通过文本挖掘方法，运用CiteSpace、Ucinet和专利地图等可视化工具，从发展政策、文献计量和专利挖掘三个维度对全球人工智能产业核心技术领域的国际竞争态势进行分析。研究发现，综合政策、文献和专利数量来看，美国综合实力依旧全球第一，中国异军突起，发展迅猛；从国家间合作网络图来看，我国已与美国、日本、英国等国家开展了相关合作研究，但是研究机构之间的合作密度较低；基于研究热点、专利地图和专利权人信息来看，我国在人工智能产业核心技术领域的专利申请量已跃居全球第一；不仅在底层技术理论研究方面实现了一定的突破，在技术应用层面也拥有一定的竞争优势，技术研发与应用主要分布在自然语言处理、智能芯片、计算机视觉、自主无人系统和群体智能技术等方向。最后，通过对比分析为“十四五”时期我国人工智能产业核心技术的创新发展提供相关政策建议。
技术推动产业变革，新一代人工智能的发展关系到我国能否抓住新一轮科技革命和产业变革的重要机遇。新产业技术研发与应用对创新驱动具有一定的引领和支撑作用，因此，我国明确提出建设人工智能关键共性技术体系，以增强关键环节和重点领域的创新能力[1]，要确保人工智能产业核心技术掌握在自己手中。中国科学院大数据挖掘与知识管理重点实验室发布了《2019年人工智能发展白皮书》，根据标准共筛选出八大人工智能核心技术：计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术[2]。2020年3月科技部等五部委印发了《加强“从0到1”基础研究工作方案》，支持人工智能等领域实现核心技术突破，以抢占前沿科学研究的制高点。因此，瞄准人工智能产业核心技术，攻克技术困境成为重中之重。
人工智能产业核心技术的研发已成为世界各国关注的焦点。面对世界范围的国际竞争，我国在核心技术的突破和应用方面仍存在自身的短板。基于此，为全面了解我国人工智能产业核心技术的国际竞争态势，进一步厘清其研发现状和所处地位，本文选取了2015-2019年间各国政府颁布的政策和战略规划，1999-2019年间Web of Science收录的文献，1999-2019年间德温特专利数据库收录的专利信息，采用CiteSpace、Ucinet和专利地图等可视化分析工具，通过政策态势分析不同政府的规划方向和重点支持领域；通过文献发文量、国家及研究机构合作网络剖析全球人工智能产业核心技术发展现状，通过关键词聚类分析不同国家关于人工智能产业核心技术的研究热点，通过专利数据分析全球人工智能产业核心技术研发现状，进而对我国人工智能产业核心技术在全球所处竞争态势进行研判，为探索建设新一代人工智能创新发展试验区以及“十四五”时期人工智能产业发展提供相关决策参考。
本文采用文本挖掘的方法对中国、美国、日本、韩国、英国和德国的人工智能国家政策和战略规划（2015-2019）进行搜集整理；并将国内外知名研究机构发布的相关报告作为二手资料，进一步完善和梳理，将其绘制成表，如表1所示。
如表1所示，中国、美国和日本高度关注人工智能的发展，三国政府均已出台大量的扶持政策，在世界舞台上角逐人工智能发展的领先地位。其中，中国出台的人工智能政策数量最多，美国和日本紧随其后，均已将“人工智能”上升为“国家战略”。韩国和德国于近两年加入人工智能快速发展行列，也逐步重视起人工智能的发展。纵览以上六个国家近5年来出台的相关政策，其战略目标任务和具体规划各具特色，为此，将其划分为三类[18]：一是技术和人才优势明显的国家，如美国，目前处于人工智能发展前沿，其战略目标是保持人工智能的全球领先地位，确保自身竞争优势。美国不仅专注于人工智能的发展，积极制定相关法律保障人工智能的发展，并参与技术标准的制定，以期在全球竞争中占据主导地位。