科研机构合作网络演化特征对创新绩效的影响
——以中国科学院为例

孙中瑞，樊 杰，孙 勇

(1.中国科学院科技战略咨询研究院，北京 100190；2.中国科学院大学，北京 100049；3.中国科学院地理科学与资源研究所，北京 100101）

1 研究背景

在开放式创新背景下，合作创新已经成为创新主体的最优选择。创新主体通过积极嵌入有利于自身发展的合作创新网络来实现资源互补、减少成本［1］，达到加速新产品开发、研发成果快速转化等目的［2］。如今的创新合作，已经形成以企业、高等院校、科研机构或者政府机构为主体的多种合作创新网络。按照创新主体属性的不同，合作创新网络可分为产学研合作网络、高等院校合作网络、校企合作网络、产业联盟网络、科研机构合作网络等［3］。

国内外学者早期主要从宏观层面或者微观层面出发，对网络整体特征、个体特征进行描述性分析，侧重于研究网络的结构性特征，探索网络的时空演化规律。而随着合作创新的不断发展，嵌入合作网络的创新主体不断增多，网络规模不断扩大，在同一网络中创新主体间普遍存在着竞争合作关系［4］。因此，如何在网络中占据有利位置、获取优势资源，如何充分利用网络中普遍存在的竞争合作关系提高自身的竞争力，当前所处合作网络是否能够提高或者显著提高自身创新绩效等，成为创新主体较为关切的问题，网络特征与创新绩效的关系逐渐成为研究的热点。

已有学者对重点行业、重点区域或者典型的合作网络特征与创新绩效的关系进行研究，例如：Guan 等［5］基于纳米能源领域合作专利数据，探究合作网络与开发式创新、探索式创新的关系；赵炎等［6］、郭建杰等［2］、王黎萤等［7］先后对信息与通信技术（ICT）产业合作网络与创新绩效的关系进行研究；谢其军等［8］基于跨省份合作发明专利数据，研究合作网络与区域创新绩效的关系；李秀坤等［9］基于清华大学专利数据，探索产学研合作网络对学术绩效的影响。

在现有对网络特征与创新绩效关系的研究中，结论存在诸多矛盾，如在对ICT 产业合作网络的研究中，晁艺璇等［10］认为合作网络中心性正向影响企业创新绩效，而郭建杰等［2］则发现产业合作网络中心性对创新绩效的影响为倒“U”型关系、产学研合作网络中心性对创新绩效的影响为“U”型关系；赵炎等［6］对通信设备联盟创新网络进行研究发现，网络结构洞负向影响企业创新绩效，而李健等［11］发现在汽车产业合作网络中，结构洞正向影响企业探索式创新产出。可见网络特征对创新绩效的影响具有异质性，研究结论并不具备普适性，对于不同合作网络特征与创新绩效的关系需分别进行验证。并且，现有研究多数是以企业、高校为主要节点，通过构建产学研合作网络、校企合作网络、高等院校合作网络等来研究网络特征对上述节点创新产出的影响，而以科研机构为主体构建科研机构合作网络的研究明显不足，对科研机构创新绩效问题关注不够。2016 年，我国国务院政府工作报告明确提出要构建大中小企业、高校、科研机构、创客多方协同的新型创业创新机制；2019 年，中共中央、国务院印发《国家创新驱动发展战略纲要》，提出要明确企业、科研院所、高校、社会组织等各类创新主体功能定位，构建开放高效的创新网络。可见，科研机构同样是推动我国创新发展的主力军。在当前实施创新驱动发展战略以及经济高质量发展的背景下，亟需对科研机构合作网络进行分析，厘清科研机构合作网络特征与创新绩效之间的关系，这对于推动我国科技创新高质量发展具有重要的现实意义。

中国科学院（以下简称“中科院”）是我国自然科学最高学术机构、科学技术最高咨询机构、自然科学与高技术综合研究发展中心，始终服务国家战略需求和经济社会发展，围绕现代化建设需要开展科学研究，对国家创新体系以及区域创新体系的建设起到重要的推动作用，以中科院为例研究科研机构合作网络特征对创新绩效的影响具有较强的代表性。因此，本研究以中科院为研究对象，利用社会网络分析法，利用能够较好反映科技创新成果的合作专利数据，构建合作关系网络，并在剖析中科院专利合作现状的基础上，进一步探索其合作网络演化及其特征与创新绩效之间的关系，以期丰富创新合作网络与创新绩效关系研究成果，促进提高中科院的创新绩效。

