人工智能关键共性技术创新生态系统构建及其演化机制

袁 野，汪书悦，陶于祥

（重庆邮电大学经济管理学院，重庆 400065）

1 研究背景

2018 年10 月31 日，习近平总书记在中共中央政治局第九次集体学习上指出，我们必须主攻关键核心技术，以问题为导向，全面增强人工智能科技创新能力，加快建立新一代人工智能关键共性技术体系，在短板上抓紧布局，确保人工智能关键核心技术牢牢掌握在自己手里［1］。根据中国信息通信研究院（以下简称“信通院”）和中国人工智能产业发展联盟［2］2021 年4 月发布的《人工智能核心技术产业白皮书》的数据显示，我国人工智能领域的专利和论文数量均位居世界前列，其中专利数量达30.1 万件，占全球总量的39%。然而，我们也清楚的认识到，我国人工智能整体发展水平与发达国家相比仍存在较大的差距：一是关键设备、重要元器件和操作系统等关键共性技术基本被英伟达、AMD、英特尔等国际巨头垄断，形成“锁定效应”［3］。二是在人工智能技术创新的生态系统还不够健全，稳定性和抗风险能力还有待加强，特别是创新生态系统中的多元利益创新主体之间的协同机制不够，在一定程度上也制约了我国人工智能关键共性技术的突破和发展［4］。那么，我国人工智能技术创新生态系统是否已经形成？若已形成，如何演化？如何科学把握演化规律，提升技术创新能力的路径？以上问题备受学术界、产业界与政府部门的关注。随着创新范式螺旋式演进，创新更加注重系统化和生态化，强调系统间的互动，不再局限于单个企业的创新能力，而是侧重多元主体之间的价值共创；同时，创新生态系统理论强调开放的特性，而开源开放在人工智能技术创新中起到关键作用。基于此，从创新生态系统的视角来研究人工智能关键共性技术创新具有重要的理论和现实意义。

从学术界和产业界的研究来看，近几年，国内外有关人工智能产业生态、创新生态系统、人工智能技术创新的研究持续增长。比较有代表性的包括，王雅薇等［5］从专利视角识别了人工智能产业技术创新路径；邵必林等［6］首次将系统学和生态学理论引入人工智能技术创新领域，但研究内容中有关人工智能技术属性方面的体现有所欠缺；李晓华等［7］以人工智能产业为例分析了技术创新和产业演进的关系。现有文献均为该领域研究奠定良好基础，但现阶段研究刚处于起步期，呈现持续性不足、内容普适化和不聚焦等现象。从创新生态系统的研究来看，黄鲁成［8］认为区域技术创新生态系统的研究，在理论和方法上多基于主观判断构建系统，关注静态的要素构成和功能、忽略了技术创新行为和发展机制研究；薛澜等［9］以人工智能产业为例研究了资源异质性、知识流动与产学研协同创新的关系；臧欣昱等［10］对产业共性技术产学研协同研发策略进行了博弈分析。

综上所述，已有研究大多围绕人工智能产业技术发展趋势、产业生态、组织模式、创新网络、合作联盟、技术创新绩效等层面的分析较多，但是在人工智能产业共性技术的创新生态研究方面，生态系统的中的创新主体间怎么通过互联、互通、互动的机制，来实现关键共性技术的创新突破，揭示人工智能创新生态的微观机理等方面的研究略显不足。

鉴于此，考虑数据的可得性和统计口径的一致性，本研究选取科技部公布的15 家国家级新一代人工智能开放创新平台承建企业为研究样本（以下简称“典型企业”），从以下4 个方面展开论述：（1）明确人工智能关键共性技术的内涵和特征，梳理典型企业的技术布局；（2）借助网络分析法，以典型企业为中心节点梳理创新主体之间的合作与互动关系，并绘制技术创新网络图；（3）使用生态学方法类比技术创新网络与自然生态系统，厘清系统要素及结构层次，抽象出人工智能关键共性技术创新生态系统模型；（4）基于系统科学理论，结合熵值变化分析系统的自组织演化过程，为人工智能关键共性技术创新生态系统健康有序地向更高级演化提供参考。

