新能源汽車產業協同創新演化研究

摘 要：作為技術密集型新興產業，新能源汽車核心技術研發需要企業、高校和研究院所通力合作，進而形成結構復雜的協同創新網絡。現有研究對新能源汽車產業各創新主體形成協同創新網絡的關注較少，且缺乏對長期動態協同創新行為的系統化討論。利用指數隨機圖模型（Exponential Random Graph Model， ERGM）分析2017—2021年中國新能源汽車合作專利協同創新網絡，探索影響新能源汽車產業協同創新網絡動態演化的主要因素，以及不同創新主體類型（企業、高校和研究院所）對協同創新關系演化的影響。研究發現：①在新能源汽車產業協同創新網絡中，不同類型創新主體更易形成合作關系；②創新能力較強的創新主體更有可能與其他主體形成新合作關系，且企業更愿意與自身創新能力差距不大的其他主體合作；③協同創新網絡星型結構明顯，且表現出明顯擴張態勢；④針對不同類型創新主體的異質性分析結果表明，相比于企業，高校和研究院所更有可能與其他創新主體形成新合作關系。研究結論對于持續推進我國新能源汽車產業技術創新、構建新一代汽車技術體系、助力能源系統轉型以及實現碳達峰和碳中和目標具有重要意義。

關鍵詞：新能源汽車產業；協同創新網絡；指數隨機圖模型；技術創新

DOI：10.6049/kjjbydc.2023090320

中圖分類號：F426.471

文獻標識碼：A

文章編號：1001-7348（2025）02-0063-10

0 引言

隨著新一輪科技革命和產業變革加速演進，科學和技術創新空前密集活躍，并驅動工業制造、信息技術、生命科學等多個產業全面重構。科技創新是提高社會生產力和綜合國力的戰略支撐，要堅持走中國特色自主創新道路，實施創新驅動發展戰略。作為中國七大戰略性新興產業之一的新能源汽車產業，其技術創新受到政府高度重視[1]。2020年，國務院辦公廳印發了《新能源汽車產業發展規劃（2021-2035年）》，將新能源汽車產業列為戰略性新興產業，并把提高技術創新能力作為新能源汽車產業主要戰略任務之一。

新能源汽車屬于技術密集型產業，其持續發展需要強有力的技術創新作為支撐。新能源汽車作為一個融合新能源技術、大數據和人工智能等多項革命性技術的新興產業，已成為汽車產業轉型的主要方向，是助力能源系統轉型的重要支撐[2]。然而，我國新能源汽車產業在飛速發展的同時也面臨一系列技術挑戰，如部分底層技術不完善、前沿技術成果較少、關鍵核心技術存在短板等問題。新能源汽車核心零部件如動力電池、驅動電池和電控系統存在產品可靠性低、技術創新難度大、更新速度慢等問題[3]，這些問題將進一步制約新能源汽車推廣與應用。只有突破新能源汽車技術瓶頸問題，才能進一步打開新能源汽車市場，推動新能源汽車市場穩步發展。

然而，新能源汽車產業技術創新面臨重重挑戰。從技術視角看，新能源技術、新一代信息技術、智能制造技術和新材料技術不斷與汽車產業融合，推動新能源汽車向輕量化、智能化和低碳化方向發展，新能源汽車產業技術創新穩步發展需要突破多方合作困境和多技術融合難題。從管理視角看，新能源汽車技術創新通常投入多、風險高、難度大，企業需要從外部創新資源中尋求匹配的合作者，最大限度發揮各方主動性和創造性，共同實現技術創新目標。中共二十大報告指出要“加快實施創新驅動發展戰略，加強企業主導的產學研深度融合，強化目標導向，提高科技成果轉化和產業化水平”。跨組織協同創新網絡為新能源汽車產業技術創新帶來新機遇，并逐步成為助力新能源汽車產業發展的有效模式。在科學技術迅猛發展的時代，具有高度復雜性和多樣化特點的技術創新不再局限于企業內部行為，跨組織間協同創新更有利于提升創新效率，促進技術共享。

協同創新是指以知識增值為目標，以企業、高校和研究院所為核心要素，促進知識創造主體和技術創新主體深入合作（解學梅等，2015），通過整合互補性資源進行產業技術創新[4]。新能源汽車產業協同主體包括企業、高校和研究院所等，在知識創新合作過程中形成復雜性和融合性合作網絡關系。雖然新能源汽車產業跨組織協同創新網絡發展多年，但行業特殊性使其協同創新發展之路充滿挑戰，協同創新發展理論是否適用于新能源汽車產業值得探索。鮮有研究探討新能源汽車產業各創新主體（企業、高校和研究院所等）在協同創新網絡中的長期協同創新行為。因此，本文以中國新能源汽車行業協同創新網絡為研究對象，從創新主體自身屬性和網絡結構內生效應兩個方面探究影響協同創新網絡動態演化的關鍵因素，以及不同類型創新主體間的協同創新行為。

