基于專利情報的人工智能技術(shù)創(chuàng)新聯(lián)合體識別及其結(jié)構(gòu)特征分析*

趙程程 丁佳豪 楊 萌

(上海工程技術(shù)大學(xué)管理學(xué)院 上海 201206)

0 引 言

人工智能(Artificial Intelligence,簡稱AI)是新一輪科技革命和產(chǎn)業(yè)變革的核心引擎。2017年,中國制定了《新一代人工智能發(fā)展規(guī)劃》,確立了“三步走”目標(biāo)。其中,企業(yè)是實現(xiàn)“2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平,占據(jù)國際人工智能科技制高點(diǎn)”這一目標(biāo)的關(guān)鍵創(chuàng)新主體。然而,隨著創(chuàng)新活動越來越復(fù)雜,創(chuàng)新活動由原來的“單打獨(dú)斗”向“多元主體深度協(xié)同”轉(zhuǎn)變[1]。跟蹤人工智能技術(shù)創(chuàng)新,僅關(guān)注某個或某類創(chuàng)新主體是無法揭示多元主體之間的深度協(xié)同關(guān)系。因此,創(chuàng)新主體之間的研發(fā)合作被視為提高科研效率的重要手段。其中,創(chuàng)新聯(lián)合體作為更深層次、更高效率的產(chǎn)學(xué)研深度融合組織,是研發(fā)合作的一種重要的表現(xiàn)形式[2]。識別人工智能技術(shù)創(chuàng)新聯(lián)合體,分析其結(jié)構(gòu)特征,對各地組建新一批高質(zhì)量的人工智能技術(shù)創(chuàng)新聯(lián)合體提供參考。

目前有關(guān)創(chuàng)新聯(lián)合體的理論研究主要圍繞創(chuàng)新績效、協(xié)同創(chuàng)新、知識轉(zhuǎn)移等主題。隨著研究內(nèi)涵不斷深入,創(chuàng)新聯(lián)合體的協(xié)同創(chuàng)新模式、聯(lián)盟穩(wěn)定性是持續(xù)關(guān)注熱點(diǎn)前沿[3]。然而,既有研究采用的方法大多是預(yù)先確定了創(chuàng)新聯(lián)盟聯(lián)合體的主體構(gòu)成,未能對其領(lǐng)軍企業(yè)和主體構(gòu)成進(jìn)行定量的識別與分析。同時,有關(guān)人工智能創(chuàng)新合作的研究大多從科研團(tuán)隊的視角,基于人工智能學(xué)科領(lǐng)域合著論文數(shù)據(jù)進(jìn)行建模,識別核心研發(fā)人員與領(lǐng)軍團(tuán)隊[4-6]。較少學(xué)者從創(chuàng)新組織研發(fā)合作的視角,識別人工智能領(lǐng)域強(qiáng)而有力的研發(fā)合作聯(lián)盟。

基于此,本研究基于對創(chuàng)新聯(lián)合體的內(nèi)涵解讀,設(shè)計一套創(chuàng)新聯(lián)合體定量識別體系,并將其運(yùn)用到人工智能領(lǐng)域;聚焦人工智能技術(shù)創(chuàng)新聯(lián)合體的主體識別與結(jié)構(gòu)特征,為跟蹤全球人工智能技術(shù)創(chuàng)新合作提供新的視角。具體包括兩個主要問題:一是如何基于大規(guī)模專利數(shù)據(jù)識別出人工智能技術(shù)創(chuàng)新聯(lián)合體?要回答這個問題,不僅需要解決機(jī)構(gòu)數(shù)據(jù)的規(guī)?；逑磫栴},而且需要通過試驗確定合適的人工智能技術(shù)創(chuàng)新聯(lián)合體的主體構(gòu)成;二是如何剖析人工智能技術(shù)創(chuàng)新聯(lián)合體結(jié)構(gòu)特征?本研究從網(wǎng)絡(luò)結(jié)構(gòu)和研發(fā)能力兩個維度,將人工智能技術(shù)創(chuàng)新聯(lián)合體進(jìn)行類別劃分;基于AI技術(shù)架構(gòu),通過解讀AI技術(shù)創(chuàng)新聯(lián)合體中各個創(chuàng)新主體的專利內(nèi)容,分析AI技術(shù)創(chuàng)新聯(lián)合體中不同技術(shù)類型企業(yè)構(gòu)成特征。

