國內外人工智能產業技術標準競爭力驅動路徑比較研究

中圖分類號：G307 文獻標識碼：A開放科學（資源服務）標識碼（OSID）：文章編號：1001-7348（2025）11-0108-11

0 引言

人工智能技術標準深刻影響著技術演進方向、行業發展前景甚至國家利益，各發達國家已陸續將其納入國家戰略布局，以期在新一輪國際競爭中超前搶奪優勢。如美國國家標準與技術研究院（NIST）把“積極參與人工智能標準的開發”作為重要任務。《美國在人工智能領域的領導地位：聯邦政府參與制定技術標準和相關工具的計劃》強調，美國在全球人工智能領域占據領導地位依賴于聯邦政府在人工智能標準制定中的積極作用，并明確將人工交互、網絡、安全和可信度等9個指標作為美國人工智能標準重點研究領域。2019年以來，美國陸續發布《美國人工智能倡議》《國家人工智能研究與發展策略計劃》《美國標準化戰略（2020）版》等一系列政策推進人工智能技術標準研制。2018年11月，德國政府出臺《人工智能戰略》，將“確定標準”作為一項戰略行動。歐盟委員會頒布的《人工智能道德準則》《可信賴的人工智能評估清單》、“人腦計劃”（Hu-manBrainProject，HBP）以及《歐洲標準化戰略2030》等文件均強調通過標準加強對人工智能的監管。另外，日本在“人工智能/大數據/物聯網/網絡安全綜合項目（AIP項目）”中將標準規范列為重點部署工作。人工智能技術標準話語權的爭奪已成為繼ICT標準之爭、5G標準之戰后的重要領域（見圖1）。

“十四五”規劃明確人工智能為“國家戰略性科技”首要領域和“數字經濟核心產業”，是實現創新驅動發展戰略關鍵目標的重要支撐。2020年以來，我國陸續發布《國家新一代人工智能標準體系建設指南》《國家標準化發展綱要》《人工智能標準白皮書（2021版）》等政策文件，明確要求建立國家新一代人工智能標準體系以支撐人工智能技術創新與產業發展。各省市也積極進行部署，提出人工智能技術標準化發展目標，如廣東提出“構建標準規范和知識產權體系”，浙江將技術標準納人研發攻關目標，上海、湖南、山東等14個省市成立了人工智能相關地方標準化技術委員會。總體而言，目前各地在人工智能技術標準化發展上局限于提出標準制修訂目標，措施尚不多樣，方案尚不具體。

技術標準化發展戰略的制定和實施表現出路徑依賴特征]，盡管現有研究關注到技術標準在產業智能化發展機理中的重要作用，但未系統闡明人工智能產業技術標準化發展路徑多維影響因素間的聯動匹配問題。本文在現有研究的基礎上，基于國際視野，從技術、組織與環境3個方面構建技術標準競爭力影響因素框架，以人工智能產業技術標準化發展實踐為研究對象，突破原有傳統因果分析思維方式，采用模糊集定性比較分析方法洞察人工智能技術標準競爭力多元驅動路徑及復雜因素間的交互關系，對比國內與國際在必要條件、核心條件以及組態要素分布方面的異同并提出對策建議，旨在為我國在全球人工智能領域形成高技術標準競爭力和話語權提供借鑒。

1文獻綜述

技術標準催化了前沿技術發展，在新興產業技術標準制定和推廣過程中，技術標準競爭力的形成受多維因素影響[3]，如技術標準自身特征、技術標準化參與者的行為動機與互動規律、技術標準政策與市場環境等。此外，作為新質生產力的主要陣地，人工智能產業發展迫切需要通過技術標準收斂其高技術復雜性和高迭代頻率以推動行業健康發展，因此厘清人工智能產業技術標準競爭力提升路徑尤為關鍵。

技術標準本質上是一種技術規范，技術特征會影響標準應用范圍和有效性[4]。技術兼容性作為技術標準化的最終目標，對抑制相關主體“多頭\"行為、提高標準市場競爭力起至關重要的作用[5]。一般來說，具有較高技術兼容性的標準，用戶采用新標準的成本越低，該標準就越容易在整個行業中推廣。受不同技術水平影響，技術標準的形成和制定呈現出不同特征[。技術水平低的組織傾向于以現有市場標準為指導，而技術水平高的組織有可能制定和實施新技術標準，以開拓新市場[]。技術標準具有網絡效應，其對競爭結果的影響主要通過安裝基礎的相對規模與網絡連接效率體現[8]。

