全球创新城市教育科技人才协同发展评估报告暨 SET 指数 2024
益语智库 · 2025-02-14
SET 指数显示，全球一流创新城市的核心能力不只是单点科技突破，而是教育、人才与科技创新的协同循环；波士顿、旧金山、北京位列前三，中国城市在人才潜力和技术产业化上表现突出。
---
title: 全球创新城市教育科技人才协同发展评估报告暨 SET 指数 2024
publisher: 深圳国际科技信息中心 / 清华大学产业发展与环境治理研究中心 / 爱思唯尔
date: 2025-02-14
summary: SET 指数显示，全球一流创新城市的核心能力不只是单点科技突破，而是教育、人才与科技创新的协同循环；波士顿、旧金山、北京位列前三，中国城市在人才潜力和技术产业化上表现突出。
topics: [战略, AI 技术]
---
# 全球创新城市教育科技人才协同发展评估报告暨 SET 指数 2024
## 报告速览
这份报告由深圳国际科技信息中心、清华大学产业发展与环境治理研究中心、爱思唯尔联合发布，围绕“教育（Education）—科技（Science and technology）—人才（Talent）”三位一体协同发展，构建 **SET 指数**，评估全球 **30 个主要创新城市**的创新能力与发展潜力。报告的核心不是简单比较城市“谁更科技”，而是分析城市如何通过教育资源、人才集聚、科研产出、技术创新、产业发展和创新生态之间的联动，形成持续创新能力。
==**报告最重要的判断是：全球创新高地通常不是单一维度领先，而是教育、人才、科技三者形成高密度循环。**== SET 指数前十城市依次为 **波士顿、旧金山、北京、伦敦、纽约、洛杉矶、西雅图、上海、香港、东京**。其中，美国城市占 5 个，中国城市占 3 个，体现中美城市在全球创新格局中的突出地位。
报告还揭示了不同城市的差异化路径：欧美城市在高等教育、顶尖科研人才和高影响力科研方面具有优势；亚洲城市，尤其是中国城市，在基础教育、青年科研人才、人才流入、技术专利体量和产业转化方面表现突出。深圳是典型案例：其教育水平排名靠后，但人才潜力和技术创新表现领先，说明新兴城市可以通过产业、人才和研发机构快速增长走出不同于传统大学城的发展路径。
```chart
type: hbar
title: SET 指数前十城市（总分）
unit: 分
x: 波士顿, 旧金山, 北京, 伦敦, 纽约, 洛杉矶, 西雅图, 上海, 香港, 东京
y: 85.83, 85.22, 84.89, 82.48, 82.43, 81.04, 80.58, 79.68, 79.35, 79.15
```
> 报告正文与图表个别数值存在轻微差异。本解读稿在排名和分值上优先采用报告图表和排名表中的数据。
## 核心问题
| 核心问题 | 报告对应讨论 |
|---|---|
| 如何衡量全球创新城市的综合创新能力？ | 构建 SET 指数，从教育水平、人才发展、科技创新三个一级维度评价城市。 |
| 哪些城市形成了教育、科技、人才协同优势？ | 对 30 个全球创新城市进行排名，识别波士顿、旧金山、北京等第一梯队城市。 |
| 不同地区城市的创新路径有什么差异？ | 比较北美、欧洲、亚洲、大洋洲城市在基础教育、高等教育、人才储备、科技创新上的不同优势。 |
| 城市如何把教育和人才转化为科技创新？ | 分析科研人才、产业人才、人才潜力、科学研究、技术创新、产业发展和创新生态之间的关系。 |
| 中国城市在全球创新格局中的优势与短板是什么？ | 分析北京、上海、深圳、香港、广州的排名结构、人才潜力、技术创新和创新生态短板。 |
这份报告并不是单纯给全球城市做“科技排名”，而是试图回答一个更系统的问题：
> **在全球创新竞争中，一个城市怎样通过教育、科技、人才三者的协同发展，形成持续的创新能力和发展潜力？**
围绕这个总问题，报告展开了五组核心讨论：
1. **如何构建一个衡量全球创新城市的指标体系？**
报告提出 SET 指数，从教育水平、人才发展、科技创新三个维度评价城市创新能力。其中教育是基础，人才是纽带，科技创新是核心落脚点。
2. **哪些城市已经形成全球领先的教育、科技、人才协同能力？**
报告评估 30 个全球主要创新城市。SET 指数前十位依次为：波士顿、旧金山、北京、伦敦、纽约、洛杉矶、西雅图、上海、香港、东京。
3. **不同地区和不同城市的创新路径有什么差异？**
北美城市整体排名靠前；中国城市整体处于中上游，并有北京、上海、香港进入前十，深圳位居第 11；欧洲城市除伦敦外整体处于中段或中后段。报告强调，城市不一定都走同一路径，有的城市教育领先，有的城市人才领先，有的城市科技创新领先，也有城市通过两个维度带动另一个维度。
4. **教育、人才、科技之间是否存在相互促进关系？**
报告通过散点图分析发现，教育水平、人才发展、科技创新整体呈正相关。其中，人才发展与科技创新关联更紧密；教育水平与人才发展之间的转化链条更长，可能需要较长时间沉淀。
5. **城市如何通过人才建设与产学合作提升创新能力？**
报告专门设置两个焦点观察：一是城市创新人才建设，强调人才学科聚集、人才流动和人才创新创业生态；二是加强产学合作促进产业发展，强调企业与高校、科研机构的长期合作、政策支持、人才流动和信息平台建设。
---
## 报告结构目录
原报告结构如下：
1. **执行摘要**
2. **简介**
3. **第一章 教育科技人才协同发展 SET 指数指标体系介绍**
- 1.1 概念模型
- 1.2 指标体系
- 1.3 评估对象
4. **第二章 全球创新城市 SET 指数排名**
- 2.1 SET 指数排名结果
- 2.2 综合分析
5. **第三章 教育水平**
- 3.1 教育水平排名结果
- 3.2 基础教育
- 3.3 高等教育
6. **第四章 人才发展**
- 4.1 人才发展排名结果
- 4.2 科研人才
- 4.3 产业人才
- 4.4 人才潜力
- 4.5 焦点观察：城市创新人才建设
7. **第五章 科技创新**
- 5.1 科技创新排名结果
- 5.2 科学研究
- 5.3 技术创新
- 5.4 产业发展
- 5.5 创新生态
- 5.6 焦点观察：加强产学合作，促进产业发展
8. **第六章 结语**
9. **附录**
- 附录 1 指标说明
- 附录 2 数据标准化
- 附录 3 城市范畴
10. **关于我们**
11. **专家组委会与研究团队**
---
## 核心结论
```chart
type: pie
title: SET 指数一级维度权重
unit: %
x: 教育水平, 人才发展, 科技创新
y: 20, 30, 50
```
> SET 指数把科技创新权重设为 **50%**，人才发展为 **30%**，教育水平为 **20%**；这反映报告把科技创新视为教育和人才协同作用的核心结果。
### 4.1 全球一流创新城市的共同特征：教育、科技、人才协同发展
报告的第一条核心判断是：==**全球一流创新城市不是只在某一个方面强，而是在教育、科技、人才三个方面形成协同。**==
SET 指数排名前三的城市是：
| 排名 | 城市 | SET 总分 |
|---:|---|---:|
| 1 | 波士顿 | 85.83 |
| 2 | 旧金山 | 85.22 |
| 3 | 北京 | 84.89 |
这三座城市的共同特征是：
- 拥有顶尖教育资源；
- 拥有密集科研机构和高科技企业；
- 能够持续吸引和培养科研人才、产业人才；
- 能够把教育、人才、技术和产业集聚成高密度创新系统。
报告将波士顿、旧金山、北京视为教育、科技、人才协同发展的典范。
### 4.2 中美城市在全球创新城市前列占据优势
SET 指数前十中，美国城市占 5 个，中国城市占 3 个，说明中美城市在全球创新竞争中具有突出位置。
前十城市为：
1. 波士顿
2. 旧金山
3. 北京
4. 伦敦
5. 纽约
6. 洛杉矶
7. 西雅图
8. 上海
9. 香港
10. 东京
中国城市中，北京排名第 3，上海第 8，香港第 9，深圳第 11，广州第 24。
### 4.3 亚洲城市基础教育更强，欧美城市高等教育更强
教育维度中，报告发现明显的地区差异：
- 亚洲城市在基础教育方面表现更突出，基础教育前四名均来自亚洲：新加坡、东京、首尔、北京。
- 欧美城市在高等教育方面更强，波士顿、伦敦、巴黎、旧金山等依托世界顶尖高校和一流学科体系保持领先。
- 香港、北京、上海在基础教育和高等教育之间表现较为均衡。
- 广州和深圳在高等教育得分上相对落后，是其教育维度排名靠后的主要原因。
### 4.4 亚洲城市具有人才规模优势，欧美城市具备顶尖人才优势
人才维度中，报告区分了“人才规模”和“顶尖人才”：
- 北京、东京等亚洲大城市依托人口规模和城市密度，在科研人才和产业人才总量上优势明显。
- 波士顿、伦敦、纽约等欧美大都市依托高等教育资源，聚集了大量顶级科研人才。
- 全球前 2% 高被引科学家数量方面，波士顿超过 5,500 人，伦敦、纽约接近或超过 5,000 人。
- 中国城市在青年科研人才储备和增速上表现突出，深圳、广州、香港、上海、北京占据人才潜力前五。
### 4.5 中国城市的人才潜力特别突出
报告特别强调中国城市在青年人才和人才流入方面的优势：
- 深圳人才潜力得分 96.52，位居 30 个城市第一。
- 广州、香港、上海、北京分列人才潜力第 2 至第 5。
- 广州、上海、北京、深圳的科工领域活跃青年人才占比位居前列，分别约为 44.7%、41.8%、39.0%、38.4%。
- 深圳科工领域人才流入比为 23.9%，位居 30 城市第一。
### 4.6 科技创新存在多种城市类型
报告将科技创新表现较强的城市分为多种模式：
| 类型 | 代表城市 | 核心特征 |
|---|---|---|
| 全能型科技创新城市 | 波士顿、旧金山、北京 | 科学研究、技术创新、产业发展均处于领先地位 |
| 科研—产业驱动型 | 纽约、西雅图、洛杉矶、上海 | 科研实力较强，并推动产业发展 |
| 技术—产业主导型 | 深圳、圣迭戈 | 技术密度高，能够带动产业发展，但科研资源相对不足 |
| 科研—技术优势型 | 伦敦、斯德哥尔摩、阿姆斯特丹 | 科研和技术较强，但成果应用转化还有提升空间 |
| 单项优势型 | 巴黎、华盛顿、香港、芝加哥、新加坡、东京、慕尼黑、首尔等 | 在科学研究或技术创新等单项上表现突出 |
### 4.7 人工智能等先进计算机技术成为全球城市共同关注的专利方向
报告指出，在 30 个全球创新城市中，近半数城市的专利最活跃领域聚焦于以人工智能为代表的先进计算机技术。这表明抓住人工智能新兴技术机会、推动下一代产业升级，已经成为众多创新城市的共同战略选择。
### 4.8 中国城市创新生态仍有短板
科技创新维度下的创新生态指标包括大科学装置数量、产学研合作活跃度、跨地域合作多样性和 GDP 表现。报告指出：
- 东京、巴黎、伦敦是创新生态前三名。
- 东京拥有 12 个大科学装置，在 30 城市中最多。
- 中国城市中仅北京进入创新生态前十。
- 上海创新生态第 20，深圳第 23，香港第 29，广州第 30。
- 北京、上海、香港、广州的产学合作相对偏低；深圳在跨区域合作方面稍显不足。
---
## 方法 / 指标体系
| 模块 | 设计要点 |
|---|---|
| 评价理念 | 教育、科技、人才三位一体协同发展；教育是基础，人才是纽带，科技创新是核心结果。 |
| 评价对象 | 全球 30 个主要创新城市，采用都市圈口径提升跨国可比性。 |
| 指标结构 | 3 个一级指标、9 个二级指标、38 个三级指标。 |
| 权重设置 | 教育水平 20%、人才发展 30%、科技创新 50%。 |
| 标准化方法 | 三级指标采用最大最小值方法，将得分映射到 60—100 分区间。 |
| 数据特点 | 以反映当前实力的体量类指标为主，辅以增长变化类指标，兼顾当量与潜能。 |
### 5.1 概念模型
报告认为，城市创新发展依赖三个基本要素：
1. **教育水平：创新发展的基础**
教育培养学生科学素养与创新思维，为科研和技术创新输送人才。基础教育是国民创新精神的起点，高等教育则直接服务科学研究、技术创新和高端人才培养。
2. **人才发展：创新发展的源泉和纽带**
科研人才推动知识创造和基础研究，产业人才推动技术研发、转化和产业升级。人才潜力体现城市对青年人才和外来人才的吸纳能力。
3. **科技创新：创新发展的驱动力和核心结果**
科学研究提供知识基础，技术创新把科学发现转化为可应用技术，产业发展使创新成果进入市场，创新生态则提供合作、资源整合和知识转化环境。
三者关系为：
- 教育提升推动人才发展和科技创新；
