基于多層次分析框架的人工智能創新生態系統演化研究

孫麗文，李少帥

(河北工業大學經濟管理學院，天津 300401)

0 前言

隨著新一輪科技革命由 “導入期”向 “拓展期”過渡[1]，一方面，計算能力提升、理論算法革新及大數據技術共同驅動人工智能走出實驗室，迅速進入實際應用階段，人工智能技術產業化相關問題已經成為學界、業界和政府等的關注焦點；另一方面，新興技術層出不窮，由此所產生的顛覆性效應使企業技術路線不確定性與爆發性并存、大破與大立并存，加之無法預知的跨界挑戰等不確定性因素，企業面臨的復雜度急劇增加，創新試錯的成本上升，單一企業難以擁有越過 “死亡谷”實現可持續發展的全部資源和能力，技術創新走向商業應用更加依賴合作伙伴、供應商、客戶等利益相關者的高效協同和創新資源的合理配置。

創新生態系統理論的興起對創新研究、戰略制定等均產生重大影響。2003年，美國總統科技顧問委員會率先提出以創新生態系統為核心的國家創新戰略[2]。歐盟于2013年同樣圍繞創新生態系統部署了十余項創新戰略[3]。創新模式已經越過封閉式創新和開放式創新，處于創新生態系統階段[4]。同時，領先企業加速構筑自身的創新生態系統，憑借廣泛的協同創新獲取可持續發展的關鍵能力。可見，創新研究范式從關注要素構成的創新系統向注重要素相互關系的創新生態系統轉變[5]。競爭焦點從技術能力等因素轉變為創新生態系統之間的比拼。許多專家學者[6-15]都對創新生態系統進行了探討，但多聚焦于系統內部，對系統與外部環境的關系性質及其影響卻研究甚少，對兩者相互作用機理的解釋力不足。

構建人工智能創新生態系統不僅有助于企業實現價值捕獲和價值創造，對推動產業數字化和智能化轉型升級、實現經濟高質量發展同樣意義重大。區塊鏈、大數據、5G及人工智能等眾多新興技術與管理情景興起，使創新生態系統內部成員關系和整個系統演化均表現出極強的復雜性，亟待更加全面地探索。多層次分析 (MLP)框架能夠從多層面清晰地展示創新生態系統的演化過程，可根據具體研究對象特征靈活設置不同維度的含義[16]，能夠有效彌補現有研究缺陷。本文嘗試采用MLP框架探索人工智能創新生態系統演化的具體過程，并揭示其內在機理。

1 文獻研究與模型構建

1.1 創新生態系統研究進展與述評

1993年Moore率先提出企業生態系統，將其表述為基于組織互動的經濟聯合體，認為商業生態系統是由一定利益關系的組織或者群體構成的動態結構系統，強調任何組織間都不僅是競爭合作關系，而應該與所處的生態共生進化[6-7]。Iansiti等[8]深挖系統內部的主體關系性質，認為其由占據不同生態位但彼此相關的企業構成。Adner等[9-10]從創新主體考慮，認為創新生態系統由核心企業、上游供應商、下游互補方及客戶構成，而核心企業是生產和服務的關鍵組織，創新生態系統可使核心企業創造巨大價值。本文認為創新生態系統由核心企業、創新合作單元、支撐群體等構成，通過創新資源共享、機制共建以及風險共擔等克服劣勢、放大創新合作優勢，實現價值創造、倍增及協同共生的動態系統。

近些年來，創新生態系統研究在系統構建、價值創造、創新管理等領域取得新進展。陳勁等[11]基于整合式創新，提出新型國家創新生態系統的內涵與框架。陳衍泰等[12]聚焦產業創新生態系統價值創造、價值獲取的過程與機制，發現形成有利于價值創造的產業前提和厘清各主體價值獲取的關系是構建產業創新生態系統的關鍵。Rohrbeck等[13]以德國國家電信運營商為例，發現核心企業通過開放傳統開發流程、吸納外部創造力和知識資源的方式增強自身創新能力。同時，核心企業還可通過針對創新任務導向的組織職能或管理機制，持續修正創新生態系統[14-16]。梅亮等[17]從戰略管理、新制度經濟學、創新管理和研究方法四個方面搭建創新生態系統理論研究框架。陳衍泰等[18]嘗試探討了經典組織與管理理論在創新生態系統研究中的應用。

