盛世豪专栏丨完善创新生态：建设长三角国际科创中心的“核心密钥”

盛世豪

浙江省政府咨询委学术委副主任

浙江省社科联名誉主席

从“十四五”规划首次提出支持上海建设国际科技创新中心，到今年政府工作报告部署建设上海（长三角）国际科技创新中心，这不仅标志着从上海“单点突破”向长三角区域“协同推进”的战略转变，也体现了国家层面对其战略定位的显著提升，并进一步凸显原始创新和源头创新的核心地位。一时间，加快推进上海（长三角）国际科技创新中心建设，成为区域各级政府与学界关注的热点。有观点主张聚焦“硬科技”打造“创新共同体”，也有意见强调应强化政策支持。这些思路都很有价值，但整体仍偏重于“硬件投入”和“政策优惠”。

与京津冀依托北京“全国科技创新中心”的单点辐射效应、粤港澳依托“一国两制”的制度优势不同，长三角的独特优势在于“三省一市”的产业基础、科教资源和超大规模市场的深度融合。从硅谷“热带雨林式”的创新网络，到东京湾“精密齿轮式”的协同体系，全球顶尖科创中心的发展实践表明：真正的竞争力不在于资源“拥有多少”，而在于通过要素的深度交融与互动，催生“涌现式创新”。

因此，长三角要建设国际科技创新中心，既不能仅依赖硬件投入，也不能停留在规模扩张层面，更需要追求“质的跃升”——营造能够持续产生“涌现式创新”的生态系统。这绝非资源的简单叠加，而是要构建让人才、技术、资本“流动起来、协同起来、集聚起来”的机制，这才是突破瓶颈、实现跃升的关键所在。

一、创新生态的内涵特征

许多人将“创新生态”与“区域创新体系”混为一谈。实际上，两者的差异如同“精心设计的植物园”与“自然演进的热带雨林”。区域创新体系像一套“政策清单”，强调政府通过规划、补贴、园区建设等手段“组织创新”，本质上是一套制度化安排。而创新生态则是一个具有自组织能力的“生命系统”，企业、高校、科研机构、资本与人才等多元主体通过共生、协同、融合等自然互动形成动态闭环。以硅谷为例，虽然缺乏统一规划，但斯坦福大学科研人员能够将实验室成果迅速转化为企业，风险投资主动对接创新项目，下游企业积极参与产品测试与应用。这种“技术—资本—产业”自发循环的生态系统正是创新生态的典型特征。

创新生态也不同于通常所说的营商环境。如果说营商环境类似于“土壤肥力”，如减税降费、优化审批等，为企业发展提供基础条件；而创新生态则是更深层的“营养体系”，包括高端人才是否愿意集聚、科研成果能否顺畅转化、企业之间是否形成协同创新等。这些因素共同构成从基础研究到产业化的全链条要素配置体系。

创新生态也有别于传统营商环境。如果说营商环境是土壤的“基础肥力”（如减税降费、简化审批等），为企业发展提供基础条件；那么创新生态则是更深层的“营养体系”：顶尖人才是否愿意集聚、科研成果能否顺畅转化、企业间是否形成协同创新等，涵盖“从基础研究到产业化”的全链条要素配置，不仅包含营商环境，还涵盖人才质量、科研能力、资本活力、国际链接等核心创新要素。

因此，总体来看，创新生态是以“创新价值创造”为核心，由人才、企业、高校、科研机构、资本、政府及专业服务机构等多元主体，通过技术链、产业链、资金链与人才链深度耦合形成的复杂系统。

成熟的创新生态通常具备以下特征：一是要素高效流动。良好的区域创新生态使人才不因户籍或签证受阻，技术不因行政分割而难以转移，资本不因信息不对称而错失优质项目。例如，硅谷工程师可以在不同企业之间自由流动，这种“自由流动”是创新的重要催化剂。

二是主体深度协同。在完善的创新生态中，高校不再是“象牙塔”，企业也不再孤立运作。在波士顿，哈佛大学实验室的教授与Biogen等药企可共享研究设施，实验数据能够快速转化为企业研发方向——“产学研用”深度融合大幅缩短了科技成果“从实验室到市场”的周期。

三是网络包容开放。良好的区域创新生态不是“封闭的内循环”，而应深度嵌入全球创新网络。位于东京湾的丰田汽车在德国建设新能源研发中心，在硅谷合作自动驾驶技术，在东南亚布局测试基地。只有整合全球资源，才能始终保持创新前沿地位。

