摘要：通过智能芯片技术创新聚类图谱分析，识别中国智能芯片技术创新路径；从区域层面分析和比较京津冀、长三角、粤港澳+台湾、中西部地区、东部地区的中国智能芯片技术创新关键主体分布及其研发合作关系特征，为中国智能芯片创新发展政策的制定提供参考。研究发现：（1）中国智能芯片技术创新路径可分为延续传统计算架构、打造量子芯片、研发类脑芯片3条路径；（2）中国智能芯片技术创新主体分布呈现出长三角地区、京津冀地区聚焦智能芯片技术创新全赛道，粤港澳地区聚焦传统赛道，中西部地区多为高校与科研院所，聚焦智能芯片的实验室研发；（3）中国智能芯片技术创新主体的研发合作关系演化呈现关键创新主体的研发合作规模逐渐缩小，合作关系逐渐稳健，合作网络时空发展向“地缘性+业缘性”演化，研发合作方向逐渐呈现两极化的态势。

关键词：智能芯片，创新网络，知识图谱

基金项目：教育部人文社会科学研究青年基金项目“中国企业参与全球人工智能技术创新的位势提升机理及路径选择研究”（22YJCZH254）；上海市社会科学规划青年课题“全球城市人工智能创新生态系统构建与上海策略研究”（2019JG021-ECK257）

近年来，众多行业、商业领域提高了智能化应用场景比例，这些智能化应用建立在大规模并行计算能力基础之上，因此特殊定制的处理单元需求急剧上升^[1]。在此背景下，智能芯片（artificial intelligence chips，AI芯片）技术得以迅速发展。环顾四周，个别西方国家大搞单边主义、技术保护主义，肆意打压别国科技企业，借新冠病毒感染对别国“甩锅”推责，人为拉起国家间的“技术铁幕”。俄乌局势加剧全球芯片供应短缺，也让AI国际科技合作充满不确定性。2021年，美国人工智能国家安全委员会（the National Security Commission on Artificial Intelligence，NSCAI）发布《最后的报告：人工智能》，反复指出中国是美国赢得人工智能技术竞争的最大威胁；制定国家微电子战略实现在微电子产品制造能力上至少领先中国两代的目标；意图拉拢拥有世界最顶尖光刻机技术的荷兰（ASML公司）和日本（尼康、佳能），建立起阻止向中国出口半导体制造设备（特别是EUV和ArF浸没式光刻设备）的“推定拒绝”政策（presumptive denial）^[2]。2022年2月俄乌冲突升级，美日欧相继对俄实施出口制裁，包括半导体、人工智能、机器人等高科技产品和技术的出口，全球缺芯局面进一步加剧。2022年5月，韩国判读全球半导体供应链重构动向，透露出相比中国大陆巨大的市场需求，韩国政府将会倾向于为获得美国、日本的技术和设备而加入美领导的“联盟”^[3]。

在此背景下，中国要想突破困境，首要一步要做到“知己”。本次研究采用科学计量学研究方法和工具，绘制2018—2021年中国智能芯片技术创新图谱。通过AI芯片技术创新聚类图谱分析，识别中国AI芯片技术创新路径；从区域层面分析和比较京津冀、长三角、粤港澳台、中西部地区、东部地区的中国AI芯片技术创新主体分布。在此基础上，识别出AI芯片技术创新的关键主体，绘制其研发合作关系，为中国智能芯片创新发展战略布局提供参考。

1　智能芯片

智能芯片隶属人工智能技术架构的基础层，用以提升运算能力。当前对AI芯片的定义并没有一个公认的标准。广义上，智能芯片是指专门用于处理人工智能应用中的大量计算任务的芯片模块，其能运行人工智能算法并且做了相关优化设计^[4]。

