基于科學計量的中國人工智能區域知識創新生態系統研究

岳曉旭，蘇 竣，Philip Shapira，謝其軍

(1.清華大學公共管理學院，北京 100084;2.曼徹斯特大學聯盟商學院，曼徹斯特 M13 9PL；3.佐治亞理工學院公共政策學院，亞特蘭大 GA 30332-0345)

0 引言

近年來，人工智能 (Artificial Intelligence，AI)無論是實踐方面還是政策方面引起各行業廣泛關注。在已有研究中，學者對AI的定義不同，但它被廣泛認為是計算機科學或者智能科學的一個分支[1-3]，包括機器學習 (Machine Learning)、深度學習 (Deep Learning)、機器智能 (Machine Intelligence)和數據處理算法 (Algorithmic Data Processing)等概念[4-5]，被用于執行人類可完成的任務或者之前無法完成的任務。人工智能技術已逐漸被應用到各個領域，被認為是促進經濟和社會發展的關鍵技術之一，它代表了未來的產業競爭。因此，許多發達國家和地區 (如美國、歐盟、日本和韓國)相繼啟動了國家人工智能創新計劃[6]。

創新生態系統 (Innovation Ecosystem)被定義為 “企業通過協作安排將各自產品或方案組合成一致的、面向客戶的解決方案”[7]。在區域層面，創新生態系統則被定義為 “可以支持一個產業中的新產品或者改進產品、業務或生產過程的參與者網絡”[8-9]。另外，創新生態系統包括兩個子生態系統：知識生態系統和商業生態系統[10-11]。其中，知識生態系統是由基礎研究推動，旨在為企業、大學和研究機構創造科學基礎知識。

近幾年，中國政府相繼發布 《新一代人工智能發展規劃》 《促進新一代人工智能產業發展的三年行動計劃 (2018—2020年)》等重要文件。在論文和專利方面，中國分別排名世界第2位和第4位，見表1。制造業和其他高科技領域在區域層面進行的創新研究表明鄰近性具有促進創新合作的作用[12-14]。《中國新一代人工智能科技產業發展報告 (2019)》顯示，從地域分布看，京津冀、長三角、珠三角和川渝四大都市圈人工智能企業占比分別為44.8%、28.7%、16.9%和2.6%。那么，在AI領域，中國人工智能研究的區域分布呈現出什么特征？每個區域的核心參與者有哪些特點？創新集聚是否明顯？有何特點？這些集群是如何形成的？

表1 AI及相關領域專利和論文國家分布

當前有學者對中國或其他國家 (地區)的人工智能創新發展進行研究。Gao等通過對中國人工智能相關論文研究，將中國人工智能發展分為初步探索、穩定上升和快速發展這3個階段[15]。周伯柱等分析全球人工智能的產出和區域分布[16]。耿喆等梳理創新生態系統研究的4個層次，結合產業生態理論及人工智能產業自身特點，研究人工智能產業創新生態系統生物成分及非生物成分中各構成要素[17]。李悅等分析近15年世界人工智能的研究熱點和趨勢。這些研究多集中在國家層面，涉及區域層面的較少；多分析發展進程和研究熱點，分析創新過程中參與者的研究較少[18]。

為此，本文嘗試從區域層面分析新興技術知識創新生態系統，采用科學計量法和社會網絡分析法，分析和比較京津冀、長三角和粵港澳的AI知識創新生態系統。本文將識別出重要區域AI知識創新的核心參與者及他們之間的關系、區域知識創新集群以及這些集群的形成過程，以期為中國人工智能創新發展政策的制定提供參考。

1 數據與研究方法

1.1 數據庫構建

本文以曼徹斯特大學Philip Shapira教授研究團隊構建的人工智能論文數據庫為數據源，該數據庫通過核心關鍵詞和專業期刊收集人工智能相關關鍵詞，之后通過benchmark方法構建備選關鍵詞詞庫，最后經專家篩選確定最終檢索關鍵詞詞庫。將該檢索方法與其他最近3種人工智能檢索策略[5,15,19]進行比較，表明該檢索策略在查全和查準兩個方面均具有一定保證。按照該檢索策略在Web of Science (WOS)數據庫進行檢索，文獻類型為article，索引數據庫為SCI-E和SSCI，時間窗口為1991—2020*(2020*指2020.1.1—2020.5.24)。最終收集到464373條記錄，檢索時間為2020年5月24日。

