人工智能技术特点与创新模式研究

陶永亮，高金莎

(1.之江实验室 智能社会治理研究中心；2.浙江省经信智慧城市规划研究院，浙江 杭州 310000)

0 引言

近年来，世界主要国家纷纷加大对人工智能技术发展的投入，以抢占人工智能领域的领先地位。推动人工智能技术的快速健康发展，既离不开对其发展所需的软硬环境支持，也需要寻求匹配其创新规律的创新模式。人工智能作为一种新型技术，孕育了新的生产要素和生产流程，使得传统的生产函数底层逻辑出现变化，也使得传统创新模式难以为继。面对人工智能技术发展，企业、大学、科研院所等各类创新主体联合政府部门纷纷开始探寻新的创新模式，通过探索多视角聚焦、多学科协同、多层次攻关的创新体系，从而构建集基础研究、技术研发、产业化于一体，科学家、技术人员以及创业者共同参与的有机协作创新模式。

在此背景下，会聚技术的提出和广阔发展前景引起了理论界和实践界的共同关注，重大科学技术的创新不再依赖于单一技术和单一组织，各领域技术之间的交叉融合会产生强大动力。此后，在会聚技术的基础上，衍生出了会聚科学、会聚研究、会聚观等一系列概念，开始强调学科融合、跨界合作、协同共享的新一代技术发展模式。在人工智能技术创新发展与传统模式不完全适配的情境下，本文基于“会聚”系列相关研究，凝练提出了会聚创新这一创新模式，以期为高效化利用人工智能技术创新要素、协同整合人工智能技术创新主体、最大化激发人工智能技术创新动力提供路径与方案。

1 人工智能技术及其发展特点

1.1 人工智能概念内涵

人工智能(Artificial Intelligence，AI)的学术概念正式诞生于1956年在达特茅斯召开的人工智能研讨会，约翰·麦卡锡提出：人工智能就是要让机器的行为像人所表现的智能行为一样。随着人工智能技术的不断发展，其定义内涵也逐渐丰富充实，学者们将其界定为一门学科、一种科学工程、一种技术能力等。尽管理解各有所异，但人工智能的定义可以被归纳为类人思考、类人行为、理性思考和理性行为四大类[1]，因此其可以被认为是利用计算机或计算机所控制的机器以模拟、延伸和扩展人的智能，进而感知环境、获取且利用知识的理论、方法、技术和应用系统。

根据人工智能在类人能力上的成熟程度，其被分为弱人工智能和强人工智能。前者并不具备自主意识，只是实现特定功能的专用智能；而后者则指具备知觉和思维的真正类人智能机器。目前人工智能技术的发展仍停留在弱人工智能范畴，强人工智能更多是一种未来畅想。

1.2 人工智能技术的发展特点

人工智能技术发展进入创新活跃期，理论、模型、算法、数据都迎来快速迭代阶段，与此同时，人工智能技术的密集成熟也使其孕育出一些新趋势，体现出一些新特点。

(1)技术跃迁快。新技术的出现，促使创新速度进一步加快，多学科动态交叉与技术群发式突破高度耦合，复杂程度远超以往。在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，绝大部分的人、设备、信息等都将置于广域的网络环境中，这为人工智能技术的创新、实践的发展奠定了扎实的基础，推动人工智能技术以空前的速度取得创新进展。此外，云计算、区块链、物联网、多媒体等其他类型技术的持续突破也为其提供了一定动力。

(2)转化链条短。并行开发方式加快创新进程，在人工智能领域，从科学发现到生产应用的时间较传统行业显著缩短，新产品从构思、设计、试制到商业性投产，在19世纪大约经历70年，在20世纪2次世界大战之间则缩短为40年，到现在只需2～3年甚至更短时间。有别于一般技术，人工智能技术的很多基础性研究在中间成果阶段就申请了专利甚至迅速转化为产品，而产品落地应用的同时，新一阶段的技术迭代也同时开始，科学发现到生产应用几乎同时进行。