从人工智能产业链的角度看，AI芯片处于产业链的中间层，它为上层智能应用和智能算法提供支撑，并对下层的器件、工艺和材料等提出要求^[5]。上层智能应用和智能算法的高速发展，尤其是深度学习和神经网络算法的快速发展对AI芯片提出更高的性能要求，推动了近年来AI芯片研发的蓬勃发展^[4]。新器件、新工艺和新材料的迅速发展，大幅提升智能芯片的性能和降低了功耗，推动了AI芯片的技术突破^[6]。在技术架构上，AI芯片主要包括以下4种类型：通用芯片（图形处理单元，GPU）、半定制芯片（现场可编程门阵列，FPGA）、全定制芯片（专用集成电路，ASIC）和类脑芯片（神经拟态芯片）^[7]。在技术路线上，AI芯片研发遵循两条不同的路径。其中，一条是延续经典的冯·诺依曼计算架构，加速硬件计算能力，图像处理器（GPU）、半定制电路（FPGA）和全定制电路（ASIC）为3种主要代表芯片；另一条路径颠覆经典的冯·诺依曼计算架构，采用人脑神经元的结构来提升计算能力，以类脑芯片为代表。然而从产业化落地情况来看，其生态系统比较脆弱，并需要完善一整套编程环境、编译器等技术工具^[8]。

现有关于AI芯片技术创新的研究大多是定性地分析人工智能芯片产业的发展现状智能芯片发展态势、发展趋势等。商惠敏^[4]比较各个细分领域中中国企业与国际先进水平的技术差距，提出中国智能芯片的战略布局。贾夏利等^[9]从微观角度，定性地从科研现状、产业发展、人才支撑、硬件基础、市场应用、数据规模6个指标维度比较中美人工智能芯片的具体发展现状以及各自存在的竞争优势。姜南等^[10]选取AI芯片专利领域并采用机器学习算法对专利最优转化预测方案进行研究，分析了全球主要国家和地区AI芯片专利成功转化的影响因素。

综上所述，虽然近年来国内学者已关注AI芯片技术创新研究，从既有学术研究成果看仍存在一些问题需要解决。例如，现有研究的研究对象多为发达国家，且多是比较中国与发达国家在智能芯片技术创新水平差距、创新路径差异。又如，学者们采用的研究方法多为定性比较，未能更为客观地探究中国智能芯片技术创新态势。鉴于此，本研究采用知识图谱方法和工具，绘制中国智能芯片技术创新图谱，定量和定性相结合，从区域层面，比较分析中国各个区域智能芯片的创新路径识别、创新主体分布、创新合作关系，可为我国智能芯片创新发展提供有益借鉴。

2　数据来源与研究方法

2.1　数据来源

本次研究选用全球科技情报和情报机构的权威——德温特专利引文索引数据库（Derwent Innovations Index，DII）中智能芯片相关的专利数据。AI芯片主要可以分为以下三大类^[11]。第一类，支撑机器学习的加速器芯片，包括IPU、TPU、DPU等^[12]，其颠覆了经典冯·诺依曼架构，以定制化的数字处理内核为神经元，以内存为突触，将CPU、内存及通信元件等集成一体^[13]。第二类，受生物大脑启发设计的类脑芯片，其模拟人脑神经网络结构和工作机理实现感知和认知等功能^[14]。第三类，延续冯·诺依曼架构并加速硬件运算能力的通用AI芯片，如GPU、FPGA、ASIC^[12]。

基于此，构造检索式为TS=（“brain-like chip” or “graphics processing unit” or “video processing unit” or “data processing unit” or “neural-network processing unit” or “image processing unit” or “tensor processing unit” or “field-programmable gate array” or “application specific integrated circuit” or “complex programmable logic device” or “very large scale integrated circuit”），在德温特创新专利引文索引数据库进行主体检索，时间为2018.01.01-2021.08.24，检索出170 357条记录（2021年31 584条，2020年49 467条，2019年47 228条，2018年42 078条），检索日期2021年8月。

2.2　研究方法

社会网络分析工具是梳理主体之间相互关系的常用研究方法。该方法注重社会网络的形式分析，却对社会网络的内容和性质分析有所忽视，无法形成具有实际意义的聚类。科学知识图谱工具选取特定时间范围和特定领域的文献，在对一段时间内文献信息的参数化和图谱化进行分析后，映射出该时间范围内特定学科知识的脉络关系，其研究结果兼具“图”和“谱”的性质与特征，即可视化的知识图形和序列化的知识谱系^[15]。目前，已有学者尝试借助知识图谱工具开展人工智能技术创新网络的研究，但创新主体的不确定性和合作关系的动态性在这些研究中并未得到重视^[16]。

基于此，本次研究在完成数据收集和处理的基础上，采用知识图谱理论和工具分析中国AI芯片技术创新路径，并从区域视角分析比较中国3个主要城市群（京津冀地区、长三角地区、粤港澳台地区）及2个地区（中西部地区、东北地区）的智能芯片技术创新生态系统，研究涉及以下内容。

