以應用為導向的中國人工智能創新生態及其演化

劉剛 靳中輝

摘要：隨著新一代信息技術和經濟社會的融合發展，創新范式正在發生根本變革。作為創新范式變革的前沿，中國人工智能創新生態表現出以應用為導向的跨學科、跨產業、跨組織和跨地域協同創新趨勢。在內生需求牽引下，中國人工智能創新生態從以國外學術機構和跨國公司在華研發中心為主導逐步向以本土學術機構和企業為主導轉變。以應用為導向和高度開放的創新生態，是中國人工智能科技產業快速發展的關鍵驅動因素。面對國外技術封鎖，如何適應企業和產業國際競爭力提升，構建基礎研究和應用研究相互支撐的高度開放的創新生態，是中國人工智能科技產業持續發展的迫切需要。

關鍵詞：人工智能;融合發展;創新生態;應用導向的基礎研究;創新范式

中圖分類號：D424.3? ? ?文獻標識碼：A? ? ?文章編號：1003-1502（2022）01-0059-15

一、引言和文獻綜述

作為第四次工業革命的引擎，人工智能科技產業在中國實現了快速發展，表現為企業數量、產業規模和融資額的持續增長。中國信息通信研究院發布的《2020年全球人工智能產業地圖》顯示，2020年全球人工智能產業規模達到1565億美元，同比增長12.3%，中國人工智能產業規模為434億美元，同比增長13.75%，超過全球增速。2020年，美國人工智能企業占據全球總數的38.3%，中國緊隨其后，占24.66%。中美兩國人工智能企業數量占據全球半數以上，保持絕對競爭優勢。此外清華大學發布的《中國人工智能發展報告 2018》顯示，自2013年以來，全球和中國人工智能產業投融資規模都呈上漲趨勢。2017年全球人工智能投融資總規模達395億美元，融資事件1208筆，其中中國的投融資總額達到277.1億美元，融資事件369筆。中國人工智能企業融資總額占全球融資總額的70%，融資筆數達31%。人工智能產業應用領域也在不斷擴展。中國新一代人工智能發展戰略研究院發布的《中國新一代人工智能科技產業發展報告2021》顯示，中國的人工智能已經出現在包括智慧城市、智能交通、智慧醫療、智能教育、智能制造和智能網聯汽車在內的22個應用領域。隨著與經濟社會的融合發展，人工智能成為驅動中國經濟轉型升級和高質量發展的新引擎。

在產業發展的同時，中國人工智能創新生態同樣發展迅速。斯坦福大學發布的《2021年人工智能指數報告》顯示，2020年中國在學術期刊上發表的有關人工智能的論文引用率占比為20.7%，美國為19.8%，中國首次超過美國。據科睿唯安公司的統計數據，自2012年以來，中國的人工智能論文數量為24萬篇，美國則為15萬篇，特別是在圖像識別和生成領域，中國取得了優異的學術研究成果。同時，2019年來自中國的人工智能研究者全球占比為29%，超過占比20%的美國。

從所屬單位看，學術論文的作者不僅來自研究型大學，而且來自研究院所和企業。研究院所不僅有政府主導的科研單位，而且有新型研發機構。企業不僅包括人工智能開放創新平臺，而且包括人工智能中小企業、獨角獸公司和新創企業。從合作單位看，論文作者的合作單位不僅包括國內外學術機構，而且包括跨國公司及其本土分支機構和本土企業。同時，論文作者在國內外學術機構、研究院所和企業之間的頻繁流動，進一步增強了創新生態的復雜性和活力。

更加引人注目的是，許多高水平論文作者同時又是人工智能企業創新和創業活動的直接參與者。2015年以來，一批人工智能領域的頂尖學者在人工智能開放創新平臺、獨角獸和新創企業工作，是產業技術創新的引領者。在某種程度上，中國人工智能學術研究是創新生態的核心組成部分。中國人工智能創新生態表現出基礎研究和應用研究高度融合和跨組織特征。

長期以來，中國科技與經濟存在著“兩張皮”現象，尤其是表現在大學和科研機構的基礎研究與產業發展之間相互脫節。在傳統產業發展中廣泛存在的“兩張皮”現象為什么沒有出現在人工智能科技產業？中國人工智能創新生態的基本特征是什么？創新生態與人工智能科技產業之間的良性循環是如何形成的？作為第四次工業革命的引擎，人工智能科技產業是新經濟發展的前沿。對上述問題的回答，將有助于我們系統總結和概括代表中國經濟未來發展的創新范式。