技術標準化是不同參與者之間的合作過程，與技術和社會因素交織在一起形成網絡[9]。由于新興前沿技術具有領先性、復雜性和不穩定性特征，其技術標準化活動的創新突破，需依靠大量主體參與和協作（王珊珊等，2013）。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[10]。已有研究探討不同行業技術標準化參與者（企業、供應商、標準制定組織、用戶和政府）的行為動機和互動方式[11]，如企業通過遵守技術標準提高產品質量，通過組建標準聯盟擴大市場，以確保技術標準有利于企業利益。標準聯盟中的企業在完成相應技術標準制定后，還會圍繞該標準在聯盟內部展開競爭[12]。消費者在技術標準，尤其是事實標準形成過程中起決定性作用，技術標準用戶數量是測度企業技術標準能否成為事實標準的重要指標，滿足終端用戶需求并擁有龐大用戶規模是維持技術標準市場化階段競爭優勢的關鍵[13]。當多個技術標準在市場中競爭時，安裝基礎不僅是標準擴散的起因，也是其發展的結果（夏大慰等，2005）。

政府政策和市場環境是影響國家技術標準化水平的關鍵。已有研究表明，各國在標準化戰略定位及發展路徑上存在較大差異[14]。例如，在國家定位方面，韓國將技術標準作為技術追趕的戰略工具，而歐洲則更注重標準化活動帶來的監管治理效應[15]。在發展路徑方面，Kang等[16]指出中國優先考慮通過自主技術創新發展國內標準，而韓國則基于本地技術建立國際標準；Greeven等[發現，相較于其他國家，中國的體制機構更有利于LED標準化發展。此外，由于正式標準由市場驅動，當市場不確定性較低時，企業有更多機會影響正式標準，以匹配其技術偏好[3]。技術標準化可以減少商家與顧客間的信息不對稱，降低顧客交易成本，從而促進購買行為并擴大市場規模[18]

人工智能時代的變革引起學者激烈的學術討論，在人工智能產業技術創新能力測度、人工智能產業政策分析、人工智能賦能技術創新發展以及人工智能產業風險與治理等方面形成豐碩的研究成果，并隨著對人工智能在第四次工業革命中重要作用的共識，技術標準作為新興技術的底層構架，其引領創新的價值得到學者廣泛關注[19]。人工智能產業發展呈現多場景、多技術交融和基礎設施外溢等特征，智能技術創造和發展也呈現出多條標準鏈、創新鏈以及產業鏈的有機聯結[20]。技術標準能夠收斂與規范智能技術繁雜無序的創新活動和內容，掌握人工智能產業關鍵技術標準話語權，并在未來獲得絕對競爭優勢[21]。已有研究盡管在人工智能關鍵技術標準發展[22]、標準體系建設、標準合作網絡、技術標準形成能力[23]、標準與知識產權協同推進創新生態演進等方面作出一些探索，但缺乏對人工智能產業標準創新主體與資源異質性行為的討論，尤其是對于復雜因素差異化標準競爭模式與路徑的探討較少。

綜上所述，技術標準競爭力受多種復雜因素的影響，包括技術特征、制度設計、市場環境和標準參與者特點，但已有研究未揭示多因素間的復雜互動關系。由于人工智能技術標準競爭力多維影響因素關系繁雜，僅從簡單線性關系和權變情景出發難以探究眾多因素之間的動態交互關系。鑒于此，本研究從多維視角和因果非對稱性思維出發，基于TOE理論框架，采用定性比較分析法探討多要素間的聯動匹配原理，旨在揭示國內外技術標準競爭力組態路徑差異及其作用機理。

2基于TOE理論的技術標準競爭力影響因素模型構建

TOE框架由Tornatzkyamp;Fleischer[24]于1990 年初次提出，該理論指出影響組織采用和實施技術創新的因素包括技術本身、組織和環境3個方面。在TOE理論框架中，技術因素通常是指技術自身特點及其與組織的關系，如技術創新能力、技術自身特征和技術資源等[25]；組織因素主要包括組織自身情況，如組織規模、組織資源和結構等[26-27]；環境因素通常包括組織所在行業發展水平及環境、市場需求和外部壓力等[28-29]。

2.1 技術因素

技術因素包括技術創新能力、企業實力和學術生態3個二級變量。隨著互聯網、人工智能、大數據等新興技術的快速發展，技術因素成為區域實現創造性突破的關鍵。技術標準化是組織內部研發的延續，專利數量、研發強度、研發能力是組織標準化發展和標準輸出的重要驅動因素[30]。技術創新能力是人工智能產業發展的重要保障，也是技術標準研制與擴散的助推劑。標準參與主體以具有創新優勢的研究機構、高校和企業為主，其中企業既是經濟的細胞組織也是標準制定的核心主體，人工智能企業開展的創新活動構成智能經濟的微觀基礎。因此，人工智能企業實力是促進技術創新與發展的關鍵。此外，標準化不僅需要技術硬實力，也需要技術軟實力[。根據斯坦福大學《2022 年人工智能指數報告》，人工智能出版物總數2015—2021年增長了2.5倍。另外，大學和科研機構的研發能力對標準研制與推廣具有重要作用。

