基于专利共类的跨领域企业合作模式研究
——以物流和AGV 领域企业合作为例

汪传雷，简慧玲，牛传琼

（安徽大学 商学院，物流与供应链研究中心，安徽 合肥 230601）

信息时代，科技的迅猛发展使得越来越多企业意识到仅依靠自身力量难以跟上技术快速更迭的步伐，而跨领域合作可以帮助研究主体突破技术困境，解决现实发展过程中的重大核心难题[1]。跨领域企业合作不仅可以推动技术进步，还可以开辟新的技术领域，推动双方实现协同创新发展。在消费端变革、产业链格局调整、新兴技术日新月异的背景下，物流领域正在开拓智能化、智慧化新方向，并为自动导引运输车（automated guided vehicle，AGV）产业带来了广阔的潜在市场。近20 年来，我国人口红利持续降低，导致物流领域人力成本不断上升，作为人类劳动的一大替代品，物流领域对AGV 的需求愈发旺盛。此外，电子商务高速发展大幅提升了物流领域工作强度，对装卸、搬运、存储、拣选的工作效率要求随之提高，而AGV 的使用可以满足对这些环节的高要求。因此，分析物流领域和AGV 领域中的关键技术，并对两个领域内专利授权量前20 名企业的技术实力进行比较，对于帮助两个领域内企业相互借鉴、取长补短、共同实现技术创新、最终达到共赢具有重要意义。物流领域与AGV 领域企业合作是一种双赢策略，双方均可从中获利。对物流领域企业而言，与AGV 领域企业合作能提高工作效率，减少能源消耗，实现降本增效，且AGV 领域技术的不断成熟能助推物流企业早日走向智慧化；而对AGV 领域企业而言，物流是其最大的应用领域，与该领域企业合作有助于扩大AGV 应用场景，促进行业整合，推动企业核心技术突破。

一 相关研究综述

在文献计量领域，共类分析作为共现分析法中的一种，以其数据易获得性有效弥补了共引分析与共词分析的不足，成为目前被广泛使用的一种研究方法[2]。专利共类是指将主题技术类别相同的专利归为一类，以分析专利技术网络中的内在关联性和发展脉络[3]。专利是一种直接客观的技术衡量标准，许多研究基于专利共类分析技术间复杂多变的交融关系。Krefft 等人使用专利共类数据，结合社会网络分析中密度和中心性分析，对生物技术知识网络的内部结构和发展趋势展开探究[4]；Park等人基于专利数据并利用共类分析方法，测度技术间的交叉性[5]；Jeong 等人通过对韩国知识产权局（Korean Intellectual Property Office，KIPO）的专利进行共类分析，研究技术创新系统内技术融合程度及其时间变化状态[6]；周磊等人提出衡量技术知识流特征的4 个指标，并以4G 技术专利共类矩阵为研究对象，分析4G 领域技术知识流动特征[7]；温芳芳认为通过专利分类号共现分析技术相似性可衡量企业技术研发主题的相似度，帮助企业识别合作伙伴[8]；娄岩等人以专利共类信息为出发点构建技术融合分析框架，从整体层面把握技术融合发展态势，从局部层面判断各技术在技术融合过程中的地位[9]。

跨领域研究最早可追溯到跨学科研究，其通过多个学科间不同部分合作，不断解决社会上涌现出的新问题[10]。随着跨学科研究的蓬勃发展，不同领域间的技术融合也正在持续推动技术进步[11]。跨学科研究和跨领域技术融合所取得的成果诱导越来越多的企业跨越产业边界向其他领域寻求合作，以产生与其他企业间的技术交叉和资源互补创新活动，增强企业研发能力[12]。Aboelela 等人认为使用完全合成方法推动不同领域内学科合作可以促进一个新领域产生[13]；Stirling 为更全面地进行跨学科研究，将跨学科研究分为多样性、均匀度、差异度三个维度[14]；Sung 等人在研究中指出技术间的交叉渗入正在不断促进技术创新发展[15]；余振发现亚太经济合作组织（Asia-Pacific Economic Cooperation，APEC）成员国之间开展的跨领域合作能有效解决经济发展过程中的一系列难题，提高成员国的经济效益[16]；朱世琴等人以华东理工大学为研究对象，提出研究主体间强强联合所得到的科研成果具备更优质量[17]；吴菲菲等人认为企业跨越产业边界寻找研发合作伙伴已成为创新发展的一种新趋势[12]。

