中国智能经济的全球创新网络及其演化机制

刘刚 靳中辉

摘 要：在智能经济的发展上，中国不仅是全球创新网络和创新循环的重要组成部分，而且扮演着引领者角色。人工智能的通用技术属性和数据驱动特征决定了智能经济全球创新网络和创新循环形成和演化机制的独特性。人工智能在基础研究、应用开发和规模应用（生产）全球创新链上下游环节的跨国交流、合作和应用的创新循环，不仅需要互补性创新和专用性知识积累，而且依赖数据流动和反馈。创新、专用性知识积累和数据资产的互补性和正反馈效应，在保证全球创新循环正常运转的同时，带动全球创新网络发生结构性变革。其中，依托在产品生产和规模应用（生产）中获得的数据、互补性创新和专用性知识积累优势，中国在基础研究和应用开发领域的创新本地化是构建创新内循环的基础，同时又是推动全球创新网络结构高级化和创新循环发展的积极力量，是市场机制发挥作用的结果。非市场因素的介入不仅无法改变智能经济发展的长期趋势，反而可能导致实施技术封锁策略的国家在科技创新和产业化领域的停滞。

关键词：全球创新网络;创新循环;互补性创新;人工智能;智能经济

中图分类号：F42;TP393  文献标识码：A 文章编号：1007-2101（2022）01-0033-13

一、引言及文献回顾

基于新一代信息技术和网络空间发展，智能经济是以数据和计算为关键生产要素的新经济形态。作为通用技术（GPT，General Purpose Technologies），人工智能是第四次工业革命的引擎，具有广泛的应用前景，能够释放历次工业革命积累的社会生产力发展潜力。随着人工智能与经济社会的融合发展，中国在智能经济发展上走在了世界的前列。①

作为后发国家，中国之所以能够成为智能经济的全球引领者，原因主要表现在三个方面：一是中国人工智能科技产业的发展源于经济转型升级过程中创造的智能化需求的强力牵引;二是在人工智能科技领域自主创新能力的提升②;三是中国智能经济创新网络的高度开放性。立足于自主创新，通过与国外企业和机构开展广泛技术交流和合作，中国不仅是智能经济全球创新网络和创新循环的重要组成部分，而且是积极参与者和引领者。面对美国的技术封锁③，如何进一步重塑全球创新网络和创新循环，是中国智能经济发展面临的挑战和机遇。

工业革命以来，科技创新和技术进步成为经济发展的根本驱动力量。直到20世纪90年代，尽管经济全球化不断加深，但是科学技术知识的生产却主要集中在包括美国、西欧和日本在内的少数发达国家和地区。科技创新全球“极化”现象长期存在的关键原因包括两个方面：一是全球最好的研究型大学、公共研究机构和高科技公司大多分布在少数发达国家;二是发达国家的跨国公司通过产品内分工构建全球生产网络是推动经济全球化的主导力量（Castellacci和Archibugi，2008;Chaminade等，2016;Patel和Pavitt，1991）[1-3]。而跨国公司的主要研发活动大多集中在邻近创新资源密集的母国基地。同时，为了适应当地市场需求，跨国公司只是在投资国从事简单产品和工艺改进之类的研发活动[4]。

20世纪90年代以来，随着后发国家工业化加速，全球范围内的创新“极化”格局开始发生改变。首先，包括中国、印度和韩国在内的新兴经济体逐步成长为科技创新活跃的国家和地区[5]。后发国家充分认识到科技创新在推动国家经济增长和产业国际竞争力提升方面的重要作用，紛纷制定和实施建设创新型国家战略，培育国家和区域创新体系，支持科技创新活动和企业创新能力的提升。其次，随着新兴经济体科技创新能力的提升，跨国公司的创新战略同样发生了改变。通过把研发活动向投资国迁移获取当地知识和创新能力，成为跨国公司提升国际竞争力的战略新取向[6]④。跨国公司的创新本地化战略在巩固企业竞争优势的同时，带动了投资国创新水平和能力的提升。在两股力量的共同推动下，创新网络的全球化开始显现[7]。

改革开放以来，中国逐步成为全球创新网络的积极参与者和引领者。继2006年提出建设创新型国家，2012年进一步制定和实施创新驱动发展战略，中国把科技创新作为推动经济转型升级的根本驱动力量。在创新驱动发展战略的推动下，中国经济转型升级过程中出现的潜力巨大的数字化和智能化需求，为人工智能科技产业的发展创造了条件。

为了满足智能化市场需求，在自主创新的基础上，中国企业和机构通过与国外相关企业和机构的交流和合作发展人工智能科技产业。中国不再是工业化阶段跨国公司主导的全球生产网络的重要组成部分，而是智能经济时代全球创新网络和创新循环的关键环节。在构建全球价值网络的过程中，中国人工智能企业充分依托互联网发展过程中创造的数据生态优势，不断在算法和算力领域取得技术突破，持续提升国际竞争优势，成为全球创新网络的引领者⑤。

到目前为止，在全球创新网络和创新循环中，美国在基础软件和关键硬件领域仍然居全球领导地位。2018年以来，依托高科技领域的垄断优势，美国政府开始对中国高科技企业实施技术封锁。面对美国政府的挑战，如何建立人工智能科技产业内部创新循环，是打破技术封锁的关键。但是打破美国技术封锁构建内部创新循环，并不意味着闭关锁国，而应当立足构建国内创新循环促进国内和国际创新双循环，重塑全球创新网络，推进新一轮全球科技创新浪潮和经济全球化浪潮。

人工智能属于通用技术。推动人工智能与实体经济的深度融合，是构建国内创新循环和促进国际和国内双循环发展的关键。因而，基础研究、应用开发和规模应用（生产）之间，尤其是核心产业部门⑥和融合产业部门⑦之间的正反馈效应，不仅是内部创新循环而且是全球创新循环和创新网络发展的前提和基础。基于中国人工智能核心企业国际技术交流和合作方面的关系数据量化分析，笔者试图揭示智能经济全球价值网络的内在结构、演化的动力机制和发展趋势。

二、研究方法与设计

笔者将中国智能经济看作是一个开放的复杂的适应系统。其中，与其他国家企业、大学、科研院所和投资机构的技术交流和合作，是推动中国智能经济发展的重要力量。为了考察中国人工智能科技产业国际技术交流和合作的现状和趋势，笔者将智能经济创新网络划分为两部分：全球创新网络和本地创新网络。无论是全球创新网络还是本地创新网络，智能经济的兴起和发展都涉及包括企业、大学、科研院所和其他组织在内的多元创新主体的技术交流和合作。其中，基础研究、应用开发和规模应用（生产）之间多元主体的互补性创新、专用性知识积累和数据反馈，共同构成了本地和全球创新网络和创新循环。从产业创新链的视角看，创新循环同时表现为核心产业部门与融合产业部门之间的良性互动。

