新颖性来源与发明影响：来自生物技术专利的证据

《Technovation》：Source of novelty and invention impact: Evidence from biotechnology patents

　　

- 识别新颖性的来源为科学或技术原创性，或重组式创造。
- 科学原创性和重组式创造显著提升了发明影响力。
- 技术原创性和双重原创性均不显著影响发明影响力。
- 科学知识能够促进远距离技术的融合。
- 科学知识能够促进彼此关联薄弱知识的整合。

引言

新颖性是指识别出新的行动可能性，其源于人类的创造性思维（Kirzner, 1973）。它被广泛认为是衡量发明内在价值的关键指标（Kaplan和Vakili, 2015）。其重要性最早在所谓"威尼斯时刻"所建立的法律框架中得到法典化，这一时刻标志着知识产权概念的确立。在该框架下，对于源自同一区域内已有知识的发明，不能授予专利（May和Sell, 2006）。这一原则为后续知识产权保护体系中的新颖性要求奠定了基础，使其成为评价发明价值的关键标准。自1790年美国专利制度建立以来，"新颖性"一直是专利授权的两大基本标准之一，用以确保专利的原创性和独特性。除其法律定义外，新颖性还在推动进化性变革中发挥着核心作用，它通过引入变异进入技术系统来实现这一目标。因此，新颖性既是法律标准，也是推动技术进步和经济增长的关键机制（Witt, 2009; Reitzig, 2003）。

从知识重组的角度来看，发明源于对多样化知识组件的选择性和创造性整合（Fleming, 2001; Youn等, 2015; Savino等, 2017）。这些组件的特征及其整合结构系统地塑造了创新成果，尤其是在两个关键维度上：新颖性和影响力（Xiao等, 2022）。新颖性反映了一项发明的认知配置——包括其构成知识组件的组成、来源和关系结构——在创造时与先前技术之间的偏离程度，而影响力则捕捉其在选择性和累积性技术环境中所实现的影响。新颖性主要来源于两个方面：已有知识的独特组合，以及将完全原创的知识引入系统中（Arts和Veugelers, 2015; Verhoeven等, 2016; Pezzoni等, 2022）。与通过不完美复制现有惯例所产生的变异不同——这由"惯例模仿的不可靠性"概念所捕捉（Becker等, 2006; Winter, 2006）——引入原创知识代表了一种更根本的突变，能够扩展可搜索的空间（Strumsky和Lobo, 2015; Li和Zhou, 2023）。相比之下，发明影响力指的是一种事后结果，反映了技术系统内部的选择、扩散和累积发展过程。尽管发明影响力的概念范围涵盖经济和社会维度（de Rassenfosse和Jaffe, 2018），但本研究特别聚焦于技术领域，将影响力定义为一项发明通过影响后续发明活动的方向、结构和强度来塑造后续技术发展的程度。这种影响可以表现为将发明搜索重新导向特定的问题域或技术轨迹，重组知识关联和基础技术模式，或被催化的后续发明努力的规模和频率的变化。因此，影响力代表了一项发明在累积性和选择性知识环境中所实现的影响，而非新颖性的直接或自动结果。这一概念化基于演化经济学，该理论将创新框定为变异、选择和保留的过程。

新颖性的来源与发明影响力之间的关系在文献中仍有争议，而这一关系背后的机制尚未得到充分阐述。传统研究普遍报告从新知识获得的新颖性与所产生的影响力之间存在正相关关系（Schoenmakers和Duysters, 2010; Barbieri等, 2020），有些研究甚至将两者在实证测量中混为一谈（Arnold, 1998）。新颖性和技术领导力通常与先发优势联系在一起（Lieberman和Montgomery, 1988; Arora等, 2023a）。然而，并非所有新颖发明都能产生影响力，因为基于完全新知识的发明通常涉及更大的技术和商业不确定性（Sorenson和Fleming, 2004; Arts和Fleming, 2018），且技术系统的路径依赖特性可能会阻碍其扩散。正如先前关于技术扩散的研究所建议的那样，发明在一个由认知、经济以及制度因素共同塑造的更广泛选择环境中竞争，这些因素共同影响一项发明是否会被认可、采纳，并随后被其他创新者在此基础上进行开发（Teece, 1986; Arthur, 1989; Geroski, 2000; Jaffe, 2015）。根据"知识再利用轨迹"视角，频繁地重新利用现有知识组件与更高的发明影响力相关联（Boh等, 2014; Dibiaggio等, 2014），因为它增强了发明的可靠性和可理解性（Wang等, 2014）。

