本报告回看2023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
2023年的资料使技术分析对象进一步细化。命名实体识别进入专利中的具体技术，层次语义网络以作用关系组织机会，纵向和横向融合研究区分不同系统层级的连接。年度可以围绕一个问题展开：怎样从分散材料中识别具有明确功能和层级的技术关系，并解释这些关系如何形成新的能力？123
通用技术潜力研究利用招聘资料观察使用范围和创新潜力，人工智能创新角色框架区分发起者与促进者；技术主权研究则把国家行动能力与竞争、转型及合作联系起来。它们共同拓宽了能力研究的对象：能力表现于具体任务，也受知识、平台和外部连接条件影响。456
二、贯穿全年的研究主线
（一）细粒度技术识别为功能和层级分析提供基础
专利实体识别研究比较词典、规则和BERT等方法，在样本中识别大量细粒度技术。它提供了将材料拆解为技术对象的工具，适合进一步连接动作、功能和实现条件。1
HiDS研究面向高维稀疏摘要结合技术挖掘和语义分析，刻画分层演化路径。层次语义双重链接预测研究则以SAO网络分别发现机会和评价新颖性。两类方法使技术关系能够按层级组织，并对候选组合给出更细的内容解释。72
年度可将实体识别、关系抽取和层级对齐组成连续流程。实体确定研究对象，关系说明作用方式，层级明确变化位置；再用原始段落和版本资料核对三者，形成可复用的技术事件数据。
（二）融合需要区分层级、形成方式和功能结果
纵向与横向融合研究区分跨系统层级和同层级连接。新颖与强化融合研究进一步比较不同融合方式和创新结果，并纳入科学融合。它们说明融合可以从多个具有技术含义的维度展开。38
年度综合可以研究这些维度之间的关系：新知识进入同一层级时可能改变局部实现，跨层连接则可能重新组织功能和接口。具体作用需要沿技术内容追踪，比较融合前后哪些关系保留、哪些角色发生转换。
绿色发明研究区分搜索阶段与产出阶段的多样性。与融合视角结合，可以研究搜索中接触的知识如何经过选择和整合成为最终配置，以及未进入方案的知识是否影响问题表述和验证方式。9
（三）人工智能的通用潜力需要沿任务和工作过程观察
招聘数据研究从广泛使用、创新潜力和应用行业创新比较多项新兴技术，机器学习及相关数据科学技术群表现突出。其资料视角把通用潜力与实际任务需求联系起来。4
人工智能角色框架区分创新发起与促进，并从技术推动、需求拉动及开发过程讨论应用。年度可据此研究人工智能在不同任务中改变了什么：问题提出、候选生成、知识检索、验证或协作，分别需要不同的证据和评价。5
这种任务分解也适合与技术机会模型结合。模型产生候选后，仍可继续记录候选如何进入技术论证和试验，研究计算工具改变了哪些搜索步骤，以及形成新知识的关键环节在哪里。
（四）行动能力来自知识积累及可使用的连接
技术主权研究将行动能力与竞争及转型联系起来，讨论依赖和合作。知识资本研究则通过专利网络与历史资料分析技术系统在企业知识整体中的轨迹。二者可以连接为关于能力基础的研究：哪些知识持续承担关键角色，哪些连接使这些知识能够在新任务中使用。610
标准化研究讨论外部联盟组合、内部技术多样性与正式标准化的关系。累积创新研究关注学习和许可成本对后续创新联系的影响。年度可据此将接口规则、知识使用条件和协作关系纳入能力分析。1112
能力因此可以被表达为在一定条件下完成某类技术任务的路径集合。比较这些路径的共用依赖和替代连接，能够把宏观方向问题转化为可研究的技术结构问题。
三、方法与证据如何推进
可建立从细粒度技术到任务能力的层次图。底层记录实体、作用和条件，中层组织组件、方案和系统功能，上层对应研发及应用任务。每一层的连接保留来源，便于比较相同技术在不同场景和层级中的角色。
算法创新可以集中在跨层关系解释。结合语义表示与图结构寻找候选，再以功能条件检验其组成方式。对机会的评价既观察后续关系是否形成，也比较模型是否识别了正确的变化位置、配套任务和知识角色。
年度材料还适合开展过程评价：追踪搜索阶段的知识集合如何变成方案和验证任务，分析技术工具在其中发挥的作用。它能使算法研究与技术形成问题保持紧密联系。
四、值得集中推进的研究方向
（一）跨层技术融合的功能形成机制：基于细粒度关系与设计位置的研究
1. 重大意义
技术融合能够改变局部方案及系统功能。解释变化发生的层级和作用关系，有助于识别具有结构性意义的技术机会，并判断所需配套知识。
2. 可能的研究缺口
融合研究区分纵横层级和新颖强化方式，语义方法提供细粒度关系。进一步可问：不同层级连接怎样形成新的功能，哪些角色转换使知识组合进入系统架构？382
3. 创新点
拟建立实体、作用和设计层级的时间图，以跨层关系及角色变化识别融合模式，并将其对应到功能和接口的实际变化。
4. 研究思路
选择多层结构清晰的技术系统，标注专利与设计资料中的位置和关系。对照分类融合及语义相似度模型，检验融合模式、配套任务和功能结果识别，并进行跨系统比较。
（二）Technology Capability as Task-Reachable Knowledge（作为任务可达知识的技术能力）
1. 重大意义
技术能力研究需要说明知识在何种条件下能够完成任务。以任务可达性组织能力，有助于识别关键依赖、共用基础和能力扩展方向。
2. 可能的研究缺口
通用潜力研究观察任务需求，知识资本和技术主权研究讨论积累及行动能力。进一步可问：哪些知识连接使任务成为可实现路径，外部条件变化如何改变这些路径？4106
3. 创新点
拟把能力表示为任务、知识和实现条件的路径集合，以路径覆盖及替代连接刻画能力范围，区分知识拥有、条件适配和任务实现之间的关系。
4. 研究思路
整合专利、技术文档、岗位任务及实现记录，建立任务到知识的证据映射。对照技术数量、领域多样性和任务路径模型，以实际任务扩展、依赖变化和替代事件检验解释能力。
五、年末的研究取舍
跨层融合研究可以先在设计结构明确的领域建立数据；任务能力研究再将相同关系扩展到研发和应用过程。两项方向共享细粒度实体与条件标注，分别回答功能怎样形成、能力在何种条件下能够使用。
与2022年报衔接，知识图谱进一步从关系组织走向能力解释。年度研究可优先完善技术语义、层级和任务之间的连接，为后续分析复杂工具和平台中的技术机会奠定基础。
六、参考文献与信息来源
[1] Giovanni Puccetti; Vito Giordano; Irene Spada; Filippo Chiarello; Gualtiero Fantoni. Technology identification from patent texts: A novel named entity recognition method. Technological Forecasting and Social Change, 2023-01（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2022.122160.