2.2 組織因素

組織因素包括政府響應能力、組織參與度兩個二級變量。組織制度設計、組織資源以及創新主體間互動關系影響技術標準形成與擴散速度。組織制度理論認為“合法性”是聯系制度環境與組織發展的“紐帶”，標準競爭不僅是技術與市場的競爭，更是政策競爭。政府是標準的重要參與者[9]，政府在新興技術標準化領域出臺政策、舉辦活動、建立國家科技園以及制定國家戰略計劃，促進技術標準發展和擴散[31]，同時政府響應程度為組織合法性提供有力支撐。人工智能技術擴散不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的累積[32]。技術標準研制、擴散不僅依賴于標準本身，還取決于技術標準合作網絡中企業、研究機構以及高校在內的多元主體間協作與互動。另外，標準化活動主體參與度影響技術標準協商一致范圍和程度，是推動區域技術標準化水平向更深層次、更高階段演進的關鍵因素。

2.3 環境因素

環境因素包括同儕競爭壓力和市場需求兩個二級變量。組織制度理論認為組織不僅要考慮技術特性，還面臨政策環境、信念、社會價值等制度因素的約束。同時，制度理論強調脅迫性、規范性與同構性壓力在標準采用和傳播過程中的作用[33]。來自外部環境的壓力促使組織重新評估與分配已掌握的資源。動蕩的競爭環境使組織能夠更好地自我更新，重新配置資源以適應環境，并抓住更多機會[34]。近年來，我國人工智能產業迅速發展，隨著營業額增加和新興技術市場擴大，技術標準的缺乏會抑制組織采用新技術的意愿，使組織對新技術的采納產生疑慮。因此，應規范技術交易市場，技術標準的制定和實施是為滿足市場需求，往往標準市場前景越廣闊，技術就越有價值[35]

2.4 結果變量

技術標準競爭力是指技術標準在市場競爭中被廣泛接受，通過推廣、采用為企業、行業或區域創造價值并形成競爭優勢的能力。技術標準競爭力一般基于結果視角，通過參與制修訂國家標準、行業標準的數量反映（文金艷等，2019）；或基于過程視角，通過標準技術特征、標準制定能力和標準擴散能力衡量（曾德明等，2005）；抑或是綜合考慮標準投入與產出，通過標準化機構數量、標準化委員數量、國家標準數量、標準國際化程度等變量測度（陶忠元等，2019）。

基于以上分析，本文根據TOE理論構建區域技術標準競爭力多元驅動因素模型，如圖2所示。

3 研究設計

3.1 研究方法

Ragin[36]在20世紀80年代首次提出定性比較分析法（QCA），該方法從整體視角出發，使用布爾代數對多案例特征進行對比分析，以實現定性與定量最優特性的有機結合。相較于傳統對稱性實證方法（線性回歸分析和結構方程模型等），定性比較分析不僅能夠捕獲前因變量與結果的不對稱性（張正榮等，2022），還能確定產生相同結果的多個有效替代方案。并且，由于QCA不涉及基本假設、相關性分析或單一解釋變量，因此該方法不受異常值或變量偏差內生性的影響[37]。由于本文中的前因變量和結果變量不屬于二分變量，故采用模糊集定性比較分析（fsQAC）較為合適，即將各變量轉化為 0～1 之間的模糊隸屬關系[38]。

3.2變量測度、校準與描述性統計

考慮到數據可得性和完整性，本文選取中國內地30個省份（由于西藏地區數據不全，故未納入統計）以及國外32個國家為研究樣本，指標內涵、選取依據、測度方法以及國內與國際層面數據來源于表1。

數據校準是定性比較分析法的基礎（陶克濤等，2021）。本研究采用四分位點將數據校準為模糊集，即將完全隸屬、交叉點和完全不隸屬的3個校準點分別設定為案例樣本描述性統計的上四分位數（ 75% ）、中位數 （50% ）與下四分位數（ 25% ），國內與國際層面數據校準與描述性統計結果見表2。

4結果分析

4.1 必要條件分析

通過一致性指標數值判斷研究問題是否存在必要條件是進行組態分析的關鍵（杜運周等，2020）。一般認為，一致性指標值大于0.9的條件變量是形成特定結果的必要條件（杜運周等，2017）。本研究分別對國內與國際層面各前因變量進行必要性分析，結果見表3。可見，國內外均不存在產生技術標準競爭力的必要條件。這說明，影響技術標準競爭力的因素是復雜的，人工智能產業高技術標準競爭力的實現需要技術、組織與環境條件的聯動匹配。

4.2 組態路徑分析

參考杜運周等（2020）的做法，將原始一致性閾值設為0.8、PRI一致性閾值設為0.70，案例頻數閾值設為1。通過中間解與簡約解的嵌套關系對比識別每個解的核心條件（谷志軍，2021），由于核心條件與結果的因果關系較強，而邊緣條件可加強核心條件對結果的相關性，所以本文對組態的解釋依賴于核心條件和邊緣條件。

fsQCA分析結果如表4、表5所示，可見產生高技術標準競爭力的組態在國內層面有4個（ U₁ ?U_2a?C U_2b 、U₃ ）、在國際層面有3個 （H₁、H₂、H₃） ，產生低技術標準競爭力的組態在國內層面有3個 （S₁，S_2a，S_2b ）、在國際層面有5個 （L_1a?L_1b?L_1c?L₂?L₃） 。國內及國際層面產生高技術標準競爭力的路徑總體一致性分別為0.944和0.968，均大于0.8，說明該解的一致性和可靠性較高；總體覆蓋率分別為0.794、0.652，說明這些路徑可解釋約 79.4%.65.2% 的案例，解釋力較強。類似地，國內及國際層面產生低技術標準競爭力的路徑總體一致性分別為 0.962，0.881 ，總體覆蓋率為0.821、0.660，說明其可靠性和解釋力較強。

