通过文本挖掘步骤，，使用CiteSpace、Ucinet和专利地图等可视化工具，，从发展政策、文件计量和专利挖掘三个维度对全球人为智能产业主题技术领域的国际竞争态势进行分析。钻研发现，，综合政策、文件和专利数量来看，，美国综合实力仍旧全球第一，，中国异军突起，，发展迅猛；从国度间合作网络图来看，，我国已与美国、日本、英国等国度发展了有关合作钻研，，但是钻研机构之间的合作密度较低；基于钻研热点、专利地图和专利权人信息来看，，我国在人为智能产业主题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钻研方面实现了肯定的突破，，在技术利用层面也占有肯定的竞争优势，，技术研发与利用重要散布在天然说话处置、智能芯片、推算机视觉、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”时期我国人为智能产业主题技术的创新发展提供有关政策建议。

技术推动产业刷新，，新一代人为智能的发展关系到我国能否抓住新一轮科技革命和产业刷新的重要机缘。新产业技术研发与利用对创新驱动拥有肯定的引领和支持作用，，因而，，我国明确提出建设人为智能关键共性技术系统，，以加强关键环节和重点领域的创新能力[1]，，要确保人为智能产业主题技术把握在自己手中。中国科学院大数据挖掘与知识治理重点尝试室颁布了《2019年人为智能发展白皮书》，，凭据尺度共筛选出八大人为智能主题技术：：：推算机视觉技术、天然说话处置技术、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”基础钻研工作规划》，，支持人为智能等领域实现主题技术突破，，以抢占前沿科学钻研的制高点。因而，，对准人为智能产业主题技术，，攻克技术困境成为重中之重。

人为智能产业主题技术的研发已成为世界列国关注的焦点。面对世界领域的国际竞争，，我国在主题技术的突破和利用方面仍存在自身的短板。基于此，，为全面相识我国人为智能产业主题技术的国际竞争态势，，进一步厘清其研发近况和所处职位，，本文拔取了2015-2019年间列国当局颁布的政策和战术规划，，1999-2019年间Web of Science收录的文件，，1999-2019年间德温特专利数据库收录的专利信息，，选取CiteSpace、Ucinet和专利地图等可视化分析工具，，通过政策态势分析分歧当局的规划方向和重点支持领域；通过文件发文量、国度及钻研机构合作网络分解全球人为智能产业主题技术发展示状，，通过关键词聚类分析分歧国度关于人为智能产业主题技术的钻研热点，，通过专利数据分析全球人为智能产业主题技术研发近况，，进而对我国人为智能产业主题技术在全球所处竞争态势进行研判，，为索求建设新一代人为智能创新发展试验区以及“十四五”时期人为智能产业发展提供有关决策参考。

图1 Web of Science收录关于人为智能产业主题技术钻研的文件数量 

对所检索的3 681篇文件进行整顿，，绘制了全球人为智能产业主题技术钻研的发文量（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%，，是全球钻研人为智能产业主题技术的主力。在前10位国度中，，亚洲仅有三个国度：：：中国、韩国和日本；北美洲有两个国度，，别离是美国和加拿大；其余均为欧洲蓬勃国度，，注明欧洲仍是技术钻研和创新的重腹地域。

随着经济全球化过程加快，，知识全球化和跨国合作发展越来越迅速。为突破钻研水平与资源约束的限度，，各个国度之间起头发展合作钻研，，有助于提高列国的科学钻研水平和创新能力[19]。为此，，本文进一步分析了所检索的3 681篇论文，，导出参考文件，，将下载的数据归并后导入excel，，提取“国度”字段，，导入至BICOMB软件，，天生国度共现矩阵，，再将共现矩阵导入Ucinet软件，，使用Netdraw进行可视化分析，，天生国度合作网络图谱，，如图3所示。人为智能产业主题技术国度合作钻研网络的水平中心度如表2所示。 

