知識專業化與關聯性對競爭優勢的影響

呂曉靜，張貴，劉霽晴

(1.河北工業大學 經濟管理學院，天津 300401；2.南開大學 經濟與社會發展研究院，天津 300071)

0 引言

在市場經濟中，隨著技術創新速度加快，以及周期性經濟危機對區域和企業競爭地位的改變，知識經濟通過重組現有知識基礎和開辟新技術軌跡所創造的社會財富遠超過傳統生產要素價值[1]。面對技術的無限可能性，經濟體如何確定最佳創新投入成為焦點問題。在上述背景下，戰略性新興產業和新基建等產業方向選擇為區域經濟發展提供了新思路，各地區紛紛出臺相關規劃和政策，重點發展與國家層面一致的高端裝備制造、新一代信息技術、新能源新材料等新興產業，但同質化發展效果差別顯著，甚至對戰略性新興產業發展產生潛在風險，從而導致資質混亂、產能過剩和惡性競爭等難題。2019年，習近平總書記在《推動形成優勢互補高質量發展的區域經濟布局》中指出，針對當前區域發展動力極化現象突出的新情況新問題，不能一味強調“同步走”，而是要發揮地區比較優勢，合理分工、優化發展和精準施策，細化、完善并落實主體功能區劃分，形成全國優勢互補、高質量發展的區域經濟布局。那么，各地區如何選擇創新領域進行技術突破以提升競爭優勢？是自主探索還是追隨前沿？這是當前地區在相關決策制定和路徑選擇時亟待解決的問題。

城市既是技術創新和經濟發展的中心，也是知識創造中心。知識分工與勞動分工同樣重要，成為當前新經濟地理學和演化經濟學的核心問題[3]。戰略性新興產業是指以重大技術突破為特點的知識密集型高技術領域，相比其它產業更依賴于地理空間高度聚集[2]。由于我國各地區間資源稟賦和創新基礎存在巨大差異，優勢技術在產業間的布局也各不相同，哪些領域能為地方知識庫更新和競爭優勢確立提供超越機會是未知的。即使部分相對落后地區選擇復制領先地區的技術選擇，但在長期發展中，技術優勢和知識基礎缺失會難以支持新技術、新產品、新產業和新集群出現。Pavitt[4]最早通過挖掘專利信息與構建技術專業化指標總結國家技術優勢和演變規律，隨后歐盟借鑒此思路引入智慧專業化政策框架，旨在指導地方基于現有知識庫和技術創新比較優勢，優先發展區域在國際市場具有競爭力的技術，從而構建區域增長可能性愿景[5-6]。這種基于比較優勢所創造的地區創新領域分工就是區域技術專業化，雖然部分學者從空間角度基于專利數據對知識生產過程加以關注，探討中國區域技術專業化程度、模式和技術布局[7]，卻鮮少考慮知識領域關聯性水平、產業間認知鄰近路徑依賴特征對區域內知識分工格局和地區專業化進程的重要影響。

因此，本文將知識關聯和知識專業化納入競爭優勢分析框架。一方面，依據本地知識技術基礎，尋找并獲取存在認知鄰近的新關聯技術；另一方面，在獲取關聯技術后，推動技術沿著“技術關聯樹”向專業化技術領域邁進，從而形成知識分工體系。綜上所述，本文重點探究知識關聯性和專業化水平對競爭優勢的影響，試圖尋找區域最佳技術發展路徑。

1 理論分析與假設研究

1.1 知識專業化與競爭優勢

知識專業化是指區域技術中存在明顯優勢的知識領域，即該地區知識在一定范圍內集聚并形成以知識溢出為核心的機制，勞動力、資源投入共享共同構成外部性[8]。知識創新發展是緩慢且艱難的，相對于專利和論文等顯性知識，在微觀企業和宏觀區域扮演促進技術創新能力提升關鍵角色的是隱性知識(默會知識)。默會知識傳播困境意味著知識傳播和技術擴散明顯依賴于區位條件[9]，尤其是專業性強且具有價值的技術[10-12]。因此，隱性知識認知特性促使區域知識分工深化并形成具有競爭優勢的創新群落，呈現集群經濟引領專業化發展的新格局。

