能量轉換視角下人工智能關鍵核心技術產業化路徑解析

孫麗文，李少帥，孫 洋

(1.河北工業大學 經濟管理學院，天津 300401；2.南開大學 津南研究院，天津 300350)

0 引言

加快發展新一代人工智能事關我國能否抓住新一輪科技革命和產業變革機遇。經過多年發展，我國人工智能技術在部分領域取得長足進步，一些關鍵核心技術逐漸突破應用閾值進入產業化應用階段[1]，技術成熟且具有較強商業落地能力的項目受到持續關注，推動行業從早期普遍強調技術優勢過渡到更加注重產品設計、生產制造及解決方案等產業化能力發展時期。然而，我國人工智能技術產業化尚處于早期發展階段，依然存在技術落地痛點突出、產業化路徑不明晰、人工智能商業價值難以充分釋放等問題。當前，在中美貿易摩擦加劇、新冠肺炎疫情暴發、關鍵核心技術“卡脖子”等錯綜復雜的國際形勢下,促進人工智能關鍵核心技術突破與產業化發展，對于我國數字經濟發展、數字化轉型和創新型國家建設具有重要意義。因此，精準識別人工智能關鍵核心技術，探索人工智能關鍵核心技術產業化路徑，成為極具挑戰性的重要議題。

從理論研究看，學術界圍繞技術轉移和科技成果轉化，運用專利數據、文獻數據和R&D數據等對技術產業化進行了一系列探討[2-4]。然而，關鍵核心技術通常被視為“自明性概念”而被“黑箱”化處理，針對關鍵核心技術產業化路徑的研究較少。關鍵核心技術具備知識復雜性、嵌入性、投入高、周期長和路徑依賴等特征[5]，關鍵核心技術創新和商業化應用不僅指單個技術突破和應用，更需要考慮各技術之間的相互融合和價值共創[6]，因此需要考慮多種技術集群屬性特征和應用場景的聯動與適配。現有技術產業化研究未滿足具有高度復雜性和相互關聯性的人工智能技術產業化的實際需求，從能量轉換視角出發，對生態系統運行過程中的能量流動進行歸類和層級劃分，對多種不同性質能量轉換進行全面、深刻的解讀[7-8]，使之與其它理論(創新生態系統理論等)相結合，可為人工智能關鍵核心技術產業化路徑研究提供一種新視角。

本文以人工智能關鍵核心技術產業化路徑為研究對象，從能量轉換視角出發，遵循機理分析—核心技術識別—路徑解析的研究邏輯，從理論層面闡釋能量轉換對本研究的適用性，通過精準識別人工智能關鍵核心技術構成因素，分析技術產業化路徑特征和規律，從而為探索人工智能核心技術產業化路徑提供實踐啟示。與以往研究相比，本文創新之處在于：①對生態系統能量轉換進行解構，構建能量轉換層級體系，通過不同性質能量的形成與轉換隱喻技術產業化路徑；②將技術產業化能量歸結為技術創新能量、催化孕育能量、商業轉化能量和業態塑造能量，分別賦予其具體含義，可拓展技術產業化路徑研究思路；③對生態學中的能量輸入—能量傳遞—能量轉化特征以及新興技術產業化中的孕育—形成—成長路徑進行邏輯擬合，揭示能量轉換視角下人工智能關鍵核心技術產業化的內在機理。