本文從該數據庫中提取中國參與的記錄，即在地址字段中，至少有一個地址來自中國。提取的中國記錄包括中國大陸、香港和澳門的記錄。采用Vantagepoint作為數據處理和分析工具，最終數據庫包含117735條中國人工智能相關記錄。

1.2 數據標準化處理

由于不同期刊對作者機構地址標引要求不同，以及作者在發文時標注地址的要求和習慣不同，導致收集到的論文記錄作者地址格式不一。比如，有的作者地址把省級行政單位標注為二級行政地區 (一級為國家)，而有些則標注為城市。因此，在數據分析前，需要對數據進行標準化處理。對數據的標準化分兩種情況：①對于只標注了城市的地址，按照國家行政區域劃分，定位其省級行政單位；②對于只標注省份的地址，根據機構名稱，定位其城市，如浙江大學的二級行政單位被一些作者標為浙江省；記錄大多數為第一種情況。

1.3 研究方法

在完成數據收集和處理的基礎上，采用科學計量和社會網絡分析方法分析中國人工智能知識創新發展情況和中國3個主要城市群 (京津冀、長三角和粵港澳)的AI區域知識創新生態系統，研究框架主要包括以下4個部分。

(1)關鍵參與者識別。采用科學計量方法，借助Vantagepoint分析工具提取出中國3個主要城市群人工智能知識創新的主要參與者。

(2)評估分層。AI研究產出的地區差異不僅反映科學研究能力失衡，也反映經濟水平和創新水平失衡。對各省份按產出貢獻進行層次評估。

(3)區域劃分。參考《長江三角洲城市群發展規劃》《京津冀協同發展規劃綱要》和《粵港澳大灣區發展規劃綱要》，將長三角地區界定為3省1市 (浙江省、江蘇省、安徽省和上海市)，京津冀地區包括北京、天津和河北省，粵港澳地區為廣東省和香港、澳門兩個行政特區。

(4)區域內外部核心參與者社會網絡分析。為了分析鄰近性是否會影響這些高數據密集產業 (如AI)知識創新參與者創新伙伴的選擇和創新集群形成過程，使用Ucinet作為分析工具對區域內外部核心參與者進行社會網絡分析，并參考 “五年規劃”對數據集進行時間的劃分，但由于1991—1995年時間段的數據非常少，因此將1991—1995和1996—2000這兩個時間段合并，即分為1991—2000、2001—2005、2006—2010、2011—2015和2016—2020*共5個時間段進行時序分析。

2 結果與分析

2.1 中國人工智能創新發展態勢

科研工作者往往以撰寫必要的科學文獻來作為知識或技術創新的科研成果的具體體現，因此本文以公開發表的論文為數據，從發表論文數、國際合作論文數、主導論文數、國際合作率和國際合作論文主導率等指標分析中國人工智能創新發展態勢。在本文中，定義合作論文為論文作者數>1的論文，國際合著論文為論文作者國家數>1的合著論文[20]；將通信作者確定為主導作者，定義一個國家主導的論文為該國國際合著論文中通信作者地址字段為該國家地址的論文，也就是說，該國家在這項科技合作中承擔主導者角色[21]。一個國家的國際合作主導率即該國在國際合著學術論文中擔任通信作者的百分比。

從論文數和占世界論文數的比例看，在人工智能領域，中國是后起之秀，2006年以后發展迅猛。由1991—2000年的1291篇、占比2.49%增長到2016—2020*的73324篇、占比37.59%，是第一階段的約15倍。國際合作論文數也隨之增長，但國際合作主導率比較穩定，為25%～30%。不同的是，中國人工智能創新的主導地位逐步提升，國際合作主導率由1991—2000年的37.30%增長到2001—2005年的54.11%，之后呈上升趨勢，最終穩定在70%左右。由此可見，中國人工智能創新發展態勢迅猛，主導地位逐步提升，但是國際合作率趨于穩定，見圖1和表2。

圖1 中國人工智能創新發展態勢 (1991—2020年*)

表2 中國人工智能創新發展態勢 (階段對比)