根據卡爾多理論，地區增長是由制造業產出增長即關鍵部門而不是全部生產部門驅動的，其間接肯定了專業化的作用。專業化相關問題研究中，“斯密專業化”代表了一類觀點，強調分工理論和差異化發展。由于分工和專業化水平決定技術性專業知識獲取能力與累積速度，區域或創新主體間差異化分工能夠實現整體規模報酬遞增，進而帶來經濟增長，從而形成產品競爭優勢[13]。Archibugi[14]發現，對部分國家而言，專業化程度比專業化領域更重要，差異化發展和區域分工能實現優勢最大化。在此基礎上，Evangelista[15]、Urraca-Ruiz[16]針對不同國家專業化程度和人均GDP的關系分析發現，二者存在正相關關系。因此，可以初步判斷，知識專業化在一定程度上是競爭優勢的重要來源。

然而，從知識異質性視角考量專業化程度時則發現其具有“雙刃劍”特征。就創新團隊而言，異質性知識能夠提高創新主體多樣性認知水平，促進知識整合再造，但同樣存在因團隊內部割裂導致惡性競爭并降低創新產出的風險。呂潔[17]基于阿里巴巴創新創業型企業團隊案例，發現由于群體任務所需知識大多分布于各個領域，主體在跨越差異化知識邊界進行溝通和交流過程中形成新的知識，從而強化產品競爭優勢；Berliant等[18]通過動態知識創新與擴散模型(TP模型)，描述區域間知識關聯過程并分析合作創新方式，發現若區域主體間知識異質性太強易導致創新主體缺乏知識交流基礎，進而不利于知識創新；但異質性太弱則缺乏知識合作動力，進而不利于創新優勢構建。因此，根據以上分析，本文提出以下假設：

H1a：在控制其它變量的前提下，知識專業化對競爭優勢具有促進作用；

H1b：在控制其它變量的前提下，知識專業化對競爭優勢具有抑制作用。

1.2 知識專業化、知識關聯性與競爭優勢

知識專業化本質上是知識積累的結果，知識積累可以促進知識存量增加，提高區域利用現有知識識別新技術并將其轉化為競爭優勢的能力。事實上，如果知識要素結構與當前區域知識庫結構偏離較大，則難以提供該技術發展所需的要素條件和支持，這種知識產品間的相似性即為知識關聯性。由于知識具有使用方式的相似性和差異性，當知識子集是彼此替代物或者需要相似的認知和技能時，則會在某種形式的知識空間內相互關聯或接近。當創新競爭主體通過探索知識空間組合、擴展知識領域進行競爭優勢博弈時，會造成搜索成本在現有專業知識范圍內迅速上升。因此，知識成本是影響知識專業化競爭優勢形成的重要因素，其關鍵取決于已知知識和未知知識間的距離，或者稱為新技術產品與現有技術基礎的知識關聯程度[21-23]。解決區域知識專業化選擇困境的一般方法是發展與現有優勢知識基礎關聯性強的復雜技術，并衍生出不同類型地區創新分工格局。

伴隨學習型經濟發展，演化經濟地理學家認為，產品競爭優勢對技術軌跡路徑依賴的強化效應日趨顯著，并發現技術探索過程是由認知鄰近確定的[19-20]。由于學習過程會受到知識轉移阻力的影響，知識產品間認知鄰近通過知識關聯搜尋與地方知識庫密切聯系相關領域，從而促進知識溢出。因此，創新主體會優先與具有優勢的研究領域和部門建立關聯，并通過相關活動利用這些能力。也就是說，知識關聯性本身是影響競爭優勢的重要因素。