二是具有产业发展基础的国家，如德国、英国，通过战略部署、商业应用、伦理约束、法律监督引领人工智能发展，两国均在“第二次工业革命”和“信息革命”中积累大量的发展经验，拥有坚实的产业发展基础。英国和德国凭借自身发展基础形成了独特的优势，以确保全球竞争力。再如，日本和韩国所制定的相关政策针对性地倾向半导体和集成电路等产业，两国在机器人、自动驾驶、汽车、半导体等领域具有明显的产业优势，凭借自身相对优势参与全球的新一轮竞争。三是异军突起，积极抓住发展机遇的国家，如中国，重视推动人工智能的综合健康发展及全面布局，通过宏观规划和重点部署构筑我国人工智能发展的先发优势，从而加快人工智能产业核心技术攻克和创新型国家建设。
本文将《2019年人工智能发展白皮书》所筛选的人工智能产业核心技术作为检索条件，文献来源Web of Science数据库下的Web of Science核心合集：引文索引，检索条件设置如下：以“TI = computer vision” OR “TI = natural language processing” OR “TI = brain-computer interface” OR “TI= intelligent chip” OR “TI = autonomous unmanned system” OR “TI = collective intelligence” OR “TI = intelligent adaptive learning” OR “TI = cross-media analytic reasoning”，文献年限为1990-2019年，文献类型选择Article，最后共得到3 681篇。 进一步分析关于人工智能产业核心技术研究的3 681篇论文，本文以时间序列的形式统计出每年的论文数量，通过Excel绘制了Web of Science收录的关于人工智能产业核心技术研究的文献数量统计图（如图1所示）。二十年间，全球对人工智能产业核心技术的研究越来越重视，发文量整体呈上升趋势。20世纪末，全球的发文量较低，这受到当时全球人工智能技术的基础研究、理论模型及数据样本等影响和限制。发文量激增阶段：2010-2019年，这与人工智能爆发阶段的时间相吻合，也与算法、算力的提升及数据的激增等现状密切相关。
图1 Web of Science收录关于人工智能产业核心技术研究的文献数量
对所检索的3 681篇文献进行整理，绘制了全球人工智能产业核心技术研究的发文量（Top10）示意图（如图2所示）。美国发文量居世界第一，中国紧随其后，中国和美国发文量约占全球48%，是全球研究人工智能产业核心技术的主力。在前10位国家中，亚洲仅有三个国家：中国、韩国和日本；北美洲有两个国家，分别是美国和加拿大；其余均为欧洲发达国家，说明欧洲仍是技术研究和创新的重要地区。
图2人工智能产业核心技术研究文献发文量Top10国家
随着经济全球化进程加快，知识全球化和跨国合作发展越来越迅速。为突破研究水平与资源约束的限制，各个国家之间开始展开合作研究，有助于提高各国的科学研究水平和创新能力[19]。为此，本文进一步分析了所检索的3 681篇论文，导出参考文献，将下载的数据合并后导入excel，提取“国家”字段，导入至BICOMB软件，生成国家共现矩阵，再将共现矩阵导入Ucinet软件，使用Netdraw进行可视化分析，生成国家合作网络图谱，如图3所示。人工智能产业核心技术国家合作研究网络的程度中心度如表2所示。
表2全球人工智能产业核心技术主要国家合作研究网络的程度中心度
如图3所示，带有颜色的节点方块表示国家。节点的大小、各节点之间连线、连线的疏密程度以及连线的粗细分别表该国与其他所有国家合作共现的总次数，两个国家间的合作关系，与该国家合作过的其他国家的数量以及连线两端的国家合作次数[19]。由图3可以看出，节点最大的是“美国”，其次是“德国”、“意大利”、“中国”和“英国”，表明美国与其他国家合作次数最多，德国、意大利、中国和英国紧随其后，合作次数分别是365、179、156和156；由国与国之间的连线可以看出，中国与美国、日本、英国合作比较紧密，中国在国际合作中发挥着重要作用。