2.2 中國人工智能知識創新區域分布

通過論文數對中國33個省級行政單位進行分層分析，識別出該領域創新的核心參與者，見表3。由表3可知，位列第1層的11個區域中，北京的論文數遠超其他地區，占23.05%，也就是說，有23.05%的論文中至少有1位作者來自北京。江蘇居第2位，在1991—2020*期間，發表中國人工智能領域13.50%的論文 (約為北京論文產出的一半左右)。居第3位和第4位的上海和廣東，均貢獻了約9%的人工智能論文。從發展趨勢看，在大多數區域，論文數呈穩定或者增長趨勢，增長較快的有江蘇 (由8.83%增至14.12%)、廣東 (由2.17%增至10.89%)、陜西 (由4.65%增至8.53%)、湖北 (由4.34%增至7.64%)、浙江 (由3.80%增至6.65%)，其中最為明顯的是粵港澳地區的廣東省，但是同一地區的香港的人工智能產出在1991—2000年為20.53%，居第2位，僅次于北京 (21.61%)，并在2001—2005年增至30.48%，領先于北京 (22.38%)，但卻在后面3個階段以減半的趨勢大幅度下降 (分別為15.21%、6.5%和3.84%)，至2016—2020*為4.93%。為了探究導致這一現象的原因，提取香港的記錄，即至少有1個香港作者參加的記錄，發現香港地區的人工智能產出在2006年之后有增長趨勢，但增幅不大，已逐步趨于穩定，但與大陸地區合作的論文數增長迅速，與距離最近的廣東合作最為頻繁，但是和北京、江蘇合作較早，2006年左右已經頻繁合作，與其他地區如廣東、上海、浙江、陜西、湖北等的合作論文數是在2011年之后迅速增長。可見，香港的人工智能創新發展早于大陸地區，并已至成熟階段，并通過合作方式在某種程度上帶動了大陸地區人工智能的發展。

表3 中國人工智能創新區域分布比例 單位：%

人工智能論文產出的區域差異不僅反映科學知識創新能力的不均衡，也反映中國不同地區經濟活動和科技資源的不均衡。盡管近年來政府為實現區域發展均衡而出臺大量區域協同創新的相關政策，但仍存在很大差異。《中國研發經費報告 (2018)》的數據表明，中國各省 (市、區)研發經費支出規模前3位的是廣東、江蘇和山東，均超過1500億元；支出強度前3位是北京、上海和天津，均超過3%。中國各省 (市、區)研發經費支出差異明顯，排名前3位的研發經費共計5628億元，占全國研發經費的1/3。在人工智能領域，中國科學院1991—2020*發表論文12407篇，占中國全部人工智能論文產出的10.54%，中國科學院總部位于北京，其下屬研究機構也多在北京。此外，許多優秀的研究型大學也在北京，如清華大學發表人工智能相關論文3742篇，占全國總數的3.18%；北京航空航天大學2541篇，占比2.16%；北京大學1890篇，占比1.61%。距離北京較近的天津大學也貢獻了1.74%的人工智能研究論文。除京津冀外，人工智能創新的關鍵參與者還集中在長三角和粵港澳地區，長三角地區的核心參與者有浙江大學 (占比3.27%)、上海交通大學 (占比2.92%)、東南大學 (占比2.46%)，粵港澳地區則有香港理工大學 (占比2.33%)、香港城市大學 (占比2.28%)和中山大學 (占比1.65%)，見表4。人工智能知識創新在大學聚集的湖北武漢、陜西西安和四川成都也存在集聚現象。

表4 中國人工智能知識創新的關鍵參與者 (前20名)

2.3 中國人工智能核心區域創新集群的形成過程

為了進一步分析中國人工智能的區域創新生態，選擇中國人工智能創新領先的3個核心地區，即京津冀、長三角和粵港澳地區，在識別出關鍵參與者的基礎上，采用社會網絡分析法，借助Ucinet分析工具，繪制出3個地區1991—2020*期間不同時間段的合作網絡，從時間和空間多維度進行對比，以揭示中國人工智能知識創新的區域協同程度和人工智能知識創新集群的形成過程。

2.3.1 中國人工智能核心區域關鍵參與者

采用科學計量的方法，分別提取出長三角、京津冀和粵港澳3個地區人工智能知識創新的關鍵參與者，由于篇幅限制，本文只列舉每個地區的前20個機構，并區分區域內、外參與者。

長三角地區人工智能創新參與者前20的機構中，10個來自江蘇，其中7個來自南京，另3個是徐州的中國礦業大學、無錫的江南大學和鎮江的江蘇大學；位于其后的是上海，有5所機構躋身地區前20；浙江和安徽則都只有兩個機構躋身區域前20，且來自省會城市，浙江的機構是排名第1位的浙江大學和第17 位的杭州電子科技大學，安徽的機構是中國科學技術大學和合肥工業大學。長三角人工智能知識創新的關鍵參與者還有來自區域外部的北京的中國科學院的機構，與長三角地區合作1455篇論文。長三角地區人工智能集群的形成依賴于研究型大學地理上的集聚。