4.2.1國內與國際層面高技術標準競爭力驅動路徑

在國內層面，根據4個組態路徑的要素分布，將其歸納為組織主導協同驅動型、主體驅動競爭助推型以及環境主導主體助推型3類。其中，組織主導協同驅動型包含一條路徑，即 U₁ ，該路徑能夠解釋 69.8% 的高技術標準競爭力省份案例，有 6.12% 的高技術標準競爭力省份僅能夠被該路徑解釋；主體驅動競爭助推型路徑包括 U_2a 和 U_2b 兩條路徑。 U_2a，U_2b 分別能夠解釋 12.1% 和 10.4% 的高技術標準競爭力省份案例，分別有 3.8% 和 0.5% 的高技術標準競爭力省份僅能被該路徑解釋；環境主導主體助推型包括一條路徑，即 U₃ .該路徑能解釋 12.4% 的高技術標準競爭力省份案例，有 2.4% 的高技術標準競爭力省份僅能夠被該路徑解釋。

在國際層面，3個組態路徑可歸納為環境主導協同驅動型、組織主導需求驅動型以及技術主導需求助推型3類。其中，環境主導協同驅動型包含一條路徑，即H₁ ，該路徑能夠解釋 58.1% 的高技術標準競爭力國家/地區案例，有 50.2% 的高技術標準競爭力國家/地區僅能夠被該路徑解釋；組織主導需求驅動型包含一條路徑，即 H₂ ，該路徑能夠解釋 9.6% 的高技術標準競爭力國家/地區案例，有 4.3% 的高技術標準競爭力國家/地區僅能夠被該路徑解釋；技術主導需求助推型包含一條路徑，即 H₃ 。該路徑能夠解釋 10.2% 的呈現高技術標準競爭力的國家案例，有 2.3% 的呈現高技術標準競爭力的國家或地區僅能夠被該路徑解釋。

4.2.2國內與國際層面低技術標準競爭力驅動路徑

國內層面產生低技術標準競爭力的組態表明，高組織參與度對于產生高技術標準競爭力起至關重要的作用。國際層面產生低技術標準競爭力的路徑 L_1a，L_1b 和 L_1c 表明，同儕競爭壓力和市場需求作為核心條件缺失，且幾乎所有條件能力不足均會導致國家技術標準競爭力較弱；路徑 L₂ 表明，當組織參與度和技術創新能力作為核心條件缺失時，即便該地區擁有較強的企業實力，也會導致低技術標準競爭力；路徑 L₃ 表明，高市場需求對于產生國家高技術標準競爭力十分重要。然而，產生高技術標準競爭力的組態與產生低技術標準競爭力的組態并不對立，即驅動高、低技術標準競爭力的前因變量具有非對稱性特征。

4.3穩健性檢驗

提高一致性閾值是穩健性檢驗的常用方法（方放等，2022）。本文將原始一致性閾值由0.8提高至0.85和0.87，國內層面的7條路徑組態與表4一致，國際層面產生高技術標準競爭力的3條路徑未發生顯著變化，產生低技術標準競爭力的 L₁ 路徑的3條等價組態變為兩條，原 L_1a 路徑消失（見表6），故可判斷組態基本一致。因此，本文研究結論具有較強的穩健性。

4.4 國內外路徑對比分析

本文從國內、國際兩個層面對產生高技術標準競爭力的路徑進行對比。

（1）在國內與國際層面存在3條等價組態路徑（U₁，U₂，U₃/H₁，H₂，H₃） 。在 U₁/H₁ 組態路徑中，國內外路徑的前因變量與結果變量存在較強的因果關系，且該路徑的覆蓋率最高。從國內外主要差異看，國內技術標準競爭力由政策導向、標準制定主體驅動，如廣東在人工智能發展規劃與實施方面先試先行，早在2016年4月發布了《廣東省促進大數據發展行動計劃（2016一2020年）》支持人工智能技術創新，對人工智能標準競爭力具有驅動效應。再如北京借助地理與資源優勢聚集優秀創新企業人才，占據人工智能技術標準領先優勢，北京企業、高校和研究機構等主體人工智能技術標準制定參與頻次高達3016次，是廣東的2.4倍、上海的5.2倍。國外路徑則由市場需求與競爭驅動，如美國早在2012年就有超過600個非政府標準發展組織，這些機構由市場需求驅動產生，并以響應市場需求為主要發展動力，其標準根據行業利益相關者、政府（包括聯邦任務機構和監管機構）或消費者的特定需求或問題制定。

