通過文本挖掘方法，運用CiteSpace、Ucinet和(hé / huò)專利地(dì / de)圖等可視化工具，從發展政策、文獻計量和(hé / huò)專利挖掘三個(gè)維度對全球人(rén)工智能産業核心技術領域的(de)國(guó)際競争态勢進行分析。研究發現，綜合政策、文獻和(hé / huò)專利數量來(lái)看，美國(guó)綜合實力依舊全球第一(yī / yì ／yí)，中國(guó)異軍突起，發展迅猛；從國(guó)家間合作網絡圖來(lái)看，我國(guó)已與美國(guó)、日本、英國(guó)等國(guó)家開展了(le／liǎo)相關合作研究，但是(shì)研究機構之(zhī)間的(de)合作密度較低；基于(yú)研究熱點、專利地(dì / de)圖和(hé / huò)專利權人(rén)信息來(lái)看，我國(guó)在(zài)人(rén)工智能産業核心技術領域的(de)專利申請量已躍居全球第一(yī / yì ／yí)；不(bù)僅在(zài)底層技術理論研究方面實現了(le／liǎo)一(yī / yì ／yí)定的(de)突破，在(zài)技術應用層面也(yě)擁有一(yī / yì ／yí)定的(de)競争優勢，技術研發與應用主要(yào / yāo)分布在(zài)自然語言處理、智能芯片、計算機視覺、自主無人(rén)系統和(hé / huò)群體智能技術等方向。最後，通過對比分析爲(wéi / wèi)“十四五”時(shí)期我國(guó)人(rén)工智能産業核心技術的(de)創新發展提供相關政策建議。
技術推動産業變革，新一(yī / yì ／yí)代人(rén)工智能的(de)發展關系到(dào)我國(guó)能否抓住新一(yī / yì ／yí)輪科技革命和(hé / huò)産業變革的(de)重要(yào / yāo)機遇。新産業技術研發與應用對創新驅動具有一(yī / yì ／yí)定的(de)引領和(hé / huò)支撐作用，因此，我國(guó)明确提出(chū)建設人(rén)工智能關鍵共性技術體系，以(yǐ)增強關鍵環節和(hé / huò)重點領域的(de)創新能力[1]，要(yào / yāo)确保人(rén)工智能産業核心技術掌握在(zài)自己手中。中國(guó)科學院大(dà)數據挖掘與知識管理重點實驗室發布了(le／liǎo)《2019年人(rén)工智能發展白皮書》，根據标準共篩選出(chū)八大(dà)人(rén)工智能核心技術：計算機視覺技術、自然語言處理技術、跨媒體分析推理技術、智适應學習技術、群體智能技術、自主無人(rén)系統技術、智能芯片技術、腦機接口技術[2]。2020年3月科技部等五部委印發了(le／liǎo)《加強“從0到(dào)1”基礎研究工作方案》，支持人(rén)工智能等領域實現核心技術突破，以(yǐ)搶占前沿科學研究的(de)制高點。因此，瞄準人(rén)工智能産業核心技術，攻克技術困境成爲(wéi / wèi)重中之(zhī)重。
人(rén)工智能産業核心技術的(de)研發已成爲(wéi / wèi)世界各國(guó)關注的(de)焦點。面對世界範圍的(de)國(guó)際競争，我國(guó)在(zài)核心技術的(de)突破和(hé / huò)應用方面仍存在(zài)自身的(de)短闆。基于(yú)此，爲(wéi / wèi)全面了(le／liǎo)解我國(guó)人(rén)工智能産業核心技術的(de)國(guó)際競争态勢，進一(yī / yì ／yí)步厘清其研發現狀和(hé / huò)所處地(dì / de)位，本文選取了(le／liǎo)2015-2019年間各國(guó)政府頒布的(de)政策和(hé / huò)戰略規劃，1999-2019年間Web of Science收錄的(de)文獻，1999-2019年間德溫特專利數據庫收錄的(de)專利信息，采用CiteSpace、Ucinet和(hé / huò)專利地(dì / de)圖等可視化分析工具，通過政策态勢分析不(bù)同政府的(de)規劃方向和(hé / huò)重點支持領域；通過文獻發文量、國(guó)家及研究機構合作網絡剖析全球人(rén)工智能産業核心技術發展現狀，通過關鍵詞聚類分析不(bù)同國(guó)家關于(yú)人(rén)工智能産業核心技術的(de)研究熱點，通過專利數據分析全球人(rén)工智能産業核心技術研發現狀，進而(ér)對我國(guó)人(rén)工智能産業核心技術在(zài)全球所處競争态勢進行研判，爲(wéi / wèi)探索建設新一(yī / yì ／yí)代人(rén)工智能創新發展試驗區以(yǐ)及“十四五”時(shí)期人(rén)工智能産業發展提供相關決策參考。
本文采用文本挖掘的(de)方法對中國(guó)、美國(guó)、日本、韓國(guó)、英國(guó)和(hé / huò)德國(guó)的(de)人(rén)工智能國(guó)家政策和(hé / huò)戰略規劃（2015-2019）進行搜集整理；并将國(guó)内外知名研究機構發布的(de)相關報告作爲(wéi / wèi)二手資料，進一(yī / yì ／yí)步完善和(hé / huò)梳理，将其繪制成表，如表1所示。
表1全球人(rén)工智能政策一(yī / yì ／yí)覽
