新興技術合作創新網絡形成影響因素研究
——基于虛擬現實技術的專利數據

曹 興 趙倩可 許 羿

1 引 言

隨著新一輪工業革命興起，以大數據、人工智能等為代表的新興技術取得重大突破，與傳統技術相比，新興技術是建立在原有科學基礎上的技術創新，其本質是不同領域間技術、知識等資源的重新整合，具有創造新產業或改變原有產業的潛力（徐建國等，2018［1］；俞榮建等，2018［2］）。在新興技術發展過程中，跨學科、跨領域的技術知識間深度融合，使得技術演化具有多種可能性。由于新興技術具有高度復雜性，以及技術和市場的雙重不確定性（Cozzens 等，2010［3］；王敏和銀路，2010［4］），新興技術企業僅依靠自身資源進行研發創新，難以滿足技術發展和市場需求的變化（申俊喜，2012［5］）。因此，通過合作從外部獲取異質性資源，進行資源間的融合、轉化，就成為新興技術企業開辟新的技術軌道，拓展新興產業市場的重要途徑。新興技術合作創新網絡為新興技術企業跨越邊界，尋求跨學科、跨領域的創新資源提供了有效的組織形式（鄭剛等，2022［6］）。

新興技術合作創新網絡與傳統技術合作網絡相比，更具有復雜性與開放性。傳統技術發展方向較為清晰，商業模式、競爭結構等也比較明確（沈灝等，2017［7］），組織間存在著清晰的邊界（Gunther，2004［8］），其合作網絡中組織合作意愿不強，知識資源交流也僅限于特定領域，網絡中的合作關系以及知識交流都較為簡單，網絡中的組織較為固定，不易進入新的創新主體，呈現一定的封閉性。新興技術發展方向尚不明確（Hung和Chu，2006［9］），商業領域中的競爭結構尚未形成，其合作創新網絡的發展是不同產業領域的創新主體與不同學科領域的知識資源共同推動的結果，體現出網絡合作關系建立與跨領域知識資源交流的復雜性（Uzzi和Lancaster，2003［10］）。同時，創新主體為了獲取外部知識資源，使得組織邊界逐漸模糊，網絡連通性增強，外部創新主體進入網絡，建立合作關系的機會較多，呈現網絡開放性。

新興技術合作創新網絡的復雜性與開放性特征，體現出創新主體主動尋求合作與創新知識資源跨界融合的雙重變化?，F有研究發現，合作創新網絡結構特征會影響合作關系的進一步發展，成為推動網絡形成的內生動力（呂鵬輝和劉盛博，2014［11］）。在網絡結構特征對合作創新網絡影響的研究上，羅泰曄和馬翠嫦（2018）［12］基于專利數據，探討網絡中的擇優鏈接與傳遞性特征對科研合作關系建立的影響。劉璇等（2019）［13］構建科研合作網絡，發現網絡的形成受到傳遞性的影響。新興技術的發展體現為技術知識的重組與更新（曹興等，2022［14］），知識也成為影響創新主體選擇合作伙伴的重要因素，創新主體的知識屬性嵌入到其合作關系中，通過現有的知識資源，創新主體進行知識跨界搜索和選擇合作伙伴，建立合作關系，影響網絡形成。在知識屬性對合作創新網絡影響的研究上，Brennecke 和Rank（2017）［15］基于知識-合作多層網絡，驗證了不同知識屬性對合作網絡中關系的建立具有影響。Yayavaram 等（2018）［16］發現當企業間的領域知識相關而架構知識不同時，企業合作的可能性得到增加。劉鳳朝和楊爽（2020）［17］發現知識多樣性與知識獨特性對合作網絡中心性具有顯著影響，且受到知識組合潛力的調節。因此，網絡結構特征和創新主體知識屬性都是影響新興技術合作創新網絡形成的重要因素。