1 理論基礎(chǔ)

創(chuàng)新聯(lián)合體是由龍頭企業(yè)牽頭,高校院所支撐,政府產(chǎn)業(yè)政策引導(dǎo),以及大中小企業(yè)廣泛參與的聯(lián)合體[2]。后續(xù)學(xué)者通過與產(chǎn)學(xué)研合作、研發(fā)聯(lián)盟、研究聯(lián)合體的比較,對創(chuàng)新聯(lián)合體基本內(nèi)涵進(jìn)行了初步探討。

產(chǎn)學(xué)研合作作為重要的創(chuàng)新組織方式,常被應(yīng)用于科技成果孵化轉(zhuǎn)化,衍生出“雙螺旋”[7]、“三螺旋”[8]、“四螺旋”[9]等形態(tài)。盡管產(chǎn)學(xué)研合作能夠極大增加創(chuàng)新單元的知識儲備和技術(shù)實力,但該模式本質(zhì)上是官、學(xué)、研共同主導(dǎo)的技術(shù)牽引型研發(fā)模式,與企業(yè)為主導(dǎo)、基于用戶需求的市場導(dǎo)向型技術(shù)創(chuàng)新相背[10]。區(qū)別于產(chǎn)學(xué)研合作,創(chuàng)新聯(lián)合體更加強(qiáng)調(diào)龍頭企業(yè)作為核心主體的創(chuàng)新決策力和牽引力,多元主體協(xié)同推動關(guān)鍵領(lǐng)域的技術(shù)突破[11]。

企業(yè)研發(fā)聯(lián)盟是創(chuàng)新合作最早最直接的模式,有助于知識分享,降低成本,獲得更大的市場份額[12]。但一般的研發(fā)聯(lián)盟較為松散,對聯(lián)盟企業(yè)約束力有限,通常鎖定短期競爭項目,忽略對長期基礎(chǔ)性研發(fā)目標(biāo)的追求,項目的結(jié)束意味著研發(fā)聯(lián)盟關(guān)系的解除[13]。區(qū)別于研發(fā)聯(lián)盟,創(chuàng)新聯(lián)合體是龍頭企業(yè)聯(lián)合科研院所、高校和中小企業(yè),形成長期的、緊密的新型組織[14]。

研究聯(lián)合體是成員企業(yè)以共同注資方式,通過契約的形式分享研發(fā)成果,局限于大型企業(yè)間合作[15]。區(qū)別于研究聯(lián)合體,創(chuàng)新聯(lián)合體著眼于龍頭企業(yè)與其他創(chuàng)新主體(科研院所、高校和中小企業(yè))形成穩(wěn)定的合作關(guān)系,而非僅限定于企業(yè)之間的研發(fā)合作。

通過上述對比研究,本研究認(rèn)為創(chuàng)新聯(lián)合體是以龍頭企業(yè)或頭部企業(yè)為核心主體,與科研院所、高校和中小企業(yè)形成穩(wěn)定的研發(fā)合作關(guān)系,實現(xiàn)關(guān)鍵領(lǐng)域技術(shù)突破的新型組織模式。

2 研究設(shè)計

2.1 創(chuàng)新聯(lián)合體的識別流程

基于對創(chuàng)新聯(lián)合體內(nèi)涵的解讀,創(chuàng)新聯(lián)合體的識別流程包括:龍頭企業(yè)的識別;與龍頭企業(yè)形成穩(wěn)定研發(fā)合作關(guān)系的創(chuàng)新主體的識別。

a.龍頭企業(yè)的識別:創(chuàng)新聯(lián)合體中龍頭企業(yè)與其他創(chuàng)新主體研發(fā)合作頻繁,具有較高的網(wǎng)絡(luò)中心性。同時,創(chuàng)新聯(lián)合體中龍頭企業(yè)引領(lǐng)其他創(chuàng)新主體以實現(xiàn)關(guān)鍵技術(shù)突破為目的,因此龍頭企業(yè)具有較強(qiáng)的創(chuàng)新能力。

