面向前沿交叉領域的科學-技術-產業融合創新組態效應研究

摘" "要：探究面向前沿交叉領域的科學-技術-產業間的融合創新組態效應，有助于推動科學-技術-產業間的聯動，通過突破性技術孵化推動新質生產力發展。文章基于復雜適應系統理論，運用必要條件分析（NCA）和模糊集定性比較分析（fsQCA），探究科學-技術-產業融合創新的前因組態效應。研究發現：單一復雜適應系統理論要素尚不構成科學-技術-產業融合創新的必要條件；知識資本加持-邊緣發力型、資本引領-環境刺激型、系統主導-環境保障型、環境-系統交互驅動型是打造高融合創新水平的條件組態模式；資本集聚和知識擴散條件為高融合創新水平組態模式的核心條件。研究可為科學-技術-產業融合創新的影響因素研究提供理論與實踐依據。

關鍵詞：前沿交叉領域；融合創新；科學-技術-產業；復雜適應系統理論；組態分析

中圖分類號：G311" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024069

Research on the Configuration Effects of Science-Technology-Industry Integrated Innovation in Frontier Interdisciplinary Fields

——Based on the Complex Adaptive System Theory

Abstract Exploring the integrated innovation configuration effects among science-technology-industry in frontier interdisciplinary fields will help promote the linkage among science-technology-industry， and promote the development of new quality productivity through the incubation of breakthrough technologies. Based on the complex adaptive system theory， this study uses the comprehensive methods of Necessary Condition Analysis （NCA） and Fuzzy Set Qualitative Comparative Analysis （fsQCA） to explore the antecedent configuration effects of science-technology-industry integrated innovation. The study found that： a single complex adaptive system theory element does not constitute a necessary condition for science-technology-industry integrated innovation; knowledge capital blessing-marginal force type， capital leadership-environmental stimulation type， system dominance-environmental guarantee type， and environment-system interactive driving type are conditional configuration modes that produce high integrated innovation levels; capital agglomeration and knowledge diffusion conditions are the core conditions of the high integrated innovation level configuration mode. The study can provide theoretical and practical basis for the related research concerning the influencing factors of science-technology-industry integrated innovation.

Key words frontier interdisciplinary field; integrated innovation; science-technology-industry; complex adaptive system theory; configuration analysis

前沿交叉領域即交叉領域中具有前瞻性、戰略性、高價值、高成長等特征的部分。2023年1月，習近平總書記在二十屆中央政治局第二次集體學習時明確指出“加強科技自立自強步伐，在前沿交叉領域成為開拓者”，強調了前沿交叉領域發展在國家科技戰略中的重要性。前沿交叉領域內部存在政策、市場、資金等多種創新要素的交叉，如何圍繞多種創新要素提升科學-技術-產業間的融合創新成效是該領域尚待解決的關鍵問題。通過提升融合創新成效可賦能新質生產力發展，而融合催生的前沿新科技的場景化應用在有效破解產業發展難題的同時，也可完善現代化產業體系［1］。為此，亟需揭示面向前沿交叉領域的科學-技術-產業融合創新影響因素，以展示融合創新過程中不同創新要素間的相互作用，進而服務于顛覆性融合創新機會的及時捕捉。

近年來，相關研究著重關注界內融合創新，如學科交叉、技術融合和產業融合［2］，研究基于文獻計量、文本挖掘、機器學習等方法，挖掘不同對象間的共現關系，以測量相同領域之間的融合程度［3］。但對于跨界融合創新，尤其是科學-技術-產業間的融合卻較少得到關注。隨著科學技術突破以及產業創新發展對于科學、技術與產業間的協同發展依賴性的增強［2］，加上實體抽取和對齊技術的日益成熟，更多研究開始探究科學、技術和產業間二元互動以及三元互動關系，如科學-技術知識關聯特征挖掘、科學-技術-產業互動模式識別［4-5］。此類研究一定程度上為本研究測度面向前沿交叉領域的科學-技術-產業融合創新水平提供了理論與方法借鑒。此外，部分學者將科學-技術-產業視為一個生態化創新系統，認為要素協同是系統創新效能提升的關鍵［6-7］。盡管科學-技術-產業間的聯動能夠加速催生前沿交叉領域的出現，但目前尚未引起學界的足夠關注。因此，有必要從系統論視角出發關注多要素的“聯動效應”，探析其在科學-技術-產業融合創新中的潛在影響機制。

鑒于此，本研究聚焦面向前沿交叉領域的系統要素匹配組合對科學-技術-產業融合創新的作用機制，引入復雜適應系統理論梳理科學-技術-產業融合創新的前因條件，以知識元素耦合程度表征融合創新水平，通過必要條件分析（Necessary Condition Analysis，NCA）和模糊集定性比較分析（fuzzy set Qualitative Comparative Analysis，fsQCA）綜合方法，探究融合創新組態效應。關于研究對象，本研究選取DNA存儲、合成生物、量子通信以及新能源汽車等16個前沿交叉領域開展實證分析，此類領域兼具前瞻性、戰略性、高價值的特征，切合前沿交叉領域的基本要求［8-9］。研究結論旨在為面向前沿交叉領域的科學-技術-產業融合創新影響因素研究提供理論參考，并為政府及相關領域企業管理者根據不同的融合創新模式選擇合適的發展策略提供有益啟示。

