摘要：基于incoPat专利数据库，构建了中国智能装备制造产学研专利合作网络，并运用社会网络分析与QAP回归方法，研究其发展现状、结构特征及影响因素。结果显示：①智能制造装备产业产学研专利合作网络初具规模但地区分布不平衡，华北、华东地区比较活跃，中西部地区在专利申请方面相对较为薄弱；②高等院校创新主体地位突出，创新能力显著提升；③地理邻近、经济邻近、科技邻近3个因素对合作网络的形成与发展具有显著正向作用，而制度邻近则呈负向影响。基于此提出要改善创新生态环境，因地制宜开创新合作途径，并促进核心主体带动，积极建设区域协同创新平台，完善基础设施建设体系，建立科研设备共享平台等建议。研究构建和分析了中国智能制造装备产业产学研合作网络结构及其影响因素，有助于加快智能制造装备产业发展速度、提升生产效率，对推动行业健康发展具有重要实践意义。

关键词：智能制造装备，产学研合作，网络结构特征，QAP分析

基金项目：国家社会科学基金西部项目“数字赋能农业社会化服务转型的动力机制与实施路径研究”（22XGL011）

0　引言

装备制造业是制造业的脊梁，智能装备及智能制造是装备制造业的发展方向。2015年5月国务院正式印发《中国制造2025》，指出全球制造业格局面临重大调整，智能制造正在逐步引领制造方式变革，必须紧紧抓住当前历史机遇，加快推进技术创新力度，将智能制造作为主攻点^[1]。我国正处于从“中国制造”向“中国智造”转型的快速发展期，智能制造装备产业作为实现“中国智造”的重要一环，关乎我国制造业发展的全球地位和制造业高质量发展水平^[2]。随着智能制造装备产业的快速发展，产学研合作创新模式扮演着越来越重要的角色，《中国制造2025》与《“十四五”智能制造发展规划》均提出要加强产学研协同创新，着力突破关键核心技术和系统集成技术。企业、高校、科研院所等组建联合体，对推进我国智能制造装备产业发展具有积极作用，为科技创新提供不竭动力。

在此机遇与挑战并存的背景下，推动我国智能制造装备产业产学研合作健康稳步发展至关重要。本文构建了我国智能制造装备产业产学研合作网络结构，分析了影响该网络的因素，并根据各因素对产业发展的差异化作用，提出针对性建议。该研究有助于加快智能制造装备产业发展速度、提高生产效率，对推动行业健康发展具有重要实践参考意义。

1　文献综述

1.1　智能制造装备产业发展现状

智能制装备造产业发展现状基于各省份的合作创新模式和技术重点，提出相对应的解决措施。如崔晓文等^[3]首先从全球视角梳理了智能制造装备产业发展现状，继而聚焦上海市，分析了该产业不同细分领域的情况，针对薄弱环节提出加强合作、扶持中小企业和强化人才队伍建设等建议。熊立贵等^[4]立足粤港澳大湾区经济转型升级背景，探讨了智能制造装备产业对吸引高层次人才和提升区域科研水平的作用，指出发展该产业是中国迈向制造业强国的必由之路。张慧婧等^[5]采用专利计量分析法，对比分析了国际、国内及湖北省智能制造装备产业现状，建议湖北省加快产学研协同创新，打造智能制造装备产业先行区和示范区。严帅等^[6]结合理论研究与实证分析，聚焦广州市智能装备产业领域，基于现状调研与企业工商登记数据，运用空间分析等地理学方法研究了该产业集群的发展现状并提出相应建议。

1.2　智能制造装备产业合作网络形成过程

合作网络形成过程基于社会网络分析方法，对产学研专利合作网络的形成和发展进行分析。如赵爽^[7]以中国装备制造业为研究对象，采用社会网络分析技术从时空二维视角解释中国装备制造业产学研专利申请合作网络的发展趋势，提出要进一步完善产学研合作支撑体系，将创新权力下放到各省份。李树祥等^[8]以2005-2019年江苏省生物医药产业产学研专利合作数据为基础，应用社会网络分析方法构建产学研专利合作网络，分析不同时期的演化特征。张明倩等^[9]从地理、社会、技术、网络4个方面出发研究“一带一路”跨国专利合作网络的影响因素，发现地理邻近对跨国专利的合作建立影响在逐渐减弱，而社会邻近在逐渐发挥着作用，据此提出加深共识、增强互信和理解，优化知识产权环境，推动知识产权相关法律法规的一体化进程。冯粲等^[10]采用社会网络分析方法对京津冀、长三角、粤港澳大湾区三大城市群的协同创新网络空间结构进行分析发现，地理邻近、制度邻近、认知邻近对城市间协同创新能力具有显著的正向影响。刘晓燕等^[11]借助可分离的时序指数随机图模型，从地理、组织、社会、制度、技术5个维度的邻近性视角出发探究集成电路产业不同时段技术交易网络的演化动力，得出相对于地理邻近性和组织邻近性对交易关系解散的促进作用，制度、社会和技术上的邻近则对加强交易联系具有重要影响。

