王京安+牛建+王坤

〔摘 要〕 面对具有非线性、高不确定性等特点的技术范式转换现象的频繁出现，目前基于线性思维的技术预见方法已无法满足现实需要。对此，本文旨在探讨一种科学有效、具有可操作性的技术范式转换预见方法。阐述技术范式转换的特征及内在动因，通过理解技术范式转换的一般过程，建立技术范式转换理论模型，基于社会网络思维结合专利引文网络构建了技术范式转换预见方法体系，并以液晶材料技术的发展为例进行实证分析。研究结果不仅丰富了技术范式转换的理论研究，也为企业提供战略决策以及行业技术研究方向。

〔关键词〕 技术范式转换；社会网；专利引文网络；技术预见方法；体系构建；液晶材料技术

DOI：10.3969/j.issn.1008-0821.2017.08.020

〔中图分类号〕 G255.53；G306 〔文献标识码〕A 〔文章编号〕1008-0821（2017）08-0135-07

〔Abstract〕Facing the frequenct emergence of the technology paradigm shift，which is characterized by nonlinear，high uncertainty and so on，the technology foresight method based on linear thinking method cannot meet the needs of reality. Therefore，this paper was to discuss a scientific and effective and practical method to predict the shift of technology paradigm. This paper elaborated the characteristics and internal causes of the transformation of technological paradigm，established the theory model of technology paradigm transformation by understanding the general process of technology paradigm transformation，based on the combination of social network thinking and patent citation network，the paper proposed a prediction method system of the technology paradigm transformation，carried on the real diagnosis analysis by the case study of liquid crystal materials technology. The results enriched the theory research of technology paradigm transformation，also provided the strategic decision for the enterprise and the research direction for the industry technology.

〔Key words〕 technological paradigm transformation；social network； patent citation network；technology foresight method；system construction；liguid crystal materials

识别并研发出未来可能的主导技术已成为企业乃至区域、国家在竞争中制胜的关键。在技术进步过程中，敏感度不高的企业会因没有嗅到新技术的市场潜力而错失良机，掌握新技术和新機遇的企业会取代对未来技术发展趋势无法准确判断的企业。显然，准确预见技术发展趋势，抓住机遇，实现技术突破，就有可能在竞争中赢得先机。然而，目前已有的“技术预见”[1]方法主要是基于线性思维的，虽然在预见范式内的持续创新方面有显著效果，却无法解决具有非线性和不确定性特征的技术范式转换问题。在技术范式转换越来越频繁的背景下，如何有效预见具有范式转换特征的技术方向，已成为企业、区域等各级决策者面临的重要课题。

1 理论背景与体系构建

在Thomas Kuhn[2]首次提出“范式”（paradigm）概念之后，Giovanni Dosi提出了“技术范式”（Technology paradigm）概念，并将其定义为“解决所选择的技术经济问题的一种模式”[3]。显然，随着技术的发展，技术不再是以个体形式孤立存在，而是成为具有非线性结构的复杂系统。而且，随着技术范式的转换，新旧范式的主导型技术、技术的主体、技术边连体、技术的认知等都将发生重大变化[4]。这实质上是一个结构重组的过程。

技术范式转换是一个极其复杂的过程，并非少数孤立技术因素简单作用的结果，传统的、基于线性思维的技术预见方法难以有效地反映其内在机理。因此，本文借助专利引文网络方法，从时间和动力等两个角度刻画技术范式转换的过程与内在特征，力图反映技术间的相互作用关系及其演化轨迹，构建技术范式转换的理论分析框架，形成具有可操作性的预见方法和步骤，并以液晶材料技术为对象进行实证检验。

1.1 技术范式转换动因研究

技术进步的动力被认为来自两个方向：技术推动和市场需求。持“技术推动论”的学者认为，技术具有强大的自组织能力，技术内部演化促进了技术范式的变迁。Pavitt和Wald从技术的前期投入、技术创造性产生的不确定以及技术演化过程等层面论证了技术发展推动了范式的变迁[5]；Tushman和Anderson认为，技术发展初始阶段是连续的、线性的过程，而当技术发展到某一阶段的时候就会出现突破性的技术[6]。突破性技术创新是指一种新技术改变现有的主导型技术的产生过程，产生能够替代目前的技术主体并可能成为引领新技术领域的核心技术[7]。随着新技术的发展，突破性技术将会被市场推进，实现商业化，当新技术与市场需求耦合程度好时，企业就会重新获得竞争力，成为该领域新一轮竞争的领头羊[8]。同时，技术内部相互作用导致了突破性技术产生、推动了技术范式转换。技术内部存在着广泛的竞争、合作和共生关系。在竞争与协同的主导作用下，拥有卓越性能的新技术逐渐获得更多的资源，形成了对现有技术产生威胁的突破性技术。