1" "文獻綜述

在先前研究中，雖然“前沿交叉領域”概念尚未得到充分探討，但與之相關的概念如“新興交叉領域”“新興研究趨勢”“技術生長點”以及“戰略性新興產業領域”等已引起了廣泛關注［10］。領域通常由多學科交叉的知識體系所構成，具備較強的戰略性、關鍵性和成長潛力、創新性和導向性等［11］。領域的出現和發展，似乎與科學-技術-產業的深度融合密切相關。如許海云等在顛覆性技術領域探索到了科學-技術-產業之間的互動模式，即穩定有向交替且拐點之后爆發式提升［2］。劉春麗等在生物制藥這一戰略性新興產業領域中發現科學-技術-產業并不是簡單的線性關系［12］。王超等認為科學-技術-產業間的協同發展是新興及未來產業的發展的重要突破口［4］。因此，科學-技術-產業的融合不僅是前沿交叉領域出現及發展的核心動力，也是推動科技突破與產業創新變革的重要因素。

關于科學-技術-產業的融合的研究主要分為以下兩類：一是對科學-技術-產業互動關系的探討。既有研究基于創新鏈的視角，挖掘科學-技術-產業間的互動特征，進而輔助相關研究深入開展［13］。此類視角將科學-技術-產業互動關系描述為簡單的線性關系，表現出知識流動單向、漸進等特征，但存在反饋機制缺失、流動能量損耗等問題［4］。為彌補創新鏈視角的局限，近年不少學者從創新系統視角出發，將科學-技術-產業互動關系描述為復雜的非線性關系，重點關注三者間的交叉、融合和反饋［4］，基于科學論文、專利文獻、產品信息等多源數據深入研究了科學-技術-產業間的驅動關系、互動模式、關聯模式等［2，4-5，14］。二是針對科學-技術-產業融合測度方法的研究。起初，學者們以科學與專利文獻數據為數據源，圍繞引用關系、主題關聯、主體連接、類目映射等信息，測度科學與技術間的融合關系［14］。此后，部分學者嘗試融入產業經濟普查數據、產品信息等多源數據，沿用上述方法測度科學-技術-產業間的融合關系。相關研究綜合文獻引用和共同申請專利等視角，構建了科學-技術-產業融合的分析模型［15］。除此以外，亦有研究基于三者分類標準間的類目映射關系，實現對于科學-技術-產業的關聯測度［16］。然而，有學者指出文獻引用具有較強主觀性和目的多樣性，類目映射涉及多種語義復雜對應關系，提高了具體操作難度系數［17-18］。這皆有可能影響融合測度的準確性。與引文關系和類目映射方法不同，基于主題關聯的測度方法以文本數據為基礎，充分結合科學-技術-產業知識詞匯的語義特征，能夠深入挖掘主題向量間的關聯關系，吸引了眾多學者關注。相關研究基于主題關聯方法，測度科學-技術-產業協同創新水平、識別創新驅動關系以及探索顛覆性技術的科學-技術-產業間互動模式［2，4-5］。

綜上，已有研究為識別前沿交叉領域提供了特征參考，論述了其與科學-技術-產業融合之間的關系，并采用多元化方法測度三者間融合關系，尤其是基于主題關聯的方法，為本研究奠定了基礎。但先前研究更多強調融合之“果”，忽視了融合之“因”問題。鑒于科學-技術-產業融合可被視為一個復雜創新系統［6］，有必要揭示其中多因的“聯動效應”。為此，本研究結合復雜適應系統理論和fsQCA方法對多因聯動下面向前沿交叉領域的科學-技術-產業融合創新組態效應進行專門研究。

2" "理論基礎及分析框架

復雜適應系統理論可用于探究系統主體的適應性與復雜涌現之間的關系，適應性、非線性、多樣性和流是該理論的核心特征［19］。“刺激-反應”模型是復雜適應系統理論微觀層面的最基本概念，由三個部分組成（探測器、規則器、效應器），基本思想為系統中主體通過探測感知存在的環境刺激，然后對這些刺激做出持續調節反應，推動系統迭代，進而輸出反應表現結果［20］。目前，復雜適應系統理論已被應用于產業創新、科技創新等相似研究情境中［19-20］，這為研究構建面向前沿交叉領域的科學-技術-產業融合創新前因分析框架提供了基礎。

本研究強調面向前沿交叉領域的科學-技術-產業融合創新可視為一個復雜適應系統，原因在于：適應性上各創新主體在目標驅動下對政策支持、資本集聚、市場活力和數智賦能等環境變化做出主動適應行為，不斷調整自身創新活動，提高知識向技術再向產品轉化的效率；非線性上創新主體在自組織過程中積極和消極反饋交織出現，致使系統呈現出非線性狀態；多樣性上創新主體擁有各自特有的創新范式，在科學-技術-產業融合中交融，形成多樣性的主體合作模式；流方面知識擴散、資金擴散等資源的流動使創新主體之間獲得融合創新必需的資源聯結，且資源積累還有利于主體適應性的增強。由此看來，復雜適應系統理論適用于分析面向前沿交叉領域的科學-技術-產業融合創新問題。基于此，本研究進一步基于“刺激-反應”模型［20］，嘗試構建“環境刺激-系統迭代-反應表現”分析框架并據此梳理相關因素（見圖1）。

2.1" " 環境刺激維度

（1）政策支持。與其他領域相比，前沿交叉領域的戰略性特征決定了各級政府需從頂層設計的角度，通過有力的政策保障促進面向前沿交叉領域的科學-技術-產業融合創新實現。如以醫學人工智能領域為例，激勵型政策鏈在促進領域深度融合過程中發揮著重要作用［21］。以美國為例，其政策涵蓋生物醫學數據、人工智能工具及資助措施等多層次多方面內容，以長期維持其在相關領域的全球領先優勢［22］。

