人工智能與傳統產業融合發展機制研究

2020-03-16 03:22:46 理論與現代化 2020年1期

劉剛 王濤

摘要:智能經濟包括核心產業部門和融合產業部門。融合產業部門是在人工智能與實體經濟的融合過程中創造出來的包括新技術、新產品、新模式和新業態在內的新興產業領域。隨著人工智能核心技術和產品的成熟,融合產業部門發展正在成為智能經濟發展的前沿地帶。與核心產業部門不同,與特定產業應用場景相適應,融合產業部門的技術體系具有專用性特征。與特定產業應用場景相適應,技術體系專用性程度不僅決定著人工智能與實體經濟融合難度,而且決定了誰是主導者融合產業部門的發展又會促進核心產業部門的技術創新和發展。兩個產業部門之間的良性互動共同推動智能經濟的快速成長和經濟轉型升級的步伐。

關鍵詞:智能經濟;核心產業部門;融合產業部門;通用技術體系;專用技術體系

中圖分類號:F49 ? ? 文獻標識碼:A ? ? 文章編號:1003-1502(2020)01-0038-18

一、引言

智能科技產業的發展源于中國經濟轉型過程中創造的智能化需求。改革開放以來,充分抓住第三次工業革命帶來的經濟全球化機遇,通過市場取向的改革開放政策,我國實現了加速工業化,發展為全球第二大經濟體,被譽為“中國奇跡”。隨著國內外市場條件的變化、要素成本的上漲和環境約束的加強,如何實現從要素驅動向創新驅動的轉型升級,是經濟發展的方向和目標。而智能科技的產業化和產業的智能化,是實現經濟轉型升級和高質量發展的內生動力。

智能經濟包括兩個基本組成部分:核心產業部門和融合產業部門。其中核心產業部門主要是指研發和生產人工智能核心技術和產品的產業領域,主要產出的是作為“關鍵生產要素”的數據、算力和算法。而融合產業部門則是指人工智能與經濟和社會融合過程中創造的新技術、新產品、新模式和新業態。

我國智能經濟核心產業部門的興起源于互聯網發展過程中對智能化的迫切需求,是消費互聯網快速發展的結果。截至2018年12月,我國網民規模達8.29億,普及率達59.60%,手機網民規模達8.17億,占網民總數的98.60%,農村網民規模達2.22億,占網民總數的26.70%。2018年互聯網應用保持快速增長,其中網絡新聞用戶規模達6.75億元,較2017年底增長4.3%;網絡購物用戶規模達6.10億,較2017年底增長14.40%[1]。如果說在門戶網站為主導的互聯網1.0時代,中國僅僅是追隨者,那么在手機APP為主導的互聯網2.0時代,我國已經成為引領者。

為適應消費互聯網的智能化需求,中國智能經濟的核心產業部門實現了快速發展。在互聯網2.0階段,為了實現交易中供給和需求的精準匹配,尤其是支付過程中的身份驗證,人工智能實現了快速發展。隨著人工智能關鍵技術的成熟和核心產業部門的發展,人工智能開始與實體經濟深度融合。隨著包括5G在內的新基礎設施建設的加快,融合產業部門的發展及其與核心產業部門的良性互動,將推動智能經濟步入新的發展階段。

人工智能與實體經濟融合的過程中,除了包括阿里巴巴、百度、騰訊和華為在內的平臺企業之外,由傳統上市公司轉型而來的智能企業發揮著重要作用。依托市場和技術優勢,傳統產業的上市公司通過自主研發和與人工智能企業的合作,逐步成為融合產業部門發展的主導者。本文試圖通過對融合產業部門上市公司的價值網絡分析,揭示人工智能與實體經濟深度融合的動力和機制。

二、文獻綜述

作為第四次工業革命的引擎,人工智能屬于通用技術。技術經濟范式理論對通用技術如何影響經濟和社會發展做出了系統的思考。弗里曼(Freeman,1988)指出,技術經濟范式是指現實經濟對具備技術可行性的創新對象進行選擇,進而在技術、經濟和政治之間通過復雜互動形成新范式的過程[2]。

佩蕾絲(Perez,2007)對新技術經濟范式的形成過程做出了系統研究[3]。她把通用技術的興起和擴散劃分為“爆發”“狂熱”“協同”和“成熟”四個階段。在爆發階段,新通用技術和產品創新是由金融資本驅動的。新興技術的快速興起和發展給傳統技術經濟范式帶來了強烈的沖擊。在狂熱階段,金融資本轉向基礎設施和技術研發的支持。在這個階段,新技術經濟范式基本形成,并做好了擴張的準備。但是與新技術發展相伴而來的是技術與制度的沖突,需要制度層面的改革和調整。而隨著政治和社會變革經驗的積累,企業開始適應新技術,經濟進入了快速增長階段,即“協同”和“成熟”階段。其中,在協同階段,新技術經濟范式開始占據優勢。而在成熟階段,新技術被廣泛應用于現有產業,而其帶來的投資機會逐步消失。

