林麗環(huán)，黃衛(wèi)東

（南京郵電大學 管理學院，江蘇 南京 210000）

一、引言

人工智能技術(shù)的出現(xiàn)加速了世界經(jīng)濟、政治以及文化在內(nèi)各方面的融合發(fā)展，作為經(jīng)濟發(fā)展的重要依附主體，各大產(chǎn)業(yè)所呈現(xiàn)的狀態(tài)、結(jié)構(gòu)以及連接關(guān)系都隨之發(fā)生了翻天覆地的變化。為適應(yīng)新技術(shù)的出現(xiàn)，各國不遺余力地將人、財、物等資源投入人工智能領(lǐng)域以優(yōu)化資本結(jié)構(gòu)，加速人工智能與各大產(chǎn)業(yè)的融合，充分發(fā)揮AI 的技術(shù)優(yōu)勢。

截至2020 年底，以CNKI 為平臺，以人工智能為關(guān)鍵詞，通過所得到的發(fā)表量年度趨勢圖可知，自2017 年起，人工智能話題便成為學術(shù)界爆發(fā)式的熱點話題而被眾多學者解剖分析。在爆發(fā)持續(xù)五年的累計研究中，與該熱點話題相聯(lián)系的學科分支眾多，而學術(shù)界的學者所提出的新觀點、新問題以及新措施也隨之落實到了國家層面，其具體表現(xiàn)為新型軍備競賽的出現(xiàn)，自2017 年起，絕大多數(shù)發(fā)達國家和發(fā)展中國家都對人工智能的技術(shù)作出了表態(tài)并對該領(lǐng)域的研究予以資金支持。2021 年9 月，英國政府發(fā)布《國家人工智能戰(zhàn)略》（以下簡稱“戰(zhàn)略”），明確AI 將在未來成為經(jīng)濟發(fā)展的重要驅(qū)動力；2021 年10 月，中國政府就生態(tài)環(huán)境保護方面表示，將提高工業(yè)互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)對傳統(tǒng)產(chǎn)業(yè)滲透率，推動制造業(yè)綠色化轉(zhuǎn)型和智能化升級。由此可見，人工智能與產(chǎn)業(yè)的融合范圍將趨于全面化，融和層次將趨于深層次化。

為此，文章選取文獻收納數(shù)量更廣泛的WoS 為新平臺，經(jīng)過系列篩選，最終以2 337 篇文章為分析樣本，借助CiteSpace 軟件的統(tǒng)計、分類、聚類及分析功能，對研究熱點的基本情況以及聚集情況進行可視化展示并逐一分析具體類團的現(xiàn)狀，以期為人工智能對資本結(jié)構(gòu)影響的中介中心性提供更明確的闡述，并預測兩大主題在未來的主要發(fā)展趨勢。此外，人工智能與產(chǎn)業(yè)的融合在不同國家間的融合程度有差異在所難免，本研究還試圖通過學術(shù)界的成果統(tǒng)計來反映主要大國在人工智能與產(chǎn)業(yè)融合領(lǐng)域的發(fā)展現(xiàn)狀、演化脈絡(luò)，并由此提出相應(yīng)的意見和建議[1]。