如表1所示，中國(guó)、美國(guó)和(hé / huò)日本高度關注人(rén)工智能的(de)發展，三國(guó)政府均已出(chū)台大(dà)量的(de)扶持政策，在(zài)世界舞台上(shàng)角逐人(rén)工智能發展的(de)領先地(dì / de)位。其中，中國(guó)出(chū)台的(de)人(rén)工智能政策數量最多，美國(guó)和(hé / huò)日本緊随其後，均已将“人(rén)工智能”上(shàng)升爲(wéi / wèi)“國(guó)家戰略”。韓國(guó)和(hé / huò)德國(guó)于(yú)近兩年加入人(rén)工智能快速發展行列，也(yě)逐步重視起人(rén)工智能的(de)發展。縱覽以(yǐ)上(shàng)六個(gè)國(guó)家近5年來(lái)出(chū)台的(de)相關政策，其戰略目标任務和(hé / huò)具體規劃各具特色，爲(wéi / wèi)此，将其劃分爲(wéi / wèi)三類[18]：一(yī / yì ／yí)是(shì)技術和(hé / huò)人(rén)才優勢明顯的(de)國(guó)家，如美國(guó)，目前處于(yú)人(rén)工智能發展前沿，其戰略目标是(shì)保持人(rén)工智能的(de)全球領先地(dì / de)位，确保自身競争優勢。美國(guó)不(bù)僅專注于(yú)人(rén)工智能的(de)發展，積極制定相關法律保障人(rén)工智能的(de)發展，并參與技術标準的(de)制定，以(yǐ)期在(zài)全球競争中占據主導地(dì / de)位。二是(shì)具有産業發展基礎的(de)國(guó)家，如德國(guó)、英國(guó)，通過戰略部署、商業應用、倫理約束、法律監督引領人(rén)工智能發展，兩國(guó)均在(zài)“第二次工業革命”和(hé / huò)“信息革命”中積累大(dà)量的(de)發展經驗，擁有堅實的(de)産業發展基礎。英國(guó)和(hé / huò)德國(guó)憑借自身發展基礎形成了(le／liǎo)獨特的(de)優勢，以(yǐ)确保全球競争力。再如，日本和(hé / huò)韓國(guó)所制定的(de)相關政策針對性地(dì / de)傾向半導體和(hé / huò)集成電路等産業，兩國(guó)在(zài)機器人(rén)、自動駕駛、汽車、半導體等領域具有明顯的(de)産業優勢，憑借自身相對優勢參與全球的(de)新一(yī / yì ／yí)輪競争。三是(shì)異軍突起，積極抓住發展機遇的(de)國(guó)家，如中國(guó)，重視推動人(rén)工智能的(de)綜合健康發展及全面布局，通過宏觀規劃和(hé / huò)重點部署構築我國(guó)人(rén)工智能發展的(de)先發優勢，從而(ér)加快人(rén)工智能産業核心技術攻克和(hé / huò)創新型國(guó)家建設。
2、基于(yú)文獻計量的(de)産業核心技術國(guó)際競争态勢分析本文将《2019年人(rén)工智能發展白皮書》所篩選的(de)人(rén)工智能産業核心技術作爲(wéi / wèi)檢索條件，文獻來(lái)源Web of Science數據庫下的(de)Web of Science核心合集：引文索引，檢索條件設置如下：以(yǐ)“TI = computer vision” OR “TI = natural language processing” OR “TI = brain-computer interface” OR “TI= intelligent chip” OR “TI = autonomous unmanned system” OR “TI = collective intelligence” OR “TI = intelligent adaptive learning” OR “TI = cross-media analytic reasoning”，文獻年限爲(wéi / wèi)1990-2019年，文獻類型選擇Article，最後共得到(dào)3 681篇。 進一(yī / yì ／yí)步分析關于(yú)人(rén)工智能産業核心技術研究的(de)3 681篇論文，本文以(yǐ)時(shí)間序列的(de)形式統計出(chū)每年的(de)論文數量，通過Excel繪制了(le／liǎo)Web of Science收錄的(de)關于(yú)人(rén)工智能産業核心技術研究的(de)文獻數量統計圖（如圖1所示）。二十年間，全球對人(rén)工智能産業核心技術的(de)研究越來(lái)越重視，發文量整體呈上(shàng)升趨勢。20世紀末，全球的(de)發文量較低，這(zhè)受到(dào)當時(shí)全球人(rén)工智能技術的(de)基礎研究、理論模型及數據樣本等影響和(hé / huò)限制。發文量激增階段：2010-2019年，這(zhè)與人(rén)工智能爆發階段的(de)時(shí)間相吻合，也(yě)與算法、算力的(de)提升及數據的(de)激增等現狀密切相關。
圖1 Web of Science收錄關于(yú)人(rén)工智能産業核心技術研究的(de)文獻數量
對所檢索的(de)3 681篇文獻進行整理，繪制了(le／liǎo)全球人(rén)工智能産業核心技術研究的(de)發文量（Top10）示意圖（如圖2所示）。美國(guó)發文量居世界第一(yī / yì ／yí)，中國(guó)緊随其後，中國(guó)和(hé / huò)美國(guó)發文量約占全球48%，是(shì)全球研究人(rén)工智能産業核心技術的(de)主力。在(zài)前10位國(guó)家中，亞洲僅有三個(gè)國(guó)家：中國(guó)、韓國(guó)和(hé / huò)日本；北美洲有兩個(gè)國(guó)家，分别是(shì)美國(guó)和(hé / huò)加拿大(dà)；其餘均爲(wéi / wèi)歐洲發達國(guó)家，說(shuō)明歐洲仍是(shì)技術研究和(hé / huò)創新的(de)重要(yào / yāo)地(dì / de)區。