創新包括新知識的創造及其商業化。新知識的創造究竟來自應用還是純理論研究，一直是創新理論爭論的話題。第二次世界大戰之后的很長一段時間，以美國為代表的發達國家都強調基礎研究的重要性。范內瓦·布什指出：基礎研究將導致出新的知識。它提供科學上的資本。它創造了一種儲備，而知識的實際應用必須從中提取。一個在新的基礎科學知識方面依靠別國的國家，其工業發展將是緩慢的，在世界貿易競爭中所處的地位將是虛弱的，而不管它的機械技術如何。在他看來，大量經過科學訓練的學者集聚的學術自由氛圍濃厚的研究型大學是基礎研究的理想場所。以基礎研究和科學知識為源泉的線性創新成為20世紀50—80年代占主導的創新范式。

20世紀80年代中后期，面對日本經濟的崛起和科技創新能力的提高，學術界開始質疑把基礎研究和應用研究分離開來的線性創新思維和創新范式。1986年，D Sharpley和R Roy在《迷失在邊疆：美國科學和技術政策的偏離》中認為，布什的報告對自由的基礎研究強調的只是創新的部分內容，而包括應用研究、工程學、技術、科學教育以及基礎與應用之間相互聯系在內的創新的其他部分則被忽略了。同時，基礎研究不都是完全自由和沒有目標導向的。克萊因提出了創新鏈式模型，強調創新是一個發明、設計和生產相互作用的過程，基礎研究是創新中的一個環節和因素。

司托克斯認識到在科學研究中，科學知識的認識目標和應用目標之間不是對立的，而是相互作用和相互融合的。在他看來，新興市場中的消費需求會影響技術研究，而技術研究則常常成為科學的靈感來源。基于對科學與技術關系的新認識，司托克斯提出了由應用引發的基礎研究概念，即“巴斯德象限”。Nicholas S Vonortas分析了美國和歐盟二戰后的科學技術政策的演變，指出創新政策的成功率取決于對技術需求方面的理解，而不僅僅是技術的初始生產。

隨著以知識為基礎的經濟時代的到來，基礎研究和應用研究的融合使創新表現出越來越明顯的跨學科、跨組織、跨產業和跨地域特征。跨組織表現為大學、科研院所和企業之間的合作。而跨區域集中表現為大學、科研機構與企業之間的跨國合作。在中國人工智能科技產業的發展中，大學、科研機構和企業之間的跨國合作發揮著非常重要的作用。創新主體日益多元化，新知識的創造者不僅包括大學和研究院所，而且包括企業和用戶。Henry Etzkowitz和Loet Leydesdorff提出了在知識經濟背景下的三螺旋創新模式，指出學術界、產業界和政府在合作中形成的三螺旋聯結結構出現在創新進程的各個階段且相互作用和協同創新。在三螺旋創新模式下，學術—產業—政府邊界的相互滲透帶來了互補性協同創新，新的開放式合作創新模式是現代創新的動力基礎。Henry W Chesbrough發現企業為了獲取競爭優勢而利用外部知識進行創新，提出了開放式創新概念。Pacheco V則進一步提出開放式創新不僅出現在企業之間，而且出現在大學、企業、政府和用戶之間跨組織的知識和技術交流之中。在知識經濟條件下，創新過程出現了生態化和網絡化趨勢，實現了產品和服務從系統開發向分布式創新的重大轉變。尤其是隨著互聯網和移動互聯網的發展和普及，計算機和通信工具降低了作為個體用戶獲取創新要素的成本，創新日益民主化。

作為第四次工業革命的引擎，人工智能領域創新范式是基于網絡空間發展的，具有明顯的生態化和網絡化特征。隨著互聯網、移動互聯網、大數據和云計算的發展，數據不僅是生產要素，而且是創新要素。無論是基礎研究還是應用研究，都依賴數據要素在基礎研究、應用研究和規模生產之間有效流動。底層數據要素的流動模糊了基礎研究和應用研究的邊界，不僅增加了應用研究和規模生產對基礎研究的牽引力，而且使創新表現出跨學科、跨組織、跨產業和跨地區的網絡化特征。

