关系学习与颠覆性创新路径研究--基于中国芯片企业的比较分析

为推动本土芯片企业实现重大突破性进展,选取芯片产业链中海思(设计业)、中芯国际(制造业)、长电科技(封测业)3家企业作为研究对象,以跨案例研究方法探讨关系学习与颠覆性创新视角下可选择的战略方案集,研究发现关系学习与颠覆性创新路径有6条,包括知识突破—高端市场渗透、知识突破—低端市场导入、知识突破—新市场开发、知识集成—高端市场渗透、知识集成—低端市场导入、知识集成—新市场开发。关系学习导致企业差异化的颠覆性创新路径,且企业存在创新路径组合。研究结果可为完善关系学习与颠覆性创新路径的理论系统,促进中国芯片企业实现突围提供启示。

基于机器学习的颠覆性技术弱信号识别模型研究

【目的】基于机器学习构建颠覆性技术弱信号识别模型,发现早期的颠覆性技术并探究其对现有主流技术的未来颠覆潜力。【方法】通过归纳颠覆性技术弱信号的核心特征,设计基于专利引证类别的颠覆性指数DI-P,构建历史颠覆性技术语料,设计基于机器学习的颠覆性技术弱信号识别模型,选取逻辑回归、高斯朴素贝叶斯、随机梯度下降、梯度提升树和随机森林等多个机器学习模型综合预测,并通过链路预测探究颠覆性技术弱信号的未来颠覆路径。【结果】在储氢领域开展实证分析,构建基于引证类别的颠覆性指数DI-P获取历史颠覆性技术语料,其准确率与AUC值均优于RDI与DI。通过对比颠覆性技术弱信号与高价值专利,能够从成本、效率及安全性等角度发现其未来可能的颠覆路径。【局限】实证领域相对单一,数据源局限于专利数据与战略规划,预测模型准确率有限。【结论】通过结合机器学习模型与链路预测方法,能够精准、细粒度地识别颠覆性技术弱信号及其颠覆路径。