人工智能產業產學研合作申請專利超網絡模型研究

2021-08-15 10:38:54沈映春廖舫儀

產業經濟評論 2021年6期

沈映春廖舫儀

摘要：中央“十四五”規劃提出了建設國際科技創新中心的戰略構想，而引領新一輪科技革命的人工智能是建設國際科技創新中心需要重點發展的產業。本文以國家知識產權局專利數據庫為基礎，構建了基于加權超圖的人工智能產業產學研合作申請專利超網絡拓撲結構。該超網絡以參與產學研合作的高校、研究機構和企業為節點，以專利申請為超邊，具體展現了人工智能產業產學研合作發展現狀。本文以北京為例構建超網絡，并進行了縱向與橫向對比。結果顯示該超網絡中各節點的異質性明顯，少數組織機構占據主導地位，絕大多數組織機構申請專利數量少、合作形式單一；幾所知名高校在產學研合作中占有絕對主導地位，企業主體地位不明顯；產學、產研合作數量多，產學研合作數量少等。基于此，提出了加強政策引導、改善人工智能產學研合作創新不平衡現狀的相關政策建議。

關鍵詞：人工智能；產學研合作；專利；超網絡

一、引言

縱觀人類歷史，每一次重大科技創新無不對人類社會產生巨大的影響。進入21世紀以來，隨著科學技術的發展，第四輪科技革命正以前所未有的態勢席卷全球。而人工智能具有溢出帶動性很強的“頭雁效應”，是引領這新一輪科技革命和產業變革的戰略性技術1。2017年政府工作報告將人工智能列為戰略性新興產業，同年7月國務院發布的《新一代人工智能發展規劃》再次強調人工智能的國家戰略地位。近年來，人工智能技術不斷突破，推動了農業、制造業、醫療、信息技術等領域的技術進步，同時也便利了人民的生活、促進了經濟增長。打好人工智能“關鍵核心技術攻堅戰，提高創新鏈整體效能”，推動人工智能同各產業深度融合，推動先進制造業集群發展2，成為我國未來的發展方向。

人工智能產業產學研合作的發展現狀如何？未來如何制定政策推動產學研合作以進一步促進人工智能產業的發展？這些問題都具有重要的現實意義。本文通過構建超網絡模型，以專利合作情況作為產學研合作的衡量指標，具體展現北京人工智能產業的發展現狀，并將其與上海、深圳進行對比，最終基于實證研究提出相關政策建議。

二、文獻綜述

學界對人工智能產業的研究主要集中在兩個方面。一方面是人工智能在某一行業或某一技術領域的應用，凸顯出人工智能的實用價值。比如市場營銷領域，Wirtz（2018）等在考察消費者對服務機器人的認知、信念和行為的基礎上提出了服務機器人接受模型，為服務組織及其人員提供了如何提高客戶服務質量的新思路；Yadav和Pavlou（2020）說明了技術如何在數字環境下重塑廣泛的市場，即數字技術對市場營銷的影響；Jagdip Singh（2019）等研究了人工智能和銷售數字化技術對商品銷售環節的影響。另一方面，隨著人工智能技術的普及，越來越多的學者根據社會的需要，對人工智能的性質、特征進行探索。比如，江怡通過對人工智能和人存在本身形而上的追問，發現人工智能是人探索自身存在意義的一種形式，也是對人原初問題的重新回歸。John Searle（2018）的“中文屋”實驗認為人工智能永遠不會有心靈，而Agar N.（2019）的信任度評分方案、Schmid（2017）的生命形式方案都認為人工智能存在心靈具有一定程度的可能性。閆坤如認為，基于數據驅動的人工智能機器無法揭示事物之間潛藏的因果關系和理解的復雜性，因此，人工智能對人類的認知只處于功能模擬階段，不真正具有人類理解力。

