人工智能產業技術標準合作網絡演化與主體識別：基于社會網絡分析法與TOPSIS 熵權法

劉思薇，周立軍，楊 靜，虎陳霞

（中國計量大學經濟與管理學院，浙江杭州 310018）

人工智能是新一輪產業革命的重要驅動力，也是促進產業創新與轉型升級的關鍵抓手。習近平總書記明確指出，加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題。美國、德國、法國等發達國家已陸續將人工智能升級為國家戰略布局的重點，并將人工智能技術標準作為關鍵要素，以期在新一輪國際競爭中搶奪優勢，如2018 年德國發布《人工智能戰略報告》，將確定人工智能技術標準作為一項戰略行動；2019年美國發布《國家人工智能研發戰略規劃》（2019年更新版），也將以標準和基準來測量與評估人工智能技術作為一項重要戰略，同年美國國家標準技術研究院發布《聯邦政府參與開發技術標準與相關工具的計劃》，明確指出美國在全球人工智能領域占據領導地位取決于聯邦政府在人工智能標準制定中的積極作用。我國也高度重視人工智能標準化工作，2020 年國家標準化委員會發布《國家新一代人工智能標準體系建設指南》，旨在建立國家新一代人工智能標準體系，加快先進技術向標準轉化，促進創新成果與產業深度融合，為高質量發展保駕護航。人工智能技術的擴散不僅僅是簡單的復制與轉移，而是在多元主體互動與合作的基礎上實現不同技術體系累積的過程［1］。同樣，技術標準的研制、擴散水平也不僅依賴于標準本身，還取決于技術標準合作網絡中包括企業、研究機構以及高校在內的多元主體間合作狀態與互動規律。那么，我國人工智能領域的技術標準合作網絡的核心主體有哪些，呈現出怎樣的特征？在人工智能的不同細分領域核心主體之間的互動關系是否有所不同，演化規律是什么？等等問題都值得討論與研究。本研究采用社會網絡分析方法，探討人工智能產業技術標準合作網絡特征的演化，識別人工智能標準的重點發展領域及其核心主體類型與作用的演變，分析不同階段標準合作網絡結構形態，旨在為提升人工智能產業標準合作效率從而加速產業技術標準化發展提供支撐。

1 文獻綜述

1.1 合作網絡及節點重要性評估研究

合作網絡是由參與者與它們之間的關系即節點與聯系形成的復雜網絡［2］。目前國內學者對于社會合作網絡的研究對象多個領域，如劉穎琦［3］等以智能網聯汽車國際專利為研究對象構建合作網絡，對技術熱點及專利權人的合作狀態進行探索與分析；郭建杰等［4］基于信息與通信技術（ICT）產業專利數據構建產業合作網絡和產學研合作網絡，并采用負二項回歸分析探究不同類型的合作網絡對企業創新績效的影響差異。研究內容主要集中在合作網絡的靜態特征、動態演化、核心個體或團隊識別幾個方面。節點是合作網絡的重要組成元素，其在網絡中所處的位置對其自身乃至整個網絡的發展都有重要意義［5］。那么，評估節點重要性、識別并挖掘網絡中的核心主體，對促進整個網絡的信息交流與傳遞至關重要。當前合作網絡中節點重要性評估方法主要有社會網絡分析法和節點刪除法兩種。前者通常用中心度指標來測度節點重要性，例如Liu 等［6］基于作者排名（AuthorRank）中心度算法對數字圖書館領域合作網絡節點影響力進行評估；陳衛靜等［7］以度數中心度、中介中心度、接近中心度、特征向量中心度和發文量為評估指標，采用基于熵權法的灰色關聯分析法測度科學合作網絡中作者的影響力；張素娟等［8］通過網絡中主體的發表論文數、度數中心度、中介中心度以及網頁排名（PageRank）值4個指標評估科研合作網絡中科學家的影響力。后者則通過刪除節點后對網絡連通性影響程度來衡量節點重要性。

