融合研究過程機制及實現路徑

摘 要：融合研究是一種科研新范式，各主要科技強國都在積極倡導和推動融合研究發展。美國融合加速器開創性地建立了與融合研究相適應的運行機制和管理模式?；谠碚摰亩喟咐容^研究方法，以美國融合加速器中3個與人工智能相關的融合研究軌道為研究對象，對融合研究過程機制進行探索性研究，并構建了融合加速器融合研究過程機制的理論模型。研究結果表明，融合研究存在兩個核心過程機制：一是在融合研究各階段中，形成了由融合動力、協作聯動和利益聯結所組成的融合研究自組織機制；二是在融合加速器目標約束和動態監督的調控與反饋中，形成了融合研究柔索驅動機制。研究結論為促進我國融合研究發展、應對人工智能時代所帶來的發展機遇和治理挑戰提供參考。

關鍵詞：融合加速器；人工智能；融合研究；扎根理論

中圖分類號：G311" " 文獻標志碼：A" " 文章編號：1671-0037（2023）8-82-11

DOI：10.19345/j.cxkj.1671-0037.2023.8.007

0 引言

融合研究（Convergence Research）是一種重大社會經濟問題驅動的應用基礎研究，通過自然科學和社會科學等多學科間的深度交融，產生新的概念化范疇和方法論體系，直接貢獻于知識進步和社會進步［1-2］。作為一種科研新范式，融合研究已成為未來科學研究發展的主要方向。Sharp［3］（2013）將融合研究稱為生命科學、物理科學和工程學領域的第三次變革。美國國家科學、工程和醫學研究院［4］認為，融合研究是解決人類所面臨的健康、能源、環境、安全等重大社會經濟問題的有效途徑。基于此，各主要科技強國都積極倡導和推動融合研究發展［5］。中國科學院［6］、美國國家科學基金會［7］等機構正在積極探索建立與融合研究相適應的制度、政策、管理體制和運行機制。 其中，美國國家科學基金會于2019年3月15日，首次創建了融合加速器（Convergence Accelerator）［8］，將實現融合研究成果轉化、加速解決重大現實問題作為其核心使命和愿景。

人工智能是利用計算機來模擬或仿效人類智能活動的一門綜合類學科。有研究指出，人工智能是要讓機器的行為看起來像人所表現出的智能行為一樣［9］。人工智能經過60多年的發展已取得了巨大進步，中國、美國、英國、德國等國家相繼發布了人工智能發展戰略。不同于其他顛覆性創新，人工智能是多學科交叉融合的產物，其研究成果能夠支撐各產業部門進行系統性變革，并在政治、經濟和社會等各領域產生廣泛的溢出效應。

那么，以人工智能為核心的融合研究過程體現出怎樣的特點？在以人工智能為核心的融合研究軌道中，美國融合加速器的融合研究過程機制和實現路徑是什么？在已有研究中，學界對這些問題的關注度還不夠，理論研究遠遠滯后于融合研究實踐的迅猛發展。鑒于此，為了解融合研究的現實情境并探索其過程機制，本文基于扎根理論的多案例比較研究方法，分析美國融合加速器中融合研究發展的關鍵機制，并探索機制間的相互作用。研究結論在理論上有利于推進該研究領域的邊際知識增長，并為現實中有效促進融合研究發展提供路徑參考。

１ 文獻回顧

1.1 融合研究的內涵

融合研究是一種重大問題驅動的應用基礎研究，通過超學科的深度融合，解決實際問題中的元問題，直接貢獻于知識進步和社會進步。融合研究的內涵和外延隨著應用基礎研究的不斷深入和經濟社會發展現實需求的變化，經歷了一系列的發展和演化。20世紀70年代，“領域導向的科研”引發了理論界和實務界的普遍關注［10］。20世紀80年代，學者們持續探討“問題導向的科研”［11］或“需求導向的科研”［12］。盡管學術界對概念的使用有所差異，但關于該研究范式的本質屬性逐漸形成了一些基本共識。歸納起來，主要體現在以下4個方面：一是問題聚焦。研究過程的起點是緊迫的社會需求，以及與之相聯系的重大科學問題，識別、定義和選擇所要解決的問題是研究核心。二是超學科交融。所涉及知識領域是超學科的，通過學科間的深度交融產生新的概念化范疇和方法論體系，創造新的解決方案。三是廣泛參與。研究團隊包括科學家、政府和產業部門等的相關人員，研究過程是問題相關者廣泛的全過程參與。四是價值共創。研究參與者因解決問題的共同承諾而聯系在一起，通過持續的科研投入獲得累積性研究發現。研究成果能夠產生重大社會經濟效益，解決社會經濟發展中的重大問題［13］。

