人工智能賦能科技管理變革的新趨向

李昱　趙靜宜　左家平

摘? 要：當前，大數據、人工智能等新一代信息技術的蓬勃發展為科研信息化進程帶來了新的機遇和挑戰，數字化正驅動科研管理理念、管理制度、管理流程等管理模式發生變革。文章在明確科技管理現有范式的基礎上，分析展望了人工智能背景下科技管理變革的前景，以期為科技管理部門充分利用人工智能發展機遇、解決科技管理問題提供參考。

關鍵詞：人工智能;科技管理;應用展望

中圖分類號：G311 文獻標識碼：A DOI：10.19881/j.cnki.1006-3676.2022.04.07

新一輪的科技革命和產業變革正在重構世界創新版圖，重塑新的科學研究范式。當前大數據、人工智能等新一代信息技術的蓬勃發展為科技管理帶來了機遇和挑戰，以數據密集型科學作為科學研究的“第四范式”，使科學研究進入知識發現與知識應用密切相關的智能化探索階段，不斷驅動科研管理理念、管理制度、管理流程等管理模式的變革[1-2]，而基于大數據分析、數據挖掘等技術，產業發展也正面臨新的變革，逐步向數字化、智能化方向發展[3]。

2017年7月，國務院發布的《新一代人工智能發展規劃》提出，要推進社會治理智能化，在智能政務領域“開發適于政府服務與決策的人工智能平臺，研制面向開放環境的決策引擎，在復雜社會問題研判、政策評估、風險預警、應急處置等重大戰略決策方面推廣應用”的主要任務。[4]2019年10月，黨的十九屆四中全會提出全面推進國家治理體系和治理能力現代化，同時指出，要“建立健全運用互聯網、大數據、人工智能等技術手段進行行政管理的制度規則”。[5]充分運用人工智能等現代信息技術手段提升科技治理能力，既是國家治理現代化的重要內容，也是數字時代推進國家治理現代化的關鍵驅動力。基于此，筆者在明確科技管理現有范式的基礎上，展望人工智能背景下科技管理變革的前景，為科技管理部門充分利用人工智能發展機遇、解決科技管理問題提供參考。

一、科技管理的現有范式

科技管理是運用管理科學對科技活動所涉及的人、財、物、信息等進行優化整合與配置的管理行為，科技管理主要包括科技戰略規劃、科技政策制定、科技資源配置、科技項目管理、科技組織機構管理、科技人才管理、科技合作交流、科技管理環境建設等方面。科技管理體制是科技創新體制機制的重要組成部分，服務于國家創新體系建設。

（一）科技管理頂層設計

科技資源的公共物品屬性使得在科技資源管理中政府處于主導地位，政府主導相關政策制定、科技立法、科技規劃編制等。國家層面主要以國家戰略性需求為導向，圍繞創新鏈從國家重點研發計劃、重大專項、重大科技平臺建設等方面進行部署，形成了統一領導、需求對接、資源共享的重大科技協同攻關組織方式[6]，初步構建了關鍵核心技術攻關的新型舉國體制;地方政府以科技項目為抓手，強化基礎研究和應用，加快推進創新鏈、資金鏈、產業鏈融合，形成了較為開放的技術創新管理體系。在科技創新投入方面，基本形成了政府、社會、創新主體等共同參與的局面，科技創新的投入主體呈現多元化特點。

（二）科技資源配置

科技資源配置涉及機構、政策、人才、資金、項目等要素投入，以及創新任務目標制定、成果轉化應用、信息共享等多個環節。在我國現有科技管理體制中，科技資源配置縱向垂直、相對集中，相關政策法規強調自上而下貫徹實施;橫向上科技資源配置涉及科技、教育、工業、衛生、能源、農業等部門，各自有相應的運行管理體系。國家和地方政府的科技投入以科技計劃形式為主，以科技計劃項目管理為中心，運用競爭、擇優、定向等分配方法將科技資源在創新主體、領域、地區之間進行分配，基本形成了“基礎研究—應用研究—產品開發”的線性科研管理模式和既定范式。科技合作的鄰近效益明顯，處于同一地區、具有相似經營范圍或研究方向的機構之間合作更密切[7]，經濟發展水平鄰近的區域具有更強的吸附和輻射效果，鄰近區域間科技合作更加頻繁[8]。

