劉曉燕　龐雅如　謝桂生

摘要： 技術(shù)融合能夠顯著提高企業(yè)的創(chuàng)新能力，對(duì)技術(shù)融合機(jī)理的深入探索有助于選擇合適的創(chuàng)新伙伴和融合技術(shù)。構(gòu)建依存型網(wǎng)絡(luò)分析模型，探究技術(shù)特征和技術(shù)依附的組織特征與技術(shù)融合的關(guān)系，并對(duì)人工智能產(chǎn)業(yè)進(jìn)行實(shí)證研究。研究表明：吸收能力強(qiáng)或擴(kuò)散能力強(qiáng)的技術(shù)容易吸收或流向其他技術(shù)；技術(shù)成熟度高、技術(shù)鄰近性強(qiáng)的兩種技術(shù)容易發(fā)生雙向流動(dòng)；被多個(gè)組織擁有的共性技術(shù)不容易吸收其他技術(shù)，但容易流向其他技術(shù)，單個(gè)組織內(nèi)擁有的技術(shù)間容易發(fā)生雙向流動(dòng)。

關(guān)鍵詞： 技術(shù)融合；組織－技術(shù)依存網(wǎng)絡(luò)；社會(huì)選擇模型；人工智能產(chǎn)業(yè)

中圖分類號(hào)： G315；F273.1文獻(xiàn)標(biāo)識(shí)碼： A

Technology Convergence Mechanism Based on Organization-Tech Dependency Network

LIU Xiaoyan，PANG Yaru，XIE Guisheng

（College of Economics andManagement， Beijing University of Technology， Beijing 100124， China）

Abstract：Technology convergence can significantly improve the innovation ability of enterprises. In-depth exploration of technology convergence mechanism is helpful to select suitable innovation partners and integrated technologies. This paper constructs a dependent network analysis model， explores the relationship between technical characteristics and organizational characteristics of technical attachment and technical convergence， and makes an empirical study on artificial intelligence industry. The research shows that， the technology with strong absorption or diffusion ability is easy to absorb or flow to other technologies; Two technologies with high technology maturity and strong technology proximity are prone to two-way flow. Common technologies owned by multiple organizations are not easy to absorb other technologies， but easy to flow to other technologies; The technology owned by a single organization is prone to two-way flow.

Keywords： technology convergence; organization-technology dependency network; social selection models; artificial intelligence industry

0 引言

伴隨著后疫情時(shí)代全球市場(chǎng)競(jìng)爭(zhēng)格局的變化，以及“大智移云”技術(shù)的發(fā)展，越來(lái)越多的企業(yè)需要借助研發(fā)擺脫面臨的困境，技術(shù)創(chuàng)新已成為關(guān)乎企業(yè)生存與發(fā)展的命脈。除少數(shù)大型高新技術(shù)企業(yè)外，大多中小企業(yè)創(chuàng)新能力不高，傳統(tǒng)突破式的創(chuàng)新模式難度大，成本高［1］，難以滿足企業(yè)對(duì)技術(shù)創(chuàng)新的需求，更高效的創(chuàng)新模式成為創(chuàng)新研究的焦點(diǎn)。技術(shù)融合在多種現(xiàn)有技術(shù)的基礎(chǔ)上進(jìn)行改進(jìn)或創(chuàng)新［2］，為突破技術(shù)瓶頸提供潛在的技術(shù)解決方案，能夠顯著提高企業(yè)的創(chuàng)新能力，并深刻影響企業(yè)和國(guó)家的競(jìng)爭(zhēng)力。然而由于技術(shù)融合產(chǎn)生機(jī)理不明，導(dǎo)致企業(yè)在選擇融合技術(shù)及融合的合作伙伴時(shí)存在較大的隨意性、融合效率低、成本高等一系列問題［3］，因此需要研究什么樣的技術(shù)更容易融合、組織對(duì)于技術(shù)融合的影響，才能從本源上揭示技術(shù)融合形成過程，為政府制定引導(dǎo)產(chǎn)業(yè)融合的創(chuàng)新政策提供參考，為企業(yè)選擇合作伙伴、選擇融合技術(shù)提供依據(jù)。

目前大多數(shù)研究［4］主要根據(jù)經(jīng)驗(yàn)和以往結(jié)果來(lái)設(shè)置特定自變量，即可能影響技術(shù)融合的因素，用某個(gè)因變量表征技術(shù)融合，探究自變量和因變量的關(guān)系，從而檢驗(yàn)和確定技術(shù)融合的影響因素，但這種方法往往只能發(fā)現(xiàn)淺層次影響技術(shù)融合的因素，不能深層次挖掘內(nèi)在可能未知的過程對(duì)技術(shù)融合的影響。對(duì)于技術(shù)融合產(chǎn)生機(jī)理的研究旨在探究未知的、具體的融合過程對(duì)技術(shù)融合的促進(jìn)或抑制作用，一部分側(cè)重于技術(shù)層面，認(rèn)為相似技術(shù)之間更容易發(fā)生融合［5］；技術(shù)復(fù)雜程度越高的領(lǐng)域，進(jìn)行的科學(xué)研究越少，越不容易發(fā)生融合［6］。另一部分關(guān)注組織層面，認(rèn)為政府與企業(yè)之間的合作關(guān)系越強(qiáng)，越容易促進(jìn)技術(shù)融合的發(fā)生［3］；一個(gè)組織內(nèi)部發(fā)生明顯的技術(shù)融合，不同組織的技術(shù)很少發(fā)生跨組織的技術(shù)融合［7］。

可以發(fā)現(xiàn)：1）技術(shù)作為企業(yè)創(chuàng)新活動(dòng)中的重要知識(shí)資源，依附于組織而存在，要真正揭示技術(shù)融合的本源，還要考慮到技術(shù)依附的組織特征。2）技術(shù)融合是指通過技術(shù)轉(zhuǎn)移或合作研發(fā)的方式引進(jìn)新技術(shù)，與自身技術(shù)有機(jī)整合的持續(xù)性創(chuàng)新活動(dòng)。不同于合作研發(fā)，技術(shù)轉(zhuǎn)移立足技術(shù)流動(dòng)的視角將技術(shù)融合過程分為搜索、選擇、轉(zhuǎn)移、吸收、轉(zhuǎn)化、再創(chuàng)新［8］，為技術(shù)融合賦予了方向性，有助于進(jìn)一步探索技術(shù)融合軌跡。因此，一方面本文探究技術(shù)特征和技術(shù)的組織特征對(duì)技術(shù)融合的影響，為融合技術(shù)和創(chuàng)新伙伴的選擇奠定基礎(chǔ)；另一方面從技術(shù)轉(zhuǎn)移的角度出發(fā)將技術(shù)融合過程分為技術(shù)間的單向流動(dòng)和雙向流動(dòng)［9］，幫助組織結(jié)合技術(shù)融合的方向特征選擇融合技術(shù)。

1 分析框架與研究假設(shè)