二、研究方法與數(shù)據(jù)獲取

文章以WoS 為數(shù)據(jù)庫來源，為擴充樣本數(shù)據(jù)庫，提高數(shù)據(jù)完整度，通過對兩大領(lǐng)域中質(zhì)量較高的10 篇期刊及綜述中提及的關(guān)鍵詞的匯總，最終確定文章以人工智能為第一核心關(guān)鍵詞并將關(guān)鍵詞范圍依次擴充至機器人、自動化，以產(chǎn)業(yè)融合為第二核心關(guān)鍵詞并將關(guān)鍵詞范圍依次擴充至行業(yè)融合、市場融合。為保證分析數(shù)據(jù)的質(zhì)量和可靠性，文章剔除了除論文、綜述論文、World of Science 核心合集以外的所有其他文獻，并經(jīng)過CiteSpace 軟件的除重操作，最終獲得2 469 篇文獻作為樣本數(shù)據(jù)進行知識圖譜分析。知識圖譜是一種通過將每個項目、實體和用戶表示為不同的節(jié)點，并將相交互的節(jié)點連接起來，以標記有向圖的形式表示知識并為文本信息賦予語義的強大工具[1]。本研究采用的分析流程為，以時間、空間、熱點和演化脈絡(luò)四個維度作為分析的切入點。在時間分析方面，以發(fā)文量、主題詞和研究人員的進一步的分析對象；在空間分析方面，依次對作者合作網(wǎng)絡(luò)、機構(gòu)合作網(wǎng)絡(luò)以及國家合作網(wǎng)絡(luò)展開微觀、中觀、宏觀的分析；在熱點分析方面，對2 337 篇文獻的關(guān)鍵詞共現(xiàn)以及聚集情況做統(tǒng)計分析，并對人工智能和資本要素兩大主題進行爆發(fā)性探測；在演化脈絡(luò)方面，以時間線和時區(qū)圖譜來展示其脈絡(luò)的分布情況，具體的分析框架圖，如圖1 所示。

圖1 分析框架圖

三、研究數(shù)據(jù)統(tǒng)計與分析

（一）時間分析

1.發(fā)文量

由圖2 可知，在人工智能與產(chǎn)業(yè)融合類的文章中，2017 年可作為近20 年年發(fā)文量的時間拐點，以2017 年為界，之前年份的增速相對緩慢，發(fā)文量一直處在0～100 篇范圍內(nèi)上下波動，而2018—2020 年則出現(xiàn)了爆發(fā)式的增長，且一直處于超高的加速增長狀態(tài)，甚至出現(xiàn)成倍增長的態(tài)勢，因此可粗略預測在未來一段時間內(nèi)，人工智能與產(chǎn)業(yè)融合的話題點所具有的關(guān)注度仍舊會保持在較高狀態(tài)。從總體趨勢上來看，發(fā)文量處于總體上升狀態(tài)，可見伴隨著技術(shù)的不斷進步，人工智能與產(chǎn)業(yè)融合逐漸受到學者們的偏愛，這點在國家政府發(fā)布的與人工智能有關(guān)的政策中也可見一斑。

圖2 2001—2020 年發(fā)文總量

2.共被引情況

（1）文獻共被引分析

由表1 可知，引用頻次較高的文獻類型可歸納總結(jié)為，以時間線為導向的智能制造的整體環(huán)境。其中，被引頻次最高的文獻主題為《基于工業(yè)4.0 制造系統(tǒng)的工業(yè)人工智能》，作者Lee Jay 在文中提出了AI 技術(shù)的當前狀態(tài)以及在工業(yè)應(yīng)用中利用AI力量所必需的生態(tài)金字塔，由下至上分別為智能連接層、數(shù)據(jù)信息轉(zhuǎn)換層、網(wǎng)絡(luò)層、認知層以及配置層即5C 結(jié)構(gòu)，并通過更智能和更有彈性的制造設(shè)備來提高產(chǎn)品質(zhì)量和系統(tǒng)可靠性[2]。作者Liao YX 則通過相關(guān)期刊、學科領(lǐng)域、類別、會議、關(guān)鍵詞等五類內(nèi)容的一般數(shù)據(jù)分析總結(jié)了人工智能與產(chǎn)業(yè)融合當前主要研究方向。作者Leitao P 認為網(wǎng)絡(luò)物理系統(tǒng)（CPS）是一種新興方法，該方法專注于計算應(yīng)用程序與物理設(shè)備的集成，被設(shè)計為交互網(wǎng)絡(luò)和物理元素的網(wǎng)絡(luò)，對工業(yè)自動化的發(fā)展存在重大影響。由以上三位作者研究主要內(nèi)容可以發(fā)現(xiàn)人工智能領(lǐng)域的研究正在逐步分化，研究內(nèi)容的精準化是該領(lǐng)域未來主要的發(fā)展趨勢。

