摘要：本文使用德温特创新专利引文索引数据库提供的人工智能相关专利数据（2010—2020年），利用知识图谱软件Citespace绘制人工智能技术创新网络图谱，识别出AI创新关键路径及重要节点企业/科研机构、中国人工智能领域最有发展潜力的创新主体和重要创新主体，并对其创新合作特征进行分析。结论如下：①2010—2020年人工智能关键路径及演化呈现四大特征；②AI创新关键路径重要节点企业/科研机构有15家；③AI最具潜力的创新主体有华为等10家企业，以及中山大学等15家高校/科研院所；④AI重要创新主体有腾讯等10家企业，以及电子科技大学等10家科研机构。

关键词：人工智能，创新网路，专利分析，知识图谱

疫情防控的严峻形势正倒逼着各国科技企业竞相发力，对错过前三次科技革命的中国来说，人工智能既是机遇又是挑战，世界格局极有可能因此而重新洗牌。中国人工智能发展起步较晚，与美国为主导的发展国家相比在某些领域还有一定差距。在这个过程中，技术突破对人工智能的发展起到至关重要的作用。掌握核心技术，加快关键共性技术研发，可以突破人工智能创新困境。因此，监测和识别全球AI技术创新趋势，掌握全球AI技术研发合作关系，是中国抢滩布局AI创新的关键一步。

1 文献综述

国内外对人工智能领域的监测主要聚焦技术和伦理两个方面，多数学者基于学术文献和专利数据，挖掘人工智能领域的关键技术、技术热点与前沿领域。通过专利计量挖掘，发现大数据、云计算、深度学习、语音识别、图像识别、人机交互等是当前人工智能领域的热点技术；智能机器人、智能医疗、智能金融、智能安防、智能教育、智能驾驶是人工智能领域的新兴技术主题^[1-3]。对人工智能专利全球地理分布、主要国家PCT布局、技术热点、未来趋势等进行统计，发现目前人工智能专利主要分布在北美、东亚和西欧地区；中国专利数量已赶超美国，但大部分集中于技术应用层面，存在结构不均衡问题；人工智能领域的跨国巨头均重视专利全球化布局^[4]。

安全伦理是影响人工智能技术良性发展的重要因素，通过对全球人工智能伦理研究的监测，发现大多数学者试图以技术和制度两种方式应对AI对伦理安全带来的挑战^[5]。一方面，人工智能技术的伦理控制可以通过对道德算法的开发得以实现。Floridi提出人工智能道德算法的研究方向^[6]；Anderson指出人工智能载体执行人类命令的三大伦理导向原则^[7]。另一方面，AI领先国家/地区将立法和规范作为控制人工智能伦理的主要方式。2019年欧盟就人工智能伦理颁布《可信人工智能伦理准测》和《建立以人为本的可信人工智能》，将“以人为本”作为发展人工智能技术的核心要义，其核心框架主要包含可信人工智能的基础原则、可信人工智能的要求及实现手段、可信人工智能的评估机制三个部分。

综上可见，国内外关于AI监测研究往往聚焦技术层面，较少学者从创新合作的视角探究AI产业发展趋势。因此，本研究借助知识图谱理论和方法，对全球AI专利数据进行分析，绘制全球人工智能技术创新网络图谱。基于此，首先识别AI创新关键路径及重要节点企业/科研机构，同时识别出中国人工智能领域最有发展潜力的创新主体和重要创新主体，并对其创新合作特征进行分析。最后，结合研究结论，为中国人工智能产业发展提出相关建议。

2 数据来源与研究方法

2.1 数据来源

本次研究使用的专利来源于德温特创新专利引文索引数据库（Derwent Innovations Index，DII），该数据库收录了自1963年以来全球40多个专利机构的大量专利文献，并且是全球科技情报和情报机构的权威数据来源。

检索策略是根据中国专利保护协会发布的《人工智能技术专利深度分析报告》^[8]中列举的人工智能的主要技术关键词以及张振刚等^[9]的检索方法，从而重新构造检索式为TS＝（“artificial intelligen*” or “Al” or “Depth learning” or “Basic algorithm” or “Natural language processing” or “Smart search” or “Speech Recognition” or “Computer vision” or “Gesture control” or “Smart recommendation” or “smart robot” or “Video recognition” or “Voice translation” or “Automatic drive” or “Image Recognition” or “Machine learning”），在德温特创新专利引文索引数据库进行主题检索，时间为2010—2020年，检索出63733条记录，检索日期2020年4月。

