智能汽車技術(shù)融合趨勢預(yù)測及其技術(shù)競爭情報(bào)啟示
——以長三角地區(qū)為例

何建佳，廖耀文，吳曉偉

（1.上海理工大學(xué)管理學(xué)院，上海 200093；2.上海商學(xué)院，上海 201400）

隨著新一輪產(chǎn)業(yè)革命和技術(shù)革新的推進(jìn)，人工智能、云計(jì)算和大數(shù)據(jù)等新興技術(shù)推動著傳統(tǒng)汽車制造業(yè)往智能網(wǎng)聯(lián)汽車方向發(fā)展，產(chǎn)業(yè)邊界逐漸模糊，在產(chǎn)品、業(yè)務(wù)、技術(shù)等層面形成跨產(chǎn)業(yè)鏈、供應(yīng)鏈和價(jià)值鏈的產(chǎn)業(yè)互聯(lián)，旨在減少生產(chǎn)、制造和流通環(huán)節(jié)的信息壁壘和冗余，為智能汽車產(chǎn)業(yè)賦能。技術(shù)融合作為提升產(chǎn)業(yè)互聯(lián)生產(chǎn)制造環(huán)節(jié)技術(shù)創(chuàng)新水平和創(chuàng)新合作活力的重要方式，為產(chǎn)業(yè)協(xié)同發(fā)展和轉(zhuǎn)型升級提供了新的思路。此外，技術(shù)融合使得智能汽車產(chǎn)業(yè)集群的技術(shù)鏈趨于網(wǎng)絡(luò)化、復(fù)雜化，產(chǎn)生大量不同技術(shù)類型的創(chuàng)新網(wǎng)絡(luò)和聯(lián)盟也給技術(shù)競爭情報(bào)（competitive technical intelligence,CTI）服務(wù)帶來了新的挑戰(zhàn)，也改變了產(chǎn)業(yè)瓶頸和前瞻技術(shù)的預(yù)測邏輯及思路。長三角地區(qū)作為我國經(jīng)濟(jì)活動最活躍、區(qū)位經(jīng)濟(jì)優(yōu)勢最明顯的地區(qū)，也是各大新興技術(shù)產(chǎn)業(yè)領(lǐng)域創(chuàng)新資源和要素的匯集地，為智能汽車產(chǎn)業(yè)的技術(shù)跨界融合提供了必要條件。因此，本文以長三角地區(qū)智能汽車產(chǎn)業(yè)為例，基于專利數(shù)據(jù)和社會網(wǎng)絡(luò)理論，對產(chǎn)業(yè)互聯(lián)下智能汽車的技術(shù)融合發(fā)展階段和現(xiàn)狀展開研究，并利用鏈路預(yù)測方法預(yù)測未來的技術(shù)跨界融合關(guān)系，旨在為智能汽車產(chǎn)業(yè)的創(chuàng)新發(fā)展及其技術(shù)競爭情報(bào)服務(wù)提供啟示。

1 研究基礎(chǔ)