1 人工智能技術產業化能量轉換模型

1.1 人工智能技術產業化過程中的能量轉換

生態系統和技術產業化包含明確的能量轉換層級關系。生態系統中的能量轉換以物質為載體進行傳遞，當太陽能以光能形式輸入到自然生態系統后，生態系統中的生產者便可通過光合作用將太陽能轉化成化學能，并將其儲存在糖類等有機物中。伴隨著物質在食物鏈中的傳遞，其中部分能量通過呼吸作用以熱能流失，部分能量用于自身生長，其它能量則通過捕食關系被下一級消費者攝入，最終能量隨著有機物氧化解能轉化為熱能[9]。而技術產業化能量轉換則是技術催生新興產業的過程。根據技術價值釋放程度，將技術產業化能量劃分為技術創新能量、催化孕育能量、商業轉化能量和業態塑造能量。人工智能不同核心技術存在本質聯結，并為實現特定應用目的而形成相應技術集群，從而產生技術創新能量；在技術集群的基礎上，通過提供技術研發、生產經營場地等硬件設施，以及系統培訓和政策咨詢等軟件支持，對技術創業型企業進行孵化，降低技術市場風險和試錯成本，從而產生催化孕育能量；通過探索多樣化應用場景，將產業化技術集群用于產品創新、商業模式設計等，以促進人工智能技術成果轉化，從而產生商業轉化能量；將獲得的新產品設計、新商業模式等應用于相應場景，并拓展其規模，催生由人工智能技術主導的新興產業形態，從而產生業態塑造能量。由上述分析可知，技術產業化過程中的能量轉換與生態系統中的能量轉換本質上存在相通性，能量轉換在生態系統中的思維方式和相關表述均可創新性地移植到技術產業化研究中，如生態系統中穩定、清晰的能量轉換方式(光合作用、捕食關系和呼吸作用)對探討技術產業化過程中的能量轉換具有較強啟示意義。本文借鑒Howard等[10]對生態系統能量轉換的表述方法，對上述技術產業化過程中的能量轉換進行解析，如圖1所示。

圖1 能量轉換層級體系Fig.1 Hierarchy of energy conversion

1.2 能量轉換模型構成與形成過程

人工智能蘊含著強大的商業潛力，通過多種性質的能量轉換，逐漸形成以人工智能技術為核心的新興生產力并釋放較大的商業價值。首先，技術創新能量形成，即發展較為成熟并具備較強產業化潛力的人工智能核心技術進一步組合成為不同性質的技術集群，進而形成相應技術創新能量；其次，技術創新能量向技術孵化能量轉換，即通過技術資源整合、集中式技術研發、軟硬件設施共享等方式推動人工智能從技術創新能量向催化孕育能量轉換，為技術成果進入市場打下牢固根基；再次，催化孕育能量向商業轉化能量轉換，即通過探索多樣化場景為技術落地尋找空間，在此基礎上進一步探尋以人工智能技術為核心的產品服務、商業化方案設計及商業化模式創新，拓展市場領域度；最后，商業轉化能量向業態塑造能量轉換，由于商業轉化能量的作用效果有限，并不能直接催生大規模產業化應用，因此需要借助生產力開發、產業配套設施優化及市場裂變工具等催生新興業態涌現，如圖2所示。

圖2 人工智能技術產業化路徑能量轉換模型Fig.2 Energy conversion model of artificial intelligence technology industrialization path

2 人工智能關鍵核心技術識別

2.1 關鍵核心技術識別思路與方法

為識別人工智能關鍵核心技術，本研究以國際公認的權威專利數據庫——德溫特創新專利索引數據庫(Derwent Innovations Index, DII)為數據來源，借助BibExcel和CiteSpace軟件對專利數據進行處理，并選取高于一定詞頻的主題詞。進一步，基于主題詞之間的共現關系，計算任意兩個主題詞的相關系數并繪制共現詞網絡知識圖譜，在綜合考慮每個聚類子網主題詞含義的基礎上，最終識別人工智能核心技術。

2.2 關鍵核心技術識別與分類

本研究在綜合考慮人工智能專利信息代表性、新穎性及信息容量的基礎上，將檢索時間范圍設定為2000-2020年。由于人工智能技術龐雜，且DII數據庫中沒有相應分類代碼，因此為提高專利檢索的完整性和準確性，通過文獻查詢[11-12]、專家咨詢及反復試驗明確如下檢索策略：檢索主題=(artificial intelligence*) AND德溫特手工代碼=(T01—J16 OR T06—A05A OR X13—C15B OR T01—S03 OR T01—C08A OR T01—J10B OR W04—V04 OR T04—D03 OR B11—C11)，檢索時間為2021年5月16日，共獲得7 811篇專利數據。專利文獻中的關鍵詞代表特定領域的知識點和研究方向[13]，本研究通過對檢索得到的專利文獻關鍵詞進行提取、同義詞合并、停用詞剔除等處理，并借助BibExcel和CiteSpace軟件得到頻次大于100的人工智能技術關鍵詞，幾乎囊括了目前人工智能技術領域的所有熱點。進一步，結合具體共現情形并參考《人工智能標準化白皮書(2018)》中的標準體系框架，將其與現有聚類結果相適配，最終繪制人工智能核心技術網絡圖譜，如圖3所示。