- 人才发展支撑教育与科技创新；
- 科技创新反哺教育和人才体系；
- 三者相互作用，形成城市创新的良性循环。
### 5.2 指标体系与权重
SET 指标体系由 3 个一级指标、9 个二级指标和若干三级指标构成。一级指标总权重为 100%。
| 一级指标 | 一级权重 | 二级指标 | 二级权重 | 三级指标 |
|---|---:|---|---:|---|
| 教育水平 | 20% | 基础教育 | 40% | 居民平均受教育水平；中小学 STEM 教育质量；中小学国际科学竞赛奖项 |
| 教育水平 | 20% | 高等教育 | 60% | 国际一流学科竞争力；国际一流大学数量；科研机构数量增长率 |
| 人才发展 | 30% | 科研人才 | 40% | 科工领域科研人才竞争力；顶尖科研人员数量 |
| 人才发展 | 30% | 产业人才 | 40% | 创新千强企业员工总数；创新千强企业中高新技术行业员工占比；工程领域高端人才数量 |
| 人才发展 | 30% | 人才潜力 | 20% | 科工领域活跃青年人才占比；科工领域青年人才活跃度增速；科工领域人才流入比 |
| 科技创新 | 50% | 科学研究 | 30% | 高质量科研产出；高质量科研产出的增长；科研产出学术影响力；本地科研成果被国际专利��用率；科研成果学科交叉度 |
| 科技创新 | 50% | 技术创新 | 30% | 授权 PCT 专利家族总量；授权 PCT 专利家族人均量；专利技术影响力；前 10% 高技术影响力专利的增长率 |
| 科技创新 | 50% | 产业发展 | 30% | 创新千强企业数量；创新千强企业研发投入强度；独角兽企业表现；初创公司平均估值 |
| 科技创新 | 50% | 创新生态 | 10% | 大科学装置数量；产学研合作活跃度；跨地域合作多样性指数；GDP 表现 |
### 5.3 评估对象
```chart
type: pie
title: 30 个参评创新城市的区域分布
unit: 个
x: 北美洲, 欧洲, 亚洲, 大洋洲
y: 11, 9, 8, 2
```
报告选取 **30 个全球创新城市**，分布在亚洲、欧洲、北美洲和大洋洲。
| 区域 | 城市数量 | 城市 |
|---|---:|---|
| 北美洲 | 11 | 波士顿、旧金山、洛杉矶、西雅图、芝加哥、多伦多、华盛顿、纽约、圣迭戈、达拉斯、奥斯汀 |
| 欧洲 | 9 | 伦敦、巴黎、阿姆斯特丹、哥本哈根、柏林、斯德哥尔摩、苏黎世、慕尼黑、都柏林 |
| 亚洲 | 8 | 北京、上海、首尔、东京、新加坡、广州、深圳、香港 |
| 大洋洲 | 2 | 墨尔本、悉尼 |
这些城市具有很强代表性：
- 近五年累计发表学术文献约 **530 万篇**，占全球 **27%** 的学术产出；
- 近十年累计申请 **596 万件有效专利族**，占全球 **15%** 的专利；
- 全球创新千强企业中约 **54%** 的企业总部位于这 30 个城市。
### 5.4 数据标准化方法
报告采用最大最小值方法进行标准化，并将各三级指标得分映射到 **60—100 分** 区间：
- 排名第一城市得分为 100；
- 排名最后城市得分为 60；
- 其他城市按原始值相对位置换算。
综合得分通过各三级指标加权汇总形成。报告附录显示，三级指标数量为 **38 个**。
---
## 01 全球创新城市 SET 指数排名与综合分析
### 6.1 30 个全球创新城市 SET 指数总排名
```chart
type: hbar
title: SET 指数前十五城市（总分）
unit: 分
x: 波士顿, 旧金山, 北京, 伦敦, 纽约, 洛杉矶, 西雅图, 上海, 香港, 东京, 深圳, 巴黎, 华盛顿, 新加坡, 慕尼黑
y: 85.83, 85.22, 84.89, 82.48, 82.43, 81.04, 80.58, 79.68, 79.35, 79.15, 78.47, 78.38, 77.63, 77.33, 77.26
```
| 总排名 | 城市 | SET 总分 | 教育水平得分 | 人才发展得分 | 科技创新得分 |
|---:|---|---:|---:|---:|---:|
| 1 | 波士顿 | 85.83 | 90.45 | 82.37 | 86.05 |
| 2 | 旧金山 | 85.22 | 84.50 | 81.18 | 87.93 |
| 3 | 北京 | 84.89 | 87.24 | 85.26 | 83.72 |
| 4 | 伦敦 | 82.48 | 90.37 | 77.24 | 82.46 |
| 5 | 纽约 | 82.43 | 83.90 | 81.69 | 82.30 |
| 6 | 洛杉矶 | 81.04 | 84.25 | 79.14 | 80.90 |
| 7 | 西雅图 | 80.58 | 81.29 | 77.51 | 82.13 |
| 8 | 上海 | 79.68 | 85.68 | 77.74 | 78.44 |
| 9 | 香港 | 79.35 | 87.96 | 78.47 | 76.43 |
| 10 | 东京 | 79.15 | 85.96 | 77.66 | 77.33 |
| 11 | 深圳 | 78.47 | 67.92 | 80.91 | 81.22 |
| 12 | 巴黎 | 78.38 | 84.47 | 75.37 | 77.75 |
| 13 | 华盛顿 | 77.63 | 75.85 | 80.51 | 76.61 |
| 14 | 新加坡 | 77.33 | 87.48 | 74.95 | 74.69 |
| 15 | 慕尼黑 | 77.26 | 82.21 | 75.29 | 76.45 |
| 16 | 芝加哥 | 77.15 | 81.70 | 77.33 | 75.23 |
| 17 | 圣迭戈 | 77.14 | 78.80 | 73.58 | 78.60 |
| 18 | 首尔 | 76.69 | 83.85 | 73.94 | 75.47 |
| 19 | 阿姆斯特丹 | 75.78 | 77.95 | 72.90 | 76.65 |
| 20 | 斯德哥尔摩 | 75.64 | 80.62 | 70.30 | 76.85 |
| 21 | 多伦多 | 74.60 | 83.94 | 73.30 | 71.64 |
| 22 | 苏黎世 | 74.14 | 80.92 | 70.07 | 73.87 |
| 23 | 奥斯汀 | 73.67 | 76.93 | 73.22 | 72.63 |
| 24 | 广州 | 73.67 | 68.48 | 78.28 | 72.98 |
| 25 | 柏林 | 73.23 | 82.77 | 69.52 | 71.65 |
| 26 | 悉尼 | 73.09 | 82.04 | 69.66 | 71.57 |
| 27 | 哥本哈根 | 73.01 | 74.15 | 71.05 | 73.74 |
| 28 | 墨尔本 | 72.54 | 79.10 | 71.80 | 70.37 |
| 29 | 达拉斯 | 72.50 | 70.97 | 73.88 | 72.29 |
| 30 | 都柏林 | 70.66 | 67.73 | 69.83 | 72.34 |
### 6.2 全球创新城市第一梯队
波士顿、旧金山、北京构成第一梯队，三者总分差距很小。报告认为，它们的共同路径是：
- 依托顶尖高校和科研机构；
- 聚集高端科研人才；
- 拥有密集高科技产业；
- 形成知识、技术、信息高密度环境；
- 通过教育、人才、科技之间的高频循环提升创新能力。
具体来看：
- **波士顿**：拥有哈佛大学、MIT 等顶尖学府，同时聚集诺华、默沙东、辉瑞、百时美施贵宝、罗氏、渤健等生物医药企业研发中心或区域总部。
- **旧金山**：依托斯坦福大学、加州大学伯克利分校，以及硅谷高科技产业，孕育谷歌、雅虎、惠普、英伟达、思科、SpaceX、领英等企业。
- **北京**：拥有全国 23% 的“双一流”高校，共 34 所，并集聚中国科学院、中国社会科学院、中国工程院等国家级研究机构，同时拥有百度、小米、联想、字节跳动等互联网和科技企业总部。
### 6.3 中上游城市的不同优势
报告指出，位居中上游的城市通常在两个维度上表现优异，但有一个维度相对不足。例如：
- **香港**：教育水平第 3，人才发展第 8，但科技创新排名相对靠后。
- **深圳**：总排名第 11，教育水平是短板，但人才发展第 5、科技创新第 7。
- **新加坡**：教育体系优势明显。
- **华盛顿**：人才吸引和人��发展优势明显。
- **西雅图**：科技创新能力突出。
报告特别提到，深圳与香港在粤港澳大湾区内的紧密交流有助于资源共享，体现区域创新布局下城市之间优势互补。
### 6.4 三个维度之间的相关关系
报告基于 30 个城市散点图���析认为：
- 教育水平、人才发展、科技创新整体呈正相关；
- 人才发展与科技创新之间关系更紧密；
- 教育水平与���才发展之间关系相对弱一些，可能因为教育转化为人才产出需要较长周期；
- 深圳虽然教育水平较低，但通过吸纳和留住青年人才，形成较强人才潜力，并推动技术创新和产业发展。
---
## 02 教育水平
### 7.1 教育水平总体��论
教育水平由基础教育和高等教育两个二级指标构成。报告核心判断是：
- 亚洲城市基础教育优势明显；
- 欧美城市高等教育表现更佳；
- 教育水平与创新效益正相关；
- 基础教育是国民创新精神的基石，高等教育对科研和创新活动产生直接作用。
### 7.2 30 个城市教育水平排名
```chart
type: hbar
title: 教育水平前十城市
unit: 分
x: 波士顿, 伦敦, 香港, 新加坡, 北京, 东京, 上海, 旧金山, 巴黎, 洛杉矶
y: 90.45, 90.37, 87.96, 87.48, 87.24, 85.96, 85.68, 84.50, 84.47, 84.25
```
| 教育排名 | 城市 | 教育总得分 | 基础教育得分 | 高等教育得分 |
|---:|---|---:|---:|---:|
| 1 | 波士顿 | 90.45 | 81.6 | 96.3 |
| 2 | 伦敦 | 90.37 | 83.9 | 94.7 |
| 3 | 香港 | 87.96 | 80.2 | 93.1 |
| 4 | 新加坡 | 87.48 | 87.9 | 87.2 |
| 5 | 北京 | 87.24 | 84.9 | 88.8 |
| 6 | 东京 | 85.96 | 87.6 | 84.9 |
| 7 | 上海 | 85.68 | 81.9 | 88.2 |
| 8 | 旧金山 | 84.50 | 79.0 | 88.2 |
| 9 | 巴黎 | 84.47 | 76.4 | 89.8 |
| 10 | 洛杉矶 | 84.25 | 79.6 | 87.4 |
| 11 | 多伦多 | 83.94 | 83.6 | 84.2 |
| 12 | 纽约 | 83.90 | 80.4 | 86.2 |
| 13 | 首尔 | 83.85 | 87.2 | 81.7 |
| 14 | 柏林 | 82.77 | 81.2 | 83.8 |
| 15 | 慕尼黑 | 82.21 | 79.3 | 84.1 |
| 16 | 悉尼 | 82.04 | 77.9 | 84.8 |
| 17 | 芝加哥 | 81.70 | 78.5 | 83.8 |
| 18 | 西雅图 | 81.29 | 79.0 | 82.8 |
| 19 | 苏黎世 | 80.92 | 79.7 | 81.7 |
| 20 | 斯德哥尔摩 | 80.62 | 76.6 | 83.3 |
| 21 | 墨尔本 | 79.10 | 79.8 | 78.6 |
| 22 | 圣迭戈 | 78.80 | 77.6 | 79.6 |
| 23 | 阿姆斯特丹 | 77.95 | 78.4 | 77.6 |
| 24 | 奥斯汀 | 76.93 | 75.5 | 77.9 |
| 25 | 华盛顿 | 75.85 | 81.5 | 72.1 |
| 26 | 哥本哈根 | 74.15 | 78.1 | 71.5 |
| 27 | 达拉斯 | 70.97 | 77.3 | 66.7 |
| 28 | 广州 | 68.48 | 75.0 | 64.1 |
| 29 | 深圳 | 67.92 | 75.0 | 63.2 |
| 30 | 都柏林 | 67.73 | 73.6 | 63.8 |
### 7.3 基础教育：亚洲城市 STEM 与科学竞赛优势明显
基础教育由三个指标衡量：
