京沪深科技创新中心建设综合评价研究

付宏¹ 张一博² 张惠娜^1*
（1.北京市科学技术研究院科技智库中心，北京100044；
2.湖北省科学信息技术研究院，武汉430064）

摘 要：将京沪深科技创新中心建设综合水平的评价划分为创新资源、创新投入、创新产出及创新影响四个要素维度，选取了20个指标，通过综合指数、要素指数、具体指标构建了京沪深科技创新中心建设线性综合评价模型，比较分析了京沪深三地科技创新中心建设的综合指数、要素指数及具体指标，在此基础上，提出了促进京沪深科技创新中心建设的相关建议。
关键词：京沪深；科技创新；综合水平；评价模型；指数分析
中图分类号：G322.23 文献标识码：A 文章编号：1005-9393(2022)01-0023-11

作者简介：付宏(1976-),男,博士,研究员,研究方向:科技战略、创新规划;张一博(1989-),男,硕士,助理研究员,研究方向：科技创新、科技管理。*通讯作者：张惠娜(1978-),女,博士,副研究员,研究方向:科技战略、科技人才。

作为创新型国家建设的重要组成部分，科技创新中心是科技强国建设的核心依托。2014年2月26日习近平总书记在视察北京工作时，首次明确赋予北京建设全国科技创新中心的城市发展定位。2014年5月习近平总书记在上海视察工作时提出，上海要加快向具有全球影响力的科技创新中心进军。2019年8月，中共中央、国务院《关于支持深圳建设中国特色社会主义先行示范区的意见》正式出台，首次提出“以深圳为主阵地建设综合性国家科学中心，在粤港澳大湾区国际科技创新中心建设中发挥关键作用”。京沪深在整个国家科技创新体系建设中发挥着重要作用。为科学评价京沪深科技创新中心建设情况，本研究结合全球具有科技创新竞争力的地区的相关研究发现，一个地区科技创新综合表现主要取决于创新资源集聚能力、创新投入水平、创新产出效果及创新影响,故本研究以创新资源、创新投入、创新产出、创新影响为比较框架，以数据可靠性、可比性和连续性为基础，从横向和纵向两个维度进行对比研究，分析京沪深各自的相对优劣势和2015年~2019年发展态势，系统反映京沪深科技创新情况特征及优劣势，并提出相关对策建议。
1 科技创新中心建设综合评价模型

从科技创新中心的定义、内涵和特征来看，评价科技创新中心建设，创新资源、创新投入、创新产出、创新影响等都应该是评价指标体系的主要内容。结合考虑以下几个因素：（1）首都科技创新发展指数指标体系是国内较为成熟的科技创新评价指标体系，因此，京沪深科技创新中心建设评价指标体系中的指标要充分参考并借鉴这一成熟指标体系；（2）尽可能使用政府统计年鉴中的标准指标，以便于获得相应的统计数据。但由于京沪深统计部门的统计口径存在一些差异，因此，主要选择各地都使用的标准统计指标；（3）将现有文献中对“科技创新中心”的研究成果纳入到评价指标体系中，注意评价指标的全国可比性。初步考虑京沪深科技创新中心建设综合评价指标体系由4个要素、20个指标构成（见表1）。

表1 京沪深科技创新中心建设综合能力评价指标体系

多指标综合评价方法，就是把描述评价对象不同方面的多个指标的信息综合起来，并得到一个综合指标，由此对评价对象做一个整体上的评判，并进行横向或纵向比较。其基本思想是：要反映评价对象的全貌，就必须把多个单项指标组织起来，形成一个包含各个侧面的综合指标。京沪深科技创新中心建设综合指数采用线性综合评价模型。

多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。因此，为了保证结果的可靠性，需要对原始指标数据进行无量纲化处理。本研究科技创新中心建设的指标值为通过均值化进行无量纲化处理后为Yij，具体计算公式为：

式（1）中Xij为第i个变量的第j项原始指标值,Xij为所有j项指标的均值。Yij为第i（i=1,2,…,n,n=20）个变量的第j项指标均值化处理后的值,j=1~5时，对应的是北京2015年~2019年的均值化指标值；当j=6~10时，依次对应上海2015年~2019年的均值化指标值；当j=11~15时，依次对应的是深圳2015年~2019年的均值化指标值。