創新生態系統形成了以Moore、Iansiti、Adner及陳勁等學者研究成果為核心的知識體系，但仍缺乏系統性理論建構。同時，已有研究以靜態結構模型居多，如以Moore為代表的學者提出 “層次論”，將創新生態系統分為核心層、擴展層和外圍層，后續學者又將其改進為核心企業層、創新平臺、輔助企業層等；Adner等則提出 “網絡結構論”，認為創新生態系統在價值創造中形成以核心企業為中心的網狀結構，但是從動態演化視角對創新生態系統的實證研究則較少[7-10，19]。可見，現有研究對創新生態系統內部主體根據環境持續調整和動態適應的關注不足，對系統形成、發展以及推動創新生態系統穩健發展的過程和規律的分析依然不夠深刻。

1.2 MLP框架及適用范疇

MLP框架源于荷蘭屯特大學的半演化理論，作為把演化經濟學和技術研究相結合的方法，已成為分析新興技術市場化的重要工具[20-21]。通過分析新興技術在生態位、社會技術范式和社會技術地景的相互作用，從時間和空間揭示技術轉型過程和機理[16]。生態位作為新興技術的 “孵化室”，是指由小規模創新網絡形成的保護空間，包括技術生態位和市場生態位，前者是新興技術未進入主流市場前的孕育環境，為創新試錯提供支持，后者指新興技術被研發出來后所進入的初始市場，通過建立生態位避免新興技術與主流市場競爭，保護新興技術走向成熟[19，22]；社會技術范式是指社會成員共同遵守的規則總和，包括市場、技術創新、政策等，實際中由于原有社會技術范式的消極影響，使前景光明的新興技術在落地過程中也會面臨失敗風險，如何使新技術范式迅速形成并穩定發展至關重要[23-26]；社會技術地景是指創新生態系統持續演化的宏觀環境，包括社會接受、文化認可以及價值觀念等因素[27]。合適的社會技術地景可促進系統結構趨向合理、功能更加完善，而系統結構和功能優化又會推動社會技術地景正向變遷，加速新社會技術地景形成[28]，但社會技術地景要比社會技術范式的改變更加緩慢和困難。

MLP框架被廣泛應用于技術轉型研究，案例研究成為主流方法[29]。Geels[30]將其用于評估低碳轉型驅動因素、障礙和探索轉型路徑，Osunmuyiwa等[31]將其應用于可再生能源轉型，指出新能源轉型具有長期性和復雜性。Geels等[32]對1990年至2014年的德國和英國低碳電力轉型進行比較分析，發現可持續轉型中可能存在路徑間的轉換。2014年Geels[25]基于MLP框架建立了三重嵌入框架，將企業概念化為外部嵌入環境和行業機制，強調核心企業作用。此處同創新生態系統中核心企業的作用基本一致，MLP框架同樣適用于創新生態系統演化[19]。本文凝練了MLP框架和創新生態系統的最新研究成果，嘗試構建人工智能創新生態系統演化模型，以期更加全面地揭示其演化規律，為人工智能技術商業化提供理論解釋。

1.3 基于MLP框架的創新生態系統演化模型構建

技術生態位為新興技術誕生提供了孕育空間，但因新興技術的高度不確定性，尚未產生主導設計，且用戶群體和未來市場難以清晰判斷，主要由堅信新興技術潛力并愿意投入的核心企業支撐，以技術研發為核心的創新生態系統由萌芽狀態逐漸到初步形成。由于技術生態位為新興技術成長提供了保護性空間，可將其界定為技術保護期。在技術生態位對新興技術的培育下，新興技術能力得以持續積累和提升，最終突破應用紅線并嘗試滿足部分市場需求。隨著用戶對新興技術認知水平的提高和態度轉變，新興技術逐漸發現小規模的市場生存空間。此時避開主流競爭市場的市場生態位能夠為大多數新興技術創造合適的初始市場空間，但也有少數技術因顛覆性特質，可對市場競爭規則、運行模式等產生 “破壞性創新”[33]，該情形下市場生態位作用不再是避免新興技術與主流技術的市場競爭，而是如何促進兩者融合。無論哪種情形，率先發現新興技術商業化實現路徑都極為重要，技術持續性積累和商業化探尋成為關注重點，可將其界定為積累探索期。

