许佳婷，殷进进

（江苏大学，江苏 镇江212013）

Rosenberg N[1]于1963年首次提出技术融合的概念，他认为技术融合是指不同产业依赖同一种技术进行生产的过程。之后许多学者对技术融合展开研究，但直到20世纪90年代技术融合才真正开始发展。专利共现是指通过考察不同专利的国际专利分类（International Patent Classification，IPC）号来测算技术之间的融合程度，两种专利出现相同IPC号越多，代表它们之间的融合程度越高。

随着科学技术水平的不断提高，生物与信息技术产业之间的渗透逐步加深，融合形成的生物信息产业也逐渐成为我国拓展的七大新兴产业之一。生物信息产业依靠生物芯片技术，主要研究人体的基因序列，用于治疗癌症、肝病、糖尿病等与基因有关的重大疾病。但由于我国初入生物与信息产业，对产业内技术的现状特征与发展趋势还未能清晰地认识与预测。因此，考察生物与信息产业技术的融合特征十分必要。

技术融合的分析一直是学术界的难点，现有的研究较少系统性地分析生物与信息产业的技术融合特征，因此科学客观和系统地研究生物与信息产业技术融合已成为关注重点。社会网络分析（Social Network Analysis，SNA）是一种基于“网络”的社会组织形式，其研究核心在于将社会网络作为研究对象进行结构分析，用于诊断、显示和理解相关因素之间的某种特定关系，是将所研究的复杂问题量化处理后进行系统性的探索研究，因而能够有效分析技术融合演化的动态特征。

1 生物与信息产业技术融合分析的理论基础

1.1 社会网络分析

社会网络分析是社会学领域发展较为成熟的分析方法，是揭示知识网络结构和演化的强有力工具，可利用图论、矩阵代数等多种方法对社会网络进行量化研究[2]。社会网络可从多种角度分析网络中的节点和边的数量，利用网络规模、密度和平均度数衡量网络凝聚性。中心性是社会网络分析的重点之一，中心度可用来衡量个体在网络中处于怎样的中心地位，用以反映该点在网络中的重要程度。

1.2 中心—外围分析

中心—外围理论由经济学家劳尔·普雷维什提出。中心与外围间的结构性差异并非说明二者之间彼此独立，相反，它们是以互为条件、相互联系的两者存在，构成统一和动态的经济体系。中心—外围分析主要应用于产业经济发展领域，揭示区域经济发展差异，如兰秀娟等[3]基于中心—外围分析视角，探究经济集聚对中心—外围区域经济发展差异的影响。但也不排除一些学者在其他领域的有益探索，如梁涛[4]以国际货币变迁视角为基础，探究美元霸权对中心—外围博弈及其对中国经济发展等方面带来的影响。崔博等[5]应用中心—外围理论，以民用航空网络为研究对象，探索中国民用航空网络的整体性结构。然而中心—外围理论很少被用来分析技术融合网络，这是一条新的思路和探索方向。

1.3 专利与技术融合

在学术界，常用专利数据来衡量技术创新程度。专利数据能够为技术融合提供合理和直观的依据，因此之前的研究大多采用专利来分析技术融合。如李树刚基于专利数据，聚焦感知人工智能融合核心技术和人工智能技术融合情况[6]。专利引文和专利共类是两种主要基于专利对技术融合的分析方法，通过引文数据寻求不同技术领域间的知识流动，揭示融合机制。例如，Park I和Yoon B[7]以USPTO专利引用为基础，探索生物技术和信息技术之间的融合机会。在一定程度上，专利引用关系能很好地反映某件专利的技术科学基础，体现技术间的前后继承和累积关系[8]。然而，因新兴技术的后项引用较少，专利引证分析不适用于新兴技术的融合考察[9]。与专利引文法相比，专利共类数据的搜集虽较为简单，但也能反映多种不同技术间的技术融合[10]。

2 研究设计

2.1 变量设定

IPC是国际通用的专利引文分类与文献检索工具。IPC号结合了功能与应用的原则，以功能性为主，应用性为辅。每一个IPC号代表一种技术或技术领域。依据经济合作与发展组织对生物与信息技术的IPC号进行相关专利数据的搜集。