1.1 技術(shù)融合研究綜述

技術(shù)融合這一概念最早可追溯到學(xué)者Rosenberg［1］所提出的理論，他認(rèn)為技術(shù)融合是指將相似的生產(chǎn)技術(shù)和制造工藝及流程應(yīng)用到不同的產(chǎn)業(yè)中；Tripp等［2］認(rèn)為技術(shù)融合在高端技術(shù)領(lǐng)域具有廣泛的應(yīng)用前景。隨后學(xué)界拓展了技術(shù)融合領(lǐng)域的研究思路。例如Shmulewitz 等［3］研究了生物醫(yī)學(xué)領(lǐng)域的技術(shù)融合問題；Caviggioli 等［4］研究了技術(shù)特征和范圍與融合趨勢之間的關(guān)系問題；周璇等［5］探究了技術(shù)融合式創(chuàng)新對產(chǎn)業(yè)結(jié)構(gòu)高度化的驅(qū)動機(jī)制和效應(yīng)。近些年來，產(chǎn)業(yè)互聯(lián)的興起加快了技術(shù)融合的速度，技術(shù)融合也被廣泛應(yīng)用到多種智能制造領(lǐng)域，在跨界合作創(chuàng)新方面擁有舉足輕重的地位，也逐漸成為學(xué)術(shù)界廣泛關(guān)注的研究重點(diǎn)。如Nguyen 等［6］研究了城市創(chuàng)新合作過程中的技術(shù)融合問題，發(fā)現(xiàn)技術(shù)融合在不同系統(tǒng)之間和系統(tǒng)內(nèi)部同時(shí)進(jìn)行；Bhatt 等［7］運(yùn)用了文獻(xiàn)分析法和網(wǎng)絡(luò)分析法對區(qū)塊鏈和IR4.0技術(shù)的融合趨勢展開了研究，揭示了主要的技術(shù)融合集群及其特征；Cho 等［8］利用LDA 主題建模和鏈路預(yù)測方法，預(yù)測了美國化學(xué)工程和環(huán)境技術(shù)領(lǐng)域未來可能出現(xiàn)的技術(shù)融合關(guān)系；王媛等［9］分析了技術(shù)融合與企業(yè)新產(chǎn)品開發(fā)績效之間的關(guān)系，發(fā)現(xiàn)替代性技術(shù)融合能促進(jìn)新產(chǎn)品的開發(fā)，而互補(bǔ)性技術(shù)融合與新產(chǎn)品開發(fā)績效呈倒“U”型關(guān)系；婁巖等［10］基于無人機(jī)專利數(shù)據(jù)和專利共類分析方法，挖掘了無人機(jī)領(lǐng)域的動態(tài)技術(shù)融合關(guān)系并構(gòu)建了波動性和持續(xù)性兩種指標(biāo)。綜合看來，針對技術(shù)融合的研究已經(jīng)相對成熟，并且學(xué)界開始關(guān)注多產(chǎn)業(yè)層面的融合趨勢。面對日新月異的市場需求和技術(shù)革命，掌握技術(shù)融合的發(fā)展趨勢和技術(shù)創(chuàng)新的合作方向，才能幫助企業(yè)搶占創(chuàng)新高地，獲取大額利益。常用于技術(shù)預(yù)測的定量方法主要分為兩類：一類是基于鏈路預(yù)測的方法；另一類是基于知識單元重組的方法。其中鏈路預(yù)測方法因其廣泛的適用性而被多數(shù)學(xué)者采納，例如李慧等［11］構(gòu)建了石墨烯領(lǐng)域有向知識流網(wǎng)絡(luò)，運(yùn)用馬爾科夫鏈預(yù)測模型分析了不同階段的產(chǎn)業(yè)融合規(guī)律；劉立等［12］利用鏈路預(yù)測方法對智能物流技術(shù)跨領(lǐng)域融合的模式和趨勢進(jìn)行了研究；Giordano 等［13］利用自然語言處理程序和相似性鏈路預(yù)測方法識別和測量國防領(lǐng)域的動態(tài)技術(shù)融合模式；Juram 等［14］采用鏈接預(yù)測方法來開發(fā)技術(shù)融合的3個(gè)預(yù)測指標(biāo)，利用3D 打印技術(shù)的案例證明了該方法的適用性。而在眾多鏈路預(yù)測方法中，又屬基于局部信息相似性方法的性能較優(yōu)，因此，本研究也采用該類方法預(yù)測技術(shù)融合趨勢。

1.2 理論基礎(chǔ)

1.2.1 技術(shù)生命周期理論

羅吉斯成長模型（Logistic growth model）認(rèn)為種群成長路徑不是隨機(jī)的，反而遵循某一特定規(guī)律，這種規(guī)律可利用數(shù)學(xué)方法來預(yù)測和模擬［15］。生物科學(xué)領(lǐng)域的生命周期階段主要包括萌芽期、成長期、成熟期和衰退期，將其帶入到技術(shù)領(lǐng)域則可分為導(dǎo)入期、成長期、成熟期和衰退期［16］。

目前劃分技術(shù)生命周期的方法已有很多，學(xué)者李春燕［17］對這些方法進(jìn)行了歸類，主要有五種：專利指標(biāo)法、S 曲線法、技術(shù)生命周期圖法、TCT 法和相對增長率法。計(jì)算技術(shù)生命周期常采用S 曲線法和TCE 法，這兩種定量研究方法可以計(jì)算出具體數(shù)值，但TCT 法常用于計(jì)算單件專利的技術(shù)生命周期，不適用于產(chǎn)業(yè)互聯(lián)環(huán)境。因此殷祚云［18］的研究采用S 曲線法計(jì)算生命周期，具體積分模型如下：