1.2 融合研究發展所面臨的困境

融合研究發展所面臨的困境主要來自3個方面：一是問題復雜性高。社會經濟系統是典型的復雜巨系統。Rittel和Webber［14］在1974年提出了“棘手問題”概念，而Randall15］（2020）指出，融合研究就是要解決“棘手問題”。問題的復雜性導致解決方案具有極大的不可預知性。二是學科整合難度大。融合研究參與者需要具有精深的學科專業知識，同時還要掌握學科前沿。融合研究中的參與者存在研究路徑依賴，很難熟練運用不同領域的知識、方法和研究工具提出創造性的問題解決方案［16］。三是協同合作難度大。由于融合研究中的參與者來自多學科、多領域、多部門，科研團隊規模大、成員組成多樣且地理分散度高等，這對研究共同體中的組織、溝通和激勵等機制提出了巨大挑戰［16］。

1.3 發達國家促進融合研究發展的管理策略

優化科技資源配置被視為促進關鍵科技領域中融合研究發展的重要途徑。美國能源部高級能源研究計劃署和美國國立衛生研究院設有聯邦資助計劃，尤其是美國國家科學基金會于2019年創建融合科研加速器，構建了一種新型的融合科研資助管理模式［8］。澳大利亞聯邦科學與工業研究組織也通過優化資助管理體制，加深與美國及其他國家的科技合作［17］。韓國科學技術研究院通過優化科研管理機制，培育融合研究生態［18］。目前，國內相關研究不多且以追蹤和案例分析為主。學者們主要追蹤國際上資助機制的演化趨勢，分析這些典型經驗對我國融合研究發展的啟示［2］。通過國內外典型案例分析，從建設融合研究評價機制［19］、數據開放機制［20］、資助機制［2］和協同機制［21］等方面，積極探討推動融合研究發展的有效途徑。

可見，構建與融合研究相匹配的科研組織模式和管理機制，是現階段理論界探討的熱點。但整體而言，融合研究仍是科學研究的新范式、科研管理的新趨勢，其理論分析框架尚未形成。研究對象上，對融合研究中資助管理機制的關注非常有限；微觀機制上，未能揭示科技資源配置方式對融合研究過程的影響機理；經驗分析上，幾乎沒有打開融合研究資助管理有效性的黑箱。基于此，本研究對融合研究過程進行系統分析，探究促進融合研究發展的關鍵機制。

2 研究設計

本研究旨在分析美國融合加速器推動融合研究發展的內在機理。關鍵在于回答美國融合加速器形成了何種與融合研究相匹配的體制機制，在人工智能領域的融合研究過程中存在何種獨特性。為解決這些核心問題，須在融合加速器的實際情境中，深入挖掘融合研究過程的潛在規律和內在機制，進而建構融合研究的中層理論。由于本研究屬于探索性研究，因此基于扎根理論的多案例比較研究方法是較為適宜的研究工具，其對發掘融合研究領域的新理論、豐富現有理論具有重要價值。

2.1 研究方法

本文基于Corbin和Strauss［22］的程序化扎根理論，將數據編碼分為開放式編碼、主軸式編碼和選擇式編碼等3個級別。具體而言，通過理論抽樣，選取2019—2020年融合加速器中與人工智能相關的研究軌道作為研究對象。首先，對2019年研究隊列中軌道A（開放知識網絡）和軌道B（人工智能和未來工作）的融合研究項目進行實質性編碼，歸納并提煉相關概念的類別和屬性。其次，將已形成的概念、范疇和關系與2020年研究隊列中軌道D（人工智能驅動的數據共享和建模）的融合研究項目進行比較，識別未被發現的變量和關系，并最終在理論飽和狀態下，提煉出融合研究過程機制的理論模型。

2.2 案例選擇

選擇美國融合加速器作為研究對象。主要原因如下：①美國融合加速器是全球首個旨在推動融合研究發展而創立的科研管理和服務機構。②融合加速器中3個與人工智能相關的研究軌道，已運行4年有余，其中2019研究隊列中的融合研究項目進入融合研究Ⅱ階段，能集中反映融合加速器推動融合研究發展的實際情況。并且，對3個軌道的縱向研究能夠展現融合加速器中人工智能領域的研究發展特征，揭示融合研究過程機制的動態性和穩定性。③由于融合研究項目都專注于人工智能領域，項目間具有較強的可比性，因此，在兼顧案例典型性、數據可獲取性和研究便利性等的基礎上，選取美國融合加速器中與人工智能相關的3個研究軌道中的70個融合研究項目作為研究樣本，具有良好的可信度和充裕度，且數據較為翔實。

