1、收稿日期:2022-11-24摇 摇 摇 摇 摇 摇 修回日期:2023-02-28基金项目:国家社会科学基金一般项目“我国新能源汽车产业集群全生命周期可持续发展机制研究冶(编号:18BJL069);教育部人文社会科学研究规划项目“产业链视角下新兴产业多层次创新网络协同演化动力机制研究冶(编号:22YJA630078);青岛科技大学研究生自主科研创新项目“产业链视角下新能源汽车产业协同创新网络演化机制研究冶(编号:S2022KY026)。作者简介:索摇 琪,女,1980 年生,博士,副教授,研究方向:创新网络;李长升,男,1997 年生,硕士研究生,研究方向:创新网络。多维度视角下新兴产业技术
2、演化测度研究*以我国新能源汽车产业为例索摇 琪摇 李长升(青岛科技大学经济与管理学院摇 青岛摇 266061)摘摇 要:研究目的对新兴产业技术演化特征进行测度,有助于透视新兴产业技术演进轨迹,进而为产业技术发展提供借鉴。研究方法从多维视角构建新兴产业技术演化测度框架。首先,对技术社群进行动态演化识别和可视化,揭示技术演进路径;其次,引入技术熵对技术演化状态进行分类和测度,明晰产业技术演化稳定性;再次,通过关键词-时序分析刻画知识元素演化轨迹,识别产业技术前沿;最后,以产业链视角分析产业技术结构,揭示技术发展重心。研究结论以我国新能源汽车产业为例进行实证分析,研究发现:新能源汽车产业关键技术已形
3、成突破性发展,但仍伴随着不均衡性;产业核心技术形成了六大演化路径;知识元素的出现时间、创新频率和创新区间三者密切相关,产业前沿技术创新活跃;随着技术领域的不断细分,产业链不断横向和纵向扩展,产业链重心的过渡及上下游协同助力产业结构的升级发展。关键词:新兴产业;演化测度;社群识别;知识元素;技术熵;新能源汽车产业中图分类号:G306摇 摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 摇 文章编号:1002-1965(2023)10-0140-10引用格式:索摇 琪,李长升.多维度视角下新兴产业技术演化测度研究J.情报杂志,2023,42(10):140-149.DOI:10.396
4、9/j.issn.1002-1965.2023.10.020Technology Evolution Measurement of Emerging Industries from a Multi-DimensionalPerspective:New Energy Vehicle Industry of China as an ExampleSuo Qi摇 Li Changsheng(School of Economics and Management,Qingdao University of Science and Technology,Qingdao摇 266061)Abstract:R
5、esearch purpose Measuring the technological evolution characteristics of emerging industries can provide a better under鄄standing of the trajectory of technological evolution within these industries,and can therefore offer valuable insights into the developmentof industrial technologies.Research meth
6、od This study proposes a multi-dimensional framework for measuring the technological evolu鄄tion of emerging industries.Firstly,the dynamic evolution of the technical community is identified to delineate the technological evolutionpath.Secondly,technical entropy is introduced to classify and measure