2 理论基础与研究假设

当前，社会网络分析法广泛应用于合作网络的研究，已经形成一种较为成熟的研究范式，可从宏观和微观层面对网络的整体特征和个体特征进行定量分析。其中，整体特征主要描述网络的结构关系，常用指标主要有网络密度、集聚系数、平均路径长度、凝聚力指数（距离）等；个体特征主要刻画节点在网络中的位置，常用指标主要有度数中心度、中间中心度、接近中心度、结构洞等［12］。在网络中，位置的有利与否直接影响到网络资源的获取程度，进而影响节点创新绩效，鉴于本研究以中科院为例，重点关注其所嵌入的合作网络与其创新绩效的关系，因此，从微观层面出发，选取度数中心度、中间中心度、接近中心度、结构洞等个体特征指标来探索科研机构合作网络与创新绩效的关系。研究模型如图1 所示。

图1 研究模型

2.1 度数中心度

度数中心度常用来衡量节点在网络中的地位，数值越大，说明节点在网络中的地位越高、权力越大。已有研究表明，地位较高的节点在网络中具有较大的吸引力［13］；新节点嵌入合作网络往往倾向与网络地位较高的节点建立合作关系，进行合作创新［14］。度数中心度大的节点在网络中处于中心位置，信息资源渠道较多，在资源获取以及信息收集、整合等方面具有天然的优势［15］。但是，此类节点由于具有强大的吸引力，在获取丰富优质资源的同时也会获取大量的冗余资源，此时节点需要花费大量的时间、精力等成本去识别资源优劣，因此有可能会对创新活动产生不利影响。中科院作为我国最大的科研机构，与众多企业、高校、科研机构建立了广泛的合作关系，形成了规模较大的合作创新网络，中科院能够从网络中获取大量的优质资源，推动知识创新，但是当其获取的冗余资源较多时，需要消耗大量的成本去识别资源，当识别成本超过收益时，会对其创新产生不利影响。基于此，本研究提出如下假设：

H1：在创新合作网络中，度数中心度与中国科学院创新绩效呈倒“U”型关系。

2.2 中间中心度

中间中心度是指节点在多大程度上位于其他节点间联系的最短路径上，衡量的是节点中介作用能力［16］。节点的中间中心度越大，说明节点的中介作用能力越强，在获取资源和控制知识、技术等信息流动等方面具有较大的优势［15］，越有利于创新活动。但是，当一个节点较多位于节点间的最短路径时，会对其知识吸收能力提出挑战，同时易获取大量重复、无用的信息，无疑会增加节点的资源识别成本，不利于节点提高创新产出，甚至会对创新活动产生消极影响。中科院的合作创新主体众多，并且中科院在创新研发过程中发挥了重要的纽带作用，促成了一大批创新主体间的合作，因此，中科院在创新合作网络中发挥着重要的中介作用，这对其知识吸收能力和资源辨别能力提出了更高的要求。在一定范围内，网络的中间中心度的提高会对创新产出产生积极影响，但是超过一定限度之后，会对创新产出不利影响。基于此，本研究提出如下假设：

H2：在创新合作网络中，中间中心度与中国科学院创新绩效呈倒“U”型关系。

2.3 接近中心度

1979 年，美国著名学者Freeman［17］提出“接近中心度”的概念，用来衡量网络中节点与其所有联通节点的距离之和。较小的接近中心度，意味着节点与网络中其他节点进行联系所需距离较短，节点资源同质的可能性较大，不利于节点自主创新能力的提高；反而，较大的接近中心度表明节点资源同质的可能性较小，此时节点间进行沟通有利于异质性资源的获取。但是，节点接近中心度越大，表明节点与网络中其他节点进行联系或者节点间知识、技术等信息资源传播所需距离就越长，而较长的传播距离会导致资源所经过的中间节点较多，此时资源极易受到“噪音”的影响，导致资源传播出现偏差或者时效性降低甚至缺失，从而对创新产生不利影响［18］。基于此，本研究提出如下假设：