國外學者研究表明，企業會優先在知識關聯領域開展技術創新并進行產業選擇，即關聯性知識溢出有利于推動企業創新，進而確立競爭優勢[24]。另外，國外實證研究表明，知識關聯對綜合創新實力較弱地區競爭優勢形成的積極作用更為顯著[25]。曾剛[26]發現，中國總體技術發展存在強路徑依賴特性，新技術本地比較優勢的技術關聯度越高，越傾向于將本地比較優勢轉化為下一期技術比較優勢，并且高關聯性特征領域可以通過引進復雜性技術促進區域技術進步?；谝陨戏治?，本文提出假設：

H2a：在控制其它變量的前提下，知識關聯性對競爭優勢具有正向促進作用；

H2b：在控制其它變量的前提下，知識關聯性會影響知識專業化對競爭優勢的作用。

2 數據來源與研究方法

2.1 數據來源

Ejermo認為，在區域層面應用專利數據是合適的。由于已授權的有效發明專利數據，其技術價值和法律狀態更穩定，并且專利審查時間通常為兩年，為避免專利在不同區域和技術領域授權偏差率引起的差異，本文選取2000年1月1日至2017年12月31日省級層面有效發明專利授權數。數據主要來源于Patsnap全球專利信息數據庫付費數據，按照世界知識產權組織(WIPO)技術領域進行分類，測算專業化和關聯性程度。關于技術分類問題，本文采用國際專利分類(IPC)和Schmoch修訂分類表，所有技術領域分類劃分為5大類、35小類。

2.2 主要指標衡量

2.2.1 知識專業化

知識專業化程度代表區域知識布局離散或聚焦情況，反映的是區域知識結構，不僅可以考察區域內部知識集聚程度，還能夠從整體角度分析與全國平均水平的相對差異情況。因此，本文主要從知識集中度和知識差異度兩個視角測算地區知識專業化程度。知識集中度表示區域自身專業化程度，即創新活動在知識領域間的聚集程度；知識差異度表示區域相對全國的知識專業化程度，即知識結構與地區平均水平相對差異。分別選取赫芬達爾—赫希曼指數和克魯格曼分工指數。赫芬達爾—赫希曼指數公式如下：

(1)

其中，Pck代表c地區k行業有效發明專利授權數；Pi表示c地區有效發明專利授權數，HHI>1且越接近1，表示c地區知識集中度越高?？唆敻衤止ぶ笖等缦拢?/p>

(2)

其中，Pck代表c地區k行業有效發明專利授權數；Pc表示c地區有效發明專利授權數，Pk為各地區k行業有效發明專利授權數；P表示各地區有效發明專利授權總數。KDI值越大，城市知識差異度越高，分工程度越高，專業化水平越高；KDI值越小，知識差異度越低，分工程度越低，多樣性特征越顯著。

2.2.2 知識關聯密度

知識關聯是指知識產品之間在構成要素、技術基礎及基本特征等方面的相似程度，通常采用兩個產品之間的鄰近度水平加以測量。所有技術類別構成n×n的關聯性網絡，其中單個節點i(i=1，2，3…)表示單個技術類別，節點聯系強度代表技術間的關聯度。在知識產品關聯密度方面，若c地區在知識產品i上具有比較優勢，則意味著該地區具有生產該知識產品所需的要素稟賦和創新基礎，如果產品j需要的稟賦和基礎與i類似，則未來j轉變為比較競爭優勢的概率大。具體而言，首先，參照Hausmann & Klinger提出的方法計算知識產品關聯程度，即同時在產品i和j上具有比較優勢的區域數量與在i(或j)上具有比較優勢的區域數量的比值。其次，利用任意兩種產品關聯程度計算產品i與比較優勢產品的關聯程度加總，公式如下：

φi,j,t=min{P(xi,t|xj,t),P(xj,t|xi,t)}

(3)