通用技術與經濟社會的融合遵循“新技術→關鍵生產要素→主導技術群落→技術經濟范式”的演進過程。在新技術經濟范式的形成和發展過程中,首先是新技術創新和核心產業部門的興起。核心產業部門的基本功能是創造“關鍵生產要素”。在弗里曼和佩蕾絲看來,“關鍵生產要素”是技術經濟范式中的“一個特定投入或一組投入”,它可能表現為某種重要的自然資源或工業制成品,它具備三個方面的特征:生產成本的下降性、供應能力的無限性和運用前景的廣泛性。

隨著核心產業部門的發展,通用技術開始向現有產業滲透,最終形成主導技術群落。在主導技術群落的形成和發展過程中,技術與經濟社會相互融合逐步形成新技術經濟范式,使經濟社會進入新的發展階段。例如,第三次工業革命以芯片為“關鍵生產要素”。隨著IT和ICT產業的成熟,信息技術開始與經濟社會全面融合,創造出20世紀90年代以美國新經濟為代表的信息經濟范式。

作為新技術經濟范式,隨著互聯網的興起和發展,數字經濟開始顯現。對數字經濟最早的討論可以追溯到Don Taspscott《數字經濟》一書。在該書中,他系統描述了互聯網對經濟社會的深刻影響。進入21世紀,隨著互聯網2.0和物聯網的興起,基于網絡空間發展的數字和計算驅動的智能經濟開始出現,成為數字經濟發展的前沿。在2016年召開的G20杭州峰會發布的《二十國集團數字經濟發展與合作倡議》中,把數字經濟定義為:以使用數字化的知識和信息作為關鍵生產要素,以現代信息網絡作為重要載體,以信息通信技術(ICT)的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。

隨著核心技術的逐步成熟,人工智能與實體經濟的融合發展是智能經濟發展的主導。在2019年3月19日召開的中央全面深化改革委員會第七次會議上審議通過的《關于促進人工智能和實體經濟深度融合的指導意見》中指出,“促進人工智能和實體經濟深度融合,要把握新一代人工智能發展的特點,堅持以市場需求為導向,以產業應用為目標,深化改革創新,優化制度環境,激發企業創新活力和內生動力,結合不同行業、不同區域特點,探索創新成果應用轉化的路徑和方法,構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態”。

目前,人工智能與實體經濟深度融合的方向和框架已初步制定,但是作為一個復雜系統的演化過程,在人工智能與不同產業的融合過程具有多樣化和異質性特征。如何結合不同產業特點,通過多元創新主體協同創新構建專用性技術體系,才能不斷推動人工智能與實體經濟的深度融合,實現融合產業部門的快速發展。因為涉及與特定行業相關的專用技術體系的形成和積累,究竟誰是人工智能與實體經濟深度融合的主導者,如何通過多元創新主體的互動創造與特定產業相關的專用性技術體系,就成為當前理論研究的焦點。

三、研究方法和設計

本文把人工智能與實體經濟的深度融合看作是一個復雜適應系統的演化過程,涉及包括智能企業、大學、科研機構、投資者和政府在內的多元創新主體的聯系和互動。多元創新主體不僅是技術創新的需求者,而且是技術創新的推動者。依托各自的專業優勢,在人工智能與實體經濟融合過程中,專用性技術體系的形成和積累是多元創新主體相互聯系和協同創新的結果。

基于實際調查作者發現,在多元創新主體的協同創新中,除了平臺企業,傳統產業的龍頭企業往往是人工智能與實體經濟融合的主導者。適應產業智能化的需求,傳統產業的龍頭企業,尤其是上市公司,通過核心技術的自主研發和兼并收購人工智能初創公司的方式,轉型升級為智能企業,即融合產業部門的智能企業。作為龍頭企業,依托在傳統產業積累的競爭優勢,尤其是數據生態優勢,融合部門占主導的智能企業逐步成為傳統產業智能化的引領者。

為了揭示正在展開的人工智能技術和實體經濟融合發展的現狀和動力機制,本文篩選出50家融合產業部門的智能企業為樣本。50家樣本企業主要分布在傳統制造和安防產業,2000年之后,通過自主研發、人才引進、兼并收購、與其他企業和高??蒲袡C構合作的方式逐步發展為人工智能企業。從實際調查的情況看,樣本企業在轉型升級過程中,本身就是智能化的需求者,通過智能科技的自主研發和引進,在滿足企業內部智能化需求的同時,成為行業智能化技術集成方案提供商。

50家樣本企業的采集數據包括屬性數據和關系數據①。本文主要通過關系數據的量化分析考察人工智能與實體經濟融合的動力和機制。在關系數據的采集和量化分析中,我們把樣本企業作為樣本節點,把與樣本節點發生人力資本、技術和投融資關系的企業、組織和機構稱為關系節點。通過樣本節點和關系節點發生關系的統計分析,研究人工智能如何與實體經濟進行融合、創新和發展。

其中,人力資本關系主要指的是樣本企業創始人、聯合創始人和核心技術人員的前期學習經歷和工作經歷②。人力資本關系能夠刻畫人工智能技術在擴散過程中企業的關鍵技術人員來自哪些高校、科研機構和企業;技術合作關系,主要指樣本節點和關系節點之間存在的技術關系,包括技術輸入和技術賦能。其中技術輸入指的是關系節點對樣本節點的技術支持,而技術賦能則相反,是樣本節點對關系節點的技術輸出。與人力資本關系相比,技術關系能夠更加直接地展現技術擴散和產業化過程中不同創新主體之間的互動關系。投融資關系,主要指的是樣本節點和關系節點之間的投資和融資關系。