人工智能的產學研方面，目前的研究仍較為有限，學者多從整體角度對人工智能產學研創新影響因素、合作模式、創新體系建設以及創新網絡模型進行探究。如薛瀾等以人工智能產業為例研究發現，產學研協同創新績效受到企業、高校及科研院所資源異質性大小的影響，一般來說，資源異質性高的主體對產學研創新有促進作用。王紹丹和裴庭偉（2020）在對比中美人工智能領域產業發展狀況的基礎上，探討高校在該領域的發展優勢與限制，并提出了四種人工智能領域產學研的合作模式。馬相東在總結美國、德國和日本的人工智能產學研創新體系建設的基礎上，認為中國應該通過公私合作加大研發投入，構建政產學研一體的人工智能創新體系，以發揮人工智能技術的正面經濟效應。Fang Wei（2018）等建立了人工智能產業協同創新網絡模型，并以騰訊人工智能領域專利合作網絡為例，用系統仿真方法分析了協同創新網絡拓撲結構，對小世界現象、技術知識與網絡結構的耦合演化等進行探究，發現強化企業在人工智能技術創新中的主體地位、提高異質主體之間的開放程度，是提高協同創新績效的有力保障。黃成節和南旭光（2019）著眼于人工智能時代社會的內在特征，從推動治理模式變革、治理制度創新、治理機制重構、治理格局優化等方面入手，為推動產學研合作治理體系和治理能力現代化的建立和完善提供理論參考和實務借鑒。由此可知，目前對人工智能產學研合作網絡的探究仍存在較大空白。

目前，國內外學者主要從復雜網絡角度對產學研合作進行研究。如高霞和陳凱華（2015）以專利聯合申請為切入點，借助復雜網絡分析方法發現我國ICT領域產學研合作創新網絡的規模呈增大趨勢，復雜網絡特征顯著，具有明顯的小世界性和無標度特征。吳慧（2020）等通過復雜網絡分析得出中國醫藥制造業產學研合作創新網絡具有無標度網絡特性，并運用QAP回歸分析得出小世界性對上海市產學研合作創新網絡的創新績效會產生一定不利影響。但復雜網絡存在局限性，在一些情況下無法完全刻畫真實世界的特征。如在研究產學研合作網絡時，若某一項目的合作機構數量大于等于3時，復雜網絡就失去了效力。而超網絡具有多層、多級、流量的多維性、多屬性和協調性等特征，能較好地描述超大規模的網絡。近年來，學者們注意到超網絡的這一優點，開始運用超網絡探究產學研合作情況。馬濤和郭進利（2018）構建出基于加權超圖的產學研合作申請專利超網絡，分別對上海ICT產業和上海電子信息產業的產學研發展現狀進行分析。劉勇（2017）構建了基于金融資本和中介作用的產學研協同創新超網絡均衡模型，建立了多目標最優決策模型，求解并分析了產學研協同創新超網絡均衡，并基于社會資本和中介的調節作用給出產學研協調創新實現超網絡均衡的框架和路徑。趙永平、徐盈之（2013）構建了核心—外圍超網絡模型，發現協同創新是當前產學研創新主體深度合作與共生優化的最佳途徑，創新主體間能夠同時實現局部與整體的目標最優化，而超網絡優化機制在出現均衡偏差時將促使創新主體進行行為再優化，使各創新主體更加明確其角色和功能定位。

綜上可知，目前使用超網絡模型對產學研進行的研究主要專注于如何通過超網絡實現最優化，而對某一產業產學研發展現狀的研究并不多。其中，使用超網絡對人工智能產業產學研發展現狀進行的研究目前還未出現，這也是本文的研究意義所在。

三、基于加權超圖的產學研合作申請專利超網絡拓撲結構

（一）網絡結構介紹

超網絡是指節點眾多、網絡中含有網絡的系統，能夠比較清楚地描述和表示各節點和網絡之間的相互關系，也可以用優化理論、博弈論、變分不等式等數學工具對網絡中的變量進行分析和計算。

