基于炒作周期曲線的新興技術態勢及政策系統供給研究

楊 超，孟顯印

(1.中國礦業大學公共管理學院，江蘇 徐州 221116；2.上海交通大學國際與公共事務學院，上海 200030)

0 引言

如何把握新興技術發展態勢，預判全球前沿技術應用和產業發展，不僅是發達國家的關注焦點，更應是新興大國“彎道超車”的重要信息，但新興技術的不確定性和快速替代性使得技術治理極為困難。盡管專利數據研究是常見探尋技術發展態勢的方法之一[1]，但該方法多側重于技術研發者的視角，很難反映出社會期望在新興技術發展中的作用。美國加特納咨詢公司 (Gartner Inc.)早在20世紀90年代就提出了炒作周期曲線 (Gartner Hype Cycle)，并成為美國、英國、澳大利亞等國開展新興技術分析的重要參考[2-5]。加特納公司通常篩選出影響未來社會5～10年、最具創新價值和發展潛力的新興技術，如2019年在2000多種新興技術中篩出能夠反映未來趨勢的29種新興技術[6-7]，數據的權威性和價值有較充分的保證。

本文探討的“新興技術”均為加特納炒作周期曲線涉及的新興技術，多集中于信息技術領域，而非廣義上所有領域的新興技術。盡管加特納炒作周期報告在領域上存在偏好，但已有研究表明在能源、生物、材料等領域的新興技術中也存在炒作周期規律，如生物量[8]、石墨烯[3]、基因生物技術[9]、納米技術[10]、放射腫瘤學技術[11]等，該曲線對多領域新興技術發展態勢具有一定程度的適用性。雖然很難歸納出符合所有新興技術發展的統一規律，但是技術萌發初期的期望猛增和期望破滅后的技術遇冷確實在一定程度上影響許多領域新興技術的成熟和發展。由此，國內學界常將“加特納炒作周期曲線”譯為“技術成熟度曲線”“技術成熟發展曲線”等，這種譯法雖然側重于曲線的目標和用途，卻忽略了曲線的形成過程，鑒于該曲線以媒體炒作形成的技術期望為主要表現，能夠部分反映技術成熟度水平，本研究更傾向于對原始詞匯做直譯處理，以引導決策者關注新興技術發展過程中的媒體作用。

盡管炒作周期曲線開始引起不少關注，但相關研究和實踐仍存在兩方面的缺失：一方面，從研究角度看，既有文獻著重于炒作周期曲線本身，提出了一些曲線規律驗證和量化視角[12-13]，較為深度地反思了公眾期望對新興技術的發展變化，卻較少關注曲線所提及的大量新興技術的變化和更替；另一方面，在技術規劃實踐上，新興技術萌發時引起的期望快速上升，勢必引起產業和政策資源的集聚，但過度投入不一定會兌現技術的期望，由此產生巨大的資源浪費，常表現為短時間的“技術過熱”。不論是學界研究，亦或是實踐界的技術管理，都在“新興技術熱潮和長期技術規劃理性投入二者間的權衡”問題討論較少，致使新興技術相關規劃設計也很少考慮技術期望的影響，相關政策很可能不符合新興技術的發展規律。

針對上述缺漏，本文以加特納公司發布的近20年報告文本 (2000—2019年)作為研究對象，不僅關注炒作周期曲線本身，而且從縱向視角整體探討20年來炒作周期報告中的新興技術發展態勢，從整體上分析新興技術的變化規律，重在解釋“新興技術的縱向變化過程”，深化炒作周期的存在性研究，并結合國內重要媒體數據，提出將技術期望管理應用于新興技術規劃設計的實施方案，闡釋“如何平衡不同期望下新興技術政策支持投入”的問題，幫助政府管理者減小因技術不確定性帶來的資源浪費，推動信息領域乃至其他新興技術規劃高質量設計，強化研究結果的應用性。