(3)产业渗透强。人工智能研究既有理论层面的研究探索，即寻找新规律、新范式或新框架，又要解决具体问题，实现技术路径上的突破、工艺设备的设计以及新产品的研发，未来人工智能技术的价值将不断在新的应用场景中得以体现。如在交通出行领域，自动驾驶行业已呈现出整体布局、多元配置、多角度切入的格局；在金融科技领域，人类交易员正在大量被机器算法所取代，包括银行、保险、证券等在内的整个金融行业，都加大力度用人工智能改进现有流程，提高业务效率[2]； 在智慧医疗领域，人工智能已在不同医疗场景体现了巨大的应用价值，目前人工智能技术已经渗透到了影像分析、智能问诊、健康监测等不同医疗环节。

(4)复杂程度高。在学科知识上，人工智能是一门综合性、交叉性学科，需要多学科之间的深度融合与合作，以突破单一学科的科学知识限制，实现在不同学科之间的转换，且形成一套通用的概念和术语体系。在技术领域上，人工智能研究汇聚了深度学习、算法研究、芯片制造、图像识别、自然语言处理、语音识别、推荐系统、搜索引擎等在内的多个研发领域，以及技术、经济、法律、伦理等多个方面；在发展主体上，人工智能技术参与主体更为多元，对人才素质要求更高，底层数据要素的流动模糊了基础研究和应用研究的边界，要求多元创新主体进行跨产业、跨组织和跨区域的技术重组和互补创新发展[3]；在开放需求上，人工智能技术跃迁快、创新周期短的背后离不开源源不断的数据涌入和算法更新的支撑，因此也对各主体的开源开放提出了更高要求。

2 典型创新模式回顾及其不足

熊彼特创新理论将创新定义为生产要素和生产条件的新组合，且被视为是刺激经济增长的核心动力，随之而来，技术发展动力也已然由传统要素驱动转为创新要素驱动。回顾创新模式的演进，其主要经历了离散到集成、封闭到开放、无序到协同的转变，然而人工智能这一颠覆性新技术的出现使得传统创新模式难以充分适应其新的发展特征和创新需求，暴露出了不足之处。

2.1 集成创新

集成创新源于Marco Iansiti所提出的技术集成(Technology Integration)，被认为是产品导向下，将不同领域、不同阶段中各创新主体的创新要素集成融合的过程，其强调创新要素的系统性和关联性。集成创新包括战略集成、知识集成和组织集成三大维度：其中战略集成包括技术创新与企业创新环境、现有经营战略和市场技术方向的集成；知识集成是将显性和隐性的知识从个体传递到小组，最终形成企业整体知识库，使知识的流动不受人为等级制度限制；组织集成是落实战略和知识集成的关键，做到跨职能、充分沟通、协商合作，以保证企业内外部之间的交流协调[4]。

集成创新可分为概念开发、研究、整合和开发四阶段，研究发现其更关注创新的中后期发展，即成果的形成和市场化应用[4]。正如集成创新不限于技术层面，其产出不仅包括实体化的产品或服务，也可能是概念、方法、组织制度等方面的复杂结合。

2.2 开放式创新

“开放式创新”由Chesbrough于2003年正式提出，被认为是企业突破组织边界，聚焦内外部创新资源整合，从而提高企业创新能力的一种模式[5]。相较于市场主体内部完成创新活动的封闭式创新，开放式创新强调创新活动的主体多元性和资源丰富性，其认为创新主体首先要与外部组织开放合作，以获取互补性创新资源，并有效整合资源以提高创新效率[6]，其次要通过交流合作进行系统性的知识探索、整理和开发利用，并将内部创新向外传播[7]。

根据技术、知识等无形资源和产品和设备等有形资源相对于组织边界的流向，开放式创新可分为内向开放式创新和外向开放式创新[8]，创新组织模式也相对应地分为3种。内向创新组织模式主要发生在研发阶段，强调创新资源由外向内流动，突破组织边界实现技术共享和优势互补，如研发合约、技术购买、外包等。外向创新组织模式主要发生在成果转化阶段，强调成果的由内向外，如股权投资、技术许可等。而双向创新组织模式主要发生在研发与创新成果转化过程中，内向和外向两种创新方式并存，如收购、兼并、设立合资公司和网络组织等。