相對于長三角地區分布廣泛的特征，京津冀地區的關鍵參與者則相對集中，主要集中在北京，12所研究型大學 (機構)和1所企業研究院 (微軟亞洲研究院)；天津和河北則比較少，天津有兩所 (天津大學和南開大學)，河北有1所 (燕山大學)；此外還有區域外的上海交通大學、香港城市大學、哈爾濱工業大學和新加坡的南洋理工大學。

正如區域分布得出的結論，香港地區人工智能創新能力已日趨成熟，在粵港澳地區，香港有6所大學位列前10，其中前5名中有3所機構來自香港，分別為香港理工大學 (第1)、香港城市大學 (第2)和香港中文大學 (第5)；廣東省有7所大學位列其中，主要集中在廣州和深圳；澳門地區則只有澳門大學位列其中；另外還有區域外6所機構，中國科學院 (北京)和清華大學，長三角地區的浙江大學和上海交通大學，武漢的華中科技大學以及哈爾濱的哈爾濱工業大學，見表5。

表5 中國人工智能核心區域關鍵參與者 (前20名)

總體看，京津冀地區對周邊地區的推動作用不明顯，長三角和粵港澳地區則相對均衡。粵港澳地區與外部合作明顯，如通過設立分校區的方式 (哈爾濱工業大學)。

2.3.2 中國人工智能核心區域知識創新集群形成

區域內、外部的合作可以促進知識交流以推動新興技術知識創新[23]。盡管合作方式有多種，但是由于本文研究的人工智能領域的合作，近年來中國大力推進人工智能發展并且以各種方式支持人工智能的科學研究，因此人工智能領域的合著論文可以作為知識創新合作的體現方式。

假設科學合作可以促進知識創新，在區域視角下，促進區域創新集群形成。因此使用Ucinet軟件繪制3個人工智能核心區域內外部核心參與者的合作網絡，并分時間段以揭示其演進過程。節點大小表示在該區域該階段該參與者貢獻的論文數，兩個節點之間的連線表示兩個機構合作的數量，每個子圖中節點的大小與論文數呈正比，線的粗細與合作次數成正比，在每個區域的每個階段，按論文數分布選擇了核心參與者。

如圖2所示，在長三角地區，第一階段 (1991—2000)，人工智能創新的主要核心參與者均來自區域內部，以浙江大學，江蘇南京的東南大學和南京大學，上海的復旦大學、上海交通大學和中科院在上海的研究所，安徽的中國科學技術大學為代表，但是除江蘇南京的兩所大學 (東南大學和南京郵電大學)外，無論是省 (市)內部還是區域內不同省 (市)的參與者之間合作并不明顯。第二階段 (2001—2005)，同一省市(上海、江蘇南京、安徽)內部的機構之間頻繁合作。另外，香港與北京的機構頻繁與長三角地區的機構進行人工智能的合作創新，一些緊密的合作關系也初步形成。地區合作創新團隊多為雙邊，有兩個香港—江蘇南京合作組合 (南京理工大學、香港理工大學和香港城市大學，東南大學、南京郵電大學和香港中文大學)，1個香港—上海合作組合 (上海交通大學、香港城市大學和香港大學)，1個香港—浙江杭州合作組合 (浙江大學、香港理工大學、香港城市大學和香港大學)，1個北京—江蘇南京合作組合 (中科院北京的研究所和南京航空航天大學)。但是，區域內部不同省 (市)之間的合作并不明顯。第三階段 (2006—2010)，上海的創新集群已初步形成，上海交通大學在集群中的表現最為突出。同時，長三角區域人工智能國際合作創新態勢明顯，上海與江蘇南京的國際合作更為突出。第四階段 (2011—2015)，澳大利亞和沙特阿拉伯的研究機構也開始參與長三角地區人工智能的國際合作創新中，江蘇的創新集群也初具規模，但主要集中在省會南京，東南大學、南京理工大學和南京大學比較突出。安徽合肥的中國科學技術大學、安徽大學和合肥工業大學的三角合作關系形成。最后階段 (2016—2020*)，也是長三角地區人工智能迅速發展的階段，區域內、外部的越來越多機構參與進來，以北京的機構最為明顯。浙江大學與浙江工業大學、杭州電子科技大學的合作緊密起來。另外，在國家大力推動區域協同創新的大環境下，區域內部跨省 (市)合作創新初見成效，江蘇的東南大學和安徽的中國科學技術大學，浙江的杭州電子科技大學和上海的復旦大學均已形成緊密的合作伙伴。可見，在長三角地區人工智能創新發展過程中，香港地區的大學起到不可替代的作用。上海地區的人工智能發展集群形成最早，其次為江蘇，安徽和浙江的集群還在形成中。區域協同發展戰略有助于推動長三角地區的人工智能知識創新集群的形成。

