EN中文

资源科学 >

2025 , Vol. 47 >Issue 8: 1732 - 1744

DOI: https://doi.org/10.18402/resci.2025.08.10

低空产业与创新

产业链视角下中国无人机企业空间分布与协同关系

  • 陈锦晗 , 1, 2 ,
  • 杜德林 , 1 ,
  • 王姣娥 1, 2
展开
  • 1.中国科学院地理科学与资源研究所，区域可持续发展分析与模拟重点实验室，北京 100101
  • 2.中国科学院大学资源与环境学院，北京 100049
杜德林，男，山西霍州人，助理研究员，研究方向为交通地理与产业创新。E-mail:

陈锦晗，女，陕西西安人，博士生，研究方向为交通地理与区域发展。E-mail:

收稿日期: 2025-03-27

  修回日期: 2025-07-29

  网络出版日期: 2025-09-09

基金资助

国家自然科学基金项目(42225106)

国家自然科学基金项目(42401206)

收起

Spatial distribution and coordinated relationship of China’s UAV enterprises from an industry chain perspective

  • CHEN Jinhan , 1, 2 ,
  • DU Delin , 1 ,
  • WANG Jiaoe 1, 2
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2025-03-27

  Revised date: 2025-07-29

  Online published: 2025-09-09

Fold

摘要

【目的】 无人机作为低空飞行活动的重要支撑，其产业发展与低空经济密切相关。本文旨在识别无人机产业链上中下游的企业分布格局与协同关系，为优化产业空间布局、促进低空经济高质量发展提供参考。【方法】 本文基于企业大数据，通过关键词检索与数据清洗，构建了截至2024年12月31日经营状态正常的中国无人机企业数据库，覆盖了无人机产业链上中下游；在此基础上，采用空间分析方法识别无人机企业空间分布特征，并识别上中下游协同关系。【结果】 ①中国无人机产业以上游原材料供应、零部件制造、核心系统企业较多，其次为下游服务提供商企业，中游整机制造的企业数量相对较少，空间上表现出“东密西疏、南多北少”的格局，以珠三角密度最高，其次为长三角和成渝等地区。②上游和中游企业具有显著的空间集聚性，其中以上游企业的集聚系数相对较高。下游企业面向市场，区域分布的差异相对较小。③基于各城市的产业链上中下游企业分布，可归纳为协调型、需求型、引导型与培育型城市。其中，协调型城市的产业链相对完整、发展优势显著；需求型与引导型城市则是在部分产业链环节具有优势，但也存在一定短板；培育型城市的上中下游企业数量均相对较少，此类城市数量最多。【结论】 不同城市的无人机产业发展情况存在差异，应以产业链相对完整的协调型城市为核心，打造具有全球竞争力的产业集群；加强需求型与引导型城市的补链强链；对基础薄弱的培育型城市则应立足地方特色和优势激发产业潜能，因地制宜地制定发展策略。

关键词： 无人机; 产业链; 企业; 空间格局; 协同关系; 低空经济; 中国

本文引用格式

陈锦晗 , 杜德林 , 王姣娥 . 产业链视角下中国无人机企业空间分布与协同关系[J]. 资源科学, 2025 , 47(8) : 1732 -1744 . DOI: 10.18402/resci.2025.08.10

Abstract

[Objective] As an important support for low-altitude flight activities, the development of the unmanned aerial vehicle (UAV) industry is closely linked to the low-altitude economy. This study aims to identify the spatial distribution patterns and coordinated relationships of upstream, midstream, and downstream enterprises in the UAV industry chain, providing references for optimizing industrial spatial layout and promoting high-quality development of the low-altitude economy. [Methods] Based on enterprise big data, this study constructed a comprehensive database of operational UAV enterprises as of December 31, 2024, covering the upstream, midstream, and downstream sectors of the UAV industry chain through keyword search and data cleaning. On this basis, spatial analysis methods were used to identify spatial distribution characteristics of UAV enterprises and coordinated relationships among upstream, midstream, and downstream sectors. [Results] (1) In China’s UAV industry, the upstream sector, encompassing raw material suppliers, component manufacturers, and core system developers, accounted for the largest proportion of enterprises. This was followed by downstream service providers, while midstream UAV manufacturers constituted the smallest proportion. Spatially, the distribution exhibited a pattern of “dense in the east and sparse in the west, more in the south and fewer in the north”. The Pearl River Delta exhibited the highest density, followed by the Yangtze River Delta and the Chengdu-Chongqing regions. (2) Upstream and midstream enterprises showed strong spatial clustering, with upstream enterprises having relatively higher clustering coefficients. Downstream enterprises were market-oriented, and their regional distribution showed relatively smaller differences. (3) Based on the distribution of upstream, midstream, and downstream enterprises in each city’s industry chain, cities could be categorized into four types: coordinated, demand-driven, guided, and cultivated. Coordinated cities had relatively complete industrial chains and significant developmental advantages. Demand-driven and guided cities had advantages in certain segments of the industry chain, but also faced certain shortcomings. Most cities were still in the cultivation stage, with a relatively small number of enterprises across the upstream, midstream, and downstream sectors. [Conclusion] The development of the UAV industry varies across cities. Coordinated cities with relatively complete industry chains should serve as the core hubs for building globally competitive industrial clusters. Demand-driven and guided cities should strengthen and supplement their industry chains, while cultivated cities with weaker foundations should leverage local characteristics and advantages to unlock industrial potential. Overall, development strategies should be tailored to local conditions.

