1 引言

当今世界经历着从工业主义到信息主义、工业制造到资讯服务和生产的转变。信息时代下，信息网络的虚拟空间对实体地理空间影响加剧，推动了新的地理空间形态形成^[1]。虚拟信息空间的网络化使得实体城市空间组织由核心—边缘模式转向超越地理距离的网络格局。越来越多的互联网企业进入实体经济行业，传统企业也愈加互联网化^[2]。《中国“互联网+”指数2016》报告显示“互联网+”已突破传统的电子商务模式，逐渐渗透入多个传统行业^[3]。同时，互联网在传统行业的渗透强度也不断加大，如农业、零售、金融等^{[4, 5]}。中国互联网服务绝大部分由本土互联网企业提供^[6-8]。2015年搜索引擎领域，本土企业百度搜索的渗透率为93.1%^[6]，因此本土互联网企业可以代表在中国境内服务的互联网企业，从而表征全国城市网络。

传统的城市体系建立在中心地理论、城市首位率和位序—规模法则的基础上，它是指“在一个相对完整的区域或国家中，以中心城市为核心，由不同职能分工，不同等级规模，联系密切，相互依存的城镇组成的集合”^[9]，同时强调中心—边缘、规模序列和等级结构。随着信息和交通技术进步，时空压缩现象愈加显著，以中心地理论为基础的传统城市体系局限性显现，地理学家将网络概念纳入新的城市与区域研究范式^[10]。地理学引入网络的概念用于描述交通和通讯网络，用图论的方法进行了网络结构的分析^[11-13]。近年来社会网络理论被引入世界城市网络研究，将城市经济联系作为城市之间的社会关系，来构建世界城市网络^[14]，基于企业组织关系的城市网络研究成为主流。

实证方面，在全球尺度、国家尺度和区域尺度都有丰富的城市网络研究。GaWC小组致力于全球化背景下全球城市网络结构及演化的研究，也关注中国、美国中部地区等国家和区域的城市网络特征^[15-17]。研究视角及方法方面，早期多基于基础设施网络^{[18, 19]}，该小组以高级生产性服务业总部和分支机构的关联来替代城市间的经济联系，从而表征城市关联流量^[20]。虽有批评声^[21-23]，但近年来大多是对其研究方法的延续和改进^[24-28]。

国内相关研究略滞后于国外，最初以翻译和介绍国外理论为主^{[29, 30]}。当前国内学者对于城市网络和流动空间的研究大部分是对Castells流动空间理论的延续^[31-34]，也有从结构动力机制角度对城市网络进行解释的尝试^[35]。从研究视角上来说，主要有三种视角：一是基础设施，如董志良、路紫等及董超、修春亮等的研究^[36-39]。二是企业组织关系，如尹俊和甄峰、赵渺希、叶磊和段学军等从高级生产性服务业、物流业来分析中国生产性服务业的城市网络体系^[40-47]。三是网络虚拟信息流，如甄峰、王波等以新浪微博为依据探究网络社会空间的中国城市网络特征^[48-50]。从分析方法上来说，大部分研究是对网络进行基于数学的图论和网络理论的社会网络分析^[51-53]。上述研究或限于数据而未能分析城市网络演变过程，且对传统制造业的关注较少，而它对当前中国城市网络的影响不容忽视。随着“互联网+”战略推进，互联网与传统产业的关联增大，因此本文选择从互联网企业角度入手，分析其空间演化，研究中国城市网络特征。对企业机构进行综合实力评价，这也弥补了现有研究多局限于企业机构数量的缺陷。

本文通过评价多时段城市互联网行业发展水平，以此构建城市关联网络，利用社会网络分析、空间统计和空间可视化的方法，以了解互联网企业分布空间格局及演化过程，明确基于互联网企业的城市网络格局特性。在“互联网+”和构建智慧社会的国家战略的背景下，本文从互联网企业动态成长的角度研究城市网络的变化，丰富了城市网络方面的研究；实践上，为国家城镇体系的构建和国土空间开发提供支持。

2 数据与方法 2.1 数据来源

中国于1994年正式接入国际互联网，次年即进入民用，2000年以后进入快速发展阶段。中国互联网协会、工业和信息化部信息中心发布了2016年中国互联网企业100强榜单，上榜企业包括新兴与转型而成的互联网企业。互联网企业的地位和影响不由其机构数量决定，而是综合实力的反映，因此通过国家企业信用信息公示系统选取对应指标，包括：企业总部/分支机构登记地、注册资本、成立日期、核准日期、存续状态等。数据始于1985年1月17日，截止至2017年4月21日，涉及在中国大陆的1039家注册机构及102座城市^①。

