杨以文 郑江淮 | 区域专利合作促进人工智能发展的机制与效应测度 ——来自WIPO数据的经验证据

区域专利合作促进人工智能发展的机制与效应测度

——来自WIPO数据的经验证据

刊于《东南学术》2021年第4期

杨以文副教授

作者简介

　　杨以文，经济学博士，南京审计大学经济学院副教授；　　郑江淮，经济学博士，南京大学经济学院院长、教授、博士生导师。
摘   要　　2017年以来，中国经济逐渐从高速增长转向高质量发展，而人工智能作为一项通用技术已经成为经济高质量发展的重要新动能，因此全国各地都在着力推动人工智能产业发展。人工智能产业属于高知识密集型产业，具有知识性、不确定性与风险性等特点。区域间的合作研发和创新将成为人工智能产业发展的必然路径。全国各区域通过专利合作，可提高人工智能专利转化能力和研发能力，从而促进人工智能产业发展。从分地区层面来看，区域专利合作对不同地区人工智能产业发展的作用效应存在区域异质性，作用效应最大的区域为西部地区，其次为中部地区，再次为东部地区。 

   

 一问题的提出　　　

　　随着大数据、云计算和物联网技术的发展，制造业智能化将是未来发展的方向。伴随着我国经济从高速增长转向高质量发展阶段，全国各地区都在加大新旧动能转换，重视并发挥新知识和新动能对产业发展的贡献。但是，由于不同地区人工智能产业发展的基础设施、研发投入以及政策约束和推动力度等因素存在差异，不同地区的人工智能产业发展水平参差不齐。从2019年世界知识产权组织数据库（WIOP）的数据看，中国各省份的人工智能专利规模存在较大差异，人工智能专利规模最大的为广东省，其次为山东省，规模最小的为甘肃和西藏。人工智能作为知识密集度极高的产业，不仅需要本地创新网络的支撑，而且更需要全国创新网络以及不同区域之间的优势互补和多元化知识的交流、互动与扩散。从世界知识产权组织数据库（WIOP）的数据看，我国人工智能技术跨区域合作研发比例不断上升，其中,山东省和广东省跨区域人工智能专利合作规模最大。

　　有关区域专利合作和人工智能产业发展问题的研究，近些年呈现不断增长的趋势，有关该主题的研究主要包括以下两个方面：

　　一是有关人工智能产业发展影响效应的研究，主要分为两种效应，一种为积极效应，另一种为消极效应。

　　持积极效应观点的学者认为，人工智能产业发展会加速促进社会进步。人工智能技术可以通过提高效率在经济发展、资源节约和缓解保护方面起到关键作用。人工智能技术将会大大增进社会各部门（包括交通、保健、教育、公共安全、就业和娱乐等）的社会福利。高山行和刘嘉慧认为，人工智能作为一种新技术和新要素，能够创造一种新型的虚拟空间和世界，能够有效地提高劳动生产率。Hasse C认为，人工智能可以实现人类非认知的自动化，并依靠其技术能力促进经济增长以及依靠其精确的算法可以执行许多人类不能完成的工作，进而能够改善社会福利。张鑫和王明辉认为，人工智能作为一种通用技术，与其他行业的充分融合能够提高资源的利用效率和配置效率。

　　持消极效应观点的学者认为，人工智能产业发展会带来负面社会效应。Wim Naudé和Dimitri N 认为人工智能在促进社会进步的同时，也会带来一些负面效应，例如人工智能技术有可能会被滥用于窃听、伪造新闻、侵犯隐私甚至威胁民主，还有一些学者指出人工智能技术的应用将会替代中等技术劳动力，进而导致失业。王君等认为，人工智能对劳动力就业的影响在不同时期会呈现出不同作用效应，从短期来看，人工智能对劳动力就业的破坏力有限，但是从长期来看，人工智能对劳动力就业的破坏力会日益增大。Acemoglu等对不同职业的自动化程度进行了再衡量，并指出各个任务越容易实现自动化，就越有可能出现人工智能取代人类的职业。潘丹丹的研究指出，人工智能会提高中等技能劳动力的需求规模，降低高技能和低技能劳动力的需求规模。陈明生、邓洲和黄娅娜研究指出，人工智能发展会带来结构性失业。