持“市场需求论”的学者认为，市场需求是推动技术发展的最强动力，通过识别市场需求来判断技术发展的方向，从而准确预见未来主导型技术。Rosenbloom与Christensen认为，需求变化推动了技术发展。当前的技术发展无法与顾客需求相匹配是造成需求变化的重要原因[9]。技术范式的转换源于技术的突破式创新，而新的技术范式产生的关键在于核心技术群和技术体系的构建，以及主导型技术的确立[4]。当新技术范式与外界进行充分的物质、信息和能量交换，并不断适应市场和消费者需求时，原技术范式才会被挤出主流市场，甚至被完全替代[10]。新技术在适应市场过程中，需要根据市场需求特征进行局部调整，在一系列技术“微创新”后达到与市场需求的高度耦合。

综合“技术推动”论和“市场需求”论，可以发现技术之间的相互作用是突破性技术产生的根本原因，而能否成为新一代主导型技术，则需要新技术顺应市场选择，不断迎合市场需求，做出技术微创新，得到市场的广泛认可和接受，才能确立新技术的主导型地位。因此，技术范式转换的理论模型应如图1所示：

1.2 基于专利引文网络的预见方法体系构建

在新技术萌芽期，技术发展轨道不明确，难以准确判断其发展方向。随着技术内部及新旧技术之间发生广泛的相互作用，运用恰当方法可以有效预见技术发展趋势，较为准确判断未来突破性技术和主导型技术。目前，对突破性技术识别主要从三个角度展开：技术发展视角，市场绩效法，专家评价法。技术发展视角是从案例研究入手，能清晰的掌握技术发展过程中的突破性[11][12]；市场绩效法使用市场的接受程度作为技术突破性前置标准，而市场接受程度难以界定和计量，存在先天不足；专家评价视角是目前技术预见的常见方法，是从专家视角进行定性预测，但由于主要依据专家的主观认知，不可避免地存在一定的主观偏差[13]。

相对而言，对于作为复杂系统的技术体系，社会网络理论及相关分析方法可以利用多维量表、矩阵代数、聚类分析等方法来研究点与点、点与线、线与线之间的关系，[14][15]因而可以从多角度分析网络间的联系及发展趋势。而专利引文网分析将社会网络思维与专利数据相结合，把专利信息、技术信息作为网络中的节点，信息之间则相互链接形成技术的知识流，通过专利间的网络交错关系因此就可以反映出技术间的引用关系及其知识流动方向。通过网络算法对知识流进行梳理和筛选，从而能够形象地刻画出技术的发展趋势，并由此判断未来主导型技术的研发方向。其中，中心势可以分析核心网络节点和未来主导型节点。主导型节点是指那些能够主导新旧技术范式转换的关键因素，具有控制网络间信息传递的功能[16]，主导型节点与技术演化过程中的关键技术或突破性技术相对应。

由于专利引文网络描述了技术间的链接与发展状态，为技术演化提供了独特视角，有利于更加清晰地剖析技术范式内部复杂的作用机理，专利引文网络分析可以将纷繁复杂的技术演化回归到基础专利和彼此间简单的相互关系，利用客观的专利数据，通过前向与后向引用关系和引用结构来识别主导型节点或突破性技术[17]，从而挖掘新兴技术可能的发展方向。因此，本文采用专利引文网络理论，以液晶材料为例，通过对专利数据的深入挖掘，量化分析技术范式转换过程中的引用关系和核心应用领域，找出技术演化过程中的关键技术，并结合社會网络模型算法识别技术演化路径和未来发展方向，从而判断未来可能的主导型技术和主导范式。基于此，本文初步构建了技术发展预见方法体系如图2所示。

其基本步骤如下：

第一步：确定研究对象，选定技术领域。

第二步：专利数据采集。研究数据的准确性直接影响研究结果，制定合适的检索策略，获取专利数据，建立数据库。

第三步：数据处理。清洗数据，去除不必要信息。时间作为技术发展分析的关键因素，技术范式转换以及技术的发展需要时间的积累，短时间内无法从数据上分析并识别技术范式演进路径的方向。确定时间序列十分必要。

