人工智能技术阶段化发展与我国的后发追赶——基于双S曲线的技术演进分析

何建洪，邹 哲，王河洺

（重庆邮电大学经济管理学院，重庆 400065）

1 引言

人工智能技术作为第四次工业革命的核心技术之一，已被广泛应用于社会生产生活各领域，预计至2030年，人工智能技术估计将为世界经济总量创造近16万亿美元新增产出［1］。因此，世界各主要国家都将人工智能技术视为新一代科技革命的核心驱动力，相继出台国家级创新规划以推动人工智能技术研发及产业化应用［2］。例如，美国于2016年发布《国家人工智能研究和发展战略计划》，英国于2018年发布《人工智能行业新政》，丹麦于2018年发布《丹麦数字技术增长战略》。在我国，国务院于2015年印发《中国制造2025》，确立了人工智能产业的重要战略地位；截至2019年，各地共出台276项涉及人工智能发展的相关政策［3］。如今我国人工智能技术已实现高速增长，并在该领域取得了瞩目的成就：人工智能领域论文发表量居全球首位，企业数量、融资规模位列全球第二，与美国一同成为人工智能领域的全球领导者［4］。中国作为后发国家，在人工智能技术的部分领域实现技术追赶，从其由“追赶”到“赶超”的发展历程中提取出普适性的追赶经验已成为实践界和理论界高度关注的核心话题。

目前，相关学者对追赶理论进行了广泛而深入的研究分析，主要可划分为以下三方面的研究。一是技术赶超路径理论模型的研究。Lee K等提出部门系统框架以解释追赶周期，并指出在行业长期发展过程中可能出现的三种机会窗口［5］；Yanfei Li等提出倒S曲线模型以反映技术进步与学习成本的关系，从而分析确定中国技术追赶的主要驱动力［6］。二是后发国家技术追赶模式选择的研究。吴晓波等通过回顾技术追赶经典理论和“二次创新”模式，分析后发企业所处情境特征并提出“超越追赶”的三种主要模式：以技术创新为主导、以商业模式创新为主导、技术创新和商业模式创新“双轮驱动”［7］；郭艳婷等通过整合中国企业创新实践和企业研究，揭示后发企业利用跨边界协同内外部资源塑造出的新型追赶路径与模式［8］。三是技术追赶影响因素的研究。黄永春等基于新兴产业的演化轨迹，结合后发国家企业新兴产业追赶的优劣势，研究实施追赶的最佳时机，指出先发优势较强的国家应选择不稳定阶段进入，先发优势较弱的国家应选择过渡阶段进入［9］；吴晓波等通过探究机会窗口与企业创新战略的匹配关系对后发企业追赶绩效提出，技术机会窗口与技术探索性创新战略的匹配、需求机会窗口与市场探索性创新战略的匹配及制度机会窗口与技术利用性创新战略的匹配，对企业追赶绩效有着积极作用［10］。

综上所述，已有研究多以产业化发展水平作为追赶程度的衡量指标，通过构造追赶理论模型，揭示后发国家技术追赶过程中的一般规律；或通过对技术追赶模式的选择及其影响因素进行分析，阐明追赶路径的选择及追赶时机的确定，为后发国家制定追赶战略提供参考。然而区别于一般技术演化轨迹，人工智能技术演化轨迹具有长周期性、高度不确定性等独特属性，后发国家如何把握机会窗口、利用后发优势集聚资源实现技术追赶，仍待进一步探讨。同时，人工智能技术发展存在一个显著的动态累积过程，从实验室技术的产生到产业化应用的过程较长，部分子领域技术或工艺性创新甚至未能走出实验室就被新技术迭代，且不同国家在切入时点、技术优势显示度上均存在动态波动，后发国家更可能寻找到技术追赶的机会窗口。因此，以专利作为衡量指标，分阶段研究我国人工智能技术追赶路径，不仅能更深刻地揭示人工智能技术领域中技术追赶的过程，还可以更准确地进行不同国家技术演化轨迹阶段性特征及技术差距的对比分析，有利于深入探究后发国家实现技术追赶的原因。

因此，本文以专利申请累计量衡量技术发展水平，基于S曲线模型划分全球和中国的人工智能技术生命周期阶段，回顾全球及中国人工智能技术演化轨迹。依托双S曲线模型并借助人工智能技术专利占比结构、RTA指数等指标的对比分析，分析并总结出我国人工智能技术部分领域实现追赶的影响因素，进而对后发国家的新兴技术追赶战略提出建议，以期为后发国家实现新兴技术追赶提供信息参考。

2 研究设计

2.1 S曲线模型描绘的技术生命周期

Holger Ernst在1997年率先利用S曲线界定技术生命周期的各个阶段，他通过观察指出：新生技术开始的发展都比较慢，经过一段时间超越某个技术界限后，其成长就变得特别快，而当其速度达到一定上限后，成长就会再度放慢，图形表现如同“S”形状［11］。根据技术成长速度的变化，将技术生命周期划分为4个阶段：导入期、成长期、成熟期和衰退期。