（2）資本集聚。前沿交叉領域屬于資本密集型行業，科學-技術-產業融合創新需要建立在大量融投資基礎上［23］。目前，我國半導體、新能源汽車等熱門交叉領域在資金集聚下實現了長足發展，但在冷門前沿領域和未來產業方面依舊存在資本布局不足的困境［24］。這一定程度上降低了支撐科學-技術-產業融合創新活動的資金融通量，弱化了領域創新系統的迭代效率，進而影響融合創新水平的提升。

（3）數智賦能。大數據、人工智能等數智技術正成為推動新質生產力發展的重要引擎［25］，積極探索其在面向前沿交叉領域的科學-技術-產業融合創新中的賦能作用意義重大。科學-技術-產業創新過程中積累了海量的論文、專利等多源數據，滿足了數字技術和人工智能對于大規模數據的需求。發揮數智新范式的賦能優勢，有助于加快實現協同創新，高效推進科學-技術-產業的深度融合，最終推動新科技增長點的落地生根。

（4）市場活力。在政策支持、財政補貼等政府主體層面利好因素的疊加作用下，面向前沿交叉領域的科學-技術-產業融合創新水平能獲得引領性的提升。但市場是配置科技創新資源的決定性力量［26］。黨的二十大報告提出：“加強企業為主導的產學研深度融合”，而作為市場主體的企業，通過市場化規則高效合理統籌創新資源，能對科技產融合形成正向激勵。基于此，相關領域企業越多，市場越活躍，有助于提高融合創新所需資源的統籌效率。

2.2" " 系統迭代維度

（1）目標驅動。目標驅動是面向前沿交叉領域的科學-技術-產業融合創新主體進行聯合的源動力［27］。在目標驅動下，創新主體參與科學-技術-產業融合創新的意愿得到增強，創新主體間各司其職、相互配合，形成融合創新協同推進格局。其中，政府規定的目標為剛性任務。先前研究指出，以完成政府規定目標為導向，可提高融合創新主體的價值創造能力，降低資源配置、能力共享等方面的不確定性，提升系統迭代效率［28］。

（2）知識擴散。異質性知識是實現面向前沿交叉領域的科學-技術-產業融合創新動力保障，融合創新主體主要通過知識擴散的方式進行異質性知識的傳遞。當前，知識擴散已被多數研究證明對融合創新具有正向促進作用［29］。一方面，知識擴散能夠提高各主體在科學和技術知識方面的臨近性，減小知識差異化過大帶來的學習和時間成本。另一方面，知識擴散還有利于優化各主體的知識結構，形成優勢互補的良好局面［30］。

（3）主體合作。主體合作在面向前沿交叉領域的科學-技術-產業融合創新中具有關鍵地位。當前，根據融合創新場景的不同，主體合作逐漸形成以下三類模式：企業主導多方參與型、企業參與高校、科研機構主導型、企業參與政府主導型［31］。上述模式具備目標驅動、高效協作和開放共享的特點，有助于對環境變化做出快速且持續的反應，進而不斷積累經驗，完善系統迭代功能，提升融合創新水平。

3" "研究設計

3.1" " 研究方法

fsQCA是一種基于集合論方法和布爾代數邏輯的跨案例分析方法，能較好地識別導致相同結果發生的多種因素組合，對于解釋復雜現象發生的因素關聯問題具有適用性［32］。同時，以集合論思想為基礎使得該方法能克服研究樣本數較小的問題，這適用于本研究問題。但fsQCA方法無法定量分析各變量間的必要程度，而由Dul提出的NCA方法則以彌補此短板，通過不同估計方法定量測算條件的必要程度［33］。鑒于此，NCA和fsQCA相結合的方法適用于面向前沿交叉領域的科學-技術-產業融合創新組態效應的研究。

3.2" " 樣本及數據來源

本研究以16個前沿交叉領域為研究樣本，分別編碼為C1～C16。樣本選取遵循以下原則：一是交叉性，所有樣本均滿足多學科、多領域交叉的特點；二是代表性，能夠解釋前沿交叉領域前瞻性、戰略性、高價值、高成長的特征，且均為研究文獻或政府文件中提及的典型領域。三是樣本數據集中性，所選樣本主要集中在生物科學和工業制造兩大領域。數據來源方面，以微軟學術圖譜（Microsoft Academic Graph，MAG）、PATSTAT全球專利數據庫以及國家藥品監督管理局數據庫［5］、尚唯全球產品樣本數據庫［34］等測算結果變量和部分前因變量，其他變量數據來自北大法寶、企業年報等渠道。將2022年作為結果變量的時間窗口，2019年-2021年作為前因變量的時間窗口，使用前期構建的領域詞典中檢索式進行檢索，收集并清洗有關數據。

3.3" " 變量測量

3.3.1" "結果變量

融合創新水平（Integrating Innovation Level，IIL）。其測量借鑒前人研究［2，5］，利用其開發的基于知識耦合理論的科學-技術-產業協同創新水平評價方法進行計算。考慮到并非所有領域都有專業詞條作為分詞標準，在提取知識元素（主題詞）時區別于參考文獻中使用的分詞形式，本研究將采用BERTopic主題模型獲取相關知識元素，BERTopic在專業詞匯敏感度、主題詞深度、主題內容細化等方面具有明顯優勢［35］。具體步驟如下：

