追踪创新路径

《Inventions》：Tracing Innovation Pathways Luigi Assom, Aron Larsson and Alessandro Chiolerio

　　

评估创新并优化其在发明中的作用对于应用研究至关重要，这要求对可用资源的使用进行规划。传统的评估方法往往未能捕捉创新在概念化与原型制作阶段之间如何停滞（死亡之谷），也未能了解创新如何从个体贡献的中间步骤中涌现。本文聚焦于将追踪创新作为一种方法，使其能够映射中间步骤的路径以及挖掘计划外成果的机遇。研究人员采用定性案例研究，探索如何通过技术就绪度水平（Technological Readiness Levels, TRLs）来概念化创新路径。研究的边界由一个欧盟资助项目的 operational settings 所界定。网络分析探索了从参与活动的受访者数据中涌现的主题之间的关系，遵循从数据中归纳提取主题的方法。研究发现表明，中间创新步骤（包括失败）被视为对新知识的累积性贡献。其文档化被视为一种投资，用于解锁 embedded 于分布式知识中的潜在价值。在此范围内，研究人员勾勒了一个基于区块链的知识图谱作为概念验证，用于追踪累积性贡献、识别通向技术成熟度的突破，并支持基于实验试验生成假设。由此，研究人员建议，将先前知识重组为新意的路径编码了潜在价值，该价值可解释为网络拓扑的函数，并提出了一个概念框架，用于通过适用于创新图谱的信息论度量来分析价值。

## 研究背景与问题

在应用研究领域，评估创新能力始终是一项核心挑战。传统的评估方法主要依赖事前（ex-ante）和事后（ex-post）两种路径：事前评估关注行为与组织条件，事后评估则基于预设的发展成就或市场 established 成果。然而，这两种方法均存在显著盲区——它们无法捕捉创新在概念化（ideation）与原型制作（prototyping）阶段之间的停滞现象，即所谓的"死亡之谷"（Valley of Death），也无法解释创新如何从个体的中间步骤贡献中涌现。现有框架如技术就绪度水平（Technological Readiness Levels, TRLs）虽能评估技术成熟度，但忽略了知识如何演化为发明并产生影响的动态过程；专利引用和文献计量指标则系统性地遗漏了负面或中间结果，导致知识生产的非线性、协同演化本质被遮蔽。更为根本的是，当前创新评估将价值等同于可专利交付物或市场就绪产出，这种以经济代理人为核心的视角，无法理解创新作为系统转化过程的复杂性。在此背景下，开展本研究势在必行：研究人员需要一种"进行中"（in-itinere）的方法，既能映射从先前步骤递归利用资源和流程通向发明的路径，又能探索非预设成果的 valorising 机遇。

## 研究开展与核心结论

本研究围绕一个由欧洲创新理事会与中小企业署（European Innovation Council and Small and Medium Enterprise Agency, EISMEA）资助的生物启发式液态机器人研究联盟展开。通过对10名跨机构研究者（来自大学、国家研究所和私营企业）的半结构化访谈与问卷调查，结合归纳式主题分析与网络分析，研究人员系统探索了微观层面追踪创新步骤的可行性与价值。

研究得出的核心结论包括：第一，中间创新步骤——包括失败尝试——被受访者视为对新知识的累积性贡献，其文档化是解锁 distributed knowledge 中潜在价值的投资；第二，创新路径的追踪能够揭示从早期构想到技术成熟度的演化序列，支持基于实验验证的假设生成；第三，创新的价值可重新概念化为网络拓扑的函数，而非仅由经济主体的主观效用或专有权利决定。基于这些发现，研究人员设计了一个基于区块链的知识图谱概念验证原型，将创新步骤表示为连接输入（inputs）、过程（processes）与输出（outputs）的三分部有向图（tripartite directed graph），并利用 Fisher-Shannon 信息论框架提出"探索潜在价值"（Latent Value of Exploration, LVE）的量化模型。

该研究发表于《Inventions》期刊，其重要意义在于：为公共资助研究的投资回报评估提供了超越传统 TRL 和文献计量指标的新范式；为开放科学政策中失败结果的 valorising 提供了理论依据；为创新经济学中"正外部性"的量化奠定了信息论基础。

## 关键技术方法

本研究采用**定性案例研究**策略，数据来源为单一 EISMEA 资助研究联盟的10名成员（涵盖大学、国家研究所和私营企业）。数据收集采用**半结构化访谈**与**自填式问卷**相结合的方式，访谈以视频会议形式进行。分析方法采用**混合式主题分析**（hybrid thematic analysis）：先以演绎方式将问题归类为宏观领域（Classes），再以归纳方式从句子层面提取代码并迭代精炼，最终形成九类主题（Perception, Opportunity, Insight, Current Situation, Uncertainty, Assets, Appropriate language, Critics, Disadvantages）。**网络分析**方面，构建了代码-句子、代码-类别、代码-主题的二部网络，应用社区检测（community detection）算法总结受访者回应中的模式，并通过布尔运算探究主题间的叙事关系。此外，研究受**信息论与网络科学**启发，构建了动态网络模型 G=(V,E,w,t)，引入香农熵（Shannon entropy）度量全局信息多样性、Fisher 信息度量局部结构相干性，并定义创新泛函 Ψ_G 作为评估网络拓扑价值的数学框架。