2.4 研究机构分析
根据所检索的文献，对研究机构的发文量与合作情况进行整理，从机构发文量来看，其中德国图宾根大学发文量最多，高达84篇，说明其在人工智能产业核心技术研究领域具有一定的影响力；其次，发文量较多的是德国维尔茨堡大学（56篇）、中国清华大学（52篇）和美国纽约州卫生部（46篇），这些机构在人工智能产业核心技术研究中作为重要的力量，推动着产业核心技术不断实现技术突破与发展。从全球分布来看，如表3所示，发文量排名前10位的研究机构主要分布在美国、中国和德国。
表3全球人工智能产业核心技术研究机构地区分布汇总表
为了进一步分析各研究机构的合作情况，本文采用Ucinet分析软件生成全球人工智能产业核心技术研究机构合作网络图（如图4所示）。图中每一个小方块代表一个研究机构，方块越大说明该研究机构与其他研究机构合作越多。其中，德国图宾根大学、维尔茨堡大学和格拉茨技术大学与其他研究机构合作较为频繁。我国两所研究机构：中国科学院大学和清华大学已开展大量的基础研究工作，并与加利福尼亚大学圣地亚哥分校和哈佛大学进行了密切的合作研究。从总体上看，我国研究机构之间合作密度较低，研究领域较为分散。无论从发文数量还是从机构合作网络图来看，德国图宾根大学、维尔茨堡大学和纽约州卫生部是全球人工智能产业核心技术研究的主要力量。
2.5 热点分析
热点通常可以表示为某一研究领域中具有发展潜势的主题，同时，能够展现该领域所属学科未来的发展方向[20]。通过使用关键词来表达该文章的主题和中心内容，若某一关键词多次在某一领域文献内出现，则该词可间接反映该领域内的研究热点与研究动向[21]。本文借助科学知识图谱工具中的关键词聚类视图对各国人工智能产业核心技术的研究热点进行分析。基于中国、美国、日本、韩国、英国和德国的文献数据进行整理，将其导入CiteSpace5.5.R2运行关键词聚类功能，主题词类型选择“Noun Phrases”，节点类型选择“Keyword”，时间范围1999-2019，剪裁方式采取Pathfinder，选择Log-Likelihood Ratio作为提取方法[20]，提取关键词聚类信息将其汇总成表，如表4所示。
中国在人工智能产业核心技术研究中主要将重心放在基础理论研究与技术突破中。在八大核心技术中，主要聚焦在#0计算机视觉技术、#4群体智能技术、#7自然语言处理技术和自主无人系统技术。作为推动人工智能技术进步的“三驾马车”，算法、数据和计算力在过去的5-10年间不断创新[2]。在算法方面，我国在#0计算机视觉技术中的图像识别和特征提取以及#7自然语言处理技术中的语音技术方面的成就显著。在基础理论研究方面，计算机视觉和自然语言处理技术的发展同时也需要#3模式识别等技术的支撑；#1共空间模式是一种对两分类任务下的空域滤波特征提取算法，能够从多通道的脑机接口数据里面提取出每一类的空间分布成分[22]；在技术应用领域，自主无人系统中的#8协调控制对于自动驾驶汽车和智能无人驾驶系统至关重要，在未来对汽车制造商和运输行业将产生重大影响。
美国人工智能产业核心技术研究中共有8大关键词聚类。其中主要关注#0脑机接口技术和#2计算机视觉技术。从技术应用来看，人工智能产业核心技术主要应用于医疗领域，#1电子健康档案有助于提升医护水平；#7事件相关诱发电位作为一种电生理学的研究手段，为研究大脑认知活动过程提供了新的指导和途径；研究人员利用#8脑波开发了新技术—脑机接口技术（BCI），为身体严重残疾的患者提供了新的治疗手段。
