多维网络社区结构与突破性技术扩散：以人工智能芯片行业为例

《TECHNOLOGY IN SOCIETY》：Multidimensional Network Community Structures and Breakthrough Technology Diffusion: Evidence from the AI Chip Industry

　　

Huiyang Wang|Jianhua Liu|Zihuan Chen|Yubing Zhao|Liangchao Huang

郑州大学管理学院，中国郑州450001

摘要

网络社区是创新网络中重要的中层特征。然而，其在突破性技术传播中的作用尚未得到充分理解。本研究利用1994年至2025年全球人工智能芯片行业的专利引用数据，构建了专利引用网络并识别出其中的社区。在此基础上，从速度和强度两个维度分析了突破性技术在不同社区间的传播情况。研究结果表明，社区凝聚力与这两个维度均存在倒U型关系；社区异质性对传播速度有倒U型影响，但对传播强度则有正向影响；社区协调性对这两个维度都有积极影响，且对传播强度的影响更为显著。跨越社区边界的结构洞也会调节这些关系，它们能够缓解过度凝聚力带来的传播速度下降问题，同时增强社区异质性对传播强度的积极影响。进一步分析还揭示了不同类型社区之间的差异：自组织社区中的技术传播更依赖于去中心化的协调机制，而以领导者为主的社区则更依赖核心角色的作用。通过将社区属性、中介地位、社区类型以及两种传播结果相结合，本研究从中层视角解释了突破性技术如何在复杂的创新网络中传播。

引言

突破性技术的出现与传播被广泛视为推动产业升级和技术范式变革的重要力量（Zou, 2024）。与渐进式创新相比，突破性技术通常需要大幅偏离现有的技术发展路径，同时在知识整合、组织协调和应用场景方面进行更广泛的变革。因此，其价值不仅取决于突破本身的实现，还取决于相关知识是否能够在创新网络中被有效传递、吸收和重组（Juhász et al., 2024）。但实际上，许多具有潜力的突破性技术仍局限于特定的研发网络，难以跨越从实验室研发到早期产业应用的“死亡之谷”。这表明，突破性技术面临的传播障碍与技术不成熟度、市场需求以及影响复杂知识在各方之间流动的网络条件密切相关。另一个更为根本的制约因素在于那些影响复杂知识在各方之间流动的网络条件。先前的研究表明，突破性技术的传播依赖于跨组织和跨技术领域的知识整合与协同创新（Lai & Su, 2024）。然而，高度专业化的隐性知识可能会促使优势企业构建封闭的专有生态系统，从而造成锁定效应，限制技术的更广泛传播；此外，不同主体之间的认知差异会增加沟通与协调成本，进一步提升合作失败和整合受阻的可能性（Jacobides et al., 2024）。因此，从网络结构的角度解释为何突破性技术难以实现可持续传播，便成为了一个重要的研究课题。

随着研究的深入，对技术传播的分析已从以早期采用者为中心的解释，转向基于社会网络和创新系统的结构视角。现有研究表明，网络结构会影响协作动态和知识流动（Gui et al., 2025）。网络特征还会影响创新系统中的跨界融合现象（Ma & Zhu, 2025），以及外部合作伙伴关系带来的创新效应。在这种背景下，网络社区可以被理解为内部联系紧密但与其他群体联系较为疏远的结构性群体（Iurkov et al., 2023）。因此，聚焦于社区分析，能够更细致地了解突破性技术在何种结构条件下得以传播或受到限制。

尽管先前的研究从网络结构和社区特征的角度为创新研究提供了重要见解，但对于网络社区如何影响突破性技术传播的理解仍然有限。首先，现有研究主要关注宏观层面的网络结构以及微观层面的主体地位，而对作为技术知识实际传递、吸收和转化所在的中层结构单元——社区——的关注相对较少。其次，虽然以往的社区研究已经表明不同社区的内部结构存在差异，但目前对于不同社区特征如何通过不同机制影响知识流动、资源整合和协同行动的理解仍较为有限。第三，突破性技术的传播不仅取决于社区内部的状况，还取决于各社区之间的连接方式，但目前关于诸如结构洞之类的跨界位置如何改变社区内部结构对传播影响的系统分析仍然不足。

