20世纪中叶以来，随着科学技术的飞速发展和生产方式向后福特式转变，人类正进入知识经济时代，创新成为人类社会经济活动的核心。自Schumpeter首次提出“创新”的思想以来，经济学、社会学、地理学等学科都从不同角度对创新问题展开了广泛讨论。经济学研究往往将创新看成影响经济增长的一个变量，忽视了创新活动过程的复杂性及其在空间上的差异，但近些年来，随着创新地理学的兴起，从空间维度对创新活动的研究逐渐引起了学者们的关注并形成了较为丰富的研究成果。

集聚是创新活动最重要的空间特征，也是创新地理学讨论的核心议题。对创新集聚问题的研究可以分为两个阶段：第一个阶段是从20世纪20年代到80年代，以Schumpeter为代表的技术创新经济学主要研究了创新与企业规模、市场结构、经济周期等问题^[1]，之后在Schumpeter思想的影响下，佩鲁的增长极理论、维农的产品生命周期理论和胡佛的集聚经济理论分别从不同的角度解释了创新对地域空间的依赖性。第二个阶段是自20世纪80年代以来，随着全球一体化和技术创新需求的增加，许多学者对创新研究的视角从企业层面转变到区域层面。Scott等首先观察了一些以柔性专业化为特色的区域并提出新产业区理论，其中创新氛围、根植性和交易成本等理论进一步发展了对创新的空间集聚现象的理论解释^[2]。1990年，Porter从区域竞争力的角度提出了创新型产业集群的概念^[3]。1992年，Cooke提出区域创新系统理论，并在其后对区域创新系统进行了较全面的理论与实践研究^[4]。1994年，Feldman正式提出了创新地理学的概念，并通过一系列的实证研究系统地分析了创新集聚的空间问题，引发了对创新集聚问题研究的热潮^[5]。与此同时，于90年代兴起的新经济地理学为探讨经济活动的空间集聚问题提供了一个可行的模型框架，以Fujita为代表的一些学者利用新经济地理模型探讨了知识溢出的微观机制和创新部门的空间集聚过程^[6]。探讨创新活动的空间集聚特征及影响机制对于认识创新活动空间规律，丰富创新地理学的理论体系有着十分重要的意义^[7]。本文拟通过文献梳理，对创新集聚的空间特征进行总结，并对影响创新空间集聚的内在机制进行梳理，以期为创新活动的空间规律研究提供借鉴。

传统的基于经济学的创新研究通常认为创新要素在空间上是均匀分布的，创新溢出不受地理因素的限制。然而，一些学者发现现实世界中创新活动表现出明显的空间差异并且对这种现象进行了研究。学者对创新集聚的研究经历了一个从企业研发部门集聚到众多创新主体间的互动，从本地化到区域外建立广泛网络关系的发展过程^[8]。从研究内容来看，已有文献主要从集聚化、本地化和网络化三个方面对创新活动的空间集聚特征进行了研究。其中，集聚化特征研究主要是从整体上对创新活动的空间分布特征进行观察与描述，本地化特征研究主要是从集群内部对导致创新集聚的本地特征进行分析，网络化特征研究则主要从外部联系的角度分析不同创新集群间的互动，因此本研究将从这三方面对创新活动的空间集聚特征研究进行梳理。

创新活动是集聚还是分散的？这是创新活动空间分布研究讨论的基本问题。大量的学者研究认为创新在空间上具有明显的集聚化特征。

首先，很多学者对创新活动的空间集聚现象进行了观察和描述。在全球层面，创新活动的分布是高度集聚的。2011年，欧盟、美国、日本、中国四大经济体的科技人才和研发经费投入占到了全球的75%，专利申请量占了全球的79.5%。在区域内部，创新活动也是高度集聚的。Buzard等发现，美国的研发活动、风险投资和专利产出主要集聚在五大湖区、加州湾区和加州南部地区^[9]。Moreno等测算表明，近30年来欧洲创新主要集中在德国西部、法国东部、英国东南部等少数地区^[10]。