1 炒作周期曲線的研究脈絡

炒作周期曲線是考慮了社會期望的技術成熟度曲線，如圖1所示，分為創新啟動 (Innovation Trigger)、膨脹期望峰值 (Peak of Inflated Expectations)、幻想破滅槽谷 (Trough of Disillusionment)、啟蒙上坡期 (Slope of Enlightenment)和高生產穩定期 (Plateau of Productivity)五個階段[14]。在創新啟動階段，技術萌芽初次突破后的展示引起社會期望；技術討論迅速升溫，大量不切實際的預測和媒體追捧，期望快速膨脹至峰值，但技術現實通常無法兌現技術概念虛高的目標，此時只有會議組織者和媒體出版者從中獲益；科技研發興趣也會隨之降低，媒體正面興趣衰減，負面報道增加；在跌至槽谷時，若持續研究取得技術突破，繼而推動技術的應用和獲利；最后，技術被社會采納，生產逐漸達到穩定態。

圖1 炒作周期曲線

國外研究首先驗證了炒作周期論的存在性，在3D顯示技術[15]、放射腫瘤學[11]、納米技術[10]、在線高等教育[16]、編程廣告技術[17]等多領域都有所發現，尤其是有研究從用戶、科技研究者和信息發布者三個主體的行為出發描繪了炒作周期的軌跡[18]；其次開展了曲線階段特質研究，如利用生長函數、生命周期和采納曲線等[5,19]，剖解炒作周期曲線構成，測算最大潛能為產業規劃提供支持，如在人機交互領域的桌面技術應用開發比開發新的桌面更能幫助產業跨越槽谷期[20]；最后是曲線對技術創新的影響研究，如輔助穩定了固定式燃料電池的持續性研發創新行為[12]，又如提升了荷蘭可再生能源創新軌跡和政策分析[21]。國內相關研究尚少，如從技術主體意識的隱含、創新擴散環境的構建和技術受體采納的遲疑和促成的分解[22]，又如分析人工智能技術集群的發展成熟度[23]。亦有研究對曲線提出質疑，如網絡電話技術、基因療法和高溫超導技術的炒作周期模式就有很大差異，不同層面的期望交互影響不同[24]。雖然炒作周期還需深入研究，但技術期望的動態性影響確實存在。

2 基于炒作周期變化的新興技術發展過程

本研究從炒作周期報告 (2000—2019年)的文本中構建了基于報告的新興技術數據庫，涵蓋如表1所示的245項新興技術，分別統計了技術的時間節點，展現了技術發展過程。從報告數據可知，多數數據集中在“創新啟動—膨脹期望峰值—幻想破滅槽底”過程中，而這三個點的范圍過寬導致無法準確錨定位置。因此，又參考Michael的階段分法[25]，將靠近頂峰的值歸為期望峰頂區，靠近低谷的值歸為槽底區，峰頂區左側“創新啟動—峰頂區”分成創新萌發和創新起飛兩段，峰頂區右側槽底分為期望下跌和期望續跌兩段，槽底區右側又分為啟蒙上坡期和高生產率穩定期。

表1 基于2000—2019年炒作周期報告的新興技術清單

2.1 高頻新興技術的曲線變化分析

頻次排名前十的新興技術依次為增強現實 (AR，14次)、量子計算 (QC，12次)、移動智能機器人 (SR，12次)、語音識別 (云) (SRC，10次)、網狀網絡-傳感器/廣域 (MN-SW，10次)、噴墨制造/3D打印 (3DP，10次)、人工增強 (HA，10次)、電子墨水/數碼紙 (DiP，9次)、計算機/大腦界面 (ComBrIn，9次)和生物識別用戶身份支付 (BioUIP，8次)，曲線變化如圖2所示。

圖2 近20年高頻新興技術炒作周期曲線變化

第一，增強現實技術存在時間最長、頻次最多，在2004年首次出現創新起飛，2011年達到峰值，隨后一直下跌，并連續數年處于槽底期。目前很難靠期望炒作獲得社會關注，若有相關技術企業能夠推廣和普及技術，才能夠重新進入發展期。第二，3D打印、語音識別 (云)、電子墨水/數碼紙、生物識別用戶身份支付、網狀網絡-傳感器/廣域等技術在近20年幾乎經歷完整炒作周期，其中起步最早的是生物識別用戶身份支付技術，在13年內實現了技術普及；相較之下，電子墨水/數碼紙雖然創新啟動稍晚，但自從2006年左右就基本上曲線軌跡趨同；3D打印與電子墨水的曲線線型非常相近，但啟動時間晚了四年，且都在2013年實現了盈利和大量推廣；網狀網絡技術從2005—2018年就一直在期望續跌和槽底之間反復徘徊。第三，腦機界面、移動/智能機器人、人工增強以及量子計算技術雖然頻次較多，卻長期處于創新萌芽-創新起飛階段，受到社會期望熱度超過十年，尤其是前兩者的期望已處膨脹峰值期，期望遠超實際應用。第四，語音識別 (云)從2000年就處于啟蒙上坡期，在2004年以后快速普及，在2009—2014年完全實現了技術的成熟和穩定。

