赛迪：全球汽车产业数据分析-2025-03-市场解读

报告探讨了产业政策（IP）对全球汽车产业创新的影响。本报告编制了首个2008年至2023年全球产业政策与汽车行业专利数据的综合数据集，并揭示了政策关注点的重大转变：到2022年，几乎不存在与电动汽车相关的产业政策。与此同时，汽车行业已呈现从内燃机（GV）技术向电动汽车技术创新的转型趋势。本研究发现，政策支持与创新活动之间存在正相关关系。在国家层级研究中，电动汽车产业政策五年累计每增加一个标准差，电动汽车专利申请数量将相应增加4%。在企业层级研究中，汽车制造商和电动汽车电池生产商所获得的电动汽车财政激励每增加10%，电动汽车创新也会有4%的增长。本报告发现，技术路线的依赖性对汽车行业技术的变革方向具有重要意义，但电动汽车产业政策并未对内燃机技术创新起到任何激励作用。一、引言过去十年，面对气候变化、供应链中断、地缘政治紧张等挑战，产业政策重获关注，汽车产业政策尤为关键。在全球应对气候变化的大背景下，汽车行业迎来关键变革，交通电气化与清洁电网成为减碳重要路径。多国制定电动汽车普及目标，像挪威、荷兰分别计划在2025年、2030年实现电动汽车销量占比100%，美国和中国则力争到2030年让电动汽车销量占比分别达50%、40%。为达成目标，各国政府出台购车补贴等产业政策，推动电动汽车及电池行业发展。尽管全球电动汽车行业扩张迅速、政策影响广泛，但人们对其政策如何影响汽车行业创新了解有限。主要挑战有二：一是产业政策复杂，构建可跨国定量对比的衡量指标难度大，不过尤哈斯（Juhász）等人开发的文本研究方法，应用于全球贸易预警数据库，为该领域研究开辟新途径；二是难以衡量企业受政策影响产生的创新，因为政府政策通常不会阐明对行业的不同影响。为填补相关研究空白，本报告研究人员编制了全球汽车产业政策和专利综合数据库，并采用两种方法以降低国家和行业层面研究产业政策的难度。一是参照尤哈斯等人的文本研究法，运用自然语言处理技术，在2008-2023年全球贸易分析数据库的六万多份政策文件中，对金融、非金融产业政策与非产业政策分开统计数量。二是聚焦汽车行业里的电动汽车购买激励政策，参照全球汽车行业建立产品国家补贴数据库。由于全球推进交通电气化，各国电动汽车激励措施差异显著，且这些措施与车辆属性相关， 在不同车型、企业及时段间变化巨大，该方法对汽车行业尤为适本报告采用1980-2023年全球专利统计数据库（PATSTAT）的专利数据，依据国际专利分类（IPC）代码，将汽车专利分为其中电动汽车相关政策占比从近乎零增202年50%，2020年电动汽车专利数量达燃油车三倍，且集中于少数企业。通过实证，本报告评估产业政策对专利申请及授权的影响，能为四类文献提供参考：完善产业政策相关文献；充实政策驱动型清洁技术创新文献；丰富电动汽车市场经济学研究，尤其是政府政策对其普及的影响；助力考察少量但渐长的产业政策相关报告，解决产业政策不透明、难量化的研究难题。二、本研究数据（一）利用全球贸易预警数据库评估产业政策在国家层级研究中，本报告使用全球贸易预警数据库来评估产业政策。原始数据涵盖从2008年11月到2023年10月的六万多份政府政策声明。每份政策声明均由“国家法案编号”（State家法案”代表政府机构发布的一项公告，而“干预措施”则是该公告中包含的一项具体政策。全球贸易预警数据库的关键词段包括政策标识符（“国家法案编号”和“干预措施编号”）、实施国家和受影响国家、公告日期、按六位协调制度（HS）代码（全球产品分类系统）分类的受影响产品，以及最重要的政策描述。