其次，一些学者尝试对创新的集聚程度进行定量的测度。测度的指标主要有R & D投入、专利、新产品等，测度的方法主要有赫芬达尔指数、基尼系数、EG指数等，这些方法之前被运用到产业的空间集聚测度中，用来测度创新集聚的文献还比较少。Lim通过对美国城市地区创新活动的空间基尼系数计算发现，创新的集聚水平要高于每年的经济活动集聚水平^[11]。Fornahl和Brenner运用赫芬达尔指数、基尼系数和EG指数对德国30个行业的专利空间分布集聚度进行评价^[12]。当然，这些指数评价存在着单元选择的问题，一些学者对这些方法进行了改进，尝试采用连续空间分析方法来评价创新的空间集聚^[13]。

图 1(Fig. 1)

图 1 创新集聚的空间特征研究框架 Fig.1 Research Framework of Innovation Agglomeration Spatial Characteristics

另外，一些学者对创新集聚的空间尺度进行了研究。他们的研究发现，创新集聚对空间距离十分敏感，对邻近性有着强烈的依赖，这使得高效率的创新集聚大多只能发生在较小的空间范围内^[14]。Jaffe发现专利引用具有明显的距离衰减效应，距离越近，引用次数越多^[15]。Rosenthal和Strange发现大多数行业的知识溢出发生在距离1公里内的强度是2—5公里的10倍以上，而当达到10公里以上，知识溢出效应就下降到很低^[16]。然而，随着研究的深入，一些学者也发现，单一的地理邻近性不是创新集聚的充分必要条件，组织、制度、技术、人际关系等方面的邻近性也发挥重要作用，因此法国邻近动力学派提出多维邻近性概念并研究了不同邻近性与创新集聚之间的关系^{[17, 18]}。

虽然创新在空间上是高度集聚的，但这种集聚并不是在任何地区都可以发生的，而是只产生在一些特定区位。传统的工业区位论认为工业生产倾向于布局在原料产地或交通优势明显的地方。类似地，创新活动也存在这种“天然属性”，创新活动对知识、人才、文化环境等要素更为敏感，这些要素都是难以移动或复制的，这使得创新集聚具有明显的本地化特征。创新集聚的本地化特征主要表现在区域和城市两个层面。

在区域层面，创新活动依赖于区域特有的文化、制度、组织机构等元素，具有很强的本地根植性。20世纪80年代，Scott等学者发现在经济危机导致全球经济普遍低迷时，意大利东北部、美国的硅谷等少数地区仍然保持着良好的发展势头，这些地区与传统的马歇尔式工业集聚区不同，依赖柔性专业化的生产方式，通过根植于本地社会文化的“集体学习型”模式保持着强大创新活力，Scott将这些地区称为“新产业区”^[2]。后来的学者在此基础上将创新集聚与区域特质联系起来，提出了区域创新系统理论。1992年，英国经济学家Cooke率先提出区域创新系统的概念^[4]，将区域创新系统定义为在一定的地理范围内，各类创新主体（研究机构、大学、行业协会、企业等）依托特有经济、制度和文化网络形成的联系密切的区域性组织体系，这种体系能促进知识快速扩散和创新的不断产生。区域创新系统理论特别强调“创新环境”的作用，他们将创新环境定义为在一定区域内，不同的行为主体通过相互协同和集体学习，建立的非正式的复杂的社会关系。本地的社会人文环境被认为是创新的“孵化器”，对创新的产生与集聚具有决定性影响^[19]。Kirat也强调了集体学习和地方社会文化环境的重要性，认为创新主体的集聚方便了相互交流和学习，促进了技术创新、积累和扩散^[20]。

城市不仅拥有大学、研究机构等重要的知识创新源，还拥有丰富的人才、发达的信息网络和便捷的公共服务设施，因而成为创新活动最为密集和活跃的地区，大量的文献都讨论了城市与创新集聚之间的关系。

