全球科技創新中心構型規律與演化機制研究

摘 要：加快建設高能級全球科技創新中心是建成科技強國的重要支撐。提煉解釋不同能級全球科技創新中心構型差異的組態模型，以全球96個具有影響力的科技創新中心作為案例樣本，結合NCA和fsQCA方法挖掘發現，全球科技創新中心存在普遍的構型規律與共性演化機制：①能級提升需滿足前因條件必要發生的先后次序并達到相應水平，30%、40%、50%和80%的科創能級依次需要7%的創新環境條件、1.7%的人才集聚條件、0.7%的基礎研究條件和27.6%的創新產業條件，政府驅動條件不存在瓶頸，始終貫穿于全球科技創新中心建設全領域與全過程；②識別出高能級支配型場景驅動產研融合路徑和樞紐型場景支撐創新路徑、政府驅動場景營創路徑、知識策源創新路徑、人才集聚知識創新路徑，以及非高能級潛力型政府強勢主導路徑和節點型政府支持人才高地建設路徑、創新土壤培育路徑，從正反兩方面驗證“科技－產業－科技”路徑組合閉環是建成高能級全球科技創新中心的關鍵標志；③4種能級構型對應8條關鍵路徑，揭示單因素主導驅動、雙因素均衡驅動和多因素共生驅動三重科技創新中心能級進階演化機制。據此，提出中國建設不同層級、接續進階的科技創新中心體系的若干對策建議。

關鍵詞：全球科技創新中心；創新生態理論；構型規律；演化機制

DOI：10.6049/kjjbydc.2023040565

中圖分類號：F091.354

文獻標識碼：A

文章編號：1001-7348（2024）20-0098-11

0 引言

高能級全球科技創新中心代表一國在世界分工體系中所能達到的最大程度，是全球創新網絡（GIN）中具有強大吸納集聚力和擴散輻射力的支配型節點［1］，是全球新知識、新技術、新產業、新制度的創新策源地和頂級區域創新生態。大科學時代創新的非線性和顛覆性規律表明大多數原始創新只會集聚于少數幾個中心而非遍地開花，因此建設具有全球影響力的科技創新中心是各國成為世界科技強國的關鍵舉措。面對科技革命新浪潮與全球競爭新格局，中國實施創新驅動發展戰略，不斷強化國家戰略科技力量，全面加快形成科技創新規模集群。中共二十大報告和“十四五”規劃高位推進國際科技創新中心和區域科技創新中心布局，北京、上海和粵港澳大灣區繼續領銜全球科技創新中心建設使命，成渝和武漢等獲批建設區域性科技創新中心。這反映出國家科技創新體系的雁陣布局思路已初步成形，但中國式科技創新中心建設路徑和發展模式有待檢驗。

歷史表明，全球科技創新中心的興起、更迭與多極化是經濟長波、制度創新與科技革命等因素受時空環境交織影響的產物［2］，建設全球科技創新中心是一項系統工程，由不同驅動主體和條件要素耦合形成的科技創新中心在成長路徑和能級高低上大相徑庭［3］。世界經濟論壇和麥肯錫公司曾共同提出政府扶持型（英勇的賭注）、市場主導型（不可抗拒的交易）、知識驅動型（知識綠洲）3種不同的科技創新中心建設模式，并將全球科技創新中心從萌芽階段到衰退階段的全生命周期歸納為初生的溪流、涌動的熱泉、洶涌的海洋、平靜的湖泊和萎縮的池塘［4］，初步回答了“是什么造就了硅谷”這一問題，也啟發學界關注熱點從單一創新網絡、創新集群、創新文化轉向更復雜更系統的開放創新生態［5］，但缺乏“為什么是硅谷”“如何復制下一個硅谷”等揭示客觀性、必然性、穩定性、重復性規律的研究。因此，本文以創新生態系統和復雜性涌現為理論視角，從3個方面展開深入研究。首先，檢驗全球科技創新中心前因條件的必要次序和瓶頸水平；其次，定性比較全球科技創新中心組態演化路徑，歸納全球科技創新中心構型規律；最后，結合創新理論進一步提煉全球科技創新中心能級進階演化機制，為我國不同層級科技創新中心建設提供理論指導與經驗借鑒。

1 文獻綜述與模型構建

當前，學界對“全球科技創新中心”內涵與外延的研究已形成共識。不同于早期“世界科學活動中心”［6］“國際科技中心”［7］等以國家為空間單位的宏觀概念以及國內廣泛討論的“國際研發中心”“產業科技創新中心”［8］等次國家級（城市與區域）概念。杜德斌等［9］提出“全球科技創新資源密集、科技創新活動集中、科技創新實力雄厚、科技成果輻射范圍廣大”這一定義引用最廣泛。當前，關于全球科技創新中心的研究主要聚焦于構成要素、發展構型和演化路徑上。杜德斌等［10］將創新人才、創新主體（一流大學、引擎企業與有為政府）、創新環境（文化、制度、基礎設施等）視為全球科技創新中心的核心要素、驅動要素和支撐要素；杜德斌等（2022）、陳強等［11］、眭紀剛等［12］采用多案例比較或個案探索構建內生型（創新機構本土成長）、外源型（外來創新機構主導）、混合型（本土與外來創新機構協同）、倫敦模式（知識+創意+市場）、硅谷模式（科技+產業+制度）、東京模式（工業+研發+政府）等不同類型科技創新中心；熊鴻儒［13］刻畫了不同科技創新中心在萌芽起步期、快速成長期和成熟穩定期的驅動條件、創新模式、政府決策和產業集群特征。這些研究為本文初步搭建分析框架提供了有益參考。