2.3 資料搜集

資料搜集采取三角驗證法，通過多渠道獲取數據進行交叉驗證，提升研究效度。研究數據主要從美國科學基金會和美國融合加速器的數據庫、相關網站等公開渠道獲取。研究數據主要包括兩種類型：①視頻數據。主要包括來自4個不同媒體的關于融合加速器內部人員的共13個訪談視頻，每個視頻的平均時長為53分鐘；同時還包括融合加速器的年度博覽會視頻檔案、人工智能相關研究軌道中的融合研究項目視頻，共計42個。②文本數據。主要包括美國融合加速器融合研究項目檔案、項目年報、政策文件、網頁文本和電子出版物等，整理后形成了20多萬字的文檔資料。

2.4 信度檢驗

根據研究的實際情況和現實因素，采用重復編碼以及編碼員信度檢驗的方法對編碼指標的穩定性和可重復性進行檢驗。具體而言，在編碼過程中，組織編碼團隊比對編碼結果，分別對樣本內容進行歸類統計，并在不同時間多次對研究文本進行編碼。采用歸類一致性指數和編碼信度系數進行檢驗，編碼信度為0.837，表示編碼一致性符合研究要求。此外，為了保證數據分析的準確性，建立研究備忘錄，邀請同行專家進行輔助分析。

3 數據分析

3.1 開放式編碼

根據“定義現象→貼標簽→概念化→范疇化”的開放式編碼程序，借助Atlas.ti軟件，對融合加速器中人工智能相關研究軌道的融合研究項目進行編碼，在原始文本中抽取標簽，提煉核心概念。剔除頻次低于2的初始概念后，得到683個標簽（編碼標識為“a”），392個概念（編碼標識為“A”）和224個核心概念（編碼標識為“AA”）。開放式編碼部分結果見表1。由于數據較多無法完全呈現，為更好地展示不同層級編碼之間的關系，這里只選取部分編碼進行說明。

3.2 主軸式編碼

運用Strauss和Corbin［22］提出的典范模型，通過“條件→策略→結果”模型將開放式編碼中得出的各項范疇聯結在一起。在主軸式編碼階段，通過典型范例共得到融合加速器中融合研究的13個主范疇，分別為應用基礎研究驅動、市場驅動、社會驅動、經濟利益、公共利益、團隊合作、組織協同、信息共享、軌道整合、頂層設計、項目競合、融合服務、績效評價等。核心范疇融合動力典范模型的分析過程如表2所示。

3.3 選擇式編碼

選擇式編碼通過“故事線”發現核心范疇，建立核心范疇與各主范疇間的邏輯關系并建構新理論。將13個主范疇與已有理論進行比較，可發現“應用基礎研究驅動”“市場驅動”“社會驅動”反映的是融合加速器融合研究過程中的“融合動力”這一核心范疇，“經濟利益”和“公共利益”則反映的是融合加速器融合研究過程中的“利益聯結”這一核心范疇。選擇式編碼如表3所示。

3.4 理論飽和度檢驗

理論飽和度檢驗是停止采樣的衡量標準，即當繼續進行新數據收集時不再有新理論見解產生，同時也不再有新范疇產生時，意味著理論達到飽和。為了驗證理論飽和度，本研究將已形成的概念、范疇和邏輯關系與2020年研究隊列中軌道D（人工智能驅動的數據共享和建模）的融合研究項目進行比較，做理論飽和度檢驗。研究中并未出現新范疇和類屬關系，這表明已達到較好的理論飽和度。

4 研究發現

基于以上編碼結果，構建融合加速器中融合研究過程機制的理論模型（見圖1）。研究發現融合研究過程存在兩個核心機制。一是在融合加速器的融合研究各階段中，形成了由融合動力、協作聯動和利益聯結所組成的融合研究自組織過程機制。二是在融合加速器目標約束和動態監督的調控與互動中，形成了融合研究的柔索驅動機制。