表1 2001—2020 年文獻引用頻次表

（2）作者共被引分析

作者LEE J 的度中心性較其他作者而言具有極大的優(yōu)勢。一方面是由于距作者文獻的發(fā)表年份已有十幾年，在時間的加成下，文獻的被引次數(shù)也隨之提高；另一方面是作者在該領(lǐng)域的研究先人一步，其文獻研究成果具有很強的導向性，文獻產(chǎn)量在一定程度上說明作者在該領(lǐng)域的貢獻程度以及研究造詣，為提升國家在人工智能和資本要素方面的進一步融合發(fā)展，政府可以有針對性地引入以上高端人才，保證研究人員的質(zhì)量水平。此外，通過文獻平均被引年份的分布情況可以發(fā)現(xiàn)，作者LEE J 對人工智能和產(chǎn)業(yè)融合的研究與其他作者的研究之間產(chǎn)生了一個巨大的斷層，說明LEE J 在話題成為熱點之前已經(jīng)對該領(lǐng)域做了超前的研究，這也為后來研究者提供了便利和借鑒。

表2 2001—2020 年作者被引頻次表

(3)期刊共被引分析

表3 2001—2020 年期刊被引頻次表

幾大知名期刊的被引頻次總體接近，度中心性未出現(xiàn)一家或幾家期刊獨大的現(xiàn)象，人工智能和產(chǎn)業(yè)融合領(lǐng)域的研究成果受到多家期刊的關(guān)注，期刊類型偏向于計算機以及智能方向，而期刊內(nèi)文獻被引量的增加間接證明了話題的熱度之高。其中，LECT NOTES COMPUT SC 期刊的中心性略高，說明該期刊在人工智能和產(chǎn)業(yè)融合領(lǐng)域的關(guān)注度較高，受廣大學者的認可度也較高。

（二）空間分析

1.作者合作網(wǎng)絡(luò)

當學者之間進行合作而致力于某一領(lǐng)域的研究時，其合作的親密度可以通過他們共同發(fā)表的文獻數(shù)量作為客觀判斷依據(jù)，因此，通過CiteSpace 軟件可分析致力于人工智能與資本要素領(lǐng)域研究的學者們之間的合作情況。

圖3 作者合作網(wǎng)絡(luò)圖譜

為提高統(tǒng)計結(jié)果的代表性，本研究通過呈現(xiàn)合作規(guī)模較大的前10 類研究合作類團來體現(xiàn)作者間的合作狀況，由圖2 匯總得到，以個人文獻產(chǎn)量來看，排名前5 的作者分別為RJ KUO、MITSUMASA KOYANAGI、TAKAFUMI FUKUSHIMA、KANGWOOK LEE、TETSU TANAKA；此外，可以發(fā)現(xiàn)，目前該領(lǐng)域已初步形成了以TAKAFUMI FUKUSHIMA（研究領(lǐng)域：計算機—電子芯片）、CHENGKUO LEE（研究領(lǐng)域：智能制造—基于傳感器融合概念發(fā)明制造能夠檢測出汗水平的服飾）、DUSIT NIYATO（研究領(lǐng)域：智能城市—物聯(lián)網(wǎng)系統(tǒng)）以及YOSHIMICHI EJIMA（研究領(lǐng)域：醫(yī)學—睡眠障礙）為首的研究類團，作為學科的核心帶頭人，經(jīng)過對他們研究領(lǐng)域的歸納總結(jié)可以發(fā)現(xiàn)人工智能的產(chǎn)業(yè)融合領(lǐng)域已經(jīng)十分廣泛。

2.機構(gòu)合作網(wǎng)絡(luò)