有效識別并量化全球科技創新中心特征是一個重要方面。王彥博等［14］、鄧丹青等（2019）、王海蕓等［15］、陳搏（2016）對全球科技創新中心評價指標的測量既有共性也有差異，其中創新資源（共現4次）、創新成果（共現4次）、創新環境（共現3次）、創新產業（共現3次）、創新影響（共現3次）等條件共同次數最多。清華大學聯合施普林格·自然集團發布的《國際科技創新中心指數》從科學中心、創新高地和創新生態三大維度對全球科技創新中心進行評測排序［16］。張文忠［17］根據科技創新中心職能定位，將其劃分為國際級、國家級、區域級和地方級4級，并通過量化區域科技創新資源評估全國各科技創新中心的發展基礎。澳大利亞智庫2thinknow每年發布的《全球最具創新力100城市排行》報告分別將全球500個城市劃分為支配型（Nexus）、樞紐型（Hub）、節點型（Node）和潛力型（Upstart）4個不同能級［18］。這些研究表明，全球競爭力、影響力和支配力來源是前因條件變量的關鍵共性因素，而結果變量則重點考察案例樣本在全球創新網絡中對創新資源支配及創新活動控制的能級。

部分研究從理論層面揭示不同能級科技創新中心能否進階為全球頂級創新生態系統，諸如創新生態系統何以成為影響城市與區域在全球創新網絡中擁有強大創新資源集聚力和創新活動控制力等高能級特征的必要條件；創新生態系統條件如何耦合形成全球科技創新中心不同能級的構型規律與演化機制。2003年，美國總統科技顧問委員會（PCAST）首次提出“創新生態系統”的概念，創新范式自此從線性范式（創新1.0）、體系范式（創新2.0）步入生態系統范式（創新3.0）（李萬等，2014），創新生態系統頂層設計持續貫穿于美國數十年政府工作報告并成為引領美國乃至西方發達國家創新政策的重要基石。與創新理論發展躍遷相對應的是創新模式實踐，三螺旋模式對應政產研協同創新2.0范式，這一模式長期以來有效提升了創新研發資源利用率和科研機構的知識產能，大學知識轉化辦公室、知識產權管理機構應運而生，極大推動了產業發展整體進程［19］。隨著知識分布去中心化趨勢和組織邊界開放性的不斷增強，以應用和實踐為導向的創新需求快速增長［20］。Leydesdorff［21］最早將大眾引入創新模式，“大眾創業，萬眾創新”成為新時期開放創新活動的最新風向，從三螺旋到四螺旋模式的轉變打開了創新3.0范式下政產學研用協同的新視角。自此，創新生態內外主體在信息交互、物質轉移和知識共享上的異質協同與制衡、系統結構穩定性和知識流動性等“元”問題成為經久不衰的研究議題［22］。

總體而言，既有研究從多維理論視角討論全球科技創新中心要素結構、動力機制、發展模式和評估體系，但存在如下不足：①在研究問題上，國內外研究聚焦于創新理論、城市績效與典型個案模式總結，缺乏全球大樣本案例比較的規律性探索；②在研究方法上，案例深描和歷史事件分析方法占主流，鮮有單因素凈效應和多因素復合作用的定量研究；③在研究進路上，多從單一視角挖掘全球科技創新中心影響因素，忽視了系統能級提升的整體演進過程，未系統揭示不同能級全球科技創新中心構型與演化規律。因此，本文以創新生態系統理論為基礎構建組態模型，采用NCA與fsQCA相結合的方法挖掘96個全球科技創新中心大樣本數據，探究不同條件協同、組合或主導關系影響全球科技創新中心能級提升的復雜演化機制，如圖1所示。

2 研究設計

2.1 研究方法

采用NCA與QCA混合方法的根本目的在于探究條件必要性和因果關系。必要條件分析（Necessary Condition Analysis，NCA）通過R軟件對前因條件效應量和瓶頸水平進行定量研究，能夠充分反映達到某一水平（高能級全球科技創新中心）結果變量所需具備的前因條件（基礎研究、人才集聚等）［23］，不僅能為QCA方法對條件必要性簡單二分提供有效補充，還能揭示前因條件發生的先后次序［24］，對于研究不同條件在結果演化過程中的差異至關重要。而定性比較分析方法（Qualitative Comparative Analysis，QCA）則是基于模糊理論和布爾代數法［25］，通過系統考察案例與案例以及個案內部條件之間的互動與可能性組合關系揭示案例發生的關鍵條件、條件組合復雜因果關系問題。不同于定量分析方法，定性比較分析法以條件組態替代自變量、以集合關系替代相關關系、以組態思想替代凈效應思想［26］。

采用NCA與QCA混合方法分析本文研究問題具有高度適配性，一方面本文研究問題滿足QCA方法的多重并發因果關系、等效性和非對稱性3個假設，另一方面QCA方法滿足本文研究問題對條件組合探索的核心需求。首先，全球科技創新中心的形成與進階是一項復雜的系統性工程，演化過程受到多種條件的影響，條件與條件之間的獨立性很難保證，基礎研究、人才匯聚、產業升級等要素之間相互影響，傳統定量研究方法難以避免顯著的內生性問題。其次，大量案例研究和現實經驗表明，全球科技創新中心能級構型不存在唯一最優解，而是存在多個等效條件組合。再次，本研究試圖找到影響全球科技創新中心演化發展的普遍規律，沒有控制變量的要求，不需要估算單一影響條件的凈效應。最后，本文選取的96個案例屬于中等數量樣本，尤其適合使用QCA并結合定性和定量分析優勢，既能避免少數案例“可推廣性”問題，又能彌補大樣本對細節和現象分析的不足［25］。

