■ 武慶圓 何凌南 胡家華

1.廣東金融學(xué)院互聯(lián)網(wǎng)金融與信息工程學(xué)院 廣州 510521

2.中山大學(xué)傳播與設(shè)計(jì)學(xué)院 廣州 510079

3.北京師范大學(xué)珠海分校管理學(xué)院 珠海 519085

0 引言

技術(shù)演進(jìn)路徑是指特定領(lǐng)域在特定的經(jīng)濟(jì)、技術(shù)變量的約束下，依據(jù)一定的技術(shù)方式進(jìn)行技術(shù)創(chuàng)新努力的可行路徑，是多維空間中一組可能的技術(shù)成長(zhǎng)路徑[1]。由于技術(shù)自產(chǎn)生之日起，有些技術(shù)就不斷發(fā)展成熟并獲得廣泛應(yīng)用，而有些技術(shù)會(huì)因種種原因淘汰甚至消亡。如果從國(guó)家、企業(yè)到研究團(tuán)體等能夠前瞻性、預(yù)見(jiàn)性地了解特定技術(shù)領(lǐng)域的演進(jìn)路徑，可幫助創(chuàng)新主體提高競(jìng)爭(zhēng)效率，在市場(chǎng)競(jìng)爭(zhēng)中獲得較高的經(jīng)濟(jì)收益和市場(chǎng)份額，從而贏得更多的競(jìng)爭(zhēng)優(yōu)勢(shì)。在全球范圍，中國(guó)的創(chuàng)新技術(shù)水平尚未具備足夠的競(jìng)爭(zhēng)力[2]，如何輔助創(chuàng)新主體快速找到特定技術(shù)領(lǐng)域的技術(shù)機(jī)會(huì)、技術(shù)空白點(diǎn)，刻畫(huà)特定技術(shù)的演進(jìn)路徑具有重要的研究?jī)r(jià)值。因此，本文旨在研究創(chuàng)新技術(shù)領(lǐng)域演進(jìn)路徑的有效方法與模型。

技術(shù)演進(jìn)路徑的相關(guān)研究大多基于某一類(lèi)關(guān)系的單維關(guān)系網(wǎng)絡(luò)，如專(zhuān)利主體引用關(guān)系、專(zhuān)利分類(lèi)號(hào)的共現(xiàn)關(guān)系等，而學(xué)者已發(fā)現(xiàn)單維關(guān)系網(wǎng)絡(luò)的研究局限性和不足。Li等指出在專(zhuān)利文獻(xiàn)中存在多個(gè)引用主體，導(dǎo)致專(zhuān)利的引證關(guān)系存在重復(fù)雜性[3]。彭帥等利用專(zhuān)利和論文之間的引用關(guān)系來(lái)測(cè)量技術(shù)對(duì)于科學(xué)的依賴(lài)程度[4]。郭思月等指出利用語(yǔ)義引用能夠更好地挖掘出有價(jià)值的技術(shù)情報(bào)[5]。Madani等揭示傳統(tǒng)的引證關(guān)系的弊端和局限性，提出基于語(yǔ)義層面分析隱性的知識(shí)價(jià)值[6]。孫冰等探討了傳統(tǒng)引用網(wǎng)絡(luò)的局限性，通過(guò)引入網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，能夠更加科學(xué)、精準(zhǔn)地識(shí)別技術(shù)演進(jìn)和核心企業(yè)[7]。李睿等論述了傳統(tǒng)的被引用頻次等指標(biāo)的局限性，提出了多個(gè)維度的指標(biāo)衡量體系[8]。與此同時(shí)，為了彌補(bǔ)和改進(jìn)上述不足，有學(xué)者利用動(dòng)態(tài)網(wǎng)絡(luò)分析方法構(gòu)建具有多重屬性關(guān)系的異構(gòu)網(wǎng)絡(luò)并對(duì)相關(guān)技術(shù)產(chǎn)業(yè)展開(kāi)實(shí)證研究，如姜春林等以O(shè)LED 技術(shù)領(lǐng)域相關(guān)專(zhuān)利為數(shù)據(jù)源,建立多重屬性節(jié)點(diǎn)的技術(shù)創(chuàng)新網(wǎng)絡(luò)并對(duì)其網(wǎng)絡(luò)測(cè)度分析[9]。楊仲基等以中國(guó)石墨烯產(chǎn)業(yè)為樣本，利用動(dòng)態(tài)網(wǎng)絡(luò)分析方法對(duì)其專(zhuān)利合作網(wǎng)絡(luò)特征及演化態(tài)勢(shì)展開(kāi)研究[10]。葉琴以東營(yíng)市石油裝備企業(yè)申請(qǐng)專(zhuān)利與合作專(zhuān)利數(shù)據(jù),探討多維鄰近對(duì)東營(yíng)市石油裝備制造業(yè)創(chuàng)新網(wǎng)絡(luò)演化的影響[11]。