从现有研究看，国内外学者多对跨学科合作和跨技术合作展开探索，少有涉及企业跨领域合作以促进自身升级换代的相关研究[18]。企业跨领域合作不仅有利于优势互补，资源共享，创造更高利润，还有利于丰富企业知识储备，推动不同领域内企业实现协同创新，增强风险抵抗能力。因此，本研究利用物流领域和AGV 领域2009—2019 年获得授权的有效发明专利数据，结合社会网络分析方法以及多元统计分析方法，识别领域内关键技术，对两个领域内专利授权量前20 名企业展开技术实力对比和聚类，为企业选择跨领域技术合作伙伴提供相关参考。

二 实证分析

（一）数据来源与整理

本研究选择国家知识产权局专利数据库（http://www.cnipa.gov.cn/）作为数据源，以获取物流领域和AGV 领域2009—2019 年的专利数据，利用高级检索功能先后在发明名称、摘要和关键词中输入“物流”和“AGV”，筛选出已获得授权的有效发明专利。通过检索，最终得到物流领域903 条专利数据，AGV 领域215 条专利数据，根据世界知识产权组织（World Intellectual Property Organization，WIPO）2008 年 5 月发布的《国际专利分类号与技术领域对照表》，对两个领域内的技术种类进行归纳整理。

（二）物流领域和AGV 领域关键技术分析

1.技术构成分析

在科学技术快速发展的影响下，不同产业内技术联盟可以促进新知识转移、溢出，进而影响联盟内企业创新效率[19]。物流领域和AGV 领域与国民生活息息相关，其技术发展不仅依赖基础技术而且离不开其他领域技术的推动，因此对企业技术实力进行比较，须先分析两个领域内的技术网络，识别物流领域和AGV 领域中关键核心技术。

现有研究中，专利分类号多用来表示专利所涉及的技术主题[20]。一件专利通常被赋予多个分类号，一个分类号代表一种特定技术主题，主分类号为第一个专利分类号，其余标记为副分类号[21]。据统计，本研究收集到物流领域903 条专利数据，其中633 条数据拥有两个及以上专利分类号，70.10%专利存在专利分类号共现情况；AGV 领域收集到215 条数据，105 条数据拥有多个专利分类号，存在分类号共现情况的专利数量占48.84%，两个领域均存在较为普遍的专利分类号共现情况。以每件发明授权专利的国际专利主、副分类号为依据，物流领域涉及26 种技术，故建立26×26 非对称技术关联共类矩阵，AGV 领域涉及12 种技术，故建立12×12 非对称技术关联共类矩阵。其中，行代表主分类号隶属的技术类别，列代表副分类号隶属的技术类别，主分类号与副分类号在一种技术中共现次数为行列交叉位置数值。为更好地展示物流领域和AGV 领域技术构成情况，使用Netdraw 软件对数据进行可视化处理，构建物流领域和AGV 领域技术关联关系网络图。物流领域26 种技术关联关系网络图和AGV 领域12 种技术关联关系网络图分别如图1 和图2 所示，图中每个节点代表一种技术，各节点间的连线代表共现关系，连线粗细代表共现关系的强弱，节点大小代表某种技术直接联结其他技术数量的多少，反映其在网络中的影响力。