1.2.2 社會網(wǎng)絡(luò)理論

社會網(wǎng)絡(luò)理論的發(fā)展起源于20 世紀(jì)30 年代，之后的幾十年里，諸多學(xué)者陸續(xù)建立了系統(tǒng)的理論方法，例如隨機(jī)圖理論、小世界網(wǎng)絡(luò)理論和無標(biāo)度網(wǎng)絡(luò)理論等，社會網(wǎng)絡(luò)理論發(fā)展至今已被應(yīng)用到各個(gè)領(lǐng)域中，形成了一套專業(yè)的研究方法。近年來，互聯(lián)網(wǎng)的飛速發(fā)展加快彌散組織邊界，事物之間的連接呈現(xiàn)網(wǎng)絡(luò)化趨勢，如社交網(wǎng)絡(luò)、合作網(wǎng)絡(luò)、電力網(wǎng)絡(luò)、交通網(wǎng)絡(luò)等紛紛涌現(xiàn)，利用社會網(wǎng)絡(luò)理論知識可以有效分析網(wǎng)絡(luò)結(jié)構(gòu)特征和演化規(guī)律，把握社會網(wǎng)絡(luò)的潛在趨勢和熱點(diǎn)。社會網(wǎng)絡(luò)理論將抽象關(guān)系量化為可視網(wǎng)絡(luò)，以網(wǎng)絡(luò)節(jié)點(diǎn)和連邊為研究對象，是研究網(wǎng)絡(luò)的重要方法。本研究選取以下指標(biāo)作為分析網(wǎng)絡(luò)結(jié)構(gòu)特征的依據(jù)。

式（6）表示網(wǎng)絡(luò)的聚集系數(shù)指標(biāo)。

1.2.3 鏈路預(yù)測方法

鏈路預(yù)測是分析和研究社會網(wǎng)絡(luò)的重要工具，其方法是利用已知的節(jié)點(diǎn)和鏈接信息給待預(yù)測的節(jié)點(diǎn)對賦予一個(gè)相似性分?jǐn)?shù)值S，分?jǐn)?shù)值越大，則節(jié)點(diǎn)相似性越高。在現(xiàn)有的眾多鏈路預(yù)測方法中，基于局部信息相似性方法因其便捷、高效的優(yōu)勢而被廣為采納［19］。但該類方法有數(shù)個(gè)相似性指標(biāo)，且每個(gè)指標(biāo)側(cè)重點(diǎn)和計(jì)算方式都不相同，因此，每個(gè)指標(biāo)的預(yù)測精確度存在一定差異。為了對比分析各類指標(biāo)的性能，本研究選取6 個(gè)基于局部信息的相似性指標(biāo)，即共同鄰居（CN）［20］、局部路徑（LP）［21］、全局路徑（Kata）［22］、資源分配（RA）［23］、偏好連接（PA）［24］、Adamic Adar（AA）［25］。具體表達(dá)式如表1 所示。

表1 選取的六種相似性指標(biāo)

在測試上述指標(biāo)的預(yù)測精確度前，對網(wǎng)絡(luò)連邊集合進(jìn)行命名，將理論全部連邊集合記為，已知連邊集合記為，未知連邊集合記為。顯然，。將集合分別按照90%和10%的比例劃分為訓(xùn)練集和測試集。現(xiàn)有研究中常采用AUC、Precision 和Ranking Score 3 個(gè)指標(biāo)來衡量鏈路預(yù)測方法的精確度，本研究選取綜合評價(jià)指標(biāo)AUC 來衡量預(yù)測算法的精確度，其核心思想是從中隨機(jī)選擇一條連邊的分?jǐn)?shù)值高于從中隨機(jī)選擇一條連邊的分?jǐn)?shù)值的概率［26］。隨機(jī)從中選擇一條連邊再隨機(jī)從中各選擇一條連邊，則計(jì)1 分；若分?jǐn)?shù)值相等，則計(jì)0.5 分；否則不計(jì)分。獨(dú)立重復(fù)次實(shí)驗(yàn)后，若記計(jì)1 分的次數(shù)為次，計(jì)0.5 分的次數(shù)為次，則AUC 的計(jì)算式如下所示。