梳理上述文獻(xiàn)發(fā)現(xiàn)，單維網(wǎng)絡(luò)可用于快速發(fā)現(xiàn)、刻畫(huà)核心、關(guān)鍵團(tuán)體，但其單一、靜態(tài)、單模的視角不夠全面、動(dòng)態(tài)地反映產(chǎn)業(yè)技術(shù)的演化程度，在研究現(xiàn)狀、演化、特征等方面存在局限。多維網(wǎng)絡(luò)一定程度上可以更全面地解釋網(wǎng)絡(luò)的潛在價(jià)值和信息。本文在動(dòng)態(tài)網(wǎng)絡(luò)分析方法的基礎(chǔ)上，聚焦人工智能高新技術(shù)型戰(zhàn)略產(chǎn)業(yè)，以其專(zhuān)利數(shù)據(jù)為研究樣本，利用時(shí)態(tài)變化視角，構(gòu)建出多層多維網(wǎng)絡(luò)的體系方法，使其不僅可以全面、精準(zhǔn)地反映特定產(chǎn)業(yè)的演化過(guò)程，還能為創(chuàng)新主體開(kāi)展相關(guān)工作提供重要的決策依據(jù)。具體而言：首先，構(gòu)建多維網(wǎng)絡(luò)，測(cè)算多類(lèi)中心性指標(biāo)集，分析人工智能領(lǐng)域的技術(shù)創(chuàng)新主體、技術(shù)創(chuàng)新領(lǐng)域的總體演化態(tài)勢(shì)；其次，從時(shí)間動(dòng)態(tài)變化視角下，有效劃分人工智能的發(fā)展歷程，研究不同時(shí)態(tài)下技術(shù)創(chuàng)新主體、創(chuàng)新領(lǐng)域的演化特點(diǎn)及共性，進(jìn)而從宏觀、微觀層面全面揭示人工智能產(chǎn)業(yè)創(chuàng)新網(wǎng)絡(luò)的演化態(tài)勢(shì)，為有效推動(dòng)創(chuàng)新協(xié)同、提高競(jìng)爭(zhēng)效率提供參考。

1 動(dòng)態(tài)網(wǎng)絡(luò)分析演化測(cè)度模型

1.1 基于專(zhuān)利的動(dòng)態(tài)網(wǎng)絡(luò)分析元矩陣構(gòu)建

卡耐基梅隆大學(xué)的Carley 教授提出了融合傳統(tǒng)社會(huì)網(wǎng)絡(luò)分析、關(guān)聯(lián)分析、多智能系統(tǒng)分析等方法的動(dòng)態(tài)網(wǎng)絡(luò)分析理論（Dynamic Network Analysis，簡(jiǎn)稱(chēng)DNA）及分析軟件[12]。該方法體系能夠構(gòu)建不同類(lèi)型的元矩陣，分析多種類(lèi)型數(shù)據(jù)網(wǎng)絡(luò)中各節(jié)點(diǎn)的位置和變化，具有強(qiáng)大的可視化功能。具體而言，其元矩陣的構(gòu)建可以從人、知識(shí)、組織、事務(wù)、地域位置等交叉構(gòu)建，本研究將專(zhuān)利數(shù)據(jù)中的屬性進(jìn)行歸類(lèi)（詳見(jiàn)表1），如專(zhuān)利權(quán)人作為主體（Agent）、以國(guó)際專(zhuān)利分類(lèi)號(hào)（IPC）作為知識(shí)（Knowledge）、以國(guó)家作為地域（Location）等，根據(jù)各維度之間的合作、共現(xiàn)、附屬關(guān)系等構(gòu)建多重技術(shù)創(chuàng)新網(wǎng)絡(luò)如下：（1）主體合作網(wǎng)絡(luò)（Agent *Agent，簡(jiǎn)稱(chēng)AA）；（2）知識(shí)共現(xiàn)網(wǎng)絡(luò)（Knowledge * Knowledge，簡(jiǎn)稱(chēng)KK)；（3）主體*知識(shí)關(guān)聯(lián)網(wǎng)絡(luò)（Agent*Knowledge，簡(jiǎn)稱(chēng)AK）。

表1 基于動(dòng)態(tài)網(wǎng)絡(luò)分析的創(chuàng)新網(wǎng)絡(luò)演化測(cè)度表

1.2 3類(lèi)網(wǎng)絡(luò)中心性指標(biāo)計(jì)算公式描述

本文采用的網(wǎng)絡(luò)中心性指標(biāo)集包括：權(quán)威中心性（Authority Centrality，簡(jiǎn)稱(chēng)AC）、中介中心性（Between‐ness Centrality，簡(jiǎn)稱(chēng)BC）、接近中心性（Closeness Cen‐trality，簡(jiǎn)稱(chēng)CC）。其中，權(quán)威中心性可用于發(fā)現(xiàn)核心團(tuán)體、中介中心性可用于發(fā)現(xiàn)關(guān)鍵團(tuán)體、接近中心性可用于發(fā)現(xiàn)潛在的核心技術(shù)團(tuán)體。我們進(jìn)一步介紹每類(lèi)指標(biāo)的計(jì)算公式，如下所示：