（2）從各條路徑的核心條件看，一方面，國內層面體現為組織參與度，而國際層面則體現為市場需求。目前，美國、法國、日本等發達國家根據市場經濟建立國家人工智能技術標準體系并制定相關技術標準，以反映當前人工智能技術進步和市場需求，且均采用本身不具備強制性的自愿性標準體系。相較于國外技術標準化發展趨勢，我國目前的人工智能技術標準化驅動機制尚不成熟，需要由政府引導和標準制定組織驅動人工智能技術標準競爭力。因此，應提高人工智能技術創新能力，完善產業基礎設施，以強大的市場需求帶動相關技術標準發展。另一方面，無論國內、國際層面路徑均存在特定核心條件彌補不同核心條件缺失帶來的消極影響。例如，國內層面路徑 U_2a，U_2b 和 U₃ 雖然缺失的核心條件不同，但均可由組織參與度彌補。類似地，國際層面路徑 H₂、H₃ 中市場需求和學術生態共同驅動可彌補技術創新能力或政府響應能力作為核心條件的缺失。并且，這5條路徑覆蓋率較低，僅包含單一省份或國家。其中，組態 U_2b 對應城市天津作為京津冀創新集聚區的重要組成部分，截至2021年，各類創新主體共參與制定人工智能相關國家標準42項、行業標準5項、團體標準44項。天津大力推進人工智能產業園規劃與產業聯盟建設，通過對創新主體給予激勵和資金支持，為區域技術標準競爭力的形成提供了強大的資源基礎。組態 H₃ 對應國家俄羅斯對人工智能產業戰略規劃較晚，直至2019年10月《2030年前國家人工智能發展戰略》發布才將人工智能發展提升至國家戰略層面，但俄羅斯在互聯網普及率和網絡訪問成本上占較大優勢，且擁有優質的教育資源，在人工智能領域有良好的技術基礎和人才儲備。

（3）從各路徑的重要條件看，在國內層面4條路徑中，組織參與度和同儕競爭壓力均存在。這說明，在國內擁有高技術標準競爭力的地區，除主體對標準制定的高參與度外，人工智能產業創新稟賦與發展水平處于上游水平。如陜西不僅擁有4個與人工智能密切相關的一級學科，且于2020年獲批建設國家新一代人工智能創新發展試驗區，帶動人工智能產業進入黃金發展期。依托豐富的算力資源，受益于政策資源、技術生態、應用場景等多個方面，2021年9月，西安未來AI計算中心的正式成立推動西安甚至陜西AI的全面發展。在國際層面，企業實力、學術生態和市場需求3個要素在產生國際人工智能高技術標準競爭力路徑中必不可少。如意大利經濟發展部于2020年7月發布《意大利人工智能戰略》，明確提出要發展嵌入式人工智能，并加強人工智能在物聯網、制造業與機器人、服務和運輸等六大領域的應用。其中，打造國家人工智能生態系統是該戰略的核心內容，鼓勵大學與企業保持持續合作，創造協同效應，促進技術開發與技術轉移。此外，意大利作為歐盟“復蘇基金\"的最大受益國，于2020 年9月制定了《國家復蘇和振興計劃》，強調數字化轉型對新冠疫情后積極恢復生產、提振經濟、促進社會發展的重要性。

5結語

5.1 研究結論

本文從技術、組織和環境3個維度構建影響技術標準競爭力的研究框架，采用fsQCA方法，以中國內地30個省份以及國際32個國家/地區為研究對象進行條件組態比較分析，揭示影響國內外人工智能技術標準競爭力的必要條件、核心條件以及多元驅動路徑的異同，得出以下結論： ① 從必要條件看，國內與國際層面人工智能產業技術標準競爭力的形成不存在必要條件，即需要技術、組織與環境多維度因素的聯動匹配；② 從重要條件看，國內層面為組織參與度和同儕競爭壓力兩個條件，國際層面為企業實力、學術生態和市場需求3個要素； ③ 從核心條件看，國內層面產生高技術標準競爭力的路徑均以組織參與度為核心條件，而國際層面均以市場需求為核心條件，結合重要條件與核心條件，國內層面更偏向于組織與環境維度，而國際層面更偏向于技術與環境維度； ④ 高技術標準競爭力是多因素共同作用的結果，不同條件組合可產生“異曲同工”的效應。組態分析結果表明，國內層面存在“組織主導協同驅動型”“主體驅動競爭助推型”“環境主導主體助推型\"3條路徑；國際層面存在“環境主導協同驅動型”“組織主導需求驅動型”“技術主導需求助推型”3條路徑。

5.2 研究貢獻

本文推進了技術標準競爭力理論研究。在模型構建上，鑒于技術標準競爭力形成過程的復雜性和動態性，本文基于TOE理論框架，從多個維度出發構建技術標準化影響因素綜合模型，深化了技術標準競爭力相關研究；在研究方法上，打破傳統對稱因果思維，從組態理論角度分析多因素間的因果復雜性，探討多變量條件下產生高技術標準競爭力的不同要素組合，分析案例間的異質性、因果不對稱關系以及產生相同結果的等效路徑，揭開各國標準創新稟賦與標準競爭力之間復雜互動的“黑箱”，揭示了國內與國際的路徑差異。