图1 物流领域技术关联关系网络图

如图1 所示，物流领域26 种技术均参与到关联关系网络中，但其中存在着关联关系分布不均现象。从节点间连线的粗细而言：（1）电气工程类COM 与DIG 之间连线最粗，说明两者在物流领域专利中共现关系最强；（2）仪器类CON、MEA，电气工程类COM、TEL、DIG，化学工程类STC、MCP 等较多参与到关联关系网络中；（3）机械工程类HAN 不仅与同一技术种类中的TPM、TRA 之间存在较强共现关系，而且与其他技术种类，如电气工程类COM，仪器类CON，化学类MCP、CHE，机械工程类TPM、TRA，以及其他领域类OCG，存在着较为频繁的共现；（4）一些技术仅与某一种技术存在着细连线，如机械工程类MEE 与 TRA、EPT 与 HAN、MAT 与 TPM 之间，化学类MAM 与机械工程类TPA 之间，它们在网络中的共现关系并不那么强烈。从节点大小而言：（1）机械工程类HAN 与电气工程类COM 是图中节点最大的两个点，说明这两种技术在整个网络中影响力最大，是整个网络中最核心的技术；（2）机械工程类TRA、仪器类CON 在网络中的重要性程度次于HAN 与COM；（3）化学类CHE、MCP、STC，机械工程类TPM，仪器类MEA，电气工程类TEL、DIG，其他领域类CIE，在网络中影响力位居第三层次；（4）其他技术如机械工程类MEE、MAT、EPT，化学类BMC、MAM、FOC，仪器类OPT，在整个网络中所起的作用并不明显。因此，由图1 初步分析可知，物流领域中关键技术有机械工程类HAN、TRA、TPM，化学类CHE、MCP、STC，仪器类CON、MEA，电气工程类COM、TEL、DIG 以及其他领域类CIE。

图2 AGV 领域技术关联关系网络图

如图2 所示，AGV 领域12 种技术中只有10种参与关联关系网络，从节点间连线的粗细而言：（1）仪器类CON 与电气工程类COM 之间共现关系最为显著，两者在AGV 领域中合作次数最多；（2）机械工程类TRA、HAN，仪器类CON、MEA，电气工程类DIG，在关联关系网络中的共现关系较为明显；（3）处于网络边缘位置的电气工程类EAE、TEL 分别与机械工程类TRA、仪器类CON 之间仅存在较弱且单一的共现关系；（4）仪器类MED 与电气工程类COM 之间的共现关系较弱。从节点大小而言：（1）仪器类CON 节点最大，该点处于网络中的核心位置，对其他节点具备较大影响力，是网络中最关键的技术；（2）机械工程类TRA、仪器类MEA 节点大小位居第二，在网络中所处地位仅次于仪器类CON；（3）电气工程类COM、DIG，机械工程类HAN、MEE，在网络中的重要性不容忽视；（4）电气工程类EAE、TEL 与仪器类MED 节点最小，对资源控制能力不及网络中其他技术，因此相对而言在网络中的作用并不突出。由图2 初步分析可知，AGV 领域中关键技术有仪器类CON、MEA，机械工程类TRA、HAN、MEE，电气工程类COM、DIG。

2.关键技术识别

社会网络分析是一种研究复杂社会关系的定量化方式，主要结合图论工具和代数模型对不同社会单元所构成的结构及属性进行分析[22-23]。社会网络分析中，中心性分析常被当作一种重要概念工具来识别行动者在网络中所处的位置[24]。常用的中心性分析包括三个方面：度数中心度、中间中心度和接近中心度[25]。本研究运用Ucinet6 软件，对物流领域和AGV 领域专利分类号所代表的技术类别进行中心性分析，量化各种技术在网络中的影响力、控制力以及核心性。

表1 所示为物流领域技术中心性分析结果。从表1 度数中心度分析结果可知，机械工程类HAN 度数中心度排名第一，得分高达65.385，在网络中处于最关键位置，是物流领域技术关联关系网络中的核心技术；电气工程类COM、DIG、TEL，仪器类CON、MEA，机械工程类TRA，化学类CHE，是度数中心度大于20 的7种技术。中间中心度分析结果显示，各种技术得分差距较大，中间中心度最大的为机械工程类HAN，得分为47.633，在网络中具有最强控制力，而最小的得分为0，且涉及9 种技术。度数中心度得分不低于15.385 的技术有15 种，其接近中心度得分大多在32～36，说明处于网络中较重要地位的15 种技术与其他技术之间的知识距离差距并不大。度数中心度大小最能直观反映出某种技术在网络中的重要性程度[26]。以各种技术的度数中心度为主，结合中间中心度和接近中心度分析可知，物流领域中关键技术有机械工程类HAN、TRA、TPM，电气工程类COM、DIG、TEL，化学类CHE、MCP，仪器类CON，其他领域类CIE，共10 种。