2.2 研究方法

采用社会网络分析工具是绘制创新网络关系图的常用方法，此方法可以清晰揭示创新主体之间的合作关系，但却难以对创新关系进行技术领域的聚类。科学知识图谱是以特定领域的文献为研究对象，通过对文献信息的参数化和图谱化分析映射一段时间内特定学科知识脉络的全方位关系。其研究功能具有“图”和“谱”的双重性质与特征：既是可视化的知识图形，又是序列化的知识谱系^[10]。借助知识图谱技术对人工智能技术专利数据进行处理分析，可全方位展现人工智能技术创新合作关系。基于此，本研究借助知识图谱分析软件Citespace，对近十年人工智能技术专利数据进行关联分析，得到人工智能技术创新网络图谱，并从创新关键路径、重要节点创新主体、创新合作特征展开研究，研究方法与思路如图1所示。

3 人工智能技术创新网络图谱绘制及特征分析

笔者以2010—2020人工智能相关专利为数据源，借助CiteSpace 5.5软件进行统计分析和可视化处理。节点类型选择“Institution”，主题词来源选择“title（标题）”“abstract（摘要）”“author keywords（作者关键词）”和“keywords（关键词）”，阈值调节为（2，3，15）（3，3，20）（4，3，20），分别表示相应类别的出现次数、共现次数、词间相似系数的最低要求，同时设置每年出现频次最高的30个节点数据，选择关键路径pathfinder算法，得到人工智能技术创新网络图谱，共有568个节点、582个连接，网络密度为0.0036。每一个节点代表一个技术类别，节点越大表示相应时段内对应的技术类型专利数量越多，节点之间的连线表示创新主体之间的合作专利数量，越粗表示合作专利数量越多^[11]。

3.1 关键路径图谱与研发合作特征分析

CiteSpace 5.5软件中，Spotlight可以凸显中介中心性高的节点（深色圈）及其关联效果。本次研究将Citation Threshold设为115，借助Spotlight功能，绘制出人工智能技术创新关键路径图谱，其中深色圈表示关键路径上的重要主体（见图2）。

对重要节点创新主体的识别，主要聚焦AI技术创新关键路径中被引次数（Citation Threshold）大于115的企业/科研机构，主要包括IBM、谷歌、微软、英特尔、Nuance通讯公司等7家美国企业，三星电子、LG电子2家韩国企业，日本电报电话1家日本企业，阿里巴巴、平安科技、百度等5家中国企业，合计15家。

Citespace中的Pennant Diagram可以查看与某个节点相关联的文献信息，形成合作关系二维图，图中标识出与此节点强关联主体、较强关联主体、弱关联主体^[12]。对上述15家企业的科研合作进行Pennant Diagram分析，梳理出强关联和较强关联的研发合作主体（见表1）。

人工智能关键路径重要节点创新主体研发合作具有以下三点特征：

（1）中国以“企业＋高校”为主导，美国以企业为主导。15家人工智能关键路径重要节点创新主体中7家美国企业、5家中国企业、2家韩国企业、1家日本企业。从数量上看，中美两国是全球人工智能技术研发的重要力量。美国以企业为主导，所以其技术创新更加贴近市场需求，从而能更快推动人工智能产业快速发展。中国以“高校＋企业”研发模式主导，一方面，由高校承担国家重大科技计划项目，设立联合攻关团队（校企联合或校校联合等）对AI的基础性和前沿性技术进行联合攻关；另一方面，以国内AI巨头企业（如百度、华为、平安）为主导，并协调高校和有关科研院所的资源对有关人工智能的应用技术进行研发，从而提高应用技术的针对性和实用性。这也是中国AI产业高速发展的动力引擎。

（2）掌控AI硬技术的ICT“老面孔”VS开创AI软技术的“小巨头”。从企业类型上，图谱中人工智能关键路径重要节点创新主体及其研发合作关联主体可分为掌控AI“硬技术”的ICT巨头（如IBM、微软、华为）和开创AI“软技术”的小巨头（如eBay、格力、平安科技），两类企业创新路径逆向而行。AI“硬技术”的ICT巨头从芯片走向算法、场景。例如，谷歌、IBM在深入第三代AI芯片研发（如谷歌的TPU）的同时，也加强AI应用场景的开拓（如谷歌云、IBM Watson、英伟达DRIVE Platform）。AI软技术的“小巨头”从场景走向算法、技术。例如，随着AI技术的发展和电商转型，eBay试图通过开发移动端的技术（如图像搜索API、机器翻译API和市场动态消息Feed API）运用进一步促进电商生态的发展。

