以应用为导向的中国人工智能创新生态及其演化

刘刚 靳中辉

摘要：随着新一代信息技术和经济社会的融合发展，创新范式正在发生根本变革。作为创新范式变革的前沿，中国人工智能创新生态表现出以应用为导向的跨学科、跨产业、跨组织和跨地域协同创新趋势。在内生需求牵引下，中国人工智能创新生态从以国外学术机构和跨国公司在华研发中心为主导逐步向以本土学术机构和企业为主导转变。以应用为导向和高度开放的创新生态，是中国人工智能科技产业快速发展的关键驱动因素。面对国外技术封锁，如何适应企业和产业国际竞争力提升，构建基础研究和应用研究相互支撑的高度开放的创新生态，是中国人工智能科技产业持续发展的迫切需要。

关键词：人工智能;融合发展;创新生态;应用导向的基础研究;创新范式

中图分类号：D424.3     文献标识码：A     文章编号：1003-1502（2022）01-0059-15

一、引言和文献综述

作为第四次工业革命的引擎，人工智能科技产业在中国实现了快速发展，表现为企业数量、产业规模和融资额的持续增长。中国信息通信研究院发布的《2020年全球人工智能产业地图》显示，2020年全球人工智能产业规模达到1565亿美元，同比增长12.3%，中国人工智能产业规模为434亿美元，同比增长13.75%，超过全球增速。2020年，美国人工智能企业占据全球总数的38.3%，中国紧随其后，占24.66%。中美两国人工智能企业数量占据全球半数以上，保持绝对竞争优势。此外清华大学发布的《中国人工智能发展报告 2018》显示，自2013年以来，全球和中国人工智能产业投融资规模都呈上涨趋势。2017年全球人工智能投融资总规模达395亿美元，融资事件1208笔，其中中国的投融资总额达到277.1亿美元，融资事件369笔。中国人工智能企业融资总额占全球融资总额的70%，融资笔数达31%。人工智能产业应用领域也在不断扩展。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报告2021》显示，中国的人工智能已经出现在包括智慧城市、智能交通、智慧医疗、智能教育、智能制造和智能网联汽车在内的22个应用领域。随着与经济社会的融合发展，人工智能成为驱动中国经济转型升级和高质量发展的新引擎。

在产业发展的同时，中国人工智能创新生态同样发展迅速。斯坦福大学发布的《2021年人工智能指数报告》显示，2020年中国在学术期刊上发表的有关人工智能的论文引用率占比为20.7%，美国为19.8%，中国首次超过美国。据科睿唯安公司的统计数据，自2012年以来，中国的人工智能论文数量为24万篇，美国则为15万篇，特别是在图像识别和生成领域，中国取得了优异的学术研究成果。同时，2019年来自中国的人工智能研究者全球占比为29%，超过占比20%的美国。

从所属单位看，学术论文的作者不仅来自研究型大学，而且来自研究院所和企业。研究院所不仅有政府主导的科研单位，而且有新型研发机构。企业不仅包括人工智能开放创新平台，而且包括人工智能中小企业、独角兽公司和新创企业。从合作单位看，论文作者的合作单位不仅包括国内外学术机构，而且包括跨国公司及其本土分支机构和本土企业。同时，论文作者在国内外学术机构、研究院所和企业之间的频繁流动，进一步增强了创新生态的复杂性和活力。

更加引人注目的是，许多高水平论文作者同时又是人工智能企业创新和创业活动的直接参与者。2015年以来，一批人工智能领域的顶尖学者在人工智能开放创新平台、独角兽和新创企业工作，是产业技术创新的引领者。在某种程度上，中国人工智能学术研究是创新生态的核心组成部分。中国人工智能创新生态表现出基础研究和应用研究高度融合和跨组织特征。