在工业化阶段，以跨国公司为主导和本土企业参与的全球生产网络的构建，表现为标准化生产技术的转移和扩散。而在智能经济发展过程中，人工智能技术的国际交流和合作则更多地表现为非标准化知识和技术的流动和重组。在强烈的应用需求牵引下，发展以人工智能科技产业化为导向的核心产业部门本地创新网络，是中国智能经济兴起和发展的基础。在本地创新网络的形成和发展过程中，国际技术交流和合作主要表现为知识、非标准化技术和人才的交流和合作。随着核心产业部门的发展，通过人工智能与实体经济的深度融合，进一步推动融合产业部门的发展，形成包括核心产业部门和融合产业部门在内的高度开放的本地创新网络。本地创新网络的发展、产业创新能力和竞争优势的提升，使中国智能经济不仅成为全球创新网络的重要组成部分，而且成为引领者。

为了考察全球创新网络与本地创新网络之间的技术和知识交流与合作关系，笔者以中国新一代人工智能发展战略研究院中国智能经济数据库中与国外企业和机构存在技术合作和核心人力资本关系的286家⑧人工智能企业为样本展开研究。按照所属技术层次⑨划分，在286家样本企业中，基础层企业13家，技术层企业64家，应用层企业209家，占比分别为4.5%、22.4%和73.1%。

本文以286家样本企业为样本节点，通过实际调查和公开数据搜索与样本节点存在技术关系和核心人力资本关系的关系节点，并采集样本节点和关系节点之间的技术和人力资本三个维度的关系数据。⑩其中，技术关系包括技术输入关系和技术赋能关系。技术输入是指国外机构为样本企业提供技术支持，而技术赋能则是指样本企业为国外机构提供技术支持。核心人力资本关系是指样本企业包括创始人、联合创始人和CEO在内的核心人力资本在国外企业、大学和科研机构的前期学习和工作经验。

为了精确分析样本企业在技术领域的国际交流和合作，本文以技术关系分析为主，核心人力资本关系分析作为补充。在把技术关系划分为技术输入和技术赋能关系的基础上，进一步把技术关系细分为算力、算法和硬件等技术领域，分析我国智能经济国际技术合作发生的关键技术和产业领域，刻画和揭示中国智能经济全球创新网络和创新循环的内在结构和演化趋势。为了进行关系数据的量化分析，當样本节点和关系节点之间存在两个维度的关系时，赋值为“1”，否则赋值为“0”。

三、中国智能经济的全球创新网络

（一）创新网络的基本结构

把采集到的286家样本企业两个维度关系数据输入社会网络分析软件Gephi 0.9.2，本文得到一个由923个节点和1 225条边（关系）构成的中国智能经济全球创新网络拓扑结构图（如图1）。作为样本节点，包括阿里巴巴、腾讯、百度和华为在内的平台企业是中国智能经济全球创新网络的关键节点，与国外企业和机构存在着密切的技术合作关系。作为关系节点，包括微软、谷歌、英伟达和英特尔在内的科技企业和包括美国斯坦福大学、卡耐基梅隆大学和加州大学伯克利分校在内的研究型大学，是与中国人工智能企业存在密切技术合作关系的国外企业和机构。

图2刻画了中国智能经济全球创新价值网络度数中心度的分布情况。横轴表示度数k，纵轴表示度数为k的节点数。网络节点的度数中心度表现出明显的幂率分布特征：少数节点拥有很高的度数中心度，而绝大多数节点则仅拥有较低的度数中心度。其中，度数中心度高的少数节点是中国智能经济全球创新网络的主导者，发挥着“结构洞”[8]作用。

表2列出了中国智能经济全球创新网络关系数据的分类统计情况。从关系数据的分类统计看，在国外机构获得前期学习和工作经验的核心人力资本对中国智能经济发展具有至关重要的作用。同时，技术输入占比高于技术赋能占比的情况说明，国外技术输入对中国智能经济发展起到了举足轻重的作用。无论从技术关系还是从核心人力资本关系看，国际技术交流与合作是中国智能经济快速发展的关键因素。

（二）技术关系数据分析

1.技术输入关系。技术输入是指外国企业和机构对中国人工智能企业的技术赋能。技术输入主体包括两类：一是作为技术输入对象的样本节点;二是作为技术输入方的关系节点。其中，技术输入方是指为中国人工智能样本企业提供技术支持的国外企业和机构。

技术输入关系数排名前十五位样本节点分别是阿里巴巴、腾讯、百度、华为、京东、小米、科大讯飞、滴滴出行、图玛深维、海康威视、比亚迪、大疆创新、海尔集团、摩拜单车和中科创达。其中，阿里巴巴、腾讯、百度、华为、京东、小米、科大讯飞和海康威视都属于国家级人工智能开放创新平台。滴滴出行和摩拜单车是共享交通领域的代表性企业。中科创达和比亚迪积极布局自动驾驶和车联网领域。中科曙光在人工智能领域的布局包括存储、超算和芯片三大领域。图玛深维是智能医疗领域智能影像技术的国内领先者。大疆创新是世界范围智能无人机领域的领头羊。

技术输入关系排名前十五的关系节点分别是英特尔、微软、英伟达、高通、西门子、斯坦福大学、博世、恩智浦、IBM、麻省理工学院、赛灵思、SAP、加州大学伯克利分校、三星电子和Mellanox。其中，美国公司是中国人工智能企业的主要技术输入方，其次是来自欧洲的西门子、恩智浦和SAP。亚洲企业仅三星电子排名前列。国外企业主要为中国人工智能企业提供基础软件和硬件支持。

在技术输入关系排名前列的关系节点中，包括美国的斯坦福大学、麻省理工学院和加州大学伯克利分校三所在人工智能基础研究和人才培养领域的著名大学。三所大学对中国智能经济的技术赋能表现在两个方面：一是为中国人工智能企业提供包括计算机视觉、语音识别与自然语言处理、机器学习和区块链在内的人工智能核心算法方面的支持;二是为中国人工智能企业提供核心人力资本支持。