显然，顶尖科创中心间的竞争不是单一要素的比拼，而是“人才－企业－高校－资本－政府”等多元主体相互作用形成的系统性竞争。特别是在人工智能时代，建设国际科技创新中心的关键不在于建设多少大科学装置或引进多少全球500强企业（虽然这些都很重要），而在于以人工智能为核心驱动力，推动政府、高校、企业、金融机构等通过算力、算法、数据、场景等要素高效协同，形成“基础研究－技术研发－产业应用－生态反哺”的闭环系统。其核心是通过“系统性协同”——构建让人才、技术、资本“流动起来、协同起来、集聚起来”的生态系统，使企业、高校、科研机构不再是孤立个体，而是形成“链主引领、中小企业配套、科研赋能、金融输血”的共生网络。各种创新要素能够跨越行政边界，通过协同融入全球创新网络，实现资源最优配置。换言之，构建高度协同的创新网络，实现一市三省优势互补和跨区域要素整合，是建设长三角国际科技创新中心的关键所在。

二、国内外科创高地的实践启示

如美国波士顿，通过构建开放创新网络和优化要素配置，形成了以AI医疗、生物科技为特色的创新生态。在数据开放与国际合作方面，波士顿发起“全球AI医疗数据联盟”，联合20多个国家和地区的顶级医院共享脱敏医学影像数据，共同训练多语言、多人群AI诊断模型，使模型准确率从单一医院数据训练的85%提升至92%。这种全球数据共享模式不仅提升了技术水平，还吸引了50多家全球AI企业参与，形成“数据共享－技术迭代－产业集聚”的良性循环。在要素配置机制方面，波士顿政府与企业合作搭建“AI人才匹配平台”，通过分析科研人员的论文、专利与企业技术需求，自动生成精准匹配报告。麻省理工学院的统计显示，该平台使产学研合作的“搜索成本”降低40%，大幅提升创新资源对接效率。

粤港澳大湾区则以“超级场景”开放为抓手，推动AI技术与产业深度融合。广东依托制造业优势，发布“AI+制造业”场景清单，涵盖智能工厂、质量检测、供应链优化等100多个具体场景，明确“场景面向全球AI企业开放，不设地域限制”。例如，深圳某电子制造企业的“AI视觉检测场景”吸引了北京、杭州及海外AI企业参与竞标，最终选择算法准确率最高的团队，使产品不良率降低50%。同时，利用香港的国际科研优势和深圳的产业转化能力，共建“港深AI联合实验室”，使香港高校的基础研究成果可在深圳企业快速转化，形成“基础研究－技术研发－产业应用”的高效链条。据相关统计，粤港澳通过开放场景吸引了全国40%的AI企业集聚，其“AI+制造业”产业规模增速比长三角高15%，凸显了场景开放对产业升级的推动作用。

进一步的比较可以发现，成功的科创高地创新生态建设有以下共性：一是以要素协同为核心，无论是波士顿的全球数据共享、硅谷的产学研闭环，还是京津冀的政策协同、粤港澳的场景开放，本质都是通过打破壁垒实现要素高效流动；二是企业主体是关键，政府通过搭建平台、完善政策引导企业成为创新决策、研发投入、成果转化的主体；三是开放合作为趋势，科技创新的全球性特征决定了创新生态必须面向全球整合资源，封闭只会导致技术落后和产业边缘化。

三、长三角的创新生态短板

长三角科创家底雄厚，2025 年底数据显示，区域研发投入超 1.2 万亿元，占全国 31.5%；科创板上市企业 132 家，数量居全国首位。但对照硅谷、东京湾等国际标杆，长三角在要素质量、协同效率、全球链接三大核心维度仍存在显著短板，区域内部还存在协同壁垒，难以形成创新合力。

全球顶尖人才集聚度不足，人才生态吸引力有待提升。

国际科创中心的核心是 “聚天下英才而用之”。2024 年硅谷外籍科技人才占比 28%，计算机领域超 35%，波士顿剑桥创新区全球前 1% 高被引科学家占比 12%；而长三角 2025 年国际人才占比仅约 5.5%，全球前 1% 高被引科学家数量不足硅谷的 1/4。同时，人才服务存在 “最后一公里” 障碍，国际人才签证办理耗时是新加坡的 2 倍，多语种医疗、国际教育等配套资源稀缺，与粤港澳超 100 所国际学校的国际化配套相比，人才竞争优势偏弱。

企业共生网络大而不强，协同生态效能未释放。

企业是创新生态的核心主体，其网络结构直接影响创新效率。与硅谷“去中心化网络结构”和东京湾“链主引领型结构”相比较，长三角企业结构呈“金字塔型”。2025年长三角拥有 132家科创板上市企业、超8500家国家级专精特新“小巨人”企业，但头部企业带动力不足，区域内尚无全球科技企业市值前十的企业；大企业与中小企业协同度偏低，产业链配套多集中在中低端，关键技术依赖进口。中小企业成长困难，风险资本对早期创新支持不足。2025 年种子轮、天使轮融资占比仅13%，远低于硅谷的25%，企业“死亡谷”阶段存活率低于国际平均水平15个百分点。高校科研成果转化率仅36%，“论文束之高阁，企业求才无门”的产学研“两张皮”现象仍然存在。