（1）AI芯片创新主体识别与其合作关系演化分析。首先，采用知识图谱中TFIDF算法，分别形成2018—2021年历年智能芯片技术创新网络图谱；其次，采用Spotlight算法，绘制出2018—2021年历年智能芯片技术创新关键路径，并从中识别出重要主体和关键主体。最后，采用Pennant Diagram算法，聚焦关键创新主体，绘制其2018—2021年历年合作关系二维图，如图1所示。

（2）区域划分。参考《京津冀协同发展规划纲要》《长江三角洲城市群发展规划》和《粤港澳大湾区发展规划纲要》中区域划分的范围定义，京津冀地区包括北京市、天津市和河北省，长三角地区包括江苏省、安徽省、浙江省和上海市，粤港澳地区包括广东省、香港特别行政区和澳门行政特区^[17]，同时将台湾地区与粤港澳地区联合统计，标识为“粤港澳+台湾地区”。除了长三角、京津冀、粤港澳+台湾地区之外，还有中西部地区和东北地区。

3　结果与分析

笔者借助CiteSpace 5.5，依次对2018—2021年AI芯片相关专利数据进行转化^1），借助CiteSpace 5.8进行数据信息挖掘和可视化分析。相关参数设置为“节点类型：Institution；主题词来源：title、abstract、author keywords、keywords”。同时，设置每年出现频次最高的50个节点数据，选择关键路径pathfinder算法，得到AI芯片技术创新网络图谱（2018—2021年），并进行TFIDF聚类，如表1所示。图谱中节点代表技术类别，节点与技术类别一一对应，节点的大小表示相应时段内对应的技术类型专利数量的多少，节点越大则表示数量越多。节点之间的连线表示创新主体之间的合作专利数量，连线的粗细则表示合作专利数量的多少，连越粗则表示数量越多^[18]。从2018年至2021年，AI芯片技术创新网络图谱的网络密度值逐渐变大，表明创新主体之间的研发合作关系越发密切。

3.1　中国智能芯片技术创新路径识别

通过对2018—2022年AI芯片技术创新聚类分析，可将中国AI芯片技术创新路径分为以下3条（见图2）。

3.1.1　路径1：延续传统计算架构，加速硬件运算能力

目前，AI芯片普遍延续传统计算架构，以提高硬件运算能力为目标，主要以GPU、FPGA、ASIC为代表，但CPU仍发挥着不可替代的作用。通常CPU由控制器和运算器两个主要部分组成。2018年，AI芯片仍然试图通过提升CPU控制单元（1#control unit）的单位时间内执行指令的条数，来提升计算速度。在该阶段，此类CPU作为射频功率放大器芯片（2#amplifier），应用在智能终端设备（0#terminal device）。

当传统的CPU不再适合人工智能算法的执行，GPU使用高并行结构加强了硬件计算能力，处理图形数据和复杂算法的运算效率显著高于CPU^[19]。2019年，AI学界和业界打造出功能强大的可扩展GPU加速服务云平台（1#cloud platform），用以实现人工智能的高计算性能。其中，百度智能云、阿里云、腾讯云都是GPU为核心的典型代表。深度学习算法包括训练和推断两个主要部分，GPU云平台虽然拥有更高效的算法训练，但在推断运算中在对单项输入进行处理时，却不能充分发挥GPU并行计算的优势^[19]。

2020年，FPGA（2#field-programmable gate array）成为了AI芯片技术竞争的焦点，它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的^[20]。一方面，FPGA芯片弥补了GPU云处理算法推断低效率的缺陷，可同时进行数据并行和任务并行计算，有效满足深度学习对计算能力的要求。另一方面，FPGA芯片核心是每个逻辑电气元件（1#electrical device）的编程植入，通过编程重组电路，直接生成专用电路，运算效率远高于单一的CPU。FPGA主要依靠硬件来实现智能运算功能，速度上和专用芯片相近，但其设计的灵活度却远不及通用处理器^[21]。

随着人工智能算法和应用技术的日益发展，面向图像处理的GPU，高成本的FPGA已经无法满足人工智能芯片市场的需求。2021年，较为低廉的成本和更为高效的人工智能专用芯片ASIC成为各界竞逐的焦点。国内ASIC芯片主要使用于电子测量（0# function measuring）、医疗器械（1#drug-drug interactions classification）、智能汽车（2#main steam pressure）3个领域。