2.3 协同创新

协同创新最早被定义为“自我激励的人员构成网络小组，并设定集体愿景，通过小组网络交流信息、工作，合作实现共同目标”，陈劲等[9]将其定义为“企业、政府、研究机构等创新主体为实现创新而开展的大跨度整合的一种创新组织模式，强调创新要素和资源的整合流动所带来的叠加效应”。

协同创新具有两大特点，一是创新的整体性，认为创新是要素资源的有机结合而非简单相加；二是动态性，认为创新是不断动态变化的。根据现有研究，实现协同创新的路径包括产学研协同平台、创新战略联盟、产学研合作中介服务机构、同主体多区域协同、跨区域多主体协同等[10]。

2.4 典型创新模式的不足

单一产出导向无法满足各创新主体的共生需求。以集成创新和协同创新为代表的创新模式过多注重产品导向，其创新的使命目标自然趋向于经济价值，从而导致忽略了创新系统中多元利益相关者的价值诉求，以及各创新主体之间的均衡式发展。人工智能技术创新涉及多类主体，其创新场域是公共的，除却产学研主体外，还有政府和用户主体等，这也导致其创新产出应该是混合型，不应仅强调经济效率和经济价值，而是朝着综合价值和共享价值前进。

集成创新和协同创新均侧重于以某创新主体为核心，其他主体提供创新要素支撑该创新主体开展活动，即创新主体立足自身水平将要素“合”起来，最终的创新产出多属于该创新主体且以其为评价主体，无法从根本上消除创新孤岛现象[11]。即使是开放式创新也存在一定开放局限，复杂的组织形式和人力管理使其很难解决创新主体地域分离的问题，导致隐性知识传播范围受限，制约了创新的广度[12]。

忽略战略全局观无法满足人工智能快速迭代的创新需求。现有创新模式较多立足于局部思维，缺少战略愿景、战略设计和执行的引领和推动，一昧追求纵、横向资源要素的整合，或是侧重于从具体的创新行为、方法或环节进行创新实现，一方面易导致开放过度、核心能力不足等问题的发生，另一方面，其最终产出的创新成果只是组织计划下的单方面改进提升，并非是自然生发的共同创新[13]。但人工智能技术作为一种迭代速度较快的技术，其需要整体观、系统观的思维范式以着眼重大创新，超越局部、横向、静态的创新模式，以战略引领、全面协同、动态发展的创新模式以保障技术持续快速迭代。

3 会聚技术的兴起及其创新特征

纵观人类科技史，科技的每一次重大进步，都离不开科技创新方法论及创新模式的变革。与传统的创新模式相比，会聚创新的独特之处在于将不同专业、不同领域的主体集聚到一个机构内部，改变了以往科学家负责“发现”、工程师负责“发明”、企业家负责“产业化”的分散格局。

3.1 概念内涵

会聚技术(Converging Technologies)的提出为会聚创新奠定了基础。2001年，“会聚技术”的概念被正式提出，泛指纳米技术、生物技术、信息技术以及认知科学四类技术(NBIC)的协同融合。此后，欧盟、日本、以色列、加拿大等发达国家均展开了相应的会聚技术规划，会聚技术也向其他科技领域延伸，成为普适性概念。2014年美国国家研究理事会(NRC)指出，会聚是通过跨学科界限以解决问题的方法，将生命科学、物理学、数学、计算科学乃至其他领域的学科知识、工具方法和思维方式结合为一个综合框架，以应对多领域交汇下的科学问题和挑战[14]。

基于会聚技术，会聚创新也被认为是融合不同学科的理论、技术和研究方法的过程，是知识体系聚合裂变、综合创新的过程，能极大地拓展人类创新活动的范围和深度。其既包括解决一系列科研问题的相关专业知识的会聚，也包括形成合作伙伴关系网络，这个合作网络提供对相关科学研究的支持并能够使研究成果不断转化为新的创新形式和创新产品。