通過明晰合作創新網絡形成機制，同時納入網絡結構特征和創新主體知識屬性兩類影響因素，有利于創新主體改進資源配置方案，推動創新資源有效重組，實現新興技術的進一步創新。本文以虛擬現實技術為對象，收集了2010-2021 年虛擬現實技術的專利數據，構建專利權人合作創新網絡，采用隨機指數圖模型（Exponential Random Graph Model，以下簡稱ERGM），分析合作創新網絡結構特征、創新主體知識屬性對合作創新網絡形成的影響，有助于認識不同知識屬性對創新主體間合作關系建立的影響，探究不同階段合作創新網絡的形成機制。

2 新興技術合作創新網絡形成的影響因素分析

新興技術合作創新網絡不僅體現了主體間的相互作用，還包括技術、知識等資源的流動，其網絡形成依賴于網絡內部結構關系的發展，也與創新主體知識屬性相關。網絡內部的自組織發展，表現為具有一定特征的網絡結構，成為影響網絡演化的內生機制。創新主體屬性的偏好主導著網絡關系的變化（羅超亮等，2022［18］），網絡中的創新主體更愿意與知識資源豐富或者知識屬性相近的伙伴，建立合作關系，有利于降低創新風險與成本。

2.1 新興技術合作創新網絡結構特征分析

隨著網絡整體結構和規模不斷變化，網絡內部多個關系之間存在依賴性，一個關系的形成可能會影響其他關系的出現，并構成相應的網絡結構，表現為整體網絡中具有規律的網絡特征，這種特征的出現僅僅來源于網絡內部過程，因此被稱為網絡的“純結構”效應。

合作創新網絡形成過程中，主要包括三種結構，二元組、三元組以及k-星結構。二元組是網絡形成的最基本結構，其包含兩種類型，表示節點對間存在聯系，在網絡中體現為不同主體間建立合作關系；三元組表示任意三個節點間的聯系，包含四種類型，主要體現為網絡中的傳遞性，有利于明晰充當“橋梁”作用的主體或者合作關系建立新關系的可能性；k-星表示網絡中k 個節點（一般k 大于等于3）組成星形結構網絡，其類型較多，在創新網絡中體現為擇優性，位于中心位置的創新主體具有較強的核心性，持續性吸引其他合作伙伴加入網絡當中。因此，三角結構和k-星結構是促進網絡形成與發展的重要結構，促使網絡規模與功能發生擴展與改變。如表1 所示，展示了二元組與三元組的全部結構類型，以及k-星結構中的3-星、4-星與5-星結構。

k-星結構在網絡中體現為擇優性，在新興技術合作創新網絡中，新興技術發展較好的主體擁有較多異質性知識資源，在網絡中更容易吸引其他主體建立合作關系（戴靚等，2022［19］），在網絡中節點度數較高，提升其在未來的合作吸引力。新進入者在加入創新網絡時，為了盡快獲取知識資源，也會傾向于選擇連接數量較多的節點建立合作關系，促使網絡中核心-邊緣結構的形成（Mitze 和Strotebeck，2018［20］）。因此，擇優性在網絡的形成過程中起到促進作用，使得網絡呈現出從核心主體引領非核心主體發展過程，加快知識跨界融合，促進網絡整體技術創新水平提升。

三元組結構在網絡中體現為傳遞性，表示創新主體傾向于選擇具有共同合作對象的其他主體進一步建立合作關系（Faust，2010［21］）。創新主體間建立合作關系，不僅體現出主體間異質性知識資源的獲取與吸收，也反映了雙方間的信任基礎（Uzzi，1997［22］）。選擇具有共同合作對象的創新主體，有利于減少對合作伙伴能力、可信度的不確定性，提升知識資源獲取與轉化的有效性（郭建杰和謝富紀，2021［23］）。因此，傳遞性在網絡發展中具有提升網絡整體效率和穩定性的優勢。

在新興技術領域中，一些創新主體間的關系尚不明確，通過知識跨界搜索，以及對已有創新實力的判斷，會建立不同的合作關系，如圖1 所示。a、b 為新興技術領域中創新實力較強的主體，易吸引其他主體與其建立合作關系。由于在網絡中a、b 節點度數較高，n、p 為網絡中新加入的創新主體，隨著擇優性的作用，n、p 會分別選擇與a、b 建立合作關系，提高a、b 在網絡中的核心地位。此外，創新主體c 和d，f 和i，j 和k，因其分別擁有共同的合作伙伴，受到傳遞性的影響，兩兩之間建立新的合作關系，進而推動了創新網絡的形成。