Key words： unmanned aerial vehicles; industry chain; enterprises; spatial pattern; coordinated relationships; low-altitude economy; China

1 引言

低空经济是新质生产力的典型代表，逐渐成为推动经济高质量发展的新赛道[1]。无人机作为低空飞行活动的重要载具，经历了从军用到民用的发展历程，且随着技术水平的进步，在民用领域逐渐从相对简单的消费级无人机发展为可以执行复杂任务的工业级无人机，进而推动了其在众多领域的应用与创新发展。
无人机具有灵活、高效、多功能等特点，其广泛的应用前景、面临的技术挑战和产生的社会价值引起社会各界的关注。由于低空环境复杂多变、充满不确定性[2]，且涉及城市和乡村等不同功能区域以及不同行业领域，无人机飞行面临的需求和挑战差异较大。目前，在无人机管理与应用方面，较多研究围绕低空空域[3,4]、低空基础设施与低空航路[5-8]、低空无人机技术[9,10]、多元化应用场景[11-14]以及未来发展趋势[15,16]等议题进行探讨，重点关注了无人机的安全运行、技术支撑以及对生产生活新业态的影响等，对于无人机企业与产业发展的研究相对较少。
同一领域内的各类企业和组织在一定空间范围内集中，能够形成具有功能关联、行为主体互动等特点的产业集群[17,18]，其中，产业链上中下游企业之间的关系是重要基础。作为产业发展的核心主体，上中下游企业的地理集中有助于实现资源配置优化、技术溢出和规模经济，进而形成区域竞争优势。基于产业链视角，已有研究关注了能矿产业、传统制造业、高新技术产业等[19-22]。无人机产业作为新兴领域，其产业链与产业空间布局等方面的研究较少。目前，已有研究基于无人机产业链视角分析了不同环节的核心要素与参与主体[23]，探讨了新兴企业进入与产业链升级的关系[24]。然而，缺少对于无人机企业空间分布与上中下游关系的深入研究。
鉴于此，本文以地级行政区和省辖县级行政区为基本空间单元，通过构建覆盖无人机产业链的企业数据库，系统识别了不同链条环节的无人机企业名录。在此基础上，重点分析了产业链上中下游企业的空间分布格局与协同发展关系，并针对不同城市发展态势提出差异化发展策略，以期为无人机产业空间布局优化提供参考借鉴。

2 无人机产业链构建

无人机产业是一个新兴的复杂领域，结合无人机生产制造过程以及所需的核心组件要素，并参考新能源汽车、航空航天等战略性新兴产业的产业链结构[25,26]，构建了无人机产业链图谱（图1），包括上游的原材料供应、零部件制造、核心系统，中游的整机制造，下游的服务提供商与场景应用等。其中，产业链上游为生产制造的供给环节，原材料供应企业提供金属材料与复合材料，零部件制造企业负责加工无人机组装所需零部件，如电池、电机、螺旋桨等，核心系统企业则是负责无人机的飞行控制系统、导航通信系统、遥感监测系统和数据处理系统[27]，是无人机的正常运行的必要保障。中游是无人机生产制造的整合环节，负责集成上游企业的产品，为下游应用市场提供最终成品，关系到整个产业链的协同发展。下游是无人机产业链的最终环节，可以根据市场变化和消费者需求，提供多样化的无人机产品与服务，实现在不同行业领域的应用价值。考虑到场景应用环节涉及大量企业用户，他们通过引入无人机打造新的作业模式或业态，并不属于无人机生产制造的核心环节；同时，政府、高校、科研机构和个体等也是无人机的重要用户，这导致仅从企业视角难以充分刻画无人机下游的场景应用。鉴于此，本文聚焦与无人机生产制造紧密相关的产业链环节，下游仅考虑服务提供商，暂不考虑场景应用。此外，本文仅关注民用无人机，暂不考虑军用无人机。
图1 无人机产业链结构与代表性企业

Figure 1 UAV industry chain structure and representative enterprises

3 数据来源与研究方法

3.1 数据来源与企业识别

本文在构建无人机产业链图谱的基础上，基于企查查数据库检索构建覆盖产业链不同环节的中国企业名录（因数据缺失，未包含港澳台地区企业）。企查查是商用型公开数据库，其数据来源于国家企业信用信息公示系统，具有较高的可信度和参考价值，且在经济地理学相关研究中被广泛应用[28]。为确保数据质量，本文采用了检索、归类、校验等多阶段筛选流程，检索时间为2024年12月31日。
（1）数据检索：无人机生产制造过程与传统的航空、通信、材料等多个领域存在一定关联性。例如，碳纤维复合材料既用于无人机的轻量化设计，也用于传统飞机的结构制造，传感器、通信设备等产品也会同时应用于多类航空器制造，这意味着部分企业的核心业务并非面向无人机产业。因此，为聚焦无人机产业链上的核心企业，本文仅针对在企业经营范围等信息中明确有“无人机”等关键词的企业。具体选用“无人机”“无人驾驶航空器”“无人驾驶飞机”和“遥控无人飞行器”等关键词，在企业名称、企业简介、经营范围、产品、商标等字段进行OR逻辑检索，确保任一关键词匹配即被检索，检索对象为截至2024年12月31日处于存续、在业等正常状态下的企业，以此获取无人机企业名录的初始数据。
（2）数据归类：在获取初始数据的基础上，进一步依据企业的经营范围进行归类，识别出原材料供应、零部件制造、核心系统、整机制造以及服务提供商对应的企业名录。例如：原材料供应环节的企业经营范围应包含“金属材料”和“复合材料”等关键词，零部件制造环节的企业应包含“电池”“电机”等。对于未能匹配到上述产业链环节的企业，暂不进行归类处理，以确保分类结果的严谨性与准确性。
（3）数据校验：在此基础上，根据营收规模和品牌知名度等信息筛选出头部企业样本与中位数水平的企业样本，网络检索其企业年报、新闻媒体报道等，以此进行人工复核。同时，直接通过新闻媒体检索无人机产业相关的知名企业，检验其是否在所获数据之中，再次确保数据的准确性。经过交叉验证并剔除注册地址等关键信息缺失的企业，最终获得9851家无人机企业，其中上游企业6536家、中游企业1264家、下游企业2289家，部分企业同时处于产业链的多个链条环节。
（4）数据分析：基于企业地址信息，通过百度地图获取企业坐标，匹配企业所属城市，包括地级行政区和省辖县级行政区，统计各城市现存无人机企业数量，形成企业和城市维度的无人机企业数据库。