4.1 融合加速器中融合研究自組織過程機制

研究發現，融合加速器緊扣融合研究的應用基礎研究本質，自下而上構建起了由融合動力、協作聯動和利益聯結所組成的融合研究自組織過程機制。

4.1.1 以“用”為核心的融合研究動力機制

融合研究動力機制是指推動融合加速器中融合研究發生和發展所需動力的產生機理。研究發現，融合研究動力的產生主要遵循以下邏輯。即融合研究項目在經濟和社會中的“有用性”，產生了特定情境下的研究使命，進而推動研究團隊在理論上探討其“可用性”。由于絕大多數人工智能應用需要大量的模型訓練，因此研究成果在與問題相關者的深度互動中，實現技術上的“適用性”。

研究結果表明，融合加速器中融合研究形成了以“用”為核心的融合研究動力機制。融合研究在社會和市場重大實際問題的拉動下，推動人工智能領域應用基礎研究的新發展，并在融合加速器的支持下，推動研究團隊在既定研究軌道上開展累積性的科研合作，從而實現融合研究成果轉化，繼而產生穩定和深遠的社會經濟影響。

4.1.2 以“同”為核心的融合研究協作機制

融合研究協作機制是指為實現融合加速器中融合研究的目標，團隊成員參與融合研究過程中產生的交互行為和聯動機制。

研究發現，融合研究協作機制主要體現在團隊、組織、軌道和信息形成了4類“共同體”。即合作規則重塑形成“知識共同體”，組織資源匹配形成“創新共同體”，問題相關者間的信息共享形成“學習共同體”，軌道內外集成形成“軌道共同體”，進而培育出人工智能的融合研究生態。

具體而言，在團隊層面上，研究成員通過締結內部契約，如時間約定、合作承諾、職責分工、戰略框架協議，以及締結心理契約，如互相尊重、克服動機沖突、建立信任，形成“知識共同體”。在組織層面上，參與機構通過組織協同，如合作網絡、戰略合作伙伴、資源匹配，以及重塑治理規則，如建立治理委員會、成立顧問委員會、推動跨組織形成共識、成立外部咨詢委員會，形成“創新共同體”。在信息層面上，專家、參與機構及用戶通過信息共享，如研討會、博覽會、創新課程、激勵措施，以及信息反饋，如與用戶合作、專題研究、用戶訪談，形成“學習共同體”。在軌道層面上，研究項目通過戰略聯盟，如數據共享聯盟、知識共享、通用基礎設施，以及融合研究生態，如聯合工作組、建立委員會、軌道團隊合作、軌道集成，形成“軌道共同體”。

研究結果表明，融合加速器中融合研究形成了以“同”為核心的融合研究協作機制。圍繞融合研究的研究愿景，以超學科融合科研團隊為中心構建知識生產的自組織空間，同時釋放合作伙伴關系中各科研組織潛能，促進科研要素的自由流動，搭建交流平臺實現科學信息、數據和成果的動態傳播與共享，并通過垂直和水平的雙向軌道整合，實現技術軌道的整體拓展和躍遷。

4.1.3 以“溢”為核心的融合研究收益機制

融合研究收益機制是指融合研究中所產生研究成果的所有權、處置權和收益權在融合研究利益相關者間的分配和共享機制。

研究發現，融合研究的收益機制主要遵循兩條邏輯主線。在經濟利益方面，科研人員掌握科技成果披露和分配的主動權，研究成果所有權為研究團隊共享；對于處置權，成果由大學授權的知識產權和技術轉移中心進行管理，與研究團隊中的合作伙伴共同負責實現成果轉化；收益權主要遵循知識產權相關法律，按照專利、版權、商標等收益分配形式，根據各利益相關者在研究過程中的貢獻制定分配比例。在研究項目可持續發展方面，研究團隊通過吸引風險投資，拓展研究合作網絡，實現融合研究項目的可持續發展。

在公共利益方面，基于人工智能領域的群體智能“涌現性”規律，以用戶互動為核心，通過開源軟件、開源算法和軟件眾包等，進行研究成果的設計、測試和評價。數據尤其是政府和公共數據，通過數據開放和共享，打破學科間、領域間、公眾間、政府部門間的交流壁壘，并通過成立非營利組織等方式，持續提升數據驅動決策的能力，增加政府透明度。同時，以融合科研成果轉化為中心，改革博士后培養計劃，強調科技倫理和公共倫理，營造開放、多元、包容的科研文化氛圍。

研究結果表明，融合加速器中融合研究形成了以“溢”為核心的融合研究收益機制。第一類溢出效應產生于商業利益的保障性和激勵性配置中，推動利益相關者形成融合研究成果轉化的共同期望。第二類溢出效應產生于知識共享和數據開放的觀念革新和路徑探索中，推動融合研究成果在更廣泛的社會經濟領域實現利益共贏，倡導開源精神。

