劉曉燕，孫麗娜，裘靖文，單曉紅

(1.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100124；2.南京大學(xué)信息管理學(xué)院，南京 210023)

0 引言

近年來(lái)，人工智能已成為引領(lǐng)未來(lái)發(fā)展的前沿性、戰(zhàn)略性技術(shù)，據(jù)incoPat全球?qū)＠麛?shù)據(jù)庫(kù)分析顯示，2010年全世界人工智能相關(guān)公開(kāi)專(zhuān)利為16 102項(xiàng)，截至2019年，全世界公開(kāi)專(zhuān)利已經(jīng)達(dá)到114 292項(xiàng)，增長(zhǎng)7倍之多。各發(fā)達(dá)國(guó)家或地區(qū)(如美國(guó)、日本、歐洲等)紛紛將人工智能列為本國(guó)高科技發(fā)展重點(diǎn)[1]，與此同時(shí)，中國(guó)也高度重視新一代人工智能的發(fā)展，2017 年7月，國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》指出，到2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。技術(shù)融合最早是由Rosenberg[2]于1963年在不同產(chǎn)業(yè)中使用了相類(lèi)似的技術(shù)的背景下提出的，其本質(zhì)是一種技術(shù)創(chuàng)新[3]，是由不同技術(shù)軌道的整合所導(dǎo)致的不同技術(shù)元素整合的過(guò)程[4]。人工智能技術(shù)融合之所以受到各國(guó)關(guān)注，是由于它具有跨界特征，可帶動(dòng)傳統(tǒng)產(chǎn)業(yè)升級(jí)。

目前已有不少?lài)?guó)內(nèi)外學(xué)者研究集中在人工智能技術(shù)融合應(yīng)用層面： Jiang F等[5]對(duì)人工智能在醫(yī)療領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行了分析評(píng)估，并提供了未來(lái)產(chǎn)業(yè)在醫(yī)療領(lǐng)域的部署方案；陳燕紅[6]全面分析了人工智能投資顧問(wèn)應(yīng)用于證券投資市場(chǎng)的優(yōu)勢(shì)和風(fēng)險(xiǎn)，這些研究體現(xiàn)了市場(chǎng)對(duì)人工智能技術(shù)融合的需求和拉動(dòng)效應(yīng)。但是要實(shí)現(xiàn)深度融合，應(yīng)結(jié)合技術(shù)融合的本質(zhì)，不能忽略技術(shù)的推動(dòng)效應(yīng)。技術(shù)的擴(kuò)散與融合往往受到大量因素的影響，技術(shù)廣度對(duì)于技術(shù)融合度的驅(qū)動(dòng)程度最大[7]，前期積累豐富的技術(shù)領(lǐng)域具有更大的技術(shù)融合潛力[8]。技術(shù)鄰近性、技術(shù)成熟度等技術(shù)特征也會(huì)影響技術(shù)融合的效果[9-11]。還有學(xué)者提出組織也會(huì)影響技術(shù)融合，認(rèn)為政府與企業(yè)之間的合作關(guān)系越強(qiáng)，越容易促進(jìn)技術(shù)融合的發(fā)生[12]；一個(gè)組織內(nèi)部發(fā)生明顯的技術(shù)融合，不同組織的技術(shù)很少發(fā)生跨組織的技術(shù)融合。

