产学研专利合作的形成机理及实证研究

□罗 枢 白仲林

一、引言

2012 年以来，因世界经济衰退和人口红利消失等原因，中国经济从高速增长转变为高质量增长。我国积极推进了结构性改革，以提高生产要素供给、非农劳动参与率以及全要素增长率，从而充分释放改革红利、促进经济高质量发展。事实上，尽管熊彼特的经济周期理论认为当代全要素增长率取决于“第三次科技革命”，但是企业与高等院校等科研机构合作研发的新产品、科研成果的转化和革新企业生产技术也必然提高劳动生产率。而且，在双方共赢、优势互补、分散风险和协同发展的机制下，借助市场机制促使高校和企业开展合作创新、深化科技与实业融合，能够提高高校研究开发能力、增强科研成果市场转化效率和企业技术革新动力。因此，促进产学研合作、加快科研成果转化是加速传统产业转型升级、提高企业市场竞争力的重要途径之一，已经成为各个国家（地区）促进科技进步和经济发展的主要手段。显然，产学研合作是推动中国经济高质量发展的有力抓手。

虽然在战略和政策上我国一直大力支持产学研合作，但其发展并未达到预期的成效。[1]根据世界经济论坛发布的“2020 年全球竞争力报告（Global Competitiveness Report2020）”，2020 年中国在“高校—产业研发合作”指数的经济创新分指标上位列第31 名，远远不能满足世界第二大经济体的技术需求。产学研合作当前所面临的重要问题之一是合作难以产生有效成果。[2]有鉴于此，诸多文献研究产学研合作过程中可能出现的矛盾及问题，如双方在利益共享和风险共担中的博弈及模式选择。[3-4]但是，鲜有文献从多维邻近的视角来分析合作主体对潜在合作对象的选择机制。

众所周知，产学研合作的形成路径是指合作从无到有形成过程中所遵循的模式。在形成路径中，影响潜在合作对象选择的因素众多，除去高校与企业各自的科研能力和合作意愿等因素外，社会距离、地理距离以及测度技术互补性的认知距离都发挥着重要作用。在高校和企业相互选择的过程中，潜在企业在竞争优质高校科研资源时的排他性以及双方对合作模式（“强强合作”“强弱合作”）的偏好都将影响最终合作伙伴的选择。鉴于高校与研究机构在产学研合作专利网络、创新网络中是关键参与者且处于网络中心地位，[5]因此与高校成功实现产学研合作的企业是潜在合作企业中能够为高校（发明人）产生最大化“效用”的企业，产学研合作项目也是潜在“竞标”企业“采购”高校知识或技术“服务权”的博弈均衡。

为此，本文将首先在梳理现有文献和科技创新理论的基础上，根据国家知识产权局专利检索系统的微观样本数据，对产学研合作专利的影响因素进行实证检验；其次建立离散博弈模型揭示与高校具有潜在合作关系的企业之间的博弈竞争行为；最后通过分析高校与企业选择合作对象的偏好，以发现我国产学研合作模式的特征，为研发高质量产学研合作专利和增强科技发展政策的效能提供经验证据和启示。

二、文献回顾

产学研合作是联接科学创新和技术商业化的跨组织重要合作模式之一，也是促进产业结构优化升级、反哺科学技术发展、提高全要素生产率、实现中国经济高质量发展的重要战略措施。长期以来，产学研合作问题的理论与实证研究在学术界和实业领域受到了广泛的关注，本文将从产学研合作的形成机理、合作模式分类、影响合作效率的因素和产学研合作网络结构的演化特征等方面对重要文献进行梳理。