圖1 網絡結構特征對網絡形成的影響

2.2 創新主體知識屬性影響分析

知識大多依附于個體存在，主體的知識屬性體現為主體自身以及與其他主體建立合作時的知識狀態，主體的知識屬性可以分為知識個體屬性與知識關系屬性，個體屬性體現為網絡中主體自身知識能力水平的強弱，其中知識多樣性是表示主體自身知識豐富程度的重要指標（Kogut 和Zander，1993［24］）；關系屬性體現為主體間知識資源的關聯程度，其中知識鄰近性是表示主體間知識基礎的相似程度的重要指標。由于主體嵌入到創新網絡中，其知識元素也會組成相應的知識網絡，兩個網絡存在不同的結構，主體在合作創新網絡中的地位不能反映其在知識網絡中的知識要素位置，產生了與知識網絡相關的知識網絡屬性，知識組合潛力與知識組合機會分別表示組織的知識元素在知識網絡中的歷史組合情況與未來組合可能，體現出知識元素在知識網絡中的中心位置與結構洞位置，是網絡屬性的關鍵所在（Hansen，1999［25］；Birkinshaw 等，2002［26］；Carnabuci 和Bruggeman，2009［27］）。

主體的知識多樣化程度越高，其擁有的知識資源庫越大，包含的知識范圍越廣。已有研究表明創新主體擁有的知識資源越豐富，其在處理問題時思維會越開闊，能夠更好地運用不同領域的知識，進行知識的重組與創新（Hagedoorn 等，2018［28］；Gruber 等，2013［29］）。在新興技術合作創新網絡中，尋求異質性知識，彌補知識缺口，增加創新機會是創新主體建立合作關系的基本目的，因此，知識多樣性高的組織在網絡中的受歡迎程度也較高，更容易吸引其他主體建立合作關系，促進網絡的進一步發展。

主體間知識鄰近性越強，其知識領域相似程度越大（Liang 和Liu，2018［30］），選擇知識領域相似的主體進行合作，幫助降低知識吸收成本，提高主體間知識學習效率，便于接收對方的知識體系（Doz，1996［31］），但也會造成知識同質化嚴重，不利于激發進一步創新。新興技術的發展需要異質性知識元素的碰撞與重組，主體在推動創新的過程中，需要考慮成本與風險。因此，在網絡形成的不同階段，主體出于對成本與異質性資源的考慮，選擇鄰近性強或弱的合作伙伴，使得鄰近性對不同階段網絡的形成產生不同的影響。

知識組合潛力反映組織的知識元素歷史組合情況（Yayavaram 和Ahuja，2008［32］），具有較高組合潛力的知識元素，與眾多其他知識元素發生過融合，能夠增加創新主體對其價值的肯定。在新興技術合作創新網絡中，主體擁有的知識元素在知識網絡中的組合頻率越多，其知識組合潛力就越大，表現出擁有較多的知識組合經驗，能夠提升知識組合效率，促進新興技術創新。因此，知識組合潛力較高的主體可以吸引其他主體建立合作關系，幫助合作伙伴獲取組合價值較高的知識，促進知識交流、吸收的順利進行，推動合作創新網絡的形成。

知識組合機會反映組織的知識元素建立新組合的可能性（張振剛和羅泰曄，2019［33］），處于知識網絡中結構洞位置的知識元素，具有較多尚未被利用的重組機會。在新興技術合作創新網絡中，主體擁有豐富結構洞的知識元素越多，其知識組合機會就越強，意味著知識資源存在著較強的開發潛力，不僅可以組合現有知識元素進行創新，也可以搜索到其他新知識要素，進行新的重組。因此，知識組合機會較多的創新組織可以吸引其他組織建立合作關系，幫助擴展組織創新能力，探索新的創新機會，同時也推動了合作創新網絡的進一步發展。