當樣本節點與關系節點之前存在著三個維度中的任何一個維度關系時,賦值為“1”,否則為“0”。通過對樣本節點和關系節點之間的互動關系的分析,考察人工智能技術與實體經濟的融合動力和機制。本文的數據采集主要來自實際調查和公開資料。

四、融合產業部門的價值網絡分析

50家樣本企業的屬性數據基本上反映出我國智能經濟融合產業部門興起和發展的基本情況。如圖1所示,傳統產業上市公司進入人工智能領域主要集中在2012-2015年之間③,占比高達68%。從時間分布看,傳統產業上市公司轉型升級為融合部門的智能企業,與新一代人工智能技術的興起和產業化進程相伴而行。

從50家樣本企業的地域分布看,位列第一的是廣東省,占比為26%,位列第二的是浙江省,占比為18%,位列第三的是北京市,占比為16%。融合產業部門智能企業的數量分布不僅與人工智能核心產業部門的發展相關,而且與特定區域傳統產業智能化進程直接相關。排名前列的廣東和浙江省都是產業智能化的前沿地帶④。

在轉型升級為智能企業之前,樣本企業的產業領域主要分布在傳統制造和安防產業。其中,制造業的占比為88%,主要包括通用設備制造,汽車制造,計算機、通信和其他電子設備制造業,專用設備制造業,儀器儀表制造業,金屬制品業。傳統安防業占比為12%。

在轉型升級為智能企業之后,在50家樣本企業中,進入智能制造領域的樣本企業占比最高,達到40%,其次是智能硬件領域,占比為22%,再次是智能安防領域,占比為12%。其余企業則分布在智能汽車、智能家居、智慧城市、智能醫療和智能教育等領域。在人工智能與傳統產業的融合過程中,融合產業部分智能企業的產業領域分布不再局限于原有領域,而是呈現出產業領域的多元化趨勢。

傳統產業上市公司轉型升級為智能企業的方式同樣是多元化的,包括自主研發、兼并收購人工智能初創企業、與人工智能企業和機構合作研發和人才引進獲得人工智能核心技術和產品。其中,自主研發占比為30%,位列第一,其次是與其他企業合作研發,占比為25%,再次是與高校和科研院所的合作研發,占比為22%,兼并收購占比為21%,位列第四。在合作研發中,企業往往通過與高校、科研院所和人工智能企業成立聯合實驗室、共建新型研發機構和聯合成立子公司的方式展開深入的技術合作。

(一)融合產業部門價值網絡的基本結構

將采集的50家樣本企業的關系數據輸入社會網絡分析軟件Gephi.9.2,本文得到由2728個節點和3239條邊(關系)所組成的我國智能經濟融合產業部門價值網絡拓撲結構圖(如圖2所示)。表2 列出了融合產業部門價值網絡的結構統計指標?;?0家樣本節點的價值網絡的節點數達到2728,是樣本節點數的54.56倍,充分說明樣本節點具有很高的活躍度。同時,包括平均度、網絡直徑、平均聚類系數、模塊化系數和平均路徑長度在內的結構性指標表明,融合產業部門的價值網絡屬于典型的復雜網絡⑤。

如圖3 所示,融合產業部門價值網絡節點的度數中心度分布表現出明顯的冪率分布特征,即少數關鍵節點具有較高的度數中心度⑥。因而,在融合產業部門的價值網絡中,度數中心度高的少數關鍵節點是價值網絡的核心,在人工智能與實體經濟的融合發展中發揮著主導作用。

圖4和圖5分別列出了融合產業部門價值網絡節點的接近中心度⑦和關系節點度數中心度的排序情況。價值網絡節點的接近中心度越高,代表節點離其他節點越近,連接范圍越廣,在價值網絡中的重要性越高。在接近中心度最高的節點中,不僅包括??低?、聯想集團和青島海爾在內的樣本節點,而且包括華為和百度在內的關系節點。這些節點都處于價值網絡的中心,是人工智能與實體經濟融合的主導者。圖5 刻畫了關系節點度數中心度排序。度數中心度排名前列的關系節點,是人工智能與實體經濟融合發展的關鍵支撐,為融合產業部門的發展提供人力資本、技術和資本支持。

在融合產業部門構成的人工智能科技產業價值網絡中,活躍度較高的關系節點主要包括三類。第一類是包括中國科學院、浙江大學、上海交通大學和北京大學在內的大學和科研院所。作為創新主體,大學和科研院所在人工智能科技產業的發展中主要從事基礎研究和人才培養活動,通過提供人力資本和技術輸出賦能人工智能企業。例如,在中國科學院的賦能關系中,47.83%是核心人力資本的輸出。同時,與人工智能企業建立聯合實驗室和新型研發機構同樣構成了大學和科研院所技術輸出的重要方式。