綜上，可看出人工智能跨界技術(shù)融合已經(jīng)成為各界關(guān)注的重點(diǎn)，但是由于缺乏理論的深入研究，跨界融合面臨風(fēng)險(xiǎn)大、成本高等困境，需要從理論上研究跨界融合的機(jī)理和過(guò)程，明確如何借助融合技術(shù)選擇、融合伙伴選擇提升融合績(jī)效，才能夠有效地指導(dǎo)跨界融合應(yīng)用，實(shí)現(xiàn)從技術(shù)融合到產(chǎn)業(yè)融合的跨越。前期研究中國(guó)內(nèi)外學(xué)者指出了技術(shù)因素、組織因素會(huì)影響技術(shù)融合，但是存在兩方面問(wèn)題。首先，在研究?jī)?nèi)容方面：1)技術(shù)與組織割裂，技術(shù)依附于組織，跨界技術(shù)融合需要通過(guò)選擇擁有相關(guān)融合技術(shù)的伙伴，借助合作或交易實(shí)現(xiàn)知識(shí)在組織間流動(dòng)，進(jìn)而實(shí)現(xiàn)技術(shù)融合，如果僅從技術(shù)或組織層面研究技術(shù)融合如何發(fā)生會(huì)影響結(jié)果的真實(shí)性；2)忽略了網(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)，技術(shù)在融合的過(guò)程中形成融合關(guān)系，多種融合關(guān)系的疊加形成融合網(wǎng)絡(luò)，現(xiàn)有研究更關(guān)注技術(shù)的特征，而忽略了網(wǎng)絡(luò)結(jié)構(gòu)特征，技術(shù)嵌入在網(wǎng)絡(luò)中，其他的融合關(guān)系也會(huì)影響到該項(xiàng)技術(shù)的融合，因此需要考慮網(wǎng)絡(luò)嵌入性。其次，在研究方法方面，現(xiàn)有研究大多采用回歸、結(jié)構(gòu)方程等方法分析影響因素，考慮網(wǎng)絡(luò)嵌入性因素后，這類(lèi)方法存在局限性，未能剖析網(wǎng)絡(luò)結(jié)構(gòu)特征及網(wǎng)絡(luò)演化過(guò)程。部分學(xué)者引入模糊集定性比較方法(fsQCA)用于技術(shù)網(wǎng)絡(luò)影響因素分析，但此種方法無(wú)法研究網(wǎng)絡(luò)演化過(guò)程及單一變量對(duì)網(wǎng)絡(luò)的影響[13]。多層指數(shù)隨機(jī)圖模型可刻畫(huà)網(wǎng)絡(luò)的形成過(guò)程，能夠以仿真的方式估計(jì)網(wǎng)絡(luò)的內(nèi)生結(jié)構(gòu)、節(jié)點(diǎn)屬性以及網(wǎng)絡(luò)間關(guān)系對(duì)網(wǎng)絡(luò)形成的影響。

基于此，本文將技術(shù)與組織有機(jī)結(jié)合起來(lái)，并引入網(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)從技術(shù)特征、組織的技術(shù)特征、組織的關(guān)系特征3個(gè)維度研究人工智能跨界技術(shù)融合機(jī)理。借鑒國(guó)內(nèi)外學(xué)者使用專(zhuān)利數(shù)據(jù)描述技術(shù)融合的方法[14]，從專(zhuān)利中抽取技術(shù)融合關(guān)系、組織與技術(shù)隸屬關(guān)系、組織間合作關(guān)系構(gòu)建多層網(wǎng)絡(luò)模型，并使用多層指數(shù)隨機(jī)圖模型進(jìn)行仿真，揭示隱藏在數(shù)據(jù)背后的技術(shù)融合機(jī)理。

1 研究框架與方法

人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)，具有跨界融合的特點(diǎn)和趨勢(shì)，逐漸呈現(xiàn)出復(fù)雜網(wǎng)絡(luò)的特征：1)技術(shù)融合表現(xiàn)為技術(shù)間由于知識(shí)流動(dòng)形成的融合關(guān)系；2)技術(shù)依附于組織，表現(xiàn)為組織與技術(shù)的隸屬關(guān)系；3)組織間由于合作影響知識(shí)的流動(dòng)，進(jìn)而影響技術(shù)融合。因此本文構(gòu)建技術(shù)融合網(wǎng)絡(luò)、組織-技術(shù)隸屬網(wǎng)絡(luò)以及組織合作網(wǎng)絡(luò)的三層復(fù)雜網(wǎng)絡(luò)模型，借助多層指數(shù)隨機(jī)圖模型進(jìn)行仿真實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行檢驗(yàn)。

1.1 人工智能技術(shù)融合多層網(wǎng)絡(luò)模型

本文構(gòu)建的技術(shù)融合多層網(wǎng)絡(luò)由三部分組成：1)技術(shù)融合網(wǎng)絡(luò)：技術(shù)融合表現(xiàn)為在一個(gè)專(zhuān)利中包括多項(xiàng)技術(shù)，專(zhuān)利作為技術(shù)創(chuàng)新的產(chǎn)物，常被用來(lái)作為研究技術(shù)創(chuàng)新的代理指標(biāo)[15]，它能直觀(guān)地反映發(fā)生融合的技術(shù)之間的關(guān)系變化過(guò)程[16]，專(zhuān)利IPC共現(xiàn)分析方法被廣泛用于技術(shù)融合[17]，本文選擇IPC共現(xiàn)描述技術(shù)間的融合關(guān)系，構(gòu)建的技術(shù)融合網(wǎng)絡(luò)，即B網(wǎng)絡(luò)；2)組織-技術(shù)隸屬網(wǎng)絡(luò)：技術(shù)依附于組織，專(zhuān)利中的專(zhuān)利權(quán)人與其研發(fā)專(zhuān)利的IPC號(hào)可以表明專(zhuān)利權(quán)人的技術(shù)特征，即專(zhuān)利權(quán)人擁有哪類(lèi)技術(shù)，本文從專(zhuān)利中提取專(zhuān)利權(quán)人-技術(shù)隸屬關(guān)系矩陣構(gòu)建的組織-技術(shù)隸屬二分網(wǎng)絡(luò)，即X網(wǎng)絡(luò)，用于描繪技術(shù)與組織之間的隸屬關(guān)系；3)組織合作網(wǎng)絡(luò)：組織合作反映的是專(zhuān)利權(quán)人在申請(qǐng)專(zhuān)利時(shí)的合作特征。當(dāng)一個(gè)專(zhuān)利擁有多個(gè)專(zhuān)利權(quán)人時(shí)，表示存在組織合作關(guān)系，從專(zhuān)利中抽取專(zhuān)利權(quán)人的共現(xiàn)關(guān)系構(gòu)建組織合作網(wǎng)絡(luò)，即A網(wǎng)絡(luò)。