7、the status of technological evolution,thereby clarifying the stabilityof industrial technology evolution.Thirdly,the evolution trajectory of knowledge elements is defined through keyword-sequence analysisto identify the frontier of industrial technology.Finally,the industrial technology structure is
8、 displayed from the industry chain perspective,which reveals the focus of industrial technology development.Research conclusion Using the new energy vehicle industry of China asan example,this research provides empirical evidence that the industrys key technologies have achieved significant progress
9、,while the de鄄velopment has been characterized by a significant imbalance.The core technologies of the industry have undergone six distinct evolutionarypaths.The emergence time,frequency,and innovation interval of knowledge elements are closely related.The innovation of frontier tech鄄nologies in the
10、 industry is also highly active.Moreover,the industry chain has continued to expand both horizontally and vertically due tothe ongoing subdivision of technical fields.Finally,the focus transition of the industry chain and the synergy between the upstream anddownstream sectors have facilitated the up
11、grading and development of the industrial structure.Key words:emerging industry;evolutionary measure;community identification;knowledge element;technical entropy;new energy ve鄄hicle industry第 42 卷摇 第 10 期2023 年 10 月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇情摇 报摇 杂摇 志JOURNAL OF INTELLIGENCE摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇Vo
12、l.42摇 No.10Oct.摇 20230摇 引摇 言当前,新一轮科技革命和产业变革正在重塑全球经济结构,新兴产业具有科技含量高、市场潜力大、带动能力强、综合效益好等特征,对于引领国民经济发展和提升国家竞争优势发挥着至关重要的作用。作为科技创新活动最为集中和活跃的领域,新兴产业代表着未来科技和产业发展的新方向1。然而,新兴产业的发展往往建立在前沿科技重大突破基础上,其技术的发展和突破常常面临较强的不确定性。在此背景下,探究新兴产业的技术演化态势,明确技术演化脉络,进而为产业技术预见提供决策参考,已经成为当前亟待解决的重要问题。产业技术发展是一个涉及多要素的复杂动态演化过程,技术社群演化往往以