4.2 融合加速器的柔索驅動機制

柔索本義是指由柔軟的繩狀或帶狀體所構成的約束，它是理論力學中的核心概念，近年來被廣泛應用于建筑工程、航天工程、機械工程等系統工程領域。融合加速器的柔索驅動機制是指以自上而下的融合研究目標為索端，以融合加速器的動態監督為索張力，在為期三年的、自下而上的、以融合研究自治為核心的融合研究Ⅰ和Ⅱ階段中，所形成的融合研究管理穩態機制。

4.2.1 索端：自上而下的融合研究目標

融合加速器柔索驅動機制的索端規定了融合研究的基準方向和發展形態。索端輸入包括三方面：一是融合研究的前瞻布局。融合加速器與拜登政府和美國國會的創新和經濟發展優先事項、創新和技術轉讓優先事項相一致，在大數據、人工智能、量子科學等關鍵領域推動融合研究成果轉化；并通過系統的科學技術預見和論證機制，提升研究軌道的科學性以及研究成果的短期可達成度。例如，融合加速器發布研究軌道征集函，每年10至11月組織10～15次的研討會，邀請企業、高校、非營利組織、政府和其他組織的研究人員參加，并對初步甄選的約12個主題進行論證，以確定下一財年融合加速器研究軌道主題。

二是融合研究軌道和隊列的規劃。與特定研究重點一致的主題稱為研究軌道（Track），軌道內的研究項目構成一個研究隊列（Cohort）。如本研究案例中3個與人工智能相關的研究軌道：軌道A（開放知識網絡）的目標在于強化以科學數據和公共數據為基礎的決策與應用；軌道B（人工智能和未來工作）旨在基于人工智能提供與未來行業需求和工作相匹配的培訓和技能提升方案；軌道D（人工智能驅動的數據共享和建模）的核心在于數據開放和模型共享以及開發人工智能工具和平臺。

三是融合研究項目競合機制。一方面，融合加速器中的研究項目采取分階段的資金分配制度，創設一種團隊競爭機制。例如，當進入融合研究第Ⅱ階段后，研究經費分為兩部分劃撥。第一年科研團隊可獲得高達300萬美元的研究經費，通過審查的項目，在研究結束時可獲得總計高達500萬美元的資金支持。另一方面，融合加速器中的研究項目特別強調研究軌道整合。如軌道A中的一部分項目旨在應對特定主題域內的挑戰，將其稱為垂直項目；另一部分項目則專注于通用基礎設施和應用程序開發環境，將其稱為水平項目。通過研究項目和研究軌道的雙向整合，合力把握未來科技前沿，為未來二三十年的社會經濟重大挑戰提供系統性解決方案，滿足國家重大科技需求。

4.2.2 索長：融合研究階段Ⅰ和階段Ⅱ

融合加速器柔索驅動機制的索長表征了在時間和資源兩個維度張弛有度的狀態中，融合研究的自組織平衡態。融合加速器研究隊列和研究軌道確定后，研究項目進入為期三年的融合研究Ⅰ和Ⅱ階段。在此過程中，主要依托研究團隊自下而上的融合研究自治機制整合知識和科研資源。融合加速器則依據研究內容、研究方法、研究團隊和研究結果等4個核心標準，甄選各研究軌道的研究項目，以資金配置和時間窗口推進項目實施，加快融合研究成果轉化。

具體而言，每個研究隊列中的所有團隊都從各研究軌道中的融合研究Ⅰ階段開始。該階段各研究團隊的主要任務是實現團隊建設和團隊融合，初步實現概念原型的驗證和開發。在融合研究Ⅰ階段，研究團隊需要在12個月內開展該階段的融合研究。一般是在9個月內開發初始概念和原型，確定團隊成員和合作伙伴，完成為期9個月的創新課程集訓。在隨后幾個月，研究團隊參加融合加速器的同行評議、成果推介和評估，并參加融合加速器博覽會和其他活動。通過成果評估的研究團隊進入融合研究Ⅱ階段。Ⅱ階段主要側重于開發可持續、有影響力、可交付的融合研究成果。研究團隊需要在2年內基于Ⅰ階段的融合研究成果和團隊基礎，將概念和原型轉換為實踐應用，并建立該融合研究項目的未來可持續發展模型。

