摘要：创新集聚是中国实现创新驱动发展的重要手段，然而创新集聚过程中的创新不平衡问题长期存在争议。利用中国1985-2020年的个体专利数据可以测度中国创新集聚变化趋势，并分析其影响因素。结果表明，中国创新集聚趋势呈现“倒U型”趋势，创新集聚水平自2005年后持续降低，中小城市已经逐步取代大城市成为创新专利申请的主体，创新不平衡问题在逐步改善。但是，创新集聚的大城市的专利质量更高，对其他地区的创新活动有更强的影响力。战略性新兴产业和企业创新是影响中国创新集聚水平的重要因素，其他产业专利和研究机构创新则是维持区域创新平衡的重要力量。
关键词：创新集聚，区域平衡，战略性新兴产业
一、引言
改革开放以来，中国区域经济经历了巨大的格局转变，在这一过程中，中国的创新活动也随之发生了巨大变化。作为一个创新后发大国，创新能力的持续提高是中国经济保持长期较快增长的重要动力。2021年中国超越美国，已经成为有效专利数量最多的国家。[1]中国毫无疑问是一个“创新大国”，但是在国家创新总体水平不断提升的背后，是关于区域创新不平衡问题的持续不断的争论。中国创新活动大多集聚在东部沿海大城市，而中西部城市的创新水平却相对落后。在2000年前后，中央连续出台了西部大开发、振兴东北老工业基地、中部崛起等兼顾效率与公平的区域发展战略，开始着力缩小区域发展差距。[2]进入新时代，在新一轮科技革命快速发展以及国内外环境出现巨大变化的背景下，以京津冀、长江经济带、粤港澳大湾区等为代表的重点地区发展战略成为这一时期提升国家创新能力的主要手段。
党的十九大报告提到，我国社会当前的主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。如何解决发展不平衡不充分的问题，实现从“创新大国”向“创新强国”的转变，是实现经济高质量发展的重要任务。中国作为一个发展中国家，受限于资源投入约束的限制，必须有所侧重地集中资源发展重点产业，快速推动产业的升级，完成创新动力转换。[3]通过区域创新集聚，发挥集聚的“溢出效应”和规模经济是十分必要的。在“十四五”规划中，建设科技创新中心是建设科技强国的重要手段。然而，在各地纷纷出台创新政策，开始新一轮“创新锦标赛”和“人才争夺战”的同时，关于区域创新不平衡问题的讨论再次成为争论焦点。[4]一方面，区域创新过度集聚可能危害国家整体的创新产出。陈斌开和张川川指出，人口向大城市集聚会推高当地的生活成本。[5]张莉等则进一步指出，过高的城市生活成本会阻碍个体的创新行为。[6]此外，人口向城市集聚有可能恶化当地的环境，从而损害当地的创新行为。[7-8]另一方面，创新集聚是促进中国创新能力提升的重要手段。Moretti通过对美国城市创新集聚的分析，表明创新集聚虽然会带来区域创新的不平衡，但整体而言，集聚仍然可以有效提高创新产出。[9]陆铭等指出，限制集聚的行为并不能真正实现经济的平衡发展，反而可能造成过度重复建设等低效率行为，鼓励要素自由流动反而可以实现“在集聚中走向平衡”，即在集聚程度提高的同时，人均水平逐渐趋同。[10]
中国区域创新集聚程度是如何发展变化的？中国区域创新是否存在过度集聚的问题？其潜在的影响因素有哪些？对这些问题的回答是理解中国创新集聚未来发展的基础，只有形成对中国区域创新集聚发展状况的基本共识，才能够更深入地理解和评估各种区域创新政策带来的影响。为此，本文通过对1985-2020年中国全部专利数据的系统考察，展示中国区域创新格局的历史演变及发展趋势，并剖析其中潜在的影响因素。本文发现，中国区域创新水平呈现出“倒U型”演变趋势，大城市的创新集聚现象在2005年后已经有了很大改善，中国的区域创新集聚问题远没有达到“过度集聚”的程度，中国区域创新形成了限制大城市、鼓励中小城市的格局。战略性新兴产业的发展是推动中国当前区域创新集聚的重要原因。相比于促进了区域创新集聚的企业，研究机构则是区域创新平衡的重要力量。