2.2 數據來源

當前，有三份權威且數據翔實的報告對全球科技創新中心能級進行評價和分析：第一，澳大利亞智庫2thinknow自2007年發布的《全球最具創新力100城市排行》報告，其發布時間最早、影響范圍最廣，通過162項指標對全球500個城市與區域科創能級進行測評，是目前考察城市與區域創新水平最全面、認可度最高的評價體系，但分項指標數據未公開，難以獲取。第二，清華大學聯合普林格·自然集團自2020年起發布的《國際科技創新中心指數》報告，其基礎數據可獲取性最強，兼具權威性和學理性，評價體系由科學中心、創新高地和創新生態3個一級指標、10個二級指標以及27個三級指標組成，可獲取一二級指標指數得分，但整體偏向于科學技術投入與產出，缺乏對創新可持續性的關注（杜德斌等，2022）。第三，華東師范大學全球創新與發展研究院最新發布的《全球科技創新中心發展指數2022》，其從創新要素、科學研究、技術創新、產業變革和創新環境5個方面對全球130個城市的科創發展水平進行評估，基礎數據可獲取性較好但截面數據連續性較弱。

本研究數據來源于3個方面：第一，基礎研究、人才集聚、創新產業和創新環境4個條件變量數據拆解組合自《國際科技創新中心指數2022》中的科學中心、創新高地和創新生態3個維度，選取排名前100的城市和區域作為案例。第二，由于《全球科技創新中心發展指數2022》中排名前100的城市和區域與《國際科技創新中心指數2022》中排名前100的案例吻合度不高，數據匹配后案例樣本減少1/3，因此科創能級結果變量選取囊括全球500個城市數據的《全球最具創新力100城市排行》，兩份報告數據完全匹配后剔除部分數據缺失的洛桑、長沙、劍橋和牛津，將96個城市與區域作為案例樣本。第三，由于缺乏全面量化的政府驅動數據，故結合各地方政府官網、已有案例研究［27］和權威媒體報道作為賦值依據。

2.3 結果變量

科創能級由科技、制度、文化、交通和金融等方面的162個三級指標經過集權計算處理所得，參考周小虎［28］、杜運周（2020）對類似數據的處理方式，對報告中的最大原始值賦值為1，使用其它案例原始值與最大值的比值確定相對值，形成取值為［0，1］之間的科創能級，數值越趨近于1，表明科創能級越高。

2.4 前因條件變量

（1）基礎研究。基礎研究由科研機構（40%）、科學基礎設施（20%）、知識創造（40%）3個二級指標以及世界領先大學數量、世界一流科研機構200強數量、大科學裝置數量、超級計算機500強數量、高被引論文比例和論文被專利、政策、臨床試驗引用的比例6個三級指標加權計算得到。

（2）人才集聚。人才集聚由科技人力資源二級指標，以及活躍的科研人員數量（每百萬人）、高被引科學家比例、頂級科技獎項獲獎人數3個三級指標加權計算得到。

（3）創新產業。創新產業由創新企業（50%）、新興產業（50%）兩個二級指標以及創新領先企業數量、獨角獸企業數量、高技術制造業企業市值、新經濟行業上市公司營業收入4個三級指標加權計算得到。

（4）創新環境。創新環境由開放與合作（25%）、創業支持（25%）、公共服務（25%）和創新文化（25%）4個二級指標以及專利合作網絡中心度、創業投資金額、數據中心（公有云）數量、創意型人才數量等14個三級指標加權計算得到。

（5）政府驅動。根據相關文獻研究和理論基礎，全球科技創新中心發展驅動力可劃分為政府驅動、市場（企業）驅動和大學驅動3類。由于fsQCA要求使用連續型或二分變量，無法同時兼顧多值集數據，因此將該變量賦值為政府驅動型或非政府驅動型0-1二分變量。政府主導型表現為自上而下的政府推動使區域科技創新轉型升級，如出臺城市科技發展遠景規劃、法律法規和直接推動科技產業園區建設，非政府主導型的典型特征為市場機制下以企業為核心或高校人才輸出與知識外溢為主導形成區域科技產業集聚。

3 數據校準與結果分析

3.1 數據校準

本研究采用間接法將變量校準為模糊集。對全球科技創新中心能級的定義和評價已有較多學術研究和指數報告可供借鑒，不適合通過四分位數等常用標準直接校準。因此，本文在StataSE16軟件中使用分段多項式回歸對變量進行間接校準，將4個連續條件變量與1個結果變量完全隸屬、交叉點和完全不隸屬3個校準點設為案例樣本描述性統計的80%、50%、20%，其中1個政府驅動條件變量采用賦值法進行模糊處理，非高能級結果校準通過高能級的非集實現，各變量校準錨點及描述性統計結果如表1所示。

3.2 單變量必要性分析

使用R Studio軟件對校準后數據進行NCA必要條件分析，判斷特定條件是否成為某一結果的必要條件，通過分析必要條件的效應量考察瓶頸水平，即產生特定結果所需必要條件的最低門檻。其中，效應量取值范圍介于0～1之間，數值越大表明效應量越大，當小于0.1時表明效應量較小［23］。NCA方法分別使用上限包絡回歸（CE）、上限回歸（CR）處理離散變量和連續變量。因此，科創能級、基礎研究、人才集聚、創新產業和創新環境5個連續變量采用上限回歸（CR）處理，政府驅動0-1二分條件變量采用上限包絡回歸（CE）處理。