其中，P(xi,t|xj,t)為在知識產品i上具有比較優勢的區域數量與在產品j上具有比較優勢的區域數量的比值。地區產品比較優勢主要通過顯性比較優勢指數RTA加以確定，當區域c在技術類別i中擁有比全部地區更多的份額比例時，RTA取值為1，否則為0，公式如下：

(4)

(5)

2.2.3 競爭優勢

由于顯性比較優勢指數可以代表區域產品競爭力，本文基于前人研究和數據可得性，選擇顯性比較優勢指數代表競爭優勢[27]。區域c技術類別i能否在t期轉換為具有競爭優勢的產品以該區域技術類別i的RTA指數是否大于1加以判斷。

3 區域知識專業化與關聯性特征

3.1 知識結構特征

為更好地剖析知識專業化和關聯性特征，需要對區域知識整體結構進行分析。圖1為全國區域—技術知識網絡結構，節點直徑代表專利總量，城市節點在技術空間中的位置反映其擁有的相對專利密度和等級技術優勢。圖中位置相鄰的城市，其技術結構也較為相似，并且越靠近區域邊緣技術越分散，難以形成突出的知識競爭力。從數量上看，專利在地域間分布差異顯著，整體知識生產格局呈現以廣東、北京和江蘇為中心的珠三角地區、京津冀地區和長三角地區優勢領先，中西部地區出現小范圍“內陸創新孤島”的不平衡態勢。從位置上看，廣東、江蘇、北京在全國區域技術知識雙模網絡結構中占據核心位置，是與其它節點相關聯的結構洞。由此，基本可以判斷3個省市擁有豐富的知識資源，在沿海地區城市群中最具創新競爭力。

圖1 全國省域區域—技術知識網絡結構

顯性技術優勢一定程度上代表地區在某領域知識創新方面具有相對比較優勢，當區域總體創新水平較低時，即便某領域較其它領域具有地方性優勢，在全國層面上也難以形成獨特優勢。因此，為了描述省域間真實的知識領域比較優勢分布情況，選取地區專利授權量超過全國省市平均值且顯性技術優勢系數大于1并為最大值的知識領域，分析2000—2008年和2009—2017年中國省域知識技術優勢分工格局，如表1所示?？疾炱趦却蟛糠謪^域優勢技術領域并無改變，東部沿海地區北京、上海和廣東3個城市群最具優勢的知識領域均為高新技術領域，中西部地區優勢技術領域逐漸從傳統輕工業領域轉向高技術領域。

表1 全國省域優勢技術領域分布

2000—2008年擁有相對比較優勢的省市數量為17個，知識技術集中在16個領域；2009—2017年，具有相對技術比較優勢的省市數量減少為16個，技術領域數量減少為11個。觀察具體領域發現，2009—2017年，儀器行業整體數量減少，電氣工程中“電信 ”“基本信息處理”“數字通信系統”等高技術產業數量增加。相比2000—2008年，2009—2017年同色系分布顯著增加，區域整體分工水平提高，并且相鄰地區出現強趨同特征，形成三大優勢知識分工地帶，即東部板塊以安徽、浙江和福建為核心的生活消費品、家具及游戲等其它領域，中部板塊以山東、河南、湖北和湖南為主的化工領域以及西部板塊以四川和陜西為主的通信與處理領域。

3.2 知識專業化時空特征

圖2、圖3展示了2000—2005年、2006—2011年和2012—2017年3個時間段中國省域知識集中度與知識差異度，數值越大表示專業化程度越高。就知識集中度而言，縱觀3個時間段，絕大部分區域知識集中度下降，僅北京和浙江經歷了小范圍上升及先下降后上升過程。2000年以來，隨著技術發展和知識結構變革，各區域創新體系逐步完善，知識創新活動普遍向多領域和高能級拓展，造成全國平均知識集中度明顯下降。細分各時序內變化，在高創新能級地區和低創新能級地區之間知識集中度存在一定差距，但這種差距隨著時間推移逐漸縮小，西北部地區集中度顯著高于東部沿海地區和中部部分城市群創新樞紐區域。 2012—2017年，除西藏和青海等地區高于全國平均知識集中度外，其余地區差距微小。