3.1.2　路径2：遵循量子计算的规律和属性，聚焦从设计、制备、封装到测控的全栈式超导量子芯片研发

作为科技战略高地的量子计算机，是各国争相攻克的对象，而量子计算机研究的核心——量子芯片，也成为国产芯片换道超车的重要途径。2019—2021年AI芯片研发焦点之一就是量子芯片。与传统集成电路芯片不同，量子芯片遵循量子光电通信（0#cable information；0#geiger muller counter）的规律和属性，在材料、工艺、设计、制造、封测等方面的要求和实现路径上都与前述的CPU、GPU、FPGA、ASIC都存在一定差异^[22]。与欧美先进国家相比，中国量子计算研究起步较晚，研究主体主要为各个高校与科研院所且主要以科研为导向^[23]。中国量子芯片是从设计、制备、封装到测控的全栈式研发^[24]。目前中国量子通信和量子计算领域一直是走在世界的前列，特别是2022年阿里达摩院自主研发出全球最先进的量子芯片，在量子信息基础研究中取得重要进展。量子芯片量产实现和技术标准推广或将成为下一个亟待突破的难题^[25]。

3.1.3　路径3：模拟生物神经网络的结构连接，基于神经形态架构设计，打造类脑芯片

类脑芯片是人工智能芯片中的一种架构。它克服了基于传统冯·诺依曼架构的硅技术的局限性，而是通过逆向工程来模拟大脑功能，在功耗和学习能力上具有更大优势^[26]。它以定制化的数字处理内核为神经元，以内存为突触，并将传输单元作为轴突构建出了神经网络芯片的原型^[27]。2019年推出的IBM True North芯片是类脑芯片的主要代表^[28]。2020年，中国类脑芯片的研究仍聚焦在脑机转换接口（3#communication module）的技术突破，这与国际领先水平仍存在一定的差距。

3.2　中国智能芯片技术创新主体识别

笔者分别对2018—2021年聚类^2）中Freq（频次）值、Centrality（中心性）值进行测度，选取数值top3的专利权人，如见表2所示。

Freq值越高，表示聚类中该专利权人获批专利数量越多，是AI芯片技术创新的重要主体；Centrality值越高，表示聚类中该专利权人发挥着越发重要的媒介作用，是AI芯片技术创新的关键主体。据此，从细分领域和地理区域两个维度，对各个聚类中数值top3的AI芯片技术专利权人重新进行划分，如见表3所示。AI芯片技术创新细分领域中重要主体和关键主体分布呈现的几点特征具体分析如下。

3.2.1　长三角地区、京津冀地区聚焦AI芯片技术创新全赛道；粤港澳地区聚焦AI主流赛道；中西部地区聚焦AI芯片的实验室研发

AI芯片技术创新的重要主体和关键主体均聚焦在长三角地区与京津冀地区。长三角地区与京津冀地区凭借庞大的经济体量、大量优质的智力资源、广阔的市场规模、雄厚的市场资本、组合式的政策倾斜、夯实的新型基础设施，成为中国AI芯片技术创新高地。

在细分领域，长三角地区与京津冀地区的企业和高校聚焦AI芯片主流赛道，即加快CPU执行指令的速度、提升GPU云平台的图像处理能力、提升FPGA芯片基础算力、为更多应用场景设计专业化的ASIC芯片。被誉为“颠覆未来”的量子科技，在长三角的产业布局已经多点开花。特别是在量子芯片赛道上，阿里巴巴达摩院成功摘得头筹，2022年成功研发出全球最先进的量子芯片。随着阿里等巨头攻入量子芯片市场，北京字节跳动科技有限公司开始布局量子计算^[29]。在AI芯片终极赛道，长三角地区和京津冀地区类脑芯片研发仍处于实验室阶段。2019年，清华大学发布世界首款异构融合类脑芯片“天机”，施路平团队研究成果登Nature封面^[30]。2020年，浙江大学联合之江实验室共同研制成功中国首台类脑计算机，该计算机采用自主知识产权的达尔文二代类脑芯片和配套的达尔文类脑操作系统（Darwin OS）^[31]。