2.2 研究方法

借鉴GaWC的方法^[14]，构建基于互联网企业的城市服务值评价指标。原方法为依据机构对于企业的关键程度进行经验赋值，改进为以机构的注册资本表征其资本规模，纳入服务值评价体系，以更准确客观地判断城市服务值。再运用社会网络分析、空间统计和空间可视化的方法，探究互联网企业分布空间演化及基于互联网企业的城市网络格局特征。

首先，利用ArcGIS的自然断点法将机构的注册资本分为5组，自然断点法可保证组内数据差距最小，而组间差距最大。依据注册资本从高到低（极少数没有注册资本信息的机构默认为母机构注册资本），给机构赋值整数5到1，记为注册资本指标R。同时，依据机构重要程度从高到低，将总部、非主营业务总公司、主营业务分公司、非主营业务分公司和办事处分别赋值为5、4、3、2、1，记为总部-分支机构等级指标G。

机构a在城市j的服务值V_aj既要体现该机构的规模，又要体现其等级，因此定义为注册资本指标R与总部—分支机构等级指标G的乘积，表示为：

(1)

2.2.1 城市互联网服务值

参考赵渺希、刘铮的研究方法^[40]，以服务值表示互联网企业在城市的服务价值。城市j的互联网企业服务值V_j是注册地为城市j的所有机构的服务值之和，代表该城市互联网行业发达程度。V_j表示为：

(2)

筛选出2000年^②、2005年、2010年、2017年经营状态为“存续”的企业，分别计算城市互联网企业服务值。

另外，将1039家互联网企业总部/分支注册机构依据下表分为“纯互联网”与“互联网+”两类，仅依赖信息技术的归为“纯互联网”一类，如网络安全企业，与其他行业密切相关的归为“互联网+”一类，如电子商务企业。计算2000年、2005年、2010年、2017年各个城市互联网企业的“互联网+”比例，便于总结互联网企业空间格局演化规律。

2.2.2 基于互联网企业的城市关联网络

m个互联网企业和n个城市组成服务值矩阵V，矩阵V中的值为企业p在城市j的服务值，定义为该企业注册在该城市的所有机构服务值之和（若该企业在该城市无注册机构则记为0），表示为：

(3)

其中，i表示企业p在城市j的机构；v_ij表示机构i在城市j的服务值。

两个城市之间的关联流量C_ij组成矩阵E，表示基于互联网企业的城市关联网络。考虑到互联网经济对地理距离不敏感的特点，因此忽略距离，将C_ij定义为所有企业在两个城市的服务值乘积的和，表示为：

(4)

3 中国互联网企业的时空演化特征

根据上述方法，计算2000、2005、2010和2017年全国城市的互联网服务值，结合地理空间的互联网企业分布格局，对中国互联网企业的时空演化特征进行分析如下。

3.1 互联网企业空间集聚

互联网企业分布城市数量增加，范围扩张。2000年、2005年、2010年和2017年互联网企业百强总部及分支机构分布的城市数量分别是12、33、69、117。2000年仅分布在北京、长三角、珠三角和福州、郑州、成都、贵阳等少数几个城市，在中国版图上零星散落；2005年在东部和中部省会及其他重要城市基本都有分布，全国仅西藏、青海和海南没有互联网百强企业分布；2010年新增的城市主要分布在东部，尤其是长三角和珠三角；2017年新增的城市多位于华北和东北，全国除港澳台外所有省级行政单元都有互联网百强企业分布。

互联网企业分布的城市由发散到集聚。对互联网企业分布的城市进行平均最近邻分析，结果表示其空间分布从发散发展为集聚。平均最近邻分析只考虑城市的空间距离，反映互联网百强企业所在城市的空间分布模式，本质上就是互联网企业的空间分布。表 1可以看出，从2000年到2017年，互联网企业经历了高分散—低分散—高集聚—超高集聚的空间分布模式演化历程。