13、知识元素突破为前提,产业技术结构可以视为技术社群发展的阶段性表现。因此,从多维视角测度技术社群、知识元素、产业结构的演化联动和差异特征,有助于从全局层面把握产业技术演化的内外部关联性以及整体结构特征。完整而有效的产业技术演化测度能够为产业技术发展提供支撑,对于产业技术规划、技术风险规避、产业优势塑造具有重要的现实意义。1摇 文献综述新兴产业的发展伴随着技术变革与创新,技术的加速迭代推动着产业的升级。当前新兴产业相关研究集中于产业发展水平、产业创新及产业技术研究等方面。新兴产业发展测度方面,Bukht 等2结合数字经济的定义对其产业规模进行了估计;闫俊周等3对新兴产业供给侧创新效率进行了评价。蔡
14、伟等4构建了综合评价指标体系对新兴产业经济效率进行评价;孙理军等5基于科技-市场-政策环境框架对新兴产业自主发展水平进行测度。产业创新相关研究多从技术创新、企业创新、制度创新等视角进行探讨。康鹏6量化界定了不同部门在新兴产业技术创新中的角色演化;鲁志国等7基于三阶段 DEA 模型测算了新兴产业技术创新效率;袁军等8探讨了研发补贴集中度、高管技术背景对新兴产业企业创新的影响;张秋实等9运用面板门槛模型讨论了内部控制对新兴产业企业金融化与企业创新关系的作用。陈文俊等10分析了新兴产业政策对生物医药上市公司创新绩效的影响;肖振红等11采用倾向得分倍差法检验了新兴产业政策对企业创新绩效的影响及作用机制
15、。产业技术相关研究多关注于产业技术演化和产业技术预测,王建华12基于新兴产业技术演化路径依赖性检验,揭示了中国战略性新兴产业技术发展的基本规律;郑荣等13借助关键路径分析法,明晰了新能源汽车产业不同新兴技术领域下的关键路径;魏旭光等14构建新兴技术创新超网络演化模型,仿真分析了我国新能源汽车技术创新网络的演化规律;丰米宁等15从产业链视角进行 3D打印产业的主题识别和技术演化,探寻领域整体发展态势和主题内外部的关联。产业技术研究方法呈现出多样性特征,基于引文数据16-17、专利数据13,18、市场数据19,结合社会网络分析方法14,20-21、语义聚类算法22-23、相关模型24-25、社群发
16、现13,21,26等方法从不同视角开展了研究。产业技术识别则关注从技术和主题视角探究技术演化路径并进行技术预测。周源等21建立文献引用网络识别了增材制造领域的技术演化路径;陈悦等18采用技术融合与演化路径探测的新方法识别增材制造领域的技术发展路径;吴菲菲等23利用遍历算法识别太阳能电机板技术的演化路径;陈翔等27基于动态语义网络刻画了信息科学领域的主题演化路径;宁博文等28分析了生物制药产业新兴技术的发展脉络,并预测了未来发展趋势。Wu等29提出了 LDA 主题模型、主题生命周期、技术熵相结合的分析方法,用以识别和测量技术主题演变。现有研究为本文的研究提供了丰富的理论基础,然而仍然存在有待完善
17、之处:其一,当前研究多围绕技术社群进行讨论,鲜有研究从知识元素及产业链视角刻画产业技术演化过程中的知识元素和产业结构的演变特征;其二,现有研究多围绕技术维度构建指标测度,多角度下的演化过程分析有待深入;其三,分析内容多将技术识别与技术路径演化结合,缺乏将技术路径、技术预测、技术前沿相串连的总体测度,新兴产业的整体演化特征有待进一步揭示。2摇 研究设计产业技术演化测度旨在基于新兴产业技术专利的基础上,从技术社群、知识元素、产业链角度揭示技术演化态势,阐明新兴产业技术随时间变化而呈现出的内部差异性和整体性特征。研究以新能源汽车产业作为实证对象,基于产业发明专利数据构建专利网络。从技术社群角度,借助
18、社群影响力和聚类算法的动态性优势,对 IPC 共现矩阵进行社群划分,探究技术社群在不同时间节点下的重要程度及变动趋势,进而识别产业技术社群演化路径。基于技术演进状态及技术熵对技术社群演化强度进行测度,进一步完善产业技术演化机制;从知识元素角度,分析关键词-时间双重联系,通过知识元素演化及融合度刻画知识元素随时间的演化过程,识别产业技术热点和前沿;从产业技术结构角度,通过产业链不同环节的创新融合刻画产业技术结构重心及变化。具体研究框架如图 1 所示。摇 2.1摇 技术社群识别及动态演化本文选取 Infomap 算法识别产业技术社群的动态变化30。Infomap 算法是一种基于信息论的多层次网14
19、1摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 索摇 琪,等:多维度视角下新兴产业技术演化测度研究图 1摇 研究框架络社群发现算法,对于大型有向加权复杂网络社团识别效果良好,且具有高效稳定的特点。该算法的优势在于可结合 Mapequation 平台的可视化直观反映技术社群随时间变化的动态演变特征;为减小技术社群冗余性,采用最小熵原理有效识别重要链接,从而简洁反映社群组成;Infomap 算法通过模块化结构识别网络社群,在算法运行过程中确定社群数量,不需要先验知识,避免主观造成的划分误差。其目标函数映射方程如公式(1)所示。L(M)=q琢H(Q)+移mi=1pi茁H(Pi)(1)其