长期以来，中国科技与经济存在着“两张皮”现象，尤其是表现在大学和科研机构的基础研究与产业发展之间相互脱节。在传统产业发展中广泛存在的“两张皮”现象为什么没有出现在人工智能科技产业？中国人工智能创新生态的基本特征是什么？创新生态与人工智能科技产业之间的良性循环是如何形成的？作为第四次工业革命的引擎，人工智能科技产业是新经济发展的前沿。对上述问题的回答，将有助于我们系统总结和概括代表中国经济未来发展的创新范式。

创新包括新知识的创造及其商业化。新知识的创造究竟来自应用还是纯理论研究，一直是创新理论争论的话题。第二次世界大战之后的很长一段时间，以美国为代表的发达国家都强调基础研究的重要性。范内瓦·布什指出：基础研究将导致出新的知识。它提供科学上的资本。它创造了一种储备，而知识的实际应用必须从中提取。一个在新的基础科学知识方面依靠别国的国家，其工业发展将是缓慢的，在世界贸易竞争中所处的地位将是虚弱的，而不管它的机械技术如何。在他看来，大量经过科学训练的学者集聚的学术自由氛围浓厚的研究型大学是基础研究的理想场所。以基础研究和科学知识为源泉的线性创新成为20世纪50—80年代占主导的创新范式。

20世纪80年代中后期，面对日本经济的崛起和科技创新能力的提高，学术界开始质疑把基础研究和应用研究分离开来的線性创新思维和创新范式。1986年，D Sharpley和R Roy在《迷失在边疆：美国科学和技术政策的偏离》中认为，布什的报告对自由的基础研究强调的只是创新的部分内容，而包括应用研究、工程学、技术、科学教育以及基础与应用之间相互联系在内的创新的其他部分则被忽略了。同时，基础研究不都是完全自由和没有目标导向的。克莱因提出了创新链式模型，强调创新是一个发明、设计和生产相互作用的过程，基础研究是创新中的一个环节和因素。

司托克斯认识到在科学研究中，科学知识的认识目标和应用目标之间不是对立的，而是相互作用和相互融合的。在他看来，新兴市场中的消费需求会影响技术研究，而技术研究则常常成为科学的灵感来源。基于对科学与技术关系的新认识，司托克斯提出了由应用引发的基础研究概念，即“巴斯德象限”。Nicholas S Vonortas分析了美国和欧盟二战后的科学技术政策的演变，指出创新政策的成功率取决于对技术需求方面的理解，而不仅仅是技术的初始生产。

随着以知识为基础的经济时代的到来，基础研究和应用研究的融合使创新表现出越来越明显的跨学科、跨组织、跨产业和跨地域特征。跨组织表现为大学、科研院所和企业之间的合作。而跨区域集中表现为大学、科研机构与企业之间的跨国合作。在中国人工智能科技产业的发展中，大学、科研机构和企业之间的跨国合作发挥着非常重要的作用。创新主体日益多元化，新知识的创造者不仅包括大学和研究院所，而且包括企业和用户。Henry Etzkowitz和Loet Leydesdorff提出了在知识经济背景下的三螺旋创新模式，指出学术界、产业界和政府在合作中形成的三螺旋联结结构出现在创新进程的各个阶段且相互作用和协同创新。在三螺旋创新模式下，学术—产业—政府边界的相互渗透带来了互补性协同创新，新的开放式合作创新模式是现代创新的动力基础。Henry W Chesbrough发现企业为了获取竞争优势而利用外部知识进行创新，提出了开放式创新概念。Pacheco V则进一步提出开放式创新不仅出现在企业之间，而且出现在大学、企业、政府和用户之间跨组织的知识和技术交流之中。在知识经济条件下，创新过程出现了生态化和网络化趋势，实现了产品和服务从系统开发向分布式创新的重大转变。尤其是随着互联网和移动互联网的发展和普及，计算机和通信工具降低了作为个体用户获取创新要素的成本，创新日益民主化。