圖3 人工智能關鍵核心技術網絡圖譜Fig.3 Network map of key core technologies of artificial intelligence

由圖3可知，人工智能關鍵核心技術可歸結為八大類，分別為機器學習技術、計算機視覺技術、自然語言處理技術、生物識別技術、人機交互技術、機器人技術、知識圖譜技術和VR/AR/MR技術。其中，機器學習和知識圖譜技術具有通用性特征，能夠為其它核心技術創新及產業化提供底層支持[14-16]，而計算機視覺、自然語言處理等核心技術專業性較強。因此，本研究根據技術類別屬性，將人工智能技術歸納為共性核心技術和特定核心技術兩大類，具體分類情況及技術內容如表1所示。

表1 人工智能關鍵核心技術分類及技術內容Tab.1 Classification and specific content of key core technologies of artificial intelligence

3 人工智能關鍵核心技術產業化路徑

一方面，由于人工智能關鍵核心技術性質不同且數量較多，因此歸納出人工智能技術產業化通用路徑的可能性極小；另一方面，由于不同人工智能關鍵核心技術之間存在一定交叉或重疊，細分出每種技術產業化路徑的可能性較小。基于此，本研究從技術性質出發，結合人工智能技術在技術產業化過程中的主要功能，發現作為共性核心技術的機器學習和知識圖譜雖然具有通用性特征，能夠為其它特定核心技術提供算法和知識支持，并有助于增強技術產業化效應，但提供的相關產品和服務極為有限。最為關鍵的是，難以通過對共性技術的分析有效識別產業化路徑。因此，本文從特定核心技術出發，探尋技術產業化路徑類型發現，人工智能并非以單一、特定核心技術為支撐，而是基于多種關聯技術的有機結合，通過釋放不同核心技術能量，進而形成化解多種需求痛點的綜合能力。在此基礎上，本文進一步對人工智能特定核心技術及其在產業化過程中的主要功能進行解析。

首先，生物識別屬于專業性較強的人工智能技術，能夠為有生物表征的信息識別需求場景提供技術支持，但是僅依靠生物識別無法形成對作用對象的全面認知和理解，還需要與計算機視覺和自然語言處理技術相配合，以探索人工智能技術識別能力的實際落地場景為目標，建立完備、高效的技術體系。在此基礎上，設計身份認證、人臉識別和語音識別等產品服務方案，并將其重點應用于智能風險防控、智能語音服務、智能方案解決和智能安全防護等領域。此外，通過視覺和語言進行識別作為人工智能技術應用的重要方式，將計算機視覺和自然語言處理應用引至其它落地場景；其次，人機交互和AR/VR/MR等技術相結合，構建人類與機器之間的信息理解與傳遞渠道，為人與機器多維度交互需求落地場景提供強大支撐。將人工智能技術交互能力和實際場景需求深度結合，設計并推出語音交互、視覺交互、體感交互等相關產品和服務，在智能語音助手、智能客服、數字化互動教學和智能文娛互動等領域展現出良好的產業化應用前景；最后，機器人技術具備模擬人類思想和執行人類意志的能力，通過與自然語言處理和計算機視覺技術相結合，構建基于人工智能技術的執行能力體系，可以敏銳洞察人工智能技術商業化應用能力，設計并推出適用于工業生產、公共服務、家庭服務等場景的高性能智能機器人，并為人工智能行業企業提供解決方案。基于上述分析，本文將人工智能技術產業化路徑歸納為識別、交互和執行，如圖4所示。

圖4 人工智能關鍵核心技術路徑類型Fig.4 Path types of key core technologies of artificial intelligence

為對三大路徑進行全面、深刻的解析，本研究從人工智能關鍵核心技術出發，探尋不同技術產業化路徑所涉及的技術領域、關鍵環節等相關內容，并結合初創新銳案例予以驗證，通過對能量形成及轉換過程進行歸納總結，揭示能量轉換視角下人工智能關鍵核心技術產業化路徑的實施過程和本質特征。需要指出的是，從理論上講，技術產業化關鍵環節多基于研究系統性和完整性考慮，而初創新銳作為人工智能細分領域的新興企業，僅在金融、營銷、教育等領域對部分關鍵核心技術進行了初步探索，因此單個案例難以包含所有關鍵環節及全部內容；從發展實際看，人工智能初創新銳企業發展時間較短，受到創新資源和外部環境等因素的制約，戰略和實踐正在不斷探索和改進，單一案例無法驗證所有關鍵環節，而需要多個初創新銳企業的共同檢驗，但并不能因此就否定人工智能技術產業化不同環節的邏輯關聯。實際上，后續環節也需要先前環節的能量輸入，初創新銳企業發展需要人工智能能量在多個環節的順暢流動。此外，考慮到本研究涉及案例較多，無法對每個案例內容依次展開討論，故采取精簡原則，力圖言簡意賅、提綱挈領地反映人工智能關鍵核心技術產業化路徑。