基于上述分析，本文構建了網絡結構特征、創新主體知識屬性對新興技術合作創新網絡形成影響的概念模型，如圖2 所示。

圖2 新興技術合作創新網絡形成影響因素概念模型

3 研究設計

3.1 研究對象

本文以虛擬現實技術（Virtual Reality，以下簡稱VR 技術）為研究對象，VR 技術是20 世紀出現并快速發展起來的一項新興實用技術，其集成了仿真技術、人工智能等多種技術的最新發展成果。VR 技術在各行各業中得到了發展，使傳統產業發生革命性改變，形成了非正式合作創新網絡，產生了知識等創新資源的交流與轉化，體現了明顯的跨領域、跨學科、跨組織的性質。因此，選取VR 技術為研究對象，有利于分析合作創新網絡形成過程中各個階段的影響因素，對探究網絡結構和知識屬性對合作創新網絡的影響具有重要的作用。

3.2 數據收集與處理

本文采用德溫特專利數據庫，獲取VR 技術專利數據，其信息檢索式為：TS=“virtual reality” OR “virtual model” OR “visual reality”，檢索時間為2010 年1 月1 日-2021 年12 月30 日。收集到33076條專利數據，由于數據量較大，信息覆蓋較多，需對專利數據進行清理。

保留專利信息中所需字段，包括專利號、專利申請日期、IPC 分類號（前四位）、專利權人名稱和代碼，剔除其他信息；根據專利權人名稱和代碼，剔除個人專利權人；選取專利權人數量為兩個或兩個以上的專利，最終獲取3853 條有效專利數據。為了能夠有效反映合作創新的持續性，以及研究網絡結構特征和知識屬性對網絡不同形成階段的影響，根據合作專利申請數量的變化趨勢，劃分三個時間窗口：2010-2013 為初步形成階段，專利申請數量較少，增速較為緩慢；2014-2017 為快速成長階段，專利申請數量具有較大提升，增速較快；2018-2021 為穩定發展階段，雖然2020-2021 年合作專利申請數量有所下降，但這一階段專利申請數量均大于前期階段，研究進展略有放緩。

圖3 合作專利申請數量變化趨勢

3.3 網絡構建

合作創新網絡的構建，大多數學者采用專利聯合申請人的信息，生成合作關系矩陣。當一項專利中，出現兩個或兩個以上的專利權人，表明他們之間存在合作關系，其共同擁有的專利數量表示合作頻次，體現在合作矩陣中對應的數字上。如果專利人之間不存在合作關系，矩陣中對應數字為0。對2010-2021 年3853 條樣本數據進行統計，形成三個階段的專利合作關系矩陣，將合作矩陣導入Gephi 軟件進行網絡指標計算和網絡拓撲圖繪制。

3.4 ERGM 模型構建

指數隨機圖模型（Exponential Random Graph Models，簡稱ERGM）是研究網絡的統計模型，綜合考慮內生結構和外生變量對網絡關系形成的影響。通過選擇觀測網絡所具有的效應進行建模，采用蒙特卡羅—馬爾可夫鏈極大似然估計算法（MCMCMLE），預測網絡變量對網絡關系的影響，檢驗模擬網絡與觀測網絡的匹配程度，其模型采用公式表示為：

其中，y 為觀察到的網絡；Q 為網絡構型的集合；ZQy 是網絡構型對應的網絡統計量；是與各統計量相關的參數；是基于模型規范的歸一化常數。

構建內生網絡結構和外生知識屬性對網絡形成影響的模型，其模型采用公式表示為：

式（2）中，Edges、Gwdegree、Gwesp 為網絡內生結構變量，分別表示邊、幾何加權度、幾何加權邊共享。其中，邊為網絡基礎效應，幾何加權度與幾何加權邊共享分別表示擇優性與傳遞性；KD、KP、KCP、KCO 為外生節點屬性，分別表示知識多樣性、知識鄰近性、知識組合潛力、知識組合機會，模型中變量的說明，如表2 所示。