全球网络“连而不深”，国际话语权相对薄弱。

国际科技创新中心的核心标志是“在全球创新网络中占据关键节点”。硅谷通过主导国际大科学计划、掌控技术标准制定、布局全球研发网络，深度嵌入全球创新链：2024年硅谷企业海外研发中心超2200个，主导了人工智能、量子计算等领域70%以上的国际标准。而长三角在全球创新网络中仍处于“参与者”地位，尚未成为“核心节点”。2025 年区域头部企业海外研发中心仅 320 个，不足硅谷的 1/6；跨境技术交易额占全球不足 3%，比东京湾低 9 个百分点；参与国际大科学计划少，缺乏主导权；知识产权跨境保护机制不够完善，企业海外专利纠纷应对成本过高。

另外，区域内部协同壁垒突出，难以形成创新合力。

以人工智能创新发展为例，一是数据“跨省壁垒”制约策源引领能力。长三角拥有全国30%的工业数据和25%的医疗数据，具备构建“超级数据池”的基础，但跨省市数据共享需经多部门审批，流程长达2个月，而AI算法迭代周期通常仅2周。“数据流动速度跟不上技术迭代需求”的矛盾，直接制约了科创策源地的基础研究效率。

二是人才“跨城协作”存在体制障碍。长三角AI算法人才占全国35%，但人才跨区域流动面临社保转移等“隐形门槛”，最终形成杭州算法人才集聚、苏皖硬科技领域却面临“AI人才荒”的结构性失衡。

三是场景“本地化”阻碍融合创新。长三角拥有全国最丰富的AI应用场景，但“肥水不流外人田”的地方保护思维使场景资源难以区域共享。

四是金融“各自为战”导致资源分散。在种子期，上海、杭州、合肥等地都设有AI天使基金，对初创企业的重复投资率达30%，而苏锡常、宁波等制造业密集地区的AI初创企业却面临融资难；在成长期，银行对AI企业的信贷支持仍依赖传统抵押模式，导致长三角AI企业股权融资占比超70%，远高于全国平均水平的55%，融资成本偏高；成熟期企业上市扶持政策不统一，资金配置效率偏低。“数据不通、人才不流、场景不融、金融不活”，导致“创新共同体”“超级场景”等建设目标推进难度大。

四、完善长三角创新生态完善的“四梁八柱”

“十五五”时期，长三角要建成国际科技创新中心，需推动区域创新生态从“要素集聚”向“系统成熟”跃升。具体地，

第一，构建全球人才自由港。

优化人才政策，探索“144小时过境免签+工作许可”联动机制，压缩高端人才签证办理周期；对顶尖科学家和创新企业家提供具有国际竞争力的激励政策。完善国际化生活配套，在G60科创走廊建设高品质国际社区，实现教育、医疗等公共服务跨区域互认。推动人才跨区域流动与兼职创新，建设长三角AI人才库与共享平台，提升人才配置效率。

第二，打造“产学研用金”协同网络。

强化企业创新主体地位，支持龙头企业牵头建设国家级技术创新平台，对产学研合作项目给予研发补贴。完善科研人员成果转化激励机制，鼓励技术入股。设立中小企业创新基金，推动“链主企业+孵化器”模式，促进大中小企业融通创新，构建协同发展的产业生态。

第三，聚焦人工智能提升策源能力。

制定长三角AI应用场景开放行动计划，推动高端制造、生物医药等领域场景开放。建立跨区域协同机制，支持算力、算法与数据资源共享。构建统一的AI科研数据平台，推动实现数据安全共享。发起国际AI合作网络，吸引全球创新资源集聚，并积极参与全球治理规则制定。

第四，完善全周期资本支持体系。

加大早期资本供给，设立种子基金与天使投资联盟，完善科技金融服务体系。探索设立区域性科技创新板块，降低科技企业融资门槛，推广知识产权质押融资等创新工具，提高科技型企业融资覆盖率。

第五，建设全球创新链接枢纽。

推动重大科研基础设施向全球开放，积极参与国际大科学计划。在量子科技、脑科学等前沿领域提升国际影响力。支持企业全球布局研发中心，参与国际标准制定。完善跨境创新要素流动机制，加强知识产权保护与数据跨境流动便利化。建设一体化科创服务平台，提升专业服务供给能力，打造开放协同的创新环境。

总体而言，对于长三角而言，“十五五”时期，唯有充分发挥区域协同优势，进一步完善“全球人才集聚、多元主体协同、全球资源链接”的创新生态体系，才能真正建成具有全球影响力的国际科技创新中心，在全球创新竞争中占据主动。

文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com