从技术输入的来源国家和地区看，技术输入关系排名第一的是美国，关系数占比达到58.84%;排名第二的是德国，占比为11.90%;排名第三、四和五位的分别是英国、日本和新加坡，占比分别为4.82%、3.54%和2.89%。韩国、法国、澳大利亚、芬兰、瑞士、加拿大、以色列、意大利、挪威和瑞典的企业和机构对中国人工智能企业同样存在技术赋能关系。从技术输入的国别分布看，美国依托在人工智能科技产业领域的先发优势，是中国智能经济发展的重要技术来源，是目前人工智能全球价值网络的主导者。

2.技术赋能关系。技术赋能主体包括两类：一是作为技术赋能方的中国人工智能企业，即样本节点;二是作为技术赋能对象的国外企业和机构，即关系节点。通过技术赋能，中国人工智能企业不仅在全球创新网络中扮演知识和技术吸纳者的角色，而且通过互补性创新、专用性知识积累和数据反馈日益成为全球技术创新的积极参与者和引领者。

技术赋能关系排名前十五的样本节点包括阿里巴巴、华为、京东、腾讯、百度、中科创达、蚂蚁金服、和而泰、冰鉴科技、商汤科技、极飞科技、金山云、科大讯飞、星环科技和中科曙光。其中，阿里巴巴、华为、京东、腾讯、商汤科技和科大讯飞是国家级人工智能开放创新平台，是人工智能核心技术及产品研发和生产企业。

依托在云计算和电子商务业务领域的竞争优势，阿里巴巴为国外企业和机构提供云计算和大数据精准营销服务。作为全球5G技术的领头羊，华为主要为包括泰国、马来西亚、沙特阿拉伯、阿联酋、科威特，土耳其、哈萨克斯坦、英国、德国、西班牙、荷兰、法国、突尼斯、摩纳哥和南非在内的国家和地区电信部门或企业提供通讯技术和物联网平台技术服务，主要应用于电信基础设施和智慧城市建设。京东凭借着在平台大数据和区块链领域的技术优势，主要为国外制造企业提供精准营销和食品溯源方面的技术支持。腾讯主要通过包括腾讯觅影和QQ物联在内的人工智能平台为国外医疗机构和智能硬件企业提供技术赋能。百度则依托无人驾驶开发平台Apollo、AI操作系统DuerOS和百度云为国外企业和机构提供无人驾驶、智能语音对话和云计算技术服务。

在技术赋能关系排名前列的关系节点中，荷兰的飞利浦排名第一;排名第二和第三的分别是德国大众和美国高通公司;排名第四至第八的分别是法国施耐德、荷兰联合利华、美国惠普、日本软银和瑞士雀巢公司。除了企业之外，技术赋能的关系节点还包括国外的政府机构，主要是在城市建设、交通、医疗和教育在内的公共事业领域接受中国人工智能企业提供的技术支持。

从技术赋能关系的国别分布看，排名第一的是美国，技术赋能关系占比25.27%;排名第二的是德国，占比10.62%;排名第三的是日本，占比7.33%;排名第四至第六的分别是法国、英国和荷兰，占比分別为5.86%、5.86%和5.13%。除了发达国家，包括泰国、马来西亚和阿联酋在内的许多发展中国家同样是中国人工智能企业技术赋能的对象。

3.技术输入和技术赋能分类比较。从技术合作的内容出发，笔者把技术合作关系划分为算力、算法、硬件、软件、区块链和其他细分技术领域。通过对技术输入和技术赋能领域的对比分析，考察中国智能经济的优势和不足。通过对中外人工智能科技产业优势和劣势的比较，可以清晰地判断人工智能领域国际技术交流与合作的现状及趋势。

图3列出了技术输入和技术赋能关系在主要技术领域的对比情况。在技术输入关系中，算力关系数排名第一，其次是算法、硬件、其他、应用软件和区块链技术。在技术赋能关系中，算法位列第一，其次是算力、应用软件、硬件、其他和区块链技术。

从技术输入和技术赋能关系的技术类别看，中国智能经济的主要竞争优势在算法和应用软件领域，而竞争劣势则表现在算力、区块链技术和硬件领域。算力的技术输入主要来自美国企业。依托在IT/ICT和互联网领域长期积累的技术和市场优势，包括英特尔、英伟达和高通在内的美国基础硬件和软件企业保持着国际竞争优势地位。随着在数据、算法和应用软件领域的发展，中国企业在算力领域开始加快追赶的步伐。例如，阿里巴巴、华为、腾讯、百度、金山云和中芯国际在芯片、云计算和基础软件领域技术创新活动的日益增强。

经过坚持不懈的努力，中国人工智能企业在算法和应用软件领域不断取得重大突破，逐步形成了国际竞争优势。以阿里巴巴、腾讯、百度和京东为代表的平台企业和以科大讯飞、冰鉴科技、商汤科技和旷视科技在内的人工智能核心技术企业，成为算法技术赋能的重点企业。

在硬件的研发和制造上，中国企业正在实现赶超。包括和而泰、华为和小米在内的硬件企业开始成为对外技术赋能的主力军。同时，在若干关键和核心硬件领域，中国企业仍然依赖国外的技术输入。

在应用软件领域，中国企业的国际竞争优势明显。包括腾讯、中科创达和阿里巴巴在内的中国企业通过软件技术的输出赋能国外企业和机构。而应用软件领域的技术输入则主要集中在智能制造和企业管理领域。

作为人工智能的前沿，区块链技术的输入主要表现为国外大学和区块链技术公司为我国的平台企业提供支持。其中，阿里巴巴和京东是区块链技术输入的主要样本节点。同时，通过与国外企业和机构的合作，阿里巴巴和京东同样成为国外企业线上产品销售溯源技术的主要服务商。

（三）人力资本关系

技术输入不仅表现为中国企业与国外企业和机构之间的技术交流和合作，而且表现为核心人力资本的国际流动。从创新的角度看，关键技术人员的跨国流动和创新创业活动，不仅带动了发达国家知识和技术向后发国家的扩散，而且通过互补性创新的正反馈效应，成为智能经济全球创新网络和创新循环发展的重要推动力量。

衡量核心人力资本带动知识和技术跨国流动的方式有两类：一是核心人力资本通过在国外大学和科研机构学习和从事研究开发活动，获得前沿知识和技术，即核心人力资本的前期学习经验;二是核心人力资本在国外企业和机构从事研究、开发和生产获得相关技术，即核心人力资本的前期工作经验。通过中国人工智能企业核心人力资本的前期学习和工作经验关系数据的分类统计分析，可以看到核心人力资本为中国人工智能企业带来的技术输入情况。