人工智能屬于通用技術（GPTs， General Purpose Technologies），其與經濟社會的融合發展是激活社會生產力發展潛力的根本途徑。人工智能通用技術和經濟社會的融合發展，推動了以應用為導向的多元創新主體的跨產業、跨組織和跨區域的技術重組和互補性創新。從創新主體看，在網絡空間賦能下，無論是作為學者還是作為用戶個體的創新能力都獲得了巨大的提升。用戶的參與成為創新的重要源頭。以用戶和應用為導向的創新，不僅創造出滿足市場需求的產品和服務，而且帶動了基礎研究領域的突破。

生態化、開放性和網絡化是人工智能創新范式的基本特征。基于復雜網絡的視角，本文試圖通過對中國人工智能創新生態的價值網絡分析，考察新的創新范式是如何運行的。在此基礎上，對國家和區域創新體系的未來建設提出對策建議。

二、研究方法與設計

本文以中國最具影響力的人工智能領域學者為研究對象，通過考察論文合作者之間的跨組織、跨地域和跨單位合作關系，揭示中國人工智能創新生態的基本結構和運行機制。學術論文的合作者不僅來自大學和研究院所，而且來自企業。因而，我們可以把論文作者之間的合作關系轉換為作者所屬單位之間的合作關系，即大學、研究院所和企業之間的合作關系，以論文合作者及其所屬單位為節點構建價值網絡，分析節點之間的合作關系和合作方式。

本文以AMiner網站①影響力標注排序的中國人工智能領域核心學者群為基礎，通過糾錯刪減和拾遺補闕篩選出135名人工智能領域的中國知名學者作為研究對象。截至2020年7月30日，135名學者的合作方式發表學術論文22196篇。在數據整理中發現，135名作者絕大多數論文是以合作方式發表的，獨立發表論文占比非常低，約為1%。在22196篇合作論文中，135名學者的論文合作者共計出現19344名。135名學者所屬單位數為165家，19344名論文合作者所屬單位數為1731家。在一定時期內，135名論文作者的單位是變動的，其不僅在大學和研究院所之間流動，而且在大學和研究院所與企業之間流動。因而，135名論文作者往往具有多個所屬單位。同時，在19344名論文合作者中，許多作者都來自共同單位。

作為中國人工智能創新生態的成員，135名學者和19344名合作者所屬單位是多元化的，包括國內外大學、政府主導的研究院所、新型研發機構、跨國公司及其在華分支機構和研究中心、高校和企業聯合實驗室、人工智能開放創新平臺、人工智能獨角獸企業和新創企業。按照論文合作者所屬單位在論文中出現的頻率統計，國內外大學占比為73.90%;包括跨國公司及其在華分支機構和研究中心、人工智能開放創新平臺和人工智能企業在內的企業組織占比為14.54%;包括政府主導的研究院所和新型研發機構在內的研究機構占比為11.08%;高校和企業聯合實驗室占比為0.32%;包括某些政府機構和事業單位在內的其他機構占比為0.16%。

本文以135名學者為樣本節點，以19344名論文合作者為關系節點，共計發現78713條合作關系。為了分析中國人工智能創新生態的基本結構和演化趨勢，我們進一步以135名學者所屬165家單位為樣本節點、以論文合作者所屬單位作為關系節點，構建價值網絡圖。通過對22196篇論文合作者單位之間合作關系、合作內容和方式的動態分析，考察支撐中國人工智能科技產業快速發展的創新生態隱秩序。

三、中國人工智能創新生態的價值網絡分析

（一）價值網絡結構

將采集的關系數據輸入社會網絡分析軟件Gephi0.9.2，初始設定為無向網絡，我們得到一個由1742個節點（165個樣本節點和1731個關系節點有重復的，合并后共1742個節點）和78713條邊（關系）構成的中國人工智能創新生態價值網絡拓撲結構圖（見圖1），為了簡潔化處理，價值網絡圖中只顯示了部分核心節點名稱。圖1中少數核心節點具有較多的連接數以及表1列出的價值網絡結構性指標，如0.735的平均聚類系數、2.832的平均路徑長度等均表明，中國人工智能創新生態是由許多簇群組成的復雜網絡，具有明顯的小世界網絡特征。