結合表2所示必要條件分析結果，使用CE和CR兩種估計方式報告效應量。首先，觀察效應量，根據NCA方法的預設條件，只有效應量不小于0.1（d≥0.1）結果才有效，還要求蒙特卡洛仿真置換檢驗顯示的效用量顯著［24］。從中可見，人才集聚（p=0.211，d=0.052）和政府驅動（p=1.000，d=0.00）檢驗結果不顯著。基礎研究（p=0.015，d=0.103）、創新產業（p=0.016，d=0.127）變量在5%水平上顯著，但效應量勉強大于0.1，所以不是形成高能級全球科技創新中心的必要條件。創新環境（p=0.00，d=0.28）檢驗結果中等顯著，是促進高能級全球科技創新中心形成的必要條件。

結合表3分析瓶頸水平。瓶頸水平是指條件在最大觀測范圍內滿足的水平值（%）［23］。當城市與區域科創能級達到30%時，至少需要7%的創新環境作為支撐；當達到40%時，至少需要1.7%的人才集聚作為支撐；當達到50%時，至少需要0.7%的基礎研究作為支撐；當達到80%時，至少需要27.6%的創新產業作為支撐。政府驅動條件則不存在瓶頸水平。本文深入分析發現：首先出現瓶頸的是創新環境條件，這意味著在初始階段營造創新環境是快速提升城市與區域科創能級見效最快、邊際收益最高的必要舉措，最典型的就是政府適度超前的公共基礎設施建設、公共服務供給優化等舉措，且創新環境對科創能級的支撐作用持續增強，當能級達到100%時，其必要貢獻度高達72.2%，僅次于創新產業。

其次出現瓶頸的是人才集聚條件，人才集聚瓶頸水平從最開始時的1.7%增至15.5%，從數字看增長緩慢且必要貢獻量相較其它條件最少，一方面是因為人才培養和成果產出存在周期規律，另一方面也深刻揭示了智力資源開發利用的新規律。隨著ChatGPT、虛擬現實和元宇宙等“時空壓縮”技術的涌現，區域智力資本不再僅僅依靠人才物理集聚，而是通過網絡化、扁平化實現更高效的智力碰撞與成果涌現，視野要從“搶人大戰”轉向不求所有但求所用的“虛擬智力”。

再次出現瓶頸的是基礎研究條件，雖然前期基礎研究對科創能級的必要貢獻水平較低，但中后期對科創能級快速提升發揮關鍵作用，基礎研究的必要貢獻水平迅速提高，表明基礎研究周期長、難度大、成果難以短期轉化，但只要取得重大突破就能使創新能級發生質變。政府驅動始終沒有出現瓶頸，符合政府在區域創新生態營建上堅持長期主義的功能定位，也可能是因為該條件變量0-1簡單二分難以對政府驅動條件程度和力度進行有效量化。

總體來看，創新環境是全球科技創新中心前期萌芽的土壤，基礎研究和人才集聚是不可或缺的基石，創新產業尤其是領軍企業是突破能級上限的關鍵力量，而政府驅動則始終貫穿于全球科技創新中心建設的全領域與全過程，通過不斷強化各主體聯系實現持續創新。

進一步，采用fsQCA方法對必要條件進行檢驗，結果如表4所示。從中可見，在高能級和非高能級結果中，所有單一條件必要性的一致性系數普遍較低（Consistency＜0.9），創新環境在fsQCA方法中一致性系數為0.829，雖然在所有條件變量中最接近0.9，但結合fsQCA方法的雙重檢驗，認為不存在形成高能級全球科技創新中心的必要性條件。

3.3 能級構型歸納

使用fsQCA4.0軟件分別對形成高能級和非高能級全球科技創新中心的條件組態進行分析，析出不同條件組態實現同一結果（高能級或非高能級）的不同能級構型。在具體分析中，確定原始一致性閾值為0.8，PRI一致性閾值為0.5，案例頻數閾值為1（杜運周等，2022）。完成反事實運算后，對比中間解和簡約解的嵌套關系，將既在中間解也在簡約解中出現的條件視為該能級構型的核心條件，只在中間解出現的條件視為邊緣條件，結果如表5所示。從中可見，結果中非高能級全球科技創新中心組態有4個（A1a、A1b、A2、A3），其中A1a、A1b的核心條件一致，構成二階等價組態。結合具體案例，將4個組態建構為“潛力型”（A1a、A1b）和“節點型”（A2、A3）兩種能級構型。形成高能級科技創新中心的構型有5個（B1、B2、B3、B4、B5），結合具體案例將其建構為“支配型”（B1）和“樞紐型”（B2、B3、B4、B5）兩種能級構型。

3.3.1 非高能級構型演化路徑分析

在非高能級潛力型中，政府驅動作為唯一核心條件影響結果生成（見表6）。其中，組態A1a缺失核心條件創新產業和創新環境，組態A1b缺失核心條件創新環境、邊緣條件人才集聚。兩個組態反映政府強勢主導路徑是廣大新興發展中國家在科技創新領域崛起與追趕的典型模式，由政府掌控前期基礎設施建設、科研經費使用、科技園區規劃，并一手推進產學研組織建立，但這對私人機構和企業發展會產生極大阻礙，一旦政府陷入財政危機或轉移注意力，其發展將會受挫。