表1 物流领域技术中心性分析结果

AGV 领域技术中心性分析结果见表2。

表2 AGV 领域技术中心性分析结果

由表2 分析可知，仪器类CON 度数中心度、中间中心度、接近中心度均排名第一，得分分别为 50.000、23.485、23.529，该技术在 AGV 领域技术网络中处于最核心位置，对其他技术控制力最强。仪器类MEA，机械工程类TRA、HAN、MEE，电气工程类COM、DIG，三种中心度得分均位于前六，说明这些技术是AGV 领域中较为重要的技术，能够在一定程度上控制其他技术。以度数中心度为主，结合其他两种中心度分析，选取出AGV 领域中10 种关键技术：仪器类CON、MED、MEA，机械工程类TRA、HAN、MEE，电气工程类COM、DIG、EAE、TEL。

上述两个领域内关键技术分析结果显示，物流领域和AGV 领域关键技术中均涉及HAN、TRA、COM、DIG、TEL、CON，两个领域内的企业可以考虑在这6 种关键技术上展开合作。

（三）企业技术实力对比

1.关键技术因子分析

多元统计分析是计量学领域中一种常用方法，变量间的复杂关系可以通过多元统计分析得到清晰展示[27]。多元统计中因子分析能够评估研究主体的技术实力，通过因子载荷系数归纳出行业内与核心技术关系较为密切的其他技术，通过因子得分客观体现出研究主体的研发创新能力以及技术上的缺陷[26]。企业在关键核心技术上的研发能力往往能够体现出企业技术实力[28]，而一个企业的研发能力可以通过专利授权量得以体现[29]。因此，本研究利用SPSS25.0 对物流领域和AGV 领域10 种关键技术进行因子分析。首先分别将两个领域内10 种关键技术定义为10 个指标（物流领域：X1～X10；AGV 领域：Y1～Y10）；指标确定后，依次将两个领域内专利授权量前20 名企业在10 种关键技术上的专利授权数量输入并对数据进行标准化处理；之后进行KMO（Kaiser-Meyer-Olkin）和Bartlett 球形检验。物流领域KMO 检验值为0.746，Bartlett 球型检验统计值为x2=590.178，P〈0.001；AGV 领域 KMO 检验值为 0.709，Bartlett 球型检验统计值为x2=364.355，P〈0.001，表明物流领域与AGV 领域10 种关键技术适合做因子分析。为使分析结果更可靠，利用指标间相关系数矩阵基于主成分法展开分析，因子矩阵旋转通过旋转选项卡下最大方差法实现，物流领域与AGV 领域关键技术总方差解释结果见表3 和表4。

从表3 和表4 总方差解释结果可知，物流领域前3 个因子累计方差占比达到88.255%，AGV 领域前2 个因子累计方差占比达到78.742%，两者均大于70%，贡献率足以满足因子分析要求，因此本研究分别提取物流领域3 个因子F1、F2、F3和AGV 领域 2 个因子H1、H2展开探索。