关于产学研合作的形成机理，Etzkowitz 和Leydesdorff（1995）[6]首次基于生物学相关理论隐喻出三螺旋模型。基于该模型，二位学者又进一步指出创新不仅是产学研三方的合作行为，更是一种国家行为。[7]吴洁等（2017）[8]建立动态控制博弈模型研究产学研合作的形成机理，研究发现高等院校的科研能力直接影响企业的行为选择，政府补贴也影响着高校和企业间合作行为的选择。何郁冰（2012）[9]提出针对“战略—知识—组织”三重互动的产学研协同创新模式，通过分析协同创新的基础、战略协同和知识协同等，初步探索构建了产学研协同创新理论框架。周正等（2013）[10]探讨产学研协同创新的内外动力因素及其相互作用机理，并指出中国产学研协同创新存在动力不足的问题，提出了完善我国产学研协同创新动力机制的政策建议。在对产学研协同创新进行因素分析的基础上，邵景峰等（2013）[11]借助主体理论方法构建了一个产学研主体间协同创新的动力结构模型，设计了各主体的功能、相互间的协同工作过程及动力机制。研究表明，在产学研大数据环境下，多主体的产学研协同创新关键动力模型能精确表达产学研三个主体之间的协同关系，并能确定影响产学研协同创新的关键动力因素。林维蔚等（2016）[12]基于有限理性假设构建产学研协同创新的演化博弈模型，研究发现，在产学研协同创新的演化过程中，协同创新的概率与协同超额收益正相关、与投入总成本和背叛收益负相关，并且最优的超额收益分配系数能够使得双方协同创新的可能性最大化，合理的惩罚和奖励机制将有效减少双方的背叛行为。

在产学研合作模式及创新效率方面，沈云慈（2014）[13]将风险分担模式分为基准分担、干预分担以及系统分担三类，并借助贝叶斯网络法探究了不同模式下的产学研合作绩效。根据机制运行的内在逻辑，肖玲诺等（2013）[14]指出，要推动联盟内知识链运行效益最大化，战略联盟是产学研知识创新联盟最好的模式。王建国等（2018）[15]以内蒙古地区2008—2017 年产学研合作专利数量为研究对象，发现产学研合作创新正由高校主导往企业主导方向发展。王秀丽和王利剑（2009）[16]用数据包络分析法对30 个省（区、市）的实证数据进行分析，评价了中国各省（区、市）产学研合作创新效率。肖丁丁和朱桂龙（2013）[17]根据广东省260 家企业的问卷调查样本建立超越对数随机前沿模型测评了产学研合作的创新效率及其影响因素。以广东省产学研合作研发项目为例，陈光华等（2014）[18]采用DEA－Tobit 两步法对产学研合作创新效率的影响因素进行实证分析，研究发现政府研发投入和外部知识获取对产学研合作效率有明显的提升作用。

另外，随着专利发明产业化等产学研合作数据的公开化，从社会网络的角度，尤其是从高校与企业间合作子网络的视角，许多文献研究了产学研合作网络结构的演化特征。如，刘璇等（2019）[19]基于随机指数图模型构建学者之间的合作网络，通过网络结构和节点属性得出网络分布较为均匀的结论。Graf 和Henning（2009）[20]应用社交网络分析方法研究了创新网络中公共研究的作用，发现高校与研究机构是创新网络中的关键参与者，其处于网络中心地位，会不断地把知识从外部转移到区域内部。Dangelico 等（2010）[21]选取3 所高校（剑桥大学、伦敦大学和帝国理工大学），利用欧洲专利局的专利信息研究了大学学习行为和网络结构如何影响其收集和扩散知识的能力。高霞等（2019）[22]以我国ICT 领域的联合授权专利数据为样本，利用社会网络分析方法从微观上分析产学研合作网络整体结构及其演化，并对产学研合作开放度的异质性、创新网络开放度等进行了实证分析。刘凤朝等（2011）[23]以“985 工程”高校为例，研究了1985—2009 年期间专利合作网络结构及空间分布的演化路径。王朋等（2010）[24]以清华大学与企业纳米专利合作网络为例，利用复杂网络理论研究了产学研合作网络的结构特征。根据1985—2004 年期间大学和企业共同申请的专利样本，洪伟（2010）[25]构建了四个历史时期的大学向企业学习的知识流动网络，并揭示了六个行政区内外部的网络特质，发现了中国区域创新系统的演变规律及其与政策变迁的关系。马艳艳等（2011）[26]测度了高校和企业联合申请发明专利合作网络的规模和中心度等特征指标，分析了高校和企业专利合作网络的结构特征和演化规律。另外，Nooteboom 等（2007）[27]利用关于经济活动中地理距离和认知距离的相关研究结果，依据欧洲国家33 所大学开发的796 项校企合作专利样本，研究了认知相似度和地理距离等因素对专利合作网络形成的影响。胡杨和李郇（2016）[28]定性分析了距离因素对中国产学研合作的影响。