3.1 以識別為主題的技術產業化路徑

自然語言處理、計算機視覺和生物識別均具有先天技術優勢，通過對人類自身生理特征、場景需求痛點等精準而有效的識別，誕生了一批以充分釋放人工智能技術識別能力為核心，覆蓋風險防控、廣告營銷、安全防護、語音服務和解決方案等場景的人工智能初創企業，如冰鑒科技、頂象科技、虎博科技等。本研究通過典型案例歸納，對人工智能關鍵核心技術領域、產業化關鍵環節、初創企業戰略舉措等內容進行整理，形成技術產業化縱向事實脈絡，如圖5所示。首先，匯聚、融合具有識別屬性的人工智能核心技術構成識別技術集群，如冰鑒科技和硅基智能整合人工智能技術，分別強化核心建模能力、形成智能語音技術體系；其次，通過技術資源整合、集中研發等方式提高核心技術識別能力，技術市場化應用日益成熟。如冰鑒科技和硅基智能對自然語言處理等技術資源的深度整合與交叉研發攻關等；再次，技術可行性與場景需求相對接，探索以識別為核心功能的新型商業化模式。如合合信息專注于OCR技術研發并形成“STR+Data+AI”智能服務模式，圖麟科技以人工智能技術賦能智能制造并形成“云+邊+端”一體化智能運行模式；最后，基于人工智能核心技術，構建綜合性智能識別平臺并提供行業領先智能解決方案，促使核心技術在諸多場景實現產業化應用。如虎博科技打造一站式全場景金融信息平臺，眼神科技為產業智能化升級提供解決方案等。

圖5 以識別為主題的人工智能核心技術產業化關鍵環節及典型事實支持Fig.5 Key links of artificial intelligence technology industrialization with the theme of recognition and the support of typical facts

為進一步探討以識別為主題的技術產業化路徑的本質特征，本研究從能量轉換視角出發，以能量形成與轉換反映該路徑實施過程，如圖6所示。①技術創新能量形成及轉換。共性核心技術與特定核心技術(計算機視覺、自然語言處理和生物識別)匯聚、融合能夠激發和提升人工智能技術識別性能，形成識別技術集群，并產生強大的技術創新能量，進而為人工智能技術產業化打下牢固的技術根基。同時，作為鏈接技術和初始市場的“紐帶”，技術孵化成為技術創新能量向催化孕育能量轉換的重要渠道；②催化孕育能量形成及轉換。識別技術集群通過資源整合、設施共享等方式大幅提升對數據信息的挖掘和整合能力，形成價值創造核心競爭力。受創新資源制約，人工智能初創企業需要選擇合適的場景切入，技術集群供給與應用場景需求對接成為催化孕育能量向商業轉化能量轉換的合理選擇。在此過程中，識別技術集群的商業化導向逐漸清晰、商業化條件日益成熟；③商業轉化能量形成及轉換。通過深度解析對識別具有強烈需求的應用場景特征，將技術集群的先進性和可行性與應用場景相對接，進一步明確以人工智能為核心的產品和服務方案設計，制定用戶可理解、可執行的新型商業化方案和商業模式，形成商業轉化能量。同時，由于識別技術集群價值創造依賴人工智能強大的數據挖掘和整合能力，技術賦能成為商業轉化能量向業態塑造能量轉換的必然途徑；④業態塑造能量形成及新興業態涌現。營銷策劃、市場裂變工具放大了人工識別技術集群的作用范圍，形成識別技術集群的業態塑造能量，并通過智能識別平臺構建和行業解決方案將人工智能技術能量向外界輻射，使得以識別為核心需求的技術能力體系和商業化方案實現產業化運行，從而創造出新物種并催生人工智能新業態。