[2] Zhenfeng Liu; Jian Feng; Lorna Uden. Technology opportunity analysis using hierarchical semantic networks and dual link prediction. Technovation, 2023-12（年度资料；出版商卷期月份）. DOI: 10.1016/j.technovation.2023.102872.
[3] Ngoc Uyen Phuong Nguyen; Martin G. Moehrle. Combining the Analysis of Vertical and Horizontal Technology Convergence: Insights From the Case of Urban Innovation. IEEE Transactions on Engineering Management, 2023-04（年度资料；出版商卷期月份；作者存档论文标明2021年Early Access）. DOI: 10.1109/tem.2021.3086320.
[4] Avi Goldfarb; Bledi Taska; Florenta Teodoridis. Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 2023-01（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2022.104653.
[5] Alexander Brem; Ferran Giones; Marcel Werle. The AI Digital Revolution in Innovation: A Conceptual Framework of Artificial Intelligence Technologies for the Management of Innovation. IEEE Transactions on Engineering Management, 2023-02（年度资料；出版商卷期月份）. DOI: 10.1109/tem.2021.3109983.
[6] Jakob Edler; Knut Blind; Henning Kroll; Torben Schubert. Technology sovereignty as an emerging frame for innovation policy. Defining rationales, ends and means. Research Policy, 2023-07（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2023.104765.
[7] Xi Xi; Feifei Ren; Lean Yu; Jing Yang. Detecting the technology’s evolutionary pathway using HiDS-trait-driven tech mining strategy. Technological Forecasting and Social Change, 2023-10（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2023.122777.
[8] Shengchao Zhao; Deming Zeng; Jian Li; Ke Feng; Yao Wang. Quantity or quality: The roles of technology and science convergence on firm innovation performance. Technovation, 2023-08（年度资料；出版商卷期月份）. DOI: 10.1016/j.technovation.2023.102790.
[9] Fabrizio Fusillo. Green Technologies and diversity in the knowledge search and output phases: Evidence from European Patents. Research Policy, 2023-05（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2023.104727.
[10] Sophie Boutillier; Blandine Laperche; Didier Lebert; Sana Elouaer-Mrizak. A systemic analysis of the technological trajectory at company level based on patent data: The case of Sanofi’s vaccine technology. Technovation, 2023-06（年度资料；出版商卷期月份）. DOI: 10.1016/j.technovation.2023.102746.
[11] Jinyan Wen; Jian Li; Qing Zhou; Deming Zeng; Rainer Harms. How firms support formal standardization: The role of alliance portfolio and internal technological diversity. Technological Forecasting and Social Change, 2023-11（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2023.122854.
[12] Qinyu Ryan Wang; Yanfeng Zheng. Patent regime and the geography of cumulative innovation. Research Policy, 2023-09（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2023.104809.