作为第四次工业革命的引擎，人工智能领域创新范式是基于网络空间发展的，具有明显的生态化和网络化特征。随着互联网、移动互联网、大数据和云计算的发展，数据不仅是生产要素，而且是创新要素。无论是基础研究还是应用研究，都依赖数据要素在基础研究、应用研究和规模生产之间有效流动。底层数据要素的流动模糊了基础研究和应用研究的边界，不仅增加了应用研究和规模生产对基础研究的牵引力，而且使创新表现出跨学科、跨组织、跨产业和跨地区的网络化特征。

人工智能属于通用技术（GPTs， General Purpose Technologies），其与经济社会的融合发展是激活社会生产力发展潜力的根本途径。人工智能通用技术和经济社会的融合发展，推动了以应用为导向的多元创新主体的跨产业、跨组织和跨区域的技术重组和互补性创新。从创新主体看，在网络空间赋能下，无论是作为学者还是作为用户个体的创新能力都获得了巨大的提升。用户的参与成为创新的重要源头。以用户和应用为导向的创新，不仅创造出满足市场需求的产品和服务，而且带动了基础研究领域的突破。

生态化、开放性和网络化是人工智能创新范式的基本特征。基于复杂网络的视角，本文试图通过对中国人工智能创新生态的价值网络分析，考察新的创新范式是如何运行的。在此基础上，對国家和区域创新体系的未来建设提出对策建议。

二、研究方法与设计

本文以中国最具影响力的人工智能领域学者为研究对象，通过考察论文合作者之间的跨组织、跨地域和跨单位合作关系，揭示中国人工智能创新生态的基本结构和运行机制。学术论文的合作者不仅来自大学和研究院所，而且来自企业。因而，我们可以把论文作者之间的合作关系转换为作者所属单位之间的合作关系，即大学、研究院所和企业之间的合作关系，以论文合作者及其所属单位为节点构建价值网络，分析节点之间的合作关系和合作方式。

本文以AMiner网站①影响力标注排序的中国人工智能领域核心学者群为基础，通过纠错删减和拾遗补阙筛选出135名人工智能领域的中国知名学者作为研究对象。截至2020年7月30日，135名学者的合作方式发表学术论文22196篇。在数据整理中发现，135名作者绝大多数论文是以合作方式发表的，独立发表论文占比非常低，约为1%。在22196篇合作论文中，135名学者的论文合作者共计出现19344名。135名学者所属单位数为165家，19344名论文合作者所属单位数为1731家。在一定时期内，135名论文作者的单位是变动的，其不仅在大学和研究院所之间流动，而且在大学和研究院所与企业之间流动。因而，135名论文作者往往具有多个所属单位。同时，在19344名论文合作者中，许多作者都来自共同单位。

作为中国人工智能创新生态的成员，135名学者和19344名合作者所属单位是多元化的，包括国内外大学、政府主导的研究院所、新型研发机构、跨国公司及其在华分支机构和研究中心、高校和企业联合实验室、人工智能开放创新平台、人工智能独角兽企业和新创企业。按照论文合作者所属单位在论文中出现的频率统计，国内外大学占比为73.90%;包括跨国公司及其在华分支机构和研究中心、人工智能开放创新平台和人工智能企业在内的企业组织占比为14.54%;包括政府主导的研究院所和新型研发机构在内的研究机构占比为11.08%;高校和企业联合实验室占比为0.32%;包括某些政府机构和事业单位在内的其他机构占比为0.16%。

本文以135名学者为样本节点，以19344名论文合作者为关系节点，共计发现78713条合作关系。为了分析中国人工智能创新生态的基本结构和演化趋势，我们进一步以135名学者所属165家单位为样本节点、以论文合作者所属单位作为关系节点，构建价值网络图。通过对22196篇论文合作者单位之间合作关系、合作内容和方式的动态分析，考察支撑中国人工智能科技产业快速发展的创新生态隐秩序。