通过梳理文献发现，诸多学者基于专利信息聚焦特定地区，分析智能制造装备产业的合作模式与发展状况，并构建专利合作网络探讨其结构特征与演变规律。然而，现有关于该产业合作的研究多集中于网络演化与基本特征分析，尚未深入探讨其影响因素。因此，本文的创新点主要体现为两个方面：第一，研究对象有新意。研究聚焦于智能制造装备产业产学研专利合作网络的影响因素，针对该产业，现有研究多关注合作网络的现状、特征及演化分析，较少实证探究产学研专利合作网络的影响因素，本研究重点探讨此问题，旨在挖掘促进该网络发展的有利因素。第二，研究视角有创新。研究从产学研合作模式视角出发，分析我国智能制造装备产业专利合作网络的形成与发展。产学研三方合作能有效整合资源、发挥互补优势，对该产业的发展具有重要推动作用。

2　研究设计

2.1　研究方法

社会网络分析法是一种综合利用图论和数学模型研究复杂网络的方法^[12]，广泛用于构建合作网络以分析其特征和结构^[13]。本文依据社会网络分析方法的主要理论，构建我国智能制造装备产业产学研合作网络，从整体网络和个体网络视角出发，探讨我国各创新主体在产学研合作网络中的地位。

与传统计量模型相比，二次指派程序法（QAP）能够揭示矩阵间的内在驱动机制^[14]。因此，本文采用QAP回归分析法从地理邻近性、制度邻近性、经济邻近性和科技邻近性对我国智能制造装备产业合作网络的影响因素进行分析。

2.2　数据来源与处理

本研究将incoPat数据库作为检索数据库，首先将时间限定为 2014年 1月 1日 - 2023 年12 月31 日 ，其次通过incoPat的新兴产业分类，将其设定为智能制造装备产业，此处incoPat中的新兴产业分类是根据国知局公布的《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》设定。接着以联合申请专利作为合作专利，将产学研联合专利申请主体限定为以下方式：企业-高校、企业-科研院所、高校-科研院所、高校-企业-科研院所，最后将地区限定为中国，最终得到如下检索式：

AD=[20140101 TO 20231231]AND（（AP-TYPE=C AND AP-TYPE=U）OR（AP-TYPE=C AND AP-TYPE=R）OR（AP-TYPE=R AND AP-TYPE=U）OR（AP-TYPE=C AND AP-TYPE=R AND AP-TYPE=U））NOT（（AP-TYPE=G）OR（AP-TYPE=P）OR（AP-TYPE=N））AND INDUSTRY2=（2.1）

最后通过国际专利分类号（IPC）、联合专利分类体系（CPC）分类号进行数据清洗，并过滤掉无效专利以及其他无关数据，最终共得到我国智能制造装备产业产学研有关专利文献共8 032篇。

3　我国智能制造装备产业产学研专利合作网络发展现状

3.1　我国智能制造装备产业产学研专利合作趋势分析

基于上节筛选的数据进行专利申请趋势分析，结果如图1所示。2014-2023年，我国智能制造装备产业产学研联合申请专利数量总体呈上升趋势。具体来看：2014-2017年为迅猛发展期，专利申请量从201件增至457件，增长率从25.00%持续攀升至41.49%；2018-2020年进入增速放缓期。尽管申请量从611件增长到951件，但增长率由35.01%下降至17.14%；2021-2022年迎来快速增长期，申请量显著增加，达到1 622件，增长率从21.03%跃升至43.52%，这主要得益于《“十四五”智能制造发展规划》的发布，为产业发展提供了强劲动力，并带动各地政策积极响应。同时高校在产学研专利合作中的主体地位日益凸显，为该产业发展注入了新活力；2023年增速明显回落，相较于2022年，专利申请量增长有限，这主要是由于2022年行业专利申请量基数已处于高位，增速本身难以持续维持前期水平。