圖2列出了度數中心度排名前三十的節點。度數中心度排名前三十的節點包括三類組織和機構：一是包括清華大學、浙江大學、哈爾濱工業大學、北京大學、香港科技大學、新加坡國立大學和美國伊利諾伊大學厄巴納—香檳分校在內的國內外研究型大學;二是包括中國科學院計算技術研究所和新加坡信息通信研究所在內的國內外研究院所和新型研發機構;三是以微軟亞洲研究院、IBM、騰訊和阿里巴巴為代表的跨國公司及其在華分支機構和研究中心、人工智能開放創新平臺。從價值網絡節點度數中心度分布看，國內外研究型大學、研究院所、跨國公司及其在華分支機構和研究中心、人工智能開放創新平臺是中國人工智能創新生態的主導者。

除了上述組織和機構，在價值網絡節點中，還存在著數量龐大且度數中心度相對較低的人工智能中小企業和新創企業。尤其是在算法領域具有技術優勢的人工智能獨角獸公司和新創企業，如包括商湯科技、云從科技、中科寒武紀、曠視科技和云天勵飛在內的一批由人工智能科技人才創業的獨角獸公司和新創企業是中國人工智能創新生態的重要組成部分。

圖3列出了中國人工智能創新生態論文作者單位所在國家或地區的排名情況。其中，中國排名第一，合作關系數占比為64.26%;美國排名第二，合作關系數占比為19.81%;中國香港排名第三，合作關系數占比為4.17%;新加坡排名第四，合作關系數占比為3.85%;澳大利亞排名第五，合作關系數占比1.57%。

通過圖2和圖3的數據分析，我們可以得出兩點基本結論：一是中國人工智能創新生態是高度開放的。學術論文合作者跨境、跨區域和跨組織合作特征明顯。合作關系不僅發生在國內外學術機構之間、國內學術機構和跨國公司之間、國內外學術機構和國內企業之間，而且發生在國內企業與跨國公司之間。二是在創新生態發展中，企業和產業發展的應用需求是影響和決定創新生態發展的關鍵變量。

（二）合作關系的內容和方式

我們首先依據論文研究主題把合作關系的內容劃分為16個技術領域（數量極少和不易歸類的劃分為“其他”），分析學術研究與人工智能科技產業發展之間的動態關聯。圖4是1986—2020年中國人工智能學術論文主題的技術領域變化情況（數據收集至2020年7月30日，為顯示出圖形年度趨勢，圖中2020年論文篇數為實際論文篇數除以7/12所得，代表2020年度不同技術類別的論文數）。為了說明技術研究的導向性，本文把16種技術的研究領域劃分為應用技術研究和基礎技術研究。其中，應用技術研究的技術類別包括計算機視覺、多媒體、數據挖掘、自然語言處理、機器學習、信息檢索和推薦等在內的應用算法類技術。基礎技術研究的技術類別則主要包括芯片技術以及“其他”技術領域中包含的計算理論、計算機系統等基礎技術。

如圖4所示，2000年之后，中國人工智能學術論文發表數量開始步入快速增長階段。其中，包括計算機視覺、多媒體、數據挖掘、自然語言處理、機器學習、信息檢索和推薦等在內的應用算法研究領域的學術論文數量，不僅占比較高而且增長速度快。而包括芯片等在內的基礎技術研究領域的論文發表數量偏少且增長緩慢。

其次，我們進一步根據學術論文合作者所屬單位的類別，把人工智能學術研究劃分為兩種類型：純理論研究和以應用為導向的理論研究。純理論研究是指國內外大學之間的合作研究;應用導向的理論研究則是指企業和研究院所參與的學術研究，包括大學和企業、大學和研究院所、研究院所之間、研究院所和企業、企業之間的學術研究。

圖5是1986—2020年純理論研究和應用導向理論研究論文篇數的年度變化情況。中國在人工智能領域的學術研究起步于20世紀80年代中期，以純理論研究為主導。到90年代，隨著電子信息產業的興起和發展，以應用為導向的理論研究逐漸開始出現，且呈現快速增長趨勢。2017年之后，以應用為導向的理論研究出現加速增長勢頭。2019年，應用為導向的理論研究論文數量超過純理論研究。尤其是隨著人工智能開放創新平臺、獨角獸企業和新創企業參與的學術論文發表數量的增加，中國人工智能創新生態以應用研究為導向的特征越來越明顯。