S曲线主要包括两种：Logistic曲线和Gomp⁃ertz曲线［12］，前者是对称的，后者是不对称的。其中，Logistic曲线在实践中应用更为广泛。在1838年，Logistic曲线由Verhulst率先提出，该曲线可以用如下关于t的函数表示［12］：

式（1）中，Y表示某技术的专利累积申请量，l、α和β为常数，t为时间。本文运用美国Rocke⁃feller University开发的Loglet Lab4软件作为运算工具，该软件可以通过数学计算推导生命周期各阶段的分界点，进行S曲线的拟合预测。如图1所示，k为Y的最大值，f（t10）=10%k，f（t50）=50%k，f（t90）=90%k。

图1 Logistic曲线描绘的技术生命周期

一般认为，t10之前即为导入期，t10至t50之间为成长期，t50至t90之间为成熟期，t90之后为衰退期。

由S曲线可知，新技术的演化发展具有阶段性特征，在技术演化初期存在缓慢增长阶段即导入期；此后随累计效用率增大，在成长期技术水平迅速上升；在成熟期累计效用率逐年减小，技术发展水平增速减缓；在衰退期，技术水平增长持续放缓最终无限接近极值即最高技术水平［13］。基于S曲线模型的这一特性，本文利用S曲线模型分别对全球和中国的人工智能技术领域成长轨迹进行模拟，分析其成长路径，以揭示两者的演变规律，为全文的分析提供时间脉络参考。

2.2 双S曲线模型——改进后的Logistic曲线

改进后的Logistic曲线，即双S曲线模型，是S曲线模型的延伸和拓展，具有如下特征。

①反映了同一技术在不同区域的发展轨迹及组合关系的规律。从图2中S1与S2纵坐标之差可以看出：M点之前，同一横坐标对应的纵坐标差距随时间发展逐渐扩大；而M点之后，纵坐标差距随时间发展逐渐缩小；M点为纵坐标差距最大处。

图2 双S曲线模型

②分析所使用的数据应该是较全面、较长时期、综合性与稳定性强的数据。Logistic曲线的特性决定了只有较长时间段的样本数据才能反映技术发展轨迹及其规律性特征。因此，选择较全面、较长时期、综合性与稳定性强的数据样本进行处理与分析是必不可少的。

借助双S曲线模型，可以对区域差异变化的一般规律进行有效的定量分析。运用该模型指导区域技术发展差距的调整，将有助于我们认识区域技术发展差异的必然性和规律性，使后进区域追赶先进区域，科学处理后进区域实现技术追赶问题。换而言之，通过对两区域技术发展水平指标拟合所得双S曲线模型的分析，可以准确掌握两区域技术发展差距特点、基本走向以及实现追赶的时机。因此，本文选取双S曲线模型来进行人工智能地区发展差距的分析，进而准确把握我国实现技术赶超的时机选择以及技术发展差距的基本走向。

2.3 数据来源与检索

德温特世界专利索引数据库（Derwent Inno⁃vations Index，DII）作为权威专利数据库，具有两大优势：一是数据可靠、准确，收录了世界70多个国家或组织的专利数据；二是检索方式多样，用户进行检索时不仅可以使用关键词检索、国际专利分类码（IPC）检索等传统检索方式，还可以选择独有的德温特手工代码检索方式。其中，德温特手工代码由索引专家编制，它对技术类别划分更为细致，指代性更精确，可以准确反映出专利的主题及所属技术领域。故本文以德温特世界专利索引数据库作为数据来源对人工智能技术相关专利信息进行检索。

由于人工智能技术涵盖众多领域，各技术领域关键词难以确定，因而以各技术领域关键词作为检索条件检索人工智能全领域的专利信息易产生数据缺失。此外，一项专利可以在多个国家地区申请保护，故存在一项专利拥有多项专利号的情况，以专利号（PN）作为专利所有权判断条件不能准确反映专利来源国信息。而在通常情况下，专利权人会在所属国家首次申请专利，所以优先权申请信息和日期（PI：包括首次申请专利号PN和申请日期）中的专利号可以作为判断专利来源国的重要依据。相较于在检索表达式中直接以PN作为限制条件划分专利来源国，以PI中的专利号为条件进行划分更为科学严谨。因此，本文通过查阅文献资料确定数据检索处理方法如下。