如图3所示，，带有色彩的节点方块暗示国度。节点的巨细、各节点之间连线、连线的疏密水平以及连线的粗细别离表该国与其他所有国度合作共现的总次数，，两个国度间的合作关系，，与该国度合作过的其他国度的数量以及连线两端的国度合作次数[19]。由图3能够看出，，节点最大的是“美国”，，其次是“德国”、“意大利”、“中国”和“英国”，，批注美国与其他国度合作次数最多，，德国、意大利、中国和英国紧随其后，，合作次数别离是365、179、156和156；由国与国之间的连线能够看出，，中国与美国、日本、英国合作比力缜密，，中国在国际合作中阐扬着重要作用。 

2.4 钻研机构分析

凭据所检索的文件，，对钻研机构的发文量与合作情况进行整顿，，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，，注明其在人为智能产业主题技术钻研领域拥有肯定的影响力；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），，这些机构在人为智能产业主题技术钻研中作为重要的力量，，推动着产业主题技术不休实现技术突破与发展。从全球散布来看，，如表3所示，，发文量排名前10位的钻研机构重要散布在美国、中国和德国。

为了进一步分析各钻研机构的合作情况，，本文选取Ucinet分析软件生玉成球人为智能产业主题技术钻研机构合作网络图（如图4所示）。图中每一个小方块代表一个钻研机构，，方块越大注明该钻研机构与其他钻研机构合作越多。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钻研机构合作较为频仍。我国两所钻研机构：：：中国科学院大学和清华大学已发展大量的基础钻研工作，，并与加利福尼亚大学圣地亚哥分：：：凸佛大学进行了亲昵的合作钻研。从总体上看，，我国钻研机构之间合作密度较低，，钻研领域较为分散。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为智能产业主题技术钻研的重要力量。 

2.5 热点分析

热点通Ｄ芄话凳疚骋蛔暄辛煊蛑杏涤蟹⒄骨笔频闹魈，，同时，，可能展示该领域所属学科将来的发展方向[20]。通过使用关键词来表白该文章的主题和中心内容，，若某一关键词屡次在某一领域文件内出现，，则该词可间接反映该领域内的钻研热点与钻研动向[21]。本文借助科学知识图谱工具中的关键词聚类视图对列国人为智能产业主题技术的钻研热点进行分析。基于中国、美国、日本、韩国、英国和德国的文件数据进行整顿，，将其导入CiteSpace5.5.R2运行关键词聚类职能，，主题词类型选择“Noun Phrases”，，节点类型选择“Keyword”，，功夫领域1999-2019，，剪裁方式采取Pathfinder，，选择Log-Likelihood Ratio作为提取步骤[20]，，提取关键词聚类信息将其汇总成表，，如表4所示。

中国在人为智能产业主题技术钻研中重要将重心放在基础理论钻研与技术突破中。在八大主题技术中，，重要聚焦在#0推算机视觉技术、#4群体智能技术、#7天然说话处置技术和自主无人系统技术。作为推动人为智能技术进取的“三驾马车”，，算法、数据和推算力在从前的5-10年间不休创新[2]。在算法方面，，我国在#0推算机视觉技术中的图像鉴别和特点提取以及#7天然说话处置技术中的语音技术方面的成就显著。在基础理论钻研方面，，推算机视觉和天然说话处置技术的发展同时也必要#3模式鉴别等技术的支持；#1共空间模式是一种对两分类工作下的空域滤波特点提取算法，，可能从多通道的脑机接口数据里面提取出每一类的空间散布成分[22]；在技术利用领域，，自主无人系统中的#8协调节制对于自动驾驶汽车和智能无人驾驶系统至关重要，，在将来对汽车制作商和运输行业将产生重大影响。

美国人为智能产业主题技术钻研中共有8大关键词聚类。其中重要关注#0脑机接口技术和#2推算机视觉技术。从技术利用来看，，人为智能产业主题技术重要利用于医疗领域，，#1电子健康档案有助于提升医护水平；#7事务有关诱发电位作为一种电生理学的钻研伎俩，，为钻研大脑认知活动过程提供了新的领导和蹊径；钻研人员利用#8脑波开发了新技术—脑机接口技术（BCI），，为身段严重残疾的患者提供了新的医治伎俩。