3.2　我国智能制造装备产业产学研专利合作主体分析

根据对专利数据的初步分析，2014-2023年间我国智能制造装备产业产学研专利申请主体共有16 220个，其中企业占比41.13%，高校和科研院所分别占比39.14%和19.73%，企业和高校是参与产学研合作创新的主力军，并且在以企业为主体的合作中，企业更倾向于与高校合作，与科研院所的合作占比较少。

表1为2014-2023年我国智能制造装备产业产学研专利申请数量排名前20的申请主体。清华大学以296项专利申请量排名第1，华中科技大学和中国运载火箭技术研究院分别以222和217项专利申请量排名第2和第3，其余申请主体申请量均低于200件，数据显示，我国智能制造装备产业产学研专利申请主体分布较为分散，排名前20位的申请主体专利申请总量仅占全部主体申请总量的33.07%。在前20名申请主体中，高校占据18席，占比高达90.00%，这些高校多为国内排名靠前、科研与创新能力较强的综合类或理工类高校。这种现象主要得益于近10年国家政策对智能制造装备产业的大力支持。作为研发主力军，高校在政策、人才和资金方面获得了充足保障，为产学研专利合作奠定了坚实基础。值得注意的是，前20名中仅有国家电网公司1家企业。而将数据挖掘范围扩大到前40名申请主体，也仅新增宁夏科杞现代农业机械技术服务有限公司1家企业。由此可见，虽然企业整体的专利申请总数位居第一，但申请数量分布过于分散，未能形成具有显著数量优势的龙头企业。同时，企业间缺乏稳定的专利合作关系，增加了寻找新合作伙伴的成本，不利于技术创新合作中的资源优化配置，也制约了企业在产学研合作中发挥其推广专利产品的市场作用。

3.3　我国智能制造装备产业产学研专利合作申请地域分析

对我国智能制造装备产业产学研专利合作区域分布情况进行分析，得到表2。从表2中可以看到华北、华东地区比较活跃，中西部地区在专利申请方面相对较为薄弱，这可能是由于华东以及华北地区经济发展水平较高，对外开放程度远大于中西部地区，进而导致发展不均衡，在一定程度上影响了我国智能制造装备产业的快速发展。

进一步分析省市可见，从表2中得出北京、江苏、广东、浙江和山东的专利申请量位居前列，五省总量占整个网络区域合作的51.85%，表明这些省份在专利合作方面联系密切，创新水平较高。北京作为我国首都，有着良好的政治基础和经济扶持，在技术创新上具有得天独厚的优势；江苏和浙江地处长江经济带，高科技企业密集，并且政府给予了持续的政策支持，比如江苏省印发的《江苏省制造业智能化改造和数字化转型三年行动计划（2022-2024年）》、浙江省印发的《浙江省高端装备制造业发展“十四五”规划》，都对智能制造装备产业进行了重要部署；广东位于我国南部沿海区域，对外开放程度高，人才聚集，高校与中小企业众多，创业创新优势显著；山东省作为实体经济大省，高度重视制造业发展，2022年山东省印发的《山东省智能制造提质升级行动计划（2022-2025年）》将智能制造领域的“点线面”一体化发展新格局作为重点目标，大力发展智能制造装备产业，并持续举办山东省新材料产业智能制造大赛，挖掘人才与先进技术。相比之下，中西部地区受限于政策和经济资源不足，其技术创新能力与华东和华北地区的差距日益拉大，导致创新主体地域分布失衡。因此合理分配创新资源，对于吸引越来越多的省份加入到智能制造装备产业技术创新合作大军中起着至关重要的作用，各省份要持续提升自身发展水平，共同推动我国智能制造装备产业蓬勃发展。

4　我国智能制造装备产业产学研专利合作网络结构分析

4.1　我国智能制造装备产业产学研专利合作网络整体特征分析

本文根据所收集到的2014-2023年我国智能制造装备产业产学研合作专利数据，利用Ucinet和Gephi软件工具，构建我国智能制造装备产业产学研专利合作网络矩阵并对其网络结构进行测度分析。本文采取邻接矩阵，行与列代表着相同的专利申请单位，并按照特定顺序依次排列。将我国智能制造装备产业2014-2023年产学研合作专利数据转化为n×n的无向对称邻接矩阵。运用社会网络分析软件Ucinet对2014-2023年我国智能制造装备产业产学研专利合作网络进行数据处理分析，如表3所示。