3.2 实践探索

以人工智能技术为核心的新一轮科技革命风起云涌，对于各个国家、地区以及产业主体而言，构建高效率组织变得至关重要。围绕如何构建高效率的科研组织这一重大命题，国内外开展了广泛而深入的探索。

从全球范围看，美国、英国和欧洲等国家和地区从基金、项目、学科等多个方面支持科研组织开展新一轮探索。如美国国家科学基金会(NSF)的会聚项目和“大学主导”重大挑战计划，将资金和资源投入到多学科会聚融合的科学和工程领域，以推进与行业、私人基金以及其他联邦机构的合作。英国国家科研与创新署(UKRI)的全球挑战研究基金、跨组织主题和计划以及欧盟的“地平线2020”计划均倡导加强对科研人员和科研机构在多学科研究上的资助力度。纵观英美等主要国家的探索，可以发现其多是在公众科研组织或大学牵头下进行的新研究生态探索，且呈现出利益主体形态多样、资金来源多方合力、研究基础多学科支撑等特点。如欧洲微电子研究中心(IMEC)，定位于微电子技术、纳米技术以及信息系统设计的前沿领域研发，其理事会成员来自政府、产业界和当地高校，各占1/3。IMEC借助当地政府、国际企业和比利时企业的研究收入以及欧洲委员会和欧洲航天局的项目经费，通过全球化研究模式，开展产业联合项目研究、高校联合基础研究、企业双边应用开发研究以及参与部分政府项目。

从国内看，2016年起，《国家创新驱动发展战略纲要》《“十三五”国家科技创新规划》以及2018年政府工作报告，均提出要全面推进新型研发机构建设。此后，浙江、江苏、上海、广东等多个省市地方政府相继探索新型研发机构建设，涌现出之江实验室、张江实验室、鹏城实验室等多个高水平创新载体。在国内，大型研究机构建设离不开政府的牵头引导和政策保障，但同时也呈现出投资主体多元化、运行机制市场化、跨学科研究常态化、用人机制灵活化等特点。如浙江省重点打造的之江实验室，定位于人工智能和网络信息两大主要研究领域，以及智能感知、智能计算、智能网络、智能系统四大主攻方向。通过有效整合政府、浙江大学、阿里巴巴集团的多元资源投入，充分发挥多家利益主体在科研、人才、平台和设施等方面的优势，采用多元化的项目发现机制和大兵团协作的项目实施机制，在不到5年的时间里，就在智能计算关键核心技术领域取得一批重大成果。

3.3 创新特征

基于对“会聚”概念的理论探讨和科研组织对会聚方法的实践探索，虽然目前对会聚创新范式还没有形成统一的认识，但是我们已经可以观察到这一创新模式所具有的的一些鲜明特征。

(1)专业学科知识会聚。专业学科知识会聚强调原本相对独立的学科(知识)体系进行高水平和深层次的交叉融合和相互作用。事实上，早在20世纪初，交叉学科便被广泛应用于实验室和重大项目中，彼时的交叉学科更多是基于“问题驱动”，但专业学科知识会聚在此基础上有进一步的拓展，其是由“战略愿景”所驱动，是在战略目标和规划愿景的导向下，于复杂情境中形成系统框架的学科知识概念和话语体系。在这一框架下，底层知识单元组合形成宏大的有机整体。因此会聚创新下，新的学科知识体系实现了集成和内在统一，消除了学科本位意识，打破了学科间边界壁垒，促进了自然科学、社会科学、人文科学、计算科学、工程技术科学等全科学领域的衔接、渗透和互融。这并非是单纯的加和性质，而是非线性的相互作用，最终形成单一学科无法带来的乘数效应及溢出效应。

