关键技术的后发追赶与动态比较——基于人工智能技术生命周期的实证分析

袁 野，吴超楠，陶于祥，李晶莹

(重庆邮电大学经济管理学院，重庆 400065)

0 引言

作为一种不连续、破坏型的技术，关键技术具有典型的隐性知识密集型特征，因此难以通过模仿、复制来突破其技术的高壁垒[1-2]，而具有先发优势的国家和企业为保护其核心技术则设立 “技术锁定”和独占机制，使后发国家和企业作为使用者无法洞悉其形成机理[3]。如何攻克关键技术 “卡脖子”困境也成为中国科技创新发展的重中之重。经过知识和技术创新能力的积累，我国在智能语音、视觉识别等部分人工智能关键技术领域已取得重要成果，但同时也要清醒认识到关键技术发展竞争力相对不足，特别是核心算法以及关键设备、高端芯片、操作系统、基础材料等方面较发达国家仍存在较大差距。例如，以GPU、FPGA为代表的人工智能通用芯片基本被英伟达、AMD、英特尔等国际巨头垄断，形成了 “锁定效应”。

毋庸置疑，中国实现关键技术的突破和后发追赶是建设世界科技强国和实现高水平自立自强的重要抓手。从已有研究看，传统技术追赶理论对关键技术的后发追赶路径与内在机理的解释还存在一定局限性。一方面，关键技术蕴含大量的缄默知识，通过传统的 “利用—吸收—改进”三阶段模型无法将先发国家或企业锁定的隐性知识显性化[4]，所以，对关键技术后发追赶路径和机理研究仍需进一步探讨。另一方面，围绕追赶战略的 “机会之窗”选择问题亦受到研究者的高度关注。朱瑞博等[5]认为，由技术轨道变迁、市场需求变化或制度政策制定带来的 “机会窗口”，为后发者技术追赶提供了重要突破口。尽管技术生命周期理论可以辅助后发者选择追赶时机，但是仅依靠技术生命周期理论无法客观全面地阐述关键技术后发追赶现状，尚需对关键技术后发追赶过程机理进行研究，明确不同的关键技术领域是否具有技术领先优势，因为这关系到追赶者选择在何种类型的机会窗口下制定后发追赶战略。因此，如何精准识别关键技术所处的技术位势，找到关键技术在不同生命周期背景下的机会窗口与突破路径具有重要的意义。

1 理论基础

1.1 关键技术体系

关键技术是具有高投入、长周期、高竞争、知识密集等特点的技术体系[6]，对经济社会发展发挥着举足轻重的作用。陈劲等[6]认为关键技术是一项具备关键性与独特性的技术体系，同时需要长期高投入来保障研究与开发。汤志伟等[7]认为关键技术是在一个系统、产业链或一项技术领域中起重要作用且不可或缺的技术。同时，关键技术具有关键性和独特性，具备高投入和长周期、复杂性和嵌入性知识、关键零部件被先发者垄断等特征[8]。王海军[9]从综合视角切入，认为关键技术具有产业链前端基础性研究、价值链高端前沿性研究、生态链战略引领性研究的属性。

已有研究讨论了关键技术概念与特征，加深了对该领域的认知，但我国关键技术发展遭受国外技术封锁打压，对内依旧面临巨大的安全和市场需求，这引发了对突破关键技术、实现科技自立自强的理论探讨。总结为数不多的相关文献，可以归纳出3类观点：①透视关键技术突破困境的本质问题。郑思佳等[10]通过评估关键技术竞争态势从而明晰关键技术的突破重点。②基于大战略观统领关键技术攻关。韩凤芹等[11]将中国制度优势和市场优势相结合，从而构建符合关键技术研发规律的新型举国体制。胡旭博等[12]将自主研发与引进学习相结合，将市场力量和政府力量相结合，从突破路径和助力渠道探析关键技术的突破因素。③关键技术突破的创新体制探讨。产学研协同创新[13]、融通创新[14]视角为关键技术突破 “卡脖子”困境提供了新思路。关键技术创新所产生的知识和技术大多具有前沿性、基础性、高度的隐形性、复杂性和因果模糊性的特征，而地理源和技术域则是解释关键技术突破机理的两个关键内在因素[15]，同时产业及相关企业的搜索行为与吸收能力一定程度上也影响着关键核心技术突破进程[9]。