　　二是有关区域专利合作与产业发展之间关系的研究。区域之间的专利合作，通过嵌入专利合作网络获取更多的隐性外部知识，能够促进区域产业创新发展。嵌入区域专利创新网络可以增强公司的创新能力。区域专利合作网络是产业创新思想的重要来源。Olk P和West J认为，新的知识信息主要通过创新合作网络中“弱联系”，而不是通过密切关系（强关系）获得。向希尧和裴云龙利用世界专利合作数据，实证检验表明，地理空间的邻近对专利合作的影响效应不显著，但社会邻近对专利合作具有显著的正向作用。王文静和赵江坤利用我国2005—2015年专利合作数据进行实证研究发现，我国区域专利合作的程度与广度存在差异性，具体表现为不同区域的知识吸收能力和扩散能力的差异较大。

　　综上可知，研究人工智能区域专利合作与人工智能产业之间关系的文献并不多。大部分文献集中于分析区域专利合作与产业创新之间的关系，而利用微观数据来实证检验区域专利合作与人工智能产业发展之间的因果关系的文献几乎没有。本文将基于世界知识产权组织数据库（WIPO），利用社会网络分析方法构建区域专利合作网络的中心度和网络规模指标，分析我国各省份人工智能专利的空间分布特征与演化规律，探究区域专利合作与人工智能产业发展的内在机制与影响效应。

 二基于社会网络演化视角的理论分析机理　　　

　　社会网络理论认为，个人和组织之间存在某种关系网络，不同个体或组织可能会由于交易、合作和创新等原因，在关系网络中发挥不同的作用，所获得的知识和信息规模也会有所差异。我国区域人工智能专利合作创新网络，不仅包括本地专利合作网络，还包括区域专利合作网络，这两种网络共同推动我国人工智能产业发展。鉴于研究的目的，本文将基于社会网络理论构建一个概念模型，重点分析区域人工智能专利合作网络对于人工智能产业发展的内在作用机制。

　　假设存在一个区域网络〔全国31个省份（不含港澳台地区），下同〕，每一个省份就是区域网络上的一个节点。在这个人工智能专利合作网络中，每一个节点所处的地位不同，对资源、信息和知识的吸收和控制的能力也会不同，处于区域人工智能专利合作创新网络的中心度越高，越有利于积累知识，也越有利于推动网络节点的人工智能产业发展。

　　基于以上模型假设，下面将基于知识学习、整合和扩散的视角，从区域专利合作创新网络形成、发展和壮大的过程，探究网络节点中心度提升对人工智能产业发展的影响，具体见图1。

图1区域人工智能专利合作创新网络形成演化过程

　　第一阶段为区域专利合作网络节点知识积累阶段。区域网络各节点依靠自身的知识禀赋和创新能力获得人工智能的专业知识，融入区域网络并获取更多的人工智能的相关知识。区域网络存在网络外部性以及路径依赖效应，先期进入创新网络的节点，会随着区域人工智能专利合作创新网络规模扩大，优势不断增强。先期嵌入区域网络的节点，通过知识学习、传播和共享，以及与网络中其他节点进行良性互动，将促进区域人工智能专利合作创新网络不断扩大。

　　第二阶段为区域专利合作网络节点知识扩散阶段。区域专利合作网络节点经过知识积累阶段，已经形成较强的创新能力和知识禀赋，吸引更多的节点加入区域网络，节点之间的知识互动交流频繁，显性和隐性知识在网络中不断扩散，一些创新能力强和知识禀赋丰富的节点在网络中的中介作用加强，逐渐成为更多其他节点的连接纽带，进而使得这些节点在网络中的中心度不断提高。当然，在此过程中，一些具备创新能力和较丰富知识的网络节点，也逐渐开始组建“以我为中心”的小团队，即在网络中出现“凝聚派系”。

　　第三阶段为区域专利合作网络节点新知识再配置阶段。经历区域专利合作网络节点知识扩散阶段，一些网络群体的凝聚派系团队不断衍生壮大，网络内形成派系团队之间的知识学习交流与互动。随着不同派系团队之间的知识互动与交流，一些连接不同派系团队的节点不断增多，成为网络的结构洞。占据结构洞的节点有机会接触到不同派系的知识来源，在网络信息传播和扩散中占据优势地位。这些网络节点还能控制有价值的知识信息在不同派系之间的传播和扩散，不断提高中心度。

　　第四阶段为区域专利合作网络节点知识升级阶段。随着区域专利合作网络系统规模和网络密度的扩大，网络节点之间的距离不断下降，网络节点之间的显性知识和隐性知识的交流成本逐渐降低，使得网络节点之间的知识和信息互动与交流更加频繁，新的知识在网络节点之间的传播速度加快。来自更多网络节点的多重知识的融合和交流，催生新知识的产生，吸引更多的新节点加入。原有的网络节点与新嵌入节点之间新一轮的知识互动能够促进整体网络系统质量的提升。