第二類關系節點是以華為、百度、騰訊、阿里巴巴、微軟和商湯科技為代表的核心產業部門中的平臺和核心技術企業。依托在人工智能核心技術領域的研發和產業化優勢,平臺和核心技術企業通過與融合產業部門人工智能企業的技術、資本和人力資本合作,推動人工智能技術與實體經濟的融合發展。

第三類關系節點是以建設銀行、美的集團、國家電網和中國石化為代表的傳統產業智能化需求方。作為智能企業的賦能對象,包括金融和制造業行業在內的傳統企業在轉型升級過程中創造出巨大的智能化需求,為人工智能技術的落地提供了廣泛的應用場景。

圖5列出了融合產業部門價值網絡關系節點數度中心度排序情況(柱形圖顯示出人力資本、技術和資本關系占比)。其中,排名前幾位的關系節點不僅存在著技術輸出關系,而且存在著人力資本輸出關系。

為了更清楚地分析融合產業部門重要節點在價值網絡中的作用,圖6列出了節點的中間中心度指標的排序情況。中間中心度指標衡量的是價值網絡節點發揮“結構洞”的能力。伯特(Burt,1992)認為,結構洞是指兩個行動者之間的非冗余的聯系[4]。占據“結構洞”位置的網絡節點能夠為中間人創造獲取網絡“信息利益”和“控制利益”的機會,因而,“結構洞”往往構成了網絡中介人的社會資本[5]。

從融合產業部門價值網絡節點的中間中心度排序看,位于前列的主要是包括聯想集團和??低曉趦鹊臉颖竟濣c。這充分說明,作為傳統產業的上市公司,樣本節點通過與多元創新主體的協同,充當“結構洞”角色,推動人工智能與實體經濟的融合發展。同時,中間中心度排名靠前的關系節點是以阿里巴巴在內的平臺企業和以中國科學院為代表的科研機構,在推動人工智能與實體經濟融合發展過程中,平臺和重要科研機構同樣發揮著“結構洞”作用。

對融合產業部門價值網絡結構性指標的分析表明,人工智能與實體經濟的融合涉及多元創新主體的互動和協同創新。多元創新主體的互動和協同創新一方面會創造出包括聯合實驗室在內的新型復雜組織,另一方面會創造出新技術、新產品、新模式和新業態。同時,人工智能與實體經濟的融合發展同樣會帶動包括大學、科研機構和中介組織在內的創新主體的發展,尤其是創造出以人工智能新興學科為代表的創新領域和方向。因而,人工智能與實體經濟的融合產業部門的發展,通過創造新的價值創造部門和提高經濟系統知識分工的復雜性,成為經濟發展新的動力來源。

(二) 關系數據分析

表3列出基于50家融合產業部門智能樣本企業價值網絡關系數據的分類統計結果。從人力資本關系來看,融合產業部門智能企業核心人力資本的前期學習和工作經驗主要來自國內企業、高校和科研院所,占比分別為82.43%和91.96%。從技術關系看,技術輸入和賦能占比分別為29%和71%,樣本企業的技術賦能遠高于技術輸入,是融合產業部門的主要賦能者。與人力資本關系相同,無論是樣本企業的技術輸入還是技術賦能,主要來自國內企業和機構。從投資關系看,樣本企業投資關系占總投融資關系的86.76%。從總體看,作為人工智能與實體經濟融合發展的主導者,傳統產業上市公司轉型升級而來的智能企業既是主要賦能者又是投資者。

50家樣本企業的核心人力資本主要畢業于國內的高校和科研院所,其中清華大學、浙江大學、哈爾濱工業大學、中國科學院和上海交通大學是排名前列的機構。前期工作經驗的獲取同樣主要來自國內的企業和機構,其中中國科學院、清華大學、哈爾濱工業大學和華中科技大學排名前列,這充分說明在計算機、軟件和人工智能領域具有基礎研究優勢的大學和科研院所在融合產業部門中發揮至關重要的作用。就國外工作經驗而言,融合產業部門智能樣本企業主要來自包括微軟和谷歌在內的跨國公司研究機構。

圖7列出了50家樣本企業技術輸入關系節點的類型分布情況。融合產業部門的人工智能技術主要來源于國內企業,占比為52%,其次是國內高??蒲性核?,占比為27%,排名第三的是國外企業,占比為18%,國內專業人才的引進排名第四,占比為1%。技術來源的主要國外企業是微軟和英特爾。

從作為技術輸入者的國內企業的類型分布看,融合產業部門的技術輸入者主要是核心產業部門的人工智能初創企業,占比為16%,其次是初始人工智能上市公司⑨,占比為16%,排名第三和第四的分別是非初創人工智能技術公司和獨角獸公司,占比為10%和7%。

除了企業,大學和科研院所同樣在人工智能與實體經濟的融合發展過程中成為關鍵技術輸入者。依托在基礎研究領域的優勢,包括清華大學、浙江大學、中國科學院、北京大學、上海交通大學和哈爾濱工業大學在內的大學和科研院所成為融合產業部門的技術輸入者和創新主體。