由圖4 可知，目前在人工智能和產(chǎn)業(yè)融合領(lǐng)域的機構(gòu)合作規(guī)模中，日本產(chǎn)業(yè)技術(shù)綜合研究所和上海交通大學的排名較為靠前，分別為第一和第二。自2018 年1 月上海交通大學人工智能研究院成立以來，上海交大開始將建設(shè)人工智能研究的交大學派提上日程，其對于人工智能產(chǎn)業(yè)發(fā)展領(lǐng)域投入較大的關(guān)注。此外，經(jīng)過匯總整理，發(fā)現(xiàn)在機構(gòu)合作規(guī)模排名前20 的機構(gòu)中，以上海交大為首共有5 家機構(gòu)來自中國，占統(tǒng)計數(shù)量的25%，位居第一，可見自人工智能成為熱點話題，中國的各大研究所以及各大學相較于其他國家而言更為及時地把握住了研究的大風向。

圖4 機構(gòu)合作網(wǎng)絡(luò)圖譜

3.國家合作網(wǎng)絡(luò)

由圖5 可知，因自身經(jīng)濟、政治等方面具有強大的實力保證而在國際活動中表現(xiàn)較為活躍的幾大主要國家，其在人工智能和產(chǎn)業(yè)融合領(lǐng)域的合作也是相當密切的。就目前而言，在該領(lǐng)域已經(jīng)形成了以美國為首、中國次之的主要發(fā)展格局，并以兩大國為核心形成了復雜的合作網(wǎng)絡(luò)關(guān)系，但就絕對數(shù)上來看，美國的文獻數(shù)量還是遙遙領(lǐng)先的，我國在該領(lǐng)域仍有較長的一段路要走。此外，在以上列示的合作規(guī)模排名前20 的國家中，除中國、印度、伊朗以及土耳其外的其他16 個國家均為發(fā)達國家，占統(tǒng)計數(shù)量的80%，可見發(fā)達國家在人工智能和產(chǎn)業(yè)融合領(lǐng)域的重視程度要遠高于發(fā)展中國家。

圖5 國家合作網(wǎng)絡(luò)圖譜

（三）熱點分析

1.關(guān)鍵詞共現(xiàn)圖譜分析

由圖6 可知，以一組詞語兩兩出現(xiàn)的頻次作為二者親疏關(guān)系的判斷依據(jù)時，CiteSpace 計算得出的最終結(jié)果為，系統(tǒng)、設(shè)計、構(gòu)成、模型、框架、結(jié)構(gòu)、科技、自動化、算術(shù)、神經(jīng)網(wǎng)絡(luò)、性能、未來、網(wǎng)絡(luò)、大數(shù)據(jù)、模擬等關(guān)鍵詞是人工智能與產(chǎn)業(yè)融合領(lǐng)域中中介中心性較高的詞語，尤其是系統(tǒng)一詞，該關(guān)鍵詞的中介中心度值高達0.75，承擔著該領(lǐng)域發(fā)展過程的橋梁作用。通過匯總分類，可以劃分為兩類。第一類的核心關(guān)鍵詞為網(wǎng)絡(luò)化，其中包括系統(tǒng)、設(shè)計、構(gòu)成、模型、框架、結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)；第二類的核心關(guān)鍵詞為技術(shù)化，其中包括科技、自動化、算術(shù)、模擬。由此可得，網(wǎng)絡(luò)化與技術(shù)化是人工智能與產(chǎn)業(yè)融合領(lǐng)域發(fā)展的核心和關(guān)鍵，也是學者研究的重點內(nèi)容。