5.3 對策建議

根據上述研究結論，本文提出如下建議：

（1）揚長避短，協同推動人工智能產業技術標準競爭力多路徑提升。一方面，應充分認識到人工智能產業高技術標準競爭力的形成不依靠單一條件。無論是我國要在全球人工智能產業技術標準形成競爭優勢，還是國內各省市要實現人工智能技術標準能力突破，均需要多維要素的科學配置。另一方面，應充分認識到人工智能產業高技術標準競爭力的形成并非單一路徑，不同區域應根據自身資源稟賦，“量體裁衣”地選擇構建路徑。組態分析結果呈現了技術、組織和環境3類要素間的主導、互補及共生關系，并形成多元化驅動路徑。如國內路徑 ΔU_2a 與 U_2b 在其它條件相同情況下，良好的企業實力可抵消技術創新能力和政府響應能力帶來的不足；又如國際層面路徑 H₂ 、 H₃ ，人工智能技術創新能力或政府響應能力不足可由強大市場需求與良好學術生態的共同作用彌補。因此，各地區應類比具有相似特征的高技術標準競爭力驅動路徑進行差異化部署，通過持續的動態改進提升技術標準競爭力。

（2）“內驅 + 外驅”，形成人工智能技術標準化長效動力。市場需求是國際上高技術標準競爭力形成的核心條件，而國內路徑目前主要依靠政府、標準參與主體驅動。從促進我國人工智能技術標準競爭力持續發展、走向國際角度看，一方面各地區在資源不充分條件下，應進一步提升創新主體對技術標準制定的參與能力，對標準化參與意向強但能力不足的企業提供定制化的標準化技術指導、業務研討、專家資源支持等；鼓勵高校與研究機構利用學科及專業優勢開展標準化培訓，幫助標準參與主體優化技術標準化戰略，提升相關人員的標準化專業技能，促使更多主體主動、高質量地開展技術創新、標準研制、標準推廣實施等活動，形成技術標準競爭的內驅力。另一方面，應強化人工智能發展中的供需互動，促進技術迭代和產業升級，擴大應用場景，提高普及率，以市場需求牽引技術進步和標準研制，以產品開發推動技術擴散，擴大標準的安裝基礎，進而增強技術標準競爭力的外驅力。

（3）營造良好學術生態，持續夯實人工智能技術標準化創新基礎。中國新一代人工智能發展戰略研究院首席經濟學家劉剛認為：“隨著人工智能科技產業發展，中國學術界正通過構建人工智能學術生態與產業界協同創新，推動人工智能產業化和產業智能化步伐。\"新一代人工智能產業蓬勃發展，創新成果不斷涌現，學術研究是產業形成未來競爭力的先導力量。在國內與國際層面產生高技術標準競爭力的路徑中，除組織參與度和市場需求兩個層面路徑出現核心條件外，良好的學術生態對于高技術標準競爭力形成的重要性應引起重視。我國各級政府應優化政策，改進管理機制，整合創新資源，營造良好的學術生態，促進人工智能領域學術成果持續高質量產出，實現高效創新與標準的相互推動。

5.4 不足與展望

受限于數據可得性與可操作性，國際視角選取32個國家作為研究樣本，樣本量較小，這可能導致多樣化的組態路徑未涌現。另外，人工智能產業快速發展伴隨著組織進化和創造，持續的技術創新和環境創新有可能會改變特定路徑依賴。因此，未來研究框架應根據人工智能產業相關數據加以完善，并結合動態QCA分析各組態在演化過程中的路徑依賴。

參考文獻：

[1]CHOUNG JY，JII，HAMEED T. International standardi-zation strategies of latecomers： the cases of Korean Tpeg，T-Dmb，and binary CDMA[J]. World Development，2011，39（5）：824-838.

[2] 韓秋明，王書華，楊學成，等.產業智能化的發展機理、影響因素及對策建議——基于行業專家訪談的質性研究[J].中國科技壇，2021，37（8）：59-69.

[3]BLIND K，PETERSEN S，RIILLO C. The impact of stand-ards and regulation on innovation in uncertain markets[J].Research Policy，2017，46（1）：249-264.

[4]：KNUT BLIND. Explanatory factors for participation in for-mal standardisation processes：empirical evidence at firmlevel[J]. Economics of Innovation and New Technology，2006，15（2）：157-170.

[5]BARONJ，MENIERE Y，POHLMANN T. Standards，con-sortia，and innovation[J].International Journal of Industri-al Organization，2014，36（9）：22-35.

[6] HONG JIANG，SHUKUAN ZHAO，ZHI LI，etal. Interac-tion between technology standardization and technology de-velopment：a coupling effect study[J]. Information Tech-nology and Management，2016，17（3） ：229-243.