对文献数据进行聚类分析，无论从底层技术研究看，还是基于技术应用层面，日本主要关注#0脑机接口技术。对脑机接口技术的研究，日本将焦点转移至#2听觉BCI脑机接口技术。#3共空间模式作为提取的一种方式，是脑机接口技术重要的算法。脑机接口技术主要应用于医疗健康领域，主要分为“强化”和“恢复”两个方向，“恢复”方向主要是指针对#1中风等疾病提供对应的恢复训练，主要采取神经反馈训练。目前，已有一些日本创业公司对相关可穿戴设备投入研发资金，将脑机接口技术应用到终端设备。
韩国重点关注#1和#2脑机接口技术和自主无人系统技术，自主无人系统中的机器人和无人驾驶等技术已成为韩国政府重点支持对象。在应用中，脑机接口以#4近红外光谱成像技术（NIRS）为主，主要用于操控家电设备。脑机接口技术的发展与发达的半导体行业发展相适应，并为半导体产业的发展提供重要的支撑力。
#0脑机接口技术、#1群体智能技术和#7计算机视觉技术是英国重点关注对象。脑机接口技术作为产业核心技术在硬件、算法、范式方面都有新的突破和进展。英国诺丁汉大学的研究团队基于脑机接口技术，开发了一种脑磁图（MEG）系统，配以头戴式设备，在扫描过程中允许被扫描者自由、自然地运动。
在人工智能产业核心技术研究中，德国主要研究#5脑机接口技术和自然语言处理技术，而作为基础技术研究#1脑电图、#2共空间模式、#6神经反馈技术都为脑机接口技术的发展提供了支撑和辅助作用。在基础理论研究领域，#3非监督学习作为机器学习的一种方法，是人工智能网络的一种重要算法；自然语言处理所涉及的各种任务，可以用#4多任务学习框架处理。从技术应用领域来看，#0辅助科技用于特殊教育行业；机器学习为#7ERP系统注入新能量，云ERP平台提供了极大的便利。
以德温特专利数据库为来源数据库，利用“TI = computer vision” OR “TI = natural language processing” OR “TI = brain-computer interface” OR “TI= intelligent chip” OR “TI = autonomous unmanned system” OR “TI = collective intelligence” OR “TI = intelligent adaptive learning” OR “TI = cross-media analytic reasoning”进行检索，检索时间范围设置为1990-2019年，最后共检索到23 940件专利。随着技术的发展，基于专利分析的“预见—识别”成为研究热点。文献[23]通过专利分析法对比分析不同国家的人工智能技术专利，研判全球人工智能发展态势；文献[24]提出基于专利分析替代性技术选择，为企业的管理者制定技术选择战略提供参考建议。为进一步掌握全球人工智能产业核心技术领域专利发展趋势和分布情况以及专利权人分布情况，本文对德温特专利数据库中已检索到的23940件专利进行统计分析，分别提取中国、美国、日本、韩国、英国和德国的专利，对全球人工智能产业核心技术的专利数量和专利国家分布及专利权人分布情况进行分析，结果如图5～图6所示。
图5人工智能产业核心技术专利数量和专利国家分布示意图
从图5可以看出，基于全球不同国别分析，在人工智能产业核心技术专利中，中国拥有智能芯片技术专利的数量最多，说明中国芯片企业愈发重视专利保护，其保护意识与能力也逐渐增强；美国拥有自然语言处理技术专利最多；日本在自然语言处理技术方面，专利数量占比最多；韩国拥有计机视觉技术的专利数量最多；英国和德国的人工智能产业核心技术专利数量均不多，总体来看，二者均在计算机视觉技术方面专利数量最多，分别占比61%和37%。从人工智能产业核心技术视角看，自主无人系统技术主要分布在美国和中国，其中美国拥有数量最多；中国在脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术的申请量遥遥领先；自然语言处理技术则主要分布在美国。然而关于跨媒体分析推理技术的专利申请目前全球没有相关的统计。