本文主要貢獻在于：①從動態網絡視角探究新能源汽車產業協同創新網絡形成、發展和演化進程，鑒于新能源汽車產業處于高速發展期，創新主體間合作處于動態變化之中，因此從動態視角更能刻畫協同創新演化過程；②探究影響新能源汽車產業協同創新的兩個關鍵因素，即創新主體類型和網絡結構屬性，新能源汽車作為技術密集型產業，不同類型創新主體間的協同創新行為與傳統產業存在較大差異，但鮮有研究對協同創新網絡進行深入探討；③在對協同創新網絡進行動態分析的基礎上，進一步從產學研視角探究高校、企業和研究院所對協同創新網絡產生的異質性影響，對于新能源汽車領域產學研用深度融合、持續推進我國新能源汽車產業技術創新、構建新一代汽車技術體系、助力能源系統轉型以及實現碳達峰和碳中和目標具有重要意義。

1 文獻回顧與問題提出

近年來，我國新能源汽車產業發展迅猛，針對新能源汽車市場的研究方興未艾。現有研究較多關注政府政策效果和優化[5-6]、技術采納與擴散[2，7]、公共基礎設施建設[8-9]等。作為能源結構轉型的重要組成部分，以新能源汽車產業為代表的技術密集型戰略性新興產業發展充滿不確定性，現有文獻缺乏從動態網絡視角對新能源汽車產業協同創新的系統性研究。本文從協同創新影響因素、協同創新產學研合作兩個方面展開研究。

1.1 協同創新影響因素

1.1.1 創新主體屬性

隨著知識經濟時代的到來，資源分配的分散性使得單一組織很難獲取創新所需全部資源，技術創新也從單一企業的單打獨斗模式演化為組織之間的協同合作模式[10]。為突破企業小范圍單層次合作創新在資源、技術上的局限性，協同創新作為一種系統化創新范式應運而生（劉丹等，2013），其對于提高企業創新績效和區域競爭力具有重要作用。相應地，技術創新發展模式也經歷了一系列變化，從最初的技術推動、需求拉動等單一直線型模式逐步演變為系統化、網絡化協同創新模式[11]。在日益開放的創新環境下，影響協同創新成功與否的關鍵性因素也在不斷改變。研究表明，協同創新環境（網絡中各節點之間的合作與競爭關系[12]、創新主體創新能力[13]）、協同創新主體間溝通（主體間信任程度、輸出意愿、溝通網絡和溝通環境等[14]）對協同創新效果具有重要影響。因此，協同創新主體屬性對于推動協同創新發展至關重要。

1.1.2 協同創新網絡特征

隨著創新主體間合作關系的發展演化，創新逐漸由“點對點”模式向網絡化模式發展。其中，創新網絡是應對系統性創新的一種基本制度安排，網絡的出現是為響應組織對知識的需求[15]。作為一種基于網絡的合作創新，協同創新網絡具有復雜性、中心性、動態性、自增益性、完全開放性特征，通過系統成員間的緊密合作推動創新生態系統技術創新和擴散（劉丹等，2013）。協同創新網絡受網絡結構內生效應和創新主體自身屬性的影響，因此部分研究從網絡視角討論協同創新關系發展。Opsahl等[16] 研究發現合作網絡形成存在一定偏好，能力強、社會聲譽好的節點更有利于與其它節點產生鏈接；Guan等[17]的研究表明，企業跨國創新網絡集成度對城市創新網絡與創新績效起正向調節作用；何喜軍等[18]基于指數隨機圖模型對科技主體之間的專利技術交易關系進行分析發現，集團公司與子公司之間的交易關系比較緊密，且行業內科研單位處于交易網絡聚集中心；王海花等[19]發現長三角城市群協同創新網絡具有傳遞性，其中組織鄰近性和知識鄰近性對于協同網絡形成具有積極影響；阮平南等（2018）采用指數隨機圖模型對OLED技術創新網絡進行分析發現，地理鄰近性對協同創新網絡發展不太重要，而制度和組織鄰近性則發揮持續促進作用，且社會和技術鄰近性所占比重逐漸增加。因此，為保證研究的全面性和嚴謹性，本文關注點不應僅局限于創新主體本身，協同創新網絡屬性同樣值得關注。

1.1.3 新能源汽車產業協同創新

部分文獻對新能源汽車領域技術創新進行積極討論。劉穎琦[1]對我國新能源汽車產業聯盟中企業和大學關系進行分析發現，企業—大學合作未達到理想狀態，技術創新尚未取得顯著成效；劉雅琴和余謙[20]對2000—2017年中國新能源汽車產業聯合申請專利進行社會網絡分析發現，網絡中關鍵節點從高校演化為電力公司和研究院，且整體合作呈現東—中—西遞減趨勢；余謙等（2018）從多維鄰近性視角對新能源汽車企業合作創新進行分析發現，地理鄰近性、技術鄰近性和社會鄰近性有助于推進新能源汽車企業合作創新。總體來看，現有研究未對新能源汽車產業協同創新網絡進行動態分析，本文試圖彌補這一不足。

