高的主體間的轉讓趨勢不明顯，說明中美灣區主體間專利轉讓網絡均在演化中形成了基于核心主體的星型轉讓模式。

4 結論與思考

4.1 研究結論

本文從宏觀、中觀、微觀3個維度，構建中美灣區城市間、組織間和主體間專利轉讓網絡，運用統計學、社會網絡分析以及信息熵等方法，利用Matlab、Python以及Gephi等研究網絡結構演化規律，并對比專利轉讓中的多元模式，得出如下結論。

（1）GBA和SFBA的城市間技術轉讓網絡結構均趨向多中心格局發展。其中，GBA由以廣州為核心的單核結構向以深圳-東莞-廣州為核心的多核結構演化；SFBA由以Santa Clara-San Mateo為核心的雙核結構向以Santa Clara-San Francisco-San Mateo為核心的多核結構演化。在空間網絡結構演化過程中，網絡化程度與多中心結構有一定關系，SFBA網絡較早達到緊密狀態，故較早呈現出多中心結構；GBA的網絡化和多中心結構形成緩慢，各城市間技術水平仍存在差距，城市間技術轉讓具有地理鄰近特征，且香港、澳門與內地的聯系不夠緊密，在網絡中處于邊緣位置。

（2）在GBA的組織間技術轉讓網絡中，企業間轉讓是重要模式，產學研間的轉讓也較重要，但在網絡演化中大學和科研院所對企業技術需求的支撐作用逐漸下降。一方面，是由于GBA中國際知名的研究型大學和國家重點實驗室較少，且很多大學和科研機構的專利轉化機制有待完善，科技成果轉化能力有待提升；另一方面，港澳地區高校參與內地產業和企業創新存在制度阻礙，跨區域產學研合作的深度和廣度仍有待拓展；金融機構對科技型中小企業的專利抵押融資積極性不高，在網絡演化中的作用有待提升。

（3）在SFBA的組織間技術轉讓網絡中，企業與金融機構間的轉讓是重要模式，并在網絡演化中呈現快速增長趨勢，企業間轉讓模式呈現下降態勢，說明科技金融業在創新生態系統中占據非常重要的位置，風險資本產業成為硅谷乃至灣區促進技術創新與技術轉讓的重要引擎。

（4）SFBA和GBA的主體間技術轉讓網絡均具有非連通、零散、局部聚集等特征，主體間轉讓具有高頻率小群體和低頻率大群體兩種結構模式。基于最大連通子圖的分析結果顯示，SFBA網絡結構穩定性高于GBA，說明GBA中持續參與技術轉讓的主體規模較小；兩個網絡的演化均由少部分關鍵主體主導，且形成了基于核心主體的星型轉讓結構模式；相比SFBA，GBA網絡主體間技術創新能力的差距較大，未能形成優勢互補、均衡發展的技術轉讓互惠模式，且產業集群主體間的協同創新水平有待提高。

4.2 研究思考

借鑒SFBA專利轉讓網絡發展經驗，粵港澳大灣區專利轉讓網絡需在以下方面下功夫。

第一，破除粵港澳體制機制障礙，發揮核心城市帶頭作用，推動城市協同創新發展。粵港澳三地在知識產權制度體系、運營服務、保護機制等方面仍存在差距，由此不可避免地增加了灣區內技術交易成本，限制了創新要素流動。因此，應通過政策協調實現三地技術合作聯動、強化粵港澳專利跨區域執法保護等手段破除粵港澳三地間存在的體制機制障礙，為粵港澳提供良好的創新生態環境。同時，科技創新領先發展的核心城市應充分發揮科技創新的外溢效應，基于地緣鄰近，帶動周邊城市技術創新發展。