技術(shù)融合由多種技術(shù)交叉重組產(chǎn)生，這種交叉重組關(guān)系形成了技術(shù)融合網(wǎng)絡(luò)。技術(shù)融合關(guān)系的產(chǎn)生受到多種因素的影響，可以概括為技術(shù)特征和技術(shù)依附的組織特征。

技術(shù)特征包括技術(shù)融合網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)特征和技術(shù)外生屬性特征。首先，技術(shù)嵌入在網(wǎng)絡(luò)中，網(wǎng)絡(luò)的結(jié)構(gòu)特征例如互惠性、擇優(yōu)鏈接是形成關(guān)系的重要因素，這些因素是否依然能夠影響技術(shù)融合關(guān)系的形成需要進(jìn)一步驗(yàn)證。其次，技術(shù)的外生屬性，如技術(shù)成熟度、技術(shù)鄰近性也是影響融合的重要因素，Jeong［3］認(rèn)為技術(shù)成熟度水平對(duì)技術(shù)融合會(huì)產(chǎn)生較大影響，毛薦其［10］發(fā)現(xiàn)技術(shù)成熟度會(huì)削弱技術(shù)融合程度和創(chuàng)新績(jī)效間的關(guān)系；Lazzeretti［11］提出技術(shù)要素間發(fā)生重組需要一定相似的技術(shù)基礎(chǔ)作為先決條件，李丫丫［12］發(fā)現(xiàn)相似性高的技術(shù)之間有更大的融合機(jī)會(huì)。因此，本文將以上影響因素作為技術(shù)特征的研究對(duì)象。另外，技術(shù)融合一方面體現(xiàn)為組織內(nèi)部技術(shù)的融合，另一方面體現(xiàn)為跨組織技術(shù)融合，本文從此角度研究技術(shù)的組織特征。

對(duì)于技術(shù)融合過程中技術(shù)的單向流動(dòng)和雙向流動(dòng)，以技術(shù)A和技術(shù)B之間的流動(dòng)為例，如果只存在技術(shù)A向技術(shù)B的流動(dòng)或只存在技術(shù)B向技術(shù)A的流動(dòng)，則技術(shù)A與技術(shù)B間為單向流動(dòng)，如果既存在技術(shù)A流向技術(shù)B，又存在技術(shù)B又流向技術(shù)A的現(xiàn)象，則技術(shù)A和技術(shù)B間為雙向流動(dòng)。

1.1 技術(shù)特征與技術(shù)融合

1）網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)特征與技術(shù)融合。擇優(yōu)連接是復(fù)雜網(wǎng)絡(luò)的一種常見動(dòng)力學(xué)機(jī)制，擇優(yōu)連接機(jī)制中的度數(shù)擇優(yōu)連接［13］認(rèn)為在一個(gè)規(guī)模較大的網(wǎng)絡(luò)中，已擁有較多鏈接或度中心性較大的節(jié)點(diǎn)更受青睞，相對(duì)于其他節(jié)點(diǎn)更容易產(chǎn)生聯(lián)系。對(duì)于技術(shù)融合網(wǎng)絡(luò)，技術(shù)節(jié)點(diǎn)入度高表示該技術(shù)節(jié)點(diǎn)吸收融合了大量來(lái)自其他技術(shù)節(jié)點(diǎn)的知識(shí)，技術(shù)節(jié)點(diǎn)出度高表示該技術(shù)節(jié)點(diǎn)向外發(fā)送了大量技術(shù)知識(shí)，根據(jù)網(wǎng)絡(luò)的擇優(yōu)連接機(jī)制，這兩類節(jié)點(diǎn)可能更意愿吸收其他異質(zhì)知識(shí)或更容易吸引并流向其他技術(shù)［14］。本文認(rèn)為擇優(yōu)連接的關(guān)鍵技術(shù)有更大幾率在技術(shù)融合中受到青睞。對(duì)于吸收能力強(qiáng)的技術(shù)：一方面技術(shù)的創(chuàng)新活力高或與多種技術(shù)重疊，易于融合內(nèi)化其他技術(shù)，因此能夠源源不斷地吸收融合其他技術(shù)；另一方面吸收能力強(qiáng)的技術(shù)在融合多項(xiàng)技術(shù)后，積累了技術(shù)融合的寶貴經(jīng)驗(yàn)，從而可以有效促進(jìn)和其他技術(shù)的融合。對(duì)于擴(kuò)散能力強(qiáng)的技術(shù)：一方面此類技術(shù)一般為基礎(chǔ)性技術(shù)，其他技術(shù)與之融合過程面臨較少困境，融合發(fā)生相對(duì)容易，因而易于向其他技術(shù)擴(kuò)散；另一方面該類技術(shù)屬于研究熱點(diǎn)，發(fā)展?jié)摿Υ?，前景遼闊，其他技術(shù)與之融合后在未來(lái)競(jìng)爭(zhēng)中更具優(yōu)勢(shì)，因此不斷吸引眾多技術(shù)，技術(shù)知識(shí)可能也更容易流向其他技術(shù)［15］?；诖?，提出假設(shè)：

H1a：吸收能力強(qiáng)的技術(shù)容易吸收其他技術(shù)；

H1b：擴(kuò)散能力強(qiáng)的技術(shù)更容易流向其他技術(shù)。

2）技術(shù)外生屬性與技術(shù)融合。技術(shù)的外生屬性對(duì)網(wǎng)絡(luò)聯(lián)系的形成至關(guān)重要，本文主要涉及技術(shù)成熟度和技術(shù)臨近性兩個(gè)外生屬性對(duì)技術(shù)融合的作用研究。技術(shù)成熟度是指某項(xiàng)技術(shù)在一定技術(shù)發(fā)展軌道上達(dá)到的程度和階段，能夠判別當(dāng)前技術(shù)的發(fā)展水平。（1）技術(shù)成熟度越高表示對(duì)該技術(shù)的研究越廣泛，技術(shù)發(fā)展越成熟，創(chuàng)新投入產(chǎn)出的邊際效用越小，繼續(xù)研發(fā)很難有突破性進(jìn)展，需要另辟蹊徑［16］，這就導(dǎo)致了技術(shù)成熟度越高的技術(shù)越需要借助技術(shù)融合進(jìn)行創(chuàng)新。（2）技術(shù)成熟度越高，在該領(lǐng)域中所聚集的研究人員越多，也意味著該技術(shù)在研發(fā)上擁有高質(zhì)量的科研基礎(chǔ)和研發(fā)要素［17］，具有持續(xù)創(chuàng)新的條件。（3）行業(yè)技術(shù)較成熟時(shí)，技術(shù)規(guī)模大，技術(shù)規(guī)模對(duì)技術(shù)融合呈正向驅(qū)動(dòng)效應(yīng)［18］，企業(yè)也更愿意實(shí)施高階的融合創(chuàng)新模式［19］。（4）技術(shù)規(guī)模的匹配性是融合技術(shù)選擇的關(guān)鍵要素之一，擁有成熟技術(shù)的組織往往選擇與同樣擁有成熟技術(shù)的組織進(jìn)行合作，從而實(shí)現(xiàn)融合的高起點(diǎn)。（5）除技術(shù)本身特質(zhì)外，考慮到融合方向，本文認(rèn)為成熟度高的技術(shù)間雙向流動(dòng)可能更為普遍，一方面可以降低融合的風(fēng)險(xiǎn)并避免投機(jī)主義，另一方面可以實(shí)現(xiàn)經(jīng)濟(jì)效益的最大化，通過構(gòu)建互惠互利的共享技術(shù)體系，以更高的效率促進(jìn)融合。基于此，提出假設(shè)：