首先，在德温特数据库中对人工智能技术全领域专利数进行检索，确定以德温特手工代码MAN=（T01-J16*OR T06-A05A*OR X13-C15B*）为检索式，时间跨度为1963—2019年。其次，将检索结果的全记录信息以文本形式下载并导入ACEESS数据库。然后对ACEESS自建数据库进行初步数据处理，筛选出各条专利数据中PI所包含专利号及申请年份的相关信息。最后，对上一步骤筛选结果进行查询操作，以年份为分类依据、国别为限制条件，统计整理得出全球和中日美三国历年的专利累计申请情况。

3 人工智能技术发展的阶段划分

3.1 人工智能技术发展阶段划分的理论解析

为了更准确地定位我国人工智能技术各时期的发展状况、更好地掌握人工智能技术的整体发展脉络和世界竞争格局，需要先对全球人工智能技术的发展历程进行阶段划分。而人工智能技术的发展历程波澜起伏，如何描述人工智能技术自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。有学者将人工智能技术的发展历程划分为以下6个阶段：萌芽发展期（1956年—20世纪60年代初）、瓶颈发展期（20世纪60年代—70年代初）、应用发展期（20世纪70年代初—80年代中）、低迷发展期（20世纪80年代中—90年代中）、平稳发展期（20世纪90年代中—2010年）、繁荣发展期（2011年至今）［14-15］。也有学者基于样本专利年度分布情况，得到人工智能领域专利申请和授权趋势，从而初步判断人工智能领域的技术成熟度变化趋势，将人工智能技术的发展历程大致划分为3个阶段：萌芽阶段（1956—1996年）、成长阶段（1997—2010年）、快速成长阶段（2011年至今）［16］。这些阶段划分均是基于观察或专家的经验性判断而形成的，在一定程度上均缺乏预测性数据的支撑。因此，本文尝试将人工智能专利累计申请量作为衡量人工智能发展水平的指标，以技术生命周期为视角，基于S曲线模型对人工智能技术的演化进程进行了阶段划分和预测。

3.2 人工智能技术发展阶段划分及预测

根据整理得出的全球人工智能技术专利信息，得到1965—2019年人工智能领域专利累计申请情况，如图3所示。1991年之前人工智能领域的专利累计申请量不超过1 000件；1991—2002年每年的专利累计申请量为1 000～10 000件；2002年以后专利累计申请量的增长速度越来越快，且在2014年迎来快速增长期。

图3 1965—2019年人工智能领域专利累计申请量散点图

将专利信息导入Loglet Lab4软件进行拟合，得到人工智能技术的S曲线，如图4所示，关键数据点如表1所示。

表1 人工智能技术的关键数据点

图4 人工智能技术的S曲线

根据S曲线的特征，结合相关专利信息，可将人工智能技术的发展大致分为3个阶段。

①导入期：1956—1994年，人工智能领域的专利累计申请量增长速度缓慢，处于发展初期。美国特茅斯大学在1956年首次确立人工智能为研究方向和学科，随后人工神经网络模型的提出更是推动了人工智能研究的第一次发展浪潮。该时期的研究内容以启发式搜索算法和知识表达为代表，许多研究人工智能的技术人员开发出各种人工智能实用系统尝试商业化并投入市场。但之后由于计算能力的限制和智能化实现程度的不足，1960—1980年大部分人工智能项目经费削减甚至停摆，人工智能研究进入发展的低谷［17］。

②成长期：1994—2014年，人工智能技术有了新的发展，该领域的专利累计申请量开始加速增长。由于网络技术特别是互联网技术的发展，人工智能研究开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。在该时期，机器学习算法及专家系统发展迅猛，推动人工智能研究迎来了第二次发展浪潮。

③成熟期：2014年至今，人工智能领域的专利累计申请量激增且发展势头强劲。相关技术有了极大突破，隐含的经济价值开始展露，参与研究的机构不断增多，相应的专利产出也不断提高。得益于云计算、大数据、移动互联网、深度学习等技术的繁荣，极大地提高了训练数据量和计算能力，技术飞速发展，大幅跨越了研究与应用之间的技术鸿沟，诸如图像分类、无人驾驶、语音识别等人工智能技术实现了从实验室走向市场的重大突破，推动人工智能研究迎来了第三次发展浪潮。

从拟合得到的人工智能技术S曲线还可以看出，从数据预测的简单趋势而言，人工智能技术预计在2043年进入衰退期，最终该领域的最大专利申请累计量为245 700件。

4 我国人工智能技术发展的阶段性特征

中国在落后于先发国家20年的情况下，坚持政策助推、商业模式创新、二次创新、自主创新，在人工智能技术的部分领域实现了自主知识产权产出，达到了世界先进技术水平，在一定程度上实现了技术的追赶。在此，本文以S曲线模型为依托，划分出我国人工智能技术生命周期的各个阶段并通过技术发展的地区性差异对比，解析我国实现人工智能技术的追赶条件与举措。