综上可见，尽管在学术界和实业领域，学者广泛关注产学研合作问题的理论与实证研究，然而仍须深化我国产学研合作形成机理的理论分析与实证检验。本文期望运用微观经济行为分析方法研究产学研合作中潜在合作者的经济选择与博弈行为，并基于实际产学研合作实践对理论分析结论进行实证检验，进而为推动我国产学研合作高质量发展提供理论支持和政策启示。

鉴于此，本文将以我国国家知识产权局授予的产学研合作专利权为例，根据国家知识产权局专利检索系统的微观样本数据，首先对产学研合作专利的影响因素进行实证检验，其次建立离散博弈模型揭示与高校具有潜在合作关系的企业之间的竞争博弈行为，最后通过分析高校与企业匹配合作对象的双向选择性偏好，剖析我国产学研合作模式的典型特征，为促进研发高质量产学研合作专利和增强科技发展政策的效能提供经验证据和启示。

三、产学研合作专利权的影响因素分析

（一）高校的合作意愿

1.模型设定

众所周知，产学研合作是高校服务社会经济发展的主要方式之一，与企业合作申请并被授予合作专利权不仅实现高校科技工作者的自我价值，而且是他们持续进行科技研发活动的动力，是评价高校学术水平和科技实力的重要指标。所以，高校具有与相关企业合作申请专利的自发性动机。各级政府为了推动产业升级、实现区域经济高质量发展，对企业开展新技术改造、研发新产品和新工艺的产学研合作专利活动予以多方面的支持。政府支持是高校获取外部资源的途径之一，也是影响高校参与产学研合作专利的重要因素。另外，高校在产学研合作专利网络、创新网络中拥有知识或技术优势，处于网络中心地位，其合作意愿至关重要。因此，有必要对高校参与合作专利意愿的影响因素进行实证研究。

根据“产学研”三螺旋理论，影响高校申请合作专利意愿的重要因素源于其自身属性和政府的支持力度，并鉴于样本信息的可获得性，本文建立泊松回归模型：

其中，Yi表示高校i 参与产学研合作的意愿，用高校与企业被授予的合作专利数量测度，Xi表示高校的自身属性向量，Zi表示所在地区的政府支持因素向量。

2.解释变量

（1）解释变量Xi。显然，一所高校是否愿意参与产学研合作，受其科研人员规模、科研人员能力、科研经费充裕程度以及产学研合作经验是否丰富等因素的影响。

第一，科研人员规模（NOR）。高校的三大使命分别是教学、科研以及服务社会，大部分教师同时承担教学和科研的职责，对科研的时间投入已属有限资源，因此高校通过产学研合作履行其“第三使命”的意愿必然受制于其科研人员的规模。本文根据《高校科技统计资料汇编》中各高校的研究与发展人员数测度其科研人员的规模。

第二，科研人员能力（COR）。除了科研时间的投入，科研人员能力也决定了高校参加产学研合作的意愿，本文以其被授予的专利数量测度。

第三，科研经费充裕程度（RR）。高校参与产学研合作的一大动机便是利用企业资源支持自身的科技研发。除来自企业的横向课题外，高校的科研经费主要来源于纵向课题，且其数量和质量往往是对高等院校科研考核的硬性指标。然而，因纵向课题的基础性特点，故对横向课题通常既有挤出效应又有拉动效应。因此，充裕的科研经费对产学研合作意愿的影响并非确定，与高校的学科类别有关，本文以高校纵向课题的经费额度衡量其经费充裕程度。

第四，产学研合作经验（UIE）。产学研合作专利申请是一项周期长、不确定性高的工程，合作主体需就风险分担和利益分配进行博弈，而且项目成败也往往取决于信息的对称性、主体的行动顺序以及博弈策略的选择。合作经验越丰富主体越能审时度势、把握博弈条件、调整博弈策略以取得最佳的博弈均衡。因此，合作经验越丰富，合作意愿则越强烈。本文以高校参加合作研究的人数测度其合作经验丰富与否。

（2）控制变量Zi。根据Etzkowitz 和Leydesdorff（1997）[6]的三螺旋理论，政府在产学研合作中扮演着“催化剂”和“稳定器”等重要角色，政府政策引导能极大推动高校参与产学研合作的意愿。除中央政府在制度层面营造的良好环境外，地方政府也大有可为。例如，设立产学研合作专项项目，完善中介、咨询等相关配套措施，在政府财政政策对产学研合作项目上给予政策红利。这些政策为产学研合作提供更稳定的预期，减少不确定性，能有效激发高校参与产学研合作的意愿。地方政府的政策支持可具体用以下变量测度：