（1）獲取知識內容，從所收集的科學和專利文獻、產品信息中獲取標題、摘要、產品簡介等內容。

（2）提取知識元素交集，利用BERTopic并輔以相關資料分別提取不同領域科學-技術-產業創新活動的主題詞，將三者主題詞的交集視為知識元素交集。

（3）量化知識元素集合，分別基于相對熵（公式1）和余弦相似度（公式2）方法，計算科學-技術-產業兩兩之間知識元素交集的內容相似度；

KLD（P，Q）=∑p（x）log" " " " " " " " " " （1）

式中，KLD（P，Q）為P對Q的相對熵，x是隨機事件，p（x）和q（x）為x發生的概率分布函數，當 KLD（P，Q）越小時，知識元素交集的內容相似度越高；

cos（θ）=" " " " " " （2）

式中，xi為文檔x的主題詞向量元素，yi為文檔y的主題詞向量元素。

（4）評價融合創新水平，通過改進耦合函數模型（公式3-4）計算科學-技術、科學-產業和技術-產業子系統的知識耦合度（公式5），在此基礎上引入知識寬容度系數，測算整體融合創新水平（公式6）。

Uij= *0.99+0.01*0.99+0.01" " " " （3）

式中，xij為表示第i個領域的第j個內容相似指標的數值，又叫做序參量，max（xij）和min（xij）是xij的最大值和最小值，Uij是xij對子系統U（U={US-T、UT-I 、US-I}）的功效貢獻值；

Ui=∑δjUij（δj≥0，∑δj=1）" " " " " " " " " " " " "（4）

式中，δi表示權重值，為避免主觀性通過CRITIC賦權法進行賦值，Ui表示子系統U的總功效值；

Oi=" " （0lt;Oilt;1）" " " " " （5）

式中，分子為幾何平均數，分母為算數平均數，Oi則表示第i個領域的科學-技術-產業的知識耦合度，取值越接近1，說明子系統之間的耦合程度越高，反之亦然；

IILi=" " " " " " " " " " " " " " " " " " " "（6）

式中，Ki為第i個領域與所有領域中交集主題詞種類數之比，IILi表示第i個領域的科學-技術-產業融合創新水平。

上述步驟的原理和具體細節可參考武華維等［5］的研究，本研究不再重復。

3.3.2" "前因變量

（1）環境刺激維度

①政策支持（Policy Support，PS）。政策支持指中央或地方政府為推動前沿交叉領域發展提供的政策資源，以往研究多采用相關政策數量來測度政策支持。本研究沿用此方法，選擇2019年-2021年間北大法寶中記錄的相關領域政策數量作為政策支持的衡量指標。

②資本集聚（Capital Gathering，CG）。資本集聚指前沿交叉領域在發展過程中獲得的融投資情況。黨的二十大報告指出要“推動戰略性新興產業融資集群發展”。對于前沿交叉領域亦是如此，高質量、可持續發展的融合創新離不開領域融投資方面的優化。故本研究選擇前瞻產業、華經產業等研究院發布產業報告中記錄的2019年-2021年間相關領域融投資金額進行衡量。

③數智賦能（Digital Intelligence for Empowerment，DI）。數智賦能即數字化技術在前沿交叉領域發展中的應用程度。以往研究通常以相關上市企業年報中數字化關鍵詞詞頻總數來衡量，如人工智能、大數據、數字化及數字技術等［36］。因此，本研究在前期匯總的領域內代表性上市企業基礎上，通過對2019年-2021年公開年報中數字化相關詞頻加總并取自然對數來測度數智賦能指標。

④市場活力（Market Dynamism，MD）。使用相關領域的企業數量測度市場活力［37］，數據來源于企查查在2019年-2021年間記錄的相關領域企業數量。

（2）系統迭代維度

①目標驅動（Goal-Driven，GD）。政府規定目標能確保科學-技術-產業融合創新系統以高效率進行迭代。據調查發現各級政府在出臺的相關政策中，常會提及宏觀、中觀和微觀層面的目標導向，如《新能源汽車產業發展規劃（2021-2035年）》中提及“以融合創新為重點”“構建新型產業生態”等目標性語句。因此，本研究聚焦各級政府相關領域2019年-2021年間發展規劃、行動計劃和建設意見類政策文件，統計出現目標性語句的政策數量。考慮到政策效力問題，僅關注省級政府和中央政府層面，將省級政府符合政策賦值為1，中央政府符合政策賦值為2［38］。

②知識擴散（Knowledge Diffusion，KD）。文獻引用被認為是知識擴散的外在表現形式，體現了知識傳遞的特征［39］。本研究中的知識擴散包括科學知識擴散、技術知識擴散以及科學-技術知識雙向互動，故采用相關領域2019年-2021年間科學、專利文獻被引數以及兩者之間相互引用數的均值進行衡量。

③主體合作（Subjective Cooperation，SC）。主體合作指科學-技術-產業融合創新主體協同創新產出的能力，包括企業、高等院校、科研院所等。已有研究多使用聯合申請專利數量衡量［40］，本研究在此基礎上通過2019年-2021年間聯合申請專利數量的均值衡量領域主體合作能力。

3.4" " 變量校準

校準是將原始數據集合隸屬分數匹配給每個案例的過程，但考慮到前因變量有著不同的量綱，為保證變量觀測值的可比性，本研究在變量校準前對原始數據進行了歸一化處理。在此基礎上，使用點位法將進行校準，即以涉及變量在95%、50%、5%上的取值，設置錨點完全隸屬、交叉點和完全不隸屬（校準錨點見表1）。