4.1.1　 产学研专利合作网络规模持续扩大，但网络密度呈现下降趋势

网络规模的大小在一定程度上反映了网络结构的复杂程度，从表3中可以看出，2014年产学研专利合作网络创新主体数量为233个，到2023年增至1822个，10年间增长了约8倍，这表明我国智能制造装备产业参与合作的产学研主体持续增多，网络规模持续扩大，但在网络规模持续扩大的同时，网络密度却呈现下降趋势，从2014年的0.008下降至2023年的0.001。这一现象表明，网络中实际建立的合作联系数量与网络规模的扩张并不匹配。多数主体之间仅有一次或少数几次合作，合作频率低且关系不稳定。进一步看，各合作主体往往出于短期目标或特定任务需求进行合作，成员间缺乏广泛多元的交流，合作范围较为局限。此外，产学研主体间建立稳定的合作关系对双方的信任、资源投入、沟通协调等要求较高，难度较大。因此，短期内难以形成稳固的合作关系，这也是导致网络密度呈下降趋势的原因。

4.1.2　 产学研专利合作网络平均路径长度较大，节点间联系较为稀疏

平均路径长度反映了我国智能制造装备产业产学研专利合作网络中任意节点可到达彼此的路径长度的平均值，其数值体现了网络中各主体之间资源流通的难易程度^[15]。平均路径长度越短，越有利于各主体之间的快速交流，反之将会不利于合作关系的维持与网络的稳定。从表3可见，2014年我国智能制造装备产业产学研合作网络的平均路径长度为2.271，2024年增长为8.113，10年间增长了约4倍，2017-2018年5年间每年的平均路径长度均小于5，即任意申请人提高5个以内的节点就可与其他节点联系，网络节点较为通畅，然而2019-2023年期间，除2020年平均路径长度小于5，其余年份均大于5，表明网络节点间的联系较为疏远，节点间广泛合作的路径潜力较弱。

4.1.3　 产学研专利合作网络呈现小世界性

聚类系数反映节点之间相连的程度，其数值范围在0～1，数值越大代表着连接的可能性越大，节点之间合作更为顺畅^[16]。从表3可知，2014-2023年我国智能制造装备产业产学研合作网络聚类系数稳定在0.6～0.7范围内，节点整体的聚集系数处于偏高水平，呈现小世界性，即网络密度很低，但聚类系数偏高。每个阶段的集聚系数均远高于同阶段的网络密度，说明我国智能制造装备产业产学研专利合作关系的建立并非随机选择，存在择优连接性，即新增节点会优先选择连接到已经具有高连接数的节点^[17]。

4.2　我国智能制造装备产业产学研专利合作网络个体特征分析

根据整体网络密度的变化规律，将我国智能制造装备产业产学研合作网络分为两个阶段，即2014-2018和2019-2023两个时期。将各阶段网络中度数中心度排名前十的节点作为中心创新主体，进行个体网络特征分析，计算度数中心度、接近中心度、中间中心度等（表4）。度数中心度反映了节点与其他节点联系的数量，接近中心度反映的是该节点到其他节点的距离，中间中心度反映了该节点作为桥梁控制其他节点的能力^[18]。

4.2.1　 创新主体合作更加紧密，网络核心主体趋于稳定

首先，从度数中心度指标来看，2014-2018年期间，单个主体的度数中心度最高值为86；至2019-2023年期间，该值已增长至117。同时，度数中心度的平均值也从2014-2018年的34上升至2019-2023年的90。这表明网络中各主体之间的创新关联显著增强。在核心主体类型方面，高校和企业占据了创新网络中的主导地位。值得注意的是，高校在两个阶段的核心主体中均占据90%的席位，凸显了其关键作用；而科研院所则未进入两阶段的前10名主体之列。进一步分析高校类型，上海交通大学、清华大学、华中科技大学、重庆大学等在网络中占据主动位置，这些高校均为地区一流的理工类高校或综合类大学，在人才培养和创新资源方面具有显著优势。在企业方面，仅有国家电网1家企业进入核心主体行列，其创新能力主要依托其直属的中国电力科学研究院有限公司及各省电力有限公司，在区域内表现突出。其次，从接近中心度和中间中心度指标来看，各主体在两个阶段均有不同程度的提升，反映出合作紧密度进一步提高。综合分析表明，高等院校在我国智能制造装备产业产学研合作网络中始终扮演着重要的连接枢纽角色，且核心高校创新主体在过去10年间保持了相对稳定。