第一，政府配套措施（SP）。地方政府所搭建的产学研合作平台在信息交流、促成合作上发挥着重要作用，多以产学研办公室等形式运作。因此，如果高校所在地方政府有成立专门的关于产学研合作的下属机构，则变量取1；反之则取0。

第二，政府支持力度（SS）。“中国产学研合作促进会”作为一个由国务院批准、各部委共同参与组建的权威平台，每年通过“产学研合作促进奖”表彰优秀单位及个人，因此本文以高校所在地区是否获得过该奖项作为衡量政府支持力度的代理变量。

3.样本数据

考虑到数据的可得性，本文搜集12 所“985”高校数据作为研究样本，考察它们在2007—2022 年间的产学研专利合作状况。由于所选取高校获批专利的总数占“985”高校专利总数的80%以上，将其视为研究对象对于揭示产学研合作的匹配机理具有显著的代表性。其中，被解释变量合作专利的数量由国家知识产权局专利检索得出，检索字段包含“大学名称+公司”“大学名称+厂”以及“大学名称+企业”。在剔除大学与本校投资设立的企业间合作专利后，共计得到2848 条专利信息。描述高校自身属性的解释变量均出自于中华人民共和国教育部科学技术司编写的《高等学校科技统计资料汇编》以及专利检索结果，其中NORi为各高校科研人员及科研教师人数总和、CORi为国家知识产权局专利检索中高校所获得的专利数量、RRi为纵向科研经费数量、UIEi为高校参加合作研究的人数。描述地方政府政策支持的解释变量均出自于“中国产学研合作促进会”的官方网站，如果高校所在地方政府有专门的产学研合作下属机构，则SP 取1；反之则取0。同理，高等院校所在地区如获得“产学研合作促进奖”，则SS 取1；反之则取0。

4.估计结果

根据样本数据建立Poisson 计数回归模型，其估计结果如表1 所示。

表1 Poisson 模型的估计结果

由表1 可知，高校科研人员的规模、能力以及产学研合作的经验对高校参与产学研合作意愿均具有显著的正向影响，而纵向课题经费的负向效应并不显著，即基础理论性研究并未显著分散高校的社会服务活动。政府对产学研支持程度的代理变量显著为正，说明政府政策引导对高等院校参与产学研合作具有积极效应。

（二）高等院校的选择行为分析

1.模型设定

由于参与合作的意愿对成功合作只是一个必要非充分条件，想要厘清产学研合作的微观经济学机理，就需充分揭示匹配合作对象的双向选择行为。然而，鉴于高等院校在产学研合作专利网络、创新网络中拥有知识或技术优势，处于网络中心地位，本文认为合作对象的搜寻匹配过程既是高等院校依据收益最大化原则选择潜在合作企业的过程，也是潜在合作企业竞争高等院校优质科研资源的“竞标”活动。为此，在信息完备且同时行动的假设下，本文建立静态随机选择模型以揭示潜在合作企业的竞争行为。

对于高校l 的科研资源，假定有N 个潜在合作企业相互竞争，其中报价最高者P（即使得高校的潜在收益最大者）最终与高校l 达成专利合作。而且，在控制适当因素后，如果高校l 和企业n 选择了合作，企业n的报价Pn满足Pn=max Pj{ }j=1，...，N

其中，Pj{ }j=1，...，N表示N 个潜在合作企业的报价序列，也反映了N 个企业与高校l 合作后产生的预期收益。

为了简化数学推导，进一步假设企业n 的报价Pn具有如下线性函数形式：

其中，Zl和Xn分别表示高校l 和企业n 的科研实力等可观测异质性因素，un表示影响报价的不可观测随机性因素，N-1 是所属行业中企业n 的潜在竞争对手个数。

当高校l 和企业n 被授予合作专利权时，令yn=1；否则，令yn=0。

于是，高校l 和企业n 被授予合作专利权的概率为：

如果假定有L 个高等院校的优质科研资源待合作，每个资源的潜在合作企业数量记为{Nj}j=1,...,L，并假定影响企业报价的不可观测异质性随机因素服从独立的Weibull 分布，则可构造样本似然函数使用极大似然方法估计报价函数式（2）中的未知参数θ=（α，β，δ），即：