1.2 標準合作網絡研究

Gao［9］借鑒行為者網絡理論指出，技術標準化就是不同參與主體之間合作、技術和社會因素相互交織形成網絡的過程。由于新興前沿技術的領先性、復雜性及不穩定性，其技術標準化活動要想取得創新突破，必須依靠大量主體的參與和協作［10］。然而，標準制定主體的多元性會導致其發揮作用的方式及互動規律存在差異［11］。邵呂深等［12］基于信息與通信技術行業團體標準（以下簡稱“團標”）構建團標制定組織與團標制定單位二模網絡，將合作模式劃分為合作共進式、核心支撐式、獨立發展式和項目推動式4 類。方世世等［5］通過對數字經濟領域國家標準合作網絡屬性與演化規律的探究，提出研究機構、企業與高校分別發揮著中介者、支撐者與基礎要素提供者的作用。然而，目前尚未有研究從標準合作網絡中參與主體的重要性評估出發，來探討標準合作網絡特征及演化問題，故本研究在探究人工智能領域標準合作網絡特征動態演變的基礎上，采用由熵權法改進的TOPSIS 法識別我國人工智能產業重點發展領域標準制定的核心主體，分析其角色演化，以期為未來人工智能標準的制定及其參與主體發揮作用的方式提供參考。

2 數據收集與處理

2.1 數據來源

將以“人工智能”為關鍵詞在中國知網搜索得到的997 篇相關文獻導入文獻題錄信息統計分析工具SATI 3.2，進行字段提取和高頻詞統計，用得到的“深度學習”“自然語言處理”“語音識別”“人機交互”等7 個關鍵詞檢索人工智能相關標準，并結合我國《人工智能標準白皮書》（2018 版）中的標準明細表，最終在國家標準化委員會官網標準服務平臺檢索得到我國人工智能產業2007—2020 年間國家標準和行業標準共164 項，其中國家標準133 項、行業標準31 項。

2.2 數據處理與階段劃分

Logistic 增長模型提出以來，多應用于技術生命周期的研究，有研究如趙莉曉等［13］、瞿羽揚等［14］指出，技術標準與技術密切相關，且其出現與發展趨勢與生命周期類似，故本研究采用Logistic 增長模型對人工智能技術標準發展階段進行劃分。對上述收集到的164 項人工智能產業技術標準各年份的標準存量進行統計，并將數據導入Logistic 分析軟件進行階段劃分，結果如表1 所示，繪制Logistic 增長模型擬合圖如圖1 所示。

表1 我國人工智能標準擬合結果統計

圖1 我國人工智能標準 Logistic 增長模型擬合

目前我國人工智能產業技術標準正在快速發展，預計到2024 年到達發展頂峰。如圖2 所示，按照萌芽期（標準存量為0%～10%）、成長期（標準存量為＞10%～50%）、成熟期（標準存量為＞50%～90%）和衰退期（標準存量為＞90%～100%）的劃分標準，再結合各年份的標準數量，將我國人工智能產業標準化發展劃分為2007—2013 年、2014—2017 年、2018—2020 年3 個階段，分別命名為萌芽期、成長期與成熟初期（以下簡稱“三階段”），三階段內的標準數量分別為31 項、61 項和72 項。

圖2 我國人工智能技術標準生命周期劃分

3 人工智能標準合作網絡特征演化分析

目前國內有關研究如郭慶等［15］在構建合作網絡時大多采用無向網絡，即各參與主體地位等同，無法表示不同參與主體對于標準的貢獻程度，因此本研究結合標準起草單位的排名特點，選取各標準的前5 家起草單位，以第一起草單位為目標節點、其余起草單位為源節點，構建各標準的源節點均指向目標節點、非目標節點之間不構建聯系的有向網絡。運用Gephi 軟件獲得我國人工智能產業技術標準的萌芽期、成長期與成熟初期三階段合作網絡的可視化結果如圖3～圖5 所示，其中圖（a）是各階段的總體合作網絡，圖（b）是該階段網絡中合作較緊密且度數中心度大于3 的參與主體的合作網絡，稱為“重要參與主體”。連通子圖是指合作網絡中內部相互聯結的小網絡，從其節點數量與規模演化情況來看，萌芽期共有8 個連通子圖，包括1 個以海爾集團公司為中心的大網與7 個小網，各子網之間連通程度較低；成長期也有8 個連通子圖，其中有1個以中國電子技術標準化研究院為中心的大網、2 個中小網與5 個小網，各子網規模較上階段明顯擴大，說明人工智能標準正在快速發展；成熟初期只有1 個以中國電子技術標準化研究院為中心的、規模為157 的大型連通子圖，呈現出部分節點聯系緊密、部分節點聯系疏遠的形態，說明標準合作網絡正在進一步擴大，但合作網絡內部不穩定，各主體間合作程度不充分。