对文件数据进行聚类分析，，无论从底层技术钻研看，，还是基于技术利用层面，，日本重要关注#0脑机接口技术。对脑机接口技术的钻研，，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。脑机接口技术重要利用于医疗健康领域，，重要分为“强化”和“复原”两个方向，，“复原”方向重要是指针对#1中风等疾病提供对应的复原训练，，重要采取神经反馈训练。目前，，已有一些日本创业公司对有关可穿戴设备投入研发资金，，将脑机接口技术利用到终端设备。

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械人和无人驾驶等技术已成为韩国当局重点支持对象。在利用中，，脑机接口以#4近红外光谱成像技术（NIRS）为主，，重要用于操控家电设备。脑机接口技术的发展与蓬勃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持力。

#0脑机接口技术、#1群体智能技术和#7推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主题技术在硬件、算法、范式方面都有新的突破和进展。英国诺丁汉大学的钻研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、天然地活动。

在人为智能产业主题技术钻研中，，德国重要钻研#5脑机接口技术和天然说话处置技术，，而作为基础技术钻研#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持和辅助作用。在基础理论钻研领域，，#3非监督学习作为机械学习的一种步骤，，是人为智能网络的一种重要算法；天然说话处置所涉及的各类工作，，能够用#4多工作学习框架处置。从技术利用领域来看，，#0辅助科技用于特殊教育行业；机械学习为#7ERP系统注入新能量，，云ERP平台提供了极大的方便。  

图5人为智能产业主题技术专利数量和专利国度散布示意图

图6 人为智能产业主题技术前5名专利权人

【参考文件】

[1] 新华社.国务院印发《新一代人为智能发展规划》[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全球人为智能发展白皮书[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.人为智能:天使还是妖怪?[J].中国科学:信息科学,2018,48(9):1257-1263.

[5] 方兵.我国高！！叭宋悄苋取:缘起、影响与应对[J].现代教育技术,2019,29(4):33-39.

[6] 刘刚.正在扭转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. 人为智能及其利用[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“人为智能+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.人为智能时期图书馆的发展机缘与刷新趋向[J].图书与谍报,2017(6):19-29.

[12] 仇筠茜,陈昌凤.黑箱:人为智能技术与新闻出产格局嬗变[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.基础钻研是中国创新的源泉[J].中国软科学,2011(4):104-117.

[16] 李显君,孟东晖,刘暐.主题技术微观机理与突破蹊径—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.机械学习技术发展示状与国际竞争分析[J].现代谍报,2019,39(10):165-176.

[18] 中国信息通讯钻研院. 中国人为智能产业发展联盟.全球人为智能战术与政策观察（2019）[R].北京:中国信息通讯钻研院，，中国人为智能产业发展联盟,2019.

[19] 李欣,黄鲁成.基于文件计量和专利分析的战术性新兴产业研发竞争态势钻研—以OLED产业为例[J].科技治理钻研,2016,36(8):120-126.

[20] 李韵婷,郑纪刚,张日新.国内外智库影响力钻研的前沿和热点分析—基于 CiteSpace Ⅴ 的可视化计量[J].谍报杂志,2018(12):12.

[21] 雷婕,盘意文,刘建明.知识图谱视角下智慧游览的钻研进展及热点概述[J].图书馆,2019(8):52-58.

[22] 许春燕. 基于CSP和ICA的多工作脑机接口分类步骤比力钻研[D].资阳：：：资阳大学,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.基于专利分析的代替性技术选择钻研[J].科技治理钻研,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为智能产业政策量化钻研[J].中国电子科学钻研院学报,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《人为智能产业主题技术的国际竞争态势分析》，，颁发于《中国电子科学钻研院学报》第15卷第11期。