圖6 以識別為主題的人工智能技術產業化路徑及能量轉換過程Fig.6 Industrialization path and energy conversion process of artificial intelligence technology with the theme of recognition

3.2 以交互為主題的技術產業化路徑

人機交互、AR/VR/MR技術具有先天交互優勢。人機交互能夠實現人與計算機之間的多種信息交換和性質互動[17]。AR/VR/MR借助智能化裝備與數字化環境進行交互，獲得類似真實環境的感受和體驗。此外，計算機視覺和自然語言處理技術同樣能夠支持視覺交互和語音交互。上述人工智能技術衍生出語音交互、視覺交互、體感交互等多種性質的交互方式，并誕生了一批以實現智能交互為戰略核心，覆蓋智能語音助手、數字化互動教學、智能化學習系統、智能客服、智能文娛互動的人工智能初創企業，如樂言科技、小i機器人及松鼠Ai等。本研究對人工智能關鍵核心技術領域、產業化關鍵環節、初創企業戰略舉措等內容進行梳理，形成人工智能技術產業化縱向事實脈絡，如圖7所示。首先，具有交互屬性的核心技術匯聚、融合共同構成交互技術集群。如影譜科技和樂言科技對自然語言處理、知識圖譜、機器學習等認知智能技術進行有機整合，彰顯了人工智能技術交互能力。其次，通過技術孵化提升人工智能核心技術交互能力，促使技術商業化條件成熟。如影譜科技專注于視覺內容生產效率與交互方式技術研發，為技術研發提供設施共享、信息資源等有力保障，致力于實現影像自動化生產；樂言科技基于人機交互核心技術開發跨領域語言認知技術平臺接口和認知計算平臺。再次，運用人工智能技術創新現有人機交互模式，形成以人工智能技術為支撐、以智能交互模式為核心的新型商業化邏輯與實施方案。如影創科技基于AR技術構建全息教室解決方案，以創新教學和交互模式；松鼠Ai基于人機交互、神經網絡等對學生進行全方位評估，以提升學習效率。最后，搭建多模態虛擬交互服務和綜合性智能交互平臺，促進人工智能新興產業發展。如小i機器人基于人工智能技術強大的交互能力，為用戶提供全方位技術落地服務；亮風臺打造云管端一體化AR平臺等。

圖7 以交互為主題的人工智能技術產業化關鍵環節及典型事實支持Fig.7 Key links of artificial intelligence technology industrialization with the theme of interaction and the support of typical facts

為進一步挖掘以交互為主題的技術產業化路徑的本質特征，本研究從能量轉換視角出發，以能量形成與轉換反映該路徑實施過程，如圖8所示。①技術創新能量形成及轉換：將共性核心技術與特定核心技術(自然語言處理、計算機視覺、人機交互和AR/VR/MR)相融合，利用人工智能技術交互性能，形成具有交互功能的技術集群，為人工智能技術產業化和能量轉換打下堅實基礎，促使技術創新能量向催化孕育能量轉換；②催化孕育能量形成及轉換：交互技術集群通過資源整合、集中研發等方式強化和創新對互動需求痛點的化解能力，以提高交互技術集群商業化應用成功概率，在此過程中，技術催化孕育能量得以形成。由于價值創造依賴技術價值和場景應用價值的內在統一，因此價值匹配成為催化孕育能量向商業轉化能量轉換的必然選擇；③商業轉化能量形成及轉換：探尋語音交互、視覺交互及觸摸交互等需求應用場景，將交互技術集群和場景需求痛點相結合，明晰以人工智能技術交互為核心的產品和服務設計，嘗試新型商業化方案和商業模式，形成商業轉化能量；同時，由于交互技術集群以互動激活和創造價值，所以人機協同成為商業轉化能量向業態塑造能量轉換的必然途徑；④業態塑造能量形成及新興業態涌現：借助生產能力開發、市場裂變和產業配套優化等措施，形成人工智能技術產業化業態塑造能量，交互載體和維度從根本上決定其所覆蓋的領域和運行效率，因此通過構建智能交互平臺和實施多模態交互成為實現人工智能技術產業化運行的最佳渠道，并由此催生出一批智能學習系統、智能客服、智能文娛互動等新興業態。

