英国创新集群地图

2025年10月，英国科学、创新与技术部（Department for Science, Innovation and Technology，DSIT）更新了创新集群地图（Innovation Clusters Map）及相关方法论报告。该地图首次发布于2024年2月，此次更新提升了数据的深度和质量，拓宽了指标范围，并更好地与英国现代产业战略保持一致。地图为交互式，用于识别、可视化并分析英国范围内地理上集中的研发与创新集群。这能帮助政策制定者、投资者和地方利益相关者更清晰地了解创新在哪里发生、哪些行业在哪里蓬勃发展、哪些区域可通过针对性的支持释放进一步增长潜力。

一、行业分类

将企业根据行业分类的标准方法是2007版的《标准行业分类》（SIC），但它无法准确反映新兴行业——即由创新或新兴技术驱动、尚处于发展初期阶段的行业。特别是企业通常仅被分配一个SIC代码，一些与其他行业有所交叉的新兴行业也可能无法得到良好呈现。因此，该地图采用了多元化的行业定义方法：

·《标准行业分类》（SIC 2007）：用于成熟行业。SIC具有多项重要优势，包括在核心政府数据集中拥有稳健的质量保证，并与其他来源具有可比性。

·《现代产业战略》（Modern Industrial Strategy）的分类：英国2025年发布的《现代产业战略》提出了8大优先行业，将其作为推动经济增长、创新和韧性的核心。其中，先进制造、创意、生命科学、数字与技术、专业与商业服务、金融服务等6个行业纳入该地图，国防与清洁能源2个行业因相关数据尚不可得，目前未予纳入。

·DSIT新兴行业列表：与商业机构合作，通过文本分析等方法为DSIT新兴行业（如人工智能、半导体）定义企业列表，并经DSIT质量审核。

·实时产业分类（RTICs）：由The Data City提供，基于网络信息抓取，覆盖更广泛的行业。

·创新英国（Innovate UK）集群：基于所有与Innovate UK有过接触的企业生成，不预设特定行业，用于识别广泛的研发活跃区。

二、企业地理位置与财务信息

基于企业数据的地理分析常会遇到一个典型问题，即“总部效应”——使用组织的注册地址或行政总部所在地，而非实际开展工作的地点。为避免总部效应，该地图使用了2025年3月版的跨部门商业登记册（Inter‑Departmental Business Register，IDBR）。IDBR是为政府统计目的而存储的企业的综合清单，记录了每家企业开展经营的所有地点及其相关财务信息。企业的一个经营地点称为一个“场所”（site）——如果一家企业在多个不同地点经营，就可能拥有多个场所。IDBR有整个企业的营业额和每个企业场所的就业人数，因此该地图基于场所就业人数的占比，将营业额分配到场所层级。 

三、数据驱动的集群识别

该地图使用HDBSCAN聚类算法，并对每个行业的参数进行手动调优，并征求了政府部门内行业专家的反馈，以确保集群能反映真实的集聚效益。HDBSCAN的重要优势是，只有企业相对密度较高的区域才会被识别为集群。此外，由于该算法不考虑行政边界，因此集群不会与地方政府或其他边界对齐，确保边界不会造成扭曲，更能反映真实的集群格局。

生成的集群大小反映了企业场所相对密度较高的地理区域范围。这意味着，更大的集群并不一定更重要。为此，地图为集群提供了集中度指标来表示：

·某一行业中，集群内的场所数量占该行业场所总数的比例；

·某一行业中，集群内的场所数量占该行业所有集群内场所总数的比例（不包括没有被HDBSCAN识别为集群一部分的场所）。

四、研发与创新（RD&I）

4.1 识别RD&I活跃的集群

地图检查了所有行业的集群的研发与创新（RD&I）活动。RD&I活跃的集群是基于集群内企业的RD&I指标识别的。如果企业满足以下任一标准，则被视为RD&I活跃：

·在2015年4月至2025年7月期间申请过Innovate UK资助；

·在2006年1月至2024年6月期间获得过Innovate UK以外的UKRI（英国科研与创新组织）资助；

·拥有来自The Data City的正“创新评分”，数据提取于2025年5月；

·根据2018年至2023年间的《企业研发调查》，正在进行研发。

如果集群满足以下任一条件，则被视为RD&I活跃：

·集群中超过20%的场所是上述定义为RD&I活跃的企业；

·集群中有超过100家企业在任一数据源中有RD&I活动的迹象。

4.2 RD&I指标

二元的RD&I活动指标掩盖了集群内企业参与研发与创新方式的巨大异质性。地图和可下载数据中提供了与创新相关的集群指标，以便进行更细致的分析和洞察：

·RD&I活跃的企业百分比

·与Innovate UK或UKRI其他机构有接触的企业百分比

·拥有已公布专利的企业百分比

·从Innovate UK获得的集群资助

·从UKRI其他机构获得的集群资助

·用于申报研发税收抵免的研发支出

五、其他数据及分析

·协作分析：上文提到的HDBSCAN算法识别出了企业因共址而可能受益于集聚效应的集群，但并未提供直接的企业间协作证据。因此，该工具针对Innovate UK的数据进行了网络分析，以识别集群内部协作的证据。

·研究基础设施：除了集群外，该地图还可用于展示在研发领域运营的大学、高等教育机构及UKRI资助机构的信息。

六、方法注意事项

该地图基于实验性创新方法，提供了一个基于数据、可比较的英国创新生态系统全景视图，旨在通过揭示创新活动的空间集聚来支持更精准的政策和投资决策。然而，在使用时需注意特定事项与局限：

·数据一致性：方法和数据源可能与其他出版物不同，导致不完全可比。

·集群规模与形成：集群界定的是企业场所相对密度较高的地理区域。这意味着覆盖较大区域的集群在经济上不一定更重要。此外，集群是基于企业场所的密度创建的，而不是基于经济活动的数量。这意味着那些包含少量但规模较大、重要的企业场所的集群可能无法被捕捉到。

·行业测量：企业可能跨多个行业经营，当一家企业被归入某一行业时，并不意味着该企业的所有活动都归属于该行业。受限于现有数据，这一问题无法得到一致处理，因此某些行业的规模会被高估。

参考文献

[1] DEPARTMENT FOR SCIENCE, INNOVATION AND TECHNOLOGY. Innovation Clusters Map: summary and methods [EB/OL].(2025-10-1)[2025-10-16]. https://www.gov.uk/government/publications/innovation-clusters-map-summary-and-methods/innovation-clusters-map-summary-and-methods

[2] DEPARTMENT FOR SCIENCE, INNOVATION AND TECHNOLOGY &  LORD VALLANCE. Update to the Innovation Clusters Map [EB/OL].(2025-10-1)[2025-10-16]. https://www.gov.uk/government/speeches/update-to-the-innovation-clusters-map