1.2 基于MERGMs的技術(shù)融合作用機(jī)理模型

研究人工智能技術(shù)融合的機(jī)理不僅需要考慮技術(shù)、組織等外生屬性的影響，還要考慮網(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)，如傳遞性、同質(zhì)性等[18]。因此本文引入多層指數(shù)隨機(jī)圖模型(Multilevel Exponential Random Graph Models，MERGMs)，將外生屬性與內(nèi)生結(jié)構(gòu)有機(jī)結(jié)合實(shí)現(xiàn)多層網(wǎng)絡(luò)的仿真，如圖2所示。

圖1 人工智能技術(shù)融合多層網(wǎng)絡(luò)模型

圖2 技術(shù)融合影響因素分析模型

模型1：?jiǎn)文＞W(wǎng)絡(luò)模型即B網(wǎng)絡(luò)，包含技術(shù)融合網(wǎng)絡(luò)模型，用來(lái)衡量技術(shù)特征對(duì)于技術(shù)融合的影響。

模型2：?jiǎn)文＞W(wǎng)絡(luò)與二分網(wǎng)絡(luò)模型即B&X網(wǎng)絡(luò)，包含技術(shù)融合網(wǎng)絡(luò)模型及組織與技術(shù)隸屬網(wǎng)絡(luò)模型，用來(lái)衡量組織的技術(shù)特征對(duì)技術(shù)融合的影響。

模型3：兩個(gè)單模網(wǎng)絡(luò)與二分網(wǎng)絡(luò)模型即A&B&X網(wǎng)絡(luò)，包含組織合作網(wǎng)絡(luò)、技術(shù)融合網(wǎng)絡(luò)及組織技術(shù)隸屬網(wǎng)絡(luò)模型，用來(lái)衡量組織間關(guān)系特征對(duì)技術(shù)融合的影響。

本文借助 MPNet軟件實(shí)現(xiàn)MERGMs模型的構(gòu)建，并加入節(jié)點(diǎn)同質(zhì)項(xiàng)及結(jié)構(gòu)依賴(lài)項(xiàng)作為統(tǒng)計(jì)量，使用馬爾科夫鏈蒙特卡羅最大似然估計(jì)算法進(jìn)行參數(shù)估計(jì)，通過(guò)t-ratio判斷模型收斂情況，t-ratio的絕對(duì)值小于0.1則模型收斂，若模型不收斂，則更改統(tǒng)計(jì)量或修正統(tǒng)計(jì)量參數(shù)估計(jì)值修正模型；最后進(jìn)行擬合優(yōu)度檢驗(yàn)(Goodness of Fit，GOF)。

2 實(shí)證研究

2.1 數(shù)據(jù)來(lái)源

本文選擇incoPat全球?qū)＠麛?shù)據(jù)庫(kù)中人工智能領(lǐng)域2010～2019年的專(zhuān)利數(shù)據(jù)，利用Python構(gòu)建專(zhuān)利權(quán)人共現(xiàn)、IPC共現(xiàn)、專(zhuān)利權(quán)人-IPC共現(xiàn)矩陣，借助ORA實(shí)現(xiàn)多層網(wǎng)絡(luò)可視化和網(wǎng)絡(luò)指標(biāo)測(cè)量，如表1所示。本文將人工智能領(lǐng)域?qū)＠暾?qǐng)數(shù)據(jù)劃分為2010～2014年、2015～2017年及2018～2019年3個(gè)階段，網(wǎng)絡(luò)結(jié)構(gòu)中藍(lán)色方塊表示組織，紅色圓圈表示技術(shù)分類(lèi)，藍(lán)色方塊之間的連線(xiàn)表示組織間合作關(guān)系，紅色圓圈之間的連線(xiàn)表示技術(shù)融合關(guān)系，藍(lán)色方塊與紅色圓圈之間的連線(xiàn)表示組織-技術(shù)之間的隸屬關(guān)系。