1. 居民平均受教育水平；
2. 中小学 STEM 教育质量；
3. 中小学国际科学竞赛奖项。
报告指出：
- 中国城市在成年人平均受教育年限和高等教育人口占比上相对欧美地区仍有差距；
- 但中国城市在中小学 STEM 教育质量和国际科学竞赛表现上优势明显；
- 欧美城市居民平均受教育水平较高，但中小学 STEM 教育质量普遍低于亚洲城市。
#### 基础教育得分前 15 城市
```chart
type: hbar
title: 基础教育得分前十城市
unit: 分
x: 新加坡, 东京, 首尔, 北京, 伦敦, 多伦多, 上海, 波士顿, 华盛顿, 柏林
y: 87.89, 87.56, 87.15, 84.94, 83.86, 83.58, 81.91, 81.64, 81.53, 81.19
```
| 排名 | 城市 | 基础教育得分 | 居民平均受教育水平 | 中小学 STEM 教育质量 | 中小学国际科学竞赛奖项 |
|---:|---|---:|---:|---:|---:|
| 1 | 新加坡 | 87.89 | 83.00 | 87.96 | 100.00 |
| 2 | 东京 | 87.56 | 89.47 | 76.08 | 100.00 |
| 3 | 首尔 | 87.15 | 90.01 | 73.82 | 100.00 |
| 4 | 北京 | 84.94 | 69.89 | 100.00 | 100.00 |
| 5 | 伦敦 | 83.86 | 95.76 | 66.62 | 80.00 |
| 6 | 多伦多 | 83.58 | 95.47 | 71.15 | 72.50 |
| 7 | 上海 | 81.91 | 68.81 | 100.00 | 87.50 |
| 8 | 波士顿 | 81.64 | 95.08 | 61.99 | 77.50 |
| 9 | 华盛顿 | 81.53 | 97.87 | 61.99 | 70.00 |
| 10 | 柏林 | 81.19 | 96.80 | 65.97 | 65.00 |
| 11 | 纽约 | 80.44 | 91.68 | 61.99 | 80.00 |
| 12 | 香港 | 80.23 | 81.78 | 77.80 | 80.00 |
| 13 | 墨尔本 | 79.84 | 89.03 | 64.43 | 80.00 |
| 14 | 苏黎世 | 79.73 | 94.21 | 67.09 | 62.50 |
| 15 | 洛杉矶 | 79.57 | 88.95 | 61.99 | 82.50 |
报告对居民平均受教育水平还做出补充判断：
- 欧洲城市在成年人平均受教育年限方面突出；
- 北美城市在高等教育人口占比方面更具优势；
- 中国城市因人口基数大，在高等教育人口占比和成年人平均受教育年限方面仍有较大提升空间。
### 7.4 高等教育：欧美领先，中国城市成为增长极
高等教育由三个指标衡量：
1. 国际一流学科竞争力；
2. 国际一流大学数量；
3. 科研机构数量增长率。
报告判断：
- 波士顿、伦敦、香港是高等教育前三，得分均在 93 分以上；
- 亚太城市正稳步推进国际一流学科和一流高校建设；
- 中国城市在科研机构数量增长方面表现突出，正在成为全球高等教育的新兴增长力量。
#### 高等教育得分前 15 城市
```chart
type: hbar
title: 高等教育得分前十城市
unit: 分
x: 波士顿, 伦敦, 香港, 巴黎, 北京, 上海, 旧金山, 洛杉矶, 新加坡, 纽约
y: 96.33, 94.70, 93.10, 89.83, 88.77, 88.19, 88.16, 87.37, 87.21, 86.21
```
| 排名 | 城市 | 高等教育得分 | 国际一流学科竞争力 | 国际一流大学数量 | 科研机构数量增长率 |
|---:|---|---:|---:|---:|---:|
| 1 | 波士顿 | 96.33 | 99.95 | 92.00 | 75.26 |
| 2 | 伦敦 | 94.70 | 93.12 | 100.00 | 83.59 |
| 3 | 香港 | 93.10 | 90.29 | 100.00 | 88.28 |
| 4 | 巴黎 | 89.83 | 86.29 | 100.00 | 74.75 |
| 5 | 北京 | 88.77 | 91.07 | 84.00 | 87.51 |
| 6 | 上海 | 88.19 | 89.51 | 84.00 | 96.23 |
| 7 | 旧金山 | 88.16 | 95.03 | 76.00 | 71.80 |
| 8 | 洛杉矶 | 87.37 | 86.11 | 92.00 | 75.92 |
| 9 | 新加坡 | 87.21 | 92.73 | 76.00 | 82.67 |
| 10 | 纽约 | 86.21 | 92.01 | 76.00 | 72.02 |
| 11 | 东京 | 84.89 | 89.47 | 76.00 | 78.69 |
| 12 | 悉尼 | 84.80 | 82.33 | 92.00 | 73.76 |
| 13 | 多伦多 | 84.17 | 88.28 | 76.00 | 79.80 |
| 14 | 慕尼黑 | 84.13 | 88.56 | 76.00 | 75.28 |
| 15 | 芝加哥 | 83.83 | 87.92 | 76.00 | 77.76 |
#### 国际一流大学数量
报告以 THE 2024 世界大学排名前 200 高校数量衡量国际一流大学数量：
| 城市 | 世界前 200 大学数量 |
|---|---:|
| 香港 | 5 |
| 伦敦 | 5 |
| 巴黎 | 5 |
| 洛杉矶 | 4 |
| 波士顿 | 4 |
| 悉尼 | 4 |
| 柏林 | 4 |
| 北京 | 3 |
| 上海 | 3 |
| 首尔 | 3 |
| 斯德哥尔摩 | 3 |
报告同时指出，北美城市一流大学数量整体不及欧洲和亚太城市，但其大学质量和全球声誉很高，如波士顿的哈佛大学、MIT，旧金山的斯坦福大学、加州大学伯克利分校等。
#### 科研机构数量增长率前 15 城市（2019—2023）
```chart
type: hbar
title: 科研机构数量复合年均增长率前十城市
unit: %
x: 深圳, 上海, 广州, 都柏林, 香港, 北京, 哥本哈根, 阿姆斯特丹, 伦敦, 新加坡
y: 17.8, 15.6, 13.2, 11.0, 10.9, 10.5, 9.0, 8.3, 8.2, 7.7
```
| 排名 | 城市 | 科研机构数量复合年均增长率 |
|---:|---|---:|
| 1 | 深圳 | 17.8% |
| 2 | 上海 | 15.6% |
| 3 | 广州 | 13.2% |
| 4 | 都柏林 | 11.0% |
| 5 | 香港 | 10.9% |
| 6 | 北京 | 10.5% |
| 7 | 哥本哈根 | 9.0% |
| 8 | 阿姆斯特丹 | 8.3% |
| 9 | 伦敦 | 8.2% |
| 10 | 新加坡 | 7.7% |
| 11 | 苏黎世 | 7.3% |
| 12 | 首尔 | 6.9% |
| 13 | 多伦多 | 6.0% |
| 14 | 柏林 | 5.8% |
| 15 | 斯德哥尔摩 | 5.7% |
报告特别指出，深圳科研机构快速增长得益于产业界发起、龙头企业与高校合作建立的高水平研究中心，例如：
- 腾讯发起的新基石科学基金会实验室；
- 南方科技大学牵头共建的深圳国家应用数学中心；
- 深圳大学牵头、上海交通大学和中兴通讯参与共建的国家射频异构集成重点实验室。
---
## 03 人才发展
### 8.1 人才发展总体结论
人才发展由科研人才、产业人才和人才潜力三个二级指标构成。报告核心判断是：
- 中美两国在人才发展上领跑全球，人才发展前十城市均集中在中美两国；
- 中国城市人才潜力优势显著；
- 美国城市在科研人才储备，尤其是顶尖科研人才方面占优；
- 北京依托大型创新企业和产业资源，产业人才得分位居第一；
- 深圳、广州、香港、上海在人才潜力方面表现突出，反映出青年人才和人才流入优势。
### 8.2 30 个城市人才发展排名
```chart
type: hbar
title: 人才发展前十城市
unit: 分
x: 北京, 波士顿, 纽约, 旧金山, 深圳, 华盛顿, 洛杉矶, 香港, 广州, 上海
y: 85.26, 82.37, 81.69, 81.18, 80.91, 80.51, 79.14, 78.47, 78.28, 77.74
```
| 排名 | 城市 | 人才发展总得分 | 科研人才得分 | 产业人才得分 | 人才潜力得分 |
|---:|---|---:|---:|---:|---:|
| 1 | 北京 | 85.26 | 83.8 | 92.3 | 78.8 |
| 2 | 波士顿 | 82.37 | 89.6 | 81.0 | 75.6 |
| 3 | 纽约 | 81.69 | 86.4 | 83.1 | 74.6 |
| 4 | 旧金山 | 81.18 | 80.8 | 86.8 | 75.1 |
| 5 | 深圳 | 80.91 | 71.3 | 77.1 | 96.5 |
| 6 | 华盛顿 | 80.51 | 88.2 | 82.5 | 69.2 |
| 7 | 洛杉矶 | 79.14 | 83.6 | 79.1 | 74.0 |
| 8 | 香港 | 78.47 | 76.5 | 76.8 | 82.7 |
| 9 | 广州 | 78.28 | 73.8 | 77.4 | 84.5 |
| 10 | 上海 | 77.74 | 78.2 | 75.0 | 80.5 |
| 11 | 东京 | 77.66 | 77.5 | 88.6 | 65.0 |
| 12 | 西雅图 | 77.51 | 77.4 | 79.3 | 75.5 |
| 13 | 芝加哥 | 77.33 | 78.7 | 77.1 | 76.0 |
| 14 | 伦敦 | 77.24 | 87.8 | 72.0 | 71.1 |
| 15 | 巴黎 | 75.37 | 85.9 | 75.7 | 62.7 |
| 16 | 慕尼黑 | 75.29 | 71.8 | 79.0 | 75.0 |
| 17 | 新加坡 | 74.95 | 72.4 | 78.3 | 74.0 |
| 18 | 首尔 | 73.94 | 76.7 | 72.8 | 72.0 |
| 19 | 达拉斯 | 73.88 | 73.7 | 72.3 | 76.0 |
| 20 | 圣迭戈 | 73.58 | 69.6 | 76.8 | 74.4 |
| 21 | 多伦多 | 73.30 | 77.3 | 71.4 | 70.9 |
| 22 | 奥斯汀 | 73.22 | 65.9 | 76.3 | 78.2 |
| 23 | 阿姆斯特丹 | 72.90 | 74.4 | 72.5 | 71.6 |
| 24 | 墨尔本 | 71.80 | 78.4 | 67.4 | 69.2 |
| 25 | 哥本哈根 | 71.05 | 74.5 | 69.4 | 69.0 |
| 26 | 斯德哥尔摩 | 70.30 | 73.4 | 70.0 | 67.0 |
| 27 | 苏黎世 | 70.07 | 72.5 | 63.2 | 75.2 |
| 28 | 都柏林 | 69.83 | 66.9 | 70.8 | 72.2 |
| 29 | 悉尼 | 69.66 | 78.2 | 62.6 | 67.9 |
| 30 | 柏林 | 69.52 | 74.2 | 63.3 | 71.3 |
### 8.3 科研人才
科研人才由两个指标衡量：
1. 科工领域科研人才竞争力；
2. 顶尖科研人员数量。
报告判断：
- 科研人才领军城市主要集中在欧美地区；
- 欧美城市在科研人才平均水平和拔尖人才数量上优势明显；
- 北京、上海在科研人才规模上竞争力强；
- 美国城市的优势更多体现在顶尖科研人员积累；
- 亚洲城市因人口规模和科研体量，在科工领域科研人才总量方面具有优势。
#### 科研人才得分前 15 城市
```chart
type: hbar
title: 科研人才得分前十城市
unit: 分
x: 波士顿, 华盛顿, 伦敦, 纽约, 巴黎, 北京, 洛杉矶, 旧金山, 芝加哥, 墨尔本
y: 89.60, 88.21, 87.75, 86.39, 85.87, 83.78, 83.60, 80.79, 78.73, 78.41
```