4" "實證分析

4.1" " 描述性統計與相關性分析

從各變量的描述性統計與相關性分析結果可得出以下結論（見表2）。從平均值和標準差來看，各前沿交叉領域的科學-技術-產業融合創新的環境刺激和系統迭代的強度普遍較弱，且具有一定的均衡性。其中，資本集聚的表現相對突出，再次證明了科學-技術-產業融合創新是資本密集型的活動，但在觀察期內各領域對于資本的吸引力欠佳。就相關性而言，多數變量之間相關性較弱，表明融合創新依賴于要素的協同發力。值得注意的是，DI和其他系統迭代變量聯系密切，說明數智技術已深度嵌入到系統迭代環節，為面向前沿交叉領域的科學-技術-產業融合創新貢獻賦能優勢。

關于結果變量，融合創新水平均值為0.237，標準差為0.051，科學-技術-產業融合水平整體不高，但分布差異很小。為進一步分析融合創新水平的分布態勢，將其進行可視化（見圖2）。由圖2可知，我國在半導體與集成電路、新能源汽車、前沿新材料等均表現出多領域科學-技術-產業的高水平融合創新水平，而在技術基礎相對薄弱的領域，如合成生物、腦機接口、生物芯片等領域科學-技術-產業融合創新水平則偏低。

4.2" " 必要條件分析

必要條件分析旨在檢驗前因變量中是否存在引致結果發生的必要條件，本研究首先采用fsQCA方法檢驗必要條件（見表3）。結果顯示：所有變量的一致性數值均未達到0.9的判定閾值，說明在前因變量中不存在產生科學-技術-產業高和非高融合創新水平的必要條件。

為進一步檢驗各前因變量的必要程度，本研究借助NAC，采用回歸上限（CR）和包絡上限（CE）兩種估計方法進行交叉驗證。J Dul等認為NCA方法對于必要條件的判定標準應同時滿足兩個條件：效應量d值＞0.1，且蒙特卡洛檢驗顯著（P值≤0.05）［33］。DI和MD的效應量超過了0.1，對于結果發生具有較大影響，但P值＞0.05，蒙特卡洛檢驗不顯著（見表4），故所有前因變量均不單獨構成前沿交叉領域科學-技術-產業融合創新的必要條件，這與fsQCA方法分析結果一致。

4.3" " 組態效應分析

組態效應分析目的在于考察導致面向前沿交叉領域的科學-技術-產業融合創新結果出現的前因條件組合，從而揭示復雜適應系統理論下不同要素組合的“殊途同歸”特性。結合已有研究［41］，將一致性閾值、PRI一致性閾值、案例頻數閾值分別設定為0.8、0.70、1，之后遵循“中間解為主，簡約解為輔”的條件區分規則，即將中間解和簡約解中同時出現的條件視為核心條件，只在中間解中出現的條件為邊緣條件，并以QCA圖示法展示。

對組態效應的分析結果（見表5）顯示，產生科學-技術-產業高融合創新水平的組態模式共有5種，模式一致性分別為0.965、0.975、0.878、0.969、0.885，模型解的總體一致性為0.912，均大于0.85閾值，表明現有組態模式無論是單個還是整體均構成了產生高融合創新水平的充分條件；總體覆蓋度為0.563，意味著上述組態模式可以對56.3%的融合創新高水平案例進行解釋，有實質的解釋力。此外，本研究還發現產生科學-技術-產業非高融合創新水平的1種組態模式。

4.4" " 穩健性檢驗

為檢驗組態效應分析結果的可靠性，參考現有研究通過調整一致性閾值、PRI閾值和校準錨點的方式進行穩健性檢驗。（1）調整一致性閾值。將一致性閾值從0.8上調至0.85，分析結果與原組態保持一致；（2）調整PRI閾值。將PRI閾值從0.7上調至0.75，原組態中的模式H2和H4被剔除，其余組態構成保持一致，只有唯一覆蓋度略有小幅下降；（3）調整校準錨點。將所有變量的3個校準錨點刻度從95%、50%、5%調整為主流四分位數刻度75%、50%、25%，結果與原組態保持一致，只是相關系數有細微變化。綜上，不同檢驗方式所得結果與原組態之間能夠呈現清晰的子集關系，故認為已有分析結果較為穩健。

4.5" " 科學-技術-產業高融合創新水平模式

結合組態理論化原則和各組態模式特征，本研究將對不同組態模式進行命名。考慮到5種組態模式中都包含高資本集聚和高知識擴散條件，不僅是高融合創新水平產生的核心要素，還是環境刺激和系統迭代的重要表征，故本研究認為5種模式都可以被視為是科學-技術-產業高融合創新水平的復雜適應刺激模式。其中，H1a和H1b均涉及一個獨立邊緣條件，H2涉及三個環境刺激維度條件，H3包含所有系統迭代維度條件，而H4則兼具所有條件。綜上，將H1a和H1b命名為知識資本加持-邊緣發力型模式，將H2命名為資本引領-環境刺激型模式，將H3命名為系統主導-環境保障型模式，將H4命名為環境-系統交互驅動型模式。

（1）知識資本加持-邊緣發力型模式。組態H1a和H1b表明，盡管相關領域政策支持和市場活力相對薄弱，且目標導向不明確，但在金融資本和知識擴散能力充足的有利條件基礎上，通過重視數智技術應用和促進主體間深度合作，能實現面向前沿交叉領域的科學-技術-產業高融合創新水平。以樣本中的C1“DNA存儲”領域和C9“納米科技”領域為例，二者的融合創新過程均需要高度復雜的數智技術支持和多主體合作。以“DNA存儲”領域為例，該領域是信息技術和生物技術融合的典型，涉及將數字信息編碼到DNA分子中，這一過程離不開先進的數智技術支持，包括DNA合成、測序及數據編碼和解碼。此外，也需各主體間的深度合作。如深圳華大生命科學研究院、首都師范大學、深圳國家基因庫等聯合開展的DNA存儲項目，共同解決了編解碼過程中的數據恢復穩定性的問題。