H3：在创新合作网络中，接近中心度与中国科学院创新绩效呈倒“U”型关系。

2.4 结构洞

在社会网络中，节点间连接存在两种形态：直接连接和间接连接。对于间接连接，节点间的有效沟通需要通过中间节点传递才能实现，此时处于中间位置的节点被称作占据网络结构洞位置［19］。战略缺口理论认为组织内部的资源是有限的，因此节点创新能力、创新产出在一定程度上取决于节点从外部关系网中获得的知识溢出［20］。在创新合作网络中，知识溢出的获取程度与节点在网络中所占据的位置息息相关［21］。其中，处于结构洞位置的节点沟通着节点间的非冗余连接［22］，起到“桥梁”作用。该节点可充分利用自身的位置优势获取更多的非冗余异质性资源，从而不断提高自身创新能力。中科院的创新合作网络规模庞大，各类型合作创新主体众多，中科院在沟通不同节点、不同类型合作网络中起到重要的桥梁作用，是网络资源的集散中心，据此，中科院可从网络中获取稀缺资源，把握市场需求，从而不断提高自身创新效率以及创新产出。基于此，本研究提出如下假设：

H4：在合作网络中，结构洞正向影响中国科学院创新绩效。

3 数据搜集与网络分析

3.1 数据搜集与处理

在知识经济时代，随着知识产权保护意识的提高以及市场竞争的加剧，专利作为创新活动的重要成果之一日益受到企业、高等院校、科研机构等创新主体的重视，已经成为创新主体获取优势的主要载体［23］。合作专利能够有效地衡量创新主体（申请人）间的科技创新活动，表征创新主体间的合作关系［24］。本研究在中国专利全文数据库检索中科院1985—2019 年间所申请的全部专利数据，检索格式为在申请人一栏中输入“中国科学院”，在申请日期一栏中依次输入各个年份具体日期，如：“19850101—19851231”，据此共检索到181 878 条专利。其次，为构建创新合作网络，对专利进行清洗，删除中科院和个人、中国科学院系统内各单位间、中国科学院与我国港澳台地区以及中国科学院与国外单位合作的专利，仅保留其与我国境内院外单位合作申请的专利，经清洗后共得到15 005 条合作专利数据。再次，对合作专利数据单位名称进行处理，中科院系统内各单位名称仅保留“中国科学院”字段。最后，提取各年度申请人数据信息，通过CoCo 软件构建创新主体合作矩阵，据此共形成35 个共现矩阵，用于下一步的合作网络构建以及实证分析。

3.2 专利合作态势分析

中科院1985—2019 年间所申请的专利总数以及合作专利数如图2 所示，可以清晰地看出其专利总数整体上呈不断增长态势，但在2019 年稍有下降，主要原因是专利从申请到公开需要18 个月左右的时间，而本研究中数据检索时间为2021 年1 月，因此2019 年部分专利数据未检索到。其中，申请专利总量从1985 年的296 件增长到2019 年的17 118 件，年均增长12.68%；合作专利数量增长态势总体上与专利总数保持一致，合作专利数从1985 年的24 件增长到2019 年的1 911 件，年均增长13.74%。可见中科院合作专利增长较为迅速，且增速大于专利总数，但合作专利数占专利总数比重仍较小。

图2 中国科学院合作专利数量的年度分布

2002 年，中科院合作专利数突破100 件，达到122 件；2013 年，合作专利数突破1 000 件，达到1 030 件。据此，可将中科院的专利合作发展过程分为3 个阶段，即1985—2001 年、2002—2012 年、2013—2019 年。其中，在合作专利强度前10 名的创新主体中（见表1），1985—2001 年间企业占到8 位、高校占到3 位、科研机构占到3 位，各创新主体合作强度普遍较低，合作专利数量最多仅为19件；2002—2012 年间企业占到8 位、高校占到2 位、科研机构为0 位，专利合作强度普遍有所提高，合作专利数量增长至77 件；2013—2019 年间企业占到8 位、科研机构占到1 位、高校为0，专利合作强度继续增强，合作专利数量最多为390 件。综上可知，企业是与中科院合作最广泛的创新主体，并且高校、科研机构合作强度远远小于企业。中科院通过与企业进行创新合作，能够有效地促进科技成果转化，从而推动我国经济快速增长。从企业所属行业性质可以看出，与中科院进行创新合作的企业有从石油、化工等传统行业向互联网、ICT 行业转移的趋势。其中，1985—2001 年间多与石油化工类企业合作，如与中国石油化工总公司、抚顺石油化工公司石油二厂等合作；2002—2012 年间多与光电技术、电子信息等高新技术企业合作，如北京中视中科光电技术有限公司等；2013—2019 年间多与互联网公司进行合作，如华为技术有限公司等。