觀察3個時間段內知識差異程度變化發現，數值越大表示知識結構與全國平均水平差異越大。圖2和圖3顯示，全國整體地區知識差異指數出現下降趨勢，但其變化幅度明顯小于集中度，省域間知識分工水平差異仍然存在。江蘇地區知識差異化程度經歷小范圍上升過程，山東、甘肅和海南地區先上升后下降，而廣西地區則是先下降后上升，其余省份皆有不同程度下降。北京、天津等沿海地區和四川、湖北等部分中部創新領先能級較高區域，其差異指數較低，知識結構基本代表全國平均分工水平，區域創新主體較多，知識體系較為復雜，知識生產多樣化特征顯著。而創新能級較低地區，如西藏、海南、青海和新疆等地區知識差異度較高，表現出與平均知識分工程度顯著不同。

圖2 全國省域知識集中程度空間格局

圖3 全國省域知識分工程度空間格局

3.3 知識關聯性空間分異

圖4展示了2000—2017年中國城市知識領域間關聯密度空間格局，呈現出全國知識關聯性自東向西下降趨勢，但每個區域內部都存在個性化差異特征?？傮w來說，東部沿海地區省市知識關聯密度較高，中西部地區整體關聯性較東部地區下降，西南部地區新知識與原有優勢知識基礎的關聯性最弱(四川和重慶地區除外)。從空間上看，東部地區京津冀和長三角地區具有高關聯性，城市技術演化對知識基礎的依賴性較強。然而，北京和廣東表現出不同關聯特征，整體知識關聯密度有所下降，可能在特別領域存在高度優勢的知識基礎。中部地區整體關聯性處于平均水平，西部地區甘肅、四川、重慶和廣西等省市具有較高關聯性特征。

圖4 全國省域分領域知識關聯程度空間格局

從領域分布看，電氣工程關聯性最弱，其它、儀器、機械和化工領域依次增強。北京、上海和廣東地區在電氣工程領域呈現三點式分布，尤其廣東除電氣外其它領域不存在關聯優勢。電氣工程領域涉及較多以信息通信技術為核心的高技術產業和戰略性新興產業，是當前驅動社會發展的最強動力，沿海地區創新強省緊抓技術機會，推動科技快速發展。儀器、化工、機械和其它領域存在相似特征，較高水平知識關聯性的省市主要聚集在京津冀周邊地區并呈連片狀發展格局。

通過對我國省域知識結構布局的觀察，總結出以下特征：

(1)創新活動層級差距逐漸縮小并趨于固化。

(2)高層級地區知識創造活動多樣性特征更顯著，低層級地區傾向于關注單一領域知識，并且高層級地區的知識分工水平更接近全國平均水平。

(3)知識關聯水平存在地區差異，并且總體趨勢與專業化程度相似。因此，我國區域知識創新活動演化存在規律，地區創新分工格局與經濟基礎、地理位置及產業結構等高度相關。因此，應結合自身特征把握知識專業化程度水平以制定差異化創新政策，促進地區知識創新發展。

4 區域技術競爭優勢模型

4.1 模型構建

本文主要分析區域技術組合中知識關聯密度、技術集中和差異程度對相應知識領域競爭優勢的影響，重點觀測知識專業化水平能否促進與當前競爭優勢領域關聯密度較高的知識產品下一期競爭優勢轉換。從集中度和差異度兩個角度考察技術專業化程度，分別設立兩個方程。因變量是c地區知識產品i能否在t期轉換為具有競爭優勢的產品，即指標變量RTA。主要自變量為地區相對知識專業化指數，是克魯格曼分工指數和地區行業知識專業化指數，即赫芬達爾—赫希曼指數及其與當地競爭優勢產品關聯密度的交互項?？紤]到地區知識專業化程度可能會造成相對范圍的知識溢出，因而重點觀察交互項系數特征。若交互項顯著為正，則一定程度上證明知識專業化水平較高，有利于高關聯密度產品轉換為下一期具有競爭優勢的知識。此外，模型包含區域層面和技術層面兩類控制變量，分別以人均GDP、技術存量(區域專利總數Regions)和技術規模(技術類別專利總數Techs)指標衡量。本文實證模型設定如下：

