人工智能对产业融合的影响研究——基于知识图谱的分析

林丽环，黄卫东

（南京邮电大学 管理学院，江苏 南京 210000）

一、引言

人工智能技术的出现加速了世界经济、政治以及文化在内各方面的融合发展，作为经济发展的重要依附主体，各大产业所呈现的状态、结构以及连接关系都随之发生了翻天覆地的变化。为适应新技术的出现，各国不遗余力地将人、财、物等资源投入人工智能领域以优化资本结构，加速人工智能与各大产业的融合，充分发挥AI 的技术优势。

截至2020 年底，以CNKI 为平台，以人工智能为关键词，通过所得到的发表量年度趋势图可知，自2017 年起，人工智能话题便成为学术界爆发式的热点话题而被众多学者解剖分析。在爆发持续五年的累计研究中，与该热点话题相联系的学科分支众多，而学术界的学者所提出的新观点、新问题以及新措施也随之落实到了国家层面，其具体表现为新型军备竞赛的出现，自2017 年起，绝大多数发达国家和发展中国家都对人工智能的技术作出了表态并对该领域的研究予以资金支持。2021 年9 月，英国政府发布《国家人工智能战略》（以下简称“战略”），明确AI 将在未来成为经济发展的重要驱动力；2021 年10 月，中国政府就生态环境保护方面表示，将提高工业互联网、人工智能、大数据对传统产业渗透率，推动制造业绿色化转型和智能化升级。由此可见，人工智能与产业的融合范围将趋于全面化，融和层次将趋于深层次化。

为此，文章选取文献收纳数量更广泛的WoS 为新平台，经过系列筛选，最终以2 337 篇文章为分析样本，借助CiteSpace 软件的统计、分类、聚类及分析功能，对研究热点的基本情况以及聚集情况进行可视化展示并逐一分析具体类团的现状，以期为人工智能对资本结构影响的中介中心性提供更明确的阐述，并预测两大主题在未来的主要发展趋势。此外，人工智能与产业的融合在不同国家间的融合程度有差异在所难免，本研究还试图通过学术界的成果统计来反映主要大国在人工智能与产业融合领域的发展现状、演化脉络，并由此提出相应的意见和建议[1]。

二、研究方法与数据获取

文章以WoS 为数据库来源，为扩充样本数据库，提高数据完整度，通过对两大领域中质量较高的10 篇期刊及综述中提及的关键词的汇总，最终确定文章以人工智能为第一核心关键词并将关键词范围依次扩充至机器人、自动化，以产业融合为第二核心关键词并将关键词范围依次扩充至行业融合、市场融合。为保证分析数据的质量和可靠性，文章剔除了除论文、综述论文、World of Science 核心合集以外的所有其他文献，并经过CiteSpace 软件的除重操作，最终获得2 469 篇文献作为样本数据进行知识图谱分析。知识图谱是一种通过将每个项目、实体和用户表示为不同的节点，并将相交互的节点连接起来，以标记有向图的形式表示知识并为文本信息赋予语义的强大工具[1]。本研究采用的分析流程为，以时间、空间、热点和演化脉络四个维度作为分析的切入点。在时间分析方面，以发文量、主题词和研究人员的进一步的分析对象；在空间分析方面，依次对作者合作网络、机构合作网络以及国家合作网络展开微观、中观、宏观的分析；在热点分析方面，对2 337 篇文献的关键词共现以及聚集情况做统计分析，并对人工智能和资本要素两大主题进行爆发性探测；在演化脉络方面，以时间线和时区图谱来展示其脉络的分布情况，具体的分析框架图，如图1 所示。

图1 分析框架图

三、研究数据统计与分析

（一）时间分析

1.发文量

由图2 可知，在人工智能与产业融合类的文章中，2017 年可作为近20 年年发文量的时间拐点，以2017 年为界，之前年份的增速相对缓慢，发文量一直处在0～100 篇范围内上下波动，而2018—2020 年则出现了爆发式的增长，且一直处于超高的加速增长状态，甚至出现成倍增长的态势，因此可粗略预测在未来一段时间内，人工智能与产业融合的话题点所具有的关注度仍旧会保持在较高状态。从总体趋势上来看，发文量处于总体上升状态，可见伴随着技术的不断进步，人工智能与产业融合逐渐受到学者们的偏爱，这点在国家政府发布的与人工智能有关的政策中也可见一斑。