2 人工智能关键共性技术创新生态系统构建

2.1 人工智能关键共性技术内涵及特征

关键共性技术是“关键技术”和“共性技术”两个独立且相关的概念的集合，但是不是两者简单相加，而是两者的交融与革新。Qiu 等［11］从特征出发，指出关键共性技术是具备动态性、互补性与累积性的技术知识，能广泛促进技术进步与产业创新。学界关于关键核心技术定义的探讨尚不多见且未达成统一，具体到某一产业情景的内涵界定更是罕见，因此，本研究结合国务院发布的《新一代人工智能发展规划》，将人工智能关键共性技术界定为：知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人系统的智能技术、虚拟现实智能建模技术、智能计算芯片与系统、自然语言处理技术等8 种技术（以下简称“八大关键共性技术”）的集合。

人工智能以上八大关键共性技术具有“一正一循环两高一融合”特点，即正外部性、技术创新可循环、开源开放需求高、技术转化附加值高、多学科多产业交叉融合。具体表现为：

（1）正外部性。传统正外部性指一个经济体在自身活动中对他人的附带福利［12］。人工智能关键共性技术突破的正外部性与传统正外部性存在细微差异，即人工智能关键共性技术的突破与量子科学、认知科学、5G 等技术相互赋能，例如，人工智能改变5G 网络切片采用传统手工方式，使得网络切片智能化运维成为可能，而5G 网络发展带来的海量数据为人工智能技术进步提供支撑。

（2）技术创新可循环。技术创新经历技术研发和技术转化两过程，一般性技术完成研发和转化后即完成了整个技术创新的过程，此后，技术迭代、形成技术积累并刺激二次创新相对较为困难；但人工智能关键共性技术在商业化落地后，能够积累大量的用户数据和用户口碑，利用回笼的资金和用户反馈、数据等进行下一阶段的技术优化迭代，完成技术研发—技术转化—技术迭代—技术积累和再创新的良性循环。

（3）开源开放需求高。算法、算力和数据是人工智能技术创新中不可或缺的基础，美国、英国都将缺少数据集视为人工智能技术进步的重要问题。若缺少数据训练集，模型难以训练成熟甚至改进；若缺少源代码、端口和平台，人工智能研发群体及小微企业由于缺乏技术资源和技术交流渠道，设计开发新算法、新产品受阻。而推动数据开放共享、搭建开放共享平台，能够打通“堵点”。

（4）技术转化附加值高。人工智能技术可以转化为有形的产品和无形的解决方案。例如，智能终端、智能穿戴设备和智慧城市解决方案。从价值链视角看，智能产品位于微笑曲线两端，而且应用人工智能技术能够提升传统产业智能化程度，提高其他产品的附加值。例如，利用图像识别技术实现害虫检测，提高粮食总产量，从繁重的农耕中解放人力资源。

（5）多学科多产业融合。人工智能基础理论综合了计算机科学、类脑科学、统计学、哲学等学科理论［13］，注重技术转化、融合应用与基础研究。各项关键共性技术涉及的学科不尽相同，如自然语言处理理论的基础以语言学为主，涉及数学、哲学、逻辑学等各领域，已应用于智能对话机器人与机器翻译等领域。

我国人工智能关键共性技术的特征优势与发达国家对我国在科技上“软硬封锁”形势交织，机遇与挑战并存。为扭转我国人工智能在某个单一技术子领域领先却尚未实现“多点开花”的局面，我国必须围绕人工智能八大关键共性技术筑牢稳固技术创新体系，以单点突破带动全面突破，打破发达国家的“锁定效应”。

2.2 人工智能关键共性技术创新生态系统要素剖析

厘清系统要素是科学地构建人工智能关键共性技术创新生态系统框架的前提。如表1 所示，研究发现，典型企业聚焦的技术领域侧重不同，其中以百度、阿里云和深圳市腾讯计算机系统有限公司（以下简称“腾讯”）为代表的互联网企业，凭借自身丰富的应用场景、用户和数据等优势抢先布局人工智能，在八大关键共性技术领域基本均有涉足；以华为技术有限公司（以下简称“华为”）为代表的软硬件制造企业，依靠原有的技术积累重点在智能计算芯片与系统上发力；以科大讯飞、商汤科技等为代表的人工智能独角兽企业，则采取逐个击破的方式进行技术创新，注重在某一领域的深耕。由此可见，典型企业的技术布局不同，在技术创新模式上也存在差异。