（三）科技管理環境

隨著政府服務職能轉變的不斷推進，政府的科技管理逐步向宏觀管理和統籌協調傾斜，側重于事中事后監管和科研誠信體系建設。其結果是，一方面，科技管理注重制度化、規范化，各地科技計劃項目管理的各項制度日益完善，形成了覆蓋立項、過程管理、績效評價、監督檢查等方面的制度體系;另一方面，科研信息化成為科技管理的主要工具，科技管理部門建設了科技項目庫、評審專家庫、科技成果庫、科技報告等各類數據庫，數字化、信息化基本貫穿科技項目管理全過程。目前，國家層面建設了20個科技資源共享平臺，科技數據基礎設施日益完善，通過各類信息系統積累了大量科研人員、項目、成果等各類結構化和非結構化的科技管理數據資源，并通過制度創新逐步推進科技數據開放共享，促進更大范圍的科技合作。

（四）科技決策支撐

科技決策對專業知識的依賴性極強，需要熟悉科技發展趨勢、懂得科技規律的科學家提供咨詢，這使得科學家、科技智庫成為科技決策過程的主要參與者，并在科技公共決策中扮演重要角色。在制度上，2017年2月，中央全面深化改革領導小組第三十二次會議審議通過了《國家科技決策咨詢制度建設方案》，標志著國家科技決策咨詢制度建設進入了新階段。2018年，科學技術部組建國家科技咨詢委員會，圍繞科技創新發展面臨的重點難點問題，瞄準世界科技前沿，從全球視角為重大科技決策提供咨詢建議。在日常決策中，政府部門通常采用定向委托、公開招標等方式，委托科技智庫、科研機構等開展課題研究、科技咨詢、政策咨詢、規劃設計等決策咨詢服務，科技智庫、科學家等參與決策的過程不斷公開化、規范化。大量政府決策逐步面向社會公眾廣泛征求意見，初步建立了社會公眾參與決策的機制，參與科技決策的主體更加多元化。此外，科技智庫和專家的深度參與，使得國家在科學技術的發展戰略、前沿動態、專利的預測與分析、科研競爭力與科技實力評測等領域積累了大量的分析模型與技術，進一步保障了決策的科學性、有效性。

進入新發展階段，科技管理仍然存在一些問題，主要表現在：科技計劃項目謀劃與組織以線性思路為主，圍繞研發鏈條開展科技管理[9]，對科技創新的復雜性及多學科交叉融合的新趨勢適應性有待提高。此外，隨著科技資源的流動加快，區域創新協作不斷增強，跨區域產學研合作協同網絡正逐步建立，還需提高科技管理對科技資源跨區域配置的適應性。[10]在科技信息、數據要素管理上，政府管理部門以行政方式單向收集科研主體的相關數據，政府和科研主體及科研人員信息交互不全面，科技數據動態主動管理的體系尚未建立。[11]同時，科技信息化及數據密集型科研范式下產生的科技數據分散在不同數據庫，數據類型多源異構，存在一定程度的“信息孤島”和“信息煙囪”現象，距離科學數據資產化尚有較大距離。最后，科技項目管理雖然已經部分采用了信息化的方式，但還處于信息化技術使用的低級階段，項目管理的透明度和管理效率仍然不高，科技管理支撐科技決策的能力有待進一步加強。[12]

二、人工智能促進科技管理變革的機遇

當前，以數據密集型科學作為科學研究的“第四范式”正在不斷驅動科研管理理念、管理制度、管理流程、數據服務等管理模式的變革，科學研究進入知識發現與知識應用密切關聯的智能化探索階段[1]，這也意味著人工智能將為科技管理帶來新的發展機遇。