圖6 關(guān)鍵詞共現(xiàn)圖譜

2.關(guān)鍵詞聚類圖譜分析

圖7 關(guān)鍵詞聚類圖譜

本研究利用CiteSpace 軟件的關(guān)鍵詞聚類功能，得到人工智能和產(chǎn)業(yè)融合領(lǐng)域的聚類類團共計70個，依次排除類團成員不足40、同質(zhì)性指標不足0.7的類團后剩余8 個類團，擇優(yōu)選取前5 個類團的具體情況如下表列示。由表4 可知，5 個類團的同質(zhì)性指標均大于0.7，表明類團間成員文獻的相似程度較高，聚類效果較好；類團的文獻出版平均年份普遍較早，早于引言中以CNKI 為平臺匯總整理得出的人工智能研究話題成為研究熱點的年份，可見，該領(lǐng)域在國際上的研究進程要早于本國研究進程。

表4 2001—2020 年人工智能與產(chǎn)業(yè)領(lǐng)域文獻聚類結(jié)果

此外，依據(jù)LSI 聚類算法得到五類聚類結(jié)果。

第一類聚類結(jié)果涉及服務(wù)業(yè)以及軟件信息業(yè)，此類行業(yè)與人工智能領(lǐng)域的結(jié)合能夠加速科技的發(fā)展，從而為社會帶來更大的利潤收益。作為聚類中的第一大類，其排名說明了其與人工智能結(jié)合的深度和廣度，從消費者主觀感受上來說，服務(wù)業(yè)與人工智能的融合可謂隨處可見，從餐廳中的機器人服務(wù)員、服裝店的機器人導購員、管理家庭日?；顒拥闹悄芗揖訖C器人、從事物流并承擔派送貨物任務(wù)的校園機器人，人工智能與服務(wù)業(yè)的融合已經(jīng)深入生活的吃穿住行等各個方面；從支持服務(wù)業(yè)與人工智能相融合的技術(shù)來看，軟件信息業(yè)的發(fā)展為人工智能提供了很大的后備力量，兩者在某種程度上存在著互相促進的關(guān)系，或者可以說，二者所涉及范圍存在著一定程度的交叉。

第二類聚類結(jié)果主要為能源方面的研究，具體包括電能、風能等，從具體應(yīng)用上來看，又可以分為能源儲藏、智能電網(wǎng)、故障管理、油氣勘探以及能源的消耗與耗費。在能源儲存方面，人工智能的發(fā)展可以減少在能源儲藏過程的人為損耗和人工管理成本，從而降低不必要的資金支出；在智能電網(wǎng)方面，通過對電能耗費的實時監(jiān)管從而對重點的耗電量大的組織和企業(yè)進行控制，進而達到節(jié)約能耗的最終目的，以響應(yīng)國家節(jié)能減排的政策號召；在故障管理方面，人工智能能夠利用大數(shù)據(jù)對故障風險做出恰當及時的預警，從而在故障發(fā)生前及時止損，避免高額的故障修理費用的支出；在油氣勘探方面，人工智能對高危工作環(huán)境下工作的替代可以降低以往由人工進行探測情況下的風險，這為新油田的發(fā)現(xiàn)提供了很好的技術(shù)支持，打破了原有的勘探缺陷；在能源的消耗方面，人工智能能夠優(yōu)化能源的耗費過程，從而降低消耗的數(shù)量，提升能源的利用效率?？傮w而言，人工智能與能源行業(yè)的融合能夠降低成本和風險，提高收益和效率，促進行業(yè)的進一步發(fā)展。