在權(quán)威中心性的計(jì)算中，對(duì)一個(gè)矩形網(wǎng)絡(luò)的鄰接矩陣G，首先計(jì)算G’*G，其中G’為G的轉(zhuǎn)置矩陣，然后通過(guò)Jacobi 方法得到其特征值和特征向量，最后將最大特征值對(duì)應(yīng)的特征向量作為特征向量中心性，如下所示：

在中介中心性的計(jì)算中，令G=(V,E)是某個(gè)網(wǎng)絡(luò)的圖表示，其中V為節(jié)點(diǎn)集合，E為邊的集合。令n=|V|，即圖G中的節(jié)點(diǎn)數(shù)量為n。對(duì)于特定的節(jié)點(diǎn)vεV，該節(jié)點(diǎn)的中介中心性的計(jì)算公式如下：

上式中，u和w是節(jié)點(diǎn)集合V中的兩個(gè)節(jié)點(diǎn)，nG(u,w)為圖G中從u到w的最短路徑長(zhǎng)度。如果(u,w)∈E，則令nG(u,w)=1。此外，集合S的定義如下：

在接近中心性的計(jì)算中，令G=(V,E)是某個(gè)網(wǎng)絡(luò)的圖表示，其中V為節(jié)點(diǎn)集合，E為邊的集合。對(duì)于特定的節(jié)點(diǎn)v∈V，該節(jié)點(diǎn)的接近中心性計(jì)算公式如下：

其中，給定所有從v不能到達(dá)的節(jié)點(diǎn)i：

2 人工智能產(chǎn)業(yè)技術(shù)演化態(tài)勢(shì)基本統(tǒng)計(jì)分析

人工智能（Artificial Intelligence,AI）亦稱(chēng)機(jī)器智能，是指由人制造出來(lái)的機(jī)器所表現(xiàn)出來(lái)的智能[13]。從1956年被首次提出以來(lái)，人工智能的發(fā)展幾經(jīng)沉浮，在近十年里迎來(lái)了技術(shù)質(zhì)的飛躍。人工智能作為引領(lǐng)人類(lèi)未來(lái)的戰(zhàn)略性技術(shù)，在引發(fā)科技、產(chǎn)業(yè)和社會(huì)變革方面具有巨大潛力，2021年頒布的《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出，要在事關(guān)國(guó)家安全和發(fā)展全局的基礎(chǔ)核心領(lǐng)域，制定實(shí)施戰(zhàn)略性科學(xué)計(jì)劃和科學(xué)工程。瞄準(zhǔn)人工智能等前沿領(lǐng)域，實(shí)施一批具有前瞻性、戰(zhàn)略性的國(guó)家重大科技項(xiàng)目[14]。專(zhuān)利創(chuàng)新是衡量技術(shù)創(chuàng)新態(tài)勢(shì)、發(fā)現(xiàn)技術(shù)創(chuàng)新機(jī)會(huì)的重要指標(biāo)之一，是研究創(chuàng)新產(chǎn)業(yè)技術(shù)發(fā)展的重要數(shù)據(jù)基礎(chǔ)。

本文立足于人工智能領(lǐng)域的專(zhuān)利數(shù)據(jù)，數(shù)據(jù)全部來(lái)源德溫特專(zhuān)利數(shù)據(jù)庫(kù)，通過(guò)從專(zhuān)業(yè)文獻(xiàn)中提取關(guān)鍵詞并向領(lǐng)域內(nèi)的專(zhuān)家征求意見(jiàn)，對(duì)關(guān)鍵詞進(jìn)行修正，確定最終的檢索式為：TI=("artificial intelligence*" OR "Depth learning*" OR "Natural language processing*" OR"Speech Recognition*" OR "Computer vision*" OR "Ges‐ture control*" OR "smart robot*" OR "Video recogni‐tion*" OR "Voice translation*" OR "Image Recognition*"OR "Machine learning*") OR TS= ("artificial intelli‐gence*" OR "AI" OR "Depth learning*" OR "Basic algo‐rithm*" OR "Natural language Processing*" OR "Smart search*" OR "Speech Recognition*" OR "Computer vi‐sion*" OR "Gesture control*" OR "Smart recommenda‐tion*" OR "smart robot*" OR "Video recognition*" OR"Voice translation*" OR Translation*" OR "Automatic drive*" OR "Image Recognition*" OR "Machine learn‐ing*")。

獲取1996～2020年有效專(zhuān)利數(shù)據(jù)55154 條。參考人工智能領(lǐng)域相關(guān)的專(zhuān)利分析報(bào)告，本文以5年為1 個(gè)子階段將時(shí)間劃分為5 個(gè)階段并驗(yàn)證了其有效性：1 階段（1996～2000），2階段（2001～2005），3階段（2006～2010），4階段（2011～2015），5階段（2016～2020）。