表1 1985—2019 年中国科学院合作创新主体前10 名

3.3 城市尺度专利合作网络分析

中科院是我国最大的科研机构，在全国各地共拥有12 个分院、100 多家科研院所、130 多个国家级重点实验室和工程中心，因此，有必要从地理学角度，结合地理单元对其专利合作网络进行研究。按照地级及以上城市（含省直辖县）检索并提取各合作专利申请人所在城市，以城市为尺度，将专利合作分为城市内合作、跨城市（市际）合作，其中部分年份基于城市尺度的专利合作强度即城市间合作专利数量，如表2 所示。其中，专利合作总强度、市内以及市际专利合作强度均呈不断增加态势，且市际专利合作强度均大于市内专利合作强度，可见中科院各科研单位开展跨城市的专利合作较为普遍，倾向于与其他城市的企业、高校、科研机构等单位进行专利合作，这对于加强跨地区创新合作，优化我国区域创新空间布局具有重要的积极意义。

表2 城市尺度下中国科学院部分年份的专利合作强度 单位：件

为了更清晰地展示中科院的城市间专利合作关系，运用UCINET 软件绘制出其市际专利合作网络图；同时考虑到网络中节点众多，显示节点标签会导致图面较为混乱，因此对节点标签进行隐藏处理。各节点的网络关系如图3 所示，可见节点城市数量、城市间联系数以及城市间专利合作强度均呈不断增加态势。其中，1985 年的合作网络较为简单，仅有17 座城市参与专利合作，合作强度较低，合作专利数量最多仅为4 件，合作双方城市为武汉与合肥；1999 年的网络复杂程度较1985 年有所增强，节点城市增长至25 座，城市间联系不断增多，但整体合作强度仍较小，最高合作强度仍为4 件，合作双方城市为上海与成都；2009 年的网络复杂程度显著增强，节点城市增长至74 座，城市间联系以及合作强度不断增加，最高合作强度增加到14 件，合作双方城市分别为上海与沈阳、上海与苏州；到2019 年，节点城市增加至127 座，网络复杂程度、网络规模、城市间联系强度进一步增强，最高合作强度增加到42 件，合作双方城市分别为北京与东莞。表明北京、上海在中科院的创新合作网络中处于中心位置，其中北京处于绝对核心位置。

图3 基于城市尺度的中国科学院专利合作网络

结合具体数据来看，中科院的创新合作关系总体上空间集聚特征明显、空间分布差异显著。依据国家统计局关于我国经济区域的东西中部和东北地区划分，中科院的专利合作主要集中分布在东部、中部地区，东北地区次之，西部地区最少。从城市群尺度来看，专利合作局部集聚现象较为显著，主要集中分布在京津冀、长三角、珠三角、成渝、长江中游等工业基础较好、经济较为发达的城市群，基本上形成了以长江中游城市群为中心，以京津冀、长三角、珠三角、成渝城市群为顶点的高强度专利合作的菱形区域。根据樊杰等［25］的观点，这与我国区域经济布局以及城市群分布形态相匹配。从城市尺度来看，北京、上海等城市参与合作较多，并且多为城市间连线的端点，合作强度前10 名的城市均为一线或省会城市，分别为：北京（676 件）、上海（199 件）、武汉（134 件）、沈阳（116 件）、南京（113 件）、苏州（110 件）、广州（104 件）、长春（91 件）、杭州（81 件）、西安（79 件）。

4 实证分析

4.1 研究模型

在现有研究中，创新绩效常用专利数、论文数、专著数、科技项目数等指标来衡量。其中，专利相较于其他指标更能突显科技创新绩效，更有利于经济高质量发展。因此，本研究使用申请专利数来衡量中科院的创新绩效。由于专利从申请到公布大约有18 个月的滞后期，在考虑实证分析结果稳健的条件下，有必要对当期的专利合作网络特征对滞后期创新绩效的影响效果进行检验。

借鉴李秀坤等［9］的研究，本研究的实证分析思路如下：将中科院1985—2017 年各年度专利合作网络的度数中心度、中间中心度、接近中心度和结构洞作为自变量，将网络密度、平均路径长度和网络集聚系数作为控制变量，将中科院在1985—2019 年所申请的专利数，即当期、滞后1 期、滞后2 期的专利数作为因变量。时间序列数据实证分析模型以及各解释变量计算公式和意义如表3 所示。