3.2 空间分析方法

3.2.1 核密度分析

核密度分析通过计算地理要素在周围邻域中的密度，可用来分析企业点位数据的空间分布特征，核密度值越高代表企业分布越集中[29,30]。本文采用ArcGIS 10.8的核密度分析工具，分别对中国无人机产业链上中下游各个环节进行计算，识别不同环节的企业空间分布特征。计算公式为：
f ( x ) = 1 n h 2 ∑ i = 1 n k x - x i h
式中： f ( x )表示核密度估计值； k  表示核函数；h表示带宽（即搜索半径），且 h 0，依据Silverman经验法则来确定最优带宽；n表示空间点位数量； x i表示企业i的空间点位； x - x i表示估计点x到数据点 x i的距离。

3.2.2 莫兰指数

莫兰指数包括全局莫兰指数与局部莫兰指数，可用于衡量空间自相关程度[31,32]。其中，全局莫兰指数能够有效识别中国无人机企业的空间分布是否存在集聚性。全局莫兰指数计算公式为：
I = ∑ p = 1 z ∑ j = 1 z W p j n p - n - n j - n - S 2 ∑ p = 1 z ∑ j = 1 z W p j
式中：I表示全局莫兰指数，取值介于-1~1之间；z表示城市数量； W p j表示空间权重矩阵； n p和 n j表示城市p和j的无人机企业数量； n -表示城市无人机企业数量的平均值； S 2表示方差。当 I 0时，为空间正相关；当 I = 0时，不存在相关性；当 I 0时，为空间负相关。

4 企业空间分布特征

4.1 企业整体分布

中国无人机企业在数量规模上呈现出上游、下游和中游依次递减的特征。2024年底，中国无人机上游企业数量达6536家，在产业链上的企业占比约为64.78%，其中原材料供应、零部件制造和核心系统的企业分别有2642、1953和2474家，部分企业同时属于多个产业链环节。中游的整机制造企业数量相对较少，共1264家（12.53%）。下游的服务提供商企业2289家，占比约为22.69%。整体上，无人机产业链的上游企业具有绝对数量优势，体现了中国无人机产业在原材料供应、零部件制造和核心系统方面的发展基础。
无人机企业具有明显的空间集聚性，表现出“东密西疏、南多北少”的分布格局（图2a）。从区域尺度，东部地区 ① 的无人机企业数量最多，达4721家，占比约为47.92%，远高于其他地区；西部、中部和东北地区的企业占比分别约为25.61%、18.19%和8.28%。从省份尺度，无人机企业以广东最多，超过2000家，占全国比重超过20%；其次为江苏、陕西和山东，无人机企业介于700~800家，占比均在7%~8%之间；四川和安徽的无人机企业占比均略高于4%。以上6个省累计占比超过50%，意味着半数以上无人机企业集中在此。此外，无人机企业全局莫兰指数为0.019，在1%的显著性水平下显著，进一步证明了企业分布的空间集聚性特征。
图2 2024年无人机企业的整体空间布局

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 2 Overall spatial distribution of UAV enterprises in 2024

无人机企业分布呈“核心-边缘”模式，与中国主要城市群分布[33-35]存在明显的空间关联。基于核密度（图2b）分析，可以发现，广州和深圳是全国无人机企业数量最多的城市，其核密度峰值超过750家/km2，形成双核联动的发展格局，辐射带动周边区域无人机产业发展。其次，西安、成都、北京和南京4个城市的企业核密度峰值达300家/km2，密度呈现从核点向四周延伸递减趋势，形成多核分布特征。整体上，以广州和深圳为中心的珠三角以及以南京、苏州、上海和合肥为中心的长三角城市群，企业集聚密度较为突出，形成辐射面较大的集聚区。东北和中部地区主要是围绕省会城市形成相对小范围的企业集聚区。在西部地区，以西安为中心的关中平原城市群和以成都为中心的成渝城市群企业分布相对密集，其他大部分地区囿于经济发展、地理环境和科技人才等方面的限制，无人机企业数量较少，企业密度明显较低。