| 排名 | 城市 | 科研人才得分 | 科工领域科研人才竞争力 | 顶尖科研人员数量 |
|---:|---|---:|---:|---:|
| 1 | 波士顿 | 89.60 | 86.13 | 100.00 |
| 2 | 华盛顿 | 88.21 | 86.64 | 92.93 |
| 3 | 伦敦 | 87.75 | 84.98 | 96.08 |
| 4 | 纽约 | 86.39 | 83.37 | 95.48 |
| 5 | 巴黎 | 85.87 | 87.20 | 81.88 |
| 6 | 北京 | 83.78 | 86.67 | 75.14 |
| 7 | 洛杉矶 | 83.60 | 82.63 | 86.49 |
| 8 | 旧金山 | 80.79 | 81.07 | 79.97 |
| 9 | 芝加哥 | 78.73 | 79.16 | 77.43 |
| 10 | 墨尔本 | 78.41 | 80.53 | 72.04 |
| 11 | 悉尼 | 78.22 | 80.18 | 72.35 |
| 12 | 上海 | 78.18 | 82.28 | 65.87 |
| 13 | 东京 | 77.53 | 77.59 | 77.38 |
| 14 | 西雅图 | 77.41 | 78.81 | 73.20 |
| 15 | 多伦多 | 77.30 | 78.11 | 74.87 |
#### 科工领域人才总量与顶尖科研人员数量（前 15 城市，2019—2023）
| 城市 | 科工领域人才总量 | 顶尖科研人员数量 |
|---|---:|---:|
| 波士顿 | 65K | 5,525 |
| 华盛顿 | 51K | 4,593 |
| 伦敦 | 55K | 5,008 |
| 纽约 | 60K | 4,929 |
| 巴黎 | 55K | 3,137 |
| 北京 | 323K | 2,249 |
| 洛杉矶 | 40K | 3,745 |
| 旧金山 | 32K | 2,885 |
| 芝加哥 | 34K | 2,551 |
| 墨尔本 | 30K | 1,841 |
| 悉尼 | 28K | 1,881 |
| 上海 | 130K | 1,028 |
| 东京 | 68K | 2,544 |
| 西雅图 | 23K | 1,994 |
| 多伦多 | 29K | 2,214 |
报告特别指出：
- 北京活跃科研人才超过 30 万，位居第一；
- 上海超过 12 万，位居第二；
- 东京超过 6 万，位居第三；
- 波士顿全球前 2% 高被引科学家超过 5,500 人；
- 伦敦和纽约高被引科学家约 5,000 人。
### 8.4 产业人才
产业人才由三个指标衡量：
1. 创新千强企业员工总数；
2. 创新千强企业中高新技术行业员工占比；
3. 工程领域高端人才数量。
报告判断：
- 产业人才领军城市主要为亚洲和北美城市；
- 北京依托产业人才规模的绝对优势，产业人才得分第一；
- 美国城市产业人才优势体现在高新技术行业从业人员比例上；
- 北京、东京在创新千强企业员工总数上具有规模优势；
- 深圳的产业人才核心由华为、比亚迪、腾讯、顺丰等企业构成。
#### 产业人才得分前 15 城市
```chart
type: hbar
title: 产业人才得分前十城市
unit: 分
x: 北京, 东京, 旧金山, 纽约, 华盛顿, 波士顿, 西雅图, 洛杉矶, 慕尼黑, 新加坡
y: 92.25, 88.60, 86.76, 83.06, 82.47, 80.98, 79.34, 79.09, 78.99, 78.29
```
| 排名 | 城市 | 产业人才得分 | 创新千强企业员工总数 | 千强企业中高新技术行业员工占比 | 工程领域高端人才数量 |
|---:|---|---:|---:|---:|---:|
| 1 | 北京 | 92.25 | 100.00 | 74.18 | 100.00 |
| 2 | 东京 | 88.60 | 99.64 | 86.85 | 81.64 |
| 3 | 旧金山 | 86.76 | 78.56 | 97.40 | 84.92 |
| 4 | 纽约 | 83.06 | 81.20 | 85.08 | 82.95 |
| 5 | 华盛顿 | 82.47 | 69.45 | 98.33 | 80.33 |
| 6 | 波士顿 | 80.98 | 71.59 | 84.24 | 85.57 |
| 7 | 西雅图 | 79.34 | 66.90 | 99.22 | 73.77 |
| 8 | 洛杉矶 | 79.09 | 63.25 | 90.66 | 82.30 |
| 9 | 慕尼黑 | 78.99 | 73.05 | 97.13 | 69.84 |
| 10 | 新加坡 | 78.29 | 60.84 | 100.00 | 75.08 |
| 11 | 广州 | 77.42 | 62.57 | 99.75 | 71.80 |
| 12 | 深圳 | 77.13 | 82.59 | 91.01 | 62.62 |
| 13 | 芝加哥 | 77.10 | 76.65 | 91.60 | 66.56 |
| 14 | 香港 | 76.84 | 60.00 | 96.01 | 75.08 |
| 15 | 圣迭戈 | 76.83 | 62.10 | 100.00 | 70.49 |
#### 创新千强企业中高新技术行业员工占比（产业人才前 15 城市）
| 城市 | 高新技术行业员工占比 |
|---|---:|
| 北京 | 35% |
| 东京 | 67% |
| 旧金山 | 94% |
| 纽约 | 63% |
| 华盛顿 | 96% |
| 波士顿 | 61% |
| 西雅图 | 98% |
| 洛杉矶 | 77% |
| 慕尼黑 | 93% |
| 新加坡 | 100% |
| 广州 | 99% |
| 深圳 | 78% |
| 芝加哥 | 79% |
| 香港 | 90% |
| 圣迭戈 | 100% |
报告补充指出：
- 新加坡和圣迭戈高新技术行业员工占比均为 100%；
- 新加坡主要集中在软件与计算机服务行业；
- 圣迭戈以制药与生物技术行业为主；
- 广州、西雅图、华盛顿占比均超过 95%。
#### 工程领域高端人才数量前 15 城市（2020—2024 IEEE 新当选会士）
| 排名 | 城市 | IEEE 新当选会士数量 |
|---:|---|---:|
| 1 | 北京 | 61 |
| 2 | 波士顿 | 39 |
| 3 | 旧金山 | 38 |
| 4 | 纽约 | 35 |
| 5 | 洛杉矶 | 34 |
| 6 | 东京 | 33 |
| 7 | 华盛顿 | 31 |
| 8 | 多伦多 | 23 |
| 9 | 香港 | 23 |
| 10 | 新加坡 | 23 |
| 11 | 西雅图 | 21 |
| 12 | 首尔 | 18 |
| 13 | 广州 | 18 |
| 14 | 伦敦 | 17 |
| 15 | 圣迭戈 | 16 |
报告提醒，IEEE 会士指标偏向电气工程、计算机科学及相关领域，不能完全覆盖机械工程、土木工程等其他工程学科。
### 8.5 人才潜力
人才潜力由三个指标衡量：
1. 科工领域活跃青年人才占比；
2. 科工领域青年人才活跃度增速；
3. 科工领域人才流入比。
报告判断：
- 中国城市占据人才潜力前五；
- 中国城市在青年人才增速和结构优化方面领先；
- 欧美城市优势主要体现在人才吸引；
- 深圳在三个指标上均表现卓越，尤其是人才流入比和青年人才活跃度增速均位居第一。
#### 人才潜力得分前 15 城市
```chart
type: hbar
title: 人才潜力得分前十城市
unit: 分
x: 深圳, 广州, 香港, 上海, 北京, 奥斯汀, 达拉斯, 芝加哥, 波士顿, 西雅图
y: 96.52, 84.46, 82.68, 80.49, 78.83, 78.25, 75.96, 75.96, 75.58, 75.49
```
| 排名 | 城市 | 人才潜力得分 | 活跃青年人才占比 | 青年人才活跃度增速 | 人才流入比 |
|---:|---|---:|---:|---:|---:|
| 1 | 深圳 | 96.52 | 91.31 | 100.00 | 100.00 |
| 2 | 广州 | 84.46 | 100.00 | 86.31 | 68.01 |
| 3 | 香港 | 82.68 | 80.32 | 90.94 | 80.91 |
| 4 | 上海 | 80.49 | 96.07 | 81.43 | 64.45 |
| 5 | 北京 | 78.83 | 92.10 | 82.42 | 63.77 |
| 6 | 奥斯汀 | 78.25 | 70.45 | 67.86 | 91.24 |
| 7 | 达拉斯 | 75.96 | 69.22 | 65.07 | 88.15 |
| 8 | 芝加哥 | 75.96 | 68.67 | 72.60 | 84.93 |
| 9 | 波士顿 | 75.58 | 68.50 | 70.52 | 85.19 |
| 10 | 西雅图 | 75.49 | 66.51 | 69.87 | 87.27 |
| 11 | 苏黎世 | 75.22 | 69.35 | 68.72 | 84.36 |
| 12 | 旧金山 | 75.15 | 64.50 | 66.66 | 90.03 |
| 13 | 慕尼黑 | 75.04 | 76.52 | 66.08 | 78.04 |
| 14 | 纽约 | 74.58 | 68.96 | 69.23 | 82.88 |
| 15 | 圣迭戈 | 74.41 | 62.64 | 64.54 | 91.10 |
#### 科工领域活跃青年人才占比前 15 城市
| 排名 | 城市 | 活跃青年人才占比 |
|---:|---|---:|
| 1 | 广州 | 45%（正文给出约 44.7%） |
| 2 | 上海 | 42%（正文给出约 41.8%） |
| 3 | 北京 | 39%（正文给出约 39.0%） |
| 4 | 深圳 | 38%（正文给出约 38.4%） |
| 5 | 首尔 | 33% |
| 6 | 香港 | 30% |
| 7 | 慕尼黑 | 28% |
| 8 | 新加坡 | 26% |
| 9 | 东京 | 23% |
| 10 | 奥斯汀 | 23% |
| 11 | 多伦多 | 23% |
| 12 | 柏林 | 23% |
| 13 | 达拉斯 | 22% |
| 14 | 苏黎世 | 22% |
| 15 | 洛杉矶 | 22% |
报告指出，欧美城市青年科研人才占比通常约 20%，资深科研人才比例约 50%；中国城市资深科研人才比例约 30%。这反映了中国城市科研人才结构更年轻化。
#### 科工领域人才流入比前 15 城市（2019—2023）
```chart
type: hbar
title: 科工领域人才流入比前十城市
unit: %
x: 深圳, 奥斯汀, 圣迭戈, 旧金山, 达拉斯, 西雅图, 波士顿, 芝加哥, 苏黎世, 纽约
y: 23.9, 19.8, 19.7, 19.2, 18.3, 17.9, 16.9, 16.8, 16.6, 15.9
```
| 排名 | 城市 | 人才流入比 |
|---:|---|---:|
| 1 | 深圳 | 23.9% |
| 2 | 奥斯汀 | 19.8% |
| 3 | 圣迭戈 | 19.7% |
| 4 | 旧金山 | 19.2% |
| 5 | 达拉斯 | 18.3% |
| 6 | 西雅图 | 17.9% |
| 7 | 波士顿 | 16.9% |
| 8 | 芝加哥 | 16.8% |
| 9 | 苏黎世 | 16.6% |
| 10 | 纽约 | 15.9% |
| 11 | 洛杉矶 | 15.6% |
| 12 | 香港 | 14.9% |
| 13 | 华盛顿 | 14.6% |
| 14 | 柏林 | 13.7% |
| 15 | 慕尼黑 | 13.6% |
报告指出，深圳是 30 个城市中人才流入占比最高的城市，香港是除深圳外唯一进入前 15 的中国城市。美国城市中，奥斯汀、圣迭戈和旧金山人才流入占比最高，均约在 19%—20%。
---
## 04 焦点观察一：城市创新人才建设
### 9.1 人才建设的关键：匹配人才与产业优势，构建人才创新创业生态
报告认为，城市创新人才建设不能只看“人才数量”，更要看人才与产业、科研、项目、资本和资源的匹配程度。
其核心逻辑是：
- 了解城市人才聚集优势；
- 提升人才聚集载体；