在非高能級節點型中，組態A2代表政府支持人才高地建設路徑，即以高人才集聚、非高基礎研究和非高創新產業作為核心條件，以高政府驅動作為邊緣條件的組合，覆蓋案例大多擁有工業基礎或高密度知識儲備但只有少量前沿成果產出，面臨創新要素錯配和轉型乏力的問題，多是發達國家先工業化城市和傳統教育重鎮。組態A3代表創新土壤培育路徑，即以高創新環境為核心條件，其它核心條件未出現。該組態只有法蘭克福一個樣本案例，法蘭克福作為歐洲商業、金融業和交通中心，科技創新能力與貿易、金融緊密相關，是企業自發形成的科技創新中心，在基礎研究、人才匯聚和創新產業轉型方面缺乏系統規劃布局，但金融和交通樞紐區位是其轉型的有力支撐。

3.3.2 高能級構型演化路徑分析

在高能級支配型中（見表7），組態B1場景驅動產研融合路徑是以基礎研究、創新產業和創新環境為核心條件組成的頂級創新生態構型。其中，政產學研用多種群形成的競合共生關系自動維系生態結構穩定性和知識流動創造性，在創新環境中誕生的應用場景催生一批世界級“引擎”企業，推動區域科創能級不斷躍升。

在高能級樞紐型中，組態B2場景支撐創新路徑以高創新環境、非高基礎研究、非高人才集聚為核心條件，覆蓋案例高度重視數字驅動場景創新，如布局關鍵領域基礎研究并加大人才匯聚力度，有望實現科創能級跨越式提升。組態B3政府驅動場景營創路徑由非創新產業、創新環境和政府驅動等邊緣條件組合而成，覆蓋案例與B2組態類似，地方政府更關注前沿領域科技創新治理，營建有利于產學研協同的創新環境；組態B4知識策源創新路徑以基礎研究、非人才集聚為核心條件，以非創新產業和非創新環境為互補邊緣條件組成，覆蓋案例是以打造原始創新策源地為目的的城市與區域。組態B5人才集聚知識創新路徑以非創新產業、非創新環境、非政府驅動為核心條件，互補以基礎研究、人才集聚為邊緣條件，費城為典型案例，作為傳統老工業重鎮，長期以來產業結構以資源加工和傳統制造業為主，但城市高校密集，在基礎研究和創新人才儲備上具有全球比較優勢。

4 演化機制分析

4.1 空間分布與演化趨勢

對fsQCA軟件中不同組態對應案例進行匹配和分析（見表8）。從中可見，在非高能級潛力型全球科技創新中心中，有19個（70%）位于亞洲，其中又以中國（11個）占比最多，印證了各界早已預言的全球科技創新軸線位移不可逆轉的趨勢。這類城市多依靠政府驅動實現創新資源虹吸與集聚，但如果不能抓住新一輪科技革命和產業轉型升級的時代機遇，同更高能級全球科技創新中心的差距將快速被拉大，并呈現出顯著的馬太效應；非高能級節點型全球科技創新中心在整合全域本底優勢的基礎上，正在集中力量提升城市與區域科技創新動能并加快傳統產業轉型升級，該類城市與區域主要集中在先工業化的歐洲地區，大多屬于在兩次工業革命中領先發展的重要中心節點；高能級樞紐型全球科技創新中心高度集中在歐洲（7個），而北美洲（6個）和亞洲（4個）則分別位居第二和第三，這意味著潛在全球頂尖科技創新中心最早可能出現在歐洲、北美洲和亞洲。在高能級支配型全球頂級科技創新中心中，半數以上都在美國，中國北京、上海和粵港澳大灣區在數量上僅次于美國。無論從數量還是從科創能級看，美國在全球科技創新領域建立的絕對優勢在短時間內都難以撼動與趕超。

使用Origin2022對不同條件變量能級構型進行三維可視化分析。受三維空間成像限制，選取人才集聚、創新產業、基礎研究3個條件作為X、Y、Z坐標軸。圖2展示了全球科技創新中心顯著分層趨勢。其中，支配型、樞紐型科技創新中心普遍沿著吸引與集聚人才以及突破關鍵領域基礎研究不斷提升科創能級，在源頭創新、基礎科學研究和人才爭奪中更有可能保持長期戰略競爭優勢。創新產業是拉開科技創新中心能級差距的關鍵條件。硅谷、倫敦、紐約以及深圳的發展經驗表明，“科技—產業—科技”閉環是城市和區域創新生態形成的關鍵標志。大量早期科研資金投入需要通過科技成果轉化形成財富，創新產業發展資本聚集后再回流反哺科研，進而開啟新一輪高水平科技創新，形成科創能級提升的“正反饋”循環。而潛力型和節點型新興國家科技創新中心雖然大多擁有大規模人口，但因為創新產業脆弱而掉入“中等技術發展陷阱”，尚未形成科技創新與經濟增長發展閉環，很難繼續向高能級中心進階。

4.2 演化機制提煉

構型規律重點關注要素構成和資源配置靜態結構，演化機制則需要透視各創新主體之間、創新主體與環境之間的動態演化過程，以厘清全球科技創新中心能級提升理論邏輯，如圖3所示。

（1）單因素主導驅動機制。該機制有且僅有一個核心條件作為主導因素驅動全球科技創新中心演化發展，尚處于原始創新1.0線性范式，缺乏持續創新多樣性種群［29］。具體可劃分為政府驅動主導型、人才集聚主導型、創新環境主導型和基礎研究主導型4類。綜合來看，在創新生態系統基本構成條件中，除創新產業外，其余4個條件都可成為建設全球科技創新中心的單一主導因素。該機制能夠有效提高普通城市和區域科技創新能級，使其成為潛力型、節點型甚至是樞紐型全球科技創新中心，但城市和區域有可能陷入“低端鎖定”發展瓶頸，科技創新能級無法通過單一因素主導驅動實現持續提升。