表3 物流领域关键技术总方差解释结果

表4 AGV 领域关键技术总方差解释结果

为对因子进行解释，通过最大方差法旋转得到两个领域的因子载荷矩阵，结果见表5。

表5 两个领域旋转后的因子载荷值

从物流领域分析，表5 中数据显示，主因子F1的X2(DIG)、X3(COM)、X4(CON)、X6(CHE)、X7(HAN)、X8(TPM)载荷值高于F2、F3，主要涉及物流领域一些信息技术，如数字通讯、互联网、自动化输送、自动化处理与控制、有害物质检测与分离等技术，可将F1命名为物流信息科技因子。主因子F2的X10(CIE)载荷值高于F1、F3，主要涉及物流设备管理技术，如设备安全管理、电子锁及智能锁装置、保鲜设备温度控制等技术，可将F2命名为物流设备管理因子。主因子F3的X1(TEL)、X5(MCP)、X9(TRA)载荷值高于F1、F2，主要反映物流运输相关技术，如无线通信、防透视、智能运输等技术，可将F3命名为物流运输设备因子。从AGV 领域分析，主因子H1的Y2(TEL)、Y3(DIG)、Y4(COM)、Y5(MEA)、Y6(CON)、Y8(HAN)、Y10(TRA)载荷值高于H2，这些技术主要涉及AGV 调度与具体应用，如数字通讯、互联网、车辆定位与导航、程序化控制、自动化处理、智能运输等技术，可将H1命名为AGV 应用与控制因子。主因子H2的Y1(EAE)、Y7(MED)、Y9(MEE)因子载荷值高于H1，这些技术主要运用于AGV 自动化、信息化方面，如AGV 电源管理、AGV 驱动、路径规划等技术，可将H2命名为AGV 自动化与信息化因子。

为直观反映企业技术实力对比情况，首先参照由回归法得到的表6 两个领域成分得分结果，运用公式（1）～（5）计算两个领域内专利授权量前20 名企业的因子得分及排名，再根据公式（6）～（7）分别得出这些企业的综合得分及排名，具体对比结果见表7 和表8。

以每个公因子旋转后主成分贡献率占总共提取因子的主成分贡献率百分比为权重，将所提取的因子得分加总，计算综合得分及排名。

表6 两个领域成分得分结果

表7 物流领域企业技术实力对比结果

由表7、8 企业技术实力对比结果可知，无论在物流领域还是AGV 领域，专利授权量越多并非一定代表企业综合实力越强。物流领域中专利授权量排名为第7、8、9 的杭州衡源、江苏宏马和辽宁聚龙海目星综合排名分别为第20、11、16，反映出这些企业专利授权量虽然较多，但在关键技术上竞争力不足。例如，杭州衡源F3排名虽靠前，在物流运输设备方面有较大优势，但F1和F2排名却严重影响企业综合排名，说明杭州衡源在物流信息科技以及物流设备管理方面技术实力较弱。反观专利授权量排名靠后但综合排名居前的新昌众成和徐州德坤，这两家企业虽然专利授权量不如其他企业，但其专利主要集中于物流领域关键技术方面，使企业综合实力得以增强。新昌众成F1排名第7，徐州德坤F2排名第5，两家企业分别在物流信息科技和物流设备管理方面具备竞争优势，从而促进企业技术综合运用能力提高。AGV 领域中专利授权量排名为第4、6 的深圳普智联科和国家电网综合排名分别为第16、15，造成这一差距的原因是两者在H2上得分太低，说明两家企业在AGV 自动化与信息化方面存在一定劣势。而与之情况相反的河南勃达与江苏锡沂，正是因为在AGV自动化信息化方面实力靠前，才使其虽专利授权量排名落后，但综合排名靠前。

表8 AGV 领域企业技术实力对比结果

2.企业聚类分析

科学技术加速发展以及产品生命周期不断缩短对企业技术创新提出了更高要求，企业亟需从外部获取新知识以扩充自身知识储备，越来越多的企业更加重视如何科学识别跨领域合作伙伴。为帮助企业寻求合适的跨领域合作伙伴，需要对企业进行聚类分析，识别出领域内技术实力强或弱的企业，以锁定跨领域合作候选企业。本研究将物流领域内前20 名企业的3 个因子得分以及AGV 领域内前20 名企业的2 个因子得分作为新变量，运用SPSS25.0 分别对其进行系统聚类，采用平方欧式距离方法体现企业间技术相似性，并通过组间连接方法绘制企业聚类图，得到物流领域和AGV 领域企业系统聚类分析谱系图，见图3～4。