2 智能汽車技術(shù)融合網(wǎng)絡(luò)構(gòu)建

2.1 數(shù)據(jù)來源

本研究借助智慧芽（PatSnap）全球?qū)＠麛?shù)據(jù)庫獲取實(shí)驗(yàn)數(shù)據(jù)，首先將專利檢索式設(shè)置為：主題詞=“智能汽車”O(jiān)R“智能網(wǎng)聯(lián)汽車”，檢索時(shí)間限定為2010 年1 月至2022 年12 月，專利類型包括發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利，剔除無效專利數(shù)據(jù)后，共搜集到專利數(shù)據(jù)18 905 條。進(jìn)一步將檢索區(qū)域限定為長三角地區(qū)，包括江蘇省、安徽省、浙江省和上海市，得到5 005 條專利數(shù)據(jù)。由于產(chǎn)業(yè)互聯(lián)考慮的是多類型企業(yè)或產(chǎn)業(yè)跨界聯(lián)合的情況，因此，需要對搜集到的專利數(shù)據(jù)進(jìn)行篩選和處理，具體處理方式為：（1）篩選出國民經(jīng)濟(jì)行業(yè)分類號數(shù)量為2 個(gè)及以上的專利數(shù)據(jù)；（2）再篩選出專利申請人數(shù)量為2 個(gè)及以上的專利數(shù)據(jù)；（3）最后篩選出技術(shù)分類號數(shù)量為2 個(gè)及以上的專利數(shù)據(jù)。經(jīng)上述處理后，共得到代表產(chǎn)業(yè)互聯(lián)下長三角地區(qū)智能汽車技術(shù)融合專利數(shù)據(jù)2 121 條。

2.2 技術(shù)生命周期測算

首先將長三角地區(qū)智能汽車產(chǎn)業(yè)的5 005 條專利數(shù)據(jù)按照2010 年、2010—2011 年、2010—2012年……2010—2022 年的時(shí)間區(qū)間進(jìn)行數(shù)量統(tǒng)計(jì)，再利用Logistic 成長模型和三點(diǎn)法計(jì)算出預(yù)計(jì)的專利總量，得到如下公式：

由式（14）可知，長三角地區(qū)智能汽車產(chǎn)業(yè)未來數(shù)年內(nèi)專利總量預(yù)計(jì)可達(dá)9 312 條。將技術(shù)生命周期以專利總量的10%、50%和90%為依據(jù)劃分階段，再利用時(shí)間區(qū)間專利數(shù)據(jù)繪制出該產(chǎn)業(yè)的技術(shù)生命周期曲線，如圖1 所示。

圖1 技術(shù)生命周期曲線

從圖1 中可以看出，長三角地區(qū)智能汽車產(chǎn)業(yè)的導(dǎo)入期為2010—2015 年，該階段內(nèi)專利數(shù)量少，且數(shù)量增長緩慢，說明智能汽車剛進(jìn)入發(fā)展初期；2016—2019 年屬于長三角地區(qū)智能汽車產(chǎn)業(yè)的成長期，該階段專利數(shù)量增速較快，其主要原因在于2015 年前后國家的政策支持和市場導(dǎo)向，例如工信部曾出臺《車聯(lián)網(wǎng)發(fā)展創(chuàng)新行動計(jì)劃（2015—2020年）》；從2020 年至今都屬于成熟期，雖然該階段長三角地區(qū)智能汽車專利總量增速放緩，但每年新增專利數(shù)量仍為可觀。因此，本研究將數(shù)據(jù)集劃分為3 個(gè)，分別是2010—2015 年、2016—2019 年和2020—2022 年。