4.1 我国人工智能技术发展轨迹及生命周期分析

为更准确地把握我国人工智能技术的发展轨迹和特点，以在利用双S曲线进行人工智能技术的地区差距分析时拥有清晰、可参照的时间脉络，本文再次运用相同的方法模型对我国人工智能技术进行发展阶段的划分。

根据整理得到相关专利信息，并将数据导入LogletLab4软件进行拟合，得到1985—2019年我国人工智能领域专利累计申请情况，如图5所示，我国人工智能技术S曲线如图6所示。

图5 1985—2019年我国人工智能领域专利累计申请量散点图

图6 我国人工智能技术的S曲线

结合图5、图6进行分析，可知，我国人工智能技术在2010年进入成长期，2018年为成长期和成熟期的分界点，预计在2032年进入衰退期，最终该领域的最大专利申请累计量为115 000件。目前，我国的人工智能技术还有较大的发展空间，技术创新活跃，同时也将涌入越来越多的企业和研究机构，竞争日趋激烈。

4.2 人工智能技术地区性差异对比分析

在人工智能领域，美国和日本都是最早发展人工智能技术国家中的一员，具有较大的先发优势且技术发展水平都位列世界前沿。因此，本文以美国、日本为参照对象，借助人工智能技术专利申请占比结构、RTA指数分布、主要创新主体三项重要指标，并结合双S曲线模型的特征，来对比分析技术发展的地区差距变化趋势，以深入剖析我国实现人工智能技术追赶的条件和举措。

4.2.1 人工智能技术的专利占比分析。本文根据检索到的中国、美国、日本人工智能技术的专利信息计算出专利占比情况，如表2所示。

表2 人工智能专利占比

①在导入期（1956—1994年），人工智能技术多由美国、日本掌握，我国的专利申请量极少。在该阶段，全球的人工智能累计专利量不超过4 000件，其中约35%的专利由美国掌握。说明美国作为人工智能技术的起源地，拥有良好的市场环境、强大的研究基础，是人工智能领域的先行者和领导者。日本作为跟随者，在1967年从美国引入机器人技术，紧接着于1969年试制出第一台以双脚走路的机器人并不断深入发展人工智能技术，在该阶段的人工智能技术专利占比约为32%，取得了较大的先发优势，成为人工智能领域的准领导者。而此时的中国作为后进者，由于存在市场潜能未被激发、技术基础薄弱、经济实力滞后等缺陷，在人工智能领域的专利申请量极低。

②在成长期（1995—2014年），美国已成为人工智能领域的绝对领导者。而我国则借助技术学习，成为该领域的跟随者，人工智能技术专利占比不断提高并超过了部分先发国家。但由于进入该领域的时间较晚，还是与美国存在较大的差距。此时，全球人工智能领域的专利累计申请量在2014年已达46 341件，相比于导入期，实现了跨越式的增长。在该阶段，美国的专利占比约为44%，中国的专利占比上升至23%，相比日本的14%，多了9%。说明在成长期，中国在人工智能领域已占据较大的专利申请份额，正着力实施对美国等发达国家的技术追赶，以缩短技术差距。

③在成熟期（2015年至今），我国在部分领域实现技术追赶，专利占比约为美国的2倍，日本的16倍。在该阶段，人工智能领域的全球累计专利申请量实现了更大幅度的增长，在2019年激增到130 379件，约是导入期的33倍，成长期的3倍。此时，美国人工智能领域的专利占比降至29%，日本的专利占比降至3%。而中国的专利占比大幅上升至49%，远超美国、日本等国家，位居人工智能领域专利占比之首，说明中国在一定程度上已经实现了对美国、日本等先发国家的技术追赶。

由人工智能技术的专利占比结构分析可知，在人工智能技术的萌芽期，我国集中优势资源，消化吸收关键技术，从而推进人工智能技术追赶的发展进程。在人工智能技术的成长期，我国利用后发优势实现了对部分先发国家人工智能技术的追赶。在人工智能技术的成熟期，我国借助前期的技术经验积累，全面实施人工智能技术的追赶和突破，从而成为人工智能技术的领先者。

4.2.2 人工智能技术的显性技术优势指数分析。显性技术优势指数（RTA）即某地区在该领域的专利占有比例除以同一时期该区域所有技术领域专利总量的占有份额。如果RTA指数大于1，说明该地区在某技术领域具有技术优势；而若该指数小于1，说明该地区在某技术领域处于比较劣势的地位。通过检索相关文献可知，人工智能领域核心技术主要由语音识别、计算机视觉和图像识别、机器学习和基础算法、自然语言处理、智能机器人及自动驾驶等构成。鉴于此，本文通过检索相关技术的专利信息，计算出对应的RTA结果，整理后的数据见表3所示。