（一）數據檢索與知識表示

在數據的來源方面，人工智能可在數據來源極大擴充的情況下完成復雜的數據檢索與知識表示。隨著科技、經濟、社會等各領域數據的總量呈現爆炸式的增長，利用深度學習等人工智能技術一方面能夠克服數據來源單一的障礙，自動從宏觀、中觀、微觀等多個層面、多種渠道獲得并實時存儲海量信息數據。另一方面，人工智能可充分打破機構之間的壁壘，將分散、閑置、易逝的科技資源數據進行整合集成[13]，圍繞各類科學研究的問題，構建集實驗數據、觀測數據、調查數據、仿真數據、參考和規范數據、計算數據、專題數據等多種類型為一體的科技管理的知識庫[14]。例如，上海的科技創新資源數據中心，在采集匯聚科技資源和服務大數據的基礎上，提供科技數據的加工、挖掘、分析、傳播、共享開放等服務，形成面向科學研究與創新、科技決策、科技服務業的支撐數據密集型科技管理新范式的科學技術綜合體。[15]

在數據的表現形式方面，當前人工智能已經可以提供數據采集、匯聚、標注等方面的相關服務。未來，人工智能將進一步圍繞特定問題和學科領域，基于開放知識網絡構建更加自動化的、具有前瞻性的及融合宏觀、中觀、微觀數據為一體的科研管理知識庫，從而突破科技主管部門長期按照統一規范標準對業務型科學數據進行單向采集和存儲的管理模式，將以往的“被動管理”轉變為“主動服務”[16]，運用數字化技術，全面聚焦各類科技計劃項目在研究全流程中產生的及為支持科學研究而通過觀測、監測、試驗等站點采集的研究型科學數據，以數字、文本、音頻、視頻或靜態圖像等多種形式保存下來，實現對海量科研數據的動態管理和實時更新，為科技創新提供數據支撐與服務[7，17]。

（二）數據挖掘與分析展示

科技管理部門的數據涵蓋了圖像、文本、語音、視頻等不同載體的數據，涉及科技論文、專利、行業資訊、科技情報、科研項目經費等各類管理信息。人工智能可以更加快速、準確地發現管理數據背后不同類型、節點、關系的差異，深度挖掘異構數據背后的隱含關系，建立深層次聯系，集成不同模態的數據。同時，利用數據挖掘和社會網絡分析技術，可以從海量數據中獲取信息并進行語義抽取和隱含關聯關系挖掘，構建科研創新主體的多維畫像，精準刻畫和展示學術成果和關系網絡，進而為科技創新提供更加全面、精細化的數據資源支撐服務。

1.深度挖掘數據，將有用的數據進行抽取歸類

未來，可基于自然語言處理和機器學習技術，為不同科技創新主體提供構建通用知識圖譜或科技領域知識圖譜的算法工具集，構建知識抽取、知識融合、表示學習、知識可視化以及平臺化、智能化等的創新服務平臺。運用實體消歧等智能技術，還能對概念、實體、關系等進行自動化的關鍵詞提取，從海量、異構文本資源數據中抽取科技管理相關的結構化和語義化數據，形成完備而豐富的領域知識圖譜，從而服務于科技數據管理。

2.通過建立網絡，發現異構數據之間的關聯關系

利用人工智能技術，能夠極大提升政府整體數據分析能力，為有效處理復雜社會問題提供新的手段。具體來說，人工智能可以克服人腦處理過分龐雜數據信息時的滯后、混亂等信息處理障礙[18]，通過神經網絡、知識圖譜等技術，自動厘清決策問題的邏輯結構，充分展現數據之間的內部關系和外部影響，對各種不確定的信息做出迅速反應。同時，依靠人工智能對龐大數據量的高速計算，可揭示以往定量分析、文獻研究、政策分析等傳統技術手段難以展現的關聯關系，構建深度挖掘和處理數據的算法模型，充分展現時間序列、不同領域政策數據等的數據關聯，揭示與科技創新、科技政策相關的經濟社會內涵，從而幫助科技管理決策者掌握系統運行狀態和環境的變化，對系統演變趨勢做出預判，形成數據驅動下的科技管理范式。