这些相互矛盾的研究发现部分源于对新颖性来源的不完整理解，特别是科学知识的作用以及其与技术知识在塑造发明成果方面的互动作用。大多数研究将新颖性追溯到单一知识来源，主要是在技术领域内（Nerkar, 2003; Van Raan, 2017; Carnabuci和Operti, 2013）。然而，区分科学知识和技术知识至关重要，因为它们服务于不同的目的、需要不同的能力，并以独特的方式为新颖性的产生做出贡献（Wang, 2024; Belenzon和Schankerman, 2013）。最近的研究表明，新颖的科学出版物往往对技术领域产生更广泛和更深远的影响，扩展了发明影响力的广度和深度（Ke, 2020; Veugelers和Wang, 2019; Arora等, 2023b）。科学知识通过深化对基本原理的理解并将创新引导至有前景的方向，作为技术探索的路线图发挥作用（Arts和Fleming, 2018; Fleming和Sorenson, 2004）。它有可能颠覆现有的技术轨迹，从而增加突破式创新的可能性（Wu等, 2024; Ba等, 2024）。更广泛地说，经典重组视角通常强调现有知识组件的重新配置（如Arts和Veugelers, 2015; Fleming等, 2007; Katila和Chen, 2008），而完全新知识在推动发明影响力方面的作用则相对缺乏探索。因此，我们对新颖性来源——特别是新的科学洞见的作用及其与其他知识的互动——在塑造发明在选择过程中的影响方面，理解仍然有限。

鉴于此，本研究探讨两个核心研究问题：(1) 发明新颖性的来源是什么？(2) 各种新颖性来源如何塑造发明的后续影响力？

生物技术领域为本研究提供了引人入胜的背景，因为生物技术发明高度依赖于科学进步和强有力的知识产权保护（Phene等, 2006; Deng等, 1999）。大量生物技术产品和工艺获得了专利保护，使得专利成为可靠且可观察的发明和创新活动的指标。生物技术领域中以科学为基础的企业不断涌现，转变了科学知识的商业化范式，这类企业广泛参与基础研究以促进技术发展（Pisano, 2010; Colen等, 2022）。因此，生物技术发明与公共和私营部门开展的基础研究和应用研究深深交织在一起（Lim, 2004）。先前的研究进一步强调了整合科学知识和技术知识的关键作用，特别是通过生物技术创新过程中不同形式的知识重组来实现（Gittelman和Kogut, 2003; Keijl等, 2016）。

本文从三个方面对文献做出贡献。首先，我们构建了一个演化框架，将发明新颖性概念化为搜索和重组过程中知识突变的产物，而发明影响力则是后续扩散、采纳和选择过程中涌现的结果。该框架明确地将新颖性作为发明的事前属性，与影响力作为突变-选择动力学中的事后后果区分开来。通过阐明不同新颖性来源转化为现实影响力的底层机制，我们推进了对发明影响力决定因素以及更广泛的技术扩散过程的理解（如Ke, 2020; Veugelers和Wang, 2019; Arora等, 2023a; Arora等, 2023b）。

