劉 娜，宋文娟，毛薦其，魏延輝

(1.山東工商學(xué)院 工商管理學(xué)院，山東 煙臺 264005；2.煤炭產(chǎn)業(yè)發(fā)展與創(chuàng)新研究基地，山東 煙臺 264005)

一、引言

新一輪科技革命和產(chǎn)業(yè)變革蓬勃興起，科學(xué)探索加速演進，學(xué)科交叉融合更加緊密，一些基本科學(xué)問題孕育重大突破。世界主要國家普遍加強對基礎(chǔ)研究的重視，全球科技競爭也不斷向基礎(chǔ)研究轉(zhuǎn)移[1]。國家重視基礎(chǔ)研究的目的是為了研究發(fā)現(xiàn)被商業(yè)化，加快技術(shù)創(chuàng)新，但前提是這些研究發(fā)現(xiàn)能夠被企業(yè)識別并采用，否則那些很少或者根本沒有受到關(guān)注的科學(xué)發(fā)現(xiàn)不太可能被轉(zhuǎn)化為新技術(shù)[2]?？茖W(xué)知識商業(yè)化應(yīng)用是指科學(xué)發(fā)現(xiàn)從學(xué)術(shù)科學(xué)家到將其商業(yè)開發(fā)的人們的轉(zhuǎn)移[3]?？茖W(xué)知識商業(yè)化可以使學(xué)術(shù)科學(xué)家產(chǎn)生的科學(xué)知識不再被“束之高閣”，能夠發(fā)揮科學(xué)知識的經(jīng)濟價值；同時也能給企業(yè)提供創(chuàng)新思想，獲得核心競爭力?？茖W(xué)研究的商業(yè)化應(yīng)用存在著以下幾種途徑：科學(xué)家利用自己的科學(xué)研究進行學(xué)術(shù)創(chuàng)業(yè)；企業(yè)雇傭科學(xué)家作為員工；企業(yè)參考科學(xué)家出版物或?qū)＠萚4]。

如何實現(xiàn)和加快科學(xué)知識商業(yè)化已成為企業(yè)甚至是各個國家的重要目標(biāo)。Michaёl Bikard和Matt Marx[5]利用報告相同發(fā)現(xiàn)的科學(xué)論文證明了學(xué)術(shù)研究機構(gòu)和工業(yè)研發(fā)機構(gòu)的不同地理分布似乎造成了學(xué)術(shù)科學(xué)轉(zhuǎn)移的“摩擦”，阻礙了科學(xué)知識商業(yè)化；Matt Marx和David H.Hsu[6]針對初創(chuàng)企業(yè)作為科學(xué)知識商業(yè)化的中介，揭示了以前的合作者包括明星系列企業(yè)家或者跨越更多學(xué)科的科學(xué)團隊更有可能通過初創(chuàng)公司將自己的發(fā)現(xiàn)商業(yè)化；Aaron Fuegi等人[7]探索了發(fā)明家和科學(xué)家如何尋找可商業(yè)化的基礎(chǔ)科學(xué)，以及大學(xué)發(fā)明被公司利用的過程，研究結(jié)果發(fā)現(xiàn)發(fā)明主要發(fā)生在兩個截然不同但有些重疊的領(lǐng)域：“開放科學(xué)”的實踐主要發(fā)生在學(xué)術(shù)界；而商業(yè)領(lǐng)域則可以獲得暫時的壟斷，只能利用專利對科學(xué)論文的引用進行探索，深入研究仍存在挑戰(zhàn)。