(6)

(7)

其中，下標i、c、t分別代表知識類別、區域名稱和時間?？紤]到地區知識產品競爭優勢狀態可能存在延續性，進而對下一期競爭優勢轉換產生影響，在實證回歸過程中，本文納入區域知識產品上一期競爭優勢狀態RTA，用以觀測上一期比較優勢狀態對下一期比較優勢的影響。

本文在進行面板回歸時采用ADF和LLC進行單位根檢驗，并采用Kao方法檢驗變量間的協整關系。在面板數據模型選擇中，通過Hausman檢驗最終選擇固定效應模型。為避免潛在內生性問題，所有自變量均作滯后一期處理。

4.2 全樣本技術集中度模型

通過上述分析得出，大部分地區知識產品僅占整個知識空間領域的一小部分。表2展示了全樣本技術集中度競爭優勢模型，結果與Balland & Boschma的研究結論一致，即知識關聯密度對區域科學領域競爭優勢形成具有顯著正向影響。與當前具有競爭優勢的產品關聯密度越高，越有利于下一期競爭優勢形成，H2a得到驗證。然而，知識集中度對競爭優勢的影響較為模糊，在模型II中，知識集中度表現為顯著正向影響，H1a得到驗證。加入知識關聯密度與集中度的交互項后，對知識集中度具有負向顯著，H2b得到驗證，即區域知識集聚對相關領域競爭優勢獲得的影響同該領域與當前具有競爭優勢領域的關聯密度有關。因此，進一步將樣本分為高關聯密度和低關聯密度兩個部分。

表2 全樣本知識集中度與分工度模型

表3結果顯示，無論高密度地區或低密度地區，知識關聯密度對競爭優勢均具有顯著正向影響，知識集中度對競爭優勢的影響則與關聯密度有關。

表3 高—低關聯度區域知識集中度模型

(1)當知識關聯密度較高時，知識集中度系數為負，交互項系數為正但均不顯著，無明顯證據證明集中度對競爭優勢有影響，只在一定程度上存在抑制作用，即傾向于多樣化發展。

(2)當知識關聯密度較低時，知識集中度系數顯著為正，交互項系數同樣顯著為正，說明科學領域內知識產品越集中越容易獲取競爭優勢地位?？赡苁怯捎谥R產品集中程度越高，與比較優勢產品關聯密度越高的知識越能夠集聚，進而形成技術聯系必需的技術支持，從而在下一期發展成競爭優勢產品?？傮w而言，區域內部知識集聚對促進低關聯密度地區發展更重要。一般情況下，關聯密度低地區大多為知識結構不平衡地區，存在優勢專項領域。例如，廣東專注于發展視聽技術、數字通信處理及其它高新技術領域，形成比較優勢地位，其化工、機械等行業與優勢產品關聯密度極低，通過專業化知識集聚推動與優勢知識領域、技術聯系密切行業形成認知鄰近，強化知識溢出效應并促進相關領域知識創新和技術創造，實現競爭優勢。

4.3 知識分工度模型

表2結果顯示，知識關聯性對技術競爭優勢具有顯著積極影響，知識分工度單獨項顯著為正，但加入關聯性與分工程度交互項后顯著為負，其中交互項系數顯著為正，進一步證實H1a、H2a和H2b。知識分工程度單獨項系數與集中度單獨項系數相比，影響顯著下降。這意味著創新主體區域在自身知識結構一定的條件下，集中相對有限的資源投入到特定領域，可能實現更高效率的資源利用和更大的比較競爭優勢。