（2）雙因素均衡驅動機制。該機制出現兩個邊緣條件均衡驅動全球科技創新中心演化發展，由于缺乏單一主導因素，創新主體間產生競爭性對等關系，形成創新2.0范式下的整合式協同創新能力［30］，具體劃分為“政府驅動—創新環境”和“基礎研究—人才集聚”兩種組合。政府與市場主體協同營造的創新環境AMBIimRCTsPpfs9oOZuVVA==對于提升創新能級具有關鍵作用，而基礎研究進步與招才引才同樣存在密不可分的協同效應，該機制通過兩個均衡要素的能量轉換推動非高能級全球科技創新中心實現能級進階。在此過程中，如果新興科技創新中心不能進一步拓寬投資渠道和產業門類，建立知識溢出和市場競爭機制，引入多元創新主體并豐富創新要素，穿越科技成果轉化的“卡夫丁峽谷”，城市和區域將會從全球創新價值鏈上緩慢滑落，被后發潛力型和節點型科技創新中心超越。

（3）多因素共生驅動機制。該機制有3個核心條件共生驅動全球科技創新中心演化發展，城市、區域內各種創新主體/要素與創新環境形成物質流、能量流和信息流的聯結傳導，驅動形成創新3.0范式下共生競合與動態演化的復雜涌現系統，具體表現為“基礎研究—創新產業—創新環境”組合。該機制對城市和區域科技創新能級的提升作用不是單個要素系統增強和優化的結果，也不是幾個系統要素的簡單疊加，而是各要素系統交互協同的結果［10］。該機制有利于推動樞紐型科技創新中心進階為全球頂級支配型，在完善的創新基礎設施和豐富的人力資源基礎上，培育擁有大批富有冒險精神的創新家集聚地，成為知識技術產品化、商業化的全球中心。

5 研究結論與啟示

5.1 研究結論

本文從全球科技創新中心的創新生態系統構成要素出發，選取基礎研究、人才集聚和創新產業等5個前因條件，運用NCA與fsQCA相結合的方法，探究高能級全球科技創新中心構型規律與演化機制，得出如下結論：

（1）從實踐看，北美洲國家有望持續并長期引領全球科技創新前沿發展，中國具有孕育高能級科技創新中心的潛力，歐洲國家正在以前所未有的速度向“創新”進軍，亞非等后發國家建設全球科技創新中心的機遇窗口正在開啟，區域間科技競爭與合作成為時代主題。

（2）從理論看，提升能級必須滿足前因條件必要發生的前后次序并達到相應水平，基礎研究、人才集聚、創新產業、創新環境、政府驅動互動形成潛力型和節點型兩種非高能級構型以及樞紐型、支配型兩種高能級構型；能級構型對應的8個關鍵路徑組合揭示單因素主導驅動機制、雙因素均衡驅動機制和多因素共生驅動機制三重共性演化機制。持續加強基礎研究投入和人才招引力度是基本條件，而創新產業則是邁向高能級科技創新中心的關鍵指征。

（3）從間接效應看，中國式現代化科技創新中心發展路徑具有不同于西方國家的創新價值，即在人口規模巨大的現實國情下，高效的技術應用和成果轉化不僅讓創新成果惠及更多民眾，在需求側還能刺激科技研發與創新，龐大的本國市場則能顯著加速技術迭代、提高產業成熟度，從而形成基于人口紅利的科技創新比較優勢。

5.2 政策啟示

（1）強化制度頂層設計。突出布局的前瞻性和突破性，建立以科技創新中心為核心載體的國家創新體系，理順科技創新管理體制，統籌協調全國科技創新中心建設工作，共同制定各地科技創新中心能級進階的2025年、2030年和2035年“三步走”規劃。

（2）激活區域創新生態。協調推進不同區域、不同能級全球科技創新中心梯隊建設，支持重要城市與區域積極對接國家戰略需求，立足自身區位優勢系統開展科技創新中心培育工作，錯位融入全球價值鏈實現產業基礎高級化、產業鏈現代化。

（3）優化要素結構配置。不斷營造有利于創新的市場競爭氛圍，完善政府對基礎研究和高精尖人才招引的穩定投入機制，釋放知識和智力資本累積效應，形成顛覆性創新，促進戰略性新興產業融合發展。具體而言，推動低能級科技創新中心進階要改變單因素主導驅動的“路徑依賴”，補齊城市創新短板，形成雙因素、多主體均衡驅動發展機制。積極引導杭州、合肥、成渝、武漢等節點型科技創新中心采取“知識+創意+市場”路徑組合，深切把握沿海、沿江及內陸腹地區域定位，打造鼓勵創新、宜居宜業的示范區和區域智力高地，培育市場在若干戰略領域和高端產業形成區域比較優勢，爭取盡早邁進樞紐型中心行列。鼓勵鄭州、長沙、福州、蘭州等潛力型科技創新中心采取“知識+研發+政府”路徑，繼續建設若干個全國一流大學、研究院所和技術轉化產業基地，不斷提高基礎研究和原始創新能力。助推高能級科技創新中心打造更加開放自由包容的多因素共生驅動生態系統，為顛覆性創新、破壞性創新提供容錯空間、資本支持和法治保障。同時，堅定支持北京、上海、粵港澳大灣區等已經具有全球競爭力的支配型、樞紐型科技創新中心采取“科技+產業+制度”路徑，發揮新型舉國體制優勢，落實全球科技創新中心建設國家政策，強化基礎研究源頭創新，聚焦戰略性新興產業，深化科技創新體制機制改革，提升全球創新策源能力，有效利用市場手段配置全球創新資源。