4.2 上游企业空间分布

无人机上游企业数量较多，是产业链中企业数量最多、集聚性最高的环节。上游企业整体的莫兰指数为0.022，空间集聚性显著，超过50%集中在东部地区（图3）。上游企业数量超过100家的有广州、深圳、西安、成都、长沙、沈阳、北京、南京、苏州、菏泽、东莞、天津、重庆、哈尔滨14个城市，其中大部分城市位于东部沿海地区，尤其广州和深圳的上游企业数量均超过500家，占全国比重超过20%。西部地区的西安、成都和重庆也聚集了较多上游企业，中部和东北地区则是以长沙、哈尔滨和沈阳的企业数量较多。
图3 2024年无人机上游企业空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 3 Spatial distribution of upstream UAV enterprises in 2024

在产业链上游各环节中，核心系统的企业空间集聚性最高，莫兰指数为0.020，高于原材料供应（0.013）和零部件制造（0.009）。空间上，原材料供应环节集聚在资源禀赋优势地区。其中，深圳的企业最多，达212家，占比约8%，其次为西安、菏泽，企业数量均超过100家，这些地区依托成熟的原材料供应链与配套基础设施，无人机产业发展具有一定基础优势。零部件制造企业的数量少于原材料供应企业，且主要集中在西安、广州和深圳等地。其中，约16.9%（330家）的零部件制造企业分布在西安，这源于其深厚的航空航天产业基础；深圳和广州的此类企业也在100家以上，这与其无人机产业发展较早且电子信息产业发达等密切相关。对于核心系统，超过45%的企业集聚在广州和深圳，大疆创新科技有限公司等龙头企业坐落于此，具有典型的集群特征，产业发展优势显著。
进一步对比不同环节的核密度图（图4），可以发现，以广州和深圳为核心的珠三角城市群为高密度核心区，其次为关中平原、长三角和成渝等地区，大部分直辖市、省会或计划单列市周边也形成了一定程度的集聚。在原材料供应方面，无人机企业形成多个高密度集聚区，分布在东中部的主要城市群地区。零部件制造企业集聚区主要位于珠三角、关中平原和长三角地区。核心系统的无人机企业空间集聚特征明显高于其他环节，珠三角企业密度远高于其他地区，核密度峰值高达563家/km2，相比之下其他地区的企业数量差距较大。需要注意的是，这种高度集中的空间分布格局既能产生规模效应、促进技术溢出，但也可能引发同质化竞争与区域发展失衡等问题。因此，未来应通过政策引导优化区域分工，促进无人机产业协同发展。
图4 2024年无人机上游企业核密度图

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 4 Kernel density map of upstream UAV enterprises in 2024

4.3 中游企业空间分布

无人机整机制造企业在空间上也具有显著的集聚性特征（图5），但集聚程度比上游企业小，其莫兰指数为0.015。东部地区的企业占比约为47.39%，明显高于中部、西部和东北地区的23.58%、22.39%和6.64%。在城市尺度，深圳拥有超过100家中游企业，远高于其他地区。究其原因，深圳作为低空经济发展先行先试的城市，在无人机领域形成了良好的经验积累与成果产出，已培育出较为完整的无人机产业生态，特别是全球最大的无人机整机制造企业大疆创新科技有限公司的总部位于此地。其次，北京、成都、郑州和南京也拥有30家以上的中游企业。整体上，中游企业形成了明显高于其他地区的珠三角企业集聚区，其次是围绕京津冀、长三角、中原城市群形成的企业集中连片分布区和成渝企业集聚区。
图5 2024年无人机中游整机制造企业空间分布与核密度图

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 5 Spatial distribution and kernel density map of midstream UAV manufacturing enterprises in 2024

4.4 下游企业空间分布

无人机下游的服务提供商企业分布相对最分散，其莫兰指数仅为0.007且并不显著。下游企业的区域差异也相对较小，东部、中部、西部和东北地区的企业占比分别为34.86%、22.32%、29.62%和13.19%。这是因为下游企业布局决策的关键在于应用市场，需要更靠近应用端并服务更广泛的市场空间。因此，无人机下游企业分布范围广，涉及城市多达279个，覆盖不同规模的城市。通过“中心城市辐射+下沉市场渗透”的组合策略，下游企业形成了多核心、多层次的空间结构，以长春和哈尔滨为中心的哈长城市群、以深圳和广州为中心的珠三角、以西安为中心的关中平原、以北京为中心的京津冀、围绕南京和合肥的长三角以及围绕成都的成渝地区均有较多下游企业分布（图6）。
图6 2024年无人机下游服务提供商的企业空间分布与核密度图

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 6 Spatial distribution and kernel density map of downstream UAV service providers in 2024

5 产业链空间协同关系

为识别无人机产业链的空间协同关系，以城市为单元，借鉴已有研究[36]，采用均值分析方法，根据其在上游、中游、下游的企业数量与所有城市平均水平的比较（图7），将城市划分为协调型、需求型、引导型、培育型4种类型（表1）。其中，协调型城市的无人机上游、中游和下游企业数量均较多，产业链相对完整；需求型城市指上游、中游和下游中的两个环节的企业数量较多，需要弥补产业链的某一环节，具体根据其需要弥补的类型可进一步划分为上游需求型、中游需求型和下游需求型；引导型城市指上游、中游和下游中某一环节的企业数量较多，其他两类企业较少，需要引导优势企业带动产业链发展，具体根据城市对应的优势环节进一步划分为上游引导型、中游引导型和下游引导型；培育型城市指上游、中游和下游企业数量均较少，需要加强培育产业发展。各类型城市的空间分布如图8所示。
图7 2024年各城市上中下游企业数量对比