（2）資本引領-環境刺激型模式。組態H2表明，當相關領域在目標導向不夠明確、主體合作受限的劣勢條件下，由密集的金融資本、相對優勢的數智賦能和市場活力組成的高環境刺激尤為重要，能推動面向前沿交叉領域的科學-技術-產業高水平融合創新。全球市場對于C2“半導體和集成電路”領域的產品需求越來越多樣化，這給行業目標導向提出了更高要求。然而，我國正面臨著嚴重外部壓力，需要實時動態調整發展新方向以適應全球市場動態需求，這增加了目標導向的難度。此外，受外國對華技術管制影響，在主體合作方面面臨巨大障礙，導致技術和資源獲取受限。但在國家強有力的引導下，以國家集成電路產業投資基金為代表的政府和社會資本密集投入，華為、阿里巴巴、騰訊等科技巨頭的加入在形成強大市場拉動效應的同時，也帶來了技術革新。依靠上述優勢我國在半導體和集成電路領域也實現了較高水平的科學-技術-產業融合創新。

（3）環境保障-系統主導型模式。組態H3表明，即使數智技術應用和市場活力相對薄弱，但在各級政府和金融資本密集注入的保障下，通過高效的系統迭代能力，相關領域也取得了較高的融合創新水平，如C5“生物醫藥”領域。盡管該領域數智化正在逐步推進，但相對于發達國家，數智技術應用水平仍有差距。此外，生物醫藥企業整體數量雖多，但規模普遍較小，難以形成競爭與創新兼具的市場生態。與此同時，我國各級政府高度重視生物醫藥領域發展，出臺了一系列支持政策，如《“十四五”生物經濟發展規劃》《廣東省發展生物醫藥與健康戰略性支柱產業集群行動計劃（2021-2025年）》等，紅杉資本、中國平安等金融機構紛紛投資相關企業，為該領域科學-技術-產業的融合創新筑牢了保障底座。基于此，明確的目標導向使相關企業能集中資源和力量進行技術攻關和市場拓展，國家級生物醫藥科技創新中心和實驗室的設立促進科技知識加速擴散，企業、科研院所和高校之間建立的緊密合作關系是融合創新的重要推力。以上優勢條件促使系統不斷迭代創新，進而輸出融合創新的突破性反應表現。

（4）環境-系統交互驅動型模式。組態H4表明，在金融資本高度集聚、政策支持和數智賦能等組成的優勢環境刺激下，高知識擴散、明確目標導向和主體深度合作協同釋放出的環境系統交互溢出效應，能強化領域科學-技術-產業融合創新效能。以C14“新能源汽車”領域為例，該領域發展肇始于2009年，如今已逐漸形成全鏈條產業生態。在環境刺激方面，專項基金、財政補貼和私人資本大量投入；《新能源汽車產業發展規劃（2021-2035年）》等系列政策明確支持；人工智能、大數據、物聯網等數智技術在產業上中下游的廣泛應用；旺盛的市場需求促使大量企業進入新能源汽車研發行列。在系統迭代方面，“雙碳”目標明確了新能源汽車領域在助力可持續發展中的重要作用；高層次和先進人才流動、華為、蔚來、清華大學車輛學院等產學研深度合作事件推動前沿科學和技術知識高水平擴散。強大的環境系統交互溢出效應，顯著提升了新能源汽車領域的科學-技術-產業融合創新水平。

4.6" " 科學-技術-產業非高融合創新水平模式

考慮到組態方法的因果非對稱性，本研究進一步分析了產生科學-技術-產業非高融合創新水平的組態模式。相關閾值設置與高融合創新水平模式保持相同，表5中的NH1模式即為分析結果。由表可知，科學-技術-產業非高融合創新水平模式有且僅有一種，模式中高數智賦能為核心條件，市場活力為邊緣條件，其他條件均為非高，這表明數智技術無法脫離其他條件而單獨賦能，即使有著較強的應用水平。此外，模式以非高資本集聚、非高知識擴散作為核心條件，而這些條件的對稱條件正是產生高融合創新水平的核心條件，充分揭示了資本集聚和知識擴散在領域科學-技術-產業融合創新水平提升中的重要作用。

5" "結語

5.1" " 研究結論

本研究基于復雜適應系統理論，利用NCA與fsQCA的混合方法，以已有的16個前沿交叉領域為樣本，挖掘“環境刺激-系統迭代”多維度要素與面向前沿交叉領域的科學-技術-產業融合創新組態效應間的因果復雜關系。研究發現：第一，無論是必要性還是必要性程度，單一復雜適應系統理論要素并不構成科學-技術-產業融合創新的必要條件；第二，產生科學-技術-產業高融合創新水平的模式有5種，根據模式特征歸納為4種類型，即知識資本加持-邊緣發力型、資本引領-環境刺激型、系統主導-環境保障型、環境-系統交互驅動型，模式中“環境-系統”要素聯動性明顯；第三，產生科學-技術-產業非高融合創新水平的模式有且僅有1種，且與產生高融合創新水平的模式存在“非對稱性”關系；此外，資本集聚和知識擴散既是非高融合創新水平模式的非高核心條件，又是高融合創新水平模式的高核心條件，說明資本集聚和知識擴散對未來面向前沿交叉領域的科學-技術-產業融合創新的影響不容忽視。