相较之下，粤港澳+台湾地区仍是依赖以行业巨头腾讯科技、华为科技为主导的传统路径，聚焦GPU云平台、FPGA芯片、ASIC芯片的研发与应用，相对忽视对量子芯片和类脑芯片的开拓。目前，受迫于美国等技术封锁，华为科技不得已提早对量子芯片进行投资，希望能够在未来依靠量子芯片开启华为新的技术路径^[32]。

中西部地区AI芯片技术创新主体多为高校与科研院所，聚焦AI芯片主流赛道FPGA芯片、ASIC芯片，与量子芯片、类脑芯片的实验室研发。中西部地区创新主体多为助力企业实现AI芯片量产，在AI芯片的应用场景开拓主导能力略显不足。

3.2.2　长三角地区、京津冀地区创新活力逐渐释放，形成“ICT巨头+专精企业+高校”共生的创新生态；粤港澳地区延续ICT巨头为主导的传统创新模式；中西部地区多为高校与科研院所

长三角地区、京津冀地区既有泛邻域关键创新企业（如ICT巨头阿里巴巴集团、百度），也有单一领域专精企业（如商汤智能、联影医疗、浪潮智能、盛科网络、达佳、字节跳动、达佳互联、京东方）。各类企业创新活力逐渐释放，与地区高校（浙江大学、清华大学、同济大学等）共筑相互依赖、相互制约、共荣共生的多元创新生态系统。

粤港澳地区延续以ICT巨头（如华为科技、腾讯科技）为舵手，领航一批中小企业的传统创新路径。中小企业创新活力未能得到充分的释放，创新位势难以提升。

中西部地区多为高校与科研院所，聚焦AI芯片前沿领域实验室探索，协助企业实现AI芯片量产或AI芯片应用场景开拓。例如，西安电子科技大学长期致力于ASIC芯片、量子芯片的研发，2022年联合海信成功研发我国首颗AI画质处理芯片等。

3.3　中国智能芯片研发合作特征分析

Centrality值越高表示专利权人发挥着越发重要的媒介作用，因此将此类专利权人视为AI芯片技术研发的关键创新主体^[33]。然而，表3中的AI芯片技术创新关键主体是各个聚类中Centrality值top3的专利权人，无法涵盖所有的关键创新主体。因此，课题组将2018-2021年每年Centrality值大于0的专利权人进行对比，拣选出重复的44名专利权人（见表4）。其中，高校24所（占比51%）、企业15所（占比38%）、研究院5所（占比11%）；重点分布在京津冀地区、长三角地区。其中，京津冀地区已经形成依托产（企业）、学（高校）与研（研究院），较为均衡的AI芯片技术创新体系。

笔者借助CiteSpace中的Pennant Diagram算法，绘制出44名关键创新主体从2018年至2021年的研发合作关系二维图。以2019年阿里巴巴集团的研发合作关系图为例，黄色区域表示与节点强关联主体，橙色区域表示与节点较强关联主体、绿色区域表示与节点弱关联主体^[34]，如图3所示。

由于围绕2018—2021年中44名关键创新主体、强关联和较强关联的研发合作主体体量过大，下表仅显示2018—2021年多次（3～4次）成为年度重复关键创新主体的10位专利权人及其研发合作关系，如表5所示。2018—2021年间，中国AI芯片技术关键创新主体的研发合作关系演化普遍具备三点特征。

3.3.1　关键创新主体的研发合作规模逐渐缩小，形成了日趋稳定的研发合作关系

由于国家各阶段发展战略与创新主体的技术诉求不同，AI芯片技术创新合作网络经历了创新主体数量递增与研发合作程度提高的过程。一是，2018—2021年，新增关键创新主体数量呈逐年递增趋势。2018年AI芯片技术关键创新主体有25家，2020年直线上升至39家。这表明在各国大力发展微电子战略背景下，各类创新主体为拓展技术来源渠道或获取新的技术会，寻求与其他主体合作机会。二是，经历过多轮研发合作，关键创新主体的合作规模逐渐缩小，研发关系越发明晰，形成稳定的创新联合体。这说明了这些创新主体在合作过程中，创新能力、创新关系、创新体系都得到极大提升，它们在合作网络中的角色正从早期参与者向网络资源控制者转变。