2.3 網(wǎng)絡(luò)特征分析

為了分析產(chǎn)業(yè)互聯(lián)下長三角地區(qū)智能汽車產(chǎn)業(yè)的技術(shù)融合網(wǎng)絡(luò)特征和融合現(xiàn)狀，將篩選出的2 121條專利數(shù)據(jù)按照3 個(gè)時(shí)間階段劃分為3 個(gè)數(shù)據(jù)集，都以智慧芽（PatSnap）全球?qū)＠麛?shù)據(jù)庫的技術(shù)分類號為節(jié)點(diǎn)、技術(shù)融合關(guān)系為連邊，構(gòu)建3 個(gè)階段的技術(shù)融合網(wǎng)絡(luò)，并利用Gephi 軟件繪制出可視化網(wǎng)絡(luò)圖，具體如圖2 所示。

圖2 技術(shù)融合網(wǎng)絡(luò)

對3 個(gè)階段的技術(shù)融合網(wǎng)絡(luò)指標(biāo)進(jìn)行統(tǒng)計(jì)，具體如表2 所示。從表中可以看出，2010—2015 年網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量和連邊數(shù)量均不多，符合導(dǎo)入期規(guī)模小的特點(diǎn)，2016—2019 年網(wǎng)絡(luò)規(guī)模增長較快，節(jié)點(diǎn)數(shù)量和連邊數(shù)量呈倍數(shù)增長趨勢，而2020—2022 年網(wǎng)絡(luò)規(guī)模增長速度開始放緩，說明長三角地區(qū)智能汽車產(chǎn)業(yè)的技術(shù)已經(jīng)形成跨界融合趨勢，技術(shù)融合廣度和跨界深度正逐漸擴(kuò)大。3 個(gè)階段網(wǎng)絡(luò)的平均度分別為2.051、5.372 和7.045，平均度逐漸變大，而平均度可以反映網(wǎng)絡(luò)節(jié)點(diǎn)的平均鄰居節(jié)點(diǎn)個(gè)數(shù)，體現(xiàn)出各技術(shù)節(jié)點(diǎn)積極參與跨界合作，逐步實(shí)現(xiàn)更多技術(shù)的跨領(lǐng)域融合。此外，3 個(gè)網(wǎng)絡(luò)的密度值和聚類系數(shù)逐漸減小，分別從第一階段的0.026、0.869降至0.006、0.744，但第三階段和第二階段的數(shù)據(jù)差異較小，表明隨著長三角地區(qū)智能汽車技術(shù)融合網(wǎng)絡(luò)規(guī)模的增長，技術(shù)節(jié)點(diǎn)間的相互影響作用逐漸減弱，網(wǎng)絡(luò)的稀疏程度不斷上升，到成熟期網(wǎng)絡(luò)整體特征趨于相對穩(wěn)定。

表2 網(wǎng)絡(luò)指標(biāo)統(tǒng)計(jì)

3 智能汽車技術(shù)融合趨勢分析

3.1 相似性指標(biāo)的選取

在分析和預(yù)測智能汽車領(lǐng)域的技術(shù)跨界融合熱點(diǎn)和趨勢前，需要在六種相似性指標(biāo)中，選取預(yù)測精確度最高的指標(biāo)作為最優(yōu)預(yù)測方法。首先將3 個(gè)階段的網(wǎng)絡(luò)數(shù)據(jù)集按照前文所述的方式劃分訓(xùn)練集和測試集，再利用CN、LP、Kata、RA、PA、AA 六種方法計(jì)算3 個(gè)網(wǎng)絡(luò)的連邊相似度，最后評價(jià)各方法指標(biāo)的AUC 值。具體預(yù)測結(jié)果如表3 所示，可以看出，在3 個(gè)階段網(wǎng)絡(luò)的鏈路預(yù)測中，AA 指標(biāo)的AUC 值始終保持最高，說明其預(yù)測精準(zhǔn)度要優(yōu)于其他方法。因此，本研究選取AA 指標(biāo)用于后續(xù)的研究。