1.前期学习经验。在286家中国人工智能样本企业中，146家样本企业的230名核心人力资本拥有在132所国外大学和科研机构的学习经历，前期学习经验关系数达到281条。中国人工智能企业核心人力资本获得国外前期学习经验关系数排名第一的是美国斯坦福大学，人数为23名，占比为8.19%;排名第二的是美国卡耐基梅隆大学，人数为10名，占比3.56%;排名第三至第六位的分别是美国德克萨斯大学、美国加州大学伯克利分校、美国麻省理工学院和美国伊利诺伊大学。除了美国大学，新加坡国立大学、澳大利亚墨尔本大学和英国帝国理工学院排名前列，其中新加坡国立大学排名第七位。

按国别划分，在132所国外大学和科研机构中，美国占65家，占比为49.2%，在281条关系中，美国占到177条，占比为63%。无论从大学和科研机构数占比还是从前期学习经验关系数占比看，美国大学和科研机构都是中国人工智能企业核心人力资本获取前期学习经验的主要来源地。

2.前期工作经验。在286家中国人工智能样本企业中，有142家样本企业的232名核心人力资本拥有在186家国外企业和机构的前期工作经验。在中国人工智能企业核心人力资本获得前期工作经验的国外企业和机构中，排名第一的是美国微软，共51名，占比为14.17%;排名第二和第三的是美国的谷歌和IBM公司，分别为27名和26名，占比分别为7.50%和7.22%。在排名前十的公司中，只有两家是非美国公司，即排名第四的德国西门子和排名第六的芬兰诺基亚。其中，中国人工智能样本企业中拥有国外前期工作经验的核心人力资本中，75%来自美国公司。

在142家样本企业拥有国外前期工作经验的核心人力资本在国外企业所从事的工作类别中，排名第一的是企业运营管理，共70名，占比为19.44%;排名第二的是软件开发，共有59名，占比为16.39%;排名第三的是电子制造，共有40名，占比为11.11%;排名第四和第五名的分别是计算机视觉 、投资和财务管理，分别为36名和32名，占比分别为10%和8.89%。同时，数据挖掘、风险模型分析、机器学习、云计算、语音识别、自然语言理解、医疗和机器人业务也排名前列。

（四）投融资关系

在中国智能经济全球创新网络和创新循环的发展过程中，投资者同样扮演着重要角色。中国新一代人工智能发展战略研究院发布的《中国新一代人工智能科技产业发展 2019》报告显示，在中国智能经济发展中，活跃度排名前列的投资机构分别为红杉资本、IDG资本、经纬中国、真格基金、晨兴资本、创新工场、启明创投、北极光创投、百度风投、君联资本。活跃度排名前十的非投资机构分别为腾讯、阿里巴巴、京东、小米集团、蚂蚁金服、奇虎360、富士康、科大讯飞、新东方。在投资机构中，红杉资本和IDG资本都属于国际知名的投资机构。通过投资中国人工智能科技企业，国际投资机构成为促进中国智能经济全球创新网络和创新循环知识、技术交流和合作的推动者。 四、多元创新主体的跨国互动和全球创新网络的演化 基于286家中国人工智能企业国际技术合作关系数据量化分析，结合全球智能经济发展情况，我们可以对中国智能经济全球创新网络的基本结构作出如下判断。

1.中美在技术和人才领域的交流和合作，是中国智能经济全球创新网络的基础。其中，美国的竞争优势集中表现在基础研究、芯片、关键硬件和基础软件的研发和制造领域，而中国的竞争优势则集中表现在算法、应用软件和规模应用（生产）领域。

2.从技术合作的范围看，中国人工智能企业的技术输入不仅来自美国，而且来自加拿大、英国、德国、法国、荷兰、芬兰、新加坡和澳大利亚。随着各国加大对人工智能领域基础研究和应用开发的投入，国际技术交流和合作来源的多元化是推动智能经济全球创新网络和创新循环结构变革的重要因素。

3.从动态发展看，中国充分利用在规模应用（生产）领域的数据优势，在市场需求牵引下，通过自主创新和国际技术交流与合作，逐步实现基础研究和应用开发的创新本地化，日益成为全球创新网络和创新循环的技术赋能者和引领者。同时，随着中国在基础研究和关键技术领域创新能力的提升，将进一步引发全球创新网络和创新循环的结构性变革，推动人工智能科技产业在世界各地的落地和发展。

在实证分析的基础上，本文试图构建一个简单的理论分析框架，进一步对智能经济全球创新网络和创新循环形成和演化的内在逻辑做出理论抽象和解释。为了理论分析的简化，笔者作出如下假设。

首先，在智能经济全球创新网络和创新循环形成和发展的初始阶段，全球范围内仅存在着两个相互隔绝的技术经济系统：技术经济系统A和技术经济系统B。尽管两个技术经济系统都拥有各自的基础研究、应用开发和规模应用（生产）在内的本地创新网络和循环系统，但是因为两者在人工智能科技产业发展过程中初始条件和发展路径的不同，例如，在产业基础、市场条件和技术选择方面的差异，导致其在不同产业链环节和技术领域具有各自的优势和劣势。其中，技术经济系统B的比較优势主要表现为市场需求、规模应用和生产领域，而技术经济系统A的比较优势则主要表现在基础研究和关键技术应用开发领域。B系统对基础研究和关键技术研发及A系统对技术和产品规模应用和市场需求扩张的需求，是两个技术经济系统通过知识和技术交流与合作构建全球创新网络和创新循环的基本动因。

其次，假设两个技术经济系统知识及技术交流和合作的创新主体是多元化的，包括企业、大学、投资者和政府。在技术经济系统的内部，大学、企业、投资者和政府通过相互联系和互动构建各自的创新网络。在两个技术经济系统发生知识和技术交流与合作之前，创新主体之间的互动只发生在各自技术经济系统的内部。其中，政府通过公共投资和政策制定支持企业和大学开展人工智能基础研究和应用开发。在政府公共投资、政策和市场需求拉动下，企业、大学和投资者通过协同创新共同推动人工智能科技产业的发展。大学的主要职能是基础研究和人才培养。企业的主要职能是从事人工智能技术的应用研发和规模应用（生产）。投资者通过对人工智能企业的投资行为获取收益。

再次，在市场机制的作用下，两个技术经济系统之间通过大学、企业和投资者之间的跨国技术交流与合作促进全球创新网络及创新循环的形成和发展。对于全球创新网络及创新循环的形成和发展而言，政府可能看作是非市场因素，既可能发挥促进作用也可能起阻碍作用。