知識圖譜工具中“Spotlight”算法可以凸顯中介中心性高的節(jié)點(diǎn)及其關(guān)聯(lián)效果,常用于識別知識圖譜中關(guān)鍵路徑上的重要節(jié)點(diǎn)[16]。本文首先借助“Spotlight”算法,識別技術(shù)創(chuàng)新關(guān)鍵路徑上的創(chuàng)新主體(企業(yè)、高校和科研機(jī)構(gòu)),并從中揀選出專利數(shù)(Count值)大于均值的企業(yè),形成企業(yè)集Ki。其次,為了不遺漏專利較高的創(chuàng)新主體,因此從全樣本創(chuàng)新主體中揀選專利數(shù)較高的企業(yè),形成企業(yè)集Hi。最后,將上述企業(yè)集Ki、Hi進(jìn)行集團(tuán)化合并,形成“龍頭企業(yè)”。

b.與龍頭企業(yè)形成穩(wěn)定研發(fā)合作關(guān)系的創(chuàng)新主體的識別:知識圖譜工具中“Pennant Diagram”算法可以查看與某個節(jié)點(diǎn)相關(guān)聯(lián)的主體信息,形成合作關(guān)系二維圖,顯示出與此節(jié)點(diǎn)的強(qiáng)關(guān)聯(lián)主體、較強(qiáng)關(guān)聯(lián)主體、弱關(guān)聯(lián)主體[17]。本次研究通過“Pennant Diagram”算法,對上述“龍頭企業(yè)”的歷年強(qiáng)關(guān)聯(lián)和次強(qiáng)關(guān)聯(lián)主體進(jìn)行掃讀,析出出現(xiàn)頻次較高(出現(xiàn)兩次及以上)的創(chuàng)新主體。上述龍頭企業(yè)及其創(chuàng)新主體共同構(gòu)成了創(chuàng)新聯(lián)合體。

2.2 創(chuàng)新聯(lián)合體的結(jié)構(gòu)特征分析流程

創(chuàng)新聯(lián)合體的結(jié)構(gòu)特征分析包括創(chuàng)新聯(lián)合體類別劃分和技術(shù)結(jié)構(gòu)分析。

b.創(chuàng)新聯(lián)合體的技術(shù)結(jié)構(gòu)分析:通過解讀創(chuàng)新聯(lián)合體中各個創(chuàng)新主體的專利內(nèi)容,根據(jù)技術(shù)研發(fā)側(cè)重領(lǐng)域的不同,將其劃分為掌握專業(yè)性技術(shù)的專精型企業(yè)或掌握通用性技術(shù)的泛領(lǐng)域型企業(yè)[18]。以AI技術(shù)創(chuàng)新聯(lián)合體為例,具體流程如下:首先,依據(jù)人工智能技術(shù)架構(gòu),通過多輪專家訪談,解讀AI技術(shù)創(chuàng)新聯(lián)合體各個創(chuàng)新主體的每條專利內(nèi)容,標(biāo)識出各個創(chuàng)新主體在基礎(chǔ)層、技術(shù)層、應(yīng)用層的專利數(shù)。然后,根據(jù)各個層級專利數(shù)占比,對AI技術(shù)創(chuàng)新聯(lián)合體中各個創(chuàng)新主體進(jìn)行類型劃分。若某一層級專利數(shù)占比≥50%,則認(rèn)定為某一領(lǐng)域的專精型企業(yè);若各個層級專利數(shù)占比較為均衡,則認(rèn)定為泛領(lǐng)域型企業(yè)?；诖?可以分析出AI技術(shù)創(chuàng)新聯(lián)合體由不同技術(shù)類型企業(yè)組合的特征。