5.3 不足與展望

本文存在如下不足：①政府驅動條件變量使用質性材料補充，東西方國家央地政府在科技創新中的角色和作用不同，未避免賦值時的主觀影響，未來可選取全球關鍵共性指標對政府功能和作用進行測量；②受限于全球城市數據可獲得性，本文研究對象選取科創能級排名前100的城市和區域，面臨定量研究選擇偏差問題，未來應收集更多、范圍更廣的城市案例；③使用靜態截面數據，隨著QCA方法對動態面板數據處理的優化與完善［31］，未來可收集跨時間數據；④區域創新生態受到制度文化、國家體制等宏觀因素的影響，未來應對其展開深入研究。

參考文獻：

［1］ 杜德斌.對加快建成具有全球影響力科技創新中心的思考［J］.紅旗文稿， 2015， 52（12）： 25-27.

［2］ FREEMAN， SOETE.Economics of industrial innovation［M］.London： Thomson Learning， 2000： 32.

［3］ 胡曙虹，黃麗，杜德斌.全球科技創新中心建構的實踐——基于三螺旋和創新生態系統視角的分析：以硅谷為例［J］.上海經濟研究， 2016， 35（3）： 21-28.

［4］ ANDONIAN ANDRE，LOOS CHRISTOPH，PIRES LUIZ.Where will the world's primary centers of innovation be［DB/OL］.2006 ［2023-1-30］.https：//uat.thersa.org/globalassets/pdfs/city-growth-commission/evidence/mckinsey-where-will-the-worlds-primary-drivers-of-innovation-be.pdf.

［5］ 孫靜林，穆榮平，張超.創新生態系統價值共創：概念內涵、行為模式與動力機制［J］.科技進步與對策， 2023， 40（2）： 1-10.

［6］ 湯淺光朝.Center of scientific activity： its shift from the 16th to the 20th century［J］.Japanese Studies in the History of Science， 1962， 1（1）： 57-75.

［7］ 黃新亮.世界科技中心轉移的三大動力機制探討［J］.經濟地理， 2006，26 （3）： 434-437.

［8］ 張濤，宣昌勇.建設全球性產業科技創新中心的模式與路徑選擇——基于江蘇省產業科創中心的科研活動［J］.現代經濟探討， 2017， 36（1）： 73-77.

［9］ 杜德斌，何舜輝.全球科技創新中心的內涵、功能與組織結構［J］.中國科技論壇， 2016， 32（2）： 10-15.

［10］ 杜德斌，祝影.全球科技創新中心：構成要素與創新生態系統［J］.科學， 2022， 74（4）： 6-10， 4.

［11］ 陳強，王浩，敦帥.全球科技創新中心：演化路徑、典型模式與經驗啟示［J］.經濟體制改革， 2020， 38（3）： 152-159.

［12］ 眭紀剛.全球科技創新中心建設經驗對我國的啟示［J］.人民論壇·學術前沿， 2020， 9（6）： 16-22.

［13］ 熊鴻儒.全球科技創新中心的形成與發展［J］.學習與探索， 2015， 37（9）： 112-116.

［14］ 王彥博，姚黎.全國科技創新中心的科技創新能力評價研究——以我國31個省區市比較分析為例［J］.科技管理研究， 2020， 40（3）： 1-7.

［15］ 王海蕓，陶曉麗，劉楊.基于“五種責任”的全國科技創新中心評價指標研究［J］.科研管理， 2017， 38（S1）： 317-324.

［16］ Nature.Center for industrial development and environmental governance， Tsinghua university （CIDEG）： Global Innovation Hubs Index 2022［DB/OL］（2022-12-19） ［2023-1-30］.https：//www.nature.com/collections/iccccffddh.

［17］ 張文忠.中國不同層級科技創新中心的布局與政策建議［J］.中國科學院院刊， 2022， 37（12）： 1745-1756.

［18］ 2thinknow.Innovation cities？ index by 2thinknow.measure， compare & improve cities［R］.［DB/OL］ ［2023-1-28］.https：//innovation-cities.com/.

［19］ MARQUES J P C， CARAA J M G， DIZ H. How can university-industry-government interactions change the innovation scenario in Portugal？—the case of the University of Coimbra［J］.Technovation， 2006， 26（4）： 534-542.

［20］ 楊博旭，柳卸林，吉曉慧.區域創新生態系統：知識基礎與理論框架［J］.科技進步與對策，2023，40（13）：152-160.

［21］ LOET LEYDESDORFF HENRY-ETZKOWITZ.Can the "public" be considered as a fourth helix in university-industry-government relations？ report on the Fourth Triple Helix Conference， 2002［J］.Science and Public Policy， 2003， 30（1）： 55-61.

［22］ 吳菲菲，童奕銘，黃魯成.中國高技術產業創新生態系統有機性評價——創新四螺旋視角［J］.科技進步與對策， 2020， 37（5）： 67-76.

［23］ DUL J.Necessary Condition Analysis （NCA）.logic and methodology of 'Necessary but not Sufficient' causality［J］.Organizational Research Methods， 2016， 19（1）： 10-52.

［24］ DUL J， VAN DER LAAN E， KUIK R.A statistical significance test for necessary condition analysis［J］.Organizational Research Methods， 2020， 23（2）： 385-395.

［25］ 查爾斯·拉金.重新設計社會科學研究［M］.北京： 機械工業出版社， 2019： 12.