2.2 新興技術的成熟量

新興技術的成熟量受到政府、產業、科研及開發人員、社會媒體和技術用戶的重點關注。從炒作周期報告中可知，部分新興技術經歷了炒作周期之后逐漸找到技術的定位并走向成熟。圖3、圖4分別為從啟蒙回升至成熟的年限和頻次。

圖3 技術啟蒙回升至成熟的年限

圖4 成熟新興技術報告頻次 (2000—2019年)

新興技術的不確定性極強，成熟的新興技術通常報告頻次大于3次 (均值為3.80次)，不少進入啟蒙上坡期的技術至今未進入成熟穩定階段，即使跨越了槽底期，部分領軍企業已經實現獲利也很難確定能否大規模普及，如3D打印和手勢識別/控制技術雖然高頻次出現，在2013—2014年進入了啟蒙上坡期，但尚未大規模普及應用。新興技術從啟蒙上坡期發展到高生產率穩定期的時間多在1～4年，只有位置感知技術/服務用了9年時間才完成這個過程，這很可能與技術用戶采納和技術普及密切相關，找出推進這些技術走向成熟的方案變得尤為重要。炒作周期報告在2012年后較少列出“高生產率穩定期”階段的技術，2015年后較少列出“啟蒙上坡期”階段的技術[26-27]，僅42項技術進入成熟發展階段，占比17.1%。

2.3 新興技術的消失量

頭戴式顯示器、802.15.4/ZigBee協議、驗真技術等都已經消失了超過15年，究其原因，首先，技術取代產生的技術消失，消失時間越長的新興技術被替代的可能性越高，但技術消失并不意味著技術停滯，如虛擬現實技術的出現取代了頭戴式顯示器技術；其次，社會技術環境變革、競爭性潛在技術的增加、技術概念盲目炒作后期望難以兌現的落差也是主要誘因，但也有部分僅出現一次卻一直沒有引起足夠社會期望的技術，如播客在2005年就實現了創新起飛，但有趣的是，技術已經兌現甚至超出早期技術期望，而社會期望卻相對停滯，相比之下，社交電視則逐漸被冷落，早在2011年就提出推動社交媒體平臺和電視融合，促進傳統電視行業轉型，但至今沒有進展，這類技術逐漸消退主要是整體社會技術環境變遷所致。新型網絡技術增加了技術替代性，加劇了技術之間的競爭。圖5所示為新興技術的消失時長 (消失超過5年、頻次為1次且處于創新萌發期)。

圖5 加特納炒作周期中新興技術的消失時長 (2000—2019年)

2.4 新興技術的期望膨脹和消退速度

炒作周期曲線“先鐘形后緩升”的線型變化在曲線構成研究中有不少討論，如通過量化研究發現炒作期望曲線是期望變化態勢和S形技術采納曲線疊加而成[28]。本文進一步分析發現，技術期望的平均膨脹時間略高于平均衰減時間，鐘形曲線明顯左偏，即“攀升略快、下降略慢”。

圖6所示為新興技術從萌芽到峰值的時長圖，平均耗費3.6年，其中耗時最長的是NLP搜索界面，潛伏達11年。耗時超過7年的技術包括3D打印、移動/智能機器人、NLP搜索界面、4G，低于3年的技術包括網狀網絡-傳感器/廣域、生物識別用戶身份支付、社會網絡分析、個人/微型燃料電池、遠程呈現、物聯網、互聯型家庭、語義網、互聯網電視、大數據、游戲化、物聯網平臺、電子標簽/無源RFID、網絡化集體智能、網絡平臺、微博、超寬帶和統一通信。從膨脹期望速度看，社會和媒體對一項新興技術的期望時間通常在3～4年，膨脹速度快的技術多是個人生活應用型技術，產業組織相關技術膨脹相對較慢。