1.2 產學研結合協同創新

作為一類復雜的創新組織方式，協同創新的關鍵在于形成以大學、企業、研究機構為核心要素，以政府、中介平臺、金融機構等為輔助要素的多元主體協同互動網絡創新模式（陳勁等，2011）。在協同創新網絡中，具有不同優勢的產學研協同創新模式得到學者廣泛關注[21-22]。例如，Berbegal-Mirabent 等[23]研究發現，作為建立大學和產業伙伴關系的技術轉讓辦公室對研發成功具有重要作用；Maietta等[24] 對低技術行業技術創新進行研究發現，企業—大學合作研發對流程創新具有重要影響。其中，與大學的物理距離對產品創新具有顯著影響，且大學開設對當地企業有益領域的學位課程有利于促進研發合作；黃波等（2011）以產學研合作利益分配方式為研究對象，分析固定支付方式、產出分享方式等激勵效率以及不同環境下最優利益分配方式；陳衛東和李曉曉[25]通過理論建模討論企業和科研單位協同創新模式發現，提高科研單位地位、提升創新產品和主體市場化率能促進協同創新發展；馬文聰等[26]通過問卷調研發現，產學研合作情境下的伙伴匹配性包括目標協同性、文化相容性和創新資源/能力互補性，3個維度對合作創新績效具有顯著正向影響，其中創新資源/能力互補性的影響作用更大。因此，除上述創新主體屬性和網絡特征外，本文將進一步分析產學研協同創新對新能源汽車技術創新的影響。

綜上所述，鮮有文獻同時探討協同網絡結構內生效應和創新主體自身屬性對新能源汽車產業技術協同創新網絡的影響，且缺乏對技術密集型產業協同技術創新網絡形成、發展和演化的全面認識。本文從動態網絡視角出發，對新能源汽車領域協同技術創新進行回顧，在此基礎上分析不同類型創新主體對協同創新網絡形成、發展和演化的影響。本研究以技術密集型戰略性新興產業中的新能源汽車產業為研究對象，旨在回答如下兩個問題：①在新能源汽車行業，創新主體類型和協同創新網絡結構屬性如何影響創新主體間協同創新關系的形成、發展和演化？②不同類型創新主體對協同創新網絡具有哪些異質性影響？本文在現有協同創新網絡理論的基礎上，運用社會網絡分析法，對我國2017—2021年新能源汽車協同創新網絡關鍵影響因素進行動態網絡分析。

2 研究設計

2.1 研究數據

合作授權專利是衡量協同創新能力的重要指標。專利是提高企業創新能力、促進科技進步和經濟社會發展的一種重要知識產權，對于推動科技創新起重要支撐和引導作用[27]。專利與技術創新存在相互依存、相互支撐的關系，合作授權專利是不同組織協同技術創新知識產出和應用的重要體現。因此，本研究以參與新能源汽車產業專利合作的企業、高校和研究院所為協同創新合作主體，對技術協同創新網絡動態結構進行實證分析。

本文數據來源于國家知識產權局專利檢索網站（CNIPA），利用關鍵詞和國際專利分類（IPC）相結合的檢索方法，檢索2017—2021年中國內地31個省、自治區和直轄市授權新能源汽車發明專利。IPC分類是國際通用的專利技術分類體系[28]。鑒于新能源汽車相關專利的跨行業特征，參考以往研究[1-3]，最終設置檢索關鍵詞為新能源汽車、電動汽車、純電動汽車、插電式混合動力汽車、燃料電池汽車和混合動力汽車等。同時，IPC分類號包括B60L、B60K、B60W、H01M、H02J、F16H等，主要涵蓋車輛動力裝置、車輛控制系統、電池組、電能存儲系統和傳動裝置等與新能源汽車技術相關的類別。另外，基于發明專利新穎性、創新性和實用性特點，本研究只考慮發明專利，以符合本文研究背景。以2017—2021年授權新能源汽車相關發明專利作為樣本數據集，剔除非合作發明專利、個人或港澳臺及國外申請人參與專利，最終得到合作授權專利19 802件，專利申請主體3 762個。我國新能源汽車市場在2017—2021年發展迅速，在此期間各種新能源汽車新興技術快速涌現，選擇該時間段進行分析可以充分刻畫我國新能源汽車產業各創新主體協同創新發展情況。表1展示了3類創新主體合作授權專利最多的前5位。

2.2 研究方法

本研究采用指數隨機圖模型（ERGM） 分析影響協同創新關系網絡動態演化與發展的因素，并進一步探究不同創新主體類型對協同關系的影響。ERGM模型將內生網絡結構屬性、外生節點屬性和節點關系融合起來，能對真實網絡進行擬合和預測，并解釋協同創新網絡關系模式。該模型已廣泛應用于研究各類技術創新網絡[27]、國際貿易網絡[29]、戰略聯盟網絡[30]和遠程醫療網絡[28]等。ERGM模型具有如下優勢：第一，ERGM基于馬爾可夫網絡假設，考慮網絡中合作關系之間的依賴性。協同創新網絡中各節點間是否形成合作關系（是否連成邊）并非相互獨立，如創新主體A同時和創新主體B與C具有合作關系，說明三者關注的技術領域相似，那么創新主體B與C也有可能形成合作關系。一些常用的統計學模型，如回歸模型無法很好地處理這種關系間的依賴性。第二，ERGM能夠同時考慮網絡構型內生因素和節點屬性外生因素，尤其是傳統模型中未包含的高階網絡構局，如星型構局、三角形構局等[28]。ERGM的一般形式為：