二、区域创新集聚测度的指标构建及数据来源
本文采用两种区域创新集聚测度的指标构建方法，对中国城市类型进行设定和具体区分，并介绍了所有指标所使用数据的来源和构建方法。
（一）区域创新集聚测度的指标构建
对中国创新集聚程度的测度，本文首先计算了传统上分析集聚程度的赫芬达尔-赫希曼指数（Herfindahl-Hirschman Index，HHI指数），具体计算方式如下：
HHI=∑ihi2（1）
其中，hi表示i城市的专利申请数量占全国专利申请总量的比重。HHI指数越大，表明专利申请越集中于几个大城市，创新活动的空间集聚程度越高。
创新活动作为一种以人与人交流、互动得以产生的行为，在考虑创新集聚问题的同时，需要将人口集聚问题同时纳入分析。为此，本文借鉴Ellison和Glaeser提出的Ellison-Glaeser指数（EG指数），通过分析各个城市的专利占比与其人口占比之间的差异，将人口增长因素纳入创新集聚的分析中。[11]具体而言，EG指数的构造方式如下：
其中，hi仍然表示i城市的专利申请数量占全国专利申请总量的比重，pi表示i城市的人口占全国总人口的比重。EG指数通过纳入人口因素，可以很好地对大城市创新集聚的再分配问题进行分析。如果该指数为0，表明创新的分布与人口分布完全一致；该指数为正，则表明实际的区域创新分布与基于人口分布的区域分布不相同。
本文关注中国的创新活动是否都集中于创新中心城市。对创新中心城市的定义，借鉴Chattergoon和Kerr以及Kerr和Robert-Nicoud对美国创新科技中心的评判方法，本文从城市创新的规模和密度两个维度对中国城市的创新水平进行排序。[12-13]具体而言，一个城市可以被认定为是创新中心城市，必须同时满足以下三条要求：一是该城市的创新专利申请数量、专利授权数量、发明专利授权数量需要达到前10水平；二是该城市的风险投资规模、科研人口占比以及计算机行业人口占比都要达到前10水平；三是该城市上述几项指标的全国占比要高于其人口占比。本文同样借鉴了寇宗来和刘学悦计算的中国城市创新指数，将其作为城市创新专利数量的另一种衡量手段。[14]本文使用专利数据库对各个城市的专利申请、授权情况进行统计，各个城市的风险投资金额和交易笔数来自Wind数据库和历年《中国风险投资年鉴》，各个城市的人口数量、科研和计算机行业就业人口数量来自历年《中国城市统计年鉴》。
按照上述标准，能够满足全部条件被界定为当前中国创新中心城市的有5个，分别为北京市、深圳市、上海市、杭州市和广州市。表1展示了满足所有认定条件的城市的详细指标，可以看到，满足严格标准的创新中心城市具有很强的创新集聚情况，5个城市以不到5%的全国总人口，贡献了全国超过五分之一的专利，接近三分之二的风险投资以及超过三分之一的科研和计算机行业就业人口。
除去上述5个创新中心城市，本文还定义了其他四种类型的城市。第一，1990年人口密集城市。根据1990年各级城市统计年鉴的数据，当年人口排在前10位的城市分别为：重庆市、上海市、北京市、南阳市、保定市、临沂市、周口市、成都市、汕头市、天津市。其中上海市和北京市作为创新中心城市不计入内，其他8个城市都划归1990年人口密集城市。第二，其他大城市。根据国务院在2014年发布的《关于调整城市规模划分标准的通知》以及《中国2020年人口普查分县资料》，本文将除创新中心城市和1990年人口密集城市以外，所有人口规模达到Ⅰ型大城市标准的城市①都划归到其他大城市分类中。第三，其他地级市。根据《中国城市统计年鉴》中的城市划分标准，除创新中心城市、1990年人口密集城市、其他大城市以外的地级市都被划归为该类型。第四，其他地区。除所有上述城市以外的地区，主要为地区管辖的县级市。本文关注这五类城市的创新活动如何随时间推移而产生变化。