尤其值得關注的是,大學和科研機構對融合產業部門的技術賦能常常以與企業和地方政府成立聯合實驗室和新型研發機構的方式實現。例如,清華大學近年來分別與阿里巴巴成立“自然交互體驗聯合實驗室”、與騰訊成立互聯網創新技術聯合實驗室、與好未來成立智能教育信息技術聯合研究中心,共同推動人工智能技術的產業化落地。

從技術輸入分類看,如圖8所示,人工智能對傳統產業的改造主要依賴算法和算力領域的技術輸入。其中,大數據和云計算、芯片、計算機視覺排在前三位,占比分別為25.87%、13.37%和13.37%。以計算機視覺、自然語言處理、生物識別、無人駕駛和機器人技術為代表的人工智能核心算法,在技術輸入中的占比達到31.98%,超過大數據和云計算。

從實際調查的情況看,融合部門的技術輸入類型反映了人工智能與實體經濟融合的基礎是數據生態。因為產業的數據生態化是智能化的前提和基礎。無論是大數據和云計算技術還是芯片和計算機識別技術的引入首先是解決產業的數據化問題。只有出現產業數據化和數據生態環境,才能進一步通過算法和其他技術的引進實現產業的智能化。

在融合產業部門樣本企業的投融資關系看,如圖9所示,投資關系占據主導。從投融資關系發生的產業領域看,智能制造領域智能企業的融資關系數占比最高,為5%,投資關系數占比為19%。在投資關系數占比上,智能硬件最高,達到27%,融資關系數占比則為2%。其中,投資關系最為活躍的樣本節點為小米科技和聯想集團。通過對人工智能初創企業的大量投資活動,小米科技和聯想集團努力構筑智能硬件產業生態系統。

從技術獲取的方式看,包括投資收購和合作研發兩種類型。如圖10所示,硬件、機械控制及自動化技術主要通過融合產業部門智能企業收購方式獲取。無人駕駛、生物識別、數據分析、計算機視覺等人工智能核心技術的融合則主要是以企業合作研發為主導。在大數據和云計算、芯片研發、自然語言處理技術領域,因為技術主導者均為開放創新平臺,更容易通過合作研發和市場購買獲取。

融合產業部門價值網絡的分析表明,人工智能與實體經濟的融合表現為新的復雜創新網絡的形成和發展過程。作為技術輸入者,融合產業部門的技術不僅來自核心產業部門的平臺企業、獨角獸和初創企業,而且包括大學和科研院所。同時,融合產業部門不僅是人工智能技術的輸入者,同時也是創新者。尤其是作為傳統產業龍頭企業的上市公司,依托在傳統產業的競爭優勢,在轉型升級為智能企業之后,逐步成為產業智能化的主導者。

五、模型和推論

為了分析人工智能與實體經濟融合的動力和機制,本文首先把智能經濟劃分為核心產業部門和融合產業部門。其中,核心產業部門是指作為“關鍵生產要素”的數據和計算的生產部門,主要從事人工智能核心技術和產品的研發和生產。融合產業部門則是指人工智能與實體經濟融合過程中創造的新興產業部門?;谥悄芙洕膬刹块T劃分,為了分析如何利用核心產業部門的人工智能技術改造傳統產業,創造融合產業部門發展的動態過程,本文首先做出三個前提假設。

首先,核心產業部門在融合產業部門出現之前就已經存在,即核心產業部門的發展先于融合產業部門。

其次,核心產業部門包括數據、算法和算力在內的人工智能技術屬于通用技術體系。在與特定產業融合過程中,因每個產業都擁有特殊的數據生態,通用技術體系在運用于特定產業過程中,將創造出包括數據、算法和算力在內的專用技術體系。因而,人工智能與實體經濟融合的進程表現為專用性技術體系的形成和發展過程。

最后,融合產業部門的出現表現為新價值網絡的形成和發展過程。與核心產業部門的價值網絡相比,與技術體系的專用性程度相關,價值網絡的主導者更多地來自具有傳統產業優勢的行業領導者。

在上述三個前提假設的基礎上,如圖11所示,本文構建了一個簡單的人工智能改造傳統產業的理論分析框架。圖的左半部分價值網絡Ⅰ是指在改造傳統產業之前的人工智能通用技術體系,即核心產業部門的價值網絡。價值網絡Ⅰ的創新主體包括大學、科研機構、基礎層和技術層企業,構成了智能經濟的核心產業部門。從技術的視角看,智能經濟核心產業部門包括三個基本組成部分:數據生態、算力和算法。其中的數據生態Ⅰ、算法Ⅰ和算力Ⅰ三者相互匹配,共同構成核心產業部門的通用技術體系。

人工智能技術改造傳統產業始于具體應用場景的開放。因為傳統產業本身是一個相對獨立的系統,人工智能技術對它的改造表現為通過技術體系如何應用于具體場景的過程。首先,人工智能技術在應用于傳統產業的過程中要創造符合產業發展應用場景的數據生態,只有獲取實時在線和可共享的數據才能形成適應傳統產業的算法和算力。作為人工智能技術體系的關鍵資產,數據生態的專用性程度是人工智能技術與具體應用場景結合難易程度的關鍵因素,同時也決定了誰將是新的價值網絡Ⅱ的主導者。