三、中国人工智能创新生态的价值网络分析

（一）价值网络结构

将采集的关系数据输入社会网络分析软件Gephi0.9.2，初始设定为无向网络，我们得到一个由1742个节点（165个样本节点和1731个关系节点有重复的，合并后共1742个节点）和78713条边（关系）构成的中国人工智能创新生态价值网络拓扑结构图（见图1），为了简洁化处理，价值网络图中只显示了部分核心节点名称。图1中少数核心节点具有较多的连接数以及表1列出的价值网络结构性指标，如0.735的平均聚类系数、2.832的平均路径长度等均表明，中国人工智能创新生态是由许多簇群组成的复杂网络，具有明显的小世界网络特征。

图2列出了度数中心度排名前三十的节点。度数中心度排名前三十的节点包括三类组织和机构：一是包括清华大学、浙江大学、哈尔滨工业大学、北京大学、香港科技大学、新加坡国立大学和美国伊利诺伊大学厄巴纳—香槟分校在内的国内外研究型大学;二是包括中国科学院计算技术研究所和新加坡信息通信研究所在内的国内外研究院所和新型研发机构;三是以微软亚洲研究院、IBM、腾讯和阿里巴巴为代表的跨国公司及其在华分支机构和研究中心、人工智能开放创新平台。从价值网络节点度数中心度分布看，国内外研究型大学、研究院所、跨国公司及其在华分支机构和研究中心、人工智能开放创新平台是中国人工智能创新生态的主导者。

除了上述组织和机构，在价值网络节点中，还存在着数量庞大且度数中心度相对较低的人工智能中小企业和新创企业。尤其是在算法领域具有技术优势的人工智能独角兽公司和新创企业，如包括商汤科技、云从科技、中科寒武纪、旷视科技和云天励飞在内的一批由人工智能科技人才创业的独角兽公司和新创企业是中国人工智能创新生态的重要组成部分。

图3列出了中国人工智能创新生态论文作者单位所在国家或地区的排名情况。其中，中国排名第一，合作关系数占比为64.26%;美国排名第二，合作关系数占比为19.81%;中国香港排名第三，合作关系数占比为4.17%;新加坡排名第四，合作关系数占比为3.85%;澳大利亚排名第五，合作关系数占比1.57%。

通过图2和图3的数据分析，我们可以得出两点基本结论：一是中国人工智能创新生态是高度开放的。学术论文合作者跨境、跨区域和跨组织合作特征明显。合作关系不仅发生在国内外学术机构之间、国内学术机构和跨国公司之间、国内外学术机构和国内企业之间，而且发生在国内企业与跨国公司之间。二是在创新生态发展中，企业和产业发展的应用需求是影响和决定创新生态发展的关键变量。

（二）合作关系的内容和方式

我们首先依据论文研究主题把合作关系的内容划分为16个技术领域（数量极少和不易归类的划分为“其他”），分析学术研究与人工智能科技产业发展之间的动态关联。图4是1986—2020年中国人工智能学术论文主题的技术领域变化情况（数据收集至2020年7月30日，为显示出图形年度趋势，图中2020年论文篇数为实际论文篇数除以7/12所得，代表2020年度不同技术类别的论文数）。为了说明技术研究的导向性，本文把16种技术的研究领域划分为应用技术研究和基础技术研究。其中，应用技术研究的技术类别包括计算机视觉、多媒体、数据挖掘、自然语言处理、机器学习、信息检索和推荐等在内的应用算法类技术。基础技术研究的技术类别则主要包括芯片技术以及“其他”技术领域中包含的计算理论、计算机系统等基础技术。

如圖4所示，2000年之后，中国人工智能学术论文发表数量开始步入快速增长阶段。其中，包括计算机视觉、多媒体、数据挖掘、自然语言处理、机器学习、信息检索和推荐等在内的应用算法研究领域的学术论文数量，不仅占比较高而且增长速度快。而包括芯片等在内的基础技术研究领域的论文发表数量偏少且增长缓慢。