式 （1）中，θ∈Rk且函數u：N→Rk。θ表示待估計參數組成向量；N為所有可能的協同創新網絡集合；函數u代表模型中各統計量，包括內生網絡構型變量和外生節點屬性變量等。k為歸一化常數，保證網絡形成概率在0～1之間。通常ERGM模型擬合使用馬爾可夫鏈蒙特卡洛最大似然估計。

2.3 變量選取

本文研究對象為技術協同創新網絡，其影響機制主要分為兩類：一是網絡節點屬性變量[27， 30]；二是網絡結構內生效應。網絡結構內部效應與節點屬性相互作用形成技術協同創新網絡。根據研究需要，本研究選取創新主體類型和創新能力兩類節點屬性變量，各變量測量方法見表2。

2.3.1 創新主體類型

本研究旨在探究不同類型創新主體間的協同創新模式，因而構建如下兩個創新主體類型變量：同配性（NodeMatch.Type）和發送者效應（NodeFactor.Type）。其中，同配性適用于檢驗類型一致的創新主體間發生協同創新的傾向。協同創新主要依靠3類創新主體，即企業、高校和研究院所。協同創新參與方既有可能是同類型創新主體，也有可能是不同類型創新主體。一方面，相同類型創新主體擁有相近的組織目標，因而在網絡中更有可能尋求合作；另一方面，已有研究對電信行業協同創新網絡進行分析發現，組織類型同配性不顯著[27]。因此，本研究將同配性列為主要研究變量，探究其對新能源汽車產業協同創新的影響。另外，產學研協同創新有利于推動新能源汽車產業升級，但企業、高校和研究院所協同創新偏好、投入存在較大差異。因此，本研究利用發送者效應 （NodeFactor.Type）分析特定類型創新主體相比于其他創新主體是否發送出更多關系，即協同創新數量越多，協同創新傾向性越強。將企業作為控制組，分別對高校和研究院所進行估計，檢驗這兩類創新主體相比企業是否具有更高的協同創新傾向。

2.3.2 創新能力

創新主體之間的協同創新既受創新主體本身協同創新能力的影響，又受主體間技術創新能力絕對差異的影響。合作授權專利是創新主體合作成果的重要體現，故本研究選取合作授權專利數量衡量創新主體協同創新能力。同時，技術創新能力絕對差異影響不同主體協同創新傾向，故研究使用創新主體擁有的授權專利數量衡量其技術創新能力，使用兩個創新主體授權專利數量的絕對差值衡量相對技術創新能力。

2.3.3 控制變量

本研究設置如下控制變量：①技術創新領域廣度 （NodeCov.IPC），用創新主體擁有的所有授權專利涉及的IPC分類號數量表征；②相對技術創新主題廣度 （AbsDiff.Topic），用兩個創新主體擁有的授權專利涉及的主題數量絕對差異表征，利用關鍵詞從專利名稱中提取專利主題；③相對涉及行業廣度 （AbsDiff.Industry），用兩個創新主體擁有的所有授權專利涉及的行業數量絕對差異表征，專利涉及行業根據國民經濟行業分類劃分。

2.3.4 網絡構型

本研究加入幾何加權度（Gwdegree）這個對網絡結構效應具有較強解釋力的變量，用于捕捉網絡中呈現星型構局的傾向性。星型結構是協同創新網絡的基本結構。若創新主體A和其他兩個創新主體B和C有合作關系，但B和C之間沒有合作關系是最基本的兩星結構（2-star）。一般而言，k星型結構（k-star）中創新主體A的度為k。另外，幾何加權度能夠有效降低模型退化風險，能夠更好地對模型進行擬合[31]。

3 實證結果與分析

3.1 網絡構建與網絡拓撲結構分析

構建協同創新網絡首先需要獲取創新主體間的合作關系。合作授權專利一般有兩個或兩個以上創新主體，為獲取創新主體間兩兩合作關系，需對合作授權專利主體進行拆分，拆分規則見表3。最終，得到參與合作授權專利的新能源汽車產業創新主體及相互間的合作關系。