（二）数据来源
本文所使用的专利数据来自中国开放数据平台CnOpenData的中国专利引用数据，该数据库收集了国家知识产权局1985-2020年所有在国内申请的专利。该专利信息包括了每个专利的申请日期、专利申请人、专利权人、专利分类、引用和被引用数量以及该专利的地理位置等基本信息。专利作为一种对发明过程中实际成果的直接衡量，是最常用的创新衡量指标。[15]本文关注的战略性新兴产业定义来自国家统计局最新出台的《战略性新兴产业分类（2018）》以及《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》（下文简称《参照表》）。本文将专利数据中专利分类信息的第一分类代码作为该专利的所属类型，并依据《参照表》将专利对应到战略性新兴产业中。剩余没有对应的专利，则被归到其他产业专列类型中。
专利质量方面，本文主要考虑了专利授权数量、专利引用以及被引用的情况。其中，在专利的引用和被引用数量中，本文重点考察了战略性新兴产业专利以及其中发明专利的情况。根据黎文靖和郑曼妮的研究，相对于实用新型和外观设计专利，发明专利是更能体现原创性的创新专利活动。[16]此外，本文还采用Hall等人提出的两种衡量专利质量的指数：专利原创性指数（Originality）和专利通用性指数（Generality）。[17]
具体而言，专利原创性指数通过测度一项专利的引用多样化程度来反映该专利的原创性。如果一项专利的原创性程度较高，那么该专利会较少引用与自己领域相同的现有专利，而更倾向于从其他领域中寻找能够启发本领域创新的成果，从而会引用更多不同类型的专利。该指标的具体计算方法如下：
其中，sij表示专利i在其所有专利引用中属于专利类型j的比例，ni是该专利引用的所有专利类型。如果一个专利引用了类型非常广泛的专利，那么该指数就会很高，表明该专利的原创性较强；反之，如果一个专利大量引用个别类型的专利，该指数就会很低，表明该专利的原创性较弱。
专利通用型指数的构造方式与专利原创性指数类似，只是将关注点放在了专利的被引用情况上。如果一个专利能够被属于不同类型的专利引用，表明该专利能够在多个领域提供创新启示，该专利的通用性较强；反之，如果一个专利在未来只被少数几个领域的专利引用，那么该专利就只能在有限的领域提供创新支持，该专利的通用性就较弱。该指标的具体计算方式如下：
其中，rij表示专利i在其所有被引用专利中属于专利类型j的比例，ni是该专利被引用的所有专利类型。
三、中国区域创新集聚的趋势分析
创新集聚的测度可以从专利的数量和质量两个方面进行衡量。专利申请数量的变化可以反映不同类型城市的创新活跃程度，而专利质量的变化则可以反映不同类型城市的创新影响力的差异。通过上述两个维度的分析，可以更加全面地了解中国区域创新集聚变化的趋势和特征。
（一）基于专利数量的变化趋势
图1展示了五类不同的城市从1985年到2020年的全部专利申请数量占比随时间变化的趋势。可以看到，中国创新集聚程度的变化可以大概分为4个阶段。
第一阶段，从1985年到20世纪90年代初。这一时期，中国的创新活动刚开始起步，专利申请数量极少，且主要集中在几个行政中心大城市。随着改革开放进程的不断推进，大量原本不参与创新的城市开始参与到创新活动中，在图1中主要体现为其他地级市的专利占比的上升趋势以及其他大城市的专利占比的快速提升，同期创新中心城市专利占比则呈现下降趋势。这表明，这一时期的创新集聚变化主要是因为广延边际拓展，而非集约边际提高。