4.2.3 索張力：融合加速器的動態監督

融合加速器柔索驅動機制的索張力提供了融合研究管理中牽引和并聯的傳動機制，對融合研究狀態進行跟蹤和控制。索張力通過兩個主要鏈條進行傳導。一是以服務為中心的保障監督。例如，融合加速器主管Douglas Maughan指出，融合加速器的核心是貫穿于融合研究兩個階段的服務支持，包括提供推進融合研究的培訓和專業咨詢。整體而言，融合研究兩階段的培訓目標和內容各有側重。融合研究Ⅰ階段的培訓旨在推動團隊建設，并將團隊的初始想法發展為可驗證概念和原型，幫助團隊加速形成解決方案，為開展Ⅱ階段的研究做準備。課程主要包括以人為本的設計思維、團隊科學、原型設計、應用基礎研究轉化、研究成果推介、用戶和客戶參與等。融合研究Ⅱ階段的培訓旨在實現由創意到市場的演進、釋放研究團隊的創業思維和技能，并確保每個融合研究項目充分發揮其科研潛力。課程主要包括產品開發、知識產權、財務管理、可持續性科研項目規劃、成果推介以及其他創新創業技能等。此外，在融合研究Ⅰ和Ⅱ階段，融合加速器為每個團隊指定一名融合加速器管理團隊成員，承擔推動項目發展、制定培訓策略、團隊溝通和進度監督等相關工作，同時為研究團隊提供專業咨詢和建議。

二是以研究績效為中心的評價反饋。融合加速器評價以美國國家科學基金會評價標準和流程為基礎，遵循知識貢獻和社會影響等相關標準，同時融合研究項目還需要充分滿足融合研究兩階段的附加標準。融合研究Ⅰ和Ⅱ階段的附加標準包括融合研究內容、研究團隊、研究軌道整合、可交付成果和研究預算等5個方面。其中，融合研究內容尤其關注可交付成果的時間進度和成果轉化效果的可達成度；研究團隊主要評估學術和非學術組織間的合作伙伴關系；研究軌道整合主要評價研究項目與現有研究軌道的匹配度；可交付成果主要評價對研究軌道整體目標的貢獻度；研究預算主要評價預算安排的現實性和合理性?？傮w而言，融合加速器在項目、軌道和隊列等3個層次上評價融合研究整體績效。

研究結果表明，融合加速器中形成了融合研究的柔索驅動機制。即堅持目標導向和前瞻布局，自上而下地制定融合研究規劃，確定所有融合研究軌道、隊列和項目的出發點與立足點；在以融合研究自治為核心的融合研究過程中，將“以融合過程為中心”的柔性服務和“以可交付成果為中心”的動態監督作為柔索張力，開展共時性的創新培訓，營造良好的融合研究氛圍；提供專業服務，增進溝通；實行周期性評價，凝聚研究共識，進而建立起“以研究團隊為中心”的融合研究驅動機制。

5 結果討論

5.1 研究結論和啟示

通過對美國融合加速器中3個與人工智能相關的融合研究軌道的研究，從融合研究過程視角，基于扎根理論的多案例比較分析方法，對融合研究過程機制的建設和實現路徑進行了探索性研究。該研究揭示了融合研究的核心范疇和機制，并提出了與融合研究相適應的管理和服務模式，得出了以下研究結論。一是揭示了融合加速器中融合研究的核心范疇并構建了理論模型。研究發現了融合加速器中融合研究的13個主范疇，其中“融合動力”“協作聯動”和“利益聯結”構成了融合研究自組織過程的主要內容，“目標約束”和“動態監督”形成了融合研究管理服務過程的主要內容，并構建了融合研究過程機制的理論模型。二是提出了融合研究的自組織過程機制。研究發現，融合研究自組織過程形成了以“用”為核心的融合研究動力機制、以“同”為核心的融合研究協作機制和以“溢”為核心的融合研究收益機制。三是引入了融合研究的柔索驅動機制。研究發現，融合加速器自上而下構建了融合研究的柔索驅動機制，以提供與融合研究相適應的管理和服務。該機制以融合研究目標為索端，以融合加速器的動態監督為索張力，形成了融合研究管理穩態，在不同階段的研究過程中發揮作用。