其次，我们进一步根据学术论文合作者所属单位的类别，把人工智能学术研究划分为两种类型：纯理论研究和以应用为导向的理论研究。纯理论研究是指国内外大学之间的合作研究;应用导向的理论研究则是指企业和研究院所参与的学术研究，包括大学和企业、大学和研究院所、研究院所之间、研究院所和企业、企业之间的学术研究。

图5是1986—2020年纯理论研究和应用导向理论研究论文篇数的年度变化情况。中国在人工智能领域的学术研究起步于20世纪80年代中期，以纯理论研究为主导。到90年代，随着电子信息产业的兴起和发展，以应用为导向的理论研究逐渐开始出现，且呈现快速增长趋势。2017年之后，以应用为导向的理论研究出现加速增长势头。2019年，应用为导向的理论研究论文数量超过纯理论研究。尤其是随着人工智能开放创新平台、独角兽企业和新创企业参与的学术论文发表数量的增加，中国人工智能创新生态以应用研究为导向的特征越来越明显。

最后，我们根据论文合作者所属单位的国别考察中国人工智能创新生态的跨国合作情况。以两种类型的组织在学术论文作者单位出现的频次为维度，分析中国人工智能创新生态的开放性。

图6是1986—2020年人工智能学术论文合作者所属国内和国外组织机构出现的频次变化情况。2000年之前，在中国人工智能学术研究中，国外机构始终占据50%左右的比重。在国外大学深造的中国学者是国内早期进入人工智能研究领域的研究者，如1986年发表论文的两位作者分别是在美国加州大学伯克利分校和马里兰大学学习的中国学者。20世纪90年代中后期，以微软亚洲研究院为代表的跨国公司在华研究中心成为中国人工智能研究领域的引领者。

2000年之后，随着中国互联网的兴起和电子信息产业的发展，中国的研究型大学和研究院所开始加强人工智能领域的理论研究。2000—2014年间，中国大学的学术研究基本上是以纯理论研究为主导。跨国公司在华研究中心的研究则是以应用为导向的理论研究。其中，跨国公司在华研究中心应用导向的理论研究主要服务于跨国公司海内外业务的发展。

2015年之后，随着人工智能开放创新平台、独角兽公司和新创企业的发展，以应用为导向的理论研究推动了中国人工智能创新生态的发展，尤其是许多人工智能领域的著名学者开始参与人工智能开放创新平台、独角兽公司和新创企业产品和服务的研发工作。其中，研究成果在国内市场的应用逐步替代跨国公司的海外应用，成为中国人工智能创新生态发展的引领者。

从上述分析中可以看出，中国人工智能创新生态始终是高度开放的，不仅表现在与国外机构之间合作的开放性，而且表现在学术机构与企业之间合作的开放性。同时，中国人工智能创新生态从以纯理论研究为主导逐步演化为以应用研究为主导。其中，中国人工智能企业和产业发展的应用需求，是创新生态演化的关键驱动力。

四、模型与推论

在实证分析的基础上，本文试图构建一个简单的理论模型（见图7），分析应用导向和高度开放的中国人工智能创新生态的形成和演化趋势，探讨在助推人工智能科技产业发展过程中，现有创新生态可能存在的风险和问题。

假设作为后发国家，存在着一个高度开放的全球创新生态，能够为本土人工智能企业和产业发展提供基础理论和应用技术支持。我们用G〔G=（V，E）〕表示全球创新生态网络，G网络包括四个子网络：一是国外学术机构研究网络GF〔G=（V，E）〕，G网络由国外研究型大学从事人工智能学术研究的学者（包括在国外研究型大学任职和学习的中国学者）组成;二是国内学术机构研究网络G〔G=（V，E）〕，G网络由国内研究型大学从事人工智能学术研究的学者组成;三是跨国公司研发网络G〔G=（V，E）〕，G网络由跨国公司和跨国公司本土分支机构从事人工智能技术研发的研发人员组成;四是国内企业研发网络G〔G=（V，E）〕，G网络由国内人工智能企业从事人工智能技术研发的研发人员组成。