首先，一些学者探讨了城市规模与创新集聚的关系。许多研究认为，创新具有明显的规模报酬递增特点，因此创新活动更倾向于集聚在大城市^[21]。Feldman发现美国一半的新产品创新发生在波士顿、纽约、旧金山和洛杉矶这四个大城市^[22]。Bettencourt等发现大城市比中小城市拥有更高比例的专利申请者^[23]。当然也有学者提出不同观点，例如Carlino等发现专利密度与城市规模呈现“倒U型”关系^[24]。

其次，一些学者探讨了城市产业结构与创新集聚的关系。城市产业结构上的差异通常用专业化水平和多样化水平来反映。专业化集聚是指集聚在一起的同一产业内部不同企业之间通过模仿、劳动力流动、新思想的传播等方式创新^[25]。多样化集聚则认为大量不同产业的集中比同一行业内部企业的集中更能促进创新和增长^[26]。学者们对此展开了大量讨论，并没有得出一致的结论。Baptista等^[27]、Henderson等^[28]、吴玉鸣^[29]等对美国和中国的研究都认为专业化集聚对创新绩效更有利。而Glaeser等^[30]、Paci等^[31]、李学鑫等^[32]的研究则认为多样化集聚更能促进技术创新。也有学者认为，两种产业结构都对创新集聚有重要影响^[33]。

再次，一些学者探讨了创新活动在城市内部的空间集聚。Birch^[34]、Méndez等^[35]对美国和西班牙大城市的研究发现，创新型企业常常聚聚在服务业发达、人才众多、充满活力的CBD及其周边地区。Airoldi等^[36]、Teirlinck等^[37]、Halber^[38]对米兰、伦敦、巴黎等大城市的研究则发现，创新企业倾向于在郊区及卫星城形成规模较大的科技园区。段德忠等对上海和北京的研究发现，近10年间，北京创新活动不断向中心城区集聚，而上海的创新活动则呈现出郊区化的特点^[39]。

随着现代通讯技术和交通方式的快速发展，知识在不同地区间的流动大大加快，不同创新集群间的密切联系使得创新活动在空间上的网络化趋势日益明显^{[40, 41]}。长久以来，如何测度创新联系一直是该领域的难题。早期的学者用跨国投资FDI和国际贸易来研究国家间技术溢出^{[42, 43]}，但这种方式并不能直接反映创新的流动。也有一些学者使用引力模型来测度两地的创新联系^[44]，引力模型认为两地间的创新联系与两地的创新能力成正比，与距离成反比，但引力模型测度的只是一种潜在的而非实际发生的创新联系强度。近年来，随着Jaffe等人的共同努力^[45]，社会网络分析方法被引入到创新网络研究中来，在一定程度上实现了对创新联系的直接追踪和测度^[46]。

目前采用社会网络分析方法，运用专利引用、论文合作、技术交易等数据，探究创新联系以及创新网络的结构、绩效、空间特征等正成为学者关注的重点。Jaffe等运用美、德、法、英、日5个国家间的专利引用数据来分析了创新在这5个国家间的流动情况^[47]。Peri搜集了147个地区的450万项专利引用数据，构建了跨越欧洲和北美的创新联系网络，并分析了网络的结点、密度、绩效等特征^[48]。Maggioni等运用因特网、专利合作、学生流动以及研究合作数据，构建了跨越欧洲15个国家的创新网络，研究发现地理邻近与技术邻近是影响创新网络的主要因素^[49]。与西方学者不同，由于我国现在还没有大量的专利引用数据，所以国内学者只能通过合作专利、合著文献等数据来反映创新网络的情况。例如，吕拉昌等利用中国城市间论文合作数据，分析了城市间创新联系的强度差异，构建起我国城市创新职能的等级体系^[50]；牛欣基于跨城市边界合作申请的发明专利数据，提出城市知识创新辐射距离的概念和计算方法，并对中国城市间跨区域合作创新现状进行了分析^[44]。目前，网络分析方法才刚刚开始进入创新研究领域，有着广阔的发展前景^[51]。