## 研究结果

### 主题与网络分析的主要数据结果

通过对初级数据的网络分析，三个核心议题被提取：追踪中间创新步骤的机遇与劣势、相对于欧盟资助项目所用创新指标解锁 embedded 价值的潜力、以及解锁该价值的条件。社区检测显示，"Assets"主题在网络中处于中心地位，而"Perception"具有最高度的中心性。最富信息量的主题为"Opportunities and Insights"与"Critics and Disadvantages"，揭示了自下而上追踪创新的优势与感知风险。关键发现包括：失败本身被视为创新的一种形式，因其提供了关于不可行路径的信息；研究者对整合异质数据集以预测实验结果表现出兴趣；追踪实验步骤的建议时间尺度为每两周至每月一次。同时，信息过载、知识产权约束、行政负担和心理压力被识别为主要障碍。

### 已观察到的机遇

**数据收集的模态与效用**：受访者支持将失败视为创新，认为其能避免重复错误、为成功复现提供 know-how、并作为生成新假设的基础。将无形资产（如实验设置、程序知识）纳入过程-资产映射模型的需求被强调。数据格式建议采用流程图或路线图配合可视化工具。

**创新进展沟通的模态**：沟通策略需因受众而异。面向非技术公众时，视觉化中间步骤有助于开放科学传播；面向专利评估时，两周一次的更新节奏可支持周期性专利适格性评估。

**数据收集与沟通的治理**：资产类别应包含无形资源；输入界面宜采用极简设计以降低摩擦；路径应以图形式可视化。受访者普遍赞同基于权限角色的治理模式，区分研究与商业职责，并期望贡献者保留对未资本化 insights 的重用自由。

### 已观察到的约束

**信息过载的风险**：包括知识产权与保密约束（过早披露可能使专利无效）、调查方法的弱点、作者身份与所有权争议、资源负担增加、以及追踪一切细节的"不可持续性"所引发的心理负担。

**去中心化治理的权限角色**：受访者对分布式治理持混合态度。部分支持基于投票系统的政策，但须满足贡献者专属或具备商业专业知识等条件；另一些则批评研究工作环境本身未践行民主价值，或认为创新与市场的紧密关联使投票治理不适用。共识集中于：组织应仅对出版物或交付成果行使财产权，而不应阻碍来自未资本化 insights 的衍生创新。

## 讨论总结与研究结论

讨论部分围绕三个维度展开。**设计意涵**方面，基于实证洞察，研究人员设计了一个区块链知识图谱概念验证原型，以三分部有向图形式记录创新步骤：输入节点（资源）、过程节点（实验/程序）和输出节点（结果，含成功与失败）。该原型支持创新路径的追溯查询、分支与合并可视化，以及通过链式推理为假设生成提供上下文。区块链层作为不可篡改的时间戳日志，图数据库（Neo4j）存储节点属性，二者结合实现了可追溯性与可审计性。**政策意涵**方面，研究提出创新价值应被理解为网络重组的递归函数，而非商业可行性的二元结果。政策应捕捉中间结果中的 latent value，将失败知识的公共可读性视为降低技术转移成本的 intangible capital。**理论意涵**方面，研究构建了"探索潜在价值"（LVE）的形式化定义（公式5），量化单个探索步骤通过扩展系统可达配置空间而带来的预期价值改进，即使该步骤未立即改善性能。这一框架将经济价值锚定于网络拓扑属性，而非经济主体的主观效用或专有权利，与经济复杂性理论形成对话，但聚焦于微观尺度的创新网络。

研究结论指出：本案例研究识别了追踪增量创新步骤相对于传统 TRL 评估生成新价值的条件。实证发现表明，中间创新步骤（包括失败）被视为对新知识的累积性贡献，其文档化是解锁分布式知识中潜在价值的投资。基于受访者对数据收集模态与治理约束的洞察，研究设计了区块链知识图谱概念验证，以查询先前知识、支持基于顺序推理生成实验假设，并追踪先前知识组合何时涌现为稳定且可复现的结果、导向更成熟的 TRL 阶段。创新步骤被表示为连接资源、过程和结果的有向三分部图；每一步的目的、程序和预期结果编码于图表示中；最小分类法可丰富现有创新网络贡献映射框架。该模型允许记录失败和成功结果的数据与贡献，并可视化从项目 inception 开始的路径演化，揭示创新序列、分支合并与分叉。从有向图中提取的路径可为 LLM-RAG 或多智能体系统中基于顺序推理的假设生成提供上下文支持。

最终，研究提出一个理论概念作为实证数据与概念验证数据模型的抽象：创新价值可依据累积知识 embedded 于时序创新网络中的复杂性来解释，并建议以信息论度量（Fisher-Shannon 熵框架）评估之。在此视角下，创新价值可计算为使其成为可能先前贡献的函数，从而超越仅将创新等同于专有产出或市场适切性的局限。这一视角凸显了跨 portfolio 识别和重用不成功或中间结果的潜力，其政策意涵在于为创新贡献者网络公平分配经济回报提供了可能性。