2.2 数据来源

IncoPat是我国首个将世界一流的发明创造深度整合并翻译成中文的专利平台。IncoPat收录了世界上102个国家/组织/地区1亿余件专利信息，数据字段相对完善，数据质量较高。全球专利信息每周更新3次，更新效率较高。因此，全球生物与信息产业融合的专利数据的搜集将基于IncoPat专利数据库。具体的检索表达式如下：（生物技术的IPC号）AND（信息技术的IPC号），时间跨度为1980—2018年。根据数据分布特征，并且考虑到专利数据信息公开以及数据入库的时滞性，将时间跨度分为1980—1995年、1996—2005年和2006—2018年3个时间段。

2.3 研究方法

社会网络是社会行动者和他们之间关系的集合。社会网络分析是将繁杂的关系进行量化处理，提供反映行动者关系的信息，其以生物与信息技术所涉及的不同技术领域为节点，以技术领域间的共现关系为边，构建生物与信息产业技术的融合网络，然后从融合网络的整体结构特征、个体中心性以及网络中心—外围结构3个维度切入分析，探究一定时间内生物与信息产业技术融合演化情况。

1）生物与信息产业技术融合网络整体结构演化分析。根据搜索到的数据构建IPC共现矩阵，即技术融合矩阵。将构建好的矩阵导入Gephi软件，计算各个时间段的生物与信息技术融合网络的网络规模、网络边数、网络密度和平均路径长度。网络规模指网络中涉及的全部行动者数目，文中指生物与信息技术融合网络中不同领域技术融合的节点数量。网络边数衡量网络中行动者之间的连接总数，这里指融合网络中生物与信息领域技术的总共出现次数。网络密度指测量网络中节点联系的密切程度，反映该融合网络中生物与信息技术融合的密切程度。平均路径长度是网络中的重要特征度量，是网络中所有节点对之间的平均最短距离，用于衡量网络的传输性能与效率。

2）生物与信息产业技术融合网络个体中心性演化分析。中心度是对网络中个体权利的量化分析，用来衡量节点在网络中的重要性。中心度指标主要有接近中心度、中介中心度和特征向量中心度，这3个指标分别从距离、位置以及质量维度衡量节点的重要程度。接近中心度衡量一个节点到其他节点的平均最短距离，接近中心度值越小，该节点距离其他节点距离越近。中介中心度指节点作为其他两个节点之间最短路径的桥梁次数，次数越多，该节点的中介中心度越高，这里指某一生物（信息）技术领域充当另外两项不同领域技术融合的桥梁的次数。一个节点的重要性不仅取决于其邻居节点的数量，还取决于其邻居节点的重要性，特征向量中心度越高表示生物（信息）某一技术领域不仅与信息（生物）领域中较多的其他技术有融合，且与它融合的技术领域本身也具有较高的中心度。

3）生物与信息产业技术融合网络结构演化分析。将3个时间段的融合矩阵导入社会网络分析软件Ucinet，并借助其中的可视化软件Netdraw绘制3个时间段的生物与信息技术融合网络图。将前面绘制的技术融合二模网络转化为一模网络，从横向和纵向层面分别对3个时间段中构成该技术融合网络的生物与信息技术领域的结构展开分析，寻找中心—外围类成员群组。

2.4 结果和分析

1）生物与信息产业技术融合网络整体结构演化分析。第28页表1中，生物与信息产业技术融合的网络规模和网络边数均在第2个时间段达到最高值，且网络边数与其他两个时间段拉开较大差距。可见，在第2个时间段，越来越多的生物与信息领域实现了技术融合。3个时间段的网络密度和平均路径长度相差不大。各个时间段的网络密度整体都处于较低的水平，在0.161~0.183之间。这表明在这38年中生物与信息产业技术融合关系稀疏并且技术融合网络的整体凝聚力偏低。3个时间段的平均路径长度位于1.967 3~2.021 7之间，说明该融合网络中各技术领域节点通过较短的路径就能够和另一领域技术实现融合，可见该融合网络蕴含着较大的融合潜力，即生物与信息产业技术存在着较大的融合潜力，具有光明的发展前景。

表1 3个时间段生物与信息产业技术融合网络整体结构指标

2）生物与信息产业技术融合网络个体中心性演化分析。分析主要依据3种中心度指标具体展开。表2和表3分别显示了3个时间段融合网络中生物与信息技术领域的中介中心度、特征向量中心度以及接近中心度3个指标排名相对靠前的技术领域。通过比较和总结发现，无论是信息技术还是生物技术，3个时间段中3种中心度指标值较高的技术领域基本一致。

