《Sustainability》：Sustaining the New Energy Vehicle Innovation Chain in the Pearl River Delta: A Hybrid Computational Intelligence Framework for Multimodal Big-Data Analytics
编辑推荐：
新能源汽车（NEV）产业是中国迈向可持续交通转型的支柱，而珠三角（PRD）承载着其中最为密集的产业集群之一。然而，支撑该产业的创新系统的空间组织方式仍未被充分理解，原因在于其行动者、数据与方法均具有异质性。本研究开发了一种新型混合计算智能框架，将核密度估计、空
新能源汽车（NEV）产业是中国迈向可持续交通转型的支柱，而珠三角（PRD）承载着其中最为密集的产业集群之一。然而，支撑该产业的创新系统的空间组织方式仍未被充分理解，原因在于其行动者、数据与方法均具有异质性。本研究开发了一种新型混合计算智能框架，将核密度估计、空间自相关分析、社会网络分析与时序指数随机图模型（TERGMs）整合于一条可复现的分析流程中，并将其应用于4036个创新主体、1260项联合申请的NEV专利（对应290个组织间的274个合作对）以及187份政策文本（2009–2025年）。研究结果表明，该创新链呈现双核心、核心—边缘集聚格局（全局莫兰指数 Moran’s I = 0.538，p = 0.001）：一个以深圳为中心并向东莞延伸的集聚区，以及一个规模较小的广州核心区，同时存在14个低—低型边缘单元。其合作网络快速扩张但并未走向整合：合作组织从30个增长至290个，而网络密度从0.071下降至0.007；网络始终保持稀疏且模块化的结构，以高校和旗舰企业为核心锚点。地理邻近性与组织规模会提高合作概率，而技术距离会降低合作概率；在控制邻近性后，同层级匹配效应不再显著。与预期相反，非补贴政策组合更丰富的城市反而表现出更弱的合作关系形成（β = ?0.59，p < 0.001），且该负向关联随时间推移而增强；补贴强度仅呈现弱正向关联（β = 0.16，p = 0.067）。上述关联在五种模型设定下保持稳定，但属于观测性关联而非因果效应；其政策含义在于，珠三角NEV创新系统的可持续性更多取决于如何使既有邻近性跨越城市行政边界而发挥效用，而非进一步的空间集聚。
论文解读
一、研究背景与研究动机
新能源汽车产业是中国实现可持续交通转型的核心支柱。2024年，中国约占全球电动乘用车销量的70%，而珠三角作为全国乃至全球最为密集的新能源汽车生产与创新集群之一，汇聚了比亚迪、广汽埃安、腾势等旗舰企业，以及密集的供应商网络、测试平台和研究机构。然而，支撑这一产业生态的创新链——从基础研究、应用技术开发、整车工程、电池与电机制造、充电基础设施到下游生产——的空间组织方式、网络结构及其动态演化机制，迄今仍缺乏系统性的定量刻画。
现有研究面临三重方法论挑战。第一，新能源汽车创新涉及异质性极强的行动者类型——高新技术企业、科技型中小企业、高校、工程研发中心、新型研发机构、重点实验室等——其属性与合作模式差异显著，需要能够融合实体、地理与关系信息的多模态数据管道。第二，大量既有研究依赖静态模型，无法刻画网络演化、互惠动态或多维邻近性交互。第三，珠三角的政策工具在过去十五年间已从直接补贴转向补贴与非补贴工具并存的混合体系，其效应需要分别建模。基于上述缺口，本研究提出三个研究问题：珠三角新能源汽车创新链的空间组织呈现单中心还是多中心格局？基于专利的合作网络呈现何种结构并如何演化？在控制空间、技术与组织因素后，补贴与非补贴政策工具与合作关系的形成之间存在何种关联？
二、研究内容与核心发现