其次,在形成傳統產業數據生態的基礎上,在產業內部將形成專用性的算法資源。算法資源和優勢的形成一方面依賴數據,另一方面依賴包括專用智能芯片在內的硬件和軟件支持。

最后,與數據和算法的專用性相適應,算力同樣具有專用性。但是相對于數據生態和算法,專用性程度相對較低。與核心產業部門相比,傳統產業的改造一般更多地屬于物聯網技術應用范圍。因為數據的非結構性和算法的特殊性,更多地使用邊緣計算和霧計算。作為通用的云計算能力,往往被作為外部資源與邊緣和霧計算資源的融合運用。

同時,人工智能通用技術在改造傳統產業的過程中,主導者通過構建包括數據生態、算法和算力在內的價值網絡Ⅱ,獲取持續競爭優勢。從主導企業的角度看,引入人工智能技術改造傳統產業的過程實質上是在實施創新型競爭戰略的過程,目標是摧毀作為傳統產業競爭優勢的原有技術體系。一旦某個或若干企業獲得成功,所形成的技術優勢將會迅速改造傳統產業,形成新產品、新業態和新模式。

在人工智能技術改造傳統產業的過程中,為了解決數據生態、算法和算力的專用性問題,形成了價值網絡Ⅱ。價值網絡Ⅱ包括人工智能改造傳統產業過程中所需要的人工智能核心產業部門企業、大學、科研機構和傳統產業的公司,是多元創新主體協同的過程。

價值網絡Ⅱ和價值網絡Ⅰ之間是相互交融的。其中,作為智能經濟核心產業部門的價值網絡Ⅰ以基礎和技術層企業為主導,同樣通過多元創新主體的協同實現包含通用人工智能數據生態、算法和算力在內的通用技術體系的形成和發展。價值網絡Ⅱ的主導者通過與價值網絡Ⅰ內部創新主體和包括大學、科研院所和初創企業在內的創新主體共同推動特定產業專用性的人工智能技術體系的形成和發展。價值網絡Ⅱ的構建過程是多元創新主體協同創新的過程,與價值網絡Ⅰ的根本區別是協同創新的主體更加多元化和專業化。

價值網絡Ⅱ的創新主體首先是傳統產業的企業,因為人工智能技術的應用過程本身就是傳統產業內部企業采用人工智能技術的過程。但是在傳統產業內部,企業采用人工智能技術是非均衡的。至少包括兩類企業:一是積極吸收和采用人工智能技術的企業;二是被動吸收和采用人工智能技術的企業。其中積極吸收和采用人工智能技術的企業既可能成為產業創新性競爭的勝出者,同時也可能因為市場的不確定性面臨失敗的風險。

價值網絡Ⅱ的創新主體同樣包括擁有人工智能前沿技術的大學和科研院所。大學和科研院所通過向傳統企業賦能人工智能技術一方面推動傳統產業的智能化,另一方面獲取非競爭性經費,支持大學和科研機構的研究工作。

價值網絡Ⅰ中的基礎層、技術層企業和人工智能新創企業同樣構成了價值網絡Ⅱ的創新主體。首先,基礎層和技術層企業為人工智能在特定產業的應用提供基礎設施、算法和算力服務;其次,人工智能初創企業通過新的算法和數據分析技術的創新不斷推動人工智能技術在傳統產業的應用。

因而,與價值網絡Ⅰ相比,價值網絡Ⅱ的創新生態系統具有更高的開放性和專業性。創新生態系統的開放性不僅表現為價值網絡Ⅱ的創新主體更加多元,而且包括國際范圍的開放性。在改造傳統產業的過程中,價值網絡Ⅱ不僅需要國內的通用人工智能技術體系創新資源,而且更需要國際人工智能技術體系的通用和專用資源。而專業性則是指人工智能技術體系與具體應用場景融合過程中特定產業專用性技術體系的形成和發展。

推論1:在價值網絡Ⅱ的構建過程中,涉及的創新主體是多元的,不僅包括傳統產業的企業,而且包括價值網絡Ⅰ的基礎層、技術層和新創企業。通過多元創新主體的協同,共同推動人工智能通用技術體系與傳統產業的融合,形成專用人工智能技術體系。因而,與核心產業部門相比,融合部門的技術體系具有更強的開放性和專用性。

本文研究的重要發現是人工智能技術在改造傳統產業的過程中形成的技術體系的專用性程度,是決定人工智能技術應用領域和范圍擴張的決定變量。技術體系的專用性程度不僅表現在數據生態,而且表現在算法和算力基本方面。特定產業應用領域人工智能技術體系的專用性是指,在改造特定產業過程中所形成的人工智能技術體系僅僅能夠在所在產業應用。特定產業人工智能技術體系的專用性不僅決定了誰將成為價值網絡Ⅱ的主導者,而且決定了人工智能技術應用于特定產業領域的可能空間。

價值網絡Ⅰ的主導者是位于基礎和技術層的平臺企業。它們往往沒有動力直接改造專用性程度高的傳統產業。因為難以獲得特定產業的數據生態優勢,平臺企業更愿意通過與傳統產業合作、培養相關技術企業和開發者向傳統產業賦能。因為傳統產業技術體系的特殊性,價值網絡Ⅰ的創新主體很難成為主導者。價值網絡Ⅰ的創新主體一方面通過與傳統產業企業的合作,向傳統產業賦能,另一方面通過包括獨角獸和新創企業推動人工智能技術的應用。因而,價值網絡Ⅱ的主導者是傳統產業內部企業。