如何解释创新活动的空间集聚现象，是创新活动空间规律研究的关键。早期解释集聚的思想主要来自马歇尔的外部性理论，马歇尔认为集聚经济来自于劳动力池、中间投入品共享和知识溢出三种外部性，但马歇尔理论解释的主要是产业集聚而不是创新集聚。随着演化经济地理、区域创新系统等理论的出现，学者们从不同角度对创新集聚的内在机制进行了探索。Carlino等对前人的研究进行了梳理并将创新集聚机制总结为共享、匹配和知识溢出三种^[52]。本研究在Carlino的基础上，纳入技术创新经济学中关于创新与不确定性的思想以及Porter的集群竞争与创新的思想，将创新集聚影响机制归结为知识溢出、高技能劳动力匹配、服务共享、不确定性和竞争五个方面。

知识溢出是解释创新活动集聚现象的关键概念^[53]，知识溢出影响创新集聚的作用机制可以总结为三个方面：

第一，创新集聚有利于隐性知识的传播。虽然网络技术的发展使异地之间的信息流动更便利，但高度不确定的知识，特别是隐形知识的传播仍然需要通过频繁的面对面交流实现。Audretsch发现技术密集型产业更容易集聚，因为这些行业更依赖隐形知识的传播^[54]。Glaeser指出城市可以为年轻人提供更多向同行学习的机会，提高知识溢出的速度^[55]。刘毅等指出，创新企业的集聚使得不同企业人员之间存在着多种复杂的关系，当集群内部各企业的员工由于工作、生活等发生接触时，隐形知识的溢出就会自然而然地发生^[56]。

第二，创新集聚能有效降低“知识交易成本”。一些学者用“知识交易成本”理论来解释创新的空间集聚，他们认为与普通产品的交易类似，在购买创新成果时也存在交流谈判、合约签订、技术指导等“知识交易成本”^[57]。一些学者证实了集聚在克服知识交易成本方面的优势。1993年，Jaffe等人用专利引用数据证明了发明者更容易引用在空间上接近自己的发明者的成果，这是由于空间上的邻近可以有效降低买卖双方在专利交易过程中的成本^[15]。王福涛认为技术创新空间聚集会形成技术势差，这使得学习成本与技术转移成本降低^[58]。

第三，创新集聚能有效增加知识外部性。Love与Roper对德国、爱尔兰与英国的企业进行了实证研究，他们发现集聚水平越高的地区，知识外部性越高，因此最终企业产品的创新水平也越高^[59]。Bagella和Beechatti对意大利4000家企业的研究也发现，地理集聚会导致总的企业私人研发支出的下降，但会提高创新的产出数量和质量，这正好从侧面证明集群内的创新不只是私人研发努力的结果，而是在很大程度上受集聚知识外部性的作用^[60]。

许多学者认为创新在空间上高度集聚的一个重要原因是集聚有利于提高高技能劳动力市场的匹配质量^[61-63]。例如，Berliant等指出在大城市高技能劳动力可以更快地相互匹配以降低等待合作伙伴的机会成本^[64]。Strange等发现集群为公司提供了多种多样的人才，可以满足这些公司不可预见或具有挑战性的需求^[65]。Rotemberg等的模型研究也发现，在集群中工人更有动力进行自身的人力资本投资，因为在一个大的市场存在着很多潜在的雇主，这激发了工人不断提高自身水平以获得更好的职位和收入^[66]。

另外，集聚增加了高技能劳动力的流动性，加快了知识在不同群体之间的传播。一方面，处于创新集群中的人才跳槽频率更高。Fallick等指出，硅谷的计算机行业的跳槽率明显高于其他地区，这种人才的高流动性带来了思想和创意的迅速溢出，是硅谷保持活力的重要因素^[67]。另一方面，创新集群中也有更多的人进行自主创业。20世纪90年代，硅谷的苹果、英特尔等公司的大量职员创业，衍生出400多家新的科技企业。Tan研究发现中关村创新集群的迅速发展主要来自北大、清华、中科院等单位的孵化作用^[68]。

图 2(Fig. 2)

图 2 创新集聚的影响机制研究框架 Fig.2 Research Framework of the Influence Mechanism of Innovation Agglomeration