表1 典型企业人工智能关键共性技术布局

表1 （续）

在人工智能关键共性技术创新过程中，创新主体不仅包企业。学界关于技术创新主体的研究丰富（见表2），本研究中创新主体被界定为企业、政府、高校和科研机构。

表2 我国人工智能关键共性技术创新主体主要分类

技术布局是各企业在有关技术领域的静态呈现，不能反映多个创新主体的交互，而社会网络能够呈现关系矩阵和可视化图谱，本研究参考刘刚等［19］的做法，根据典型企业与高校、科研机构、政府之间的合作关系构建人工智能关键共性技术创新网络，展示各创新主体间的合作现状。如图1 所示，其一，各企业均与国内外高校存在合作，合作方式有3 种：建立联合实验室，共同攻克专项技术；高校开设基础课程、企业提供实训基地，基础人才与实用人才联动；高校输出科研成果、企业加速科研成果转化，打造科研产出闭环。其二，以科大讯飞、商汤科技、华为与国家广播电视总局广播电视科学研究院（以下简称“广科院”）共同推进人工智能在广电行业的应用为代表，部分企业与科研机构存在合作，合作方式有2 种：联合推进项目落地；科研机构为企业提供政策研究和行业研究服务。其三，政府不仅为技术创新提供政策保障与资金扶持，且在智能政务、智慧城市、安全大脑等技术应用环节与企业展开深度合作。

图1 典型企业人工智能关键共性技术创新网络（局部）

以上技术创新网络客观具体地呈现了创新主体间的合作方式和领域，但是不能有效解释人工智能关键共性技术创新过程中的演化过程。人工智能关键共性技术创新具有可循环特性，而自然生态系统由生物群落和无机环境构成［20］，通过物质能量流动实现循环利用、可持续发展，两者具备相似性，因此，本研究采用生态学视角类比价值研究方法［21］，厘清人工智能关键共性技术创新生态系统要素。如图2所示，创新主体包括生产者、消费者和分解者［22］，创新资源包含人才、政策、技术、数据等。其中：

图2 自然系统与人工智能关键共性技术创新生态系统构成对比

（1）生产者。人工智能关键共性技术创新生产者主要指进行研发、生产创新成果，为技术创新提供原始动力的创新主体种群。研发类企业、高等院校、科研院所及为技术创新提供资金和政策支持的政府部门均属于创新生产者，但各个创新主体作用于技术创新的方式不同，企业注重应用研究、高校侧重基础研究和专业人才培养、科研机构兼顾基础与行业研究。

（2）消费者。人工智能关键共性技术创新消费者主要指算法、软硬件和数据的消费与使用者。主要为企业和政府，为技术创新注入内生动力。其中，深钻到各个细分技术领域的企业将高校和科研院所的基础研究成果转化为可以切实落地应用的共性技术，推动技术研发最终完成；政府则通过制定政策、提供环境和保障以及资金支持，引导企业开展技术创新。

（3）分解者。人工智能关键共性技术创新分解者主要指创新的推动者，其将基础层与技术层的技术消化吸收转化为应用层的产品与解决方案。主要是企业与政府，政府利用人工智能技术来提升社会治理效率，企业开展智能化转型。

2.3 人工智能关键共性技术创新生态系统框架

本研究认为，人工智能关键共性技术创新生态系统是以实现技术突破与再创新为目标，由企业、高校、政府与科研机构组成的生命子系统和由技术、经济、人才、政策环境构成的环境子系统组成，通过数据、信息、资金、人才等流动形成的互利共生的系统。该系统是一个不断进化的复杂系统，具备动态性、复杂性和开放性的特点。通过以上厘清创新要素，抽象出人工智能关键共性技术创新生态系统框架，如图3 所示。其中，生命子系统内部主体繁多，每个主体在不同阶段扮演不同的角色，如科研机构扮演单一的生产者，而政府既是生产者又是消费者与分解者；环境子系统包含政策环境、技术环境、人才环境和经济环境。多元创新主体通过响应外界环境变化，获得信息交换、数据流动、人才流动、知识流动、资金流动，保证整个系统健康有序运行。