　　人工智能专利作为人工智能产业发展的最重要的知识支撑，其拥有的规模与质量将会影响人工智能产业的发展。在区域专利合作网络中中心度越高的网络节点，能够获取更多的人工智能的知识信息，占据更多的结构洞，这些节点的人工智能产业将会获得更多的知识支撑，加速其发展。因此，我们提出以下研究假说。

　　研究假说：区域专利合作网络的节点中心度越高，越有利于节点区域的人工智能产业发展，即节点中心度与人工智能产业发展呈正向关系。

 三实证分析　　　　　

　　（一）数据来源

　　本文实证分析所采用的数据主要来源：第一，部分数据来自世界知识产权组织数据库（WIPO），该数据库包括全世界各国、各地区国际专利申请的详细信息，本文借鉴Rafael Lata的做法，来获取我国各省份人工智能专利合作的数据；第二，部分数据来自2014—2019年中国统计年鉴，并对数据进行相应的加工处理；第三，部分数据来自相关研究报告。

　　（二）变量设置

　　根据本文的研究需要，设置如下变量：

　　人工智能产业发展水平（inm），采用全国31个省份工业机器人企业数量来测度该指标。另外，为更加稳健地衡量人工智能产业发展水平，还将采用全国31个省份人工智能产业的产值对该指标进行衡量；区域专利合作强度（cob），本文利用WIPO数据库搜索相关数据，采用UCINET软件计算得到人工智能网络合作的每个省份或地区的点中心度（cob1）、中介中心度(cob2)、接近中心度(cob3)，并利用这三个指标来测度31个省份的专利合作强度；结构洞规模（hole），利用UCINET软件，对31个省份人工智能专利合作网络进行计算所得；开放水平（open），采用31个省份进出口总额与地区生产总值之比来衡量；研发投入（res），该变量是采用31个省份研发投入总额来衡量；经济规模（eco），该变量采用31个省份经济总量（GDP）进行衡量；人力资本（per）：该变量采用31个省份大专以上人口数量占总人口的比例来衡量。

　　（三）计量模型构建

　　为了检验跨区域专利合作与人工智能行业发展之间的关系，设定如下计量回归模型：

　　inm_it=α+β₁cob_it+β₂control_i,t+u_i+v_t+ε_it （1）

　　式（1）中，inm_it表示第i个地区第t年人工智能行业水平；cob_it表示i地区第t年跨区域专利合作广度；control_it表示i地区第t年各控制变量大小；α为常数项，β₁与β₂为回归系数，u_i表示个体不可观测的异质性，v_i表示随着时间变化的不可观测因素，ε_it为随机误差项。

　　（四）基准回归检验

　　为对上文的研究假设进行检验，本文通过增加控制变量，并分别使用基于面板数据的固定效应模型和随机效应模型对专利合作影响人工智能产业发展水平的效应进行检验，依据Hausman Test的检验结果判定应该采用固定效应模型，因此本文仅报告了固定效应模型的回归结果，具体见表1。根据回归结果可以发现，无论是否加入控制变量，跨区域人工智能专利合作强度都对区域人工智能行业发展都具有显著的促进作用，即点中心度和中介中心度变量的系数都为正，接近中心度变量的系数为负。从回归结果来看，点中心度每提高1个单位，人工智能行业发展水平将会提高0.012个单位（回归模型1）；中介中心度每提高1个单位，人工智能行业发展水平将会提高0.015个单位（回归模型3）；接近中心度每降低1个单位，人工智能行业发展水平将会提高0.024个单位（回归模型5），且至少都在5%显著水平上显著。该检验结果表明，一个省份与更多省份或地区开展人工智能专利合作能够显著促进人工智能行业发展。这意味着，当前我国不同省份之间的人工智能专利合作，已经形成较大的知识外溢和隐性知识学习的渠道，那些与更多省份开展人工智能专利合作的地区能够获得更多的创新知识，能够加速促进本地区人工智能行业的发展。