第二阶段，从20世纪90年代初到2005年。在这一阶段，中国的创新集聚程度有了很大的提升。从1998年到2005年，创新中心城市的专利申请占比快速提高，从20%上升到接近40%，而同一时期，1990年人口密集城市和其他大城市的专利申请占比没有明显变化，其他地级市的专利申请占比则持续下降。这表明，这一时期中国区域创新呈现出显著的向头部大城市集聚的趋势，具体而言是从小城市向创新中心大城市的集聚。
第三阶段，从2005年到2012年。在这一阶段，中国的创新集聚发生了逆转。具体而言，这一时期的创新中心城市的集聚程度出现了显著的下降，而其他大城市和其他地级市创新集聚程度普遍提高。从图1可以看到，创新中心城市的专利占比从2006年开始持续下降。但与此同时，其他大城市的专利占比持续上升，并且在2012年达到峰值。其他地级市的专利占比同样持续上升，但增幅没有其他大城市明显。同期，1990年人口密集城市和其他地区的专利申请份额没有显著变化。
第四阶段，2013年到2020年。在这一阶段，5类城市的专利申请比例基本稳定，其他地级市的专利申请数量延续了上一阶段的增长趋势，并于2014前后超越其他大城市，成为专利申请占比最高的城市类型。与其他地级市专利比例增加相对应的是，其他大城市专利比例略微下降。
上述分析表明，中国的创新集聚呈现出三次转移。创新集聚首先发生在创新中心城市，极大地推高了这些地区的专利申请占比。随后，创新集聚开始向其他大城市转移，具体表现为创新中心城市占比下降，而其他大城市的占比开始持续上升，并在2013年左右形成了第二个波峰。此后，创新集聚再次向中小城市转移，其他大城市的专利占比开始下降，其他地级市的比重则继续上升，到2020年已经是占比最高的城市类型。
上述四个阶段并非由某一个特定产业类型的专利变化所驱动。如图2所示，将专利区分为战略性新兴产业专利和其他产业专利两类，仍然能够观察到创新中心城市专利占比的“倒U型”变化趋势，以及其他大城市和其他地级市的先下降、后上升的趋势。但在不同产业类型下，区域创新集聚的变化呈现出不同的特点。一是创新中心城市在战略性新兴产业中占据了远高于其他产业专利的比重。在2005年，创新中心城市的战略性新兴产业专利占比接近50%，远高于排在第二位的其他大城市（不到30%），但同期创新中心城市的其他产业专利占比仅略超过30%，与其他大城市和其他地级市的占比基本相同。二是战略性新兴产业专利相比其他产业专利仍更明显地集聚于大城市。创新中心城市的战略性新兴产业专利占比基本都高于其他产业专利占比，而在其他类型的城市中，战略性新兴产业专利占比则很少高于其他产业专利中的占比。
专利数量所反映出的区域创新集聚趋势表明，创新中心城市的集聚呈现出“倒U型”变化，其他城市则相应地呈现“U型”变化。创新中心城市在战略性新兴产业方面的创新集聚优势格外明显，其他城市则在其他产业的创新中扮演着更重要的角色。
（二）基于专利质量的变化趋势
表2展示了不同类型城市的历年专利授权数量、专利引用和被引用、专利原创性指数和专利通用性指数。专利质量的变化趋势展现出一些不同于专利数量所反映的趋势。
第一，专利质量随时间推移不断提高。图3具体展示了五类不同城市类型的专利原创性指数和专利通用性指数随时间变化的趋势。专利原创性在2005年后持续提升，这一转变几乎发生在所有类型的城市之中，与创新集聚的转移阶段无关。
第二，创新质量与创新集聚规模有明显的正相关关系。无论是以授权数量、引用和被引用数量，还是以专利原创性和专利通用性指数衡量，创新中心城市的专利质量都是最高的，其次是其他大城市，最后是所有其他城市。从表2列（8）和图3中专利原创性指标的变化趋势都可以看到，创新中心城市的指标相对更高。专利通用性指标则更加明显地反映出创新中心城市的专利具有更广泛的影响力，与不同时期创新集聚的模式无关。②