圖8 以交互為主題的人工智能技術產業化路徑及能量轉換過程Fig.8 Industrialization path and energy conversion process of artificial intelligence technology with the theme of interaction

3.3 以執行為主題的技術產業化路徑

機器人技術通過編程設置具體執行規則，能夠替代或者輔助人類完成特定任務[18]。以執行為核心的人工智能技術產業化路徑的實現需要雄厚的知識基礎和技術作為支撐，不僅需要機器學習、知識圖譜為其提供底層支撐，而且對計算機視覺和自然語言處理亦具有技術依賴性。機器人技術加快了智能設備制造和解決方案的制定，并誕生了一批覆蓋智能制造、智能機器人、智慧物流配送、智能家居和無人機的人工智能初創企業，如獵戶星空、史河科技、YOGO ROBOT等。同樣，對人工智能核心技術領域、產業化關鍵環節、初創企業戰略舉措等內容進行梳理，形成人工智能技術產業化縱向事實脈絡，如圖9所示。首先，匯聚、融合具有生產制造、服務提供、決策支撐等屬性的核心技術，共同構成執行技術集群，如YOGO ROBOT、獵戶星空和靈動科技對機器人技術、自然語言處理技術等進行組合并聚焦于執行能力；其次，通過資源整合、集中研發等方式增強人工智能核心技術執行能力，孕育技術規模化應用的適宜環境。如獵戶星空構建以智能機器人為核心的垂直一體化人工智能綜合系統，YOGO ROBOT構建具有開放性、可延展、能組合的群體智能協作生態系統；再次，通過新型智能執行工具的商業化運用和輔助性商業化決策，將人工智能核心技術轉化為現實生產力。如快倉專注于以智能機器人為核心的產業化應用，明略科技借助人工智能推動知識和管理復雜度高的企業數字化轉型，一覽群智基于人工智能技術打通認知閉環和輔助決策；最后，提升智能終端產品生產能力，加快行業解決方案的推廣與應用。如史河科技深耕智能特種機器人以輔助高危工作，普渡科技提供適應動態環境的配送解決方案，眼神科技為產業智能化升級提供解決方案。

圖9 以執行為主題的人工智能技術產業化關鍵環節及典型事實支持Fig.9 Key link of artificial intelligence technology industrialization with the theme of execution and the support of typical facts

為進一步挖掘以執行為主題的技術產業化路徑的本質特征，本研究從能量轉換視角出發，以能量形成及轉換反映該路徑實施過程，如圖10所示。①技術創新能量形成及轉換：共性核心技術與特定核心技術(機器人技術、自然語言處理、計算機視覺)融合、匯聚，以凸顯人工智能技術的執行性能，并形成可執行人類意志的技術集群(技術創新能量)，促使技術創新能量向催化孕育能量轉換；②催化孕育能量形成及轉換：執行技術集群通過設施共享、集中研發等方式增強對人類意志的精準響應能力，孕育商業化適宜環境，形成人工智能技術產業化過程中的催化孕育能量；與交互技術集群相似，執行技術集群價值創造同樣與技術和場景之間的契合度密切相關，亦通過價值匹配實現催化孕育能量向商業轉化能量轉換；③商業轉化能量形成及轉換：執行技術集群驅動智能工具與智能決策的誕生，不僅極大地延伸了人類本體能力，解放了腦力勞動和體力勞動，而且迅速確立了以人工智能技術強大執行潛能為核心的商業化模式，進而形成商業轉化能量；與交互技術集群相似，執行技術集群人機協同方式由商業轉化能量向業態塑造能量轉換；④業態塑造能量形成及新興業態涌現：生產制造能力開發、營銷策劃及產業配套設施優化等共同構成執行技術集群并形成業態塑造能量。智能工具和智能決策不僅從根本上體現了人工智能技術所引發的智能化革命，而且為以執行為主題的產業化路徑提供了重要啟示，即通過在物理空間打造智能終端產品以及在數字空間制定行業解決方案，可以催生出一批智能機器人、智慧物流、無人機等新興業態。

圖10 以執行為主題的人工智能技術產業化路徑及能量轉換過程Fig.10 Industrialization path and energy conversion process of artificial intelligence technology with the theme of execution