經過積累探索期，新興技術發展戰略得以確立，新市場規模裂變式增加，相關產品和服務爆發式發展，新興技術進入市場生態位并形成獨特的商業模式[34]，由其主導的范式逐步被社會接納并與現有社會技術范式展開爭奪。隨著越來越多的利益相關者加入并被聯系到一起，創新生態系統規模擴大、功能逐漸完善、穩定性增強，鑒于新興技術發展戰略確立、商業化邁入快速穩定的發展軌道，可將其界定為戰略發展初期。此后系統規模逐漸穩定，內部成員間更加注重鏈接質量和效率，系統功能完備、運行通暢，新興社會技術范式逐漸占據優勢地位，可將其界定為戰略發展中期，伴隨系統演化重點從社會技術范式轉向對社會技術地景的多領域、深層次改造，屬于漫長的社會性工程，可將其界定為戰略發展后期。

基于上述分析，本文從時間和空間維度構建MLP框架下的創新生態系統演化模型 (見圖1)。橫軸為時間維度，反映發展過程；縱軸為空間維度，反映影響范圍。

圖1 MLP框架下人工智能創新生態系統演化模型

2研究設計

2.1 研究方法

由于創新生態系統演化過程的復雜性和不確定性，現有文獻尚未深入并且缺乏中國情景的相關探討。與問卷、試驗等相比，案例研究更適合應用到全新領域的探索當中[35]。同時，由于人工智能技術體系和演化過程涉及的因素較多，單案例研究不足以覆蓋全部研究內容，需要采用多案例研究揭示人工智能創新生態系統的變化特征。案例研究成為多層次分析框架的主流選擇，形成了相應的方法、工具及典型案例，能夠為創新生態系統演化提供全面性指導，有助于本文研究目標的實現。

2.2 案例選取

根據開展案例研究理論抽樣的方法，即案例群對理論發展的貢獻[36]，本文選取案例主要考慮兩方面：①案例典型性與適配性。國內一批關鍵勢力依托自身技術、資金與數據門檻，構成了推動人工智能技術產業化的第一梯隊，包括以百度、阿里和騰訊為代表的互聯網巨頭，也包括科大訊飛這樣的獨角獸企業，它們的實踐探索和取得的巨大成功給人工智能發展帶來極大啟發。因此，本文選取以上四家企業進行探索性案例分析，以期歸納人工智能創新生態系統的演化規律，為中國人工智能發展提供借鑒。②案例數據可獲取性和研究便利性。以上案例都是行業領軍企業或后起之秀，可方便地從網站收集較多公開數據和行業資料，其歷史數據也較為完整，可提供研究所需素材，所選取案例也經常被新聞媒體關注和報道，便于資料多樣化獲取。

2.3 數據收集及編碼

一手資料具有收集難度較大、涉及保密及需要避免印象管理和回溯性釋義所帶來的偏差等問題[37]。二手資料具有覆蓋面廣、時間跨度長、穩定性好等優勢，通過科學合理的多種渠道獲取的二手資料同樣可用于科學研究[38]。因此，本文主要通過對二手資料的收集獲取相關數據：①通過訪問案例企業的官方網站和微博、公眾號等平臺的官方認證賬號發布信息，獲取企業人工智能戰略布局、技術能力與市場化發展等關鍵信息，查閱國家頒發的公開政策文件、行業統計報告等；②通過CNKI和ELSEVIER期刊數據庫、重要報紙數據庫搜索有關文獻，精讀并做好閱讀筆記，整理形成整體研究脈絡；③通過非正式溝通、查閱研究報告，獲取行業發展形勢及案例企業人工智能的具體應用情況。數據來源渠道的多樣化方便相互印證并使研究結論更加科學和富有解釋力，同時為了避免共同方法產生的偏差，本文基于 “資料三角形”原則確保通過多樣化的信息和資料來源對數據相互補充和交叉驗證[39]，并對信息深度挖掘以形成完整證據鏈，保證研究的信效度。