[7] VRIES H，BLINDK，MANGELSDORF A，et al.SMEaccess to European standardization[M].Netherlands：Eras-musUniversity Rotterdam，2009.

[8] 楊蕙馨，王碩，馮文娜.網絡效應視角下技術標準的競爭性擴散——來自iOS與Android之爭的實證研究[J].中國工業經濟，2014，32（9）：135-147.

[9] GAO P. Counter-networks in standardization：a perspectiveofdeveloping countries[J]. Information Systems Journal，2007，17（4）：391-420.

[10] 田博文，田志龍.網絡視角下標準制定組織多元主體互動規律研究[J].管理學報，2016，13（12）：1775-1785.

[11]KIM K，JUNG S，HWANG J，et al. A dynamic frame-work for analyzing technology standardisation using net-work analysis and game theory[J]. Technology Analysisand Strategic Management，2018，30（5） ：540-555.

[12]WANG D，WEI X，FANG F. The resource evolution ofstandard alliance by technology standardization[J]. Chi-nese Management Studies，2016，10（4） ：787-801.

[13]張運生，何瑞芳.高科技企業技術標準競爭優勢形成機理研究[J].財經理論與實踐，2015，36（4）：126-130.

[14]LEE H，CHAN S，OH S. China's ICT standards policyafter the WTO accession： techno-national versus techno-globalism[J].Info，2009，11（1）：9-18.

[15]JAKOBS K，EGYEDI T M. Beyond consortia，beyondstandardization？ redefining the consortium problem[M].Hershey：IGI Global，2006.

[16]BYEONGWOO KANG，DONG HUO，KAZUYUKI MO-TOHASHI. Comparison of Chinese and Korean companiesin ICT global standardization： essential patent analysis[J].Telecommunications Policy，2014，38（10） ：902-913.

[17]GEERTEN VAN DE KAA，MARK GREEVEN. LEDstandardization in China and South East Asia： stakeholde-rs，infrastructure and institutional regimes[J]. Renewableand Sustainable Energy Reviews，2017，72：863-870.

[18]BRUNSSON N，RASCHE A，SEIDL D. The dynamics ofstandardization：three perspectives on standards in organi-zation studies[J]. Organization Studies，20l2，33（5-6）：613-632.

[19]周立軍.市場自主制定標準的形成機制研究[M].北京：北京大學出版社，2023.

[20]陳偉，鄧堯，楊柏，等.人工智能能否賦能區域技術創新——創新環境的中介效應[J].科技進步與對策，2024，41（10）：57-66.

[21]HONG JIANG，SIPENG GAO，SHUKUAN ZHAO，et al.Competition of technology standards in Industry 4. 0：aninnovation ecosystem perspective[J]. Systems Researchand Behavioral Science，2020，37（4）：772-783.

[22]侯俊軍，白楊.物聯網標準供給不足問題研究——以關鍵技術標準發展為例[J].科技進步與對策，2015，32（12）：61-66.

[23]周立軍，瞿羽揚，劉思薇，等.我國人工智能產業技術標準形成能力的空間非均衡及分布動態演進[J].經濟問題探索，2023，44（2）：81-95.

[24]TORNATZKY L G，FLEISCHER M. The processes of tech-nological innovation[M]. Lexington：Lexington Books，1990.

「25] 馮朝睿，徐宏宇.TOE框架下電子政務服務效率及其影響大學學報，2021，37（7）：97-110.

[26]CRUZ-JESUSF，PINHEIRO A，OLIVEIRA T. Under-standing CRM adoption stages：empirical analysis buildingon the TOE framework[J]. Computers in Industry，2019，109：1-13.

[27]劉淑妍，王湖葩.TOE框架下地方政府數據開放制度績效評價與路徑生成研究——基于20省數據的模糊集定性比較分析[J].中國行政管理，2021，37（9）：34-41.

[28]孟顯印，楊超.話語權和問責制、法商環境與開放政府數據發展水平研究——基于TOE框架的跨國實證分析[J].情報雜志，2020，39（11）：111-119.

[29] ABED S S. Social commerce adoption using TOE frame-work：an empirical investigation of Saudi Arabian SMEs[J]. International Journal of Information Management，2020，53：102118.

[30] BLIND K，MANGELSDORF A. Motives to standardize：empirical evidence from Germany[J].Technovation，2016，48：13-24.

[31]MOON S，LEE H. The primary actors of technology stand-ardization in the manufacturing industry[J]. IEEE Access，2021，9：101886-101901.

[32]劉剛，劉晨.人工智能科技產業技術擴散機制與實現策略研究[J].經濟縱橫，2020，36（9）：109-119.

[33] DIMAGGIO P J，POWELL W W. The iron cage revisi-ted： institutional isomorphism and collective rationality inorganizational fields[J]. American Sociological Review，1983，48（2）： 147-160.

[34]EISINGERICH A B，BELL S J，TRACEY P. How canclusters sustain performance？ the role of networkstrength，network openness，and environmental uncertain-ty[J].Research Policy，2010，39（2）： 239-253.