2.3 數(shù)據(jù)來源與數(shù)據(jù)清洗

本次研究使用的專利來源于德溫特創(chuàng)新專利引文索引數(shù)據(jù)庫(Derwent Innovations Index,DII)。該數(shù)據(jù)庫收錄了自1963年以來全球40多個專利機(jī)構(gòu)的大量專利文獻(xiàn),并且是全球科技情報和情報機(jī)構(gòu)的權(quán)威數(shù)據(jù)來源。

檢索策略是根據(jù)中國專利保護(hù)協(xié)會發(fā)布的《人工智能技術(shù)專利深度分析報告》[19]中列舉的人工智能的主要技術(shù)關(guān)鍵詞以及張振剛等人(2018)[20]的檢索方法,從而重新構(gòu)造檢索式為TS=(“artificial intelligen*” or “AI” or “Depth learning” or “Basic algorithm ”or “Natural language processing” or “Smart search” or “Speech Recognition” or “Computer vision” or “Gesture control” or “Smart recommendation” or “smart robot” or “Video recognition” or “Voice translation” or “Automatic drive” or “Image Recognition” or “Machine learning”),在德溫特創(chuàng)新專利引文索引數(shù)據(jù)庫進(jìn)行主題檢索,時間2017-2022,檢索出108263條記錄。檢索日期2022年4月15日。

本次研究聚焦專利權(quán)人,同一個創(chuàng)新機(jī)構(gòu)會有多種專利權(quán)人的表述形式。因此,在進(jìn)行專利數(shù)據(jù)挖掘與分析之前需要對專利權(quán)數(shù)據(jù)進(jìn)行清洗、合并、消歧。在已有研究與實踐基礎(chǔ)上,制定專利權(quán)人清洗流程與規(guī)則如下。

采用迭代式積累方法設(shè)計清洗規(guī)則并進(jìn)行消歧[21]。具體為:第一,機(jī)構(gòu)名稱前后順序不同,實際上是同一家機(jī)構(gòu),譬如“Donghua Univ”和“Univ Donghua”是同一家機(jī)構(gòu);第二,同一機(jī)構(gòu)或集團(tuán)下屬的不同實驗室或機(jī)構(gòu),合并到同一個機(jī)構(gòu)或集團(tuán)。例如以百度為例,根據(jù)“BIDU-C”識別出“BAIDU ONLINE NETWORK TECHNOLOGY BEIJING”、“BAIDU ON-LINE NETWORK TECHNOLOGY CO LTD”、“BAIDU USA LLC”均隸屬于百度,將其統(tǒng)一標(biāo)識。第三,同一機(jī)構(gòu)既有縮寫名,也有全名,則將所有類型的縮略名統(tǒng)一為該機(jī)構(gòu)的全程。例如“Beijing Univ Aeronaut & Astronaut”和“Beihang Univ”統(tǒng)一稱為“Beihang Univ”。

根據(jù)上述清洗流程和規(guī)則下,在CiteSpace 5.8 R3環(huán)境下進(jìn)行數(shù)據(jù)清洗,形成“citespace.alias”文件。

3 人工智能技術(shù)創(chuàng)新聯(lián)合體識別與結(jié)構(gòu)特征分析

由于CiteSpace 5.8.R3無法進(jìn)行Drewent專利數(shù)據(jù)轉(zhuǎn)換,所以筆者依次以2017-2022年AI相關(guān)專利為數(shù)據(jù)源,借助CiteSpace 5.5將專利數(shù)據(jù)轉(zhuǎn)換為可識別的WoS數(shù)據(jù)格式,在CiteSpace 5.8.R3上進(jìn)行統(tǒng)計分析和可視化處理。節(jié)點(diǎn)類型選擇“Institution”,主題詞來源選擇“title(標(biāo)題)”“abstract(摘要)”“author keywords(作者關(guān)鍵詞)”和“keywords(關(guān)鍵詞)”,設(shè)置g-index的k=25,選擇關(guān)鍵路徑pathfinder,得到2017-2022年歷年AI技術(shù)創(chuàng)新網(wǎng)絡(luò)圖譜。