1.2 后发追赶理论

基于Gerschenkron[16]提出的 “后发效应”，Nelson等[17]提出 “技术追赶”理论。经诸多学者不断探索，技术追赶理论的发展较为成熟。早期后发追赶研究主要基于3个视角。①技术创新能力视角。在技术创新领域主流理论基于 “技术能力”探讨后发追赶问题。后发者在追赶过程中，不仅需要依靠模仿、有效吸收、应用和改造，还包括进一步的技术创新能力[18]。Dutrénit[19]、Altenburg等[20]认为企业技术能力的构建在技术追赶过程中十分重要。②技术追赶路径。Perez等[21]关注技术是如何演变和传播的，以及有效的技术追赶过程需要何种条件；Hobday[22]通过案例研究亚洲四小龙在电子领域的技术创新发展，归纳总结并验证了后发企业 “OEM-ODM-OBM”学习路径；Mathews[23]结合亚太地区半导体产业提出后发企业通过国际化追赶的3L框架。③从技术异质性看，主要存在两种追赶类型：一是在成熟技术体系中的后发追赶，可以利用异质知识资源或广阔的市场等优势实施追赶，但是亦有可能陷入由技术锁定带来的 “后发追赶”的陷阱[24]。二是在新的技术轨道的追赶。由于技术范式变化导致技术轨道更迭，在新的技术轨道竞争中后发国家和先发国家拥有平等的机会，而且与先发者相比，后发国家较少地囿于旧技术范式锁定的影响。Perez等[21]认为在技术-经济范式尚未成型的前沿技术领域后发者实现追赶的可能性更大。

对后发技术追赶现象的解释，越来越多学者关注到机会窗口这一驱动因素。从机会窗口类型看，一是由于技术范式的更迭导致技术轨道变化，同时也开启了技术机会窗口[19]，即 “技术轨迹范式转变的时间往往是后来者的机会之窗”[25]。二是全球化暗潮涌动，贸易战、新冠疫情带来市场需求巨变，这也为后发企业提供了机会窗口[26]，需求型机会窗口便成为解释后发追赶的重要理论基础。三是国家政策的制定为后发追赶者提供了制度型机会窗口。

综合已有研究表明，后发者的技术追赶研究已相对成熟，但是后发追赶与关键核心技术研究之间仍缺乏有效的对话。关键技术因隐性知识密集性、高技术壁垒等特征决定了后发追赶模式及其路径亟需调整或重构。同时，关键技术追赶的路径会随着技术演化阶段不同、技术类型异质性等因素而产生动态变化。因此，为了提高分析的客观性和科学性，本文基于技术生命周期理论和显性技术优势 (Revealed Technology Advantage,RTA)指数，研判不同技术生命周期的中、美、日、德四国人工智能关键领域的技术优势，同时结合机会窗口理论对中国人工智能关键技术后发追赶阶段进入和追赶现状进行解释，并提出相应的追赶策略，从而为后发者实现技术跃迁提供借鉴和参考，助力我国加快创新型国家建设。

2 数据来源与研究方法

2.1 数据来源

人工智能作为未来科技竞争的引领性、战略性技术已引起全球关注。紧密结合提升中国人工智能国际竞争力的迫切需求，本文以人工智能关键核心技术为例展开研究。基于 《新一代人工智能发展规划》 《人工智能发展报告》 《人工智能发展白皮书》等现有政策文件及产业报告，筛选出八大人工智能关键技术，即计算机视觉、自然语言处理、跨媒体分析推理、智适应学习、群体智能、自主无人系统、智能芯片和脑机接口技术[27]。

本文数据来源于大为Innojoy专利数据库，作为一款专利情报综合应用平台，该专利数据库收录了来自104个国家和地区的超过1亿篇专利信息[28]。结合人工智能技术领域专家的建议，最终确定中国专利检索表达式：对 “TI=计算机视觉 or TI=computer vision” “TI=自然语言处理 or TI=natural language processing” “TI=跨媒体分析推理 or TI=cross-media analysis and reasoning” “TI=智适应学习 or TI=intelligent adaptive learning” “TI=群体智能 or TI=swarm intelligence” “TI=自主无人系统 or TI=autonomous unmanned system” “TI=智能芯片 or TI=smart chip” “TI=脑机接口 or TI= brain-computer interface”分别进行检索，筛选条件为 “中国发明专利”，考虑到专利申请具有18个月的滞后期，因此检索时间设定为1950—2020年，并对中英数据进行合并去重清理，检索结果为24843件。而美国、德国和日本的专利检索仅保留英文，筛选条件分别为 “美国专利申请” “德国专利申请”和 “日本专利申请”，检索时间为1950—2020年，专利检索结果为8361件、742件、1522件，4个国家人工智能关键技术专利申请量共35468件。

