中图分类号：G306.0 文献标识码：A 文章编号：1002-0241(2019)04-0016-16 0 引言 技术融合是科学技术发展的必然趋势，不同领域之间的技术融合已经成为当今世界发展的普遍现象，逐渐形成了新的技术前沿。在技术融合的浪潮下，将会推动相关产业的快速发展，促使其结构发生革命性变化的同时，为新一轮的经济增长做出贡献。此外，技术融合作为产业发展的一个新的决定性因素引发了广泛关注和研究，尤其对于新兴产业而言，技术融合通过渗透、交叉、重组等机制驱动了新兴产业的形成和发展(李丫丫等，2016)。因此，如何快速识别出技术融合的程度和趋势，以及对技术融合后的现状进行科学客观地分析，并识别出技术融合后的新兴领域相关技术的发展趋势，对企业紧跟科学技术发展潮流，实施创新发展战略具有重要的意义。 在专利技术识别与可视化研究上，韩震等(2013)对RFID技术进行代码共现分析和时间演进分析，反映了该领域的关键技术和发展趋势。侯剑华和都佳妮(2015)利用专利计量和信息可视化方法对风力涡轮机技术进行技术热点监测分析。栾春娟(2012)运用专利计量与信息可视化手段对会聚技术进行测度与可视化分析。在技术融合分析方法研究上，主要研究有专利引文分析法和专利分类分析法。其中，邱均平和杨强(2014)采用关键词词频分析方法和共现分析方法分析了物联网、大数据、云计算和语义网的不同程度的技术融合现象。黄鲁成等(2014)采用专利共类分析法分析信息与生物技术的技术融合趋势。李丫丫和赵玉林(2016)分别从静态和动态2个方面构建了技术融合分析框架，利用共现分析进行技术融合静态分析，借鉴生物领域多样性指数进行动态分析。 从上述研究中发现，在专利技术识别与可视化研究上，通过信息计量与信息可视化等方法，从专利文献中探测领域的热点技术与研究趋势已成为现代信息科学的研究重点。但是此方法应用在技术融合分析上相对较少，即使有的研究应用到了此方法也缺少相应的指标对研究的领域进行完善和细化。而在技术融合分析方法研究上，无论是从引文分析，还是从专利指标上进行分析，或是利用专利共类方法分析仍然存在一定的局限性(李姝影等，2017)。不仅如此，上述研究中都致力于分析技术融合的程度，使得对这一方向研究不断地完善和细化，然而对于技术融合后，哪些技术有可能成为发展的趋势则未有涉及，而这些技术对于企业的发展才更具有现实意义。因此，本文借鉴了以上分析方法，将其进行结合，并对其加砖添瓦。于是本文选取了物联网与人工智能这2个热点领域作为技术融合的分析对象，通过物联网领域各层级与人工智能领域融合的专利申请量、技术距离的测量和技术融合度的计算来快速直观地判定其技术融合的程度；然后利用共现分析的方法和可视化技术展示了4个层级的知识结构以及技术的动态变化；最后结合文献计量4个指标(共现频次、中介中心性、突发性和Sigma值)识别出这2个领域产生技术融合后的技术现状以及未来技术的发展趋势。 1 概念及理论基础 1.1 概念 1.1.1 专利与技术融合 一般而言，专利数据被认为是最新且可靠的知识来源(Griliches，1990；Trajtenberg et al.，1997)。专利作为技术信息最有效的载体，包括了全球90%以上的最新技术情报。根据世界知识产权组织报告，专利信息包含了全球R & D产出的90%以上，剩下的5%～10%体现在科学文献中(王贤文等，2010)。专利数据已被用于测量技术融合的指标，某一领域的专利申请代表了该技术轨迹中知识的积累和进步(Caviggioli，2016)。因此，基于专利数据来研究技术融合程度以及技术融合后的技术现状和发展趋势是可行的。 技术融合(Rosenberg，1963)最早是由Rosenberg于1963年在不同产业中使用了相类似的技术的背景下提出的。随着时代的发展和研究的不断深入，对于技术融合的研究越来越受到了学者们的关注，于是涌现出一些相关的概念，如技术会聚、技术融合、技术兼并、技术集成、技术交叉等，虽说叫法不同，但是它们研究的内容大致相同。Curran等(2010)认为技术融合开始于知识间的相互引用和合作，从而发展到技术间距离的缩短形成技术融合，并将技术融合解释为2种以上的技术在同一位置合并成一项或多项新的技术(李姝影等，2017；Curran et al.，2001)。总的来说，技术融合是一种创新模式，是不同技术之间通过自身的有机结合实现技术创新(陈亮等，2013)。 1.1.2 物联网与人工智能 随着信息化技术的发展，物联网与人工智能领域是当今世界的研究热点。“物联网”最早是由Kevin Ashton于1999年在供应链管理的背景下提出(Gubbi et al.，2013)。它使得物与物之间的连接变得可能。自从它出现以来，物联网一直发挥着至关重要的作用，其涵盖了医疗，公用事业，运输等广泛的应用，并且近年来一直备受学术界，工业界和政府研究人员的关注。Trappey等(2017)对现有文献进行综述后，认为最合适的层次是将物联网架构划分为4层。物联网结构中的成分合乎逻辑地、直观地被分为感知层，传输层，计算层和应用层。其中，感知层(Trappey et al.，2017)涉及利用传感器来获得发生在物理世界中的数据和信息；此外，数据收集依赖于传感器、RFID、二维码和实时定位技术等技术，还有传感器数据交换标准。传输层(Trappey et al.，2017)通过基站承载网络将感知层的信息传输到应用层；该技术有一些有线通信标准，传输层有有线或无线通信协议。计算层(Trappey et al.，2017)包括创建或转换传输和收集数据所需的算法；计算层中有一些主题包含路由算法、图像处理、字符识别、纠错、数据安全和数据加密。应用层(Trappey et al.，2017)使用收集的数据形成动态数据资源库，适用于物联网相关的业务需求；物联网相关业务包括零售、健康、能源、移动、城市、制造、出版和服务。并且还详细给出了每个层次相关技术的关键词。关于“人工智能”这一术语在1956年被首次提出，作为计算机科学的一个分支它经过50多年的发展，如今已经涉及哲学，数学，心理学，计算机科学等多门学科，其中以机器学习、基础算法、智能搜索、语音识别、自动驾驶等技术为主要技术分支，并成为当今世界的研究前沿。