表3 1956—2019年人工智能专利的显性技术优势指数（RTA）

①在导入期，由于中国进入人工智能技术领域较晚，各项关键技术发展处于起步阶段，RTA指数均低于1，同时机器学习和基础算法以及智能机器人和自动驾驶技术两项关键技术的RTA为0，说明中国在该阶段尚未涉足这两个技术领域。美国的几项主要人工智能技术（包括语音识别、机器学习和基础算法、自然语言处理）的RTA指数均大于1，可见此阶段美国是人工智能领域的绝对领导者。日本的自然语言处理技术和智能机器人及自动驾驶技术的RTA指数大于1，说明日本在人工智能局部技术领域已取得先发优势，是技术先行者和准领导者。显而易见，在此阶段世界人工智能技术主要被日本和美国控制，而中国在导入期处于相对劣势的地位。

②在成长期，我国人工智能技术的RTA指数较导入期有较大增长，且在自然语言处理、智能机器人及自动驾驶这两个技术领域处于优势地位，RTA均大于1。我国在该阶段通过导入期采取的技术跟随模式积累技术经验，利用后发优势，二次创新从日本、美国等发达国家引入的先进技术，实现了人工智能领域的局部技术突破。

③进入成熟期后，在机器学习和基础算法这一关键技术领域，美国仍处于优势地位。但中国在语音识别、计算机视觉和图像识别、自然语言处理这三个技术领域的RTA指数均大于1，表明我国虽然在核心算法方面与美国仍具有一定差距，但在偏向产业化应用的技术领域已走在世界前列。在成长期取得局部技术突破的基础上，我国进行了创新能力的拓展和延伸，通过自主创新实现更进一步的技术突破和追赶，摆脱了被先发国家控制的劣势地位。

根据对各阶段人工智能技术RTA指数的对比分析，鉴于人工智能领域的核心技术——算法技术壁垒较高，作为后发国家的中国在实施人工智能技术追赶的过程中先采取模仿创新的方式，即通过引进先发国家优势技术，重点发展人工智能应用层关键技术，进而在成长期积累一定的技术经验后取得局部突破。在成熟期利用自主创新，将发展重点逐渐转向算法研发，实现了更进一步的技术追赶和突破，在语音识别、计算机视觉和图像识别等领域取得了优势地位，并缩短了在核心算法上与美国的差距。

4.2.3 人工智能技术的创新主体分析。本文基于相关专利信息，统计并排列出中、美、日三国市场的人工智能技术主要创新主体及其专利申请数量，结果如表4所示。

表4 中、美、日三国人工智能专利申请前20位的专利权人及专利申请数量

从表4可以看出，截至2019年，在美国、日本国内申请人工智能专利的前20名创新主体全部为企业，并且有不少外国企业。而在中国大陆人工智能专利申请量前20名的创新主体只有微软1家国外机构，并且绝大部分是大学，企业占比较低。由此可见，中、美、日三国的人工智能技术创新主体存在巨大的差异。美国、日本是以企业为主导，不仅注重在世界其他重要市场如中国等进行专利布局，还吸引了德、韩等国的优秀企业如三星、西门子等公司到美国、日本市场进行专利技术布局，以期在市场运营和竞争的过程中促进和引导人工智能技术的革新和开发。而中国则是以高校为主导，侧重于教育和科技创新的结合，最大化利用高校这种学术氛围浓郁的研发环境和处于技术研究前沿的人才资源，获得人才、成果与技术的有力支撑，进而促进人工智能技术的开发和革新，扩大专利产出。

4.2.4 人工智能技术的双S曲线特征分析。将整理得出的中国人工智能专利信息分别与美国、日本的人工智能专利信息，通过Loglet Lab4软件进行双S曲线拟合，分别得到中国与美国、日本的人工智能技术发展差距的双S曲线，如图7、图8所示。

图7 中美人工智能技术发展差距的双S曲线

图8 中日人工智能技术发展差距的双S曲线

根据中美人工智能技术发展差距的双S曲线可见，中国在1985年开始有人工智能专利申请数据，而美国早在1965年就拥有了人工智能的专利产出。美国人工智能技术起步比中国快，这与美国雄厚的科技与经济实力是分不开的。作为世界头号科技与经济强国，美国在互联网、计算机等技术方面一直处于全球领先地位，而人工智能技术作为计算机科学的一个分支，其发展程度与计算机科学和技术的整体发展有直接关系，这从侧面决定了美国在人工智能技术发展早中期的领导地位。此外，美国作为开展人工智能技术研究最早的国家之一，一直领导着全球人工智能技术的发展。因此，其起步阶段早于中国。虽然中国比美国晚20年才拥有专利产出，但是由于美国在1992年之前的专利申请数量并不多，先发优势并不明显，所以两者在前期的差异并不显著。而在1992—2010年，美国的人工智能技术开始迅速发展且发展速度不断加快，而中国在2010年之前处于中国人工智能技术发展阶段的萌芽期（1985—2010年），发展速度十分缓慢。因此，在这一时期，中国与美国在人工智能领域的发展差距不断扩大且在2010年达到峰值，约1.1万件。但作为后起之秀，中国在经历了长期的以技术跟随为主导的萌芽期以及以二次创新为重点的成长期（2010—2018年）后，依靠后发优势，在2018年，我国的人工智能专利数量开始超过美国，且在这个发展趋势能够得到保持的前提条件下，我国的人工智能专利产出将在较长的时间内处于领先状态。