图6 人工智能产业核心技术前5名专利权人
从图6可以看出，全球前5名自主无人系统技术专利申请者主要集中在美国和日本，其中日本占据3席，如IHI株式会社和川崎重工业株式会社。脑机接口技术专利申请者前5名主要集中在中国和韩国，中国主要以高校为主，如清华大学、浙江大学、中国科学院和中国医学科学院基础医学研究所，说明中国高校是脑机接口技术研究的重要力量，拥有较强的研发实力。群体智能技术专利申请者也主要来自中国，前5名中美国公司仅占有1席。其中国家电网申请专利数量最多，尤其近五年国家电网的人工智能产业核心技术发展迅速，中国人工智能专利布局也已覆盖至电力工程领域。群体智能技术推动电网智能化发展，是助力新一代电力系统建设的重要支撑。全球前5名计算机视觉技术专利申请者主要集中在美国和中国，美国专利申请者主要集中在高通、英特尔和微软公司，中国则主要集中在高校，如清华大学、北京航空航天大学等。中国专利申请者占据全球智适应学习技术专利申请前五位，主要集中在科技型企业和高校，由于中国教育群体基数庞大，加之近年来AI教育行业高速发展，中国关于智适应学习技术的专利申请数量多且主要体现在应用层面。智能芯片技术专利申请前五位也均来自中国，从体量来看，中国目前已经成为全球最大、增长最快的集成电路市场，国家集成电路产业也受到投资基金和资本推动的支持。在强有力的产业政策扶持下，中国企业迅速成长壮大，逐渐挑战美国芯片的垄断市场。自然语言处理技术专利申请者主要来自美国和日本，美国占据3席（IBM、微软和埃森哲全球解决方案有限公司），日本占据2席（富士施乐公司和日本电报电话公司）。美国和日本在自然语言处理技术方面仍具有一定的研究实力和发展潜力。
全球范围内越来越多的政府和企业组织意识到人工智能在经济和战略上的重要性，面对日趋激烈的人工智能竞争市场，我国需要认清全球竞争态势，明确自身在全球中所处地位，明晰具备竞争力的产业核心技术。通过政策态势、研究态势分析，从政策数量、文献发文量和专利数量三个角度量化了全球人工智能产业核心技术竞争力。从政策数量来看，中国>美国>日本>英国>德国>韩国；从文献数量来看，美国>中国>德国>英国>韩国>日本；从专利数量来看，中国>美国>日本>韩国>德国>英国。综合来看，美国综合实力依旧全球第一，这与美国坚实的产业基础和先进的科学技术分不开。中国异军突起，发展迅猛。基于文献和专利分析结果，综合来看，我国主要关注方向为计算机视觉技术、自然语言处理技术、智能芯片技术、自主无人系统技术和群体智能技术。具体来看，基于发文量，国内外相关文献研究起步时间相似，中国仅比国外晚两年，增长趋势相同，整体呈现上升趋势，增长最快的阶段均出现在2010年以后。从国家合作来看，美国与其他所有国家合作共现的总次数最多，中国与美国、日本、英国合作比较紧密。从研究机构来看，发文量排名前10位的研究机构主要分布在美国、中国和德国，中国科学院大学和清华大学已与其他机构开展大量的基础研究工作，但是机构合作密度较低。从关注的热点来看，我国聚焦于计算机视觉技术、群体智能技术、自然语言处理技术和自主无人系统技术。从专利分布来看，中国人工智能产业核心技术专利申请量已经超越美国成为AI领域专利申请量最高的国家。其中，中国拥有脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术专利最多；从专利权人分布来看，中国拥有最多的专利权申请人，主要分布在脑机接口技术、群体智能技术、计算机视觉技术、智适应学习技术和智能芯片技术。