根據質性研究的規范分析邏輯，本研究依據所收集的數據資料對案例數據進行一級編碼 (見表1)，識別出在人工智能創新生態系統形成和演化的外部環境、內部發展狀態以及系統與環境的關系性質，并將其整理為二級編碼；通過已搜集的文獻指引，歸納出案例企業人工智能技術創新及商業化發展的具體實踐并將其進行概念化，以形成三級編碼；通過文獻指引將二級編碼和三級編碼進行合理對接；為了驗證數據編碼的合理性，在上述編碼過程完成后再次核對結果，對編碼結果有歧義的部分重新檢查，并對原始數據進行追溯和多次討論，直到本文的研究小組對編碼結果取得一致意見。

表1 數據資料來源匯總

3 人工智能創新生態系統演化的案例分析

3.1 人工智能創新生態系統的構成

人工智能創新生態系統由核心企業、創新合作單元、初創新銳、納米創業者等構成。核心企業包括科大訊飛、百度、阿里和騰訊。創新合作單元較多，既有來自企業內部的訊飛研究院、阿里人工智能實驗室等研發機構，也有來自企業外部的英偉達、比亞迪、中國移動等國內外多個領域的供應商、制造商、運營商及配套商。同時，初創新銳、納米創業者及政府在完善系統功能、強化系統穩定性等方面發揮著不可或缺的作用。

3.2 人工智能創新生態系統的演化

為了克服多案例對象發展過程的異步性，本文結合創新生態系統核心企業在20年內發展的關鍵事件，將其演化歸結為以下三個時期。

(1)技術保護期 (2000—2009年)。20世紀90年代，互聯網熱潮和創新創業興起，但社會各界對人工智能停留在概念性認知并持懷疑和恐懼態度，MUSK、GATES的AI威脅論擴大和加深了公眾的隱憂，政策在鼓勵技術創新與轉化中單點發力居多、政策體系尚未建立，同時創新文化建設滯后。科大訊飛選擇了當時處于寒冬期的人工智能并把智能語音作為未來主攻方向，與中國科技大學、社會科學院共建實驗室以整合技術資源。2001年科大訊飛智能語音平臺開發廠商突破100家，并獲首批 “國家規劃布局內重點軟件企業”認定，承接國家語音高技術產業化示范工程，成立科大訊飛研究院以聚集人才和深耕智能語音技術。同時期互聯網巨頭依托用戶規模和數據優勢，把人工智能與自身業務相聯系，采取穩健的技術創新策略。技術保護期的相關構念及典型事實證據見表2，可見，該時期人工智能創新生態系統處于技術生態位等級，其技術研發和新產品受到核心企業和各自供應商、少量用戶及政府政策共同支持，尤其是核心企業對人工智能的超前布局和創新資源投入，使其能夠避開市場的激烈競爭，獲得小范圍穩定有利的發展空間。進一步分析發現，技術賽道異質性成為核心企業改進和優化技術生態位、實現技術突破的前提和戰略考慮。百度、阿里和騰訊雖未實施系統性布局，但通過成立AI實驗室和在核心業務領域的嘗試，亦形成適宜技術創新的穩定保護空間。技術保護期作為創新生態系統演化的初始階段，人工智能技術水平不高、新產品生產規模較小、體驗感欠佳，且供應商體系、用戶反饋等不健全，因此系統功能尚不完善、穩定性較差，只能被動受到社會技術地景的不利影響。同時，人工智能未來應用發展前景不明朗且風險極大，初創新銳和納米創業者尚未形成。

表2 技術保護期的相關構念及事實證據

(2)積累探索期 (2010—2014年)。Pegasyste-ms 《對人工智能態度的調查報告》顯示：38%的受訪公眾表示理解并保持謹慎樂觀態度，33%持理性觀望態度。與技術保護期相比，公眾態度更加理性。同時，納米創業者和初創新銳也加速形成，加快技術積累和商業化步伐成為企業的共識。