根據 Chiang等和Estrada等學者的研究，產學研合作申請專利超網絡拓撲結構可表示為H=（V，E，W），H為一個加權超圖。其中，有限集V={v1，v2，v3，...，vn}是超網絡中所有節點的集合，每個vi（i=1，2，…，n）表示超網絡中的一個節點，即參與產學研合作申請專利的機構；E={E1，E2，E3，...，Em}表示超網絡的超邊，即所有參與產學研合作申請專利的團隊，每個Ej（j=1，2，…，m）表示一種產學研合作申請專利的機構組合形式；在Ej≠？時，每條超邊都有一個權重w（Ej），表示每種產學研合作申請專利組合形式申請專利的數量，W={w（E1），w（E2），w（E3），...，w（Em）}代表超網絡中超邊權重的集合。

具體的網絡形式如圖1所示。圖中每個黑色實心圖案都代表參與產學研合作的一個機構，黑色正方形代表高校，黑色圓形代表科研院所，黑色三角形代表企業，它們都是超網絡中的節點。一個空心圈代表一個產學研合作申請專利的團隊，即一條超邊，每個圈中的所有圖案代表該團隊中的所有機構。超邊的權重即為該超邊所代表的團隊申請專利的數量。

（二）衡量指標

根據馬濤和郭進利對基于加權超圖的產學研合作申請專利超網絡拓撲結構衡量指標的構建，表1中列出了分析所需的相關指標及其定義、實際意義。

四、以北京市為主的實證研究

（一）數據的獲取

北京人工智能產業產學研合作申請專利相關數據來自國家知識產權局官方網站（https：//www.cnipa.gov.cn）。本文搜集了數據庫中北京2017年、2018年、2019年，上海2018年和深圳2018年的人工智能產業產學研聯合申請專利。人工智能產業相關IPC分類號來自2019年12月國家工業信息安全發展研究中心發布的《人工智能中國專利技術分析報告》（下簡稱《報告》）。《報告》將人工智能產業技術劃分為七個一級的技術分支：深度學習、語音識別、自然語言處理、計算機視覺、智能駕駛、云計算與智能機器人。每個一級分支下都給出了重點二級分支技術的IPC代碼（如表2所示）。將所有七個一級分支的IPC代碼進行整合去重，共得到33個IPC代碼。本文在檢索頁面中的IPC分類中逐個輸入人工智能產業的IPC代碼進行檢索。對檢索結果中不符合要求的數據進行人工剔除，如只有單個申請人、申請人名稱中同時出現“公司”與“研究所”的情況。本文主要構建了北京2018年人工智能產業產學研合作申請專利超網絡，并用北京2017年、2019年的數據，上海2018年和深圳2018年的數據進行對比分析。

（二）2018年北京人工智能產學研合作申請專利超網絡的構成

由表3可知，2018年北京人工智能產業產學研合作申請專利排名前5位的IPC分類號分別為G06F、G06Q10、H04L29、G06K、G06N3，具體數量分別為194、68、68、61、48。上述5個分支領域申請專利的數量占2018年北京人工智能產學研合作申請專利總量超過66%。因此，這5個技術領域可以看作2018年北京人工智能產業產學研合作申請專利的熱點。而其他28個分支申請專利的總數量僅占總量的不到34%。由此可見北京人工智能產業產學研合作分布并不均衡。

去除各分支內重復統計的專利后，總共得到2018年北京市人工智能產業的相關專利493項。將專利申請中第一申請人看作是該專利的主導方，如第一申請人是高校，則該專利由高校主導。統計可得，2018年北京人工智能產業相關專利中，190項為高校主導，占38.54%；183項為企業主導，占37.12%；120項為研究機構主導，占24.34%。由此可見，2018年北京人工智能產業產學研合作申請專利的主導方比較平均，沒有出現某一主體占絕大多數的情況。