在初始状态下，假设G网络是不存在的，即国内没有人工智能企业和产业。在这种情况下，对后发国家而言，开放的全球创新生态为G=GG+GG+GG+GG+GG+GG（公式1）。它包括两个部分：一部分由GG+GG+GG组成，是以基础研究为导向的国内外大学之间的知识、技术交流和合作网络;另一部分由GG+GG+GG组成，是以应用研究为导向的国内外大学与跨国公司、跨国公司及其跨国公司本土分支机构之间的知识和技术合作网络。其中，GG+GG为国内外大学与跨国公司及其本土分支机构之间的知识、技术交流和合作。GG则是指跨国公司及其本土分支机构之间的知识、技术交流和合作。同时，通过GG+GG，大学在基础研究领域的知识和技术向跨国公司及其本土分支机构溢出。

对后发国家而言，本土人工智能创新生态为GG+GG+GG+GG。它包括两部分：一是GG+GG，即國外大学和国内大学、国内大学之间人工智能基础研究领域知识、技术交流和合作网络;二是GG+GG，即国内大学与跨国公司及其本土分支机构、跨国公司及其本土分支机构之间的知识、技术交流和合作。无论是基础研究还是应用研究，因为研究活动发生在国内，都为本土人工智能企业和产业的发展进行知识、技术和人才积累。

推论1：在开放经济条件下，通过国外学术机构与国内学术机构、国内学术机构之间、国内学术机构与跨国公司国内分支机构合作中的知识、技术和人才交流，为国内人工智能企业和产业发展创造条件。

中国的智能化需求源于经济转型升级，是内生的。国内产业智能化需求的出现，激活了全球创新生态发展中与本土相关的创新要素，尤其是促进了在国内外学术机构和跨国公司及其在华研发中心从事研发活动的科技工作者创业浪潮的出现。随着人工智能企业和产业的发展，国内基础研究和应用研究快速融合，形成以应用为导向的创新生态。同时，通过与国外学术机构和跨国公司之间的知识、技术和人才流动，国内创新生态的发展不断助推人工智能企业和产业的快速成长。

在这种情况下，适应国内人工智能企业和产业发展的国内创新生态为：G=GG+GG+GG+GG（公式2）。其中，GG+GG是指国内人工智能企业之间、国内人工智能企业和跨国公司及其本土分支机构之间的知识、技术和人才流动。在本土人工智能企业和产业发展的早期阶段，跨国公司及其在华分支机构成为知识、技术和人才溢出的重要来源。GG+GG则是指国内人工智能企业与国内外学术机构的知识、技术和人才交流。在产业发展的早期阶段，国内外学术机构的知识、技术和人才溢出同样是国内人工智能企业和产业发展的重要技术来源。

推论2：在内生应用需求的牵引下，国内外学术机构和跨国公司本地分支机构的知识、技术和人才溢出是本土人工智能企业和产业发展的重要推动力。服务于本地人工智能企业和产业的发展，国内创新生态是以应用为导向的。

在短期内，现有知识、技术和人才积累能够满足人工智能企业和产业的发展需求，但是随着应用领域的不断拓展，前沿应用问题的解决往往需要基础研究提供支撑。应用研究开始向基础研究延伸。如何实现应用研究和基础研究的创新循环，是国内创新生态发展的方向。

实现应用研究和基础研究之间良性循环的创新生态建设存在两条路径：一是推动高度开放的全球创新生态，利用开放的全球学术资源进行基础研究;二是发展国内基础研究力量。

短期而言，第一种路径更有效率。因而，在经济全球化背景下，适应本土人工智能企业和产业发展新的创新生态网络可以用公式3表达：G=（GG）G+（GG）G+（GG）G+（GG）G+GG+GG（公式3）。