表2 ERGM 模型變量說明

3.5 屬性測量

選取知識多樣性、知識鄰近性、知識組合潛力、知識組合機會四種知識屬性，研究知識屬性對合作創新網絡形成的影響，構建了相應的指標分別進行測量。其中，IPC 代碼是國際通用的專利分類與檢索工具，界定了專利所屬技術領域和構成專利的知識單元，因此使用網絡中創新主體的合作專利中所包含的IPC 分類號前四位表示不同領域的知識元素。此外，使用合作創新網絡中創新主體所對應的IPC 共現網絡表示知識網絡，對各個知識元素的網絡屬性進行測量。

知識多樣性（Knowledge Diversity）。表示組織知識的豐富程度，參考韓菁等（2021）以組織擁有的知識元素個數表示知識多樣性，知識元素個數越多，知識多樣性越強。式（3）中，ei 表示組織i 的知識元素，n 表示該組織擁有知識元素的數量。

知識鄰近性（Knowledge Proximity）。表示組織間知識的相似程度，參考Jaffe（1988）的計算方法，采用組織知識結構的相似程度表示知識鄰近性。式（4）中，fik 與fjk 分別為組織i、組織j 的第k 類知識占各自知識元素總數的比重，n 為知識分類總數。

知識組合潛力（Knowledge Combination Potential）。表示組織的知識元素在知識網絡中與其他知識元素的歷史共現情況，參考Brennecke 等（2017）使用各個知識元素相對度數中心度之和進行計算，中心度越大，組合潛力越大。式（5）中，dik 表示組織i 中知識元素k 的相對度數中心度，n 為組織i 的知識元素個數；式（6）中，N 表示知識元素k 在知識網絡中與其直接相連的其他知識元素個數，M 為知識網絡中包含的知識元素總共數量。

知識組合機會（Knowledge Combination Opportunity）。表示組織的知識元素在知識網絡中與其他知識元素建立新組合的可能性，參考Brennecke 等（2017）使用各個知識元素的結構洞相關指標之和的相反數進行反映。式（7）中，表示組織i 中知識元素k 的限制度指數，體現在知識網絡中運用結構洞的能力，即限制度指數越高，運用結構洞的能力越弱，結構洞的值越小，n 為組織i 的知識元素個數；式（8）中，pkl表示知識元素k 在知識網絡中受到的直接限制，pkq、pql表示知識元素k 在知識網絡中受到的間接限制。

4 實證分析

4.1 描述性分析

以專利權人為節點，專利權人間的合作關系為邊，運用Gephi 軟件對三階段新興技術合作創新網絡演化過程進行可視化處理，不同階段的網絡圖譜如圖4 所示。其中，節點大小表示專利權人合作的廣度，合作伙伴數量越多，其節點越大；節點間連線的粗細表示兩個創新主體間的合作頻率，合作頻次越高，兩者間的連線越粗。選取網絡指標，通過比較三階段合作創新網絡的指標變化情況，對合作網絡演化過程進行分析，如表3 所示。

圖4 合作創新網絡三階段演化圖

表3 合作創新網絡指標測度

從表3 中可以看出，節點數量與連線數量持續增加，其中2014-2017 年階段，與上一階段相比，節點與連線數量的漲幅超過100%，表明隨著合作創新網絡的發展，越來越多的創新主體加入網絡，提升了合作關系發生的可能性，使得網絡規模發生擴大，節點間的連線得到增強。由于節點平均度數逐漸上升，由1.742增加到1.92，仍處于1-2 的范圍之中，同時網絡中最高節點度數遠高于平均度數，從20 上升到40，意味著網絡中大部分創新主體與一或兩個其他創新主體建立合作關系，只有少數節點成為網絡中的核心節點，體現了網絡中的核心-邊緣現象。隨著網絡密度不斷降低，表明整體網絡中創新主體間的聯系不是特別緊密，較低的網絡密度有利于知識、信息等資源的廣泛獲取，同時，模塊化指數逐漸增加，意味著創新主體合作關系的建立具有較強的小群體現象，傾向于和某些個體建立合作關系。