由于科學(xué)知識的復(fù)雜性或隱蔽性，知識的轉(zhuǎn)移成本足夠高，而且知識體現(xiàn)在與特定地點相關(guān)的特定個人身上。特別是在新興的研究和創(chuàng)新領(lǐng)域，知識庫的關(guān)鍵部分只能在該領(lǐng)域的關(guān)鍵科學(xué)家的“頭腦”中找到[8]。只有當(dāng)這些個人與更大的群體分享他們的知識時，關(guān)鍵的科學(xué)知識才有可能被識別采用。除此之外，企業(yè)有限的精力和時間使得企業(yè)的注意力并不能均勻分布，他們會有效地將注意力分配到最有價值的科學(xué)發(fā)現(xiàn)上。在學(xué)術(shù)界存在著這樣一種情況：一小部分學(xué)術(shù)科學(xué)家卻占據(jù)著相關(guān)領(lǐng)域的絕大部分科學(xué)發(fā)現(xiàn)，并對創(chuàng)新績效影響巨大。Zucker和Darby等人[9]在研究中，統(tǒng)計生物科技領(lǐng)域到1990年有超過40個基因序列發(fā)現(xiàn)或更多報道基因序列發(fā)現(xiàn)的文章的科學(xué)家，發(fā)現(xiàn)這些科學(xué)家只占到1990年在GenBank中列出的所有科學(xué)家的0.8%，但占已發(fā)表文章的17.3%，明星科學(xué)家第一次被使用。隨后的研究對明星科學(xué)家的認(rèn)定取決于對杰出研究業(yè)績的基本定義，即是指那些科研成果卓著、在學(xué)術(shù)界享有較高知名度并且社會資本較為豐富的頂級科學(xué)家，他們對行業(yè)技術(shù)進步發(fā)揮著重要影響[10]。Hohberger[11]調(diào)查了明星科學(xué)家對后續(xù)發(fā)明價值的影響程度，他發(fā)現(xiàn)根據(jù)明星科學(xué)家的想法能夠創(chuàng)造一項更成功的發(fā)明，揭示了明星科學(xué)家在知識積累中的重要性；Kehoe和Tzabbar科學(xué)家[12]探討了明星企業(yè)科學(xué)家對企業(yè)組織創(chuàng)新績效的影響，強調(diào)了明星企業(yè)科學(xué)家對公司業(yè)績影響的二重性，雖然明星企業(yè)科學(xué)家對公司的生產(chǎn)率有積極的影響，但他們的存在會限制組織中其他創(chuàng)新領(lǐng)導(dǎo)者的出現(xiàn)。明星科學(xué)家在創(chuàng)新網(wǎng)絡(luò)不同位置所承擔(dān)的角色也有不同，對知識流動的作用也不同，Schiffauerova與Beaudry[13]研究了明星科學(xué)家明星在網(wǎng)絡(luò)結(jié)構(gòu)中的位置，結(jié)果表明擁有較多專利的發(fā)明人在網(wǎng)絡(luò)中占據(jù)著更核心的地位，他們擁有更多的合作者，更容易獲得信息，也更能控制網(wǎng)絡(luò)中的知識流動，對知識轉(zhuǎn)移起著重要的作用。

現(xiàn)有研究多對科學(xué)知識商業(yè)化應(yīng)用的影響因素進行探討，然而，學(xué)術(shù)界基礎(chǔ)研究及應(yīng)用研究成果的商業(yè)化應(yīng)用如何，企業(yè)界應(yīng)用性技術(shù)研發(fā)活動對學(xué)術(shù)界科技發(fā)現(xiàn)有多大程度的繼承和吸收？即科技創(chuàng)新的知識流向問題在國內(nèi)還未充分探索。因此，本文以新興人工智能領(lǐng)域為例，嘗試對以下問題進行研究，以求在國家重視基礎(chǔ)研究的戰(zhàn)略中，為科學(xué)成果轉(zhuǎn)化及技術(shù)研發(fā)活動提供建設(shè)性意見：(1)以明星科學(xué)家為代表，探索學(xué)術(shù)界科技知識流向；(2)以從事人工智能研發(fā)的企業(yè)為對象，探索企業(yè)技術(shù)知識來源；(3)學(xué)術(shù)界科技知識多大程度上流向了企業(yè)，企業(yè)的技術(shù)知識多大程度來自于學(xué)術(shù)界？