表1 人工智能領(lǐng)域網(wǎng)絡(luò)演化情況

2.2 人工智能領(lǐng)域組織合作網(wǎng)絡(luò)演化特征

通過(guò)對(duì)3個(gè)階段人工智能領(lǐng)域組織合作網(wǎng)絡(luò)的分析發(fā)現(xiàn)：1)組織規(guī)模逐步擴(kuò)大。隨著人工智能相關(guān)產(chǎn)業(yè)的不斷發(fā)展，組織合作網(wǎng)絡(luò)結(jié)構(gòu)變得日益復(fù)雜，網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量和邊數(shù)量穩(wěn)定增加，表明越來(lái)越多的組織進(jìn)入人工智能領(lǐng)域進(jìn)行合作，人工智能相關(guān)產(chǎn)業(yè)市場(chǎng)需求不斷擴(kuò)大。2)組織合作處于起步階段。網(wǎng)絡(luò)密度能夠描述節(jié)點(diǎn)間的聯(lián)系程度，各階段網(wǎng)絡(luò)密度均較低且逐年下降，說(shuō)明人工智能領(lǐng)域各組織間合作較為稀疏，網(wǎng)絡(luò)中技術(shù)知識(shí)的轉(zhuǎn)移擴(kuò)散較為困難，組織間的合作有待加強(qiáng)。3)網(wǎng)絡(luò)傳輸效率低。平均路徑長(zhǎng)度是衡量網(wǎng)絡(luò)傳輸效率的指標(biāo)，網(wǎng)絡(luò)的平均路徑長(zhǎng)度較大且逐年增加，并在第3階段達(dá)到最大，說(shuō)明網(wǎng)絡(luò)信息流通較為困難，且網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變得越來(lái)越復(fù)雜，信息在網(wǎng)絡(luò)中的流通將耗費(fèi)節(jié)點(diǎn)較大能量。

2.3 人工智能領(lǐng)域技術(shù)融合網(wǎng)絡(luò)演化特征

通過(guò)對(duì)3個(gè)階段人工智能領(lǐng)域技術(shù)融合網(wǎng)絡(luò)的分析發(fā)現(xiàn)：1)人工智能的跨界融合處于起步階段，近兩年呈迅速擴(kuò)張態(tài)勢(shì)。最近十年人工智能產(chǎn)業(yè)技術(shù)融合網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量變化較小，節(jié)點(diǎn)間連線(xiàn)數(shù)近年來(lái)出現(xiàn)大幅增加，表明人工智能技術(shù)種類(lèi)變化較小，技術(shù)間的融合明顯增多，組織間越來(lái)越重視通過(guò)技術(shù)融合的手段實(shí)現(xiàn)人工智能領(lǐng)域的技術(shù)創(chuàng)新。與《中國(guó)新一代人工智能科技產(chǎn)業(yè)發(fā)展報(bào)告2020》中指出的隨著核心產(chǎn)業(yè)部門(mén)的發(fā)展和核心技術(shù)的成熟，中國(guó)人工智能科技產(chǎn)業(yè)發(fā)展已經(jīng)步入融合產(chǎn)業(yè)部門(mén)主導(dǎo)的新階段相一致。2)人工智能融合技術(shù)相對(duì)分散。網(wǎng)絡(luò)的密度和平均路徑長(zhǎng)度變化較小，網(wǎng)絡(luò)集中程度始終較低，說(shuō)明人工智能領(lǐng)域核心技術(shù)的控制能力較弱，各技術(shù)領(lǐng)域相對(duì)比較分散。