3.3.2合作网络时空发展向“地缘性+业缘性”演化

从2018年至2021年，53名关键创新主体从追求合作数量到深化合作质量，从“亲缘性”向“亲缘型+地缘性+业缘性”演变。早期阶段AI芯片创新合作网络主要基于初级发展阶段的泛合作，即围绕核心主体形成广泛的“企业+高校+科研院所”模式。中期阶段，随着泛城市经济带如京津冀、长三角、粤港澳、成渝等一体化政策的支持与推动，AI芯片创新合作网络凸显出地缘性特征，譬如“北京字节跳动+北京嘀嘀无限科技+中国石油大学（华东）”“北京工业大学+北京金山云网络技术有限公司”等等。最后，作为高级发展阶段的“业缘型”模式也成为企业建立合作网络的重要战略考虑，譬如“山东大学+西京大学+明峰医疗系统股份有限公司”聚焦智慧医疗应用性ASIC芯片的研发；“中北大学+北京计算机技术及应用研究所+天津津航计算技术研究所”聚焦通用性芯片的研发；“国防科技大学+北京睿芯高通量科技有限公司+云知声智能科技股份有限公司”聚焦智能语音应用性芯片的研发，等等。

3.3.3　研发合作方向逐渐呈现两极化，军事研究所、ICT巨头深化在通用性AI芯片研发，应用端企业聚焦专业性AI芯片研发

AI芯片主要可分为云端、边缘端和终端三大类。云端AI芯片主要应用于云数据中心等；边缘端AI芯片主要用于智能制造、智能家居等场景；终端AI芯片主要用于消费类电子和智能汽车等场景。AI芯片技术关键创新主体的研发合作关系逐渐呈现两极化。一是，ICT和互联网巨头企业联合军事院所和高校聚焦云端AI芯片和终端AI芯片的开发。譬如，2018年起，华为科技与中国科学院西安光学精密机械研究所、中国科学院深圳先进技术研究院、北京交通大学、天津津航计算技术研究所等科研机构联合，聚焦面向全场景的AI加速通用芯片架构（达·芬奇架构），2019年发布了同样基于达芬奇架构的云端训练芯片Ascend910^[35]。与此同时，华为科技2019年起发布了麒麟芯片990系列，这也是国内第一款智能手机处理器。二是，应用端企业联合高校聚焦终端AI芯片的开发。譬如，2021年，OPPO联合小米全面开启自研手机SoC智能芯片之路^[36]。同样的，大型医疗设备实现智能化，一个“卡脖子”的核心环节是芯片。为了掌握创新主动权，上海联影已经组建了医疗芯片公司，联合明峰医疗、平安科技聚焦核心元器件领域的技术开发^[37]。

4　对策建议

本文通过AI芯片技术创新聚类图谱分析，识别出中国智能芯片技术创新三条路径。并从区域层面分析和比较京津冀、长三角、粤港澳+台湾、中西部地区、东部地区的中国智能芯片技术创新关键主体分布，探究其研发合作关系演变特征。基于上述结论，提出以下几点建议，为中国智能芯片创新发展的政策制定提供参考。

（1）按生态系统逻辑导向，构建覆盖主体网、要素流、环境场可持续的人工智能芯片创新生态系统。促进中国智能芯片产业创新发展，要遵循创新生态系统的科学逻辑，合理利用各主体要素和相互作用，构建一个覆盖主体网、要素流、环境场可持续的AI芯片创新生态系统。

中国智能芯片技术创新呈现多路径的特征。互联网和ICT巨头，如百度、阿里巴巴、腾讯、华为等既积极部署基于传统计算架构的，加速硬件运算能力的GPU、FPGA、ASIC赛道，同时也联合高校科研机构深耕量子芯片、类脑芯片前沿领域。因此，围绕互联网和ICT巨头在智能芯片的研发合作，中国智能芯片“主体网”日渐形成，关系逐渐清晰。因此，政府要充分发挥在AI芯片创新生态系统中的制度主体作用，提高基础研发的资金经费支出，促进共性技术的研发，大力推进产业化建设，鼓励高校、企业联合开展AI芯片创新研发。

人才是AI芯片创新生态系统的关键要素。纵观中国智能芯片技术创新主体大多是汇集国际顶级ICT人才的巨头企业，或是国内重点高校科研机构。下阶段，高校与科研院所要充分发挥在AI芯片创新生态系统中作为人才技术和知识创新的研究主体的作用。高校及科研院所需要加大研发投入、培养更多相关专业研发人员、提高高等学校芯片研发经费支出。除此之外，鼓励企业与高校科研机构建立人才双向流动机制。