二、人工智能科技創(chuàng)新以及知識流向模型

新興人工智能是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué),是涉及計算機科學(xué)、信息科學(xué)、系統(tǒng)科學(xué)、控制論、語言學(xué)、認(rèn)知科學(xué)等多學(xué)科的綜合性技術(shù)學(xué)科,最早由McCarthy于1956年提出[14]。作為21世紀(jì)三大尖端技術(shù)之一，人工智能已被廣泛應(yīng)用于教育、醫(yī)療、國防、生產(chǎn)工業(yè)、生活娛樂等領(lǐng)域，對人工智能領(lǐng)域的科學(xué)商業(yè)化的探索研究是在新一輪技術(shù)革命中占據(jù)優(yōu)勢地位的必要條件,也為推動科技進步和社會發(fā)展提供助力。鑒于此，本文將新興人工智能領(lǐng)域作為樣本數(shù)據(jù)，考察中國在人工智能領(lǐng)域科技創(chuàng)新的知識流向。

科技創(chuàng)新知識流動是指知識在相關(guān)創(chuàng)新主體之間轉(zhuǎn)移、交換和共享的作用過程，主要分為知識溢出、知識共享、知識轉(zhuǎn)移和知識擴散四種形式[15]。知識流動的互動機制主要分為四種，第一種為創(chuàng)新企業(yè)之間的相互合作和交流，通過研發(fā)、營銷等業(yè)務(wù)行為進行有形資源和無形資源的共享，主要包括戰(zhàn)略聯(lián)盟、外包和研發(fā)合作，除此之外通過技術(shù)轉(zhuǎn)讓、新設(shè)備的應(yīng)用也會使得知識在產(chǎn)業(yè)內(nèi)部得以流動[16]；第二種為高校、科研院所以及公共部門之間的協(xié)作和交流，通過聯(lián)合研究、聯(lián)合申請專利以及聯(lián)合出版等其他非正式的聯(lián)系來影響知識的流向，這就會促使學(xué)術(shù)界內(nèi)部知識的流動；第三種為創(chuàng)新企業(yè)與科研院所、公共部門之間進行協(xié)作或知識交流，產(chǎn)學(xué)研的合作方式會加快基礎(chǔ)研究向應(yīng)用技術(shù)的轉(zhuǎn)移，從而學(xué)術(shù)界的基礎(chǔ)研究會向創(chuàng)新企業(yè)[17-18]；第四種是人員的流動，主要是科學(xué)家在公共或私有組織內(nèi)部的流動，從而會促進知識在系統(tǒng)內(nèi)的流動和擴散[18-19]。

由于技術(shù)突破變現(xiàn)的如此頻繁，只有優(yōu)秀的科學(xué)參與者才能為技術(shù)軌跡提供指導(dǎo)[20]，科學(xué)家從事基礎(chǔ)科學(xué)研究，科學(xué)突破是由特定的個人創(chuàng)造的，體現(xiàn)在特定的個人身上，并在特定的組織和地點進行商業(yè)化應(yīng)用。最優(yōu)秀的科學(xué)家(明星科學(xué)家)影響科學(xué)傳播的速度及其商業(yè)化應(yīng)用的時間、地點和成敗[9]。從理論上講，從事人工智能科學(xué)研究的中國科學(xué)家產(chǎn)生的基礎(chǔ)研究成果存在四種流向：中國AI學(xué)術(shù)界、國外AI學(xué)術(shù)界、中國AI企業(yè)及國外AI企業(yè)。其中，從中國AI學(xué)術(shù)界流向AI企業(yè)，代表了基礎(chǔ)成果的商業(yè)化應(yīng)用。Arora等人[21]研究發(fā)現(xiàn)公司內(nèi)部對于基礎(chǔ)研究的資助正在減少，而是依靠學(xué)術(shù)界的科學(xué)發(fā)現(xiàn)，尤其是在生物制藥領(lǐng)域。科學(xué)知識商業(yè)化是企業(yè)主體為進行技術(shù)創(chuàng)新并提高企業(yè)核心競爭力開展的對基礎(chǔ)研究產(chǎn)生的科學(xué)知識的識別、吸收整合的過程，其目的在于獲取企業(yè)能夠進行應(yīng)用研究的科學(xué)發(fā)現(xiàn)，進而研發(fā)新的技術(shù)和產(chǎn)品。從事人工智能技術(shù)研發(fā)的中國企業(yè)產(chǎn)生應(yīng)用性研究成果，滿足社會生產(chǎn)的實際需求。理論上，我們將中國AI企業(yè)的技術(shù)知識來源劃分為：國外AI學(xué)術(shù)界、中國AI學(xué)術(shù)界、中國AI企業(yè)、國外AI企業(yè)(見圖1)。