在此基礎上，本研究以新能源汽車產業創新主體為節點，以創新主體間專利合作關系為邊，分別構建新能源汽車產業2017—2021年協同創新網絡。圖1展示了2017年和2021年的協同創新網絡，兩個網絡“核心—邊緣”特征比較明顯，即處于網絡中心的小部分成員聯系緊密，邊緣節點與其它節點的聯系比較稀疏。從另一角度看，兩個網絡均呈現出分散化和一定集聚性的空間態勢，即部分創新主體形成小規模創新集群，集群內部創新合作關系比較緊密。這些集群中出現大量星型結構和閉合三角結構說明網絡結構變量對于網絡形成與發展起重要作用。同時，對網絡節點進行分析發現，這類凝聚子群的核心以頭部企業為主，如頭部汽車企業和大型國有企業，這與新能源汽車產業整體情況相吻合。由圖1可見，新能源汽車產業進入高速發展階段，企業投入資金和人力遠超高校或研究院所，因而企業技術研發占據主導地位。另一方面，需要高校和研究院所支持企業高新技術研發，因而以頭部企業為核心聚集起一批高校、研究院所和小型企業，形成協同創新子群。另外，對比兩個網絡發現，2021年協同創新網絡成員數量以及邊的數量遠多于2017年協同創新網絡，側面反映這段時期新能源汽車技術發展迅速并呈現良好的技術合作氛圍。

表4展示了協同創新網絡描述性統計結果。結合已有研究成果[28]，本研究選取如下指標刻畫網絡結構特征：①網絡密度，表達式為2M/N（N-1），其中N為節點數，M為邊數，網絡密度反映創新主體間合作關系的緊密性，密度值越接近于1，說明網絡節點間關系越緊密；②平均路徑長度，也稱網絡特征路徑長度，指網絡中任意兩個節點間最短距離的平均值；③聚類系數值介于0～1區間，用以描述協同創新網絡中創新主體集聚程度。由表4可知，協同創新網絡節點數量與邊數量逐年遞增，與圖1觀察結果一致，表明網絡成員數量不斷增加。2021年創新主體數量為2 417個，達到新高，說明我國新能源汽車產業處于高速發展期。此外，2017—2021年協同創新網絡密度數在0.001左右，說明新能源汽車產業創新主體間合作不緊密，凝聚性不高。平均路徑長度在4左右，聚類系數均不高于0.2，說明網絡中聚合程度不高，連通性較低，沒有呈現明顯的“小世界”網絡特征[32]。圖2為2021年協同創新網絡節點度分布情況，大部分節點度集中在1～4度之間，說明大部分創新主體合作伙伴數量較少。為深入探究影響協同創新網絡關系動態變化的因素，本研究利用ERGM模型進行實證分析。

3.2 實證結果分析

3.2.1 基準ERGM結果

首先，本研究以2021年為例，采用ERGM模型分析新能源汽車協同創新網絡合作關系影響機制，尤其是創新主體同配性對協同創新的影響。本研究使用R語言中的Statnet程序包，得到ERGM參數估計結果見表5。從中可見，所有擬合結果均收斂。其中，模型1為基線模型，僅包含網絡中邊（Edges）統計項，Edges作用類似于常數項，一般不作解釋。模型2在模型1的基礎上加入控制變量和網絡構型變量。模型3、模型4和模型5在模型2的基礎上分別加入創新主體同配性、協同創新能力和相對技術創新能力。AIC和BIC指標用于衡量統計模型擬合優良性。表5中，與模型1相比，其余5個模型的AIC和BIC指標有所下降，說明節點屬性變量對于協同創新網絡形成與發展發揮重要作用。另外，模型6中的AIC和BIC值最小，擬合優度最高。

在模型3和模型6中，核心變量同配性估計系數顯著為負，說明同類創新主體之間不易形成合作關系，即一個創新主體（企業）更有可能與不同類型創新主體（高校或者研究院所）合作并形成優勢互補，進而提高協同創新效率。這一結果印證了產學研協同創新對新能源汽車產業發展的推動作用。此外，在模型4-模型6中，協同創新能力估計系數顯著為正，表明創新主體協同創新能力對創新主體間技術合作具有正向影響，創新能力較強主體更有可能與其他主體形成新合作關系。相對技術創新能力估計系數顯著為負，表明技術創新能力絕對差異值越大，創新主體協同創新概率越小。對于網絡構型變量而言，幾何加權度對協同創新網絡形成具有正向影響，意味著協同創新網絡傾向于形成星型結構。具體而言，Gwdegree系數顯著為正說明網絡具有擴張性，即合作次數越多的創新主體，越有可能形成新協同關系。

3.2.2 動態演化分析

考慮到新能源汽車產業協同創新是一個長期、持續演變的過程，本研究對2017—2021年協同創新網絡模型進行檢驗，分析新能源汽車產業協同創新網絡演化過程，結果如表6所示。從中可見，創新主體同配性對協同創新始終發揮消極作用，并呈上升趨勢。這表明，隨著協同創新網絡發展企業更加傾向于與不同類型創新主體（高校和研究院所）開展合作。協同創新能力系數顯著為正，相對技術創新能力系數顯著為負，且兩者對協同創新關系的作用逐步減弱。這表明，創新主體協同創新能力正向影響技術合作，且創新主體趨向于與自身技術創新能力相近的創新主體合作，但其影響作用隨著產業發展越來越有限。同時，協同創新網絡長期表現出星型結構傾向。