图3 人工智能关键共性技术创新生态系统框架

在技术研发阶段，创新主体在基础层内相互赋能。高校、科研机构及基础研究企业不断输出专业人才、深挖理论、训练算法；从事技术开发的企业则扮演消费者的角色，合理使用人才，将优化的模型、算法纳入新的技术模块，嵌入具体应用场景，完成技术研发；同样作为生产者的政府通过出台人工智能专项政策，营造浓郁的创新发展氛围并保障基础研究资源和资金投入。

在技术转化阶段，企业完成技术研发后将推进技术落地，形成智能产品或行业解决方案，以满足不同消费者的需求。无人驾驶、自然语言处理等人工智能技术融入人们衣食住行各方面，形成智慧教育、智慧医疗、智慧零售、智慧交通等解决方案。其中，在个人用户侧，落地为智能家电、智能穿戴设备等终端产品；在政府机构侧，形成智慧城市、城市“大脑”、城市安全等解决方案。此时，技术创新生命周期已经完成。产品进入市场后，政府、高校、企业等用户为产品付费，实现大量资金扭转；同时，海量数据和用户反馈信息为技术创新循环提供了机会窗口，用户反馈、数据、资金在系统中循环，给予技术层和基础层的创新参与者反馈和支持，最终实现技术创新—技术转化—技术迭代—技术积累与再创新的良性循环。

3 人工智能关键共性技术创新生态系统演化机理分析

人工智能关键共性技术创新生态系统具有动态性，因此把握创新主体子系统和创新环境子系统之间的互动有助于系统健康运行并不断向更高一级演化。本研究运用耗散结构理论，通过熵值变化诠释人工智能关键共性技术创新生态系统自组织演化的机制。

3.1 耗散结构理论

1969 年普里戈金提出耗散结构理论。其建立过程观，指出一个开放的远离平衡态的非线性的系统不断地与外界环境进行物质交换，达到某个特定阈值后系统发生突变，由无序状态转变为有序状态，形成的新的稳定有序的结构需要不断地与外界进行交换才能维系，该结构被称为“耗散结构”［23］。如式（1）所示，熵是无序程度的度量，总熵变由熵增（dis）和熵减（des）两部分组成，熵增是由系统内部混乱或外部环境中的不利因素引发，熵减来自外部环境与系统内部进行的有利系统发展的交换。

当系统封闭时，系统仅存在内部的物质和能量交换，即dis ＞0、des =0、ds ＞0，此时系统的无序程度增加，不能发生自组织演化，相反会发生有组织的退化；当系统开放时，若外界有利环境与系统进行交换产生的负熵不能完全抵消内部和外界有利因素产生正熵，即dis ＞0、des ＜0、ds ≥0，系统的无序程度加重，无法发生自组织演化；当系统开放时，若系统从外界环境中得到的负熵足以克服正熵，即dis ＞0、des ＜0、ds ＜0，系统进入相对有序的状态。

耗散结构的形成和维持需要满足4 个条件：一是活的有序结构，强调不断运动并与外界进行物质交换获取能量；二是远离平衡态，此状态下系统处于不断变化和交互中，较容易实现快速发展；三是自组织的非线性作用，系统内各要素随着时间、环境的不同呈现出不同的作用方式、产生不同的效应；四是系统面临涨落，系统中存在的微涨落累计形成巨涨落，由量变引起质变［24］。

3.2 适用性分析

人工智能关键共性技术创新生态系统满足开放性、远离平衡态、非线性和涨落四大特点，这也是运用耗散理论分析系统演化机制必须满足的条件。

（1）人工智能关键共性技术创新生态系统是一个极其开放的系统，这在系统中基础研究、技术创新、商业化等多方面均有体现。基础研究包括软硬件开发、数据服务、算法改进和创新等，对源代码共享、数据开源、平台开放等提出较高要求；创新主体间开放合作，进行学术论文和专利合作、举办开发者赛事、学术沙龙等活动，加速知识和信息流动；创新环境处于不断变化中，在开放的系统中创新主体才能不断响应环境变化。

（2）人工智能关键共性技术创新生态系统远离平衡态。人工智能技术创新涉及多个环节、多种主体，创新主体的规模、经营理念、战略、资源分配等存在差别，面临的外部环境亦复杂多变。例如，计算机视觉“四小龙”中的3 家企业先后被确立为国家级平台建设单位，发展速度不一，4 家企业的商业模式等也存在差异，系统处于非同步发展的非平衡状态。