使用封閉三元組的數量與三元組總量之比，計算出的平均聚類系數，其數值表示了網絡中出現三角形結構的概率，即網絡中發生傳遞性的概率，在合作創新網絡的演化過程中，平均聚類系數較大，并且整體為上升趨勢，說明網絡中經常通過傳遞性建立合作關系。

表4、表5、表6 中列出了三階段合作創新網絡中，加權度排名前十的創新主體知識屬性情況，包括知識多樣性（KD）、知識鄰近性（KP）、知識組合潛力（KCP）、知識組合機會（KCO），表中的知識鄰近性用創新主體與其合作伙伴的平均知識鄰近性進行表示。

表4 2010-2013 年加權度排名前十的創新主體知識屬性情況

表5 2014-2017 年加權度排名前十的創新主體知識屬性情況

表6 2018-2021 年加權度排名前十的創新主體知識屬性情況

從表4、表5、表6 中可以看出，三個階段中加權度排名前十的創新主體多為大型企業，為了快速占領VR 領域市場，采取合作的方式，提高自身創新能力，促進VR 領域的技術與產品研發。隨著合作創新網絡的演化，越來越多的中國企業逐漸成為網絡中的重要組成成分，占據網絡核心地位。2010-2013 階段，國家電網、科東電力分別與多個創新主體建立合作關系，將VR 技術運用到電力工作當中，促進作業效率提升，降低操作風險。2014-2017 階段，樂視、京東方、歌爾股份與阿里巴巴等科技公司在VR 領域中迅速發展，將VR 技術運用到影視、智能穿戴產品、物聯網平臺等方面，大大擴展了VR 技術的中國市場。2018-2021 階段，京東方、國家電網在網絡中持續創新，占據核心位置，同時華為、廣州幻境等企業進一步推動VR 技術在智能穿戴領域的產品優化，使得VR 技術產品適用于各類消費者。

從知識屬性來看，隨著網絡的演化，創新主體的知識多樣性、知識組合潛力、知識組合機會均有提升，而知識鄰近性表現為下降趨勢。表明創新主體的知識資源庫不斷擴大，使得網絡中的知識資源不斷豐富，對多樣化知識的需求仍是網絡發展的動力。同時，網絡中的創新主體重視知識的開發與利用，尋求具有組合潛力與組合機會的知識元素，逐漸成為創新主體建立合作關系的重要影響因素。并且，知識鄰近性促進創新主體建立合作關系的優勢逐漸減弱，其帶來的知識同質化對創新的阻礙作用逐漸增強，對網絡的形成產生負面影響。

4.2 模型結果分析

采用R 軟件中的Statnet 程序包對ERGM 模型進程參數估計，其中參數為正或者為負且顯著，表明某種結構在真實網絡中被觀察到的概率比隨機網絡中更大或者更小，即某個結構或某種屬性對網絡的形成具有促進作用或者具有抑制作用。此外，AIC 和BIC 用來檢驗模型的擬合效果，其數值越小，表示模型越接近真實網絡的觀測，表7、表8、表9 分別展示了不同階段合作創新網絡的ERGM 模型擬合結果，其中每個階段都包括四個模型，Model1 只包括網絡弧效應（Edge），類似線性回歸中的截距效應，表示網絡中關系發生的基準傾向；Model2 加入網絡結構變量，驗證擇優性和傳遞性；Model3 加入外生節點屬性變量，驗證知識屬性對網絡形成的影響；Model4 同時包括網絡結構變量和外生節點屬性變量，研究網絡結構和知識屬性對網絡形成的共同影響。對比四個模型的AIC 和BIC，可以發現Model4 的數值最小，表示模型擬合效果最好，合作創新網絡的形成，同時受到內生結構和外生屬性的影響。因此，依據Model4 模型的結果，分析不同階段合作創新網絡形成的影響機制。