第三，创新中心城市的专利占比下降，但其专利的创新影响力并没有因此下降。表2列（1）表明，创新中心城市的专利授权数量远高于其他类型的城市。结合上文对专利数量的分析可知，创新中心城市的专利申请比例在2005年后下降，2013年后基本没有变化，其他类型城市的专利申请占比在2005年持续上升，但专利授权数量却并没有超过创新中心城市，这说明其他类型城市专利申请数量的增加并不一定反映出实际创新能力的提升。创新中心城市的创新质量更高，并且一定程度上引领了其他城市的创新发展。
综合对五类城市专利占比和专利质量的分析，可以得到以下几个结论：一是中国的初始创新集聚程度一直较高。5个创新中心城市和27个其他大城市贡献了全国一半以上的专利，而且这一趋势从20世纪90年代开始就基本形成。二是中国区域创新集聚程度呈现出“倒U型”变化。创新中心城市在创新活动中的比重先上升后下降，而其他城市的集聚城市则先下降后上升，其他大城市的集聚程度稳步提升，1990年人口集聚城市和其他地区的创新集聚没有显著变化。三是中国创新区域不平等问题有所改善。在2005年左右，创新活动主要集聚在5个创新中心城市中，但此后创新活动就开始向次一级的大城市转移，到2013年左右，又开始向其他城市转移，创新活动呈现出不断向小城市扩散的趋势。四是中国区域创新活动仍然由大城市引领。虽然创新中心城市的专利申请占比下降，但是其专利质量始终很高，并且通过其在战略性新兴产业创新方面的领先地位，对其他地区的创新起到了引领作用。
四、中国创新集聚变化的影响因素分析
从上文的分析中可以看到，不同类型的城市的产业创新结构有很大差异，战略性新兴产业更明显地集聚在创新中心城市，而其他产业则在中小城市中占比更高，这表明产业结构可能是影响中国区域创新集聚变化的重要因素。此外，企业和研究机构作为两个重要的创新组织主体，有可能对中国区域创新集聚的变化产生影响。
（一）产业类型对创新集聚的影响
战略性新兴产业作为新一轮科技革命和产业变革的方向，是我国未来创新发展的主要动力来源，具有比其他产业更强的集聚偏向性。从上文的分析中可以发现，战略性新兴产业更多地集聚在创新中心城市，因此，产业类型的差异可能内在地影响了创新集聚程度。表3展示了对所有专利进行统计的创新集聚指数测算结果，从中可以看出以下几点。
第一，创新集聚的“倒U型”趋势始终明显。战略性新兴产业在所有专利中的比重在2006年后出现了下降，2011年后重新回升。无论是关注全部专利，还是具体的战略性新兴产业专利，HHI指数在1990年后持续上升，但在2010年后开始持续下降。在考虑了人口因素后，上述趋势仍然明显。EG指数在1990年后持续上升，表明创新集聚程度和人口分布之间的差异越来越大，而2010年后这一趋势出现了逆转，到2016年至2020年时间段，EG指数达到了历史最低水平，表明这一时期的创新集聚分布与人口集聚分布的差异虽然依旧存在，但已经达到了历史最低水平，创新集聚在向空间更加平衡的方向发展。
第二，创新的产业结构组成差异会影响区域集聚程度。根据表3的结果，战略性新兴产业的集聚程度的确要高于其他产业。战略性新兴产业的HHI指数在所有时期都高于其他产业的HHI指数。同时，战略性新兴产业HHI指数的变动也更加明显，在2006-2010年间达到最高0.052，在2016-2020年间降到最低0.025，下降超过50%，但同时期其他产业的HHI指数仅下降约三分之一。
第三，创新集聚从受人口驱动转向受产业驱动。图4展示了不同产业类型专利的EG指数变化。可以看到，1990年之前的中国区域创新集聚分布与人口分布差距非常大，人口密集地区并非创新集聚地。随着改革开放进程的推进，中国的创新活动集聚逐渐与人口集聚趋同，但创新集聚活动仍与人口分布之间存在较大差异。即便考虑了人口因素，战略性新兴产业占主导的城市的创新集聚程度仍显著地高于以其他产业为主导的城市。