研究人员构建了一个整合空间测量、社会网络分析与时序动态建模的新型混合计算智能框架，并将其应用于覆盖2009—2025年的多源数据。研究发现如下：珠三角新能源汽车创新链呈现显著的正向空间自相关（全局莫兰指数 = 0.538，p = 0.001），集聚格局为双核心、核心—边缘结构——一个以深圳为中心并向东莞、惠州延伸的较大集聚区，以及一个以广州为中心的较小核心区，边缘城市（珠海、中山、江门、肇庆）的密度低于核心区一至两个数量级。合作网络方面，网络从2009—2013年的30个组织、31条合作边快速扩张至2019—2025年的290个组织、274条合作边，但网络密度从0.071下降至0.007，连通分量从7个增至72个，最大连通分量占比始终维持在约30%——网络呈现“增长但不整合”的特征。中心性分析表明，高校（华南理工大学、中山大学、广东工业大学等）占据PageRank排名前列，旗舰企业（比亚迪、广汽集团等）进入中下段位，且PageRank前十与结构洞前十在10个组织中重合8个，说明声望与中介功能高度集中于同一小群高校与旗舰企业。社区检测（Louvain算法）识别出78个社区，全图模块度Q = 0.91，最大连通分量内模块度Q = 0.76，跨窗口的Jaccard相似度为0.875与0.793，表明社区结构高度稳定。
时序指数随机图模型（TERGM）的估计结果显示：地理邻近性（β = 4.31，p < 0.001）与技术距离（β = ?1.93，p < 0.001）是合作关系形成的主导因素；企业规模（β = 0.47，p < 0.001）与高校研发强度（β = 0.30，p < 0.001）正向促进合作；同层级匹配在控制邻近性后不再显著（β = ?0.55，p = 0.084）。与预期相反，非补贴政策强度呈显著负向关联（β = ?0.59，p < 0.001），且该负向关联随时间推移而增强（2009—2013年不显著，2014—2018年仍不显著，2019—2025年强烈显著）；补贴强度仅呈弱正向关联（β = 0.16，p = 0.067）。五种稳健性检验（替换政策强度测度、分窗口重估、改变结构衰减参数、剔除十条最重边、加入滞后网络）均保持关键系数的符号与显著性不变。
三、关键研究方法
研究人员构建了五层混合计算智能分析管道：多模态数据采集与预处理层（整合高新技术企业名录、科技型中小企业名录、高校数据库、省级重点实验室名录、省级工程研发中心名录、新型研发机构名录，共4036个创新主体；专利数据来自国家知识产权局开放专利数据库2009—2025年，经BiLSTM-CRF实体消歧模型（精确率0.97，召回率0.95）处理后保留1260项联合申请专利；政策文本语料187份，编码信度Cohen’s κ = 0.84）；空间格局分析层（核密度估计（KDE）与全局/局部莫兰指数（Moran’s I））；网络拓扑分析层（度中心性、介数中心性、接近中心性、PageRank、Burt结构洞指标、Louvain社区检测）；时序动态建模层（嵌套指数随机图模型族（ERGM）与二次指派程序（QAP）回归）；以及稳健性检验层（五种替代设定）。
四、研究结果分述
4.1 空间分布与集聚特征。 核密度估计（KDE）表面呈现两个连续高密度区块：深圳—东莞—惠州连续集聚区（核密度最大值1.62个实体/km2，位于深圳南山—福田）与广州天河—海珠核心区（核密度最大值0.54个实体/km2）。全局莫兰指数（Moran’s I）= 0.538（z = 8.15，p = 0.001，999次置换），确认显著正向空间自相关。局部空间关联指标（LISA）聚类图识别出5个高—高单元（全部位于深圳）与14个低—低单元（集中于江门西部、肇庆及惠州北部），无显著高—低或低—高空间异常值。双变量莫兰指数（专利产出与创新实体数量）= 0.436（p = 0.001），表明实体密集单元周边往往伴随高专利产出。
4.2 网络拓扑与凝聚力。 全网络含290个节点、274条无向加权边（平均权重7.09）。网络快速扩张但不整合：组织数从30增至290，密度从0.071降至0.007，连通分量从7增至72，最大连通分量占比基本持平（0.300、0.318、0.317）。平均度始终接近2，说明密度下降主要是扩张基数的算术结果而非合作意愿减弱。中心性排名显示高校主导结构骨架：华南理工大学（PageRank = 0.029）、中山大学（0.026）、广东工业大学（0.020）位居前列。结构洞指标同样以高校为主，旗舰企业（比亚迪、广汽集团）进入排名下半段。PageRank前十与结构洞前十重合8个实体，表明声望与中介功能高度集中。4036个实体中，高校、工程研发中心、新型研发机构、重点实验室合计仅149个（3.7%），却占据中心性排名前列——合作活跃核心是生态系统中结构上独特的层，而非整体的缩影。跨层级整合方面，29条两端均在实体名录中的合作边中，12条（41.4%）连接不同创新链层级，高校参与其中8条跨层级边。