- 促进人才链、产业链、创新链和创业链融合；
- 建立能够承载人才、吸引人才、推动人才创新创业的生态系统。
### 9.2 全球城市科研人才学科聚集特点
报告用人才学科聚集分析比较各城市在不同学科的人才占比。其发现包括：
1. **医学是全球创新城市最普遍的人才聚集领域**
30 个城市科研人才普遍集中在医学领域，医学人才占比大多约为 40%。纽约和阿姆斯特丹医学人才占比高达 60%。
2. **生物化学、遗传学和分子生物学是第二大聚集领域**
各城市该领域人才占比约为 15%。圣迭戈该领域人才占比达到 26%，约为全球平均水平的 2.5 倍，与其生物医药产业活跃密切相关。
3. **亚洲城市，尤其是中国城市，在材料科学、工程学、计算机科学上更加集中**
深圳和香港计算机科学人才占比分别约为 20% 和 19%，约为全球平均水平的两倍，在 30 个城市中居前。
4. **部分城市具有特色学科优势**
- 纽约和阿姆斯特丹的神经科学人才占比分别约 4% 和 3%，但其聚集程度分别约为全球平均水平的 2.6 倍和 2.2 倍；
- 华盛顿、洛杉矶、北京在地球与行星科学领域具有较高人才聚集程度。
### 9.3 深圳与香港计算机科学人才聚集的原因
报告认为，深圳和香港在计算机科学领域的人才聚集，与两地科教资源整合和多层次聚集载体建设有关：
- 深圳湾科技园、香港科学园、数码港等科创产业园区提供孵化和合作空间；
- 华为、腾讯、商汤等龙头企业带动上下游产业链；
- 香港科技大学、香港中文大学、深圳大学等高校提供研究环境和人才供给；
- 高校、园区、企业之间形成联系网络，促进教育、科研与产业耦合。
### 9.4 人才流动：北京与波士顿是全球科工人才流动枢纽
报告分析人才发展排名前 15 城市的科工领域人才流入来源，得出以下结论：
- 北京和波士顿形成明显“人才枢纽”效应；
- 过去五年从北京流向 5 个城市的科工人才总数超过 9,300 人，约为排名第二的波士顿的 2 倍；
- 深圳的人才磁吸效应最明显，即流入深圳的人才明显多于从深圳流出的人才；
- 北京、香港、广州是深圳科工人才的主要来源城市；
- 过去五年从北京、香港、广州流入深圳的科工人才总数超过 5,000 人；
- 北京流入深圳的科工人才超过 2,700 人，规模仅次于广州和上海；
- 港深之间科工人才流动频繁，显示粤港澳大湾区人才交流活跃。
报告还指出，中美城市主要人才流动仍发生在本国城市之间，尤其是人才发展排名前 15 的城市之间，呈现明显区域性和集中性。
---
## 05 科技创新
### 10.1 科技创新总体结论
科技创新由科学研究、技术创新、产业发展和创新生态四个二级指标构成。报告核心判断是：
- 旧金山、波士顿、北京位列科技创新前三；
- 美国城市占科技创新前十中的六席；
- 中国有三座城市进入科技创新前十：北京、深圳、上海；
- 欧洲城市中伦敦表现最优，巴黎次之；
- 全球创新城市可按科研、技术、产业不同优势划分为多种创新模式。
### 10.2 30 个城市科技创新排名
```chart
type: hbar
title: 科技创新前十城市
unit: 分
x: 旧金山, 波士顿, 北京, 伦敦, 纽约, 西雅图, 深圳, 洛杉矶, 圣迭戈, 上海
y: 87.93, 86.05, 83.72, 82.46, 82.30, 82.13, 81.22, 80.90, 78.60, 78.44
```
| 排名 | 城市 | 科技创新总得分 | 科学研究 | 技术创新 | 产业发展 | 创新生态 |
|---:|---|---:|---:|---:|---:|---:|
| 1 | 旧金山 | 87.93 | 89.6 | 79.6 | 96.8 | 81.3 |
| 2 | 波士顿 | 86.05 | 93.2 | 81.5 | 86.5 | 76.9 |
| 3 | 北京 | 83.72 | 84.5 | 80.9 | 86.8 | 80.5 |
| 4 | 伦敦 | 82.46 | 87.6 | 82.3 | 77.3 | 83.0 |
| 5 | 纽约 | 82.30 | 87.3 | 76.4 | 83.2 | 82.4 |
| 6 | 西雅图 | 82.13 | 84.6 | 79.6 | 84.2 | 76.2 |
| 7 | 深圳 | 81.22 | 79.6 | 85.3 | 81.7 | 72.3 |
| 8 | 洛杉矶 | 80.90 | 85.3 | 78.3 | 81.5 | 73.8 |
| 9 | 圣迭戈 | 78.60 | 76.2 | 80.8 | 80.0 | 75.0 |
| 10 | 上海 | 78.44 | 80.6 | 75.6 | 80.7 | 74.0 |
| 11 | 巴黎 | 77.75 | 80.3 | 78.0 | 72.7 | 84.5 |
| 12 | 东京 | 77.33 | 70.0 | 85.6 | 72.9 | 87.8 |
| 13 | 斯德哥尔摩 | 76.85 | 78.3 | 79.8 | 71.0 | 81.2 |
| 14 | 阿姆斯特丹 | 76.65 | 78.6 | 79.0 | 72.6 | 75.8 |
| 15 | 华盛顿 | 76.61 | 84.2 | 71.5 | 73.9 | 77.3 |
| 16 | 慕尼黑 | 76.45 | 75.7 | 82.3 | 70.3 | 79.7 |
| 17 | 香港 | 76.43 | 82.8 | 71.4 | 77.2 | 70.1 |
| 18 | 首尔 | 75.47 | 73.7 | 82.0 | 70.5 | 76.1 |
| 19 | 芝加哥 | 75.23 | 81.8 | 70.5 | 73.8 | 73.9 |
| 20 | 新加坡 | 74.69 | 82.5 | 70.8 | 69.9 | 77.2 |
| 21 | 苏黎世 | 73.87 | 80.5 | 74.1 | 66.3 | 75.8 |
| 22 | 哥本哈根 | 73.74 | 78.5 | 71.5 | 69.2 | 79.6 |
| 23 | 广州 | 72.98 | 76.2 | 73.7 | 71.8 | 64.9 |
| 24 | 奥斯汀 | 72.63 | 71.0 | 68.6 | 79.0 | 70.5 |
| 25 | 都柏林 | 72.34 | 70.8 | 75.5 | 69.3 | 76.7 |
| 26 | 达拉斯 | 72.29 | 76.8 | 71.4 | 68.9 | 71.9 |
| 27 | 柏林 | 71.65 | 79.6 | 69.6 | 64.0 | 77.1 |
| 28 | 多伦多 | 71.64 | 79.1 | 68.8 | 67.0 | 71.7 |
| 29 | 悉尼 | 71.57 | 80.9 | 66.9 | 66.9 | 71.6 |
| 30 | 墨尔本 | 70.37 | 81.4 | 65.0 | 64.2 | 72.1 |
### 10.3 科技创新城市类型
| 类型 | 代表城市 | 报告解释 |
|---|---|---|
| 全能型科技创新城市 | 波士顿、旧金山、北京 | 科学研究、技术创新、产业发展均卓越，形成知识、技术、产业良性循环 |
| 科研—产业驱动型 | 纽约、西雅图、洛杉矶、上海 | 科研实力强，同时产业发展活跃，以科研驱动产业升级 |
| 科研—技术优势型 | 伦敦、斯德哥尔摩、阿姆斯特丹 | 科研与技术密度较强，但产业应用和规模化转化仍需提升 |
| 技术—产业主导型 | 深圳、圣迭戈 | 技术密度高，能快速转化为产业成果，但创新策源能力和科研资源仍需增强 |
| 科学研究单项较强 | 巴黎、华盛顿、香港、芝加哥、新加坡 | 科研基础较强，但技术创新或产业化一般 |
| 技术创新单项较强 | 东京、慕尼黑、首尔 | 技术创新活跃，但科学研究或创新产业发展仍需加强 |
---
## 06 科学研究
### 11.1 科学研究总体结论
科学研究指标关注高质量科研产出、科研增长、学术影响力、科研成果被国际专利引用率和科研成果学科交叉度。
报告判断：
- 美国创新城市引领全球科学研究，科学研究前五名中美国占四席；
- 欧洲城市科研水平分布不均，伦敦处于领先梯队，巴黎和苏黎世位于中游；
- 中国城市科研水平上升势头显著，北京和香港进入前十；
- 学科交叉有助于提升学术影响力；
- 除香港、新加坡、深圳外，亚洲城市与欧美城市相比，在学科交叉方面整体偏弱。
### 11.2 科学研究得分前 15 城市
```chart
type: hbar
title: 科学研究得分前十城市
unit: 分
x: 波士顿, 旧金山, 伦敦, 纽约, 洛杉矶, 西雅图, 北京, 华盛顿, 香港, 新加坡
y: 93.24, 89.62, 87.62, 87.26, 85.28, 84.59, 84.47, 84.20, 82.76, 82.54
```
| 排名 | 城市 | 科学研究得分 | 高质量科研产出 | 高质量科研产出的增长 | 学术影响力 | 被国际专利引用率 | 学科交叉度 |
|---:|---|---:|---:|---:|---:|---:|---:|
| 1 | 波士顿 | 93.24 | 100.00 | 85.99 | 96.96 | 80.45 | 98.80 |
| 2 | 旧金山 | 89.62 | 92.98 | 78.04 | 100.00 | 81.26 | 100.00 |
| 3 | 伦敦 | 87.62 | 88.96 | 85.15 | 92.21 | 64.47 | 93.01 |
| 4 | 纽约 | 87.26 | 95.20 | 83.80 | 89.31 | 70.09 | 82.95 |
| 5 | 洛杉矶 | 85.28 | 90.30 | 79.82 | 89.03 | 70.14 | 90.07 |
| 6 | 西雅图 | 84.59 | 83.63 | 74.08 | 99.83 | 76.79 | 89.60 |
| 7 | 北京 | 84.47 | 89.77 | 98.46 | 67.04 | 83.92 | 66.09 |
| 8 | 华盛顿 | 84.20 | 92.04 | 78.78 | 83.73 | 67.11 | 93.27 |
| 9 | 香港 | 82.76 | 67.21 | 82.55 | 98.56 | 85.82 | 81.34 |
| 10 | 新加坡 | 82.54 | 71.33 | 79.41 | 94.39 | 89.53 | 88.41 |
| 11 | 芝加哥 | 81.81 | 82.76 | 76.79 | 88.93 | 66.30 | 86.92 |
| 12 | 墨尔本 | 81.37 | 75.47 | 78.61 | 89.57 | 63.21 | 94.39 |
| 13 | 悉尼 | 80.87 | 75.44 | 79.04 | 88.41 | 64.52 | 90.14 |
| 14 | 上海 | 80.55 | 82.11 | 89.86 | 69.58 | 85.30 | 69.11 |
| 15 | 苏黎世 | 80.51 | 80.51 | 71.26 | 91.46 | 71.70 | 89.94 |
### 11.3 CNS 高质量科研产出
```chart
type: hbar
title: 2019—2023 年 CNS 科工领域论文数量前十城市
unit: 篇
x: 波士顿, 纽约, 旧金山, 华盛顿, 洛杉矶, 北京, 伦敦, 西雅图, 芝加哥, 上海
y: 2520, 1771, 1504, 1403, 1235, 1188, 1119, 756, 709, 676
```
报告以 2019—2023 年在 **Cell、Nature、Science** 上发表的科工领域论文数量衡量顶尖科研产出。
| 排名 | 城市 | CNS 论文数量 |
|---:|---|---:|
| 1 | 波士顿 | 2,520 |
| 2 | 纽约 | 1,771 |
| 3 | 旧金山 | 1,504 |
| 4 | 华盛顿 | 1,403 |
| 5 | 洛杉矶 | 1,235 |
| 6 | 北京 | 1,188 |
| 7 | 伦敦 | 1,119 |
| 8 | 西雅图 | 756 |
| 9 | 芝加哥 | 709 |
| 10 | 上海 | 676 |
| 11 | 苏黎世 | 601 |
| 12 | 墨尔本 | 415 |
| 13 | 悉尼 | 414 |
| 14 | 新加坡 | 306 |
| 15 | 香港 | 226 |
报告指出：