圖2人(rén)工智能産業核心技術研究文獻發文量Top10國(guó)家
随着經濟全球化進程加快，知識全球化和(hé / huò)跨國(guó)合作發展越來(lái)越迅速。爲(wéi / wèi)突破研究水平與資源約束的(de)限制，各個(gè)國(guó)家之(zhī)間開始展開合作研究，有助于(yú)提高各國(guó)的(de)科學研究水平和(hé / huò)創新能力[19]。爲(wéi / wèi)此，本文進一(yī / yì ／yí)步分析了(le／liǎo)所檢索的(de)3 681篇論文，導出(chū)參考文獻，将下載的(de)數據合并後導入excel，提取“國(guó)家”字段，導入至BICOMB軟件，生成國(guó)家共現矩陣，再将共現矩陣導入Ucinet軟件，使用Netdraw進行可視化分析，生成國(guó)家合作網絡圖譜，如圖3所示。人(rén)工智能産業核心技術國(guó)家合作研究網絡的(de)程度中心度如表2所示。
圖3人(rén)工智能産業核心技術國(guó)家合作研究網絡圖表2全球人(rén)工智能産業核心技術主要(yào / yāo)國(guó)家合作研究網絡的(de)程度中心度
如圖3所示，帶有顔色的(de)節點方塊表示國(guó)家。節點的(de)大(dà)小、各節點之(zhī)間連線、連線的(de)疏密程度以(yǐ)及連線的(de)粗細分别表該國(guó)與其他(tā)所有國(guó)家合作共現的(de)總次數，兩個(gè)國(guó)家間的(de)合作關系，與該國(guó)家合作過的(de)其他(tā)國(guó)家的(de)數量以(yǐ)及連線兩端的(de)國(guó)家合作次數[19]。由圖3可以(yǐ)看出(chū)，節點最大(dà)的(de)是(shì)“美國(guó)”，其次是(shì)“德國(guó)”、“意大(dà)利”、“中國(guó)”和(hé / huò)“英國(guó)”，表明美國(guó)與其他(tā)國(guó)家合作次數最多，德國(guó)、意大(dà)利、中國(guó)和(hé / huò)英國(guó)緊随其後，合作次數分别是(shì)365、179、156和(hé / huò)156；由國(guó)與國(guó)之(zhī)間的(de)連線可以(yǐ)看出(chū)，中國(guó)與美國(guó)、日本、英國(guó)合作比較緊密，中國(guó)在(zài)國(guó)際合作中發揮着重要(yào / yāo)作用。
2.4 研究機構分析
根據所檢索的(de)文獻，對研究機構的(de)發文量與合作情況進行整理，從機構發文量來(lái)看，其中德國(guó)圖賓根大(dà)學發文量最多，高達84篇，說(shuō)明其在(zài)人(rén)工智能産業核心技術研究領域具有一(yī / yì ／yí)定的(de)影響力；其次，發文量較多的(de)是(shì)德國(guó)維爾茨堡大(dà)學（56篇）、中國(guó)清華大(dà)學（52篇）和(hé / huò)美國(guó)紐約州衛生部（46篇），這(zhè)些機構在(zài)人(rén)工智能産業核心技術研究中作爲(wéi / wèi)重要(yào / yāo)的(de)力量，推動着産業核心技術不(bù)斷實現技術突破與發展。從全球分布來(lái)看，如表3所示，發文量排名前10位的(de)研究機構主要(yào / yāo)分布在(zài)美國(guó)、中國(guó)和(hé / huò)德國(guó)。
表3全球人(rén)工智能産業核心技術研究機構地(dì / de)區分布彙總表
爲(wéi / wèi)了(le／liǎo)進一(yī / yì ／yí)步分析各研究機構的(de)合作情況，本文采用Ucinet分析軟件生成全球人(rén)工智能産業核心技術研究機構合作網絡圖（如圖4所示）。圖中每一(yī / yì ／yí)個(gè)小方塊代表一(yī / yì ／yí)個(gè)研究機構，方塊越大(dà)說(shuō)明該研究機構與其他(tā)研究機構合作越多。其中，德國(guó)圖賓根大(dà)學、維爾茨堡大(dà)學和(hé / huò)格拉茨技術大(dà)學與其他(tā)研究機構合作較爲(wéi / wèi)頻繁。我國(guó)兩所研究機構：中國(guó)科學院大(dà)學和(hé / huò)清華大(dà)學已開展大(dà)量的(de)基礎研究工作，并與加利福尼亞大(dà)學聖地(dì / de)亞哥分校和(hé / huò)哈佛大(dà)學進行了(le／liǎo)密切的(de)合作研究。從總體上(shàng)看，我國(guó)研究機構之(zhī)間合作密度較低，研究領域較爲(wéi / wèi)分散。無論從發文數量還是(shì)從機構合作網絡圖來(lái)看，德國(guó)圖賓根大(dà)學、維爾茨堡大(dà)學和(hé / huò)紐約州衛生部是(shì)全球人(rén)工智能産業核心技術研究的(de)主要(yào / yāo)力量。
圖4全球人(rén)工智能産業核心技術研究機構合作網絡圖
2.5 熱點分析
熱點通常可以(yǐ)表示爲(wéi / wèi)某一(yī / yì ／yí)研究領域中具有發展潛勢的(de)主題，同時(shí)，能夠展現該領域所屬學科未來(lái)的(de)發展方向[20]。通過使用關鍵詞來(lái)表達該文章的(de)主題和(hé / huò)中心内容，若某一(yī / yì ／yí)關鍵詞多次在(zài)某一(yī / yì ／yí)領域文獻内出(chū)現，則該詞可間接反映該領域内的(de)研究熱點與研究動向[21]。本文借助科學知識圖譜工具中的(de)關鍵詞聚類視圖對各國(guó)人(rén)工智能産業核心技術的(de)研究熱點進行分析。基于(yú)中國(guó)、美國(guó)、日本、韓國(guó)、英國(guó)和(hé / huò)德國(guó)的(de)文獻數據進行整理，将其導入CiteSpace5.5.R2運行關鍵詞聚類功能，主題詞類型選擇“Noun Phrases”，節點類型選擇“Keyword”，時(shí)間範圍1999-2019，剪裁方式采取Pathfinder，選擇Log-Likelihood Ratio作爲(wéi / wèi)提取方法[20]，提取關鍵詞聚類信息将其彙總成表，如表4所示。