图2 2001—2020 年发文总量

2.共被引情况

（1）文献共被引分析

由表1 可知，引用频次较高的文献类型可归纳总结为，以时间线为导向的智能制造的整体环境。其中，被引频次最高的文献主题为《基于工业4.0 制造系统的工业人工智能》，作者Lee Jay 在文中提出了AI 技术的当前状态以及在工业应用中利用AI力量所必需的生态金字塔，由下至上分别为智能连接层、数据信息转换层、网络层、认知层以及配置层即5C 结构，并通过更智能和更有弹性的制造设备来提高产品质量和系统可靠性[2]。作者Liao YX 则通过相关期刊、学科领域、类别、会议、关键词等五类内容的一般数据分析总结了人工智能与产业融合当前主要研究方向。作者Leitao P 认为网络物理系统（CPS）是一种新兴方法，该方法专注于计算应用程序与物理设备的集成，被设计为交互网络和物理元素的网络，对工业自动化的发展存在重大影响。由以上三位作者研究主要内容可以发现人工智能领域的研究正在逐步分化，研究内容的精准化是该领域未来主要的发展趋势。

表1 2001—2020 年文献引用频次表

（2）作者共被引分析

作者LEE J 的度中心性较其他作者而言具有极大的优势。一方面是由于距作者文献的发表年份已有十几年，在时间的加成下，文献的被引次数也随之提高；另一方面是作者在该领域的研究先人一步，其文献研究成果具有很强的导向性，文献产量在一定程度上说明作者在该领域的贡献程度以及研究造诣，为提升国家在人工智能和资本要素方面的进一步融合发展，政府可以有针对性地引入以上高端人才，保证研究人员的质量水平。此外，通过文献平均被引年份的分布情况可以发现，作者LEE J 对人工智能和产业融合的研究与其他作者的研究之间产生了一个巨大的断层，说明LEE J 在话题成为热点之前已经对该领域做了超前的研究，这也为后来研究者提供了便利和借鉴。

表2 2001—2020 年作者被引频次表

(3)期刊共被引分析

表3 2001—2020 年期刊被引频次表

几大知名期刊的被引频次总体接近，度中心性未出现一家或几家期刊独大的现象，人工智能和产业融合领域的研究成果受到多家期刊的关注，期刊类型偏向于计算机以及智能方向，而期刊内文献被引量的增加间接证明了话题的热度之高。其中，LECT NOTES COMPUT SC 期刊的中心性略高，说明该期刊在人工智能和产业融合领域的关注度较高，受广大学者的认可度也较高。

（二）空间分析

1.作者合作网络

当学者之间进行合作而致力于某一领域的研究时，其合作的亲密度可以通过他们共同发表的文献数量作为客观判断依据，因此，通过CiteSpace 软件可分析致力于人工智能与资本要素领域研究的学者们之间的合作情况。

图3 作者合作网络图谱

为提高统计结果的代表性，本研究通过呈现合作规模较大的前10 类研究合作类团来体现作者间的合作状况，由图2 汇总得到，以个人文献产量来看，排名前5 的作者分别为RJ KUO、MITSUMASA KOYANAGI、TAKAFUMI FUKUSHIMA、KANGWOOK LEE、TETSU TANAKA；此外，可以发现，目前该领域已初步形成了以TAKAFUMI FUKUSHIMA（研究领域：计算机—电子芯片）、CHENGKUO LEE（研究领域：智能制造—基于传感器融合概念发明制造能够检测出汗水平的服饰）、DUSIT NIYATO（研究领域：智能城市—物联网系统）以及YOSHIMICHI EJIMA（研究领域：医学—睡眠障碍）为首的研究类团，作为学科的核心带头人，经过对他们研究领域的归纳总结可以发现人工智能的产业融合领域已经十分广泛。

2.机构合作网络

由图4 可知，目前在人工智能和产业融合领域的机构合作规模中，日本产业技术综合研究所和上海交通大学的排名较为靠前，分别为第一和第二。自2018 年1 月上海交通大学人工智能研究院成立以来，上海交大开始将建设人工智能研究的交大学派提上日程，其对于人工智能产业发展领域投入较大的关注。此外，经过汇总整理，发现在机构合作规模排名前20 的机构中，以上海交大为首共有5 家机构来自中国，占统计数量的25%，位居第一，可见自人工智能成为热点话题，中国的各大研究所以及各大学相较于其他国家而言更为及时地把握住了研究的大风向。

图4 机构合作网络图谱

3.国家合作网络

由图5 可知，因自身经济、政治等方面具有强大的实力保证而在国际活动中表现较为活跃的几大主要国家，其在人工智能和产业融合领域的合作也是相当密切的。就目前而言，在该领域已经形成了以美国为首、中国次之的主要发展格局，并以两大国为核心形成了复杂的合作网络关系，但就绝对数上来看，美国的文献数量还是遥遥领先的，我国在该领域仍有较长的一段路要走。此外，在以上列示的合作规模排名前20 的国家中，除中国、印度、伊朗以及土耳其外的其他16 个国家均为发达国家，占统计数量的80%，可见发达国家在人工智能和产业融合领域的重视程度要远高于发展中国家。