2.1 多重屬性的數(shù)量分布分析

本文研究中，專(zhuān)利數(shù)據(jù)中的專(zhuān)利權(quán)人用于表示人工智能產(chǎn)業(yè)中的技術(shù)創(chuàng)新主體，IPC 用于表示該產(chǎn)業(yè)中的技術(shù)創(chuàng)新領(lǐng)域，通過(guò)對(duì)專(zhuān)利權(quán)人、IPC、地域的分布統(tǒng)計(jì)，發(fā)現(xiàn)維度的數(shù)量級(jí)雖有所差異，但數(shù)量的趨勢(shì)變化基本保持一致，基本在2013、2014、2015年出現(xiàn)的明顯的拐點(diǎn)變化（詳見(jiàn)圖1）。

圖1 多重屬性的數(shù)量變化趨勢(shì)圖

在數(shù)量頻次統(tǒng)計(jì)分布中（詳見(jiàn)表2），可現(xiàn)專(zhuān)利權(quán)人多數(shù)為企業(yè)等組織機(jī)構(gòu)且大多數(shù)公司隸屬于日本、美國(guó)等地，而分類(lèi)號(hào)主要集中于G、H、A等領(lǐng)域。

表2 技術(shù)創(chuàng)新主體、技術(shù)創(chuàng)新領(lǐng)域數(shù)量統(tǒng)計(jì)表（前20名）

2.2 多重屬性的差異性、相關(guān)性比較分析

通過(guò)方差分析與Pearson 相關(guān)分析發(fā)現(xiàn)不同屬性間存在顯著的相關(guān)性（詳見(jiàn)表3），IPC、專(zhuān)利權(quán)人、地域分布均隨著時(shí)間的發(fā)展和變化，呈現(xiàn)顯著的正相關(guān)關(guān)系。同時(shí)，專(zhuān)利權(quán)人、IPC、地域在5個(gè)時(shí)間段中均呈現(xiàn)明顯的差異性。

表3 基于方差分析與Pearson相關(guān)分析的多重屬性統(tǒng)計(jì)表

2.3 多重屬性的共現(xiàn)行為比較分析

多重屬性的共現(xiàn)行為包括技術(shù)主體的合作行為、技術(shù)領(lǐng)域的共類(lèi)行為等，對(duì)共現(xiàn)行為的刻畫(huà)是研究技術(shù)產(chǎn)業(yè)演化的重要方式之一，通過(guò)多因素方差分析發(fā)現(xiàn)（詳見(jiàn)表4）合作、共類(lèi)行為在時(shí)間維度的分布中沒(méi)有明顯的差異性，但在合作、共現(xiàn)程度上存在明顯的差異性。

表4 多因素方差分析的創(chuàng)新主體、創(chuàng)新領(lǐng)域共現(xiàn)行為分析表

通過(guò)多維統(tǒng)計(jì)分析發(fā)現(xiàn)，人工智能技術(shù)產(chǎn)業(yè)總體呈現(xiàn)基本的發(fā)展態(tài)勢(shì)：第一，人工智能產(chǎn)業(yè)的創(chuàng)新進(jìn)程在全球范圍內(nèi)進(jìn)一步拓寬；第二，技術(shù)創(chuàng)新主體、創(chuàng)新領(lǐng)域已形成明顯的集中現(xiàn)象；第三，不同時(shí)間階段下，人工智能領(lǐng)域的發(fā)展具有明顯差異；第四，融合分布上，創(chuàng)新主體間的合作行為，創(chuàng)新領(lǐng)域的共現(xiàn)行為呈現(xiàn)明顯差異。在后文中，本文進(jìn)一步從網(wǎng)絡(luò)視角解釋該技術(shù)領(lǐng)域的宏觀、微觀的動(dòng)態(tài)演化態(tài)勢(shì)及特性。

3 人工智能技術(shù)創(chuàng)新網(wǎng)絡(luò)演化態(tài)勢(shì)分析

本節(jié)首先從多層網(wǎng)絡(luò)視角下，刻畫(huà)人工智能總體宏觀演化態(tài)勢(shì)；進(jìn)而結(jié)合時(shí)間動(dòng)態(tài)視角刻畫(huà)該技術(shù)領(lǐng)域具體的演化態(tài)勢(shì)和特性。

3.1 多層網(wǎng)絡(luò)視角下人工智能領(lǐng)域技術(shù)宏觀演化態(tài)勢(shì)分析

3.1.1 多層網(wǎng)絡(luò)視角下技術(shù)創(chuàng)新主體宏觀演化態(tài)勢(shì)分析

基于AA網(wǎng)絡(luò)、AK網(wǎng)絡(luò)構(gòu)建下測(cè)算多類(lèi)中心性指標(biāo)集用于反映核心技術(shù)創(chuàng)新主體、關(guān)鍵技術(shù)創(chuàng)新主體的分布態(tài)勢(shì)，便于全面刻畫(huà)技術(shù)主體的總體演化態(tài)勢(shì)。本文統(tǒng)計(jì)不同網(wǎng)絡(luò)中高于指標(biāo)平均值的節(jié)點(diǎn)分布（詳見(jiàn)表5），其中，1表示出現(xiàn)，0表示未出現(xiàn)。各類(lèi)網(wǎng)絡(luò)中接近度測(cè)算均無(wú)高于平均值的節(jié)點(diǎn)，暫無(wú)展示。

