中国制造业创新集聚典型事实描述：基于专利数据的分析

李泽扬

［摘 要］制造业创新是中国未来经济发展的重要议题。制造业创新无论是在空间上还是在行业间，都呈现出明显的集聚特征。文章基于专利数据，从区域内空间集聚与城市内行业集聚两个视角总结了中国制造业创新集聚的典型事实。

［关键词］制造业创新；集聚；专利

［中图分类号］ F12 ［文献标识码］ A ［文章编号］ 2095-3437（2023）08-0145-04

创新是引领发展的第一动力，党的二十大报告强调：“坚持创新在我国现代化建设全局中的核心地位，并对加快实施创新驱动发展战略进行部署。”同时也强调：要加快建设制造强国，实施产业基础再造工程和重大技术装备攻关工程，推动制造业高端化、智能化、绿色化发展。因此，如何推动制造业创新成为了未来经济发展的重要议题。由于经济发展不平衡与创新要素天然集聚的特征，制造业创新无论是在空间上还是在行业间，均呈现出明显的集聚特征。因此，深入探究中国制造业创新集聚的典型事实显得尤为必要。

首先，本文与创新测度的研究相关。卡利诺（Carlino）和克尔（Kerr）提到：“创新既可采用创新过程投入（例如风险投资或研发支出）来衡量，又可采用创新产出（例如各类专利）来衡量，还能基于创新的最终作用（例如新产品数量）来衡量。”[1]而在目前国内的创新研究中，往往采用专利量来衡量，例如黎文靖和郑曼妮等[2]，但如何体现专利价值也是目前亟待解决的问题，对此，寇宗来和刘学悦[3]提供了研究思路，他们根据佩克斯（Pakes）和香克曼（Schankerman）[4]的专利更新模型，对中国的发明专利进行了价值估算，将2001年全国专利价值总量标准化值设定为100，计算得到2001—2016年的城市产业创新指数。

其次，本文还与集聚测度的研究相关。本文主要关注空间集聚与行业集聚的专业化与多样化测度，其中专业化衡量指标有杜兰顿（Duranton）和普加（Puga）[5]使用的首位部门集中度、赫芬达尔-赫希曼指数以及宣烨和余泳泽[6]等使用的熵指数；多样化衡量则有赵伟和隋月红[7]基于赫芬达尔-赫希曼指数的各种修正指数。

基于专利数据，本文采用寇宗来和刘学悦[3]提供的城市产业创新指数，分别构建空间与行业的专业化与多样化集聚指数，从区域内空间集聚与城市内行业集聚两大视角对中国制造业创新集聚现状与发展趋势进行典型事实描述。

一、中国制造业创新集聚的典型事实描述

为总结中国制造业创新集聚的典型事实，本文基于寇宗来和刘学悦[3]提供的2001—2021年的城市产业创新指数数据，选取其中的制造业专利创新数据，分别从区域内空间集聚与城市内行业集聚两个视角展开研究。

（一）基于制造业创新指数的区域内空间集聚比较

首先从区域内空间集聚视角入手，笔者选取京津冀、长三角与珠三角三大城市群的制造业创新指数与全国水平进行多维度比较。

1.制造业创新的区域内集聚：空间专业化与多样化

为考察制造业创新的区域内集聚情况，笔者根据制造业创新指数[I]构建了集聚指标，其中空间专业化指数与空间多样化指数的构造方式如下：

[ZIIrit=max（srit）， srit=IritIrt]              （1）

[DIIrt=1-HHI1-R-1， HHI=i=1Rsrit]              （2）

其中r代表区域，i代表城市，t代表时间，R为区域内城市数，[srit]为该区域中各地级市制造业创新指数在整个区域内的占比。空间专业化指数采用的是首位城市集中度指标，为该区域中各地级市制造业创新在整个区域内占比的最大值，取值范围为[1/R，1]。空间多样化指数则是采用调整后的赫芬达尔-赫希曼指数，由于赫芬达尔-赫希曼指数的取值范围为[1/R，1]，本文对其进行了调整，使其取值范围变为[0，1]。上述两个指标值越大，表明空间专业化与多样化集聚程度越高。