本文利用2018年北京人工智能產業產學研合作的493項專利數據構建北京市人工智能產業產學研合作申請專利超網絡。在該超網絡中，將高校、研究機構和企業定義為超網絡的節點，共有335個節點，標號為v1，v2，...，v335。其中，代表高校的黑色正方形點有37個，代表研究機構的黑色圓形點有57個，代表企業的黑色三角形點有237個。該超網絡有223條超邊，即有223種不同的合作申請專利的機構組合形式。每條超邊的標號為E1，E2，...，E223，每條超邊中都包含至少2個、至多6個不同的節點。超邊的權重用來描述每條超邊中的組織合作申請專利的次數，超網絡中所有的超邊權重之和就是超網絡中的專利總數，即為493項。

對本文超網絡中的節點度、超度和超強度的最大值、最小值和平均值進行計算，得到表4的數據。

由此可見，絕大部分組織機構參與產學研合作專利申請的機構組合形式十分單一，只有較少的幾個組織機構有多種機構組合形式。

（3）節點的超強度和超強度分布

由此可知，只有少數幾個組織機構的產學研合作專利申請數量較大，其他大部分組織機構的產學研合作專利申請數量較小，分布不均勻。但由圖4可見，各點縱坐標差異不大，最高點縱坐標未超過0.2。這說明與度、超度相比，各節點超強度的差異比較小。

（4）超邊超度

超邊超度ds （E j ）即每條超邊包含的節點個數，即一項專利中參與合作的組織機構的個數。在構成2018年北京人工智能產業產學研合作申請專利超網絡的493項專利中，有415項專利參與合作的組織數目為2，有69項專利參與合作的組織數目為3，剩余9項專利參與合作的組織數目為4個及以上，最多一項專利的參與者達到6個。此外，分析結果表明，高校和企業共同申請的專利占大多數，高校、研究機構以及企業共同申請的專利最少。

（5）節點度、超度和超強度之間的關系

擬合函數后可知，節點超度與節點度呈現線性關系，表達式為：y=0.95x+0.367（R2=0.812）。節點超度與節點超強度也呈線性關系，表達式為：y=2.072x-0.014（R2=0.717）（如圖5、6所示）。由此可得，節點超度與節點度為強正相關，節點超度與節點超強度為弱正相關。即組織機構所參與的產學研合作申請專利的團隊數和與該組織機構有合作關系的其他組織機構的數量正相關，組織機構所參與的產學研合作專利申請的團隊數和該組織機構參與的產學研合作申請專利的數量也呈正相關。可以說，一個組織機構參與的團隊數越多，則其合作的其他機構越多，申請的專利也越多。

（四）北京人工智能產學研合作申請專利超網絡的縱向對比

基于2017與2018年北京人工智能產業產學研合作申請專利的相關數據，可繪制出雙對數坐標系下節點度和超度的累計概率分布（如圖7、8、9、10所示）。對曲線擬合發現數據均服從冪律分布。2017年北京人工智能產學研合作申請專利超網絡的節點度擬合的冪函數為y=0.482x-1.594（R2=0.955），節點超度擬合的冪函數為y=0.111x-1.332（R2=0.847）；2019年北京人工智能產學研合作申請專利超網絡的節點度擬合的冪函數為y=0.209x-1.485（R2=0.748），節點超度擬合的冪函數為y=0.204x-1.414（R2=0.707），結果均與2018年情況相類似（如表5所示）。由此可見，以2018年為例對北京人工智能產業產學研合作發展情況進行分析具有代表性。

將這三年的數據進行對比可得到近年來北京人工智能產業產學研的發展趨勢。

從總體情況來看，2017年北京人工智能產業產學研合作申請專利中有27.33%為高校主導，41.86%為研究機構主導，31.01%為企業主導；2018年北京人工智能產業產學研合作申請專利中有38.54%為高校主導，37.12%為企業主導，24.34%為研究機構主導；2019年北京人工智能產業產學研合作申請專利中有40.39%為高校主導，18.49%為研究機構主導，40.93%為企業主導（如圖11所示）。研究機構主導的專利申請量大幅下降，高校與企業主導的專利申請量穩步上升，差距逐漸拉大。