最后，我們根據論文合作者所屬單位的國別考察中國人工智能創新生態的跨國合作情況。以兩種類型的組織在學術論文作者單位出現的頻次為維度，分析中國人工智能創新生態的開放性。

圖6是1986—2020年人工智能學術論文合作者所屬國內和國外組織機構出現的頻次變化情況。2000年之前，在中國人工智能學術研究中，國外機構始終占據50%左右的比重。在國外大學深造的中國學者是國內早期進入人工智能研究領域的研究者，如1986年發表論文的兩位作者分別是在美國加州大學伯克利分校和馬里蘭大學學習的中國學者。20世紀90年代中后期，以微軟亞洲研究院為代表的跨國公司在華研究中心成為中國人工智能研究領域的引領者。

2000年之后，隨著中國互聯網的興起和電子信息產業的發展，中國的研究型大學和研究院所開始加強人工智能領域的理論研究。2000—2014年間，中國大學的學術研究基本上是以純理論研究為主導。跨國公司在華研究中心的研究則是以應用為導向的理論研究。其中，跨國公司在華研究中心應用導向的理論研究主要服務于跨國公司海內外業務的發展。

2015年之后，隨著人工智能開放創新平臺、獨角獸公司和新創企業的發展，以應用為導向的理論研究推動了中國人工智能創新生態的發展，尤其是許多人工智能領域的著名學者開始參與人工智能開放創新平臺、獨角獸公司和新創企業產品和服務的研發工作。其中，研究成果在國內市場的應用逐步替代跨國公司的海外應用，成為中國人工智能創新生態發展的引領者。

從上述分析中可以看出，中國人工智能創新生態始終是高度開放的，不僅表現在與國外機構之間合作的開放性，而且表現在學術機構與企業之間合作的開放性。同時，中國人工智能創新生態從以純理論研究為主導逐步演化為以應用研究為主導。其中，中國人工智能企業和產業發展的應用需求，是創新生態演化的關鍵驅動力。

四、模型與推論

在實證分析的基礎上，本文試圖構建一個簡單的理論模型（見圖7），分析應用導向和高度開放的中國人工智能創新生態的形成和演化趨勢，探討在助推人工智能科技產業發展過程中，現有創新生態可能存在的風險和問題。

假設作為后發國家，存在著一個高度開放的全球創新生態，能夠為本土人工智能企業和產業發展提供基礎理論和應用技術支持。我們用G〔G=（V，E）〕表示全球創新生態網絡，G網絡包括四個子網絡：一是國外學術機構研究網絡GF〔G=（V，E）〕，G網絡由國外研究型大學從事人工智能學術研究的學者（包括在國外研究型大學任職和學習的中國學者）組成;二是國內學術機構研究網絡G〔G=（V，E）〕，G網絡由國內研究型大學從事人工智能學術研究的學者組成;三是跨國公司研發網絡G〔G=（V，E）〕，G網絡由跨國公司和跨國公司本土分支機構從事人工智能技術研發的研發人員組成;四是國內企業研發網絡G〔G=（V，E）〕，G網絡由國內人工智能企業從事人工智能技術研發的研發人員組成。

在初始狀態下，假設G網絡是不存在的，即國內沒有人工智能企業和產業。在這種情況下，對后發國家而言，開放的全球創新生態為G=GG+GG+GG+GG+GG+GG（公式1）。它包括兩個部分：一部分由GG+GG+GG組成，是以基礎研究為導向的國內外大學之間的知識、技術交流和合作網絡;另一部分由GG+GG+GG組成，是以應用研究為導向的國內外大學與跨國公司、跨國公司及其跨國公司本土分支機構之間的知識和技術合作網絡。其中，GG+GG為國內外大學與跨國公司及其本土分支機構之間的知識、技術交流和合作。GG則是指跨國公司及其本土分支機構之間的知識、技術交流和合作。同時，通過GG+GG，大學在基礎研究領域的知識和技術向跨國公司及其本土分支機構溢出。