圖3 萌芽期我國人工智能產業技術標準合作網絡

圖4 成長期我國人工智能產業技術標準合作網絡

圖5 成熟初期我國人工智能產業技術標準合作網絡

從重要參與主體數量與類型的演化來看，萌芽期高校占比為44.5%，研究機構與企業占比分別為33.3%和22.2%，數量相當；成長期企業占比為57.1%，其次為研究機構，高校較上一階段占比明顯減少，僅占14.3%；成熟初期以高校為主，占比為54.3%，企業與研究機構的數量較上階段減少。從萌芽期到成熟初期，重要參與主體數量由9 個增加到35 個，主體類型在不同階段占比也不同，但總體來看都呈產學研融合趨勢，且高校與企業發揮著越來越重要的作用。

從網絡結構特征的演化看（見表2），合作網絡的節點數由49 個增加到162 個，關聯關系數由54個增加到206 個，網絡直徑由4 增加到11，說明越來越多的組織參與到人工智能產業標準的研制中來，且參與主體之間的合作次數呈現增加趨勢，但網絡密度卻由0.023 逐漸下降到0.008，平均聚類系數從0.098 降低到0.055，表明雖然人工智能產業標準合作網絡的規模在擴大，但參與主體之間合作強度不高，合作網絡較分散。

表2 我國人工智能產業技術標準合作網絡的結構特征演化

4 人工智能標準重點發展領域核心主體的識別及演化分析

4.1 人工智能標準主次領域分布

根據我國《人工智能標準白皮書》（2018 版）標準明細表中的分類，將以上164 項標準按主領域分為6 類。其中，萌芽期的標準涉及安全安防、產品、關鍵技術及應用服務4 類，成長期與成熟初期增加平臺支撐與基礎兩大類。各個主領域所涉及的次領域及其標準數量隨時間也有著不同程度的更新與變化，具體如表3 所示。

表3 我國人工智能產業各階段標準數量演變

4.2 核心主體識別模型的建立

4.2.1 評價指標的選取

根據Han［16］和Lin［17］等對社會網絡結構特征的研究，節點的重要性以及影響力與其在網絡中的位置聯系密切，節點的位置可用中心性指標來度量。Freeman 等［18］提出了通過度數中心度、中介中心度和接近中心度來測量社會網絡結構中心性。本研究借鑒陳衛靜［7］等學者的做法，以度數中心度、中介中心度、接近中心度和特征向量中心度作為識別核心主體的評價指標，具體見表4。

表4 我國人工智能產業核心主體評價指標

4.2.2 熵權法確定指標權重

熵權法以評價指標數據反映信息量大小為依據對指標賦予權重［19］。本研究在使用TOPSIS 方法識別核心主體前，先對4 個評價指標進行賦權，增加計算的客觀性與準確性。基于原始數據構建決策矩陣其中，m代表評價對象的個數；n代表評價指標的個數，代表第i個評價對象的第j個指標值（i=1,2,3,...,m；j=1,2,3,...,n）。由于各個指標單位不統一，按照式（1）消除量綱影響，得到規范化矩陣按照式（2）（3）分別計算指標的熵值與差異系數；用式（4）將差異系數歸一化，得到各個指標的權重。

4.2.3 識別核心主體的熵權TOPSIS 模型

TOPSIS 法以參與主體與理想目標之間的差異值為優劣排序依據，對有限數量的主體進行評價［20］。首先對指標類型進行統一，評價指標中的度數中心度、中介中心度和特征向量中心度都是正向指標，即數值越大表明節點越重要；接近中心度是負向指標，需要對進行指標正向化處理。其次，對4 個評價指標按式（5）進行統一量綱處理，然后按式（6）（7）確定正理想解和負理想解。最后，按式（8）至式（10）獲得各個主體的最終得分。

4.3 重點發展領域核心主體的識別與分析

根據研究領域隨時間更新的速度與程度，結合各主次領域涉及到的人工智能標準數量，最終選擇關鍵技術、應用服務、平臺支撐3 個主領域，選取各項標準的前5 家起草單位分階段建立無向合作網絡。先采用熵權法確定各主領域標準起草單位的度數中心度、中介中心度、接近中心度和特征向量中心度4 個評價指標的權重（見表5），再通過TOPSIS 法計算各起草單位的綜合得分，最終選取各主領域排名前5 位的起草單位作為該領域的核心主體。