3.1 人工智能技術(shù)創(chuàng)新聯(lián)合體識別

3.1.1龍頭企業(yè)識別

表1 AI龍頭企業(yè)列表

在地區(qū)分布上,美國AI龍頭企業(yè)22家,中國20家,日本11家,德國3家,韓國3家,愛爾蘭、荷蘭、瑞典各1家。專利數(shù)量上,美國數(shù)量領(lǐng)先,中國緊追其后,日本與德國、韓國等位列第二梯隊。

3.1.2研發(fā)合作關(guān)系分析

同樣,借助Citespace中的“Pennant Diagram算法”,依次繪制出62名龍頭企業(yè)2017—2022年歷年的研發(fā)合作關(guān)系二維圖,識別出歷年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體[17]。以騰訊集團(tuán)為例,2017年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體有京東方、大立光電股份有限公司、南京郵電大學(xué)、重慶大學(xué)、東南大學(xué)、上海斐訊數(shù)據(jù)、阿里巴巴、杭州電子科技大學(xué)、貝寶、北京工業(yè)大學(xué)、思愛普、聯(lián)想、谷歌;2018年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體有哈爾濱拓博科技有限公司、合肥工業(yè)大學(xué)、北京交通大學(xué)、京東;2019年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體有中山大學(xué)、清華大學(xué)、電子科技大學(xué)、華為、昆明理工大學(xué)、同濟(jì)大學(xué)、航天信息股份有限公司、平安科技、中南大學(xué)、平安科技、福州大學(xué)、成都啟英泰倫;2020年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體有中國科學(xué)院地理科學(xué)與資源研究所、北京金山、中興、泰康保險集團(tuán)、西安交通大學(xué)、阿里巴巴、華為、百度;2021年強(qiáng)關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)主體有武漢大學(xué)、平安科技、中國工商銀行、南京信息工程大學(xué) 。2022年數(shù)據(jù)有限無法形成顯著的研發(fā)合作關(guān)系二維圖。

通過對上述62家龍頭企業(yè)的2017—2021歷年研發(fā)合作關(guān)系分析,從中揀選出現(xiàn)頻次較高(出現(xiàn)兩次及以上)的創(chuàng)新主體,構(gòu)成13組創(chuàng)新聯(lián)合體。其中,中國8組,美國3組,韓國2組(見表2)。

表2 各地區(qū)AI龍頭企業(yè)與AI技術(shù)創(chuàng)新聯(lián)合體數(shù)量比較

3.2 人工智能技術(shù)創(chuàng)新聯(lián)合體結(jié)構(gòu)特征分析

3.2.1類別劃分

圖1 AI技術(shù)創(chuàng)新聯(lián)合體“中心性-專利數(shù)”劃分

3.2.2技術(shù)結(jié)構(gòu)分析

根據(jù)中國信通院發(fā)布《人工智能發(fā)展白皮書—技術(shù)架構(gòu)篇(2018年)》中對AI技術(shù)架構(gòu)的解讀,AI技術(shù)可分為基礎(chǔ)層、技術(shù)層、應(yīng)用層[22]。其中,基礎(chǔ)層是人工智能的核心,即計算能力和持續(xù)的數(shù)據(jù)流;技術(shù)層的核心主要在于特征提取、模式與算法選擇;應(yīng)用層是某一算法、模型、技術(shù)在特定場景的應(yīng)用。

依據(jù)前述關(guān)于AI技術(shù)創(chuàng)新聯(lián)合體的技術(shù)結(jié)構(gòu)流程,基于此,課題組通過多輪專家訪談,解讀AI技術(shù)創(chuàng)新聯(lián)合體各個創(chuàng)新主體的專利數(shù)據(jù)內(nèi)容,標(biāo)識出每個創(chuàng)新主體在基礎(chǔ)層、技術(shù)層、應(yīng)用層的專利數(shù)。其中,Ai、Bi、Ci分別表示第i個創(chuàng)新主體在基礎(chǔ)層、技術(shù)層、應(yīng)用層的專利數(shù)。根據(jù)各個層級專利數(shù)占比,對創(chuàng)新主體劃分為專精型或泛領(lǐng)域型。若某一層級專利數(shù)占比≥50%,則認(rèn)定為某一領(lǐng)域的專精型企業(yè);若各個層級專利數(shù)占比較為均衡,則認(rèn)定為泛領(lǐng)域型企業(yè)?！案咧行男浴邔＠麛?shù)”、“高中心性—低專利數(shù)”、“低中心性—高專利數(shù)”、“低中心性—低專利數(shù)”四類AI技術(shù)創(chuàng)新聯(lián)合體的技術(shù)結(jié)構(gòu)如表3～表6所示。