圖1 人工智能科技創(chuàng)新知識流向概念模型

三、數(shù)據(jù)來源

我們用中國科學(xué)家在人工智能領(lǐng)域的產(chǎn)出論文表征基礎(chǔ)科學(xué)知識，將其施引文獻作為科學(xué)知識的流向。為了獲取數(shù)據(jù)的方便性，我們選擇中國在人工智能領(lǐng)域的明星科學(xué)家作為研究對象。明星科學(xué)家的篩選方法有多種。一部分文獻按照科學(xué)家的基礎(chǔ)研究成果界定明星科學(xué)家，最早由Hess和Rothaermel[22]把文章發(fā)表和引用數(shù)量超過同行平均水平3個標(biāo)準(zhǔn)差的科學(xué)家定義為明星科學(xué)家；Tzabbar和Kehoe[12, 23]分別根據(jù)科學(xué)家的專利得分是否超過同領(lǐng)域的一個或兩個標(biāo)準(zhǔn)差確定明星科學(xué)家。還有一部分文獻按照社會知名度和社會資本界定明星科學(xué)家，例如Higgins、Stephan等人[24]將諾貝爾獲獎?wù)咦鳛槊餍强茖W(xué)家。本研究采取基礎(chǔ)研究成果選取明星科學(xué)家。

Liu和Shapira[25]給出了追蹤新興人工智能的文獻計量定義，被證明能夠查全查準(zhǔn)地捕獲人工智能論文和專利數(shù)據(jù)。我們使用Liu和Shapira[25]的文獻檢索式，在web of science中下載了1990—2020年中國人工智能的論文數(shù)據(jù)，共計129 478篇。然后，對作者信息進行徹底清洗和識別，分別按照發(fā)表數(shù)量和被引頻次進行排序取其交集，獲得top15的科學(xué)家(如表1)。我們下載了15位明星科學(xué)家的施引文獻，并通過DOI分類號進行去重，共獲得75 473篇施引文獻。我們使用Liu和Shapira[25]的專利檢索式，從Patentsight數(shù)據(jù)庫下載中國發(fā)明人獲得的專利，清洗后，獲得136 520專利家族。我們對中國發(fā)明人的專利數(shù)據(jù)進行分析，識別15位明星科學(xué)家所擁有的專利及他們的技術(shù)知識流向、中國企業(yè)所擁有的專利以及它們的技術(shù)知識來源。

表1 明星科學(xué)家及其研究領(lǐng)域

續(xù)表1 明星科學(xué)家及其研究領(lǐng)域

四、數(shù)據(jù)分析

(一)明星科學(xué)家的科學(xué)知識及其流向

圖2向我們展示了明星科學(xué)家的論文數(shù)量以及其施引文獻數(shù)量的時間演化分布，說明了明星科學(xué)家科學(xué)知識產(chǎn)出及其隨時間的擴散?？梢姡餍强茖W(xué)家科學(xué)知識的發(fā)生了巨大流動，從2005年開始持續(xù)增長；2010年之后，呈現(xiàn)出顯著增長。