如图1所示，三大城市群与全国制造业创新集聚有以下典型事实：2001—2021年期间，京津冀专业化程度略有提升；长三角专业化程度呈现出先增后减的趋势，2006年前后的空间专业化指数达到最高，2006年后开始出现大幅下降；珠三角专业化程度的演变趋势比较波折，呈现出先减后增再减的变化情况，总体上略有下降。三大城市群专业化程度都远超全国平均水平，全国平均水平也同样存在下降的趋势。从空间多样化上来看，总体上与专业化演变趋势相反。通过各区域内城市制造业创新指数值的对比可知：京津冀区域内制造业创新主要集中在北京，2021年的制造业创新指数值为2276.49，远超区域内第二名的天津（263.20）；长三角区域内2021年的制造业创新指数值超过400的分别是上海（1123.478）、苏州（512.67）、杭州（497.40）与南京（466.79）；珠三角区域内2021年指数值超过400的分别是深圳（1131.38）和广州（487.01），各区域的创新指数值按各城市创新指数值加总计算得出。三大城市群的集聚模式存在一定差异：京津冀地区保持着北京“一家独大”的专业化集聚趋势，长三角地区则是“多点开花”的多样化集聚趋势，而珠三角地区则是深圳和广州双城联动带动周边城市逐步趋向多样化的集聚趋势。

2.行业大类视角下的制造业创新集聚：空间专业化与多样化

本文基于不同的制造业行业大类，重新测度了空间专业化与多样化指标，再次考察制造业创新集聚情况。如图2所示，本文选取了2021年制造业创新指数前三的行业，即计算机、通信和其他电子设备制造业，专用设备制造业以及通用设备制造业，分别做了三大城市群与全国制造业创新集聚的演变趋势图。三大城市群在计算机、通信和其他电子设备制造业的创新集聚情况为：京津冀地区保持着常年的高度专业化发展趋势；长三角地区的专业化程度在21世纪初有所提升，但随后转向高度多样化；珠三角地区在21世纪初保持非常明显的专业化上升趋势。在专用设备制造业方面，京津冀依然保持著高度专业化趋势；长三角地区的专业化趋势先增后减，逐步转向高度多样化；而珠三角地区总体上保持着较为缓和的多样化发展趋势。在通用设备制造业方面，京津冀地区继续保持着高度专业化趋势，但在中途有所下降；长三角地区专业化趋势先增后减，在2006年后迅速转向高度多样化；珠三角地区则是呈现了多样化程度波动上升的趋势。总体来说，对于这三个制造业创新的支柱行业，三大城市群的集聚情况在演化细节上略有差异，京津冀地区保持北京一城独大的专业化集聚趋势，长三角与珠三角地区则形成了多个创新增长点。

3.优势行业视角下的制造业创新空间分布比较

本文还选取2001年、2011年和2021年为三个代表年份，根据寇宗来和刘学悦的《中国城市和产业创新力报告2017》，分城市计算出制造业31个行业大类创新在所属城市群中的占比，并在城市群中标记各行业创新占比最高的城市。在此基础之上考察三大城市群中制造业创新占比最高的行业大类在不同城市间的分布状况，由此可知，2001年京津冀地区除了天津的家具制造业创新占比最高外，其他30个行业大类创新占比最高的城市均为北京。2011年和2021年，31个行业大类的创新占比最高的城市均为北京。在2001年长三角地区创新占比最高的行业大类中，南京占有2个，杭州、合肥、盐城、温州、绍兴五市占有1个，其他24个均属于上海。2011年制造业创新空间分布情况转变为上海拥有28个创新占比最高的行业大类，苏州拥有1个而宁波拥有2个。2021年上海拥有26个创新占比最高的行业大类，苏州拥有4个，温州拥有1个。反观珠三角地区创新占比最高的行业大类，2001年广州拥有23个，深圳拥有8个；2011年则变为广州拥有10个，深圳拥有18个，佛山、江门、东莞市各有1个；到了2021年广州拥有12个，深圳拥有17个，佛山拥有2个。上述情形意味着京津冀地区北京“一城独大”的专业化集聚趋势越发明显，长三角地区则呈现出专业化集聚先增后减的发展趋势，而珠三角地区则出现了创新重点的迁移，制造业创新的主动力源由广州转移至深圳。