（3）中美引导全球人工智能技术创新，中国偏应用场景设计，美国偏硬件设备研发。中国创新主体聚焦AI应用场景设计，如云服务、人脸识别、语音识别等；美国聚焦AI芯片、采集器等硬件设备研发。尽管美国企业数量远不及中国，但以IBM、微软为代表的美国企业掌控了全球AI主机/设备和传输能力领域的核心技术。同样，IBM、谷歌、微软、亚马逊是中美AI研发合作的主要主体。

3.2 关键路径演化图谱与演化特征分析

通过“Link Walkthrought”将各年的连线按时间顺序进行遍历，以展示创新主体之间研发合作关联图谱演进过程。对人工智能关键路径演化图谱进行梳理分析，归纳出以下几点特征。

（1）2011年之前国际人工智能研发合作零星散布，2012—2015年研发合作程度逐步加深。通过对2010—2019年人工智能关键路径演化图谱进行分析，发现2010—2011年国际AI研发合作较为零散、单一，研究领域聚焦多源数据库、局部存储器元件、语言识别。国际研发合作以日本（松下、丰田、富士通、三菱电机等）与美国（亚马逊、谷歌、微软等）、中国（哈尔滨工业大学、中国科学院沈阳自动化研究所、深圳车音网等）与美国（微软、亚马逊）为主。2012—2015年全球人工智能研发合作总体增强，但国际间合作频次较低，以各国国内合作为主，聚焦内部视觉算法、目标网页检索算法领域。在内部视觉算法领域，国际AI研发合作以美国高通与北京航空航天大学、奥多比系统公司（Adobe）与阿里巴巴集团为主；各国国内AI研发合作以北京航空航天大学与南京信息工程大学、中兴通讯，阿里巴巴与复旦大学、中国科学院声学研究所，中国科学院声学研究所与华为，领英与微软为主。在目标网页检索算法领域，国际AI研发合作以微软与吉林大学为主；国内AI研发合作以腾讯与吉林大学、百度，吉林大学与联想、百度为主。

（2）2015—2017年人工智能技术研发合作呈泛领域、多主体协同的特点。2015—2017年全球人工智能技术研发合作频次增强，横跨多个领域，从聚焦内部视觉算法、目标网页检索算法，延伸至集成变量、基站、技术预警、人脸特征点定位、局部存储器元件多个领域。美国的微软、英特尔、奥多比系统公司（Adobe），韩国的三星电子、LG电子，中国的百度、阿里集团、腾讯、vivo、台湾中華電信、上海交通大学、苏州大学、北京航空航天大学，日本的电报电话公司、佳能在上述领域展开AI技术研发合作。其中，中美AI技术研发合作更为紧密，深耕内部视觉算法、目标网页检索算法；美韩AI技术研发合作聚焦通信基站；美日AI技术研发合作聚焦人脸特征点定位。

（3）2018年起，人工智能技术研发合作逐渐收敛，聚焦内部视觉算法、目标网页检索、集成变量算法、技术预警、局部存储器元件领域。2018年起，全球人工智能技术研发合作逐步聚焦在内部视觉算法、集成变量算法、技术预警、局部存储器元件领域。在内部视觉算法领域，以韩国的三星电子为代表与中国的阿里巴巴集团、北京航空航天大学、杭州电子科技大学、西北工业大学多有合作。在目标网页检索领域，以美国的微软、脸书（Facebook）为代表与中国的腾讯、百度、联想、平安科技、金融壹账通、南京邮电大学、西安交通大学等紧密合作。在集成变量算法领域，主要是中国企业与高校间的研发关系，例如腾讯、平安科技、深圳前海微众银行、北京大佳网与杭州理工大学、哈尔滨工业大学、东南大学、上海交通大学、电子科技大学之间的研发合作。在技术预警领域，主要是华为、浪潮集团与贵州大学、浙江科技大学、西安电子科技大学、昆明理工大学间的研发合作。在局部存储器元件领域，以美国的Salesforce公司与中国的vivo、北京三快在线（美团）、秒针系统、第四范式、南京大学、北京大学、北京交通大学的研发合作。

