本报告回看2017年已收集的期刊研究、政策与技术资料，梳理相互关联的研究脉络。年度判断与研究提案为本次回溯整理形成。
一、年度判断
2017年的材料提供了一条较完整的方向判断链：以文本和知识流识别技术机会，以性能要求明确需要解决的问题，以集成关系分析实现条件，再用路线图组织研发任务。技术机会发现与研发规划研究直接连接性能缺口、技术结构和可行性；模块化路线图则将技术、产品、应用、市场及社会层面的关系组织起来。12
这一联系使年度研究可以集中于“机会的实现结构”：某种组合能够带来什么功能，依赖哪些已有能力，哪些集成任务决定推进顺序。新一代人工智能发展规划涉及知识学习、跨媒体、人机协同及行业融合，为跨场景能力与应用条件的研究提供了重要背景。3
二、贯穿全年的研究主线
（一）机会识别从领域相邻延伸到功能和性能要求
企业知识画像研究以大量通信专利全文构建主题及其时间变化，技术融合预判研究则利用知识流与分类寻找早期信号。前者刻画已有知识基础，后者寻找正在靠近的领域。二者可共同构成机会判断的起点：研究对象已经掌握什么，外部出现哪些可连接的知识。45
专利分类与协同过滤研究将应用机会发现连接到技术组合，并考虑异质性、成长和竞争。性能导向研究进一步进入性能缺口和结构约束。年度综合可以把候选组合转换为待实现的功能命题，再评估其对目标性能的作用及适配条件。61
这样组织机会，能够给出更具体的研究对象。例如，同一知识组合可能在不同使用环境中对应不同性能要求；某个应用缺口也可能由多条技术路线满足。研究重点因而可以放在功能目标与实现方案之间的多对多关系。
（二）集成关系决定机会如何进入系统
复杂产品集成研究以多个系统讨论集成结构、机制及动态依赖。模块化测量研究则比较不同指标与组织、供应配置之间的关系。共同启发在于，系统中的关联需要有明确的技术含义：组件连接、知识协调和供应关系分别提供不同的实现条件。78
组件与系统性能研究用相互促进和抑制的关系刻画演化。将其与集成视角连接，可以研究某个局部性能改善为什么改变了其他组件的要求，以及何种配套变化能够转化为系统层面的收益。9
年度方法可以建立功能需求、组件性能与集成任务之间的关系图。图中的关键节点由其影响的任务和功能共同判断，从而识别具有较广牵引作用的技术问题。该表示也能够保留多种实现方式，便于比较路线间的共同依赖。
（三）技术窗口需要与已有知识和协调能力相联系
追赶周期研究将技术、需求与制度变化区分为不同机会窗口。对技术分析而言，窗口可以具体化为某组功能要求、进入条件或连接规则发生变化。将窗口与知识画像匹配，能够研究哪些已有能力获得新的作用，哪些关键知识仍需补足。10
知识边界研究利用会议文本的主题变化观察问题挑战与集体知识。其资料视角有助于进入协调过程：不同参与者如何逐渐形成共同问题表述，哪些概念和证据成为跨边界沟通的连接点。11
新兴技术供应链讨论则将操作、过程和价值形成联系起来。年度可由此把机会窗口继续向实现过程展开，比较技术知识、生产条件及应用反馈如何共同影响路线推进。12
（四）路线图成为多类证据的共同组织方式
模块化路线图研究以锂离子电池为例连接多个层面。其年度价值在于提供可以拆分和重组的结构，使不同来源的材料围绕具体关系汇合。性能缺口可以对应研发任务，集成关系可以说明先后依赖，应用变化则形成任务调整的依据。2
人工智能规划中的跨媒体和人机协同方向，也适合以这种方式分析：先描述跨场景的功能需求，再寻找能够复用的知识与数据条件，最后比较各场景需要增加的验证任务。政策提供方向情境，具体技术联系由论文、专利及工程资料支撑。3
三、方法与证据如何推进
年度可形成从候选机会到研发任务的转换模型。输入包括专利全文、技术指标、系统说明、测试资料和路线图；中间层表达功能、性能、组件和接口；输出为候选方案及其依赖任务。每项任务保留来源和条件，便于研究者比较不同技术路径。
算法创新可以放在约束下的机会排序。将知识适配、性能贡献和集成依赖作为不同维度，输出多种可行路径及其关键差异。评价除历史命中外，还可以检查模型能否提前识别后续实际出现的集成任务，以及能否找到跨路线共用的能力。
文本方法在这里承担知识转换作用：把材料中的问题、指标和解决方式对齐，再由关系模型组织整体判断。这使算法改进能够直接服务技术方向分析。
四、值得集中推进的研究方向
（一）技术机会的实现结构识别：基于性能缺口与集成任务的研究
1. 重大意义
将技术机会落实为可研究的实现任务，有助于提高选题的明确性，并识别能够支撑多种技术路线的关键能力。
2. 可能的研究缺口
机会发现研究已连接性能缺口和研发规划，集成研究揭示动态依赖。进一步可问：候选机会需要经过哪些知识和接口转换，哪些任务决定局部性能改善能否形成系统收益？17
3. 创新点
拟构建功能、性能、组件及集成任务的多层图，以约束传播生成实现路径，并识别跨路径共享的关键任务。
4. 研究思路
选取有公开性能指标及迭代记录的技术系统，抽取需求与集成事件。以历史阶段回放比较候选排序、任务覆盖和关键依赖识别，分析模型提出的路径与实际路线之间的差异。
（二）机会窗口中的技术能力转用：基于功能需求变化与知识适配的研究
1. 重大意义
技术和应用环境变化会重新组织已有知识的用途。识别能力转用条件，有助于发现具有积累基础的新方向，并说明不同进入路径所需的知识补充。
2. 可能的研究缺口
窗口研究区分变化来源，知识画像描述已有能力。进一步可问：新的功能要求如何改变知识的作用，什么样的知识组合能够跨越应用和组织边界？10411
3. 创新点
拟将窗口事件表示为功能和约束的变化，以知识角色匹配及缺口补全识别能力转用路径，比较保留、重组和新增知识在路径中的作用。
4. 研究思路
构建窗口事件、技术需求和知识基础的时间数据，标注转用案例及适配任务。对照主题相似度与功能条件模型，检验路径识别，并比较不同场景下可复用知识的范围。
五、年末的研究取舍
首轮适合从实现结构研究切入。性能指标、设计版本和集成事件能够形成较明确的对应关系，便于建立可复核的数据集。能力转用研究可以在这一基础上扩展到不同应用环境，比较同一知识基础面对不同功能要求时的变化。
与2016年报相衔接，设计层级和接口约束进一步进入机会识别与任务规划。年度工作的落点，是让技术方向判断能够说明值得解决的问题，以及推进这些问题所需的知识连接。
六、参考文献与信息来源
[1] Jeongjin Lee; Changseok Kim; Juneseuk Shin. Technology opportunity discovery to R&D planning: Key technological performance analysis. Technological Forecasting and Social Change, 2017-06（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2017.03.011.