（5）政府牽線搭橋，鼓勵團隊合作

北京2018年人工智能產業產學研合作申請專利超網絡中，節點的超度和節點的度、超強度均呈現強正相關關系。說明一個組織機構參與合作的團隊數越多，則與其有合作關系的其他機構越多，申請的專利數量也越多。因此，鼓勵組織機構多參與產學研團隊合作成為政府可行的選擇。政府可以作為中間人，建立完善的對接機制和信息資源平臺，幫助組織機構尋找合適的產學研合作對象。

（6）鼓勵產學研三方共同合作

北京2018年人工智能產業產學研合作申請專利超網絡中，產學合作309項，占總數的62.68%，產研合作172項，占總數的34.89%，產學研合作12項，僅占總數的2.43%，產學研合作數量最少。高校、研究機構和企業三者共同合作是產學研合作的重要形式，三者共同合作數量的增加能夠加深人工智能產業產學研合作的程度，促進超網絡發展。因此，北京市政府應當積極鼓勵推動高校、研究機構和企業三方合作，建立信息共享機制，搭建合作交流平臺，完善知識產權相關制度和法律法規，以政策為導向讓真正的產學研合作推動人工智能產業發展。

參考文獻

[1] 馬相東. 人工智能的雙重效應與中國智能經濟發展[J]. 中共中央黨校（國家行政學院）學報[J]. 2020，24（02）：59-66.

[2] 黃成節，南旭光. 智能時代產學研合作治理研究的邏輯、挑戰及路徑[J]. 中國科技論壇，2019（02）：29-35+43.

[3] 高霞，陳凱華. 合作創新網絡結構演化特征的復雜網絡分析[J]. 科研管理，2015，36（06）：28-36.

[4] 吳慧，顧曉敏，趙袁軍. 產學研合作創新網絡拓撲演化的復雜網絡研究[J]. 復雜系統與復雜性科學，2020，17（04）：38-47.

[5] 王眾托，王志平. 超網絡初探[J]. 管理學報，2008，05（01）：1-8.

[6] 馬濤，郭進利. 基于加權超圖的產學研合作申請專利超網絡——以上海ICT產業為例[J]. 系統工程，2018，36（01）：140-152.

[7] 馬濤，郭進利. 基于加權超圖的產學研合作申請專利超網絡模型——以上海電子信息產業為例[J]. 技術經濟，2019，38（06）：109-118+124.

[8] 劉勇. 產學研協同創新超網絡均衡模型及其實現路徑[J]. 中國科技論壇，2017（01）：19-25.

[9] 趙永平，徐盈之. 基于核心—外圍超網絡模型的產學研協同創新研究[J]. 大連理工大學學報（社會科學版），2013，34（04）：7-12.

[10] 王志平，王眾托. 超網絡理論及其應用[M]. 北京：科學出版社，2008.4-5.

[12] 江怡. 人工智能與人類的原初問題[J]. 社會科學戰線，2020（01）：207-213+282.

[13] 約翰·R·塞爾. 心靈、大腦與程序[M]. 劉西瑞，王漢琦，譯∥瑪格麗特·博登. 人工智能哲學. 上海：上海譯文出版社，2006.

[14] 薛瀾，姜李丹，黃穎，梁正. 資源異質性、知識流動與產學研協同創新——以人工智能產業為例[J]. 科學學研究，2019，37（12）：2241-2251.

[15] 王紹丹，裴庭偉. 第三次發展熱潮下人工智能領域產學研合作模式探討[J]. 教育教學論壇，2020（31）：88-90.

[16] Chiang I J，Agglomerativealgorithm to discover semantics from unstructured big data[C] ， IEEE International Conference on Big Data， 2015.