以上研究結論為推動融合研究范式轉變、促進融合研究發展提供了如下啟示。一是促進融合研究共同體的發展。建立以問題為導向的知識共同體和創新共同體的雙循環互動機制，制定以“科研稟賦”為基礎的科研分工、組織溝通和利益共享規則。規劃研究軌道，促進研究軌道的整合和躍遷。在人工智能相關軌道布局中，要從數據、工具和模型等3個層面上推動融合研究系統演化。二是建立與融合研究相適應的剛柔并濟的新型科研管理模式。融合研究管理的“剛性”主要體現在頂層設計上，錨定融合研究軌道的輸入端，設定明確的戰略科技力量建設愿景。融合研究管理的“柔性”主要體現在“三個中心”上：以人為中心，建立服務型的科研管理機構，賦予研究團隊充分的權責；以過程為中心，建立過程管理機制，跟蹤和反饋研究過程；以結果為中心，將可交付的科研成果和實際解決方案作為評價標準。

5.2 研究不足與展望

本研究在研究范圍、研究方法和理論深度等方面仍存在改進空間，未來將進一步擴大研究范圍、優化研究方法、深化研究內容，基于融合研究發展和創新治理實踐做進一步的研究與探索。具體而言：一是擴大研究范圍。當前研究僅選取了美國融合加速器中3個與人工智能相關的融合研究軌道作為研究對象，因此結論的普適性可能受到一定限制。未來研究可以進一步擴大研究范圍，通過不同地域、行業和學科領域的比較研究，驗證和拓展研究結論的適用性與普適性。二是優化研究方法。當前研究主要基于多案例比較和定性觀察，缺乏定量數據的有效支撐。為提高結論的可信度和可重復性，未來研究將探索利用定量和定性相結合的分析方法，更全面地理解融合研究過程機制。三是深化研究內容。盡管研究中提出了融合研究過程機制的理論模型，但研究深度仍有待加強。未來研究將進一步整合科技管理學、科學社會學、技術經濟學等相關理論，探索新的研究視角，繼續對融合研究過程中自組織和有組織過程進行更深入的探討。

參考文獻：

［1］ National Science Foundation. Growing convergence research at NSF［EB/OL］.（2022-08-03）［2023-02-08］.https：//beta.nsf.gov/oia/ia/ growing-convergence-research-nsf.

［2］ 樊春良，李東陽，樊天.美國國家科學基金會對融合研究的資助及啟示［J］.中國科學院院刊，2020，35（1）：19-26.

［3］ SHARP A P. The third revolution： the convergence of the life sciences，physical sciences，and engineering［R］. Conference：American Association for the Advancement of science 2013 Annual Meeting. Washington DC：MIT Office， 2013-02-15.

［4］ National Academies of Sciences，Engineering，and Medicine. Fostering the culture of convergence in research：proceedings of a workshop［M］. Washington： The National Academies Press，2019.

［5］ National Science Foundation. 10 big ideas for future NSF investments［EB/OL］.（2019-12-20）［2023-02-08］.https：//www.nsf.gov/about/congress/reports/nsf_big_ideas.pdf.

［6］ 肖小溪，陳捷，徐芳，等.“融合式研究”評價框架的應用與分析：基于中國科學院的實踐［J］.科學學與科學技術管理，2019，40（3）：18-30.

［7］ WILSON N. On the road to convergence research［J］. BioScience，2019，69（8）：587-593.

［8］ BARU C，CAMPBELL L，DADE A. The NSF convergence accelerator program［J］. AI Magazine，2022，43（1）：6-16.

［9］ MOOR J.The Dartmouth College artificial intelligence conference：the next fifty years［J］. AI Magazine，2006，27（4）：87-91.

［10］ EMERY F E，TRIST E L. The establishment of problem-oriented research domains：towards a social ecology［M］. Boston：Springer，1973：91-102.

［11］ KATONA G， CURTIN R T. Problem-oriented rather than discipline-oriented research［J/OL］.ACR North American Advances，1980［2023-01-03］.https：//www.semanticscholar.org/

paper/Problem-Oriented-Rather-Than-Discipline-Oriented

-Katona-Curtin/8be9b1a9cf709b9b7cb8d0a33a9a4304ddf621cc#citing-papers）.

［12］ LAMMERINK M P，VEENHUIZEN R V，TISCAY M V，et al. The demard-driven research process：lessons learned from the joint philipplines-netherlands biodiversity research programme for development in Mindanao［M］. Philippines ：Southeast Asian Regional Center for Graduate Study and Research in Agriculture The MT. MA NDANGExPERENCE，2006.

［13］ PEEK L，TOBIN J，ADAMS R M. A framework for convergence research in the hazards and disaster field：the natural hazards engineering research infrastructure CONVERGE facility［J］. Frontiers in Built Environment，2020，6：110.