设定第i项变量所对应的j项科技创新中心建设指标值的总和为Zij，则其计算公式为：

式（2）中n=20,则京沪深科技创新中心建设综合指数评价模型为：

式（3）中Vj为第j项（j=1~5对应北京的2015年~2019年；j=6~10对应上海的2015年~2019年；j=11~15对应深圳的2015年~2019年）科创中心建设综合指数。Wij为评价指标Zij的权重系数（Wij≥0,∑Wij=1），从线性综合评价模型的公式中可以看出，权重是影响综合评价结果的重要因素之一。通过对国内外权威创新评价体系的研究，发现欧洲创新记分牌^[1]、全球创新指数^[2]、国家创新指数^[3]、京沪深科技创新中心功能评价研究^[4]都采用等权重法对指标进行赋权。借鉴国际权威评价体系权重设置方法，本研究指标赋权采用等权重法。若第i项变量对应的第j项综合指标值Zij与所有项综合指标值的平均值相等，则该项的科技创新中心建设综合指数为100，代表科技创新中心建设综合水平处于近5年三地的平均水平。值越高表示科技创新中心建设综合水平越高，反之，则越低。

2 科技创新中心建设综合指数及结构

本文数据来源于《2020北京统计年鉴》《2020上海统计年鉴》《2020深圳统计年鉴》所公布的2015年至2019年三地的相关数据。京沪深三地科技创新中心建设综合指标原始数据（见表2）。

表2 京沪深科技创新中心建设综合指标^[5-7]

由式（1）计算出第i项指标对应的指标值，代入式（2）计算得出第j项的科技创新建设综合指标值，由式（3）通过均值等权法得出京沪深科技创新中心建设综合指数（见表3）及各创新要素指数（见表4）。

表3 京沪深科技创新中心建设综合指数

表4 京沪深科技创新中心建设各创新要素指数

表1数据显示，2015年~2019年，京沪深科技创新中心建设综合指数整体均呈增长态势，2019年分别达到149.4、98.7和107.2，北京居首位，深圳和上海分居第二和第三位。从三地差距看，2015年~2019年，三者差距基本保持平稳。2015年~2019年，京沪深科技创新中心建设综合指数分别提升33.7、26.5和41.4。从2019年增长情况看，深圳提升最为明显，指数较上年增长15.51，高于北京的13.0和上海的10.1（详见图1）。

图1 2015年～2019年京沪深科技创新中心建设综合指数

2.1 创新资源指数京沪两地基本稳定、深圳增长迅猛

如图2所示，2015年，京沪深三地创新资源指数分别为95.6、88.1、65.4；但到2016年，深圳便达到85.6，反超上海的83.1。2015年~2019年京沪创新资源指数基本保持稳定，但深圳创新资源指数增长率近300%，到2019年达到183.7。这主要与其科研机构数量及规模以上企业参与研发活动及人员增长迅速有关。

图2 2015年～2019年京沪深创新资源指数

2.2 创新投入指数三地均平稳增长、北京领跑

2015年，京沪深创新投入指数三地分别为124、82、54；但到2019年指数值分别为178、112、76，5年增长值分别为54、30、22。5年中创新投入指数涨幅北京为143.5%，其次为深圳140.7%，上海涨幅垫底为136.6%，三地涨幅差异不大（见图3）。

图3 2015年～2019年京沪深创新投入指数

2.3 创新产出指数北京领跑、深圳紧随其后

如图4所示，2015年~2019年，除北京创新产出指数稳定增长且领跑三地之外，上海、深圳两地均出现过波动：2015年~2018年，上海相关指数分别为47.1、54.0、59.3和80.4，但到2019年出现小幅回落跌至66.3；深圳则由2015年的80.7升至2017年的109.8之后，于2018年小幅回落至106.3，然后于2019年升至115.6。5年三地创新产出指数北京的涨幅达到152.5%。

图4 2015年～2019年京沪深创新产出指数

2.4 创新影响指数三地均小幅波动、北京始终领跑

如图5所示，2018年京沪两地为拐点，北京创新影响指数小幅回落，由141.9跌至2019年的138.8，创新影响指数降低了3.1；上海则由99.8大幅上升至2019年的108.2。此外，上海还在2017年到2018年之间出现了小幅回落，由100.8降低到99.8。而深圳从2015年的77.2小幅跌至2016年的75.7之后，一直保持稳定小幅增长，到2019年升至82.0。