（二）基于制造业创新指数的行业集聚对比

同样，此外仍选取2001年、2011年和2021年为三个代表年份，分别选取制造业创新排名前五的城市，其中包括2001年的北京、上海、沈阳、成都與武汉；2011年的北京、上海、深圳、杭州与南京；2021年的北京、深圳、上海、苏州与杭州。笔者将其分成北京、上海、沈阳、成都、武汉和北京、深圳、南京、杭州、苏州两组，并进行多维度比较。前者为老牌制造业创新强市，并可细分为持续高速增长的北京、上海两市与增速较缓的沈阳、成都、武汉三市；后者则是以北京为参照的新兴制造业创新强市，包括深圳、南京、杭州、苏州。

1.制造业创新集聚：行业专业化与多样化

上述内容主要介绍了制造业创新的集聚情况，根据制造业创新指数[I]构建集聚指标，其中行业专业化指数与行业多样化指数的构造方式如下：

[ZIIijt=max（sijt），sijt=IijtIil]                      （3）

[DIIit=1-HHI1-n-1，HHI=j=1nsijt]             （4）

其中i代表城市，[j]代表行业大类，t代表时间，n为行业大类数（其值为31），[sijt]为某地级市某个行业大类的制造业创新在整个城市内的占比。行业专业化指数采用的是首位行业集中度指标，为各地级市中行业大类制造业创新占比的最大值，取值范围为[1/31，1]。行业多样化指数为调整后的赫芬达尔-赫希曼指数，取值范围为[0，1]。

如图3所示，可以发现北京、上海、沈阳、成都、武汉等五个城市的行业集聚情况大致呈现出先专业化后多样化的发展趋势。北京呈现出先专业化、后多样化、再专业化的发展趋势；上海则呈现出明显的多样化趋势，但在2012年之后略微转向专业化；沈阳呈现出明显的多样化趋势；成都的变化趋势与北京相似，但较为缓和；武汉同沈阳类似，变化趋势较为缓和。这五座城市中，行业专业化集聚程度最高的是北京，上海次之；多样化集聚程度最高的则是武汉，成都次之。

如图4所示，除了深圳之外，其他城市的行业集聚情况有以下发展趋势：深圳的行业专业化趋势非常明显，并在2008年达到最高位，而后略有下降；南京总体上保持多样化的趋势；杭州专业化程度处于低位浮动；苏州专业化程度先减后增，但总体保持下降趋势。这五座城市中，行业专业化集聚程度最高的是深圳，其他各城市与其差距非常明显，而多样化集聚程度由高至低依次是苏州、南京、杭州与北京，但在2016年之后，苏州、南京与杭州的行业多样化集聚差距很小。

2.制造业创新集聚：主导行业变迁

本文聚焦上述9个代表性城市制造业创新的行业结构，考察各城市的创新主导行业如何变化。具体地，本文根据寇宗来和刘学悦的《中国城市和产业创新力报告2017》分城市逐年计算出制造业31个行业大类创新在城市中的占比，并在城市中标记创新占比最高的行业，即当年的创新主导行业，由此推出以下主导行业变迁的规律。

北京创新主导行业在2015年之前为化学原料和化学制品制造业，而后变为计算机、通信和其他电子设备制造业。上海创新主导行业分为三段：2001—2011年是化学原料和化学制品制造业，2012—2019年是专用设备制造业，2020—2021年是计算机、通信和其他电子设备制造业。沈阳创新主导行业先从2001—2008年的医药制造业转为2009—2010年的化学原料和化学制品制造业，然后再到2011—2015年的专用设备制造业，最后变为2016—2021年的通用设备制造业。成都创新主导行业则从2001—2014年的化学原料和化学制品制造业转变为2015—2021年的专用设备制造业。武汉创新主导行业则从2001—2011年的化学原料和化学制品制造业转变为2012—2021年的专用设备制造业。