通過對明星科學(xué)家的施引文獻進行機構(gòu)識別，探析明星科學(xué)家的科學(xué)知識流向目的地。我們將施引機構(gòu)分為高校、研究院所和企業(yè)。明星科學(xué)家的施引文獻約有80%屬于高校，16%屬于研究院所，而企業(yè)僅擁有4%的施引文獻。這說明明星科學(xué)家的絕大部分科學(xué)知識還是被高校和研究院所用于基礎(chǔ)研究，流向企業(yè)的科學(xué)知識很少，由于基礎(chǔ)研究所產(chǎn)生的科學(xué)知識本身具有隱晦性、抽象性和難以編碼的特點以及受到企業(yè)自身知識吸收能力的限制，使得此類流向較為稀少，但基礎(chǔ)研究產(chǎn)生的科學(xué)知識流向企業(yè)可以幫助其在長期內(nèi)推動技術(shù)升級和突破。

圖2 明星科學(xué)家論文數(shù)量及施引文獻數(shù)量年度演變

我們進一步將明星科學(xué)家科學(xué)知識的流向進行了更細(xì)致的區(qū)分，表2展示了明星科學(xué)家施引文獻的國內(nèi)外對比。根據(jù)表2結(jié)果得出，明星科學(xué)家科學(xué)知識流向國內(nèi)高校(57.26%)多于流向國外高校(42.74%)，流向國內(nèi)研究院所(60.45%)多于國外研究院所(39.55%)，流向國內(nèi)企業(yè)(47.7%)少于流向國外企業(yè)(52.28%)。因此，雖然由于地理、制度等鄰近性以及知識根植性的原因，中國的明星科學(xué)家科學(xué)知識的流向以國內(nèi)為主，但已有相當(dāng)部分的科學(xué)知識流向了國外機構(gòu)，這說明中國明星科學(xué)家科學(xué)知識影響范圍是廣泛的。

表2 明星科學(xué)家施引機構(gòu)國內(nèi)外對比

為了確認(rèn)明星科學(xué)家的科學(xué)知識流向的最主要機構(gòu)，我們對明星科學(xué)家施引機構(gòu)進行排序，獲得了明星科學(xué)家科學(xué)知識最頻繁引用前10個機構(gòu)，如表3。可知，前10個最頻繁引用機構(gòu)均為國內(nèi)高校和研究院所。中國科學(xué)院是所有機構(gòu)中最頻繁的引用者，其引用明星科學(xué)家科學(xué)知識的頻次為4 099，占比2.61%。西安電子科技大學(xué)、武漢大學(xué)、哈爾濱工業(yè)大學(xué)對明星科學(xué)家的引用頻次占比均在1%以上。其中，中國科學(xué)院、西安電子科技大學(xué)、武漢大學(xué)、西北工業(yè)大學(xué)均為明星科學(xué)家所在的機構(gòu)，四個機構(gòu)對明星科學(xué)家科學(xué)知識的引用頻次占比為5.26%，由此可見明星科學(xué)家科學(xué)知識轉(zhuǎn)移時，所在機構(gòu)作為知識接收方存在一定的優(yōu)勢，不論是在地理上還是在知識的理解程度上，會優(yōu)于其他組織機構(gòu)。

表3 明星科學(xué)家最頻繁的引用機構(gòu)

(二)明星科學(xué)家的技術(shù)知識及其流向

通過在專利數(shù)據(jù)集中根據(jù)current owners、inventors、applicant name的查找與匹配，我們從中國人工智能專利數(shù)據(jù)集共收集到15位明星科學(xué)家專利數(shù)據(jù)共計756個專利家族，專利總施引為2 436個專利。類似于明星科學(xué)家科學(xué)知識分析，我們以同樣的維度分析明星科學(xué)家所擁有的技術(shù)知識及流向。圖3提供了明星科學(xué)家施引專利的年度分布。從整體上看，專利施引數(shù)量并不像論文施引數(shù)量平穩(wěn)增加，而呈現(xiàn)明顯的波動。因此，明星科學(xué)家主要從事科學(xué)研究，技術(shù)發(fā)明及其影響不太顯著，科學(xué)知識的產(chǎn)生是面向公眾，為公共服務(wù)而創(chuàng)造，但是技術(shù)發(fā)明往往具有較強的私有性會在一定程度上阻礙知識的流動。