2.4 人工智能領(lǐng)域組織—技術(shù)融合網(wǎng)絡(luò)演化特征

通過(guò)對(duì)3個(gè)階段人工智能領(lǐng)域組織—技術(shù)融合網(wǎng)絡(luò)的分析發(fā)現(xiàn)：1)越來(lái)越多的組織開(kāi)展人工智能領(lǐng)域技術(shù)研發(fā)。人工智能領(lǐng)域組織—技術(shù)融合網(wǎng)絡(luò)規(guī)模逐漸增大，網(wǎng)絡(luò)中組織節(jié)點(diǎn)數(shù)不斷增加，技術(shù)節(jié)點(diǎn)變化較小，表明越來(lái)越多的企業(yè)進(jìn)入到人工智能領(lǐng)域開(kāi)展創(chuàng)新活動(dòng)，但是主要集中于原有技術(shù)領(lǐng)域。2)組織的知識(shí)寬度顯著增加。雖然人工智能領(lǐng)域的融合的技術(shù)范圍沒(méi)有發(fā)生很大變化，但是隨著研發(fā)的深入，組織所掌握的知識(shí)范圍明顯拓寬，第2階段較第1階段翻了一倍，第3階段較第2階段也增長(zhǎng)了近80%。3)組織—技術(shù)呈現(xiàn)核心—邊緣結(jié)構(gòu)特征。中心性可以表示企業(yè)掌握技術(shù)的情況，在組織中心性排名中，國(guó)家電網(wǎng)公司始終處于首位，說(shuō)明了該公司擁有最豐富的技術(shù)種類(lèi)，技術(shù)資源越豐富，在進(jìn)行技術(shù)融合時(shí)越方便。在技術(shù)中心性排名中，中心性處于首位的技術(shù)屬于領(lǐng)域內(nèi)的最核心的基礎(chǔ)技術(shù)，具有復(fù)雜度較低和研究較為廣泛的特征。2018年以前，G06F電數(shù)字?jǐn)?shù)據(jù)處理居于首位，2018年以后G06N基于特定模型的計(jì)算機(jī)系統(tǒng)替代它成為首位，人工智能領(lǐng)域的基礎(chǔ)技術(shù)發(fā)生轉(zhuǎn)變，意味著人工智能研究方向發(fā)生轉(zhuǎn)變，可能是工業(yè)和信息化部發(fā)布的《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018—2020)》中提到著重在視頻圖像身份識(shí)別系統(tǒng)、智能語(yǔ)音交互系統(tǒng)、智能翻譯系統(tǒng)等領(lǐng)域率先取得突破起到了一定作用。

2.5 人工智能節(jié)點(diǎn)間技術(shù)融合機(jī)理研究

借助MPNet構(gòu)建技術(shù)融合網(wǎng)絡(luò)影響因素模型，分別對(duì)3個(gè)階段的B網(wǎng)絡(luò)、B&X網(wǎng)絡(luò)、A&B&X網(wǎng)絡(luò)進(jìn)行仿真，在各階段的3組網(wǎng)絡(luò)中加入節(jié)點(diǎn)同質(zhì)項(xiàng)及結(jié)構(gòu)依賴(lài)項(xiàng)參數(shù)統(tǒng)計(jì)量，并根據(jù)模型的收斂情況進(jìn)行調(diào)整，使得模型整體收斂，盡可能多的統(tǒng)計(jì)量顯著。根據(jù)最終結(jié)果挖掘技術(shù)特征、組織的技術(shù)特征、組織間的關(guān)系特征對(duì)技術(shù)融合的影響，得到模型收斂后的參數(shù)估計(jì)的最終結(jié)果(見(jiàn)表2)。

表2中Model1包括的統(tǒng)計(jì)量EdgeB表示邊緣受控制網(wǎng)絡(luò)分布的密度，本模型中用來(lái)檢查網(wǎng)絡(luò)的整體疏密情況；ATB能夠檢查網(wǎng)絡(luò)關(guān)閉情況，本模型中用來(lái)觀(guān)測(cè)相似技術(shù)的融合情況；A2PB檢查節(jié)點(diǎn)是否傾向于分享相連伙伴，用來(lái)觀(guān)測(cè)已經(jīng)發(fā)生融合的技術(shù)與其他技術(shù)融合趨勢(shì)。

表2中Model2包括的統(tǒng)計(jì)量StarAXAB能夠觀(guān)測(cè)在單模網(wǎng)絡(luò)(A或B)中的活動(dòng)節(jié)點(diǎn)在中層網(wǎng)絡(luò)中是否處于活躍狀態(tài)，本模型中用來(lái)衡量組織擁有的共性技術(shù)與其他技術(shù)融合的難易情況；L3XBX能夠反映在中層網(wǎng)絡(luò)中活躍或受歡迎的節(jié)點(diǎn)是否也在層級(jí)內(nèi)關(guān)聯(lián)，本模型中用來(lái)觀(guān)測(cè)不同組織擁有的技術(shù)對(duì)技術(shù)融合的影響；ATXBX表示具有共同隸屬關(guān)系的節(jié)點(diǎn)之間形成聯(lián)系的趨勢(shì)，本模型中用于衡量同一組織內(nèi)多個(gè)技術(shù)對(duì)技術(shù)融合的影響。