4.3 动态演化驱动因素。 嵌套指数随机图模型（ERGM）估计结果显示：地理邻近性（β = 4.31，95% CI [3.57, 5.05]）与技术距离（β = ?1.93，95% CI [?2.47, ?1.39]）主导横截面结构；企业规模（β = 0.47，p < 0.001）与高校研发强度（β = 0.30，p < 0.001）正向促进合作；同层级匹配在控制邻近性后不再显著（β = ?0.55，p = 0.084）。结构项显著：几何加权共享伙伴项（β = 1.51，p < 0.001）与几何加权度项（β = 6.65，p < 0.001）表明强三元闭合与少数组织的高度连通集中。非补贴政策强度呈负向关联（β = ?0.59，p < 0.001），补贴强度弱正向（β = 0.16，p = 0.067）。分窗口估计显示非补贴系数在2009—2013年（?0.10，p = 0.935）与2014—2018年（?0.26，p = 0.132）不显著，仅在2019—2025年强烈显著（?0.59，p < 0.001）。
4.4 结构变化与观测基数扩张的区分。 平均度在三个窗口间基本不变（2.07、2.04、1.89），最大连通分量占比稳定（0.300、0.318、0.317），表明网络在扩张过程中保持自相似拓扑——增长是真实的，但属于“无整合的增长”。最大连通分量的平均路径长度从2.03延长至4.23，直径从3增至10，反映的是更远组织的纳入而非既有关系的弱化。
4.5 稳健性分析。 五种替代设定均保持关键结论：以原始政策文本计数替代强度测度后非补贴系数仍为负（?0.165，p < 0.001）；分窗口重估显示结构项与邻近性项在三个窗口间符号与量级稳定；结构衰减参数从α = 0.5改为α = 0.25或α = 1.0不改变协变量显著性；剔除十条最重边后非补贴系数增强（?0.760，p < 0.001）；加入滞后网络作为边协变量后非补贴系数仍为负（?0.497，p = 0.004）。二次指派程序（QAP）回归从横截面角度验证了邻近性与技术距离的显著性（p < 0.001），且不支持非补贴强度与合作的正向关联（p = 0.186）。
五、讨论与结论
讨论部分从方法论、理论与政策三个层面展开。方法论上，该混合计算智能框架通过共享数据主干串联空间、网络与时间模块，产生内部一致的估计，且各模块可独立替换，具有良好的跨区域、跨行业可迁移性。理论上，双核心集聚格局为既有集聚研究提供了更精细的局部空间关联（LISA）分解；网络“增长但不整合”的模式修正了“网络即基础设施”的解读；政策效应方面，非补贴政策与个体创新的持久性正相关、但与组织间合作的广度负相关，说明同一政策工具对不同结果维度可产生方向相反的影响。可持续安全视角下，网络的稀疏性与碎片化意味着知识生产与产业化之间的信息传递需经过大量中介，单一枢纽的失效可能造成系统性风险；政策组合的构成决定了治理效应是可逆投入还是持久能力；集聚本身具有双重性——加速扩散的枢纽同时构成单点故障源。智慧城市与数字基础设施视角则强调，充电网络互操作协议、车网互动电价机制、自动驾驶责任分配等跨行政边界的治理安排，是合作发生的制度前提。
研究结论可概括为：珠三角新能源汽车创新链呈现双核心、核心—边缘的空间集聚格局；其合作网络快速扩张但保持稀疏、碎片化与高模块化结构，高校与旗舰企业构成结构骨干；地理邻近性与组织规模促进合作，技术距离抑制合作；非补贴政策强度与跨城市合作呈负向关联且随时间增强，补贴强度仅弱正向。这些关联为观测性而非因果性结论。研究的意义在于：珠三角新能源汽车创新系统的可持续性不在于进一步的空间集中，而在于使既有邻近性跨越城市行政边界发挥效用——将充电与许可标准的跨市协调视为创新政策而非下游基础设施，是更具韧性的治理方向。