最后，作为智能经济发展的技术基础，人工智能属于通用技术。通过与经济社会的深度融合，人工智能成为驱动经济长期增长和发展的关键因素。与局部的具体技术不同，通用技术与实体经济的融合过程是一系列互补性创新和专用性知识积累过程。在人工智能技术的国际交流和合作过程中，同样涉及一系列互补性创新和专用性知识的积累。

人工智能属于数据驱动型技术，数据和计算是人工智能科技产业发展的关键生产要素。人工智能技术的创新和产业化，不仅涉及互补性创新和专用性知识积累，而且涉及数据在产业链各环节的共享和反馈。无论是本地还是全球创新网络和创新循环的形成与发展，需要知识、技术、产品、资金及数据的流动和反馈。一方面，在全球创新网络中，上游基础研究和应用开发需要在下游产品和服务市场获得市场收益才能够实现高风险投资回报，另一方面，下游產品和服务在应用中的互补性创新、专用性知识积累和数据反馈是上游技术和产品持续创新和迭代的条件。因而，创新的互补性、专用知识和数据在创新链中正反馈效应的存在，是决定和影响全球创新网络和创新循环内在结构变化的关键因素。

在上述假设条件下，笔者构建了一个解释两个技术经济系统创新主体如何通过知识和技术交流与合作，推动智能经济全球创新网络和创新循环形成及演化的理论分析框架（如图4所示）。

从创新主体的视角看，在全球价值网络和创新循环形成和发展过程中，知识和技术交流和合作的基本路径包括三条。第一条路径（图4中用①标注）的主体包括大学A、大学B和企业B，其中大学A和大学B是关键推动者;第二条路径（图4中用②标注）的主体包括企业A和企业B，两者共同推动两个技术经济系统企业之间的知识和技术交流与合作，构建既相互竞争又相互合作的全球创新产业链;第三条路径（图4中用③标注）的主体包括投资者A、投资者B、企业A和企业B，其中投资者是关键推动者。投资者通过资金池和项目池的相互匹配推动两个技术经济系统之间、企业之间的技术交流和合作。从网络的视角看，三条路径不是相互隔离的，而是相互交叉和渗透的，技术交流和合作主体之间的关系是非线性的。

在全球创新网络和创新循环的形成和发展过程中，政府的作用相对复杂。大学、企业和投资者之间的相互作用主要依靠市场机制，而政府行为往往则不仅受市场影响，而且受非市场因素的影响，更多地属于全球创新网络和创新循环演化的外生变量。政府既可能通过出台促进政策推动国际间的知识和技术交流合作，也可能通过技术封锁和贸易壁垒限制国际间的知识和技术交流合作，抑制甚至破坏市场机制的作用，给全球创新网络和创新循环发展带来不确定性。

在人工智能发展的早期，技术经济体系的创新网络是相互隔离的，或者仅存在基础研究领域的学术交流和合作。在早期阶段，无论是政府还是企业在通用技术领域的研发投入都是高风险的，面临技术和市场双重不确定性。在本国或地区产业和企业尚没有形成占主导的国际竞争优势之前，过多的国际技术交流和转移会削弱本国企业和产业国际竞争优势，使政府早期风险投资难以获得足够的回报。

当关键技术进入成熟期、产业发展步入扩张期之后，拥有基础研究和应用开发优势的技术经济系统A则希望通过国际市场的扩张构建全球创新网络和创新循环，在收获早期技术研发投入高回报的同时，实现经济的长期发展。而拥有市场和应用场景优势的技术经济系统B则希望通过技术交流和合作发展人工智能科技产业，同时带动基础研究和应用开发领域的发展。两个技术经济系统的优势互补和相互需求，推动了智能经济全球创新网络的形成和创新循环的产生。

推论1：两个技术经济系统之间的优势互补和市场需求，是智能经济全球创新网络和创新循环形成和发展的基本动因。一方面，在基础研究和关键技术领域拥有竞争优势的技术经济系统A，通过推动全球价值网络和创新循环的形成，能够实现前期投入的高回报和产业的全球扩张。而拥有应用场景和市场需求的技术经济系统B则通过国际技术交流和合作，在推动人工智能与实体经济融合发展的同时，依托数据优势、互补性创新和专用性知识积累带动本国基础研究和应用开发领域创新能力的提升。

在全球创新网络的形成和发展过程中，大学之间及大学与企业之间的知识和技术交流与合作是技术创新和扩散的基本路径。两个技术经济系统大学之间的交流主要集中在基础研究和人才培养领域。在基础研究领域，大学A和大学B联合研究和人才培养共同发表学术论文和申请专利。大学A和大学B与企业B的技术交流和合作则主要表现为两种形式：一是通过建立联合实验室和合同研发的方式展开合作研究和技术转移。通过合作研究，大学A和大学B为企业B提供知识和技术，企业B为大学A和大学B提供研发资金和开放应用场景，合作过程中衍生的互补性创新和专用性知识积累则构成了企业B的核心竞争力;二是通过人才培养进行知识和技术的交流和合作。大学A和大学B通过人才培养为企业B提供人力资本支持。作为创新和创业的新生力量，大学培养的专业人才带动了大学在基础研究和应用开发领域的知识和技术溢出。

在知识和技术的国际交流和合作过程中，还存在着大学A、大学B和企业B之间的相互作用通道。其中，大学B通过与大学A的合作研发，把知识和技术传递给企业B。在某种程度上，大学B在全球创新网络和创新循环中发挥着“结构洞”作用。

从创新循环的视角看，大学A、大学B和企业B之间知识和技术的国际合作同样是非线性的和交互的。在智能经济时代，一方面大学A和大学B通过与企业B的知识和技术的交流和合作，把知识和技术扩散到企业。另一方面，企业在通用技术应用中的互补性创新、专用知识积累和数据可以反馈给大学，进一步推动大学对基础研究和关键技术领域的研发和人才培养。因而，大学和大学之间、大学和企业之间的国际知识和技术交流与合作是全球创新循环的重要组成部分。

推论2：大学既是基础科学的研究者，又是人力资本培养者。在两个技术经济系统之间，大学A与大学B展开基础研究和人才交流的同时，为企业B提供技术和人力资本。而企业B则通过通用技术的应用为大学的基础研究和人才培养提供互补性创新、专用知识和数据的反馈和支撑，共同构成全球创新网络和创新循环的重要组成部分。