表4人(rén)工智能産業核心技術研究關鍵詞聚類表
中國(guó)在(zài)人(rén)工智能産業核心技術研究中主要(yào / yāo)将重心放在(zài)基礎理論研究與技術突破中。在(zài)八大(dà)核心技術中，主要(yào / yāo)聚焦在(zài)#0計算機視覺技術、#4群體智能技術、#7自然語言處理技術和(hé / huò)自主無人(rén)系統技術。作爲(wéi / wèi)推動人(rén)工智能技術進步的(de)“三駕馬車”，算法、數據和(hé / huò)計算力在(zài)過去的(de)5-10年間不(bù)斷創新[2]。在(zài)算法方面，我國(guó)在(zài)#0計算機視覺技術中的(de)圖像識别和(hé / huò)特征提取以(yǐ)及#7自然語言處理技術中的(de)語音技術方面的(de)成就(jiù)顯著。在(zài)基礎理論研究方面，計算機視覺和(hé / huò)自然語言處理技術的(de)發展同時(shí)也(yě)需要(yào / yāo)#3模式識别等技術的(de)支撐；#1共空間模式是(shì)一(yī / yì ／yí)種對兩分類任務下的(de)空域濾波特征提取算法，能夠從多通道(dào)的(de)腦機接口數據裏面提取出(chū)每一(yī / yì ／yí)類的(de)空間分布成分[22]；在(zài)技術應用領域，自主無人(rén)系統中的(de)#8協調控制對于(yú)自動駕駛汽車和(hé / huò)智能無人(rén)駕駛系統至關重要(yào / yāo)，在(zài)未來(lái)對汽車制造商和(hé / huò)運輸行業将産生重大(dà)影響。
美國(guó)人(rén)工智能産業核心技術研究中共有8大(dà)關鍵詞聚類。其中主要(yào / yāo)關注#0腦機接口技術和(hé / huò)#2計算機視覺技術。從技術應用來(lái)看，人(rén)工智能産業核心技術主要(yào / yāo)應用于(yú)醫療領域，#1電子(zǐ)健康檔案有助于(yú)提升醫護水平；#7事件相關誘發電位作爲(wéi / wèi)一(yī / yì ／yí)種電生理學的(de)研究手段，爲(wéi / wèi)研究大(dà)腦認知活動過程提供了(le／liǎo)新的(de)指導和(hé / huò)途徑；研究人(rén)員利用#8腦波開發了(le／liǎo)新技術—腦機接口技術（BCI），爲(wéi / wèi)身體嚴重殘疾的(de)患者提供了(le／liǎo)新的(de)治療手段。
對文獻數據進行聚類分析，無論從底層技術研究看，還是(shì)基于(yú)技術應用層面，日本主要(yào / yāo)關注#0腦機接口技術。對腦機接口技術的(de)研究，日本将焦點轉移至#2聽覺BCI腦機接口技術。#3共空間模式作爲(wéi / wèi)提取的(de)一(yī / yì ／yí)種方式，是(shì)腦機接口技術重要(yào / yāo)的(de)算法。腦機接口技術主要(yào / yāo)應用于(yú)醫療健康領域，主要(yào / yāo)分爲(wéi / wèi)“強化”和(hé / huò)“恢複”兩個(gè)方向，“恢複”方向主要(yào / yāo)是(shì)指針對#1中風等疾病提供對應的(de)恢複訓練，主要(yào / yāo)采取神經反饋訓練。目前，已有一(yī / yì ／yí)些日本創業公司對相關可穿戴設備投入研發資金，将腦機接口技術應用到(dào)終端設備。
韓國(guó)重點關注#1和(hé / huò)#2腦機接口技術和(hé / huò)自主無人(rén)系統技術，自主無人(rén)系統中的(de)機器人(rén)和(hé / huò)無人(rén)駕駛等技術已成爲(wéi / wèi)韓國(guó)政府重點支持對象。在(zài)應用中，腦機接口以(yǐ)#4近紅外光譜成像技術（NIRS）爲(wéi / wèi)主，主要(yào / yāo)用于(yú)操控家電設備。腦機接口技術的(de)發展與發達的(de)半導體行業發展相适應，并爲(wéi / wèi)半導體産業的(de)發展提供重要(yào / yāo)的(de)支撐力。
#0腦機接口技術、#1群體智能技術和(hé / huò)#7計算機視覺技術是(shì)英國(guó)重點關注對象。腦機接口技術作爲(wéi / wèi)産業核心技術在(zài)硬件、算法、範式方面都有新的(de)突破和(hé / huò)進展。英國(guó)諾丁漢大(dà)學的(de)研究團隊基于(yú)腦機接口技術，開發了(le／liǎo)一(yī / yì ／yí)種腦磁圖（MEG）系統，配以(yǐ)頭戴式設備，在(zài)掃描過程中允許被掃描者自由、自然地(dì / de)運動。