4.2.2　 网络主体权力地位分配不协调

综合上述合作网络的度数中心度、接近中心度和中间中心度分析，虽然网络内部创新主体之间的联系推移显著增强，创新合作日益紧密，但也显现出一些问题。一方面从创新主体来看，高校占据了主导地位，企业和科研院所在合作当中处于劣势地位，不利于充分发挥市场和科研作用。另一方面从具体数值来看，2019-2023年国家电网公司的中间中心度为1548 960，是华中科技大学中间中心度（368 405）的4倍之多，这意味着在网络当中主体的权力和地位分配不够均匀，优势主体牢牢把握住资源，网络中边缘节点被逐渐边缘化，不利于网络向深度和广度发展。

5　我国智能制造装备产业产学研专利合作网络的影响因素

5.1　影响因素选取与模型建立

影响因素的选择可能因研究对象、目的和环境而异^[19]。邻近性理论为探索网络形成的影响因素提供了主要视角，目前得到广泛认可和应用的为地理邻近、制度邻近、经济邻近和科技邻近4个邻近维度，其为产学研专利合作行为提供了重要源动力，在促进合作资源整合与信息共享方面发挥着不可替代的作用。因此，本文选取QAP非参数实证方法对地理邻近、制度邻近、经济邻近和科技邻近4个邻近维度与我国智能制造装备产业产学研专利合作网络之间的关系进行检验。各指标模型建立方式如下：

地理邻近性。地理邻近是指合作主体间存在的空间或物理距离^[20]，现有文献研究中，对于地理邻近的测量主要为两种方式，第一种为计算合作主体之间的实际地理距离，第二种为采用虚拟变量^[21]。基于本研究对象和可操作性，本文选择虚拟变量，即创新主体在地理位置上位于相邻城市，则取值为1，否则取值为0。

制度邻近性。制度邻近性通常包括法律法规、文化环境等正式和非正式制度，涉及因素众多，本文在参考相关研究的基础之上，借鉴使用刘晓燕等^[11]的测算方式，采用虚拟变量，以创新主体所在城市行政级别差距作为度量创新主体间制度距离的依据，以此构建制度邻近性矩阵，将同级别城市对应的制度邻近性取值设定为1，否则为0。

经济邻近性。经济邻近指创新主体所在城市经济水平的接近程度，经济水平相似，则经济邻近水平高，反之则低^[22]。经济发展是社会活动的基础，各城市的人均GDP水平被广泛用来衡量城市间的经济发展水平差异，因此本研究用创新合作主体所在地级市人均GDP差值的绝对值的倒数构建矩阵^[23]。

科技邻近性。科技邻近指创新主体所在城市科技支出水平的接近程度，创新过程具有前期投入大、周期长、风险较高等特点，某地区创新水平的提升往往离不开政府的财政支持，而科技支出方面的互补性有利于促进创新要素流动^[24]，深化创新中的分工程度，促进城市间的合作交流，带动区域协同发展。根据传统技术差距理论，技术由发达地区向欠发达地区转移，遵循梯度转移规律，但也存在落后地区向发达地区反梯度技术转移的情况^[25]。本文以合作主体所在地级市财政支出中科技支出差值的绝对值的倒数构建矩阵。

基于上述分析，以2014—2023年我国智能制造装备产业产学研专利合作网络矩阵为被解释变量，以地理邻近、制度邻近、经济邻近以及科技邻近矩阵为解释变量，运用QAP非参数实证方法进行分析（表5）。

5.2　样本数据与说明

中国智能制造装备产业产学研专利合作网络矩阵的构建依据前文关于产学研合作网络的定义，其数据来源于incoPat专利数据库；我国城市间地理和制度邻近矩阵构建来自于前述指标定义，数据采用虚拟变量表示；我国城市间经济和科技邻近矩阵构建来自于前述指标定义，数据来源于中国国家统计局官网。

5.3　QAP相关分析

在探讨地理邻近、制度邻近、经济邻近和科技邻近对我国智能制造装备产业产学研专利合作网络形成的影响之前，需要对这4种影响因素是否与智能制造装备产业专利合作网络相关进行验证，即对解释变量（即地理邻近、制度邻近、经济邻近和科技邻近矩阵）与被解释变量（即我国智能制造装备产业产学研专利合作网络关系矩阵）进行相关性分析。在Ucinet软件中，将4个解释变量矩阵和被解释变量矩阵按照2014-2023年的年份顺序逐年进行随机置换，分别分析4个解释变量矩阵和被解释变量矩阵在2014-2023年期间历年的相关关系，以便于进一步进行QAP回归分析。QAP相关性分析的结果如表6所示。