在全球创新网络和创新循环的形成和发展过程中，两个技术经济系统企业之间的技术交流与合作（图4中的路径②）是最基础的力量。企业之间的技术交流和合作主要通过两个渠道展开：一是直接技术（中间产品和服务）交易和合作研发;二是拥有前期工作经验的核心人力资本的跨国流动。直接技术交易主要发生在两个技术经济系统的全球产业链之间。其中，技术经济系统A因为在基础研究和产业发展中的先发优势，往往在全球产业链的上游和高附加值环节具有竞争优势。而技术经济系统B则依托规模应用和制造优势，企业主要布局在全球产业链的下游和低附加值环节。企业A和企业B之间的技术、产品和服务交易是全球创新网络和创新循环的基础。除了直接的技术交易，两个技术经济系统的企业之间还可以通过在前沿领域的合作研发，共同推动人工智能科技创新和产业发展。例如，共建联合实验室和开展项目合作研发等方式。

企业A和企业B之间通过核心人力资本的流动实现知识和技术的交流，同样是推动技术创新和跨国流动的重要机制。从核心人力资本流动的实际情况看，拥有在企业A或B工作经验的核心人力资本通过跨国流动，促进了知识和技术的扩散和重组，日益成为全球创新网络和创新循环发展的重要推动力量。核心人力资本的流动表现为两种方式：一是到其他技术经济系统企业任职，从事技术和产品研发活動;二是到其他技术经济系统创业，通过创建企业的方式满足新的市场需求。与直接技术交易和合作相比较，无论是加盟企业还是创业，核心人力资本的流动带来的更多的是技术、产品和服务的本地化。其中，处于产业链上游和高附加价值环节的技术经济系统企业的核心人力资本向产业链下游和中低附加价值环节技术经济系统的流动，在实现技术、产品和服务本地化的同时，带动后者产业链从中低端向中高端的迁移。

推论3：两个技术经济系统企业之间的技术交流和合作决定了全球创新网络和创新循环的基本结构。其中，两个技术经济系统企业之间的直接技术交易和合作是现有全球创新网络结构的稳定因素。而企业之间核心人力资本的流动及其创新创业活动，则会带来技术、产品和服务创新的本地化，引发全球创新网络和创新循环的结构变革。

除了大学和企业之间的知识和技术交流与合作，两个技术经济系统的投资者对全球创新网络和创新循环的形成和发展同样发挥着积极作用。两个技术经济系统的投资者不仅熟悉各自系统企业的技术能力和优势，而且掌握核心人力资本技术和业务专长方面的信息。当投资者洞察到其他技术经济系统的投资机会时，则会通过对企业和科技人才创业活动的跨国投资促进全球创新网络和创新循环的发展。

投资者在其他技术经济系统的投资同样表现出两种方式。一种方式推动某一技术经济系统的企业到另一个技术经济系统投资设厂进行市场扩张;另一种方式则通过为核心人力资本的跨国创新和创业活动提供资金支持。无论哪一种方式都会改变全球创新网络的结构，而对核心人力资本跨国创新和创业活动的风险投资行为，会引发全球创新网络结构的重大改变。

推论4：对人工智能科技产业的发展而言，投资者跨技术经济系统的投资活动不单纯是资本的流动，而是更多地表现为技术转移和重新组合的推动因素。其中，风险资本对科技人才跨国创新和创业的风险投资活动，会对全球创新网络和创新循环发展带来重大影响。

在市场主导下，大学与大学、大学与企业、企业与企业、投资者与企业、投资者与投资者之间的知识和技术交流和合作，推动基础研究、应用开发和规模应用（生产）价值链在国际间的分工协作。在传统工业经济中，全球创新循环的正反馈表现为上游基础研究和应用开发对下游产品生产和市场之间的互动，知识和技术的流动主要是单向的。而在智能经济条件下，除了市场需求因素，全球创新网络和创新循环发展中的基础研究、应用开发和规模应用（生产）各环节之间的正反馈效应表现出两个方面的特殊性。第一，人工智能属于通用技术。人工智能知识和技术在技术经济系统之间的交流和合作不是简单的技术转移和扩散，而是一系列互补性创新和专用性知识积累，为新的技术创新创造条件。第二，人工智能的技术创新和迭代依赖数据驱动。智能经济是以数据和计算为关键生产要素的新经济形态。在基础研究、应用开发和规模应用（生产）全球创新链的三个基本环节中，规模应用（生产）是数据最重要的来源。规模应用（生产）环节产生的数据向基础研究和应用开发环节的反馈，是技术创新和产品迭代的关键驱动因素。

在智能经济全球创新网络和创新循环的发展中，上游基础研究和应用开发不仅依赖下游产品的生产和市场需求，而且依赖下游产品生产和服务应用中的互补性创新、专用性知识积累和数据的反馈和支撑。当下游产品和应用市场无法正常反馈数据验证和提供互补性创新支持的条件下，全球创新循环将会中断。因而，智能经济比传统工业经济更加依赖全球创新链各个环节的良性互动和正反馈效应的作用。

当下游产品生产和应用市场的技术需求难以得到上游基础研究和应用开发环节快速而积极响应时，上游基础研究和应用开发的本地化就开始出现。上游基础研究和应用开发的本地化同样需要两个技术经济系统知识和技术的交流和合作，只不过交流和合作的主体和方式都会发生改变。例如，技术经济系统B通过大学和企业之间在基础研究和应用开发领域的密切交流合作、科技创新人才的引进和创业活动实现技术创新和产品研发的本地化。

作为市场机制作用的结果，技术经济系统B在基础研究和应用开发环节的本地化，会激发技术经济系统A的创新向更高层次演化。两个技术经济系统在创新领域的竞争和优势互补使全球创新网络和创新循环步入新的阶段，带来新一轮科技创新浪潮。

推论5：与传统经济相比较，智能经济全球创新网络和创新循环的运行机制表现出明显的特殊性。其中，在基础研究、应用开发和规模应用（生产）之间的互补性创新、专用性知识积累和数据流动的正反馈效应，是推动智能经济全球创新网络和创新循环发展的关键驱动因素。作为市场配置资源的结果，由互补性创新、专用性知识积累和数据优势带来的基础研究和应用开发环节创新的本地化，在变革全球创新网络和创新循环结构的同时，会引发新一轮科技创新浪潮。