在(zài)人(rén)工智能産業核心技術研究中，德國(guó)主要(yào / yāo)研究#5腦機接口技術和(hé / huò)自然語言處理技術，而(ér)作爲(wéi / wèi)基礎技術研究#1腦電圖、#2共空間模式、#6神經反饋技術都爲(wéi / wèi)腦機接口技術的(de)發展提供了(le／liǎo)支撐和(hé / huò)輔助作用。在(zài)基礎理論研究領域，#3非監督學習作爲(wéi / wèi)機器學習的(de)一(yī / yì ／yí)種方法，是(shì)人(rén)工智能網絡的(de)一(yī / yì ／yí)種重要(yào / yāo)算法；自然語言處理所涉及的(de)各種任務，可以(yǐ)用#4多任務學習框架處理。從技術應用領域來(lái)看，#0輔助科技用于(yú)特殊教育行業；機器學習爲(wéi / wèi)#7ERP系統注入新能量，雲ERP平台提供了(le／liǎo)極大(dà)的(de)便利。
3、基于(yú)專利挖掘的(de)産業核心技術國(guó)際競争态勢分析以(yǐ)德溫特專利數據庫爲(wéi / wèi)來(lái)源數據庫，利用“TI = computer vision” OR “TI = natural language processing” OR “TI = brain-computer interface” OR “TI= intelligent chip” OR “TI = autonomous unmanned system” OR “TI = collective intelligence” OR “TI = intelligent adaptive learning” OR “TI = cross-media analytic reasoning”進行檢索，檢索時(shí)間範圍設置爲(wéi / wèi)1990-2019年，最後共檢索到(dào)23 940件專利。3.2 人(rén)工智能産業核心技術專利地(dì / de)圖分析随着技術的(de)發展，基于(yú)專利分析的(de)“預見—識别”成爲(wéi / wèi)研究熱點。文獻[23]通過專利分析法對比分析不(bù)同國(guó)家的(de)人(rén)工智能技術專利，研判全球人(rén)工智能發展态勢；文獻[24]提出(chū)基于(yú)專利分析替代性技術選擇，爲(wéi / wèi)企業的(de)管理者制定技術選擇戰略提供參考建議。爲(wéi / wèi)進一(yī / yì ／yí)步掌握全球人(rén)工智能産業核心技術領域專利發展趨勢和(hé / huò)分布情況以(yǐ)及專利權人(rén)分布情況，本文對德溫特專利數據庫中已檢索到(dào)的(de)23940件專利進行統計分析，分别提取中國(guó)、美國(guó)、日本、韓國(guó)、英國(guó)和(hé / huò)德國(guó)的(de)專利，對全球人(rén)工智能産業核心技術的(de)專利數量和(hé / huò)專利國(guó)家分布及專利權人(rén)分布情況進行分析，結果如圖5～圖6所示。
圖5人(rén)工智能産業核心技術專利數量和(hé / huò)專利國(guó)家分布示意圖
從圖5可以(yǐ)看出(chū)，基于(yú)全球不(bù)同國(guó)别分析，在(zài)人(rén)工智能産業核心技術專利中，中國(guó)擁有智能芯片技術專利的(de)數量最多，說(shuō)明中國(guó)芯片企業愈發重視專利保護，其保護意識與能力也(yě)逐漸增強；美國(guó)擁有自然語言處理技術專利最多；日本在(zài)自然語言處理技術方面，專利數量占比最多；韓國(guó)擁有計機視覺技術的(de)專利數量最多；英國(guó)和(hé / huò)德國(guó)的(de)人(rén)工智能産業核心技術專利數量均不(bù)多，總體來(lái)看，二者均在(zài)計算機視覺技術方面專利數量最多，分别占比61%和(hé / huò)37%。從人(rén)工智能産業核心技術視角看，自主無人(rén)系統技術主要(yào / yāo)分布在(zài)美國(guó)和(hé / huò)中國(guó)，其中美國(guó)擁有數量最多；中國(guó)在(zài)腦機接口技術、群體智能技術、計算機視覺技術、智适應學習技術和(hé / huò)智能芯片技術的(de)申請量遙遙領先；自然語言處理技術則主要(yào / yāo)分布在(zài)美國(guó)。然而(ér)關于(yú)跨媒體分析推理技術的(de)專利申請目前全球沒有相關的(de)統計。
圖6 人(rén)工智能産業核心技術前5名專利權人(rén)
從圖6可以(yǐ)看出(chū)，全球前5名自主無人(rén)系統技術專利申請者主要(yào / yāo)集中在(zài)美國(guó)和(hé / huò)日本，其中日本占據3席，如IHI株式會社和(hé / huò)川崎重工業株式會社。腦機接口技術專利申請者前5名主要(yào / yāo)集中在(zài)中國(guó)和(hé / huò)韓國(guó)，中國(guó)主要(yào / yāo)以(yǐ)高校爲(wéi / wèi)主，如清華大(dà)學、浙江大(dà)學、中國(guó)科學院和(hé / huò)中國(guó)醫學科學院基礎醫學研究所，說(shuō)明中國(guó)高校是(shì)腦機接口技術研究的(de)重要(yào / yāo)力量，擁有較強的(de)研發實力。群體智能技術專利申請者也(yě)主要(yào / yāo)來(lái)自中國(guó)，前5名中美國(guó)公司僅占有1席。其中國(guó)家電網申請專利數量最多，尤其近五年國(guó)家電網的(de)人(rén)工智能産業核心技術發展迅速，中國(guó)人(rén)工智能專利布局也(yě)已覆蓋至電力工程領域。群體智能技術推動電網智能化發展，是(shì)助力新一(yī / yì ／yí)代電力系統建設的(de)重要(yào / yāo)支撐。