表5 我國人工智能產業3 個主領域標準起草單位評價指標權重

4.3.1 關鍵技術領域核心主體演變

人工智能技術關鍵技術領域的標準在三階段分別有10 項、17 項和32 項，是我國人工智能產業中標準數量占比最高、增長最快的領域。其中，萌芽期和成長期主要聚焦于生物特征識別和人機交互兩個次領域，成熟初期增加了計算機視覺、自然語言處理與VR/AR 等3 個次領域（見圖6）。

圖6 我國人工智能產業關鍵技術領域三階段標準合作網絡

各階段的核心主體如表6 所示。從核心主體類型的演變來看，研究機構數量占比由萌芽期的60%降低到成熟初期的20%，發揮核心主體作用的研究機構快速減少；而企業占比從萌芽期的20%增長到成熟初期的60%，呈上升趨勢；高校在萌芽期和成長期均未進入核心主體前5 位，但在成熟初期出現后即發揮了重要作用，清華大學排名僅次于中國電子技術標準化研究院，居第2 位。成熟初期由于新增了計算機視覺、自然語言處理與AR/VR 這3 個新興領域，高校作為新興技術探索的重要力量，可能是其占比與參與度顯著提高的原因。三階段核心主體類型的演化從研究機構到企業再到研究機構、高校及企業三者并重，即由單一主導向多元合作的演變趨勢，說明我國人工智能標準的關鍵技術領域目前正以產學研聯盟為載體，在政府的引導下形成創新合力，突破共性及核心技術以促進產業結構升級。

表6 我國人工智能產業關鍵技術三階段核心主體演化

從核心主體所處領域的演變來看，生物特征識別是起步較早、發展迅速、主體活躍的領域，主要聚焦生物特征識別數據交換格式相關標準的研制，萌芽期與成長期的核心主體均集中在生物特征識別領域，而且越來越多的主體參與到該領域標準的制定中。除了中國電子技術標準化研究院始終占據主導地位以外，企業的核心作用也逐漸凸顯。早期的人機交互領域處于探索與發展階段，直到成熟初期才出現除中國電子技術標準化研究院外的核心主體，即“中文語音產業國家隊”——科大訊飛股份有限公司，作為一家專門研究智能語音技術的企業，在該階段主導或參與制定智能語音交互相關標準共8項，研發的人機語音交互技術使人與機器之間溝通變得簡單，在智能汽車、智慧城市等方面都有廣泛的應用。在自然語言處理與計算機視覺兩個新興領域，清華大學起主導與連接的作用，與以高校為主的其他起草單位共同制定智能客服、形狀建模相關標準；清華學堂人工智能班于2019 年成立，專門研究人工智能核心技術與算法，在智能制造與機器人等領域取得在豐碩的成果，為人工智能領域培養了先進人才。

從次領域及其主體隨階段的演變情況來看，在未來關鍵技術標準制定中，會形成以中國電子技術標準化研究院為中心，連接各領域技術標準工作的發散型合作網絡結構。我國“互聯網 +”行動計劃和《新一代人工智能規劃》明確指出要重點發展生物特征識別技術，其他發達國家也對該項技術十分重視，如美國專門成立了生物識別委員會支持該項技術的發展［21］，生物特征識別與人機交互領域會演變成為以企業為核心主體的、規模更大的子網。在AR/VR、自然語言處理與計算機視覺等3 個新興領域中高校會占據核心地位，通過發揮自身科研優勢為前沿技術提供資源與人才的支撐。此外，除了目前的次領域外，還可能會出現機器學習等其他領域的小型標準合作網絡。

4.3.2 應用服務領域核心主體演變

人工智能技術應用服務領域在三階段的標準數量分別為13 項、11 項、14 項。應用服務所涉及的次領域更新換代速度快，標準研制與技術發展趨勢、政策關注焦點、市場需求均緊密相關，所以不同時期所關注的重點領域不同，由萌芽期的智能醫療、智能金融和智能家居到成長期的智能交通、智能物流和智慧城市，再到成熟初期注重制定智能制造相關標準（見圖7）。