20、中,映射方程 L(M)描述了最小化随机游走者在网络上随机游走轨迹的简洁程度,M 为给定的网络分区;方程右侧第一项描述模块间移动所需的平均位数,第二项描述模块内移动所需的平均位数;q琢为随机游走者在任何给定步下切换模块的概率,H(Q)为模块间运动的熵,即索引码本(Huffman 编码)中码字的频率加权平均长度31,H(Pi)为模块内运动的熵(包括退出模块),即模块码本(Huffman 编码)中码字的频率加权平均长度,权重 pi茁为在模块 i 内运动时的分数和退出模块 i 的可能性。因此,移mi=1pi茁=1+q琢。本文采用冲积图进行新能源汽车产业技术动态演化的可视化展示。冲积图基于流的形式捕捉社
21、群结构在网络上的动态变化,不同的模块代表不同的技术社群;模块的位置和大小则分别表征了社群的重要性和规模。位于冲积图底部的模块具有较高的地位和较大的社群规模。通过流能够直观展示出相邻时间窗口的技术社群结构变化。冲积图的绘制依托 Mapequation平台(https:/www.mapequation.org/)实现。摇 2.2摇 技术演化社群测度2.2.1摇 社群影响力度新兴技术的演化过程受到政策、经济、研发限制等多种因素影响,其影响力度是动态变化的,对不同时间窗口各技术社群影响力度计算,可识别不同技术的演化趋势。社群影响力(INF)通过技术社群涉及的知识元素及技术社群的相对重要性表示,如公式(
22、2)所示。INF=si伊 ii摇 摇(2)其中,si为技术社群i 的规模,ii为技术社群 i 的相对重要性。2.2.2摇 社群相似度对相邻时间窗口的技术社群进行相似度计算,能够确定技术社群之间的演化与扩散路径。余弦相似度越大,则意味着两个社群越相似18,借此可以进行社群相似度判断,具体计算如下。cos()兹=AB椰A椰椰B椰=移ni=1Ai伊 Bi移ni=1A()i2伊移ni=1B()i2其中,A、B 均为技术社群所对应的向量。2.2.3摇 技术演化状态与技术熵新兴技术的发展和变迁兼具连续性和不稳定性特征,一种技术可能会细分成多个知识元素,也存在多个知识元素融合成新技术的情形。社群在演化过程中
23、的连续状态之间会发生变化,如融合、裂变等。通过追踪社群到相邻社群的流,可直观揭示社群的变化状态32。本文以网络社群表征技术领域,结合社群生命周期理论,借鉴已有研究18,33-34并结合技术社群的不同发展状态,将其划分为分离型技术、融合型技术、继承型技术和孤立型技术四类,并分别构建分离度、融合度、继承性、孤立性指标进行测度。分离度(SD)、融合度(FD)、继承性(IN)指标测度如公式(3)所示。SD/FD/IN=移mi=1wici(3)其中,m 为技术数量,wi为第 i 个技术所占比重,ci为第 i 个技术所分裂/融合/继承的知识元素分流数量。由于孤立型技术在技术演化过程中前后无知识元素分流技术
24、,因此孤立性(IS)通过孤立型技术相对重要性占所有技术相对重要性的比重来测度,如公式(4)所示。IS=移mi=1wisi(4)其中,wisi为第 i 个技术所占比重。241 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 42 卷技术熵。随着知识元素的分流和技术融合、分离、继承、孤立状态的转换,产生了熵增量,即熵流(E),定义29如公式(5)所示。E=Ese+Efu+Ein+Eis(5)其中,Ese、Efu、Eis、Ein为技术分离、融合、继承、孤立所产生的熵。借
25、鉴网络结构熵的相关研究35,对技术熵增量的四种不同情况结合分离度、融合度、继承性、孤立性分别对技术重要程度和熵增量进行定义,如公式(6)所示。Ese=-移Nj=1IsejlnIsej(6)其中,N 表示分离型技术数量。结合公式(3)和公式(6),可得 Ese,同理可得 Efu和 Ein。由于孤立型技术无知识元素分流,采用孤立性(IS)进行测度孤立型产生的技术熵,有:Eis=移Nj=1ISj(7)结合公式(3)-(7),技术熵表达式如公式(8)所示。E=-移Nj=1wsejcsejSDlnwsejcsejSD+移Nj=1wfujcfujFDlnwfujcfuj(FD+摇 摇移Nj=1winjci