尽管全球创新网络和创新循环的结构变革不以人的意志为转移，但是因为涉及两个技术经济系统竞争格局和利益的消长变化，会触发非市场因素尤其是政治因素的介入。政治因素的介入首先表现为政府A对技术经济系统B的基础研究和应用开发本地化的抵制。依托在全球创新网络中的技术优势，政府A可能采取对技术经济系统B的技术封锁策略，试图阻止全球创新网络结构性变革和良性发展。

在传统工业经济条件下，政府A的技术封锁和阻止策略有可能成功。但是在智能经济条件下，政府A的技术封锁和阻止行为可能是无效的。因为，在人工智能科技产业的发展中，无论是国家还是企业的竞争优势主要不是建立在物化的技术基础上，而是建立在网络空间技术和数据资产基础之上。人工智能规模应用中的互补性创新、专用性知识积累和数据生态优势是创新循环发展的基础。

当然，智能经济的发展对物化技术同样具有一定的依赖性。例如，智能经济发展对包括芯片和关键硬件在内的算力依赖。对算力技术优势的垄断和对其他技术经济系统的制裁，在阻止技术经济系统B创新本地化的同时，也会对技术经济系统A的技术创新和产业发展带来消极影响。技术封锁和制裁在给两个技术经济系统的产业发展带来损失的同时，数据流动的中断同样影响到技术经济系统A的芯片和关键硬件技术的更新和迭代。作为对技术经济系统A技术封锁的应对策略，技术经济系统B可以依赖数据生态优势和算法优势实现芯片和关键硬件创新的本地化，建立创新的内循环系统推动人工智能科技产业的发展。

五、总结和政策建议

与传统工业经济不同，智能经济发展更加依赖的不是包括机器和设备在内的物化技术资产，而是数据资产。对人工智能通用技术属性和数据驱动属性的认识，是理解智能经济全球创新网络和创新循环发展与演化趋势的钥匙。

智能经济全球创新网络和创新循环的演化依赖在基础研究、应用开发和规模应用（生产）创新链各环节之间的互补性创新、专用知识积累和数据资产的正反馈效应。对于全球创新网络和创新循环而言，全球创新链下游环节的规模应用和市场需求不再是无足轻重的因素。同时，当上游基础研究和应用开发环节难以快速响应下游产品生产和规模应用的条件下，依托在下游产品生产和应用环节积累的专用性知识和数据生态优势，实现基础研究和应用开发的本地化，是影响和决定全球创新网络和创新循环变革的结构性因素。而对新的变革因素的积极响应，则会进一步带动全球创新网络和创新循环向更加高级形态演化，推动人工智能科技创新和产业的深入发展。

在市场主导的全球创新网络和创新循环的演化过程中，非市场政治因素的介入不可能从根本上改变智能经济发展的趋势。同时，因人工智能技术创新和智能经济发展的特殊性，政治力量的介入反而可能导致实施技术封锁的国家科技创新和产业化的停滞。因而，本文的政策建议包括如下三个方面。

第一，作为后发国家，依托在互补性创新、专用性知识积累和数据生态方面的优势，实施基础研究和应用开发环节的本地化，是推动我国人工智能科技产业发展和全球创新网络和创新循环的积极策略。其中，推动人工智能与实体经济深度融合，是实现基础研究和应用开发创新本地化的关键。

第二，在非市场因素介入的条件下，通过基础研究和应用开发创新本地化策略，发展创新内循环、推动外循环和实现双循环良性发展，应是我国的长期战略选择。因为基础研究和应用开发领域创新的本地化是市场选择的结果，是决定和影响全球创新网络和创新循环长期变革的结构性因素。

第三，通过人工智能科技产业创新内循环建设促进国际和国内创新双循环发展，需要制度创新。尤其是要突破对基础研究、应用开发和规模应用（生产）之间正反馈效应产生阻碍作用的体制束缚，培育数据要素市场、加强基础研究和形成政产学研协同创新机制，是深化体制改革的重要方向。

注释：

①沙利文在《2019年中美人工智能产业及厂商评估白皮书》中称，截至2018年中，美国人工智能企业数量达到2 039家，占比38.4%，位列全球首位，中国人工智能企业数量为1 040家，占比20.8%，位列第二。在全球人工智能企业数量排名前十的城市中，北京位列第一。从中美人工智能产业发展的历程看，中国起步晚，但应用环境较好，人工智能正深度驱动中国经济智能化转型;美国在技术储备与布局上领先，通过政策驱动保持全球领先地位。资料来源：http：//www.frostchina.com/wp-content/uploads/2020/01/ai-1.pdf。

②清华大学发布的《中国人工智能发展报告2018》中指出，中国在论文总量和高被引论文数量上都排在世界第一;在专利上，中国已经成为全球人工智能专利布局最多的国家，数量略领先于美国和日本。

③2018年以来，美国政府持续对中国人工智能领域企业实施技术封锁。例如，对华为的关键技术断供和在美国市场封杀TikTok。

④20世纪90年代之后，跨国公司在中国建立了诸多研发总部和创新中心。截至2010年底，跨国公司地区总部分布在我国18个城市，其中上海有325家、北京有257家、广州和深圳各有22家、天津有20家、苏州有6家、青岛3家。参见：梁堃、郭黎：《跨国公司地区总部入驻我国新形势研究》，载于《企业研究》，2012年第1期。

⑤例如，中国企业在芯片和5G技术领域的突破。

⑥核心产业部门主要指人工智能基础设施服务提供、芯片和关键硬件产业领域。

⑦融合产业部门是指人工智能与实体经济融合发展过程创造的新兴产业部门。例如，新零售、新媒体和内容产业、智能交通和智能网联汽车等产业。

⑧286家人工智能样本企业筛选自中国新一代人工智能发展战略研究院中国智能经济数据库。数据库筛选人工智能样本企业的依据为是否同时符合三个基本条件：是否从事人工智能核心技术、产品和服务的研发和生产;技术、产品和服务是否落地;是否存在公开的融资事件。

⑨基础层企业主要包括阿里巴巴、百度和腾讯为代表的为智能经济提供基础数据、芯片和基础软件产品和服务的企业。技术层企业主要包括科大讯飞和商汤科技在内的人工智能核心算法技术类企业。应用层企业则是指把人工智能技术应用于经济和社会领域的企业。应用层样本企业广泛分布在包括新媒体和数字内容、智能网联汽车、智能医疗、智能教育、智能制造与科技金融在内的18个应用领域。应用层企业是人工智能技术與实体经济融合的主要实施者。