在傳統企業主導的價值網絡Ⅱ的構建過程中,主導企業首先與大學和科研院所合作展開研究。與價值網絡Ⅰ內部的平臺企業相比,大學和科研院所具有更強的基礎研究能力。通過與大學和科研院所的合作,價值網絡Ⅱ的主導企業能夠吸收到前沿研究技術成果。

其次,價值網絡Ⅱ的主導企業在算法上往往更多地傾向與中小型和微型人工智能企業合作。其中,與獨角獸的合作是算法合作的重要對象。與平臺企業不同,獨角獸企業往往聚焦于專用性算法技術。同時,只有把研究的算法資源應用于特定的產業,才能夠獲得快速的成長和發展。

再次,價值網絡Ⅱ的主導者與新創企業的合作主要集中在與算法和數據分析相關的人工智能領域。因為新創企業更有積極性通過與傳統企業的合作,獲得生存和發展空間。

最后,在云計算資源和通用算法方面,價值網絡Ⅱ的主導者與平臺企業展開合作。云計算能力是在消費互聯網發展的基礎上建立起來的,對于特定產業的傳統企業而言,沒有足夠的技術和資金實力投資云計算技術,更有效的選擇是利用平臺企業現有云計算資源。同時,在開發傳統產業的專用性算法的過程中,價值網絡Ⅱ的創新主體往往通過購買平臺企業現有的技術模塊搭建產業內部的技術體系。

推論2:在融合產業部門價值網絡Ⅱ的構建過程中,究竟由誰主導取決于特定產業人工智能技術體系專用性程度的高低。人工智能技術體系的專用性程度越高,價值網絡Ⅱ的主導者是現有產業企業的可能性越大。

人工智能技術體系的專用性不僅決定著價值網絡Ⅱ的主導者究竟是誰,而且決定著產業應用的層次、水平和范圍。因為人工智能技術體系專用性程度高意味著價值網絡Ⅱ的構建面臨著更高的不確定性和創新的高成本約束。

從應用領域看,人工智能首先應用于以電子商務、即時通信和社交為代表的互聯網率先發展的領域。之所以在互聯網率先發展的產業人工智能技術能夠獲得應用,主要是因為這些領域的數據、算法和算力具有更強的通用性,而不是專用性。尤其是電子商務領域,因為不涉及復雜的生產過程,數據是結構化的,有利于通用算法和算力的形成和發展。

在人工智能技術隨后應用的新媒體和數字內容領域同樣因為技術體系專用性程度較低,實現了快速的發展。盡管跨媒體智能存在著一定的技術壁壘,但是算法的快速進步使人工智能技術體系同樣快速建立起來。

在人工智能技術近期快速推進的領域中,智能安防同樣屬于擁有數據優勢的產業。經過二十多年的發展,我國建成海量的城市監控系統,為數據采集和結構化處理奠定了基礎。隨著結構化數據技術的進步,在智慧城市和安防領域的數據生態系統已經建立。同時,邊緣計算和霧計算能力的提升,進一步推動了智能安防技術在更廣泛領域的應用。

但是當人工智能技術應用于智能制造領域時,則面臨著前所未有的困難。其中的關鍵原因是在制造業領域很難在短期內形成數據生態優勢。

首先,制造業是一個高度復雜,設備高度專用性的復雜系統。因為不同企業所使用的設備來自不同的企業,甚至不同國家的企業,設備之間的操作系統缺乏通用標準。其次,制造系統不僅涉及最終產品的制造企業,而且涉及原材料在內的諸多供應商系統,每個供應商所使用的設備更是千差萬別,供應鏈系統的數據大量屬于異構數據。最后,制造業屬于工業互聯網,不僅面臨算法和算力而且面臨數據傳輸技術專業性的約束。

同樣屬于制造業,不同的制造業可能面臨著不同的技術體系專用性程度。技術體系的專用性程度決定于不同產業制造體系的復雜性程度。制造體系越復雜技術體系的專用性程度越高,越難以實現人工智能技術的應用。

推論3:人工智能技術在不同產業應用的程度決定于技術體系的專用性程度。人工智能技術體系的專用性程度越高,人工智能技術應用于特定產業的成本約束越高。在人工智能專用性技術體系形成和發展過程中,與算法和算力相比,數據生態的專用性更加突出。

六、結論和政策建議

智能經濟由兩個部門組成:核心產業部門和融合產業部門。而從技術視角看,核心產業部門的技術體系是通用性的,而融合產業部門的技術則是專用性的。因而,人工智能與實體經濟的融合表現為運用人工智能通用技術體系改造傳統產業形成專用性技術體系的過程。

基于智能經濟兩部門劃分,本文提出了一個人工智能技術如何改造傳統產業的簡單理論分析框架。本文的研究表明,率先在消費互聯網領域得到發展的通用人工智能技術體系在向傳統產業滲透的過程中,與特定產業相適應的專用性人工智能技術體系形成和積累的成本約束,不僅決定著人工智能與實體經濟融合的程度,而且決定著究竟誰將成為主導者。從基本推理和結論出發,本文對加速我國人工智能與實體經濟融合發展提出政策建議。