26、njINlnwinjcinjIN+移Nj=1IS)j(8)特别地,当各技术社群重要性相等时,即 Ij=1/N时,Emax=lnN;当演化为某一社群的重要性最大时,技术演化极不均匀,即 Ij=1 时,Emin=0。为消除不同年份技术社群数量差异的影响,对四种熵增量进行归一化处理,有:E夷=E-EminEmax-Emin=ElnN(9)E夷为标准技术熵,即 0 臆 E夷臆 1。摇 2.3摇 技术演化知识元素测度2.3.1摇 知识元素演化知识元素是产业技术复杂性的内在表征,知识元素的演化驱动了产业技术的演进轨迹。为探究知识元素的演化趋势,基于新兴产业的专利分类号共现关系、分类号每年出现频率和分类号的
27、出现年份,进行关键词-时间叠加分析。可视化图中,同列节点代表同一聚类,连边代表共现关系,连边粗细代表共现强度。节点大小根据演化区间内分类号出现的频率决定,一般而言,节点越大,意味着该分类号所对应的技术领域获得了更为广泛的关注。为进一步识别新兴知识对产业技术演化的影响,以分类号首次出现年份表征技术社群中知识元素随演化的应用程度;以分类号的加权平均时间表征不同知识元素对技术演化的参与程度。加权平均时间(WAT)通过分类号出现年份及该年份分类号出现频率决定,如公式(10)所示。WAT=移iyeari伊 frequencyi移ifrequencyi(10)其中,yeari为分类号 i 的出现年份,fr
28、equencyi为该年份分类号 i 的出现频率。2.3.2摇 知识融合度在技术演化过程中,若知识元素较其他知识元素出现频繁,且连接的知识元素不断增多,表明该知识元素不断进行交叉、融合,则该技术的知识融合度得以不断增强,在未来发展中有较大概率成为技术前沿和研究热点36。知识元素融合度(KF)的计算如公式(11)所示。KF=oi/qi摇(11)其中,oi为知识元素 i 与其他知识元素的共现次数,qi为知识元素 i 的共现知识元素个数。2.3.3摇 产业链结构产业关联是产业链协同的表达,通过技术社群中不同产业链的知识元素所占比重来映射产业结构的变化。以不同产业链归属的分类号当年出现频率作为权重结合技
29、术社群中该分类号所占比重,判别知识元素在当前时间窗下的重要性。汇总当前技术社群和当前所有技术的上中下游产业链对比,分析产业链结构随时间的变更过程。产业链参与(KI)的计算如公式(12)所示。KI=移mj=1移ni=1ipctiflowti(12)其中,ipcti为时间点 t 的第 i 个知识元素出现的频率,n 为技术社群的知识元素数量,flowti为第 i 个知识元素的重要性,移ni=1ipctiflowti为第j个技术社群中不同产业链所占的比重,j 为时间点 t 的技术社群数量。产业链融合意味着产业不同技术环节上的知识元素通过彼此关联实现信息和价值互换,从而增加新兴技术创新的韧性和稳定性。将
30、产业链融合分为内部融合(上游、中游、下游)和外部融合(上中游、中下游),构建产业链融合创新网络,通过计算归属不同产业链的知识元素共现次数来测度产业链融合的创新能力及变化趋势。3摇 实证分析新能源汽车产业作为重要的战略性新兴产业,是实现绿色可持续发展和产业结构升级的重要力量。新能源汽车产业作为知识密集型长周期型产业,产业链长且覆盖范围广,产业技术演变具有高度不确定性,其技术演化特征对于新兴产业技术演化具有一定的代表341摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 索摇 琪,等:多维度视角下新兴产业技术演化测度研究性,对于国家战略性发展规划的制定具有重要意义。专利数据是创新研究、战
31、略决策和技术变迁的关键数据源。相较于论文和政策等数据,专利能够更真实地刻画出产业技术创新和演化变迁的真实脉络。鉴于此,本文选取我国新能源汽车产业的发明专利数据作为研究样本,验证本文的研究思路。数据来源于专利信息服务平台(http:/)。鉴于产业 IPC 分类号较为复杂,为保证数据的完整性,采取关键词检索方式,以“新能源汽车冶or“电动汽车冶or“纯电动汽车冶or“混合动力汽车冶or“燃料电池汽车冶作为关键词进行检索。考虑到产业前期专利数量较少以及专利数据 18-36 个月的专利保护期,选取 20092018年间的数据作为研究样本,剔除部分不完整和国外创新主体的专利数据,最终获得新能源汽车产业发