- 波士顿是唯一 CNS 发文量超过 2,000 篇的城市；
- 前五均为美国城市；
- 亚洲城市中仅北京超过 1,000 篇；
- 欧洲城市中仅伦敦超过 1,000 篇。
### 11.4 高质量科研产出增长与中国城市表现
报告指出，中国大陆城市在全球前 1% 高被引文章增长、科研论文被国际专利引用率方面表现突出：
- 深圳全球前 1% 高被引文章复合年均增长率达到 **15.9%**，位居 30 个创新城市前列；
- 其他中国城市增长率也超过 **8%**；
- 北京在高质量科研产出数量上表现居上游；
- 香港在平均学术影响力和本地论文被国际专利引用方面表现居上游。
### 11.5 学科交叉度与学术影响力
报告认为，跨领域学科碰撞有助于提升学术影响力。
关键数据：
- 旧金山科研成果学科交叉度为 **1.21**，比全球平均水平高 21%，归一化引文影响力 FWCI 为 **2.10**；
- 波士顿学科交叉度为 **1.20**，归一化引文影响力 FWCI 为 **2.00**；
- 除新加坡、香港、深圳外，多数亚洲城市学科交叉指数和平均学术影响力相对靠后。
---
## 07 技术创新
### 12.1 技术创新总体结论
技术创新由四个指标衡量：
1. 授权 PCT 专利家族总量；
2. 授权 PCT 专利家族人均量；
3. 专利技术影响力；
4. 前 10% 高技术影响力专利的增长率。
报告判断：
- 东京、深圳、慕尼黑位居技术创新前三；
- 东京和深圳领先优势显著；
- 亚洲城市在授权 PCT 专利家族总量方面突出；
- 欧洲城市专利技术密度更高，人均授权 PCT 专利家族表现较好；
- 北美城市专利技术影响力相对突出；
- 中国城市专利体量较大，但专利平均技术影响力偏低；
- 中国城市高技术影响力专利增长较快，体现其对基础性技术和新兴技术的掌握正在提升。
### 12.2 技术创新得分前 15 城市
```chart
type: hbar
title: 技术创新得分前十城市
unit: 分
x: 东京, 深圳, 慕尼黑, 伦敦, 首尔, 波士顿, 北京, 圣迭戈, 斯德哥尔摩, 旧金山
y: 85.61, 85.31, 82.32, 82.28, 81.96, 81.50, 80.95, 80.83, 79.82, 79.60
```
| 排名 | 城市 | 技术创新得分 | 授权 PCT 专利家族总量 | 授权 PCT 专利家族人均量 | 专利技术影响力 | 前 10% 高技术影响力专利增长率 |
|---:|---|---:|---:|---:|---:|---:|
| 1 | 东京 | 85.61 | 100.00 | 92.85 | 64.69 | 65.84 |
| 2 | 深圳 | 85.31 | 93.85 | 91.69 | 61.53 | 95.76 |
| 3 | 慕尼黑 | 82.32 | 83.02 | 100.00 | 69.03 | 60.00 |
| 4 | 伦敦 | 82.28 | 78.11 | 76.96 | 99.92 | 68.73 |
| 5 | 首尔 | 81.96 | 93.09 | 87.22 | 64.50 | 70.87 |
| 6 | 波士顿 | 81.50 | 75.90 | 81.50 | 94.60 | 68.35 |
| 7 | 北京 | 80.95 | 89.16 | 83.76 | 62.96 | 88.76 |
| 8 | 圣迭戈 | 80.83 | 78.27 | 87.01 | 80.88 | 71.15 |
| 9 | 斯德哥尔摩 | 79.82 | 78.73 | 94.47 | 69.59 | 65.26 |
| 10 | 旧金山 | 79.60 | 75.30 | 79.96 | 89.09 | 69.83 |
| 11 | 西雅图 | 79.58 | 79.31 | 87.80 | 75.28 | 66.59 |
| 12 | 阿姆斯特丹 | 78.98 | 66.29 | 81.15 | 100.00 | 64.30 |
| 13 | 洛杉矶 | 78.26 | 73.29 | 68.38 | 100.00 | 70.96 |
| 14 | 巴黎 | 77.95 | 83.40 | 82.43 | 71.12 | 62.53 |
| 15 | 纽约 | 76.36 | 72.32 | 63.38 | 100.00 | 70.32 |
### 12.3 授权 PCT 专利家族数量与专利技术影响力
```chart
type: hbar
title: 授权 PCT 专利家族数量前十城市
unit: 千件
x: 东京, 深圳, 首尔, 北京, 巴黎, 慕尼黑, 西雅图, 斯德哥尔摩, 圣迭戈, 伦敦
y: 165.6, 70.0, 62.9, 36.3, 16.2, 15.4, 9.1, 8.4, 7.9, 7.7
```
| 城市 | 授权 PCT 专利家族数量 | 专利技术影响力 |
|---|---:|---:|
| 东京 | 165.6K | 1.69 |
| 深圳 | 70.0K | 1.29 |
| 首尔 | 62.9K | 1.67 |
| 北京 | 36.3K | 1.47 |
| 巴黎 | 16.2K | 2.49 |
| 慕尼黑 | 15.4K | 2.23 |
| 西雅图 | 9.1K | 3.01 |
| 斯德哥尔摩 | 8.4K | 2.30 |
| 圣迭戈 | 7.9K | 3.72 |
| 伦敦 | 7.7K | 6.10 |
| 波士顿 | 5.7K | 5.43 |
| 旧金山 | 5.2K | 4.74 |
| 洛杉矶 | 3.9K | 7.23 |
| 纽约 | 3.4K | 6.20 |
| 阿姆斯特丹 | 1.5K | 19.96 |
报告指出：
- 东京授权 PCT 专利家族约 **16.56 万件**，位居第一；
- 深圳约 **7 万件**，位居第二；
- 首尔约 **6.29 万件**，位居第三；
- 阿姆斯特丹专利技术影响力最高，为 **19.96**；
- 洛杉矶、纽约、伦敦、波士顿专利技术影响力均在 **5.0** 以上；
- 北京和深圳专利归一化引用影响力分别为 **1.47** 和 **1.29**。
### 12.4 高影响力技术领域
报告对不同城市高影响力技术领域做出说明：
- 阿姆斯特丹高影响力专利集中在半导体器件、放电灯或放电管技术、金属材料镀覆技术；
- 美国城市高技术影响力专利集中在生物制药、先进计算机技术、通信技术；
- 机器学习、抗肿瘤制剂是美国创新城市较共性的高影响力技术子类；
- 深圳技术影响力较高领域包括计算机电数字数据处理、计算机算法模型、电通信中图像传播技术；
- 北京在计算机算法模型、图像或视频识别技术、与交通运输相关的气候变化缓解技术方面影响力偏高；
- 东京在光学元件、半导体器件、大分子化合物组合物、交通运输相关气候变化缓解技术方面影响力偏高。
---
## 08 产业发展
### 13.1 产业发展总体结论
产业发展由四个指标衡量：
1. 创新千强企业数量；
2. 创新千强企业研发投入强度；
3. 独角兽公司表现；
4. 初创公司平均估值。
报告判断：
- 旧金山、北京、波士顿是产业发展前三；
- 旧金山领先优势较大，在创新企业、独角兽企业和初创公司方面均为全球一流；
- 美国城市产业化能力突出，产业发展前五中美国占四个；
- 深圳位居第 6，上海位居第 8，香港第 12，广州第 18；
- 欧洲城市中伦敦产业发展最好，位居第 11。
### 13.2 产业发展得分前 15 城市
```chart
type: hbar
title: 产业发展得分前十城市
unit: 分
x: 旧金山, 北京, 波士顿, 西雅图, 纽约, 深圳, 洛杉矶, 上海, 圣迭戈, 奥斯汀
y: 96.78, 86.79, 86.48, 84.20, 83.24, 81.72, 81.53, 80.70, 79.96, 78.97
```
| 排名 | 城市 | 产业发展得分 | 创新千强企业数量 | 创新千强企业研发投入强度 | 独角兽公司表现 | 初创公司平均估值 |
|---:|---|---:|---:|---:|---:|---:|
| 1 | 旧金山 | 96.78 | 100.00 | 91.14 | 100.00 | 93.89 |
| 2 | 北京 | 86.79 | 98.71 | 66.79 | 86.94 | 87.51 |
| 3 | 波士顿 | 86.48 | 93.85 | 82.94 | 92.72 | 77.22 |
| 4 | 西雅图 | 84.20 | 76.72 | 76.45 | 75.99 | 100.00 |
| 5 | 纽约 | 83.24 | 90.48 | 74.06 | 95.28 | 70.54 |
| 6 | 深圳 | 81.72 | 88.08 | 70.80 | 67.81 | 96.19 |
| 7 | 洛杉矶 | 81.53 | 83.12 | 83.29 | 87.95 | 73.45 |
| 8 | 上海 | 80.70 | 85.03 | 70.10 | 81.13 | 81.90 |
| 9 | 圣迭戈 | 79.96 | 83.12 | 89.04 | 69.25 | 85.13 |
| 10 | 奥斯汀 | 78.97 | 70.19 | 82.44 | 72.88 | 88.94 |
| 11 | 伦敦 | 77.30 | 86.15 | 65.13 | 89.02 | 65.14 |
| 12 | 香港 | 77.24 | 67.71 | 100.00 | 65.42 | 85.68 |
| 13 | 华盛顿 | 73.94 | 77.90 | 69.94 | 72.01 | 75.10 |
| 14 | 芝加哥 | 73.83 | 82.40 | 63.85 | 72.27 | 74.23 |
| 15 | 东京 | 72.89 | 99.21 | 64.72 | 65.66 | 67.60 |
### 13.3 全球创新千强企业数量
```chart
type: hbar
title: 全球创新千强企业数量前十城市
unit: 家
x: 旧金山, 东京, 北京, 波士顿, 纽约, 深圳, 伦敦, 上海, 圣迭戈, 洛杉矶
y: 73, 68, 65, 42, 31, 25, 21, 19, 16, 16
```
| 排名 | 城市 | 创新千强企业数量 |
|---:|---|---:|
| 1 | 旧金山 | 73 |
| 2 | 东京 | 68 |
| 3 | 北京 | 65 |
| 4 | 波士顿 | 42 |
| 5 | 纽约 | 31 |
| 6 | 深圳 | 25 |
| 7 | 伦敦 | 21 |
| 8 | 上海 | 19 |
| 9 | 圣迭戈 | 16 |
| 10 | 洛杉矶 | 16 |
| 11 | 芝加哥 | 15 |
| 12 | 华盛顿 | 10 |
| 13 | 西雅图 | 9 |
| 14 | 奥斯汀 | 5 |
| 15 | 香港 | 4 |
报告对城市产业结构做出补充分析：
- 北京优势行业包括建筑业；
- 深圳优势行业包括计算机硬件与设备；
- 旧金山集中在软件和计算机服务业；
- 纽约、芝加哥、波士顿、洛杉矶在生物制药方向更集中；
- 东京领军企业行业分布较多样；
- 中国城市尚未出现全球创新百强生物制药企业，但北京、上海已培育出创新排名前 500 的生物制药企业，深圳、香港也有创新排名前 1000 的生物制药企业。
---
## 09 创新生态
### 14.1 创新生态总体结论
创新生态由四个指标衡量：
1. 大科学装置数量；
2. 产学研合作活跃度；
3. 跨地域合作多样性指数；
4. GDP 表现。
报告判断：
- 东京、巴黎、伦敦创新生态表现最佳；
- 东京大科学装置数量最多，达到 12 个；
- 巴黎和伦敦在开放合作、经济基础方面居上游；
- 欧洲城市在合作城市多样性、产学研融合、GDP 水平上表现较好；
- 中国城市除北京外，创新生态得分整体居中下游；
- 北京、上海、香港、广州产学合作相对偏低；
- 深圳跨区域合作方面稍显不足。
### 14.2 创新生态得分前 15 城市
```chart
type: hbar
title: 创新生态得分前十城市
unit: 分
x: 东京, 巴黎, 伦敦, 纽约, 旧金山, 斯德哥尔摩, 北京, 慕尼黑, 哥本哈根, 华盛顿
y: 87.77, 84.49, 83.02, 82.41, 81.30, 81.19, 80.54, 79.73, 79.63, 77.28
```
| 排名 | 城市 | 创新生态得分 | 大科学装置数量 | 产学研合作活跃度 | 跨地域合作多样性指数 | GDP 表现 |