2.2 研究方法

(1)Logistic模型。尽管技术生命周期判断与识别的方法颇多，但是S曲线作为定量分析方法更客观、更具说服力。Logistic模型适合于增长快速且显著的技术生命周期预测，且应用范围广泛[29]，因此本文采用Logistic模型对中美日德人工智能关键核心技术生命周期进行判断和探析。Logistic模型对应的S曲线是关于中点对称的[30]，通常使用的Logistic模型表达式为：

式中，Yt是专利累积量，r是S曲线的斜率，K为S曲线的峰值，t为时间，T0.1～0.9为专利累积量从10%K增长到90%K所需时长，tm是专利累积量达到50%K所需时长，也是S曲线的中点。本文主要对K、r、tm、T0.1～0.9这4个参数进行估计。

技术发展如若无法持续性优化以满足社会发展要求，则会被颠覆性技术 (原有技术突破/替代性技术显现)所取代，而新旧技术交替变化使得技术存在多重S曲线的情形[31]，此时Logistic模型一般形式为：

(2)显性技术优势指数。为了探究中、美、日、德四国在人工智能关键技术生命周期演进过程中的技术优势，借助显性技术优势 (Revealed Technology Advantage,RTA)指数[32]进行比较分析，计算公式为：

3 人工智能关键技术生命周期特征分析

本文使用Loglet Lab 4.0对人工智能关键技术专利增长数据按照S曲线进行拟合，通过Logistic模型对人工智能关键技术生命周期进行特征分析。技术发展符合 “萌芽—高潮—低谷”定律，关键技术生命周期亦可能存在多重S曲线，拟合结果见表1。拟合优度R2值均大于0.85，说明拟合效果较为理想。

3.1 中美日德人工智能关键技术生命周期拟合结果分析

对中美日德人工智能关键技术专利申请态势进行量化分析，德国起步最早，于1950年申请相关专利，而中国起步相对较晚，时间上落后于发达国家。全球人工智能关键核心技术专利申请整体呈上升趋势，其中中国增速较快，呈 “指数”增长趋势，美国次之，日本和德国增速相对缓慢。

中国人工智能关键核心技术生命周期拟合结果见表1，萌芽期为2012—2020年，成长期为2020—2029年，成熟期为2029—2038年，衰退期为2038—2046年。目前中国人工智能关键技术正处于成长期，未来的30年将经历 “成熟—衰退”的漫长过程。2012年后以深度学习为代表的人工智能技术与产业发展迅猛，该领域的专利申请实现从较低发展水平到缓慢发展的过渡，2029年将是中国人工智能关键技术发展的关键转折期。

美国、日本和德国人工智能关键技术专利申请时间相对较早。从技术转向成长时间 (T0.1～0.9)看，美国、日本和德国均持续较长时间，均大于30年。经过技术积累、发展与突破，3个国家已进入成熟期。德国在八大关键技术领域研究起步较早，2012年后便进入成熟期，但其成熟期持续时间相对较长，即2012—2036年。日本和美国相继于2015年和2016年发展进入成熟期，专利申请量经过成熟期的发展将达到饱和的状态。

表1 中美日德人工智能关键核心技术生命周期拟合结果

3.2 中美日德人工智能关键技术生命周期特征分析

从全球范围看，中美日德4个国家人工智能关键核心技术大多处于成长期或成熟期，且专利申请呈现强劲的增长态势。本文基于Logistic模型对4个国家的人工智能关键核心技术生命周期特征进行对比分析，如图1所示。

计算机视觉领域，日本率先步入成熟期，中国和美国尚处于成长阶段。而德国技术生命周期预测结果已进入衰退期，这是由于专利从申请到公开具有一定的时滞性，2019—2020年的数据可能略小于实际数据；另一方面，也与德国技术困境尚未攻克有关联，专利申请量相对减少，所以拟合结果为衰退期。

图1 中、美、日、德人工智能关键技术生命周期分布

自然语言处理技术领域，日本专利申请时间最早，并且存在多重S曲线。第一条S曲线显示在2012年前日本自然语言处理技术已经历了完整的生命周期发展历程，2012年后经过技术更替进入新的成长期。自2000年以来，全球自然语言处理技术的专利布局呈现先平稳增长后爆发式增长的趋势，尤其在2012年之后，增长幅度显著提升。