根据图3 物流领域企业系统聚类分析结果，20 家企业按照技术实力强弱可分为3 个梯队，第一梯队仅有阿里巴巴1 家企业，该企业在物流领域中综合技术实力最强，是其他企业学习的榜样；技术实力位于第二梯队的有国家电网、南京涵曦月、上海鸿研3 家企业，国家电网和上海鸿研的技术相似度高，两者的技术布局和研发侧重点较为接近；剩余16 家企业位于第三梯队，其中大部分企业的技术比较相似，彼此之间技术替代性较强。根据图4 AGV 领域企业系统聚类分析结果，同样将20 家企业分成3 个梯队，成都四威位于第一梯队，综合技术实力领先于其他企业；广东嘉腾和无锡普智联科位于第二梯队，技术实力落后于成都四威；第三梯队包含剩余17 家企业，这些企业技术实力不相上下，彼此之间知识储备和技术基础十分接近，企业间竞争激烈。

图3 物流领域企业系统聚类分析谱系图

图4 AGV 领域企业系统聚类分析谱系图

三 跨领域企业合作模式选择

电商物流如火如荼的发展之势刺激了AGV 领域需求的高速增长，AGV 领域百花齐放的发展态势也在技术层面为物流领域赋能，促进物流领域企业持续降本增效，显示出两个领域的企业合作前景十分广阔[30]。运用社会网络中心性分析识别关键技术的结果表明，HAN、TRA、COM、DIG、TEL、CON 是物流领域和AGV 领域均涉及的6 种关键技术，两个领域的企业可以通过技术交流协议在这6 种技术方面成立交叉型创新联盟，建立跨领域企业间长期战略性合作模式，实现各合作方共创共赢。为探求企业间具体合作模式，以物流领域和AGV 领域专利授权量排名前20 名的企业为例，运用SPSS25.0 中因子分析和聚类分析帮助企业寻找合作伙伴。

（一）同类知识嫁接型合作模式

物流领域中技术实力居于第一梯队的阿里巴巴F1、F2排名均靠前，而F3排名落后，F3主要涉及TEL、CON、MCP、TRA 技术，阿里巴巴在这些技术布局上存在弱势。AGV 领域技术实力排名第一的成都四威H1、H2得分均较高，技术布局较为均衡，该企业在AGV 领域10 种关键技术方面均存在竞争优势。阿里巴巴与成都四威分别为物流和AGV 领域内的头部企业，双方之间的知识流动有助于推动领域内技术革新，促进两个领域融合发展。因此，阿里巴巴可以在TEL、CON、TRA 技术方面与成都四威展开同类知识嫁接型合作，结合企业自身技术实力，学习吸收成都四威在TEL、CON、TRA 技术上存在的知识优势，提高企业创新活力。

（二）技术互补型合作模式

物流领域技术实力居于第二梯队的南京涵曦月F1、F3得分均高，F2得分却落后于其他14 家企业，F2主要涉及HAN、CIE 技术。技术实力同样居于第二梯队的国家电网和上海鸿研F1、F2、F3得分均较高，企业知识结构较全面。广东嘉腾和无锡普智联科在AGV 领域中技术实力居于第二梯队，两者H1得分均较高，H2得分却不尽人意，H2涉及技术有EAE、DIG、MED、MEE。因此，南京涵曦月HAN 技术存在的竞争劣势可通过与广东嘉腾、无锡普智联科展开合作得以弥补，同样广东嘉腾和无锡普智联科DIG 技术竞争力不足的情况在与南京涵曦月合作过程中可以得到改善，3 家企业可通过技术互补型合作，弥补各方技术短板。同样，国家电网、上海鸿研虽然技术实力较为均衡，但成都四威不失为一个优秀的合作伙伴，国家电网和上海鸿研还可与成都四威合作，以推动企业间优势聚合。