|---:|---|---:|---:|---:|---:|---:|
| 1 | 东京 | 87.77 | 100.00 | 89.62 | 84.34 | 77.12 |
| 2 | 巴黎 | 84.49 | 84.60 | 94.73 | 76.67 | 81.95 |
| 3 | 伦敦 | 83.02 | 70.00 | 78.97 | 100.00 | 83.10 |
| 4 | 纽约 | 82.41 | 90.00 | 79.81 | 83.57 | 76.25 |
| 5 | 旧金山 | 81.30 | 70.63 | 76.30 | 90.00 | 88.26 |
| 6 | 斯德哥尔摩 | 81.19 | 82.23 | 85.41 | 70.00 | 87.12 |
| 7 | 北京 | 80.54 | 69.81 | 88.40 | 90.00 | 73.95 |
| 8 | 慕尼黑 | 79.73 | 80.15 | 80.30 | 63.33 | 95.15 |
| 9 | 哥本哈根 | 79.63 | 84.46 | 85.89 | 60.00 | 88.17 |
| 10 | 华盛顿 | 77.28 | 63.33 | 80.09 | 83.04 | 82.67 |
| 11 | 新加坡 | 77.18 | 81.92 | 82.79 | 63.33 | 80.66 |
| 12 | 柏林 | 77.15 | 77.09 | 84.37 | 70.00 | 77.14 |
| 13 | 波士顿 | 76.87 | 75.69 | 84.94 | 63.33 | 83.52 |
| 14 | 都柏林 | 76.69 | 96.33 | 78.90 | 60.00 | 71.54 |
| 15 | 西雅图 | 76.17 | 60.00 | 95.06 | 75.45 | 74.18 |
### 14.3 创新生态与科技创新的关系
报告通过散点图分析认为：
- 创新生态对科学研究、技术创新、产业发展均有正向促进作用；
- 这种趋势在中国和北美地区更加明显；
- 开展更广泛合作、加强产学研融合、建设科学基础设施、提升经济发展水平，对城市创新有积极影响。
### 14.4 跨地域合作多样性
报告指出：
- 跨地域合作多样性与高质量科研产出增长表现正相关；
- 跨地域合作多样性排名前三为伦敦、巴黎、北京；
- 欧洲城市因地理因素，在跨地区合作上普遍较高；
- 悉尼、多伦多、首尔、北京、东京等首都或区域中心城市，在带动国内及周边区域合作方面作用明显；
- 深圳合作城市多样性指数相对偏低，与科研机构数量相对较少有关。
---
## 10 焦点观察二：加强产学合作，促进产业发展
### 15.1 产学合作的核心判断
报告认为，产学合作是连接理论研究与实际应用的桥梁，有助于：
- 实现知识溢出；
- 促进知识和技术从科研机构向企业转移；
- 加速科技成果转化应用；
- 提高企业创新能力；
- 推动地方产业发展。
报告通过数据分析发现：**各创新城市的产学研合作活跃度与产业发展得分呈正相关。** 产学合作率高的城市，往往在产业发展方面更有优势。
### 15.2 产学合作率前 15 城市（2019—2023）
```chart
type: hbar
title: 2019—2023 年科工领域产学合作率前十五城市
unit: %
x: 圣迭戈, 慕尼黑, 西雅图, 东京, 旧金山, 哥本哈根, 斯德哥尔摩, 波士顿, 深圳, 巴黎, 新加坡, 首尔, 洛杉矶, 苏黎世, 华盛顿
y: 16.5, 14.4, 14.3, 12.1, 11.6, 11.6, 11.2, 9.9, 9.5, 9.3, 8.9, 8.9, 8.7, 8.7, 8.7
```
产学合作率指城市科工领域科研产出中，企业与学术机构合作发表论文的占比。
| 排名 | 城市 | 产学合作率 |
|---:|---|---:|
| 1 | 圣迭戈 | 16.5% |
| 2 | 慕尼黑 | 14.4% |
| 3 | 西雅图 | 14.3% |
| 4 | 东京 | 12.1% |
| 5 | 旧金山 | 11.6% |
| 6 | 哥本哈根 | 11.6% |
| 7 | 斯德哥尔摩 | 11.2% |
| 8 | 波士顿 | 9.9% |
| 9 | 深圳 | 9.5% |
| 10 | 巴黎 | 9.3% |
| 11 | 新加坡 | 8.9% |
| 12 | 首尔 | 8.9% |
| 13 | 洛杉矶 | 8.7% |
| 14 | 苏黎世 | 8.7% |
| 15 | 华盛顿 | 8.7% |
报告补充数据：
- 30 个创新城市中，有 7 个城市科工领域产学合作率超过 10%；
- 10 个城市超过 9%；
- 全球产学合作平均水平约为 **2.7%**；
- 创新城市产学研融合态势明显高于全球平均水平。
### 15.3 圣迭戈产学合作案例
报告以圣迭戈为例说明产学合作生态：
- 圣迭戈活跃产学合作依赖本地高科技公司和一流大学积极互动；
- 主要合作企业包括 General Atomics、SAIC、Qualcomm、Ionis Pharmaceuticals、Illumina、AntiCancer Inc；
- 主要合作学术机构包括加州大学圣迭戈分校、圣迭戈州立大学等；
- 这种合作催生高质量科研成果，并推动商业化产品和服务形成。
### 15.4 波士顿产学合作案例
报告指出，波士顿作为全球创新��市第一梯队成员，其企业研发和创新高度依赖产学合作。
在波士顿位列全球创新前 500 强的企业中，超过 60% 的科研成果源自与学术机构合作。
#### 波士顿全球创新前 500 强企业产学合作率（2019—2023）
| 行业 | 企业 | 产学合作率 |
|---|---|---:|
| 制药与生物技术 | Vertex Pharmaceuticals, Inc. | 65% |
| 制药与生物技术 | Moderna Therapeutics | 70% |
| 制药与生物技术 | Biogen IDEC | 67% |
| 制药与生物技术 | Ginkgo Bioworks | 80% |
| 制药与生物技术 | Sarepta Therapeutics | 80% |
| 制药与生物技术 | Alnylam Pharmaceuticals | 68% |
| 制药与生物技术 | Blueprint Medical Corporation | 77% |
| 医疗设备与服务 | Thermo Fisher Scientific, Inc. | 78% |
| 医疗设备与服务 | Boston Scientific Corporation | 86% |
| 技术硬件与设备 | Analog Devices, Inc. | 66% |
| 技术硬件与设备 | Teradyne Inc., USA | 26% |
| 软件与计算机服务 | Akamai Technologies | 91% |
| 通用工业 | General Electric | 64% |
报告进一步指出，波士顿创新企业不仅与本地顶尖高校合作，也积极寻找全球高水平研究机构作为伙伴。以 Moderna 为例，其科研成果中 70% 与学术机构合作发表，合作伙伴包括哈佛大学、杜克大学、埃默里大学、华盛顿大学、Broad 研究所等。
### 15.5 波士顿“政产学研”合作经验
报告认为，波士顿生物医药产业的成功来自“政产学研”互动合作模式：
- 顶尖科研机构孕育先进成果与高端人才；
- 企业实现科技成果产业化并促进技术推广；
- 政府通过资金、政策支持和中介服务推动产业发展；
- 紧密协作提升生物医药产业创新能力，加速从实验室到市场的转化。
### 15.6 提高产学合作的四类策略
#### 策略一：建立长期稳定的合作伙伴关系
长期稳定合作有助于建立信任，提高技术转移效率。可通过长期合作协议、联合实验室、联合研究中心实现资源和信息共享。
报告示例：
- 阿斯利康与塔夫茨大学合作建立心血管疾病研究中心；
- MIT 与诺华建立 Novartis-MIT Center for Continuous Manufacturing，专注新药物制造技术。
#### 策略二：强化政策支持与激励机制
政府可通过立法、财政补贴、税收优惠降低企业参与科研活动成本，鼓励更多主体投入产学研合作。
报告示例：
- 美国修订法律，承认高校与科研机构科研成果商业化，并对专利进行保障；
- 波士顿提供科研成果财政扶持、税收鼓励、融资途径和补助金；
- “马萨诸塞州创新经济伙伴关系”、研发税收抵免、“马萨诸塞州新兴科技基金”等政策工具促进产学合作。
#### 策略三：优化人才流动与培养体系
人员交流可以加速知识传播和技术转化。高校和科研机构应开放实习岗位、博士后工作站，企业也应参与人才培养。
报告示例：
- 辉瑞为哈佛大学学生提供实习机会；
- 诺华定期邀请 MIT 教授作为访问学者；
- Vertex 吸引哈佛和 MIT 博士后研究员短期参与研究；
- 赛诺菲与布兰迪斯大学合作为学生提供合作教育机会。
#### 策略四：搭建信息沟通平台，促进信息共享
信息不对称是阻碍产学合作的重要因素。应建设线上线下结合的技术交易平台，发布科技成果和市场需求信息，并定期举办产学研对接会。
报告示例：
- Biogen 与 Broad Institute、MIT、Harvard、Partners HealthCare 成立联盟，建立和共享 COVID-19 生物库。
---
## 11 中国城市的关键画像
| 城市 | SET 总排名 | SET 总分 | 教育水平排名/得分 | 人才发展排名/得分 | 科技创新排名/得分 | 最突出的优势 | 主要短板 |
|---|---:|---:|---|---|---|---|---|
| 北京 | 3 | 84.89 | 第 5 / 87.24 | 第 1 / 85.26 | 第 3 / 83.72 | 教育资源、科研机构、产业人才规模、创新生态 | 学术影响力、学科交叉度、专利平均影响力仍需提升 |
| 上海 | 8 | 79.68 | 第 7 / 85.68 | 第 10 / 77.74 | 第 10 / 78.44 | 高等教育、科研机构增长、青年人才比例、产业均衡 | 顶尖科研人员数量和专利技术影响力仍需提升 |
| 深圳 | 11 | 78.47 | 第 29 / 67.92 | 第 5 / 80.91 | 第 7 / 81.22 | 人才潜力、技术创新、PCT 专利、产业转化 | 高等教育基础、科研资源、跨地域合作多样性 |
| 香港 | 9 | 79.35 | 第 3 / 87.96 | 第 8 / 78.47 | 第 17 / 76.43 | 高等教育、国际化研究平台、计算机科学人才 | 科技创新转化与产业发展相对不足 |
| 广州 | 24 | 73.67 | 第 28 / 68.48 | 第 9 / 78.28 | 第 23 / 72.98 | 青年科研人才结构、科研机构增长、高新技术人才占比 | 教育水平、科技创新综合得分、创新生态 |
### 16.1 北京
北京是中国城市中综合表现最强的城市：
- SET 总排名第 3，总分 84.89；
- 教育水平第 5，得分 87.24；
- 人才发展第 1，得分 85.26；
- 科技创新第 3，得分 83.72；
- 产业人才得分第 1，得分 92.25；
- 创新生态第 7，是唯一进入创新生态前十的中国城市；
- 科工领域活跃科研人才总量 323K；
- 北京拥有全国 23% 的“双一流”高校，共 34 所；
- 科工人才流动中，北京是全球重要人才枢纽。
北京的主要优势是：教育资源、高校和科研机构密度、产业人才规模、创新企业总部数量。主要短板是：学术影响力和学科交叉度相比欧美顶尖城市仍有提升空间，专利平均技术影响力相对偏低。
### 16.2 上海
上海是教育与科研基础较强、产业发展均衡的中国创新城市：
- SET 总排名第 8，总分 79.68；
- 教育水平第 7，得分 85.68；
- 人才发展第 10，得分 77.74；
- 科技创新第 10，得分 78.44；
- 高等教育得分第 6，得分 88.19；
- 科研机构数量增长率 15.6%，位居第 2；
- 科工领域活跃青年人才占比约 41.8%；
- 科工领域科研人才总量 130K。
上海的主要优势是：高等教育体系、科研机构增长、青年人才比例、产业发展均衡。短板是：与全球顶尖城市相比，顶尖科研人员数量和专利技术影响力仍需提升。
### 16.3 深圳
深圳是报告中最典型的 ==**“教育短板、人才和科技强势”**== 的中国新兴创新城市：