注：仅标注上游、中游或下游企业数量位于前10位的城市名称。

Figure 7 Comparison of number of upstream, midstream, and downstream enterprises across cities in 2024

表1 城市无人机产业发展类型

Table 1 Development types of urban UAV industry

城市类型 企业数量均值分析 城市数量
上游 中游 下游
协调型 高 高 高 31
需求型 上游需求型 低 高 高 5
中游需求型 高 低 高 6
下游需求型 高 高 低 5
引导型 上游引导型 高 低 低 8
中游引导型 低 高 低 13
下游引导型 低 低 高 21
培育型 低 低 低 280
图8 2024年不同城市类型空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 8 Spatial distribution of different city types in 2024

5.1 协调型城市

协调型城市是当前无人机产业发展较好的地区，产业链相对完整，上中下游企业数量较多，在全国具有较大的竞争优势。协调型城市共有31个，主要包括珠三角的深圳、广州、珠海，长三角的南京、上海、杭州、苏州、合肥，京津冀的北京、天津、石家庄，山东半岛的济南、青岛、潍坊，成渝地区的成都和重庆等。整体上，这些城市社会经济发展相对较好，拥有较好的科教创新资源与政策支撑，31个城市中有27个为直辖市、省会或计划单列市，有10个城市是民用无人驾驶航空器示范区。较好的经济基础与政策支持为这些城市的无人机产业发展提供了有力支持，此类城市应关注前沿技术创新与市场拓展，发挥产业链上中下游的协同联动，积极参与全球竞争。

5.2 需求型城市

需求型城市是需要补强无人机产业链短板的类型，包括16个城市，主要以东部地区居多。其中：①上游需求型城市包括海口、邯郸、赣州、宿州、张掖，这些城市的中游和下游企业数量较多，但缺少上游企业。其中：海口为省会城市，沿海的地理区位和丰富的海岛资源，为无人机中下游产业提供了良好的市场环境，根据《民用无人驾驶航空器操控员和云系统数据统计报告（2023）》，2023年第一季度和第四季度海南的无人机运行热力密度明显较高。邯郸、赣州、宿州、张掖等对无人机应用场景的不断拓展促进了中下游企业发展，例如，2024年邯郸市中心医院开通了“低空生命航线”，通过无人机实现医疗物资的快速运输；张掖通航飞行在西北地区水平领先，丹霞机场成功跻身全国通用机场15强，其通航产业园作为国家级航空飞行营地，带动周围企业从事无人机相关产业，逐渐形成了产业集聚效应[37]。②中游需求型城市包括南昌、兰州、佛山、东营、烟台、芜湖6个，除南昌和兰州为中西部省会城市外，其余均在沿海地区。这些城市在无人机原材料供应、零部件制造、核心系统和配套服务产业等方面发展具有较好的发展基础，但需要补强中游整机制造，完善无人机产业链。③下游需求型城市包括宁波、东莞、无锡、嘉兴、菏泽5个，普遍具有较好的制造业基础，在无人机产业上中游形成一定基础。例如，宁波是全国首个国家级制造业单项冠军企业超过100家的城市，已有百余家企业涉足低空经济领域，其中约80%的企业集中在中上游制造环节[38]；东莞制造业基础较好且邻近深圳和广州；无锡在航空发动机等产业方面具有一定基础且位于长三角城市群地区。此类城市需要关注的是下游配套服务方面的发展。

5.3 引导型城市

引导型城市是需要依托无人机产业链优势环节，引导壮大整个产业发展的类型，包括42个城市。其中：①上游引导型城市包括镇江、常州、徐州、泰州、中山、汉中、景德镇、株洲，其中半数位于江苏。此类城市在技术创新、自主研发等方面具有一定优势，例如：常州新能源产业发展基础较好，株洲是中国重要的轨道交通装备制造基地，汉中航空装备制造业基础优势大，这些支撑了无人机产业在原材料供应、零部件制造和核心系统等方面的发展。利用已有优势，引导促进无人机全产业链发展是此类城市需要关注的内容。②中游引导型包括大庆、惠州、保定、邢台、绵阳、白城等13个城市。这些城市在中游整机制造方面的企业数量相对较多，但上游和下游企业缺失，需要关注产业链上游供应和下游服务应用。③下游引导型包括福州、西宁、安庆、普洱、赤峰、张家口等21个城市，这些城市的无人机产业链下游的配套服务具有一定基础，但是上游和下游的产业发展相对不足，应依托良好的市场基础和应用需求，引导带动无人机产业发展。

5.4 培育型城市

无人机是新兴产业领域，大部分城市的产业发展水平有限，这导致了多数城市属于培育型，即在产业链上游、中游和下游的企业都较少。这类城市分布广泛，主要在中西部地区以及珠三角、长三角和京津冀等城市群的外围地区。这些地区的社会经济或创新资源相对薄弱，无人机产业发展有限。但随着国家和地方政府对低空经济的重视以及市场整体发展，城市应立足于地方特色和优势，因地制宜地发展低空经济。