對后發國家而言，本土人工智能創新生態為GG+GG+GG+GG。它包括兩部分：一是GG+GG，即國外大學和國內大學、國內大學之間人工智能基礎研究領域知識、技術交流和合作網絡;二是GG+GG，即國內大學與跨國公司及其本土分支機構、跨國公司及其本土分支機構之間的知識、技術交流和合作。無論是基礎研究還是應用研究，因為研究活動發生在國內，都為本土人工智能企業和產業的發展進行知識、技術和人才積累。

推論1：在開放經濟條件下，通過國外學術機構與國內學術機構、國內學術機構之間、國內學術機構與跨國公司國內分支機構合作中的知識、技術和人才交流，為國內人工智能企業和產業發展創造條件。

中國的智能化需求源于經濟轉型升級，是內生的。國內產業智能化需求的出現，激活了全球創新生態發展中與本土相關的創新要素，尤其是促進了在國內外學術機構和跨國公司及其在華研發中心從事研發活動的科技工作者創業浪潮的出現。隨著人工智能企業和產業的發展，國內基礎研究和應用研究快速融合，形成以應用為導向的創新生態。同時，通過與國外學術機構和跨國公司之間的知識、技術和人才流動，國內創新生態的發展不斷助推人工智能企業和產業的快速成長。

在這種情況下，適應國內人工智能企業和產業發展的國內創新生態為：G=GG+GG+GG+GG（公式2）。其中，GG+GG是指國內人工智能企業之間、國內人工智能企業和跨國公司及其本土分支機構之間的知識、技術和人才流動。在本土人工智能企業和產業發展的早期階段，跨國公司及其在華分支機構成為知識、技術和人才溢出的重要來源。GG+GG則是指國內人工智能企業與國內外學術機構的知識、技術和人才交流。在產業發展的早期階段，國內外學術機構的知識、技術和人才溢出同樣是國內人工智能企業和產業發展的重要技術來源。

推論2：在內生應用需求的牽引下，國內外學術機構和跨國公司本地分支機構的知識、技術和人才溢出是本土人工智能企業和產業發展的重要推動力。服務于本地人工智能企業和產業的發展，國內創新生態是以應用為導向的。

在短期內，現有知識、技術和人才積累能夠滿足人工智能企業和產業的發展需求，但是隨著應用領域的不斷拓展，前沿應用問題的解決往往需要基礎研究提供支撐。應用研究開始向基礎研究延伸。如何實現應用研究和基礎研究的創新循環，是國內創新生態發展的方向。

實現應用研究和基礎研究之間良性循環的創新生態建設存在兩條路徑：一是推動高度開放的全球創新生態，利用開放的全球學術資源進行基礎研究;二是發展國內基礎研究力量。

短期而言，第一種路徑更有效率。因而，在經濟全球化背景下，適應本土人工智能企業和產業發展新的創新生態網絡可以用公式3表達：G=（GG）G+（GG）G+（GG）G+（GG）G+GG+GG（公式3）。

公式3表達的是以適應本土人工智能科技產業發展的應用需求為導向的，具有良性循環狀態的應用研究和基礎研究的創新生態網絡。其中，（GG）G+（GG）G表示國內人工智能企業和產業發展需求牽引的國內外學術機構的交流和合作。（GG）G+（GG）G則表示國內外學術機構與跨國公司及其本土分支機構展開的以應用為導向的基礎研究對本土企業和產業的溢出。GG+GG則表示本土企業與跨國公司及其本土分支機構、本土企業之間的技術交流和合作。在人工智能科技產業發展到一定階段后，本土企業和跨國公司的技術溢出是雙向的。

推論3：隨著本土人工智能科技產業的發展，尤其是以應用為導向的創新需要基礎研究提供支撐時，依托全球創新生態實現應用研究和基礎研究的創新循環則是有效發展的路徑。

實際上，公式3表達的全球創新生態是理想化的，即學術自由的全球創新生態。但是當遭遇國外，尤其是發達國家技術封鎖的條件下，上述創新生態則是殘缺的。其中，（GG）G+（GG）G+（GG）G+GG的作用被嚴重削弱，甚至缺失。在這種情況下，支撐本土人工智能企業和產業發展的創新生態將由全球創新生態轉變為國內創新生態，即G=（GG）G+GG（公式4）。公式4是缺乏國外學術機構和跨國公司的國內創新生態。其中，（G_NG）G是以本土企業和產業發展需求為導向的創新網絡， GG是本土企業內部的研發和交流活動網絡。