从图 1可明显看出，京津、长三角和珠三角是互联网企业聚集且服务值高的区域。2000年，服务值的空间分布比较均衡，没有明显的极值点；2005年，北京、沪宁杭和广深的服务值增长明显高于其他城市，成为三大极值区域；2010年，三大极值区域扩大到京津、长三角和珠三角，但其核心城市仍为北京、沪宁杭和广深六大城市；2017年，三大极值区域继续发展，区域内核心城市保持原有地位，成渝、长江中游和海西地区也有一定发展。

3.2 互联网企业规模与等级的区域差异增大

用城市互联网企业服务值的空间分布表示互联网企业空间分布。城市服务值越大，表示该城市互联网机构注册资本越高、在企业中等级越高、互联网机构越多，可以认为该城市互联网企业规模等级水平较发达。

互联网企业规模与等级的内部差距拉大。表 2显示2000、2005、2010和2017年这四年城市互联网企业服务值的标准差持续增大，说明服务值内部差距逐年加大，互联网企业规模与等级的内部差异扩大。而四年服务值的最大值分别是70、225、539、689。这说明互联网企业发达的城市进步明显。在服务值均值仅增加1倍的情况下，极差从65升高到687，增加了9倍余。也就是说，各个城市的互联网企业总体在发展，但发展很不均衡，差距拉大。

大规模、高等级互联网企业存在向少数城市集中的趋势。考虑到服务值数据集内部数据的分布情况，计算其标准差、偏度和峰度指标，发现存在集中趋势，但集中趋势在减缓。标准差从2000年的21.951逐年升高到2017年的90.305，各城市服务值的离散程度持续减弱，集中程度不断增加。和极差一样，标准差、偏度和峰度的增速也在降低。

3.3 “互联网+”/纯互联网企业空间分布极化

“互联网+”企业空间分布趋于集聚。当考虑互联网企业主营业务为“互联网+”的比例时，和服务值不同，空间自相关分析表示“互联网+”企业越来越集聚（表 3）。也就是说，当一个城市的互联网企业为“互联网+”类型的比例较大时，与它邻近的城市相比于地理空间距离较远的城市更有可能有更大比例的“互联网+”类型的互联网企业。在2010年之前，分别有67.6%和83.4%的概率表示“互联网+”企业是随机分布的；在2010年，有93.0%的概率表示“互联网+”企业呈集聚分布模式，彼时z得分为1.81；到2017年，“互联网+”企业仍然集聚分布，置信度增长到100%，且z得分增长到5.91，这代表集聚程度也大大增加。

“互联网+”/纯互联网企业的空间分布呈极化特征。从区域层面来看，“互联网+”/纯互联网比值变化比较大，变化规律不明显。从全国层面来看，“互联网+”占优的极值点在增多，但同时纯互联网占优的极值点也在增多。

对2000、2005、2010和2017年城市“互联网+”企业比例进行反距离权重插值（为保证相等且合理的搜索半径，为2000、2005、2010年增加赋值为50%的城市，使城市数及分布与2017年相同），在此基础上叠加不同年份城市核密度作为透明度，得到图 2表示“互联网+”企业比例的空间分布。2000年，全国互联网企业更偏向于纯互联网的类型；2005年，全国层面上“互联网+”企业与纯互联网企业基本持平的区域扩大；2010年，全国范围内“互联网+”占优的极值点少且优势不如往年；2017年，“互联网+”企业和纯互联网企业占优的区域都大大扩张，东北、华北、海西和珠三角是主要的纯互联网类型占优的地区，其中华北的纯互联网企业无论是相比于其他地区还是相比于往年都占更大优势，而江浙、鄂东、珠三角以外的广东“互联网+”企业比例更高。

4 基于互联网企业的全国城市网络结构特征

根据城市的互联网服务值，得到2000、2005、2010和2017年城市关联网络，对基于互联网企业的全国城市网络结构特征进行分析如下。

4.1 网络呈多中心结构

城市关联网络逐渐稳定在以北京、杭州、深圳等城市为中心的多中心结构。为突出网络结构，图 3显示的是前300条流量，以自然断点法分为5级表示。自然断点法在保证组内距离最小的同时使组间间距最大。可以看到：2000年网络因处于起步阶段而呈简单的三角结构；2005年网络骨架在2000年的基础上加上了成都和厦门，菱形交换结构初步显现；2010年与2017年网络骨架稳定在以北京—杭州/上海—深圳/广州—成都构成的菱形交换，其中北京—杭州/上海—深圳/广州组成的三角是骨架的重点。