6 结论、政策建议与研究展望

6.1 结论

本文基于产业链视角，系统研究了无人机企业的空间分布格局与产业链上中下游的协同关系。主要结论如下：
（1）中国无人机产业形成上游、下游和中游企业数量依次递减的格局。上游企业数量最多，尤其是原材料供应企业；中游的整机制造企业数量相对较少。空间上，无人机企业表现出“东密西疏、南多北少”的分布格局，珠三角无人机企业密度远高于其他地区，其次为长三角、成渝、京津冀和关中平原等城市群地区。
（2）无人机产业链上中下游的企业分布格局存在明显差异。上游企业空间集聚性最高，以珠三角地区最密集，其次为以西安为核心的关中平原地区；中游企业以珠三角地区最多，其次是围绕京津冀、长三角、中原城市群形成的集中连片分布区和成渝企业集聚区；下游企业面向市场用户，在主要城市群地区分布普遍较多，区域差异相对较小。
（3）根据无人机产业链的分布情况，城市可以归纳为协调型、需求型、引导型和培育型。大部分直辖市、省会或计划单列市属于协调型，上游、中游和下游的企业数量均较多，无人机产业发展优势较大。部分城市在产业链单一环节或两个环节具有优势，属于引导型或需求型。作为新兴领域，大部分城市的无人机产业发展水平有限，尚属于需要培育的阶段。

6.2 政策建议

无人机作为低空飞行活动的重要支撑，在低空经济国家战略科学落地上具有关键作用。随着各地相关政策的陆续出台和产业支撑体系的不断发展，无人机产业布局从早期的少数核心城市逐步向更多地区扩散，带动更广泛区域和企业的参与。整体上，无人机产业发展仍存在明显的上中下游空间分布差异，不同城市的发展阶段和水平差异较大。因此，需要加强国家层面的统筹规划布局，根据不同城市的实际情况，因地制宜地制定发展策略。深圳、广州、北京、上海和南京等城市的上中下游企业数量较多，产业链完整，应依托现有产业基础，继续强化优势，推进关键技术领域的科技创新与人才培养，打造具有国际竞争力的产业集群。宁波、无锡和东莞等需求型城市在产业链特定环节优势突出，需要补齐短板，加强优势引导，着力完善无人机产业链，增强产业链韧性。而较多城市尚处于培育发展阶段，需要结合本地资源禀赋与产业基础精准定位，选择产业链特定环节作为切入点，培育符合地方特色的产业生态。通过强链、补链、延链等差异化、动态化产业布局策略，将有助于实现中国无人机产业的协同发展和整体竞争力提升。

6.3 研究展望

本文创新之处在于基于产业链视角，构建了覆盖无人机上游、中游、下游全产业链的企业数据库，系统深入地研究了中国无人机产业链不同环节的空间分布特征与协同关系，识别了城市无人机产业的发展类型。受数据获取限制，本文主要聚焦于国内范围，未来可基于全球尺度并结合供应链视角，探究不同国家之间的无人机产业发展差异以及生产和贸易网络等。同时，未来可通过计量模型与调研访谈等方法进一步深入解析无人机产业分布的关键因素、作用机制以及国家低空经济相关政策的影响。此外，不同地区的自然禀赋与社会经济基础等会影响无人机场景应用的适宜性，不同场景的无人机飞行需求与组织模式存在较大差异，这也会在一定程度上影响无人机产业布局，因此未来可立足农业、物流、文旅等具体的应用场景继续丰富研究议题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
廖小罕, 黄耀欢, 刘霞. 低空经济时代地理信息科技发展的机遇和挑战[J]. 地球信息科学学报, 2025, 27(1): 1-9.

DOI

[Liao X H, Huang Y H, Liu X. Opportunities and challenges in developing geographic information science and technology in the era of the low-altitude economy[J]. Journal of Geo-information Science, 2025, 27(1): 1-9.]

[2]
廖小罕, 黄耀欢, 徐晨晨. 面向无人机应用的低空空域资源研究探讨[J]. 地理学报, 2021, 76(11): 2607-2620.

DOI

[Liao X H, Huang Y H, Xu C C. Views on the study of low-altitude airspace resources for UAV applications[J]. Acta Geographica Sinica, 2021, 76(11): 2607-2620.]

DOI

[3]
陈志杰, 朱永文, 刘杨. 基于数字化空域系统的城市无人机管理对策研究[J]. 中国民航大学学报, 2023, 41(3): 8-12.

[Chen Z J, Zhu Y W, Liu Y. Management strategy of the urban UAV based on digital airspace system[J]. Journal of Civil Aviation University of China, 2023, 41(3): 8-12.]

[4]
Xu C C, Liao X H, Tan J M, et al. Recent research progress of unmanned aerial vehicle regulation policies and technologies in urban low altitude[J]. IEEE Access, 2020, 8: 74175-74194.

[5]
廖小罕, 徐晨晨, 叶虎平. 低空经济发展与低空路网基础设施建设的效益和挑战[J]. 中国科学院院刊, 2024, 39(11): 1966-1981.

[Liao X H, Xu C C, Ye H P. Benefits and challenges of constructing low-altitude air route network infrastructure for developing low-altitude economy[J]. Bulletin of Chinese Academy of Sciences, 2024, 39(11): 1966-1981.]

[6]
廖小罕, 屈文秋, 徐晨晨, 等. 城市空中交通及其新型基础设施低空公共航路研究综述[J]. 航空学报, 2023, 44(24): 6-34.

[Liao X H, Qu W Q, Xu C C, et al. A review of urban air mobility and its new infrastructure low-altitude public routes[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(24): 6-34.]