2010年科大訊飛開展深度神經網絡的語音識別研究，并于次年上線中文語音識別DNN系統，2012年推出智能語音助手，2014年正式啟動 “超腦計劃”，研發認知智能系統；2010年百度進軍人工智能并組建AI團隊，李彥宏提出創建深度學習研究院，2013年4月，百度設立硅谷實驗室以聚集頂尖技術人才，2014年1月啟動 “少帥計劃”為百度培養技術人才，同年與寶馬合作并將自動駕駛作為戰略發展方向；騰訊從2010年開始依據不同方向設立多個實驗室，攻克核心技術難題，通過組建技術研發共同體加速技術積累，馬化騰多次表示要圍繞核心業務和場景應用進行人工智能布局，2013年9月騰訊在游戲、社交、醫療的布局和商業化探索也迅速展開；2012年阿里聚集科學家團隊從事人工智能技術研發和儲備，但僅作為阿里云服務的子項目，此后阿里逐步積累關鍵技術，并在沉寂兩年后實現技術和戰略的雙重爆發，技術領域從語音識別到圖像識別，再到搭建人工智能底層計算平臺，戰略領域從電商、支付延伸到投融資等非核心業務。積累探索期的構念及事實證據見表3，可見，該時期人工智能技術不斷取得突破并使規模化應用成為可能，核心企業基于各自業務異質性進行技術積累和商業化探索，促進人工智能進入適合的新市場生態位[26]。科大訊飛精耕細作，不斷將新興人工智能技術應用于語音市場實踐。百度重視深度學習等通用型技術，并率先將自動駕駛作為人工智能落地的發展領域。阿里持續積累人工智能技術，不斷探尋和創新技術商業化路徑。騰訊在技術攻堅同時將核心業務與人工智能緊密結合，并積極布局在醫療影像場景的可行方案。積累探索期是創新生態系統演化的發展階段，隨著人工智能技術日漸成熟，相關產品服務的市場規模也迅速擴大，同時社會技術地景向利于人工智能發展和系統演化的方向轉變，但因市場需求尚不清晰，核心企業的人工智能技術商業化戰略仍處于探索時期。

表3 積累探索期的相關構念及事實證據

(3)戰略發展期 (2015年至今)。科大訊飛秉持 “平臺+賽道”戰略，2015年發布AIUI，每天為13萬開發伙伴和7億用戶提供語音交互服務，致力實現千億市值。2019年，訊飛開放平臺已具備334種復雜AI能力，通過與英特爾、英偉達等頂尖供應商、制造商戰略合作，應用終端數超過20億。同時，為了促進技術快速更迭和橫向化發展，科大訊飛與阿里、騰訊在文娛領域合作以實現服務和體驗的深度升級，與初創新銳商湯科技長期合作以擴張技術和產業賽道。百度采取 “搶占先機，先技術后場景”戰略，率先布局自動駕駛并成立IDL和硅谷實驗室，2015年成立自動駕駛事業部，2017年百度開放無人駕駛技術平臺Apollo，推動汽車行業生產要素配置方式、運營模式及服務模式創新。百度還聯合零部件供應商和汽車制造商，與華為、騰訊等合作，進行資源整合以實現更廣泛的AI落地。2015年后阿里聯合眾多供應商、制造商和運營商，基于阿里云相繼推出130多款細分產品，形成龐大的產品矩陣，適用場景達300多個。騰訊采取 “業務驅動+場景至上”戰略，為了促進核心業務及產品智能化發展，騰訊同港科大成立聯合實驗室，后又成立AI lab。2017年發布 “騰訊覓影”以輔助食管癌等疾病篩查并搶占醫學影像應用場景，同明峰醫療、廣州互云等創新合作，與近100家醫院達成合作意向，實現從區域到全國的應用擴散。