［26］ 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， 33（6）： 155-167.

［27］ 高維和.全球科技創新中心：現狀、經驗與挑戰［M］.上海： 上海人民出版社， 2015： 30-120.

［28］ 周小虎.中國創業競爭力發展報告（2018）［M］.北京： 經濟管理出版社， 2018.

［29］ 王高峰，楊浩東，汪琛.國內外創新生態系統研究演進對比分析：理論回溯、熱點發掘與整合展望［J］.科技進步與對策， 2021， 38（4）： 151-160.

［30］ 解學梅，韓宇航，代夢鑫.企業開放式創新生態系統種群共生關系與演化機理研究［J］.科技進步與對策， 2022， 39（21）： 85-95.

［31］ 蒙克，魏必.反思QCA方法的“時間盲區”：為公共管理研究找回“時間”［J］.中國行政管理， 2023，49（1）：96-104.

（責任編輯：王敬敏）

英文標題

The Configuration Patterns and Evolution Mechanisms of Global S&T Innovation Centers

英文作者Yang Yifan1，2， Pan Junhao1，2

英文作者單位（1.School of Public Administration， Southwest Jiaotong University;2.Digital Social Infrastructure Laboratory， Southwest Jiaotong University， Chengdu 610031， China）

英文摘要Abstract：Against the new wave of technological revolution and the new pattern of global competition， it is critical to accelerate the construction of high-energy global S&T innovation centers.The rise， replacement， and multi-polarization of global S&T innovation centers are the products of economic long waves， institutional innovation， and technological change interwoven in the spatial-temporal environment.The construction of a global S&T innovation center is a systematic project.The S&T innovation center formed by different driving subjects and coupling of condition elements is very different in growth path and energy level.Existing research has initially answered "what made Silicon Valley"， which has inspired academic attention to more complex and systematic open innovation ecosystems.However， there is a lack of research on laws that reveal objectivity， inevitability， stability， and repeatability.

In this regard， this study carries out in-depth research in three aspects from the theoretical perspective of innovation ecosystem and complexity emergence ： first， the necessary order and bottleneck level of preconditions for global S&T innovation centers are empirically verified; then a qualitative comparison is made between the configuration evolution path of global S&T innovation centers.finally， combined with innovation theory， the study further refines the evolution mechanism of the energy level advancement of global S&T innovation centers， providing theoretical guidance and experience reference for the construction of China′s different levels of S&T innovation centers.

A configuration model is refined to explain the configuration differences of global S&T innovation centers at different energy levels.There are 96 influential global S&T innovation centers selected as case samples， and by the NCA and fsQCA methods， it is found that there are universal configuration rules and common evolution mechanisms in the global S&T innovation centers： the energy level upgrade needs to be in the necessary order of preconditions and reach the corresponding level， 30%， 40%， 50%， and 80% of the innovation energy levels require 7% of the innovation environment conditions， 1.7% of the talent agglomeration conditions， 0.7% of the basic research conditions， and 27.6% of the innovation industry conditions， respectively.There is no bottleneck level for government-driven conditions， which runs through all fields and processes of global S&T innovation center construction; the identified high-energy dominant scene-driven industry-research integration paths and hub-type scene-supporting innovation paths， government-driven scene-creation paths， knowledge-source innovation paths， talent-aggregation knowledge innovation paths， identified non-high-energy potential government-strong-led paths and node-type government-support talent highland construction paths， and innovation cultivation paths are from both positive and negative sides and they verify that the closed loop of "technology-industry-technology" path combination is the key symbol for building a high-energy global S&T innovation center; the eight key paths corresponding to the four energy level configurations reveal the evolution mechanism of single-factor dominant driving， dual-factor balanced driving， and multi-factor symbiotic driving for the energy level advancement of S&T innovation centers.

This research has important policy implications for the systematic and global construction of high-energy global S&T innovation centers in China.Foremost， it is essential to improve the top-level design of the system， highlight the foresight and breakthrough of the layout， establish a national innovation system with the S&T innovation center as the core carrier， clarify and sort out the S&T innovation management system， coordinate the construction of national S&T innovation centers， and jointly formulate the "three-step" plan for the energy level advancement of local S&T innovation centers in 2025， 2030 and 2035.Then， in order to activate regional innovation ecosystems， the government should coordinate and promote the construction of global S&T innovation centers at different levels in different regions， carry out S&T innovation center cultivation work based on their own geographical advantages， and achieve industrial base advancement and industrial chain modernization by embedding into the global value chain.Last but not least， it is significant to optimize the configuration structure of elements， continuously create an innovative environment， establish a stable government investment mechanism for basic research and high-precision talent recruitment， release the cumulative effect of knowledge and intellectual capital to form disruptive innovation emergence diffusion， and promote the development of strategic emerging industry integration clusters.

英文關鍵詞Key Words：Global S&T Innovation Centers; Innovation Ecology Theory; Configuration Pattern; Evolution Mechanism

收稿日期：2023-04-24 修回日期：2023-09-25

基金項目：四川省“研究闡釋習近平總書記來川視察重要指示精神和省第十二次黨代會精神”重大項目（SC22ZDYC11）

作者簡介：楊一帆（1982-），男，安徽濉溪人，博士，西南交通大學公共管理學院教授，數智新文科實驗室研究員，研究方向為智能社會治理與創新技術管理；潘君豪（1998-），男，浙江臺州人，西南交通大學公共管理學院碩士研究生，數智新文科實驗室科研助理，研究方向為智能社會治理與創新技術管理。本文通訊作者：潘君豪。