集群的创新要素投入具有规模报酬递增效应，如果集群的规模够大，研发要素的投入会使得集群内的所有成员都得到好处^[69]。创新集群规模的扩大使得创新分工不断细化，在创新分工的基础上，形成了很多专业化的创新服务，大规模集群允许成员们共享专业化的创新服务（如专利律师、商业产品测试实验室、贸易组织、创业投资）等。共享创新服务允许成员以较低的成本实现自己的想法，因此集群内的公司相比于不在集群内的公司更愿意冒风险进行创新^[70]。以创业投资为例，风险投资机构往往高度集聚在创新企业扎堆的地区^[71]，他们倾向于向本地集群内的创业者投资，因为这样他们就可以时时刻刻监视创业者的行为^[72]。另外，服务共享还可以促使企业采用“模块化”的技术，模块化技术使得企业可以把复杂的创新过程分解成多个更小的子模块，不同的供应商负责单独的模块，这种分工使得创新者可以专注于自己所负责的部分，不断提高自己领域的技术水平^[73]。

创新是对未知领域的探索，面临着诸如对手策略、市场环境、社会关系等多种不确定性^[74]，而集聚能有效地降低企业在创新过程中面临的这些不确定性。首先，创新集聚容易降低对手策略以及市场环境的不确定。集群中的企业可以通过社会网络以较低的成本获取来自其他企业的信息，迅速地对市场变化做出反应^[75]。其次，稳定的集群网络可降低创业者面临的职业发展不确定性。初创企业的发展面临高度的风险，而丰富的发展机会使得创业者即使失败也可以找到别的工作，这种包容的氛围使得他们在创业时有安全感^[76]。第三，创新集聚可以降低企业以及人员的行为不确定性。联系密切的社会网络是一个确保企业和研发人员遵守规则的多边协调机制，如果有不良行为可能大大影响自己的信誉，导致自己无法在集群内生产^[77]。

1990年，Porter在研究集群时注意到集群内有很强的竞争氛围，这可以趋势企业更积极地进行技术创新以保持竞争优势^[3]。刘友金认为，创新集群内企业间的激烈竞争，会带来“追赶效应”和“拉拨效应”，导致企业加大在技术创新方面的投入^[78]。Mansfield认为，由于地理与技术的邻近性，一个企业的创新很快就会被其竞争对手所了解，新技术一般在1到4年内就会被其他企业所掌握，而在集群内企业技术的扩散速度会更快，新技术带来的垄断利润将很快消失，从而进一步刺激企业的创新^[79]。总之，集聚状态不但驱使企业进行创新，而且驱使企业进行持续创新。

这五种影响机制并非完全独立的，之间有一定的联系。例如，高技能劳动力的集聚与匹配，一方面促进了新知识的创造，另一方面加快了知识在不同群体之间的溢出^[80]。另外，服务共享是建立在规模扩大与分工细化的基础上，分工细化加强了创新主体间的联系强度，从而降低了创新的不确定性^[81]。此外，竞争程度也与知识溢出息息相关，知识溢出越强，创新扩散速度越快，企业间的竞争也越强^[82]。总之，不同的影响机制共同构成了推动创新集聚的内在动力，其之间的互动与微观机理还有待进一步研究。

为响应全球新一轮知识经济与创新的潮流，许多学者从不同角度对创新集聚的空间规律进行了研究，总结和梳理这一时期该领域的进展，发现已有研究主要呈现出以下特点：

（1）大量学者对创新要素与创新活动的空间集聚现象进行了描述与测度，虽然已经有了丰富的成果，但仍存在很多需要改进的地方：一是研究对象的空间尺度仍停留在在国家和区域等宏观层面，对于创新活动最为丰富的微观层面的研究还很不充分。二是当前的创新集聚测度方法与数据主要来自于传统的产业集聚研究，需要发展专门针对创新集聚的测度指标和方法^[83]。三是大多数研究为静态的观察与描述，缺乏对创新活动的集聚、扩散、结构调整等动态演化的反映。