圖7 我國人工智能產業應用服務領域三階段標準合作網絡

各階段的核心主體如表7 所示。從核心主體類型的演變來看，在萌芽期以高校為主，占比為60%，企業與研究機構數量相當；到成長期高校數量明顯下降，研究機構占比高達60%，前兩階段企業始終排在第一；成熟初期清華大學排名第3 位，僅次于研究機構，企業數量占比也高于前兩階段。雖然研究機構、高校和企業3 類主體在各階段的占比不同，但總體來看，在各階段都有多元主體的緊密合作，以促進人工智能與行業領域的深度融合，加速其在醫療、金融、家居、交通、物流以及制造行業的應用。

表7 我國人工智能產業應用服務領域三階段核心主體演化

從核心主體所處領域的演變來看，萌芽期3 個次領域的標準制定工作較獨立，彼此之間均無共同參與主體，且以智能家居領域標準制定為主。2010年，“智慧城市”概念的出現使得智能家居有了清晰的定義，隨著產品與軟件的更新升級以及機器學習等技術的應用，智能家居得到快速發展。其中，海爾集團公司主導及參與制定家庭網絡相關標準8 項，以“海爾智慧家庭，定制美好生活”為主旨深入探索智慧家電領域，將物聯網、人工智能等智能技術與家電產品融合，打造智慧家庭。成長期智能家居領域合作網絡規模較上階段明顯變小，智慧城市領域標準成為該階段的研究重點。閃聯信息技術工程中心有限公司以推動閃聯標準產業化為核心目標，不僅牽頭建設電子信息產品協同互聯國家工程實驗室，還積極參加國家智慧城市標準總體組的工作，參與“智慧城市技術參考模型”等多項國家標準的制定以及電力行業《智能家居》系列標準的編制工作，在智慧城市與智能家居兩個領域標準的制定中發揮了重要作用。成熟初期的各應用服務領域間合作關系越來越復雜，標準研制重點集中在智慧城市和智能制造領域，且各領域各有兩個不同的標準制定團體。該階段智能制造以對象標識與數字化車間相關標準制定為主，其中，以“成為一流的工業基礎件和智能制造集成服務供應商”為企業愿景的國機智能科技有限公司發揮著重要的作用，其智能板塊主要研究和開發智能機器人產品為客戶提供系統的解決方案以滿足行業對應用技術的需求。

從應用服務領域技術標準合作網絡的演化規律來看，次領域隨階段發展更新程度與速度較快，但由于已經發展成熟或遇到發展瓶頸等原因，活躍周期一般不超過兩個階段，當前階段的熱門研究領域在下階段極可能會被新興領域所替代。在第四次工業革命背景下，智能制造逐漸發展成為囊括多種關鍵技術以及多個應用服務領域的產業，繼提出發展高端制造戰略，我國從國家層面陸續提出“再工業化”“工業4.0”“新機器人戰略”等戰略，以搶占智能制造領域高地。按此規律，在成熟后期的應用服務領域標準會形成以智能制造領域為研究熱點、各次領域標準多元共同研制的合作網絡，還可能會出現其他智能領域標準的小型網絡。

4.3.3 平臺支撐領域核心主體演變

人工智能技術平臺支撐領域在三階段的標準數量分別為0 項、10 項、15 項，在萌芽期未出現平臺支撐相關標準。隨著階段的發展，平臺支撐所涉及的次領域范圍變廣，成熟初期在成長期的云計算和智能感知及網絡基礎上增加了對大數據相關標準的研制（見圖8）。

圖8 我國人工智能產業平臺支撐領域標準兩階段合作網絡

各階段的核心主體如表8 所示。從平臺支撐領域兩階段核心主體類型的演變來看，從成長期到成熟初期，研究機構的占比由60%下降到40%，而企業占比從40%增長到60%，且從全部參與主體類型來看，企業占比高達61%，可見企業在人工智能產業平臺支撐領域標準制定工作中發揮著越來越重要的作用，主要針對人工智能大數據、云計算、智能感知及互聯網等領域的底層平臺和支撐進行規范。