表2 MERGMs運(yùn)行結(jié)果

表3中Model3包括的統(tǒng)計(jì)量L3AXBX能夠檢驗(yàn)層級(jí)內(nèi)網(wǎng)絡(luò)中活躍或流行節(jié)點(diǎn)隸屬于中觀(guān)網(wǎng)絡(luò)的趨勢(shì)，本模型中用于觀(guān)測(cè)組織與其他組織合作的技術(shù)與非合作組織技術(shù)的融合情況；C4AXB可以反映在一個(gè)層級(jí)中建立連接是否將增強(qiáng)在其他層級(jí)形成聯(lián)系的可能性，本模型中用于觀(guān)測(cè)組織間的創(chuàng)新合作關(guān)系對(duì)技術(shù)融合的影響；ASAXASB表示中層網(wǎng)絡(luò)中活躍或受歡迎的節(jié)點(diǎn)在單模網(wǎng)絡(luò)中是否關(guān)聯(lián)，本模型中用于觀(guān)測(cè)擁有“伙伴圈”的組織的技術(shù)和非“伙伴圈”組織技術(shù)的融合情況。

從總體上分析，Model、Model2和Model3均可以收斂，但在不同的時(shí)間段，三方面作用的效果有所不同。1)從Model1即技術(shù)特征層面來(lái)看，在3個(gè)階段中，EdgeB均為負(fù)值，說(shuō)明三層網(wǎng)絡(luò)均較為稀疏，技術(shù)融合較少，再一次印證了人工智能領(lǐng)域跨界技術(shù)融合處于起步階段；ATB及A2PB均為正值，說(shuō)明相似的技術(shù)更可能發(fā)生融合，且已經(jīng)發(fā)生融合的技術(shù)會(huì)促進(jìn)新融合的發(fā)生，這種促進(jìn)作用伴隨著時(shí)間的變化逐步增強(qiáng)。2)從Model2即組織的技術(shù)特征層面來(lái)看，StarAXAB在3個(gè)階段中均為負(fù)值，說(shuō)明組織擁有的共性技術(shù)不太可能與其他新技術(shù)發(fā)生融合，這主要是因?yàn)閼?zhàn)略性新興產(chǎn)業(yè)共性技術(shù)研發(fā)不僅投入高、風(fēng)險(xiǎn)大, 并且具有顯著的知識(shí)外溢性[19]，因此，對(duì)于共性技術(shù)的研發(fā)無(wú)法使企業(yè)維持自己的核心競(jìng)爭(zhēng)力，故企業(yè)對(duì)于共性技術(shù)的研發(fā)普遍缺乏積極性；L3XBX在第1階段為正值，意味著人工智能領(lǐng)域在這段時(shí)間常發(fā)生跨組織的技術(shù)融合，新技術(shù)的產(chǎn)生往往來(lái)自于不同組織間的戰(zhàn)略合作；ATXBX在后兩階段為負(fù)值，說(shuō)明同一組織內(nèi)兩個(gè)技術(shù)不容易發(fā)生技術(shù)融合，這可能是由于當(dāng)一個(gè)新興產(chǎn)業(yè)進(jìn)入成長(zhǎng)階段，同一組織的研發(fā)潛力有限，故企業(yè)更偏重技術(shù)的應(yīng)用而不是技術(shù)的創(chuàng)新。3)從Model3即組織的關(guān)系特征層面來(lái)看，L3AXB在第1階段為負(fù)值，說(shuō)明組織間的合作關(guān)系抑制技術(shù)融合的發(fā)生，C4AXB在第2階段為正值，說(shuō)明在第2階段中組織間的合作關(guān)系促進(jìn)技術(shù)融合的發(fā)生，第3階段開(kāi)始L3AXB又開(kāi)始呈現(xiàn)負(fù)值，組織間的合作關(guān)系開(kāi)始抑制技術(shù)融合的發(fā)生。這表明組織間的合作關(guān)系對(duì)于技術(shù)融合的影響是變化的，往往和一個(gè)產(chǎn)業(yè)所處的發(fā)展階段相關(guān)聯(lián)：產(chǎn)業(yè)發(fā)展初期組織間信任尚未形成，組織對(duì)知識(shí)產(chǎn)權(quán)的保護(hù)效應(yīng)導(dǎo)致技術(shù)不易融合；伴隨著合作的深入，信任帶來(lái)的創(chuàng)新績(jī)效凸顯，組織間通過(guò)合作研發(fā)實(shí)現(xiàn)創(chuàng)新，有力促進(jìn)了技術(shù)融合；進(jìn)入第3階段由于大量新組織節(jié)點(diǎn)的加入，技術(shù)規(guī)模卻變化不大，導(dǎo)致人工智能產(chǎn)業(yè)內(nèi)競(jìng)爭(zhēng)加劇，信任下降，影響到技術(shù)融合績(jī)效，其次已有合作產(chǎn)生了“鎖定”效應(yīng)，融合績(jī)效也將受到極大影響，因此第3階段的組織合作會(huì)降低技術(shù)融合的可能。ASAXASB在3個(gè)階段中均為負(fù)值，表示來(lái)自于直接伙伴即組織的“伙伴圈”關(guān)系，在3個(gè)階段均抑制與圈外新技術(shù)融合的發(fā)生，一定程度上說(shuō)明伙伴圈內(nèi)技術(shù)知識(shí)的密切交流，將限制企業(yè)對(duì)于伙伴圈外技術(shù)知識(shí)的獲取，使得企業(yè)與圈外組織進(jìn)行技術(shù)融合的風(fēng)險(xiǎn)及難度加大。