表3 “高中心性—高專利數(shù)” AI技術(shù)創(chuàng)新聯(lián)合體技術(shù)結(jié)構(gòu)分析

表4 “高中心性—低專利數(shù)”AI技術(shù)創(chuàng)新聯(lián)合體技術(shù)結(jié)構(gòu)分析

表5 “低中心性—高專利數(shù)”AI技術(shù)創(chuàng)新聯(lián)合體技術(shù)結(jié)構(gòu)分析

表6 “低中心性—低專利數(shù)”AI技術(shù)創(chuàng)新聯(lián)合體技術(shù)結(jié)構(gòu)分析

4 討論與總結(jié)

本研究基于對創(chuàng)新聯(lián)合體的內(nèi)涵解讀,設(shè)計一套創(chuàng)新聯(lián)合體定量識別體系,將其運(yùn)用到人工智能領(lǐng)域,識別出13組AI技術(shù)創(chuàng)新聯(lián)合體,并對其結(jié)構(gòu)特征進(jìn)行分析,總結(jié)出以下三點(diǎn)特征。

a.中、韓AI技術(shù)創(chuàng)新聯(lián)合體多為本土企業(yè)之間協(xié)同創(chuàng)新,中美國企業(yè)研發(fā)合作從蜜月期漸入冰封期。中、韓兩國AI技術(shù)創(chuàng)新聯(lián)合體多為本土創(chuàng)新主體之間的創(chuàng)新合作,缺乏跨區(qū)域的聯(lián)合創(chuàng)新。中國龍頭企業(yè)偏好與本土ICT巨頭、專精型企業(yè)聯(lián)合創(chuàng)新。中國AI創(chuàng)新聯(lián)合體多為“PBATH”(平安科技、百度、阿里巴巴、騰訊、華為)之間強(qiáng)強(qiáng)聯(lián)手,聚焦AI各個層面技術(shù)領(lǐng)域的縱橫布局。其中,騰訊表現(xiàn)最為活躍,是平安科技、百度、華為、阿里巴巴的“硬核伙伴”。同時,“PBATH”企業(yè)攜手專精型企業(yè),開拓AI應(yīng)用端場景。例如,京東憑借數(shù)據(jù)資源和場景優(yōu)勢,攜手金山軟件,著力于提升京東云算力。中國南方電網(wǎng)積極與微軟、安恒信息等信息企業(yè),信息創(chuàng)新研究院等科研院所,展開新型電力系統(tǒng)方面的技術(shù)合作,打造全球首個電力人工智能計算平臺,推動AI賦能數(shù)字電網(wǎng)化轉(zhuǎn)型。

相比中國,韓國AI技術(shù)創(chuàng)新聯(lián)合體的構(gòu)成較為單一,多為LG與三星之間技術(shù)合作。在自然語言處理領(lǐng)域,韓國的三星,電信研究院和LG專利申請量位居世界前列;在智能語音領(lǐng)域,韓國的三星和LG的專利申請量也處于領(lǐng)先地位。