表8 我國人工智能產業平臺支撐領域兩階段核心主體演化

從核心主體所處領域的演變來看，平臺支撐相關標準從成長期才開始顯現，且主要集中在云計算以及智能感知與網絡領域，兩個領域之間無交叉合作。其中，云計算領域以中國電子技術標準化研究院與中國移動通信有限公司研究院為核心主體，主導或參與制定數據存儲要求與接口相關標準共5 項；智能感知與網絡領域以綿陽市維博電子有限責任公司等企業為核心主體，研究制定智能傳感器相關標準共5 項，加速人工智能技術在智能安防、智能家居、智能醫療等不同場景的廣泛應用。成熟初期新增加大數據領域，3 個領域之間出現了不同程度的標準合作，且大數據領域標準成為研制重點。其中，華為技術有限公司（以下簡稱“華為”）和浪潮電子信息產業股份有限公司（以下簡稱“浪潮”）的貢獻尤為重要。華為于2005 年創立華為云，不斷進行技術優化、擴展服務、賦能應用，在整個人工智能領域中共主導制定標準3 項、參與制定標準12 項，其中8 項在大數據、云計算領域。浪潮作為云計算、大數據服務商，主導及參與制定平臺支撐相關標準共4 項，是唯一一家同時擁有高效能服務器和存儲技術國家實驗室、國家信息存儲工程研究中心的企業，牽頭成立了海量存儲標準工作委員會、存儲產業技術創新戰略聯盟，應用自身技術經驗積極參與國家標準及行業標準的制定。

從網絡的演化規律來看，未來的平臺支撐領域標準合作網絡會呈現出以企業為核心主體，以大數據領域標準為研究重點的交叉型合作網絡。國際標準化組織與國際電工委員會（ISO/IEC）于2020 年發布了ISO/IEC 20547 系列標準《信息技術大數據參考體系結構》來應對數據處理中對概念及流程的需求。對大數據相關標準的制定，可以增加利益相關方的信任，保證大數據技術的安全使用。除了目前已經初具規模的云計算、智能感知與網絡以及大數據領域標準以外，可能會出現智能芯片、人工智能平臺等其他小型標準合作網絡。

5 結論

本研究基于我國2007—2020 年間164 項人工智能領域標準和SATI 軟件，通過將各年標準存量導入Logistic 軟件并劃分為萌芽期、成長期與成熟初期3個階段，首先建立有向合作矩陣，通過Gephi 軟件得到的可視化結果，對三階段合作網絡進行演化分析；其次對人工智能標準劃分主次領域，基于度數中心度、中介中心度、接近中心度和特征向量中心度4 個評價指標，采用TOPSIS 熵權法對關鍵技術、應用服務與平臺支撐3 個重點發展領域識別各階段的核心主體，并從核心主體的類型與所處領域兩個視角以及合作網絡結構的演變進行分析。得出以下結論：（1）從階段劃分來看，目前我國人工智能產業技術標準的發展正處于成熟初期，并預計到2024年到達峰值后進入衰退期。（2）從合作網絡特征指標來看，2007—2020 年間，人工智能產業標準合作網絡主體數量及聯系有所增長，但網絡密度與聚類系數逐漸降低，說明在未來標準制定中，在擴大合作廣度的同時要注重加強各領域間資源與信息的傳遞，以提升合作深度。（3）從核心主體類型的演變來看，人工智能產業標準的核心主體類型有由單一向多元化發展趨勢，研究機構由萌芽期的主導作用逐漸演變為成熟初期的中介聯結作用，持續為人工智能標準給予平臺與經驗，企業與高校在成熟初期的核心地位越來越突出，為人工智能標準發展提供資源、技術研發支持以及優秀人才，分別在生物特征識別、智能制造與大數據等重點發展領域以及計算機視覺、自然語言處理等新興領域中起到核心主導作用。（4）從人工智能產業重點發展領域標準合作網絡結構的演變規律來看，早期的人工智能標準研發處于探索起步階段，合作網絡不僅分散獨立、彼此之間無交流合作，而且核心主體均集中在某一熱點領域，目前處于成熟初期的合作網絡的各領域間出現頻繁的交叉合作，且核心主體分散在多個領域，逐步形成以中國電子技術標準化研究院為中心向四周發散的多團體、交叉型合作網絡。（5）在未來的標準制定中，應鼓勵企業與高校充分發揮其資源與人才優勢，充當熱點領域與新興領域的核心主導角色，并發揮研究機構的橋梁連接作用，合力形成多元主體合作機制，為人工智能發展提供研發平臺保障，加快促進關鍵技術標準成果轉化，助推人工智能產品與應用服務商業落地，為傳統行業賦能。