我們同樣對明星科學(xué)家專利的施引機構(gòu)進行了分析。明星科學(xué)家專利施引機構(gòu)分布中，高校仍然占據(jù)第一位，占比62%，科研院所占比6%。與論文施引機構(gòu)分布不同的是，企業(yè)成為明星科學(xué)家專利施引機構(gòu)的第二位，占比32%。因此，明星科學(xué)家的技術(shù)知識流向雖然以高校為主，但在一定比例上流向了企業(yè)?；A(chǔ)研究和應(yīng)用研究最大的不同在于其“應(yīng)用性”，即接近商業(yè)化和市場化的程度，企業(yè)為了在短期內(nèi)提高生產(chǎn)效率，會更加傾向獲取明星科學(xué)家的技術(shù)知識。

圖3 明星科學(xué)家專利被引年度演化

表4中是明星科學(xué)家專利施引機構(gòu)國內(nèi)外對比?？梢姡鄬τ诿餍强茖W(xué)家的科學(xué)知識流向，明星科學(xué)家的技術(shù)知識流向范圍受到國家邊界的限制程度很大。中國的明星科學(xué)家的技術(shù)知識絕大多數(shù)流向了國內(nèi)的大學(xué)(99.7%)、研究院所(96.6%)和企業(yè)(88.2%)，只有極少數(shù)的明星科學(xué)家技術(shù)知識流向了國外的大學(xué)(0.03%)、研究院所(0.35%)和企業(yè)(11.8%)。

表4 明星科學(xué)家專利施引國內(nèi)外對比

表5提供了對明星科學(xué)家技術(shù)知識引用最頻繁的10個機構(gòu)，其中排在第一位的是西安電子科技大學(xué)，占比11.1%，中國科學(xué)院緊隨其后，占比3.11%，值得關(guān)注的是國家電網(wǎng)作為唯一一家企業(yè)進入最頻繁引用前10機構(gòu)的行列。明星科學(xué)家技術(shù)知識與科學(xué)知識的最頻繁引用者存在著重疊機構(gòu)，如中國科學(xué)院、西安電子科技大學(xué)、武漢大學(xué)、清華大學(xué)、西北工業(yè)大學(xué)、哈爾濱工業(yè)大學(xué)，在最頻繁引用機構(gòu)中，其中包括西安電子科技大學(xué)、中國科學(xué)院、武漢大學(xué)、西北工業(yè)大學(xué)，有接近一半的機構(gòu)是明星科學(xué)家所在機構(gòu)，說明明星科學(xué)家知識流動的主力方向是自己所在的機構(gòu)。

(三)中國企業(yè)的技術(shù)知識及來源

圖4顯示了中國發(fā)明人的人工智能專利申請的年度演化分布，可以看出人工智能專利的申請數(shù)量在2010年之前增長緩慢，2015年之后呈現(xiàn)飛速增長。從2015開始，人工智能專利申請的年度占比增加迅速，由2016年的10%上升至2017年的16%左右，2017年至2018年增長更為顯著，2018年人工智能專利申請已經(jīng)超越了全部年份的25%。2019年專利申請量的略微下降是由于專利從提交申請到發(fā)布的時間滯后性。

表5 明星科學(xué)家技術(shù)知識最頻繁的引用機構(gòu)

表6 企業(yè)專利知識來源機構(gòu)分布

為了進一步了解中國人工智能企業(yè)技術(shù)知識的來源，我們對中國企業(yè)專利的后向引用，共計138 481頻次進行了機構(gòu)識別。如表6展示，在中國人工智能企業(yè)知識來源中有68.4%歸屬于企業(yè)，19.8%的專利技術(shù)來源是高校，研究院所的貢獻在企業(yè)技術(shù)知識來源中占比0.36%，另外還有0.72%的專利是屬于個人。