(2)利益相关者会聚。从参与主体角度而言，会聚创新本质上离不开联合创新，因此其不仅需要多个学科专业知识的会聚，也需要来自多个学科领域的研究者，来自政府、产业、金融等各界的合作者，乃至社会公众的思想碰撞者，通过统筹整合利益相关者的资源力量，建立起合作关系网络和利益共同体。会聚创新是跨学科的，同时也是跨行业的，因此利益相关者会聚的特征不仅是技术创新的内在要求，也是产学政三螺旋模式的外在表现，在促进重大基础原理问题解决的同时，也要加速会聚创新成果的转化应用，最后发挥技术创新的社会价值。

(3)资源会聚。从载体角度而言，会聚创新强调各参与主体之间的平台型合作机制，破除时空限制，在人力、财力、设备、数据、信息、空间土地等创新要素和物质资源上实现自由流动和充分交互。一般而言，创新主体很难通过自身提供长期稳定创新所需的全部资源，需要建立多元化的资源支撑体系，集中广泛利益主体的智慧和资源。因此作为投入密集型的会聚创新往往会打造开放共享的资源平台，打破条块和部门分割界限，以跨国界、跨地区、跨部门、跨学科的资源共享机制支撑大科学工程背景下的技术创新。

4 以会聚创新驱动人工智能发展

4.1 打破学科壁垒，推进学科会聚生态系统

会聚创新下人工智能技术的发展需要融合计算机科学、数学、认知科学、信息论等众多学科领域的知识、工具和思维，构建一个全面综合的学科框架，从而应对多领域交叉下的科学和社会问题。一是要以核心学科会聚为先行。核心学科承担着知识沟通的功能，强大的核心学科基础有利于推动学科群内不同知识的有效整合，从而带动跨学科群的发展。二是要渐进式推进学科会聚。专业学科知识的会聚是渐进式的，基于核心-次核心-其他的时序过程逐步会聚。基于核心学科，将知识邻近性强、工具方法相通性高的学科会聚，进而逐步扩展至其他知识领域的学科。三是要加快学科交叉造峰。专业学科知识会聚是基础，后续要形成互联共通的学科网络，在合作网络中促进战略性新兴学科知识涌现，培育新的学科知识增长点，充分发挥学科会聚的溢出效应和乘数效应，以新知识推动新前沿。

4.2 瞄准重大挑战问题，树立会聚创新战略目标

人工智能技术会聚创新由具体、复杂、待解决的问题所驱动，其所关注的问题既要立足于当下，也要面向未来，站在区域社会的同时也要面向全球人类。一是要面向重点深度科学问题。新一代人工智能技术的发展应聚焦重大科学前沿问题，开展跨学科的探索性研究，建立新一代人工智能基础理论体系，超前布局人工智能创新方向，提出原创理论，作出原创发现。 二是要聚焦国家技术战略重点。人工智能技术会聚创新要遵循国家创新战略和重大挑战计划指导，且最终要朝着抢占国家创新图谱制高点的方向前进。三是要面向急迫社会需求。人工智能技术会聚创新要面向政府、经济、社会组织发展中面临的问题、人民群众息息相关的社会问题，凝练出亟待解决、具有实践价值、需要长期关注的问题，以驱动人工智能创新。

4.3 深化体制机制改革，构建会聚创新制度

通过人工智能技术发展相关研究机构和研究领域的会聚试点，探索制定会聚创新模式下，人工智能技术创新的自主政策、综合评价、人才培育等体制机制经验。一是完善科研项目管理。确定人工智能技术相关会聚项目的具体特征、评审标准、评审程序和运行模式，建立协同投入管理、综合评价的机制，从而促进不同专业学科背景的利益相关者之间的高效合作。二是人工智能会聚型人才培育。会聚创新需要培育多学科知识基础的复合型人才，形成“人工智能+X”的新培养模式，因此需要积极推进人才培育模式改革。在人工智能会聚型人才的培养目标上，强调超学科思维和能力；在培养体系上，强调挑战创新，从学科导向转为战略问题导向；在评价标准上，建立跨领域、跨部门的人才考核和晋升制度。