（4）AI关键技术主要聚焦在字符识别、图像识别、语言识别领域。视觉识别（包括字符识别、图像识别）、语言识别是人工智能诸多细分领域的共性技术。智能产品、智能教育、智能终端是人工智能的重要应用领域。视觉识别（包括字符识别、图像识别）是计算机替代人眼对目标进行识别、跟踪和测量的机器视觉。视觉识别技术的应用场景广泛，主要涉足智能家居、语音视觉交互、增强现实技术、虚拟现实技术、智能安防、直播监管、视频平台、三维分析等领域。国内外代表性企业和科研机构包括百度（人脸检测深度学习算法PyramidBox）、商汤科技（智能视觉国家AI平台）、亚马逊（人脸识别产品Rekognition）、谷歌（云服务产品Cloud Services）、IBM（视觉识别平台Watson Visual Recognition）。语音识别是通过信号处理和识别技术让机器自动识别和理解人类语言，并转换为文本和命令，主要应用场景包括智能电视、智能汽车、智能家居等。国内外代表性企业和科研机构有科大讯飞（深度全序列卷积神经网络语言识别框架）、搜狗（语言识别转文）、阿里巴巴、谷歌（Azure认知服务）、谷歌（Cloud ML Service）、IBM。

4 中国人工智能技术创新主体识别与研发合作特征分析

4.1 最有发展潜力的创新主体识别与特征分析

笔者聚焦连续至2020年的突现词（Burst Term）突现，识别出33家人工智能领域最有潜力的专利权人，其中25家是中国企业或研发机构（见表2）。通过对重点企业的实地走访和资料查阅，总结出以下三点特征。

（1）中国在全球AI地位显著提升，硬件领域严重依赖进口。无论是专利数量，还是创新主体数量，中国在全球AI地位显著提升，位居全球第二。尽管中国人工智能产业发展迅速，2019年人工智能企业数量超过4000家，在数据以及应用层拥有较大的优势，然而在基础研究、芯片、人才方面的多项指标仍与全球领先国家地区存在一定差距。中国是全球芯片需求量最大的市场，但高端芯片依赖进口。2019年，中国从美国进口的集成电路芯片的价值超过2000亿美元。值得注意的是，阿里巴巴、华为和百度为首的互联网巨头进入了全球高端AI芯片竞争的洪流，特别是华为掀起了智能手机领域的人工智能芯片竞争，因此被美国政府视为“最危险的外资企业”，以多种方式抑制中国AI芯片的崛起。中国政府十分关注这一问题，并积极采取应对策略。机器人是先进制造业建设的重要组成部分，中国机器人产业快速发展，增速保持全球第一，但机器人的关键零部件在很大程度上依赖进口。在机器人三大核心零件中，控制器和伺服器国产化脚步加速，但全球精密减速器市场被日本企业占据。尽管如此，中国在服务机器人处于全球先进行列，BAT等互联网巨头凭借强大的技术支持切入市场，传统家电企业例如格力、海尔积极布局家庭服务机器人，此外以哈工大为代表的科研机构通过与企业合作的方式转化研究成果。

（2）科研院校与机构成为中国人工智能技术创新的重要力量。科研院校与机构是人工智能技术研发的重要场所，主要集聚在北京、上海、深圳、杭州。四地科研院校与机构实力差异明显，各具特点（见表3）。其中，北京综合实力最为雄厚，拥有超过全国50%以上的科研院校，以及超过10家的国家重点实验室、工程实验室等；同时，百度、小米、京东、联想等互联网巨头，及优必选、第四范式等新兴AI企业建设企业实验室，向人工智能技术研发投入大量的社会资本。上海借助包括复旦、同济、上海交大等优质高校资源，人工智能技术力量在全国位居前列。高质量的高校资源为上汽集团、中兴通讯、亚马逊、微软等“老牌”行业巨头企业提供源源不断的技术支持，也吸引着商汤科技、依图科技、科大讯飞等新兴AI企业集聚上海。深圳科技企业众多，借助腾讯、华为、平安科技、金融壹账通等领头企业的力量在人工智能技术占据一席之地。同时，政府也开始发挥其作用，建设了深圳智能机器人研究院与深圳人工智能与大数据研究院，以进一步提升技术实力。相比之下，杭州无论院校数量、院校实验室或企业实验室的数量仍然与北上深有一定的差距，主要是依靠阿里巴巴这一巨头开展人工智能研究。