（2）随着地理学的“制度、文化、关系转向”，越来越多的地理学家开始用本地的社会文化因素来解释创新集聚的区位选择。在区域层面，大多数对区域创新系统的研究停留在对创新系统的要素与主体结构的描述阶段，在理论上对区域创新系统运行过程和内外部动力机制的研究相对不足。在城市层面，主要是从城市整体层面对城市特性与城市创新能力的关系进行研究，城市内部创新活动的丰富性仍远没有被发掘。

（3）随着信息技术的发展，探究创新联系以及创新网络的组织绩效和空间特征成为学者关注重点，但总体仍处于探索起步阶段，主要体现在几个方面：一是关于创新网络的概念内涵和整体研究框架是含糊和碎片化的；二是对创新联系的追踪与测度难度很大，目前采用的多为专利引用与论文合作数据，这些数据对创新联系的反映还不够全面；三是当前研究多为从静态角度对创新联系与创新网络的测度或描述，对创新网络的形成及演进机理研究还比较缺乏^[84]。

（4）许多学者尝试对创新集聚的内在机制进行解释，大多数研究本质上是对某些影响因素的归纳总结。这些研究主要存在三方面问题：一是缺乏严谨的理论基础，往往只是强调这些因素对地区创新具有重要影响，并没有说明影响产生的微观机制，也缺乏相应的理论模型。二是对于这些影响因素之间的相互关系并不清楚，未构建起一个阐释充分且内在一致的理论体系。三是由于缺乏有效的数据和方法，类似交易成本、分工、学习等许多重要概念仍停留在逻辑推演阶段，难以进行测度和实证检验。

随着创新在全球经济社会发展中的地位日益凸显，对创新集聚的空间问题研究将引起更为广泛的关注，本文认为未来创新集聚研究的发展方向主要集中在以下几个方面：

（1）深化对创新集聚空间特征的研究。一是需要加强对微观层面创新集聚的空间特征研究，将研究重点由宏观国家和区域逐渐转向微观的城市、集群与企业层面。二是要区分创新的异质性，创新的行业差异、主体差异、模式差异等使得不同类型的创新活动在空间上表现出不同的分布特点，需要区别对待^[85]。三是实现数据和方法的突破，加强对企业创新、大学创新、人才、知识流等能直接反应创新的数据的应用。四是加强对创新集聚的动态演化研究，产业生命周期与创新价值链理论都是当下的研究热点^{[86, 87]}。

（2）完善创新活动与区域及城市间的互动理论。在区域层面，应对区域创新系统理论进行深化，如区域创新系统及其各组成部分的量化与测度、区域创新系统的形成与演化机制、区域创新系统理论与中国的区域创新实践等都是需要进一步深入研究的问题^[88]。在城市层面，应加强对诸如创新型城市建设、城市创新与创意空间、城市创新文化、人才与创业等城市内部创新集聚问题的研究^[89]。

（3）推动对创新联系与创新网络的研究。首先，当前社会网络分析方法尚处于探索阶段，如何采用更有效的方法和数据追踪和测度创新联系与创新网络，是迫切需要解决的问题；其次，创新是一个动态过程，其网络的结构和内容并非一成不变的，因此分析创新网络演化的动力机制将会是后续研究的重点。再次，创新联系是多尺度的（如本地联系、国内联系、全球联系等），不同层面的创新联系表现出不同的特点，因此多尺度的创新联系与创新网络研究也十分必要^[90]。

（4）加强创新集聚的微观机制研究。一是加强创新集聚研究的模型化工作。如何构建起具有一般性的创新空间问题分析框架和模型，是创新集聚研究必须解决的重大问题。在这方面，以Fujita为代表的新经济地理学者发展了一些解释创新集聚的空间模型^[6]，技术创新经济学、新增长理论等经济学研究中的理论模型也可能被引入创新的空间集聚分析中。二是已有的知识溢出、高技能劳动力匹配、服务共享等影响机制仍有很大的研究空间，需要继续深化^[91]。三是加强对影响机制的实证检验工作，注重研究成果的实践意义与政策应用。