基于人工智能的机会预测技术，用于识别科技初创企业：整合图嵌入、大型语言模型（LLMs）和信息计量分析方法

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：AI-driven opportunity forecasting for technology startup identification: Integrating graph embedding, LLMs, and informetric analysis

本研究提出一种多阶段框架，结合专利文本分析、图嵌入模型PatGraph和Search Path Count算法，识别高潜力科技初创企业（TSs）。通过划分技术社区、发现增量与颠覆性机会、构建“技术-市场-团队”评价体系，并以中国无人机飞行控制系统为例验证，发现73家高潜力TSs，其中飞行安全控制、专用配置和飞行模拟社区最具投资价值。

　　

翟东升|赵凯|王明|蔡亮|徐硕

北京工业大学经济与管理学院，北京，100124，中国

摘要

本研究提出了一种新颖的多阶段框架，用于识别高潜力科技初创企业（TS）。该框架将技术机会发现与多源数据分析相结合，以减轻风险资本决策中的信息不对称问题。框架包括三个集成阶段：1）技术社区划分：利用大型语言模型和创新图嵌入模型（PatGraph）将专利引用网络聚类为不同的技术社区；2）技术机会发现：应用搜索路径计数算法、语义扩展和整合/颠覆性指数来发现渐进式和颠覆性创新机会；3）科技初创企业评估：构建一个多维的“技术-市场-团队”系统，并通过结合权重TOPS方法对科技初创企业进行排名。该框架通过在中国无人机飞行控制领域的案例研究得到了验证。案例研究识别出了73家高潜力的科技初创企业，这些企业分布在七个技术社区中。与飞行安全控制、专用配置和飞行模拟相关的社区被认为是最具投资潜力的领域。本研究提出了一个系统的“社区-机会-实体”分析框架，将专利文本分析与企业数据相结合，用于识别科技初创企业。它为风险资本家（VC）和政策制定者提供了一种可扩展的、由人工智能驱动的决策支持工具。该框架提高了科技初创企业筛选过程的客观性、细粒度及可解释性，尤其是在专利密集型新兴产业中。

引言

下一波全球技术变革的快速推进提高了科技初创企业（TS）作为创新商业化保障的重要性（Chammassian和Sabatier，2020）。在本研究中，我们将科技初创企业定义为成立时间在五年以内且至少拥有一项专利的公司。这一时间门槛与常见的政策和实证定义中的年轻创新企业相符（Calvino和Costa，2025），而专利要求确保了我们关注那些以专利为核心的技术能力和价值主张的行业（Conti等人，2013；Hoenig和Henkel，2015；Hsu和Ziedonis，2013）。风险资本家（VC）倾向于投资科技初创企业，因为它们具有高增长潜力（Maarouf等人，2025；Shuwaikh和Dubocage，2022）。然而，科技初创企业通常无利润，且缺乏能够影响融资选择的抵押品，导致其失败风险显著增加（Taeuscher和Kietzmann，2017；Zhang等人，2019）。因此，在寻找科技初创企业时，VC面临由信息不对称造成的重大障碍（Gompers等人，2020；Huang和Pearce，2015；Scott等人，2020；Xu等人，2023）。

为缓解这一问题，VC依赖于分析客观数据（例如财务指标、创始人背景）和进行面对面访谈（Cumming和Dai，2010；Parhankangas和Ehrlich，2014；Sharchilev等人，2018；Weibl和Hess，2019）。然而，这些方法对于缺乏成熟运营数据的早期科技初创企业往往无效，而且创始人可能不愿意披露敏感的技术细节（Massimo G. Colombo等人，2023）。商业VC辅助平台（例如PitchBook、CB Insights）已经出现，可以大规模地汇总和分析初创企业信息，但它们主要关注结构化的企业概况、融资事件和新闻，往往缺乏对专利中嵌入的核心技术内容的深入系统分析。

因此，需要一个更客观、更可靠的科技初创企业潜力指标。在这种情况下，专利是一个重要的工具。专利的公开、经过审查的披露可以作为初创企业技术能力的一个可验证信号（Hegde等人，2022；Varriale等人，2022），而专利的文本内容包含了关于创新质量和商业潜力的增量信息（Glaeser和Lang，2024；Zheng，2025）。这种直接联系意味着从专利数据中发现技术机会与识别最有可能将这些机会商业化的科技初创企业密切相关（Wang等人，2023；Xu等人，2024）。

以往的研究主要采用两种方法：（1）预测性视角通过使用多源历史数据训练机器学习模型来评估科技初创企业的成功潜力（Li等人，2024a；Maarouf等人，2025）。这种方法的一个关键局限性是它经常未能充分利用专利文本中的丰富语义信息作为技术实力的主要指标。（2）关联视角利用AI方法从专利文本中挖掘新兴技术机会（Kim和Lee，2020；Park和Geum，2022）。然而，这种方法通常仅停留在识别有前景的技术领域，而没有有效地将它们与具体实现这些机会的初创企业（即商业化实体）联系起来（Ko等人，2020）。