（3）人工智能关键共性技术创新生态系统中各要素间存在非线性作用。非线性作用不是简单的数量相加，而是随时间、地点、环境的不同呈现出不同的作用方式和效果。系统中存在诸多非线性作用，如突发新冠疫情对人工智能技术创新发展产生一定影响，但这种影响不是线性叠加，而是通过疫情迫使人们改变生活和消费方式，倒逼企业快速响应、积极创新，促进资源、信息、数据在企业、政府、科研机构等创新主体之间快速流通，最终助推人工智能关键共性技术创新发展。

（4）人工智能关键共性技术创新生态系统面临涨落。系统处于不断运动和发展中，涨落也一直存在，包括微涨落和巨涨落。创新主体间知识流动、外部政治、经济、人才环境变化等都会引起涨落，不同涨落对于系统的冲击力不尽相同，只有系统内发生巨大变化，如某个环节实现原发性突破等才能推动系统形成巨涨落，进而实现自组织演化。

3.3 演化机制分析

人工智能关键共性技术创新生态系统各创新要素不断交互、相互激发，包括生命子系统和环境子系统内部及两个子系统之间的互动，互动过程熵值产生变化，当子系统内部的矛盾与外部的不良刺激会使系统更加混乱无序，产生正熵流；只有系统内外部产生有利作用，系统交换得到的才是负熵流。正负熵流大小不同，总熵值的不确定性表征着系统的发展和演化存在着众多可能，即系统中存在着分岔点，当涨落突破临界值时，系统向着新的、稳定有序的方向演化，如此循环往复，如图4 所示。系统演化发展的主要阶段如下：

图4 人工智能关键共性技术创新生态系统自组织演化机制

自1956 年诞生以来，人工智能的发展经历了三起两落，皆归根于技术的演变。从生态学和系统科学的视角分析，人工智能关键共性技术创新生态系统经历了自组织演化和有组织退化，即初步发展时的稳定状态—持续低迷时的稳定状态—二次发展时的稳定状态—二次低迷的稳定状态—蓬勃发展的稳定状态。在系统的自组织演化过程中，创新主体的研发人员和经费投入、政治环境、经济环境、人才环境、技术环境等因素均为驱动系统演化的动力源，而在不同的技术创新环节中，系统演化的动力源也会产生变化。

1980 年，人工智能遭遇第一个寒冬。科学家合作首创“人工智能”概念，设计出专家系统，这类积极因素产生负熵流；但专家系统应用领域较窄且人才供给远小于需求，专属科研机构不多，绝大多数企业呈观望态度、参与创新意愿不强，这些消极影响产生极大正熵流。此时，系统总熵变ds ＞0，系统从旧的稳定状态退化到新的稳定状态。

1990 年，人工智能进入快速发展期。科学家们对人工智能持乐观态度，以“数据+统计模型”为导向开展研究，同时政府积极投资，这类影响因素产生负熵流；此外，人工智能开始迈向工业化，进而产生了部分数据、技术得以优化。此时，系统外部环境良好，各创新主体间积极合作，系统中产生的负熵流明显超过正熵流，系统总熵变ds ＜0，促使系统向着更加有序的新的稳定状态演化，实际表现为人工智能创新与应用热度高涨。

2000 年，人工智能再遇寒冬。技术突破遭遇瓶颈，数学家评估认为彼时人工智能应用范围受限。因此，社会各界对人工智能给予的资金、政策、人才支持骤减。加之，机器学习能力弱，解决程序问题的思路受阻，基础研究呈现“黑箱”现象，种种影响产生了超出负熵流的正熵流，系统总熵变ds ＞0。冲破系统临界值，退化为新的稳定状态，实际表现为人工智能探索者渐少，发展逐渐落寞。

2016 年，人工智能再次繁荣。人工智能发展的基础硬件环境得到极大改善，芯片的集成度越来越高，计算力呈指数级增长，机器能够使用深度模型学习数据，同时，互联网和物联网的应用积累了海量数据，深度结合大数据和云计算研究神经网络算法，使机器逐渐具备自主学习能力；此外，高校也开始开设人工智能专业，各类人工智能研究机构横空出世，专项政策频发。这些影响因素产生了巨大的负熵流，足以克服人才供给不足、资金缺乏等正熵流，总熵变ds ＜0，系统产生了突破临界值的超强涨落，改变了系统内竞合关系，产生序参量，最终演化为更高一级的新稳定状态，实际表现为人工智能技术欣欣向荣。