4 結語

4.1 研究結論

(1)人工智能關鍵核心技術產業化路徑具有能量轉換特征，技術創新能量、催化孕育能量、商業轉化能量和業態塑造能量共同構成能量轉換的核心環節，決定技術產業化路徑實施過程。現有對技術產業化路徑的相關研究多圍繞科技成果轉化和技術轉移進行，關注技術在價值創造、價值傳遞和價值實現過程中的作用[2-4]，本質上是一個將新興技術作為標量、將技術產業化視為同種性質能量的流動過程。實際上，特定人工智能關鍵核心技術既具有一定強度又存在明顯的方向性，將其視為矢量更恰當。同時，在諸多因素影響下，技術產業化路徑各階段能量屬性發生本質改變，從這一意義上講，其更加符合不同性質能量轉換的關鍵特征。

(2)精準識別和有效劃分關鍵核心技術是解析產業化路徑能量轉換的重要前提。專利分析結果表明，人工智能關鍵核心技術可歸納為機器學習、計算機視覺、自然語言處理等八大技術領域，并可根據核心技術性質將其劃分為共性核心技術和特定核心技術兩大類。通過多案例歸納分析發現，核心技術之間不僅通過有機組合構成相應技術集群，形成以識別、交互和執行為主題的技術產業化路徑，而且技術創新能量、催化孕育能量、商業轉化能量和業態塑造能量轉換流程從本質上反映了人工智能技術產業化路徑實施過程。

(3)技術集群屬性是影響人工智能核心技術產業化路徑的關鍵因素。研究發現，以識別為主題的路徑通過構建綜合性智能識別平臺和提供領先智能識別服務與解決方案，催生了智能風險防控、智能廣告營銷等新興業態；以交互為主題的路徑通過實施多模態虛擬交互和構建綜合性智能交互平臺，催生了智能客服、智能文娛互動等新興業態；以執行為主題的路徑通過打造智能終端產品和制定行業解決方案，催生了智能機器人、智慧物流、無人機等新興業態。造成這種差異的根本原因在于每種路徑能量轉換技術集群屬性不同。其中，以識別為主題的技術集群主要包括計算機視覺、自然語言處理和生物識別技術，技術產業化路徑形成的本質在于人工智能通過數據信息挖掘和整合能力，以及共性核心技術支持和相互融合能力提升技術性能，進而形成強大的多維度識別體系，對具有強烈識別需求的技術落地場景進行識別；以交互為主題的技術集群主要包括人機交互技術和AR/VR/MR技術，技術產業化路徑形成的本質在于人工智能對互動需求痛點的化解能力，通過暢通和拓展互動渠道、打造極致交互體驗開拓產業生存空間；以執行為主題的技術集群主要包括機器人技術、計算機視覺和自然語言處理，技術產業化路徑形成的本質在于人工智能對人類意志的精準響應能力，通過激發技術集群執行潛力探尋具體應用場景。

4.2 管理啟示

根據上述研究結論，本文提出如下啟示：

(1)人工智能核心技術產業化路徑的實現不是簡單的技術轉移和慣例復制，而是一系列互補性創新和專用性技術體系累積的結果，同時也是能量聚集及轉換的過程。管理者應關注由多種核心技術構成的技術集群，通過創新研發模式、優化內部結構等方式實現技術協同創新。同時，要在技術產業化過程中持續培育技術創新能量、催化孕育能量、商業轉化能量和業態塑造能量，為人工智能核心技術產業化提供強大的能量支撐。

(2)管理者應從多視角暢通和拓展能量轉換渠道，提升能量轉換效率。既要從技術創新視角探尋更新穎、更合理的技術孵化、技術賦能等能量轉換方式以實現整體價值最大化，同時也要從應用場景視角提升價值匹配的合理性以創新人機協同方式。

4.3 不足與展望

本文存在如下不足：第一，作為對技術產業化路徑的能量學解釋，本文提出的技術創新能量、孵化孕育能量、商業轉化能量和業態塑造能量僅可作為定量研究的概念性工具，每種能量所包含的具體內容和度量標準尚處于摸索階段，未來可參考生態系統中的能量計算方法，通過建立相應能量轉換仿真模型，刻畫技術產業化路徑中的能量數值及轉換過程。第二，僅對人工智能初創企業典型事實進行歸納和提煉，未來應將能量概念指標化，構建更加科學、全面的定量模型，通過多種渠道收集多樣化數據，采用實證分析法對人工智能技術產業化路徑進行深入分析。