第二，重視基礎研究平臺建設，深化粵港澳產學研用合作。大灣區一方面應重視基礎研究平臺建設，通過加大科研投入、招聘科技人才、完善技術轉化機制等方式對香港大學、香港科技大學等已具備較高創新能力的高校進行重點培育，同時，加大對國家級重點實驗室、創新型高校的支持力度，為灣區提供高質量技術能力。另一方面應加強粵港澳三地產學研創新資源的深度融合。如在研發階段，充分利用香港和廣州的高校資源，為高科技企業和傳統制造業轉型升級提供基礎研究支撐；在成果轉化階段，加強香港科技服務業與深圳高科技產業間的協同合作；在科技成果產業化階段，利用東莞、廣州等城市的制造業將具有市場前景的科技創新產品批量生產。

第三，發揮粵港澳大灣區已有金融優勢，探索多元化科技金融服務方式。一要探索建立大灣區跨區域合作的金融市場，以發揮香港國際金融中心的優勢以及深圳、廣州等城市的金融資本優勢；二要探索多元化的科技金融服務方式，以多元化的科技融資市場為基礎，集風投、創投、股權融資、科技合作中心為一體，為科技型中小微企業提供技術融資。同時，加大對知識產權質押融資和知識產權證券化的推進，通過財政補貼、股權合作等方式引導鼓勵金融機構與擁有高質量專利的中小企業合作，以盤活沉淀專利，將其轉化為能應用于后續商業化開發的資源。

第四，重點培育一批關鍵行業領域的科技型龍頭企業，推動創新型產業集群建設。灣區應聚焦新一代信息技術、高端裝備制造、生物醫藥、新能源等優勢新興產業，集中力量加大資源供給，培育一批龍頭企業以壯大灣區核心企業隊伍。同時，灣區可通過制定“專精特新”中小企業和專精特新“小巨人”企業培育政策以及構建開放式創新服務平臺，推動技術、人才等創新資源流向專精特新企業，并依托龍頭企業整合優勢產業資源，發揮創新溢出效應，帶動中小企業發展，以形成高質量產業集群，促進灣區各類主體間形成穩定、互惠、持續發展的技術合作與轉讓關系，實現技術轉讓網絡的健康發展。

參考文獻：

［1］ 馬海濤，黃曉東，李迎成. 粵港澳大灣區城市群知識多中心的演化過程與機理［J］. 地理學報， 2018， 73（12）： 2297-2314.

［2］ BAGLIERI D， FRANCESCO B， CHRISTOPHER L T. University technology transfer office business models： one size does not fit all［J］. Technovation，2018，76：51-63.

［3］ SON H S， CHUNG Y H， HWANG H J. Do technology entrepreneurship and external relationships always promote technology transfer？evidence from Korean public research organizations［J］. Technovation， 2019，82：1-15.

［4］ 何喜軍，吳爽爽，武玉英，等. 專利轉讓網絡中結構洞占據者識別及角色演化——粵港澳大灣區的實證研究［J］.科學學與科學技術管理，2022，43（4）：75-94.

［5］ GRIMALDI M， HANANDI M. Evaluating the intellectual capital of technology transfer and learning public services［J］. International Journal of Engineering Business Management，2013，5：5-7.

［6］ LEE S J， KIM B S， KIM Y， et al. The framework for factors affecting technology transfer for suppliers and buyers of technology in Korea［J］. Technology Analysis & Strategic Management，2018，30（2）：172-185.

［7］ 潘雄鋒，張靜，米谷. 中國區際技術轉移的空間格局演變及內部差異研究［J］. 科學學研究， 2017， 35（2）：240-246.

［8］ CHEN H J， XIE F J. How technological proximity affect collaborative innovation？an empirical study of China's Beijing-Tianjin-Hebei region［J］. Journal of Management Analytics，2018，5（4）：287-308.

［9］ 陳健，高太山，柳卸林，等. 創新生態系統： 概念， 理論基礎與治理［J］. 科技進步與對策， 2016， 33（17）：153-160.

［10］ 丁旭光. 借鑒舊金山灣區創新經驗， 構建粵港澳大灣區創新共同體［J］. 探求，2017，27（6）：27-30，59.

［11］ ARAJO I F D， GONALVES E， TAVEIRA J G. The role of patent co-inventorship networks in regional inventive performance［J］. International Regional Science Review，2019，42（3-4）：235-280.