3.2.3 創新主體類型

為探究不同類型創新主體協同創新傾向性，本研究進一步分析創新主體發送者效應。由表7結果可以看出，高校和研究院所系數均顯著為正。這表明，相較于企業，高校和研究院所更有可能與其他創新主體形成新合作關系。

3.2.4 穩健性檢驗

本研究使用2017—2021年全部合作授權專利數據，對上述結果進行穩健性檢驗。ERGM參數估計結果見表8，與表4-表6結果一致，表明創新主體類型同配性負向影響協同創新網絡關系，且高校和研究院所較之于企業具有更高的協同創新傾向。

4 結論與啟示

4.1 研究結論

本研究以新能源汽車產業技術協同創新網絡為研究對象，利用ERGM模型對影響協同網絡動態關系的因素進行實證分析，探究創新主體類型如何影響協同創新，得出如下結論：

（1）創新主體同配性估計系數顯著為負，表明創新主體同配性會抑制協同網絡中協同創新關系形成與發展。不同類型創新主體由于資源互補，更容易建立和發展協同創新關系，該結果也從側面印證了產學研協同創新對新能源汽車產業技術創新的價值。此外，異質性分析結果表明較之于企業，高校和研究院所更有可能與其他創新主體形成新合作關系。

（2）創新能力在創新網絡形成與發展中發揮重要作用。其中，協同創新能力估計系數顯著為正，表明創新能力影響創新主體網絡位置，其中能力強的主體更容易與其他主體形成新合作關系，并在網絡中占據主導地位。此外，相對技術創新能力估計系數顯著為負，表明創新能力絕對差異越大，創新主體協同創新概率越小，創新主體越傾向于與自身創新能力相當的主體進行合作。

（3）就網絡構型變量而言，幾何加權度在協同創新網絡形成過程中起正向影響作用。這意味著協同創新網絡具有擴張性，且傾向于形成具有星型結構的連接關系。具體而言，與其他創新主體合作次數越多，越有可能形成新協同關系。

（4）動態網絡分析結果表明，創新主體同配性在協同網絡中始終發揮負向作用，且作用強度呈上升趨勢。此外，協同創新能力估計系數顯著為正，而相對技術創新能力估計系數顯著為負，且兩者作用強度逐步減弱，表明創新主體的作用隨著產業發展變得越來越有限。就網絡結構而言，協同創新網絡長期呈現出擴張性星型結構傾向。

4.2 研究啟示

根據上述研究結論，本文得到如下啟示：

（1）新能源汽車產業協同創新網絡仍屬于低密度網絡，處于弱連接狀態，網絡內部創新主體間的創新合作關系不夠緊密。新能源汽車作為戰略性新興產業，很多企業處于初步進入行業階段或者布局階段，因而當前階段合作伙伴較少。政府可通過相關政策積極引導與完善整個產業協同技術創新網絡布局。

（2）新能源汽車產業協同創新網絡合作關系受外生節點屬性和內生網絡構型因素的影響。在網絡結構方面，協同創新網絡易形成星型構局，即以關鍵節點為核心，呈輻射狀網絡布局。在創新主體屬性方面，創新主體間的技術創新能力差異對協同創新關系形成具有一定影響作用，即創新主體趨向于與自身技術創新能力相近的創新主體開展合作。另外，創新主體自身協同創新能力對創新合作關系具有正向影響，表現出馬太效應，即協同創新能力強的企業（高校或研究院所）更容易與其他創新主體形成合作關系。這類創新主體能發揮帶頭示范作用，但也不能忽視其他協同創新能力相對較弱的創新主體。科技園等各類科研中介機構應為企業、高校和研究院所提供更多交流合作平臺。

（3）產學研協同創新在技術密集型新興產業中具有重要價值。新能源汽車產業協同創新網絡受到創新主體類型同配性的影響，不同類型創新主體形成協同創新關系的概率不同。具體而言，不同類型創新主體間更容易形成合作關系。例如，企業更愿意與高校或者研究院所進行協同創新。新興產業中的企業多數成立時間較短，技術積累薄弱；而高校和科研院所在相關技術領域深耕多年，雖擁有很多關鍵技術卻很難將其商業化，兩者合作能夠實現優勢互補。另外，相較于企業，高校和研究院所協同創新概率更高。新能源汽車產業為很多尖端科學技術落地提供了商業化平臺，因而擁有深厚研究成果積累的高校和研究院所對產學研協同創新抱有極大興趣，產學研合作平臺的持續完善能夠更好地推進企業與高校和研究院所之間的資源匹配。

（4）新能源汽車產業協同創新發展需要建立長效合作機制，發揮不同類型創新主體資源優勢。相關政策應幫助企業、高校和研究院所突破合作局限，加強合作意愿，提高合作效率，促進多學科、多領域合作與交流，進而推動新能源汽車產業協同創新網絡良性發展。