[7]
樊邦奎, 李云, 张瑞雨. 浅析低空智联网与无人机产业应用[J]. 地理科学进展, 2021, 40(9): 1441-1450.

DOI

[Fan B K, Li Y, Zhang R Y. Initial analysis of low-altitude internet of intelligences (IOI) and the applications of unmanned aerial vehicle industry[J]. Progress in Geography, 2021, 40(9): 1441-1450.]

DOI

[8]
张洪海, 李姗, 夷珈, 等. 城市低空航路规划研究综述[J]. 南京航空航天大学学报, 2021, 53(6): 827-838.

[Zhang H H, Li S, Yi J, et al. Review on urban low-altitude air route planning[J]. Journal of Nanjing University of Aeronautics and Astronautics (Natural Science Edition), 2021, 53(6): 827-838.]

[9]
张军, 陈磊, 高智杰, 等. 低空无人机技术研究现状与展望[J]. 中国工程科学, 2025, 27(2): 73-85.

DOI

[Zhang J, Chen L, Gao Z J, et al. Low-altitude unmanned aerial vehicle technology: Current status and prospects[J]. Strategic Study of CAE, 2025, 27(2): 73-85.]

DOI

[10]
Hu J, Yang X, Wang W, et al. Obstacle avoidance for uas in continuous action space using deep reinforcement learning[J]. IEEE Access, 2022, 10: 90623-90634.

[11]
李德仁, 李明. 无人机遥感系统的研究进展与应用前景[J]. 武汉大学学报(信息科学版), 2014, 39(5): 505-513.

[Li D R, Li M. Research advance and application prospect of unmanned aerial vehicle remote sensing system[J]. Geomatics and Information Science of Wuhan University, 2014, 39(5): 505-513.]

[12]
付晶莹, 彭婷, 江东, 等. 草地资源立体观测研究进展与理论框架[J]. 资源科学, 2020, 42(10): 1932-1943.

DOI

[Fu J Y, Peng T, Jiang D, et al. Research progress and theoretical framework of multidimensional observation of grassland resources[J]. Resources Science, 2020, 42(10): 1932-1943.]

DOI

[13]
陈曦亮, 李钢, 徐锋, 等. 基于无人机航拍照片的西安城市形象感知研究[J]. 地理科学进展, 2021, 40(9): 1600-1612.

DOI

[Chen X L, Li G, Xu F, et al. City image perception of Xi’an based on unmanned aerial vehicle photography photos[J]. Progress in Geography, 2021, 40(9): 1600-1612.]

[14]
Huang X. The small-drone revolution is coming: scientists need to ensure it will be safe[J]. Nature, 2025, 637(8044): 29-30.

[15]
郑秀梅, 李智恒. 城市空中交通研究进展与趋势[J]. 飞行力学, 2025, 43(1): 10-18.

[Zheng X M, Li Z H. Research progress and trends of urban air mobility[J]. Flight Dynamics, 2025, 43(1): 10-18.]

[16]
Liu Y, Dai H N, Wang Q, et al. Unmanned aerial vehicle for internet of everything: Opportunities and challenges[J]. Computer communications, 2020, 155: 66-83.

[17]
俞国军, 贺灿飞, 朱晟君. 产业集群韧性: 技术创新、关系治理与市场多元化[J]. 地理研究, 2020, 39(6): 1343-1356.

DOI

[Yu G J, He C F, Zhu S J. Industrial cluster resilience: Technological innovation, relational governance, and market diversification[J]. Geographical Research, 2020, 39(6): 1343-1356.]

[18]
周灿, 曾刚. 经济地理学视角下产业集群研究进展与展望[J]. 经济地理, 2018, 38(1): 11-19.

DOI

[Zhou C, Zeng G. Progress and prospect of international research on industrial cluster: A perspective from economic geography[J]. Economic Geography, 2018, 38(1): 11-19.]

DOI

[19]
蓝婷婷, 邵留国. 中国清洁能源金属产业链供应链韧性评估[J]. 资源科学, 2025, 47(4): 891-906.

DOI

[Lan T T, Shao L G. Resilience evaluation of industry and supply chains of clean energy metals in China[J]. Resources Science, 2025, 47(4): 891-906.]

DOI

[20]
张宇祺, 李华姣, 安海忠, 等. 产业链视角下关键矿产资源可供性研究进展[J]. 资源科学, 2024, 46(4): 671-686.

DOI

[Zhang Y Q, Li H J, An H Z, et al. Progress and frontiers of critical mineral resource availability research based on the perspective of industrial chain[J]. Resources Science, 2024, 46(4): 671-686.]

DOI

[21]
索琪, 李长升, 王力媛. 中国新能源汽车产业协同创新网络时空演化特征分析[J]. 世界地理研究, 2024, 33(2): 79-92.

DOI

[Suo Q, Li C S, Wang L Y. Spatio-temporal evolution characteristics of China’s new energy vehicle industry collaborative innovation network[J]. World Regional Studies, 2024, 33(2): 79-92.]

[22]
王正, 贾砚淮, 左文进. 数字金融对高新技术产业链韧性的影响研究[J]. 价格理论与实践, 2024, (6): 208-213.

[Wang Z, Jia Y H, Zuo W J. Research on the impact of digital finance on the resilience of high-tech industrial chains[J]. Price: Theory & Practice, 2024, (6): 208-213.]