［12］ MARCO A D， GIUSEPPE S， ELISA U， et al. Global markets for technology： evidence from patent transactions［J］. Research Policy， 2017，46（9）：1644-1654.

［13］ 李文輝，李青霞，丘芷君. 基于專利計量的粵港澳大灣區協同技術創新演化研究［J］. 統計研究， 2019，36（8）：74-86.

［14］ FENG Z J， CAI H C， ZHOU W. Structural characteristics and spatial patterns of the technology transfer network in the Guangdong-Hong Kong-Macao greater bay area［J］. Sustainability，2020，12（6）：2204.

［15］ 張玉臣，朱銘祺，廖凱誠.粵港澳大灣區創新生態系統內部耦合時空演化及空間收斂分析［J］.科技進步與對策，2021，38（24）：38-47.

［16］ 劉佐菁，陳杰，余趙，等.創新型經濟體系建設的灣區經驗與啟示［J］.中國科技論壇，2020，36（1）：126-133，142.

［17］ 張振剛，尚希磊. 舊金山灣區創新生態系統構建對粵港澳大灣區建設的啟示［J］. 科技管理研究，2020，40（5）：1-5.

［18］ 譚銳. 灣區城市群產業分工：一個比較研究［J］. 中國軟科學，2020，35（11）：87-99.

［19］ DUAN D Z， ZHANG Y， CHEN Y， et al. Regional Integration in the inter-city technology transfer system of the Yangtze River delta， China［J］. Sustainability，2019，11（10）：2941.

［20］ LIU C L， NIU C C， HAN J. Spatial dynamics of intercity technology transfer networks in China's three urban agglomerations： a patent transaction perspective［J］. Sustainability，2019，11（6）：1647.

［21］ 董昀，張明，郭強. 美國技術擴散速度放緩： 表現、成因及經濟后果［J］. 經濟學家，2020，32（7）：119-128.

［22］ XU X， ZHU C， WANG Q Y， et al. Identifying vital nodes in complex networks by adjacency information entropy［J］. Scientific Reports， 2020，10（1）：1-12.

［23］ 劉國巍，邵云飛，劉博.戰略性新興產業協同創新網絡協同度研究——基于“網絡的網絡”結構分析視角［J］.科技進步與對策，2021，38（23）：56-66.

［24］ ESTRADA E. Quantifying network heterogeneity［J］. Physical Review E，2010，82（6）：66102.

［25］ GARLASCHELLI D， LOFFREDO M I. Patterns of link reciprocity in directed networks［J］. Physical Review Letters，2004，93（26）：268701.

［26］ NEWMAN M E J. Mixing patterns in networks［J］. Physical Review E， 2003，67（2）： 26126.

（責任編輯：胡俊健）

英文標題Comparison of Evolution Patterns of Technology Transfer Networks in the Guangdong-Hong Kong-Macao Greater Bay Area and the San Francisco Bay Area

英文作者He Xijun1， Wu Shuangshuang1， Zhang You1， Chan Chee Seng2， Pang Ting2

英文作者單位（1. School of Economics and Management， Beijing University of Technology， Beijing 100124，China; 2.Faculty of Computer Science and Information Technology，University of Malaya， Kuala Lumpur 50603， Malaysia）

英文摘要Abstract：The construction of the international science and technology innovation center is an important strategic direction for the Guangdong-Hong Kong-Macao Greater Bay Area （GBA） in the new era. It will help promote the coordinated development of the GBA city clusters and the construction of an international science and technology innovation center by studying the structure and evolutionary pattern of the technology transfer network in the GBA， and proposing countermeasure suggestions and experience from the development of the technology transfer network in the San Francisco Bay Area （SFBA）. At present， domestic and foreign studies using patent transaction data to analyze technology transfer networks of GBA only focus on a single spatial scale of inter-city networks. This paper further explores the structure and evolution pattern of technology transfer networks in the GBA from multiple dimensions， and conducts a comparative study on the evolution pattern of technology transfer networks in the GBA and SFBA， so as to provide a basis for the optimization and governance of innovation networks of GBA.