1、确定和评估产业政策本报告将产业政策定义为以改变经济活动构成为目标且在国 家层级实施的政策。全球贸易预警数据库涵盖2008年11月至 2023年10月六万多份政府政策声明，每份含“国家法案编号”和“干预措施编号”等信息。研究人员人工标记1023项政策 训练数据集，训练监督式机器学习模型，带L2正则化的逻辑回 归模型预测效果最佳，处理后得到3385项汽车市场相关产业政 策。2、政策分类和汇总根据受影响产品燃料类型，将产业政策分为电动汽车、燃油车、通用型三类，用HS编码分类。汇总时，每项产业政策按燃料类型仅计一次，如一项影响多国多产品的政策，按此方法统计为多项（每种燃料类型一项）。本研究聚焦电动汽车产业政策，未纳入。（二）按车型分类的各国电动汽车补贴模式，评估其产业政策企业层级研究利用2013-2020年13国电动汽车补贴数据库，这些国家销量占全球约95%。数据依政策文件整理，涵盖多种财政激励措施，仅采纳中央或联邦补贴，按车辆属性计算不同车型补贴及企业补贴总额，还估算电池供应商间接补贴（考虑转嫁率用对数统计确保模型稳健性。本报告采用欧洲专利局（EPO）专利统计数据库评估汽车行业创新，该数据库记录了全球专利申请及授予情况，同一文档数据库（DOCDB）中的专利申请视为一项发明或技术，同族申请技术内容相同，一项发明常关联多个国际专利分类代码，分为电动汽车、燃油车、通用技术三类。1、按国家-国际专利分类-年份统计的专利数量术适用性广而质量较高。专利由文档数据库族编号、申请机构、发明人居住国和国际专利分类代码唯一确定。如一项发明向美、欧、日三大专利局申请且涵盖多个分类代码（其中电动汽车分类代码在三局均出现会被视为多个独立条目记录。表1列出了按照国家-国际专利分类-年份统计的数据情况。最终的数据集涵盖67个国家，时间跨度从2008年至2020年，并且包含了五个电动汽车相关专利的国际专利分类代码（科-类-子类）、九个与燃油汽车相关的国际专利分类代码，以及十五个通用专利的国际专利分类代码。经筛查，数据集有大量同族及细分专利，涵盖67个国家2008-2020年数据，按上述三类统计专利数量，电动汽车专利平均新申请数为7.24项，燃油车为2.2项，通用专利为6.781注：本汇总统计表基于按照国家-国际专利分类-年份统计的数据以及按企业-年份统计的数据构建而成。板块A涵表由经合组织编制的环境政策严格性指数。对于非经合组交的电动汽车与燃油车专利累计数量计算，年折旧率为0.2。平均2、微观数据：企业层级板块数据企业层级统计92家汽车制造商和45家电池供应商2013-2020年专利。因每个国际专利分类代码下企业专利数量有限，统计时未细分，一项专利由文档数据库族编号、申请机构和燃料类型确定。例如，会合并同一申请机构下相同燃料类型的申请记录。统计企业名单参考巴威克等人研究，汽车制造商集团数据涵盖母公司及子公司品牌专利。研究未局限于“三方专利”，一是为保留有申请记录的企业样本，二是避免排除部分中国企业致数据失准，且用“三方专利”验证结论仍成立。（四）经合组织环境政策严格性指数数据库考虑到环境政策法规可能影响电动汽车创新，本报告将其设为控制变量。为衡量环境法规的范围与力度，采用经合组织“环境政策严格性指数”。原始数据含总体指数及特定次级类别分数（如基于市场的工具、技术支持政策等以0-5分衡量，5分代表最严格，总体指数由所有次级类别加权平均得出。本研究采用总体环境政策严格性指数，针对非经合组织国家，将该数据设为零，并与非经合组织国家虚拟变量关联。