图5 国家合作网络图谱

（三）热点分析

1.关键词共现图谱分析

由图6 可知，以一组词语两两出现的频次作为二者亲疏关系的判断依据时，CiteSpace 计算得出的最终结果为，系统、设计、构成、模型、框架、结构、科技、自动化、算术、神经网络、性能、未来、网络、大数据、模拟等关键词是人工智能与产业融合领域中中介中心性较高的词语，尤其是系统一词，该关键词的中介中心度值高达0.75，承担着该领域发展过程的桥梁作用。通过汇总分类，可以划分为两类。第一类的核心关键词为网络化，其中包括系统、设计、构成、模型、框架、结构、神经网络、网络；第二类的核心关键词为技术化，其中包括科技、自动化、算术、模拟。由此可得，网络化与技术化是人工智能与产业融合领域发展的核心和关键，也是学者研究的重点内容。

图6 关键词共现图谱

2.关键词聚类图谱分析

图7 关键词聚类图谱

本研究利用CiteSpace 软件的关键词聚类功能，得到人工智能和产业融合领域的聚类类团共计70个，依次排除类团成员不足40、同质性指标不足0.7的类团后剩余8 个类团，择优选取前5 个类团的具体情况如下表列示。由表4 可知，5 个类团的同质性指标均大于0.7，表明类团间成员文献的相似程度较高，聚类效果较好；类团的文献出版平均年份普遍较早，早于引言中以CNKI 为平台汇总整理得出的人工智能研究话题成为研究热点的年份，可见，该领域在国际上的研究进程要早于本国研究进程。

表4 2001—2020 年人工智能与产业领域文献聚类结果

此外，依据LSI 聚类算法得到五类聚类结果。

第一类聚类结果涉及服务业以及软件信息业，此类行业与人工智能领域的结合能够加速科技的发展，从而为社会带来更大的利润收益。作为聚类中的第一大类，其排名说明了其与人工智能结合的深度和广度，从消费者主观感受上来说，服务业与人工智能的融合可谓随处可见，从餐厅中的机器人服务员、服装店的机器人导购员、管理家庭日常活动的智能家居机器人、从事物流并承担派送货物任务的校园机器人，人工智能与服务业的融合已经深入生活的吃穿住行等各个方面；从支持服务业与人工智能相融合的技术来看，软件信息业的发展为人工智能提供了很大的后备力量，两者在某种程度上存在着互相促进的关系，或者可以说，二者所涉及范围存在着一定程度的交叉。

第二类聚类结果主要为能源方面的研究，具体包括电能、风能等，从具体应用上来看，又可以分为能源储藏、智能电网、故障管理、油气勘探以及能源的消耗与耗费。在能源储存方面，人工智能的发展可以减少在能源储藏过程的人为损耗和人工管理成本，从而降低不必要的资金支出；在智能电网方面，通过对电能耗费的实时监管从而对重点的耗电量大的组织和企业进行控制，进而达到节约能耗的最终目的，以响应国家节能减排的政策号召；在故障管理方面，人工智能能够利用大数据对故障风险做出恰当及时的预警，从而在故障发生前及时止损，避免高额的故障修理费用的支出；在油气勘探方面，人工智能对高危工作环境下工作的替代可以降低以往由人工进行探测情况下的风险，这为新油田的发现提供了很好的技术支持，打破了原有的勘探缺陷；在能源的消耗方面，人工智能能够优化能源的耗费过程，从而降低消耗的数量，提升能源的利用效率。总体而言，人工智能与能源行业的融合能够降低成本和风险，提高收益和效率，促进行业的进一步发展。

第三类聚类结果侧重于发现医疗诊治技术以及提升企业的经营管理水平，在医疗诊治技术方面，国务院办公厅于2018 年印发的《关于促进“互联网+医疗健康”发展的意见》中表示了其对人工智能和医疗行业相融合研究的重视，人工智能医疗器械的出现为医疗诊治提供了很大的便利，一方面提升了医疗的诊治结果的准确性，另一方面又降低了患者进行检查的各项费用，其中最为典型的内容即人工智能在医疗影像上的应用，该应用的出现极大提升了医生对患者的诊治效率；在企业经营管理方面，商业应用是近年的热点词汇，具体可以体现为人工智能逐渐替代部分职员的工作，尤其是工作内容较为重复、机械、技术含量低的岗位，而智能管理能够为企业节省下一大笔原有的劳动力成本，从而提升企业的利润水平，让企业有能力将资金聚焦于核心业务的研究和开发。