第三類聚類結(jié)果側(cè)重于發(fā)現(xiàn)醫(yī)療診治技術(shù)以及提升企業(yè)的經(jīng)營管理水平，在醫(yī)療診治技術(shù)方面，國務(wù)院辦公廳于2018 年印發(fā)的《關(guān)于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》中表示了其對人工智能和醫(yī)療行業(yè)相融合研究的重視，人工智能醫(yī)療器械的出現(xiàn)為醫(yī)療診治提供了很大的便利，一方面提升了醫(yī)療的診治結(jié)果的準確性，另一方面又降低了患者進行檢查的各項費用，其中最為典型的內(nèi)容即人工智能在醫(yī)療影像上的應(yīng)用，該應(yīng)用的出現(xiàn)極大提升了醫(yī)生對患者的診治效率；在企業(yè)經(jīng)營管理方面，商業(yè)應(yīng)用是近年的熱點詞匯，具體可以體現(xiàn)為人工智能逐漸替代部分職員的工作，尤其是工作內(nèi)容較為重復、機械、技術(shù)含量低的崗位，而智能管理能夠為企業(yè)節(jié)省下一大筆原有的勞動力成本，從而提升企業(yè)的利潤水平，讓企業(yè)有能力將資金聚焦于核心業(yè)務(wù)的研究和開發(fā)。

第四類聚類結(jié)果重在深入機器人等實體的制造和控制方面的研究，目前的機器人研究技術(shù)在智能融合程度上正在加速深化，雖然在情感和外表上仍有很大的上升空間，但隨著5G 技術(shù)的發(fā)展，其內(nèi)核技術(shù)已經(jīng)有了質(zhì)的突破。在行動便利程度上，以阿爾法跳舞機器人為例，其肢體組成部分的靈活程度非常高，而在學習能力上，法國NAO 教育機器人則已經(jīng)有了深入學習的能力并能夠向外界表現(xiàn)其情緒狀態(tài)。此外，受影視著作的影響，大眾對該領(lǐng)域的發(fā)展也投入了較大的關(guān)注度，二者相融合的觸角甚至已經(jīng)觸碰到了后期的道德法律和倫理的深度。

第五類聚類結(jié)果偏向于摩擦類傳感器的研制和以優(yōu)化人體感官為目標的產(chǎn)品技術(shù)的開發(fā)，通過研發(fā)能夠?qū)θ梭w感受獲得正確感知的傳感器，根據(jù)傳感器結(jié)果觸發(fā)不同的機制，從而優(yōu)化消費者的感受認知，如通過感知人體皮膚的濕度從而調(diào)整服裝的干濕程度以保證皮膚的干濕狀態(tài)保持在一個比較合理的波動區(qū)間。從總體上來看，產(chǎn)業(yè)融合的領(lǐng)域涉及范圍偏向于高新技術(shù)產(chǎn)品制造，而傳統(tǒng)的農(nóng)業(yè)以及工業(yè)產(chǎn)業(yè)的融合研究文獻數(shù)量較少，文獻聚集情況較差，由此可看出，高新技術(shù)產(chǎn)業(yè)融合度高于傳統(tǒng)行業(yè)融合度，傳統(tǒng)行業(yè)領(lǐng)域受制于以前的感知能力導致實際積累下來的數(shù)據(jù)比較少是造成其融合度偏低的重要原因[3]。

3.爆發(fā)性探測分析

為保證探測數(shù)量的恰當性，本研究將探測難易程度γ 值設(shè)置為0.8 并將最短持續(xù)時間參數(shù)值設(shè)置為1，輸出結(jié)果如圖8 所示，由圖8 可知，爆發(fā)性探測結(jié)果中，爆發(fā)持續(xù)時間最長的關(guān)鍵詞為基因算法，持續(xù)時間長達10 年，直至近些年才逐漸淡出學術(shù)界；爆發(fā)強度最大的關(guān)鍵詞為系統(tǒng)，這與關(guān)鍵詞共現(xiàn)圖譜得出的最終分析對象一致；而自動化、大數(shù)據(jù)、增強現(xiàn)實技術(shù)以及互聯(lián)網(wǎng)變革創(chuàng)新等關(guān)鍵詞開始爆發(fā)的時間雖然較遲，但預測其在未來幾年將成為學術(shù)界前沿的研究熱點，值得我們進一步探索。

圖8 2001—2020 年人工智能與產(chǎn)業(yè)領(lǐng)域爆發(fā)性探測

（四）演化脈絡(luò)