全球前5名計算機視覺技術專利申請者主要(yào / yāo)集中在(zài)美國(guó)和(hé / huò)中國(guó)，美國(guó)專利申請者主要(yào / yāo)集中在(zài)高通、英特爾和(hé / huò)微軟公司，中國(guó)則主要(yào / yāo)集中在(zài)高校，如清華大(dà)學、北京航空航天大(dà)學等。中國(guó)專利申請者占據全球智适應學習技術專利申請前五位，主要(yào / yāo)集中在(zài)科技型企業和(hé / huò)高校，由于(yú)中國(guó)教育群體基數龐大(dà)，加之(zhī)近年來(lái)AI教育行業高速發展，中國(guó)關于(yú)智适應學習技術的(de)專利申請數量多且主要(yào / yāo)體現在(zài)應用層面。智能芯片技術專利申請前五位也(yě)均來(lái)自中國(guó)，從體量來(lái)看，中國(guó)目前已經成爲(wéi / wèi)全球最大(dà)、增長最快的(de)集成電路市場，國(guó)家集成電路産業也(yě)受到(dào)投資基金和(hé / huò)資本推動的(de)支持。在(zài)強有力的(de)産業政策扶持下，中國(guó)企業迅速成長壯大(dà)，逐漸挑戰美國(guó)芯片的(de)壟斷市場。自然語言處理技術專利申請者主要(yào / yāo)來(lái)自美國(guó)和(hé / huò)日本，美國(guó)占據3席（IBM、微軟和(hé / huò)埃森哲全球解決方案有限公司），日本占據2席（富士施樂公司和(hé / huò)日本電報電話公司）。美國(guó)和(hé / huò)日本在(zài)自然語言處理技術方面仍具有一(yī / yì ／yí)定的(de)研究實力和(hé / huò)發展潛力。
全球範圍内越來(lái)越多的(de)政府和(hé / huò)企業組織意識到(dào)人(rén)工智能在(zài)經濟和(hé / huò)戰略上(shàng)的(de)重要(yào / yāo)性，面對日趨激烈的(de)人(rén)工智能競争市場，我國(guó)需要(yào / yāo)認清全球競争态勢，明确自身在(zài)全球中所處地(dì / de)位，明晰具備競争力的(de)産業核心技術。通過政策态勢、研究态勢分析，從政策數量、文獻發文量和(hé / huò)專利數量三個(gè)角度量化了(le／liǎo)全球人(rén)工智能産業核心技術競争力。從政策數量來(lái)看，中國(guó)>美國(guó)>日本>英國(guó)>德國(guó)>韓國(guó)；從文獻數量來(lái)看，美國(guó)>中國(guó)>德國(guó)>英國(guó)>韓國(guó)>日本；從專利數量來(lái)看，中國(guó)>美國(guó)>日本>韓國(guó)>德國(guó)>英國(guó)。綜合來(lái)看，美國(guó)綜合實力依舊全球第一(yī / yì ／yí)，這(zhè)與美國(guó)堅實的(de)産業基礎和(hé / huò)先進的(de)科學技術分不(bù)開。中國(guó)異軍突起，發展迅猛。基于(yú)文獻和(hé / huò)專利分析結果，綜合來(lái)看，我國(guó)主要(yào / yāo)關注方向爲(wéi / wèi)計算機視覺技術、自然語言處理技術、智能芯片技術、自主無人(rén)系統技術和(hé / huò)群體智能技術。具體來(lái)看，基于(yú)發文量，國(guó)内外相關文獻研究起步時(shí)間相似，中國(guó)僅比國(guó)外晚兩年，增長趨勢相同，整體呈現上(shàng)升趨勢，增長最快的(de)階段均出(chū)現在(zài)2010年以(yǐ)後。從國(guó)家合作來(lái)看，美國(guó)與其他(tā)所有國(guó)家合作共現的(de)總次數最多，中國(guó)與美國(guó)、日本、英國(guó)合作比較緊密。從研究機構來(lái)看，發文量排名前10位的(de)研究機構主要(yào / yāo)分布在(zài)美國(guó)、中國(guó)和(hé / huò)德國(guó)，中國(guó)科學院大(dà)學和(hé / huò)清華大(dà)學已與其他(tā)機構開展大(dà)量的(de)基礎研究工作，但是(shì)機構合作密度較低。從關注的(de)熱點來(lái)看，我國(guó)聚焦于(yú)計算機視覺技術、群體智能技術、自然語言處理技術和(hé / huò)自主無人(rén)系統技術。從專利分布來(lái)看，中國(guó)人(rén)工智能産業核心技術專利申請量已經超越美國(guó)成爲(wéi / wèi)AI領域專利申請量最高的(de)國(guó)家。其中，中國(guó)擁有腦機接口技術、群體智能技術、計算機視覺技術、智适應學習技術和(hé / huò)智能芯片技術專利最多；從專利權人(rén)分布來(lái)看，中國(guó)擁有最多的(de)專利權申請人(rén)，主要(yào / yāo)分布在(zài)腦機接口技術、群體智能技術、計算機視覺技術、智适應學習技術和(hé / huò)智能芯片技術。人(rén)工智能的(de)不(bù)斷發展對提高國(guó)家競争力、維護國(guó)家安全有巨大(dà)的(de)幫助，許多國(guó)家已将發展人(rén)工智能提高至國(guó)家戰略層面。本文運用科學知識圖譜和(hé / huò)專利地(dì / de)圖分析了(le／liǎo)全球人(rén)工智能産業核心技術的(de)競争态勢，并針對我國(guó)建設創新型國(guó)家和(hé / huò)“十四五”時(shí)期人(rén)工智能産業發展提出(chū)以(yǐ)下幾點建議。（1）加強前沿基礎理論研究，擴大(dà)技術應用場景優勢基礎理論的(de)研究是(shì)産業核心技術突破的(de)源泉[15]。