总而言之，战略性新兴产业更强的集聚特征是导致中国创新集聚于大城市的重要因素。虽然2005年后，战略性新兴产业的创新集聚程度下降，其他大城市和其他地级市在战略性新兴产业中的占比上升，但战略性新兴产业仍然比其他产业更加强烈地依赖集聚。因此，即便战略性新兴产业的区域集聚水平有所下降，其集聚程度仍然高于以其他产业衡量的创新区域集聚水平。
（二）不同机构类型对创新集聚的影响
企业和研究机构作为两个重要的创新活动承担主体，在创新集聚中存在不同的影响。一个最显著的差异就在于两者在区域选择方面存在不同的自由度：企业可以比较灵活地选择不同城市开展创新活动，同时可以根据实际情况选择是否退出并转向另一个城市。而以大学为代表的研究机构则没有这样的灵活性，大学的选址一旦确定，就基本不会发生变化。
为了探究创新所属机构对创新集聚的影响，本文通过专利权人信息对专利的所属机构进行了区分，并由此得到基于不同专利所属机构的创新集聚程度测度。具体而言，本文使用中国专利引用数据库中专利的第一专利权人所属机构作为该专利的所属机构，根据所属机构的名称将其分类为企业和研究机构两类③，并根据式（1）和式（2）计算创新集聚指数。表4展示了相关统计数据及创新集聚指数计算结果。
第一，企业和研究机构的创新活动侧重点不同。无论是企业还是研究机构，战略性新兴产业的集中度都更高，这与上一部分的分析结果一致。企业的专利数量的绝对值远超研究机构，这表明企业是当前中国专利创新最重要的主体，同时也是战略性新兴产业专利创新的主要贡献者。而研究机构在战略性新兴产业专利创新中具有更高的密集度。研究机构的战略性新兴产业专利占比不仅长期在50%以上，而且也比同时期企业的战略性新兴产业专利占比更高，这也表明了研究机构在战略性新兴产业创新中的重要地位。
第二，研究机构是平衡区域创新集聚的重要力量。根据图5展示的企业专利和研究机构专利EG指数历年变化的情况，研究机构专利从较高的初始水平开始一直稳步下降。事实上，中国大学空间分布最大的一次调整就是1952年进行的院系调整，该次调整根据各个地方大区推进工业化建设的需要，效仿苏联高等教育人才培养模式，对全国范围内所有高等院校的系所进行了全面的拆分、合并、重组，极大地补充了原本高校资源匮乏的内陆和边远地区。[18]此后，中国高等院校的地理空间分布就基本固定下来。根据中国大学的空间分布情况，虽然创新中心城市有相当多的大学汇集，但中国大学的空间分布仍然兼顾了欠发达地区，这使得研究机构创新长期以来维持了中国的区域创新平衡。
第三，企业创新是促使区域总体创新集聚水平呈现“倒U型”趋势的主要动力。与研究机构相比，企业的流动性相对更强，经济发达的大城市是企业的主要集聚目的地。图5显示，企业专利集聚呈现出“倒U型”集聚趋势，与创新中心城市的创新比重变化趋势基本一致。根据寇宗来和刘学悦的研究，2006年国家颁布的《国家中长期科学和技术发展规划纲要（2006-2020年）》（下文简称《规划纲要》）是促使集聚趋势逆转的主要原因。[19]本文的研究同样支持了这一结论，2006年之后，中小城市的企业创新活动变得更加活跃，这些城市在整体创新中的占比上升，从而降低了区域创新集聚水平。本文的研究进一步表明，《规划纲要》促进了原本非创新中心城市的企业创新活动，尤其促进了非创新中心城市的战略性新兴产业创新活动。长期来看，创新集聚首先从创新中心城市转移到了其他大城市，然后再进一步转移到其他地级市，促使区域创新集聚呈现出“倒U型”变化。
总而言之，企业的创新集聚很大程度上推动了中国区域创新集聚的变化，企业创新集聚的转变很大程度上受到国家区域平衡发展战略的影响，而研究机构创新维持了中国区域创新的平衡。
五、结论及启示