从表6相关性分析结果的显著性来看，2014-2023年，地理邻近、经济邻近、科技邻近3个解释变量与我国智能制造装备产业产学研专利合作网络的相关系数均为正数，为正相关关系，制度邻近与我国智能制造装备产业产学研专利合作网络的相关系数为负数，为负相关关系，4个解释变量均通过了显著性检验，检验结果趋于0，且经济邻近、制度邻近、科技邻近3个解释变量的显著性水平基本在0.1%之内，地理临近2014-2016年显著性水平在0.8%～2%之间波动，在2017-2023年显著性水平均在0.1%之内，这说明所选取的我国智能制造装备产业产学研专利合作网络的影响因素指标合理，可以进一步进行QAP回归分析。其中，与地理及制度邻近相比，经济及科技邻近与产学研合作网络的相关系数数值相对较大，对我国智能制造装备产业产学研专利合作网络的形成和发展具有重要的作用。

综上所述，在2014-2023年期间，地理邻近、经济邻近、科技邻近3个解释变量与我国智能制造装备产业产学研专利合作网络关系的的形成和发展存在较强的正向关系，而制度邻近解释变量与我国智能制造装备产业产学研专利合作网络关系的的形成和发展存在较强的负向关系，这两种关系的影响机制将在下一步的QAP回归分析中进行详细的探讨。

5.4　QAP回归分析

在确定相关性后，为进一步研究地理邻近、制度邻近、经济邻近、科技邻近4个解释变量对我国智能制造装备产业产学研专利合作网络关系的产生和发展的影响作用，还需要对这4个邻近矩阵与智能制造装备产业产学研专利合作网络关系矩阵进行QAP回归分析。利用Ucinet软件，选择2 000次随机置换，得到QAP多元回归结果，如表7所示。

5.4.1　 地理邻近对产学研专利合作有着持续性的推动作用

研究结果显示，2014-2023年，地理邻近的回归系数均为正，且P值在2017年之后普遍为0.000 5，结果在0.1%的水平下十分显著，通过了显著性检验，说明地理邻近在我国智能制造装备产业产学研专利合作网络形成和发展的过程中起到了持续性的推动作用。进一步发现，2014-2023年，时间推移下地理邻近的系数数值逐渐变小，这说明在研究初期（2014-2018年）我国智能制造装备产业产学研专利合作对地理邻近依赖较大，各主体之间合作倾向于选择与自身地理距离较近的对象，到研究后期（2019-2023年），地理邻近对我国智能制造装备产业产学研专利合作网络形成和发展的影响作用随着时间的推移逐渐减弱。这也证实，随着我国城市间交通基础设施的完善、物流体系的发展、信息通用技术的快速进步，地理邻近对我国智能制造装备产业产学研专利合作网络的影响逐渐减弱，各主体选择合作伙伴的地理范围不断扩大，远距离合作逐步加强。

5.4.2　 制度邻近影响着产学研专利合作网络的发展

研究结果显示，2017-2023年，制度邻近性通过了显著性检验（显著性水平在0.1%～10%之间波动），且其回归系数为负。这表明在此期间，制度邻近性对我国智能制造装备产业产学研专利合作网络的形成和发展产生了显著的负向影响。结合前文对创新主体地位分布的分析（高校占据绝对主导地位），以及对高校地域分布的进一步观察：在创新主体分布较多的省份，约40%的高校位于非省会城市。这种分布格局导致了大量非省会城市高校与省会城市企业之间的合作现象。合作主体间较大的制度差异（主要体现为地方政策环境的差异），反而可能为合作提供了契机。双方倾向于寻求利用对方所在地的政策优势，以实现专利价值的最大化。此外，回归结果显示，随着时间的推移，制度邻近性的回归系数绝对值呈现减小的趋势。这意味着制度邻近性对合作网络的负向影响正在逐渐减弱。这主要源于政府工作效率的提升和政策扩散机制的完善：各级政府在贯彻上级优惠政策时的效率提高，且成功的政策试点能够更快、更广泛地推广到不同行政级别的城市，从而降低了不同级别城市主体间合作的制度壁垒，促进了同级别城市主体间的合作。