三、产业政策与专利图1展现了从2008年至2022年，新的汽车产业政策的发展趋势。其中，柱状图以左侧坐标轴为参照，以展示每年新政策的数量情况；而曲线图则参照右侧坐标轴，描绘了专门针对电动汽车的产业政策所占比例。2008年金融危机后，汽车产业政策数量呈上升态势。其中，电动汽车产业政策占比从近乎零大幅攀升至2022年的近50%，这清晰地展现出全球交通领域向电气化发展的趋势以及对电动汽车支持力度的不断增强。图2呈现了同一时期内，依据汽车相关产业政策累计数量所排出的前20位国家的情况。图中，这些国家按照其产业政策的总数进行排序。图中的黑色菱形点表示有关电动汽车行业的政策所占份额。在产业政策实施方面，发达国家占据主导地位，美国的政策数量在全球名列前茅。不过，在电动汽车产业政策占比上，欧洲国家超越美国。为便于比较，图3展示了在全球贸易预警数据库中，非产业政策的累计数量。在非产业政策数量方面，巴西、中国等国家位列前茅，美国则紧随其后。新兴经济体如俄罗斯、巴西、印度、中国等实施的汽车产业政策数量众多，但相对而言对电动汽车的关注较少，仍较为重视传统内燃机制造业的优势。新出台的汽车产业政策数量（新出台的汽车产业政策数量（柱状图）电动汽车产业政策所占份额（曲线图）年份2注：在本图中，每个国家法案编号与干预措施编号被视作一项产业政策（这与回归分析中按燃料类型统计产业政韩国奥地利瑞典希腊中国丹麦芬兰南非波兰英国日本西班牙印度意大利德国法国俄罗斯巴西加拿大美国全球贸易预警数据库中的非产业政策累计数量瑞典全球贸易预警数据库中的非产业政策累计数量瑞典芬兰奥地利希腊捷克比利时匈牙利荷兰阿根廷葡萄牙波兰法国英国西班牙意大利印度德国美国中国巴西电动汽车产业政策所占的份额。若在一项产业政策涉及的受影响国家和产品中，有50%与电动汽车相关，那么该3注：正如图4所示，每个国家法案编号与干预措施编号被视作一项产业政策（这份额。具体而言，若在一项产业政策涉及的受影响国家和产品中，有50%与电动汽车相关，那么该产业政策则是企业，图（b）展示了排名前十位电池企业。在图中，灰色条柱代表每家企业获得的补贴总额，带有数字的黑色菱形点表示平均补贴额。这些企业均匀地分布在不同的主要国家。补贴高度集中，如前四位车企（特斯拉、雷诺-日产集团、比亚迪和大众集团）共获得补贴总额的48.2%，而前三位电池企业（松下、LG新能源和宁德时代）则获得补贴总额的58.6%。现代起亚集团上汽集团通用汽车公司吉利控股集团宝马集团北汽集团大众集团比亚迪雷诺-日产集团特斯拉平均补贴（美元）补贴总额（平均补贴（美元）补贴总额（百万美元）万向一二三合肥国轩杰士汤浅SK集团远景动力三星SDI比亚迪宁德时代LG新能源公司松下集团本报告重点研究了过去四十年间全球绿色技术的发展情况。因为相较于依赖国际专利分类代码和申请国家的专利，文档数据库族编号能更精准勾勒技术创新全貌，本报告重点统计由文档数据库族编号确定的发明。为突出电动汽车专用绿色技术（与双重用途技术相对）的发展，此处将电动汽车发明界定为：其国际专利分类代码完全归属于电动汽车类别；同样，燃油汽车发明的国际专利分类代码完全归属于燃油汽车类别。如果一项发明的国际专利分类代码同时具备电动汽车和燃油汽车特性，则将其归类为通用技术发明。图5展示了1980年至2018年期间新授予的发明数量，其中电动汽车发明以黑色实线（左轴）表示，燃油汽车发明以深灰色虚线（左轴）表示，通用技术发明以浅灰色虚线（右轴）表示。自2000年起，汽车技术开启从燃油向电动的转型进程。