圖6 加特納炒作周期中新興技術期望膨脹速度 (2000—2019年)

圖7所示為技術從峰值到槽底的衰減時長，幾乎所有新興技術都是達到峰值后向槽底衰減，只有虛擬助手技術從2010年的槽底到2017年重新回到峰值區。技術平均衰減耗時3.29年，略低于新興技術膨脹平均速度。在近20年內，從期望峰區下降到槽底最慢的技術為托管虛擬界面/網絡桌面，耗時長達10年，增強現實、手勢識別/控制、移動商務/支付、企業聊天等技術的衰減時長也都超過6年，可見社會和媒體都對其保持了相當長時間的期望；相比之下，社交分析、私有云計算、媒體平板電腦、電子書閱讀器、電子墨水、創意管理等技術的衰減速度較快，均低于2年。可見，產業組織應用技術的期望消退時間長，而個人生活應用技術則反之，說明個體更易受到期望的影響，組織則會受到制度和已有技術的約束而存在采納滯后性。

圖7 加特納炒作周期中新興技術期望消退速度 (2000—2019年)

3 考慮期望管理的信息領域新興技術規劃設計方案

技術期望是影響資源分配的重要外部因素，技術期望膨脹猛然集聚大量政策和產業資源，卻很難確保兌現期望，極易導致嚴重資源浪費。在制定面向未來的技術戰略規劃時，如何規避資源浪費，成為政府和產業戰略管理的重要課題。本文基于炒作周期曲線的新興技術發展態勢分析，提出“新興技術媒體熱度判識-新興技術期望實現度德爾菲法-自下而上的政策供給系統”的新興信息技術規劃設計完整方案，為做好國家層面新興信息技術戰略規劃和創新政策設計提供參考。

3.1 信息領域新興技術媒體熱度判識：以量子計算、3D打印、播客和增強現實為例

制定新興信息技術規劃時，應開展媒體熱度和期望內容分析，快速判別技術所處炒作周期曲線的位置。這里以量子計算、3D打印、播客和增強現實為例，比較分析媒體熱度變化趨勢和炒作周期曲線的關聯性，以此說明加強媒體熱度判識對判定新興技術期望所處階段的價值。上述技術具有很強的典型性，依次代表了高頻新興技術、成熟新興技術、消失新興技術和膨脹速度快的新興技術。

圖8～11是采用中國知網重要報紙數據庫中四項技術的媒體報道量統計而得,并與炒作周期曲線變化過程進行關聯。雖然四種技術炒作周期的表現不同，但在媒體熱度的關聯上都表現出總體同向性，媒體熱度是能夠初步判斷新興信息技術的社會期望位置。這種同向性尤其在高頻新興技術和成熟新興技術上表現非常明顯，媒體熱度曲線和炒作周期曲線幾乎出現多處重疊和并行，即使是消失型新興技術也有很好的關聯，比如播客在2005年進入創新起飛階段，在這個時間前后的媒體報道量也恰好進入快速增長期。對膨脹速度快的技術而言，媒體報道量的快速增加甚至會早于社會期望，如物聯網技術，在2010年的報道量就達到頂峰，而在2012—2013年才從創新起飛階段進入膨脹期望峰值區。因此，政府和產業組織在制定新興技術戰略時，可借助媒體熱度變化圖來初步判定技術所處的炒作曲線階段。