H2：技術(shù)成熟度高的技術(shù)間更容易發(fā)生雙向流動(dòng)。

技術(shù)鄰近性是指技術(shù)間結(jié)構(gòu)和知識(shí)基礎(chǔ)的相似性程度，能夠判斷技術(shù)間的距離［20］。（1）鄰近性高的技術(shù)擁有相同的技術(shù)基礎(chǔ)，技術(shù)理解相對(duì)容易。（2）技術(shù)鄰近性越高對(duì)技術(shù)融合的約束越小，不需要過多的創(chuàng)新資源便可以完成技術(shù)融合，因此技術(shù)融合成本低，融合所引發(fā)的風(fēng)險(xiǎn)小。（3）同一技術(shù)領(lǐng)域內(nèi)的知識(shí)流動(dòng)更為順暢，同時(shí)技術(shù)之間相互吸收與擴(kuò)散也更為顯著，且相關(guān)研究已表明技術(shù)領(lǐng)域內(nèi)部知識(shí)流動(dòng)的次數(shù)高于外部［21］。（4）擁有鄰近性技術(shù)的組織和研發(fā)人員間交流更頻繁，為技術(shù)融合創(chuàng)造了條件。（5）考慮到融合方向，本文認(rèn)為技術(shù)鄰近性高的技術(shù)間雙向流動(dòng)往往可以促使技術(shù)充分融合，是提高融合效率的不錯(cuò)選擇。基于此，提出假設(shè)：

H3：技術(shù)鄰近性高的技術(shù)間更容易發(fā)生雙向流動(dòng)。

1.2 技術(shù)依附的組織特征與技術(shù)融合

1）組織內(nèi)部技術(shù)融合。組織的融合創(chuàng)新旨在通過融合不同類型的技術(shù)知識(shí)來(lái)提高組織核心競(jìng)爭(zhēng)力，從而實(shí)現(xiàn)組織未來(lái)可持續(xù)發(fā)展。組織內(nèi)部技術(shù)融合是最常見的融合方式，在促進(jìn)技術(shù)融合方面有諸多優(yōu)勢(shì)。（1）由于融合所需要的技術(shù)均來(lái)自同一組織，融合過程中遇到的地域，文化等障礙較小，組織內(nèi)部溝通較為方便，因此融合越有可能順利發(fā)生［11］。（2）組織內(nèi)部技術(shù)融合是指企業(yè)根據(jù)已有技術(shù)自主研發(fā)所需技術(shù)，不涉及企業(yè)間的知識(shí)產(chǎn)權(quán)轉(zhuǎn)讓問題，節(jié)省了技術(shù)知識(shí)交流的成本，同時(shí)也降低了企業(yè)自身核心技術(shù)泄露的風(fēng)險(xiǎn)。（3）組織內(nèi)部員工的關(guān)系網(wǎng)絡(luò)也為技術(shù)知識(shí)的擴(kuò)散提供了良好的渠道，對(duì)技術(shù)融合具有較大的促進(jìn)作用［22］。（4）組織內(nèi)部的技術(shù)包括現(xiàn)有技術(shù)和新增技術(shù)，為了盡快掌握新增技術(shù)并以最高速率內(nèi)化為企業(yè)的技術(shù)基礎(chǔ)，組織往往會(huì)選擇將新增技術(shù)與現(xiàn)有技術(shù)相整合，從而實(shí)現(xiàn)技術(shù)價(jià)值的快速增值。（5）迫于創(chuàng)新績(jī)效和創(chuàng)新成本，已發(fā)生技術(shù)融合但只存在單向流動(dòng)的技術(shù)，無(wú)法使技術(shù)創(chuàng)新產(chǎn)生的價(jià)值最大化，雙向流動(dòng)往往是實(shí)現(xiàn)企業(yè)內(nèi)技術(shù)資源充分利用的最優(yōu)策略，能最大效率地實(shí)現(xiàn)技術(shù)創(chuàng)新同時(shí)降低研發(fā)成本。因此單向流動(dòng)將轉(zhuǎn)化為雙向流動(dòng)。（6）在合作過程中主體間的知識(shí)共享、組織內(nèi)部顯性的知識(shí)流動(dòng)為技術(shù)間雙向流動(dòng)創(chuàng)造了良好條件，創(chuàng)新主體合作中隱性知識(shí)流動(dòng)成為雙向流動(dòng)的“催化劑”?；诖?，提出假設(shè)：

H4：組織內(nèi)部的技術(shù)間易于發(fā)生雙向流動(dòng)，較少發(fā)生單向流動(dòng)。

2）組織間技術(shù)融合。不同組織間的技術(shù)相對(duì)于組織內(nèi)部技術(shù)而言差異性較大，組織制度、技術(shù)等邊界限制了技術(shù)之間的相互交流，技術(shù)融合面臨一定的障礙，但不同技術(shù)領(lǐng)域的組織相互協(xié)作產(chǎn)生的新技術(shù)具有更大的價(jià)值，有助于進(jìn)一步促進(jìn)下一階段的產(chǎn)業(yè)融合，因此需要對(duì)組織間技術(shù)融合過程深入探究。