智适应学习领域，中国和德国处于成长期，美国和日本进入到成熟期。从技术转向成长时间 (T0.1～0.9)看，美国和日本成长期持续时间相对较长。由于美国和日本率先进入该技术领域并有多年的技术积累，中国和德国在先发国家积累的基础上大大压缩成长期的发展时间。

群体智能领域，我国发展刚刚起步且处于萌芽期，京东、华为、阿里在该领域也开展了初步应用测试[27]。德国群体智能技术的R2为0，并没有显现其技术生命周期，专利申请量较少，无法量化预测其技术生命周期；而日本和美国均已进入成熟期。

自主无人系统技术是由多种技术融合而成的复杂系统，目前全球范围内起步均较晚，这在一定程度上受其他相关技术发展的影响。中国自主无人系统率先步入成熟期，尤其是无人机、机器人系统和自主技术方面不断取得跨越式进展。

智能芯片技术领域，中国和德国尚处于成长期，美国和日本已进入成熟期。中国起步相对较晚，美国为保护其核心技术专利制定了 “技术锁定”策略。 “技术锁定”和 “技术黏性”的共同作用，使中国等后发国家难以谙熟技术 “黑箱”原理，在攻克智能芯片 “卡脖子”技术时陷入困境。

脑机接口技术领域，各国专利申请时间均较早，德国和美国凭借自身医学基础研究积累和技术支撑率先开展脑机接口研究，目前已进入成熟期。中国尚处于成长期，且成长时间较长 (24年)，表明中国在未来追赶过程中仍有较多技术难题亟待攻克，在2030年左右将实现重大转折。

跨媒体分析推理领域，中美日德4个国家的专利申请量较少，起步较晚，仅美国尚处于成熟期，其他国家发展后劲不足。中国和德国跨媒体分析推理技术处于衰退期，一是由于从事该领域研究的企业和机构不多，导致专利申请量基数较小，增长缓慢；二是由于发明专利具有时间滞后性，因此2019—2020年的数据可能略小于实际数据。

4 人工智能关键技术动态比较与后发追赶

技术优势作为衡量技术竞争力发展的核心因素，科学研判全球人工智能关键技术竞争态势，识别领先优势领域对实现关键技术的突破与后发追赶具有重要意义。一是依据专利的主IPC分类号对人工智能八大关键技术进行技术识别，了解子领域研发重点方向；二是借助RTA指数分析中美日德在八大关键技术领域的技术优势分布特征与技术追赶态势。

4.1 人工智能关键技术IPC分类号分布特征

IPC分类号作为目前唯一国际通用的专利文献分类和检索工具，主IPC分类号能够反映专利的核心内容，每个专利都至少对应一个IPC分类号[33]。人工智能关键技术领域中较高频率的主IPC分类号汇总见表2。可以发现，在跨媒体分析推理和自然语言处理领域专利申请的技术主题方向分布差异较大，均主要集中在数字数据处理技术层面，同时也反映出两大技术存在技术融合贯通。其他六大技术研究方向分布相对均衡，主要分布在G (物理)、A (人类生活必需 (农、轻、医))、B (作业与运输)、H (电学)等4部。

基于所收集的35468件人工智能关键技术专利，共识别出416个不同的主IPC分类号。按照技术类别，将所收集的专利主IPC分类号分别导入COOC软件，统计主IPC分类号出现的频次，其中，频次代表技术发展的广泛性[33]。由表2可知，通过主IPC分类号频次统计，物理基础研究层的电数字数据处理和数据处理系统或方法两类技术占到主IPC分类号的大部分。电数字数据处理作为基础技术支撑人工智能关键核心技术发展。数据处理系统或方法在自然语言处理、跨媒体分析推理、智适应学习和群体智能领域发挥着基础性作用。在计算机视觉领域，数据识别和一般的图像数据处理技术是关键性技术，且是该领域未来几年的技术热点和重点。非电变量的控制或调节系统和无线电导航是支撑自主无人系统发展的基础技术，而自主无人系统技术主要应用在直升飞机等运输领域。医疗化学等基础学科的进步与突破促进了脑机接口技术的跨越式发展。

4.2 中国人工智能关键技术领域后发追赶研究

第1步，通过显性技术优势指数 (RTA)对比研究4个国家在人工智能关键核心技术领域的萌芽期至成熟期的技术优势分布特征；第2步，基于机会窗口理论进一步分析中国在各技术领域的后发追赶态势。中美日德人工智能关键核心技术优势分布特征，如图2 (a～h)所示。