2.6 模型擬合優(yōu)度檢驗(yàn)

本文借助MPNet軟件對(duì)模型進(jìn)行GOF檢驗(yàn)，經(jīng)檢測(cè)模型中規(guī)定的所有估計(jì)統(tǒng)計(jì)量的t值的絕對(duì)值小于0.1，而其他網(wǎng)絡(luò)觀(guān)測(cè)值部分小于2。表明，技術(shù)融合網(wǎng)絡(luò)影響因素指定的模型與所構(gòu)建的網(wǎng)絡(luò)數(shù)據(jù)吻合較好，該模型能夠很好地描述真實(shí)觀(guān)測(cè)網(wǎng)絡(luò)。

2.7 穩(wěn)健性分析

為了驗(yàn)證本文提出的從技術(shù)特征、組織的技術(shù)特征、組織的關(guān)系特征3個(gè)層面構(gòu)建的人工智能技術(shù)融合機(jī)理研究模型的穩(wěn)健性，現(xiàn)將研究結(jié)果與OLED產(chǎn)業(yè)技術(shù)融合的研究進(jìn)行對(duì)比，發(fā)現(xiàn)：1)共性特征：在技術(shù)特征方面，兩種產(chǎn)業(yè)均表現(xiàn)為相似技術(shù)之間更容易發(fā)生融合；在組織的技術(shù)特征方面，兩種產(chǎn)業(yè)的組織間擁有的共性技術(shù)均很少與新技術(shù)發(fā)生融合，這主要是由于共性技術(shù)應(yīng)用較為廣泛，缺乏市場(chǎng)競(jìng)爭(zhēng)力，因此企業(yè)更傾向于對(duì)衍生技術(shù)再次加工，從而使技術(shù)得到創(chuàng)新，進(jìn)而提升企業(yè)的創(chuàng)新能力及核心競(jìng)爭(zhēng)力。在組織的關(guān)系特征方面，組織的伙伴圈關(guān)系在兩種產(chǎn)業(yè)中，均會(huì)限制組織與圈外新技術(shù)發(fā)生融合。2)特性特征：在技術(shù)特征方面，人工智能產(chǎn)業(yè)中已經(jīng)發(fā)生融合的技術(shù)會(huì)促進(jìn)新技術(shù)發(fā)生融合，說(shuō)明人工智能產(chǎn)業(yè)更加注重于技術(shù)融合后衍生技術(shù)的二次研發(fā)。在組織的特征方面，針對(duì)于不同組織的技術(shù)，OLED產(chǎn)業(yè)很少發(fā)生跨組織的技術(shù)融合，而人工智能產(chǎn)業(yè)在第一階段中會(huì)積極進(jìn)行跨組織的技術(shù)融合，這表明人工智能產(chǎn)業(yè)初期技術(shù)多依賴(lài)于跨組織合作研發(fā)而產(chǎn)生。在組織的關(guān)系特征方面，人工智能在不同的發(fā)展階段，組織間的合作關(guān)系對(duì)其技術(shù)融合也有著不同的作用，因此企業(yè)可以根據(jù)發(fā)展階段選擇與其他企業(yè)的合作形式，促進(jìn)技術(shù)的融合。以上分析表明，該技術(shù)融合機(jī)理探究框架穩(wěn)定性較強(qiáng)，研究模型可以很好地觀(guān)測(cè)人工智能領(lǐng)域技術(shù)融合的動(dòng)態(tài)發(fā)展過(guò)程。