表7向我們展示了專利擁有量以及技術(shù)知識來源機構(gòu)的Top15。對比可知，百度、中國科學(xué)院、騰訊、阿里巴巴、國家電網(wǎng)、清華大學(xué)、浙江大學(xué)不僅是人工智能專利擁有量表現(xiàn)突出的組織機構(gòu)，也是中國企業(yè)人工智能專利技術(shù)知識的主要來源機構(gòu)。清華大學(xué)、北京大學(xué)、浙江大學(xué)三所高校在為中國企業(yè)提供人工智能技術(shù)知識中表現(xiàn)出顯著作用；除此之外，我們觀察到不僅中國的組織機構(gòu)是中國企業(yè)的人工智能專利技術(shù)知識的來源，國外企業(yè)如微軟、IBM、三星、谷歌也是中國企業(yè)人工智能專利技術(shù)智能的主要來源，這體現(xiàn)了知識模型中全球產(chǎn)業(yè)知識流向中國企業(yè)，主要是通過企業(yè)間的研發(fā)合作、戰(zhàn)略聯(lián)盟等形式得以實現(xiàn)。

為了更加直觀地了解技術(shù)知識的流動情況，我們分別選擇中國人工智能專利擁有top150的企業(yè)和技術(shù)知識來源top150的機構(gòu)，借助Gephi構(gòu)建了有向加權(quán)網(wǎng)，并進行了可視化，如圖5所示。圖中較為突出的高校及研究院所有中國科學(xué)院、清華大學(xué)和浙江大學(xué)，突出的企業(yè)節(jié)點有百度、阿里巴巴、騰訊和華為等企業(yè)，其中，百度居于網(wǎng)絡(luò)中心位置，不僅與企業(yè)間存在較多的連接關(guān)系，還與中國高校與研究院所間聯(lián)系頻繁。

圖4 中國發(fā)明人人工智能專利(申請)年度演化分布

表7 人工智能專利機構(gòu)Top15及知識來源機構(gòu)Top15

根據(jù)節(jié)點及邊的顏色可以得出技術(shù)知識的流動方向，根據(jù)邊的粗細(xì)程度可以得到技術(shù)知識流量的多少。首先，在圖中我們觀察到技術(shù)知識的流動多是從企業(yè)流向企業(yè)，且流量較大，所以中國企業(yè)人工智能技術(shù)知識的主要來源仍然是企業(yè)；其次，僅有少數(shù)企業(yè)與高校及研究院所間存在技術(shù)知識的流動，且除中科院外，流量較??；可以發(fā)現(xiàn)只有百度、騰訊、華為、阿里巴巴、平安保險等少數(shù)企業(yè)將高校作為技術(shù)知識的來源，其中百度將多所高校作為其技術(shù)知識的來源。相比于高校，將研究院所作為技術(shù)知識的來源的企業(yè)相對多，且個別流向較大。在技術(shù)知識流動中，企業(yè)更加注重的是從同領(lǐng)域的企業(yè)中獲取相關(guān)的技術(shù)知識，高校和研究院所并不是企業(yè)的首選，但是在人工智能領(lǐng)域較為突出的企業(yè)中，如百度、騰訊等均存在從高校及研究院所中獲取技術(shù)知識的行為，這也體現(xiàn)了基礎(chǔ)研究在人工智能技術(shù)創(chuàng)新中的重要作用。

五、研究結(jié)論

本文從學(xué)術(shù)界及企業(yè)界之間知識流動的角度出發(fā)，通過回答學(xué)術(shù)界科技知識去了哪里，企業(yè)技術(shù)知識來源于哪里，學(xué)術(shù)界科技知識有多少流向了企業(yè)以及企業(yè)技術(shù)知識有多少來源于學(xué)術(shù)界三個問題，試圖探明中國人工智能科技創(chuàng)新的知識流向。通過引文數(shù)據(jù)、引文網(wǎng)絡(luò)分析總結(jié)得到一下結(jié)論：