在這種條件下，要想獲得人工智能產業的發展只能主要依靠本土學術機構和企業進行研發。國外的技術封鎖將會降低本土創新生態的創新效率和水平。

推論4：在國外技術封鎖的條件下，僅僅依靠國內創新生態進行以應用為導向的理論研究在短期內將面臨嚴峻的挑戰。

更有利于本土人工智能科技產業發展的創新生態是公式3表示的高度開放的全球創新生態。打破國外技術封鎖，充分依托本土人工智能科技產業發展中創造的應用需求和對基礎研究的拉動作用，吸引國外學術機構和企業參與研發，提高國內創新生態的基礎研究能力，實現國內和國際創新雙循環，是最為理想的創新發展道路。

理想的創新發展道路實現的依據是新的創新范式中的基礎研究對應用研究和規模應用數據反饋的深度依賴。與工業經濟條件下的創新范式不同，知識經濟條件下的創新是生態化和網絡化的。尤其是在數字經濟發展中，應用研究和基礎理論研究的邊界更加模糊。在人工智能技術創新過程中，基礎研究不僅需要知識和技術的商業化提供資金支持，而且需要應用場景提供數據反饋。同時，在報酬遞增規律支配下，人工智能企業和產業在應用領域創新中偶然創造的技術和市場優勢，將可能發展為企業和產業國際競爭優勢的來源。因而，深刻依賴規模應用和數據反饋的創新范式，基于應用場景的創新不僅決定著企業和產業的國際競爭優勢，而且決定著學術機構的基礎研究優勢。

同時，無論是應用場景開放還是推動規模應用和提升創新能力方面，政府都將發揮更加積極的作用。政府的作用表現在兩個方面：一是通過推動人工智能和經濟社會深度融合，持續釋放規模應用帶來的市場需求和研發需求;二是圍繞產業鏈布局創新鏈，不斷提升本土企業和產業的創新能力。

如果能夠通過推動人工智能規模應用和應用導向的理論研究，最終形成以國內創新循環為主導，國內和國際創新循環相互支撐的創新格局，公式3所表達的全球創新生態將再次出現。但是全球創新生態的基本內涵和內在結構卻出現了重大差異。在初始狀態下，公式3所表達的全球創新生態是由發達國家學術機構和跨國公司主導的。立足國內新的創新循環的全球生態則是以國內學術機構和人工智能企業為主導的。

推論5：立足持續提升國內創新生態創新能力，不斷推動應用場景開放，釋放規模應用需求市場，探索知識經濟條件下以應用為導向的應用研究和基礎研究良性互動的創新范式，實現國內和國際創新雙循環，是中國人工智能創新生態發展的方向。

五、總結和政策建議

在實證分析和理論研究的基礎上，本文的研究表明：作為創新范式變革的前沿，中國人工智能創新生態是以應用為導向和高度開放的。在初始階段，開放的全球創新生態為中國人工智能科技產業的興起和發展創造了條件。隨著應用場景的開放和不斷拓展，以應用為導向的研究在推動人工智能科技產業發展的同時，通過資金、技術和數據也為國內外基礎研究提供動力，是全球創新循環發展的積極因素。美國的技術封鎖損害了全球創新循環的良性發展。面對這一嚴峻形勢，如何立足自主創新和應用場景的開放，以應用為導向推動基礎研究和應用研究的互動，引領全球創新循環的新發展，是中國人工智能創新生態發展的方向。

首先，以應用為導向的理論研究，是知識經濟條件下國家創新體系建設和發展的方向。破解科技和經濟“兩張皮”難題的關鍵是實現應用和理論研究的良性互動。以應用導向和需求牽引理論研究，以理論研究促進應用研究，在帶動企業和產業競爭力提升的同時，提高大學和科研機構基礎研究領域的創新能力，是構建以國內創新循環為主導，國際和國內創新雙循環相互促進的戰略路徑。

其次，鼓勵跨學科、跨組織和跨區域的創新合作，通過新的交叉學科和跨組織創新平臺建設，推動基礎研究和應用研究的協同創新，尤其是包括新型研發機構、實驗室和企業創新中心在內的“政產學研用”協同創新平臺，正在成為跨學科、跨組織和跨區域創新的載體和國家科技創新力量的重要組成部分。