第四步：数据分析。通过综合运用Pajek， Ucinet软件，对数据进行定量及可视化分析，获取技术演进路径图，进而发现技术机会，分析技术发展方向。

2 数据来源与研究方法

2.1 数据来源与时序划分

本文通过对液晶材料技术领域大数据的分析，验证本研究所发展的技术发展预见体系的有效性。专利数据来自于德温特专利索引数据库（Derwent Innovations Index，简称DII）。DII提供全球范围的专利信息，并引入了专利族概念和德温特手工代码分类体系，利用关键词和手工代码检索，有助于提高检索效率和效果。通过查询与液晶材料相关的德温特手工代码分类后，结合关键词“liquid crystal materials”，采用（TI= （liquid crystal materials *） or TS= （liquid crystal materials *）） and MC= （A01-E05 or A05-J11 or U11-A03A or V07-K04 or U11-C05C5 or B04-A08）作为检索策略。液晶材料技术的专利从1972年记载了至今，检索日期为2015年11月20日，时间跨度为1972—2014年，共检索到10123个专利族。

液晶材料可划分为6个明显不同的发展阶段。通过整理专利库搜索得到的专利数据，按公开年份统计专利数据形成二维数据图，根据专利的数量的变化趋势进行划分，将同一趋势的划分为一类。分析全球液晶材料专利公开量的时间序列变化，梳理其数量的变化，能够更加明确剖析技术的发展现状和趋势等信息。依据液晶材料专利数量的分析将其发展时间分为以下6个阶段：技术萌芽期（1972—1982年）、探索波动期（1983—1994年）、高速发展期（1995—2001年）、阶梯上升期（2002—2005年）、技术“V”形期（2006—2010年）、精密技术期（2011—2014年）。

2.2 研究方法

基于分析结果的科学性以及考虑网络中个节点间链接强度的不同，将构建的共线网络中引入“m-核”分析以及中心势分析以便识别核心应用领域，本文采用Ucinet，Netdraw，Pajek软件对时序分段数据进行共线矩阵的实现、核心应用领域关系网络图的可视化以及应用网络主路径的提取，从而构建一套技术范式预见体系。具体分析方法如下：

1）共线矩阵构建。为了了解专利间MC共线链接关系，需用ucinet生成的.##h格式的2-mode文件，转换成1-mode数据。这一数据中包含2个字段，其中该行标签显示与列标签上显示都为MC，分别用数字1、0表示共线矩阵是否引用关系，并以矩阵形式输出。

2）专利引用矩阵构建。专利引用数据关系与前文类似，将清洗好的数据导入到ucinet中，生成2-mode数据，其中该行标签显示的为被引用专利号，列标签上显示为原专利号，由于 Ucinet软件原始设定的是列标签数据指向行标签数据，但在绘制技术演进路径时，需要被引用专利指向原专利，所以需要转置矩阵，使行列标签互换。在netdraw中打开存储为.net文件格式。

3）“m-核”分析。研究证明，社会网络理论中的“m-核”分析方法可以有效的識别出共线网络中的核心技术领域[18]本文引入“m-核”分析方法，从包含大量节点和链接的共线网络中去除“不可靠”节点，保留强链接领域，挖掘共线网络的深层次结构关系。

4）中心势分析。除探讨图中某点在多大程度上居于核心之外，还需探讨图在多大程度上表现出向某个点集中的趋势，这就需要研究图的中心势。中心势公式算法如公式（1）所示。其中，是指图中点的绝对中心度的最大值；是指点的绝对中心度；分母是指理想网络状态下理论上的各个差值总和的最大可能值，同时根据相对中心度计算的方法，将分子分母同除以（n-1）就得到相对中心势，而中心势分析可以通过ucinet中心势算法分析指令完成。

5）SPNP算法。即搜寻路径节点对（Search Path Node Pair），它考虑的是连通的子图之中搜寻路径上通过某一条边（连接）的节点对的数量。图3中此路径由图中10个节点相互连接而成。以路径中D、F点为例，路径中经过两点有20对节点，则D到F点SPNP值为20。同理可知每条线的SPNP值（如图3）。由此可得，SPNP的计算方法既考虑起始点的关系，更多的计算研究节点间连线关系的强度。如图3所示，剔除SPNP值小于6的连线则可以看出黑色线路为技术主要路径。