第一，明星科學(xué)家科學(xué)知識有80%是流向了高等院校，其中57.26%流向國內(nèi)高校，42.74%流向國外高校，16%的科學(xué)知識流向了研究院所，僅有4%流向了企業(yè)，而且流向國內(nèi)企業(yè)的科學(xué)知識少于流向國外企業(yè)，明星科學(xué)家論文的最頻繁引用者均為國內(nèi)高校和研究院所。根據(jù)科學(xué)知識與的流動和擴散分析，明星科學(xué)家知識的商業(yè)化應(yīng)用程度較低，企業(yè)對于基礎(chǔ)性知識的重視程度遠(yuǎn)遠(yuǎn)不夠，產(chǎn)業(yè)界與學(xué)術(shù)界之間存在較強的壁壘。本文認(rèn)為可以加強基礎(chǔ)環(huán)境和制度文化環(huán)境建設(shè)，組建產(chǎn)學(xué)研知識聯(lián)盟、加強企業(yè)知識管理、人才流動等方式促進創(chuàng)新體系知識流動。

圖5 人工智能專利引用網(wǎng)

第二，在明星科學(xué)家技術(shù)知識的流動分布中，62%的施引機構(gòu)仍是高校，企業(yè)以32%的比重排在第二位，其中接近90%的施引是由國內(nèi)企業(yè)實施，相對于基礎(chǔ)研究我國企業(yè)更加注重應(yīng)用型研究；我國人工智能技術(shù)的創(chuàng)新呈現(xiàn)產(chǎn)學(xué)研導(dǎo)向的模式，主要的創(chuàng)新機構(gòu)是高校、研究院所及企業(yè)并存，但是在機構(gòu)數(shù)量上，以企業(yè)領(lǐng)先；在專利技術(shù)知識的流動中，多是由企業(yè)流向企業(yè)，流量相對較大，而由大學(xué)和研究院所流向企業(yè)的相對較少且流量較少，中國人工智能企業(yè)的技術(shù)知識來源主力均為企業(yè)。企業(yè)之間的研發(fā)合作、戰(zhàn)略聯(lián)盟等形式會有效地促進了產(chǎn)業(yè)間知識流動，可以通過進一步發(fā)展產(chǎn)業(yè)集群來加強企業(yè)間的技術(shù)知識流動。

由于企業(yè)內(nèi)部對于基礎(chǔ)科學(xué)研究的投入越來越少，企業(yè)會通過高校及研究院所等渠道獲得補償，并且世界各國越來越重視基礎(chǔ)研究。人工智能技術(shù)能夠得以迅速的發(fā)展也離不開科學(xué)家扎實的基礎(chǔ)研究，但是要想大幅度的跨越科學(xué)與技術(shù)之間的“鴻溝”，實現(xiàn)人工智能技術(shù)從“不能用、不好用”到“可以用”的技術(shù)突破更需要的是科學(xué)知識更多地流向企業(yè)。科學(xué)、技術(shù)與商業(yè)多重聯(lián)動的生態(tài)體系會對知識流動網(wǎng)絡(luò)的形成產(chǎn)生重要作用，通過加強產(chǎn)學(xué)研的深度合作、企業(yè)間的業(yè)內(nèi)競爭和價值鏈互補促進人工智能科技創(chuàng)新的知識流動。本文的貢獻在于：我們構(gòu)建了科技創(chuàng)新知識流向的概念模型，從理論上理清了創(chuàng)新過程中科技知識的來龍去脈，把明星科學(xué)家整體作為知識流動的重要一方，既可以避免傳統(tǒng)知識主體的籠統(tǒng)，又可以觀察到相關(guān)領(lǐng)域知識流動的重要信息，使得知識流動的主體具有代表性和具體性；對知識流動的方向進行了詳細(xì)的解剖，對知識流動方向的分析不再是國別之間的差別，更加具體地分析了知識流動的機構(gòu)差異。

本文也存在不足：本文僅依靠單一基礎(chǔ)研究成果指標(biāo)進行了明星科學(xué)家的篩選，篩選標(biāo)準(zhǔn)的不同可能對知識流動的分析存在影響，為了更加細(xì)分知識流動情況，未來可以考慮更換其他篩選標(biāo)準(zhǔn)，進行結(jié)果對比；分析了明星科學(xué)家與企業(yè)之間知識流動的情況，難免會讓人更加好奇影響兩者之間知識流動的關(guān)鍵因素有哪些，未來研究可以進一步探究。