最后，堅持開放原則，推動中國企業、大學和研究機構與國外相關機構的創新合作。積極與世界各國的創新力量展開合作，共同推動人工智能和經濟社會的融合發展，帶動經濟步入新的增長周期。

在人工智能科技產業的發展上，中國走在了世界的前列，引領著創新范式的變革。尤其是隨著人工智能和經濟社會的融合發展，新的創新范式及其推廣將成為推動經濟社會發展的關鍵力量。

注釋：

①即科技情報大數據挖掘與服務系統平臺（AMiner，www.aminer.cn），是由清華大學計算機科學與技術系唐杰教授率領團隊建立的，具有完全自主知識產權的新一代科技情報分析與挖掘平臺。平臺為中國工程院、國家自然基金委、科技部等科研管理部門提供專家智庫、科技發展戰略規劃等科技情報挖掘服務。

參考文獻：

[1] 日媒：在人工智能研究領域，中國正超越美國[EB/OL].（2021-08-10）[2021-09-10].https：//baijiahao.baidu.com/s？id=1707632629982666748.

[2] 溫家寶.關于科技工作的幾個問題[J].求是，2011（14）.

[3] V 布什，等. 科學——沒有止境的前沿[M]. 范岱年，等譯.北京：商務印書館，2004.

[4] 轉引自樊春良.沒有止境邊疆的科學——《科學：沒有止境的邊疆》75年的歷程和影響[J].科技中國，2020（7）.

[5] Stephen J Kline . Innovation Is Not a Linear Process[J]. Research-Techology Management，1985（4）.

[6] D E 司托克斯.基礎科學與技術創新：巴斯德象限[M]. 周春彥，等譯. 北京：科學出版社，1999.

[7]Nicholas S Vonortas. Technology policy in the United States and the European Union：Shifting Orientation Towards Technology Users[J]. Science and Public Policy，2000（2）.

[8] Henry Etzkowitz，Loet Leydesdorff . The Triple Helix—University-Industry-Government Relations：A Laboratory for Knowledge Based Economic Develo- pment[J]. EASST Review， 1995（1）.

[9]Henry Etzkowitz.Triple Helix Clusters： Boundary Permeability at University-Industry-Government Interfaces as a Regional Innovation Strategy[J]. Environment and Planning C： Government and Policy，2012，30（5）.

[10]Henry w Chesbrough . Open Innovation：The New Imperative for Creating and Profiting from Technology[M]. Boston，Massachusetts：Harvard Business School Press，2003.

[11]Vnia Pacheco， et al. Open Innovation： from OI to OI2[J]. Econ WorldWorking Paper Series， 2020.（1）

[12] 埃里克·馮·希普爾. 民主化創新——用戶創新如何提升公司的創新效率[M]. 陳勁，等譯.北京：知識產權出版社，2007.

The Ecology of Application Oriented Innovation of Artificial Intelligence in China and Its Evolution

LIU Gang， JIN Zhonghui

Abstract： With the integrated development of the new generation of information technology and economy and society， the paradigm of innovation is undergoing fundamental changes. As the forefront of innovation paradigm change， China's ecology of artificial intelligence innovation shows the trend of application-oriented interdisciplinary， cross industry， cross organization and cross regional collaborative innovation. Driven by endogenous demand， China's ecology of AI innovation has gradually changed from being dominated by foreign academic institutions and multinational R&D centers in China to being dominated by local academic institutions and enterprises. The application-oriented and highly open ecology of innovation is the key driving factor for the rapid development of China's artificial intelligence technology industry. In the face of foreign technology blockade， how to adapt to the improvement of the international competitiveness of enterprises and industries and build a highly open ecology of innovation supported by basic research and applied research is an urgent need for the sustainable development of China's artificial intelligence technology industry.

Key words： artificial intelligence; integrated development; ecology of innovation; application oriented basic research; innovation paradigm

責任編輯：鄧? ?喆

基金項目：國家自然科學基金重大項目“大型企業創新驅動的創業研究”，項目編號：72091311;中國科協2020年“科技治理年度報告”項目，項目編號：20200608CG110204。

作者簡介：劉? ?剛（1965—），男，南開大學經濟研究所教授、博士生導師。

靳中輝（1989—），男，南開大學經濟研究所博士生。