尽管以往研究的发现很有价值，但它们存在几个局限性。首先，科技初创企业的识别缺乏一个能够整合专利文本、引用数据和其他多源信号的多阶段研究框架。许多研究直接将结构化的专利特征（如国际专利分类（IPC）代码和累积引用次数）纳入机器学习模型，这往往会影响结果的可解释性。此外，依赖历史训练数据与未来投资领域之间的相关性可能导致预测不准确。尽管专利文本和引用数据是科技初创企业潜力和风险资本决策路径的有效指标（Chung和Sohn，2020；Lu和Wang，2024），但一个综合这些非结构化数据与其他来源的完整框架仍然缺失。其次，从关联视角探索技术机会时，现有方法缺乏足够的细粒度。它们通常无法将识别出的机会与实现这些技术的具体实体（即科技初创企业）联系起来。例如，虽然专利文本和引用数据被用来发现新兴业务领域，但它们很少产生高潜力科技初创企业的可行列表。因此，这些方法未能满足VC的实际决策需求。

为此，我们提出了一个多阶段框架，通过将技术机会发现与多源评估相结合来识别高潜力科技初创企业。该框架包括：阶段1：技术社区划分，我们使用大型语言模型（LLM）和图嵌入技术将专利分割为可投资的技术领域；阶段2：技术机会发现，我们使用搜索路径计数（SPC）算法、语义扩展和整合/颠覆性（CD）指数在社区内识别渐进式和颠覆性技术机会；阶段3：科技初创企业评估，通过多维评估系统对入围的科技初创企业进行排名。

本研究的主要贡献包括：（1）提出了一种新颖的多阶段框架，弥合了技术机会发现与科技初创企业识别之间的差距；（2）引入了一种新的技术社区划分方法，将LLM与图嵌入（PatGraph）相结合；（3）开发了一种发现渐进式和颠覆性技术机会的混合方法；（4）构建了一个全面的“技术-市场-团队”评估系统。这些构成了一个统一的“社区-机会-实体”架构，提供了一个系统的、由人工智能驱动的决策支持解决方案，帮助VC减轻信息不对称问题并识别有前景的科技初创企业。

本文的其余部分组织如下：第2节回顾相关工作。第3节概述研究框架和方法论。第4节通过案例研究展示该框架。第5节讨论贡献、局限性和未来研究方向。

部分摘录

科技初创企业识别的信号

科技初创企业是专注于开发和商业化新技术的创业企业。对于VC来说，投资科技初创企业具有潜在的高回报，但也伴随着显著的资金风险。这一过程中的一个关键挑战是逆向选择：科技初创企业通常比VC拥有更多关于其前景的定性信息，并可能战略性地利用这一优势（Scott等人，2020）。为了缓解这种信息不对称问题，VC必须识别出可靠的科技初创企业信号

研究框架

考虑到未来投资市场的格局可以通过当前的投资格局来预见，因此科技初创企业的识别起点与早期发现新兴投资格局是一致的。在这方面，新兴投资领域被提出并作为科技初创企业的线索进行分析。然而，这种方法在实践中的准确性和稳定性不如之前分析投资模式和领域的方法

案例研究

中国政府将低空经济定位为一个战略性新兴产业，并实施了促进其发展的政策。飞行控制系统作为无人机的中央处理单元，负责接收传感器数据，通过算法处理这些信息，并生成控制命令来调节无人机的运动。这一领域吸引了许多技术创业者的关注，从而催生了各种科技初创企业的出现。因此，我们使用

结论

本研究提出了一种新颖的多阶段框架，通过将技术机会发现与多源数据分析相结合来识别具有高增长潜力的科技初创企业。我们利用LLM和图嵌入技术对技术社区进行分割，使用SPC算法、语义相似性和CD指数来识别渐进式和颠覆性创新机会，并通过结合专利和企业数据进行分析来评估科技初创企业。所提出框架的可行性是

写作过程中生成式AI和AI辅助技术的声明

在准备这项工作时，作者使用了DeepSeek-R1来提高手稿的可读性和语言表达。使用该工具后，作者根据需要对内容进行了审查和编辑，并对发表文章的内容负全责。

CRediT作者贡献声明

翟东升：写作——审稿与编辑、资源、方法论、概念化。赵凯：写作——初稿、软件、方法论、数据整理。王明：可视化、软件、方法论。蔡亮：监督、方法论、概念化。徐硕：写作——审稿与编辑、方法论。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

翟东升：博士，担任北京工业大学经济与管理学院管理科学与工程系的教授。他的研究兴趣包括专利技术挖掘、技术预测、数据挖掘和管理决策制定，以及技术和创新管理方法论的开发。