4.3 不足與展望

本研究存在如下不足：①對創新主體屬性和網絡特征的刻畫比較單一，未來可采用更加豐富的測度方式和度量指標，以增強研究結論的豐富性；②僅選取2017—2021年新能源汽車行業為研究樣本存在一定局限性，未來可將時間維度進一步延長，從更長時間范圍內探究我國新能源汽車市場協同創新發展歷程；③采用社會網絡分析法對新能源汽車協同創新網絡進行分析，缺乏對局部代表性網絡的討論。未來可采用其它研究方法，如機器學習、計量經濟學對新能源汽車發展過程中表現突出的地區進行分析，汲取標桿地區的先進經驗，提高研究結論穩健性。

參考文獻：

[1] 劉穎琦. 新能源汽車產業聯盟中企業-大學關系對技術創新的影響[J]. 管理世界， 2011，37（6）： 182-183.

[2] 杜慧濱，鄒宏陽，張永杰，等.異質行為下新能源汽車的技術采納與擴散[J].管理科學學報， 2021， 24（12）： 62-76.

[3] SUN X， LI Z， WANG X， et al. Technology development of electric vehicles： a review[J].Energies， 2019，13（1）：90.

[4] KETCHEN J， IRELAND D， SNOW C. Strategic entrepreneurship， collaborative innovation， and wealth creation[J].Strategic Entrepreneurship Journal，2007，1： 371- 385.

[5] SIERZCHULA W， BAKKER S， MAAT K， et al.The influence of financial incentives and other socio-economic factors on electric vehicle adoption[J]. Energy Policy， 2014， 68： 183-194.

[6] SHAO L， YANG J， ZHANG M. Subsidy scheme or price discount scheme？ Mass adoption of electric vehicles under different market structures[J]. European Journal of Operational Research， 2017， 262（3）： 1181-1195.

[7] SHELDON T L， DUA R. Effectiveness of China's plug-in electric vehicle subsidy[J]. Energy Economics， 2020， 88： 104773.

[8] YU J J， TANG C S， LI M K， et al. Coordinating installation of electric vehicle charging stations between governments and automakers[J]. Production and Operations Management， 2022， 31（2）： 681-696.

[9] ZHANG W， DOU Y. Coping with spatial mismatch： subsidy design for electric vehicle and charging markets[J]. Manufacturing amp; Service Operations Management， 2022， 24（3）， 1595-1610.

[10] DAVIS J P， EISENHARDT K M. Rotating leadership and collaborative innovation： recombination processes in symbiotic relationships[J]. Administrative Science Quarterly， 2011， 56（2）： 159-201.

[11] ANSOFF. Strategies for diversification[J].Harvard Business Review， 1957， 35（5） ：113-124.

[12] GHOBADI S，D′AMBRA J.Modeling high-quality knowledge sharing in cross-functional software development teams[J]. Information Processing and Management， 2013， 49（1）： 138-157.

[13] VUOLA O， HAMERI A P. Mutually benefiting joint innovation process between industry and big-science[J]. Technovation， 2006， 26（1）： 3-12．

[14] NAJAFI-TAVANI S， NAJAFI-TAVANI Z， NAUDE P， et al. How collaborative innovation networks affect new product performance： product innovation capability， process innovation capability， and absorptive capacity[J].Industrial Marketing Management，2018， 73： 193-205.

[15] FREEMAN C. Networks of innovators： a synthesis of research issues[J]. Research Policy， 1991， 20（5）： 499-514.

[16] OPSAHL T， AGNEESSENS F， SKVORETZ J. Node centrality in weighted networks： generalizing degree and shortest paths[J].Social Networks，2010， 32（3）： 245-251.

[17] GUAN J， ZHANG J， YAN Y. The impact of multilevel networks on innovation[J]. Research Policy， 2015， 44（3）： 545-559.

[18] 何喜軍，董艷波，武玉英，等.基于ERGM的科技主體間專利技術交易機會實證研究[J]. 中國軟科學， 2018，33（3）：184-192.

[19] 王海花， 孫芹， 郭建杰， 等. 長三角城市群協同創新網絡演化動力研究：基于指數隨機圖模型[J]. 科技進步與對策， 2021， 38（14）：45-53.

[20] 劉雅琴， 余謙. 新能源汽車專利合作網絡的結構特征及演化分析[J]. 北京理工大學學報：社會科學版， 2019， 21（6）：31-40.

[21] PERKMANN M， TARTARI V， MCKELVEY M， et al. Academic engagement and commercialisation： a review of the literature on university-industry relations[J].Research Policy，2013， 42（2）： 423-442.

[22] ANKRAH S， OMAR A T. Universities-industry collaboration： a systematic review[J].Scandinavian Journal of Management，2015， 31（3）： 387-408.

[23] BERBEGAL-MIRABENT J， GARCíA J L S， RIBEIRO-SORIANO D E. University-industry partnerships for the provision of Ramp;D services[J].Journal of Business Research， 2015，68（7）： 1407-1413.

[24] MAIETTA O W. Determinants of university-firm Ramp;D collaboration and its impact on innovation： a perspective from a low-tech industry[J].Research Policy，2015， 44（7）：1341-1359.