[2] Andreas Sauer; Axel Thielmann; Ralf Isenmann. Modularity in Roadmapping – Integrated foresight of technologies, products, applications, markets and society: The case of “Lithium Ion Battery LIB 2015”. Technological Forecasting and Social Change, 2017-12（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2016.08.017.
[3] 国务院. 国务院关于印发新一代人工智能发展规划的通知. 国家卫生健康委员会转载国务院文件, 2017-07-20（年度资料；官方公开页面日期；成文日期2017-07-08）.
[4] Arho Suominen; Hannes Toivanen; Marko Seppänen. Firms’ knowledge profiles: Mapping patent data with unsupervised learning. Technological Forecasting and Social Change, 2017-02（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2016.09.028.
[5] Chie Hoon Song; David Elvers; Jens Leker. Anticipation of converging technology areas — A refined approach for the identification of attractive fields of innovation. Technological Forecasting and Social Change, 2017-03（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2016.11.001.
[6] Youngjin Park; Janghyeok Yoon. Application technology opportunity discovery from technology portfolios: Use of patent classification and collaborative filtering. Technological Forecasting and Social Change, 2017-05（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2017.02.018.
[7] Mohammad Naghizadeh; Manoochehr Manteghi; Marina Ranga; Reza Naghizadeh. Managing integration in complex product systems: The experience of the IR-150 aircraft design program. Technological Forecasting and Social Change, 2017-09（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2016.06.002.
[8] Anna Cabigiosu; Arnaldo Camuffo. Measuring Modularity: Engineering and Management Effects of Different Approaches. IEEE Transactions on Engineering Management, 2017-02（年度资料；2017年2月卷期；另一作者机构库记录2016年在线发表）. DOI: 10.1109/tem.2016.2614881.
[9] Guanglu Zhang; Daniel A. McAdams; Venkatesh Shankar; Milad Mohammadi Darani. Modeling the evolution of system technology performance when component and system technology performances interact: Commensalism and amensalism. Technological Forecasting and Social Change, 2017-12（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.techfore.2017.08.004.
[10] Keun Lee; Franco Malerba. Catch-up cycles and changes in industrial leadership:Windows of opportunity and responses of firms and countries in the evolution of sectoral systems. Research Policy, 2017-03（年度资料；出版商卷期月份；不作日级首发依据）. DOI: 10.1016/j.respol.2016.09.006.
[11] David A. Broniatowski; Christopher L. Magee. The Emergence and Collapse of Knowledge Boundaries. IEEE Transactions on Engineering Management, 2017-08（年度资料；2017年8月卷期；原文在线日期2017-04-12；所读PMC作者稿2018年开放）. DOI: 10.1109/tem.2017.2677744.
[12] Jonathan D. Linton. Emerging Technology Supply Chains. Technovation, 2017-04（年度资料；出版商标注2017年4月、62—63合刊；本系列于9—10月作为背景资料引用）. DOI: 10.1016/j.technovation.2017.04.004.