共性技術(shù)是組織間技術(shù)融合的重要切入點(diǎn)，在整個(gè)技術(shù)創(chuàng)新鏈中處于基礎(chǔ)性地位，具有廣闊的適用性和開放性，能夠?yàn)槎喾N創(chuàng)新技術(shù)的發(fā)展提供支撐［23］。目前對(duì)于共性技術(shù)的研究大多數(shù)是基于產(chǎn)業(yè)的宏觀背景。共性技術(shù)通常是指在很多領(lǐng)域內(nèi)已經(jīng)或未來(lái)可能被普遍應(yīng)用，其研發(fā)成果可共享并對(duì)整個(gè)產(chǎn)業(yè)或多個(gè)產(chǎn)業(yè)及其企業(yè)產(chǎn)生深度影響的一類技術(shù)。而產(chǎn)業(yè)是一個(gè)寬泛的概念，企業(yè)或組織是其基礎(chǔ)單位，多個(gè)生產(chǎn)同類產(chǎn)品的企業(yè)構(gòu)成行業(yè)，然后多種相互關(guān)聯(lián)的行業(yè)形成了產(chǎn)業(yè)。因此立足于微觀角度，產(chǎn)業(yè)的共性技術(shù)即組織的共性技術(shù)，產(chǎn)業(yè)的共性技術(shù)特征同樣適用于組織的共性技術(shù)，例如外部性、關(guān)聯(lián)性、風(fēng)險(xiǎn)性等特征［24］。（1）從組織共性技術(shù)外部性特征視角，共性技術(shù)被多個(gè)組織所共享，具有較強(qiáng)的公共性質(zhì)，相關(guān)組織難以獨(dú)自享有共性技術(shù)成果，即共性技術(shù)所帶來(lái)的成果和收益會(huì)不斷向外溢出，并被整個(gè)社會(huì)所共享，體現(xiàn)為顯著的知識(shí)外溢性。（2）從組織共性技術(shù)關(guān)聯(lián)性特征視角，共性技術(shù)往往具有多學(xué)科背景，與各類技術(shù)都有較好的鍥合度，其他技術(shù)與該共性技術(shù)進(jìn)行融合效率較高。而且由于共性技術(shù)擁有多學(xué)科知識(shí)，所包含的技術(shù)種類豐富，吸引了其他技術(shù)與之融合，因而共性技術(shù)也更容易流向其他技術(shù)。（3）從組織共性技術(shù)風(fēng)險(xiǎn)性特征視角，共性技術(shù)的后續(xù)研發(fā)和應(yīng)用面臨諸多風(fēng)險(xiǎn)［25］，由于共性技術(shù)處于商業(yè)化的早期階段，前景未知，而且研發(fā)過程中具有周期長(zhǎng)、投入多等特征，貿(mào)然吸收其他新技術(shù)進(jìn)一步研發(fā)顯示出較大的不確定性，存在技術(shù)、市場(chǎng)及投資風(fēng)險(xiǎn)，這意味著組織擁有的共性技術(shù)不容易吸收其他技術(shù)，實(shí)現(xiàn)共性技術(shù)的創(chuàng)新?；诖?，提出假設(shè)：

H5：多個(gè)組織所擁有的共性技術(shù)容易流向其他技術(shù)，不容易吸收其他技術(shù)。

2 研究方法

2.1 組織－技術(shù)依存型網(wǎng)絡(luò)構(gòu)建

為了清晰刻畫技術(shù)自身的特征和組織的技術(shù)特征，本文選擇依存網(wǎng)絡(luò)模型，模型主要包括兩個(gè)網(wǎng)絡(luò)：技術(shù)融合網(wǎng)絡(luò)和組織技術(shù)隸屬網(wǎng)絡(luò)，技術(shù)融合網(wǎng)絡(luò)節(jié)點(diǎn)表示技術(shù)，弧表示技術(shù)之間的融合關(guān)系。組織技術(shù)隸屬網(wǎng)絡(luò)是二部圖，節(jié)點(diǎn)分為組織、技術(shù)兩類，邊表示組織和技術(shù)的隸屬關(guān)系。如圖1所示。

1）技術(shù)融合網(wǎng)絡(luò)。技術(shù)融合關(guān)系的抽取借鑒了苗紅［12］所提出的方法，主ipc號(hào)代表專利中最重要的技術(shù)特征，專利間的引用關(guān)系即為主ipc號(hào)間的引用關(guān)系，也是技術(shù)之間的融合關(guān)系。

2）組織－技術(shù)隸屬網(wǎng)絡(luò)。本文將組織與技術(shù)結(jié)合起來(lái)，根據(jù)專利權(quán)人的共現(xiàn)篩選出所研究的組織，在此基礎(chǔ)上從incopat專利數(shù)據(jù)庫(kù)中查找每個(gè)組織在技術(shù)融合網(wǎng)絡(luò)中對(duì)應(yīng)的技術(shù)（ipc號(hào)），建立組織－技術(shù)隸屬網(wǎng)絡(luò)。

2.2 社會(huì)選擇模型構(gòu)建

依存型網(wǎng)絡(luò)模型需要通過社會(huì)選擇模型（SSMs）來(lái)實(shí)現(xiàn)，社會(huì)選擇模型［26］是多層指數(shù)隨機(jī)圖模型（MERGMs）的擴(kuò)展應(yīng)用，標(biāo)準(zhǔn)MERGMs模型考慮了3個(gè)網(wǎng)絡(luò)間的相互依賴性，以及一個(gè)層次的網(wǎng)絡(luò)聯(lián)系對(duì)另一個(gè)層次網(wǎng)絡(luò)結(jié)構(gòu)的影響，并未涉及節(jié)點(diǎn)屬性。而社會(huì)選擇模型（SSMs）考慮個(gè)人偏好與集體選擇，將外生節(jié)點(diǎn)屬性與網(wǎng)絡(luò)自組織過程結(jié)合解釋網(wǎng)絡(luò)的形成過程。與ERGM類似，使用馬爾可夫鏈蒙特卡羅最大似然估計(jì)算法進(jìn)行參數(shù)估計(jì)，通過描述網(wǎng)絡(luò)局部拓?fù)浣Y(jié)構(gòu)統(tǒng)計(jì)量對(duì)社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行統(tǒng)計(jì)性分析，量化關(guān)系形成的過程和影響因素。兩級(jí)網(wǎng)絡(luò)的社會(huì)選擇模型的一般形式為

本文以SSMs為基礎(chǔ)構(gòu)建兩個(gè)模型，模型1涉及技術(shù)融合網(wǎng)絡(luò)的配置（包括內(nèi)生結(jié)構(gòu)和外生屬性），模型2添加組織－技術(shù)隸屬網(wǎng)絡(luò)共同構(gòu)成依賴網(wǎng)絡(luò)的結(jié)構(gòu)配置。

2.3 指標(biāo)測(cè)度

1）技術(shù)融合網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)測(cè)度。內(nèi)生結(jié)構(gòu)依賴體現(xiàn)為網(wǎng)絡(luò)形成過程中的自組織特征，一個(gè)聯(lián)系是否出現(xiàn)依賴于其他網(wǎng)絡(luò)聯(lián)系的存在，這些網(wǎng)絡(luò)聯(lián)系形成的配置或模型效應(yīng)直接影響網(wǎng)絡(luò)內(nèi)關(guān)系的建立和解散［27］。邊（ArcB）和互惠性（ReciprocityB）是模型構(gòu)建的基礎(chǔ)性指標(biāo)。技術(shù)融合網(wǎng)絡(luò)中技術(shù)的擴(kuò)散能力在網(wǎng)絡(luò)中表現(xiàn)為擴(kuò)張性，可以使用結(jié)構(gòu)性指標(biāo)交互－出－星（AoutSB）表示，吸收能力表現(xiàn)為節(jié)點(diǎn)的聚斂性，可以使用交互－入－星（AinSB）表示。

