摘要

城市作為一個運行中的復雜系統，其專利和收入的超線性標度律（superlinear scaling laws）已被深入研究。技術轉移（technology transfer）是知識與經濟進步之間的橋梁。盡管其重要性不言而喻，但技術轉移的城市標度律仍鮮為人知，對其歷史網絡演化的探索也有限。本文構建了美國城市166年來的技術轉移網絡。我們發現，技術轉移表現出超線性標度，其標度指數排序為：城市內轉移 > 城市間轉入 > 城市間轉出。技術轉移網絡的演化包括全國范圍內的空間填充過程、城市間的層級結構以及城市內的功能多中心性。這些動態變化同步演化，每個變化都與標度指數的增長密切相關。我們的研究結果補充了關于標度律與網絡演化關系的見解，驗證了本地與非本地知識互動的機制，并為復雜城市系統的演化理論提供了新的支持。

研究領域：技術轉移（technology transfer），超線性標度律（superlinear scaling laws）、城市網絡演化，空間填充，層次結構，功能多中心性（functional polycentricity）

論文題目：Scaling and network evolution of technology transfer in US cities 發表時間：2025年3月7日 論文地址：https://www.nature.com/articles/s44284-025-00209-x 期刊名稱：Nature Cities

城市是創新的引擎，而技術轉移 （technology transfer） 是連接知識與經濟的關鍵橋梁。盡管專利和收入的超線性縮放定律 （superlinear scaling laws） 已被廣泛研究，但技術轉移的時空網絡演化機制仍不清楚。近日，Nature Cities發表的一項研究，通過構建美國城市166年 （1858-2023年） 的技術轉移網絡，揭示了技術轉移活動的超線性標度律及其背后的復雜系統演化邏輯。

技術轉移的超線性縮放：

為何大城市的創新效率更高？

研究團隊基于美國大都市統計區 （MSA） 數據，將技術轉移分解為“城內轉移” （intracity transfer，圖1a） 、“跨城轉出” （intercity transfer-out，圖1b） 和“跨城轉入” （intercity transfer-in，圖1c） 三類。結果顯示，三類技術轉移均呈現超線性縮放關系 （β>1） ，從β反映的集中程度來看，城市內轉移大于城市間轉移，城市間轉移大于城市間轉移。

這種差異源于技術轉移的空間黏性：城內轉移依賴本地化的知識互動，易受地理摩擦和路徑依賴影響；跨城轉出更多體現“發明導向” （invention orientation） ，需依托高校和基礎設施；而跨城轉入則需對接市場、資本和產業鏈，屬于“市場導向” （market orientation） ，復雜度更高。隨著工業革命迭代，縮放指數呈現周期性躍升——第二次工業革命 （1880年） 首次突破超線性閾值，信息技術革命 （1990年后） 則推動跨城轉入指數快速超越轉出，標志著城市間創新分工的深化。

圖 1. 技術轉移的標度律。a–c，美國大都市區內城市內轉移（a）、城市間轉出（b）和城市間轉入（c）的空間集中分布。d–f，標度指數的演變。紅色、藍色和綠色線分別代表城市內轉移（d）、城市間轉出（e）和城市間轉入（f）的擬合標度指數。水平虛線表示標度指數（β）= 1的參考線。淺色陰影區域代表95%置信區間（CIs）。城市內轉移的標度指數在研究期間呈增長趨勢，但在1940年和1980年有所例外。城市間轉出和城市間轉入的標度指數均低于城市內轉移，并表現出相似的增長趨勢。為了滿足同方差性假設，線性最小二乘擬合采用了穩健標準誤。

從“東北一隅”到“鉆石網絡”：

技術轉移的空間填充之路

美國城市的技術轉移網絡擴張呈現長期擴張顯著，中期增長不穩定，短期波動不定的周期性趨勢 （圖2） ，遵循“創新激增-崩潰-再創新”的循環。這種周期化在很大程度上與經濟長波和技術周期的歷史趨勢一致。

在空間填充 （space-filling） 過程中，1858-1899年，技術轉移集中于東北部工業城市；1900年后，伴隨鐵路和電力普及，網絡向西海岸和五大湖地區擴散；至21世紀，以紐約、芝加哥、舊金山為頂點的“鉆石形”全國網絡成型。這一空間填充并非均勻鋪開，而是大城市極化與全國擴散并存的動態博弈。

研究指出，網絡密度的提升增強了核心城市的技術吸收能力。例如，紐約的跨城技術輸入占比從19世紀的24%升至2020年的85%，其通過外部連接獲取創新資源的能力隨網絡覆蓋度提升而強化，進一步鞏固了超線性縮放效應。這種“馬太效應”印證了復雜系統的自增強機制：網絡越密集，節點收益越高。

圖 2. 1858–2023年美國技術轉移的時間演化與空間填充過程。a，隨著時間的推移，城市內轉移和城市間轉移的數量迅速增加。從第1階段到第5階段，城市間轉移與城市內轉移的比例分別為24%、37%、55%、81%和85%。b，城市內轉移和城市間轉移的空間填充過程。紅色圓圈的大小與每個城市的城市內轉移數量成正比，藍色線段的粗細與城市間轉移數量成正比。每個階段采用基于自然斷點的分類方案。圖例中僅顯示1858年至2023年的最大值和最小值。從第1階段到第5階段，參與城市內轉移的城市數量分別為203、376、382、387和388個。城市間轉移網絡的節點數量為166、373、385、390和391個。技術轉移的平均距離分別為646、1,146、1,495、1,597和1,911公里。