表7 2010-2013 年ERGM 模型結果

表8 2014-2017 年ERGM 模型結果

表9 2018-2021 年ERGM 模型結果

2010-2013 年合作創新網絡初步形成階段，ERGM 模型結果如表7 所示。在初步形成階段，在網絡結構影響方面，Gwdegree 與Gwesp 都為正向顯著且系數較高，表明網絡中傾向于出現核心-邊緣的星型結構與閉合三角形結構。擇優性與傳遞性對于網絡的形成起到重要的促進作用，新加入創新網絡的創新主體傾向于選擇網絡中度數較高的節點建立合作關系，體現出“強者越強”的馬太效應，同時通過共同的合作伙伴更容易形成合作關系，體現出“朋友圈”效應。在此階段，知識多樣性、知識鄰近性正向顯著，促進網絡關系的形成，而知識組合潛力、知識組合機會不具有顯著性，可能由于創新主體在創新網絡初步形成階段，其知識資源庫較小，知識缺口較大，尋求知識多樣化程度較高的合作伙伴，獲取更多知識元素，為自身的進一步創新做好知識儲備。同時，網絡中的創新主體之間尚未形成較強的信任關系，通過選擇具有知識鄰近性的合作伙伴，幫助企業降低成本和風險，提高知識學習效率。知識組合潛力與知識組合機會是由知識元素在網絡中的位置所決定的，在創新網絡初步形成階段，網絡中的創新主體較少，其全部知識元素構成的知識網絡規模也較小，知識網絡結構不夠穩定，因此知識組合潛力與知識組合機會對網絡形成的影響并不顯著。

2014-2017 年合作創新網絡快速成長階段，ERGM 模型結果如表8 所示。在快速成長階段，網絡的迅速擴張吸引了眾多新的創新主體加入，它們對合作伙伴的選擇仍然受到擇優性與傳遞性的重要影響，表現為Gwdegree 與Gwesp 的估計參數仍為正向顯著。知識屬性的影響中，知識多樣性與知識鄰近性仍對網絡的形成產生正向顯著影響，并且知識多樣性的影響進一步增強，知識鄰近性的影響效果減弱，可能因為在創新網絡快速發展階段，網絡規模迅速擴大，創新主體對創新的渴望進一步提升，進而促進對知識資源的需求，擴大自身知識儲備，具有知識多樣性的企業在網絡中的受歡迎程度進一步提高。同時，網絡中創新主體經過一段時間的交流與合作，增強了信任關系，獲取了其他創新主體的相關信息，降低了合作的風險與成本，減弱了知識鄰近性的部分影響作用。但是，選擇知識鄰近的合作伙伴仍能幫助創新主體提高知識學習效率，盡快接收對方知識體系。知識組合潛力與知識組合機會在此階段都對創新網絡的形成具有正向顯著影響，合作創新網絡的快速發展，帶動了其創新主體的知識元素所構成的知識網絡的快速發展，每個知識元素在知識網絡中具有各自的網絡位置。創新主體不僅想要獲取更多的知識資源，還想其獲取的知識資源具有價值與創新潛力，同時能保證創新主體可以順利進行知識的吸收。選擇具有較高知識組合潛力、知識組合機會的創新主體建立合作關系，幫助創新主體獲取有價值的知識資源。

2018-2021 年合作創新網絡穩定發展階段，ERGM 模型結果，如表9 所示。在穩定發展階段，新加入的創新主體數量減少，創新網絡規模緩慢擴大，擇優性和傳遞性在網絡中持續發揮其正向顯著作用，促進網絡的形成。知識屬性的影響中，知識多樣性對網絡形成的正向影響效果存在減弱，而知識鄰近性對網絡形成為負向影響，可能因為一方面創新主體獲取多樣化知識資源的需求仍然存在，另一方面隨著創新主體自身知識元素的逐漸豐富，知識資源庫的不斷擴大，某些具有多樣化知識體系的主體為了保證自身創新優勢，其與其他主體建立合作關系的意愿減弱，影響了知識多樣性對網絡形成的效果。同時，在合作創新網絡穩定成長階段，許多創新主體的知識學習能力已經得到了較大的提升，并且具有一定的財務能力去承擔風險成本，此時創新主體更希望獲取較為異質性的知識資源，在創新能力上得到進一步突破，如果選擇具有知識鄰近的主體建立合作關系，會導致知識同質化嚴重，減少創新主體探索創新的機會。知識組合潛力與知識組合機會對合作創新網絡的促進作用進一步增強，在網絡的穩定成長階段，網絡中的創新模式已經形成定式，創新主體想要進行創新的進一步突破，更在意知識元素價值與潛力的挖掘，選擇知識組合潛力較高，知識組合機會較大的創新主體進行合作，有利于探索新的創新機會。