[23]
张文剑, 陈科, 蔡凌曦. 中国无人机产业生态链的协同发展研究[J]. 技术与市场, 2022, 29(5): 133-135.

[Zhang W J, Chen K, Cai L X. Research on the coordinated development of China’s UAV industry ecological chain[J]. Technology and Market, 2022, 29(5): 133-135.]

[24]
陈钊, 初运运. 新兴企业进入与产业链升级: 来自中国无人机行业的证据[J]. 世界经济, 2023, 46(2): 85-107.

[Chen Z, Chu Y Y. Firm entry and industrial chain upgrading: Evidence from China’s drone industry[J]. The Journal of World Economy, 2023, 46(2): 85-107.]

[25]
金永花. 新发展机遇期我国新能源汽车产业链水平提升研究[J]. 经济纵横, 2022, (1): 83-90.

[Jin Y H. Research on the improvement of China’s new energy vehicle industry chain in the new development opportunity period[J]. Economic Review Journal, 2022, (1): 83-90.]

[26]
李艳华, 严丹. 航空航天产业提升区域经济发展质量的机理与路径研究[J]. 区域经济评论, 2020, (1): 145-152.

[Li Y H, Yan D. Research on the mechanism and path of improving regional economic development quality by aerospace industry[J]. Regional Economic Review, 2020, (1): 145-152.]

[27]
李国红, 李文宇, 张俊霞. 无人机系统关键技术专利态势研究[J]. 电信网技术, 2017, (3): 30-36.

[Li G H, Li W Y, Zhang J X. Research on the patent situation of the key technology of UAV system[J]. Telecommunications Network Technology, 2017, (3): 30-36.]

[28]
肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5): 1338-1351.

DOI

[Xiao F, Wang J E, Huang Y J, et al. Exploring the spatial and scale variation of factors affecting the geography of high-tech enterprises in China[J]. Geographical Research, 2022, 41(5): 1338-1351.]

[29]
韩燕, 潘成, 金凤君, 等. 黄河流域数字经济产业空间格局演化及影响因素[J]. 资源科学, 2024, 46(3): 488-504.

DOI

[Han Y, Pan C, Jin F J, et al. Evolution and influencing factors of the spatial pattern of digital industry in the Yellow River Basin[J]. Resources Science, 2024, 46(3): 488-504.]

DOI

[30]
Borruso G. Network density estimation: A GIS approach for analysing point patterns in a network space[J]. Transactions in GIS, 2008, 12(3): 377-402.

[31]
唐志鹏, 刘红光, 刘志高, 等. 经济地理学中的数量方法[M]. 北京: 气象出版社, 2012.

[Tang Z P, Liu H G, Liu Z G, et al. Quantitative Methods for Economic Geographies[M]. Beijing: China Meteorological Press, 2012.]

[32]
王姣娥, 杜德林. 东北振兴以来地区经济发展水平演化及空间分异模式[J]. 地理科学, 2016, 36(9): 1320-1328.

DOI

[Wang J E, Du D L. The evolution of economic development level in northeast China and its spatial differentiation mode since 2003[J]. Geographical Science, 2016, 36(9): 1320-1328.]

[33]
方创琳, 王振波, 马海涛. 中国城市群形成发育规律的理论认知与地理学贡献[J]. 地理学报, 2018, 73(4): 651-665.

DOI

[Fang C L, Wang Z B, Ma H T. The theoretical cognition of the development law of China’s urban agglomeration and academic contribution[J]. Acta Geographica Sinica, 2018, 73(4): 651-665.]

[34]
黄洁, 杜德林, 王姣娥, 等. 基于城市群尺度的高铁列车与长途汽车网络结构比较[J]. 地理科学, 2020, 40(12): 1958-1966.

DOI

[Huang J, Du D L, Wang J E, et al. A comparative study on network structures of high-speed train and inter-city coach based on the urban agglomerations[J]. Scientia Geographica Sinica, 2020, 40(12): 1958-1966.]

DOI

[35]
戴靓, 曹湛, 朱青, 等. 中国城市群知识多中心发展评价[J]. 资源科学, 2021, 43(5): 886-897.

DOI

[Dai L, Cao Z, Zhu Q, et al. Analyzing polycentric urban development in China: Evidence from intercity knowledge collaboration[J]. Resources Science, 2021, 43(5): 886-897.]

DOI

[36]
杜德林, 王姣娥, 焦敬娟, 等. 珠三角地区产业与创新协同发展研究[J]. 经济地理, 2020, 40(10): 100-107.

DOI

[Du D L, Wang J E, Jiao J J, et al. Research on the coordinated development between industry and innovation in the Pearl River Delta[J]. Economic Geography, 2020, 40(10): 100-107.]

DOI

[37]
贾文君. 甘肃省低空经济发展策略研究[J]. 北方经济, 2024, (12): 45-48.

[Jia W J. Research on low-altitude economic development strategy in Gansu Province[J]. Northern Economy, 2024, (12): 45-48.]

[38]
徐欣, 李佩佳, 杨绪忠. 低空经济风口来了宁波如何“振翅高飞”[J]. 宁波经济(财经视点), 2024, (9): 17-24.

[Xu X, Li P J, Yang X Z. Low-altitude economic tuyere came to Ningbo how to “fly high”[J]. Ningbo Economy (Financial View), 2024, (9): 17-24.]

Options
文章导航

/

〈 〉