5.4.3　 经济邻近对产学研专利合作具有正向促进作用

研究结果显示，在整体上经济邻近对我国智能制造装备产业产学研专利合作网络的形成和发展具有正向促进作用，且在近3年期间，经济邻近在4个解释变量中系数占据领先地位。这表明，随着智能制造装备产业的持续发展，在经济水平差距越小的城市中创新主体更容易进行合作，对于专利合作中的资源投入和把控能力更强，更容易满足彼此对智能制造装备产业技术研发突破与创新的需求。相比之下，经济相对落后城市在智能制造装备产业专利技术方面的合作创新机会本就少于经济发达城市，因此其创新主体间的专利合作也相对较少，更多地需要寻求经济发达城市创新主体的带动。此外，近几年受疫情影响，经济发展面临挑战，各创新主体愈发倾向于与经济水平相近的主体合作，以降低资源投入不均带来的风险。

5.4.4　 科技邻近的创新主体可更高效地开展合作

研究结果显示，在整体上科技邻近对我国智能制造装备产业产学研专利合作网络形成和发展起到了正向促进作用，其回归系数值在研究期内保持相对稳定，这表明各主体更倾向于和科技支出差距较小的主体合作，这主要源于科技支出水平的相近有利于创新主体合理分配资源，对于技术创新的投入和重视程度相近有利于提高研发活动的积极性，提高专利合作的效率。同时，科技支出的差异也代表着当地科技人才的差异，更多的科技支出能吸引更多的人才加入，从而提升当地的创新能力，而专利又是创新能力的重要衡量指标，因此更多的专利合作倾向于科技支出差距较小的地区的创新主体。在科技支出水平相当的情况下，各创新主体所得到的资金支持相匹配，在进行技术创新时能最大化地进行资源互补，有助于激发创新成果的产生，进而促进更高效地专利合作。

6　结论与建议

6.1　研究结论

本文基于我国智能制造装备产业产学研专利合作数据，借助QAP非参数分析方法，探究该产业产学研专利合作网络形成与发展的影响因素。研究发现：第一，智能制造装备产业产学研专利合作网络初具规模但区域分布失衡。2014-2023年，该产业产学研专利申请数量快速增长，行业势头迅猛，技术创新水平持续提升，合作网络规模与范围显著扩大，然而创新主体在区域分布上呈现不平衡状态，其中华北、华东地区较为活跃，而中西部地区的专利申请则相对薄弱。第二，高等院校创新主体地位突出，创新能力显著增强。2014-2023年，产学研专利申请量排名前20的主体中，高校占据18席（占比高达90%），在创新网络中始终发挥着主导作用，相比之下，企业和科研院所处于劣势地位，不利于发挥企业在专利产品市场化推广中的作用。第三，不同邻近维度对合作网络的影响各异。地理邻近对产学研专利合作具有持续的推动作用，制度邻近呈现负向作用，这反而有助于促进创新要素在更大范围内自由流动；经济邻近对合作具有正向促进作用，科技邻近则发挥着重要影响。

6.2　对策建议

基于以上结论，本研究建议如下：第一，改善创新生态环境，因地制宜开创新合作途径。对于云南、贵州、内蒙古等对外创新合作相对薄弱的省份，应优先与地理距离较近、经济差异小的省份建立合作。而江苏、浙江、福建等已具备一定创新合作基础的省份，则可重点与产业结构相似的省份深化合作，通过共性互补与差异协同，提升区域创新能力。第二，强化核心主体引领作用，构建区域协同创新平台。华中地区以以华中科技大学为引领，协同河南、湖北、陕西和安徽等省份，聚焦产业发展实际需求制定重点攻关清单，联合开展关键技术研发；华东地区以以上海交通大学为核心，联合山东、江苏和浙江等沿海省份，打造创新联合体，重点深化智能制造装备产业在海洋领域的应用与发展。华南地区以重庆大学为枢纽，辐射四川、贵州和云南等省份，共建战略腹地创新联合体，充分发挥区域特色优势。第三，完善基础设施建设，促进资源共享与成果转化。提升数据与物流支撑能力，支持贵阳、呼和浩特等城市建设区域级数据中心，助力中西部地区拓展产学研合作网络，同时，加强沿海地区物流智能化建设，扩大高效物流体系覆盖范围，构建科研资源共享平台，推动建立科研设备开放共享平台，促进实验室、高端仪器设备、技术服务机构等资源在区域间的高效流通与共享，加速创新成果转化落地，有效缓解地区间科技发展不平衡问题。

参考文献：

[1]杨大飞，孙守恒，胡倩.多维邻近性及交互性对合作创新网络演化的影响——以中国智能制造装备业为例[J].科技进步与对策，2025，42（2）：11-21.