　　注：括号中的值为t值，“*” “**”和“***”分别表示“10%”“5%”和“1%”的水平显著；报告结果由stata10.0给出（下同）。

　　（五）稳健性检验

　　为了使得实证结果更为稳健，本文通过替换解释变量和被解释变量对回归结果的稳健性进行检验，具体检验结果如表2。

　　注：括号中的值为t值，“*” “**”和“***”分别表示“10%”“5%”和“1%”的水平显著。

　　表2中模型1— 4的被解释变量为人工智能专利规模（为了获得该变量的数值，我们主要采用WIPO所提供的31个省份各年度的人工智能专利数量来进行测度），但是，解释变量分别为点中心度、中介中心度，接近中心度，结构洞数量，其他变量都为控制变量，当然，通过豪斯曼检验之后发现，P=0.0001，所以适合采用固定效应模型。从稳健性检验的回归结果来看，模型1— 4反映人工智能专利合作的变量对人工智能产业发展的作用方向并没有改变。另外，模型5—8的被解释变量替换为人工智能产业规模变量，采用全国31个省份人工智能相关产业的规模对该变量进行测度，同时采用豪斯曼检验发现，采用固定效应模型是适合的，从模型5—8的回归结果来看，并没有改变区域人工智能专利合作对人工智能发展水平提升的作用方向。因此，本文的研究假设1得到验证。

　　（六）作用机制检验

　　区域人工智能专利合作，不仅可充分利用不同区域的知识，而且还可通过专利的跨区域合作促进专利交易，促进专利资源的优化配置，并促进本地区人工智能产业的发展。

　　本文将借鉴Baron R M和Kenny D A的做法，来检验区域人工智能专利合作通过提高专利转化能够力促进人工智能产业发展的内在机制。Baron R M和Kenny D A认为可以通过三步骤方法来检验自变量和因变量之间的内在机制，第一步是检验自变量影响因变量，第二步是检验自变量影响中介变量，第三步就是在控制中介变量之后，自变量对因变量的作用明显降低或消失。下面将根据Baron 的做法，构建如下计量回归模型：

　　第一步：inm_it=α+α₁cob_it+α₂control_i,t+u_i+v_t+ε_it（2）

　　第二步：patent_it=α+β₁cob_it+β₂control_i,t+u_i+v_t+ε_it（3）

　　第三步：inm_it=α+λ₁patent_it+λ₂cob_i,t+λ₃control_i,t+u_i+v_t+ε_it（4）

　　式（2）（3）（4）中，inm_it，cob_it，control_it，u_i，v_t，ε_it等变量表示的含义与式（1）是相同的，其中，patent_it表示第i个地区第t年的人工智能专利转化能力，该变量主要是利用各地区人工智能企业数量与人工智能专利数量之比进行测度，一般而言，该变量越大，表示该地区的专利转化能力越强，可利用该变量作为专利转化能力的代理变量。

　　下文将利用面板数据的固定效应和随机效应模型来进行计量检验。豪斯曼检验的P值为0.0004，表明采取固定效应模型是合适的，因此，下面将利用固定效应模型来检验人工智能专利合作对于产业发展的内在机制，具体的回归结果如表3。

　　注：括号中的值为t值，“*” “**”和“***”分别表示“10%”“5%”和“1%”的水平显著。

　　根据Baron的方法来检验专利转化率在专利合作与人工智能产业发展之间的中介作用。第一步，检验中心度对人工智能产业发展的作用效应，检验结果表明，点中心度和中介中心度对人工智能产业发展具有正向作用，且至少在5%显著水平上显著，接近中心度对人工智能产业发展具有负向作用；第二步，检验中心度对专利转化率的影响效应，检验结果表明，点中心度和中介中心度对专利转化率具有正向作用，接近中心度对人工智能产业发展具有负向作用；第三步，在模型中增加控制变量专利转化率（patent），检验结果表明，点中心度对人工智能产业发展的作用不显著。根据以上回归结果，可以发现人工智能专利合作，能提高专利转化率，促进人工智能产业发展。

　　该回归结果表明，跨区域专利合作广度提升有利于专利转换率提升，这就意味着我国跨区域人工智能专利合作已经形成良好的知识溢出效应和网络效应，相关的专利知识和信息能够在跨区域合作中实现更快的传播速度，并能加快专利的转换效率。因此，本文所提出的内在机制是成立的。

 四进一步研究：区域人工智能专利合作的作用效应差异检验　　　

　　人工智能专利合作对区域人工智能产业发展的影响，会受到区域经济发展水平的制约。若该区域经济发展水平较高，区域内部拥有更好的科研条件、人力资本实力以及相关知识，那么，这些区域人工智能产业发展就可能更多地依赖于本地的人工智能知识，区域专利合作网络中外溢的知识对其作用有限。若该区域经济发展水平相对较低，有关人工智能的知识也相对匮乏，则会选择通过融入人工智能专利合作网络，以获取其他区域更多的异质性知识，从而加速促进本区域人工智能产业发展。因此，我们提出假设，区域人工智能专利合作对不同区域人工智能产业发展的作用效应存在异质性。