1.時間線圖譜分析

由圖9 可知，在聚類效果最好的前五類類團中，遠程機器人控制領(lǐng)域的聚合效果最佳，其中又以持續(xù)性最強、跨度最大的網(wǎng)絡(luò)連接算法為代表，而算法則是人工智能發(fā)展的核心技術(shù)；第二個聚類結(jié)果為智能銷售，其中模擬算法再次于2002 年成為研究熱點話題并持續(xù)至2020 年，兩大聚類結(jié)果的相似性證明了算法的必要性和重要性，在人工智能關(guān)鍵技術(shù)領(lǐng)域，算法的缺陷是技術(shù)突破“卡脖子”型的難題，也是國際領(lǐng)域競爭的關(guān)鍵。

圖9 2001—2020 年人工智能與產(chǎn)業(yè)領(lǐng)域時間線圖譜

2.時區(qū)圖譜分析

由圖10 可知，人工智能與產(chǎn)業(yè)融合領(lǐng)域的關(guān)鍵詞語自成為熱點話題之后，其延續(xù)性普遍較好，絕大多數(shù)話題一直延續(xù)至2020 年，并大有繼續(xù)延續(xù)下去的趨勢，以融合關(guān)鍵詞為例，作為本研究的核心關(guān)鍵詞，其延續(xù)性跨越了近20 年，屬于所有關(guān)鍵詞中的佼佼者，可見其在未來很長一段時間內(nèi)依舊會呈現(xiàn)較好的熱點狀態(tài)。盡管在主觀認知中，人工智能是近年來才一躍成為熱門話題，但根據(jù)時區(qū)圖譜可以發(fā)現(xiàn)，幾大重點核心的關(guān)鍵詞在2001 年就已經(jīng)出現(xiàn)并進入學者的研究范圍，與未來20 年相比，2001年成為該領(lǐng)域的成果多產(chǎn)出年份。

圖10 2001—2020 年人工智能與產(chǎn)業(yè)領(lǐng)域時區(qū)圖譜

四、總結(jié)與展望

人工智能與產(chǎn)業(yè)融合的情況受產(chǎn)業(yè)所屬類型、產(chǎn)業(yè)所在國等因素影響，總體分布情況為，發(fā)達國家產(chǎn)業(yè)融合度高于發(fā)展中國家融合度，高新技術(shù)產(chǎn)業(yè)融合度高于傳統(tǒng)行業(yè)融合度。中國作為發(fā)展中大國，其融合度并未受全體國家平均狀態(tài)的影響，大有躋身發(fā)達國家狀態(tài)之勢，但由于研究的起步時間較晚，與部分步伐較快的國家如美國和日本相比仍存在一定的差距，研究的系統(tǒng)化和成熟度還有待提升。

因此，為縮小中國與標桿國家之間的研究差距，可從以下幾個方面予以改善：首先是人才保障方面，中國政府可積極引進人工智能與產(chǎn)業(yè)融合方面的高端人才和高端環(huán)境，同時派遣中國學者前往領(lǐng)域進展先進的幾大發(fā)達國家學習最新的技術(shù)和理論知識以填補國內(nèi)相應(yīng)領(lǐng)域的不足；其次是技術(shù)創(chuàng)新方面，通過計算機“深度學習”為基礎(chǔ)算法提供保障，作為歷時彌久的熱點話題，網(wǎng)絡(luò)算法的不斷優(yōu)化是促使技術(shù)發(fā)展的核心所在；最后是經(jīng)濟支持方面，眾多國家在發(fā)布的財政預算中都為人工智能研究項目預定了不小的數(shù)額，資金保障是人工智能技術(shù)進一步發(fā)展的基礎(chǔ)，而人工智能與產(chǎn)業(yè)的恰當融合又能為實體和虛擬經(jīng)濟創(chuàng)造更大的價值，并以此形成經(jīng)濟方面的良性循環(huán)。