人工智能的不断发展对提高国家竞争力、维护国家安全有巨大的帮助，许多国家已将发展人工智能提高至国家战略层面。本文运用科学知识图谱和专利地图分析了全球人工智能产业核心技术的竞争态势，并针对我国建设创新型国家和“十四五”时期人工智能产业发展提出以下几点建议。基础理论的研究是产业核心技术突破的源泉[15]。通过科学知识图谱工具对比分析国内外人工智能产业核心技术热点研究，我国在人工智能的理论基础层和应用层均涉及广泛。从本文研究来看，我国主要聚焦计算机视觉技术、自然语言处理技术、智能芯片技术、自主无人系统技术和群体智能技术，并在技术应用中具有一定的优势。我国在适应性自主学习、综合推理、群体智能等方面已初步具有跨越式发展的能力，然而我国的核心技术力量在跨媒体推理分析技术和自主无人系统技术方面比较薄弱。因此，“十四五”时期人工智能产业发展不仅要重视基础理论研究，识别人工智能发展方向和理论机理，在方法和体系上努力实现革命性和颠覆性的突破。同时，扩大中国现有技术应用的优势，鼓励和支持人工智能技术的推广和应用，例如城市管理、教育、环境、交通、法律、医疗、网络安全和社会治理等重要领域，确保中国的理论研究处于人工智能这一重要领域的前沿，推动基础技术取得巨大突破，占据产业核心技术制高点，在新一轮国际竞争中占据优势。人工智能作为引领未来的颠覆性、战略性技术，成为国际竞争的新焦点和经济发展的新引擎[25]。经过多年的积累，我国在人工智能领域取得重要进展，但从整体发展水平而言，与发达国家仍存在较大的差距。例如，在关键设备、重要元器件和操作系统等基本被英伟达、AMD、英特尔等国际巨头垄断，形成“锁定效应”。“十四五”时期以及未来更长一段时期应重点关注核心技术，突破被扼制的技术困境。从本文的研究来看，目前，全球对跨媒体分析推理技术的研究不多，关注度较低。跨媒体是一个包括跨媒体检索、跨媒体推理和跨媒体存储等广义的概念，主要应用于如网络内容监管、信息检索、智慧医疗、智能穿戴设备等行业。在国务院关于印发新一代人工智能发展规划的通知中，重点提及“跨界融合”技术体系。因此，在人工智能产业核心技术“十四五”发展前瞻中可以聚焦于跨媒体分析推理技术，通过相关政策指导，抓住新一轮发展机遇，积极攻克核心技术难关，在国际竞争中掌握主动权。（3）顺应全球合作与开放趋势，构建产业核心技术创新共同体开放与合作是永恒的主题，紧密的合作与良性的竞争能够促进全球人工智能产业健康发展。由于核心技术具有高密保性，后发企业难以识别先发企业的技术机理及其具体形成过程[16]，因此需要开放的合作与创新。就合作程度而言，我国人工智能的主要研发机构与美国、英国、日本合作紧密，但与美国相比，还欠缺合作的深度和广度，应该借鉴学习发达国家人工智能发展合作的经验。就研究机构而言，我国研究机构在竞争中存在自身的短板，研究机构和企业尚未形成具有国际影响力的协同创新生态圈，特别是人工智能的相关研究机构整体分布较为分散，团队规模较小，缺少高水平的合作，且合作成果较少。因此，“十四五”时期更应结合现实需求，不同的研究机构展开合作，推动理论基础研究实现新的突破，积极构建产业核心技术“创新共同体”。在产业核心技术突破过程中，其中政府、产业、高校、研究机构和用户作为合作主体，以不同的角色参与到系统创新体系中来[26]，通过组织学习、知识流动、交流合作等形式使多元化的创新主体之间形成协同互动的协同网络体系，以此建构具有国际影响力的人工智能创新生态圈。
【参考文献】
[1] 新华社.国务院印发《新一代人工智能发展规划》[EB/OL].(2017-07-20)[2020-03-01].http://www.gov.cn/xinwen/2017-07/20/content_5212064.htm.
[2] 德勤科技.2019全球人工智能发展白皮书[R].上海:德勤科技,2019.