透过对中国智能芯片研发合作特征分析，发现创新主体合作网络空间向“地缘性+业缘性”演化。演化过程中需要更为优化的“环境场”助力促进创新主体的跨区域、跨产业的协同创新。其中包括中介机构、金融机构、最终用户的支持因素，以及包含经济发展环境、科学技术环境、创新政策环境和基础研究环境的国内环境因素，还有国际环境的影响因素。

（2）按技术创新逻辑导向：布局前沿技术，紧握关键技术，突破合作范式。AI芯片作为人工智能技术架构的基础，一旦实现颠覆性创新，将会撼动整个人工智能产业。2021年，随着制程工艺技术的革新、人工智能技术的应用、材料科学技术的进步和创新器件结构与架构的出现，国外芯片前沿技术领域取得不少重要进展，持续推动芯片技术向高性能、高集成度和高智能化等方向发展^[38]。因此，把准战略方向，超前布局AI芯片前沿领域和颠覆性技术，不仅是互联网和ICT巨头的攻克难题，同样也是国家重要的科技战略。

作为一项高创新性的技术，AI芯片各创新主体之间显性和隐性的研发合作关系错综复杂。对中国智能芯片技术创新主体的识别，发现除了企业，高校、科研机构在AI芯片技术创新发挥着不可替代的能动力，军工研究所的创新潜能不容小觑。此外，人工智能芯片加速已有产业智能化转型，深度影响国家安全和社会稳定，导致传统的学科边界变得模糊，产业的边界也不再清晰。在这过程中，政府在公私合作和行业监管的主导力将进一步放大。因此，中国可以在合作范式上进行突破创新，即突破传统的“高校-科研机构-企业”研发合作范式，升级到涉及创新主体范围更为广泛的公私研发合作模式，即“科研-军方-商业”新型合作范式。一方面创新产学研融通的合作方式，聚合国家重点实验室、技术创新中心和军工研究所的科研资源，推动军民协同突破核心技术。另一方面，通过深化公私合作关系，将AI芯片技术更深入地根植至中国国防体系，以便后期“AI+军队”“AI+国防”的建设。

注释：

1）最新的CiteSpace 5.8版本不带自动转换专利数据的功能模块，所以借助CiteSpace 5.5将原始专利数据转换成可识别的标准数据。

2）主要聚类：经过TFIDF聚类后，进行GENERATE A NARRATIVES分析，分别析出2018—2021年专利权人数量最多的几大聚类。

参考文献：

[1]朱海涛.AI芯片的应用与发展趋势[J].中国安全防范技术与应用，2019（5）：44-49.

[2]THE NATIONAL SECURITY COMMISSION ON ARTIFICIAL INTELLIGENCE. Final Report: AI[EB/OL]. （2021-03-01）[2022-07-01]. https://www.nscai.gov/2021-final-report.

[3]国务院发展研究中心国际技术经济研究所.全球半导体供应链将于2025年前后开始重构[EB/OL].（2022-06-21）[22022-07-01].https://baijiahao.baidu.com/s?id=1736176193282140740&wfr=spider&for=pc.

[4]商惠敏.人工智能芯片产业技术发展研究[J].全球科技经济瞭望，2021，36（12）：24-30.

[5]王蕤.2021年中国人工智能行业全景图谱[J].军民两用技术与产品，2021，457（11）：8-19.

[6]清华大学北京未来芯片技术高精尖创新中心.人工智能芯片技术白皮书（2018）[EB/OL].（2018-08-03）[2021-12-03].http://www.cbdio.com/image/site2/20181218/f42853157e261d82a71c33.pdf.

[7]LIU C Y, LUO S Y. Applying patent information to tracking a specific technology[J]. Data Science Journal, 2007, 6（10）: 114-120.

[8]施羽暇.人工智能芯片技术体系研究综述[J].电信科学，2019，35（4）：114-119.

[9]贾夏利，刘小平.中美人工智能竞争现状对比分析及启示[J].世界科技研究与发展，2022，44（4）：531-542.

[10]姜南，李逸凡，刘谦，等.专利转化特征精准识别与预测：以人工智能芯片为例[J].科技进步与对策，2022，39（10）：1-10.

[11]亿欧智库.2019年中国AI芯片行业研究报告[R/OL].（2021-07-13）[2021-12-03].http://www.199it.com/archives/859776.html.