5 結論與啟示

5.1 研究結論

本文以2010-2021 年虛擬現實技術合作專利數據，構建三階段新興技術合作創新網絡，分析合作創新網絡演化特征，并運用指數隨機圖模型探究網絡結構特征與創新主體知識屬性對網絡形成的影響。

新興技術合作創新網絡的形成是一個復雜的過程，網絡中創新主體合作關系的建立，是內生因素與外生因素共同作用的結果。知識資源逐漸成為推動創新發展的重要動力，知識屬性對合作關系的形成具有重要影響。

擇優性與傳遞性是影響新興技術合作創新網絡形成的重要結構特征。在網絡形成的不同階段，擇優性與傳遞性持續促進網絡關系的建立，其中擇優性表現為網絡中的“核心-邊緣”結構，解釋為網絡中的創新主體傾向于選擇節點度數較高的主體建立合作關系，有利于創新資源的快速獲取，提升主體的創新能力。同時，傳遞性表現為網絡中的三角形結構，解釋為創新主體之間傾向于通過的共同合作伙伴建立合作關系，促進有效信息的獲取，降低合作風險。

知識多樣性對于網絡的形成持續發揮促進作用，表明創新主體對多樣化知識資源的需求一直存在，多樣化的知識體系可以給創新主體提供更大的創新空間，有利于提升創新實力。

知識鄰近性在網絡初步形成與快速成長階段對于合作關系的形成起到促進作用，通過選取知識鄰近的創新主體作為合作伙伴，有利于緩解合作帶來的成本與風險，增強知識的學習效率。而在網絡穩定發展階段，知識鄰近性帶來的知識同質化阻礙了網絡關系的建立，創新主體更想獲取異質性資源，促進其創新能力的進一步提升。

知識組合潛力與知識組合機會在網絡形成初期并沒有起到顯著作用，在網絡后續的發展階段，對合作創新網絡的形成具有促進作用，表明網絡中的創新主體需要進行創新的進一步突破，獲取有價值、有潛力的知識資源成為選擇合作伙伴的重要因素。

5.2 研究啟示

政府應重點扶持核心創新主體，強化其網絡輻射效應。我國涉足虛擬現實產業的創新主體較多，但尚未形成良好的競爭結構。政府可以發揮市場引導作用，優先扶持網絡中的核心主體，增強在網絡中的輻射效應，強化在產業發展的引領作用。在產業發展后期，可以適當減少對之前核心主體的扶持，加強對網絡中次核心以及非核心主體的支持，增加網絡中核心主體數量，增強虛擬現實技術產業發展的可持續性。

創新主體應明確創新資源需求，主動擴展“朋友圈”。虛擬現實技術應用范圍廣泛，創新主體在確定其產業發展方向的基礎上，應明晰自身資源配置情況以及資源缺口，積極主動地加入合作創新網絡，擴大自身朋友圈，實現網絡中技術、知識等資源的高效傳播和運用。虛擬現實技術也是多個領域技術、知識的融合體，通過對自身發展狀況和知識儲備的認知，主體可以較為精確的選擇合作伙伴，實現知識資源的有效獲取，降低了無效資源獲取的成本，促進虛擬現實技術的創新發展。

本文基于專利數據構建新興技術合作創新網絡，采用共同專利權人信息表示合作關系，僅通過專利合作不能識別創新主體所有的合作對象，后續研究中應結合其他的方式確定合作伙伴。另外，不同新興技術的合作創新網絡形成機制可能存在差異，未來研究可選擇其他新興技術，進行進一步的驗證。