2）技術(shù)融合網(wǎng)絡(luò)外生屬性測(cè)度。本文主要探討技術(shù)成熟度和技術(shù)鄰近性對(duì)技術(shù)融合網(wǎng)絡(luò)形成的影響。選擇模型scale_SumReciprocityB參數(shù)驗(yàn)證技術(shù)成熟度高的技術(shù)間是否容易發(fā)生融合，技術(shù)成熟度以專利數(shù)量來(lái)衡量［28］。以type_MatchReciprocityB參數(shù)驗(yàn)證技術(shù)鄰近性對(duì)技術(shù)融合的影響，以技術(shù)所屬ipc部測(cè)度技術(shù)領(lǐng)域。

3）技術(shù)－組織依存網(wǎng)絡(luò)結(jié)構(gòu)測(cè)度。本文通過多次試驗(yàn)，結(jié)合仿真網(wǎng)絡(luò)的收斂特征選擇交互－X－星－1B－入（AXS1Bin）、交互－X－星－1B－出（AXS1Bout）指標(biāo)衡量受歡迎的隸屬關(guān)系對(duì)技術(shù)融合的影響。交互三角X－B－X－邊（ATXBXarc）和交互三角X－B－X－互惠（ATXBXreciprocity）指標(biāo)衡量組織內(nèi)部技術(shù)節(jié)點(diǎn)彼此融合的趨勢(shì)。

具體參數(shù)項(xiàng)定義如表1所示。

3 實(shí)證研究

人工智能技術(shù)由多學(xué)科知識(shí)交叉而成，且在社會(huì)發(fā)展的各個(gè)領(lǐng)域都有著極為廣泛的應(yīng)用［29］。人工智能產(chǎn)業(yè)作為先導(dǎo)產(chǎn)業(yè)，即新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，與各類傳統(tǒng)制造業(yè)產(chǎn)業(yè)融合有助于產(chǎn)業(yè)升級(jí)和制造業(yè)的服務(wù)化轉(zhuǎn)型，將對(duì)人類生活和社會(huì)進(jìn)步產(chǎn)生極為深遠(yuǎn)的影響。因此本文將人工智能產(chǎn)業(yè)作為研究對(duì)象，構(gòu)建多層網(wǎng)絡(luò)并探索技術(shù)融合的產(chǎn)生機(jī)理。

3.1 數(shù)據(jù)來(lái)源及網(wǎng)絡(luò)構(gòu)建

本文選擇Incopat數(shù)據(jù)庫(kù)作為專利數(shù)據(jù)的來(lái)源，通過檢索與人工智能相關(guān)的發(fā)明專利獲得檢索數(shù)據(jù)，主要參考了大量人工智能文獻(xiàn)及2019年世界人工智能大會(huì)發(fā)布的《2019世界人工智能技術(shù)趨勢(shì)發(fā)展報(bào)告》確定檢索式中的關(guān)鍵詞，并對(duì)2010年到2020年10年間所有國(guó)家申請(qǐng)的全部專利進(jìn)行檢索。篩選合享價(jià)值度為9－10分的高價(jià)值專利作為研究的基礎(chǔ)數(shù)據(jù)集，提取出專利信息中的主ipc引用數(shù)據(jù)、專利權(quán)人共現(xiàn)數(shù)據(jù)及組織擁有的ipc分類號(hào)等信息。得到63個(gè)技術(shù)節(jié)點(diǎn)和節(jié)點(diǎn)之間的融合關(guān)系，98個(gè)組織節(jié)點(diǎn)；組織－技術(shù)隸屬關(guān)系通過檢索單個(gè)組織發(fā)布的所有專利，并提取出前50個(gè)出現(xiàn)次數(shù)最多的ipc號(hào)，結(jié)合已確定的63個(gè)ipc號(hào)得到最終組織擁有的ipc號(hào)。技術(shù)融合網(wǎng)絡(luò)（B網(wǎng)絡(luò)）和組織－技術(shù)隸屬網(wǎng)絡(luò)（X網(wǎng)絡(luò)）如圖2所示，圓形節(jié)點(diǎn)代表技術(shù)節(jié)點(diǎn)，圓形節(jié)點(diǎn)間的連線代表他們之間的融合關(guān)系，方形節(jié)點(diǎn)為組織節(jié)點(diǎn)，方形節(jié)點(diǎn)與圓形節(jié)點(diǎn)之間的連線代表組織和技術(shù)的隸屬關(guān)系。

3.2 仿真結(jié)果分析

借助MPNet軟件對(duì)人工智能產(chǎn)業(yè)的技術(shù)特征與技術(shù)的組織特征對(duì)技術(shù)融合的影響分別建模，模型收斂后得到的參數(shù)估計(jì)的最終結(jié)果如表2所示。

Model1檢查技術(shù)特征對(duì)技術(shù)融合的影響。負(fù)向顯著的ArcB參數(shù)表明技術(shù)融合網(wǎng)絡(luò)中較少的節(jié)點(diǎn)對(duì)呈現(xiàn)單向流動(dòng)趨勢(shì)，正向顯著的ReciprocityB參數(shù)則表示技術(shù)融合網(wǎng)絡(luò)中雙向流動(dòng)在整個(gè)網(wǎng)絡(luò)中占較大比重。AinSB的參數(shù)值也正向顯著，同時(shí)，AoutSB的參數(shù)估計(jì)值正向顯著，這意味著吸收能力強(qiáng)的技術(shù)容易吸收其他技術(shù)，擴(kuò)散能力強(qiáng)的技術(shù)更容易流向其他技術(shù)，接受H1a，H1b。理論層面上可以由擇優(yōu)連接理論解釋，實(shí)際層面上是由于入度高或吸收能力強(qiáng)的節(jié)點(diǎn)具有高學(xué)習(xí)性的特點(diǎn)，擁有廣泛融合新技術(shù)的趨勢(shì)，而出度高或擴(kuò)散能力強(qiáng)的節(jié)點(diǎn)較為簡(jiǎn)單且發(fā)展?jié)摿^大，容易流向其他技術(shù)。scale_SumReciprocityB的參數(shù)估計(jì)值正向顯著，因此技術(shù)成熟度高的兩種技術(shù)更容易發(fā)生雙向流動(dòng)，接受H2，進(jìn)一步說明技術(shù)成熟度高的外部技術(shù)能夠帶來(lái)更高的價(jià)值，更具吸引力。type_MatchReciprocityB的參數(shù)估計(jì)值正向顯著，表明技術(shù)鄰近性高的技術(shù)間更容易發(fā)生雙向流動(dòng)，接受H3，表明類型相同或相似的技術(shù)間距離較近，融合步驟少，更容易順利融合。