图5 2015年～2019年京沪深创新影响指数

3 京沪深科技创新中心建设具体指标分析
3.1 创新资源相关指标
3.1.1 R&D人员总量北京优势明显，深圳于2017年反超上海

人力资源是创新活动的根本，是一个国家或地区的竞争之本、转型之要、动力之源。R&D人员是创新最为重要的人力资源之一。从R&D人员总量来看，2015年~2019年北京均高于上海和深圳。2019年，北京R&D人员为46.42万人，深圳以37.79万人位居第二，上海为29.33万人；但2015年沪深两地分别为24.27万人和20.63万人，2016年沪深两地分别为25.48万人和23.39万人，到2017年则出现逆转，沪深分别为26.23万人和28.14万人。由此可见，虽然沪深两地R&D研发人员5年均保持增长，但深圳增长迅猛，出现了反超，到2019年反超上海8.46万人（具体见图6）。

图6 2015年～2019年京沪深R&D人员总量比较（单位：万人）

3.1.2 高校数量北京领先三地，科研机构数量深圳于2018年反超领先三地

科研机构和高校是我国创新体系的重要组成部分，承担着科学研究的重任，其数量能够反映区域科学研究资源的聚集程度。高校数量北京优势明显，大量央属高校院所的集聚带来了无法比拟的资源优势，在人、财、物方面都高度聚集，不但科技资源丰厚，而且人才与资金相对强度也领先。由于高校建设周期长、投资大，故2015年~2019年三地的高校数量基本保持稳定，北京领跑三地，深圳高校数量差距明显，具体数量见图7。

图7 2015年～2019年京沪深高校数量（单位：所）

2015年~2017年，北京科研机构数量领跑三地，始终保持在300家左右；深圳科研机构数量位居第二且增长速度迅速，由2015年的156家增长至2017年的284家，并于2018年达到331家，反超北京，在2019年更是激增至632家。这一现象值得注意，在当前激烈的城市人才竞争中，深圳在集聚全球高端人才的同时，大力发展新型研发机构，促进资源向企业集聚，形成了深圳创新的“四个90%”现象：90%以上的研发机构在企业、90%以上的研发人员在企业、90%以上的研发资金源自企业、90%以上的专利发明出自企业^[8]。相关数据见图8。

图8：2015～2019年京沪深科研机构数量（单位：家）

3.1.3 规模以上工业企业有R&D活动的企业数量深圳于2016年反超上海后领跑三地、北京垫底

研发是企业持续发展的支撑和动力，而规模以上工业企业则是研发活动的主力军，其研发活动的普及和活跃程度，对提升城市工业整体创新实力具有举足轻重的作用。2015年~2019年，京沪深规模以上工业企业不断发展壮大，企业研发水平不断提高，企业研发呈现良好的发展态势。其中，深圳有研发活动的企业数增速保持领先，于2016年反超上海之后便一直领跑三地，于2019年达到4987家；而2019年上海2349为家，北京仅1127家（见图9）。

图9 2015年～2019年京沪深规模以上工业企业有R&D活动企业数（单位：家）

3.1.4 规模以上工业企业 R&D 人员数量与增速深圳均领先三地、北京数量垫底且小幅下降

R&D人员的数量和素质决定着企业研发活动的质量。从规模以上工业企业R&D人员来看，北京、上海研发人员队伍保持稳定，素质不断提高。2019年，北京、上海规上工业企业分别有研发人员6.55万人、11.34万人。但深圳规上工业企业研发人员队伍则呈现出较快速增长态势，由2015年的17.5万人增长至2019年的30.2万人（见图10）。

图10 2015年～2019年京沪深规模以上工业企业R&D人员数（单位：万人）

3.2 创新投入相关指标
3.2.1 R&D经费内部支出北京领跑、上海次之

研究与试验发展（R&D）经费内部支出，是指全社会有R&D活动的企事业单位（包括工业企业、政府属研究机构、高等学校）用于内部开展基础研究、应用研究和试验发展等活动的实际支出。2015年~2019年，京沪深R&D经费内部支出增势较快，其中，北京始终遥遥领先，上海次之，深圳第三。2019年，北京、上海、深圳研发投入分别为2233.6亿元、1524.55亿元、1328.28亿元（见图11）。

图11 2015年～2019年京沪深R&D经费内部支出（单位：亿元）

3.2.2 基础研究经费投入北京领跑、深圳努力缩小与京沪的差距

基础研究是原始创新的根基，也是产品和装备升级的支撑，体现了面向科学前沿的原始创新能力。2015年~2019年，北京基础研究经费保持高速增长，由2015年的191亿元迅速提升至2019年的355.5亿元。与上海、深圳相比，北京是创新链前端的“领跑者”。2019年北京基础研究经费支出是上海的2.6倍、深圳的10.3倍，而在2015年北京基础研究经费支出是上海的约2.5倍，但却是深圳的28.5倍。虽然深圳与北京差距明显，但深圳也日益重视基础研究经费的投入，在努力缩小与京沪两地的差距（见图12）。