32、明专利数据共计 26 326 项。摇 3.1摇 新能源汽车产业技术社群演化测度分析考虑到产业技术的复杂性和密集性,采用国际专利分类号(IPC)前 6 位表征不同技术领域的知识元素。据此,将专利数据进行分解处理,最终得到样本区间内的知识元素总计为 1 699 个。以知识元素为节点,以 IPC 共现关系为连边,构建 20092018 年 IPC共现网络。基于 Infomap 聚类算法对共现网络进行技术社群划分。根据社群重要性及社群结构变迁,划分并绘制新能源汽车产业技术社群如图 2 所示。图 2摇 新能源汽车产业技术社群划分表 1摇 技术社群知识元素演化趋势200920102011201220132
33、0142015201620172018知识元素数量162229258272288337378455415507技术社群数量29374048505359615773摇 摇 由图2 和表1 可知,样本期内,技术社群数量由29个增长至 73 个,虽然 20162017 年间略有下降,但整体呈现上升趋势。随着产业的发展,知识元素增多,技术种类不断增加,关键性技术取得突破性进展。同时,技术社群演化呈现出明显的融合和分离特征,表明随着技术领域的不断细分,产业创新不断涌现。然而,技术社群的规模呈现出较大的差异性,不同技术的发展具有不均衡性。提取每年重要性排名前十位的技术社群作为产业关键技术进行技术演化分析,
34、以每个社群中最重要的两个知识元素表征该社群的技术含义。通过国家知识产权局等网站查询相关专利分类号对应含义,并结合原始数据中包含相同知识元素的专利名称进行分词、同义词合并,剔除无意义词后进行词频统计。将筛选出的代表性关键词与电动汽车术语(GB/T 19596-2017)专业词进行归纳对比,并咨询相关专家,总结获得各技术社群名称。计算不同时间窗的节点技术社群影响力度,同时计算相邻时间窗的节点技术社群相似度,从而归纳技术社群演化关系。通过将相似度最大的技术社群之间的关系进行可视化,分析技术演化路径和技术社群的动态影响,结果如图 3 所示。结合图 2 和图 3 可知,十年来技术社群呈现出较强的不稳定性
35、,涉及的知识元素不断分离和融合。其中,由关键技术衍生出的小微技术众多,但生命周期普遍不长。产业核心技术集中于动力系、蓄电池、整车控制器、电机、高性能材料、车辆温控系统、数据处理系统、车辆充电和驱动系统等领域。就技术种类演化而言,虽然动力系、蓄电池、整车控制器、电机、高性能材料的重要程度在不断变化,但始终是产业创新的重点技术领域。其次,数据处理系统自 2015 年起连续四年出现,表明产业技术重心逐渐向以售后为主体的产业链下游转移。电力系统、车辆转向系统、充电装置、发动机、高性能涂料、照明系统、指示器及信号装置、风能驱动装置等伴随着产业的发展而短暂出现,技术不稳定性较大。货运电动汽车设计等相关技术
36、的出现,表明产业定位已经延伸至道路441 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 42 卷客运和城市物流等方面,侧面反映出产业的全方位拓展。就技术影响演化而言,对样本区间出现的各技术影响力度相加,获得整体影响力度。排名前十的技术依次为:车辆充电(45.71)、高性能材料(43.29)、电力系统(16.87)、蓄电池(16.39)、动力系(15.22)、整车控制器(7.06)、驱动系统(6.04)、蓄电池系统(5.18)、电机(5.06)、数据处理系统(4.
37、83)。其中,车辆充电和蓄电池始终处于技术前列,车辆充电作为新能源汽车的动力来源、蓄电池作为新能源汽车的核心,其技术的发展决定了新能源汽车的性能不断提升,技术的持续更新将进一步促进产业的可持续发展。高性能材料不仅应用于车辆结构和材料使用,还广泛应用于充电桩材料、结构材料及充电电缆中,自 2014 年起始终处于较为重要的位置,其后来居上也体现出产业技术创新逐渐向充换电设施倾斜,下游服务和能源供给体系在逐渐完善。图 3摇 新能源汽车产业技术演化图谱表 2摇 主要技术社群知识元素组成及描述主要技术群名称核心分类号技术描述动力系B60K 族、B62D 族动力单元与传动系的组合、布置与安装、优化;整车驱