表3 实证分析变量计算公式及意义

模型形式如下：

式（1）中：Patentt+0(1,2)为中国科学院在t期、t+1期、t+2 期所申请的专利数；DCt、BCt、CDt、SHt分别为度数中心度、中间中心度、接近中心度和结构洞；APLt、Destinyt、CCt分别为平均路径长度、网络密度、网络集聚系数；μ为常数项。

4.2 回归分析

采用负二项回归模型进行回归分析。理由如下：因变量创新绩效为专利数，是非负整数，此类数据属于计数数据，按照计量经济学分析范式，在实证中可采用泊松回归模型或者负二项回归模型进行回归分析［27］。其中，泊松回归模型要求因变量方差与均值相等，若在因变量方差与均值不等时，采用泊松回归模型进行实证分析会导致结果出现较大偏差。如表4 所示，本研究的因变量在当期、滞后1 期、滞后2 期的方差均远大于均值，数据较为离散，但已有学者，如张艺等［18］，针对此类数据采用负二项回归模型进行实证研究得到了较好的结果，因此本研究采用负二项回归模型进行实证研究。

表4 变量的描述性统计

回归分析结果如表5 所示：模型1、模型5、模型9 分别验证了度数中心度一次项及其二次项对当期、滞后1 期、滞后2 期创新绩效的影响。由模型1回归结果可知，度数中心度正向影响当期创新绩效（β=0.197 0，P<0.01），表明随着度数中心度的增加，中科院专利产出不断增加，但是，当度数中心度超过一定阈值后，影响效果开始由正转负（β=-0.005 3，P<0.01），由此可得度数中心度与当期创新绩效呈显著倒“U”型关系；并且由模型5、模型9 回归结果可知，当期度数中心度与滞后1 期、滞后2 期创新绩效的关系均显著呈倒“U”型，说明度数中心度对创新绩效的影响较为稳定和持续。因此，假设H1得到验证。由此可看出，当度数中心度较小即合作伙伴较少时，合作伙伴的增加会使中科院获得更多的异质性资源，此时的合作网络有利于提高创新绩效；但是随着合作伙伴的增多，同质、冗余资源出现的频率随之不断加大，以及较多的合作伙伴也需要中科院花费一定的时间精力去维护合作关系，会使网络资源的边际收益逐渐递减，而当合作伙伴数量超过一定阈值时，合作网络对创新绩效的影响就会由正转负。

表5 变量回归分析结果

模型2、模型6、模型10 分别验证了中间中心度一次项及其二次项对当期、滞后1 期、滞后2 期创新绩效的影响。从模型2 回归结果可知，中间中心度对当期创新绩效呈倒“U”型，即在中间中心度处于较低水平时，当期创新绩效随着中间中心度的增加而增加（β=0.168 0，P<0.01），但是当中心度超过一定阈值后，就会对当期创新绩效产生负向影响（β=-0.004 5，P<0.01）；模型6、模型10 的回归结果反映出中间中心度对滞后1 期、滞后2 期创新绩效均呈倒“U”型。因此，假设H2得到验证。这说明随着中间中心度的增高，中科院在网络中的中介作用能力不断增加，此时能够通过控制节点间的沟通交流获得较多的异质性资源，从而合作网络对创新绩效产生积极影响；但是当中间中心度超过一定阈值时，频繁的中介职能会使中科院获得大量冗余资源、占用大量研发时间，从网络中获取的收益逐渐小于成本，最终合作网络会对创新绩效产生消极影响。

模型3、模型7、模型11 分别验证了接近中心度一次项及其二次项对当期、滞后1 期、滞后2 期创新绩效的影响。由各模型回归结果显示，接近中心度与当期、滞后1 期、滞后2 期创新绩效均显著呈倒“U”型关系，且具有较强的连续性与稳定性，因此，假设H3得到验证。这与李秀坤等［9］的研究结论不一致。结果表明，在一定水平下，接近中心度与创新绩效保持正相关关系，即接近中心度越大，越有利于提高创新绩效；但是当接近中心度超过一定阈值时，节点间距离过大，信息资源在传播过程中会受到“噪音”的影响，信息传播出现偏差，从而对创新绩效产生负面影响。这说明，中科院创新合作网络中要与企业、高校、科研机构等创新主体保持适当的距离，从而才能不断提高自身的创新绩效。