- SET 总排名第 11，总分 78.47；
- 教育水平第 29，得分 67.92；
- 人才发展第 5，得分 80.91；
- 科技创新第 7，得分 81.22；
- 技术创新第 2，得分 85.31；
- 人才潜力第 1，得分 96.52；
- 科工领域人才流入比 23.9%，位居第一；
- 科研机构数量增长率 17.8%，位居第一；
- 授权 PCT 专利家族约 70.0K，位居第二；
- 产学合作率 9.5%，位列前 15。
深圳的主要优势是：人才吸引、青年人才增长、专利体量、技术产业化、产业创新企业。主要短板是：高等教育基础薄弱、科研资源相对受限、跨地域合作多样性偏低、专利平均技术影响力偏低。
### 16.4 香港
香港在教育和人才方面表现突出，但科技创新相对靠后：
- SET 总排名第 9，总分 79.35；
- 教育水平第 3，得分 87.96；
- 高等教育第 3，得分 93.10；
- 人才发展第 8，得分 78.47；
- 人才潜力第 3，得分 82.68；
- 科技创新第 17，得分 76.43；
- 科工领域人才流入比 14.9%，进入前 15；
- 计算机科学人才占比约 19%，约为全球平均两倍；
- 世界前 200 大学数量为 5 所。
香港的主要优势是：国际化高等教育、研究平台、青年科研人才增速、计算机科学人才聚集。短板是：科技创新转化和产业发展相对不足，创新生态排名靠后。
### 16.5 广州
广州在人才潜力和青年人才结构上表现亮眼，但综合排名相对靠后：
- SET 总排名第 24，总分 73.67；
- 教育水平第 28，得分 68.48；
- 人才发展第 9，得分 78.28；
- 人才潜力第 2，得分 84.46；
- 科工领域活跃青年人才占比约 44.7%，位居第一；
- 科研机构数量增长率 13.2%，位居第三；
- 创新千强企业中高新技术行业员工占比 99%。
广州的主要优势是：青年科研人才结构、科研机构增长、高新技术行业人才占比。短板是：教育水平、高等教育资源、科技创新综合得分、创新生态均有较大提升空间。
---
## 结语 / 启示
报告在结语中强调：
1. **教育科技人才协同发展是系统工程**
城市不仅要提升教育质量和人才培养，也要促进科学研究与产业应用有效对接，形成完整创新链条。
2. **全球前三甲城市体现了协同发展的有效策略**
波士顿、旧金山、北京依托顶尖教育资源、密集高科技产业和研究机构，汇聚高端人才，构建知识、技术、信息高密度环境。
3. **不同城市有不同创新路径**
很多城市并不是三维度都领先，而是在一个或两个维度上有相对优势。城市应挖掘自身优势、补齐短板，形成符合自身定位和资源禀赋的发展路径。
4. **中国城市在人才发展上表现突出，但创新生态仍需加强**
北京在人才和综合创新上突出；深圳人才潜力强；上海、广州青年科研人才结构好；香港高等教育和科研平台有优势。但中国城市需要进一步提高教育资源均衡性、高等教育质量、产学研合作和跨区域合作能力。
5. **开放合作和经济基础是创新生态的重要支撑**
欧洲城市在开放合作方面优势显著，美国城市以高 GDP 为创新提供经济基础。中国城市要通过产学研合作、跨区域合作和开放共赢生态，提升全球创新版图中的竞争力。
---
## 报告局限性
报告也明确指出自身局限：
1. **评估对象有限**
由于时间和数据收集限制，只覆盖 30 个全球创新城市，未广泛覆盖更多地域。
2. **部分维度尚未纳入**
受数据可获取性限制，教育资源投入、政府政策支持等指标尚未纳入。
3. **部分指标定义和计算方法仍可优化**
未来需要拓展数据源，更精准设置指标。
4. **目前侧重量化评估，定性评价不足**
未来可融入专家见解，为政策制定者提供更精准和建设性的参考。
---
## 附录：主要指标定义与数据来源摘要
### 19.1 教育水平指标
| 指标 | 定义 | 数据来源 |
|---|---|---|
| 成年人平均受教育年限 | 25 岁以上成年人口平均受教育年数 | GlobalDataLab |
| 高等教育人口占比 | 25 岁以上人口中最高教育成就是高等教育的人口占比 | GlobalDataLab、GTCI 2022 |
| 中小学 STEM 教育质量 | PISA 数学和科学平均得分 | PISA 2018 |
| 中小学国际科学竞赛奖项 | 2019—2024 年数学、物理、化学、生物、信息奥林匹克金牌总数 | 各奥林匹克竞赛官网 |
| 国际一流学科竞争力 | THE 2024 相关科工学科前 200 排名中位数及成长指数 | THE 学科排名 |
| 国际一流大学数量 | THE 2024 世界大学前 200 数量 | THE 世界大学排名 |
| 科研机构数量增长率 | 2019—2023 年 Scopus 收录机构数量 CAGR | Scopus |
### 19.2 人才发展指标
| 指标 | 定义 | 数据来源 |
|---|---|---|
| 科工领域科研人才竞争力 | 科工领域人才总量与科研人员 h 指数中位数 | Scopus |
| 顶尖科研人员数量 | 2023 年斯坦福大学全球前 2% 高被引科学家数量 | 榜单官网、Scopus |
| 创新千强企业员工总数 | 2023 欧盟产业研发投资记分牌全球创新 1000 强企业员工总数 | 欧盟产业研发投资记分牌 |
| 高新技术行业员工占比 | 创新千强企业中高新技术行业员工占比 | 欧盟产业研发投资记分牌 |
| 工程领域高端人才数量 | 2020—2024 年 IEEE 新当选会士人数 | IEEE 官网 |
| 活跃青年人才占比 | 学术年龄 5 年及以下、近五年活跃发表的科工领域青年学者占比 | Scopus |
| 青年人才活跃度增速 | 2019—2023 年活跃青年学者人数 CAGR | Scopus |
| 人才流入比 | 2019—2023 年流入城市的科工领域活跃学者占比 | Scopus |
### 19.3 科技创新指标
| 指标 | 定义 | 数据来源 |
|---|---|---|
| CNS 发文量 | 2019—2023 年 Cell、Nature、Science 科工领域文章总数 | Scopus |
| 前 1% 高被引文献增长 | 全球前 1% 高被引文献数量和 CAGR | Scopus |
| 归一化引文影响力 FWCI | 剔除年份、学科、文献类型后的平均引用表现 | Scopus |
| 科研成果被国际专利引用率 | 被 WIPO、USPTO、EPO、JPO、UKPO 专利引用的科工文献占比 | Scopus、LexisNexis |
| 学科交叉度 | 基于合著学者学科背景多样性的 Rao-Stirling Index | Scopus |
| 授权 PCT 专利家族总量 | 2014—2023 年申请并授权的 PCT 专利家族 | LexisNexis |
| 授权 PCT 专利家族人均量 | 每万人拥有授权 PCT 专利家族数量 | LexisNexis |
| 专利技术影响力 | 专利被其他专利引用次数的归一化值 | LexisNexis |
| 前 10% 高技术影响力专利增长率 | 2014—2023 年高影响力专利家族 CAGR | LexisNexis |
| 创新千强企业数量 | 全球研发投入前 1000 强企业数量 | 欧盟产业研发投资记分牌 |
| 创新千强企业研发投入强度 | 研发投入强度中位数 | 欧盟产业研发投资记分牌 |
| 独角兽企业表现 | 独角兽企业总数和五年新增数量 | Dealroom |
| 初创公司平均估值 | 初创公司平均估值 | Dealroom |
| 大科学装置数量 | 已投入运行的大科学装置数量 | 各国大科学设施规划、管理机构官网、研究文献、专家确认 |
| 产学研合作活跃度 | 产学合作形式发表的科工文献占比 | Scopus |
| 跨地域合作多样性 | 跨区域科研合作中合作城市的多样性 | Scopus |
| GDP 表现 | 人均 GDP 与 GDP 增速 | GlobalDataLab、国际科技创新中心指数 2024 |
### 19.4 城市统计口径
报告多数国外城市采用都市圈口径，以增强不同国家和地区之间的可比性。
| 城市 | 报告采用的都市圈 / 城市范围 |
|---|---|
| Amsterdam | Greater Amsterdam |
| Austin | Austin-Round Rock-San Marcos, TX |
| Beijing | Beijing |
| Berlin | Berlin |
| Boston | Boston-Cambridge-Newton, MA-NH |
| Chicago | Chicago-Naperville-Elgin, IL-IN |
| Copenhagen | Greater Copenhagen |
| Dallas | Dallas-Fort Worth-Arlington, TX |
| Dublin | Greater Dublin |
| Guangzhou | Guangzhou |
| Hong Kong | Hong Kong |
| London | Greater London |
| Los Angeles | Los Angeles-Long Beach-Anaheim, CA |
| Melbourne | Greater Melbourne |
| Munich | Munich Metropolitan Region |
| New York | New York-Newark-Jersey City, NY-NJ |
| Paris | Greater Paris |
| San Diego | San Diego-Chula Vista-Carlsbad, CA |
| San Francisco | San Francisco-Oakland-Fremont, CA |
| Seattle | Seattle-Tacoma-Bellevue, WA |
| Seoul | Seoul Metropolitan Area |
| Shanghai | Shanghai |
| Shenzhen | Shenzhen |
| Singapore | Singapore |
| Stockholm | Metropolitan Stockholm |
| Sydney | Greater Sydney |
| Tokyo | Greater Tokyo Area |
| Toronto | Greater Toronto |
| Washington D.C. | Washington-Arlington-Alexandria, DC-VA-MD-WV |
| Zurich | Greater Zurich |
---
## 发布机构与研究团队摘要
### 20.1 发布机构
| 机构 | 报告中的定位 |
|---|---|
| 深圳国际科技信息中心 | 由清华大学深圳国际研究��院���头建设的 AI 科技数据赋能平台，聚焦 AI 教育、AI 科技评价、AI 战略咨询、AI 科学研究等领域 |
| 清华大学产业发展与环境治理研究中心 | 依托清华大学公共管理学院的智库机构，定位于产业发展、环境治理与制度变迁领域的政策研究和学术交流 |
| 爱思唯尔 | 全球信息分析公司，为科研和临床领域提供数据、知识管理与分析服务 |
### 20.2 专家组委会与研究团队
报告专家委员会和研究团队包括清华大学、深圳国际科技信息中心、爱思唯尔、中国科学院大学、中国科学技术发展战略研究院、中国科学技术信息研究所等机构人员。专家委员会主席为清华大学文科资深教授、苏世民书院院长薛澜。
---
## 二十一、可直接引用的报告核心句
1. **教育、科技、人才协同发展是全球一流创新城市的显著特征。**
2. **全球创新城市不是只依靠单一优势，而是通过教育资源、人才集聚、科研能力、技术转化和产业发展形成系统性竞争力。**
3. **北美城市整体处于全球创新前列，中国城市处于中上游并展现强劲增长潜力，欧洲城市除伦敦外整体居于中段或中后段。**
4. **亚洲城市基础教育优势明显，欧美城市高等教育体系优势突出。**
5. **中国城市在青年科研人才储备、青年人才增速和人才流入方面表现尤其突出。**
6. **深圳是典型的新兴技术—产业主导型城市，教育水平相对不足，但人才潜力和技术创新表现突出。**
7. **产学合作对城市产业发展具有正向促进作用，波士顿案例说明创新企业成功离不开与学术界的紧密合作。**
8. **中国城市下一步需要补强创新生态，尤其是产学研合作、跨区域合作和高质量教育资源建设。**