表3 六種相似性方法的AUC 值

3.2 技術(shù)融合熱點(diǎn)分析

在復(fù)雜網(wǎng)絡(luò)中，節(jié)點(diǎn)度代表節(jié)點(diǎn)的一階鄰居數(shù)量，反映了節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性，度值越大，則該節(jié)點(diǎn)擁有的關(guān)系量越多。技術(shù)融合網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都代表一項(xiàng)技術(shù)，若某項(xiàng)技術(shù)的節(jié)點(diǎn)度值越大，說明該項(xiàng)技術(shù)是當(dāng)前網(wǎng)絡(luò)中的重要技術(shù)領(lǐng)域，在技術(shù)融合中扮演中心角色。分別列舉出3 個(gè)階段網(wǎng)絡(luò)中度值排名為前10 的節(jié)點(diǎn)，具體如表4 所示，從中可以看出，B60R16/02、H04L29/08 和H04W4/40分別是3 個(gè)網(wǎng)絡(luò)的最大度值節(jié)點(diǎn)，度值從第一階段的9 增長為第二階段的58，再繼續(xù)增長到第三階段的84，說明智能汽車技術(shù)融合規(guī)模增長較快，逐漸形成占據(jù)大量融合關(guān)系的關(guān)鍵技術(shù)節(jié)點(diǎn)。此外，H04W4/40、G06K9/00、G06K9/62、B60W50/00 和B60R16/023 是第二階段和第三階段的公共節(jié)點(diǎn)，且各節(jié)點(diǎn)的度值都顯著增加，表明這些節(jié)點(diǎn)在智能汽車技術(shù)跨界融合中的重要性正逐漸提升，業(yè)界可加大關(guān)注力度。

表4 3 個(gè)階段網(wǎng)絡(luò)中度值排序前10 名的節(jié)點(diǎn)

利用AA 方法指標(biāo)測算3 個(gè)階段網(wǎng)絡(luò)中已有連邊的相似度，做降序排列后，每階段選取相似度排名前十連邊作為主要的技術(shù)融合關(guān)系，進(jìn)而對比分析智能汽車技術(shù)融合變化情況，具體結(jié)果如表5 所示。從表5 中可以看出，第一階段的技術(shù)融合主要集中B 類和G 類領(lǐng)域，跨領(lǐng)域融合現(xiàn)象很少發(fā)生。從第二階段到第三階段，技術(shù)跨領(lǐng)域融合程度逐漸加深，技術(shù)融合主要發(fā)生在B 類、H 類和G 類三大領(lǐng)域，且都以各階段度值較大的技術(shù)節(jié)點(diǎn)為中心進(jìn)行融合。技術(shù)融合在生命周期內(nèi)呈現(xiàn)動態(tài)變化趨勢，存在顯著的階段性差異性，業(yè)界需掌握其變化趨勢，重點(diǎn)關(guān)注B 類、H 類和G 類三大領(lǐng)域的融合情況。

表5 3 個(gè)階段網(wǎng)絡(luò)的部分技術(shù)融合關(guān)系

將表5 中涉及的智慧芽技術(shù)分類號所代表的技術(shù)領(lǐng)域整理為表6 所示，綜合表5 和表6 可以發(fā)現(xiàn)，第一階段網(wǎng)絡(luò)中主要的技術(shù)融合發(fā)生在傳統(tǒng)車輛系統(tǒng)領(lǐng)域，如B60W10/18（剎車控制系統(tǒng)）、B60W10/20（轉(zhuǎn)向控制系統(tǒng)）等。而第二階段和第三階段的技術(shù)融合開始向智能方向轉(zhuǎn)變，如G06V10/82（神經(jīng)網(wǎng)絡(luò)）、G06K9/00（圖像識別）、H04W4/44（V2C 技術(shù)）等高端技術(shù)領(lǐng)域，說明智能汽車的技術(shù)含量逐步從低端邁向高端，且上述高端技術(shù)領(lǐng)域有良好的應(yīng)用前景，已逐漸成為智能汽車的關(guān)鍵研發(fā)方向。

表6 技術(shù)分類號及技術(shù)領(lǐng)域

3.3 技術(shù)融合趨勢預(yù)測及其CTI 服務(wù)啟示

為了探究產(chǎn)業(yè)互聯(lián)下長三角地區(qū)智能汽車產(chǎn)業(yè)未來的技術(shù)融合關(guān)系，為業(yè)界鎖定技術(shù)研發(fā)方向提供見解，本研究基于AA 方法，利用第三階段的網(wǎng)絡(luò)數(shù)據(jù)預(yù)測未來技術(shù)融合關(guān)系，并選取相似度排名為前十的關(guān)系，具體如表7 所示。