核心-邊緣結構：

誰主導了技術轉移的層級秩序？

通過塊模型 （block model） 分析技術轉移的層次結構，研究發現技術轉移網絡呈現典型的“核心-半核心-半邊緣-邊緣”四層結構 （圖3） 。核心城市 （如波士頓、紐約、舊金山） 占據網絡樞紐地位，其資源集聚效應推動縮放指數增長；邊緣城市則依賴核心節點獲取技術資源。

歷史數據顯示，美國技術轉移網絡的權力中心經歷了兩次“重置”：1858-1949年，波士頓和紐約主導東北工業帶；1976年后，硅谷 （圣何塞和舊金山） 在信息技術革命中崛起，成為新核心。這種“有限時間奇點” （finite-time singularity） 現象表明，重大技術突破會打破原有層級，觸發城市創新地位的洗牌。而當前所處的人工智能時代可能正在孕育新一輪“重置”。

圖 3. 技術轉移的核心-邊緣結構。a，從核心、半核心、半邊緣到邊緣，從內到外分為四個層級。點的大小表示大都市區技術轉移的規模，線的寬度表示大都市區之間技術轉移的相對強度。從第1階段到第5階段，聚類系數分別為0.22、0.53、0.59、0.55和0.59。b，從第1階段到第5階段，技術轉移網絡的核心數量增加，最初以波士頓為核心。直到2000年，似乎按下了重置按鈕，舊金山成為新的唯一核心城市。

大都市區的多中心化：

創新從“單極”走向“分布式協作”

研究引入“功能多中心性指數”（PF）衡量城市內部技術轉移的均衡度。結果顯示，盡管人口和專利分布早已多中心化，但技術轉移的PF值長期偏低 （圖4） 。這是因為技術轉移依賴政策、市場、人際網絡的復雜協同，初期往往集中于如紐約曼哈頓等少數優勢區域。

然而，隨著技術革命推進，大都市區的內部網絡逐步從“單中心”轉向“功能多中心” （functional polycentricity） 。以紐約為例，其城內技術轉移的集中度從19世紀的45.9%降至2020年的35.4%，布魯克林、皇后區等次中心崛起。這種多中心化并未削弱整體創新效率，反而通過分散式協作提升了系統韌性，成為超線性縮放的微觀基礎。

圖 4. 多中心性的時間變化。1860年至2020年每十年的多中心性變化。作為功能多中心性，技術轉移的多中心性低于人口和專利的多中心性。然而，隨著時間的推移，技術轉移的多中心性迅速增長。2000年后，平均多中心性指數（PF）超過0.2。我們選擇了擁有三個或更多縣的大都市區。人口多中心性指數（PM）的置信區間（CIs）基于1860年至2020年每十年的樣本量n：109, 115, 119, 127, 128, 131, 133, 133, 133, 133, 133, 133, 133, 133, 133, 138, 138。專利多中心性指數（PM）的置信區間基于1860年至2020年每十年的樣本量n：71, 95, 109, 121, 125, 131, 129, 128, 126, 132, 131, 132, 133, 135, 137, 137, 137。技術轉移多中心性指數（PF）的置信區間基于1880年至2020年每十年的樣本量n：5, 6, 16, 19, 29, 36, 42, 44, 49, 59, 78, 96, 109, 107, 118。

啟示與挑戰：

技術轉移的“創造性毀滅”與未來

這項研究首次將縮放定律與網絡演化動態關聯，驗證了“本地-非本地知識互動傳播”機制，并為城市復雜系統的進化理論提供了新證據。局限性在于，數據顆粒度未能揭示街道或企業級的轉移終端，且未評估專利價值差異對網絡的影響。

展望未來，人工智能可能加速技術轉移的“創造性毀滅” （creative destruction） ：一方面，顛覆性創新會加劇空間極化；另一方面，開放科學和數字平臺或推動網絡去中心化。如何平衡效率與公平，將成為城市創新政策的核心命題。技術轉移不僅是專利的流動，更是城市創新生態的“代謝循環”。

彭晨| 編譯

城市科學讀書會

隨著工業化和現代化的發展，世界范圍內的城市化率不斷提高，越來越多的人口聚集在城市，使得交通擁堵、環境污染、資源短缺等城市問題日益嚴峻。 我們迫切需要對城市的基本運行規律有科學的認知。近十幾年來，智能手機、物聯網、衛星遙感可以幫助獲取高精度的城市數據；機器學習、人工智能的發展，為處理大規模多源異構數據提供了技術手段。此外，復雜科學從演生視角，在不同時空尺度上研究城市現象的基礎規律，豐富了城市科學的理論框架；基于復雜系統的模擬方法也在實踐中有廣闊的應用前景。

在這個大背景下，集智俱樂部由北京大學助理教授董磊聯合明尼蘇達大學助理教授朱遞、中南大學地球科學與信息物理學院教授李海峰、北京航空航天大學計算機學院博士寄家豪共同發起，分享、討論和梳理“城市作為復雜系統”的理論、研究方法及應用，希望促進相關領域學者的交流，推動交叉學科間的合作，促進城市科學的發展和研究。讀書會已完結，現在報名可加入社群并解鎖回放視頻權限。

詳情請見：

1.

2.

3.

4.

5.

6.