⑩数据来源于调查数据和大数据采集，截止日期为2020年2月28日。

在技术关系中，技术输入是指样本节点获得关系节点的技术支持，而技术赋能则是指样本节点为关系节点提供技术支持。核心人力资本关系包括前期学习经验和工作经验，其中前期学习经验是指样本企业的核心人力资本（包括创始人、联合创始人、CEO和核心技术人员）获得本科和研究生学历的学校和科研院所，前期工作经验则是指核心人力资本曾经工作过的企业、大学、科研院所和机构。

在某种程度上，核心人力资本关系属于技术输入范畴。尤其是20世纪90年代以来，在国外企业、大学和科研院所拥有前期学习和工作经验的科技工作者，成为后发国家科技创新的重要力量。在人工智能领域，海外归国人才无论在人工智能科技产业化还是产业智能化领域都发挥着非常重要的作用。

其中，价值网络平均度表示与节点相连的边的平均个数;网络直径为价值网络中相距最远的两个节点的距离;图密度表示价值网络中实际上存在的边数与理论上最大可能存在的边的比值;模块化指标用来衡量社团结构的性质;平均路径长度表示任意两个节点之间距离的平均值，其数值通常能够表明价值网络是否具有小世界特征。结合图1价值网络图和表1中价值网络结构性统计指标的具体数值，我们能够发现我国智能经济开放性比较显著，社团结构性比较明显，具体表现为在国内形成了以阿里云、腾讯、百度和华为等为代表的创新生态系统子群落，同时整个智能经济创新生态系统又具备小世界特征，由此我们能够发现国内智能经济主体与国外的经济行为主体的技术合作已初步进入深度融合状态，并演化成为一个实现技术和信息交换，共同创造价值的创新生态系统。

伯特在《结构洞：竞争的社会结构》一书中提出了“结构洞”理论。其中，“结构洞”是指使网络节点发生联系的第三者。参见：【美】罗纳德·S·伯特：《结构洞：竞争的社会结构》，格致出版社2017年版。

从人工智能科技产业发展的脉络看，包括美国、英国、日本等在内的发达国家无论是在基础研究还是在早期应用开发上，都拥有较强的技术优势。尤其是半导体产业的發展构成了全球创新网络和创新循环的关键环节。

算力主要包括芯片、云计算、云存储和云服务技术架构。

算法包括计算机视觉、语音识别、自然语言处理、深度学习在内的人工智能核心技术。

其他主要包括无法明确归类的技术类别，例如，5G、车联网和智慧城市等。除此之外，还包括无法明确当类的技术合作内容。

在146个样本企业中，基础层4个，占比2.8%;技术层37个，占比25.3%;应用层105个，占比71.9%。

在230名核心人力资本中，105名是中国人工智能企业的创始人或联合创始人，占比高达45.7%，这说明企业家在国外的前期学习经历为我国智能经济领域的创新创业活动提供了近一半的智力支持。

前期学习经验关系数大于大学和科研机构数的原因是，一个核心人力资本往往拥有在国外1～3所大学获得本科和研究生学习经历。

在142家样本企业中，基础层企业2家，占比1.4%;技术层企业30家，占比21.1%;应用层企业110家，占比77.5%。

在232名核心人力资本中，有114名为企业创始人和联合创始人，占比49.1%。从前期学习和工作经验中，企业创始人和联合创始人占比这一指标说明，国外的前期学习和工作经验积累，直接促进了中国智能经济领域的创新创业活动。

与前期学习经验类似，一名核心人力资本可能拥有在多家国外企业的前期工作经历。

作为补充，以中国智能经济数据库投资数据为基础，分析国外投资机构对我国人工智能企业的投资活动。

在人工智能科技产业领域，著名投资机构都是跨国的，例如，软银、红彬资本和IDG资本。

包括技术创新和成本降低的需求。

参考文献：

[1]CASTELLACCI F，ARCHIBUGI D.The technology clubs： The distribution of knowledge across nations[J]. Research Policy，2008（10）： 1659-1673.

[2]CHAMINADE C，FUENTES C D，HARIRCHI G，et al. The geography and structure of global innovation networks： global scope and regional embeddedness[M].Handbook on the Geographies of Innovation，Edward Elgar Publishing.2016：370-381.

[3]Large Firms in the Production of the World's Technology： An Important Case of "Non-Globalisation"[J]. Journal of International Business Studies，1991，22（1）：1-21.

[4]KRISHNA V，PATRA S K，BHATTACHARYA S. Internationalisation of R&D and Global Nature of Innovation：Emerging Trends in India[J]. Science Technology Society ，2012，17 （2）： 165-199.

[5]BRANSTETTER B L，GUANGWEI L I，VELOSO F. The Rise of International Coinvention[R]. National Bureau of Economic Research，Inc.2014：135-168.

[6]梁堃，郭黎.跨国公司地区总部入驻我国新形势研究[J].企业研究，2012（2）：7-8.

[7]MIGUELEZ E，RAFFO J，CHACUA C，et al. Tied in： the Global Network of Local Innovation[J]. Cahiers du GREThA ，2019，16（8），1-52.

[8]羅纳德·S·伯特. 结构洞：竞争的社会结构[M].任敏，李璐，林虹，等译.上海：格致出版社，2017：18.

责任编辑：艾 岚

 Abstract：In the development of intelligent economy， China is not only an important part of the global innovation network and innovation cycle， but also plays a leading role. The general technical attributes and data-driven characteristics of artificial intelligence determine the uniqueness of the formation and evolution mechanism of global innovation network and innovation cycle of intelligent economy. The innovation cycle of cross-border communication， cooperation and application of artificial intelligence in basic research， application development and scale application（production） of the upstream and downstream links of the global innovation chain not only requires complementary innovation and specific knowledge accumulation， but also depends on data flow and feedback. Innovation， the accumulation of specific knowledge and the complementarity and positive feedback effects of data assets not only ensure the normal operation of the global innovation cycle， but also lead to structural changes in the global innovation network. Among them， relying on the advantages of data obtained in product production and scale applications（production）， complementary innovation and the accumulation of specific knowledge， China's innovation localization in the field of basic research and application development is the basis for the construction of the internal cycle of innovation. At the same time， it is a positive force to promote the advanced global innovation network structure and innovation cycle development， and the result of the role of the market mechanism. The intervention of non-market factors can not only change the long-term trend of the development of intelligent economy， but may lead to the stagnation of countries implementing technology blockade strategy in the field of scientific and technological innovation and industrialization.

Key words：global innovation network， innovation cycle， complementary innovation， artificial intelligence， intelligent economy