[12]王燕鹏，吕璐成，张博，等.AI芯片专利技术研发态势[J].科学观察，2021，16（2）：57-71.

[13]张军阳，王慧丽，郭阳，等.深度学习相关研究综述[J].计算机应用研究，2018（7）：1921-1928，1936.

[14]赵崇文.人工神经网络综述[J].山西电子技术，2020（3）：94-96.

[15]陈悦，陈超美，胡志刚，等.引文空间分析原理与应用[M].北京：科学出版社，2014：64-66.

[16]赵程程.基于专利信息的人工智能技术创新网络图谱研究[J].中国科技论坛，2021（4）：12-22，54.

[17]岳晓旭，苏竣，SHAPIRA P，等.基于科学计量的中国人工智能区域知识创新生态系统研究[J].中国科技论坛，2021（8）：90-100.

[18]陈悦，陈超美，刘则渊，等.Citespace知识图谱的方法论功能[J].科学学研究，2015，33（2）：42-253.

[19]任源，潘俊，刘京京，等.人工智能芯片的研究进展[J].微纳电子与智能制造，2019，1（2）：20-34.

[20]余丽，盛莹婕，许景龙，等.专利分析视角下我国集成电路产业“卡脖子”问题研究[J].数据与计算发展前沿，2021，3（5）：40-54.

[21]李恒.基于FPGA的深度学习目标检测的实现[D].长春：吉林大学，2020.

[22]周家丞.量子通信现状与发展[J].中国战略新兴产业，2018（32）：27.

[23]操秀英，刘垠.首次专章部署科技创新鼓舞人心：科技界专家热议党的十九届五中全会《建议》[J].中国科技财富，2020（11）：36-38.

[24]洪恒飞，周炜，吴瑶瑶，等.在量子芯片上“搭”出时间晶体[J].中国科技财富，2022（9）：2.

[25]阿里巴巴达摩院.达摩院研制量子芯片，进入量子硬件全球巨头竞技场[EB/OL].（2018-09-18）[2022-07-01].https://damo.alibaba.com/events/39.

[26]邓亚彬，王志伟，赵晨晖，等.类脑神经网络与神经形态器件及其电路综述[J].计算机应用研究，2021，38（8）：2241-2250.

[27]吴昊，陈虎，李俊波.浅析人工智能技术的发展与应用[J].信息系统工程，2020（6）：69-70.

[28]王雨辰，胡华.类脑计算新发展：“TrueNorth”神经元芯片[J].计算机科学，2016，43（增刊1）：17-20，24.

[29]阿里巴巴达摩院.达摩院：智能革命蓄势已久[J].软件和集成电路，2020（1）：40-41.

[30]大明，张佳，小芹.全球首款异构融合类脑芯片清华“天机”登Nature封面[J].科学与现代化，2020（1）：180-182.

[31]林洁，柯溢能，吴雅兰.浙大联手之江实验室 亿级神经元类脑计算机研发成功[J].今日科技，2020（9）：24-25.

[32]崔子嵬，王维语，翁文康.量子云计算平台的现状与发展[J].信息通信技术与政策，2020（7）：43-48.

[33]赵蓉英，李新来，李丹阳.专利引证视角下的核心专利研究：以人工智能领域为例[J].情报理论与实践，2019，42（3）：78-84.

[34]WHITE H D. Pathfinder networks and author co-citation analysis: are mapping of paradigmatic information scientists[J]. Journal of the America society for information science and technology, 2003, 54（5）: 423-434.

[35]刘磊.扎堆造芯，巨头拼什么？[J].大数据时代，2022（8）：20-31.

[36]骆轶琪.OPPO推出自研6nm NPU芯片 头部手机厂商开启底层技术赛跑[N].21世纪经济报道，2021-12-15（003）.

[37]秦梦凡.联影医疗：飚速生命线 打造全智能化医疗健康生态[J].上海企业，2020（6）：12-17.

[38]秦浩，刘凌旗，栾添，等.2021年世界网信前沿技术领域发展综述[J].中国电子科学研究院学报，2022，17（4）：354-361.

作者简介：赵程程（1985—），通信作者，女，湖北襄阳人，副主任，讲师，博士，主要研究方向为技术创新、知识图谱；常旭华（1985—），男，江苏盐城人，副教授，博士，主要研究方向为知识产权管理、技术创新。