其次，我们通过引入基于来源的认知视角来细化新颖性的理论概念化，该视角区分了科学领域和技术领域，并明确考虑了完全新知识的引入。它强调新颖性源于不同的前导知识领域，并将科学原创性、技术原创性和重组式创造区分为新颖性的事前来源。特别是，我们证明了在科学密集型产业的背景下，科学原创性通过促进远距离技术知识的融合以及先前不相关知识的整合来促进价值创造。通过细化新颖性的认知起源，这一框架扩展了基于重组的创新视角，对组合式发明活动中新的科学洞见的作用提供了更细粒度的理解（Fleming, 2001; Arts和Veugelers, 2015; Strumsky和Lobo, 2015）。

最后，我们在方法论上做出了贡献，开发了一种混合知识网络方法，能够同时捕捉新颖性的领域结构和跨领域起源，从而在统一的分析框架内将科学知识和技术知识联系起来。通过将语义衍生内容映射到医学主题词（MeSH）来对科学知识进行分类，并通过论文-专利引用网络整合国际专利分类（IPC）类别，该框架在统一的实证环境中操作化了科学原创性、技术原创性和重组式创造。由此产生的双层方法特别适合科学密集型产业，在这些产业中科学发现和技术发展紧密交织。通过跨领域联合建模语义结构和正式分类，该方法补充了纯粹基于语义的新颖性度量（如Arts等, 2021; Peng等, 2025），以及单独使用的基于分类的指标（Verhoeven等, 2016）。

本文其余部分组织如下：下一节介绍了新颖性的概念框架并提出假设。接下来，我们介绍研究背景、数据来源和变量。随后，我们报告并解释估计结果，包括稳健性检验。最后，我们总结全文并讨论研究发现、启示和局限性。

章节摘要

概念框架

借鉴演化视角，我们通过突变和选择机制分析新颖性的来源和发明影响力。突变指的是在不确定性下通过有意的和刻意的搜索产生的技术、惯例或知识的变异（Nelson和Winter, 1982; Metcalfe, 1994; Frenken, 2006），这与生物突变不同，后者是随机的且无方向的（Dosi和Nelson, 2010）。因此，突变构成了产生机制……

研究背景与样本

我们构建了一个专利层面的数据集，包含美国专利商标局（USPTO）在2010年至2021年间授予的生物技术专利。数据来源于Lens数据集，该数据集提供了详细的生物技术专利信息及其对科学论文的引用情况。数据集涵盖了专利层面的特征，包括专利授权日期、前向引用、技术分类、前向引用以及地理来源（……

新颖性对发明影响力的效应

我们利用Tobit回归分析开始检验新颖性对发明影响力的影响，因为因变量是连续的但具有零点的角点解和右删失特征。尽管专利的前向引用数经过归一化以解决截断问题，但数据仍然存在右删失问题，因为只有在数据收集时只能观察到引用的下界，这可能导致对更高影响力……

研究发现

本研究通过分析嵌入生物技术发明中的科学知识和技术知识的组合模式，探讨了发明新颖性的来源。它进一步检验了这些不同的知识配置与由此产生的发明影响力之间的关系。基于2010年至2021年间由USPTO授予的生物技术专利数据集及其对先前专利和科学文献的引用，我们得出三个关键发现。首先，……

CRediT作者贡献声明

Fang Wang（王芳）：写作——审阅与编辑，写作——初稿撰写，验证，监督，软件，资源，项目管理，方法学，调查研究，资金获取，形式化分析，数据管理，概念化。Xinyu Liu（刘心雨）：写作——审阅与编辑，写作——初稿撰写，调查研究，形式化分析，概念化。Zhenting Xiao（肖正婷）：方法学，形式化分析，数据管理。

利益冲突声明

作者声明以下可能存在潜在利益冲突的财务利益/个人关系：Fang Wang报告获得了中国国家自然科学基金和中国国家社科基金的财务支持。

致谢

本工作得到了中国国家自然科学基金（基金号72274191）和中国国家社科基金（基金号24&ZD051）的资助支持。

作者衷心感谢Bastian Rake、责任编辑Max von Zedtwitz以及三位匿名审稿人给予的建设性意见和宝贵建议。
Fang Wang | Xinyu Liu | Zhenting Xiao