图12 2015年～2019年京沪深R&D基础研究经费投入（单位：亿元）

3.2.3 R&D经费投入强度北京领跑、深圳次之

R&D经费投入强度指全社会R&D经费支出占地区生产总值比重，是国际通用反映创新投入的指标，能够较好地评价一个地区科技创新能力和水平。北京R&D经费投入强度始终保持全国第一，2015年以来基本稳定在5.5%以上，2019年达到6.31%，高于深圳1.38个百分点，高于上海3.21个百分点。而深圳也比较注重增加经费投入，R&D经费投入强度从2015年的3.97%增加到2019年的4.93%（见图13）。

图13 2015年～2019年京沪深R&D经费投入强度（单位：%）

3.2.4 基础研究经费投入占 R&D 投入的比重北京领先、上海次之

基础研究经费占全社会研发经费比重是国际通用反映原始创新能力的指标。如图14所示，2015年~2019年，北京基础研究经费占全社会研发经费比重由13.8%上升至15.9%，累计提升2.1个百分点，远高于上海和深圳同期比例，北京在成为国家自主创新重要源头和全球原始创新主要策源地的道路上始终走在前列。上海基础研究经费占R&D投入比重也远高于深圳，且呈现小幅波动，由2015年的8.2%回落到2016年的7.4%之后，再稳定增长至2019年的8.9%。

图14 2015年～2019年京沪深基础研究投入占R&D投入比重（单位：%）

3.2.5 企业R&D人员人均R&D经费上海表现亮眼、京深两地基本持平

2015年~2019年，京沪深企业科技创新意识逐步增强，越来越多的企业主动筹集经费，结合本企业的产品特点开展研发活动，人均研发经费稳步增长。2015年京沪深三地人均研发经费分别为33.53万元、38.01万元和39.9万元，到2016年人均研发经费分别为30.07万元、41.02万元和35.75万元，京深两地有所回落，而上海则有所加强。自此，上海一直到2019年均保持领先，在企业R&D人员人均R&D经费投入方面增长至52.07万元；北京增长至43.55万元，位居第二；深圳第三，达到了43.04万元（见图15）。

图15 2015年～2019年京沪深企业R&D人员人均R&D经费（单位：万元）

3.3 创新产出相关指标
3.3.1 万人发明专利拥有量京深两地交替领先、北京增速领先三地

万人发明专利拥有量是国际通用指标，体现一个国家或地区技术创新产出能力。2015年~2019年，北京万人发明专利拥有量快速发展，年均增长22.6%，高于上海（17.2%）5.4个百分点、深圳（8.6%）14个百分点。2017年，北京首次超越深圳，京深分别为95件/万人、85.3件/万人，到2019年北京达到132件/万人。与上海相比，北京发明专利拥有量持续保持在上海的2倍以上，且差距呈逐步拉大趋势（见图16）。

图16 2015年～2019年京沪深万人发明专利拥有量（单位：件）

3.3.2 PCT专利申请量深圳领跑三地、上海增速最快

PCT申请量是国际通用的反映一国或地区创新产出质量和技术国际竞争力的指标，可以反映知识产权主导能力和国际创新产出竞争力。深圳在2017年PCT申请量高达20457件，分别是北京的4.0倍、上海的9.7倍，仅华为一家企业PCT申请量就达到4024件，接近北京申请总量的八成，是上海的1.9倍。与上海相比，北京PCT申请量具有优势，2019年为7165件，是上海的2.2倍。从5年变化看，京沪深三地均呈现快速增长态势。其中，深圳增长迅猛，且均在1.3万件以上；北京也呈现增长趋势，2019年是2015年的1.6倍，年均增速为11.9%；上海增长最快，2019年是2015年的3倍，年均增速为40.4%（见图17）。

图17 2015年～2019年京沪深PCT专利申请数量（单位：件）

3.3.3 技术合同成交数量与成交额北京均遥遥领先、深圳差距明显

技术合同登记是我国特有的科技管理方式，统计对象包括技术服务、技术开发、技术转让、技术咨询四类合同。技术含量是合同登记的标准，因而成交额一定程度上反映了科技创新和技术转移情况。2015年~2019年，京沪深技术合同成交数量及成交额整体呈现出快速增长态势。从数量上来看，北京始终居于首位，2019年达到83171项，上海为36324项，深圳为10217项。5年来，北京相对沪深呈现出更大优势，成交量始终在上海的2倍以上、深圳的7倍以上（见图18）。