人工智能芯片行业的创新活动高度依赖复杂知识的积累、跨领域技术的融合以及多个主体之间的持续协作，这使得该行业成为研究突破性技术传播的理想实证对象。基于此，本研究以人工智能芯片行业为研究对象，通过构建专利引用网络识别出技术传播社区，进而分析不同社区结构如何影响技术传播的速度和强度。同时，研究还将结构洞纳入分析框架，探讨其在这一过程中的调节作用。

本研究主要有三方面的贡献。首先，以往关于突破性技术传播的研究大多聚焦于整体网络结构或单个节点的特征，而本研究将分析焦点转向中层层面的网络社区，从而拓展了基于网络的技术传播研究。其次，本研究从凝聚力、异质性和协调性三个维度对社区结构进行了概念化处理，并将传播速度和传播强度纳入统一的分析框架， thereby丰富了突破性技术传播的理论解释体系。第三，本研究将结构洞作为一种跨界连接机制，揭示了它如何在社区结构影响技术传播的过程中发挥作用，进而加深了我们对复杂技术生态系统中传播机制的理解。

本文的其余部分结构如下：第2节回顾相关文献，构建理论框架并提出研究假设；第3节阐述研究设计、数据来源及变量操作化定义；第4节呈现实证研究结果；第5节讨论研究发现、实践意义及局限性；第6节对全文进行总结。

章节要点

文献综述

突破性技术通常指的是那些相较于现有技术发展路径具有显著新颖性和独特性，并能对后续技术发展产生重要影响的科技创新。与普通技术创新相比，突破性技术往往具有更高的复杂性、更强的隐性特征以及更大的不确定性。因此，它们的传播不仅仅涉及技术信息的传递

数据来源与处理

本研究以人工智能芯片作为实证研究对象，探讨网络社区结构如何影响突破性技术的传播。作为人工智能与半导体技术交叉发展的前沿领域，人工智能芯片既需要跨领域的知识整合，也需要基于网络的信息与资源协调。全球范围内的企业、研究机构及高校已经形成了多层次的技术协作体系

描述性统计

表1展示了所有变量的描述性统计结果及相关系数矩阵。研究结果表明，突破性技术的传播与网络社区的多种多维结构特征存在显著关联。此外，所有成对相关系数的绝对值均低于0.7，方差膨胀因子也远低于通常认为的10这一临界值。这些数据表明，多重共线性问题不太可能

讨论

这些研究结果应当放在人工智能芯片行业创新活动分散在具有不同结构特征和功能角色的多个社区这一现实背景下来理解。该行业并非构成一个同质的创新空间，而是由涵盖芯片架构设计、编译器工具链、软件框架、算法优化以及下游应用等多个领域的社区组成，这一模式与近期关于互补性的研究结果一致

结论

本研究分析了多维社区结构如何影响人工智能芯片行业中的突破性技术传播。通过专利引用网络，研究了社区凝聚力、异质性及协调性对传播速度和传播强度的影响，同时还考虑了结构洞的调节作用以及不同类型社区之间的差异。研究结果表明，突破性技术的传播是由多种因素共同作用的结果

CRediT作者贡献说明

Zihuan Chen：方法论设计。Yubing Zhao：验证工作、形式化分析。Liangchao Huang：论文撰写——审稿与编辑、论文初稿撰写。Huiyang Wang：论文撰写——审稿与编辑、论文初稿撰写、方法论设计。Jianhua Liu：概念构建

未引用参考文献

Wu et al., 2024.

数据获取方式

数据可向作者请求获取。

关于写作过程中使用生成式AI和AI辅助技术的声明

在准备本研究成果时，作者使用了ChatGPT进行翻译工作。

利益冲突声明

作者们声明不存在任何利益冲突。

致谢：

本研究得到了河南省海外高层次人才创新中心“绿色低碳技术与能源转型”项目（项目编号：GZS2024001）以及河南省软科学重大专项（项目编号：242400411004）的支持。