2.8 算法討論與比較

為了體現(xiàn)本文所提出算法的可行性及適用性，本文將所提算法與經(jīng)典算法進(jìn)行對(duì)比分析：經(jīng)典算法QAP模型是基于隨機(jī)化檢驗(yàn)方法進(jìn)行的網(wǎng)絡(luò)演化分析，是最終對(duì)兩個(gè)矩陣中各個(gè)元素的相似性進(jìn)行比較的方法, 主要適用于矩陣之間的運(yùn)算[33]，僅能對(duì)單模網(wǎng)絡(luò)中節(jié)點(diǎn)關(guān)系的演化機(jī)理進(jìn)行刻畫(huà)，存在一定局限性；指數(shù)隨機(jī)圖模型與多層指數(shù)隨機(jī)圖模型在原理上相似，均采用馬爾可夫鏈—極大似然估計(jì)進(jìn)行網(wǎng)絡(luò)演化仿真分析，但ERGMs僅能描述單模網(wǎng)絡(luò)在內(nèi)生結(jié)構(gòu)及節(jié)點(diǎn)個(gè)體屬性方面的演化機(jī)理；本文所提出的MERGMs能夠在描述單模網(wǎng)絡(luò)演化機(jī)理的同時(shí)，刻畫(huà)網(wǎng)絡(luò)間關(guān)系對(duì)于網(wǎng)絡(luò)演化的影響，因此可以更好地揭示網(wǎng)絡(luò)形成機(jī)理，具有很好的適用性，可將該算法推廣至其他產(chǎn)業(yè)進(jìn)行應(yīng)用。

3 結(jié)論

技術(shù)融合為突破產(chǎn)業(yè)發(fā)展的技術(shù)瓶頸、實(shí)現(xiàn)技術(shù)的突破式創(chuàng)新提供解決方案，有助于企業(yè)創(chuàng)造新產(chǎn)品滿(mǎn)足市場(chǎng)需求并獲取經(jīng)濟(jì)利潤(rùn)，也有助于提升國(guó)家科技創(chuàng)新水平。本文從技術(shù)融合的機(jī)理研究出發(fā)，分3個(gè)階段構(gòu)建技術(shù)融合多層網(wǎng)絡(luò)模型，從技術(shù)特征、組織的技術(shù)特征及組織的關(guān)系特征3個(gè)層面分析其對(duì)于人工智能領(lǐng)域跨界技術(shù)融合的影響，結(jié)果表明：1)人工智能領(lǐng)域融合創(chuàng)新網(wǎng)絡(luò)的規(guī)模逐漸擴(kuò)大主要表現(xiàn)為組織節(jié)點(diǎn)的增多，即進(jìn)入人工智能領(lǐng)域的組織增加，但是產(chǎn)業(yè)中的技術(shù)門(mén)類(lèi)變化較小，技術(shù)融合多產(chǎn)生于原有技術(shù)領(lǐng)域之間。此外，創(chuàng)新合作網(wǎng)絡(luò)中的中心組織始終未發(fā)生變化，國(guó)家電網(wǎng)公司始終處于中心地位，但是中心技術(shù)卻從“G06F電數(shù)字?jǐn)?shù)據(jù)處理”變?yōu)椤癎06N基于特定模型的計(jì)算機(jī)系統(tǒng)”，表明人工智能領(lǐng)域的主要研究方向發(fā)生了轉(zhuǎn)移。2)技術(shù)特征、組織的技術(shù)特征、組織的關(guān)系特征均會(huì)對(duì)人工智能跨界技術(shù)融合產(chǎn)生影響，但在不同的時(shí)間段，三方面作用的效果有所不同。在技術(shù)特征層面，相似的技術(shù)更可能發(fā)生融合，已經(jīng)發(fā)生融合的技術(shù)會(huì)促進(jìn)新融合的發(fā)生；在組織的技術(shù)特征層面，組織擁有的共性技術(shù)會(huì)抑制與其他技術(shù)融合的發(fā)生，不同組織擁有的技術(shù)在第1階段促進(jìn)技術(shù)融合發(fā)生；在組織的關(guān)系特征層面：組織間的合作關(guān)系在人工智能不同的發(fā)展階段對(duì)其技術(shù)融合具有不同的作用。組織的“伙伴圈”在3個(gè)階段均抑制與圈外新技術(shù)融合的發(fā)生。

本文的研究有助于系統(tǒng)性認(rèn)知技術(shù)融合產(chǎn)生過(guò)程，所提出的技術(shù)融合機(jī)理探究框架可以很好地觀(guān)測(cè)人工智能這類(lèi)新興領(lǐng)域技術(shù)融合的動(dòng)態(tài)發(fā)展過(guò)程。但本文仍有以下兩點(diǎn)不足：1)MERGMs模型可以探究在結(jié)構(gòu)屬性、連續(xù)屬性和分類(lèi)屬性3種屬性的共同作用下的網(wǎng)絡(luò)演化情況，但本文僅加入了網(wǎng)絡(luò)結(jié)構(gòu)屬性進(jìn)行實(shí)證研究；2)模型穩(wěn)健性檢驗(yàn)雖然通過(guò)，但還有較大改進(jìn)空間。因此，在未來(lái)的研究中，可以加入其他屬性，提高模型穩(wěn)健性，不斷豐富技術(shù)融合相關(guān)理論研究，為實(shí)踐中的技術(shù)融合提供有價(jià)值的參考。