通過科學知識圖譜工具對比分析國(guó)内外人(rén)工智能産業核心技術熱點研究，我國(guó)在(zài)人(rén)工智能的(de)理論基礎層和(hé / huò)應用層均涉及廣泛。從本文研究來(lái)看，我國(guó)主要(yào / yāo)聚焦計算機視覺技術、自然語言處理技術、智能芯片技術、自主無人(rén)系統技術和(hé / huò)群體智能技術，并在(zài)技術應用中具有一(yī / yì ／yí)定的(de)優勢。我國(guó)在(zài)适應性自主學習、綜合推理、群體智能等方面已初步具有跨越式發展的(de)能力，然而(ér)我國(guó)的(de)核心技術力量在(zài)跨媒體推理分析技術和(hé / huò)自主無人(rén)系統技術方面比較薄弱。因此，“十四五”時(shí)期人(rén)工智能産業發展不(bù)僅要(yào / yāo)重視基礎理論研究，識别人(rén)工智能發展方向和(hé / huò)理論機理，在(zài)方法和(hé / huò)體系上(shàng)努力實現革命性和(hé / huò)颠覆性的(de)突破。同時(shí)，擴大(dà)中國(guó)現有技術應用的(de)優勢，鼓勵和(hé / huò)支持人(rén)工智能技術的(de)推廣和(hé / huò)應用，例如城市管理、教育、環境、交通、法律、醫療、網絡安全和(hé / huò)社會治理等重要(yào / yāo)領域，确保中國(guó)的(de)理論研究處于(yú)人(rén)工智能這(zhè)一(yī / yì ／yí)重要(yào / yāo)領域的(de)前沿，推動基礎技術取得巨大(dà)突破，占據産業核心技術制高點，在(zài)新一(yī / yì ／yí)輪國(guó)際競争中占據優勢。人(rén)工智能作爲(wéi / wèi)引領未來(lái)的(de)颠覆性、戰略性技術，成爲(wéi / wèi)國(guó)際競争的(de)新焦點和(hé / huò)經濟發展的(de)新引擎[25]。經過多年的(de)積累，我國(guó)在(zài)人(rén)工智能領域取得重要(yào / yāo)進展，但從整體發展水平而(ér)言，與發達國(guó)家仍存在(zài)較大(dà)的(de)差距。例如，在(zài)關鍵設備、重要(yào / yāo)元器件和(hé / huò)操作系統等基本被英偉達、AMD、英特爾等國(guó)際巨頭壟斷，形成“鎖定效應”。“十四五”時(shí)期以(yǐ)及未來(lái)更長一(yī / yì ／yí)段時(shí)期應重點關注核心技術，突破被扼制的(de)技術困境。從本文的(de)研究來(lái)看，目前，全球對跨媒體分析推理技術的(de)研究不(bù)多，關注度較低。跨媒體是(shì)一(yī / yì ／yí)個(gè)包括跨媒體檢索、跨媒體推理和(hé / huò)跨媒體存儲等廣義的(de)概念，主要(yào / yāo)應用于(yú)如網絡内容監管、信息檢索、智慧醫療、智能穿戴設備等行業。在(zài)國(guó)務院關于(yú)印發新一(yī / yì ／yí)代人(rén)工智能發展規劃的(de)通知中，重點提及“跨界融合”技術體系。因此，在(zài)人(rén)工智能産業核心技術“十四五”發展前瞻中可以(yǐ)聚焦于(yú)跨媒體分析推理技術，通過相關政策指導，抓住新一(yī / yì ／yí)輪發展機遇，積極攻克核心技術難關，在(zài)國(guó)際競争中掌握主動權。（3）順應全球合作與開放趨勢，構建産業核心技術創新共同體開放與合作是(shì)永恒的(de)主題，緊密的(de)合作與良性的(de)競争能夠促進全球人(rén)工智能産業健康發展。由于(yú)核心技術具有高密保性，後發企業難以(yǐ)識别先發企業的(de)技術機理及其具體形成過程[16]，因此需要(yào / yāo)開放的(de)合作與創新。就(jiù)合作程度而(ér)言，我國(guó)人(rén)工智能的(de)主要(yào / yāo)研發機構與美國(guó)、英國(guó)、日本合作緊密，但與美國(guó)相比，還欠缺合作的(de)深度和(hé / huò)廣度，應該借鑒學習發達國(guó)家人(rén)工智能發展合作的(de)經驗。就(jiù)研究機構而(ér)言，我國(guó)研究機構在(zài)競争中存在(zài)自身的(de)短闆，研究機構和(hé / huò)企業尚未形成具有國(guó)際影響力的(de)協同創新生态圈，特别是(shì)人(rén)工智能的(de)相關研究機構整體分布較爲(wéi / wèi)分散，團隊規模較小，缺少高水平的(de)合作，且合作成果較少。因此，“十四五”時(shí)期更應結合現實需求，不(bù)同的(de)研究機構展開合作，推動理論基礎研究實現新的(de)突破，積極構建産業核心技術“創新共同體”。在(zài)産業核心技術突破過程中，其中政府、産業、高校、研究機構和(hé / huò)用戶作爲(wéi / wèi)合作主體，以(yǐ)不(bù)同的(de)角色參與到(dào)系統創新體系中來(lái)[26]，通過組織學習、知識流動、交流合作等形式使多元化的(de)創新主體之(zhī)間形成協同互動的(de)協同網絡體系，以(yǐ)此建構具有國(guó)際影響力的(de)人(rén)工智能創新生态圈。
【參考文獻】
[1] 新華社.國(guó)務院印發《新一(yī / yì ／yí)代人(rén)工智能發展規劃》[EB/OL].(2017-07-20)[2020-03-01].http://www.gov.cn/xinwen/2017-07/20/content_5212064.htm.