公式3表达的是以适应本土人工智能科技产业发展的应用需求为导向的，具有良性循环状态的应用研究和基础研究的创新生态网络。其中，（GG）G+（GG）G表示国内人工智能企业和产业发展需求牵引的国内外学术机构的交流和合作。（GG）G+（GG）G则表示国内外学术机构与跨国公司及其本土分支机构展开的以应用为导向的基础研究对本土企业和产业的溢出。GG+GG则表示本土企业与跨国公司及其本土分支机构、本土企业之间的技术交流和合作。在人工智能科技产业发展到一定阶段后，本土企业和跨国公司的技术溢出是双向的。

推论3：随着本土人工智能科技产业的发展，尤其是以应用为导向的创新需要基础研究提供支撑时，依托全球创新生态实现应用研究和基础研究的创新循环则是有效发展的路径。

实际上，公式3表达的全球创新生态是理想化的，即学术自由的全球创新生态。但是当遭遇国外，尤其是发达国家技术封锁的条件下，上述创新生态则是残缺的。其中，（GG）G+（GG）G+（GG）G+GG的作用被严重削弱，甚至缺失。在这种情况下，支撑本土人工智能企业和产业发展的创新生态将由全球创新生态转变为国内创新生态，即G=（GG）G+GG（公式4）。公式4是缺乏国外学术机构和跨国公司的国内创新生态。其中，（G_NG）G是以本土企業和产业发展需求为导向的创新网络， GG是本土企业内部的研发和交流活动网络。

在这种条件下，要想获得人工智能产业的发展只能主要依靠本土学术机构和企业进行研发。国外的技术封锁将会降低本土创新生态的创新效率和水平。

推论4：在国外技术封锁的条件下，仅仅依靠国内创新生态进行以应用为导向的理论研究在短期内将面临严峻的挑战。

更有利于本土人工智能科技产业发展的创新生态是公式3表示的高度开放的全球创新生态。打破国外技术封锁，充分依托本土人工智能科技产业发展中创造的应用需求和对基础研究的拉动作用，吸引国外学术机构和企业参与研发，提高国内创新生态的基础研究能力，实现国内和国际创新双循环，是最为理想的创新发展道路。

理想的创新发展道路实现的依据是新的创新范式中的基础研究对应用研究和规模应用数据反馈的深度依赖。与工业经济条件下的创新范式不同，知识经济条件下的创新是生态化和网络化的。尤其是在数字经济发展中，应用研究和基础理论研究的边界更加模糊。在人工智能技术创新过程中，基础研究不仅需要知识和技术的商业化提供资金支持，而且需要应用场景提供数据反馈。同时，在报酬递增规律支配下，人工智能企业和产业在应用领域创新中偶然创造的技术和市场优势，将可能发展为企业和产业国际竞争优势的来源。因而，深刻依赖规模应用和数据反馈的创新范式，基于应用场景的创新不仅决定着企业和产业的国际竞争优势，而且决定着学术机构的基础研究优势。

同时，无论是应用场景开放还是推动规模应用和提升创新能力方面，政府都将发挥更加积极的作用。政府的作用表现在两个方面：一是通过推动人工智能和经济社会深度融合，持续释放规模应用带来的市场需求和研发需求;二是围绕产业链布局创新链，不断提升本土企业和产业的创新能力。

如果能够通过推动人工智能规模应用和应用导向的理论研究，最终形成以国内创新循环为主导，国内和国际创新循环相互支撑的创新格局，公式3所表达的全球创新生态将再次出现。但是全球创新生态的基本内涵和内在结构却出现了重大差异。在初始状态下，公式3所表达的全球创新生态是由发达国家学术机构和跨国公司主导的。立足国内新的创新循环的全球生态则是以国内学术机构和人工智能企业为主导的。