[25] 陳衛東，李曉曉.企業與科研單位協同創新產出水平提升機制[J].系統工程理論與實踐， 2017， 37（8）：2141-2151.

[26] 馬文聰， 葉陽平， 徐夢丹， 等. “兩情相悅”還是“門當戶對”：產學研合作伙伴匹配性及其對知識共享和合作績效的影響機制[J]. 南開管理評論， 2018， 21（6）：95-106.

[27] 郭建杰，謝富紀.基于ERGM的協同創新網絡形成影響因素實證研究[J]. 管理學報， 2021， 18（1）：91-98.

[28] HWANG E， GUO X， TAN Y， et al. Delivering healthcare through teleconsultations： implications for offline healthcare disparity[J].Information Systems Research，2022， 33（2）： 515-539.

[29] SMITH M， SARABI Y.How does the behaviour of the core differ from the periphery？-An international trade network analysis[J].Social Networks，2022，70：1-15.

[30] WHETSELL A， SICILIANO D， WITKOWSKI G， et al. Government as network catalyst： accelerating self-organization in a atrategic industry[J].Journal of Public Administration Research and Theory，2020， 30（3）： 448-464.

[31] CLARK A， HANDCOCK S. Comparing the real-world performance of exponential-family random graph models and latent order logistic models for social network analysis[J].Journal of the Royal Statistical Society， 2022，185： 2-27.

[32] WATTS J， STROGATZ S H. Collective dynamics of 'small-world' networks[J]. Nature， 1998， 393（6684）： 440-442.

Collaborative Innovation in New Energy Vehicle Industry from the Dynamic Network Perspective

Abstract：The development of the new energy vehicle industry and its technological innovation have received widespread attention in the context of the ongoing global technology revolution and the growing importance of sustainable development as a strategic focus. New energy vehicles are a technology-intensive emergent industry， and their basic technologies cannot be developed and implemented without the combined efforts and cooperative innovation of businesses， academic institutions， and research centers. However， the existing literature still lacks empirical studies on the long-term collaborative innovation behaviors of various innovation agents in the collaborative innovation network of the new energy vehicle industry. Using the exponential random graph model （ERGM）， this study empirically examines the variables influencing the dynamic relationship changes in the collaborative innovation network of the new energy automobile industry.

Using the collaborative invention patent data of the new energy vehicle industry from 2017 to 2021 in China， during which the new energy vehicle industry developed rapidly， this study generates collaborative innovation networks year by year. The networks show obvious core-edge features， that is， a small number of members in the center of the network are closely connected， while the connections between edge nodes and other nodes are sparse. Specifically， the networks exhibit a spatial trend of decentralization and certain agglomeration， indicating that some innovation entities form some small-scale innovation clusters， and the innovation cooperation within the clusters is relatively close. The large number of star structures and closed triangle structures in these clusters indicate that the network structure variable plays an important role in the formation of the network. Through the analysis of the network nodes， the study finds that the core of this kind of cohesive sub-group is dominated by the leading enterprises， such as the leading automobile enterprises and large state-owned enterprises. This phenomenon is consistent with the overall situation of the new energy vehicle industry. The new energy vehicle industry has entered a stage of rapid development， and the capital and manpower invested by enterprises far exceed those of universities or research institutes. As a result， enterprises occupy a dominant role in technology research and development. Meanwhile， enterprises also need the research capabilities of universities and research institutes to support research and high-tech development; thus， with the leading enterprises as the core， a group of universities， research institutes， and small enterprises have gathered to form a collaborative innovation sub-group.

The study further applies ERGM to the networks generated by collaborative patents. It is found that in the development of the current network， organizations with different types of cooperation， such as university-industry cooperation， are more likely to generate invention patent creation， for the new energy vehicle industry is an emerging technology-intensive industry in need of diversified kinds of resources. In addition， it is found that organizations with high-level innovation capability would attract more collaboration， and organizations are willing to seek cooperation with others with similar innovation capabilities. As for the network structure， star structures are more likely to be formed in the current networks. According to the dynamic network analysis， the comparison results reveal that the effects mentioned above hold as time goes by， while the effects of differences in innovation capabilities between entities become weaker over time. The robustness checks， including TERGM analysis and analysis with alternative samples， also show consistency with the main analysis. Besides， the results of heterogeneous analysis based on organizational type indicate that， compared with enterprises， universities， and research institutes are more willing to generate collaboration within the network.

This study explores the collaborative innovation network in the new energy vehicle industry from a dynamic network perspective. It offers an overview of the development of collaborative innovation in the new energy vehicle industry in China， which contributes to the knowledge and provides insights into the development of the new energy vehicle industry in China. Additionally， the study has limitations. While several key influential factors to the network are identified， there are still more features that might be explored from a network analysis using larger datasets to advance the understanding of collaborative innovation.

Key Words：New Energy Vehicle Industry; Collaborative Innovation Network; Exponential Random Graph Model; Technological Innovation