38、动、制动、能量回收蓄电池H01M 族各类型蓄电池;蓄电池材料、结构及辅助装置整车控制器B60W 族动力总成控制器电机H02K 族各类型电机;电机结构、材料;电机控制器部件及其相关装置高性能材料C08K 族、C08L 族电缆及电缆材料;外壳料;弹性体材料等各种复合材料车辆温控系统B60H1、F25B41、F24F 族热泵空调循环系统、冷热管理系统及各部件制冷制热系统数据处理系统G06Q 族、G06F 族充换电管理系统及方法;在线综合服务系统;充电效益、风险、综合评价系统等车辆充电H02J7、B60L11、H01R13充电装置、充电控制系统;充电桩、充电电路优化车用电缆及充电电缆H01B 族车用电
39、缆、充电桩专用电缆及充电电缆;电缆性能优化驱动系统B60L 族、B60K 族放电控制系统、电动机驱动系统及动力系统和电机控制器摇 摇 依据图 4 和表 2,结合演化区间原始专利数据,通过词云分析专利摘要相关变化进行归纳,新能源汽车产业的主要技术演化路径覆盖以下领域。a.车辆充电。以 H02J7、B60L11、H01R13 为核心,充电基础设施得以不断完善,充电技术得以不断提升。充电技术历经传导式直流充电和传导式交流充电、共享换电、无线充电等技术演变。b.蓄电池。以 H01M10、H01M2、H01M4 为核心,蓄电池向低成本、高续航、安全稳定的方向全面提升。历经由铅酸电池、镍氢电池、锂电池、氢
40、燃料电池、固态锂电池的技术演变,并在锂电池基础上研发出刀片电池和三元锂电池,电极材料向高镍、低钴方向发展。c.整车控制器。以 B60W10、B60W20、B60W30、B60W40 为核心,整车控制器是新能源汽车的功能控制中枢,通过各类信号实现对各执行机构的控制,主要发展方向为从软件和硬件两种途径实现整个控制架构的演变。d.动力系。以 B60K1、B60K17、B62D21、B62D25 为核心,经历由传统燃油汽车向混动节能汽车再到纯电驱动新能源汽车的演变。e.电机。以 H02K1、H02K3、H02K5、H02K7 为核心,演化方向为电机性能(功率、噪音等)和功能(绝缘、耐高温等)的优化;电
41、机控制器向高处理效率和高耐用性方向发展。f.高性能材料。以 C08K3、C08K5、C08L23 为核心,主要表现为具有更高性能(耐寒、阻热等)的车身、电缆、充电桩、各装置外壳、保护装置及内饰材料;车身轻量化的主541摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 索摇 琪,等:多维度视角下新兴产业技术演化测度研究流发展方向为混合复合材料和碳纤维复合材料。为测度产业技术演化强度和方向,统计样本区间内四种类型技术数量,并对各时间节点的各社群节点度进行拟合,发现社群节点度均呈幂律分布,符合无标度网络特征。故对各类型技术在演化过程中的技术熵进行统计,结果如表 3 所示。表 3摇 技术演化
42、类型及技术熵年份分离型技术融合型技术继承型技术孤立型技术EseEfuEinEisE夷20092107001.690.0101.02201033221403.693.740.0502.09201137301004.414.430.0302.4120123638904.554.550.0402.3720134641804.384.440.0602.28201449421104.914.940.0402.49201548461303.663.680.0401.8120165045764.224.230.010.012.0920175053403.853.840.0101.902018058872.1
43、22.120.010.010.99摇 摇 分析表 3 可知,样本区间内,分离型技术和融合型技术占比最大,且整体呈现逐年增长态势,这表明伴随着产业技术的演化,知识元素较为活跃,不同知识元素的相互协同促进了技术增长,从而实现了技术的不断突破。继承型技术数量呈波动态势,表明在技术演化过程中存在周期性技术细分和技术整合,技术通过不断优化、淘汰实现技术迭代。孤立型技术在样本期后期出现,反映了在演化过程中的尝试性创新,目前技术发展仍存在较大空间。标准技术熵呈现出先增长后下降的变化趋势,表明技术演化经历了由较稳定到动荡再到较稳定的演化过渡。标准技术熵以及各类型技术熵均在 2014 年达到最大值,究其原因在于
44、,20092014 年间,产业技术创新处于起步期,各项技术尚未成熟,在演化过程中各技术齐头并进共同发展,该阶段技术重要性发展较为平均;至 20152018 年间,由于政策引导、资源倾斜和市场需求,产业在迅速发展中逐渐将研发重点倾向于少量核心技术,高性能材料、车辆充电、蓄电池等技术分支发展迅速并日趋成熟,导致各技术间的相对重要性相差悬殊。摇 3.2摇 新能源汽车产业知识元素演化测度分析将 20092018 年间分类号共现矩阵及分类号时间属性导入 VOSviewer 软件,生成时间-分类号叠加图,分类号首次出现时间和加权平均时间分别如图 4和图 5 所示。图 4摇 知识元素演化图谱(首次出现)摇