（3）京津冀、长三角、珠三角引领中国AI技术创新，中西部地区逐步崛起。2010—2020年全球AI专利主要集聚美国、中国、日本、韩国。其中，京津冀、长三角、珠三角引领中国AI技术创新，中西部地区逐步崛起。这主要得益于近些年各地政府为了推动产业升级，实现经济新旧动能转换，纷纷颁布与人工智能产业相关的产业规划指导意见，提供税收优惠、资金补贴、人才引入、优化政务流程等措施优化营商环境，吸引国际实力企业入驻，同时培育本土AI企业。特别是在京津冀、长三角、珠三角最惠政策和资本双重力量的推动下，人工智能企业数量快速上升，成为全球AI产业高地。同时，由于大量的传统制造业需要利用人工智能技术进行智能化升级，再加上政府政策的支持，以格力电子、四川长虹、郑州云海为代表的中西部川渝地区或将成为下一个AI创新集聚地。

4.2 主要创新主体识别与研发合作特征分析

对中国人工智能主要创新主体的识别，主要聚焦专利数大于50的企业/科研机构，主要包括腾讯、阿里巴巴、平安科技、百度等10家企业，与电子科技大学、清华大学等10家科研机构，合计20家。借助Citespace中的“Pennant Diagram”可以查看与某个节点相关联的文献信息，挖掘出这20家中国创新主体合作关系（见表4）。

中国人工智能主要创新主体研发合作具有以下两点特征：

（1）国内创新主体间合作频繁，国际合作相对偏少。相比与国外企业研发合作，中国AI创新主体更偏向与国内企业及科研机构形成长期稳定的研发合作关系。透过对中国20个主要AI创新主体的研发合作关系分析，90%以上的强关联主体是本土企业或科研机构，鲜少与国外企业形成长期稳定的研发合作伙伴关系。究其根本，主要外因是美国对中国在AI领域的快速发展高度警惕，进而影响了中美企业之间的技术研发合作；主要内因是中国高校及科研机构在AI人才培养和科研积累方面的惊人表现。技术创新依赖是人^[14]。这些AI人才依赖于国内高校及各科研机构的输出，以上海为代表的一些城市凭借丰富和高质的科研教育平台而在行业发展中具有明显优势。同时，清华大学、上海交大、浙江大学、北京航空航天大学等在人工智能领域拥有较强的科研能力。正是这种可以媲美美国高端实验室的科研能力，吸引国内互联网巨头携手中国高校，形成长青稳定的研发合作生态，将研究成果从实验室真真切切地带入市场。

（2）中美间AI技术研发合作频次高于日本、韩国。全球AI技术国际研发合作中，中美之间技术合作高于中日、中韩。就人工智能产业而论，中国的优势是人口大国，且“互联网＋”战略使得互联网对经济的渗透程度比较深，拥有比较明显的数据优势；而美国的优势是人才、技术储备，在许多领域是技术的创新和领先者。无论从全球处于领先地位的互联网及科技企业市值，还是技术专利产出，美国仍处于最领先的地位，中国紧随其后，故中美AI企业间既有合作，更有竞争。其中，微软、脸书、阿都比系统公司（ADOBE）、易安信（EMC）、亿贝（eBay）是中国AI企业/科研机构重要的创新合作伙伴，聚焦优化算法、高端智能芯片等领域；百度与大陆集团（Continental AG）、高通、英伟达（NVIDIA）等顶尖人工智能公司互通有无；华为与微软等企业深度联结，合作拓展新兴市场；小米与微软、诺基亚签署战略合作，进军国际市场。相比之下，中国与日本、韩国在机器人、智能通信等领域的技术研发合作较少，中美在人工智能领域的博弈或将引发日本、韩国的关切和参与。