表4結果表明，綜合高—低關聯密度競爭優勢模型看，關聯密度系數均顯著為正，地區知識分工程度對競爭優勢的影響則不同。

表4 高—低關聯度區域知識分工度模型

(1)當知識關聯度較高時，知識分工度對競爭優勢具有顯著消極影響，加入關聯度與分工度交互項后，知識分工度呈現顯著性有所下降的負向影響，交互項則為不顯著的正向影響。說明對于關聯密度較高領域，知識結構與全國平均水平差異度越小，即多樣化特征越顯著越有利于知識競爭優勢形成。優勢產品關聯密度更高地區的知識領域分布相對均衡，更傾向于謀求各知識模塊均衡發展，進而形成知識產品比較優勢。

(2)對于知識關聯密度較低地區而言，單純的知識分工程度對競爭優勢形成具有較低顯著性水平的正向影響，加入與關聯密度交互項后，二者均為不顯著的正向影響。說明對于低關聯密度領域，知識結構與其它地區差異越大越有利于競爭優勢形成。因此，應基于自身知識及產業結構優勢進行知識創新，避免知識結構趨同。

5 結語

在前人研究的基礎上，圍繞知識關聯和知識專業化概念構建理論框架，使用專利數據計算技術間的關聯性水平和技術知識專業化程度，并對該框架進行實證操作。本文初步回答了不同地區如何根據現有知識庫關聯性特征，在區域內部制定相關政策與選擇未來知識領域。

(1)從知識創新集聚視角看，首先，中國省際區域知識生產能力差異顯著，呈現出明顯集群效應，形成以京津冀地區、長三角地區和珠三角地區為增長極的東部沿海地區領先發展，中西部地區“內陸創新孤島”的大分散、小集中點狀分布特征。其次，在技術知識網絡結構中，廣東、江蘇和北京處于最重要的位置，擁有最具優勢競爭力的知識庫。最后，對比2000—2008年與2009—2017年兩階段優勢技術分工地圖發現，區域整體分工水平提高，并呈現相鄰地區強趨同特征。東部沿海地區北京、上海和廣東3個城市群中心最具優勢的知識領域始終為高新技術領域，中西部地區優勢技術領域則由傳統輕工業領域轉變為高技術領域。

(2)從知識結構布局視角看，首先，知識專業化方面，2000—2017年，絕大部分區域知識集中程度下降，高創新能級地區和低創新能級地區之間的知識集中程度存在一定差距，但這種差距隨著時間推移逐漸縮小，且西北部地區集中度顯著高于東部沿海地區和中部部分城市群創新樞紐區域。就知識差異度而言，全國整體地區差異指數下降，但變化幅度較小，省域間知識分工水平差異持續存在，創新能級領先地區的知識分工程度較低，基本代表全國平均知識水平，創新能級較低地區則差異程度較高。其次，知識關聯性空間分布呈現自東向西減弱趨勢，東部沿海地區關聯密度較高，中西部地區較低，北京、廣東和川渝地區知識關聯水平呈現出不同變化趨勢。

(3)鑒于地方知識庫性質，知識產品競爭優勢轉換存在明顯路徑依賴，與地方知識庫結構關聯密度高的知識生產可能成為未來比較競爭優勢。從政策角度看，政府干預領域間資源分配的專業化理論有助于指導落后地區學習，擁有不同科學知識庫的地區可以通過開發與現有知識庫相關的科學子領域克服復雜性困境。從知識集聚視角看，專業化程度越高越有利于關聯密度較低領域的競爭優勢形成。因此，應更多地關注與現有科學知識基礎相關的科學子領域，培育多樣化能力。從知識分工視角看，多樣化程度越高越有利于關聯密度較高領域成為下一期競爭優勢領域。因此，應結合地區知識技術要素配置優化知識生產結構，從各地區科學知識基礎的獨特性出發，避免區域間強趨同效應，確立地區發展競爭優勢。