　　从表4的回归结果可以发现，人工智能专利合作能够有效缩小区域人工智能产业发展水平之间的差距。表4的计量检验结果显示，东部地区人工智能专利合作网络的点中心度提高对人工智能产业的作用效应并不显著，但中部地区和西部地区人工智能专利合作网络的点中心度提高对人工智能产业的作用效应都较为显著，且西部地区的作用效应最大。另外，从人工智能专利合作网络的中介中心度来看，不同地区的中介中心度提高对人工智能产业发展的作用效应都较为显著，西部地区的作用效应最大，其次为中部地区，再次为东部地区。从人工智能专利合作网络的接近中心度来看，不同地区的接近中心度提高对人工智能产业发展的作用效应都较为显著，但是，对西部地区的作用效应仍然最大，对东部地区的作用效应最小。该回归结果表明，区域人工智能专利合作能够降低区域人工智能产业发展水平之间的差距。由此说明，近年来我国人工智能产业的发展离不开区域专利合作的作用。我国不同省份之间的人工智能专利合作网络正在不断地形成和完善，这种区域人工智能专利合作网络的存在，能发挥知识外溢和知识互补的作用，不仅能促进产业基础发达地区的人工智能产业发展，而且也能带动产业基础相对薄弱地区的人工智能产业发展。

　　注：括号中的值为t值，“*” “**”和“***”分别表示“10%”“5%”和“1%”的水平显著。

 五研究结论　　　

　　中国经济已经从高速增长转向高质量发展阶段，人工智能作为一项通用技术已经成为经济高质量发展最为重要的新动能。实践证明，不同区域之间的合作创新和研发对于人工智能产业发展至关重要，但是有关区域合作创新的效应测度的研究还相当缺乏。本文为了弥补相关研究空缺，基于WIPO专利数据，采用固定效应的面板数据模型，实证检验了区域专利合作对人工智能产业发展的作用效应，深度剖析了区域专利合作对人工智能产业发展的作用机制。

　　本文首先基于社会网络理论构建了一个概念模型，分析区域专利合作对于人工智能产业发展的影响过程，并提出区域专利合作网络的节点中心度越高，越有利于节点区域人工智能产业发展的研究假说；接着利用WIPO数据库的专利数据，并采用多种计量检验方法证实了所提出的研究假说；另外，还重点分析区域专利合作对于人工智能产业发展的内在作用机制；最后还对区域人工智能专利合作的作用效应差异检验。以上研究表明，区域人工智能专利合作能够有效促进我国人工智能产业发展，因此，我国各级政府应出台相关政策，极力推动区域之间的人工智能专利合作，尤其是经济欠发达地区以及产业基础较为薄弱的地区，更应该注重与其他区域之间的人工智能专利合作，出台相应的配套政策和措施来积极推动和鼓励本区域企业或研究机构与其他地区开展专利合作，这样不仅能提升专利转化能力和研发创新能力，还能促进本区域人工智能产业发展。

〔责任编辑：徐淑云 〕

为适应微信阅读，略去注释

原文见于《东南学术》

2021年第4期

文中图片均来自网络

    为进一步规范稿件采编流程，提高编辑部工作效率，东南学术杂志社和中国知网合作，正式启用线上采编系统，热诚欢迎各位专家学者赐稿支持。《东南学术》唯一线上采编系统的网址为http://dnxsh.cbpt.cnki.net，作者可在网站的“作者投稿系统”中注册账号，进行网上投稿，跟踪稿件处理结果。即日起，原投稿邮箱不再接受投稿。

    《东南学术》一向坚持严格的学术标准和学术规范，从不以任何名义向作者收取费用，凡要求作者缴纳诸如审稿费、版面费的，均系假冒我刊的诈骗行为；任何非dnxsh.cbpt.cnki.net的所谓“官方投稿网站”，均系假冒网站。敬请广大读者与作者注意。

    《东南学术》是福建省社会科学界联合会主管主办的综合性社科学术理论刊物，是全国重点期刊、国家社科基金资助期刊、中文社会科学引文索引（CSSCI）来源期刊、全国中文核心期刊、中国人文社会科学核心期刊、中国核心学术期刊（RCCSE）、华东地区优秀期刊和福建省十大名刊名社（2019）。多年来，《东南学术》平均影响因子进入全国综合性社科学术期刊前列，发文在《新华文摘》《中国社会科学文摘》等全国性重要文科学术文摘刊物上的转载率均居福建省综合性社科学术期刊前列。

本微信公众号系《东南学术》杂志官方微信，如无特殊说明，本微信内容均来自《东南学术》杂志，版权所有。

微信号 : dnxs0591

● 扫码关注我们 ●

   

2021-08-17