本文通过对中国1985-2020年间各个城市专利信息的分析，重点探讨了中国创新集聚的主要趋势及其影响因素。本文的主要结论如下：一是中国创新长期以来都集聚于大城市，其中以北京市、上海市、深圳市、杭州市和广州市为代表的创新中心城市，长期以来都是中国重要的创新集聚中心。创新中心城市不仅有更高的创新质量，也对其他地区的创新活动形成了引领。二是中国创新集聚程度呈现出先上升后下降的“倒U型”趋势。具体而言，在2005年之前，中国的创新活动主要向创新中心城市集聚，2006年后，创新集聚先转移到其他大城市，然后转移到其他地级市，区域创新不平衡问题在不断改善。三是战略性新兴产业作为国家未来创新发展的支柱产业，其创新集聚水平高于其他产业。而战略性新兴产业高度集聚于大城市，这导致以战略性新兴产业衡量的区域集中程度高于以其他产业衡量的区域集中程度。四是企业是推动中国区域创新集聚水平“倒U型”变化的主要因素，研究机构则是支撑中国区域创新平衡的重要力量。
本文的研究对深入推动创新驱动的经济高质量发展、解决创新发展的不充分、不平衡问题，具有以下启示。
第一，合理地促进区域创新集聚可以释放巨大的创新潜力。中国创新活动在近些年并没有呈现出明显的集聚增强的趋势，反而有平均化的趋势。而创新活动是一种高度依赖要素集聚的人际知识互动行为，缺少集聚带来的知识相互交流和碰撞，就很难真正实现“从0到1”的原创性创新，在中国寻求从创新“跟跑”“并跑”向“领跑”跨越的过程中，促进创新集聚是十分必要的。在中国实现创新驱动发展的过程中，要大力推动区域创新集聚，集中尖端人才资源，把握新一轮技术革命浪潮，实现跨越式创新发展。
第二，实现创新驱动发展战略与兼顾区域经济的协调发展并不是“非此即彼”的对立关系。追求经济发展的平衡不等同于各地发展水平的平均化。事实上，从中国区域创新集聚的历史发展过程来看，中国已经初步形成了“创新中心城市—其他大城市—其他中小城市”三个层级的区域创新格局。构建中心大城市引领创新、普通大城市深化创新、中小城市跟随创新的有重点、多层次的区域创新格局，可以在充分兼顾不同城市间发展平衡的基础上，通过合理的创新集聚实现创新驱动的高质量发展。
第三，要根据城市的产业结构特征推动区域创新集聚。限制大城市的创新集聚并不能解决中小城市创新活力不足的问题，因为不同类型城市的产业结构不尽相同，其在创新方面所具有的优势和特点也存在差异。战略性新兴产业的发展往往需要大量的资源投入，在中国当前有限的资源约束下，推动相关产业在大城市中的创新集聚是实现创新发展的必由之路。而其他不那么依赖于创新集聚的产业则可以分布在广大中小城市。通过发挥不同类型城市在产业发展中的优势，形成产业分工，从而兼顾创新集聚和区域创新平衡。
第四，发挥研究机构在区域创新中的平衡作用。企业能够灵活地选择在不同城市集聚，而研究机构的分布则更加具有平衡区域发展的特点。研究机构作为重要的基础研究创新主体，可以为企业创新提供良好的基础支持，同时有力地推动当地创新能力的提升。因此，在促进中国创新集聚的过程中，鼓励研究机构创新可以作为维持区域创新平衡的重要手段。
注释：
①Ⅰ型大城市要求常住人口在300万以上500万以下，2020年中国Ⅰ型大城市有14个，分别为南宁市、石家庄市、厦门市、太原市、苏州市、贵阳市、合肥市、乌鲁木齐市、宁波市、无锡市、福州市、长春市、南昌市、常州市。
②专利通用性指标由于使用专利的被引用数量计算，年份靠后的专利累积的专利被引数量会更少，所以通用性指标会随着年份增加而出现普遍下降，这并不代表专利通用性程度的下降。
③在具体的识别中，本文将所有专利权人名称中包含“Co Ltd”“Corp”“公司”“普通合伙”“株式会社”等内容的认定为企业专利，将所有专利权人名称中包含“University”“Academy”“Research”“Institute”“Hospital”“研究所”“大学”“医院”等内容的认定为研究机构专利，剩余的机构专利都被认定为其他机构专利。
参考文献：