搭建科技情報大數據挖掘與服務平臺，其應用場景可包括3種：（1）輔助科技資金配置。利用人工智能技術，基于設定的領域、地區和關鍵詞，對特定區域特定領域的技術熱點構建評估模型、態勢分析模型和趨勢預測模型，根據預測結果，構建該地區重點關注領域的研發資金投向分析模型，輔助科技決策。（2）輔助科研項目立項篩選。利用機器學習、主題聚類、語義分析等自然語言處理技術，對項目申報書的研究內容進行文本抽取，同數據庫中的內容進行語義及相似性分析并自動生成查重報告，提高項目立項的精準性。（3）輔助科技評價。改變原有將量化成果、頭銜等作為主要科技評價依據和考核指標的現象，提供研究者語義信息抽取、面向話題的專家搜索、研究者社會網絡關系識別、即時社會關系圖搜索、研究者能力圖譜、審稿人推薦等眾多功能，利用數據挖掘、關鍵詞匹配、智能推薦等技術發掘相關的研究者和合作者，建立基于網絡的多元化評價模式。[19]同時，利用語義分析、專家標注、實體聚合等手段，可同步建立基于人工智能技術的輔助指派系統，基于專家信息、項目申報書以及學科分類、關鍵詞等信息，經過語義分析和智能匹配后，為科研項目申請書遴選出最合適的評審專家，避免人工遴選專家帶來的潛在風險，確保科技項目評審的公平公正。

3.對科研數據進行多維動態化、可視化展示

借助海量數據挖掘和人工智能深度學習技術與相應的展示工具，進一步提升科研數據管理的應用效果。一是建立科技專家、機構、人才等科研創新主體的多維畫像。通過對科研項目申請書、評議人的多維特征及科研行為等信息的智能化提取分析和高效融合，可以構建基于成果合作關系和角色社會關系的社會關系網絡，對科研創新主體進行更加準確的定義描述，并引入標簽度量計算和畫像可信度量打分機制[20]，為項目評審、人才評價、機構評估等提供重要的客觀數據參考依據。二是建立“領導駕駛艙”，利用大數據分析和可視化技術，實時監測和匯聚分析科技經費預算執行、科技專家、科研項目執行、重點領域的科研進展等相關數據，實現對科技動態和資源配置的全景式跟蹤[21]，并以圖表等形式多維度展示各類科技風險評估與分析結果，為領導提供科技領域運行監測的“一站式”決策支持。

（三）趨勢預測與決策輔助

基于大數據、深度學習、自然語言處理等技術，人工智能能夠輔助科研管理部門建立科技決策智能化分析平臺，借助其計算和分析能力為科技創新提供更加全面的信息資源支持，進一步打破產學研合作中人、財、物、信息等資源之間的邊界壁壘，自動形成更加精準科學的決策方案[22]，提升科技決策質量，為重大突發事件下應急決策提供有力的支撐[23]。

1.開展監測分析與發展態勢預測，支撐科技決策

人工智能可以克服傳統管理中對專家知識依賴性較強和應急條件下科技決策的時效性差等問題，打破由數據處理和分析工具造成的限制，利用大數據、人工智能自然語言處理、知識圖譜等技術手段，對特定地區、關鍵領域、行業技術發展態勢及趨勢進行監測分析，將風險事件數字化、模型化，挖掘數據背后的潛在趨勢和一般規律，提高技術預測和風險事件研判的科學性和精準性。