[17] Estrada E， et al.Subgraphcentrality in complex networks[J].Physical Review E， 2005， 71（5）： 056103.

[18] Jochen Wirtz， Paul G. Patterson， Werner H. Kunz， et al. Brave new world： service robots in the frontline[J]. Journal of Service Management，2018，29（5）：907-931.

[19] Yadav， Manjit S.， and Paul A. Pavlou. Technology-Enabled Interactions in Digital Environments：A Conceptual Foundation for Current and Future Research[J].Journal of the Academy of Marketing Science，2020，48 （1）： 132–36.

[20] Singh， Jagdip， Karen Flaherty， Ravipreet S. Sohi， Dawn Deeter-Schmelz， Johannes Habel， Kenneth Le Meunier-FitzHugh， Avinash Malshe， Ryan Mullins， and Vincent Onyemah. Sales Profession and Professionals in the Age of Digitization and Artificial Intelligence Technologies： Concepts， Priorities， and Questions[J]. Journal of Personal Selling & Sales Management，2019，39 （1）： 2–22.

[21] Agar， N. How to Treat Machines That Might Have Minds[J]. Philosophy and Technology 33， 2019 （02）： 269–82.

[22] Hans Bernhard Schmid. “Robot”as a Life-Form Word[J]. Haku R， Seibet J， eds.Sociality and Normativity for Robots， Studies in the Philosophy of Sociality， 2017（9）.

[23] Wei， Fang， Dai Sheng， and Wang Lili. Evolutionary Model and Simulation Research of Collaborative Innovation Network： A Case Study of Artificial Intelligence Industry[J].Discrete Dynamics in Nature & Society， 2018（11）： 1–13.

Research on Industry-University-Research Cooperative Hypernetwork for Applying Patent of Artificial Intelligence Industry in Beijing

YINGCHUN SHEN

（Beihang University， School of Public Administration）

FANGYI LIAO

（Beihang University， School of Public Administration）

Abstract： The "14th five year plan" put forward the key support for Beijing to become an international center for technology and innovation. Artificial intelligence， which leads a new round of science and technology revolution， is an essential industry for Beijing in the process of building an international center for technology and innovation. Based on the patent database of the State Intellectual Property Office， this paper constructs a industry-university-research cooperative hypernetwork for applying patent based on weighted hypergraph of Beijing artificial intelligence industry in 2018， and compares it with data of different years and cities. With universities， research institutions and enterprises participating in the cooperation as nodes and patent application as edge， the hypernetwork shows the present situation of industryuniversity-research cooperation of artificial intelligence industry in Beijing. According to the empirical results， the heterogeneity of each node in the hypernetwork is obvious， a few organizations occupy the dominant position， and the vast majority of organizations apply for fewer patents and have a single form of cooperation； several well-known universities play an absolute leading role in the industry-university-research cooperation， and the dominant position of enterprises is not obvious； the number of cooperation with both universities and enterprises and cooperation with both research institutions and enterprises is large， but the number of cooperation with all universities， research institutions and enterprises is small. Therefore， we need to strengthen policy guidance to improve the imbalance of industry-university-research cooperation and innovation.

Keywords： artificial intelligence； industry-university-research cooperation； patent； hypernetwork

執行編輯〔劉自敏〕

沈映春，北京航空航天大學公共管理學院教授，博士，經濟系主任，碩士生導師，廖舫儀，北京航空航天大學公共管理學院經濟學本科生。

基金項目：2020年北京市社會科學基金決策咨詢項目（重點項目）——“北京全國科技創新中心輻射力研究”（20JCB063）；2020年北京市社會科學基金規劃項目（重點項目）——“創新生態視角下北京建設國際科技創新中心研究”（20GLA075）。

1 中國共產黨新聞網.習近平講故事：人工智能具有很強的“頭雁”效應[Z].http：//cpc.people.com.cn/n1/2019/0726/ c64094-31256975.html，最后訪問時間：2021年5月24日。