首先,與核心產業部門發展相比,人工智能與實體經濟的融合更加復雜,存在著不同的規律和特點。針對不同產業智能化中存在的問題,需要制定不同的政策。在某種程度上,因為各地的主導和優勢產業不同,在產業智能化的過程中應當更多地鼓勵地方和產業進行積極探索。

其次,無論是核心產業部門還是融合產業部門,技術創新的重要來源是初創企業。鼓勵和支持智能經濟領域的“雙創”,是發展融合產業部門的關鍵領域。

最后,因為融合產業部門的主導者究竟是核心產業部門的平臺企業還是傳統產業的龍頭企業,主要取決于技術體系專用性程度的高低。通過制定鼓勵和支持人工智能專用技術體系創新和積累的政策體系,尤其是鼓勵傳統產業龍頭企業轉型升級為產業智能化平臺,對產業的智能化發展至關重要。

注釋:

①數據采集的截止日期為2019年2月28日。

②樣本企業的核心人力資本主要包括企業創始人、聯合創始人、CEO和副經理在內的高管。

③傳統產業上市公司進入人工智能領域時間的依據主要是包括人工智能初企業收購、企業進入人工智能領域戰略調整、展開人工智能技術研發和產品智能化事件。

④從核心產業部門智能企業的地域分布看,北京和上海企業數占比排名第一和第二。

⑤一般認為復雜網絡具有以下的特征:第一,小世界。就是以簡單的模式描述了大多數網絡,雖然整體的網絡規模很大,但是任意兩個節點卻有相當短的路徑,也就是一類具有較短的平均路徑長度又具有較高的聚類系數的網絡的總稱。第二,集群即集聚程度的概念。所謂集聚程度就是網絡集團化的程度,這是一種網絡的內聚傾向。連通集團概念反應的是一個大網絡中各集聚的小網絡分布和相互聯系的狀況。第三,冪律的度分布概念,也就是少數節點擁有大量鏈接,度數中心度較高,大多數節點擁有少鏈接,度數中心度較低。

⑥度數中心度(Degree Centrality):與樣本節點直接相連的其他節點的個數,是用來刻畫網絡分析中節點的中心性的指標。度數中心度越高的節點與其直接相連的邊數也越多,代表帶節點在創新網絡中擁有更多的技術、資金等層面的合作關系,其相對活躍度和重要程度也就越高。

⑦接近中心度(Closeness Centrality),是一種針對不受他人控制的測度。一個點的接近中心度是該點與圖中其他點的捷徑距離之和。如果有一個點與網絡中其他所有點的距離都很短,則稱該點具有較高的接近中心度。

⑧“中介人”指的是向一個位置發送資源,卻從另外一個位置得到資源的行動者,其往往可以通過自己掌握的不同群落中的信息優勢轉換為社會資本優勢,從而獲取利益。根據中介人扮演的角色的不同,可以分為:協調人、顧問、守門人、代理人和聯絡人。

⑨ 例如,阿里巴巴和科大訊飛。

⑩此處融資僅統計非公開發行的融資情況。

?輥?輯?訛本圖對技術輸入按照技術領域進行劃分,基于技術來源為投資的占比進行繪制。如在所有的技術輸入關系中,共有46條關系是對計算機視覺技術的輸入,其中有12條關系是通過收購的方式獲取的,那么在計算機視覺技術的獲取中,投資收購的占比為13.79%。

參考文獻:

[1]中國互聯網絡發展狀況統計報告[EB/OL].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201902/P020190318523029756345.pdf,2019-03-20.

[2] 克里斯托夫·弗里曼. 技術政策與經濟績效:日本國家創新系統的經驗[M]. 張宇軒,譯. 南京:東南大學出版社, 2008.

[3] 卡蘿塔·佩蕾絲. 技術革命與金融資本[M]. 田方萌,胡葉青, 劉然, 王黎民,譯. 北京:中國人民大學出版社, 2007.82.

[4]伯特. 結構洞:競爭的社會結構[M]. 上海:格致出版社,2008.

Abstract: The intelligent economy includes the core industry sector and the integrated industry sector. The integrated industry sector is a new industry field, including new technology, new products, new models and new formats created in the process of the integration of artificial intelligence and real economy. With the maturity of the core technology and products of artificial intelligence, the development of integrated industry sector has become the forefront of the development of intelligent economy. Unlike the core industry departments and the specific industry application scenarios, the technology system of the integrated industry departments has the characteristics of specialization. In line with specific industrial application scenarios, the degree of technical system specificity not only determines the difficulty of the integration of artificial intelligence and real economy, but also determines who is the leader of the integration of industrial sector development. It will also promote the technological innovation and development of the core industrial sector. The positive interaction between the two industrial sectors jointly promotes the rapid growth of the intelligent economy and the pace of economic transformation and upgrading.

Key words: intelligent economy; core industry sector; integrated industry sector; general technology system; special technology system

責任編輯:任學新

河北十一选五分析软件