在计算机视觉领域，中国在萌芽期拥有显著的技术领先优势 (RTA指数>1)。在萌芽期至成长期过程中，我国互联网产业蓬勃发展，海量的数据、广泛的应用场景、丰富的商业模式为计算机视觉技术发展应用提供了极丰富的土壤，中国在计算机视觉技术领域稳步发展。而美国、日本和德国已从成长期发展进入成熟期，德国数据识别发展迅猛，使其具备了相对领先优势，日本则在图像数据处理与产生中技术优势更显著。因此，未来中国在计算机视觉领域可依托需求型和技术型机会窗口展开新一轮的技术追赶。

(a)计算机视觉

(b)自然语言处理

(c)自主无人系统

(d)群体智能

(e)跨媒体分析推理

(g)智能芯片

(h)智适应学习

表2 人工智能关键技术主IPC分类号

在自然语言处理技术领域，尽管德国在萌芽期具有显著的技术优势，中国成功把握 “萌芽期—成长期”的需求型机会窗口，学习算法的进步、庞大的用户群体和数据来源，使得中国自然语言处理技术在成长期具有明显的技术优势。美国、日本和德国自然语言处理技术并未进入成熟期，该领域现有的技术轨道尚未 “锁定”。因此，中国可以综合把握技术型、制度型和需求型机会窗口实现关键技术追赶。

在自主无人系统技术领域，日本在萌芽期具有显著领先优势，而中国起步相对较晚。从成长期看，各国发展平稳，中国则成功把握住技术机会窗口，经过 “萌芽期—成长期” “成长期—成熟期”两次追赶，深度学习的不断优化、先进技术的积累使得中国在测量仪器和控制调节系统领域发展迅速，推动了中国自主无人系统实现技术突破。美国和德国则在该领域未进入成熟期。

在群体智能领域，德国发展相对缓慢，而美国技术优势极其显著。高效协同的知识资源管理与开放共享使得美国的领先优势贯穿 “萌芽期—成长期—成熟期”。日本在 “萌芽期—成长期”的过程中，数据处理系统领域的技术优势明显增强，且不断完善群智激励算法和模型。而中国在该领域处于起步阶段，尚未进入成长期，未来将面临 “一次追赶”或 “二次追赶”。

在跨媒体分析推理技术的萌芽期，日本在数据处理系统领域具有显著优势，在成长期和成熟期具有良好的持续性。德国跨媒体分析推理技术的发明专利主要集中在医疗技术领域，并在 “萌芽期—成长期—成熟期”的过程中占有绝对的领先优势。而中国跨媒体分析推理技术发展十分缓慢，未来面临巨大的技术追赶压力。

在脑机接口技术领域，从萌芽期看，日本拥有显著的领先优势并且持续性增强，德国则处于落后地位。随着 “人类脑计划”启动，德国在脑机接口领域投入大量资金和人才[34]，使得德国在 “成长期—成熟期”发展过程中技术领先优势持续加强。中国在萌芽期和成长期均不具备技术优势，随着 “科技创新2030重大项目之一——脑科学与类脑研究”全面启动，未来中国脑机接口可在制度政策保障下研制全链条自主可控的脑机接口系统。

在智能芯片领域，美国、德国和日本均已步入成熟期，发展态势良好。在萌芽期，德国拥有绝对技术领先地位，专利申请量相对领先。在成长期，日本发展迅速实现技术反超，并具备一定国际领先优势。美国整体发展态势平稳良好，在成熟期仍保持相对优势。受限于技术积累和基础研究能力不足等困境，中国在智能芯片技术领域尚未走向成熟，芯片布局难以与美国等巨头抗衡。

在智适应学习领域，在萌芽期，中国占据了领先优势的地位，到成长期仍旧保持平稳发展的速度，领先优势持续加强。而德国、美国在该技术领域已进入成熟期，领先优势逐渐加强，技术优势逐渐显现。因此，未来中国需要深度思考是在原有技术轨道中追赶还是另辟蹊径，发掘新的技术轨道从而实现 “换道超车”。

5 结论与启示

5.1 研究结论

本文基于技术生命周期理论并采用RTA指数对中美日德不同技术生命周期的人工智能关键技术优势分布特征进行动态比较，进一步识别中国人工智能关键技术领域的机会窗口和追赶阶段，通过以上研究，得出以下4个方面的结论。