表5 多層網(wǎng)絡(luò)多類(lèi)指標(biāo)下的技術(shù)創(chuàng)新主體排名分布表

AA 網(wǎng)絡(luò)中人工智能領(lǐng)域中核心節(jié)點(diǎn)和關(guān)鍵節(jié)點(diǎn)的重復(fù)主體較少，核心技術(shù)主體主要集中于IBM、飛利浦、惠普、松下、摩托羅拉等公司，大多企業(yè)主要集中于日本、美國(guó)、中國(guó)等國(guó)家。而關(guān)鍵技術(shù)主體主要集中于IBM、松下、谷歌、微軟、三星、騰訊、清華大學(xué)等機(jī)構(gòu)，核心節(jié)點(diǎn)和關(guān)鍵節(jié)點(diǎn)之間的重合率較低有且僅有：IBM、微妙、中國(guó)電力即是核心又是關(guān)鍵節(jié)點(diǎn)。在AK 網(wǎng)絡(luò)中，企業(yè)主要集中于富士、佳能、三菱、蘋(píng)果、豐田、AT&T 知識(shí)產(chǎn)權(quán)公司、百度、臉書(shū)等。在不同網(wǎng)絡(luò)中，IBM、英特爾、松下、東芝、谷歌、三星、微軟等是人工智能領(lǐng)域技術(shù)演化的核心領(lǐng)域，結(jié)合技術(shù)領(lǐng)域分布發(fā)現(xiàn)IBM 公司在人工智能領(lǐng)域內(nèi)涉及到82 個(gè)不同子行業(yè)領(lǐng)域。富士、三星、OPPO 在單維網(wǎng)絡(luò)的核心技術(shù)主體地位沒(méi)有非常突出，但在多維網(wǎng)絡(luò)中的技術(shù)領(lǐng)域涉足的廣度、深度上較為突出。富士涉及64 個(gè)子行業(yè)領(lǐng)域，主要集中于G10L、G06F、G06T、G06K、H04N；三星涉及97 個(gè)子行業(yè)領(lǐng)域，主要集中于G10L、G06F、G06N、H04N、H04W；OPPO 公司涉及27 個(gè)子行業(yè)領(lǐng)域，主要集中于G06F、G06K、H04N、G10L、H04M。同時(shí)，以中國(guó)電力為代表的相關(guān)的中國(guó)機(jī)構(gòu)開(kāi)始崛起，其技術(shù)領(lǐng)域主要涉及58個(gè)子行業(yè)領(lǐng)域，技術(shù)主要集中于G06Q、G06K、G06F、H04N領(lǐng)域。

3.1.2 多層網(wǎng)絡(luò)視角下技術(shù)創(chuàng)新領(lǐng)域宏觀演化態(tài)勢(shì)分析

基于KK網(wǎng)絡(luò)、AK網(wǎng)絡(luò)構(gòu)建下測(cè)算多類(lèi)中心性指標(biāo)集用于反映核心技術(shù)創(chuàng)新領(lǐng)域、關(guān)鍵技術(shù)創(chuàng)新領(lǐng)域的分布態(tài)勢(shì)，便于全面刻畫(huà)技術(shù)主體的總體演化態(tài)勢(shì)。本文統(tǒng)計(jì)不同網(wǎng)絡(luò)中高于指標(biāo)平均值的節(jié)點(diǎn)分布（詳見(jiàn)表6），其中，1表示出現(xiàn)，0表示未出現(xiàn)。各類(lèi)網(wǎng)絡(luò)中接近度測(cè)算均無(wú)高于平均值的節(jié)點(diǎn)，暫無(wú)展示。

表6 多層網(wǎng)絡(luò)多類(lèi)指標(biāo)下技術(shù)創(chuàng)新領(lǐng)域排名分布表

統(tǒng)計(jì)發(fā)現(xiàn)A、B、G、H 類(lèi)是人工智能領(lǐng)域核心區(qū)域，而G 類(lèi)是傳統(tǒng)核心領(lǐng)域，A、B 類(lèi)是人工智能涌現(xiàn)的新興領(lǐng)域。其中，B25J、G06F、G06K、G06N、G06Q、G06T、G10L、H01L、H04N 均是核心、關(guān)鍵技術(shù)創(chuàng)新領(lǐng)域，其主要涉及B 類(lèi)的機(jī)械與裝有操縱的容器領(lǐng)域；G 類(lèi)的計(jì)算模型，數(shù)據(jù)識(shí)別，數(shù)據(jù)處理，涉及商業(yè)、金融、管理監(jiān)督等系統(tǒng)的內(nèi)容；語(yǔ)音分析、語(yǔ)音識(shí)別或聲音處理技術(shù)；電通信、圖像融信技術(shù)等。而關(guān)鍵非核心技術(shù)的主要集中于A61K、B01D、B01J、C12N、C08L、G01N、G01B、G02B、H05K 領(lǐng)域，主要涉及醫(yī)用、牙刷或梳妝配制品；物理化學(xué)方法；微生物、酶、變異遺傳工程；測(cè)試、測(cè)量技術(shù)；及HO5K階段的印刷電路；電設(shè)備的外殼或結(jié)構(gòu)零部件；電氣元件組件的制造。由此可見(jiàn)，電數(shù)字?jǐn)?shù)據(jù)處理，數(shù)據(jù)識(shí)別、一般的圖像數(shù)據(jù)處理或產(chǎn)生、語(yǔ)音識(shí)別，圖像通信，數(shù)字信息的傳輸、基于特定計(jì)算模型的計(jì)算機(jī)系統(tǒng)、無(wú)線(xiàn)通信網(wǎng)絡(luò)、數(shù)據(jù)處理系統(tǒng)或方法等依舊是技術(shù)領(lǐng)域的傳統(tǒng)核心領(lǐng)域，但多維網(wǎng)絡(luò)分析中還涌現(xiàn)出無(wú)線(xiàn)通信網(wǎng)絡(luò)，數(shù)據(jù)處理系統(tǒng)或方法等兩類(lèi)新興的技術(shù)子領(lǐng)域。