在美國政府對華企業(yè)正式采取技術(shù)封鎖之前,AMD、高通、NVIDIA和IBM在內(nèi)的美國大型科技公司偏好與中國企業(yè)開展各類科研活動,包括設(shè)立研發(fā)實驗室和研發(fā)項目等。2020年起美國對華科技封鎖不斷升級惡化,重創(chuàng)了中美企業(yè)長久以來采用的研發(fā)合作關(guān)系。在對美國AI龍頭企業(yè)的研發(fā)合作關(guān)系分析發(fā)現(xiàn),2020年起中美企業(yè)間的研發(fā)合作從蜜月期進(jìn)入冰封期。

b.中、韓AI技術(shù)創(chuàng)新聯(lián)合體多為ICT巨頭之間的強(qiáng)強(qiáng)聯(lián)合,美國AI巨頭偏好與初創(chuàng)型企業(yè)聯(lián)合研發(fā)。中國AI技術(shù)創(chuàng)新聯(lián)合體大多為ICT巨頭“PBATH”(平安科技、百度、阿里巴巴、騰訊、華為)之間的強(qiáng)強(qiáng)聯(lián)手。韓國AI技術(shù)創(chuàng)新聯(lián)合體多為三星電子、LG、韓國電信公司、韓國電子通信研究院的互聯(lián)互助。美國AI巨頭選擇研發(fā)合作伙伴從倚重高年限企業(yè),逐漸青睞具有創(chuàng)新潛力的初創(chuàng)企業(yè)。以谷歌為例,盡管專利合作規(guī)模不斷擴(kuò)張,但谷歌的研發(fā)合作企業(yè)數(shù)量減少,合作頻率提升;在研發(fā)合作伙伴上,谷歌逐步選擇具有全球品牌價值的黃金企業(yè)以獲取先進(jìn)資源與知識,瞄準(zhǔn)初創(chuàng)企業(yè)的創(chuàng)新優(yōu)勢,結(jié)合其創(chuàng)新力展開研發(fā)合作[23]。

c.國際AI研發(fā)合作頻次降低,各國形成研發(fā)合作的“小圈子”。國際AI研發(fā)合作頻次降低,呈現(xiàn)出逆全球化的特征。在對2017-2022年AI龍頭企業(yè)的研發(fā)合作關(guān)系的計量發(fā)現(xiàn),自2019年起Facebook、蘋果、通用、亞馬遜、微軟、DELL、Adobe、Salesforce等美國企業(yè)與中國創(chuàng)新主體研發(fā)合作頻次逐年降低。特別是,掌握基礎(chǔ)層技術(shù)的IBM、Intel、NVIDIA與中國企業(yè)的研發(fā)關(guān)系不再顯著。

韓國本土創(chuàng)新主體之間形成了AI研發(fā)合作的“小圈子”。三星電子、LG、韓國國防科學(xué)研究所、韓國電子通訊研究院、韓國科學(xué)技術(shù)院之間構(gòu)建強(qiáng)有力的研發(fā)合作聯(lián)盟。相比與美國等西方國家的AI合作,韓國三星電子、LG偏好與中國的華為科技展開智能芯片領(lǐng)域的研發(fā)合作。但是,需要引起注意的是,2022年韓國判讀全球半導(dǎo)體供應(yīng)鏈重構(gòu)動向,相比中國大陸巨大的市場吸引,為了獲得美國、日本的技術(shù)和設(shè)備,韓國政府將會加入以美主導(dǎo)的AI聯(lián)盟[24]。中韓AI 技術(shù)研發(fā)合作關(guān)系或?qū)⒚媾R新的考驗。

本研究在創(chuàng)新聯(lián)合體識別與結(jié)構(gòu)特征分析方面進(jìn)行了有意義的探索,尚存在一定的不足。一方面,基于知識圖譜的Spotlight算法和Pennant Diagram算法對AI技術(shù)領(lǐng)域內(nèi)的龍頭企業(yè)和強(qiáng)(次強(qiáng))關(guān)聯(lián)主體的識別具有較好的效果,但并不能識別所有的AI技術(shù)創(chuàng)新聯(lián)合體,如一些規(guī)模較小且缺少技術(shù)領(lǐng)域頭部企業(yè)的創(chuàng)新聯(lián)合體;另一方面,在研究數(shù)據(jù)上,還需要進(jìn)一步擴(kuò)大研究樣本,融合多源數(shù)據(jù),以驗證研究結(jié)果的普適性。