3 研究结果分析

3.1 液晶材料核心技术分析

根据MC共现网络矩阵的输出结果，利用社会网络Netdraw软件可视化呈现，并利用软件对节点的标签文本以及大小设置，并手动调整网络图，最终得到4个阶段MC网络共现图，以1983-1994年图形为例分析网络链接关系，如图4所示。

图4体现了技术领域间共性与相互依赖关系，该网络包含1818个节点，中心势指数为0.52%。属于中心势较低、核心度不高的网络，说明技术领域间相互依存关系不显著，共性关系较弱；图中共现网络由孤立点、主网络、离散网络组成：孤立点则是与其他节点没有共线关系；图中主网络节点占整个网络的93.5%，包含了1700个点。网络中最小链接大于110的节点占主网络的2%，即可知主网络以强链接为主；图中与主网络不具关系的小型网络中的节点专利的应用领域涉及范围小，与主网络的核心应用领域关系甚微。由于网络中节点数量众多，无法清晰看出核心技术领域之间的关系，因此，引入“m-核”分析方法，根据网络的共线矩阵，对m从0开始取值，摒弃强度小于m值的弱链接和网络中的孤立节点，随后循环算式m=m+1，直至选出10个核心技术。当m值为70时，显示出剔出弱链接和相对孤立节点后的核心技术见图5。两节点间数值越大、则两个技术间的共性关系越大，节点大小则表示该网络中共现节点的数量即链接强度大小。

图5所示网络m的取值为70，表明图中为链接大于70的技术应用领域网络图。这表示：①图5中网络节点数为10，占主网络的百分比为3.6%，可知其节点间的链接对主成分具有较高的贡献率，主网络对这些节点的依赖性也较强。因此，研究领域的核心技术包括图5中的10个领域。②由图5可知网络的节点中心势指标为66.67%，集中程度与图4相比明显提高，表明图中10个应用领域的网络契合度高且联系紧密；③图中节点大小代表degree（即特定节点到其它节点的直接联结数目），研究表明节点间的数值与专利间的依赖程度以及共线关系呈正相关。显然，液晶材料的技术领域中V07-K10A（液晶显示器）与U11-A03A（液晶材料的化合物或者添加剂）2个应用领域技术共性程度最强、依赖程度最高；④图中L03-D01D1（液晶化合物）与其他节点在该网络中共现链接最多，说明是与其他领域共现最多的领域。液晶材料的其他5个阶段可类比本阶段方法，同时将核心范式群界定在10个左右以便于分析各个阶段的发展态势（如图6-图11所示）。

根据以上6个网络图形分析如下：6个图中所示网络包含节点数约为12，网络的度数中心势很高且较m核分析前都有明显提高，这表明图中所留节点都是研究所需的核心领域。观察图形可知，因群体节点融合性的差异导致核心领域节点的多少，图中群体核心技术范式多融合性较好。此外，6个图的链接形态变化说明液晶材料核心技术之间互相存在网络链接关系，同时技术共性和依赖性程度相对提高。

综上所述，得出以下结论：

第一，专利技术的应用领域从开始的液晶显示器与液晶显示屏领域向TN-LCD、TFT-LCD、医用仪器等领域迅速扩散。日本在20世纪80年代末已将STN-LCD技术市场化，导致LCD产业发展迅速，这种趋势也将随着时间的推移继续保持。

第二，在20世纪70年代初，液晶仅活跃于显示技术领域。随着液晶材料技术的不断发展和突破，市场需求发生变化，企业研发的液晶材料技术领域也日趋扩展，从应用于电脑、电视及微型数码产品显示，到随着办公室自动化设备发展将其应用于文字处理机、传真复印机等产品及目前的汽车应用等，实现了从最初显示器领域向日常生活的产品领域格局的变化。液晶材料的轻便、光线干扰低、能耗低等优点也是目前其发展领域扩展迅速的重要因素。实际上，目前国外液晶材料的应用开始向通讯领域发展，在通信系统中，网络接受传送的信息，可以从声音到活动影像利用光纤传输。由此可见，国内外企业因液晶材料的可靠性高、环保且高效等特点加强了投入研究力度，因此液晶材料技术方面的研发潜力前景可观。