人工智能對經濟社會的深刻改變加速了政策密集出臺。2015年，國務院把 “互聯網+人工智能”列為推進 “互聯網+”指導意見中的重點行動。2017年，國務院頒布 《新一代人工智能發展規劃》、工信部印發三年行動計劃。社會各界對其態度也逐漸從懷疑、恐懼轉變為接受和認同，并向產品服務認知和社會影響認知轉變，期望人工智能在提升工作效率和舒適性、拓展活動空間等方面發揮作用且安全可控，相應文化氛圍濃郁、價值規范逐漸清晰等因素推動社會技術地景正向遷移。同時，納米創業者和初創新銳相繼涌現，納米創業者數量眾多且相當活躍，通過依附核心企業建立的開放創新生態或構建特定細分領域的比較優勢，鏈接與吸納多方創新資源并創造出可觀的經濟價值，初創新銳在計算機視覺、語音識別等領域構筑起差異化競爭優勢。戰略發展期的構念及事實證據見表4，該時期是人工智能創新生態系統的核心階段，核心企業明確了適合的發展戰略，促進人工智能產品和服務爆發式發展、市場規模裂變式增加，不同應用領域的產業生態更加豐富，人工智能越過市場生態位向社會技術范式挺進[26]。同時，核心企業通過彼此協作以及與利益相關者合作實現了更廣泛的創新資源共享與互補，系統內部聯系性和穩定性大為增強。社會各界對人工智能的接受和認同感增強，社會技術地景更加適宜。

表4 戰略發展期的相關構念及事實證據

通過上述分析，得到MLP分析框架下人工智能創新生態系統的演化過程及機理，如圖2所示。

圖2 基于MLP分析框架的人工智能創新生態系演化過程及機理

3.3 案例對演化模型的驗證性分析

起初，社會技術地景不利于人工智能生存發展，科大訊飛毅然選擇了尚處于寒冬期的人工智能，互聯網巨頭亦開始注重人工智能技術攻關，以技術研發為核心的創新生態系統初步形成，并借助政策支持進行商業化初探，即為人工智能技術及其產品服務創造了保護空間，由此驗證了技術保護期；此后，人工智能逐漸脫離技術生態位，進入市場生態位，因人工智能可對市場競爭規則、運行模式等產生顛覆性影響[33]，市場生態位的作用不再是避免人工智能與主流技術競爭，而是促進兩者融合，此時核心企業將人工智能賦能自身優勢業務領域，并試圖通過持續技術積累和探索商業化路徑獲取未來發展的領先優勢，由此驗證了積累探索期；最后，隨著人工智能性能升級和影響力擴大，原有社會技術范式內部結構受到強烈沖擊，新社會技術范式加速建立，在此過程中創新生態系統的核心企業經過技術積累和商業化探索，確立發展戰略并開啟人工智能發展新征途，由此驗證了戰略發展期。

4 結論

(1)核心企業的發展戰略對于人工智能創新生態系統的發展具有決定性作用。在技術保護期，科大訊飛、百度、阿里和騰訊就確立了適合自身生態位發展的技術賽道，投入巨大資源進行相應技術研發并提供保護空間，不僅有效降低了相互競爭壓力，而且為彼此創新合作奠定了基礎；在積累探索期，以上四家核心企業探索人工智能商業化主導戰略，最終確立了 “平臺+賽道” “搶占先機，先技術后場景” “錯位發展”和 “業務驅動+場景至上”的發展戰略。

(2)社會技術地景正向遷移對創新生態系統演化發揮了重要推動作用。積累探索期和戰略發展期是社會技術地景產生根本性轉變的時期，該時期發展導向開始向人工智能傾斜，社會認知水平從概念性理解上升到對人工智能產品服務和人類社會影響的思考，同時，適宜人工智能發展的氛圍從無到有、逐漸濃郁。以上因素極大減少了人工智能技術創新與應用的現實阻力，為創新生態系統的功能完善和健康演化提供了有力支撐。

(3)人工智能創新生態系統演化需要成員間緊密合作與相互協同。在創新生態系統內部，即使核心企業也無法掌握人工智能創新發展的全部資源和能力，且可能導致系統結構的松散和失衡，甚至使系統偏離正常演化方向。筆者通過深入分析四家核心企業的發展歷程發現，它們在技術領域、戰略布局、優勢業務等方面均存在明顯異質性，為相互協作創造了廣闊的合作空間。同時，政策對人工智能發展的支持從關鍵點發力到戰略協同推進，體系建設逐漸完善，其覆蓋范圍也從宏觀層面的環境優化深入到微觀層面的企業創新生態構建，核心企業和政府之間能夠形成合力、相互促進，從而使人工智能創新生態系統的演化更加穩健。