[35]FATIMA S，DESOUZA K C，DAWSON G S.National strate-gic artificial intelligence plans：a multi-dimensional analysis[J].Economic Analysis and Policy，2020，67：178-194.

[36]RAGIN C C. The comparative method：moving beyondqualitative and quantitative strategies[M]. Berkeley：Uni-versity of California Press，1987.

[37]WITT M A，FAINSHMIDT S，AGUILERA R V. Ourboard，our rules： nonconformity to global corporate gov-ernance norms[J]. Administrative Science Quarterly，2022，67（1）：131-166.

[38]ABBOTT A. Fuzzy-set social science[J]. ContemporarySociology，2001，30（4）：330.

（責任編輯：王敬敏）

A Comparative Study on the Driving Path of Technology Standard Competitiveness of Domestic and Overseas Artificial Intelligence Industry

Zhou Lijun，Liu Siwei， Yang Jing （School of Economics and Management，China Jiliang University，Hangzhou 31oo18，China）

Abstract：Artificialintellgence（AIhasbecomeacrucialdrivingforceforindustrial transformationinthefourthindustrial revolution duetoits wide aplicabilityandthegrowing trendof dataintellgence.Thedirectionof technical progress，the prospectof industrial development，andeventhe interestsofcountriesareallsignificantlyaffectedbyongoingdevelopments inAI in which technology standards playa crucial role.Many developed countries have adopted AI technology standards as astrategictoltooutperform theircompetitors.It is afundamental practical problem worth studying to explorethedevelopment path of national AI technology standardization to clarify the formation mechanism of technology standard competitiveness（TSC）.Studies have suggested thattechnology standardization is afected bya diverse and complex setof factors，including technical background，system design，market environment，and the characteristics of the standard's participants.However，the conventional symmetric causal method may not be suitable in a specific scenario andcould not adequately predict actuality.Given the complexity of technology standardization and the dynamic developmentof the AIindustry，itis necessary toexplore theinfluence mechanismand pathof TSCfrom theconfigurationperspective and multi-dimensionality.

This study introduces the TOE framework and constructs a research framework affecting the formation of TSC from threeaspects：technology，organization，andenvironment.Inadition，toaccountforasymmetry，this studyadopts the fuzzy-set qualitativecomparative analysis （fsQCA）toobtain a variety of equivalent paths leading to TSC.The sample of this studyinvolves 3Oprovinces，municipalities，and autonomous regions in the Chinese mainlandand 32 foreign countries.Through necesityanalysis andsuficiency analysis，the studycompares and analyzes the domesticand international similarities and diferences inthedistributionof necessryconditions，coreconditions，andconfigurationfactors，and then it puts forward countermeasures and suggestions，aiming to provide a reference for China to form a high-TSC and discourse power in the field of global AI industry.

Analysis indicates thatthe formation of AI Technology Standard Competitiveness（TSC）at both domestic and internationallevels does notrelyonasingle setof necessaryconditions.Instead，itrequires the integrationand alignment of various factors across technology，organization，and environment dimensions.The suficient analysis shows that the core conditionof domesticAIhigh-TSC isorganizational participation，while the international level is market demand，and therearethree equivalentconfigurations atthedomestic and international levels.These insights suggestthe breakthrough of AItechnologystandardcapabilityinvarious regions requires thescientificallcationofmulti-dimensional elements，and differentiated mechanism selectionand strategicdeploymentcan becarredout acording to their resource endowment，by analogy withthedrive pathof high-TSC with similarcharacteristics，andtheconstruction pathcan be tailored to improve the TSC through ongoing dynamic improvement.

This study makes several contributions to theoryand practice.First，within the TOE theoreticalframework，a comprehensive modelof influencing factorsof the whole process of technology standardization fromthestageof technology patenting，patent standardization，and standard industrializationis constructed.This study expands theapplication range of the TOE theoretical model and deepens the relevant research on the TSC.Second，this studychallnges the traditional symmetric causal thinking and analyzes the causal complexityof multiple factors fromthe perspective ofconfiguration theory.Ituses thefsQCA methodto explore the heterogeneity，causal asymmetric relationship between cases，andthe equivalent path of producing the same result.Thefindings open the black box of thecomplex interaction betweenthe standard innovationendowmentand the standardcompetitivenessin diferentregions at homeandabroad.Third，theresults indicatethatpolicymakersshould enhance theabilityof innovationsubjects to participateintheformulationof technical standards，form an internal drive，strengthen the supplyanddemand interaction of the AI market，and enhance the external drive，thus formingalong-term driving force for theTSC.Whileit is essential toattach importancetothe keyroleofa good academic ecology in forming theAI high-TSC，to promote thecontinuous high-qualityoutput of academic achievements inthe fieldofAI，and continuouslyconsolidate the foundationof AI technology standardization and inovation.

KeyWords：Technology Standardization；Technology Standard Competitiveness；Artificial Inteligence；Technology-or ganization-environment（TOE） Framework