[2] 德勤科技.2019全球人(rén)工智能發展白皮書[R].上(shàng)海:德勤科技,2019.
[3] NILSSON N J. Artificial Intelligence: A New Synthesis[M]. Amsterdam：Elsevier, 1998.
[4] 譚鐵牛,孫哲南,張兆翔.人(rén)工智能:天使還是(shì)魔鬼?[J].中國(guó)科學:信息科學,2018,48(9):1257-1263.
[5] 方兵.我國(guó)高校“人(rén)工智能熱”:緣起、影響與應對[J].現代教育技術,2019,29(4):33-39.
[6] 劉剛.正在(zài)改變世界的(de)智能科技産業[J].人(rén)民論壇·學術前沿,2019(21):38-45.
[7] 蔡自興, 徐光祐. 人(rén)工智能及其應用[M]. 北京：清華大(dà)學出(chū)版社, 2004.
[8] LUXTON D D. Artificial intelligence in psychological practice: Current and future applications and implications[J]. Professional Psychology: Research and Practice, 2014, 45(5): 332.
[9] PARK S H, HAN K. Methodologic guide for evaluating clinical performance and effect of artificial intelligence technology for medical diagnosis and prediction[J]. Radiology, 2018, 286(3): 800-809.
[10] 吳永和(hé / huò),劉博文,馬曉玲.構築“人(rén)工智能+教育”的(de)生态系統[J].遠程教育雜志,2017,35(5):27-39.
[11] 黃曉斌,吳高.人(rén)工智能時(shí)代圖書館的(de)發展機遇與變革趨勢[J].圖書與情報,2017(6):19-29.
[12] 仇筠茜,陳昌鳳.黑箱:人(rén)工智能技術與新聞生産格局嬗變[J].新聞界,2018(1):28-34.
[13] NORMAN P M. Protecting knowledge in strategic alliances: Resource and relational characteristics[J]. The Journal of High Technology Management Research, 2002, 13(2): 177-202.
[14] Frishammar J, Ericsson K, Patel P C. The dark side of knowledge transfer: Exploring knowledge leakage in joint R&D projects[J]. Technovation, 2015, 41: 75-88.
[15] 柳卸林,何郁冰.基礎研究是(shì)中國(guó)創新的(de)源泉[J].中國(guó)軟科學,2011(4):104-117.
[16] 李顯君,孟東晖,劉暐.核心技術微觀機理與突破路徑—以(yǐ)中國(guó)汽車AMT技術爲(wéi / wèi)例[J].中國(guó)軟科學,2018(8):88-104.
[17] 黃魯成,薛爽.機器學習技術發展現狀與國(guó)際競争分析[J].現代情報,2019,39(10):165-176.
[18] 中國(guó)信息通信研究院. 中國(guó)人(rén)工智能産業發展聯盟.全球人(rén)工智能戰略與政策觀察（2019）[R].北京:中國(guó)信息通信研究院，中國(guó)人(rén)工智能産業發展聯盟,2019.
[19] 李欣,黃魯成.基于(yú)文獻計量和(hé / huò)專利分析的(de)戰略性新興産業研發競争态勢研究—以(yǐ)OLED産業爲(wéi / wèi)例[J].科技管理研究,2016,36(8):120-126.
[20] 李韻婷,鄭紀剛,張日新.國(guó)内外智庫影響力研究的(de)前沿和(hé / huò)熱點分析—基于(yú) CiteSpace Ⅴ 的(de)可視化計量[J].情報雜志,2018(12):12.
[21] 雷婕,盤意文,劉建明.知識圖譜視角下智慧旅遊的(de)研究進展及熱點概述[J].圖書館,2019(8):52-58.
[22] 許春燕. 基于(yú)CSP和(hé / huò)ICA的(de)多任務腦機接口分類方法比較研究[D].南昌：南昌大(dà)學,2012.
[23] FUJII H, MANAGI S. Trends and priority shifts in artificial intelligence technology invention: A global patent analysis[J]. Economic Analysis and Policy, 2018, 58: 60-69.
[24] 婁岩,張賞,黃魯成.基于(yú)專利分析的(de)替代性技術選擇研究[J].科技管理研究,2015,35(20):150-154.
[25] 袁野,于(yú)敏敏,陶于(yú)祥,等.基于(yú)文本挖掘的(de)我國(guó)人(rén)工智能産業政策量化研究[J].中國(guó)電子(zǐ)科學研究院學報,2018,13(6):663-668.
[26] 吳衛紅,陳高翔,張愛美.“政産學研用資”多元主體協同創新三三螺旋模式及機理[J].中國(guó)科技論壇,2018(5):1-10.
本篇節選自論文《人(rén)工智能産業核心技術的(de)國(guó)際競争态勢分析》，發表于(yú)《中國(guó)電子(zǐ)科學研究院學報》第15卷第11期。
服務熱線