根据中日人工智能技术发展差距的双S曲线可见，日本在1975年拥有人工智能专利产出，比中国早了十年的时间。虽然日本作为人工智能技术的跟随者和准领导者，在人工智能领域具有较高的发展水平和较大的先发优势，但是日本由于专利数量一直比较稳定，发展较平缓，在2005年就达到了中日最大人工智能技术发展差距，约为5 300件，是中美最大人工智能技术发展差距的一半，在两者发展趋势保持不变的前提条件下，我国将在一定程度上保持领先状态。

由对中美、中日的人工智能技术发展差距的双S曲线分析可知，鉴于人工智能技术发展存在长周期性，美国和日本在前期的先发优势并没有导致永久的技术发展垄断局面的形成，也就为中国最终实现对先发国家的技术追赶提供了机会窗口。同时，中国在本国人工智能技术发展的成长期，采取如二次创新等的创新模式，以及在萌芽期通过技术追随渐进性积累技术经验等技术追赶举措，都为中国实现人工智能专利产出激增，进而完成技术追赶奠定了基础。

4.3 我国实现人工智能技术追赶的因素

实践结果证明，我国人工智能技术的发展路径选择是正确的，不仅最大限度地利用了后发优势，在较短时间内实现了技术突破，还准确地抓住了人工智能发展长周期性、多阶段性的特征所带来的机会窗口，在人工智能技术发展进入衰退期之前实现技术追赶。为了更深层次地挖掘我国在人工智能领域进行技术追赶的规律和经验，基于与美国、日本的人工智能技术地区发展差异分析结果，本文将分别从人工智能技术本身的发展特点、我国技术追赶的时机选择和政策体系三个角度探究我国人工智能技术进行技术追赶的因素。

4.3.1 技术演化轨迹。我国之所以能在人工智能部分技术领域完成技术追赶，这与人工智能技术本身的发展特点有着密不可分的联系。由人工智能技术发展的S曲线可知，人工智能技术发展具有长周期性和多阶段性的显著特点。人工智能技术在导入期发展缓慢，即便是美国、日本这些具有较大先发优势的发达国家，在人工智能技术发展的前期也是成效微薄，这就为我国实现技术追赶创造了巨大的机会窗口。不仅如此，如果考虑技术的路径依赖特征，那么在旧技术上的投入很可能会阻碍新技术的扩散和发展。虽然大量的技术创新最初主要在发达国家出现，但这些新技术的扩散和发展在某些发达国家中很可能受阻，这是因为对现有技术的大量投资是不可逆的［18］。这意味着，新技术很可能在老技术路径依赖作用较小的后发国家快速扩散。与此同时，随着新技术的扩散，结合用户的动态反馈和与之相对应的工艺改进，新技术的优势也很可能会转移至技术扩散较快的国家（后发国家）［19］，为后发国家实现技术追赶带来更大的可能性。由于人工智能技术发展的特性，人工智能技术发展前期技术研究的阶段性缺失并未导致先发国家永久垄断技术发展这一局面的形成，虽然大量和主要的新技术最初出现在先发国家，但由于后发国家受到既有成熟技术体系的路径依赖效应小，从而能比先发国家更加适应新技术发展的要求，反而为本国提供了后发优势。我国通过向技术领先者学习，规避了研发风险，减少了研发成本，获得了溢出效应，在掌握引进技术的基础上实施二次创新［9］，进而在创新能力得以渐进性积累的条件下，在人工智能技术发展的成熟期实现技术追赶。

相比之下，由于汽车产业不存在类似于人工智能技术的长周期性和多阶段性的发展特征，我国在汽车制造领域很难实现技术追赶。虽然从1986年开始，中国就将汽车产业列为支柱产业，其在整个国家政策支持体系中一直占据重要位置，但是我国的汽车产业不仅存在创新力不足、对核心技术的引进和配件组装的对外依赖度极高的问题，还存在国产汽车品牌边缘化、核心竞争力低等发展瓶颈，后发劣势远大于后发优势。在该领域，先发国家已经占据了技术创新的制高点，技术垄断已然形成，由于“赢者通吃”效应的存在，后发国家无论怎样努力都很难缩小与发达国家之间的差距［19］，我国作为后发国家难以突破技术发展瓶颈从而实现技术追赶。