电动汽年达到燃油车发明数量的三倍之多。而通用发明数量则是先上升，在2016年达到峰值后逐渐下滑。在本报告的回归分析中，以专利数量评估创新时，如图6也呈现类似的趋势。新授权发明数量：电动汽车或燃油汽车新授权发明数量：通用技术发明燃油汽车发明（左轴）电动汽车发明（左轴）新授权发明数量：电动汽车或燃油汽车新授权发明数量：通用技术发明年份于回归分析中的计数方式（根据国际专利分类代码或燃新授权发明数量：电动汽车或燃油汽车新授权发明数量：通用技术发明燃油汽车发明（左轴）电动汽车发明（左轴）新授权发明数量：电动汽车或燃油汽车新授权发明数量：通用技术发明年份图7（a）展示了电动汽车发明累计数量最多的前十位国家，其中日本占据了全球36%的专利。美国和德国紧随其后，分别位列第二和第三。图7（b）则展示了2019年电动汽车发明授权量电动汽车专利持有量高度集中在部分企业中。汽车行业中，丰田、本田以及雷诺-日产持有大部分电动汽车相关专利。在电动汽车电池供应商方面，韩国三星、新能源公司及中国宁德时代在专利持有量上领先。具体而言，前三大汽车制造商占车企电动汽6注：本图展示1980-2020年授权汽车专利数量趋势。但是，本图为专利数据，非发明数据，因同一发车发明的74%，前三大电池供应商占电池供应商发明的77%。累计已授权的电动汽车发明量累计已授权的电动汽车发明量新西兰奥地利英国瑞士中国法国韩国德国美国日本加拿大加拿大瑞士意大利法国中国台湾德国韩国中国美国日本（b）2019年电动汽车发明数量7注：本图展示了电动汽车适用发明数量最多的前十位国家排名。电动汽车适用发明包括仅适用及可应用于四、国家层级的产业政策研究本报告采用新申请及已授权的电动汽车专利数量来衡量汽车行业绿色创新。实证研究策略包括固定效应线性回归模型和泊松伪最大似然法（该方法常用于处理离散型结果）。针对大量零专利计数情况（基于国家-国际专利分类-年份的统计第二种策略泊松伪最大似然法更适用。图8展示了电动汽车产业政策作用于专利申请数量的残差散点图。图中，黑色圆圈和实线拟合线代表电动汽车专利数量，灰色菱形点和虚线拟合线则代表燃油车专利数量。图中显示两个关键特征：一是原点附近数据点聚集，意味着样本（按国家-国际专利分类-年份统计）有大量无新专利申请记录，需用能处理零值的方法；二是电动汽车专利与电动汽车产业政策累计量正相关，燃油车专利与之无关，说明电动汽车产业政策激励清洁汽车技术创新且针对性强，未对燃油车技术产生溢出。图9展示了在不包含任何影响因素的情况下，原始数据也呈现出类似的特征。电动汽车专利量燃油车专利量电动汽车专利量燃油车专利量tt年新申请的专利电动汽车专利量燃油车专利量电动汽车专利量燃油车专利量tt年新申请的专利8注：本图展示了滞后的累积电动汽车产业政策（横轴）与新申请的电动汽车/燃油车专利数量（纵轴基于国家-国际专利分类-年份的统计）之间关系的残差图。图中的国家是指发明人的居住国。本图采用卡塔内奥等人（2024代表电动汽车专利数量；灰色菱形点和虚线拟合线代表燃油车专利数量。表2展示了国家层级研究的基线结果，其中全面考虑了国家、国际专利分类和年份的固定效应。指标系数分析揭示，电动汽车产业政策五年累计每增加一个标准差，电动汽车专利总数将增加4.5%，集约边际上将增加3.2%。（2）（3）（4）（6）（0.022）（0.007）（0.003）（0.002）（0.024）（0.004）累计授权专利数量的（0.037）（0.032）（0.043）（0.038）（0.033）（0.156）（0.200）（0.053）情况。