表7 未來技術(shù)融合關(guān)系

從表7 可以看出，G06V10/82-B60W30/16、B60R16/023-H04W4/44、G05F7/00-B60L55/00、H04L67/12-H04W4/44、B60W30/12-G06K9/62 等 是未來很有可能出現(xiàn)的技術(shù)融合關(guān)系，技術(shù)領(lǐng)域依然以B 類、H 類和G 類為主，且部分技術(shù)融合關(guān)系與第三階段網(wǎng)絡(luò)中現(xiàn)有的技術(shù)融合關(guān)系相同，表明成熟期內(nèi)智能汽車熱門技術(shù)領(lǐng)域之間的融合趨勢相對穩(wěn)定。其中H04W4/44（V2C 技術(shù)）在未來的融合關(guān)系中出現(xiàn)多次，與其他技術(shù)領(lǐng)域發(fā)生頻繁的跨界融合，說明該技術(shù)在成熟期內(nèi)會有廣泛的交叉應(yīng)用前景，是業(yè)界所應(yīng)關(guān)注的重點(diǎn)技術(shù)領(lǐng)域，也是智能汽車未來重要的發(fā)展方向之一。

融合趨勢預(yù)測給智能汽車產(chǎn)業(yè)技術(shù)競爭情報(bào)服務(wù)策略上帶來以下啟示：其一，智能汽車CTI 服務(wù)內(nèi)容上應(yīng)把智能高端技術(shù)融合現(xiàn)象列為技術(shù)監(jiān)測重點(diǎn)關(guān)注對象，并把其列為關(guān)鍵情報(bào)課題。對G06V10/82（神經(jīng)網(wǎng)絡(luò)）、G06K9/00（圖像識別）、H04W4/44（V2C 技術(shù)）等技術(shù)進(jìn)行跟蹤，做好相關(guān)的情報(bào)收集、整序、分析、傳遞、應(yīng)用、評估、預(yù)測和預(yù)警服務(wù)。在產(chǎn)品制造和應(yīng)用方面要關(guān)注人工智能技術(shù)在智能汽車應(yīng)用環(huán)節(jié)和制造環(huán)節(jié)的滲透和融合，尤其在駕駛環(huán)境感知、認(rèn)知圖建立、路徑規(guī)劃和控制等方面提供情報(bào)支持，助力企業(yè)提高創(chuàng)新水平和發(fā)展速度，使其在市場競爭中保持領(lǐng)先地位，提高核心競爭力；其二，智能汽車企業(yè)應(yīng)搭建支持開放式創(chuàng)新戰(zhàn)略的技術(shù)競爭情報(bào)服務(wù)模式。智能汽車技術(shù)融合說明智能汽車產(chǎn)業(yè)發(fā)展處于開放式的創(chuàng)新環(huán)境中，為支撐企業(yè)技術(shù)戰(zhàn)略規(guī)劃和創(chuàng)新管理，需要建立一套有利于創(chuàng)新技術(shù)獲取、利用、學(xué)習(xí)的CTI 服務(wù)模式。一方面，通過融合預(yù)測識別技術(shù)轉(zhuǎn)移、知識產(chǎn)權(quán)管理目標(biāo)，并以此為依據(jù)在智能汽車企業(yè)內(nèi)部（研發(fā)部門、生產(chǎn)部門、銷售部門）和外部（融合預(yù)測分析涉及到的技術(shù)優(yōu)勢企業(yè)、科研院所等）進(jìn)行資源整合和利用，建立CTI 知識庫；另一方面，CTI 要對技術(shù)融合因素在智能汽車中長期技術(shù)規(guī)劃、決策和產(chǎn)品設(shè)計(jì)提供全方位的評估和咨詢。比如根據(jù)融合預(yù)測V2C 技術(shù)是未來互融關(guān)鍵性技術(shù)，對于CTI 要預(yù)測基于V2C 技術(shù)每一類產(chǎn)品特點(diǎn)，以及支持該類產(chǎn)品開發(fā)的可能技術(shù)方案，并以情報(bào)產(chǎn)品形式傳遞給設(shè)計(jì)和研發(fā)人員；其三，協(xié)助相關(guān)部門，引導(dǎo)以G06V10/82、G06K9/00、H04W4/44 等人工智能技術(shù)為代表的優(yōu)秀企業(yè)、科研院所、情報(bào)機(jī)構(gòu)、智能汽車生產(chǎn)廠商等形成跨界合作形式的創(chuàng)新產(chǎn)業(yè)聯(lián)盟和產(chǎn)業(yè)技術(shù)競爭情報(bào)服務(wù)聯(lián)盟，加快推進(jìn)智能汽車產(chǎn)業(yè)升級。