图18 2015年～2019年京沪深技术合同成交数量（单位：项）

从技术合同成交额来看，北京依旧占据领先地位。2019年北京技术合同成交额达到5695.3亿元，为上海的3.7倍、深圳的8.1倍，年均增长率达到13%。2015年~2019年，京沪深技术合同成交额整体呈快速增长态势，相比2015年，上海年均增长率达到23%，深圳年均增长率达到17.9%（见图19）。

图19 2015年～2019年京沪深技术合同成交额（单位：亿元）

3.3.4 企业新产品销售收入深圳优势明显、北京尚待发力

新产品是创新最直接的产物之一，也是创新活动在市场中活跃度的反映。新产品销售收入的增长反映出供给侧结构的不断优化，以及经济发展质量的提升。2015年~2019年，深圳新产品销售收入年均增长12.7%，2017年超过1.4万亿元，是北京的2.7倍、上海的1.4倍。上海、北京新产品销售收入分别位居第二和第三位，北京新产品发展相对迟缓（见图20）。

图20 2015年～2019年京沪深企业新产品销售收入（单位：亿元）

3.4 创新影响相关指标

3.4.1 劳动生产率京沪两地相差不大、深圳差距明显

劳动生产率是评价经济发展质量的综合性指标，从劳动节约的角度反映经济发展方式的转变，为生产总值与就业人员数之比。北京劳动产出效率优势突出，2019年劳动生产率为28.2万元/人，分别高出上海0.5万元/人和深圳7.2万元/人。深圳劳动生产率与京沪相比略有差距，增速相对缓慢（见图21）。

图21 2015年～2019年京沪深劳动生产率（单位：万元/人）

3.4.2 国家科学技术奖数量北京优势明显、沪深稳步增长

国家科学技术奖包含5个奖项：国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖和中华人民共和国国际科学技术合作奖。2015 年 ~2019 年，京沪深均取得亮眼的获奖成就，从获奖数量来看，北京一直名列第一，每年获奖数量均在 50 项以上 ；上海排名第二，均在 40 项以上 ；深圳排名第三，较京沪两地有较大差距，但深圳获奖数量一直稳步增长，尤其是从 2015 年的 14 项增至 2019 年的 22 项，表现出强劲的增长速度（见图22）。

图22 2015年～2019年京沪深国家科技奖数量（单位：项）

3.4.3 流向外省市技术合同成交额北京最大、沪深技术本地转化能力强

技术交易成交额是反映技术流动的重要指标，从流向上分为流向本地、流向外省市和流向国外三部分，其中流向外省市技术交易成交额是反映一个城市通过技术交易对国内其他地区辐射带动作用的重要指标。北京作为全国技术集散地，历年技术交易成交额占全国比重都在三分之一左右，其中输出到国内其他省市的比重基本保持在一半以上。从输出到异地技术合同成交额看，北京2019年以超过2800亿元的规模居京沪深首位，分别是上海和深圳的4.2倍和12.3倍（见图23）。

图23 2015年～2019年京沪深流向外省市技术合同成交额（单位：亿元）

3.4.4 高技术产品出口贸易额深圳占比三地总额一半以上，优势明显

高技术产品出口额是反映高技术产品的国际竞争力和产品主导能力的指标。从高技术产品出口额总量来看，深圳具有绝对优势，2019年高技术产品出口额达到1171.6亿美元，分别是北京的7.1倍、上海的1.4倍。从5年变化看，京沪深三地高技术产品出口增速迟缓，甚至出现下行趋势。其中，深圳高技术产品出口额明显下滑，2019年仅为2015年的83.5%；2019年，上海高技术产品出口额为860.4亿美元，是北京的5.2倍，5年基本保持不变；北京高技术产品出口额规模最小且小幅波动，2014年为140.4亿美元，2016年至2017年均为113.2亿美元，2018年为150.3亿美元，2019年为165.4亿美元（见图24）。