2.样本数据

为了有效检验同业企业在竞争高校优质科研资源过程中的博弈竞争行为，本文选取“985”高校中的12所理工科院校作为实证研究对象，考察其在2007—2022 年间的产学研专利合作状况。

3.解释变量

高校是否选择企业取决于两者合作的“预期收益”是不是所有潜在竞争者中的最大收益值，而决定“预期收益”的因素除高校及企业的自身属性外，两者间的地理距离、认知距离和社会距离也十分重要。另外，影响因素还包括高校与企业的科研能力及合作倾向等。

（1）地理距离（GD）。本文对地理距离的测度考虑了区域间行政区划分和地方科技研发项目的管理体制，例如合作主体是否在同一城市，是否在同一省份的不同城市，或邻近省份等，依次递推。

（2）认知距离（CD）。本文按照新版国际专利分类标准，对12 所高校梳理出的2848 条专利信息进行分类，并借鉴Fafchamps 等（2010）[29]的余弦相似度方法测度认知距离，即：

H 为专利类别的总集。

（3）社会距离（SD）。如由不同的高校与企业团队合作产生的专利数为n，则社会距离CDij=1/n。对于未合作过的机构，计算两者相连的最短路径。当合作伙伴的个数为m 时，社会距离的取值则为m+1。样本分布如图1 所示。

图1 社会距离分布

（4）科研能力（Q）。本文根据高校拥有的专利数量q 衡量其科研能力，并根据高校和企业各自的科研能力选择了两个指标，分别为科研能力均值和科研能力差值△Qij。

（5）合作倾向（P）。本文根据各机构拥有的合作伙伴数pi构建合作倾向距离，即高校i 与企业j 的合作倾向为：

上述解释变量的描述性统计分析结果见表2。

表2 变量的描述性统计分析

4.模型估计结果

根据样本数据估计静态随机选择模型（3），模型估计结果如表3 所示。

表3 静态随机选择模型估计结果

从四种模型的估计结果可见，社会距离SDij系数的符号与预期相一致，且该系数在1%的显著性水平下显著。在模型1 和模型2 中，地理距离GDij都不显著。只有在未包括社会距离SDij的模型3 或者在包括SDij和交互项SDijGDij的模型4 中，地理距离才显著。可见，地理距离本身对合作概率并无影响，但它能通过影响社会距离而间接影响合作概率。即不管企业j 和高校i 之间地理距离的远近，如果缺乏社会联系，两者产生合作的可能性就较低。而地理上的邻近之所以导致合作概率上升，是因为其有助于缩小机构间的社会距离。而且，由于SDijGDij的系数显著为正，社会距离对建立合作概率的影响随着地理距离的增加而增加，并且地理距离对此概率的影响也随着社会距离的增加而增加，即社会距离和地理距离间存在互补效应。另外，在模型（1）至模型（4）中，认知距离CDij与其二次项的系数符号与预期一致，CDij的符号显著为正的符号显著为负。因此，产学研合作的可能性随认知相似度的增大而增大，但是认知相似度对产学研合作可能性的影响呈现一个倒U 型关系，当认知相似度超过某阈值时，两机构间差异的互补性降低使合作的可能性也随之降低。科研能力均值的系数虽在1%的显著性水平上显著，但在四个模型中系数均仅为-0.001，说明科研能力均值对彼此选择概率影响不大。科研能力差值△Qij的系数也仅为0.002 或0.003，不足以说明高校与企业的科研实力差距对合作成功概率的影响。合作倾向在四个模型中均不显著，说明高校和企业间合作意愿的差距并不影响两者间的合作。

最后，在不考虑潜在合作者具体身份时，本文发现Nl-1 的系数一致为负，变量Nl-1 在1%的显著性水平上显著，潜在合作企业数量对潜在合作者的决策会产生负效应。因此，与高等院校合作专利并不是潜在企业的个体选择行为，而是已经形成了潜在合作企业共同博弈的竞争性决策。

（三）产学研合作模式的稳健性分析

产学研合作模式决定了合作主体承担有关合作的前瞻性、风险的规避性和利益分配的对称性等经济后果。常见的合作模式有两种——“强强合作”和“强弱合作”。前者具有较强的风险规避能力，其能够实现优势互补和核心技术加速创新，故能够积极推动经济高质量发展。后者则有利于实现经济欠发达地区的科技发展，扶持欠发达地区产业实现跨越式发展，有助于解决经济发展不平衡问题。因此，为了说明本文结果的可靠性，本节对合作模式进一步进行稳健性分析。