模型4、模型8、模型12 分别验证了结构洞一次项及其二次项对当期、滞后1 期、滞后2 期创新绩效的影响。由各模型的回归结果可知，结构洞与当期、滞后1 期、滞后2 期创新绩效呈“U”型关系，假设H4未得到验证。这与张艺等［18］的研究结论不一致。原因主要是网络中节点间单一合作较多、多节点合作较少，中科院承担中间人角色在联通不同性质的子网络时所获得的收益远小于成本，而随着合作网络的进一步发展，当中科院占据结构洞数量达到一定阈值时，合作网络会给中科院带来规模效益，从而对其创新绩效产生积极影响。

5 结论与启示

5.1 研究结论

本研究以中国科学院为例，基于中科院与企业、高校、科研机构等单位合作申请的专利数据，构建科研机构合作网络，在对专利合作现状、城市尺度专利合作网络进行演化分析的基础上，采用负二项回归模型检验了网络度数中心度、中间中心度、接近中心度、结构洞及其二次项对节点创新绩效的影响，验证了科研机构合作网络特征与创新绩效之间的关系。得到以下结论：

（1）1985—2019 年间，中科院的专利总数以及合作专利数均保持快速增长态势，专利合作发展过程三阶段特征明显；企业是与中科院合作最为广泛的创新主体，并且合作领域从石油、化工等传统行业向互联网、信息与通信技术等高新技术行业转移的趋势较为显著；专利合作网络规模不断扩大，高强度专利合作通道不断增多，专利合作空间集聚特征明显，主要分布在东中部以及东北地区，西部地区较少，基本形成以长江中游城市群为中心，以京津冀、长三角、珠三角、成渝城市群为顶点的高强度专利合作菱形区域，其中顶点以及区域内部合作较多，菱形区域外部合作较少，北京、上海、武汉等一线或省会城市多为网络局部集聚中心。

（2）中科院专利合作网络的度数中心度、中间中心度、接近中心度三者均显著与其当期、滞后1 期、滞后2 期的创新绩效呈倒“U”型关系且结果较为稳定，假设H1、H2、H3得到验证，即在创新合作网络中建立较多合作关系、处于网络中心位置能够在一定程度上促进创新绩效的提升，但是超过一定阈值时，较高的网络地位会成为一种负担、带来较多的冗余资源，从而给创新绩效带来负面影响；结构洞与当期、滞后1 期、滞后2 期创新绩效均呈“U”型关系，假设H4未得到验证。结合实际情况来看，在目前中科院的专利合作网络中，两两节点间单一合作较多，此时占据网络结构洞位置虽然会获取一定的异质性资源，但是由于网络整体连通性较差，会使中科院花费较多的精力承担中间人角色，从而不利于创新产出；随着合作网络的发展，当中科院占据结构洞数量超过一定阈值时，合作网络会带来规模效益，从而有利于创新产出。

5.2 研究启示

本研究一方面在一定程度上弥补了目前对于科研机构合作网络研究的不足，深化了合作网络与创新绩效关系的认识，具有一定的理论意义；另一方面由于中国科学院是我国最大的科研机构，因此研究结论对于提高中科院的创新绩效、优化我国创新空间布局具有一定的实际意义。

首先，中科院应该继续加强与企业、高校、科研机构等主体间的创新合作。在进行创新研发时，要充分利用自身在人才、科研设备等方面的突出优势，主动构建合作创新网络，吸引企业、高校、科研机构等研发能力强、水平高的创新主体参与合作，从而促进网络优质资源共享，加速资源流动，为提升自身创新绩效提供丰富资源。

其次，中科院系统内各研究机构要继续加强跨地区合作。由于资源的稀缺性与有限性，可通过与地方政府共建分支机构等方式加强跨地区合作，获取更多异质性资源，在促进自身创新产出提高的同时带动地方科技与经济发展，进一步优化我国创新空间布局，促进我国经济高质量发展。

最后，在合作网络中，中科院要注意避免因中心度过高而给创新带来的负面影响，要与其他创新主体保持适当“距离”，既要避免“距离”较小导致资源同质现象的发生，又要避免“距离”较大导致信息传播出现偏差；同时，要积极占据网络结构洞位置，争当不同性质网络的连接者，促进不同性质网络资源的交流与共享，从而加速网络规模效益的实现。