5.2" " 實踐啟示

（1）重視資本集聚與知識擴散優勢。研究發現，單個要素并不構成面向前沿交叉領域的科學-技術-產業融合創新必要條件。在融合創新過程中，并不會因為某個要素的充足或不足而產生非此即彼的結果。這啟示融合創新相關主體要淡化“揚長避短情節”，不一味追求擇優而用的融合創新，而需做到未雨綢繆，不斷打磨要素賦能“利刃”，把握融合創新機遇。值得注意的是，也要重視資本集聚和知識擴散在融合創新中的賦能優勢。一方面，加快完善政府引導、社會參與的科學-技術-產業融合創新金融支持體系。如通過設立專項基金，重點支持融合創新水平較低的領域；通過稅收優惠、補貼等手段鼓勵和引導風投機構參與創新項目；開發知識產權質押貸款、科技保險等金融產品，加強對相關領域的金融扶持力度。另一方面，創建融合創新組織，發揮人才、團隊和企業合作的知識外溢效應。如參考“硅谷模式”聯合設立跨學科研究中心、定期組織跨領域行業交流活動、建立知識共享平臺，在增強知識擴散能力的同時，提升融合創新水平。

（2）加強環境與系統要素協同聯動。組態分析結果表明，引致面向前沿交叉領域的科學-技術-產業融合創新模式多呈現環境與系統要素聯動的特征。在深刻認識要素間多重并發性的基礎上，可圍繞政策鏈、資金鏈、數據鏈、產業鏈、知識鏈、人才鏈等構建多鏈融合的要素協同機制，以異構多源數據為紐帶，聯結不同鏈上對應的主體和要素。但需注意兩個方面：一是指導意見的制定。要明確各鏈條的具體任務和協同方式，對要素協同機制起到規范和引導的作用；二是協同效果的反饋。可結合數智技術建立實時監控系統，實時分析各項措施的實施效果和協同情況，及時發現并解決協同機制中存在的問題，全面總結經驗和教訓以提出改進建議。基于此，可強化復雜系統整體效應，推進融合創新反應結果的加快實現。

（3）探索符合發展實際的融合模式。研究表明，產生科學-技術-產業高融合創新水平的模式有5種，說明不同領域實現科學-技術-產業高水平融合創新的模式是多元的。融合創新相關主體應根據相關領域在政策、資金、市場等方面的發展情況，探索符合發展實際的融合模式。具體而言，如果前沿交叉領域擁有較好的資本集聚和知識擴散優勢，但政策支持和市場活力相對薄弱時，可通過引進和應用AI、物聯網和大數據技術以及建設跨領域數字平臺等方式積極擁抱數智技術，建立跨領域合作網絡以及設立支持跨領域合作項目基金等方式凝聚合作力量，從而推動高水平融合創新，如H1a和H1b模式。如果前沿交叉領域在資本集聚和知識擴散方面具有發展優勢，但目標導向和主體合作條件欠缺時，可通過加強環境刺激，持續推動系統迭代，從而獲得高水平融合創新反應，如H2模式。

5.3" " 局限與展望

本研究仍存在部分不足。首先，受限于數據的可獲取性，僅選取了16個前沿交叉領域作為研究樣本，可能在一定程度上會影響研究結論的普適性。未來研究可嘗試開展前沿交叉領域的定量識別研究，并在此基礎上采集更廣泛領域的數據，以檢驗研究結論的可推廣性。其次，時間窗口聚焦于2019年-2022年，較短的時間窗口無法動態探討面向前沿交叉領域的科學-技術-產業融合創新前因組態，后續研究將基于多維度、多層面的理論框架梳理出更加豐富的變量，并引入時序fsQCA探討不同前因變量與融合創新結果間的因果復雜關系。

參考文獻：

［1］" 科技日報.新質生產力對科技創新的新要求［EB/OL］.［2024-11-15］.https：//www.gmw.cn/xueshu/2024-06/17/content_37387683.htm.

［2］" 許海云，王超，陳亮，等.顛覆性技術的科學-技術-產業互動模式識別與分析［J］.情報學報，2023，42（7）：816-831.

［3］" 劉虹.面向科學與技術的交叉領域研究——概念內涵、測度方法［J］.現代情報，2024，44（5）：166-176.

［4］" 王超，許海云，齊硯翠，等.知識網絡視角下科學、技術、產業間創新驅動關系識別方法研究［J］.情報學報，2024，43（1）：10-24.

［5］" 武華維，王超，許海云，等.知識耦合視角下區域科學-技術-產業協同創新水平的評價方法研究［J］.情報理論與實踐，2020，43（5）：91-98.

［6］" 彭帥，張春博，楊陽，等.科學-技術-產業關聯視角下石墨烯發展國際比較——基于專利的計量研究［J］.中國科技論壇，2019，（4）：181-188.

［7］" 王燾，馬亞雪，吳柯燁.區域新興產業創新生態系統聯動效應對科技人才流動影響研究［J］.現代情報，2024，44（11）：139-151.

［8］" 呂璐成，趙亞娟.基于專利數據的技術融合研究綜述［J］.圖書情報工作，2021，65（6）：138-148.

［9］" 李姝影，方曙.測度技術融合與趨勢的數據分析方法研究進展［J］.數據分析與知識發現，2017，1（7）：2-12.

［10］" 李昌，楊中楷，周錦錦.技術生長點：內涵、識別研究進展與展望［J］.圖書情報工作，2023，67（23）：138-150.

［11］" 劉洪昌，武博.戰略性新興產業的選擇原則及培育政策取向［J］.現代經濟探討，2010（10）：56-59.

［12］" 劉春麗，臧東宇，陳爽.科學-技術-產業關聯測度與主題演化規律研究——以生物醫藥領域為例［J］.圖書情報工作，2024，68（14）：95-116.