4 結(jié)論

本文綜合運(yùn)用技術(shù)生命周期理論、社會網(wǎng)絡(luò)理論和鏈路預(yù)測方法，利用智慧芽（PatSnap）全球?qū)＠麛?shù)據(jù)庫平臺獲取專利數(shù)據(jù)，構(gòu)建了產(chǎn)業(yè)互聯(lián)下長三角地區(qū)智能汽車技術(shù)融合網(wǎng)絡(luò)，分析了該產(chǎn)業(yè)的技術(shù)生命周期階段及技術(shù)融合現(xiàn)狀和熱點(diǎn)，并預(yù)測了未來可能出現(xiàn)的技術(shù)跨界融合關(guān)系，并對相關(guān)的CTI 服務(wù)策略進(jìn)行了分析，得出如下結(jié)論：

（1）長三角地區(qū)智能汽車產(chǎn)業(yè)經(jīng)歷了導(dǎo)入期和成長期，現(xiàn)在正處于成熟期階段。該產(chǎn)業(yè)未來的技術(shù)跨界融合專利總量預(yù)計(jì)可達(dá)9 312 條，盡管專利總量的增長趨勢在逐漸放緩，但每年新增的聯(lián)合專利數(shù)量仍為可觀。

（2）在長三角地區(qū)智能汽車產(chǎn)業(yè)的3 個(gè)階段，技術(shù)跨領(lǐng)域融合日益頻繁且程度逐漸加深。融合現(xiàn)象逐步由傳統(tǒng)低端技術(shù)領(lǐng)域向智能高端技術(shù)領(lǐng)域轉(zhuǎn)移，G06V10/82（神經(jīng)網(wǎng)絡(luò)）、G06K9/00（圖像識別）、H04W4/44（V2C 技術(shù)）等高端技術(shù)在成熟期內(nèi)已經(jīng)占據(jù)主流地位。

（3）長三角地區(qū)智能汽車產(chǎn)業(yè)未來的技術(shù)融合趨勢相對穩(wěn)定，融合現(xiàn)象依然由高端技術(shù)領(lǐng)域主導(dǎo)。H04W4/44（V2C 技術(shù)）技術(shù)領(lǐng)域是智能汽車未來的重要發(fā)展方向，與其他技術(shù)領(lǐng)域融合可帶動智能汽車的創(chuàng)新發(fā)展，企業(yè)可在自身實(shí)力范圍內(nèi)搶占V2C技術(shù)高地。

（4）長三角智能汽車產(chǎn)業(yè)CTI 服務(wù)策略方面要建立基于G06V10/82（神經(jīng)網(wǎng)絡(luò)）、G06K9/00（圖像識別）、H04W4/44（V2C 技術(shù)）等關(guān)鍵技術(shù)的CTI 服務(wù)保障系統(tǒng)。該系統(tǒng)包括建立CTI 服務(wù)內(nèi)容、服務(wù)模式、產(chǎn)業(yè)技術(shù)競爭情報(bào)聯(lián)盟等。技術(shù)融合現(xiàn)象已經(jīng)打破了汽車產(chǎn)業(yè)原先的產(chǎn)業(yè)、組織形態(tài)，技術(shù)競爭情報(bào)新機(jī)制構(gòu)建和能力培育將成為汽車產(chǎn)業(yè)創(chuàng)新的關(guān)鍵助推力，其是引領(lǐng)產(chǎn)業(yè)創(chuàng)新發(fā)展的“領(lǐng)航員”，是支撐產(chǎn)業(yè)創(chuàng)新發(fā)展不可或缺的“耳目、尖兵、參謀”［27］。