Model2檢查技術(shù)擁有的組織特征對(duì)技術(shù)融合的影響。ATXBXarc參數(shù)估計(jì)值負(fù)向顯著，而ATXBXreciprocity參數(shù)估計(jì)值正向顯著，符合H4，說明人工智能產(chǎn)業(yè)中單個(gè)組織內(nèi)擁有的技術(shù)之間不容易發(fā)生單向流動(dòng)，但更容易發(fā)生雙向流動(dòng)，這是因?yàn)槿绻l(fā)送方技術(shù)節(jié)點(diǎn)愿意共享自己的知識(shí)且接收方節(jié)點(diǎn)擁有較強(qiáng)的吸收能力，那么技術(shù)知識(shí)流動(dòng)就越有可能發(fā)生，而如果發(fā)送方技術(shù)節(jié)點(diǎn)只希望吸收其他技術(shù)，不愿意共享自己的技術(shù)，那技術(shù)之間就很難產(chǎn)生融合。負(fù)向顯著的AXS1Bin參數(shù)和正向顯著的AXS1Bout參數(shù)說明被大量組織擁有的共性技術(shù)不容易吸收其他技術(shù)，同時(shí)被大量組織擁有的共性技術(shù)容易向其他技術(shù)擴(kuò)散，接受H5，一定程度上也證實(shí)了共性技術(shù)的知識(shí)外溢性和研發(fā)過程中存在的風(fēng)險(xiǎn)性。

4 模型穩(wěn)健性驗(yàn)證

本文選擇從計(jì)量方法角度對(duì)模型結(jié)果比較并檢驗(yàn)，由于專利引用方法和分類號(hào)共現(xiàn)方法是兩種普遍用來(lái)構(gòu)建技術(shù)融合網(wǎng)絡(luò)的方法，區(qū)別是專利引用方法構(gòu)建的是有向網(wǎng)絡(luò)，而ipc共現(xiàn)網(wǎng)絡(luò)是無(wú)向網(wǎng)絡(luò)。本文選擇ipc共現(xiàn)網(wǎng)絡(luò)作為穩(wěn)健性檢驗(yàn)的技術(shù)融合網(wǎng)絡(luò)，并重新構(gòu)建組織－技術(shù)隸屬網(wǎng)絡(luò)，選取類似參數(shù)建模得到模型3，模型3的參數(shù)估計(jì)結(jié)果如表3所示。

根據(jù)模型3的結(jié)果，可以發(fā)現(xiàn)ASB參數(shù)估計(jì)值正向顯著，說明融合能力強(qiáng)的技術(shù)愿意與新技術(shù)建立合作關(guān)系，易于與新技術(shù)產(chǎn)生融合。scale_SumB參數(shù)估計(jì)值正向顯著，與scale_SumReciprocityB結(jié)果相同，意味著技術(shù)成熟度高的技術(shù)間確實(shí)更容易產(chǎn)生融合。type_MatchB參數(shù)估計(jì)值與type_MatchReciprocityB的參數(shù)估計(jì)值都正向顯著，說明技術(shù)鄰近性高的技術(shù)間更容易發(fā)生融合。StarAXAB參數(shù)估計(jì)值負(fù)向顯著，說明組織所擁有的共性技術(shù)很難與其他技術(shù)產(chǎn)生融合，而采用主ipc號(hào)引用進(jìn)行研究時(shí)，發(fā)現(xiàn)組織擁有的共性技術(shù)不容易吸收其他技術(shù)，但更容易流向其他技術(shù)。ATXBX參數(shù)估計(jì)值正向顯著，說明人工智能產(chǎn)業(yè)組織內(nèi)部技術(shù)融合較普遍，結(jié)合本文modle2的ATXBXarc和ATXBXreciprocity的參數(shù)估計(jì)值，發(fā)現(xiàn)組織內(nèi)技術(shù)間側(cè)重于雙向流動(dòng)，而不是單向流動(dòng)。

綜上，對(duì)于大多數(shù)參數(shù)估計(jì)值，主ipc引用網(wǎng)絡(luò)作為技術(shù)融合網(wǎng)絡(luò)得出的參數(shù)結(jié)果與ipc共現(xiàn)網(wǎng)絡(luò)形成的參數(shù)結(jié)果大致相似，說明了基于主ipc引用網(wǎng)絡(luò)構(gòu)建的模型較為穩(wěn)健，參數(shù)結(jié)果也較為可靠。此外ipc共現(xiàn)方法只能探究技術(shù)之間是否存在融合，而專利引用方法不僅能探究技術(shù)之間是否存在聯(lián)系，還能進(jìn)一步明確技術(shù)的具體融合過程及方向，因此專利引用探究技術(shù)融合機(jī)理某些程度上優(yōu)于專利共現(xiàn)。

5 結(jié)論及建議

本文建立了從技術(shù)特征和技術(shù)依附的組織特征探究技術(shù)融合機(jī)理的分析框架，采用主ipc引用表征技術(shù)融合，構(gòu)建了組織－技術(shù)依存網(wǎng)絡(luò)，并結(jié)合社會(huì)選擇模型進(jìn)行建模，有效彌補(bǔ)了以往研究只關(guān)注于什么樣的技術(shù)有利于融合，而缺乏對(duì)具體融合過程深入了解的不足。人工智能產(chǎn)業(yè)的實(shí)證結(jié)果表明：1）對(duì)于技術(shù)特征對(duì)技術(shù)融合的影響表明，吸收能力強(qiáng)的技術(shù)節(jié)點(diǎn)更容易吸收融合其他技術(shù)，擴(kuò)散能力強(qiáng)的技術(shù)節(jié)點(diǎn)容易流向其他技術(shù)；技術(shù)成熟度高的兩種技術(shù)更容易發(fā)生雙向流動(dòng)；技術(shù)鄰近性高的兩種技術(shù)更容易發(fā)生雙向流動(dòng)，具有上述特征的技術(shù)需要重點(diǎn)關(guān)注。例如人工智能產(chǎn)業(yè)中物理領(lǐng)域的G05B技術(shù)，吸收了物理領(lǐng)域的G06K、G06N、G06F、G06Q、G01R、G10L、G01C、G08C和G05D，作業(yè)運(yùn)輸領(lǐng)域的B25J和B23Q等多個(gè)不同領(lǐng)域的技術(shù)，吸收能力強(qiáng)，具有吸收融合更多其他領(lǐng)域技術(shù)的潛力。2）技術(shù)依附的組織特征對(duì)技術(shù)融合的影響表明，組織間擁有的共性技術(shù)不容易吸收其他技術(shù)，但更容易流向其他技術(shù)；單個(gè)組織內(nèi)擁有的技術(shù)之間不容易發(fā)生單向流動(dòng)，但更容易發(fā)生雙向流動(dòng)。例如人工智能產(chǎn)業(yè)組織間共性技術(shù)：物理領(lǐng)域的G06F是多個(gè)組織所共有的技術(shù)，不容易吸收其他技術(shù)，但容易流向其他技術(shù)，可以作為技術(shù)融合的焦點(diǎn)技術(shù)與其他技術(shù)進(jìn)行融合。