3.2 時(shí)態(tài)變化下人工智能技術(shù)微觀演化趨勢(shì)分析

3.2.1 人工智能技術(shù)創(chuàng)新主體微觀演化態(tài)勢(shì)分析

（1）AA網(wǎng)絡(luò)下技術(shù)創(chuàng)新主體的微觀演化態(tài)勢(shì)分析

在核心技術(shù)主體的涌現(xiàn)和融合中（詳見(jiàn)表7），從1996～2010年，我們發(fā)現(xiàn)IBM、飛利浦占據(jù)人工智能領(lǐng)域的核心技術(shù)主體位置，處于類(lèi)似的節(jié)點(diǎn)狀態(tài)的公司還有惠普、松下、摩托羅拉、日本電氣股份有限公司等。2011～2020年，新核心技術(shù)主體開(kāi)始涌現(xiàn)，如：谷歌、國(guó)家電網(wǎng)等公司機(jī)構(gòu)。

表7 基于5個(gè)時(shí)間階段的AA網(wǎng)絡(luò)技術(shù)創(chuàng)新主體排名分布表

在關(guān)鍵團(tuán)體的分布中，英特爾、IBM 始終處于核心，關(guān)鍵節(jié)點(diǎn)位置，個(gè)體中的LI Y、ZHANG L 均是關(guān)鍵節(jié)點(diǎn)，微軟、國(guó)家電網(wǎng)均有突出表現(xiàn)，但索尼、東芝公司在1995-2010年前處于關(guān)鍵節(jié)點(diǎn)位置后續(xù)再無(wú)突出表現(xiàn)。值得關(guān)注的是騰訊公司、清華大學(xué)有突出表現(xiàn)。

（2）AK網(wǎng)絡(luò)下技術(shù)創(chuàng)新主體的微觀演化態(tài)勢(shì)分析

技術(shù)領(lǐng)域的涉足廣度和深度上，富士、IBM、三星、索尼表現(xiàn)非常突出；2016～2020年，谷歌、美國(guó)通用電氣公司、北京航空航天大學(xué)、南京郵電大學(xué)、華南理工大學(xué)、西安電子科技大學(xué)、浙江大學(xué)等表現(xiàn)較為突出（詳見(jiàn)表8）。在多維網(wǎng)絡(luò)的分析中，大量的高?？蒲袡C(jī)構(gòu)會(huì)參與到技術(shù)融合和交叉的探索中，這在一定程度上符合知識(shí)創(chuàng)新的基本規(guī)律，先理論創(chuàng)新再演化為技術(shù)創(chuàng)新。

表8 基于5個(gè)時(shí)間階段的AK網(wǎng)絡(luò)技術(shù)創(chuàng)新主體排名分布表

綜上所示，在人工智能領(lǐng)域技術(shù)主體的核心，關(guān)鍵團(tuán)體的融合演化過(guò)程中，我們發(fā)現(xiàn)人工智能領(lǐng)域的領(lǐng)頭企業(yè)的核心，關(guān)鍵位置較為穩(wěn)固，如IBM 公司等，在第二梯隊(duì)的技術(shù)主體上，技術(shù)主體的融合演化過(guò)程變化較為頻繁，如松下、摩托羅拉的核心地位開(kāi)始被谷歌等取代。而高校等科研結(jié)構(gòu)大多處于技術(shù)創(chuàng)新的關(guān)鍵連接節(jié)點(diǎn)位置。

3.2.2 人工智能技術(shù)創(chuàng)新領(lǐng)域微觀演化態(tài)勢(shì)分析

（1）KK網(wǎng)絡(luò)下技術(shù)創(chuàng)新領(lǐng)域微觀演化態(tài)勢(shì)分析

核心技術(shù)在過(guò)去幾十年的發(fā)展融合過(guò)程中未有發(fā)現(xiàn)大規(guī)模對(duì)于傳統(tǒng)核心領(lǐng)域的迭代現(xiàn)象（詳見(jiàn)表9），但作為涌現(xiàn)出大量的新興技術(shù)開(kāi)始有規(guī)模的融入人工智能領(lǐng)域，如在時(shí)間維度的第1階段中，關(guān)鍵技術(shù)領(lǐng)域主要集中在A61K、G01B、G01N 等，在時(shí)間維度的第5 階段中，關(guān)鍵技術(shù)領(lǐng)域主要集中在C12N、A61B、G06N、B25J等。