[1]World Intellectual Property Organization（WIPO）. World Intellectual Property Indicators 2022. Geneva：WIPO，2022.
[2]刘秉镰，朱俊丰，周玉龙.中国区域经济理论演进与未来展望[J].管理世界，2020，（2）.
[3]林毅夫.产业政策与我国经济的发展：新结构经济学的视角[J].复旦学报（社会科学版），2017，（2）.
[4]张吉鹏，卢冲.户籍制度改革与城市落户门槛的量化分析[J].经济学（季刊），2019，（4）.
[5]陈斌开，张川川.人力资本和中国城市住房价格[J].中国社会科学，2016，（5）.
[6]张莉，何晶，马润泓.房价如何影响劳动力流动？[J].经济研究，2017，（8）.
[7]张可，汪东芳.经济集聚与环境污染的交互影响及空间溢出[J].中国工业经济，2014，（6）.
[8]罗勇根，杨金玉，陈世强.空气污染、人力资本流动与创新活力——基于个体专利发明的经验证据[J].中国工业经济，2019，（10）.
[9]Moretti E. The Effect of High-Tech Clusters on the Productivity of Top Inventors. American Economic Review，2021，（10）.
[10]陆铭，李鹏飞，钟辉勇.发展与平衡的新时代——新中国70年的空间政治经济学[J].管理世界，2019，（10）.
[11]Ellison G，Glaeser E L. Geographic Concentration in U. S. Manufacturing Industries：A Dartboard Approach. Journal of Political Economy，1997，（5）.
[12]Chattergoon B，Kerr W R. Winner Takes All？Tech Clusters，Population Centers，and the Spatial Transformation of U. S. Invention. Research Policy，2022，（2）.
[13]Kerr W R，Robert-Nicoud F. Tech Clusters. Journal of Economic Perspectives，2020，（3）.
[14]寇宗来，刘学悦.中国城市和产业创新力报告2017[R].上海：复旦大学产业发展研究中心，2017.
[15]Carlino G，Kerr W R. Chapter 6-Agglomeration and Innovation. Handbook of Regional and Urban Economics，Vol.5，2015.
[16]黎文靖，郑曼妮.实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响[J].经济研究，2016，（4）.
[17]Hall B H，Jaffe A B，Trajtenberg M. The NBER Patent Citation Data File：Lessons，Insights and Methodological Tools. NBER Working Paper，2001.
[18]李杨.五十年代的院系调整与社会变迁——院系调整研究之一[J].开放时代，2004，（5）.
[19]寇宗来，刘学悦.中国企业的专利行为：特征事实以及来自创新政策的影响[J].经济研究，2020，（3）.
作者简介：余振，武汉大学经济与管理学院，美国加拿大经济研究所，教授，博士生导师；李锦坡，武汉大学经济与管理学院博士生（湖北武汉430072）。