許多國家政府和官方科研機構在長期跟蹤科技前沿情報，引入人工智能和深度學習幫助其進行趨勢預測。各國利用文獻計量、模型分析、創新預測等方法，對世界科技領域的重點發展方向進行預測，積極從產業經濟發展和改革的角度進行創新性研究和戰略分析，為智能手機、新能源汽車等新興高科技產業，提供產業發展戰略和政策建議。例如，日本科技與技術政策研究所（NISTEP）開發了政策制定智能輔助系統（SPIAS），聯合文部科學省（MEXT）、國立科學技術政策研究所（NISTEP）、日本政策研究大學院大學（GRIPS）、日本科學技術振興機構（JST），嘗試使用大數據和語義技術協助政府處理科技研究成果、影響、資金、研發組織和研究項目的數據[24]，研究分析科技對社會的經濟影響。比利時建立了深入分析科技趨勢和制定科技創新統計指標的佛蘭德研究信息空間（FRIS）。美國谷歌公司開發了谷歌趨勢（Google trends）模型，利用機器學習技術對未來經濟增長、就業、商業周期等進行長期預測。[25]西班牙政府廣泛使用自然語言處理技術處理和分析大量文本信息，幫助決策者利用研究結果來監測和評估公共科研項目，并制定科學和創新政策舉措。中國科學技術信息研究所構建了立體的數據平臺，對多層面的科技創新情況、創新要素分布和流動進行基于人工智能的自動化分析，支撐區域科技創新管理與決策。[26]利用知識圖譜、深度學習等技術，可以構建基于海量科研數據、文獻數據、產業數據等的科技創新圖譜，從多個維度分析學科領域發展規律、產業領域合作網絡、科技投入與科技產出的關系，展示科技投入效果與效率，進一步為政府科技規劃和布局決策提供客觀、科學的依據。[27]同時，利用人工智能數據平臺，還可以及時發現發展短板，為政府制定科技戰略、科研機構及企業確定技術研發重點、研究人員尋找創新突破點提供決策依據。

2.賦能科技管理服務職能轉變，提供個性化、定制化的服務

目前，科研人員的研究方向愈發精細和專業化，科研數據正在朝著綜合化、學科多樣化的方向發展，人工智能可以輔助科研管理者根據科研人員的特點和方向提供相應的智能化服務。例如，上海科技創新資源數據中心依托平臺強大的數據資源和專家資源，在服務企業方面，滿足其提供技術服務、市場服務、政策服務、組織服務等的需求，幫助企業跟蹤行業競爭態勢，預判潛在合作者和競爭者，為企業提升自主創新能力、降低創新成本等提供服務。在服務科研創新主體方面，利用人工智能技術，挖掘分析各類用戶的需求和偏好，根據科研創新主體的搜索內容及時發現其研究興趣、領域方向及主要觀點，為用戶提供定制化、個性化的推送服務。

三、人工智能助推科技管理變革的趨向

隨著全球新一輪科技革命和產業變革的推進，科技創新活動的邊界被拓寬、主體更加多元化、形態更加多樣，人工智能對現有科技管理方式產生了多方面的影響。

（一）為科技創新治理體系轉型和治理能力現代化提供條件

首先，人工智能技術的應用將直接改變政府單一配置科技資源的管理模式，更有助于形成多元創新主體參與的科技創新治理體系。從創新治理的對象看，在人工智能的影響下，過去線性的創新邏輯被進一步打破，科技創新活動日益社會化、網絡化，多層次、多環節、多種創新主體、創新要素交錯的演進已經成為現實，多學科交叉、跨組織協同，無論是科學研究、技術研發還是商業模式創新的模式和機制都在發生錯綜復雜的跨界融合。而創新活動的變化顯然使得創新治理也在同步發展，科技管理模式正在由單向走向多向，從“中心化”走向“去中心化”。在這種情況下，人工智能時代的科技管理將會徹底打破傳統學科之間的界限，超越以往分門別類的研究方式，從而能夠集中多學科力量共同對問題進行整合性研究，這是由科技創新活動自身特點的變化決定的。