通過對(duì)人工智能產(chǎn)業(yè)技術(shù)融合的實(shí)證研究，發(fā)現(xiàn)人工智能產(chǎn)業(yè)內(nèi)部技術(shù)融合相對(duì)較少，仍處于發(fā)展階段，技術(shù)特征和組織的技術(shù)特征均對(duì)人工智能技術(shù)融合有較大影響。1）企業(yè)技術(shù)和伙伴選擇上，對(duì)于技術(shù)而言，針對(duì)吸收能力強(qiáng)的技術(shù)，企業(yè)應(yīng)當(dāng)借助合作、技術(shù)交易等手段促進(jìn)該項(xiàng)技術(shù)吸收融合其他新技術(shù)，從而達(dá)到創(chuàng)新的目的；針對(duì)擴(kuò)散能力強(qiáng)的技術(shù)，企業(yè)應(yīng)當(dāng)扶持該項(xiàng)技術(shù)，促成其他技術(shù)與該類技術(shù)的融合；企業(yè)內(nèi)部存在單向流動(dòng)的技術(shù)對(duì)，即此類技術(shù)對(duì)中只存在某一種技術(shù)流向另一種技術(shù)的現(xiàn)象，企業(yè)應(yīng)著力實(shí)現(xiàn)其反向過程，使融合程度進(jìn)一步加深，例如某企業(yè)內(nèi)部只存在G09B到G06Q的單向流動(dòng)，則企業(yè)可著力實(shí)現(xiàn)G06Q到G09B方向的技術(shù)流動(dòng)。企業(yè)選擇相同行業(yè)或相近領(lǐng)域的合作伙伴可以提升融合的效果，當(dāng)跨領(lǐng)域合作時(shí)，選擇擁有擴(kuò)散能力強(qiáng)的技術(shù)的合作伙伴，例如物理領(lǐng)域的G08G技術(shù)擴(kuò)散能力強(qiáng)，企業(yè)可優(yōu)先選擇與擁有G08G技術(shù)的組織進(jìn)行協(xié)作；成長(zhǎng)階段的企業(yè)可以選擇擁有共性技術(shù)的組織進(jìn)行合作；當(dāng)企業(yè)的技術(shù)成熟度高時(shí)可以選擇擁有成熟技術(shù)的企業(yè)進(jìn)行合作，例如物理領(lǐng)域的G06K，G06F，G10L技術(shù)成熟度高，擁有該類技術(shù)的企業(yè)可選擇與其他擁有同樣高成熟度技術(shù)的組織合作。2）政府政策制定上，政府是技術(shù)融合的主要牽動(dòng)力，應(yīng)加強(qiáng)對(duì)技術(shù)融合方向的宏觀調(diào)控，給予技術(shù)組織明確的政策引導(dǎo)。根據(jù)人工智能產(chǎn)業(yè)技術(shù)融合的發(fā)展模式，重點(diǎn)識(shí)別扶持?jǐn)U散能力強(qiáng)的架構(gòu)型技術(shù)以有效帶動(dòng)技術(shù)融合的擴(kuò)散，引導(dǎo)技術(shù)間的相互融合，深度融合，以更高效率的融合方式促進(jìn)產(chǎn)業(yè)升級(jí)。

由于不同產(chǎn)業(yè)的性質(zhì)不同，融合趨勢(shì)可能也有所區(qū)別，未來(lái)可以使用本文提出的分析框架對(duì)其他產(chǎn)業(yè)進(jìn)行研究，分析不同產(chǎn)業(yè)技術(shù)融合的共性與特性。

參考文獻(xiàn)：

［1］孫笑明，陳毅剛，王雅蘭，等.國(guó)家主導(dǎo)技術(shù)創(chuàng)新組織模式研究——技術(shù)創(chuàng)新選擇視角［J］.科技進(jìn)步與對(duì)策，2021，38（5）：19－28.

SUN X M， CHEN Y G， WANG Y L， et al. Research on organizational model of national leading technology innovation： the perspective of technological innovation selection［J］. Science & Technology Progress and Policy， 2021，38（5）：19－28.

［2］朱巍，陳慧慧，田思媛，等.人工智能：從科學(xué)夢(mèng)到新藍(lán)?！斯ぶ悄墚a(chǎn)業(yè)發(fā)展分析及對(duì)策［J］.科技進(jìn)步與對(duì)策，2016，33（21）：66－70.

ZHU W， CHEN H H， TIAN S Y， et al. Artificial intelligence： new blue ocean from a scientific dream-analysis and countermeasures of the development situation of Al industry［J］. Science & Technology Progress and Policy， 2016，33（21）：66－70.

［3］JEONG S， LEE S. What drives technology convergence？ exploring the influence of technological and resource allocation contexts［J］. Journal of Engineering and Technology Management， 2015， 36（5）：78－96.

［4］KIM D G， CHOI S O. Impact of construction IT technology convergence innovation on business performance［J］. Sustainability， 2018， 10（11）： 3972－3988.

［5］LEE C， KOGLER D F， LEE D. Capturing information on technology convergence， international collaboration， and knowledge flow from patent documents： a case of information and communication technology［J］. Information Processing & Management， 2019， 56（4）： 1576－1591.

［6］CAVIGGIOLI F. Technology fusion： identification and analysis of the drivers of technology convergence using patent data［J］. Technovation， 2016， 55（2）： 22－32.

［7］周源，董放，劉宇飛.融合新興領(lǐng)域知識(shí)融合過程研究——以生物信息領(lǐng)域?yàn)槔跩］.圖書情報(bào)工作，2019，63（8）：127－134.

ZHOU Y， DONG F， LIU Y F. Research on the pocess of knowledge fusion in emerging fields： a case study of bioinformatics［J］. Library and Information Service， 2019，63（8）：127－134.

［8］涂振洲，顧新.基于知識(shí)流動(dòng)的產(chǎn)學(xué)研協(xié)同創(chuàng)新過程研究［J］.科學(xué)學(xué)研究，2013，31（9）：1381－1390.

TU Z Z， GU X. Study on process of industry-university-research institute collaborative innovation based on knowledge flow［J］. Studies in Science of Science， 2013，31（9）：1381－1390.

［9］張慧穎，孫亞平.技術(shù)融合角度的京津冀智能制造協(xié)同創(chuàng)新研究［J］.天津大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，22（3）：235－245.

ZHANG H Y， SUN Y P. Research on collaborative innovation of Beijing-Tianjin-Hebei intelligent manufacturing from the perspective of technology integration［J］. Journal of Tianjin University（Social Sciences）， 2020，22（3）：235－245.

［10］ 毛薦其， 李新秀， 劉娜. 技術(shù)會(huì)聚對(duì)創(chuàng)新績(jī)效的作用機(jī)制研究［J］. 科技進(jìn)步與對(duì)策， 2018， 35（20）：15－20.

MAO J Q， LI X X， LIU N. The effect mechanism of technological convergence on innovation performance［J］. Science & Technology Progress and Policy， 2018， 35（20）：15－20.

［11］ LAZZERETTI L， CAPONE F. How proximity matters in innovation networks dynamics along the cluster evolution. A study of the high technology applied to cultural goods［J］. Journal of Business Research， 2016， 69（12）： 5855－5865.

［12］ 李丫丫，趙玉林.基于專利的技術(shù)融合分析方法及其應(yīng)用［J］.科學(xué)學(xué)研究，2016，34（2）：203－211.