表9 基于5個(gè)時(shí)間階段的KK網(wǎng)絡(luò)技術(shù)創(chuàng)新領(lǐng)域排名分布表

關(guān)鍵技術(shù)領(lǐng)域主要集中在物理、運(yùn)輸、化學(xué)、電學(xué)領(lǐng)域，其中物理最多、運(yùn)輸,化學(xué)次之、電學(xué)最少，可以看出在關(guān)鍵節(jié)點(diǎn)的發(fā)現(xiàn)中，化學(xué)類(lèi)取代了人類(lèi)生活必需類(lèi)，其是連接不同技術(shù)領(lǐng)域的關(guān)鍵節(jié)點(diǎn)。具體而言，電數(shù)字?jǐn)?shù)據(jù)處理,數(shù)據(jù)識(shí)別，一般的圖像數(shù)據(jù)處理或產(chǎn)生，語(yǔ)音分析或合成，圖像通信在20多年的發(fā)展過(guò)程中始終處于關(guān)鍵融合節(jié)點(diǎn)位置，在2010年～2020年發(fā)展中，如微生物或酶，無(wú)環(huán)或碳環(huán)化合物，使用無(wú)機(jī)物或非高分子有機(jī)物作為配料，數(shù)字信息的傳輸，機(jī)械手，數(shù)據(jù)處理系統(tǒng)或方法等技術(shù)開(kāi)始融入人工智能領(lǐng)域。

（2）AK網(wǎng)絡(luò)下技術(shù)創(chuàng)新領(lǐng)域微觀演化態(tài)勢(shì)分析

根據(jù)AK 網(wǎng)絡(luò)下技術(shù)創(chuàng)新領(lǐng)域時(shí)態(tài)演化趨勢(shì)分布（詳見(jiàn)表10），可見(jiàn)多數(shù)技術(shù)創(chuàng)新領(lǐng)域之間有所重疊，G06依舊是核心技術(shù)領(lǐng)域。

表10 基于5個(gè)時(shí)間階段的AK網(wǎng)絡(luò)技術(shù)創(chuàng)新領(lǐng)域排名分布表

另外，可見(jiàn)H04M、H05K 在AK 網(wǎng)絡(luò)中心位置主要突出在1個(gè)時(shí)間階段，但隨著人工智能領(lǐng)域交叉學(xué)科、新興學(xué)科數(shù)量和速度不斷加快，其領(lǐng)域的中心性地位在后續(xù)的時(shí)間態(tài)勢(shì)中沒(méi)有進(jìn)一步凸顯。

4 結(jié)論與建議

4.1 研究結(jié)論及貢獻(xiàn)

從動(dòng)態(tài)、多維網(wǎng)絡(luò)視角展開(kāi)研究，對(duì)人工智技術(shù)進(jìn)行宏微觀、縱橫向全面比較分析發(fā)現(xiàn)，日本、美國(guó)依舊是該領(lǐng)域的核心技術(shù)優(yōu)勢(shì)國(guó)家，中國(guó)在人工智能領(lǐng)域開(kāi)始展露頭角，通過(guò)對(duì)該領(lǐng)域技術(shù)創(chuàng)新主體、技術(shù)創(chuàng)新領(lǐng)域演化態(tài)勢(shì)的分析，發(fā)現(xiàn)如下態(tài)勢(shì)：

（1）技術(shù)創(chuàng)新主體演化態(tài)勢(shì)中，人工智能行業(yè)的原有核心技術(shù)主體融合過(guò)程正在發(fā)生明顯的變化，除了IBM、英特爾、松下、東芝、谷歌、三星、微軟等依舊暫居核心關(guān)鍵地位外，其他技術(shù)主體正處于不斷迭代、變化的過(guò)程。新興人工智能領(lǐng)域公司如微妙等開(kāi)始崛起。中國(guó)企業(yè)在該領(lǐng)域的技術(shù)優(yōu)勢(shì)開(kāi)始涌現(xiàn)，其代表機(jī)構(gòu)有：百度、騰訊、中國(guó)電力等企業(yè)和清華大學(xué)、浙江大學(xué)、南京郵電大學(xué)等高校機(jī)構(gòu)。

（2）技術(shù)創(chuàng)新領(lǐng)域演化態(tài)勢(shì)中，人工智能的核心傳統(tǒng)領(lǐng)域如G06 依舊是核心關(guān)鍵領(lǐng)域，其發(fā)展一直處于穩(wěn)定、主流的狀態(tài)，但新興技術(shù)子領(lǐng)域在數(shù)量和涉及的行業(yè)上開(kāi)始呈現(xiàn)出積極狀態(tài)。各領(lǐng)域的企業(yè)開(kāi)始積極探索將G06 與其他類(lèi)學(xué)科進(jìn)行融合、應(yīng)用的可能性，如A類(lèi)人類(lèi)生活必需中的涉及醫(yī)用行業(yè)的A61B、A61K，C類(lèi)化學(xué)、冶金中涉及微生物、變異遺傳工程行業(yè)的C12N、C08J等。