2001年深圳的创新主导行业是专用设备制造业，随后便转为计算机、通信和其他电子设备制造业，其创新占比从20.48%迅速上升至47.11%，其中，在2009年一度达到56.63%的高位。南京除了2020年和2021年的创新主导行业为仪器仪表制造业以外，其他均为化学原料和化学制品制造业。杭州创新主导行业2001—2015年均为化学原料和化学制品制造业，2016—2018年则为专用设备制造业，2019—2021年为计算机、通信和其他电子设备制造业。苏州2001年创新主导行业是医药制造业，2002年转变为专用设备制造业，2003—2010年为电气机械和器材制造业，2011年之后为通用设备制造业。

由此可见，各代表性城市创新主导行业基本遵循着从资本密集型转向技术密集型的规律，多数城市主导行业均变为计算机、通信和其他电子设备制造业，而其中最为突出的是深圳，其长期主导行业为计算机、通信和其他电子设备制造业，占比一度高达50%以上，反映出该行业结构专业化高度集聚。

二、结论与讨论

本文基于专利数据发现中国制造业創新集聚有以下两个特征：一是在区域内空间集聚方面，京津冀地区保持着北京“一城独大”的专业化发展趋势，长三角地区呈现出多样化的发展趋势，而珠三角地区则是深广双城带动周边城市联动发展，创新重心由广州转移至深圳，但在2021年制造业创新指数排名前三的支柱行业中这一趋势并没有太大差异。二是在城市内行业集聚方面，无论是老牌制造业创新强市组，还是新兴制造业创新强市组，均大致呈现出先专业化后多样化的发展趋势，但深圳较为特殊，其行业专业化趋势非常明显。在此基础之上，各代表城市制造业创新主导行业基本遵循着从资本密集型转向技术密集型的规律，多数城市的创新主导行业均变为计算机、通信和其他电子设备制造业，而其中最为突出的依然是深圳，该行业创新占比一度高达50%以上。

基于上述结论，本文认为中国制造业创新存在着显著的空间集聚和行业集聚特征，虽然有京津冀城市群聚力于北京的高度空间专业化集聚与深圳深耕于计算机、通信和其他电子设备制造业的行业高度专业化集聚两种模式，但多数城市向行业多样化集聚转型，而城市群走向空间多样化集聚是制造业创新发展的必然趋势，这将有助于增强城市或城市群制造业未来发展的韧性。

［ 参 考 文 献 ］

[1] CARLINO G， KERR W R. Agglomeration and innovation[M]//DURANTON G， HENDERSON J V， STRANGE W. Handbook of regional and urban economics，2015（5）： 349-404.

[2] 黎文靖， 郑曼妮. 实质性创新还是策略性创新？：宏观产业政策对微观企业创新的影响[J]. 经济研究， 2016，51（4）： 60-73.

[3] 寇宗来， 刘学悦. 中国城市和产业创新力报告2017[R].上海：复旦大学产业发展研究中心， 2017.

[4] PAKES A， SCHANKERMAN M. The rate of obsolescence of patents， research gestation lags， and the private rate of return to research resources[M] //GRILICHES Z. R&D， patents， and productivity. Chicago：University of Chicago Press， 1984： 73-88.

[5] DURANTON G， PUGA D. Diversity and specialisation in Cities： why， where and when does it matter？[J]. Urban studies， 2000， 37（3）：533-555.

[6] 宣烨，余泳泽. 生产性服务业集聚对制造业企业全要素生产率提升研究：来自230个城市微观企业的证据[J]. 数量经济技术经济研究， 2017，34（2）：89-104.

[7] 赵伟，隋月红. 集聚类型、劳动力市场特征与工资：生产率差异[J]. 经济研究， 2015， 50（6）： 33-45.

［责任编辑：吴雪强］