45、摇 对比图 4 和图 5 可知,随着时间的推移,知识元素数量的增加导致各技术社群规模不断扩大。早期出现的知识元素(B60L11、H02J7、H01M10 等)均实现了较为广泛的应用,而较晚出现的知识元素则应用频率不高。整体而言,知识元素的应用频率取决于出现的时间节点。这表明技术演化和知识迭代具有相对稳定性。然而,部分知识元素(B60L53、H02J50、B60L58、C08K3、H01B3 等)虽然出现时间较短,但得到了较多应用。结合 IPC 含义和原始专利数据相关摘要,可归纳部分技术演化方向。传统电动车辆动力装置电动汽车逐渐向油电混合驱动电动汽车过渡;车用材料向多用途(B60L53、B60L
46、58 等)、高 性 能 的 复 合 材 料(C08K3、H01B3、C08L71、C08L83、C08L79 等)发展;无线供配电的电路装置或系统将成为电池组的充电、供电装置的未来方向(H02J50);液体变容式机械可优化车辆电动机和内燃机的使用性能(F04B37);人车交互系统、各级数据处理系统不断优化升级(G06F16),且相较于其他技术,高性能材料领域迭代最为迅速。641 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 42 卷图 5摇 知识元素演化图谱(加
47、权平均时间)摇 摇 由加权平均时间可知,出现时间较早的知识元素的节点颜色若演变为演化中间阶段的知识元素节点颜色,则表明在整个演化阶段中该知识元素均被广泛应用。由此可知,大多数较早出现且频率较高的分类号(包括 B60L11、H02J7、H01M10、H01M2 等)均应用于技术演化的整个阶段,这些知识元素均为组成技术的基础知识元素。部分知识元素节点颜色未发生改变,光能发电(H02N6)和风能发电(F24F5、F24F11)在演化中后期并未获得创新,这些技术被中止或淘汰。计算不同分类号的知识融合度可用于探究未来新能源汽车产业的技术前沿和研究热点。鉴于不同分类号之间出现频次和共现强度差距较大,仅对知
48、识融合度排名前 20 位的分类号进行统计,如表 4 所示。表 4摇 知识元素融合度(前 20 位)IPC共现次数共现个数知识融合度IPC共现次数共现个数知识融合度F04B37516833.60C08L237697612.84F04B351134931.73C08K3107137312.83F04B491230125.08H01M10214250911.72G06Q1060119919.98H02J7294340711.59G06Q505599618.11G06Q306062910.48F04B392237216.91H02K212020010.00H01R136898714.51H02J364
49、6329.88C08K582111613.61C08K9585419.33B60L11457617513.51H02K1575309.30C08K1390120213.36B60L1512111249.29摇 摇 将表 4 中的相关知识元素带入原始数据集中,依托相关元素专利数据获得前沿技术。产业知识融合度最高的知识元素为 F04B37、F04B35、F04B49、F04B39等,即随着以液体变容式机械、泵为核心的知识技术的不断发展,具有节能、清洁实用、调控方便等优势的热泵技术快速兴起并成为技术前沿,为解决新能源汽车冬季续航里程短问题提供了有效方案。此外,以G06Q10、G06Q50、G06Q3
50、0 等知识元素为代表的数据处理系统紧随其后,其代表性技术包括自动驾驶云仿真平台技术和自动驾驶云服务技术等。中国制造2025 已将材料技术列为节能与新能源汽车发展核心的宏 观 布 局,目 前,以 C08K5、C08K13、C08L23、C08K3、C08K9 等知识元素为代表的汽车高性能材料,如铝合金、碳纤维、工程塑料等车身材料,以及具有高性能的核心部件材料,如碳化硅逆变器提高了三电等核心部件的利用效率。以 H01R13、B60L11、H01M10、H02J7、B60L15 等基础知识元素为代表的刀片动力电池技术、燃料电池系统技术等前沿技术有望实现动力电池创新的二次飞跃。H02K21、H02K1