图24 2015年～2019年京沪深高技术产品出口贸易额（单位：亿美元）

3.4.5 技术出口成交额北京体量最大、深圳体量最小

国际技术贸易是国际间技术资源优化配置与技术知识传播应用的重要手段，一国（地区）的技术国际收入状况反映着该国（地区）在国际上的科技实力和经济地位，一般用技术出口成交额这一指标来表示。从技术国际收入看，北京具有显著优势，2019年技术出口成交额为750.7亿元，分别是上海的1.3倍、深圳的25.8倍。从5年变化看，上海逐年稳步提升，2019年是2015年的3.1倍；北京呈现一定下降趋势，2019年仅为2015年的79.1%；深圳先降后升，2019年为2015年的2.4倍（见图25）。

图25 2015年～2019年京沪深技术出口成交额（单位：亿元）

4 结论与建议

综合来看，北京科技创新中心建设综合指数领先沪深。各维度指数情报具体表现如下：创新资源指数方面深圳增长迅猛，尤其表现为科研机构数量反超、规模以上工业企业有R&D活动的企业数量领跑三地、规模以上工业企业R&D人员数量与增速均领跑三地。创新投入指数三地平稳增长且北京领跑三地。除企业R&D人员人均R&D经费上海表现亮眼之外，R&D经费内部支出、基础研究经费投入强度以及基础研究经费投入占R&D投入的比重等三个指标北京均领先三地。创新产出指数北京领跑，上海垫底。万人发明专利拥有量京深两地交替领先但北京增速领先三地，但是PCT专利申请量深圳表现亮眼领跑三地；技术合同成交数量与成交额北京均遥遥领先；企业新产品销售收入深圳优势明显，北京尚待发力。创新影响力指数三地均出现小幅波动，但北京始终领跑。劳动生产率沪深两地相差不大，深圳差距明显；国家科学技术奖数量北京优势明显，流向外省市技术合同成交额北京最大，技术出口成交额北京优势也较明显；深圳在高技术产品出口贸易额方面占三地总额一半以上。

北京应推进传统政府主导型资源集聚向企业集聚过渡，在加快推进国际科技创新中心建设的进程中，代表中国率先形成全球科技创新的高地。一方面，应充分激发各类创新主体协同创新的积极性、主动性，加快形成以企业为主体、产学研深度融合的技术创新体系。另一方面，通过加强政策引导、体制改革、机制创新，加速各类创新要素向企业集聚，全面优化创新环境，深度激发创新动力，不断提高企业创新能力和核心竞争力。

上海应以提升基础研究能力和突破关键核心技术为主攻方向，努力成为科技创新的重要策源地。一方面，应疏通基础研究、应用研究和产业化双向链接的快车道，激发各类主体的创新动力和活力，强化知识产权运用和保护，以更加开放包容的政策和环境培育集聚各类科创人才。另一方面，稳步加大全社会研发投入力度，优化投入结构，加强政府科技投入保障，完善系统性的引导激励政策，强化企业创新主体地位，促进各类创新要素向企业集聚，发挥企业家在技术创新中的重要作用，持续提升企业研发支出占全社会研发支出比重。

深圳则应加大基础研究和应用基础研究投入力度，以形成带动粤港澳大湾区国际科技创新中心建设的核心引擎。一方面，布局重大科技基础设施，以企业研发为主体，通过应用研究带动基础研究，积极承接国家重大专项和重大研发计划，探索关键核心技术攻关新型举国体制的深圳路径。另一方面，以主阵地的作为推进大湾区综合性国家科学中心建设，面向产业需求统筹布局重大创新平台、集聚高端创新人才、安排重大创新项目，打造粤港澳大湾区重大原始创新策源地和科研成果中试转化基地。

参考文献:
[1]European Innovation Scoreboards (EIS) project. European Innovation Scoreboard 2020[EB\OL].https://ec.europa.eu/growth/industry/policy/innovation/scoreboards_en.
[2]Cornell,SC Johnson College of Business,World Intellectual Property Organization. Global Innovation Index 2020[EB/OL].https://www.globalinnovationindex.org/userfiles/file/reportpdf/GII_2020_KeyFind_English_web.pdf.
[3]中国科学技术发展战略研究院.国家创新指数报告2020[M].北京:科学技术文献出版社,2021.
[4]张士运,等.京沪深科技创新中心功能评价研究[M].北京:经济管理出版社,2019.
[5]国家统计局.2020北京统计年鉴[M].北京:中国统计出版社,2020.
[6]国家统计局.2020上海统计年鉴[M].北京:中国统计出版社,2020.
[7]国家统计局.2020深圳统计年鉴[M].北京:中国统计出版社,2020.
[8]陈启文.为什么是深圳[M].深圳:海天出版社,2020.

（文章内所有图片受版权保护 违者必究）