以2017年为例，互联网企业的城市关联网络流量差异明显，集中于少数几个城市，北京、杭州和深圳是网络最重要的中心节点。排名前5的流涉及的城市是北京、杭州、深圳、成都和上海，其中最高的是北京—杭州，流量值为11536，最低的是杭州—上海，流量值是5284，比前者的一半还要略低。互联网企业三大巨头（阿里巴巴、腾讯和百度）极大地帮助北京、杭州和深圳三大城市在基于互联网企业的城市关联网络中占据并加强中心地位。

4.2 网络中心性与扁平化并存

一方面，城市网络整体具有强中心性，体现在网络的特征向量中心性强，中心城市数量少，但其对网络的控制力强。另一方面，基于互联网企业的全国城市网络扁平化特征显著，表现在其缺少区域层级，且城市节点趋同。

城市网络整体具有强中心性，但中心性呈减弱趋势。计算2000、2005、2010和2017年网络的中心势（表 4），发现除2000年网络中心势较高外，2005至2017年城市关联网络的度数中心势、中介中心势和接近中心势均处于较低水平，呈增长趋势；与之相反的是，2000至2017年网络的特征向量中心度处于较高水平，呈下降趋势。矛盾的原因是度数中心势、中介中心势和接近中心势易受网络局部误导，不能很好地反映2005年及之后较为复杂的城市网络整体的中心性，而特征向量中心势弥补了这一缺点，网络整体中心性应以后者为准。可以认为：少数中心度高的城市与其他城市差距增大，从这个角度看网络的中心性增强；但整体而言，因少数具有高中心度的城市联系趋于平衡，城市网络中心性在较高水平区间内呈降低趋势。特征向量中心势远大于原始的接近中心势，说明网络的中心性更多地归因于全国而不是局部地区不平等。

对城市关联网络的特征向量中心度进行K-均值聚类，分3类，除2000年外，其他3年的结果中第一类含2—3个城市，第二类含4—5个城市，其余城市为第三类。聚类的结果也显示极少数城市的网络中心度高，绝大部分城市中心度远低于前者，处于被控制的地位。

基于互联网企业的全国城市网络缺少区域层级。对2000、2005、2010和2017年网络进行核心—边缘分析和CONCOR（凝聚子群）分析，结果置信度均偏低，表示不存在次级网络。整体来看，网络的层级性弱，不存在明显的“全国中心城市—区域城市—普通城市”的层级体系，少数网络中心城市直接控制一般城市节点。对城市关联网络进行核心—边缘分析，分析结果的解释度从2000年的0.647降低到2017年的0.336，说明互联网企业的城市网络越来越难以简化为核心—边缘模式。

城市节点趋同化现象明显。对2000、2005、2010和2017年城市节点进行ArcGIS群组分析，群组分析的结果是根据服务值和空间位置得到自然聚类。2000年的第一群组包括北京、上海、深圳和南京，其余3年的第一群组为北京；2000年的第二群组为杭州、广州和成都，2005年包括上海、杭州和深圳等7个城市，2010年减少为上海和杭州，2017年为上海、杭州、南京和苏州。第一和第二群组占城市总数的比例不断下降。新增的城市基本被归类为同一组，即城市数目最多的第三组。说明除北京、杭州、上海等少数中心城市外，大部分城市的互联网企业发展水平趋同。城市节点的趋同从另一方面表现了城市网络的扁平化。

4.3 网络整体地域性减弱

整体来说，网络连接性增强，地域性持续减弱。以中介中心性测度城市节点对资源的控制能力，图 4结果显示：2000年网络结构简单，不存在地域性节点，以北京为全国控制中心；2005年网络仍以北京为全国控制中心，南昌、上海、西安和杭州等多个城市作为地域性节点也有较高的中介中心度；2010年网络连接性增强，多数地域性节点失去地域控制地位，仅哈尔滨、郑州和济南具有高中介中心度；2017年网络连接性进一步增强，地域性节点减少，仅哈尔滨作为地域性节点，且其中介中心度大幅增长。

随着网络中城市节点及其联系增长，网络趋于复杂，单个城市节点的控制力相对减弱，传统的地域性节点逐渐失去地域控制地位。与其他地区不同，东北地区的网络发展相对独立，许多东北城市仅在区域内部有关联，它们均只通过哈尔滨与全国其他城市联系。由于网络的其他部分有越来越丰富的通路选择，而东北地区由哈尔滨始终占据与全国联系的扼要位置，所以东北地区的网络地域性增强。