(1)在计算机视觉、自然语言处理和智适应学习领域，中国凭借强大的应用场景、庞大的用户基数和海量的数据，从萌芽期到成长期的过程中具有一定的先发优势，但是这三大技术目前均未进入成熟期，还需要进一步努力。未来在成熟期的发展中，要充分利用市场、技术和制度的优势，实现关键核心技术的后发追赶。

(2)在自主无人系统技术领域，中国在 “萌芽期—成长期”过渡中成功实现技术追赶，并在成熟期保持领先优势。根据Utterback和Abernathy提出的A—U模型[35-36]，技术发展至成熟阶段新的不连续技术有可能在该阶段出现，颠覆现有的产业竞争结构。因此，在自主无人系统技术领域可以通过颠覆性创新来保持自身技术优势。

(3)在脑机接口和智能芯片技术领域，美国和日本已步入成熟期，而中国尚处于成长期，在这两大领域中国技术优势并不显著。由于技术路径依赖使中国在原有技术轨道的后发追赶中不仅面临 “卡脖子”困境，同时也要谨防发达国家的技术封锁和防御策略。因此，在这两个领域，中国应该利用新型举国体制的优势，加快建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，以揭示关键核心技术 “黑箱”的内在机理。

(4)在群体智能和跨媒体分析推理领域，中国尚处于起步阶段，发展相对缓慢，机遇与挑战并存。根据 《2019年人工智能发展白皮书》的报告[27]显示，全球群体智能技术和跨媒体技术尚未发展成熟，仍存在一定的技术跃迁的空间。因此，中国要积极开展国际合作，进一步强化基础研究，把握技术突破和追赶过程中的各类机会窗口。

5.2 政策启示

党的十九届五中全会强调 “打好关键技术攻坚战，提高创新链整体效能”。围绕关键核心技术的后发追赶情境，本文得出以下4点政策启示。

(1)提高对关键技术机会窗口的敏感度，精准识别不同技术生命周期的后发追赶类型。根据技术生命周期拟合结果，中国多项人工智能关键核心技术现处于成长期，未来十年将是中国人工智能关键技术后发追赶的关键时期。后发者应依据不同阶段的技术优势而选择与之相匹配的后发追赶策略。例如，在计算机视觉、自然语言处理等市场型技术领域，不仅要从市场需求入手，还要紧紧抓住技术型和制度型机会窗口努力实现技术追赶；而在脑机接口、智能芯片等技术和资本密集型的领域，不仅要预防先发者的 “技术封锁”策略，也需要从 “技术—制度—市场”三维视角捕捉机会窗口，科学制定追赶战略。

(2)持续发挥中国市场规模和用户需求的优势，抓住后发追赶阶段的需求型机会窗口，依靠强大的市场优势和商业模式实现颠覆性创新[37]。本文发现，中国自主无人系统技术凭借海量数据和庞大的应用场景在 “萌芽期—成熟期”的过程中成功实现技术追赶，并进入领跑阶段。因此，在 “十四五”时期，特别是在推动形成以国内大循环为主体、国内国际双循环相互促进的新发展格局之际，我国可根据市场环境选择对应的突破口，积极开拓 “一带一路”、东盟等海外市场，并创造新的用户需求，开发关键技术的新型应用场景。

(3)加快推动关键技术后发追赶过程中的技术供给由 “外生”向 “内生”迁移。关键技术包含大量的缄默知识，抑制知识流动性，后发者难以有效获取先发者的内核技术知识。研究发现，在脑机接口和智能芯片技术领域，由于先发者已形成先发优势和技术垄断，激烈的全球国际竞争下以美为首的西方国家对中国形成了 “技术封锁”，依靠技术外生供给亟需革新。因此，中国应充分识别技术范式和技术生命周期更迭带来的技术机会窗口，树立 “重科技”和 “根技术”思维，加强原创性基础研究，洞察暗藏技术 “黑箱”的基础理论和技术原理，实现在新的技术轨道上的领先优势。

(4)发挥举国体制的优势，创新挖掘 “揭榜挂帅” “赛马”等科技攻关的组织模式，利用制度型机会窗口实现关键技术的后发追赶。例如，可以在长三角、珠三角、成渝地区打造区域间、行业间的关键核心技术创新共同体、研发共同体、核心技术产业联盟等新型研发组织机构，使制度优势和创新政策成为关键核心技术突破的压舱石。