立足科技管理的視域，人工智能的相關技術將幫助科技創新治理體系轉型，全面提升政府創新治理的能力和水平。簡而言之，人工智能技術應用將直接帶來三大變化。一是能夠突破單向度的科技管理組織體系，依托人工智能實現科技管理跨層級、跨地域、跨系統、跨部門、跨業務的信任和協同合作，為打破政府部門間行政數據壁壘，實現數據資源流轉通暢提供技術建構的新機遇。二是能夠加速推進政府職能轉變，進一步提高信息數據的透明度，實現更加及時和便捷的信息公開。在創新要素加速跨區域流動、產學研多類型主體協同創新持續推進的背景下，政府通過不斷升級采集分析和處理程序，完善科研管理信息系統，利用人工智能共享海量數據資源、進行精準推動，從而減少科研項目管理、科技政策評估中長期存在的利益相關方信息不對稱的問題。[28]三是能夠利用“人工智能+政務”，突破主觀化、經驗式、隨意性、非定量等傳統決策模式，構建“用數據說話、用數據決策、用數據管理、用數據創新”的治理氛圍。

（二）提升企業管理效率，加速多元創新主體的協調聯動

針對個體企業的微觀層面，人工智能能不斷加速企業內部的科技管理創新，提升管理效率。眾多“數字化+”模式的新經濟不斷涌現，截至2021年3月，在全球范圍內打通端到端價值鏈的“燈塔工廠”已增加至69家，以人工智能、深度學習為代表的信息技術已經延伸到了大部分傳統產業中。“燈塔工廠”突破了生產端的局限，通過在生產終端應用人工智能，可以將數字化轉型拓展到整個生產網絡，從而構建覆蓋全價值鏈的數字化生產、運營和服務體系，最終實現從供應商到客戶的全流程創新。為了幫助企業內部管理創新進而加快整個經濟體系的數字化迭代，應當打破傳統科技創新模式和管理流程，改變企業創新的思維方式及規則，促進企業的整個生產體系實現更高水平的自動化和流程化。在具體影響方面，企業在業務管理中可以利用人工智能技術、數字技術等驅動研發、設計、制造與運行維護的模式轉變，改變生產運營的流程，快速挖掘和分析客戶的需求偏好[29]、智能可視化分析等功能，不斷改進產品設計，減少人為錯誤，優化服務管理，提升企業生產率和內部的管理效率[30]。

在智能化數字化管理的同時，人工智能技術作為一種數字技術正深度嵌入企業創新過程，從根本上重塑企業技術創新模式，推進產業鏈協同創新。[31]在新科技革命背景下，創新系統的構成主體從以往的單一企業、產業集群，轉變為企業、研發機構、高校、政府、中介機構等組織多元互動，甚至用戶也參與到創新之中，這就意味著創新體系中的成員正在不斷增加，要更加強調開放式創新和多元創新主體的協調聯動，創新的協作和互動方式在新技術加持下得到增強。[32]在人工智能技術的驅動下，產學研合作中人、財、物、信息等資源之間的邊界壁壘被打破，原本各節點之間線性的信息傳遞可能變成如區塊鏈狀的網格式傳遞和共享，各組織同外部科技創新主體的知識聯系與資源交換將變得更加及時，在創新投入、產出、商業化過程中的邊界滲透也會更加頻繁。從總體上看，人工智能理念和技術的應用，將進一步推動創新主體間的良性合作，進而形成連接產業鏈上下游及用戶群體的新型創新生態，因而也就在企業層面的科技管理體系中形成前所未有的開放氛圍。