This paper uses patent transfer data in the Guangdong-Hong Kong-Macao Greater Bay Area （GBA） and San Francisco Bay Area （SFBA） from 2003 to 2019， and constructs inter-city， inter-organization and inter-subject technology transaction networks of GBA and SFBA from the macro， meso and micro dimensions. Using social network analysis， statistics and information entropy， this paper compares the structural characteristics and evolutionary patterns of technology transfer networks of GBA and SFBA， and has the following findings. （1） The inter-city technology transfer network of GBA has evolved from a single-center structure with Guangzhou as the core to a multi-core structure with Shenzhen-Dongguan-Guangzhou as the core; however， Hong Kong and Macau are loosely connected to the core cities and are in the peripheral structure of the network. The inter-city network of SFBA has evolved from a dual-core structure with Santa Clara-San Mateo as the core to a multi-core structure with Santa Clara-San Francisco-San Mateo as the core. （2） Enterprise to enterprise transfer is the most important transfer mode in the GBA inter-organization network， and the transfer between industry， universities and research institutes show a declining trend. The role of financial institutions in the evolution of the network has not been effectively played. The transfer between enterprises and financial institutions is the most important transfer mode in the SFBA network， and it shows a rapid growth trend. （3） The inter-subject patent transfer networks of SFBA and GBA have two structural patterns： high-frequency small groups and low-frequency large groups. The network evolution is dominated by a small number of key subjects， and a star-shaped transfer pattern based on core subjects is formed. （4） Compared with the inter-subject network of SFBA， the network structure of GBA is less stable， the scale of subjects continuously involved in technology transfer is smaller， and the gap in technological innovation capacity between subjects is larger， failing to form a reciprocal pattern of technology transfer with complementary advantages and balanced development.

Based on the research results， this paper puts forward several suggestions for promoting the efficient development of GBAs technology transfer network. First， in terms of creating a favorable business environment， the governments of GBA should break down the institutional barriers of Guangdong， Hong Kong and Macao， bring the spillover effect of science and technology innovation into play from the core cities of Shenzhen-Dongguan-Guangzhou， and promote cross-city technology flows and collaborative innovation. Second， in promoting basic research and cooperation between industry， academia and research， GBA should pay attention to the construction of basic research platforms such as universities and national key laboratories， improve the quality of innovation achievements， and bring into full play of the educational， financial and technological advantages of Guangdong， Hong Kong and Macao to strengthen the cooperation among the three regions in terms of industry， academia， research and application. Third， in terms of financial empowerment for technological innovation， GBA should strive to establish of a cross-regional financial market， leverage the financial advantages of Hong Kong， Guangzhou and Shenzhen， and explore diversified approaches of technological financial services， so as to provide financing access for technology-based small and medium enterprises. Fourth， in the construction of industrial clusters，GBA should focus on emerging industries and strengthen support to cultivate a number of leading enterprises， and rely on leading enterprises to integrate advantageous industrial innovation resources， give play to the innovation spillover effect， and drive the development of small and medium-sized enterprises.

英文關鍵詞Key Words：The Guangdong-Hong Kong-Macao Greater Bay Area; The San Francisco Bay Area; Patent Technology Transaction Network; Evolution Pattern

收稿日期：2022-03-07? 修回日期：2022-06-08

基金項目：國家自然科學基金面上項目（71974009）；國家自然科學基金項目（71774010）；國際科研合作基金項目（2021B35）

作者簡介：何喜軍（1979-），女，河北文安人，博士，北京工業大學經濟與管理學院教授、博士生導師，研究方向為區域創新發展、科技成果轉化；吳爽爽（1998-），女，山東菏澤人，北京工業大學經濟與管理學院碩士研究生，研究方向為區域創新網絡；張佑（1998-），男，北京人，北京工業大學經濟與管理學院碩士研究生，研究方向為區域發展；Chan Chee Seng（1980-），男，博士，馬來亞大學計算機科學與信息技術學院副教授、博士生導師，研究方向為機器學習；龐婷（1989-），女，河南新鄉人，馬來亞大學計算機科學與信息技術學院博士研究生，研究方向為數據挖掘。