[2]刘建丽，李娇.智能制造：概念演化、体系解构与高质量发展[J].改革，2024（2）：75-88.

[3]崔晓文，杨帆.上海智能制造装备产业发展态势分析[J].华东科技，2015（11）：66-69.

[4]熊立贵，涂志刚.粤港澳大湾区智能装备产业双创探索[J].科技创业月刊，2019，32（8）：58-60.

[5]张慧婧，胡思思，刘美蓉，等.湖北省智能制造装备产业发展现状及建议——基于专利计量视角[J].科技管理研究，2022，42（14）：94-100.

[6]严帅，张紫君，张青阳，等.广州市智能装备产业集群发展现状及对策[J].科技管理研究，2019，39（1）：137-148.

[7]赵爽.产学研合作网络时空演化研究——以中国装备制造业为例[J].现代管理科学，2013（11）：85-87.

[8]李树祥，褚淑贞，杨庆，等.江苏省生物医药产业产学研专利合作网络演化分析[J].科技管理研究，2021，41（14）：73-80.

[9]张明倩，柯莉.“一带一路”跨国专利合作网络及影响因素研究[J].软科学，2018，32（6）：21-25，29.

[10]冯粲，韩霞，史冬梅，等.多维邻近性视角下城市群协同创新网络及影响因素分析[J].中国科技论坛，2023（10）：50-61.

[11]刘晓燕，李金鹏，单晓红，等.多维邻近性视角下集成电路产业技术交易网络演化机制研究[J].中国科技论坛，2022（5）：49-57，70.

[12]DAKICHE N, TAYEB B S, SLIMANI Y, et al. Tracking community evolution in social networks: a survey[J]. Information Processing & Management, 2018, 56（3）：1084-1102.

[13]杨武，胡倩.我国智能制造装备产业专利合作网络演化分析[J].科技管理研究，2021，41（22）：145-153.

[14]张峰，魏巍.黄河流域制造业绿色发展合作网络时空格局及驱动因素[J].统计与决策，2024，40（12）：173-178.

[15]李丫丫，张欣悦，罗建强，等.智能网联汽车跨国技术合作网络结构特征与驱动机制研究[J].科技进步与对策，2022，39（21）：12-22.

[16]曹霞，张鑫.新能源汽车产学研创新网络演化及邻近性机理[J].科学学研究，2023，41（9）：1678-1689.

[17]祝建辉，史恒新，尤俊锐.航空装备制造产业专利合作的网络结构与演化[J].科技管理研究，2021，41（12）：114-122.

[18]游达明，刘诗.深圳产学研专利合作网络演化分析及启示[J].科技管理研究，2022，42（17）：166-172.

[19]关皓明，张雪莹，孙永胜，等.中国城市电影产业网络结构及多维邻近解释[J].地理科学，2023，43（10）：1763-1773.

[20]郑江淮，戴玮.中国技术空间雁行式变迁缩小了地区经济差异吗——基于地区间技术邻近度的假说和实证[J].财贸经济，2021，42（12）：133-149.

[21]张雅蕊，马玎.多维邻近性对创新绩效的影响——以钢铁产业为例[J].财会月刊，2018（12）：121-128.

[22]李燕.粤港澳大湾区城市群R&D知识溢出与区域创新能力——基于多维邻近性的实证研究[J].软科学，2019，33（11）：138-144.

[23]苏屹，曹铮.京津冀区域协同创新网络演化及影响因素研究[J].科研管理，2023，44（3）：43-55.

[24]唐建荣，李晨瑞，倪攀.长三角城市群创新网络结构及其驱动因素研究[J].上海经济研究，2018（11）：63-76.

[25]刘承良，牛彩澄.东北三省城际技术转移网络的空间演化及影响因素[J].地理学报，2019，74（10）：2092-2107.

作者简介：曹峥林（1988-），男，重庆理工大学重庆知识产权学院副教授、硕士生导师，研究方向：知识产权管理、数字经济与数字化转型；周梦超（1999-），男，重庆理工大学重庆知识产权学院硕士研究生，研究方向：技术创新与知识产权管理。