推论5：立足持续提升国内创新生态创新能力，不断推动应用场景开放，释放规模应用需求市场，探索知识经济条件下以应用为导向的应用研究和基础研究良性互动的创新范式，实现国内和国际创新双循环，是中国人工智能创新生态发展的方向。

五、总结和政策建议

在实证分析和理论研究的基础上，本文的研究表明：作为创新范式变革的前沿，中国人工智能创新生态是以应用为导向和高度开放的。在初始阶段，开放的全球创新生态为中国人工智能科技产业的兴起和发展创造了条件。随着应用场景的开放和不断拓展，以应用为导向的研究在推动人工智能科技产业发展的同时，通过资金、技术和数据也为国内外基础研究提供动力，是全球创新循环发展的积极因素。美国的技术封锁损害了全球创新循环的良性发展。面对这一严峻形势，如何立足自主创新和应用场景的开放，以应用为导向推动基础研究和应用研究的互动，引领全球创新循环的新发展，是中国人工智能创新生态发展的方向。

首先，以应用为导向的理论研究，是知识经济条件下国家创新体系建设和发展的方向。破解科技和经济“两张皮”难题的关键是实现应用和理论研究的良性互动。以应用导向和需求牵引理论研究，以理论研究促进应用研究，在带动企业和产业竞争力提升的同时，提高大学和科研机构基础研究领域的创新能力，是构建以国内创新循环为主导，国际和国内创新双循环相互促进的战略路径。

其次，鼓励跨学科、跨组织和跨区域的创新合作，通过新的交叉学科和跨组织创新平台建设，推动基础研究和应用研究的协同创新，尤其是包括新型研發机构、实验室和企业创新中心在内的“政产学研用”协同创新平台，正在成为跨学科、跨组织和跨区域创新的载体和国家科技创新力量的重要组成部分。

最后，坚持开放原则，推动中国企业、大学和研究机构与国外相关机构的创新合作。积极与世界各国的创新力量展开合作，共同推动人工智能和经济社会的融合发展，带动经济步入新的增长周期。

在人工智能科技产业的发展上，中国走在了世界的前列，引领着创新范式的变革。尤其是随着人工智能和经济社会的融合发展，新的创新范式及其推广将成为推动经济社会发展的关键力量。

注释：

①即科技情报大数据挖掘与服务系统平台（AMiner，www.aminer.cn），是由清华大学计算机科学与技术系唐杰教授率领团队建立的，具有完全自主知识产权的新一代科技情报分析与挖掘平台。平台为中国工程院、国家自然基金委、科技部等科研管理部门提供专家智库、科技发展战略规划等科技情报挖掘服务。

参考文献：

[1] 日媒：在人工智能研究领域，中国正超越美国[EB/OL].（2021-08-10）[2021-09-10].https：//baijiahao.baidu.com/s？id=1707632629982666748.

[2] 温家宝.关于科技工作的几个问题[J].求是，2011（14）.

[3] V 布什，等. 科学——没有止境的前沿[M]. 范岱年，等译.北京：商务印书馆，2004.

[4] 转引自樊春良.没有止境边疆的科学——《科学：没有止境的边疆》75年的历程和影响[J].科技中国，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.基础科学与技术创新：巴斯德象限[M]. 周春彦，等译. 北京：科学出版社，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·冯·希普尔. 民主化创新——用户创新如何提升公司的创新效率[M]. 陈劲，等译.北京：知识产权出版社，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

責任编辑：邓   喆

基金项目：国家自然科学基金重大项目“大型企业创新驱动的创业研究”，项目编号：72091311;中国科协2020年“科技治理年度报告”项目，项目编号：20200608CG110204。

作者简介：刘   刚（1965—），男，南开大学经济研究所教授、博士生导师。

靳中辉（1989—），男，南开大学经济研究所博士生。