因此，我国能够在人工智能部分技术领域实现技术发展和突破，从而完成技术追赶，不仅与我国自身发展举措有关，也与人工智能技术本身的发展特性息息相关。

4.3.2 技术追赶的时机选择。我国选择在人工智能技术发展导入期尾端进入人工智能领域，这一举措在一定程度上为我国实现技术追赶提供了时机优势，使我国准确地把握住了机会窗口。

现有研究表明，如果后发国家进入新兴技术领域的时机较早，可积累大量技术经验并建立知识目录［20］，参与主导技术的设计［21］，抢占市场主导权，从而获得先发优势［22］；但同时也面临技术不确定性、成本风险、动态市场等威胁。但如果后发国家追赶新兴技术的时机较迟，虽然可以通过模仿学习和资源利用，降低追赶风险和成本［23］，但却面临较高的技术壁垒，遭受市场份额被抢占的后发劣势［24］。因此，选择合适的追赶时机对后发国家的技术追赶至关重要。

在全球人工智能技术发展的导入期，技术体系还处于最原始的状态，科技知识大都是停留在公共知识和实验室阶段，技术壁垒和知识的意会程度都较低，在这一阶段，所有国家的技术水平几乎“都在同一起跑线上”［25］。同时，潜在利润极高，市场和生产率提高的空间非常大，这些都为中国实现技术追赶建立了契机。不仅如此，由于中国是在这一阶段的后期才进入，先发国家的提前涉足为我国提供了经验参考，也降低了我国获取科技知识以及管理和组织经验的成本，因而我国能比先发国家更快地进入人工智能技术研究的体系之中。

4.3.3 政策驱动。在助推政策的颁布上，我国根据本国人工智能技术发展的阶段性特征，结合自身国情，在不同的阶段颁布具有针对性的不同助推政策。在这种政策体系的助推下，我国的人工智能技术逐步发展，并在我国人工智能技术发展的成熟期实现跨越式突破，完成对美国、日本等先发国家的技术追赶。

在我国人工智能技术发展的导入期，主要以技术跟随为主，强调引进国外先进技术、注重技术运用和人才的培养。如自1980年起，中国大批派遣留学生赴西方发达国家学习科技新成果，研究现代科技，其中主要包括人工智能和模式识别等学科领域。这些人工智能“海归”专家，如今已成为中国人工智能研究与开发应用的学术带头人和中坚力量，为发展中国人工智能做出了举足轻重的贡献。

在我国人工智能技术发展的成长期，我国的相关政策侧重于消化吸收引入技术、商业模式和技术共同创新以及科技成果的应用。在导入期进行技术跟随渐进性积累技术经验后，进行二次创新，发展自主开发能力，避免被锁定在价值链低端环节。例如，2015年颁布的《中国制造2025》国家战略中强调“建立一批产业创新联盟，开展政产学研用协同创新，攻克对产业竞争力整体提升带动性强、具有全局性影响的关键共性技术，加快成果转化”［26］；《新一代人工智能发展规划》中注重鼓励以人工智能技术为重点应用的产品研发，使商业模式与人工智能技术共同创新发展，促进创新产品这一新兴业态的培育，合理布局人工智能领域产业链，开发智能机器人、智能运载工具以及智能终端、智能软硬件等具有重大引领带动作用的人工智能产业［27］；国务院在《“互联网+”人工智能三年行动实施方案》中提出，通过一系列的保障措施，进一步发展人工智能新兴领域技术，推进提升终端产品智能化水平等项目，建立人工智能产业生态链，打造大规模的人工智能应用市场［28］。

在我国人工智能技术进入成熟期后，更加注重核心技术的开发，以巩固后发优势，实现技术追赶。颁布的政策主要围绕核心技术开发，共同推动应用技术研究，包括软硬件技术开发、共性技术、人工智能基础理论、支持开源软硬件平台及生态建设等。例如，在《促进新一代人工智能产业发展三年行动计划（2018—2020年）》中提出，加强研发人工智能的算法库、开发框架、工具集，鼓励建设开源开放平台，研发出具有人工智能特质的智能软件是我国人工智能发展计划之一［28］。

5 结论与启示

5.1 研究结论

本文利用德温特数据库检索到的专利数据，使用S曲线中的Logistic模型分析全球和中国人工智能领域的技术发展轨迹，并基于双S曲线模型，借助专利占比结构、RTA指数等指标对比分析中国同美、日两个先发国家的人工智能技术发展状况，探究我国在人工智能领域实现技术追赶的重要影响因素，主要得到以下结论。

①人工智能技术特殊的发展特征为中国实现技术追赶提供了巨大的机会窗口。以往研究表明，高技术机会、低专有性和低累积性是进入壁垒相对较低的技术发展条件［29-30］，而从人工智能技术的S曲线看，人工智能技术正呈现出萌芽期持续时间长、增长慢、阶段性强的发展特征。相比之下，如汽车制造等技术的发展则不具备这样的发展特性，技术发展成熟快、阶段性模糊，使得后发国家难以打破先发优势从而实现技术追赶。