表2 3个时间段生物与信息技术融合网络中信息技术中心度指标排名前四的技术领域

表3 3个时间段生物与信息技术融合网络中生物技术中心度指标排名前三的技术领域

表2 中，IPC号G06在所划分的3个时间段中中介中心度、特征向量中心度和接近中心度指标均位于第一，表明该信息技术领域在这3个时间段的技术融合网络中占领绝对的核心位置，对于生物与信息技术融合能够作出极大贡献。在第1个时间段，G02B6，G11B以及H01L的中心度指标保持在前四，均处于较为稳定的靠前位置。在第2个时间段，IPC号G05B的中介中心度和接近中心度都位于第二。H01J的3种中心度指标均位于前三的位置，处于生物与信息技术融合网络中较为稳定的次核心位置。G01R，H01L和B41J的特征向量中心度和接近中心度位于前四。而G11B，H04N，G02F，G07，G09G以及G11C等在第2个时间段中接近中心度位于第四，这些技术领域在生物与信息技术融合中具备一定的融合潜力。在第3个时间段，IPC号H04L的3种中心度指标均位于前三。H04M，G01F，G01R和H01L的特征向量中心度和接近中心度均位于第二。G09B，H01Q，H04Q以及G02F等接近中心度的排名较前的信息技术领域仍然具有可观的融合潜力。

综合3个时间段来看，除去G06在3个时间段的中心度指标均稳居榜首外，只有G01R的特征向量中心度和接近中心度的排名逐步升高，表明G01R的地位在生物与信息技术融合网络中稳步升高，其成为实现技术融合的重要节点。

表3 中，IPC号G01N33在3个时间段中中介中心度、特征向量中心度和接近中心度指标均居首位，表明G01N33在这3个时间段的技术融合网络中占有绝对的核心地位。IPC号C07K在第1个时间段中3种指标均位于第二，但是在后两个时间段被C12N和C12Q所替代，且退出了前三的重要位置。在1996—2005年和2006—2018这两个时间段中，C12N和C12Q一直紧随G01N33之后，处于次核心地位，是较为稳定的重要技术领域。可见，IPC号G01N33，C12N和C12Q所代表的生物技术领域在生物与信息技术融合中发挥着十分重要的作用，在推进生物与信息技术融合产业的前进与发展中扮演着重要角色。

3）生物与信息产业技术融合网络结构演化分析。为了更清楚地展现3个时间段的生物与信息产业技术融合网络整体结构的变化，将生物与信息产业技术融合二模网络进一步转化为一模网络，进而分析一模网络中技术融合的中心—外围结构。

在这3个时间段中，C12Q和G01N33所代表的生物技术领域一直处于核心位置，其他处于边缘位置。核心组的显著特征是高密度、高强度和核心组内的大量协作。在信息技术中，第1个时间段有6个核心领域，分别是G06，G01B，G01F，G01J，G01M和G01R。第2个时间段G01B，G01F，G01J和G01M所代表的信息技术领域退出了核心地位，此时核心位置并未有新的技术领域加入。第3个时间段G01R变为边缘位置，此时G06仍处于核心位置，并且新增加了G01D。

3 结论

运用社会网络分析方法，从网络的整体结构特征、个体中心度和融合网络的中心—外围结构3个维度分析探讨生物与信息产业技术融合演化特征，探究1980—2018年中3个时间段的生物与信息技术融合网络的结构、流动性以及促进网络技术融合的关键性因素。研究结果表明：3个时间段中，生物与信息产业技术融合网络蕴含着一定的融合潜力，融合网络中各技术领域节点通过较短的路径便能和另一领域的技术实现一定程度的融合。从个体而言，通过测算3种中心度指标，不难发现，IPC号G06和H01J所代表的信息技术领域以及G01N33，C12N和C12Q所代表的生物技术领域在这一时间段的融合网络中占据核心位置，能够对生物与信息技术融合作出较大贡献，在推进生物与信息技术融合产业的演进与发展中扮演着重要的角色。另外，仍有相当一部分的技术领域在生物与信息技术融合中具备一定的融合潜力，如G11B，H04N，G02F等。最后，通过分析生物与信息产业技术融合网络结构可知，在3个时间段中均位于核心位置的是生物技术领域的G01N33，C12Q以及信息技术领域的G06。

由于目前对技术融合演化的研究较少用社会网络的特征指标具体分析，相应的产业技术融合演化发展路径还需做出更加科学的选择。通过分析生物与信息产业技术融合演化特征，识别生物与信息技术融合产业未来可能的技术机会，抓住促进其融合的关键性、核心性技术领域，帮助相应企业及时调整战略，以更加高效的方式投入产品的研发。同时，也为政府制定生物与信息技术融合产业的发展政策提供支撑。