LI Y Y， ZHAO Y L. Method and application of technological convergence analysis base on patents［J］. Studies in Science of Science， 2016，34（2）：203－211.

［13］ 王曉光. 科學(xué)知識(shí)網(wǎng)絡(luò)的形成與演化（Ⅱ）：共詞網(wǎng)絡(luò)可視化與增長(zhǎng)動(dòng)力學(xué)［J］. 情報(bào)學(xué)報(bào)， 2010， 29（2）：314－322.

WANG X G. Formation and evolution of science knowledge network（Ⅱ）：co-word network visualization and growth dynamics［J］. Journal of the China Society for Scientific and Technical Information， 2010， 29（2）：314－322.

［14］ 王曉紅，張寶生.知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)特性對(duì)知識(shí)流動(dòng)作用分析［J］.價(jià)值工程，2010，29（2）：11－13.

WANG X H， ZHANG B SH. Analysis of the role of knowledge network′s structure characteristics for knowledge flows［J］. Value Engineering， 2010，29（2）：11－13.

［15］ 馬費(fèi)成， 劉向. 知識(shí)網(wǎng)絡(luò)的演化（Ⅲ）：連接機(jī)制［J］. 情報(bào)學(xué)報(bào)， 2011， 30（10）：1015－1021.

MA F C， LIU X. Evolution of knowledge networks（ III）： attachment mechanism［J］. Journal of the China Society for Scientific and Technical Information， 2011， 30（10）：1015－1021.

［16］ 湯文仙. 技術(shù)融合的理論內(nèi)涵研究［J］. 科學(xué)管理研究， 2006， 24（4）：31－34.

TANG W X. Exploration on theory of technology convergence［J］. Scientific Management Research， 2006， 24（4）：31－34.

［17］ 薛紅志.新技術(shù)企業(yè)的技術(shù)專利與外部資源整合［J］.科學(xué)學(xué)研究，2010，28（1）：10－16.

XUE H Z. The impact of new technological ventures′ patents on acquisition of outside resources［J］. Studies in Science of Science， 2010，28（1）：10－16.

［18］ 苗紅，趙潤(rùn)博，黃魯成，等.基于LMDI分解模型的技術(shù)融合驅(qū)動(dòng)因素研究［J］.科技進(jìn)步與對(duì)策，2019，36（3）：11－18.

MIAO H， ZHAO R B， HUANG L C， et al. Analysis of the drivers of technology convergence based on LMDI decomposition model［J］. Science & Technology Progress and Policy， 2019，36（3）：11－18.

［19］ 楊鳳鮮，李平.企業(yè)技術(shù)融合創(chuàng)新模式選擇研究［J］.中國(guó)科技論壇，2015（1）：78－83.

ZHAO F X， LI P. The choice of technology fusion modes based on technology development strategy［J］. Forum on Science and Technology in China， 2015（1）：78－83.

［20］ 史烽，高陽(yáng)，陳石斌，等.技術(shù)距離、地理距離對(duì)大學(xué)－企業(yè)協(xié)同創(chuàng)新的影響研究［J］.管理學(xué)報(bào)，2016，13（11）：1665－1673.

SHI F， GAO Y， CHEN S B， et al. Technological distance， geographical distance and university-enterprise synergetic innovation［J］. Chinese Journal of Management， 2016，13（11）：1665－1673.

［21］ 魏紅芹，周成.專利間知識(shí)流動(dòng)與技術(shù)融合趨勢(shì)研究［J］.科技進(jìn)步與對(duì)策，2018，35（22）： 17－22.

WEI H Q， ZHOU CH. Trend Research for knowledge flows of patents and trends of technology fusion［J］. Science & Technology Progress and Policy， ，2018，35（22）： 17－22.

［22］ 劉曉燕，王晶，單曉紅，等.基于多層網(wǎng)絡(luò)的創(chuàng)新網(wǎng)絡(luò)節(jié)點(diǎn)間技術(shù)融合機(jī)理［J］.科學(xué)學(xué)研究，2019，37（6）：1133－1141.

LIU X Y， WANG J， SHAN X H， et al. Technological convergence mechanisms of innovation network based on multi-level networks［J］. Studies in Science of Science， 2019，37（6）：1133－1141.

［23］ 郭曉林，魯耀斌，張金隆，等.產(chǎn)業(yè)共性技術(shù)與區(qū)域產(chǎn)業(yè)集群關(guān)系研究［J］.中國(guó)軟科學(xué)，2006（9）：111－115.

GUO X L， LU Y B， ZHANG J L， et al. Analysis on the relationship between industrial generic technology and regional industry cluster［J］. China Soft Science， 2006（9）：111－115.

［24］ 韓元建，陳強(qiáng).共性技術(shù)擴(kuò)散的影響因素分析及對(duì)策［J］.中國(guó)科技論壇，2017（1）：53－59.

HAN Y J， CHEN Q. Factors influencing the diffusion of generic technology and countermeasures［J］. Forum on Science and Technology in China， 2017（1）：53－59.

［25］ 鄭彥寧，浦墨，劉志輝.基于產(chǎn)業(yè)創(chuàng)新鏈的產(chǎn)業(yè)共性技術(shù)識(shí)別基本理論探討［J］.情報(bào)理論與實(shí)踐，2016，39（9）：53－58.

ZHENG L N， PU M， LIU ZH H. Theoretical discussion on industrial common technology identification based on industrial innovation chain［J］. Information Studies： Theory & Application， 2016，39（9）：53－58.

［26］ WANG P， ROBINS G， PATTISON P， et al. Social selection models for multilevel networks［J］. Social Networks， 2016， 44（2）： 346－362.

［27］ WANG P， PATTISON P， ROBINS G. Exponential random graph model specifications for bipartite networks-a dependence hierarchy［J］. Social Networks， 2013， 35（2）：211－222.

［28］ 張換高，趙文燕，檀潤(rùn)華.基于專利分析的產(chǎn)品技術(shù)成熟度預(yù)測(cè)技術(shù)及其軟件開發(fā)［J］.中國(guó)機(jī)械工程，2006（8）：823－827.

ZHANG H G， ZHAO W Y， TAN R H. Technique of product technology maturity mapping based on patent analysis and software design［J］. China Mechanical Engineering， 2006（8）：823－827.

［29］ MAHADEVAIAH G， BERMEJO I. Artificial intelligence-based clinical decision support in modern medical physics： selection， acceptance， commissioning， and quality assurance［J］. Medical Physics， 2020， 47（5）： 228－235.

（責(zé)任編輯 李 進(jìn)）

收稿日期： 2022－06－17；修回日期： 2022－08－30

基金項(xiàng)目： 國(guó)家自然科學(xué)基金青年基金（72304025）；國(guó)家社會(huì)科學(xué)后期資助項(xiàng)目（21FGLB042）;國(guó)家自然科學(xué)基金面上項(xiàng)目（72104015）

第一作者： 劉曉燕（1974－），女，河北唐山人，博士，副教授，主要研究方向?yàn)榻M織理論與戰(zhàn)略管理。