（3）從時(shí)態(tài)變化上看，1996-2010年前傳統(tǒng)工業(yè)智能是技術(shù)發(fā)展的主流趨勢(shì)，從2011-2020年無(wú)線(xiàn)電導(dǎo)航、智能機(jī)器人等領(lǐng)域的迅速發(fā)展，全球人工智能技術(shù)演進(jìn)經(jīng)歷了從傳統(tǒng)制造業(yè)到新興產(chǎn)業(yè)的躍升，但日本、美國(guó)等國(guó)家依舊是引領(lǐng)躍升變化的主流國(guó)家，日本在技術(shù)創(chuàng)新演化過(guò)程中專(zhuān)注于智能機(jī)器人等領(lǐng)域，美國(guó)專(zhuān)注于電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域。

本文的研究貢獻(xiàn)在于不僅拓寬了探尋專(zhuān)利多維屬性間知識(shí)流動(dòng)內(nèi)在規(guī)律的方法模型；并且豐富了技術(shù)領(lǐng)域的實(shí)踐案例和方法體系，能為創(chuàng)新主體提供科學(xué)、合理的建議并幫助其實(shí)現(xiàn)既定技術(shù)創(chuàng)新目標(biāo)。

4.2 研究建議及措施

根據(jù)本文實(shí)證內(nèi)容的分析和闡述，本研究進(jìn)一步給予的建議與措施如下所示：

（1）借鑒技術(shù)優(yōu)勢(shì)國(guó)家或地區(qū)發(fā)展經(jīng)驗(yàn)，積極尋求交叉技術(shù)領(lǐng)域的創(chuàng)新機(jī)會(huì)：通過(guò)了解日本、美國(guó)人工智能技術(shù)領(lǐng)域的發(fā)展過(guò)程，中國(guó)的相關(guān)創(chuàng)新機(jī)構(gòu)在發(fā)展過(guò)程中應(yīng)注重對(duì)核心、關(guān)鍵技術(shù)領(lǐng)域優(yōu)勢(shì)的占據(jù)，并且需要積極探尋多領(lǐng)域融合的創(chuàng)新行為，實(shí)現(xiàn)彎道超車(chē)的可能。

（2）聚焦核心、關(guān)鍵技術(shù)節(jié)點(diǎn)的創(chuàng)新突破，尋求新的關(guān)鍵技術(shù)節(jié)點(diǎn)創(chuàng)新優(yōu)勢(shì)：人工智能產(chǎn)業(yè)中技術(shù)創(chuàng)新主體的時(shí)態(tài)交替變化較為明顯，而關(guān)鍵、核心技術(shù)領(lǐng)域的迭代相對(duì)穩(wěn)定。為此，相關(guān)機(jī)構(gòu)一方面應(yīng)跟蹤已有的關(guān)鍵、核心技術(shù)領(lǐng)域的創(chuàng)新進(jìn)展，另一方面，可積極發(fā)現(xiàn)新的關(guān)鍵、核心技術(shù)節(jié)點(diǎn)（如醫(yī)用、化學(xué)、生物領(lǐng)域等），從而創(chuàng)造自己的技術(shù)優(yōu)勢(shì)機(jī)會(huì)。

（3）積極探尋產(chǎn)學(xué)研合作的高效途徑，尋求合適的技術(shù)創(chuàng)新合作對(duì)象：根據(jù)實(shí)證結(jié)論，目前中國(guó)在關(guān)鍵、核心專(zhuān)利權(quán)人分布中，高校機(jī)構(gòu)占比較大，反映中國(guó)在該領(lǐng)域的研發(fā)階段多集中于理論創(chuàng)新，離應(yīng)用創(chuàng)新還有一定的距離。為此，相關(guān)機(jī)構(gòu)一方面可積極參與高校機(jī)構(gòu)的研發(fā)合作，另一方面，可以聚集理論創(chuàng)新與技術(shù)應(yīng)用創(chuàng)新的轉(zhuǎn)化工作，從而提高企業(yè)自身創(chuàng)新效率，獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

5.3 研究不足與展望

本文研究結(jié)果仍然存在一定的局限性。第一，調(diào)研數(shù)據(jù)主要來(lái)自人工智能領(lǐng)域的專(zhuān)利數(shù)據(jù)，在多源數(shù)據(jù)的方面可以進(jìn)一步擴(kuò)充，收集更多可參與研究的數(shù)據(jù)。第二，本研究多源關(guān)系的考慮主要涉及主體的合作關(guān)系、專(zhuān)利分類(lèi)號(hào)的共現(xiàn)關(guān)系，未來(lái)的研究還可以通過(guò)增加更多關(guān)系維度來(lái)提高演進(jìn)模型的全面性、準(zhǔn)確性，以更科學(xué)地了解目標(biāo)技術(shù)演進(jìn)過(guò)程。