（三）完善科技倫理治理機制，營造良好的創新生態

在經濟全球化、信息化浪潮的影響和推動下，技術復雜性、創新風險性、市場不確定性愈發增強，創新主體間的伙伴關系更加受到關注，而過去單純的科技創新監管政策也需要進行調整以應對復雜風險。面對科技創新開放、協作的新常態，創新治理的對象更復雜，需要應對的行為更難以預測，對新的科技管理方式提出了新的挑戰。[33]適應數據密集型科研范式轉型，構建基于網絡化協作的科技管理和決策支撐體系，從而營造更加完備的科技治理環境，這是未來科技管理的重要發展方向。

大數據、人工智能等新興技術驅動的數字化轉型，帶來了科研范式和科研組織的深刻變革。在通過各種數據采集和智能分析為科技管理帶來便利的同時，人工智能時代高度分散式的科技管理方式也對政府界定科研數據權屬、規范科研數據的使用和共享、保護數據隱私和安全、布局數字化基礎設施、實現有效監管等提出了全新的挑戰。因此，公共部門必須提前做好應對，加快構建健全的科學數據全生命周期管理政策體系，建立和完善科學數據采集匯交與保存、共享利用、保密與安全、激勵和評估監測等相關機制。另外，政府要不斷完善科技風險評估和監管手段，針對倫理審查、倫理教育、倫理傳播、違規行為處理等具體問題，持續性地完善科技倫理治理機制[34]，這是人工智能技術為科技管理帶來助力的“硬幣的另一面”。

參考文獻：

[1] OECD. The Digitalisation of Science，Technology and Innovation：Key Developments and Policies[EB/OL].（2020-02-11）[2021-08-08].https：//doi.org/10.1787/b9e4a2c0-en.

[2] EmmertStreib Frank. From the Digital Data Revolution toward a Digital Society：Pervasiveness of Artificial Intelligence[J].Machine Learning and Knowledge Extraction，2021（01）：284-298.

[3] 謝衛紅，陳軍，陳揚森.大數據的趨勢性認證與挖掘——基于SNA與共詞的反事實研究[J].軟科學，2018（07）：127-132.

[4] 國務院.新一代人工智能發展規劃[R/OL].（2017-07-08）[2021-08-10].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[5] 中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定[EB/OL].（2019-11-5）[2021-08-07].http：//www.gov.cn/zhengce/2019-11/05/content_5449023.htm.

[6] 劉戒驕，方瑩瑩，王文娜.科技創新新型舉國體制：實踐邏輯與關鍵要義[J].北京工業大學學報（社會科學版），2021（05）：89-101.

[7] 吳翌琳，吳潔瓊.中國科技創新合作網絡研究[J].統計研究，2017（05）：94-101.

[8] 劉蔚，陳白雪，陳曉文，等.科技計劃項目實施中的區域合作網絡分析——以國家重點研發計劃“納米科技”重點專項為例[J].科技管理研究，2019（21）：67-73.

[9] 智強，楊英.中美國家科技決策體系：國家、部委和項目層面的比較研究[J].科技進步與對策，2016（15）：83-89.

[10] 李梅，孫艷艷，胡嫣然，等.基于協同視角的京津冀科技資源優化配置機制構建[J].科技管理研究，2021（04）：83-88.

[11] 羅瑞麗，王元卓.基于大數據的主動科研管理模式與優化決策機制[J].大數據，2019（05）：16-24.

[12] Yongqing Zheng，Han Yu，Lizhen Cui，et al. Addressing the Challenges of Government Service Provision with Artificial Intelligence[J].AI Magazine，2020（01）：33-43.

[13] 王宏起，李力，李玥.區域科技資源共享平臺集成服務流程與管理研究[J].情報理論與實踐，2014（08）：69-73.

[14] 吳彬.生態科學數據元數據及其標準研究[J].中南林業科技大學學報，2010（12）：75-79.

[15] 王勰祎，孟溦.科技數據類新型研發機構運行特征與績效評估研究——以上海科技創新資源數據中心為例[J].科技管理研究，2021（05）：21-28.

[16] 羅瑞麗，王元卓.基于大數據的主動科研管理模式與優化決策機制[J].大數據，2019（05）：16-24.