第四类聚类结果重在深入机器人等实体的制造和控制方面的研究，目前的机器人研究技术在智能融合程度上正在加速深化，虽然在情感和外表上仍有很大的上升空间，但随着5G 技术的发展，其内核技术已经有了质的突破。在行动便利程度上，以阿尔法跳舞机器人为例，其肢体组成部分的灵活程度非常高，而在学习能力上，法国NAO 教育机器人则已经有了深入学习的能力并能够向外界表现其情绪状态。此外，受影视著作的影响，大众对该领域的发展也投入了较大的关注度，二者相融合的触角甚至已经触碰到了后期的道德法律和伦理的深度。

第五类聚类结果偏向于摩擦类传感器的研制和以优化人体感官为目标的产品技术的开发，通过研发能够对人体感受获得正确感知的传感器，根据传感器结果触发不同的机制，从而优化消费者的感受认知，如通过感知人体皮肤的湿度从而调整服装的干湿程度以保证皮肤的干湿状态保持在一个比较合理的波动区间。从总体上来看，产业融合的领域涉及范围偏向于高新技术产品制造，而传统的农业以及工业产业的融合研究文献数量较少，文献聚集情况较差，由此可看出，高新技术产业融合度高于传统行业融合度，传统行业领域受制于以前的感知能力导致实际积累下来的数据比较少是造成其融合度偏低的重要原因[3]。

3.爆发性探测分析

为保证探测数量的恰当性，本研究将探测难易程度γ 值设置为0.8 并将最短持续时间参数值设置为1，输出结果如图8 所示，由图8 可知，爆发性探测结果中，爆发持续时间最长的关键词为基因算法，持续时间长达10 年，直至近些年才逐渐淡出学术界；爆发强度最大的关键词为系统，这与关键词共现图谱得出的最终分析对象一致；而自动化、大数据、增强现实技术以及互联网变革创新等关键词开始爆发的时间虽然较迟，但预测其在未来几年将成为学术界前沿的研究热点，值得我们进一步探索。

图8 2001—2020 年人工智能与产业领域爆发性探测

（四）演化脉络

1.时间线图谱分析

由图9 可知，在聚类效果最好的前五类类团中，远程机器人控制领域的聚合效果最佳，其中又以持续性最强、跨度最大的网络连接算法为代表，而算法则是人工智能发展的核心技术；第二个聚类结果为智能销售，其中模拟算法再次于2002 年成为研究热点话题并持续至2020 年，两大聚类结果的相似性证明了算法的必要性和重要性，在人工智能关键技术领域，算法的缺陷是技术突破“卡脖子”型的难题，也是国际领域竞争的关键。

图9 2001—2020 年人工智能与产业领域时间线图谱

2.时区图谱分析

由图10 可知，人工智能与产业融合领域的关键词语自成为热点话题之后，其延续性普遍较好，绝大多数话题一直延续至2020 年，并大有继续延续下去的趋势，以融合关键词为例，作为本研究的核心关键词，其延续性跨越了近20 年，属于所有关键词中的佼佼者，可见其在未来很长一段时间内依旧会呈现较好的热点状态。尽管在主观认知中，人工智能是近年来才一跃成为热门话题，但根据时区图谱可以发现，几大重点核心的关键词在2001 年就已经出现并进入学者的研究范围，与未来20 年相比，2001年成为该领域的成果多产出年份。

图10 2001—2020 年人工智能与产业领域时区图谱

四、总结与展望

人工智能与产业融合的情况受产业所属类型、产业所在国等因素影响，总体分布情况为，发达国家产业融合度高于发展中国家融合度，高新技术产业融合度高于传统行业融合度。中国作为发展中大国，其融合度并未受全体国家平均状态的影响，大有跻身发达国家状态之势，但由于研究的起步时间较晚，与部分步伐较快的国家如美国和日本相比仍存在一定的差距，研究的系统化和成熟度还有待提升。

因此，为缩小中国与标杆国家之间的研究差距，可从以下几个方面予以改善：首先是人才保障方面，中国政府可积极引进人工智能与产业融合方面的高端人才和高端环境，同时派遣中国学者前往领域进展先进的几大发达国家学习最新的技术和理论知识以填补国内相应领域的不足；其次是技术创新方面，通过计算机“深度学习”为基础算法提供保障，作为历时弥久的热点话题，网络算法的不断优化是促使技术发展的核心所在；最后是经济支持方面，众多国家在发布的财政预算中都为人工智能研究项目预定了不小的数额，资金保障是人工智能技术进一步发展的基础，而人工智能与产业的恰当融合又能为实体和虚拟经济创造更大的价值，并以此形成经济方面的良性循环。