图中未包含任何控制变量和固定效应。一组数据为48个，这是10注：通过使用基于国家-国际专利分类-年度统计的数据，本表显示了电动汽车相关产业政策对电动汽车创新的影（2）（3）（4）（6）是是是是是是是是是是是是是是是是是是本表数据显示，产业政策对全球电动汽车行业创新有积极统计学影响。在全样本（第3列）中，电动汽车产业政策五年累计每增一个标准差，电动汽车相关专利数量增加3.9%；在至少有一项专利的子样本（第4列）中，该数量增加4.0%，两种效应在1%水平上均显著。相比之下，环境政策严格指数变量在各列大多不显著。这表明，电动汽车专利新申请量增长，或更多受汽车行业专项产业政策驱动，而非宽泛的环境法规严格程度。电动汽车创新对技术路线依赖度高，这种依赖及各国固有差异（由国家固定效应体现能很好解释各国电动汽车技术创新的差异。考虑控制变量和固定效应后，燃油车与电动汽车产业政策呈负相关，致使本报告首选的泊松伪最大似然模型可能给出下限估值。第（6）列以已授权电动汽车专利数为因变量，其系数估值与基线相近，表明电动汽车产业政策对专利申请和授权影响类似。五、电动汽车补贴对企业层级的影响依据全球电动汽车销量与各国车型激励措施确定补贴对企业的激励效果。鉴于各国依自身绿色汽车过渡计划及汽车参数（价格、续航里程、碳减排预期等）制定不同购买激励措施，若汽车制造商在补贴高的市场销售更多电动汽车，则其与电池供应商更易受产业政策影响。本研究采用线性回归法（普通最小二乘法和工具变量法）与泊松伪极大似然法进行分析。图10展示了某公司电动汽车专利数与总补贴的关系曲线，汽车制造商（黑色圆圈和实线拟合线）及电池供应商（灰色菱形点和虚线拟合线）情况各异。结果显示激励政策与新电动汽车专利申请量呈正相关，此规律在两者中均适用，但因高补贴企业影来源：汽车制造商响，关系非线性。补贴少的企业未呈现积极影响。图11显示，对电池企业来说，来源：汽车制造商 #电动汽车新专利申请数量t-1t-1年补贴总额对数t-1年补贴总额对数11注：该图是某公司在t-1年（x轴）收到的电动汽车补贴总额与其在t年（y轴）申请表3呈现了普通最小二乘法和泊松伪极大似然法的估计值。本研究与国家层级分析一致，以普通最小二乘法修正对数、申请电动汽车专利数量作为泊松伪极大似然法的因变量，关键解释变量为前一年收到的电动汽车激励措施总数的对数，估计系数即电动汽车专利申请相对于总补贴的弹性。不同规格下对弹性的估计会增加0.4%，且这些系数在1%的水平上具有统计学意义。（2）（3）（4）（0.014）（0.009）（0.040）（0.074）（0.084）（0.077）（0.044）（0.086）（0.084）和（3）列使用全部样本，而第（2）和（4）列使用对电动汽车专利数量具有积极影响的企是是是是是是是是清洁和非清洁技术知识储备均有作用。在各模型中，电动汽车知识储备呈显著正向影响，燃油车知识储备为负向（泊松伪极大似然法中显著）。据泊松伪极大似然法估计，电动汽车知识储备每增加10%，次年新的电动汽车专利申请量增5.4%；燃油车知识储备每增10%，专利申请量减少3.4-3.8%。这证实汽车技术对技术路线依赖性强，与阿吉翁等人研究结果相符，也表明产业政策长远影响或比短期更强。表4报告了工具变量法（第（1）、（2（3）列用全样本，另两列侧重对专利数量有积极影响的样本。各方法下，电动汽车专利在补贴风险方面的估计弹性均约0.04，与表3弹性大小相近，表明补贴风险若存在内生性，也不太可能左右本研究结果。（