4 结论与建议

本研究遵循理论假设—实践验证—类比推理—抽象概括的逻辑搭建了人工智能关键共性技术创新生态系统框架，为不同产业情境下创新生态系统的构建提供了思路，为人工智能技术创新发展提供经验借鉴。研究发现：（1）我国人工智能关键共性技术具备正外部性、技术创新可循环、开放需求高、技术转化附加值高、多学科多产业交叉融合的特征。（2）15 家人工智能典型企业涉猎的技术范畴不同，技术创新模式也存在差异，其中由其他领域进入人工智能赛道的企业多依靠自身的数据、资金等优势进行共性技术研究，并应用到企业现有业务中，而人工智能初创企业则主要依靠投融资、人才引进等方式在某一纵向领域深耕。（3）现阶段，我国人工智能关键共性技术创新生态系统已经形成，主要包括企业、政府、高校、科研机构4 种创新主体，通过数据、人才、资金、知识流动等引起系统的熵值变化，并不断突破临界值向更高级系统演化。

根据以上研究结论，为促进人工智能关键共性技术创新能力提升，强化科技战略支撑，从创新生态系统视角提出以下建议：

（1）丰富创新主体种类，完善创新生态系统结构，提高其韧性和抗风险能力。多元创新主体参与是构建有效的创新生态系统的关键，中介和服务机构能够在技术创新和产业发展中发挥催化和连接作用，因此在系统构建中，建议积极汇集风险投资、天使投资等投资与金融机构，鼓励知识产权保护、信用评估、证券等中介服务机构积极参与人工智能关键共性技术创新活动，同时吸纳创客、行业协会等创新主体进入，丰富生命子系统与环境子系统之间以及子系统内部的互动方式，如竞争合作、互利共生等，拓展合作的深度和广度，实现优势互补、资源共享，有效促进多元创新主体的协作。

（2）促进创新资源的开放共享，保持人工智能关键共性技术创新生态系统的开放性。人工智能技术创新对开源开放的要求极高，但现阶段仍然存在数据不能共享、算法交流渠道堵塞等壁垒，重大基础装备重复购置与闲置浪费并存，阻碍了创新要素流动，因此在系统构建中，建议积极推进数据开放透明，以及公共服务、软硬件、计算框架等共享，加速要素流通，打破传统的科技创新方式，发挥政府引领和示范作用，搭建资源共享平台和生态运营平台，促进科技开放合作，并鼓励创新主体整合与利用内外部创新资源进行开放式创新和协同创新。

（3）培养创新主体洞悉系统微小涨落的动态能力，精准放大与利用涨落，为系统结构优化创造条件。对人工智能关键共性技术创新生态系统而言，诸多因素能够引起系统出现涨落，因此在系统构建中，建议各创新主体充分关注系统的涨落，以便及时响应和利用微涨落，进而带动整个生态系统形成巨大涨落，为系统演化提供机会。其中，高校侧重跟进理论研究进展、人才培养模式变化等；企业重点了解技术转化动态、市场动向、新型商业模式等；科研机构注意跟进观察技术研发进展；政府则需要把握国内外技术竞争格局、科技研发和应用落地总体情况等变化。

（4）完善人工智能关键共性技术创新生态系统治理方式，坚持科技创新管理与科技创新治理 “双轮驱动”。建议在环境子系统治理方面，加大研发投入与基础设施建设，创新人才培养模式，改善投融资环境，完善技术标准体系，“破四唯”落地“新四条”，鼓励“从0 到1”的原发性创新，充分实施功能型创新政策；在创新主体子系统治理方面，建立责任共担与价值共创机制，避免“搭便车”现象和机会主义行为，完善谈判机制，解决因利益分配等问题产生的分歧，并围绕助力关键技术研发的新型举国体制持续发掘政策靶点，加快推进长效治理体系建设。

本研究也存在以下不足：在结构上，尚未将专业中介机构和服务机构等创新主体纳入系统，基础研究和原发创新主体少；在系统交互上，多注重企业与高校合作促进成果转化，缺少对校企联合培养人才、合作承担研究课题等互动方式的分析。