鉴于合作主体选择的双向性，本文将根据合作专利样本建立联立方程模型：

其中Qi代表高校i 在相应学科样本高校中的合作专利数排名，Qj表示企业j 在该行业样本企业中的合作专利数排名。如果排名位于中位数之上，则认为其科研实力在同行中较强，Qi或Qj则取值1；否则，视为同行中科研实力较弱者，Qi或Qj取值0。控制变量Xij包括地理距离GDij、认知距离、社会距离SDij以及交互项SDijGDij。此外，本文假定不可观测异质性变量u1,ij和u2,ij服从相关系数为ρ 的标准二元正态分布N（0，1）。

联立方程模型（8）-（9）的估计结果见表4。

表4 联立方程模型的估计结果

由表4 可见，联立方程模型中变量Qi和Qj的系数都显著为正。因此，该结果验证了产学研合作申请专利时合作主体倾向选择“强强联合”模式，显然其本质根源在于同业潜在企业通过竞争才能获得合作高校优质科技资源。社会距离SDij、地理距离GDij和认知距离对高等院校与企业合作申请专利的主体模式选择具有非对称的影响。在产学研合作网络中，高等院校处于网络中心地位，且所处城市相对固定，在选择潜在合作企业时更会考虑地理距离，以提高交流便利性、降低时间机会成本。而企业在竞争优质高校科研资源的过程中，往往借助于各种社会资源力求与高等院校实现专利合作，且企业的技术革新活动更强调实用性，所以社会距离和认知距离显著影响企业与高校申请合作专利的能力，同时企业追求技术创新并不受地理距离的影响。

四、研究结论及对策建议

（一）研究结论

当前产学研专利合作中存在的主要问题，一是形成难，二是形成后持续运行性差。针对这两大问题，本文从多维距离的视角探究了产学研合作形成阶段高校与企业间的博弈机制，并分析可持续关系中的主流合作模式。研究发现：（1）高校科研实力越强，参与产学研合作的意愿就越强；（2）与高校合作的潜在合作企业之间存在显著的博弈竞争关系；（3）参与产学研合作的主流模式是“强强联合”，潜在合作伙伴的科研实力是选择过程中的首要考虑因素；（4）社会距离、地理距离和认知距离对高等院校与企业合作申请专利的主体行为具有非对称的影响，社会距离和认知距离直接影响企业与高校建立产学研合作的可能性，地理距离通过社会距离间接影响合作可能性。

（二）对策建议

1.加快双一流大学建设，以提升全社会产学研合作意愿

积极落实科教兴国战略，加快一流大学和一流学科建设，加大各级政府对高等院校科技项目的投资力度，提升科学理论和技术革新对高质量发展的保障力；充分发挥政府对科技成果转化、产学研合作的引领作用，以“政府搭台、企业唱戏”的形式，积极规范、健全科技市场，发挥“交易、共享、服务、交流”四位一体的功能，提高其配置效率。

2.地方政府主导，推动域内产学研合作

虽然地理距离需通过社会距离对产学研合作的结果发挥间接效应，但其直接影响着高校对合作企业的选择，且该影响不受社会距离和认知距离的干扰。因此，在促进产学研合作的过程中，地方政府具有不可忽视的重要作用。地方政府通过制定相关政策，提供财政支持，优化营商环境，为高校和企业搭建合作平台，从而推动域内的产学研合作。在产业布局、创新资源整合以及产业链衔接方面，政府发挥主导作用，这有助于减少合作中的信息不对称和合作成本，增强各方合作的积极性。

3.企业搭建开放创新平台，促进与科研院校的“强强联合”

研究结果表明，社会距离、地理距离和认知距离对高等院校与企业合作申请专利的主体行为具有非对称的影响，其中社会距离直接影响企业与高校建立产学研合作的可能性，因此企业可通过搭建开放创新平台，实现与高校等科研院所的人力资源互通、技术成果交流、科研协作开发。在此过程中，人力资源互通能有效缩短企业与科研院所的社会距离，实现双方在项目开发、技术创新等方面的紧密合作；技术成果交流有助于拉近二者的认知距离，有利于消除信息不对称，加速技术成果的转化和商业化。