[17] 王卷樂，祝學衍，石蕾，等.國際研究數據聯盟及對我國科學數據共享的啟示[J].中國科技資源導刊，2014（02）：15-20

[18] Haefner N，Wincent J，Parida V，et al. Artificial Intelligence and Innovation management：A review，Framework，and Research Agenda[J].Technological Forecasting and Social Change，2021（162）：1-10.

[19] 唐杰，李涓子，高博，等.研究者社會網絡搜索與挖掘系統（ArnetMiner）[Z].北京：清華大學，2006.01—2012.12.

[20] 袁莎，唐杰，顧曉韜.開放互聯網中的學者畫像技術綜述[J].計算機研究與發展，2018（09）：1903-1919.

[21] 陳凱華，馮澤，孫茜.創新大數據、創新治理效能和數字化轉型[J].研究與發展管理，2020（06）：1-12.

[22] Barykin S Y，Kapustina I V，Kirillova T V，et al. Economics of Digital Ecosystems[J].Journal of Open Innovation Technology Market and Complexity，2020（04）：124.

[23] 顏佳華，王張華.人工智能與公共管理者角色的重新定位[J].北京大學學報（哲學社會科學版），2019（06）：76-82.

[24] SciREX Center. SPIAS：SciREX 政策形成インテリジェント支援システム[EB/OL].（2021-08-09）[2022-02-19].https：//scirex.grips.ac.jp/data/spiasscirex-scirex-policymaking-intelligent-assistance-system.html.

[25] Woloszko N. Tracking Activity in Real Time with Google Trends[J].OECD Economics Department Working Papers，2020（1634）：6-7.

[26] 趙志耘，張均勝，姚長青，等.面向管理與決策的中國科技創新圖譜研究[J].情報學報，2018（08）：774-781.

[27] 吳靜，張鳳，劉峰，等.基于新一代信息技術支撐智能化宏觀決策的方法與實踐[J].數據與計算發展前沿，2021（02）：4-15.

[28] 劉小春，李嬋.人工智能對國家創新體系建設：促進作用、負效應及規避[J].科學管理研究，2020（02）：29-34.

[29] 陳勁，李佳雪.數字科技下的創新范式[J].信息與管理研究，2020（Z1）：1-9.

[30] Soni N，Sharma E K，Singh N，et al. Artificial Intelligence in Business：From Research and Innovation to Market Deployment[J].Procedia Computer Science，2020（167）：2200-2210.

[31] Philip Hutchinson. Reinventing Innovation Management：The Impact of Self-Innovating Artificial Intelligence[J].IEEE Transactions on Engineering Management，2021（02）：628-639.

[32] Wang Zeyu，Li Mingyu，Lu Jia，et al. Business Innovation based on artificial intelligence and Blockchain technology[J].Information Processing and Management，2022（01）：102759.

[33] 王崢，龔軼.創新共同體：概念、框架與模式[J].科學學研究，2018（01）：140-148，175.

[34] 陳健，陳志.高度重視人工智能對科技管理的挑戰[J].科技中國，2019（01）：35-37.

The New Trend of Artificial Intelligence Empowering Science and Technology Management Reform

Li Yu Zhao Jingyi Zuo Jiaping

（1.Beijing Academy of Science and Technology，Beijing，100089;2.Beijing Knowledge Atlas Technology Co.，Ltd.，Beijing，100084）

Abstract：The current boom in big data，artificial intelligence and other new information technologies has brought new opportunities and challenges to the E-Science process，the digitalization is driving the change of scientific research management concept，management system，management process and so on. On the basis of clarifying the existing paradigm of scientific and technological management，this paper analyzes and forecasts the prospect of scientific and technological management reform under the background of artificial intelligence，with a view to science and technology management departments to make full use of the opportunities of artificial intelligence development，to solve the problem of science and technology management to provide reference.

Key words：Artificial Intelligence;Science and technology management;Application prospect