[3] NILSSON N J. Artificial Intelligence: A New Synthesis[M]. Amsterdam：Elsevier, 1998.
[4] 谭铁牛,孙哲南,张兆翔.人工智能:天使还是魔鬼?[J].中国科学:信息科学,2018,48(9):1257-1263.
[5] 方兵.我国高校“人工智能热”:缘起、影响与应对[J].现代教育技术,2019,29(4):33-39.
[6] 刘刚.正在改变世界的智能科技产业[J].人民论坛·学术前沿,2019(21):38-45.
[7] 蔡自兴, 徐光祐. 人工智能及其应用[M]. 北京：清华大学出版社, 2004.
[8] LUXTON D D. Artificial intelligence in psychological practice: Current and future applications and implications[J]. Professional Psychology: Research and Practice, 2014, 45(5): 332.
[9] PARK S H, HAN K. Methodologic guide for evaluating clinical performance and effect of artificial intelligence technology for medical diagnosis and prediction[J]. Radiology, 2018, 286(3): 800-809.
[10] 吴永和,刘博文,马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志,2017,35(5):27-39.
[11] 黄晓斌,吴高.人工智能时代图书馆的发展机遇与变革趋势[J].图书与情报,2017(6):19-29.
[12] 仇筠茜,陈昌凤.黑箱:人工智能技术与新闻生产格局嬗变[J].新闻界,2018(1):28-34.
[13] NORMAN P M. Protecting knowledge in strategic alliances: Resource and relational characteristics[J]. The Journal of High Technology Management Research, 2002, 13(2): 177-202.
[14] Frishammar J, Ericsson K, Patel P C. The dark side of knowledge transfer: Exploring knowledge leakage in joint R&D projects[J]. Technovation, 2015, 41: 75-88.
[15] 柳卸林,何郁冰.基础研究是中国创新的源泉[J].中国软科学,2011(4):104-117.
[16] 李显君,孟东晖,刘暐.核心技术微观机理与突破路径—以中国汽车AMT技术为例[J].中国软科学,2018(8):88-104.
[17] 黄鲁成,薛爽.机器学习技术发展现状与国际竞争分析[J].现代情报,2019,39(10):165-176.
[18] 中国信息通信研究院. 中国人工智能产业发展联盟.全球人工智能战略与政策观察（2019）[R].北京:中国信息通信研究院，中国人工智能产业发展联盟,2019.
[19] 李欣,黄鲁成.基于文献计量和专利分析的战略性新兴产业研发竞争态势研究—以OLED产业为例[J].科技管理研究,2016,36(8):120-126.
[20] 李韵婷,郑纪刚,张日新.国内外智库影响力研究的前沿和热点分析—基于 CiteSpace Ⅴ 的可视化计量[J].情报杂志,2018(12):12.
[21] 雷婕,盘意文,刘建明.知识图谱视角下智慧旅游的研究进展及热点概述[J].图书馆,2019(8):52-58.
[22] 许春燕. 基于CSP和ICA的多任务脑机接口分类方法比较研究[D].南昌：南昌大学,2012.
[23] FUJII H, MANAGI S. Trends and priority shifts in artificial intelligence technology invention: A global patent analysis[J]. Economic Analysis and Policy, 2018, 58: 60-69.
[24] 娄岩,张赏,黄鲁成.基于专利分析的替代性技术选择研究[J].科技管理研究,2015,35(20):150-154.
[25] 袁野,于敏敏,陶于祥,等.基于文本挖掘的我国人工智能产业政策量化研究[J].中国电子科学研究院学报,2018,13(6):663-668.
[26] 吴卫红,陈高翔,张爱美.“政产学研用资”多元主体协同创新三三螺旋模式及机理[J].中国科技论坛,2018(5):1-10.
本篇节选自论文《人工智能产业核心技术的国际竞争态势分析》，发表于《中国电子科学研究院学报》第15卷第11期。
服务热线