［14］ RITTEL H，WEBBER M. Wicked problems［J］. Man-made Futures，1974，26（1）：272-280.

［15］ RANDALL B. What's the problem now？［J］. To Improve the Academy，2020，39：3-30.

［16］ BAINBRIDGE W S ，ROCO M.C. Managing nano-bio-info-cogno innovations［M］. Dordrecht：Springer，2006.

［17］ CSIRO. National science foundation convergence accelerator［EB/OL］.（2022-12-19）［2023-02-08］.https：//csiro.us/convergence-accelerator-track-i-sustainable-materials-for-global-challenges.

［18］ SANG M L，DAVID L，OLSON， et al. Strategic innovation in the Convergence Era［J］. International Journal of Management and Enterprise Development，2010，9（1）：1-12.

［19］ 肖小溪，甘泉，蔣芳，等.“融合科學”新范式及其對開放數據的要求［J］.中國科學院院刊，2020，35（1）：3-10.

［20］ 肖小溪，劉文斌，徐芳，等.“融合式研究”的新范式及其評估框架研究［J］.科學學研究，2018，36（12）：2215-2222.

［21］ 徐芳，李曉軒，王曉明，等.在融合科學領域開展協同設計與協同實施的思考與建議［J］.氣候變化研究進展，2017，13（4）：405-406.

［22］ CORBIN J，STRAUSS A.Basics of qualitative research： techniques and procedures for developing grounded theory ［M］.3rd ed.Thousand Oaks， CA： Sage，2008.

The Processing Mechanism and Implementing Path of Convergence Research： An Exploratory Multiple Case Analysis of the

U.S. Convergence Accelerator

Yang Yanan

（School of Finance and Public Administration， Hubei University of Economics， Wuhan 430205， China）

Abstract： The National Science Foundation of the United States has established a Convergence Accelerator with the goal of developing a scientific management system that adapts to convergence research. To explore the governance model and process mechanisms of convergence research， this study employs the method of programmatic grounded theory and conducts a multi-case comparative research. It selects 70 projects from three research tracks related to artificial intelligence within the Convergence Accelerator as research subjects and conducts an exploratory analysis of the process mechanisms and implementation paths of convergence research. Additionally， a theoretical model of the process mechanisms of convergence research within the Convergence Accelerator is constructed. The study reveals three main conclusions. Firstly， the model of process mechanisms for convergence research within the Accelerator consists of 13 primary categories. Among these categories，\"Converging Forces\" \"Collaborative Linkages\" and \"Interest Conjunctions\" constitute the core content of the self-organizing process of convergence research;\"Objective Constraints\" and \"Dynamic Supervision\" form the primary content of the management and service process for convergence research. Secondly， the Convergence Accelerator naturally develops a bottom-up self-organizing process mechanism for convergence research. It includes the core mechanism of \"Utility-driven\" convergence research， the \"Collaboration-centered\" convergence research mechanism， and the \"Overflow-focused\" convergence research benefit mechanism. Lastly， the study introduces the \"Flexible-strand driving mechanism for convergence research\"， which aims at reveal the governance model formed by the interaction between objective constraints and dynamic supervision within the Convergence Accelerator. This mechanism operates by leveraging top-down convergence research objectives as the guiding force and the dynamic supervision of the Convergence Accelerator as the tension， leading to the formation of a stable governance state during the stages of convergence research I and II. The research findings provide valuable insights for promoting a paradigm shift in convergence research and addressing the opportunities and challenges of the AI era. First， it is crucial to promote the development of the convergence research community and facilitate the reciprocal interaction between knowledge communities and problem communities. Second， the establishment of a flexible-strand and balanced scientific management model is of paramount importance for the advancement of convergence research. In this model， the \"rigidity\" lies in the top-level design， specifically setting a clear vision for the construction of national strategic research forces. On the other hand， the \"flexibility\" is reflected in three aspects： \"team-oriented \" technology services， \"convergence process-oriented\" competitive management and \"outcome-oriented\" dynamic supervision.

Key words： convergence accelerator; artificial intelligence; convergence research; grounded theory

（欄目編輯：賀躍通）

收稿日期：2023-07-06

基金項目：2022年湖北省教育廳科學研究計劃項目“問題導向學習視域下地方高校本科生科學推理和論證能力培養路徑研究”（B2022142）。

作者簡介：楊雅南（1983—），女，博士，副教授，研究方向：科技政策與政府創新治理。