圖2 長三角地區人工智能區域創新集群形成過程

如前所述，京津冀地區的人工智能創新主要集中在北京。如圖3所示，北京的人工智能創新集群初步形成于第三階段 (2006—2010)，2011年以后迅速發展。新加坡和澳大利亞與北京的人工智能創新研究機構合作較多。與長三角地區相同，香港地區的大學也為北京的人工智能創新發展做出一定貢獻。另外，在天津大學和南開大學這兩所一流大學的帶領下，天津的人工智能創新能力也有了一定提升，但集群尚未形成，自2011年起，與北京地區的合作也逐步增多。

圖3 京津冀地區人工智能區域創新集群形成過程

如圖4所示，粵港澳地區人工智能創新模式比其他兩個地區更加開放，在第一階段 (1991—2000)的創新核心參與者中，已有5個機構來自區域外，甚至其他國家或地區。由于香港的人工智能發展較早，粵港澳地區香港的人工智能創新早于中國其他地區，因此在第一階段 (1991—2000)，香港地區的香港理工大學、香港城市大學和香港大學已形成了緊密的三角合作關系。但直到第三階段 (2006—2010)，廣東地區的人工智能知識創新活動才活躍起來，主要集中在廣州和深圳，主校區在其他地區的大學在深圳設立分校區這一方式對深圳的人工智能創新有一定推動作用，如清華大學深圳研究院、哈爾濱工業大學深圳校區、香港科技大學深圳研究院等。粵港澳地區人工智能創新的區域協同程度也優于其他兩個地區，早在第一階段 (1991—2000)，香港地區的大學已經開始與廣東的華南理工大學合作，從第二階段 (2001—2005)起，合作日趨緊密。受科技資源分布的影響，澳門地區人工智能的核心參與者只有澳門大學和澳門科技大學，分別在第四階段 (2011—2015)和最后階段 (2016—2020*)成為區域內人工智能知識創新的核心參與者。澳門大學與區域內的廣東工業大學、華南理工大學，以及區域外的北京的中科院的研究所建立了穩定的合作關系。

圖4 粵港澳地區人工智能區域創新集群形成過程

3 結論與討論

3.1 結論

分析結果表明，中國人工智能知識創新集群已經廣泛出現，并為中國的人工智能發展做出了貢獻，中國人工智能創新發展態勢迅猛。人工智能知識創新的區域分布反映了科技資源分布的不均衡，首都、省會和經濟特區這些行政屬性在人工智能創新方面具有一定優勢。香港的人工智能發展早于大陸地區，并通過合作的方式推動了其他地區人工智能的發展。

人工智能知識創新在長三角、京津冀和粵港澳地區均出現了集聚現象，并對地理鄰近具有一定依賴性，但僅在同一行政區范圍內明顯。近年來中央政府倡導的區域協同發展戰略和地方政府的創新發展政策有助于幫助區域打破行政界限，實現創新共同體內部創新要素的流動。

3.2 研究貢獻與不足

本研究貢獻主要是制定了基于科學計量學和社會網絡的新興技術區域知識創新生態的分析方法，并選取了中國的人工智能作為案例進行實證分析。在數據收集和處理方面，雖然盡了最大努力，但本文仍有一定的局限性。

本文分析中國人工智能知識創新的區域分布和人工智能核心區域的知識創新集聚情況，但僅采用發表的SCI和SSCI論文并不能完全反映知識創新情況。本文作者進一步收集人工智能相關專利，試圖補充其他相關產品的數據。在后續研究中，將繼續探討中國人工智能的創新生態，而不局限于知識創新方面。本文也將進一步探討政策對新興技術創新集聚的推動作用和區域不均衡差異的原因。但是合作論文也是知識創新合作的一種測度方式，因此本文構建的方法對相關研究可提供支持，分析結論對現實也具有一定指導性。