圖8 量子計算媒體熱度與炒作周期曲線關聯

圖9 3D打印媒體熱度與炒作周期曲線關聯

圖10 播客媒體熱度與炒作周期曲線關聯

圖11 物聯網媒體熱度與炒作周期曲線關聯

3.2 信息領域新興技術期望實現度德爾菲調查

在初判技術曲線位置后，應采用兩輪德爾菲調查法來判定技術期望的實現度。雖然德爾菲法早已在技術預見領域得到大量應用，但通常是評判技術預見與技術進展的完成情況，而這里提出以新興技術期望實現度為評價對象的德爾菲調查是一種介于技術預見報告和技術規劃制定之間的橋接方法。雖然技術預見是技術規劃的前期工作，能夠提升技術規劃的科學性，但當前的技術預見工作并沒有考慮技術期望的事前管理，這對技術預見報告利用和技術規劃的實施都大有裨益。技術期望的事前管理能夠推動技術發展的科學性和技術的媒體社會期望相結合，以確保新技術和新發明的“有用性”，促進技術和社會互推式發展。具體而言，新興信息技術期望實現度德爾菲調查重點在于以新聞、報紙、微博、微信等互聯網媒體為對象，采用人工智能技術手段抓取技術的社會期望，以內容分析和文本挖掘為工具，整理數據并聚類分析得到技術的社會期望，將媒體炒作形成的期望以科學的方式記錄并形成文本，再由技術領域專家結合技術趨勢，連續兩輪對同一項技術期望的當前完成度和預期完成度開展評價。例如，以普及性采納時間距離和潛在回報為橫縱軸構建交叉矩陣的優選矩陣法 (Priority Matrix)就能夠較好地輔助決策[29]。

3.3 信息領域新興技術政策系統供給模型

當前新興技術政策的層級擴散是從國家到地方的“自上而下”模式，過度依賴于中央科技管理部門的戰略規劃。這種科技舉國體制雖能高集中度、高效率地整合全國資源推動科學技術的發展[30-31]，但在“大科學項目”上的適用性和有效性更強，而多數信息領域新興技術都不是“大科學”，“自下而上”的新興技術政策供給模式更有優勢。結合上述調查和技術預見報告，構建政策系統供給模型，如圖12所示。

圖12 信息領域新興技術政策系統供給模型

在期望管理期 (階段1)，優先采用地方政策供給，避免蜂擁而上導致的大量資源浪費：應以地方性信息領域新興技術政策為主，各省市摸清所處地域的技術資源優勢，結合實際推動技術概念的落地，參照國家技術預見調查報告，實施新興技術期望調查，找到新興技術地方性發展在國家技術預見和技術期望之間的平衡點，切實可行地提出具有地方特色的新興信息技術支持政策。這是以“新興技術領域”為試點的政策支持模式，對全國而言就會形成散點式的新興技術地方性政策試點。

在啟蒙上坡期 (階段2)，應采用國家政策重點供給模式，引導科技資源向社會發展貢獻大的技術上集中：以技術采納曲線和炒作周期曲線的交疊點為起點，將跨越槽底的新興信息技術抽選出來，找到與世界頂尖的差距，分析社會發展遠景，明確新興信息技術在社會圖景中的作用，重點制定以關鍵性新興信息技術為主體的國家重點新興技術規劃，引導國家資源快速推動技術從槽底走向高生產率穩定期。

在高生產率穩定期 (階段3)，采用府際聯合續推模式，推動發展成熟的新興信息技術跟上前沿動態，側重于提升中央-地方技術政策的配合度。不少新興技術在走向成熟階段時的政策配合度較差，國家和地方政策都開始缺乏投入動力。對發展成熟的新興信息技術，中央-地方技術政策應從媒體社會期望入手，拓展技術成熟后的發展方向，關注府際政策相似度，提升府際政策相容性，形成明確的不同層級政策側重點。

4 結語

本研究展現了近20年炒作周期報告的新興技術縱向變化：僅5項技術基本完整經歷了曲線階段；技術期望的平均膨脹時間 (3.6年)略高于平均衰減時間 (3.29年)，個人生活類新興技術期望膨脹快、消失快，產業組織應用類新興技術則恰恰相反；消失時間越長的新興技術被替代的可能性越高，而技術快速消失的原因更為復雜；新興技術從槽底到成熟需要1～4年，媒體熱度分析能夠初步判定新興技術在炒作周期曲線的趨勢。在此基礎上驗證了炒作周期曲線與媒體熱度的關系，創新地提出一套考慮期望管理的新興信息技術規劃設計方案，為政府開展新一輪科學技術規劃中面對“如何平衡不同期望下新興技術政策支持投入”問題提供可行的參考思路，并凝練得到信息領域新興技術政策系統供給模型，以此啟發在各領域新興技術規劃中應重視技術期望的作用，并前瞻性地設計創新政策。新興技術的發展影響到社會轉型，將社會發展遠景和新興技術規劃結合，分階段、分類別做好政策優先支持的技術排序，而非政策跟隨技術期望的漲跌，或許是平衡政策投入、產出兌現和社會遠景之間的合理選擇。