5 结论与讨论

随着互联网对社会的全方位影响加大，以及“互联网+”战略推进和智慧社会的构建，互联网企业对城市网络的影响会越来越大。本文根据历年互联网企业组织关系及资本规模数据，利用空间统计分析与社会网络分析方法，从互联网企业动态成长的角度研究城市网络的变化，试图揭示中国互联网企业的时空演化特征与基于互联网企业的全国城市网络结构特征。

互联网企业的空间极化，表现为互联网企业空间分布的集聚化、规模等级与企业类型的空间极化，一方面是互联网行业本身极化的空间表现，总部分别位于北京、杭州和深圳的“BAT”三大集团（百度、阿里巴巴和腾讯）积极构建以自身为核心的互联网生态^③，几乎主导了中国互联网经济。另一方面也是由互联网企业的集聚和带动效应造成。以杭州为例，阿里巴巴的知识和人才溢出，加上政府对于互联网行业的支持，使其成为众多高质量互联网创业企业所在地。

城市网络呈多中心结构，北京、杭州、深圳占据了互联网企业角度下中国城市的主要联系，构成了中国城市网络基本框架。有异于金融企业^[40]、高级生产性服务业^[42]、电子商务^[54]等层面的中国城市网络，上海没有在基于互联网企业的城市网络中占据主导地位。北京凭借突出的政策优势和人才优势成为拥有互联网百强企业分支结构最多的城市，加上百度、京东、新浪等多家互联网企业巨头总部在此，使北京在互联网经济分工中起引领作用，因此互联网企业网络关联流量为全国最高。相比于北京，杭州在互联网企业的城市网络中中心度更高，说明杭州在网络中的影响力和控制力更大，除了同样占据互联网经济价值链顶端的原因，这还是高度外向的本地互联网产业组织和互联网文化软实力共同作用的结果。深圳虽在人才基础方面不及北京、杭州，但其极强的电子信息产业基础和创新文化氛围也帮助它成为网络重要节点。

城市网络在整体上具有强中心性的同时，存在两个层级的扁平化：一方面，网络的中心城市层更加平衡，表现在平均中心度几乎不变的情况下，各中心城市的中心度差异减小；另一方面，地域性节点城市减少，一般城市的互联网企业发展水平趋同。这两个层级的扁平化导致网络整体的中心性下降。传统产业所倚赖的金融、物流等要素对于互联网经济的重要性较低，日渐发达的高铁网络和信息技术带来的时空压缩削弱了区位优势，加上超大城市的生活压力等推力作用，使得北京、上海和广州等传统中心城市在与杭州、深圳和成都等新兴城市的互联网经济竞争中并不占据过多优势，以及一般城市的生态位趋同。互联网的扁平化特性正在挑战传统的城市网络体系。

值得注意的是，尽管网络存在强中心性与扁平化共存的特征，且网络整体地域性减弱，但东北地区表现了明显并加强的地域性。这说明城市网络的嵌套等级特征仍然存在，由于政府政策、地方产业组织和地方文化等方面的原因^[35]，企业空间行为的区域逻辑^[41]仍有相当的影响力。这也反映了互联网企业在东北地区相对封闭的地域特点。

受制于数据来源等因素，本文也存在一定不足。数据方面，时间节点的选择考虑不够周密。方法方面，相比于高级生产性服务业，以互联网企业关联表征城市经济联系具有一定的局限性。此外，互联网企业分布空间格局以及城市网络演化机制亦有待深究，与互联网企业布局变迁、城市网络发展对应的城镇体系优化策略也值得深入思考。

注释：

① 港澳台数据缺失。

② 1994年中国接入互联网，同年成立第一家互联网企业。但传统电信企业转型为互联网企业会造成注册时间早于1994年，因此本文数据始于1985年。互联网企业在2000年迎来爆发期，超过98%的互联网企业机构成立时间在2000年之后，故以2000年为第一个时间节点。

③ 互联网生态是以互联网技术为核心，通过跨界纵向产业链整合，横向用户关系圈扩展，打破工业化时代下产业边界和颠覆传统商业模式，实现链圈式价值重构的商业体系。