［13］" Sen N.Innovation chain and CSIR［J］.Current Science，2003，85（5）：570-574.

［14］" 劉佳，鐘永恒，何曉東，等.基于多元關系融合的科學-技術-產業關聯模式識別方法研究［J］.現代情報，2024，44（6）：67-81.

［15］" Kenta I，Kazuyuki M，Ryuichi T，et al.Measuring science intensity of industry using linked dataset of science，technology and industry［R］.Tokyo：Research Institute of Economy，Trade and Industry，2017.

［16］" Wong C Y，Fung H N.Science-technology-industry correlative indicators for policy targeting on emerging technologies：exploring the core competencies and promising industries of aspirant economies［J］.Scientometrics，2017，111（2）：841-867.

［17］" 劉小玲，譚宗穎.基于專利多屬性融合的技術主題劃分方法研究［J］.數據分析與知識發現，2022，6（Z1）：45-54.

［18］" 童劉奕，張鵬翼.《中國圖書館分類法》和《美國國會圖書館圖書分類法》人工映射分析與差異性探究［J］.數字圖書館論壇，2018（3）：53-58.

［19］" 陳蒙，仇保興，李海波.基于復雜適應系統理論的城市科技創新動能提升對策［J］.城市發展研究，2024，31（1）：56-62.

［20］" 曹薇.復雜適應系統理論在企業為主體的產學研合作中的應用［J］.系統科學學報，2015，23（4）：68-71.

［21］" 周勝男，申俊龍，李潔.基于社會網絡理論的生物醫藥產業集群創新組合模式研究——以江蘇省為例［J］.科技管理研究，2023，43（10）：127-135.

［22］" 鄒麗雪.美國推動人工智能在生物醫學領域應用的政策分析及其對中國的啟示［J］.科技管理研究，2023，43（16）：31-38.

［23］" 馮薇，銀路.基于創新過程的現代生物技術企業知識產權策略研究［J］.管理學報，2012，9（2）：250-257.

［24］" 張苑，詹宇波，張伯超.國有金融資本支持科技創新的邏輯、實踐與對策［J］.新金融，2024（4）：45-50.

［25］" 張夏恒，馬妍.因地制宜發展新質生產力的必要性、科學性及著力點［J］.北京工業大學學報（社會科學版），2024，24（4）：118-130.

［26］" 薛雅，王雪瑩.基于因子分析法的重大科技成果轉化地域選擇影響因素研究［J］.科技管理研究，2023，43（12）：194-201.

［27］" 吳潔，謝小東，盛永祥，等.創新聯合體潛在合作伙伴選擇研究［J］.復雜系統與復雜性科學，2024，21（2）：104-111.

［28］" 張羽飛，原長弘，張樹滿.共建產學研創新聯合體對科技中小企業創新績效的影響研究［J］.管理學報，2023，20（1）：76-85.

［29］" Ke J，Wang B，Yoshikuni Y，et al.Microbiome Engineering：Synthetic Biology of Plant-Associated Microbiomes in Sustainable Agriculture［J］.Trends in Biotechnology，2021，39（3）：244-261.

［30］" 薛瀾，姜李丹，黃穎，等.資源異質性、知識流動與產學研協同創新——以人工智能產業為例［J］.科學學研究，2019，37（12）：2241-2251.

［31］" 尹西明，孫冰梅，袁磊，等.科技自立自強視角下企業共建創新聯合體的機制研究［J］.科學學與科學技術管理，2024，45（11）：74-89.

［32］" 鄧勝利，付少雄.定性比較分析（QCA）在圖書情報學中的應用——以網絡社區健康信息搜尋影響因素研究為例［J］.情報理論與實踐，2017，40（12）：23-28.

［33］" Dul J.Identifying Single Necessary Conditions with NCA and fsQCA［J］.Journal of Business Research，2016，69（4）：1516-1523.

［34］" 田常偉，董坤，郭銳，等.基于知識關聯分析的科技成果轉化效率測度方法研究［J］.情報理論與實踐，2024，47（5）：123-130.

［35］" 滕廣青，江瑤，庹銳.基于多數據源維度的領域知識演化對比研究：以美國石墨烯領域研究為例［J］.情報資料工作，2023，44（6）：61-70.

［36］" 蘇屹，孫明明，郭秀芳.基于創新水平與風險承擔水平的數字化對企業價值的影響［J］.軟科學，2024，38（10）：63-68.

［37］" 馬淑燕，趙祚翔，許欣，等.中國東部三大城市群國家高新區創新效率及影響因素研究［J］.科技管理研究，2021，41（21）：1-9.

［38］" 馬玉新，吳愛萍，李華，等.中國企業技術創新政策演變過程——基于扎根理論與加權共詞分析法［J］.科學學與科學技術管理，2018，39（9）：61-72.

［39］" 李悅，馬亞雪，張宇，等.基于知識關聯度的科學論文擴散效果預測研究——早期施引文獻的作用［J］.現代情報，2023，43（11）：73-84.

［40］" 高霞，曹潔瓊，包玲玲.產學研合作開放度的異質性對企業創新績效的影響［J］.科研管理，2021，42（9）：112-119.

［41］" 杜運周，賈良定.組態視角與定性比較分析（QCA）：管理學研究的一條新道路［J］.管理世界，2017（6）：155-167.

作者簡介：王燾，男，南京大學信息管理學院博士研究生，研究方向：科技情報、數據治理；付少雄，男，南京農業大學信息管理學院副教授，研究方向：數字信息資源管理、信息服務與用戶。