（三）协同创新型合作模式

两个领域内技术实力居于第三梯队的企业间同样可以展开跨领域合作，如物流领域中的山东兰剑，其F1排名靠前，DIG、COM、CHE、TPM技术竞争力并不低，而在F2、F3所涉及的技术方面竞争能力落后。AGV 领域中的江苏锡沂COM技术研发能力不足，可DIG 技术存在一定竞争优势。因此，江苏锡沂可以将山东兰剑列为合作伙伴，通过协同创新型合作提高COM 技术研发能力，借助企业间双向知识流动推动两者DIG 技术研发能力更进一步提高。AGV 领域中综合排名第13 的湖州上电科电器，若不想被市场淘汰，必须积极寻求合作伙伴。湖州上电科电器虽然综合排名落后，但其H1排名靠前，TEL、COM、MEA、CON、HAN、TRA 技术研发能力并不逊色，寻求物流领域内技术实力较强的企业合作或许存在困难，但其可考虑与能够实现两者间取长补短的企业展开协同创新合作，如物流领域中浙江中烟、辽宁聚龙海目星等企业。

四 研究结论及管理启示

（一）研究结论

为帮助企业选择跨领域合作伙伴，以物流领域和AGV 领域2009—2019 年获得授权的有效发明专利为样本，运用社会网络分析和多元统计分析方法进行研究，得到以下结论：第一，两个领域的专利中心性分析结果表明，物流领域和AGV 领域技术布局中均覆盖HAN、TRA、COM、DIG、TEL、CON 关键技术；第二，通过关键技术因子分析得到的两个领域内专利授权量排名前20 名企业的技术实力对比结果可知，多家企业存在技术发展不均衡现象，影响了企业的综合实力；第三，企业系统聚类分析分别将两个领域内20 家企业按照技术实力划分为3 个梯队，直观展示出专利布局和技术实力相接近的企业，并形成3种合作模式：同类知识嫁接型合作模式、技术互补型合作模式、协同创新型合作模式。

（二）管理启示

电商物流为AGV 需求增长提供优渥土壤，AGV 为物流工作提供智能化设施，物流领域与AGV 领域企业合作可大幅度提高双方经济效益。为推动两个领域内企业高效合作，企业管理者可从以下3 个方面予以考虑：第一，以领域内关键技术为重点展开合作，强化技术优势。企业间技术合作在开放式创新背景下已逐渐常态化[31]，企业间建立技术创新联盟有利于集中企业创新资源，优化资源配置，提高技术创新效率[32]。依据技术中心性分析结果可知，HAN、TRA、COM、DIG、TEL、CON 是物流领域和AGV 领域关键技术组成部分。据此，两个领域内的企业管理者不妨以这6 种技术为方向寻找跨领域合作伙伴，以进一步加强企业关键技术布局，提升企业技术研发能力。第二，均衡发展各项关键技术，增强企业综合实力。物流领域和AGV 领域专利授权量前20 名企业技术实力对比结果反映了企业各类技术研发实力的强弱，企业技术研发实力分布不均会影响企业整体实力，增强企业综合实力需要各项技术的支撑[33]。因此，企业管理者可以跨领域合作为契机，均衡分配技术研发资源，促进企业各类重点技术全面协同发展，防范供应链风险。第三，明确自身技术实力，寻找最优合作伙伴。物流领域和AGV 领域企业系统聚类分析谱系图直观展示出企业聚类情况，对企业技术实力层次进行划分，对企业而言，合作伙伴作为外部知识载体具有重要意义，科学合理地选择合作伙伴是企业发展过程中需要谨慎对待的问题[34]。基于此，两个领域的企业管理者需要认清自身实力，尽量向技术实力相接近且能够促进两者间优势互补、达到共赢的企业寻求合作，增强跨领域企业合作信心，促进双方共同进步。

本研究以物流领域和AGV 领域2009—2019年获得授权的有效发明专利数据为样本，基于专利共类，综合运用社会网络和多元统计分析方法，识别出两个领域内的关键技术，并探讨企业间具体合作模式，在研究结论基础上提出促进跨领域企业合作的建议。研究提出的跨领域企业合作模式以及管理启示对于促进两个领域内的知识流动与整合，创新企业间合作方式，提高企业经营绩效，最终实现共同发展具有指导意义。企业合作涉及到多个领域间技术融合，本研究只选取了两个领域，后续研究可拓展分析范围，考虑多个领域间的交叉合作，以使研究更具有普遍性。