②正确地选择进入时机增加了中国实现人工智能领域技术追赶的成功率。中国在人工智能技术发展的萌芽期尾端进入该领域，此时技术垄断尚未形成，我国抓住了机会窗口，利用后发优势成功实现弯道超车，既保持了较小的技术差距又规避了一定的研发成本和风险，最终成为该领域的领先者。

③政策与技术协同演化，高效助推技术追赶进程。从中国人工智能技术发展不同阶段的布局政策看，我国人工智能技术发展的萌芽期主要采取技术引入的政策，注重技术的引入和模仿；导入期以二次创新为主导，在具有一定经验积累的基础上不断进行技术的完善和发展；成熟期则大力促进自主创新，运用自身形成的研发能力，自主研发核心技术，从而向高价值链环节转变，实现最终的技术突破。

5.2 后发国家新兴技术追赶战略启示

因研发资金严重缺乏、自主创新能力较弱等原因，后发国家在新兴技术追赶领域面临异常大的技术创新风险与阻力，但仍存在追赶机会。本文通过整理分析中国在典型新兴技术之一——人工智能领域实现技术追赶的影响因素，对后发国家布局新兴技术追赶战略有一定的指导意义。

①把握机会窗口，选择性开展技术追赶。双S曲线模型的特征表明，在较为成熟的技术领域，先发国家基于先发优势，掌控着具有高壁垒保护的核心技术，后发国家难以实现技术突破。因此，对于追赶型的后发国家，应选择发展周期长、具有多阶段性的新兴技术作为技术追赶的发力点，在新兴技术导入期的尾端开展技术追赶进程，以准确把握新兴技术追赶的机会窗口，规避技术发展红海，谋取最大的后发优势实现技术追赶。

②及时调整发展政策，制度与技术协同演化。随着中国人工智能技术演化进程的推进，助推政策的侧重点由技术跟随变为二次创新，最后演变为自主创新，制度体系与技术体系相互嵌套、协同演化，这说明技术追赶不是简单的新旧技术的更迭，而是持续的技术和制度的转型过程［31］。因此，对于技术体系相对薄弱和欠缺的后发国家，在构建和发展技术体系时必须遵循各系统相互嵌套的原则，形成协同发展效应，在技术发展的各阶段及时调整发展政策，以高效推动技术追赶进程。

③因地制宜，结合国情制定技术追赶战略。在技术追赶的过程中，后发国家能否在引入先发国家先进技术后实现二次创新，关键在于技术内在化程度。由于后发国家与先发国家之间所处技术发展阶段、制度环境和历史文化的不同，技术的发展轨迹必定是不同的。因此，后发国家在制定技术追赶战略时应该保持本土化和特殊性的技术观，结合自身国情制定技术追赶战略，不能照搬先发国家现有的技术发展经验。只有结合自身国情实施技术追赶，才能更准确地把握技术发展的规律和诀窍，避免陷入发展条件和环境差异产生的“发展陷阱”。

④依靠自主创新，实现技术追赶最终目标。后发国家一般在原材料、廉价劳动力等方面具有比较优势，这些低端价值链活动是后发国家要素禀赋结构内生决定的，因此，为实现技术追赶，后发国家在追赶初期应着重发挥生产能力优势，从而聚集物质和人力资本［32］。但技术能力的提升才是技术追赶的终极目标，而其只能通过从事技术研发和产品开发等高端价值链活动实现。因此，后发国家在技术追赶后期，即在趋近技术前沿时，应当及时将技术追赶重点转向核心技术突破和自主创新，以避免被锁定在低端价值链环节，难以获得技术能力的提升，从而无法实现真正的技术追赶。

5.3 研究不足与展望

本文基于人工智能领域专利数据对其发展阶段及技术周期进行了界定，并通过计算不同国家在不同阶段的技术领先优势指数（RTA）来识别人工智能领域主要国家技术创新的相对态势，以此判断我国人工智能技术追赶状态及可能原因，为后发国家实现技术追赶提供了一些启示。但仍然存在以下局限和不足：一是本文对人工智能技术阶段划分及生命周期的判断主要基于专利数据的时间分布进行，未考虑其他影响技术周期演变的因素，如技术成熟度等的累积效应对周期演变的影响，从而会对研究结果造成一定程度的影响，尤其是对部分趋势预期结果，如对人工智能技术衰退期等的判断，这是今后研究中值得进一步拓展的地方；二是由于篇幅及数据的限制，本文对我国人工智能技术追赶的归因分析主要使用的是文献与演绎方法，未能应用关系模型与数据检验对这些归因结论的有效性进行验证，这也是今后研究中值得进一步探讨的问题。