5 启示

（1）聚焦中国芯片制造技术开发，本土ICT巨头是关键。中美技术战是危机，但也是一场机遇，这场无硝烟的战役揭示了中国AI最大短板是芯片制造。根据2020年市场研究机构IC Insights预测，2024年中国本土芯片制造规模将达到430亿美元，但仅占中国本土芯片需求量的8.5%。目前中国至少一半的芯片制造来自英特尔、三星电子、SK海力士与台积电的芯片制造厂。技术战导致部分企业被迫“离席”，留下的市场空白或将留给本土企业、韩国或日本企业，但韩国、日本企业很可能受到美国政府威逼利诱，短期内不会与中国企业展开贸易合作。这个时候本土企业谁能攻坚克难，谁就能分得第一块“蛋糕”。纵观中国数字平台领导型供货商（华为、阿里巴巴、腾讯、百度与联想等）和AI芯片独角兽，前者有进行AI芯片制造研发的资本雄厚和技术积累，后者胜于AI芯片的设计，但在芯片制造工艺与世界领先水平仍有较大的差距。因此，中国芯片制造工艺的技术突破，要以华为、阿里巴巴、百度ICT巨头为创新主体。

（2）警惕技术民族主义，抓住机遇争取全球知识资源。美国对中国进行半导体先进技术的限制激发了技术民族主义的流行，加上新冠疫情的爆发，将会摧毁全球人工智能知识共享体系^[13]。在美国颁布“签证限制令”等方式驱逐人才的同时，政府以此为契机以更加开放的环境吸引全球人工智能人才集聚中国。针对无法继续赴美留学的博士生，紧急安排在国内名校研修或短期工作，务使这批“后备军”不致流失。强化人才引进政策，吸引不满美国人才政策或被美国驱逐出境的人工智能基础科学、关键技术领域的高端人才汇集中国。同时，加强对地方新型研究机构的支持力度，筹建具有国际影响力的研究机构，为全球人工智能研究提供平台，吸引海外精英，培育本土人才^[15]。

（3）以自主创新应对美国AI技术限制，并寻求潜在国际研发合作伙伴。中美AI技术研发合作不频繁，就其根本是美国多轮对中国技术限制。早至2018年11月，美国就宣布对人工智能、芯片、机器人、量子计算、脑机接口以及生物技术等前沿科技领域进行出口管制，而此次又将软件纳入到出口管制范围^[16]。对此，美国强化出口管制虽然会对中国相关产业形成一定影响，但从另一个角度来看，美国的这一举措将激发中国自主研发的能力，加快人工智能产业的发展进程。另一方面，积极寻找潜在的国际研发合作伙伴，例如，智能通信领域的韩国电子通信研究院、三星电子、LG电子；无人驾驶领域的丰田汽车、本田汽车、三菱汽车；机器人领域的发那科；视觉识别领域的佳能、索尼等。

参考文献：

[1]张振刚，黄洁明，陈一华.基于专利计量的人工智能技术前沿识别及趋势分析[J].科技管理研究，2018，38（5）：36-42.

[2]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.

[3]陈军，张韵君，王健.基于专利分析的中美人工智能产业发展比较研究[J].情报杂志，2019，38（1）：41-47.

[4]王友发，罗建强，周献中.基于专利地图的人工智能研究总体格局、技术热点与未来趋势[J].中国科技论坛，2019（10）：80-89＋127.

[5]刘鸿宇，苗芳艳，彭拾，等.人工智能伦理研究的知识图谱分析[J].情报杂志，2019，38（7）：85-93.

[6]FLORIDI L，SANDERS J W. On the morality of artificial agents[J].Minds & machines，2004，14（3）：349-379.

[7]ANDERSON M，ANDERSON S L. Machine ethics：creating an ethical intelligent agent[J].AI magazine，2007，28（4）：15-26.

[8]中国专利保护协会.人工智能技术专利深度分析报告[R].2018.

[9]张振刚，黄洁明，陈一华.基于专利计量的人工智能技术前沿识别及趋势分析[J].科技管理研究，2018，38（5）：36-42.

[10]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.

[11]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.

[12]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.

[13]RAND. Maintaining the competitive advantage in artificial intelligence and machine learning[R].2020.

[14]清华大学，中国人工智能学会.2019人工智能发展报告[R].2019.

[15]丘成桐.疫情带来机遇，引进海外人才3条建议[R].2020.

[16]聂洪光，范海荣.基于专利数据的中美人工智能创新能力比较研究[J].中国科技论坛，2020（5）：154-162.

作者简介：赵程程（1985-），女，湖北襄阳人，博士，研究方向为创新管理。